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
841	2025-12-25	Artificial intelligence in modern clinical practice (Review) 2026 Jan-Feb, Medicine international DOI:10.3892/mi.2025.289 PMID:41424576	综述	本文综述了人工智能在现代临床实践中的应用、机遇与挑战	系统整合了近期研究成果，全面探讨了AI在临床决策支持、影像分析、精准医疗等领域的角色，并强调了实施中的关键障碍	作为综述文章，未进行原始数据收集或模型验证，主要依赖现有文献分析	讨论人工智能在现代临床实践中的作用，并突出未来的机遇与挑战	临床实践中的AI应用，包括医生、患者及医疗系统	NA	NA	NA	NA	临床数据	NA	NA	NA	NA	NA
842	2025-12-25	DeepLuAd: Semantic-guided virtual histopathology of lung adenocarcinoma via stimulated Raman scattering 2026, Theranostics IF:12.4Q1 DOI:10.7150/thno.125443 PMID:41424851	研究论文	本文介绍了一种名为DeepLuAd的AI平台，它结合了无标记刺激拉曼散射显微镜和语义引导深度学习，用于肺腺癌的自动化组织学分级、分割和虚拟H&E染色	通过整合无标记刺激拉曼散射显微镜和语义引导深度学习，实现了肺腺癌组织学分级、分割及虚拟H&E染色的自动化，统一了形态学和生化信息，无需染色	分级一致性率仅为76.2%（16/21例），样本量较小，可能限制结果的普适性	开发一个AI驱动的平台，用于肺腺癌的准确组织学分级和定量分析	肺腺癌组织样本	数字病理学	肺腺癌	刺激拉曼散射显微镜	深度学习	图像	21例肺腺癌病例	NA	NA	平均交并比, 分级一致性率	NA
843	2025-12-25	Beyond Accuracy: Enhancing Parkinson's Diagnosis with Uncertainty Quantification of Machine Learning Models 2026, Artificial intelligence in healthcare : second International Conference, AIiH 2025, Cambridge, UK, September 8-10, 2025, Proceedings. Part I. International Conference on Artificial Intelligence in Healthcare (2nd : 2025 : Cambridge, Eng... DOI:10.1007/978-3-032-00652-3_3 PMID:41425112	研究论文	本研究评估了三种不确定性量化方法在帕金森病诊断中的表现，旨在提升机器学习模型的可靠性	首次在帕金森病诊断中系统比较了蒙特卡洛Dropout、深度证据分类和贝叶斯神经网络三种不确定性量化方法，并公开了完整代码	研究仅使用了三种特定类型的数据集（手指敲击、面部表情、语音模式），未涵盖其他临床数据	通过不确定性量化技术提高帕金森病诊断中机器学习模型的可靠性和安全性	帕金森病患者	机器学习	帕金森病	NA	贝叶斯神经网络	手指敲击数据、面部表情数据、语音模式数据	三个数据集	NA	NA	诊断准确性、不确定性评估	NA
844	2025-12-25	Core-Periphery Principle Guided State Space Model for Functional Connectome Classification 2026, Medical image computing and computer-assisted intervention : MICCAI ... International Conference on Medical Image Computing and Computer-Assisted Intervention DOI:10.1007/978-3-032-05162-2_23 PMID:41425911	研究论文	本文提出了一种基于核心-外围原则引导的状态空间模型（CP-SSM），用于功能连接组分类，以改进神经影像学中的脑网络分析	提出了结合选择性状态空间模型Mamba（具有线性复杂度）与受脑网络核心-外围组织启发的混合专家模型CP-MoE的创新框架，以高效捕获功能脑网络中的长程依赖关系	仅在ABIDE和ADNI两个基准fMRI数据集上进行了评估，未在其他脑疾病或更大规模数据集上验证泛化能力	开发一种高效且有效的计算模型，用于功能连接组分类，以辅助神经影像学为基础的神经系统疾病诊断	人类功能脑网络（功能连接组）	机器学习	神经系统疾病	功能磁共振成像	状态空间模型, 混合专家模型	功能连接组数据（源自fMRI）	两个基准fMRI数据集（ABIDE和ADNI），具体样本数未在摘要中明确说明	NA	Mamba（选择性状态空间模型）, CP-MoE（核心-外围引导的混合专家）	分类性能（具体指标未在摘要中明确说明）	NA
845	2025-12-25	Domain-Adaptive Diagnosis of Lewy Body Disease with Transferability Aware Transformer 2026, Medical image computing and computer-assisted intervention : MICCAI ... International Conference on Medical Image Computing and Computer-Assisted Intervention DOI:10.1007/978-3-032-04981-0_18 PMID:41426524	研究论文	本文提出了一种可迁移性感知的Transformer模型，用于在数据稀缺和领域偏移场景下，从阿尔茨海默病数据中迁移知识以增强路易体病的诊断	首次探索在数据稀缺和领域偏移条件下，从阿尔茨海默病到路易体病的领域自适应研究，并设计了基于注意力机制的Transformer模型来分配高权重给疾病可迁移特征，抑制领域特定特征	数据稀缺可能限制模型的泛化能力，且领域偏移问题虽被缓解但未完全消除	通过领域自适应方法，利用丰富的阿尔茨海默病数据来提升路易体病的诊断准确性	路易体病和阿尔茨海默病的患者数据，特别是结构磁共振成像衍生的结构连接性数据	数字病理学	路易体病	结构磁共振成像	Transformer	图像	NA	NA	Transformer	诊断准确性	NA
846	2025-12-25	An Enhanced Random Convolutional Kernel Transform for Diverse and Robust Feature Extraction from High-Density Surface Electromyograms for Cross-day Gesture Recognition 2026-Jan, International journal of neural systems IF:6.6Q1 DOI:10.1142/S0129065725500625 PMID:41059625	研究论文	本文提出了一种名为EMG-ROCKET的增强型随机卷积核变换方法，用于从高密度表面肌电图中提取多样且鲁棒的特征，以提升跨日手势识别的性能	提出了EMG-ROCKET方法，集成了随机通道融合和增强聚合函数，以增强对HD-sEMG跨日信号变化的鲁棒性，无需先验知识或大量训练	未明确提及方法在更大规模或更多样化数据集上的泛化能力，也未讨论计算效率的详细分析	开发一种无需训练、鲁棒的特征提取方法，以解决高密度表面肌电图在手势识别中特征多样性有限和数据依赖性高的问题	高密度表面肌电图信号	机器学习	NA	高密度表面肌电图	Ridge分类器	肌电图信号	在两个HD-sEMG数据集上进行评估，具体样本数量未明确说明	NA	EMG-ROCKET（基于ROCKET的增强版本）	准确率	NA
847	2025-12-25	[Artificial intelligence for the management and monitoring of cardiovascular disease] 2026-Jan, Giornale italiano di cardiologia (2006) DOI:10.1714/4618.46266 PMID:41441829	综述	本文综述了人工智能在心血管疾病管理和监测中的应用、潜力及挑战	整合了机器学习、深度学习和自然语言处理技术，结合多模态数据（如电子健康记录、影像、可穿戴设备），用于早期诊断、动态风险分层和个性化治疗，并与远程医疗和数字疗法结合，为远程监测和临床决策支持提供了新机遇	存在算法偏见、缺乏可解释性、伦理和法律问题，以及医疗专业人员培训不足等挑战，且欧洲AI法案的严格监管标准可能减缓大规模实施	探讨人工智能在心血管疾病管理和监测中的潜力，以改善临床结果、优化医疗资源并减少住院	心血管疾病的管理和监测	自然语言处理, 机器学习	心血管疾病	机器学习, 深度学习, 自然语言处理	NA	电子健康记录, 影像, 可穿戴设备传感器数据	NA	NA	NA	NA	NA
848	2025-12-25	Flexible protein-ligand docking with diffusion-based side-chain packing 2025-Dec-30, Proceedings of the National Academy of Sciences of the United States of America IF:9.4Q1 DOI:10.1073/pnas.2511925122 PMID:41439702	研究论文	本文介绍了PackDock框架，该框架结合深度学习和物理建模来预测蛋白质-配体相互作用，通过扩散模型采样结合口袋构象并处理蛋白质灵活性	提出PackDock框架，其核心PackPocket使用扩散模型采样多样化的结合口袋构象，并预测配体诱导的变化，以解决传统方法静态构象的局限性	未在摘要中明确说明	增强对蛋白质结构和动力学的理解，以支持基础生物学和药物设计	蛋白质-配体相互作用	机器学习	NA	扩散模型	深度学习模型	蛋白质结构数据	NA	NA	扩散模型	NA	NA
849	2025-12-25	Deep Learning Exploration Expands the Natural Diversity of Metallothioneins in the Archaea Domain 2025-Dec-24, Journal of agricultural and food chemistry IF:5.7Q1 DOI:10.1021/acs.jafc.5c05880 PMID:41370558	研究论文	本研究利用深度学习探索并扩展了古菌域中金属硫蛋白的自然多样性	首次全面识别古菌金属硫蛋白，揭示其进化谱系和结构多样性，并通过AlphaFold3建模和功能实验验证其金属抗性	研究仅基于406个基因组，可能未覆盖所有古菌多样性；功能实验仅测试了少数金属硫蛋白	探索古菌域中金属硫蛋白的多样性、进化、结构和功能	古菌基因组中的金属硫蛋白	机器学习	NA	基因组分析、AlphaFold3建模、功能实验	深度学习	基因组序列、蛋白质结构	从406个古菌基因组中识别出180个金属硫蛋白	AlphaFold3	AlphaFold3	NA	NA
850	2025-12-25	Integration of finite element method and artificial intelligence for evaluating PEEK composites in rib cage reconstruction process under impact conditions 2025-Dec-24, Journal of materials science. Materials in medicine DOI:10.1007/s10856-025-06972-6 PMID:41436650	研究论文	本研究结合有限元法和人工智能，评估了PEEK复合材料在冲击条件下用于肋骨重建的可行性，并开发了预测其力学响应的AI模型	首次将有限元模拟与多种机器学习及深度学习回归模型相结合，用于高效评估和预测PEEK复合材料在肋骨重建中的力学性能，实现了超过99.9%的预测准确率	研究基于仿真的有限元数据，未涉及体内实验或长期生物相容性验证；冲击条件可能未涵盖所有临床相关场景	评估PEEK复合材料作为金属植入物替代品用于肋骨重建的可行性，并开发能够预测应力、应变和变形的AI模型	用于肋骨重建的植入物材料，包括PEEK、碳纤维增强PEEK、玻璃纤维增强PEEK、羟基磷灰石PEEK以及作为对照的钛	机器学习	NA	有限元法，3D建模	Linear Regression, Ridge Regression, Support Vector Regression, Decision Trees, Neural Networks, LightGBM	仿真数据	基于定制化3D胸部缺陷模型与多种植入物材料组合进行有限元模拟生成的数据集	Scikit-learn, LightGBM	NA	R², MAE, MSE, RMSE, 计算效率	NA
851	2025-12-25	Macretina: a dataset, to support deep learning assisted retinopathy of prematurity diagnosis 2025-Dec-24, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-31624-8 PMID:41436820	研究论文	本研究介绍了一个名为Macretina的专家标注数据集，旨在支持基于深度学习的早产儿视网膜病变（ROP）自动诊断	提供了一个从印度医院收集的、包含多种病理特征标注的综合性ROP数据集，专门设计用于支持AI模型的开发与评估	数据集来源于单一中心（Macretina医院），可能限制了模型的泛化能力	开发一个用于支持AI辅助早产儿视网膜病变（ROP）诊断的综合性数据集	早产儿的视网膜眼底图像	数字病理学	早产儿视网膜病变	宽视野视网膜成像系统（3nethra Neo）	深度卷积神经网络（DCNN）	图像	来自112名早产儿的1432张视网膜眼底图像	NA	NA	NA	NA
852	2025-12-25	Deep learning-based disease detection in potato and mango leaves: a comparative study of CNN, AlexNet, ResNet, and EfficientNet 2025-Dec-24, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-32607-5 PMID:41436834	研究论文	本研究利用深度学习模型对马铃薯和芒果叶片病害进行自动检测，并比较了CNN、AlexNet、ResNet和EfficientNet四种架构的性能	在植物病害检测领域，首次对CNN、AlexNet、ResNet和EfficientNet四种深度学习架构在马铃薯和芒果叶片数据集上进行了系统性比较研究，并验证了EfficientNet在植物病害分类中的优越性	研究仅使用了两个公开数据集（共6152张图像），样本多样性可能有限；模型在真实田间复杂环境下的泛化能力有待进一步验证	开发自动植物病害识别系统，以支持精准农业和早期病害防治	马铃薯叶片和芒果叶片	计算机视觉	植物病害	图像处理、数据增强	CNN, AlexNet, ResNet, EfficientNet	图像	6152张叶片图像（马铃薯2152张，芒果4000张）	未明确提及	CNN, AlexNet, ResNet, EfficientNet	准确率、精确率、召回率、损失值	未明确提及
853	2025-12-25	Deep Learning-Based Risk Factor Analysis for Accurate Prediction of Lung Cancer in High-Risk Populations 2025-Dec-24, American journal of clinical oncology DOI:10.1097/COC.0000000000001284 PMID:41437170	研究论文	本研究提出了一种结合深度学习和优化算法的新型框架，用于高风险人群中肺癌的准确预测	整合了LIDC-IDRI、WOA-APSO、CNN和KNG-CNN等先进技术，优化特征选择，实现了99.25%的高预测准确率	未明确说明研究样本的具体规模或数据集的局限性	提高肺癌早期检测和风险预测的准确性，以改善患者生存率和降低治疗成本	高风险人群中的肺癌预测	计算机视觉	肺癌	深度学习，优化算法	CNN, KNG-CNN	图像	NA	PYTHON	卷积神经网络，基于核的非高斯卷积神经网络	准确率	NA
854	2025-12-25	Novel noninvasive assessment of upper urinary tract urine flow dynamics: a deep learning-driven reconstruction model combined with CFD simulation 2025-Dec-24, European journal of medical research IF:2.8Q2 DOI:10.1186/s40001-025-03730-w PMID:41437298	研究论文	本研究提出了一种结合深度学习模型重建与计算流体动力学模拟的非侵入性方法，用于评估儿童肾积水患者的上尿路尿液流动动力学参数，并比较了三种机器人辅助肾盂成形术的临床效果	首次将深度学习驱动的网格重建技术应用于儿童肾积水病变的三维模型重建，并结合计算流体动力学模拟来非侵入性地测量尿液流动动力学参数	样本量较小（仅36例患者），且研究为单中心设计，可能限制结果的普遍适用性	评估三种不同机器人辅助肾盂成形术手术策略对儿童肾积水患者上尿路尿液流动动力学的影响，并确定最优手术方法	接受机器人辅助肾盂成形术的儿童肾积水患者	数字病理学	肾积水	磁共振尿路造影, 计算流体动力学模拟	深度学习网络	磁共振图像	36例患者	NA	NA	NA	NA
855	2025-12-25	Multi-DNBiTM: preterm labor prediction from electrohysterography signals using multi-head attention-enabled deep learning framework 2025-Dec-24, Computer methods in biomechanics and biomedical engineering IF:1.7Q3 DOI:10.1080/10255842.2025.2602829 PMID:41439533	研究论文	本文提出了一种基于多注意力头的分布式神经网络与双向长短期记忆结合的框架（multi-DNBiTM），用于从子宫电信号中预测早产，以提高预测准确性	引入了多注意力头机制和根均能量熵深度特征（RMEn2D），以增强对子宫电信号中细微变化的捕捉和表示能力	未明确提及模型在外部数据集上的泛化能力或计算资源需求的具体限制	通过深度学习框架提高早产预测的准确性和敏感性	子宫电信号数据	机器学习	产科疾病	子宫电信号分析	LSTM, 注意力机制	信号数据	NA	NA	双向长短期记忆网络, 多注意力头机制	准确率, 敏感性, 特异性	NA
856	2025-12-25	Deep Learning-Based Brainstem Segmentation and Multi-Class Classification for Parkinsonian Syndrome 2025-Dec-24, Journal of magnetic resonance imaging : JMRI IF:3.3Q1 DOI:10.1002/jmri.70215 PMID:41439587	研究论文	本研究开发并验证了一种结合深度学习脑干分割与机器学习分类的两步算法，用于自动分割脑干亚结构并基于体积测量对帕金森综合征进行多类别分类	提出了一种结合深度学习脑干分割与机器学习分类的两步算法，实现了对帕金森综合征的自动鉴别，并在内部和外部数据集上进行了验证	研究为回顾性设计，且外部验证数据集规模相对较小（82例）	开发并验证一种自动分割脑干亚结构并分类帕金森综合征的算法	帕金森综合征患者（包括进行性核上性麻痹、多系统萎缩-小脑变异型、帕金森病）及正常认知受试者	数字病理学	帕金森综合征	3D梯度回波T1加权序列	深度学习, 机器学习	MRI图像	内部数据集：300例正常认知受试者（分割用），513例受试者（分类用，含207例正常、52例PSP、65例MSA-C、189例PD）；外部数据集：82例受试者（24例PSP、28例MSA-C、30例PD）	NA	NA	Dice相似系数, 受试者工作特征曲线下面积	NA
857	2025-12-25	Advanced lung segmentation on chest HRCT: comprehensive pipeline for quantification of airways, vessels, and injury patterns 2025-Dec-24, La Radiologia medica DOI:10.1007/s11547-025-02166-w PMID:41441964	研究论文	本文提出了一种结合U-Net AI分割与定制图像处理的混合管道，用于同时分割肺部、气道、肺血管和实质损伤模式，并在COVID-19和特发性肺纤维化患者的HRCT扫描中验证了其性能	与现有工具通常针对单一解剖结构并主要依赖深度学习或基于规则的方法不同，该混合管道将U-Net AI分割与定制图像处理相结合，实现了肺部、气道、血管和实质损伤模式的可靠同时分割	研究样本量有限，仅使用了47例CT扫描（包括公共数据集和回顾性数据），可能影响结果的普遍性	开发一个可靠的混合管道，用于在胸部高分辨率CT上同时量化气道、血管和损伤模式，以诊断和监测肺部疾病	COVID-19和特发性肺纤维化患者的胸部HRCT扫描	数字病理学	肺癌	胸部高分辨率CT扫描	U-Net	图像	47例CT扫描（19例来自COVID-19公共数据集用于深度学习，8例来自EXACT'09挑战用于验证气道分割，20例回顾性HRCT扫描用于管道验证）	NA	U-Net	Dice系数	NA
858	2025-12-25	Correction: Addressing fractures that are hard to diagnose on imaging: Radiomics or deep learning? 2025-Dec-24, La Radiologia medica DOI:10.1007/s11547-025-02151-3 PMID:41441965	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
859	2025-12-25	Effect of deep learning reconstruction on arm-induced artifacts compared with hybrid iterative reconstruction and filtered-backprojection in abdominal CT 2025-Dec-24, Radiological physics and technology IF:1.7Q3 DOI:10.1007/s12194-025-00998-9 PMID:41442007	研究论文	本研究评估了深度学习图像重建在腹部CT中减少手臂伪影和提升图像质量的效果，并与迭代重建和滤波反投影方法进行比较	首次系统比较深度学习重建、自适应统计迭代重建和滤波反投影在手臂下垂腹部CT中的伪影减少和图像质量提升效果	研究样本量较小，仅包括10例患者数据；未评估不同扫描参数或设备的影响	评估深度学习重建在腹部CT中减少手臂伪影和改善图像质量的效能	肝脏结节体模（含手臂模拟）和10例手臂下垂腹部CT患者	医学影像处理	NA	CT扫描	深度学习重建	CT图像	1个体模（模拟三种手臂位置）和10例患者	NA	NA	伪影强度（Gumbel分布位置参数、标准差）、信噪比、对比噪声比、主观评价（噪声、伪影、锐度、整体质量）	NA
860	2025-12-25	TFS-FENet: A time-frequency spatial deep learning framework for EEG-based ADHD subtype classification 2025-Dec-24, Applied neuropsychology. Child DOI:10.1080/21622965.2025.2606108 PMID:41442154	研究论文	本文提出了一种名为TFS-FENet的深度学习框架，用于基于EEG的ADHD亚型分类，通过整合CNN和注意力机制来建模EEG的时-频-空三维特征	首次同时捕获EEG的联合三维时-频和空间特征，而现有方法多专注于二维特征建模	NA	开发一个客观的基于EEG的ADHD诊断辅助工具，以弥补临床诊断主要依赖行为表现和缺乏生物标记物的不足	注意力缺陷多动障碍（ADHD）患者，具体包括ADHD-注意缺陷型、ADHD-混合型以及典型发育儿童	机器学习	注意力缺陷多动障碍	脑电图（EEG）	CNN	脑电图信号	NA	NA	TFS-FENet	准确率	NA