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
1181	2026-07-05	An interpretable deep learning framework for predictive modeling of postoperative infections in ICU patients 2026, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0346896 PMID:41955272	研究论文	提出一种可解释的深度学习框架，用于预测ICU患者术后感染风险	创新的融合了排列特征重要性测试（PermFIT）与深度神经网络，在保持高预测性能的同时提供特征影响的严格统计推断，增强了模型可解释性	未提及具体局限性	提高ICU患者术后感染风险预测的准确性，并识别关键影响因素，从而改善术后管理和感染机制理解	ICU术后患者	机器学习	术后感染	电子健康记录（EHR）	深度神经网络（DNN）	结构化病历文本	来自MIMIC-III大型ICU EHR数据库的大量样本	NA	深度神经网络（DNN）	预测准确性	NA
1182	2026-07-05	Toward Sensor Fusion Neuromuscular Interface for Continuous Finger Joint Angle Estimation via Deep Transfer Learning 2026, IEEE transactions on neural systems and rehabilitation engineering : a publication of the IEEE Engineering in Medicine and Biology Society IF:4.8Q1 DOI:10.1109/TNSRE.2026.3706311 PMID:42329928	研究论文	提出一种融合表面肌电图和B型超声图像的深度迁移学习框架，用于连续估计手指关节角度	首次提出共享编码器-解码器-回归架构，结合CNN、转置卷积、动作条件多头交叉注意力模块和LSTM，融合sEMG和US双模态数据，并引入参数冻结迁移学习策略提升跨受试者泛化能力	初步验证仅涉及一名截肢者参与者，需进一步在更大样本中验证框架在残肢感知条件下的适用性	实现高精度连续手指关节角度估计，为直觉式上肢假肢控制接口提供技术支持	手指的掌指关节和近端指间关节角度	机器学习	NA	表面肌电图，B型超声成像	CNN, LSTM, 注意力机制	时间序列信号, 图像	7名健全受试者和1名截肢者	PyTorch	编码器-解码器-回归架构含CNN、转置卷积、多头交叉注意力和LSTM	均方根误差, 皮尔逊相关系数	NA
1183	2026-07-05	Modeling anesthetic-drug label detection for low-resource operating rooms 2025-12-20, BMC medical informatics and decision making IF:3.3Q2 DOI:10.1186/s12911-025-03316-w PMID:41422028	研究论文	开发并评估用于低资源手术室中麻醉药物标签检测的计算机视觉模型	面向低资源医疗环境，利用可穿戴头戴相机收集数据，构建了包含注射器和药瓶标注图像的自定义数据集，并比较了YOLOv11n、YOLOv12n和RT-DETR三种深度学习目标检测架构的性能	NA	开发能够检测麻醉药物给药过程中注射器和药瓶更换错误的计算机视觉模型，为实时监测工具提供基础	乌干达CoRSU医院手术室中使用的注射器和药瓶	计算机视觉	NA	NA	深度学习目标检测模型	图像	包含标注图像的自定义数据集，具体数量未说明	NA	YOLOv11n, YOLOv12n, RT-DETR	精确率, 召回率, mAP50	NA
1184	2026-07-05	Standardizing DICOM annotation: deep learning enhances body part description in X-ray image retrieval for clinical research 2025-12-13, BMC medical imaging IF:2.9Q2 DOI:10.1186/s12880-025-02099-w PMID:41390620	研究论文	利用深度学习标准化DICOM注释，提升X光影像检索中身体部位描述的准确性和可复用性	提出一种基于真实临床数据的验证注释模型，结合深度学习与DICOM头信息，将身体部位分类从116种原始条目标准化为36个SNOMED CT代码，实现了高效检索和数据质量提升	仅依赖单名放射科医师注释验证，准确率有待提升；未来需采用多名放射科医师验证或探索无监督/在线学习方法	设计并验证一种标准化医学影像注释模型，以促进临床影像数据的二次利用	DICOM X光影像，包括检查身体部位（单标签病理分类）和可见身体部位（多标签分类）	计算机视觉	不适用	深度学习	深度学习模型	影像	2万张DICOM X光影像	NA	NA	准确率、召回率	NA
1185	2026-07-05	Assessment of transformer-based AI in clinical oncology 2025-12-13, BMC medical informatics and decision making IF:3.3Q2 DOI:10.1186/s12911-025-03306-y PMID:41390721	研究论文	评估基于Transformer的AI模型在乳腺癌生存预测中的应用，并与传统机器学习模型进行性能比较	首次系统探索Transformer模型（BERT、RoBERTa、ALBERT）在乳腺癌生存预测中的可行性，并证明其可作为替代预测模型	Transformer模型性能略低于最优的传统机器学习模型（LR），且未提及模型的可解释性及计算资源消耗	评估Transformer模型在乳腺癌生存预测中的潜力，作为传统机器学习模型的替代方案	乳腺癌生存预测模型，包括Transformer模型和传统机器学习模型	机器学习	乳腺癌	NA	Transformer, 随机森林, 决策树, 支持向量机, 逻辑回归, K近邻, 人工神经网络, 极限梯度提升	表格数据（包含24个分类变量和2个数值变量）	2006年至2015年来自马来西亚马来亚大学医疗中心的乳腺癌数据集	NA	BERT, RoBERTa, ALBERT	准确率	NA
1186	2026-07-05	Deep learning-based volumetry of the future liver remnants and prediction of candidates for major hepatectomy 2025-12-09, BMC medical imaging IF:2.9Q2 DOI:10.1186/s12880-025-02106-0 PMID:41361806	研究论文	开发并验证一种基于深度学习的未来残余肝脏体积（FLR）测量系统（DL-FLRVS），通过再利用现有术前CT图像，比较其与临床常用方法在FLR体积测量及大肝切除术前候选者分类中的差异	首次通过二次利用现有术前CT图像，开发基于5个3D U-Net模型的深度学习系统实现FLR自动化分割与体积测量，并系统比较其与传统半自动方法的性能	未在摘要中明确说明局限性	开发并验证深度学习FLR体积测量系统，并评估其在大肝切除术前候选者分类中的应用价值	未来残余肝脏（FLR）的CT图像体积测量以及基于FLR的大肝切除术前候选者分类	计算机视觉	肝脏疾病	对比增强CT	3D U-Net	CT图像	开发集共涉及1039例，外部验证集178例	NA	3D U-Net	Spearman相关系数，McNemar检验	NA
1187	2026-07-05	Preoperative MVI prediction in intrahepatic cholangiocarcinoma via deep learning analysis of intratumoral and peritumoral features on multi-sequence MRI 2025-12-09, BMC medical imaging IF:2.9Q2 DOI:10.1186/s12880-025-02107-z PMID:41366360	研究论文	基于深度学习的多序列MRI图像中瘤内和瘤周特征分析，预测肝内胆管癌微血管侵犯的术前模型	通过深度学习方法提取多序列MRI图像中不同兴趣区域（瘤内、10mm瘤周及两者结合）的特征，并与临床影像特征结合，构建最优预测模型，提高了MVI预测的准确性，并使用SHAP方法增强模型可解释性	回顾性研究设计，样本量相对较小（200例），且来自单一中心，可能限制模型的泛化能力	探索基于深度学习的多序列MRI图像中瘤内和瘤周区域对预测肝内胆管癌微血管侵犯的有效性，并开发高效的术前预测模型	200例经手术病理证实的肝内胆管癌患者的临床、病理及术前MRI数据	医学影像分析，数字病理学	肝内胆管癌	MRI（多序列磁共振成像）	深度学习，ResNet-18，逻辑回归	医学图像（MRI）、临床数据、病理数据	200例患者（训练集140例，验证集60例）	PyTorch	ResNet-18	AUC、灵敏度、特异度、ROC曲线、DCA曲线	NA
1188	2026-07-05	A novel strategy for enhanced schizophrenia detection using established CNN architectures 2025-12-09, BMC medical imaging IF:2.9Q2 DOI:10.1186/s12880-025-02093-2 PMID:41366658	研究论文	结合深度学习和神经影像学方法，利用T1加权冠状面MRI数据，通过DeepLabv3+模型和ResNet50分割技术，精准检测精神分裂症	创新性地结合DeepLabv3+模型与ResNet50分割颞叶和脑岛区域，并通过颜色到灰度转换增强可视化，实现高AUC（0.99）的诊断性能	未在摘要中明确提及局限性	提升精神分裂症自动检测的精准性和可靠性，超越传统临床评估和影像方法	精神分裂症患者与健康对照的脑部MRI数据	计算机视觉	精神分裂症	MRI	DeepLabv3+, ResNet50	图像	三个公开数据集（MCICShare, COBRE, UCLA）	NA	DeepLabv3+, ResNet50	AUC, 分割准确率	NA
1189	2026-07-05	MelAnalyze: fact-checking melatonin claims using large language models and natural language inference 2025-12-04, BMC medical informatics and decision making IF:3.3Q2 DOI:10.1186/s12911-025-03291-2 PMID:41345869	研究论文	提出MelAnalyze框架，利用大型语言模型和自然语言推理对褪黑素相关说法进行事实核查	首个将生成式与基于Transformer的深度学习模型适配为自然语言推理任务，半自动化核查褪黑素健康相关说法真伪的框架	未明确说明模型在非公开数据或更广泛领域的泛化能力，以及对新出现或虚假说法的适应性	半自动化事实核查褪黑素相关说法，帮助用户和研究者基于证据做决策	褪黑素相关的科学摘要以及来自Google和Amazon的产品描述中的说法	自然语言处理	一般健康相关（褪黑素）	N/A	生成式与Transformer深度学习模型（包括LLaMA1微调版本）	文本	来自PubMed的褪黑素相关科学摘要集和Google、Amazon产品描述中的说法	PyTorch	LLaMA1	精确率、召回率、F1值	未提及具体GPU类型或云平台
1190	2026-07-05	Through the eye to the heart: a scoping review of artificial intelligence in retinal imaging for cardiovascular disease assessment 2025-11-26, BMC medical informatics and decision making IF:3.3Q2 DOI:10.1186/s12911-025-03300-4 PMID:41299604	综述	系统评估基于人工智能的视网膜生物标志物在多种心血管疾病表型量化中的能力	首次建立视网膜AI在心血管疾病评估中的基准证据库，并提出FAIR合规报告框架以加速临床转化	少于10%的研究共享代码或数据集，三分之二的研究缺乏外部验证	评估人工智能在视网膜成像中用于心血管疾病评估的当前能力与局限性	21项2018-2025年间发表的研究，涉及多种族人群	计算机视觉	心血管疾病	视网膜成像	卷积神经网络, 基于Transformer的模型	图像	21项研究，涵盖多国队列	NA	卷积神经网络, Transformer	AUROC, 净重分类改善	NA
1191	2026-07-05	Artificial intelligence in polycystic ovary syndrome: a systematic review of diagnostic and predictive applications 2025-11-24, BMC medical informatics and decision making IF:3.3Q2 DOI:10.1186/s12911-025-03255-6 PMID:41286838	系统综述	系统性综述了人工智能在多囊卵巢综合征诊断和预测中的应用，涵盖机器学习、深度学习、可解释人工智能和大语言模型	首次全面综合评估AI技术在PCOS中的应用，包括诊断性能、生物标志物发现、风险预测、临床决策支持、模型可解释性及生成式AI的新兴应用	多数研究样本量小、类别不平衡、方法异质性大、外部验证不足，仅约四分之一研究应用了可解释AI方法	综合评估AI技术在多囊卵巢综合征诊断和预测中的应用现状与性能	多囊卵巢综合征（PCOS）的诊断、预测及管理	机器学习	多囊卵巢综合征	NA	CNN, 随机森林, 支持向量机, 大语言模型	影像数据, 临床数据, 电子健康记录数据, 组学数据	80项研究（从662篇记录中筛选）	NA	CNN, 随机森林, 支持向量机	准确率, 95%以上（影像应用）	NA
1192	2026-07-05	Predicting the risk of preterm birth with machine learning and electronic health records in China 2025-11-10, BMC medical informatics and decision making IF:3.3Q2 DOI:10.1186/s12911-025-03254-7 PMID:41214653	research paper	利用中国电子健康记录和机器学习方法预测早产风险	结合22种机器学习模型和两种动态深度学习方法，基于中国大规模电子健康记录数据（36378例）预测早产风险，并在外部验证集（10367例）中确认模型稳定性	仅使用了已知的24个高危因素，未纳入其他潜在因素；数据来自单一国家，可能限制模型的泛化性	预测和验证中国孕妇早产风险，为临床干预提供工具	中国孕妇人群	machine learning	早产	电子健康记录分析	随机森林、LightGBM、LSTM	电子健康记录数据	36378例（34132例足月产，2246例早产），外加10367例外部验证样本	NA	随机森林、LightGBM、LSTM	AUC	NA
1193	2026-07-05	Interpretable deep learning model and nomogram for predicting pathological grading of PNETs based on endoscopic ultrasound 2025-10-02, BMC medical informatics and decision making IF:3.3Q2 DOI:10.1186/s12911-025-03193-3 PMID:41039509	研究论文	基于内镜超声图像开发可解释深度学习模型和列线图，用于预测胰腺神经内分泌肿瘤的病理性分级	将可解释深度学习模型与列线图结合，利用内镜超声图像和机器学习方法预测胰腺神经内分泌肿瘤的病理性分级，并采用SHAP方法解释模型预测的贡献特征	多中心回顾性研究，样本量较小（108例患者），外部验证队列仅27例，可能影响模型的泛化能力	开发并验证一种基于内镜超声图像的可解释深度学习模型和列线图，用于预测胰腺神经内分泌肿瘤的病理性分级	胰腺神经内分泌肿瘤患者的病理性分级预测	数字病理学	胰腺神经内分泌肿瘤	内镜超声	深度学习（ResNet18）、朴素贝叶斯	图像	108例胰腺神经内分泌肿瘤患者（训练集81例，测试集27例）	PyTorch	ResNet18, LASSO, 朴素贝叶斯	AUC, 校准曲线, 决策曲线分析, 临床影响曲线	NA
1194	2026-07-05	CADxPolydetect: a clinically explainable hybrid deep learning system for multi-class colorectal lesion detection using augmented colonoscopy images 2025-09-26, BMC medical informatics and decision making IF:3.3Q2 DOI:10.1186/s12911-025-03176-4 PMID:41013565	研究论文	提出一个名为CADxPolyDetect的临床可解释混合深度学习系统，用于多类结直肠病变检测，通过增强结肠镜图像实现	将DCGAN扩增、SMOTE平衡、三种预训练CNN（ResNet-50、DenseNet-201、VGG-16）与Transformer网络及多类SVM分类器结合，并利用Grad-CAM生成临床相关热力图，实现了可解释的混合深度学习系统	未提及明确局限性，但可能依赖于单一数据集（Hyper Kvasir）及增强技术，泛化性能需进一步验证	解决结肠镜图像中类别不平衡、可解释性缺失和空间复杂性问题，提高结直肠病变早期检测的准确性和临床信任度	结肠镜图像中的结直肠病变（包括恶性息肉）	计算机视觉	结直肠癌	DCGAN图像增强、SMOTE类别平衡、Grad-CAM可视化解释	CNN与Transformer混合模型	结肠镜图像	原始Hyper Kvasir数据集10,672张图像，扩增至23,000张	NA	ResNet-50, DenseNet-201, VGG-16, Transformer, 多类SVM	准确率、F1分数、精确率、召回率	NA
1195	2026-07-05	TKA-AID: An Uncertainty-Aware Deep Learning Classifier to Identify Total Knee Arthroplasty Implants 2025-08, The Journal of arthroplasty IF:3.4Q1 DOI:10.1016/j.arth.2025.01.019 PMID:39832639	研究论文	开发了一种基于深度学习的不确定性感知分类器，用于自动识别全膝关节置换植入物	结合EfficientNet架构与共形预测实现不确定性量化，并集成异常检测机制以提高临床安全可靠性	仅能识别九种常见植入物型号，异常检测系统在手动清理的数据集上标记了93%异常图像但仍有未覆盖情况	开发自动识别初次全膝关节置换植入物型号的深度学习算法	全膝关节置换术中使用的九种不同植入物系统	计算机视觉	膝关节骨关节病	X射线摄影	卷积神经网络（CNN）	膝关节X射线图像	9651名患者，共111519张图像	NA	EfficientNet	准确率	NA
1196	2026-07-05	Development of a Deep Learning Model for Automating Implant Position in Total Hip Arthroplasty 2025-08, The Journal of arthroplasty IF:3.4Q1 DOI:10.1016/j.arth.2025.01.032 PMID:39880053	研究论文	开发一种深度学习模型，用于在全髋关节置换术中自动标注骨盆解剖标志并计算相关测量值	首次开发了能够在X光片和透视图像上实时、自动化地标注临床相关骨盆解剖标志并提供全髋关节置换术（THA）相关测量值的深度学习模型，其性能与训练有素的人类相当甚至更好	未提及具体限制，但可能受限于样本量（161例THA）以及模型在不同临床场景下的泛化能力尚未充分验证	开发一种深度学习模型，能够自动标注骨盆前后位X光片和透视图像上的临床相关解剖标志，并实现全髋关节置换术（THA）相关测量的自动化	161例全髋关节置换术（THA）患者的术前和术后骨盆前后位X光片以及术中透视图像	计算机视觉	骨关节疾病（全髋关节置换术相关）	X光成像、透视成像	深度学习模型（具体模型类型未明确）	图像（骨盆前后位X光片和术中透视图像）	161例全髋关节置换术（THA）样本	NA	NA	与人类标注者的比较准确率（20个骨骼标志物中16个、4个植入物标志物中4个、8个透视骨骼标志物中5个达到或超过人类水平）	NA
1197	2026-07-05	A Deep Learning Tool for Minimum Joint Space Width Calculation on Antero-posterior Knee Radiographs 2025-08, The Journal of arthroplasty IF:3.4Q1 DOI:10.1016/j.arth.2025.01.038 PMID:39880057	研究论文	开发一种基于深度学习的自动化算法，用于从膝关节前后位X光片中测量最小关节间隙宽度	提出端到端算法，结合深度学习分割模型与计算机视觉方法，可灵活处理天然膝关节和关节置换术后膝关节	算法测量结果与人工测量存在0.85毫米的平均绝对误差，且73.2%的测量值偏差小于1毫米	实现膝关节内侧和外侧间隙最小关节间隙宽度的自动化测量	膝关节前后位X光片	计算机视觉	骨关节炎	X光成像	CNN	图像	583张图像用于分割模型训练验证测试，330张独立图像用于计算机视觉算法开发验证	NA	U-Net	Dice系数, 平均绝对误差, Bland-Altman图	NA
1198	2026-07-05	Development and Validation of a Novel Deep Learning Model to Predict Pharmacologic Closure of Patent Ductus Arteriosus in Premature Infants 2025-Jul, Journal of the American Society of Echocardiography : official publication of the American Society of Echocardiography IF:5.4Q1 DOI:10.1016/j.echo.2025.03.018 PMID:40220935	研究论文	开发并验证一种新型深度学习模型用于预测早产儿动脉导管未闭药物闭合的成功率	首次将深度学习方法应用于预测早产儿动脉导管未闭药物治疗后的闭合结果，并验证了多模态卷积神经网络（结合超声心动图和围产期数据）优于单一模态模型和传统机器学习模型	样本量较小（174例婴儿），且为单一中心回顾性研究，可能限制模型泛化性	训练并验证一个深度学习模型，预测早产儿动脉导管未闭经初始药物治疗后的闭合可能性	174例接受药物治疗的早产儿动脉导管未闭患者	机器学习，数字病理学	早产儿动脉导管未闭	超声心动图，围产期数据收集	卷积神经网络	超声心动图视频，围产期临床数据	174例早产儿，共1926段超声心动图视频片段	PyTorch	卷积神经网络（具体架构未明确说明）	AUC	NA
1199	2026-07-05	Predicting Short-Term Mortality in Patients With Acute Pulmonary Embolism With Deep Learning 2025-04-25, Circulation journal : official journal of the Japanese Circulation Society IF:3.1Q2 DOI:10.1253/circj.CJ-24-0630 PMID:39617426	研究论文	开发基于深度学习的多模态模型预测急性肺栓塞患者短期死亡率，性能优于传统PESI评分	首次将增强多排CT影像与临床人口统计数据结合，构建多模态深度学习模型用于急性肺栓塞短期死亡率预测，显著优于传统PESI评分	样本量较小（仅207例患者），可能限制模型的泛化能力	开发基于深度学习的急性肺栓塞患者短期死亡率预测模型	急性肺栓塞患者的CT影像和临床人口统计数据	计算机视觉, 机器学习	急性肺栓塞	增强多排CT扫描	多模态深度学习模型（含CNN和Transformer）	图像, 文本（临床数据）	207例急性肺栓塞患者（其中53例住院期间死亡）	NA	CNN, Transformer, XGBoost	AUC	NA
1200	2026-07-05	Foundation model of neural activity predicts response to new stimulus types 2025-04, Nature IF:50.5Q1 DOI:10.1038/s41586-025-08829-y PMID:40205215	研究论文	通过收集多只小鼠视觉皮层的大量神经活动数据，训练了一个基础模型，能够准确预测任意自然视频刺激下的神经元反应，并泛化到新小鼠和新型刺激类型	首次构建了基于自然视频刺激的视觉皮层神经活动基础模型，该模型不仅在新小鼠和新型刺激类型上表现出强大的泛化能力，还能预测解剖细胞类型、树突特征和神经元连接性	尽管模型具有良好的泛化能力，但可能仍然无法完全涵盖所有视觉刺激类型，且对更复杂的认知任务泛化能力未知	开发一个能够准确预测神经活动并泛化到新刺激类型和新个体的基础模型，以推进对大脑计算原理和神经编码的理解	小鼠视觉皮层的神经元群体，包括来自多只小鼠的自然视频刺激诱发的神经活动数据以及MICrONS功能连接组数据	机器学习	NA	大规模神经活动记录（钙成像或电生理）	基础模型（Foundation Model）	时间序列神经活动数据、自然视频刺激、功能连接组数据	多只小鼠的视觉皮层神经活动数据，具体数量未说明	NA	NA	预测准确性（可能是相关性或均方误差）、泛化到新小鼠和新刺激的预测性能	NA