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
7381	2026-01-08	Anterior segment optical coherence tomography in corneal diseases: A bibliometric analysis and visualization research of global research trends (1994-2024) 2025-Nov-28, Medicine IF:1.3Q2 DOI:10.1097/MD.0000000000045679 PMID:41327675	综述	本研究对前段光学相干断层扫描（AS-OCT）在角膜疾病领域的全球研究进行了文献计量分析，绘制了关键研究轨迹、合作网络和新兴趋势	首次对1994年至2024年间AS-OCT在角膜疾病研究领域的全球文献进行全面的文献计量与可视化分析，揭示了人工智能、深度学习和光学相干弹性成像等新兴趋势	分析仅限于Web of Science核心合集中的英文文献，可能未涵盖其他语言或数据库中的相关研究，且排除了非眼科或非角膜相关的研究	通过文献计量分析，绘制AS-OCT在角膜疾病研究中的全球趋势、合作网络及未来发展方向	1994年至2024年间发表的关于AS-OCT在角膜疾病应用的相关科学文献	数字病理学	角膜疾病	光学相干断层扫描（OCT），文献计量分析	NA	文本（科学文献）	2079篇出版物	VOSviewer, CiteSpace	NA	NA	NA
7382	2026-01-08	Comparative evaluation of emphysema quantification: Standardized %LAV-950 versus DL-based emphysema quantification with clinical parameter correlation 2025-Nov-28, Medicine IF:1.3Q2 DOI:10.1097/MD.0000000000046246 PMID:41327730	研究论文	本研究比较了传统的%LAV-950阈值方法与基于深度学习的算法在胸部CT扫描中量化肺气肿的效果，并评估了它们与肺功能测试参数的相关性	首次系统比较了传统阈值方法与深度学习算法在肺气肿量化中的性能，并发现深度学习方法在软组织重建核上能提供更一致、更强的临床参数相关性	研究为回顾性设计，样本量相对较小（101例），且仅针对慢性阻塞性肺疾病患者	评估和比较不同CT肺气肿量化方法与肺功能参数的相关性	慢性阻塞性肺疾病患者的胸部CT扫描和肺功能测试数据	医学影像分析	慢性阻塞性肺疾病	胸部计算机断层扫描，肺功能测试	深度学习算法	医学影像（CT扫描）	101名慢性阻塞性肺疾病患者	NA	NA	皮尔逊相关系数，P值	NA
7383	2026-01-08	Hybrid deep learning framework for cardiovascular disease diagnosis and prognosis using GAN, LSTM, GRU, VARMA, and deep DynaQ network 2025-Nov-21, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-25296-7 PMID:41271980	研究论文	本文提出了一种结合GAN、LSTM、GRU、VARMA和深度DynaQ网络的混合深度学习框架，用于心血管疾病的诊断和预后	创新点在于整合了多种深度学习模型（GAN、LSTM、GRU、VARMA和深度DynaQ网络）来生成合成医学图像、分析时间序列数据并学习最佳诊断与治疗策略	NA	旨在通过深度学习技术提高心血管疾病的早期诊断准确性和预后效果	心血管疾病患者	计算机视觉, 自然语言处理, 机器学习	心血管疾病	医学图像分析	GAN, LSTM, GRU, VARMA, 深度DynaQ网络	图像, 时间序列数据	大型医学图像和患者数据集	NA	GAN, LSTM, GRU, VARMA, 深度DynaQ网络	准确率, 灵敏度	NA
7384	2026-01-08	A Custom Annotated Dataset for Segmentation of Pulmonary Veins, Arteries, and Airways 2025-Nov-18, Scientific data IF:5.8Q1 DOI:10.1038/s41597-025-06074-6 PMID:41253855	研究论文	本文介绍了用于肺静脉、动脉和气道分割的自定义标注数据集AirRC，并验证了基于MONAI的深度学习分割模型在该数据集上的性能	创建了首个大规模、公开的包含肺静脉、动脉、气道管腔和气道壁完整3D标注的CT数据集，并采用两阶段优化策略提升小气道分支的分割精度	数据集仅包含254例CT扫描，样本量相对有限；未在更多外部数据集上进行广泛验证	解决肺结构分割领域缺乏大规模多结构标注数据集的问题，促进肺部疾病管理的算法开发	肺部CT图像中的肺静脉、肺动脉、气道管腔和气道壁结构	数字病理学	肺癌	计算机断层扫描（CT）	深度学习分割模型	3D CT图像	254例来自LUNA16数据集的CT扫描	MONAI	NA	Dice相似系数（DSC）	NA
7385	2026-01-08	Using Deep Learning to Simultaneously Reduce Noise and Motion Artifacts in Brain MR Imaging 2025-Oct-24, Magnetic resonance in medical sciences : MRMS : an official journal of Japan Society of Magnetic Resonance in Medicine IF:2.5Q2 DOI:10.2463/mrms.mp.2024-0098 PMID:39938896	研究论文	本文提出了一种使用深度学习同时减少脑部MRI中噪声和运动伪影的方法	针对T1W、T2W和FLAIR序列分别构建独立的训练模型，能够独立于成像方向和伪影方向去除噪声和运动伪影	研究仅基于20名健康志愿者的模拟图像数据，未在真实患者数据上进行广泛验证	通过深度学习提升脑部MRI的图像质量，促进其临床实用性	脑部T1加权、T2加权和FLAIR图像	计算机视觉	NA	MRI成像	深度学习模型	医学图像	20名健康志愿者的脑部MRI图像，生成115200个模拟图像样本	NA	NA	结构相似性指数(SSIM), 峰值信噪比(PSNR), 视觉评估	NA
7386	2026-01-08	Improved Assessment of Juxtacortical Lesions in Multiple Sclerosis Using Highly-accelerated High-resolution Double Inversion Recovery MR Imaging with Deep Learning-based Reconstruction 2025-Oct-24, Magnetic resonance in medical sciences : MRMS : an official journal of Japan Society of Magnetic Resonance in Medicine IF:2.5Q2 DOI:10.2463/mrms.mp.2024-0126 PMID:39971311	研究论文	本研究开发了一种基于深度学习重建的高分辨率双反转恢复磁共振成像技术，用于改进多发性硬化症皮质旁病灶的评估	首次将深度学习重建技术应用于高分辨率双反转恢复磁共振成像，实现了在5分钟内完成全脑扫描，显著提高了皮质旁病灶的检测能力	研究为回顾性分析，样本量较小（25例患者），需要更大规模的前瞻性研究验证	比较深度学习重建双反转恢复成像与传统双反转恢复成像在多发性硬化症皮质旁病灶检测中的诊断性能	多发性硬化症患者的磁共振成像数据	医学影像分析	多发性硬化症	磁共振成像, 双反转恢复序列, 深度学习重建	深度学习模型	磁共振图像	25例多发性硬化症患者	NA	NA	病灶计数, Wilcoxon符号秩检验	NA
7387	2026-01-08	Deep Neural Network-Based Risk Prediction of Glioblastoma Multiforme Recurrence 2025-Oct-02, Journal of molecular neuroscience : MN IF:2.8Q2 DOI:10.1007/s12031-025-02412-w PMID:41037206	研究论文	本研究开发并评估了一种基于深度神经网络和混合差分进化神经网络的模型，用于准确预测多形性胶质母细胞瘤的复发风险	采用混合差分进化神经网络框架优化深度神经网络架构，用于预测晚期疾病阶段患者的GBM复发风险，并在多模态数据集上实现了优于传统方法的性能	研究主要依赖于TCGA和机构存储库的数据，样本量为780名患者，可能存在数据来源和样本规模的限制	开发高精度预测多形性胶质母细胞瘤复发风险的深度学习模型，以增强个体化治疗策略并改善患者预后	多形性胶质母细胞瘤患者	机器学习	脑肿瘤	基因组测序、影像学分析	DNN	基因组图谱、影像学指标、纵向临床记录	780名GBM患者	Python	混合差分进化神经网络	准确率、精确率、召回率、F1分数、AUC-ROC	NA
7388	2026-01-08	Fully Automated Anatomy Labeling for Intracardiac Echocardiography Using Deep Learning 2025-Oct, JACC. Clinical electrophysiology DOI:10.1016/j.jacep.2025.06.009 PMID:40767798	研究论文	本文开发了一种基于深度学习的全自动算法，用于从右心房心内超声图像中检测解剖结构	首次提出全自动深度学习算法用于心内超声图像的解剖结构标注，作为教育或导航工具辅助电生理手术	算法仅针对右心房解剖结构，且部分结构识别精度未达到70%	开发自动化工具以辅助心内超声图像在电生理手术中的解剖结构识别	心内超声图像中的解剖结构	计算机视觉	心血管疾病	心内超声	深度学习	图像	605次电生理手术，196,768张图像	NA	NA	精确率, 召回率	NA
7389	2026-01-08	Automating Brachial Plexus Scan: Wireless Handheld Ultrasound with Deep Learning over Ten Locations 2025 Oct-Dec, Journal of medical ultrasound IF:0.9Q4 DOI:10.4103/jmu.jmu_61_24 PMID:41488171	研究论文	本研究提出了一种适用于低分辨率超声图像的图像分割模型，用于自动化臂丛神经扫描	针对低分辨率手持超声设备，开发了一种新颖的两阶段卷积神经网络架构，结合了图像分类和分割，并引入质心细化，显著提升了在便携设备上的臂丛神经定位性能	研究样本量较小（30名患者），且模型仅在特定预定义位置进行测试，可能限制了其泛化能力	开发一种适用于低分辨率手持超声设备的自动化臂丛神经扫描模型，以辅助区域麻醉中的神经可视化	臂丛神经的超声图像	计算机视觉	NA	B型超声成像	CNN	图像, 视频	30名成年患者，共60,000张图像	NA	两阶段卷积神经网络（第一阶段用于图像分类，第二阶段用于分割与质心细化）	灵敏度, 特异度, 中位距离误差, 平均对称表面距离, 豪斯多夫距离, 交并比	NA
7390	2026-01-08	Improving spliced alignment by modeling splice sites with deep learning 2025-Sep-20, ArXiv PMID:40980762	研究论文	本文提出了一种使用一维卷积神经网络（1D-CNN）建模剪接位点的方法，以改进剪接比对准确性	利用深度学习模型学习剪接信号，捕获跨门类的保守剪接信号，并揭示哺乳动物和鸟类特有的GC富集内含子	NA	提高剪接比对的准确性，特别是在处理噪声长读RNA-seq数据和远源同源蛋白质时	脊椎动物和昆虫基因组的剪接位点	生物信息学	NA	长读RNA-seq, 蛋白质序列比对	CNN	基因组序列, RNA-seq数据, 蛋白质序列	NA	NA	一维卷积神经网络（1D-CNN）	连接点准确性	NA
7391	2026-01-08	Estimating ascending aortic diameter from the electrocardiogram 2025-Aug-21, medRxiv : the preprint server for health sciences DOI:10.1101/2025.08.19.25333786 PMID:40894145	研究论文	本研究开发了一种基于一维卷积神经网络的深度学习模型（ECGAI-TAA），用于从12导联心电图信号中估计升主动脉直径	首次将12导联心电图信号与MRI测量的升主动脉直径配对，利用深度学习模型从心电图信号中估计主动脉直径，并发现模型检测到的电生理变化可能与侧上轴偏移有关	研究结果仅代表生理学观察，尚未经过外部验证的风险评分验证	探索从心电图信号中无创估计升主动脉直径的可能性	英国生物银行（UK Biobank）的69,173名参与者	机器学习	心血管疾病	MRI测量，心电图信号分析	CNN，变分自编码器	心电图信号（12导联，10秒，500Hz），MRI图像	69,173名参与者（训练集），5,191名参与者（内部测试集）	NA	一维卷积神经网络，变分自编码器	方差解释率（31%），比值比（16倍）	NA
7392	2026-01-08	Effects of Deep Learning-Based Reconstruction on the Quality of Accelerated Contrast-Enhanced Neck MRI 2025-May, Korean journal of radiology IF:4.4Q1 DOI:10.3348/kjr.2024.1059 PMID:40307199	研究论文	本研究比较了基于深度学习的重建技术与传统插值技术在加速对比增强颈部MRI中的图像质量	首次在加速对比增强颈部MRI中应用基于深度学习的重建算法，实现了扫描时间显著减少的同时提升图像质量	使用的深度学习算法为闭源工作进展版本，且重叠解剖结构的伪影略有增加	评估深度学习重建技术在加速颈部MRI中的图像质量与诊断性能	颈部对比增强MRI图像	医学影像分析	NA	对比增强MRI，深度学习重建	深度学习重建算法	MRI图像	106名患者的MRI扫描数据	NA	NA	半高全宽，信号伪影百分比，非均匀性，对比噪声比，区域黏膜半高全宽，视觉评分（整体质量、清晰度、黏膜显着性、伪影、病变检测）	3T MRI扫描仪，闭源深度学习重建算法（Siemens Healthineers WIP No. 1062）
7393	2026-01-08	The Future of Medicine: AI and ML Driven Drug Discovery Advancements 2025, Current topics in medicinal chemistry IF:2.9Q3 DOI:10.2174/0115680266346722250401191232 PMID:40207759	综述	本文综述了人工智能和机器学习在药物发现领域的应用进展，包括计算机辅助药物设计、深度学习等技术如何提升药物研发的效率和准确性	整合了AI/ML技术于药物发现过程，特别是通过大数据和深度学习处理复杂非线性数据，以增强药物-靶点相互作用预测和个性化治疗响应	未具体说明当前AI/ML方法在药物发现中的实际应用案例或数据验证细节，缺乏对技术局限性的深入讨论	探讨AI和ML如何推动药物发现领域的进步，提高药物设计的效率、安全性和成本效益	药物发现过程，包括靶点发现、先导化合物优化、临床试验等阶段	机器学习	NA	计算机辅助药物设计（CADD）、结构基于药物设计（SBDD）、配体基于药物设计（LBDD）、药效团建模、PBPK建模、高级纳米-QSAR	深度学习	大数据	NA	NA	NA	NA	NA
7394	2026-01-08	Advances in Diagnostic Approaches for Alzheimer's Disease: From Biomarkers to Deep Learning Technology 2025, CNS & neurological disorders drug targets DOI:10.2174/0118715273374284250519053646 PMID:40444626	综述	本文综述了阿尔茨海默病的诊断方法进展，从生物标志物到深度学习技术	整合了传统生物标志物（如淀粉样蛋白β）与先进深度学习技术（特别是CNN）在阿尔茨海默病诊断中的应用，并强调了这些技术作为临床辅助而非替代的角色	未提及具体研究样本量或实验验证细节，且未讨论深度学习模型在实际临床部署中的具体挑战	探讨阿尔茨海默病的诊断方法进展，包括生物标志物和深度学习技术的应用	阿尔茨海默病的诊断技术与方法	数字病理学	老年性疾病	脑脊液采样、MRI、PET、X射线、CT、超声、乳腺X线摄影	CNN	图像	NA	NA	NA	准确率	NA
7395	2026-01-08	Structure-aware completion of plant 3D LiDAR point clouds via a multi-resolution GAN-inversion network 2025, Frontiers in plant science IF:4.1Q1 DOI:10.3389/fpls.2025.1698843 PMID:41487337	研究论文	本文提出了一种名为MRC-Net的无监督深度学习框架，用于在环境干扰和传感器限制下完成植物3D LiDAR点云的鲁棒、高保真补全	通过集成GAN反转策略与多分辨率原则，提出了一种无监督的多分辨率补全网络，利用多分辨率退化机制和多尺度判别器，在无监督条件下实现全局结构一致性与局部细节的平衡	NA	解决在环境干扰和传感器限制下，3D点云补全的鲁棒性和高保真性问题，以提升下游任务性能	植物3D LiDAR点云	计算机视觉	NA	LiDAR	GAN	3D点云	多个数据集，包括虚拟数据集（如CRN）和针对农业场景的自定义数据集	NA	Multi-Resolution Completion Net (MRC-Net), ShapeInversion	Chamfer Distance (CD), F1分数	NA
7396	2026-01-08	Technology-driven approaches to intelligent mechanical weed control: a systematic review for sustainable weed management 2025, Frontiers in plant science IF:4.1Q1 DOI:10.3389/fpls.2025.1734507 PMID:41487342	综述	本文对2000年至2024年间发表的智能机械除草系统进行了系统性综述，重点关注集成人工智能、机器视觉和机器人技术的设计、性能及在精准农业中的应用	首次提供了针对集成视觉与机器人驱动的AI机械除草系统的全面、系统性综述，并提出了包含传感器融合、自适应工具、平台模块化和用户中心界面的设计与操作指南	在杂草-作物区分、模型泛化、实时执行和经济可行性方面仍存在挑战	探索智能机械除草系统的设计与性能，以推动精准农业中可持续、非化学的杂草管理	智能机械除草系统，特别是集成人工智能、机器视觉和机器人技术的系统	计算机视觉	NA	机器视觉、人工智能、机器人技术	深度学习模型	图像（RGB、LiDAR、高光谱传感器数据）	176篇技术论文，其中33篇关键工作进行了深入分析	NA	NA	NA	NA
7397	2026-01-08	Human intention recognition by deep LSTM and transformer networks for real-time human-robot collaboration 2025, Frontiers in robotics and AI IF:2.9Q2 DOI:10.3389/frobt.2025.1708987 PMID:41487443	研究论文	本文提出了一种集成的人机协作系统，利用先进意图识别实现实时任务共享与交互	结合LSTM和Transformer网络进行人体意图识别，并集成动态运动基元实现平滑机器人运动过渡	仅在真实工业装配任务中验证，未涉及其他复杂场景或长期稳定性测试	优化工业环境中复杂任务性能，减少工人负担并提高安全性	人机协作系统中的工人意图识别与机器人运动控制	机器人与人工智能	NA	深度学习模型，动态运动基元	LSTM, Transformer	人体姿态估计数据，手部轨迹数据	NA	NA	LSTM, Transformer	准确率	NA
7398	2026-01-08	Slip detection for compliant robotic hands using inertial signals and deep learning 2025, Frontiers in robotics and AI IF:2.9Q2 DOI:10.3389/frobt.2025.1698591 PMID:41487444	研究论文	本文研究利用惯性测量单元（IMU）数据，结合深度学习技术检测机器人手在抓取物体时的滑动事件	首次提出结合指尖方向变化和滑动引起的振动，通过IMU数据作为滑动指示器，并利用卷积神经网络（CNN）进行检测，且方法在不同夹具和未见物体上具有泛化能力	NA	开发一种基于IMU数据和深度学习的滑动检测方法，以提高机器人手在抓取操作中的感知能力	被动顺应性机器人手在抓取物体时的滑动事件	机器学习	NA	惯性测量单元（IMU）传感	CNN	惯性信号（IMU数据）	195次操作试验，涉及滑动和非滑动条件	NA	卷积神经网络	NA	NA
7399	2026-01-08	Performance comparison of artificial intelligence models in predicting 72-h emergency department unscheduled return visits 2025, Frontiers in public health IF:3.0Q2 DOI:10.3389/fpubh.2025.1609206 PMID:41487618	研究论文	本研究比较了多种人工智能模型在预测急诊科72小时内非计划返诊方面的性能，旨在优化风险分层策略	首次在统一队列中全面比较了传统机器学习算法与深度学习架构TabNet在急诊非计划返诊预测中的性能，并进行了特征重要性分析和亚组公平性评估	研究为单中心回顾性设计，可能限制了结果的普适性；未考虑外部验证	评估多种AI模型预测急诊科72小时内非计划返诊的性能，以识别最优风险分层策略	某三级医院成人内科急诊就诊患者	机器学习	急诊医学相关疾病（消化系统和呼吸系统疾病等）	NA	逻辑回归, 支持向量机, 随机森林, 极端梯度提升, TabNet	表格数据	143,192次就诊（训练集100,235次，测试集42,957次），其中24,117次（16.8%）为非计划返诊	NA	TabNet	AUROC, 敏感性, 校准曲线, 临床决策曲线分析, 混淆矩阵	NA
7400	2026-01-08	Deep recurrent models for forecasting infectious diseases 2025, Frontiers in public health IF:3.0Q2 DOI:10.3389/fpubh.2025.1726819 PMID:41487657	研究论文	本研究提出并开发了一个基于LSTM、BiLSTM和GRU神经网络模型的时间序列预测框架，用于预测沙特阿拉伯的COVID-19病例数并检测异常增长	利用Google Trends搜索词时间序列数据（如“发烧”、“COVID”、“咳嗽”）作为输入，结合深度学习模型检测病例激增的时间模式，实现早期异常检测	BiLSTM模型计算成本较高，而LSTM和GRU虽执行效率高但性能相对较低	预测传染病（COVID-19）病例数并早期检测异常增长，以支持医疗资源分配和响应规划	沙特阿拉伯的COVID-19病例数据及相关的Google搜索趋势数据	机器学习	COVID-19	时间序列分析，Google Trends数据挖掘	LSTM, BiLSTM, GRU	时间序列数据，文本搜索数据	NA	NA	LSTM, BiLSTM, GRU	均方误差（MSE），F1分数	NA