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
8721	2025-12-19	Emerging Role of MRI-Based Artificial Intelligence in Individualized Treatment Strategies for Hepatocellular Carcinoma: A Narrative Review 2026-Jan, Journal of magnetic resonance imaging : JMRI IF:3.3Q1 DOI:10.1002/jmri.70048 PMID:40682357	综述	本文是一篇叙述性综述，探讨了基于MRI的人工智能在肝细胞癌个体化治疗策略中的新兴作用	聚焦于AI在MRI影像中用于指导HCC个体化治疗策略的应用，特别是治疗前预测治疗反应和预后的AI工具	模型泛化性、可解释性及临床整合方面仍存在挑战，需要标准化的影像数据集和多组学融合	探讨人工智能在肝细胞癌个体化治疗策略中的应用，以支持精准临床决策	肝细胞癌患者	数字病理学	肝细胞癌	磁共振成像	NA	影像	NA	NA	NA	NA	NA
8722	2025-12-19	Improving genomic selection accuracy using a dual-path convolutional neural network framework: a terpenoid case study 2026-Jan, The New phytologist DOI:10.1111/nph.70727 PMID:41229065	研究论文	本研究通过整合全基因组重测序数据和代谢物定量分析，开发了一种基于双路径卷积神经网络的基因组选择模型，用于提高山鸡椒中萜类化合物合成的预测精度	提出了PKDP深度学习模型，该模型通过并行路径分别提取GWAS识别位点和全基因组标记的特征，并将先验知识与广泛基因组信息融合，从而显著提升基因组选择的预测能力	NA	揭示山鸡椒萜类生物合成的遗传基础，并开发基于深度学习的基因组选择策略以促进高效的遗传改良	山鸡椒（Litsea cubeba）的945个种质资源及其中的310个样本的萜类化合物	机器学习	NA	全基因组重测序, GC-MS定量分析	CNN	基因组数据, 代谢物定量数据	945个种质资源进行全基因组重测序，310个样本进行GC-MS萜类定量	NA	双路径卷积神经网络（PKDP）	预测能力提升百分比（与传统rrBLUP相比）	NA
8723	2025-12-19	Artificial intelligence in sport psychology: Implications for the identification and development of talent 2026-Jan, Psychology of sport and exercise IF:3.1Q1 DOI:10.1016/j.psychsport.2025.102977 PMID:41326137	综述	本文探讨了人工智能（特别是机器学习）在运动心理学领域，尤其是在人才识别与发展方面的应用、挑战与未来方向	系统性地将人工智能范式引入运动心理学领域，并特别强调了解决数据挑战、促进人机交互以及整合心理建构的未来方向	面临数据可用性、质量、所有权和标注困难等重大障碍，纵向研究存在数据缺失和数据集不平衡问题，可能导致模型存在偏见和泛化能力差，心理和主观因素（如教练判断、运动员态度）在现有技术中代表性不足	探讨人工智能在运动心理学，特别是人才识别与发展领域的应用、挑战与未来发展方向	运动心理学领域，特别是运动员人才识别与发展过程	机器学习	NA	机器学习，深度学习	NA	NA	NA	NA	NA	NA	NA
8724	2025-12-19	USING ARTIFICIAL INTELLIGENCE TO ASSESS MACULAR EDEMA TREATMENTS IN RETINITIS PIGMENTOSA 2026-Jan-01, Retina (Philadelphia, Pa.) DOI:10.1097/IAE.0000000000004636 PMID:40743462	研究论文	本研究验证了一种基于深度学习的AI工具，用于量化视网膜色素变性中黄斑水肿的视网膜内液体积，并通过纵向分析提供了治疗疗效和疾病自然史的新见解	开发并验证了一种深度学习工具，用于快速准确地量化视网膜色素变性相关黄斑水肿的视网膜内液体积，为治疗评估提供了新方法	研究为回顾性设计，样本量相对较小（44名患者），且随访时间有限（平均2.3年）	验证AI工具在量化视网膜色素变性黄斑水肿中的应用，并评估不同治疗方法的疗效	视网膜色素变性伴黄斑水肿的患者	数字病理学	视网膜色素变性	光谱域光学相干断层扫描	深度学习	图像	44名患者，共66只眼（52只治疗组，14只未治疗组），490对图像用于验证	NA	NA	Dice系数	NA
8725	2025-12-19	Association Between Choroid Plexus Morphological Alterations, Alzheimer Pathologies, and Cognitive Impairment: A Longitudinal Study 2025-Dec-23, Neurology IF:7.7Q1 DOI:10.1212/WNL.0000000000213953 PMID:41284956	研究论文	本研究利用深度学习分割方法，探讨了阿尔茨海默病相关脉络丛形态学改变与认知功能下降之间的纵向关联	开发了基于深度学习的脉络丛分割方法，并首次系统分析了高阶形态学特征在阿尔茨海默病病理与认知衰退之间的中介作用	研究为回顾性设计，且脉络丛形态学特征背后的病理学基础尚需通过影像-组织病理学对比研究进一步阐明	探究阿尔茨海默病相关脉络丛形态学特征及其与认知功能下降的关联	阿尔茨海默病神经影像学倡议项目中无痴呆的参与者	数字病理学	阿尔茨海默病	3D T1 MRI, 3D FLAIR MRI, β-淀粉样蛋白PET, tau蛋白PET	深度学习	医学影像	564名无痴呆参与者（平均年龄72.4岁，54.1%女性），其中339名Aβ-，225名Aβ+	NA	NA	p值, 假发现率校正, 标准化β系数, 95%置信区间	NA
8726	2025-12-19	Toward neuroimaging-based diagnostic support: a deep learning approach with a closed-loop system for psychiatric classification 2025-Dec-19, iScience IF:4.6Q1 DOI:10.1016/j.isci.2025.114100 PMID:41399512	研究论文	本研究开发了一种基于深度学习的补丁层次网络（PHN），用于从结构MRI中分类多种精神疾病，并部署了一个闭环诊断支持系统	提出了PHN深度学习框架，并首次实现了一个闭环神经影像诊断支持系统，将其整合到临床工作流程中	未明确说明模型在更广泛或不同人群中的泛化能力限制，以及临床部署的具体挑战	利用人工智能提供客观支持，缩小精神疾病诊断的研究与实践差距	四种主要精神疾病患者及对照组的神经影像数据	医学影像分析	精神疾病	结构MRI	深度学习	图像	训练集2,490例，独立研究数据集1,346例，真实世界临床数据344例	NA	补丁层次网络（PHN）	NA	NA
8727	2025-12-19	Accelerating imaging: deep learning for enhanced 123I-ioflupane SPECT efficiency 2025-Dec-18, Japanese journal of radiology IF:2.9Q2 DOI:10.1007/s11604-025-01933-z PMID:41407995	研究论文	本研究评估了深度学习重建能否从5分钟扫描中生成诊断质量的123I-ioflupane多巴胺转运体SPECT图像	首次将多种卷积架构（包括U-Net变体和TransUNet）应用于加速SPECT成像，并证明四层U-Net可将扫描时间减少80%而不损失诊断质量	研究为回顾性分析，需要前瞻性多中心验证；样本量相对有限（207项研究）	通过深度学习加速123I-ioflupane SPECT成像，减少患者扫描时间	123I-ioflupane多巴胺转运体SPECT图像	医学影像分析	神经系统疾病（如帕金森病）	SPECT成像	深度学习，卷积神经网络	医学图像（SPECT切片）	207项研究（1035个切片），来自207名患者，分为训练集（120名患者/600张图像）、验证集（37名患者/185张图像）和测试集（50名患者/250张图像）	未明确指定	U-Net（1-5层深度）、V-Net、U-Net++、R2U-Net、Attention U-Net、TransUNet	峰值信噪比（PSNR）、结构相似性指数（SSIM）、加权κ系数、组内相关系数（ICC）	NA
8728	2025-12-19	Deep learning's false positive burden may threaten the MRI harm reduction mandate in screening 2025-Dec-18, European radiology IF:4.7Q1 DOI:10.1007/s00330-025-12228-2 PMID:41410706	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
8729	2025-12-19	Deep learning-based autonomous retinal vein cannulation in ex vivo porcine eyes 2025-Dec-17, Science robotics IF:26.1Q1 DOI:10.1126/scirobotics.adw2969 PMID:41406252	研究论文	本文提出了一种基于深度学习和计算机视觉的自主视网膜静脉插管工作流程，用于在离体猪眼中执行精确手术任务	结合深度学习与机器人辅助，实现自主视网膜静脉插管，并在静态和动态条件下展示高成功率	研究仅在离体猪眼上进行，尚未涉及人体临床试验	开发自主视网膜静脉插管工作流程，以提升视网膜静脉阻塞治疗的精确性和可靠性	离体猪眼	计算机视觉	视网膜静脉阻塞	术中光学相干断层扫描	CNN	图像	20个离体猪眼用于主要测试，6个用于模拟呼吸引起的眼动	NA	NA	成功率	NA
8730	2025-12-19	MedicoSAM: Robust Improvement of SAM for Medical Imaging 2025-Dec-17, IEEE transactions on medical imaging IF:8.9Q1 DOI:10.1109/TMI.2025.3644811 PMID:41406266	研究论文	本文研究了如何通过不同微调策略改进Segment Anything Model (SAM)在医学图像分割中的应用，并提出了公开可用的MedicoSAM模型	通过在大规模多样化数据集上比较不同微调策略，显著提升了SAM在医学图像交互式分割中的性能，并开发了兼容现有数据标注工具的MedicoSAM模型	在自动语义分割任务中，相比传统分割方法的优势并不一致，存在性能波动	改进视觉基础模型在医学图像分割中的通用性和性能	医学图像分割任务	计算机视觉	NA	深度学习微调策略	基础模型微调	医学图像	大规模多样化数据集（具体数量未说明）	NA	Segment Anything Model (SAM)	交互式分割和自动语义分割性能评估（具体指标未说明）	NA
8731	2025-12-19	AFoCo: Ambiguous Focus and Correction for Semi-Supervised Medical Image Segmentation 2025-Dec-17, IEEE transactions on neural networks and learning systems IF:10.2Q1 DOI:10.1109/TNNLS.2025.3642162 PMID:41406262	研究论文	本文提出了一种用于半监督医学图像分割的创新框架AFoCo，通过模糊聚焦和校正网络来有效识别和利用未标记数据中的模糊区域	提出了结合历史变化预测和瞬时信息熵的模糊聚焦网络，以及利用确定性信息通过加权相似性策略重新分配模糊区域像素标签的模糊校正网络，并引入了任务感知的非对称交叉监督约束	未明确说明框架在不同模态医学图像上的泛化能力，也未讨论计算复杂度和实时性能	提高半监督医学图像分割的准确性，特别是针对模糊区域的识别和利用	医学图像中的模糊区域	数字病理	NA	深度学习	CNN	图像	四个医学图像数据集（具体数量未说明）	NA	NA	分割准确率，模糊区域比例	NA
8732	2025-12-19	Advanced Deep Learning Framework for Cancer Cell Morphological Analysis and Tumor Mutational Burden Prediction From Histopathological Images 2025-Dec-17, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2025.3645411 PMID:41406280	研究论文	本研究提出了一种名为CellMorphNet的深度学习框架，用于从常规组织病理学图像中分析癌细胞形态并预测肿瘤突变负荷	提出了创新的CellMorphNet架构，整合了癌细胞形态特征提取与高级注意力机制，并采用新颖的细胞反卷积结构分离组织染色成分，以及分层路由注意力机制以选择性关注形态相关细胞区域	未在摘要中明确说明	开发一种从组织病理学图像预测肿瘤突变负荷的深度学习方法，作为分子测序的成本效益替代方案	癌细胞形态特征、肿瘤突变负荷	数字病理学	癌症	组织病理学成像	深度学习	图像	基于TCGA数据集进行五次独立训练运行	未在摘要中明确说明	CellMorphNet（包含四阶段分层金字塔结构、形态池化层和专用CellMorph块）	AUC, F1-score, 精确度, 召回率, 准确率	未在摘要中明确说明
8733	2025-12-19	VWV-SSL: Carotid vessel-wall-volume segmentation via sequence structural similarity and augmentation consistency-based self-supervised learning 2025-Dec-17, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2025.3637302 PMID:41406282	研究论文	本文提出了一种名为VWV-SSL的自监督学习算法，用于三维颈动脉超声图像分割以生成血管壁体积测量	VWV-SSL算法利用了颈动脉超声图像的序列结构相似性和强弱增强特征一致性进行自监督任务，使网络在自监督任务训练中更好地学习血管特征表示	NA	开发一种自监督学习算法以改善在少量标注图像上训练的三维颈动脉超声图像分割性能	颈动脉血管壁体积（VWV）的测量，涉及颈动脉的中膜-外膜边界（MAB）和管腔-内膜边界（LIB）的分割	医学图像分析	颈动脉粥样硬化	三维超声成像	深度学习	三维超声图像	来自250名受试者的1158个三维超声图像（包括579个颈总动脉和579个分叉处图像）	NA	3D U-Net	NA	NA
8734	2025-12-19	Diffusion Tensor Magnetic Resonance Image Registration Based on Parallel Dual-Channel VoxelMorph 2025-Dec-16, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2025.3644884 PMID:41406277	研究论文	本文提出了一种基于并行双通道VoxelMorph的扩散张量磁共振图像配准新方法，旨在解决传统DTI配准方法计算慢、精度低的问题	设计了并行双分支卷积神经网络架构，同时处理FA图像和主特征向量两种输入模式，并在解码层集成通道空间注意力机制以动态突出关键解剖特征和方向一致性	未明确说明方法在复杂病理脑结构或大规模多中心数据上的泛化能力，也未与其他最先进的深度学习方法进行系统比较	提高扩散张量磁共振图像的配准精度和计算速度，以促进其在临床应用中的可行性	扩散张量磁共振成像数据	医学图像处理	NA	扩散张量磁共振成像	卷积神经网络	4D张量数据（3D空间中的3×3张量）	NA	NA	并行双通道VoxelMorph	配准精度，计算速度	NA
8735	2025-12-19	ZhiFangDanTai: Fine-tuning Graph-based Retrieval-Augmented Generation Model for Traditional Chinese Medicine Formula 2025-Dec-16, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2025.3607819 PMID:41406278	研究论文	提出一个结合图检索增强生成与大型语言模型微调的框架，用于生成更全面、可解释的中医方剂	提出ZhiFangDanTai框架，首次将图检索增强生成与LLM微调结合用于中医方剂任务，并提供了理论证明表明该方法能降低泛化误差和幻觉率	现有中医指令数据集缺乏足够细节（如君臣佐使、功效、禁忌、舌脉诊断等），限制了模型输出的深度	提升中医方剂生成模型的全面性和可解释性	中医方剂	自然语言处理	NA	图检索增强生成，大型语言模型微调	LLM	文本	NA	NA	NA	NA	NA
8736	2025-12-19	Hippocampal auto-segmentation based on deep learning for identifying magnetic resonance imaging biomarkers of early mild cognitive impairment 2025-Dec-15, Neuroscience IF:2.9Q2 DOI:10.1016/j.neuroscience.2025.11.014 PMID:41223925	研究论文	本研究开发了一种基于深度学习的海马体自动分割预测模型，结合影像组学特征提取，构建了多种机器学习诊断模型用于轻度认知障碍（MCI）的识别	提出了一种新的基于卷积神经网络（CNN）的深度学习网络用于3D T1WI图像中海马体的自动分割，并结合影像组学特征与XGBoost算法构建高效诊断模型	样本量相对较小（150名受试者），且未提及外部验证集，可能影响模型的泛化能力	开发自动海马体分割模型并识别早期轻度认知障碍的磁共振成像生物标志物	轻度认知障碍（MCI）患者与正常对照者	医学影像分析	轻度认知障碍	磁共振成像（3D T1WI）	CNN, 机器学习分类器（LR, SVM, RF, XGBoost）	3D医学影像	150名受试者（训练集与验证集按7:3随机划分）	未明确提及，但涉及深度学习与机器学习框架	基于CNN的新型深度学习网络（具体架构未指定）	AUC, 95%置信区间	NA
8737	2025-12-19	Resolution generalization of deep learning-based dipole inversion networks for QSM 2025-Dec-15, NeuroImage IF:4.7Q1 DOI:10.1016/j.neuroimage.2025.121598 PMID:41274367	研究论文	本研究提出了一种新颖的流程，使预训练的偶极子反演网络能够从不同分辨率的输入局部场图中重建定量磁化率图（QSM），以解决现有网络在测试数据分辨率与训练数据分辨率不同时性能下降的问题	开发了一种无需修改网络架构或参数的通用流程，通过多位置重采样和偶极子补偿，提升了预训练偶极子反演网络对不同分辨率输入数据的泛化能力	研究未明确讨论流程在极端分辨率差异或复杂临床数据中的鲁棒性，且可能引入额外的计算开销	提高深度学习偶极子反演网络在定量磁化率图重建中的分辨率泛化性	预训练的偶极子反演网络（如QSMnet）及不同分辨率的局部场图数据	医学影像分析	NA	定量磁化率图（QSM）重建	深度学习网络	图像（局部场图）	NA	NA	QSMnet	NRMSE, SSIM, PSNR, HFEN	NA
8738	2025-12-19	ODF based deep learning network for unsupervised deformable diffusion resonance image registration (ODDRnet) 2025-Dec-15, NeuroImage IF:4.7Q1 DOI:10.1016/j.neuroimage.2025.121628 PMID:41318043	研究论文	本文提出了一种名为ODDRnet的端到端无监督深度学习框架，用于扩散磁共振图像的非线性配准，直接对齐高维纤维方向分布函数	ODDRnet首次利用纤维方向分布函数（fODF）的方向信息进行扩散MRI配准，相比仅依赖标量信息的方法，能更精确地对齐白质结构，特别是在复杂纤维交叉区域	未明确提及具体局限性，但可能包括对高质量fODF估计的依赖、计算资源需求或特定数据集上的泛化挑战	开发一种深度学习框架，以实现扩散MRI数据的非线性配准，并利用方向信息提高白质结构对齐的解剖学精度	扩散MRI数据，特别是从原始信号导出的纤维方向分布函数（fODF）	医学图像处理	NA	扩散MRI（dMRI），纤维方向分布函数（fODF）分析	深度学习网络	扩散磁共振图像（dMRI）	多个公共和私有数据集（具体数量未明确提及）	NA	ODDRnet（具体架构未详细说明）	束状结构Dice系数，束状结构距离（以毫米为单位）	NA
8739	2025-12-19	Radon single-pixel flying target classification via texture-fused lightweight differentiable operators 2025-Dec-15, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-27721-3 PMID:41398006	研究论文	本文提出了一种针对Radon单像素成像的纹理融合轻量级可微分算子模型，用于低采样率下的飞行目标分类	将传统纹理算子和线滤波算子集成到可微分模块中，专门针对Radon单像素成像特性进行优化设计	未明确说明模型在极端低采样率或复杂背景下的性能限制	解决低采样率Radon单像素成像中因成像质量下降导致的内容识别难题	飞行目标（鸟类和无人机）	计算机视觉	NA	Radon单像素成像	深度学习模型	图像	未明确说明具体数量，使用自建的Radon SPI飞行目标分类数据集	未明确说明	基于SOTA轻量级分类模型的改进架构	Top-1准确率	GPU硬件（具体型号未说明）
8740	2025-12-19	NeuroFusionNet: a hybrid EEG feature fusion framework for accurate and explainable Alzheimer's Disease detection 2025-Dec-15, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-28070-x PMID:41398345	研究论文	本文提出了一种名为NeuroFusionNet的混合深度学习框架，用于基于EEG的阿尔茨海默病及相关痴呆的准确、可解释和高效分类	提出了一种混合特征融合框架，结合了手工特征和从定制1D-CNN提取的潜在时间嵌入，并采用了特征选择、降维和类别平衡技术以增强判别学习	尽管准确率高且计算效率好，但研究未明确讨论模型在更广泛或多样化临床环境中的泛化能力	开发一个准确、可解释且高效的EEG分类框架，用于阿尔茨海默病及相关痴呆的早期检测	阿尔茨海默病及相关痴呆患者的EEG数据	机器学习	阿尔茨海默病	EEG信号处理	CNN, DNN	EEG信号	三个公共EEG数据集：OpenNeuro ds004504（闭眼）、ds006036（睁眼）和独立的OSF数据集	未明确指定，但提及了SHAP和Grad-CAM用于可解释性	定制的一维卷积神经网络（1D-CNN）和五层深度神经网络	准确率, 宏F1分数	标准临床CPU（无需GPU支持），模型轻量（0.94M参数，4.1 MB占用），推理时间6.5 ms每样本