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
9261	2025-12-12	Beehive-entrance imaging and deep learning for real-time monitoring of Varroa destructor in apiculture 2026-Feb, Journal of invertebrate pathology IF:3.6Q1 DOI:10.1016/j.jip.2025.108465 PMID:41057107	研究论文	本研究提出了一种基于蜂巢入口成像和深度学习的方法，用于实时监测蜜蜂中的瓦螨（Varroa destructor）	通过改造传统蜂巢并部署基于YOLOv5s的检测器，实现了在蜜蜂运动和环境光照变化下的实时瓦螨检测，并提供了经济可行的规模化部署方案	未明确提及模型在不同气候或蜂种间的泛化能力，以及长期运行中的维护挑战	开发一种实时、自动化的瓦螨监测系统，以支持可持续和数据驱动的养蜂实践	蜜蜂（Apis mellifera）及其寄生虫瓦螨（Varroa destructor）	计算机视觉	NA	蜂巢入口成像	CNN	图像, 视频	1,600张标注图像，补充了螨虫特写	NA	YOLOv5s	平均精度均值（mAP@0.5）	NA
9262	2025-12-12	Using Deep Learning With Few-Shot Learning to Improve Data Capture in Total Hip Arthroplasty Operative Notes 2026-Jan, The Journal of arthroplasty IF:3.4Q1 DOI:10.1016/j.arth.2025.06.008 PMID:40484056	研究论文	本研究评估了使用GPT-4结合少样本学习技术，从全髋关节置换术手术记录中提取植入物固定方式、技术使用和手术入路信息的可行性	首次将GPT-4与自定义少样本学习提示结合，应用于骨科手术记录的自动化数据提取，并生成临床分类的详细理由	研究为单中心试点，样本量有限（240份记录），且仅针对全髋关节置换术，未验证在其他手术或医疗场景的泛化能力	提高全髋关节置换术手术记录中关键信息的自动化提取准确性和效率，以支持大规模骨科数据登记和分析	全髋关节置换术的手术记录文本	自然语言处理	骨科疾病	少样本学习	GPT-4	文本	240份独特手术记录（来自38名外科医生，2011年11月至2024年3月）	NA	GPT-4	准确率, Flesch-Kincaid等级分数, 自BLEU分数, 字符级序列匹配率	NA
9263	2025-12-12	Systematic review and meta-analysis of artificial intelligence models for diagnosing and subphenotyping ARDS in adults 2026 Jan-Feb, Heart & lung : the journal of critical care IF:2.4Q2 DOI:10.1016/j.hrtlng.2025.09.017 PMID:41037977	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人工智能模型在成人ARDS诊断和亚表型识别中的诊断性能与方法学质量	首次对人工智能模型在ARDS诊断和亚表型识别方面的研究进行了全面的系统综述和荟萃分析，并评估了其方法学质量及AI特定指标	研究存在高异质性，校准报告缺失较多，外部验证不足，亚表型研究仍处于探索阶段	评估人工智能模型在成人ARDS及其亚表型识别中的诊断性能和方法学质量	成人ARDS患者	机器学习	急性呼吸窘迫综合征	NA	深度学习, 机器学习	图像, 非图像数据	63项研究，共135,762名参与者	NA	NA	灵敏度, 特异性, AUROC	NA
9264	2025-12-12	Deep Learning Approaches for Thrombosis Detection and Risk Assessment Via Ultrasound Imaging: A Scoping Review 2026-Jan, Ultrasound in medicine & biology DOI:10.1016/j.ultrasmedbio.2025.09.019 PMID:41136271	综述	本文是一篇范围综述，探讨了深度学习技术在超声成像中用于血栓检测和风险评估的应用现状	系统性地综述了深度学习在静脉、动脉和心脏血栓超声检测与风险评估中的应用，并识别了当前的研究趋势和未来方向	纳入研究的数据集和验证方法存在显著异质性，且缺乏标准化、可公开访问的数据集	调查深度学习技术如何应用于超声成像，以增强血栓的检测和风险评估	超声成像中的血栓，涉及静脉、动脉和心脏等不同血管环境	计算机视觉	心血管疾病	超声成像，包括B型超声、多普勒超声、血管内超声和经食道超声心动图	CNN, U-Net, ResNet, ANN	图像	NA	NA	卷积神经网络, U-Net, 残差神经网络, 人工神经网络	灵敏度, 特异度, 准确率, AUC	NA
9265	2025-12-12	Biomarker-Specific Test-Retest Repeatabilities of Microperimetry in Neovascular Age-Related Macular Degeneration 2026-Jan, Ophthalmology science IF:3.2Q1 DOI:10.1016/j.xops.2025.100978 PMID:41362358	研究论文	本研究评估了微视野检查在新生血管性年龄相关性黄斑变性患者中针对特定生物标志物的设备内和设备间重复性	首次结合深度学习量化OCT生物标志物，系统评估了不同光照条件下微视野检查的重复性及其与特定生物标志物的关联	样本量较小（20只眼），仅纳入nAMD患者，未包含健康对照组或其他视网膜疾病	评估微视野检查在nAMD患者中的重复性，并探究OCT生物标志物对重复性的影响	20名新生血管性年龄相关性黄斑变性患者的20只眼	数字病理学	年龄相关性黄斑变性	微视野检查，OCT成像，深度学习图像分析	深度学习模型	图像，功能测试数据	20只眼（来自20名nAMD患者）	NA	NA	Bland-Altman图，重复性系数，组内相关系数，混合效应模型P值	NA
9266	2025-12-12	Predicting Attainment of Clinically Important Difference in the Japanese Orthopaedic Association Back Pain Evaluation Questionnaire: A Comparison of Deep Learning and Machine Learning 2026-Jan-01, Spine IF:2.6Q1 DOI:10.1097/BRS.0000000000005534 PMID:41066627	研究论文	本研究比较了三种人工智能模型（TabNet、深度神经网络和弹性网络惩罚逻辑回归）在预测日本骨科协会背痛评估问卷临床重要差异达成方面的能力	首次将TabNet等深度学习模型应用于预测背痛手术后功能改善的临床重要差异，并通过多中心数据进行训练和外部验证	研究为回顾性设计，可能存在选择偏倚；样本量相对有限，且仅基于日本患者数据，可能影响模型的泛化能力	评估人工智能模型在预测腰椎手术后患者报告结局改善方面的准确性和可靠性	来自三个脊柱中心的1149名接受腰椎手术的患者	机器学习	背痛	患者报告结局测量（JOABPEQ和VAS评分）	TabNet, DNN, ENLR	结构化临床数据（包括年龄、性别、术前评分等）	1149名患者（训练集981名，外部验证集168名）	NA	TabNet, 深度神经网络, 弹性网络惩罚逻辑回归	AUC, 准确率	NA
9267	2025-12-12	Transformer-based deep learning architecture for multivariable radioactive source term inversion 2026-Jan, Journal of environmental radioactivity IF:1.9Q3 DOI:10.1016/j.jenvrad.2025.107835 PMID:41082808	研究论文	本文开发了一种基于Transformer的深度学习架构，用于多变量放射性源项反演，以支持核应急响应和后果评估	首次将Transformer架构结合贝叶斯优化应用于放射性源项的多变量反演，并通过特征消融分析揭示了高浓度监测点对反演的重要性	在耦合所有三个变量的场景中，释放高度的决定系数较低（0.72），表明模型在该变量上的反演性能有待提升	开发一种深度学习模型，用于准确估计放射性源项的多个变量（释放速率、高度和位置）	放射性源项的反演，包括释放速率、释放高度和释放位置	机器学习	NA	CALMET-LAPMOD耦合模型，Kincaid示踪实验验证	Transformer	模拟数据集	针对五种代表性场景系统构建的数据集，具体样本数量未明确说明	NA	Transformer	决定系数（R），平均距离误差，95%置信水平	NA
9268	2025-12-12	Long-term projections of global groundwater storage under future climate change scenarios using deep learning 2025-Dec-20, The Science of the total environment DOI:10.1016/j.scitotenv.2025.181043 PMID:41319536	研究论文	本研究利用深度学习模型预测未来气候变化情景下全球地下水储量的长期变化	首次采用气候诱导的AI模型结合CMIP6 SSPs情景，对全球GRACE地下水储量进行长期预测至2100年，并识别温度作为主导驱动因素	模型依赖于CMIP6情景假设，未考虑局部人为干预或极端事件突变影响	评估未来气候变化对全球地下水储量的影响，为可持续水资源管理提供依据	全球地下水储量变化	机器学习	NA	深度学习	深度学习模型	气候数据、GRACE卫星数据	全球范围数据	NA	NA	NRMSE, IOA	NA
9269	2025-12-12	Chronic liver disease classification using deep learning with SHAP-optimized hybrid features 2025-Dec-19, iScience IF:4.6Q1 DOI:10.1016/j.isci.2025.113972 PMID:41362625	研究论文	本研究提出了一种基于深度神经网络（DNN）的预测框架，结合特征排序和基于投影的算法，用于准确检测慢性肝病，并通过SHAP增强模型可解释性	提出了一种新颖的预测框架，将深度神经网络与特征排名和投影算法集成，并应用SHAP提高模型可解释性，以识别影响预测的最重要特征	NA	开发一种准确高效的慢性肝病检测方法，以支持早期干预并改善患者预后	慢性肝病	机器学习	肝病	NA	DNN	NA	NA	NA	深度神经网络	准确率	NA
9270	2025-12-12	Methods for sample preparation and signal amplification in antibiotic detection using surface-enhanced Raman scattering 2025-Dec-15, Food chemistry IF:8.5Q1 DOI:10.1016/j.foodchem.2025.146294 PMID:40934785	综述	本文综述了利用表面增强拉曼散射（SERS）进行抗生素检测的样品制备和信号放大方法	探讨了SERS与预浓缩、放大、磁性富集及分子印迹聚合物等工具的独用或混合应用趋势，并指出SERS耦合固/液相萃取领域尚待探索，以及深度学习在解析复杂SERS谱带中的潜力	SERS耦合固/液相萃取的研究不足，需要兼容的纳米颗粒和新型纳米吸附剂	开发用于复杂基质中抗生素检测的先进预处理、分离和鉴别工具	抗生素	机器学习	NA	表面增强拉曼散射（SERS）	深度学习	拉曼光谱数据	NA	NA	NA	NA	NA
9271	2025-12-12	Artificial intelligence in panoramic radiography interpretation: a glimpse into the state-of-the-art radiologic examination method 2025-Dec-11, International journal of computerized dentistry IF:1.8Q2 DOI:10.3290/j.ijcd.b6173229 PMID:40272192	研究论文	本研究开发了一种基于YOLOv8的深度学习模型，用于在来自不同设备和设置的全景X光片中准确检测和分割多种牙齿问题及解剖结构	开发了一个多类别诊断标注模型，能够同时检测和分割33种不同的牙齿状况和解剖结构，而现有研究通常单独处理这些条件	未明确说明模型在不同设备和设置下的泛化能力的具体测试范围，以及临床实际应用中的验证情况	开发一个深度学习模型，用于辅助医生在全景X光片解读中的临床实践	全景X光片	计算机视觉	牙科疾病	全景X光成像	CNN	图像	NA	NA	YOLOv8	精确度, 灵敏度, F1分数	NA
9272	2025-12-12	Investigation of data-driven stopping power calibration of treatment planning x-ray CT from simulated sparse-view proton radiographies 2025-Dec-11, Physics in medicine and biology IF:3.3Q1 DOI:10.1088/1361-6560/ae2418 PMID:41289688	研究论文	本研究探索了利用深度学习融合质子放射成像和治疗计划X射线CT数据，以改进质子停止功率相对水（RSP）校准的方法	首次应用深度学习融合质子放射成像和治疗计划CT数据来改进RSP校准，相比传统优化方法，在特定探测器类型上实现了更低的校准误差	研究基于模拟数据，假设质子轨迹为直线，且未在真实临床数据上进行验证	改进质子治疗计划中X射线CT到质子停止功率的校准，以减少范围不确定性	质子治疗计划中的患者RSP图	医学影像分析	NA	蒙特卡洛模拟，质子放射成像	深度学习神经网络	模拟的X射线CT图像和质子放射成像数据	NA	NA	学习原始对偶（LPD）架构	中位数绝对百分比误差	NA
9273	2025-12-12	High-throughput atomic force microscopy measurements reveal mechanical signatures of cell mixtures for liquid biopsy 2025-Dec-11, Nanoscale IF:5.8Q1 DOI:10.1039/d5nr04346h PMID:41347355	研究论文	本研究利用高通量原子力显微镜结合深度学习模型，揭示了混合循环肿瘤细胞的独特机械表型，以提高液体活检的灵敏度	首次将高通量原子力显微镜单细胞压痕检测与深度学习实时识别技术结合，用于构建混合循环肿瘤细胞的机械特征，实现自主高通量测量	方法依赖于光学亮场图像识别，可能受图像质量影响；实验在共培养细胞和血液样本中验证，但临床大规模应用仍需进一步测试	提高循环肿瘤细胞检测的灵敏度，以推进液体活检在肿瘤诊断和治疗中的应用	混合循环肿瘤细胞、共培养的贴壁细胞	数字病理学	癌症	原子力显微镜、微流控细胞分选	深度学习模型	图像	大量细胞（具体数量未明确说明）	NA	NA	NA	NA
9274	2025-12-12	Cervical sagittal alignment after multilevel ACDF: correction goes along with loss of compensation 2025-Dec-11, European spine journal : official publication of the European Spine Society, the European Spinal Deformity Society, and the European Section of the Cervical Spine Research Society IF:2.6Q1 DOI:10.1007/s00586-025-09653-8 PMID:41372658	研究论文	本研究通过回顾性分析，探讨了多节段前路颈椎间盘切除融合术（ACDF）对颈椎矢状面排列及代偿机制的影响	首次利用深度学习模型量化分析多节段ACDF前后颈椎矢状面参数的变化，并揭示了手术节段前凸与未融合节段及上颈椎代偿机制之间的负相关关系	研究为回顾性设计，证据等级为IV级，可能存在选择偏倚，且未长期随访评估远期稳定性	明确多节段ACDF手术对颈椎矢状面排列和代偿机制的改变	因颈椎病接受2-3节段ACDF手术的290名患者	数字病理学	颈椎病	深度学习模型分析	深度学习模型	医学影像（X光片）	290名患者	NA	NA	NA	NA
9275	2025-12-12	Enhancing total knee replacement prediction: a longitudinal joint space radiomic model integrated with clinical symptoms 2025-Dec-11, International journal of surgery (London, England) DOI:10.1097/JS9.0000000000004427 PMID:41376347	研究论文	本研究开发并验证了一个结合关节间隙影像组学特征与临床症状的纵向模型，用于预测4年内需要进行全膝关节置换术的风险	首次将关节间隙影像组学特征与临床症状评分整合到一个纵向预测模型中，用于预测全膝关节置换术	研究样本仅来自骨关节炎倡议队列，模型在外部队列中的泛化能力有待验证	开发一个能够准确预测4年内需要进行全膝关节置换术的集成模型	患有症状性膝骨关节炎但基线时未进行全膝关节置换的患者膝关节	数字病理学	骨关节炎	MRI, 深度学习, 机器学习	深度学习, 机器学习	MRI图像, 临床评分数据	442个膝关节（来自骨关节炎倡议队列），共1227次膝关节MRI扫描	NA	NA	AUC, 敏感性, 特异性, 比值比	NA
9276	2025-12-12	Efficacy of a virtual bronchoscopic navigation system improved by deep learning for biopsy of peripheral lung lesions: a single-center randomized controlled trial 2025-Dec-11, International journal of surgery (London, England) DOI:10.1097/JS9.0000000000004391 PMID:41376368	研究论文	本研究通过一项单中心随机对照试验，比较了经深度学习改进的虚拟支气管镜导航系统（SARS-pro）与原始VBN系统在周围型肺病变活检中的诊断阳性率	首次将深度学习技术应用于改进虚拟支气管镜导航系统，以重建2-3毫米的小气道树，从而提高对周围型肺病变的活检引导准确性	单中心研究，样本量相对较小（95例），研究时间范围有限（2023年8月至2024年12月）	比较改进的SARS-pro系统与原始VBN系统在周围型肺病变活检中的诊断效果	年龄≥18岁、有一个或多个周围型肺病变的患者	数字病理学	肺癌	虚拟支气管镜导航，深度学习	深度学习模型	医学影像数据	95名符合条件的受试者（全分析集），92名受试者（符合方案集）	NA	NA	诊断阳性率	NA
9277	2025-12-12	Multisequence MRI-driven assessment of PD-L1 expression in non-small cell lung cancer: a pilot study 2025-Dec-11, Biomedical physics & engineering express IF:1.3Q3 DOI:10.1088/2057-1976/ae2621 PMID:41378488	研究论文	本研究开发并验证了一种基于多序列MRI的非侵入性管道，用于评估非小细胞肺癌中的PD-L1表达	结合放射组学和深度学习方法，利用IVIM参数图和T1-VIBE MRI进行PD-L1表达的无创评估	样本量较小（43例患者），属于初步研究	开发一种非侵入性方法，用于评估非小细胞肺癌中的PD-L1表达	非小细胞肺癌患者	数字病理学	肺癌	MRI, IVIM参数图, T1-VIBE	Logistic Regression, Random Forest, XGBoost	MRI图像	43例非小细胞肺癌患者	Scikit-learn, XGBoost	NA	AUC	NA
9278	2025-12-12	Block Matching Based Speckle Tracking Echocardiography: Clinical Applications and Research Outlook in a Deep Learning Context 2025-Dec-11, Journal of imaging informatics in medicine DOI:10.1007/s10278-025-01750-w PMID:41379238	研究论文	本文提出了一种临床适用的斑点追踪方法BiDiBM，用于评估心肌纵向应变，并在合成和真实世界超声心动图数据上验证了其准确性和可靠性	引入双向块匹配（BiDiBM）方法，通过新颖的处理流程提升了传统块匹配方法的跟踪准确性和鲁棒性	深度学习方法因需要大量标注数据而临床部署受限，传统方法仍不可或缺；真实世界验证规模较小	开发并验证一种临床适用的斑点追踪超声心动图方法，以评估心脏功能障碍	超声心动图中的斑点区域，用于心肌纵向应变测量	计算机视觉	心血管疾病	斑点追踪超声心动图（STE）	块匹配（BM）	超声心动图图像	开源合成超声心动图数据集（四种场景）和小规模真实世界验证	NA	双向块匹配（BiDiBM）	均方根误差（RMSE）, 互相关函数的零滞后点（ZERO-LAG）	NA
9279	2025-12-12	AFP-GFuse: an antifungal peptide identification model with structural information fusion via multi-graph neural networks and cross-attention mechanism 2025-Dec-11, Molecular diversity IF:3.9Q2 DOI:10.1007/s11030-025-11426-w PMID:41379297	研究论文	本研究开发了一种名为AFP-GFuse的深度学习模型，用于识别抗真菌肽，通过融合序列和结构信息以及三种互补的图神经网络，并采用分层交叉注意力机制来动态对齐和融合多图特征表示	构建了最先进且全面的数据集，并开发了集成序列和结构信息与三种互补图神经网络的深度学习模型，设计了分层交叉注意力机制以动态对齐和融合多图特征表示，有效解决了现有方法忽略空间特征和单图神经网络特征偏差的问题	未明确提及具体局限性，但可能包括模型对数据质量的依赖或泛化能力需进一步验证	开发高效且准确的抗真菌肽识别模型，以替代传统低效且昂贵的实验室方法	抗真菌肽	自然语言处理	NA	深度学习	GNN	序列数据, 结构数据	NA	NA	多图神经网络, 交叉注意力机制	准确率	NA
9280	2025-12-12	A Deep Learning Model for Heart Sound Classification Fusing Time-Frequency Features 2025-Dec-10, IEEE transactions on bio-medical engineering DOI:10.1109/TBME.2025.3642718 PMID:41370147	研究论文	本文提出了一种融合时频特征的双分支深度学习模型，用于心音信号的自动分类，旨在提高心血管疾病的早期诊断准确性	模型通过双向交叉注意力融合模块，首次有效整合了时域和频域特征，并采用迁移学习策略以增强在小数据集上的鲁棒性	模型在更广泛或噪声更大的临床数据集上的泛化能力尚未验证，且计算复杂度可能较高	开发一个能融合时域和频域特征的心音分类模型，以提升心血管疾病的自动诊断性能	心音图（PCG）信号	机器学习	心血管疾病	NA	CNN, Transformer, ResNet	信号（心音图）	基于多个公共数据集，包括2016年PhysioNet挑战赛数据集	NA	1D CNN with Transformer blocks, ResNet	准确率, F1分数	NA