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
7261	2026-01-05	Deep learning regression model based on data pairing and pseudo-label fusion for NIR predictive modeling in food and pharmaceutical quality analysis 2025-Dec-29, Spectrochimica acta. Part A, Molecular and biomolecular spectroscopy DOI:10.1016/j.saa.2025.127399 PMID:41483668	研究论文	本文提出了一种基于数据配对和伪标签融合的深度学习回归模型DeepSS，用于食品和药品质量分析中的近红外预测建模	提出DeepSS方法，采用金字塔编码器提取近红外光谱的低维潜在特征，并引入数据配对策略通过组合样本对的潜在特征并减去其标签来增强训练数据，测试时通过将测试样本与训练特征配对生成伪标签，结合决策策略进行最终预测	NA	解决食品和药品行业中因样本化学成分测量困难导致标记数据集小、近红外光谱分析可靠性受限的问题	片剂、苹果和西洋参数据集中的关键成分	机器学习	NA	近红外光谱	深度学习回归模型	光谱数据	NA	NA	金字塔编码器	预测误差	NA
7262	2026-01-05	Performance of artificial intelligence in predicting hepatocellular carcinoma recurrence after thermal ablation: A systematic review 2025-Dec-27, World journal of hepatology IF:2.5Q2 DOI:10.4254/wjh.v17.i12.111425 PMID:41479509	系统综述	本文通过系统综述评估了基于人工智能的影像组学模型在预测肝细胞癌热消融后复发方面的性能	整合多模态影像组学分析与临床数据，优化治疗选择，并展示影像模型在预测治疗结果方面优于单独临床参数的能力	仅纳入十项研究，样本量有限，且为系统综述，未进行原始数据分析	评估人工智能驱动的预测模型在预测肝细胞癌复发方面的有效性	接受热消融治疗的肝细胞癌患者	数字病理学	肝细胞癌	影像组学分析	深度学习, 机器学习	影像数据, 临床实验室变量	NA	NA	NA	曲线下面积, 一致性指数	NA
7263	2026-01-05	Cardiovascular pulsing-based ultrasound strain imaging with deep learning using paired proximal and distal strain sequences for liver fibrosis detection: a feasibility study 2025-Dec-27, Ultrasonics IF:3.8Q1 DOI:10.1016/j.ultras.2025.107936 PMID:41483589	研究论文	本研究提出了一种结合心血管搏动超声应变成像与深度学习的框架，用于检测左肝叶纤维化	利用心血管搏动超声应变成像结合深度学习，采用配对近端和远端应变序列策略，利用内在心脏运动进行左肝叶纤维化检测	样本量有限（104名患者），需要更大规模队列研究进行验证	评估心血管搏动超声应变成像结合深度学习在左肝叶纤维化检测中的可行性	肝纤维化患者	医学影像分析	肝纤维化	心血管搏动超声应变成像，声辐射力脉冲成像，FibroScan测量	RNN, LSTM, GRU, Transformer, TCN	超声图像，应变序列	104名患者	NA	RNN, LSTM, GRU, Transformer, TCN	AUROC	NA
7264	2026-01-05	[Analysis of occupational stress risk factors and risk prediction research for female coal miners] 2025-Dec-20, Zhonghua lao dong wei sheng zhi ye bing za zhi = Zhonghua laodong weisheng zhiyebing zazhi = Chinese journal of industrial hygiene and occupational diseases DOI:10.3760/cma.j.cn121094-20240723-00343 PMID:41483940	研究论文	本研究分析了女性煤矿工人的职业应激风险因素，并构建了风险预测模型	首次将XGBoost和LightGBM等深度学习模型应用于女性煤矿工人职业应激预测，并利用SHAP算法解释模型结果	研究样本仅来自甘肃省一家大型煤矿，可能存在地域局限性，且为横断面研究，无法确定因果关系	分析女性煤矿工人职业应激的风险因素并构建风险预测模型	甘肃省一家大型煤矿的在岗女性工人	机器学习	NA	问卷调查	XGBoost, LightGBM	问卷数据	1435名有效问卷参与者	NA	XGBoost, LightGBM	决定系数, 均方误差, 均方根误差	NA
7265	2026-01-05	Artificial intelligence in hepatopathy diagnosis and treatment: Big data analytics, deep learning, and clinical prediction models 2025-Dec-14, World journal of gastroenterology IF:4.3Q1 DOI:10.3748/wjg.v31.i46.111176 PMID:41479639	综述	本文综述了人工智能在肝病诊断与治疗中的应用，涵盖大数据分析、深度学习图像分析、组织病理学解读、生物标志物发现及临床预测模型等领域	系统性地探讨了联邦学习在保护患者隐私的跨中心模型训练中的应用，以及可解释AI技术在提升临床医生信任度方面的作用，并展望了多组学、影像与临床数据融合的精准肝病诊疗前景	临床转化仍面临数据异质性、算法偏差、监管不确定性以及缺乏与电子健康记录实时整合等挑战	探讨人工智能技术在肝病学领域的应用，旨在实现自动化数据解读、早期疾病检测和个体化治疗策略	慢性肝病，包括非酒精性脂肪性肝病、肝硬化和肝细胞癌	数字病理学	肝病	大数据分析，深度学习图像分析，组织病理学解读，生物标志物发现，临床预测建模	CNN	图像，临床数据	NA	NA	卷积神经网络	AUC	NA
7266	2026-01-05	From Sequence to Response: AI-Guided Prediction of Nucleic Acid Nanoparticles Immune Recognitions 2025-Dec, Small (Weinheim an der Bergstrasse, Germany) DOI:10.1002/smll.202509459 PMID:41147065	研究论文	本文提出了一种基于深度学习的框架，用于预测核酸纳米颗粒在人类小胶质细胞中诱导的细胞因子反应	利用基于Transformer的架构，通过系统性的链置换增强，仅基于序列预测免疫反应，无需手动特征工程，同时保持生物可解释性	模型在外部测试集上对IL-6的预测性能（R=0.85）略低于IFN-β（R=0.91），且训练数据规模有限（176个NANPs）	加速核酸纳米颗粒从实验室到临床的转化，通过预测其免疫反应指导理性设计与优化	核酸纳米颗粒（NANPs）及其在人类小胶质细胞中诱导的细胞因子反应（IFN-β和IL-6）	机器学习	NA	深度学习，序列分析	Transformer	序列数据	176个结构多样、单独组装并实验表征的核酸纳米颗粒	NA	Transformer	R（相关系数），RMSE（均方根误差）	NA
7267	2026-01-05	IRESeek: structure-informed deep learning method for accurate identification of internal ribosome entry sites in circular RNAs 2025-Dec, NAR genomics and bioinformatics IF:4.0Q1 DOI:10.1093/nargab/lqaf210 PMID:41480593	研究论文	本文提出了一种名为IRESeek的双分支深度学习框架，用于高精度检测环状RNA中的内部核糖体进入位点	结合Transformer进行RNA序列建模和图卷积网络进行RNA结构指导，利用基于物理的热力学能量和碱基对概率作为结构特征，实现RNA序列与碱基对相互作用的全面联合学习	NA	准确识别环状RNA中的内部核糖体进入位点	环状RNA及其内部核糖体进入位点	自然语言处理	NA	NA	Transformer, GCN	RNA序列和结构数据	NA	NA	Transformer, GCN	NA	NA
7268	2026-01-05	From telepresence to intelligent convergence: mapping the global research landscape of remote robotic surgery (1980-2025) 2025-Nov-05, Journal of robotic surgery IF:2.2Q2 DOI:10.1007/s11701-025-02934-w PMID:41188635	综述	本文通过文献计量学分析，系统梳理了1980年至2025年间远程机器人手术的全球研究格局与概念演变	首次对远程机器人手术领域进行了全面的文献计量分析，揭示了从远程操作到AI驱动、5G赋能及网络安全手术生态系统的范式转变，并识别了三个概念演变时代	分析基于Scopus数据库的文献，可能未涵盖所有相关研究；文献计量方法本身存在对新兴主题识别的滞后性	旨在绘制远程机器人手术的全球研究版图并追踪其概念演化过程	Scopus数据库中收录的857篇关于远程机器人手术的文献	数字病理	NA	文献计量分析	NA	文本	857篇文献	Bibliometrix (R-package), VOSviewer, CiteSpace	Walktrap聚类算法	NA	NA
7269	2026-01-05	Migration of Deep Learning Models Across Ultrasound Scanners 2025-Nov, IEEE transactions on bio-medical engineering DOI:10.1109/TBME.2025.3564567 PMID:40279236	研究论文	本文提出了一种黑盒无监督域适应方法，用于在定量超声（QUS）中将深度学习模型的功能从一台超声扫描仪迁移到另一台扫描仪	将传递函数方法与迭代模式结合，实现跨超声扫描仪的深度学习模型功能迁移，无需模型内部信息，仅依赖输入输出接口	需要测试机器的未标记数据，且仅针对特定超声扫描仪（SonixOne和Verasonics）进行了实验验证	开发一种策略，在定量超声（QUS）中，将深度学习模型的功能从一台超声机器迁移到另一台机器，以应对数据偏移问题	深度学习模型在超声扫描仪之间的功能迁移	机器学习	NA	定量超声（QUS）	深度学习模型	超声数据	NA	NA	NA	分类准确率	NA
7270	2026-01-05	AAPM CT metal artifact reduction grand challenge 2025-Oct, Medical physics IF:3.2Q1 DOI:10.1002/mp.70050 PMID:41058545	研究论文	本文介绍了AAPM CT金属伪影减少大挑战，旨在创建和分发一个临床代表性的2D MAR性能基准，并邀请参与者基于此基准客观比较其MAR方法的性能	通过混合数据模拟框架生成了大规模真实数据集，并提供了一个临床相关的通用MAR基准，以客观比较不同MAR方法	挑战仅涉及2D MAR性能评估，可能未覆盖3D或更复杂的临床场景	创建和分发一个临床代表性的CT金属伪影减少性能基准，促进MAR方法的客观比较和开发	CT图像中的金属伪影，如牙科填充物、髋关节假体、脊柱螺钉/杆和金基准标记引入的条纹伪影	医学影像处理	NA	CT成像，混合数据模拟框架	深度学习模型，包括UNet, ResNet, GAN, 扩散模型, 变换器	CT图像，正弦图	14,000个CT训练数据集，29个临床未校正数据集	NA	UNet, ResNet, GAN, 扩散模型, 变换器	八种临床相关的图像质量指标	NA
7271	2026-01-05	Mapping the knowledge landscape of robotic colorectal cancer surgery: a visualization study 2025-Sep-30, Journal of robotic surgery IF:2.2Q2 DOI:10.1007/s11701-025-02838-9 PMID:41028391	综述	本研究通过文献计量学和可视化方法，揭示了机器人结直肠癌手术领域的研究热点、新兴前沿和未来趋势	首次系统性地利用Citespace软件对2001年至2024年间机器人结直肠癌手术领域的文献进行可视化分析，识别了该领域从早期关注短期结果到近期转向人工智能和功能保护的研究演变	研究仅基于Web of Science核心合集数据库的文献，可能未涵盖所有相关出版物，且文献计量学方法主要反映研究趋势而非临床证据质量	揭示机器人结直肠癌手术领域的研究热点、新兴前沿和未来研究趋势	2001年至2024年间发表的机器人结直肠癌手术相关文献	医学信息学/文献计量学	结直肠癌	机器人手术	NA	文献数据	2086篇出版物	Citespace	NA	NA	NA
7272	2026-01-05	StarVasc: hyper-dimensional and spectral feature expansion for lightweight vascular enhancement 2025-Aug-10, Journal of robotic surgery IF:2.2Q2 DOI:10.1007/s11701-025-02644-3 PMID:40783657	研究论文	本文提出了一种名为StarVasc的轻量级无监督血管对比度增强框架，专为机器人手术视觉系统设计	StarVasc采用基于紧凑生成对抗网络的非配对学习策略，引入星形操作模块实现超维特征扩展，并设计了光谱特征增强模块（SFEM）以隐式学习光谱线索，无需高光谱输入	未在摘要中明确说明	开发一种无需专用硬件的自适应血管对比度增强方法，以提高机器人手术成像中的视觉感知和手术安全性	机器人手术成像中的血管结构	计算机视觉	NA	非配对学习策略，光谱特征增强	GAN	图像	NA	NA	编码器-解码器架构	无参考质量指标，视觉评估	NA
7273	2026-01-05	Artificial intelligence and digital health in vascular surgery: a 2-decade bibliometric analysis of research landscapes and evolving frontiers 2025-Aug-06, Journal of robotic surgery IF:2.2Q2 DOI:10.1007/s11701-025-02583-z PMID:40767924	研究论文	本文通过文献计量分析，回顾了过去20年人工智能和数字健康在血管外科领域的应用演变，识别了研究热点和新兴前沿	首次使用CiteSpace和HistCite工具对血管外科中AI和数字健康研究进行全面的结构性和时间性演化分析，揭示了七个新兴研究子领域和范式转变	研究基于WoSCC数据库，可能未涵盖所有相关文献；文献计量分析方法主要反映趋势而非深度内容评估	分析人工智能和数字健康在血管外科应用的结构与时间演化，识别历史发展轨迹、研究焦点和新兴前沿	血管外科领域的人工智能和数字健康应用相关出版物	数字病理学	心血管疾病	文献计量分析	NA	文本	675篇爆发性引用论文，涉及123个相关学科和505个关键词	NA	NA	NA	NA
7274	2026-01-05	Artificial intelligence in hepatopancreatobiliary surgery for clinical outcome prediction: current perspective and future direction 2025-Jul-31, Journal of robotic surgery IF:2.2Q2 DOI:10.1007/s11701-025-02617-6 PMID:40742577	综述	本文综述了人工智能在肝胆胰外科临床结局预测中的应用现状与未来方向	探讨了深度学习模型在预测术后并发症和手术复杂性方面相比传统方法更高的准确性，并展望了实时术中引导、联邦学习和可解释AI框架等新兴创新	面临数据质量、模型泛化性和伦理实施等挑战	评估人工智能在肝胆胰外科临床结局预测中的潜力与未来发展方向	肝胆胰外科手术	机器学习	肝胆胰疾病	深度学习模型	深度学习模型	NA	NA	NA	NA	准确性	NA
7275	2026-01-05	Artificial intelligence-based action recognition and skill assessment in robotic cardiac surgery simulation: a feasibility study 2025-Jul-13, Journal of robotic surgery IF:2.2Q2 DOI:10.1007/s11701-025-02563-3 PMID:40652436	研究论文	本研究开发了一种基于深度神经网络的系统，用于识别机器人心脏手术模拟中的基本手术动作并评估外科医生技能	首次结合CNN和LSTM，仅使用视频数据实现机器人心脏手术的动作识别与技能评估，并通过Grad-CAM可视化算法关注区域	技能评估网络准确率较低（56%），需要更多数据提升性能；样本量有限（19名外科医生）	开发AI系统以自动化评估机器人心脏手术模拟中的手术表现	机器人心脏手术模拟视频数据，涵盖缝合和分离两种手术动作	计算机视觉	心血管疾病	视频分析	CNN, LSTM	视频	19名外科医生，435段录像	NA	CNN与LSTM结合架构	准确率, 召回率, 精确率, F1分数, 预测确定性	NA
7276	2026-01-05	A spatial-spectral vision transformer model for head and neck cancer detection with hyperspectral, RGB, and synthesized RGB histologic images 2025-Feb, Proceedings of SPIE--the International Society for Optical Engineering DOI:10.1117/12.3048966 PMID:41480495	研究论文	本研究评估了深度学习模型在组织学图像中使用高光谱成像（HSI）检测头颈部鳞状细胞癌（SCC）的效能	引入了具有光谱注意力的空间-光谱视觉变换器（SST）模型，并比较了其在HSI、RGB及HSI合成RGB图像上的性能，证明了HSI在敏感性和准确性方面的优势	样本量相对较小（77张全切片来自51名患者），且未讨论模型在其他癌症类型或更大数据集上的泛化能力	评估高光谱成像（HSI）相对于正常彩色（RGB）图像在头颈部鳞状细胞癌组织学检测中的优势	头颈部鳞状细胞癌（SCC）的组织学切片	计算机视觉	头颈癌	高光谱成像（HSI）	Vision Transformer, CNN	图像（高光谱图像、RGB图像、合成RGB图像）	77张全组织学切片，来自51名患者	PyTorch（推断自DinoV2和ResNet的常用框架）	DinoV2, ResNet-152, 空间-光谱视觉变换器（SST）	准确率, 特异性, 敏感性	NA
7277	2026-01-05	Comprehensive AI framework for automated classification, detection, segmentation, and severity estimation of date palm diseases using vision-language models and generative AI 2025, Frontiers in plant science IF:4.1Q1 DOI:10.3389/fpls.2025.1710188 PMID:41479527	研究论文	本文提出了一个综合AI框架，用于自动分类、检测、分割和估计枣椰树疾病的严重程度，结合了视觉语言模型和生成式AI技术	提出了一个集成的Reveal-Aware混合视觉语言和基于Transformer的AI框架，首次将GAN增强、CLIP多模态分类、PaliGemma2文本检测、Grounding DINO + SAM 2.1零样本分割以及Vision Transformer回归模型整合到一个端到端的可解释诊断流程中	NA	开发一个综合AI框架，用于自动化、准确且可扩展的枣椰树疾病管理	枣椰树疾病，包括红棕象甲、Bayoud病和黑焦病等	计算机视觉	植物疾病	GAN, CLIP, PaliGemma2, Grounding DINO, SAM 2.1, Vision Transformer	GAN, Transformer, CNN	图像, 文本	两个数据集：九个类别的感染枣椰树叶子和三个类别的枣椰树疾病	NA	CLIP, PaliGemma2, Grounding DINO, SAM 2.1, Vision Transformer	准确率, 精确率, 召回率, F1分数	NA
7278	2026-01-05	Machine learning and near-infrared fusion-driven quantitative characterization and detection of protein content in maize kernels 2025, Frontiers in nutrition IF:4.0Q2 DOI:10.3389/fnut.2025.1719661 PMID:41479661	研究论文	本研究开发了一种基于近红外光谱和机器学习融合的玉米籽粒蛋白质含量快速无损检测方法	通过使用玉米粉末样品提高光谱信号的均匀性和稳定性，系统评估了多种光谱预处理方法，并比较了传统机器学习与深度学习模型的性能，最终提出了一种结合特征波长选择的高效预测模型	研究仅使用了90个玉米粉末样本，样本量相对较小；深度学习模型在本研究中未表现出优于传统方法的性能	开发一种快速、无损的玉米蛋白质含量检测方法	玉米粉末样品	机器学习	NA	近红外光谱	PLSR, SVM, CNN, Transformer	光谱数据	90个玉米粉末样本	NA	ResNet-18, Transformer	相关系数, RMSE, RPD	NA
7279	2026-01-05	Deep learning-based dose prediction for prostate cancer with empty bladder protocol: a framework for efficient and personalized radiotherapy planning 2025, Frontiers in oncology IF:3.5Q2 DOI:10.3389/fonc.2025.1690416 PMID:41479786	研究论文	本研究开发了一种基于深度学习的剂量预测模型，用于支持前列腺癌空膀胱放疗方案，旨在提高放疗计划的效率和个性化程度	首次针对前列腺癌空膀胱放疗方案开发了基于条件生成对抗网络的剂量预测模型，并通过特定数据微调显著提升了预测精度和临床相关性	模型训练样本量有限（90例满膀胱病例和20例空膀胱病例），且仅针对特定放疗技术（SBRT和IMRT）进行了验证	开发一个高效、个性化的放疗计划框架，以支持前列腺癌空膀胱放疗方案的临床应用	前列腺癌患者	数字病理学	前列腺癌	放射治疗（RT），包括立体定向体部放疗（SBRT）和调强放疗（IMRT）	条件生成对抗网络（cGAN）	医学影像数据（剂量分布、解剖结构）	110例病例（90例满膀胱病例用于训练，20例空膀胱病例用于微调和评估）	NA	改进的3D U-Net	平均绝对百分比误差（MAPE），剂量体积直方图（DVH）指标	NA
7280	2026-01-05	The place of advanced machine learning techniques in building pancreatic adenocarcinoma survival and recurrence prognosis models 2025, Frontiers in oncology IF:3.5Q2 DOI:10.3389/fonc.2025.1727806 PMID:41479788	综述	本文评估了机器学习在改善胰腺导管腺癌预后预测中的应用	系统综述了机器学习算法（如随机森林、XGBoost和深度学习）在预测PDAC生存、复发和转移方面相较于传统TNM分期的优越性能，并强调多模态数据整合（临床、影像组学和基因组特征）能实现最高预测准确度	当前模型受限于小规模数据集和回顾性研究设计，缺乏前瞻性验证	评估机器学习技术在胰腺导管腺癌预后预测模型构建中的应用价值	胰腺导管腺癌患者	机器学习	胰腺癌	机器学习算法（如随机森林、XGBoost、深度学习）	随机森林, XGBoost, 深度学习	多模态数据（临床、影像组学、基因组特征）	基于12项研究的系统综述，未明确总样本量	NA	NA	预测准确度	NA