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
1241	2026-05-27	Artificial intelligence-driven ensemble deep learning models for smart monitoring of indoor activities in IoT environment for people with disabilities 2025-02-05, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-88450-1 PMID:39910242	研究论文	提出了一种基于元启发式优化的集成深度学习模型，用于在物联网环境中对残疾人的室内活动进行智能监测	首次将海洋捕食者算法用于特征选择，并采用图卷积网络、LSTM序列到序列和卷积自编码器的集成模型，利用改进的卷尾猴优化算法进行超参数调优	未提及模型在真实场景中的部署挑战、计算资源需求或对不同类型残疾人的适应性	开发一种智能监测室内活动的方法，以提高残疾人的生活质量并降低医疗成本	残疾人的室内活动监测	机器学习	NA	NA	集成模型（图卷积网络、LSTM序列到序列、卷积自编码器）	传感器信号、图像或视频帧	NA	NA	图卷积网络（GCN）、LSTM序列到序列（LSTM-seq2seq）、卷积自编码器（ConvAutoencoder）	准确率（Accuracy）	NA
1242	2026-05-27	Automatic cervical lymph nodes detection and segmentation in heterogeneous computed tomography images using deep transfer learning 2025-02-04, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-84804-3 PMID:39905029	研究论文	利用深度迁移学习在异构CT图像中自动检测和分割颈部淋巴结	使用大规模头颈数据集预训练的nnUNet模型进行迁移学习，实现了在异质CT图像中自动检测和分割颈部淋巴结，并验证了在不同医院外部测试集中的泛化能力	检测灵敏度较低（54.6%），且外部测试集性能有所下降；未说明模型在更广泛临床场景中的表现	开发用于自动检测和分割颈部淋巴结的深度学习模型	626名头颈癌患者的11,013个标注淋巴结（短轴直径≥3mm）	计算机视觉	头颈癌	CT成像	深度学习模型（nnUNet）	CT图像	11,013个淋巴结（626名患者）	nnUNet	nnUNet	灵敏度、阳性预测值、假阳性率/例、Dice相似系数、Hausdorff距离	NA
1243	2026-05-27	Investigating a Domain Adaptation Approach for Integrating Different Measurement Instruments in a Longitudinal Clinical Registry 2025-02, Biometrical journal. Biometrische Zeitschrift DOI:10.1002/bimj.70023 PMID:39698740	研究论文	探索将域自适应方法用于整合纵向临床注册中不同测量工具以获取联合潜在表示	将计算机科学中用于图像数据的域自适应概念应用于纵向队列设置，通过常微分方程对潜在表示中的轨迹建模并从基线特征推断个体参数，还加入惩罚项以改善对齐	在更复杂场景中对齐效果降低，且仅评估了时间点较少的情况	评估域自适应方法在整合不同测量工具以分析纵向注册数据中的潜力	脊髓性肌萎缩症患者注册数据中的不同运动功能测量工具	机器学习	脊髓性肌萎缩症	NA	深度学习模型（常微分方程）	数值型纵向数据（测量工具评估得分）	基于修改的SMA数据及真实SMA数据集，具体样本数未提供	NA	NA	拟合优度、复杂度	NA
1244	2026-05-27	Effect of flipped classroom method on the reflection ability in nursing students in the professional ethics course; Solomon four-group design 2025-Jan-13, BMC medical education IF:2.7Q1 DOI:10.1186/s12909-024-06556-y PMID:39806386	研究论文	探究翻转课堂教学方法对护理专业学生在职业道德课程中反思能力的影响	采用所罗门四组准实验设计，增强了实验的内部效度，较传统前后测对照设计更严谨	仅针对一所大学学生的样本，可能影响结果的外推性；未详细说明翻转课堂的具体实施细节	评估翻转课堂方法对护理学生反思能力的影响，以促进深度学习	护理专业学生	教育技术	NA	NA	NA	问卷数据	80名护理学生，分为四组	SPSS	NA	反思能力得分	NA
1245	2026-05-27	A deep learning approach versus expert clinician panel in the classification of posterior circulation infarction 2025, NeuroImage. Clinical DOI:10.1016/j.nicl.2025.103732 PMID:39826393	研究论文	利用深度学习模型（3D DenseNet）基于CTP图像对后循环梗死进行分类，并与临床专家团队的性能进行比较	首次将深度学习应用于后循环梗死的CTP图像分类，并系统对比了模型与多位临床专家的诊断性能	未在外部数据集验证，且模型仅采用固定输入组合，未探索全部CTP参数优化	开发并验证基于CTP的深度学习模型用于后循环梗死分类，评估其与临床专家诊断的差异	541名患者（123名POCI患者，418名非POCI患者），来自INSPIRE国际卒中灌注登记数据库	计算机视觉，数字病理学	脑卒中（后循环梗死）	CT灌注成像	3D DenseNet	CT灌注图像（包括NCCT和延迟时间图）	541名患者（POCI与非POCI比例为1:3）	NA	3D-Dense卷积网络	AUC，灵敏度，特异度，准确率，精确率	NA
1246	2026-05-27	Artificial intelligence and machine learning heuristics for discovery of ncRNAs 2025, Progress in molecular biology and translational science DOI:10.1016/bs.pmbts.2025.01.002 PMID:40543913	综述	研究人工智能和机器学习在非编码RNA发现中的应用	系统性地介绍了AI技术（包括机器学习和深度学习）在长链非编码RNA功能预测、疾病关联识别和蛋白质相互作用注释中的应用，并详细描述了深度学习的处理流程	主要聚焦于理论框架和方法论概述，未提供具体的定量性能比较或跨数据集验证结果	探讨AI技术在非编码RNA研究中的启发式方法，促进计算预测与实验验证的整合	长链非编码RNA（lncRNA）及其结合蛋白（lncRBP）	机器学习	NA	RNA-seq	LSTM, CNN, 基于Transformer的模型	文本	NA	NA	LSTM, CNN, Transformer	NA	NA
1247	2026-05-27	Artificial intelligence in wearable biosensing: Enhancing data analysis and decision-making 2025, Progress in molecular biology and translational science DOI:10.1016/bs.pmbts.2025.06.012 PMID:40921531	综述	探讨人工智能与可穿戴生物传感器的融合如何通过多模态大语言模型增强数据处理和实时决策能力	提出将多模态大语言模型与可穿戴生物传感器相结合，用于理解复杂健康语境并生成个性化健康建议	未讨论实际临床应用中的数据隐私、传感器准确性及模型可解释性等关键挑战	系统性分析机器学习和深度学习算法联合多模态大语言模型在可穿戴生物传感数据分析中的应用	可穿戴生物传感器收集的生理数据	机器学习	NA	NA	多模态大语言模型（MLLM）	生理数据	NA	NA	NA	NA	NA
1248	2026-05-27	Accuracy of a deep learning-based algorithm for the detection of thoracic aortic calcifications in chest computed tomography and cardiovascular surgery planning 2024-06-03, European journal of cardio-thoracic surgery : official journal of the European Association for Cardio-thoracic Surgery IF:3.1Q1 DOI:10.1093/ejcts/ezae219 PMID:38837348	研究论文	评估基于深度学习算法在胸部CT中全自动检测胸主动脉钙化的准确性，重点关注主动脉钳夹区域	首次聚焦于主动脉钳夹区的钙化检测，并优化算法参数以实现术前关键评估	NA	评估深度学习算法在胸部CT中全自动检测胸主动脉钙化的准确性，特别是用于心血管手术规划中主动脉钳夹区评估	胸主动脉钙化	计算机视觉	心血管疾病	CT成像	深度学习模型	图像	100次胸部CT扫描（来自91名患者），包括47次心电图门控主动脉血管造影和53次非增强扫描	NA	NA	灵敏度、特异度、受试者工作特征曲线下面积、Cohen's Kappa	NA
1249	2026-05-27	Uncertainty-Aware Deep Learning Classification of Adamantinomatous Craniopharyngioma from Preoperative MRI 2023-Mar-16, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics13061132 PMID:36980440	研究论文	提出一种基于贝叶斯深度学习的分类方法，用于从术前MRI中诊断成釉细胞瘤型颅咽管瘤	首次将贝叶斯深度学习应用于颅咽管瘤的MRI分类，通过校准模型实现预测不确定性估计并引入分类弃权机制，显著提升准确率	校准后的模型性能低于原始结果，表明原始模型存在过拟合；弃权率为34.2%时准确率提升，但可能牺牲部分可分类样本	实现非侵入性诊断成釉细胞瘤型颅咽管瘤，通过深度学习分类结合不确定性估计提高临床适用性	86名鞍上肿瘤患者的术前MRI图像及病理诊断结果	计算机视觉	颅咽管瘤	MRI影像	贝叶斯深度学习	图像	86名鞍上肿瘤患者的多机构样本	PyTorch	原始分类器	准确率	NA
1250	2026-05-27	Automated Quantification of Pneumonia Infected Volume in Lung CT Images: A Comparison with Subjective Assessment of Radiologists 2023-Mar-02, Bioengineering (Basel, Switzerland) DOI:10.3390/bioengineering10030321 PMID:36978712	研究论文	旨在通过改进的深度学习模型自动分割肺部CT图像中感染区域并预测疾病严重程度，并与放射科医生的主观评估进行对比	提出结合五个定制残差注意力U-Net模型和特征金字塔网络的集成深度学习模型，并首次通过放射科医生主观对比研究验证临床实用性	样本量较小（训练20例、测试80例），且仅针对COVID-19患者，可能缺乏泛化性	探索使用深度学习自动化定量评估肺部CT感染区域和严重程度的可行性，以提高诊断效率并减少评估变异	COVID-19患者的肺部CT图像中的感染区域分割和疾病严重程度预测	计算机视觉	COVID-19	CT成像	深度学习集成模型	图像	训练20例COVID-19患者，测试80例COVID-19患者	NA	残差注意力U-Net、特征金字塔网络	严重程度分类一致性、5级评分法	NA
1251	2026-05-27	PhacoTrainer: Deep Learning for Cataract Surgical Videos to Track Surgical Tools 2023-03-01, Translational vision science & technology IF:2.6Q2 DOI:10.1167/tvst.12.3.23 PMID:36947046	研究论文	本文构建了一个深度学习模型，用于自动分析白内障手术视频中的手术器械位置，并推导与手术技能相关的运动指标	首次将YOLACT模型应用于白内障手术视频的掩膜分割，并结合椭圆或直线拟合方法从掩膜中精确识别手术器械和眼内关键解剖结构	该方法对辅助器械尖端的定位误差为17.1像素，可能影响高精度需求场景的运用	开发自动分析白内障手术视频中手术器械和眼内解剖结构位置的方法，以生成与手术技能相关的运动度量指标	白内障手术视频中的瞳孔、角巩膜缘、8类手术器械（包括超声乳化头、第二器械等）	计算机视觉	白内障	NA	YOLACT	图像	训练使用268个视频中的1156帧和CaDIS公开数据集；评估使用10个超声乳化视频片段的5853帧	PyTorch	YOLACT	平均精度均值（mAP）、交并比（IoU）、像素欧氏距离	NA
1252	2026-05-27	Primary Open-Angle Glaucoma Diagnosis from Optic Disc Photographs Using a Siamese Network 2022-Dec, Ophthalmology science IF:3.2Q1 DOI:10.1016/j.xops.2022.100209 PMID:36531584	research paper	提出了一种基于孪生神经网络POAGNet的方法，通过模拟临床分级过程，利用视盘照片诊断原发性开角型青光眼	首次使用孪生神经网络模拟临床医生对比随访图像与基线图像的过程，从视盘照片诊断原发性开角型青光眼，并引入深度监督的侧输出层	未在文中明确说明，但跨数据集验证的AUC仍低于单数据集训练效果，泛化能力有限	开发一种通过模拟临床比较过程来提高青光眼诊断准确性的深度学习方法	原发性开角型青光眼诊断中的视盘照片	computer vision	glaucoma	optic disc photography	Siamese neural network	image	OHTS数据集包含37,339张视盘照片（来自1,636名参与者），SIG数据集包含3,684张视盘照片	NA	Siamese network	area under the receiver operating characteristic curve, accuracy, sensitivity, specificity	NA
1253	2026-05-27	Machine Learning for Early Detection of Hypoxic-Ischemic Brain Injury After Cardiac Arrest 2022-06, Neurocritical care IF:3.1Q2 DOI:10.1007/s12028-021-01405-y PMID:34873672	研究论文	利用深度学习迁移学习分析心脏骤停后早期头颅CT平扫，预测缺氧缺血性脑损伤的进展	首次在正常头颅CT平扫结果中，使用深度迁移学习识别早期缺氧缺血性脑损伤证据，准确预测后续影像学进展	样本量较小（仅54例患者），且为单中心研究，外部验证集仅16例	探索深度迁移学习在心脏骤停后早期正常头颅CT平扫中发现潜在缺氧缺血性脑损伤标志物的能力	心脏骤停后昏迷存活的成年患者	医学影像分析	缺氧缺血性脑损伤	计算机断层扫描（CT），深度学习迁移学习	CNN（卷积神经网络）	医学影像（头颅CT平扫图像）	54例患者（内部队列），16例患者（外部验证队列）	NA	深度迁移学习模型（未注明具体架构）	AUC, 敏感度, 特异度, 准确率, 阳性预测值	NA
1254	2026-05-27	Subtyping of mild cognitive impairment using a deep learning model based on brain atrophy patterns 2021-12-21, Cell reports. Medicine DOI:10.1016/j.xcrm.2021.100467 PMID:35028609	研究论文	基于脑萎缩模式的深度学习模型用于轻度认知障碍亚型分类	首次仅基于脑萎缩模式进行MCI亚型分类，而非传统认知测量	未明确提及局限性	开发基于脑萎缩的MCI亚型分类方法，以识别生物学和临床上有意义的亚组	轻度认知障碍（MCI）患者	数字病理学	阿尔茨海默病	MRI	深度学习	全脑MRI图像	未明确提及样本量	NA	NA	认知、临床、液体生物标志物及分子影像数据用于验证	NA
1255	2026-05-27	Image- versus histogram-based considerations in semantic segmentation of pulmonary hyperpolarized gas images 2021-11, Magnetic resonance in medicine IF:3.0Q2 DOI:10.1002/mrm.28908 PMID:34227163	研究论文	比较基于直方图和基于图像的算法在高极化气体肺部图像分割中的差异	首次系统比较直方图与图像域优化方法在肺部高极化气体MRI分割中的性能，并公开深度学习功能	模拟数据集可能无法完全代表真实临床场景中的复杂噪声和变形	表征基于直方图和基于图像的分割算法在肺部高极化气体图像分割中的差异	高极化129Xe气体肺部MRI图像（来自29名受试者公开数据集和51名受试者回顾性数据集）	计算机视觉	肺部疾病	MRI	CNN	图像	80名受试者（29名公开+51名回顾性）的模拟高极化气体MRI图像	Advanced Normalization Tools	卷积神经网络	测量偏差、测量精度	NA
1256	2026-05-27	Microscopy deep learning predicts virus infections and reveals mechanics of lytic-infected cells 2021-Jun-25, iScience IF:4.6Q1 DOI:10.1016/j.isci.2021.102543 PMID:34151222	研究论文	开发深度学习算法，通过显微镜图像预测病毒感染，并揭示裂解感染细胞的力学特性	无需病毒特异性染色，利用深度学习从荧光显微镜图像中识别疱疹病毒和腺病毒感染细胞，提前约20小时预测裂解感染结果，并揭示裂解细胞核的力学缺陷	NA	开发成像和深度学习方法，用于预测病毒感染表型并研究细胞裂解的机制	疱疹病毒和腺病毒感染的细胞	计算机视觉	病毒感染	荧光显微镜、活细胞成像	深度学习	图像	NA	NA	深度学习模型（具体架构未指定）	NA	NA
1257	2026-05-27	Quantification of abdominal fat from computed tomography using deep learning and its association with electronic health records in an academic biobank 2021-06-12, Journal of the American Medical Informatics Association : JAMIA IF:4.7Q1 DOI:10.1093/jamia/ocaa342 PMID:33576413	研究论文	开发了一种全自动算法用于腹部脂肪分割，并在学术生物库中大规模部署该方法	利用深度学习和分布式计算构建全自动图像筛选和标记技术，可从CT扫描中识别皮下和内脏腹部脂肪，并验证与电子健康记录中表型的关联	未明确提及局限	开发全自动腹部脂肪分割算法并大规模应用在学术生物库中	宾夕法尼亚医学生物库中13502名患者的52844次CT扫描中的皮下和内脏腹部脂肪	计算机视觉	糖尿病、高血压、肾衰竭	CT	CNN	图像	13502名患者，52844次CT扫描	NA	分类网络、分割网络	类内相关系数	分布式计算
1258	2026-05-27	Leveraging Uncertainty from Deep Learning for Trustworthy Material Discovery Workflows 2021-May-18, ACS omega IF:3.7Q2 DOI:10.1021/acsomega.1c00975 PMID:34056423	研究论文	利用深度学习预测不确定性来提升材料发现工作流的可信度	首次将预测不确定性引入材料科学机器学习工作流，解决数据集规模确定、模糊样本决策回避和分布外检测等关键问题	未提及具体局限性	提升基于机器学习的材料应用工作流中分类模型的性能和可靠性	扫描电子显微镜图像中的微观结构信息	计算机视觉	NA	深度学习预测不确定性	深度神经网络	图像	NA	NA	NA	分类准确率	NA
1259	2026-05-27	Multimodal Ensemble Deep Learning to Predict Disruptive Behavior Disorders in Children 2021, Frontiers in neuroinformatics IF:2.5Q3 DOI:10.3389/fninf.2021.742807 PMID:34899225	research paper	使用多模态集成三维卷积神经网络模型预测儿童破坏性行为障碍	首次采用多模态集成三维卷积神经网络融合扩散、结构和静息态功能磁共振成像数据来分类破坏性行为障碍儿童，并通过梯度加权类激活映射方法识别关键脑区	模型准确率仅为72%，灵敏度为70%，特异度为72%，F1得分为70，性能有限；研究仅基于美国青少年脑认知发展研究数据，可能不具普适性	利用多模态磁共振成像数据通过深度学习模型早期诊断儿童破坏性行为障碍	儿童破坏性行为障碍患者和典型发育儿童	machine learning	geriatric disease	扩散磁共振成像、结构磁共振成像、静息态功能磁共振成像	三维卷积神经网络	磁共振图像	1100名儿童（550名患者和550名典型发育儿童），年龄108-131个月，包括419名女性和681名男性	NA	3D CNN	accuracy, sensitivity, specificity, F1-score	NA
1260	2026-05-26	Data-driven decision support in hospital resource planning: an artificial intelligence-based model proposal for emergency department demand 2026-Aug, International journal of medical informatics IF:3.7Q2 DOI:10.1016/j.ijmedinf.2026.106483 PMID:42143518	研究论文	提出基于人工智能的医院急诊科需求决策支持模型，分析气象因素对就诊量的影响	结合SHAP可解释人工智能方法进行特征选择，并采用7天滚动更新模拟真实场景，与22种机器学习/深度学习/时间序列模型进行公平比较	待补充	通过气象因素分析提高急诊科资源规划准确性，开发可解释的智能决策支持系统	土耳其东黑海地区两家公立医院的急诊就诊记录	机器学习	NA	NA	Prophet, SVM, CatBoost, 机器学习, 深度学习, 时间序列模型	数值型特征（气象数据、日历变量、历史趋势）	约150万条记录，来自两家医院	NA	Prophet, SVM, CatBoost, 及其他19种未明确列出的模型	MAE, MAPE	NA