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
6921	2026-01-10	Development and validation of a predictive model for adherent perirenal fat based on CT radiomics and deep learning 2025-Oct-29, World journal of urology IF:2.8Q2 DOI:10.1007/s00345-025-06049-7 PMID:41160174	研究论文	本研究旨在开发并验证一个结合CT影像组学和深度学习的模型，用于术前预测肾周脂肪粘连	首次将CT影像组学与深度学习结合，开发了用于预测肾周脂肪粘连的预测模型，并在多中心数据集中进行了验证	外部测试集样本量较小（43例），可能影响模型的泛化能力评估	开发并验证一个用于术前预测肾周脂肪粘连的预测模型	肾肿瘤患者	数字病理学	肾癌	CT影像	深度学习, 逻辑回归	CT图像	460例患者（291例交叉验证集，126例内部测试集，43例外部测试集）	NA	3D-UNet	Dice相似系数, AUC	NA
6922	2026-01-10	The CT-based deep learning model outperforms traditional anatomical classification models in preoperatively predicting complications and risk grade in partial nephrectomy 2025-Oct-25, World journal of urology IF:2.8Q2 DOI:10.1007/s00345-025-05893-x PMID:41137930	研究论文	本研究开发了一种整合CT影像组学和临床特征的深度学习模型，用于预测肾部分切除术患者的围手术期并发症和风险等级，并与传统解剖分类模型进行比较	首次将CT影像组学与临床特征结合，利用深度学习模型预测肾部分切除术的并发症和风险等级，并在外部验证中显示出优于传统RENAL和PADUA评分模型的性能	模型在中高风险组患者中的预测性能与传统模型无显著差异，且研究为回顾性设计	开发并验证一种基于深度学习的模型，以更准确地预测肾部分切除术患者的围手术期并发症和手术风险等级	被诊断为肾细胞癌或肾囊肿并接受肾部分切除术的患者	数字病理学	肾细胞癌	CT影像组学	深度学习	CT图像, 临床数据	1214名患者（训练/内部验证）和260名患者（外部验证）	PyTorch, pyradiomics	nnU-Net	AUC, 准确率	NA
6923	2026-01-10	Deep Learning-Based Automatic Segmentation and Analysis of Mitochondrial Damage by Zika Virus and SARS-CoV-2 2025-Sep-19, Viruses DOI:10.3390/v17091272 PMID:41012699	研究论文	本文提出了一种基于深度学习的自动分割和分析方法，用于从透射电子显微镜图像中识别和分析线粒体损伤，以研究寨卡病毒和SARS-CoV-2感染引起的免疫反应	开发了一种基于U-Net架构的卷积神经网络，首次实现了对病毒感染引起的线粒体损伤的自动分割和分析，显著减少了处理时间并避免了观察者偏差	未明确说明样本量的具体细节或模型的泛化能力到其他病毒或细胞类型	研究病毒感染引起的线粒体形态变化，以预测免疫反应类型	感染了两种SARS-CoV-2变体或寨卡病毒的细胞的线粒体	数字病理学	传染病	透射电子显微镜成像	CNN	图像	NA	NA	U-Net	准确率	NA
6924	2026-01-10	Current Applications and Limitations of Augmented Reality in Urological Surgery: A Practical Primer and 'State of the Field' 2025-Jul-11, Current urology reports IF:2.5Q2 DOI:10.1007/s11934-025-01283-3 PMID:40643724	综述	本文综述了增强现实（AR）在泌尿外科手术中的当前应用、技术基础、最新进展及局限性，并探讨了未来研究方向	系统总结了近五年AR在泌尿外科手术中的进展，特别是从术前规划扩展到术中应用，并探讨了人工智能和深度学习在解决软组织变形自动配准挑战中的作用	重建外科和男科学等亚专业在AR/MR应用中的研究代表性不足，且当前研究多限于描述性，缺乏大样本前瞻性研究	为泌尿外科医生提供AR技术的基础知识，综述其最新应用进展，并讨论限制其广泛采用的问题及解决方向	泌尿外科手术，特别是机器人辅助根治性前列腺切除术、经皮肾镜取石术和肾移植等	数字病理	前列腺癌	增强现实（AR）、混合现实（MR）、人工智能、深度学习	NA	术前影像、术中实时数据	NA	NA	NA	NA	NA
6925	2026-01-10	SViT-ECG: Spectrogram Vision Transformer for Detection of Short-Term Atrial Fibrillation from ECG Signals 2025-Jul, Annual International Conference of the IEEE Engineering in Medicine and Biology Society. IEEE Engineering in Medicine and Biology Society. Annual International Conference DOI:10.1109/EMBC58623.2025.11252617 PMID:41335921	研究论文	本研究提出了一种基于Transformer的深度学习方法，通过将心电图信号转换为频谱图，利用微调的Vision Transformer模型来检测短期心房颤动	首次将Vision Transformer模型应用于心电图频谱图进行心房颤动检测，提出SViT-ECG新方法	未提及模型在更复杂或噪声更大的真实场景中的泛化能力，以及计算效率是否满足实时应用需求	开发一种准确检测短期心房颤动的心电图自动分析方法	患者的心电图信号	计算机视觉	心血管疾病	心电图信号处理，频谱图转换	Transformer	图像（频谱图）	未明确提及具体样本数量，但使用了5折交叉验证和独立测试集	未明确提及	Vision Transformer	准确率，F分数	未提及
6926	2026-01-10	AI-Enhanced Pulmonary Auscultation for Heart Failure Detection 2025-Jul, Annual International Conference of the IEEE Engineering in Medicine and Biology Society. IEEE Engineering in Medicine and Biology Society. Annual International Conference DOI:10.1109/EMBC58623.2025.11253377 PMID:41336555	研究论文	本研究探讨了利用人工智能和肺听诊技术在家居环境中早期检测心力衰竭的可行性	提出了一种新颖、紧凑的卷积神经网络模型，并结合预训练的Transformer模型，用于分析肺音信号，实现了非临床听诊的AI听诊器概念	样本量较小（仅15名心力衰竭患者和15名健康受试者），可能影响模型的泛化能力	开发一种基于人工智能的肺听诊方法，用于心力衰竭的早期检测	心力衰竭患者和健康受试者的肺音信号	机器学习	心血管疾病	肺听诊	CNN, Transformer	音频信号	30名受试者（15名心力衰竭患者和15名健康受试者）	NA	紧凑卷积神经网络, 预训练Transformer	特异性, 敏感性	NA
6927	2026-01-10	Specialized ECG data augmentation method: leveraging precordial lead positional variability 2025-Mar, Biomedical engineering letters IF:3.2Q2 DOI:10.1007/s13534-024-00455-3 PMID:40026892	研究论文	本文提出了一种针对心电图数据的专用数据增强方法，通过利用胸前导联位置的可变性来提升深度学习模型在心电图诊断任务中的性能	创新点在于专注于12导联心电图中胸前导联之间的独特角度，并考虑临床环境中可能发生的情况，从而优化了心电图数据的数据增强技术	未在摘要中明确提及	研究目的是开发一种优化的数据增强方法，以提升心电图信号在诊断心房颤动或心房扑动、广义室上性心动过速、一度房室传导阻滞、左束支传导阻滞和心肌梗死等疾病中的深度学习模型性能	研究对象是心电图信号，具体用于诊断多种心脏疾病	生物信号处理	心血管疾病	数据增强技术	深度学习模型	心电图信号	NA	NA	NA	NA	NA
6928	2026-01-10	Deep learning-based lymph node metastasis status predicts prognosis from muscle-invasive bladder cancer histopathology 2025-Jan-10, World journal of urology IF:2.8Q2 DOI:10.1007/s00345-025-05440-8 PMID:39792275	研究论文	本研究开发了一种基于深度学习的模型，利用原发性肿瘤组织预测肌肉浸润性膀胱癌的淋巴结转移状态，并验证了预测的aiN评分在预后评估中的价值	首次使用基于UNI视觉编码器的深度学习模型直接从H&E染色组织学图像中提取特征，以预测肌肉浸润性膀胱癌的淋巴结转移状态，并证明aiN评分作为独立预后因子的有效性	研究为回顾性分析，需要前瞻性验证以确认模型在个性化管理中的应用潜力	开发并验证一个深度学习模型，用于预测肌肉浸润性膀胱癌的淋巴结转移状态及其预后价值	肌肉浸润性膀胱癌患者	数字病理学	膀胱癌	H&E染色组织学图像分析	深度学习	图像	训练和内部验证集：323名患者（来自TCGA）；外部验证集：139名患者（来自武汉大学人民医院）	NA	UNI	AUC, 风险比	NA
6929	2026-01-10	Research Hotspots of Traditional Chinese Medicine for Liver Cancer in the Future Directions: A Bibliometric Analysis 2025, Journal of hepatocellular carcinoma IF:4.2Q2 DOI:10.2147/JHC.S555310 PMID:41496746	文献计量分析	本文通过对过去十年中医药治疗肝癌研究的文献进行系统性计量分析，描绘了该领域的知识图谱和发展趋势	首次系统性地对中医药治疗肝癌领域进行了跨数据库（CNKI、Wanfang、VIP、Web of Science）的文献计量分析，并揭示了中英文文献在研究主题上的显著差异及新兴前沿	国际与跨区域合作仍然有限，且分析依赖于所选数据库的覆盖范围和检索策略	填补中医药在肝癌管理研究领域的知识图谱空白，系统分析其研究热点与演变趋势	从中国知网、万方、维普和Web of Science等数据库中检索到的与中医药和肝癌相关的出版物	文献计量学	肝癌	文献计量分析，科学图谱工具（如CiteSpace, Origin 2024, R, VOSviewer）	NA	文献数据（出版物）	从2015年2月14日至2025年2月14日期间检索的相关出版物	CiteSpace, Origin 2024, R, VOSviewer	NA	NA	NA
6930	2026-01-10	Identifying health conditions in older adults in textual health records using deep learning-based natural language processing 2025, Computational and structural biotechnology journal IF:4.4Q2 DOI:10.1016/j.csbj.2025.09.009 PMID:41496888	研究论文	本研究利用深度学习自然语言处理模型从老年患者的电子健康记录自由文本中识别跌倒、失禁、孤独和行动受限等健康问题	首次在芬兰大规模电子健康记录中应用深度学习NER模型识别老年健康问题，相比诊断代码显著提高了识别数量和死亡率预测能力	研究仅针对芬兰特定年龄段患者，结果可能受数据质量和文本记录完整性影响	开发基于深度学习的自然语言处理模型以识别老年患者电子健康记录中的关键健康问题	102,525名50-80岁芬兰患者的电子健康记录自由文本	自然语言处理	老年疾病	命名实体识别	深度学习模型	文本	102,525名患者的1060万条自由文本记录	NA	NA	精确率, 召回率, F1分数	NA
6931	2026-01-10	Comparing the performance of dynamic susceptibility contrast and arterial spin labeling for detecting residual and recurrent glioblastoma with deep learning and multishell diffusion MRI 2025 Jan-Dec, Neuro-oncology advances IF:3.7Q2 DOI:10.1093/noajnl/vdaf219 PMID:41497450	研究论文	本研究比较了动态磁敏感对比增强（DSC）和动脉自旋标记（ASL）两种MR灌注技术在结合深度学习和多模态MRI（包括多壳层扩散和灌注）下，用于检测胶质母细胞瘤残留和复发的性能	首次结合深度学习和多模态MRI（包括多壳层扩散和灌注）来比较DSC和ASL在胶质母细胞瘤复发检测中的性能，并发现ASL在特定区域（如手术腔附近）具有优势	研究为回顾性设计，样本量相对有限（137次MRI扫描，107名患者），且未详细讨论模型在其他肿瘤类型或更大数据集上的泛化能力	比较DSC和ASL两种MR灌注技术在区分胶质母细胞瘤复发和治疗后变化中的性能	胶质母细胞瘤患者的MRI图像，包括灌注和多壳层扩散数据	数字病理学	胶质母细胞瘤	动态磁敏感对比增强（DSC），动脉自旋标记（ASL），多壳层扩散MRI	深度学习	MRI图像	137次MRI扫描，来自107名胶质母细胞瘤患者	nnU-Net	nnU-Net	Dice分数，曲线下面积（AUC）	NA
6932	2026-01-10	PET-TURTLE: Deep Unsupervised Support Vector Machines for Imbalanced Data Clusters 2025, IEEE signal processing letters IF:3.2Q2 DOI:10.1109/lsp.2025.3636453 PMID:41497826	研究论文	本文提出了一种名为PET-TURTLE的深度无监督支持向量机方法，用于处理不平衡数据聚类问题	通过引入幂律先验来泛化成本函数以处理不平衡数据分布，并在标记过程中引入稀疏logits以简化搜索空间，从而提升聚类准确性	NA	改进深度聚类算法以更好地处理不平衡数据分布	合成数据和真实数据中的不平衡聚类问题	机器学习	NA	NA	深度无监督支持向量机	NA	NA	NA	TURTLE, PET-TURTLE	准确性	NA
6933	2026-01-10	Linking RayStation AI auto-contouring with Eclipse TPS: a scripted workflow for clinical integration 2025, Reports of practical oncology and radiotherapy : journal of Greatpoland Cancer Center in Poznan and Polish Society of Radiation Oncology IF:1.2Q3 DOI:10.5603/rpor.109182 PMID:41498081	研究论文	本研究提出了一种自动化脚本工作流，将RayStation的AI自动勾画功能集成到Eclipse治疗计划系统中，以提升放疗计划效率	开发了跨平台自动化集成脚本，实现了RayStation与Eclipse系统间的无缝数据交换，无需用户干预即可完成深度学习分割	仅验证了35个临床案例，样本规模有限；依赖特定软件版本（RayStation 2024B）	解决不同放疗计划系统间AI工具集成的技术挑战，提升临床工作流效率	放疗计划中的靶区与危及器官轮廓勾画	数字病理	NA	深度学习分割	深度学习模型	CT图像	35个临床案例	Python, C#	内置深度学习模型	处理时间	NA
6934	2026-01-10	Deep Learning Augmented Osteoarthritis Grading Standardization 2024-10, Tissue engineering. Part A DOI:10.1089/ten.TEA.2023.0206 PMID:37950715	研究论文	本研究探讨了使用深度学习模型自动分类软骨组织学图像以标准化骨关节炎分级的可行性	首次将深度学习应用于软骨组织学图像进行骨关节炎分级，而非传统的放射影像，这是一种更基础的评估方法	未明确提及样本量限制或模型泛化能力的具体挑战	开发自动化图像分类技术以标准化骨关节炎的分级评估	膝关节软骨的组织学图像	数字病理学	骨关节炎	组织学染色（Safranin-O染色）	CNN	图像	NA	NA	DenseNet121	准确率, Cohen's kappa分数, ROC-AUC	NA
6935	2026-01-10	AI for BPH Surgical Decision-Making: Cost Effectiveness and Outcomes 2024-Sep-23, Current urology reports IF:2.5Q2 DOI:10.1007/s11934-024-01240-6 PMID:39312102	综述	本文综述了人工智能在良性前列腺增生手术决策中的应用，包括其成本效益和临床结果	探讨了AI如何整合多参数MRI、超声等非侵入性影像学数据，结合血清生物标志物和组织病理学分析，以高准确率区分BPH与前列腺癌，并预测患者治疗后结局，推动个性化医疗	AI在临床工作流程中的整合仍面临挑战，缺乏标准评估指标，且成本效益尚未完全实现	评估人工智能在改善良性前列腺增生管理决策过程中的作用，包括诊断、治疗预测和成本优化	良性前列腺增生患者，特别是60岁以上男性，以及相关的影像学、生物标志物和病理数据	数字病理学	前列腺癌	多参数磁共振成像, 超声, 血清生物标志物分析, 组织病理学分析	机器学习, 深度学习	图像, 生物标志物数据, 病理数据	NA	NA	NA	准确率	NA
6936	2026-01-10	Surrogate Simulation of Subject-Specific Lateral Pinch via Deep Learning 2024-Jul, Annual International Conference of the IEEE Engineering in Medicine and Biology Society. IEEE Engineering in Medicine and Biology Society. Annual International Conference DOI:10.1109/EMBC53108.2024.10782182 PMID:40039080	研究论文	本文提出了一种基于深度学习的自适应代理模型，用于模拟个体化的侧向捏力，以替代传统计算昂贵的肌肉骨骼建模和仿真过程	开发了一个能够接受肌肉骨骼参数和肌肉激活作为输入的深度学习代理模型，实现了对传统OpenSim前向动力学的快速模拟，且误差在实验测量标准误差范围内	未明确说明模型在其他手势或复杂运动模拟中的泛化能力，以及可能存在的过拟合风险	旨在通过深度学习技术加速个性化肌肉骨骼模型的仿真过程，提高计算效率	个体化的侧向捏力模拟，涉及肌肉骨骼参数和肌肉激活输入	机器学习	NA	深度学习	深度学习模型	肌肉骨骼参数和肌肉激活数据	NA	未指定	未指定	均方根误差	未指定
6937	2026-01-10	Narrative Feature or Structured Feature? A Study of Large Language Models to Identify Cancer Patients at Risk of Heart Failure 2024, AMIA ... Annual Symposium proceedings. AMIA Symposium PMID:40417538	研究论文	本研究比较了传统机器学习、深度学习模型和大型语言模型在利用电子健康记录识别癌症患者心力衰竭风险方面的性能	提出从结构化医疗代码中提取新型叙事特征，并首次将大型语言模型GatorTron-3.9B应用于癌症患者心力衰竭风险预测任务	研究数据仅来自单一医疗机构（佛罗里达大学健康中心），样本量相对有限，且仅涵盖肺癌、乳腺癌和结直肠癌三种癌症类型	开发有效的机器学习模型来识别癌症治疗后可能发生心力衰竭的高风险患者	癌症患者（肺癌、乳腺癌、结直肠癌）	自然语言处理	心血管疾病	电子健康记录分析	SVM, LSTM, Transformer	文本（电子健康记录）	12,806名癌症患者（其中1,602名在癌症后发生心力衰竭）	NA	T-LSTM, BERT, GatorTron-3.9B	F1分数	NA
6938	2026-01-10	Deep Learning-based Time-to-event Analysis of Depression and Asthma using the All of Us Research Program 2024, AMIA ... Annual Symposium proceedings. AMIA Symposium PMID:40417537	研究论文	本研究利用深度学习模型分析抑郁症与哮喘之间的关联，基于All of Us研究计划的大规模回顾性队列数据	首次在大型回顾性队列研究中应用深度学习模型分析抑郁症与哮喘的关联，并使用SHAP值增强模型可解释性	深度学习模型在c-index指标上未超越传统的Cox比例风险模型	探究抑郁症与哮喘之间的关联性及影响因素	All of Us研究计划中的239,161名参与者	机器学习	抑郁症, 哮喘	回顾性队列研究	DeepSurv, DeepHit, 逻辑回归, CoxPH	临床队列数据	239,161名参与者	NA	DeepSurv, DeepHit	c-index	NA
6939	2026-01-10	Genomic prediction with machine learning in sugarcane, a complex highly polyploid clonally propagated crop with substantial non-additive variation for key traits 2023-12, The plant genome DOI:10.1002/tpg2.20390 PMID:37728221	研究论文	本研究探讨了在甘蔗这种复杂、高度多倍体、无性繁殖的作物中，使用机器学习方法进行基因组预测的潜力，以捕获关键性状的非加性变异	首次在甘蔗中系统比较了深度学习神经网络（包括多层感知机和卷积神经网络）和随机森林等机器学习方法，与扩展的基因组最佳线性无偏预测（GBLUP）模型在基因组预测中的表现	机器学习模型（包括随机森林和深度学习神经网络）的预测准确性未超过扩展的GBLUP模型，表明在捕获基因间互作方面可能仍有局限	评估机器学习方法在甘蔗复杂基因组背景下对关键农艺性状进行基因组预测的准确性和适用性	甘蔗克隆及其关键性状（总甘蔗收获量、商业蔗糖含量和纤维含量）	机器学习	NA	全基因组单核苷酸多态性标记分析	CNN, MLP, RF	基因组数据	2912个甘蔗克隆，使用26,086个全基因组SNP标记	NA	多层感知机, 卷积神经网络	预测准确性	NA
6940	2026-01-10	State-of-the-art computational methods to predict protein-protein interactions with high accuracy and coverage 2023-11, Proteomics IF:3.4Q2 DOI:10.1002/pmic.202200292 PMID:37401192	综述	本文综述了利用蛋白质序列、结构和共丰度数据预测蛋白质-蛋白质相互作用的最先进计算方法，并重点介绍了深度学习在这些领域的应用	系统性地整合了基于不同数据源的蛋白质相互作用预测方法，并特别强调了深度学习技术在各数据类别中的最新进展和应用	未提及具体方法的性能比较或实验验证细节，主要侧重于文献综述和分类讨论	回顾和分类当前用于预测蛋白质-蛋白质相互作用的高精度和高覆盖率的计算方法	蛋白质-蛋白质相互作用预测的计算方法	机器学习	NA	深度学习	NA	蛋白质序列、蛋白质结构、蛋白质共丰度数据	NA	NA	NA	NA	NA