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
901	2025-12-09	Critical review of the model description in 'Kurdish handwritten character recognition using deep learning techniques' 2025-Dec, Gene expression patterns : GEP IF:1.0Q4 DOI:10.1016/j.gep.2025.119399 PMID:40617480	评论	本文对一篇关于库尔德手写字符识别的深度学习论文中的模型描述不一致性进行了批判性评论	指出了原论文在模型架构描述、类别标签和模型总结方面的关键不一致性，旨在提升研究的透明度和可重复性	NA	审查和纠正已发表论文中的模型描述错误，以促进学术研究的准确性和可重复性	库尔德手写字符识别领域的深度学习研究论文	自然语言处理	NA	NA	深度学习	手写字符图像	NA	NA	NA	NA	NA
902	2025-12-09	Coupled Diffusion Models for Metal Artifact Reduction of Clinical Dental CBCT Images 2025-Dec, IEEE transactions on medical imaging IF:8.9Q1 DOI:10.1109/TMI.2025.3587131 PMID:40627491	研究论文	本文提出了一种基于耦合扩散模型的新方法，用于减少临床牙科CBCT图像中的金属伪影	提出耦合扩散模型（CDM），通过分别训练两个扩散模型获取先验信息，并设计噪声转换模块和MA自适应推理技术，有效利用未对齐的MA退化图像与干净图像之间的固有转换	未明确说明模型在极端或罕见临床情况下的泛化能力，且仅基于特定临床数据集进行实验	减少临床牙科CBCT图像中的金属伪影，以改善后续诊断	临床牙科CBCT图像	计算机视觉	NA	CBCT成像	扩散模型	图像	NA	NA	扩散模型	客观指标, 视觉质量	NA
903	2025-12-09	ssEM Image Restoration via Diffusion Models With Multi-Output Joint Strategy for Noise Estimation 2025-Dec, IEEE transactions on medical imaging IF:8.9Q1 DOI:10.1109/TMI.2025.3584726 PMID:40627490	研究论文	本研究提出了一种基于扩散模型的新方法，用于恢复连续切片电子显微镜（ssEM）图像中缺失的切片	提出了利用扩散模型恢复ssEM图像缺失切片的新方法；针对ssEM图像的各向异性特点，使用非对称和对称3D卷积增强骨干网络；设计了带有首尾切片注意力块（FLAB）的自适应可学习重建（ALR）模块进行特征提取；采用多输出联合策略（MJS）进行噪声估计以减少训练-测试差异；重新设计了推理过程以优化部分损坏切片的恢复，无需额外的伪影模拟或重新训练	未明确说明	恢复连续切片电子显微镜（ssEM）图像中缺失的切片，提升图像质量和下游任务性能	连续切片电子显微镜（ssEM）图像	计算机视觉	NA	连续切片电子显微镜（ssEM）	扩散模型	图像	未明确说明	未明确说明	未明确说明具体架构名称，但包含非对称和对称3D卷积增强的骨干网络、自适应可学习重建（ALR）模块、首尾切片注意力块（FLAB）	未明确说明具体指标，但提及生成更真实的切片并在下游任务中表现优异	未明确说明
904	2025-12-09	Region Uncertainty Estimation for Medical Image Segmentation With Noisy Labels 2025-Dec, IEEE transactions on medical imaging IF:8.9Q1 DOI:10.1109/TMI.2025.3589058 PMID:40658577	研究论文	本文提出了一种用于处理带有噪声标签的CT图像分割的区域不确定性估计框架	提出了样本分层训练策略和边界引导的区域不确定性估计模块，以更可靠地利用噪声标签数据并评估样本置信度	NA	解决医学图像分割中因标注成本高而使用噪声标签时，对边界模糊的器官和组织分割效果不佳的问题	CT图像中的器官和组织分割	医学图像分割	NA	CT图像分割	深度学习模型	3D CT图像	NA	NA	NA	NA	NA
905	2025-12-09	VAULT-OCT: vault accuracy using deep learning technology-an artificial intelligence model for predicting implantable collamer lens postoperative vault with AS-OCT 2025-Dec-01, Journal of cataract and refractive surgery IF:2.6Q1 DOI:10.1097/j.jcrs.0000000000001743 PMID:40660493	研究论文	本研究开发了一个名为VAULT-OCT的深度学习模型，用于基于术前光学相干断层扫描（OCT）预测有晶状体眼植入式Collamer镜片（ICL）的术后拱高	首次利用深度学习技术结合术前AS-OCT图像来预测ICL术后拱高，为ICL尺寸选择提供了一种基于人工智能的新方法	研究为回顾性设计，样本量相对有限（324只眼），且仅基于单一中心的患者数据，可能影响模型的泛化能力	开发一个高精度的深度学习模型，以预测ICL植入术后的拱高，辅助临床医生进行术前ICL尺寸选择	接受ICL植入术的患者及其术前AS-OCT图像与术后拱高测量数据	计算机视觉	眼科疾病	光学相干断层扫描（OCT）	深度学习，神经网络	图像（AS-OCT图像）	324只眼睛（来自162名连续患者）	未明确说明	自定义分类器（具体架构未指定）	均方根误差，平均绝对误差（MAE），标准差（SD），预测值在200微米内的百分比	NA
906	2025-12-09	Robust Polyp Detection and Diagnosis Through Compositional Prompt-Guided Diffusion Models 2025-Dec, IEEE transactions on medical imaging IF:8.9Q1 DOI:10.1109/TMI.2025.3589456 PMID:40663685	研究论文	本文提出了一种渐进式频谱扩散模型（PSDM），通过组合提示整合多种临床标注，生成合成息肉图像以增强训练数据，从而提升息肉检测、分类和分割的性能	提出PSDM模型，首次将分割掩码、边界框和结肠镜报告等多种临床标注转化为组合提示，分为粗粒度和细粒度组件，以生成更临床准确的合成图像，并显著改善模型在分布外数据上的泛化能力	未提及模型在实时临床环境中的部署验证或计算效率分析	通过生成合成息肉图像来增强深度学习模型的泛化能力，以改进结直肠癌的早期检测	结肠镜图像中的息肉	计算机视觉	结直肠癌	扩散模型	扩散模型	图像	基于PolypGen等多中心数据集，具体样本量未提及	未提及	渐进式频谱扩散模型（PSDM）	F1分数, 平均精度均值（mAP）	未提及
907	2025-12-09	Topology Optimization in Medical Image Segmentation With Fast χ Euler Characteristic 2025-Dec, IEEE transactions on medical imaging IF:8.9Q1 DOI:10.1109/TMI.2025.3589495 PMID:40720275	研究论文	提出一种基于欧拉特征的快速拓扑优化方法，用于提升医学图像分割的拓扑正确性	首次将快速欧拉特征计算与拓扑违例图结合，构建端到端的拓扑感知分割校正网络，突破了传统持续同调方法的高计算复杂度限制	未在更高维数据（如4D时空数据）上验证，且拓扑约束类型主要针对连通性和孔洞结构	解决医学图像分割中拓扑约束难以满足的问题	医学图像分割结果	数字病理	NA	深度学习分割	CNN	2D/3D医学图像	NA	NA	拓扑感知校正网络	欧拉特征误差，像素级分割精度	NA
908	2025-12-09	Deep learning-driven whole-slide image analysis predicts chemo-resistance and motility subtypes in muscle-invasive bladder cancer 2025-Dec, Genes & genomics IF:1.6Q3 DOI:10.1007/s13258-025-01677-0 PMID:40906037	研究论文	本研究利用深度学习分析全切片图像，预测肌肉浸润性膀胱癌的化疗耐药性和运动亚型	首次提出使用常规组织学全切片图像的深度学习分析作为分子谱分析的实用、低成本替代方案，有效预测与化疗耐药相关的转录组亚型	样本量相对有限（152名患者），且仅基于TCGA-BLCA队列，需要外部验证	评估基于全切片图像的深度学习模型能否准确预测转录组衍生的化疗耐药-运动亚型并反映肿瘤微环境特征	肌肉浸润性膀胱癌患者	数字病理学	膀胱癌	全切片图像分析	CNN, 随机森林	图像	152名TCGA-BLCA患者的192张全切片图像	PyTorch, Scikit-learn	DenseNet169	平衡准确度, 相关系数	NA
909	2025-12-09	Multimodal deep learning for predicting postoperative vault and selecting implantable collamer lens sizes using AS-OCT and ultrasound biomicroscopy images 2025-Dec-01, Journal of cataract and refractive surgery IF:2.6Q1 DOI:10.1097/j.jcrs.0000000000001747 PMID:40929576	研究论文	本研究开发并验证了一种多模态深度学习模型，用于预测ICL植入术后拱高并选择ICL尺寸，结合了AS-OCT和UBM图像以及临床特征	首次结合AS-OCT和UBM图像与临床特征，采用多模态深度学习模型预测术后拱高和选择ICL尺寸，克服了单模态数据分析的局限性	样本量有限，未来需要扩大样本并进行多中心验证以增强模型的泛化能力和临床适用性	开发并验证一种多模态深度学习模型，以提高ICL植入术后拱高预测和ICL尺寸选择的准确性	接受ICL V4c植入的105名参与者的209只眼睛的AS-OCT和UBM图像及临床数据	计算机视觉	眼科疾病	AS-OCT, UBM	CNN, LightGBM, XGBoost, RF	图像, 临床数据	209只眼睛（来自105名参与者），包括626张AS-OCT图像和1309张UBM图像	NA	ResNet50	MAE, RMSE, R2, 准确率, 灵敏度, 特异性, 精确率	NA
910	2025-09-21	Comment on: VAULT-OCT: vault accuracy using deep learning technology-an AI model for predicting implantable collamer lens postoperative vault with AS-OCT 2025-Dec-01, Journal of cataract and refractive surgery IF:2.6Q1 DOI:10.1097/j.jcrs.0000000000001794 PMID:40971892	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
911	2025-12-09	AI-enhanced orthodontic treatment planning - a scoping review on evidence-based clinical application with commercial software overview 2025-Dec, Journal of dentistry IF:4.8Q1 DOI:10.1016/j.jdent.2025.106112 PMID:40975160	综述	本文是一篇范围综述，旨在识别关于AI增强正畸治疗规划工具的证据基础研究，并评估其临床相关性和商业软件的可用性	系统性地综述了AI在正畸治疗规划中的应用，并对比了学术验证工具与商业软件之间的差异，强调了商业工具缺乏公开验证的现状	仅纳入了截至2025年2月的英文全文研究，可能存在发表偏倚，且商业软件普遍缺乏已发表的验证数据	评估AI增强正畸治疗规划工具的临床证据基础、应用潜力及商业软件的现状	正畸治疗规划中基于AI的决策支持工具，包括学术研究验证的工具和商业软件	自然语言处理, 机器学习	正畸疾病	机器学习, 深度学习, 大语言模型	大语言模型, 机器学习模型, 深度学习模型	文本, 临床数据（如口内扫描）	17项符合纳入标准的研究（从307项研究中筛选）	NA	NA	准确率（72% 至 95%）	NA
912	2025-12-09	Types, functions, and mechanisms of machine learning for personalizing smoking cessation interventions: A systematic scoping review 2025-Dec, Artificial intelligence in medicine IF:6.1Q1 DOI:10.1016/j.artmed.2025.103274 PMID:41005038	综述	本文通过系统性范围综述，探讨了机器学习在个性化戒烟干预中的类型、功能和机制	首次系统性地综述了机器学习在个性化戒烟干预中的潜在应用，并明确了其类型、功能与机制	现有研究存在局限性，未来需通过更稳健的实验方法对模型进行精炼、验证和测试	系统梳理机器学习在个性化戒烟干预中的应用类型、功能与机制，为未来研究提供建议	机器学习在戒烟干预中的个性化应用	机器学习	NA	机器学习	人工神经网络, 贝叶斯算法, 聚类算法, 决策树算法, 深度学习算法, 集成算法, 线性分类器, 其他, 未指定	NA	从4073条记录中筛选出98篇文章	NA	NA	NA	NA
913	2025-12-09	Deep learning in abdominopelvic digital subtraction angiography: a systematic review of interventional radiology applications 2025-Dec, European journal of radiology IF:3.2Q1 DOI:10.1016/j.ejrad.2025.112456 PMID:41016082	系统综述	本文系统综述了深度学习在腹盆部数字减影血管造影介入放射学应用中的现状、性能及文献空白	首次系统性地评估了深度学习在腹盆部DSA介入放射学应用中的研究进展，并识别了现有文献中的研究缺口	纳入研究数量有限（仅9项），且大多数模型基于单中心小数据集开发，泛化能力受限，目前尚无FDA批准的DL工具用于腹盆部DSA	评估深度学习在腹盆部数字减影血管造影介入放射学应用中的现状与性能	腹盆部数字减影血管造影图像	介入放射学	NA	数字减影血管造影	深度学习	医学图像	小规模单中心数据集	NA	NA	AUC, 准确率	NA
914	2025-12-09	Automated detection of pyogenic liver abscess and diagnosis of Klebsiella pneumoniae infection based on CECT images with deep learning: A multicenter study 2025-Dec, European journal of radiology IF:3.2Q1 DOI:10.1016/j.ejrad.2025.112462 PMID:41072135	研究论文	本研究开发并验证了一个基于深度学习的AI系统（PLADA），用于从CECT图像中自动检测肝脓肿并诊断肺炎克雷伯菌感染	提出了一个模拟临床工作流程的两阶段AI框架，首次结合V-Net自动分割和放射组学特征进行KPLA诊断，并在多中心研究中进行了验证	研究基于回顾性、单国家数据集，可能限制模型的泛化能力	开发一种准确、非侵入性的方法，用于在资源有限环境中早期诊断肺炎克雷伯菌肝脓肿	肝脓肿患者	数字病理学	肝脓肿	对比增强计算机断层扫描	深度学习, 机器学习	医学影像	492名肝脓肿患者	未明确说明	V-Net	Dice系数, AUC, 敏感性, 特异性	NA
915	2025-12-09	Multimodal deep learning model for predicting microsatellite instability in colorectal cancer by contrast-enhanced computed tomography and histopathology 2025-Dec, European journal of radiology IF:3.2Q1 DOI:10.1016/j.ejrad.2025.112468 PMID:41101004	研究论文	本研究开发并验证了一个融合术前增强CT和术后全切片图像的多模态深度学习模型，用于预测结直肠癌的微卫星不稳定性状态	提出了一种融合静脉期CT和病理图像特征的自适应残差网络模型，实现了跨模态信息整合，并在多中心数据上验证了其优于单模态和替代融合模型的性能	研究为回顾性设计，样本量相对有限，且仅使用了静脉期CT图像	开发一个可临床扩展的工具，用于预测结直肠癌的微卫星不稳定性状态，以支持患者分层和免疫治疗决策	结直肠癌患者	数字病理学	结直肠癌	对比增强计算机断层扫描，全切片图像	深度学习	图像	305名结直肠癌患者的配对CECT和WSI图像	NA	EfficientNet-b0, ResNet 101, 自适应残差网络	AUC, 准确率, 灵敏度, 特异性, F1分数	NA
916	2025-12-09	Metabolomic biomarkers enhance prediction of feeding intolerance in ICU septic patients 2025-Dec, Clinics and research in hepatology and gastroenterology IF:2.6Q2 DOI:10.1016/j.clinre.2025.102731 PMID:41207616	研究论文	本研究通过整合代谢组学与临床数据，开发了一种深度学习模型，以改善ICU脓毒症患者肠内喂养不耐受的预测	首次将血清代谢组学标志物与临床风险因素结合，构建了预测脓毒症患者喂养不耐受的深度学习模型，显著提升了预测性能	样本量较小（60例患者），且缺乏外部验证，临床推广应用前需进一步验证	提高ICU脓毒症患者肠内喂养不耐受的预测准确性	脓毒症患者（包括喂养不耐受组和耐受组）及健康对照	机器学习	脓毒症	液相色谱-质谱联用	深度学习算法	代谢组学数据、临床数据	60例脓毒症患者（30例喂养不耐受，30例耐受）及20例健康对照	NA	NA	AUC, 准确率, 精确率, F1分数, 净重分类指数, 综合判别改善指数	NA
917	2025-12-09	Artificial intelligence in echocardiography: current applications and future perspectives 2025-Dec, Journal of echocardiography IF:1.4Q3 DOI:10.1007/s12574-025-00703-0 PMID:40839151	综述	本文综述了人工智能在超声心动图领域的当前应用与未来展望	系统总结了AI如何通过机器学习，特别是深度学习，提升超声心动图的图像采集、解读和诊断准确性，并探讨了其作为辅助工具而非替代人类专家的角色	存在数据偏见、跨人群和设备泛化性有限、AI模型“黑箱”特性以及伦理问题（如数据隐私和数字技术获取不平等）等挑战	探讨人工智能在超声心动图领域的应用现状、挑战及未来发展方向	超声心动图技术及其在临床诊断中的应用	医学影像分析	心血管疾病	NA	深度学习	图像	NA	NA	NA	准确性	NA
918	2025-12-09	Diagnostic accuracy of AI-based models for autism spectrum disorder: A systematic review and meta-analysis with a focus on Arab populations 2025-Dec, Research in developmental disabilities IF:2.9Q1 DOI:10.1016/j.ridd.2025.105166 PMID:41270703	系统综述与荟萃分析	本文通过系统综述和荟萃分析，评估了基于人工智能（AI）的模型在自闭症谱系障碍（ASD）诊断中的准确性，特别关注阿拉伯人群	这是首个针对AI在ASD诊断中应用的系统综述与荟萃分析，并特别聚焦于阿拉伯人群，揭示了混合模型（深度特征提取器与经典分类器结合）的优越性能	研究仅纳入2019年至2025年间的文献，可能存在发表偏倚；对阿拉伯人群的分析样本量相对有限，且文化、语言因素对模型性能的影响仍需进一步探讨	评估基于AI的模型在自闭症谱系障碍（ASD）诊断中的准确性，并特别关注阿拉伯人群，同时评价方法学质量及文化因素对模型性能的潜在影响	自闭症谱系障碍（ASD）患者，特别是阿拉伯人群	机器学习	自闭症谱系障碍	监督式人工智能系统、机器学习（ML）、深度学习（DL）	混合模型（深度特征提取器与经典分类器结合）、传统机器学习模型、深度学习模型	NA	26,569个实例（来自10项研究，共59个模型评估）	NA	NA	灵敏度、特异度、似然比、诊断比值比（DOR）	NA
919	2025-12-09	THE UTILITY OF DEEP LEARNING MODEL IN CLINICAL TREATMENT DECISION-MAKING OF MANDIBULAR THIRD MOLAR: A SYSTEMATIC REVIEW AND META-ANALYSIS 2025-Dec, The journal of evidence-based dental practice IF:4.1Q1 DOI:10.1016/j.jebdp.2025.102164 PMID:41290278	系统综述与荟萃分析	本文通过系统综述和荟萃分析评估了深度学习在下颌第三磨牙临床治疗决策中的效用	首次通过荟萃分析量化比较深度学习模型与人类专家在评估下颌第三磨牙与下牙槽神经空间关系方面的诊断性能	纳入研究存在异质性，且部分研究可能存在偏倚，深度学习模型在临床实际应用中的泛化能力仍需进一步验证	评估深度学习在医学影像中改善下颌第三磨牙相关临床程序的有效性	下颌第三磨牙的影像数据及其与下牙槽神经的解剖关系	数字病理	口腔颌面外科疾病	医学影像分析	深度学习模型	口腔全景X光片	45,029个影像实例	NA	NA	敏感性, 特异性	NA
920	2025-12-09	Machine learning and deep learning in clinical practice: Advancing neurodegenerative disease diagnosis with multimodal markers 2025-Dec-01, Brain research bulletin IF:3.5Q2 DOI:10.1016/j.brainresbull.2025.111667 PMID:41338440	综述	本文综述了机器学习和深度学习在神经退行性疾病诊断与管理中的应用，重点探讨了多模态生物标志物的整合及其临床转化潜力	系统梳理了AI在神经退行性疾病多模态数据（神经影像、电生理、行为、言语、分子标志物）中的应用，并前瞻性地讨论了联邦学习、可解释AI和大语言模型等新兴方向	面临数据异质性、模型可解释性不足、人群多样性缺乏以及患者隐私伦理等挑战	探讨人工智能（特别是机器学习）在神经退行性疾病精准诊断与治疗中的应用现状与未来方向	神经退行性疾病（阿尔茨海默病、帕金森病、亨廷顿病、多发性硬化症）	机器学习	神经退行性疾病	NA	机器学习, 深度学习	多模态数据（神经影像、电生理、行为功能、言语与笔迹分析、分子生物标志物）	NA	NA	NA	诊断准确性	NA