深度学习在生物医药领域的应用

序号	推送日期	文章	类型	简述	创新点	不足	研究目的	研究对象	领域	病种	技术	模型	数据类型	样本量	算法框架	模型架构	性能指标	计算资源
6101	2025-12-07	Deformable phrase level attention: A flexible approach for improving AI based medical coding 2026-Jan, Artificial intelligence in medicine IF:6.1Q1 DOI:10.1016/j.artmed.2025.103299 PMID:41260194	研究论文	提出一种新颖的可变形短语级注意力机制，用于增强从临床文本中提取医学概念的文本分类模型	开发了一种可变形、短语级的注意力机制，能够识别临床文本中的重要词汇级和上下文短语级信息，超越传统的词级注意力	未明确说明模型在更广泛临床文本类型或语言上的泛化能力，以及计算效率的具体评估	改进基于AI的自动化医学编码，以提升疾病发生信息的收集和人口健康水平	临床文本文档，包括电子病理报告和医院出院摘要	自然语言处理	癌症	注意力机制	Transformer, 深度学习模型	文本	629,908份电子病理报告和52,722份医院出院摘要	NA	Transformer	NA	NA
6102	2025-12-07	Artificial intelligence in 4D flow MRI: Review of technological aspects and clinical applications 2026-Jan, Artificial intelligence in medicine IF:6.1Q1 DOI:10.1016/j.artmed.2025.103308 PMID:41273805	综述	本文全面回顾了人工智能在四维血流磁共振成像中的技术方面和临床应用	系统整合了AI与4D flow MRI的最新研究，强调了从数据采集到后处理的整个流程，并提出了基于AI的自动化方法以增强临床适用性	缺乏系统性的方法论，使得难以确定合适的研究方法	回顾人工智能在四维血流磁共振成像中的应用，以促进更有效的临床评估	四维血流磁共振成像数据及其在心血管疾病分析中的应用	医学影像分析	心血管疾病	四维血流磁共振成像	深度学习	MRI图像	NA	NA	NA	NA	NA
6103	2025-12-07	A labeled ophthalmic ultrasound dataset with medical report generation based on cross-modal deep learning 2026-Jan, Artificial intelligence in medicine IF:6.1Q1 DOI:10.1016/j.artmed.2025.103317 PMID:41297151	研究论文	本文提出了一个带标签的多模态眼科超声数据集，并基于跨模态深度学习构建了医疗报告生成模型	首次构建了同时包含超声图像、血流信息和检查报告的三模态眼科数据集，并提出了知识融合跨模态网络用于报告生成	数据集仅来自单一医院（沈阳某眼科医院），时间跨度为2016-2020年，可能影响模型的泛化能力	开发自动化眼科超声图像分析和医疗报告生成系统	眼科疾病患者的超声图像、血流参数和临床报告	计算机视觉, 自然语言处理	眼科疾病	超声成像	深度学习	图像, 文本, 血流参数	10,361名患者，22,173张图像及对应的自由文本报告	NA	知识融合跨模态网络	NA	NA
6104	2025-12-07	Artificial Intelligence in Ocular Oncology: Differentiating Choroidal Melanocytic Lesions 2026-Jan, Ophthalmology science IF:3.2Q1 DOI:10.1016/j.xops.2025.100948 PMID:41341795	综述	本文探讨了人工智能在眼科学肿瘤学中区分脉络膜黑色素细胞病变（特别是脉络膜痣和小黑色素瘤）的应用	利用深度学习技术自动分析高维医学图像，识别临床医生可能难以察觉的细微模式和特征，以提高诊断准确性	需要解决监管和实施方面的挑战，以充分发挥人工智能的潜力	提高脉络膜黑色素细胞病变的诊断准确性，以改善患者管理和预后	脉络膜黑色素细胞病变，特别是脉络膜痣和小黑色素瘤	计算机视觉	眼科学肿瘤	深度学习	人工神经网络	医学图像	NA	NA	NA	诊断准确性	NA
6105	2025-12-07	Motion-Informed Deep Learning for Human Brain Magnetic Resonance Image Reconstruction Framework 2026-Jan, NMR in biomedicine IF:2.7Q1 DOI:10.1002/nbm.70209 PMID:41350123	研究论文	提出了一种结合运动模块的深度学习MRI重建框架，以同时加速成像并校正运动伪影	首次在深度学习图像重建模型中显式建模运动，通过集成运动模块实现运动检测与校正，使模型具有“运动感知”能力	未明确说明模型在极端运动情况下的性能或泛化能力到不同MRI扫描协议	开发一种能够同时处理欠采样伪影和运动伪影的磁共振图像重建方法	人类大脑磁共振图像	计算机视觉	NA	磁共振成像	深度学习	图像	NA	NA	NA	NA	NA
6106	2025-12-07	Deep Learning for Differentiating Benign From Malignant Bile Duct Dilation on MRCP: Development and Prospective Evaluation of an Xception-Logistic Regression Ensemble Model 2025-Dec-05, Journal of magnetic resonance imaging : JMRI IF:3.3Q1 DOI:10.1002/jmri.70200 PMID:41348562	研究论文	本研究开发并前瞻性评估了一种基于Xception与逻辑回归的集成模型，用于在MRCP图像上自动区分良恶性胆管扩张	提出了一种结合深度学习（Xception）与逻辑回归的集成模型，用于自动化区分良恶性胆管扩张，并在前瞻性队列中验证了其与放射科医生相当的性能	研究样本量相对有限，且仅基于3T MRCP图像，未探索其他成像模态或更广泛的临床变量	构建并评估基于MRCP图像的深度学习模型及集成策略，以准确识别良恶性胆管扩张	良性与恶性胆管扩张患者的MRCP图像	计算机视觉	胆管疾病	磁共振胰胆管成像（MRCP），3D turbo spin echo序列（VISTA和SPACE）	CNN, 集成学习	图像	回顾性队列378例（来自两个机构），前瞻性队列60例	NA	Xception	AUC, 准确率, 敏感性, 特异性	NA
6107	2025-12-07	MRDT-GAN: generative adversarial network with multi-scale residual dense transformer generator for low-dose CT denoising 2025-Dec-05, Physics in medicine and biology IF:3.3Q1 DOI:10.1088/1361-6560/ae28b0 PMID:41349217	研究论文	本文提出了一种用于低剂量CT去噪的多尺度残差密集Transformer生成对抗网络（MRDT-GAN），旨在增强噪声抑制并保留解剖细节	引入了多尺度残差密集Transformer块（MRDTB）和混合注意力模块（HAM），结合多尺度策略和长程依赖捕获，以解决过平滑和细节丢失问题	未明确提及模型在极端噪声水平或不同扫描协议下的泛化能力限制	开发一个低剂量CT去噪框架，以提升图像质量并支持下游诊断任务	低剂量CT图像	计算机视觉	NA	CT成像	GAN, Transformer	图像	使用NIH-AAPM-Mayo Clinic LDCT数据集和真实世界数据集进行验证	NA	MRDT-GAN, Multi-Scale Residual Dense Transformer Block (MRDTB), Patching Transformer Block (PTB), Hybrid Attention Module (HAM)	NA	NA
6108	2025-12-07	Cloud-enabled automatic modulation classification using deep feature fusion and Moth-Flame Optimized ELM approach 2025-Dec-05, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-30753-4 PMID:41350379	研究论文	本文提出了一种基于云环境的自动调制分类方法，通过深度特征融合和飞蛾火焰优化的极限学习机来提高分类准确性和可靠性	结合预训练深度学习模型提取特征，并使用飞蛾火焰优化算法优化极限学习机的隐藏节点参数，同时引入可解释AI技术分析模型预测	NA	开发一种鲁棒的自动调制分类方法，以提高在云环境中的分类准确性和可靠性	无线通信信号	机器学习	NA	自动调制分类	极限学习机	信号数据	NA	NA	Inception V3, ResNet 50, VGG 16	准确率, 敏感性, 特异性	云虚拟机（vCPU-4/16GB RAM, vCPU-8/32GB RAM, vCPU-16/64GB RAM）
6109	2025-12-07	Accurate single-domain scaffolding of three nonoverlapping protein epitopes using deep learning 2025-Dec-05, Nature chemical biology IF:12.9Q1 DOI:10.1038/s41589-025-02083-z PMID:41350440	研究论文	本文提出了一种利用深度学习在单域蛋白质中同时支架多个功能位点的方法，并设计了针对呼吸道合胞病毒的小型单域免疫原	首次使用生成式深度学习方法在小型单域蛋白质中成功支架三个非重叠且不规则的病毒表位，实现了多表位免疫原的设计	NA	解决在单域蛋白质中同时支架多个功能位点的复杂蛋白质设计问题	呼吸道合胞病毒的三个不同且不规则的表位	机器学习	呼吸道合胞病毒感染	深度学习	深度学习模型	蛋白质序列和结构数据	NA	NA	生成式深度学习模型	交叉反应滴度, 中和反应	NA
6110	2025-12-07	From gaze to proficiency: deep learning-driven prediction of novice performance in laparoscopic training using AOI-dependent metrics 2025-Dec-05, Surgical endoscopy DOI:10.1007/s00464-025-12369-x PMID:41350780	研究论文	本研究通过结合计算机视觉-深度学习算法与眼动追踪数据，自动检测兴趣区域并提取相关指标，用于区分和预测腹腔镜训练中新手的技能水平	整合计算机视觉-深度学习与眼动追踪数据，自动提取兴趣区域依赖指标和运动指标，以在动态训练环境中实现新手技能水平的分类和预测	研究主要关注新手，可能未涵盖专家级表现；模拟器环境（成人及儿科解剖）可能无法完全代表真实手术场景	开发基于眼动追踪和运动指标的客观评估方法，以个性化腹腔镜训练并实时反馈	医学生和住院医师在成人和儿科箱式训练器上执行peg转移任务	计算机视觉	NA	眼动追踪, 运动分析	随机森林, 支持向量机, 人工神经网络, 决策树	眼动追踪数据, 视频数据	医学生和住院医师（具体数量未在摘要中提供）	NA	NA	准确率, Gini重要性	NA
6111	2025-12-07	Development of a YOLOv8-based deep learning model for detecting and segmenting dental restorations and dental applications in panoramic radiographs of mixed dentition 2025-Dec-05, British dental journal IF:2.0Q2 DOI:10.1038/s41415-025-9009-4 PMID:41350931	研究论文	本研究开发了一种基于YOLOv8的深度学习模型，用于在混合牙列期儿童的全景X光片中检测和分割六种类型的牙齿修复体与应用	首次将YOLOv8模型应用于混合牙列期儿童全景X光片中多种牙齿修复体的自动检测与分割任务	牙套的检测性能较低（F1分数仅0.46），模型在特定修复体类型上的泛化能力有待提升	开发用于牙齿修复体自动检测与分割的深度学习模型，辅助儿科牙科诊断	混合牙列期儿童的全景X光片	计算机视觉	NA	全景X光成像	CNN	图像	2033张全景X光片	NA	YOLOv8	灵敏度, 精确度, F1分数	NA
6112	2025-12-07	The Nuclear Nephrology Artificial Intelligence Ecosystem 2025-Dec-04, Seminars in nuclear medicine IF:4.6Q1 DOI:10.1053/j.semnuclmed.2025.11.002 PMID:41350144	综述	本文综述了人工智能在核医学肾脏学领域的应用历史、当前工具及新兴机遇	探讨了从专家系统到生成式AI（如LLMs、扩散模型、GANs）的演变，并展望了多模态模型在核医学肾脏学中的潜力	AI工具在广泛临床应用前仍需大量开发和验证，且需考虑伦理限制和社会公正问题	探索人工智能在核医学肾脏学生态系统中的应用与机遇	核医学肾脏学技术，包括非成像技术、动态肾闪烁显像、SPECT、PET肾图及治疗诊断学	数字病理学	NA	动态肾闪烁显像、SPECT、PET肾图	专家系统、统计机器学习、FFNN、CNN、DL、LLMs、扩散模型、GANs、VLMs	图像	NA	NA	NA	NA	NA
6113	2025-12-07	Deep learning approach for crop-weed segmentation in peanut cultivation using PSPEdgeWeedNet 2025-Dec-03, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-24174-6 PMID:41339372	研究论文	本文提出了一种名为PSPEdgeWeedNet的新型边缘感知深度学习架构，用于花生种植中作物与杂草的精确语义分割	PSPEdgeWeedNet引入了专门的边缘检测分支，以增强边界定位并改善相邻植被类别之间的划分，与传统的PSPNet及其边界感知变体相比具有创新性	未明确提及研究的局限性	提高花生种植中作物与杂草的精确语义分割，以增强自动化杂草检测系统的鲁棒性和准确性	花生种植田中的作物和杂草	计算机视觉	NA	多光谱成像	CNN	图像	未明确提及样本数量，但使用了精心策划的花生田数据集	未明确提及	PSPEdgeWeedNet, PSPNet, SegNet, UNet, DeepLabv3, Swin-Unet, ViT	IoU, 精确率, 召回率, F1分数	未明确提及
6114	2025-12-07	Multi-stage deep learning framework for robust recognition of overlapping and faded handwritten text in bank cheques 2025-Dec-03, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-28764-2 PMID:41339665	研究论文	本文提出了一种多阶段深度学习框架，用于准确识别银行支票上重叠和褪色的手写文本	采用混合方法结合伪字母与基于高度的分割来识别重叠文本，并使用基于Sigmoid增长余弦互映射池化的卷积神经网络进行真伪分类，实现了高准确率	未明确说明框架在极端褪色或复杂重叠情况下的泛化能力，且可能依赖于特定预处理步骤	开发一个鲁棒的自动识别系统，以解决银行支票上手写文本的重叠和褪色问题	银行支票上的手写文本，包括日期、签名、姓名和金额等关键字段	计算机视觉	NA	边缘检测、轮廓构建、纹理修复	CNN	图像	NA	NA	Nanonet, Sigmoidal Growing Cosine Intermap Pooling-based CNN	分类准确率	NA
6115	2025-12-07	Multi-branch low-light image iterative enhancement network 2025-Dec-03, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-26962-6 PMID:41339675	研究论文	本文提出了一种多分支低光照图像迭代增强网络（MBLLIE-Net），用于解决低光照条件下图像亮度不足、分辨率低和细节丢失的问题	采用多分支架构处理不同深度和尺度的特征，引入空间循环单元（SRU）捕获长距离空间关系，并提出自适应感受野通道注意力（ARFCA）模块动态调整感受野以增强特征选择	未明确提及模型在极端低光照或噪声极高场景下的性能限制	提升低光照图像的质量，包括亮度、细节和色彩保真度的恢复	低光照条件下捕获的图像	计算机视觉	NA	深度学习	CNN	图像	未明确提及具体样本数量	未明确提及具体框架	多分支编码器-解码器架构	定量指标和人类感知评估	未明确提及具体计算资源
6116	2025-12-07	ECG-based deep learning for chronic kidney disease detection and cardiovascular risk prediction 2025-Dec-03, BMC medical informatics and decision making IF:3.3Q2 DOI:10.1186/s12911-025-03278-z PMID:41339870	研究论文	本研究开发了一种基于心电图（ECG）的深度学习模型，用于慢性肾脏病（CKD）的检测和心血管风险预测	首次利用深度学习模型从心电图中识别慢性肾脏病风险，即使在实验室异常出现前也能预测CKD及其并发症，相比仅依赖eGFR分类，能更有效地预测不良心血管结局	研究为回顾性设计，可能存在选择偏倚；外部验证仅来自一家社区医院，需更多样化人群验证；模型性能虽好，但临床实际应用效果需进一步前瞻性研究确认	开发并验证基于心电图的深度学习模型，用于早期慢性肾脏病检测和心血管风险分层	门诊患者的心电图数据和估计肾小球滤过率（eGFR）数据	机器学习	慢性肾脏病	心电图（ECG）分析	深度学习模型（DLM）	心电图（ECG）信号	开发集：49,632名患者的72,618份ECG；内部验证：16,955名非重叠患者；外部验证：10,476名社区医院患者	NA	NA	AUC	NA
6117	2025-12-07	Lightweight malicious URL detection using deep learning and large language models 2025-Dec-02, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-26653-2 PMID:41330959	研究论文	本文提出了一种基于深度学习和大型语言模型的轻量级恶意URL检测框架	利用大型语言模型自动生成高质量的URL嵌入，无需手工特征工程，并结合定制化的深度学习模型进行分类，提高了检测准确性和适应性	未提及模型在新型或未知攻击模式下的泛化能力，以及在实际部署中可能面临的计算资源限制	开发一个自动化、高效的恶意URL检测系统以应对网络安全威胁	恶意URL，包括篡改、恶意软件、钓鱼和良性四种类别	自然语言处理	NA	深度学习，大型语言模型	LSTM, GRU	文本	NA	NA	BERT, LSTM, GRU	准确率	NA
6118	2025-12-07	Accelerating promoter identification and design by deep learning 2025-Dec, Trends in biotechnology IF:14.3Q1 DOI:10.1016/j.tibtech.2025.05.008 PMID:40473557	综述	本文综述了深度学习技术在启动子识别、强度预测和从头设计中的应用	利用生成模型进行启动子的从头设计，并探讨了数据库质量、特征提取和模型架构对预测准确性的影响	NA	加速启动子的识别和设计，以促进重组蛋白表达和天然产物生物合成的代谢途径调控	启动子DNA序列	自然语言处理	NA	深度学习	生成模型	DNA序列数据	NA	NA	NA	预测准确性	NA
6119	2025-12-07	Single-View Echocardiographic Analysis for Left Ventricular Outflow Tract Obstruction Prediction in Hypertrophic Cardiomyopathy: A Deep Learning Approach 2025-Dec, Journal of the American Society of Echocardiography : official publication of the American Society of Echocardiography IF:5.4Q1 DOI:10.1016/j.echo.2025.08.008 PMID:40825382	研究论文	本研究开发并验证了一种深度学习模型，仅使用经胸超声心动图的胸骨旁长轴视图来预测肥厚型心肌病患者的严重左心室流出道梗阻	该研究首次提出仅基于单一视图（胸骨旁长轴视图）的深度学习模型来预测左心室流出道梗阻，无需传统方法所需的多视图、多普勒或激发测试，特别适用于资源有限的环境	研究未明确提及模型在更广泛人群或不同设备间的泛化能力，且依赖于特定视图的视频数据，可能受限于视图获取质量	开发一种仅使用胸骨旁长轴视图的深度学习模型，以准确预测肥厚型心肌病患者的严重左心室流出道梗阻，作为传统多普勒评估的补充工具	肥厚型心肌病患者	数字病理学	心血管疾病	经胸超声心动图	深度学习模型	视频	开发数据集 n=1,007，内部测试数据集 n=87，外部验证数据集 n=1,334，治疗响应数据集 n=156	NA	NA	AUC, 特异性, 阴性预测值	NA
6120	2025-12-07	Integration of nested cross-validation, automated hyperparameter optimization, high-performance computing to reduce and quantify the variance of test performance estimation of deep learning models 2025-Dec, Computer methods and programs in biomedicine IF:4.9Q1 DOI:10.1016/j.cmpb.2025.109063 PMID:40946520	研究论文	本研究提出NACHOS框架，通过集成嵌套交叉验证、自动化超参数优化和高性能计算，以减少和量化深度学习模型在医学影像中测试性能估计的方差	提出NACHOS和DACHOS框架，首次将嵌套交叉验证、自动化超参数优化与高性能计算并行化结合，用于量化并减少深度学习模型性能估计的方差，并提升部署性能	未明确说明具体模型性能提升的量化幅度或在不同医学影像任务中的泛化能力限制	开发一个可扩展、可重复且可信赖的深度学习模型评估与部署框架，以减少医学影像中模型性能估计的方差	胸部X光库和光学相干断层扫描（OCT）数据集	医学影像	NA	光学相干断层扫描（OCT）	深度学习模型	图像	NA	NA	NA	NA	高性能计算（HPC）框架