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
15401	2025-12-25	Deep learning estimation of effective atomic number for HU to RED calibration in dual energy photon counting CT 2025-Dec-23, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-33507-4 PMID:41436561	研究论文	本研究提出了一种基于深度学习的双能CT有效原子序数估计方法，用于改进相对电子密度校准	采用改进的U-Net模型直接从合成数据中预测有效原子序数，相比传统的Rutherford和化学计量法，显著提高了预测精度和HU-RED校准的线性度	研究基于体模实验，尚未在临床数据上进行验证，且样本材料种类有限（八种）	改进双能CT中相对电子密度的估计精度，以支持更精确的剂量计算	组织等效体模中的八种材料	计算机视觉	NA	双能光子计数CT	CNN	图像	八种材料（组织等效体模）	NA	改进的U-Net	平均绝对误差, 相对误差, 残差, R²	NA
15402	2026-01-29	Deep Learning-Based Quantification of Residual Blood Clots in Single-Use Dialyzers Using Bedside Mobile-Captured Images 2025-Dec-18, American journal of nephrology IF:4.3Q1 DOI:10.1159/000549740 PMID:41411211	研究论文	本研究开发了一种基于深度学习的模型，利用床边智能手机拍摄的图像量化透析器中残留的血栓	首次将ConvNeXt架构应用于透析器血栓量化，并结合可解释AI（LIME）验证模型聚焦临床相关区域，通过复合图像增强检测能力	模型准确率仍有提升空间（最高0.7672），且仅针对<10%和∼30%两种血栓水平进行二分类	开发机器学习模型以量化透析器中残留血栓，辅助临床决策	透析器图像（通过智能手机拍摄）	计算机视觉	终末期肾病	图像采集与预处理（背景去噪、图像分割）	CNN	图像	未明确具体样本数量，数据集按60%/20%/20%划分为训练/验证/测试集	未明确指定，可能为PyTorch或TensorFlow	ConvNeXt	准确率	未明确指定
15403	2026-01-29	The orthodontic diagnosis 2025-12-09, Nederlands tijdschrift voor tandheelkunde DOI:10.5177/ntvt.2025.12.25003 PMID:41367283	综述	本文综述了正畸诊断的基础、系统、技术发展及其在临床实践中的应用与局限性	强调了人工智能和深度学习在提升正畸诊断测量与分类可靠性方面的应用，同时指出其在准确性和透明度方面的挑战	人工智能无法替代临床评估，复杂病例仍需人工解释和跨学科合作	探讨正畸诊断的系统、技术发展及其在临床决策中的作用	正畸诊断中的骨骼、牙齿和功能异常评估	NA	NA	人工智能，深度学习	NA	NA	NA	NA	NA	准确性，透明度	NA
15404	2026-01-29	Deep learning-based acceleration and denoising of 0.55T MRI for enhanced conspicuity of vestibular Schwannoma post contrast administration 2025-Dec, Neuroradiology IF:2.4Q2 DOI:10.1007/s00234-025-03758-z PMID:40970959	研究论文	本研究评估了基于深度学习的去噪算法在0.55T MRI中用于增强对比剂后前庭神经鞘瘤显影效果及缩短采集时间的应用	首次在0.55T MRI中应用深度学习去噪技术，显著提升图像质量的同时将检查时间缩短超过一半	研究为回顾性设计，样本量较小（仅30例患者），且仅针对前庭神经鞘瘤这一特定疾病	评估深度学习去噪算法在0.55T MRI中提升前庭神经鞘瘤显影效果和减少采集时间的效能	30例前庭神经鞘瘤患者（包括9名女性）的MRI影像数据	医学影像分析	前庭神经鞘瘤	MRI成像，深度学习去噪	深度学习模型	MRI图像	30例患者	NA	NA	图像质量评分，肿瘤显影评分，伪影评分，尺寸测量可靠性	NA
15405	2026-01-29	AI-assisted computed tomography analysis for pre-procedural planning prior to TAVI 2025-Nov-12, Clinical research in cardiology : official journal of the German Cardiac Society IF:3.8Q1 DOI:10.1007/s00392-025-02790-6 PMID:41603941	研究论文	本研究比较了基于深度学习的全自动CT分析算法与临床标准软件在TAVI术前规划中的性能	开发了一种全自动、基于深度学习的算法，用于TAVI术前CT分析，无需人工干预即可完成完整分析	研究为回顾性分析，样本量相对较小（98例患者），且仅与单一商业软件进行比较	评估基于深度学习的全自动CT分析算法在TAVI术前规划中的准确性和可行性	接受TAVI的症状性严重主动脉瓣狭窄患者	数字病理学	心血管疾病	心脏计算机断层扫描	深度学习算法	CT图像	98例患者	NA	NA	平均绝对误差, 平均绝对百分比误差, 组内相关系数	NA
15406	2026-01-29	Overview of Multimodal Radiomics and Deep Learning in the Prediction of Axillary Lymph Node Status in Breast Cancer 2025-Nov, Academic radiology IF:3.8Q1 DOI:10.1016/j.acra.2025.07.017 PMID:40830005	综述	本文综述了多模态影像组学和深度学习在预测乳腺癌腋窝淋巴结状态中的应用与进展	整合了多模态影像（如乳腺X线摄影、超声、MRI和PET/CT）与深度学习算法，系统分析了影像组学工作流和模型构建策略，为乳腺癌腋窝淋巴结转移的非侵入性预测提供了综合参考	存在方法学和技术上的挑战待解决，未具体说明	合成和评估当前研究成果，为乳腺癌腋窝淋巴结转移的精准诊断和评估提供参考，并推动该领域的发展	乳腺癌患者的腋窝淋巴结状态	数字病理学	乳腺癌	多模态影像技术（乳腺X线摄影、超声、MRI、PET/CT）	深度学习算法	多模态医学影像	NA	NA	NA	NA	NA
15407	2026-01-29	AI-assisted rapid on-site evaluation ROSE of EUS-FNA cytopathology for pancreatic solid lesions: A two-stage deep learning approach 2025 Nov-Dec, Endoscopic ultrasound IF:4.4Q1 DOI:10.1097/eus.0000000000000154 PMID:41585852	研究论文	本研究开发并验证了一种用于胰腺实性病变EUS-FNA细胞学图像自动分析的两阶段深度学习诊断模型	提出了一种新颖的两阶段深度学习模型，结合YOLOv8n-p2进行组织细胞检测和DenseNet201进行恶性/正常分类，专门用于处理移动设备捕获的、质量多变的ROSE图像	研究为回顾性设计，样本量相对有限（92名患者），且所有数据来自单一中心	开发自动化AI辅助诊断系统，以改善胰腺实性病变的快速现场评估（ROSE）效率和可及性	胰腺实性病变患者的EUS-FNA细胞学图像	数字病理学	胰腺癌	EUS-FNA细胞学	深度学习	图像	92名患者的882张EUS-FNA细胞学图像	PyTorch	YOLOv8n-p2, DenseNet201	准确率, AUC-PR, AUC-ROC	NA
15408	2026-01-29	Trustworthy deep learning for the automated quantification of the fatty infiltration of the rotator cuff muscles using magnetic resonance imaging 2025-Nov, JSES international DOI:10.1016/j.jseint.2025.06.020 PMID:41584544	研究论文	本研究提出并评估了一种基于深度学习的自动化方法，用于在磁共振成像上对肩袖肌肉脂肪浸润进行分类	提出了一种结合域内迁移学习、特征融合和机器学习分类器的新型深度学习流程，用于自动分类肩袖肌肉脂肪浸润	NA	开发一种自动、客观的方法来分类肩袖肌肉的脂肪浸润，以改进当前主观且可靠性低的分类方法	肩袖肌肉的磁共振图像	计算机视觉	肩袖撕裂	磁共振成像	CNN	图像	383名患者的1,149张分割后的肩袖肌肉图像	TensorFlow, Keras, Scikit-learn	Xception, InceptionV3, MobileNetV2	准确率, 精确率, 召回率, F1分数, 特异性	NA
15409	2026-01-29	Artificial intelligence and multimodal diagnostic approaches in cardiovascular disease 2025 Oct-Dec, Archivos peruanos de cardiologia y cirugia cardiovascular DOI:10.47487/apcyccv.v6i4.532 PMID:41582934	综述	本文评估了人工智能模型在心血管疾病诊断中的影响和临床适用性，并探讨了其相对于传统方法在提高诊断准确性、操作效率和可靠性方面的潜力	整合了多模态诊断方法（包括影像、心电信号、声学信号及临床与蛋白质组学生物标志物），并强调了可解释性技术的重要性	外部验证中性能下降、对异质人群的泛化能力有限，以及临床医生因可解释性不足而产生的抵触情绪	评估人工智能在心血管疾病诊断中的临床适用性及其改进诊断准确性和效率的潜力	心血管疾病的诊断方法，包括影像学、心电信号、声学信号及生物标志物	机器学习	心血管疾病	机器学习、深度学习算法	深度学习模型、集成模型	影像、心电信号、声学信号、临床数据、蛋白质组学数据	NA	NA	NA	准确率、ROC曲线下面积	NA
15410	2026-01-29	A multimodal artificial intelligence system for the detection and diagnosis of solid pancreatic lesions under EUS 2025 Sep-Oct, Endoscopic ultrasound IF:4.4Q1 DOI:10.1097/eus.0000000000000145 PMID:41583348	研究论文	本研究开发了一种基于深度学习的多模态人工智能系统，用于在超声内镜下检测和诊断实性胰腺病变	开发了首个整合超声内镜B型图像、弹性成像和临床数据的多模态AI系统，超越了仅关注单一模态的现有模型	研究为单中心回顾性分析，样本量相对有限，未来需要多中心前瞻性研究验证	提高实性胰腺病变的诊断准确性，以辅助治疗规划	接受超声内镜检查的实性胰腺病变患者	数字病理学	胰腺癌	超声内镜（EUS），包括B型成像和弹性成像	CNN	图像，临床数据	492名患者	NA	DCNN	准确率，灵敏度，特异性，AUC，Dice系数	NA
15411	2026-01-29	ProtoECGNet: Case-Based Interpretable Deep Learning for Multi-Label ECG Classification with Contrastive Learning 2025-Aug, Proceedings of machine learning research PMID:41394314	研究论文	提出了一种基于原型推理的可解释深度学习模型ProtoECGNet，用于多标签心电图分类	结合了1D CNN与全局原型、2D CNN与时间局部原型、2D CNN与全局原型的多分支架构，并设计了适用于多标签学习的原型损失函数，包含聚类、分离、多样性和新颖的对比损失	NA	开发可解释的深度学习模型用于临床心电图分类	心电图信号	机器学习	心血管疾病	深度学习	CNN	时间序列数据	PTB-XL数据集	NA	1D CNN, 2D CNN	NA	NA
15412	2026-01-29	Enhancing gastrointestinal stromal tumor risk stratification: A novel deep learning approach applied to EUS imaging 2025 May-Jun, Endoscopic ultrasound IF:4.4Q1 DOI:10.1097/eus.0000000000000119 PMID:41584022	研究论文	本研究提出了一种基于EUS影像的新型深度学习模型，用于提高胃肠道间质瘤的风险分层准确性	开发了一种专门针对医学影像的DenseNet-121深度学习风险预测模型，并将其与传统统计模型结合，在GIST风险分类中实现了更高的预测精度	研究为单中心回顾性研究，样本量相对有限（341例患者），且模型间的曲线下面积比较未显示显著统计学差异	改善胃肠道间质瘤的风险评估和分类，以优化临床决策和患者预后	经病理证实的胃肠道间质瘤患者	数字病理	胃肠道间质瘤	EUS成像	深度学习	图像	341例患者的1019张EUS图像	PyTorch（基于DenseNet架构推断）	DenseNet-121	灵敏度, 特异性, 阳性预测值, 阴性预测值, 准确率, AUC	NA
15413	2026-01-29	The impact of machine learning on ethological neuroscience 2025, Frontiers in behavioral neuroscience IF:2.6Q3 DOI:10.3389/fnbeh.2025.1745658 PMID:41583728	综述	本文综述了机器学习在行为神经科学中的应用，重点关注无标记姿态估计和无监督行为聚类技术	机器学习将视频摄像头转化为高分辨率测量设备，并通过无监督方法扩展大规模行为记录推断，结合实验室精确性与现实世界复杂性	处理高维数据集仍面临挑战	推动动物行为及其神经基础的理解，为行为神经科学提供更自然主义研究的实用工具	动物行为	机器学习	NA	深度学习图像处理，无人机和卫星成像	NA	视频，图像	NA	NA	NA	NA	NA
15414	2026-01-29	Validity and accuracy of a machine learning predictive model in the exploitation of patient-related outcomes in spine surgery 2025, Frontiers in surgery IF:1.6Q2 DOI:10.3389/fsurg.2025.1710512 PMID:41583840	研究论文	本研究前瞻性验证了一种深度学习算法在预测腰椎手术患者临床结局（MCID/非MCID）方面的准确性	首次前瞻性验证深度学习算法在腰椎手术患者结局预测中的有效性，并结合移动应用进行远程患者随访	样本量较小（仅103例患者完成随访），且为多中心研究可能引入异质性	验证机器学习预测模型在脊柱手术患者相关结局利用中的有效性和准确性	接受腰椎减压手术的患者	机器学习	脊柱疾病	深度学习	深度学习算法	临床数据（包括Oswestry功能障碍指数、阿片类药物使用、运动功能丧失等）	119例患者术前入组，103例完成术后随访	未明确说明	未明确说明	准确率，受试者工作特征曲线评分	未明确说明
15415	2026-01-29	Explainable AI-driven MRI-based brain tumor classification: a novel deep learning approach 2025, Frontiers in artificial intelligence IF:3.0Q2 DOI:10.3389/frai.2025.1700214 PMID:41584219	研究论文	本研究提出了一种基于可解释人工智能（XAI）的深度学习框架，用于MRI脑肿瘤分类	结合了可解释AI技术（如Grad-CAM、LIME）来可视化模型决策过程，并探索了与大型语言模型（LLMs）的未来集成潜力	未明确说明样本来源、数据集大小或计算资源的具体细节，可能影响结果的可重复性和泛化性	开发一个高效的深度学习框架，用于基于MRI数据的脑肿瘤分类，以辅助精确诊断和治疗规划	MRI图像中的脑肿瘤，分类为正常、胶质瘤、垂体瘤和脑膜瘤四类	计算机视觉	脑肿瘤	MRI	CNN	图像	NA	NA	DenseNet50, VGG19, 4-conv-1-dense-1-dropout CNN	准确率	NA
15416	2026-01-29	Detection of protein-losing enteropathy (PLE) ultrasonographic imaging features in dogs using deep learning neural networks 2025, Frontiers in artificial intelligence IF:3.0Q2 DOI:10.3389/frai.2025.1707957 PMID:41584227	研究论文	本研究利用深度学习神经网络开发了一个基于超声图像的模型，用于区分犬类中的蛋白质丢失性肠病（PLE）与非PLE的慢性炎症性肠病（CIE）病例	首次在兽医学中应用AI工具，通过深度学习模型从超声图像中自动检测PLE相关特征，提高了诊断的准确性和效率	研究为试点性质，样本量较小（仅59只犬），可能影响模型的泛化能力，且未在更广泛的数据集上进行验证	开发一个AI模型，以辅助犬类慢性炎症性肠病（CIE）和蛋白质丢失性肠病（PLE）的诊断和亚分类	犬类（59只）的超声图像数据，用于区分PLE与非PLE的CIE病例	数字病理学	蛋白质丢失性肠病	超声成像（B-mode）	深度学习神经网络	图像	59只犬的超声图像数据	NA	NA	准确率, 精确率, 召回率, F1分数, AUC-ROC	NA
15417	2026-01-29	Genetic risk predictions using deep learning models with summary data 2025, Frontiers in bioinformatics IF:2.8Q2 DOI:10.3389/fbinf.2025.1657021 PMID:41584515	研究论文	本文探讨了在仅能获取遗传汇总数据（如连锁不平衡矩阵）的情况下，深度学习模型在遗传风险预测中的潜在应用	首次系统评估了深度学习模型（包括深度神经网络、卷积神经网络、循环神经网络和Transformer）在仅使用遗传汇总数据而非个体级数据时的预测性能，并发现其误差相当	研究依赖于模拟和真实数据分析，但可能未涵盖所有遗传结构或疾病类型；隐私和数据共享限制的实际影响未完全量化	评估深度学习模型在仅使用遗传汇总数据时进行遗传风险预测的可行性与性能	遗传汇总数据（如连锁不平衡矩阵）与个体级遗传数据	机器学习	NA	遗传汇总数据分析	深度神经网络, 卷积神经网络, 循环神经网络, Transformer	遗传汇总数据, 个体级遗传数据	NA	NA	NA	均方误差	NA
15418	2026-01-29	Recent advance in early oral lesion diagnosis: the application of artificial intelligence-assisted endoscopy 2025, Frontiers in oncology IF:3.5Q2 DOI:10.3389/fonc.2025.1686356 PMID:41584615	综述	本文综述了人工智能辅助内窥镜技术在口腔鳞状细胞癌早期诊断中的应用、进展与挑战	系统总结了AI模型（如Mask R-CNN、U-Net）在内窥镜图像自动病变检测、分割和分类中的最新应用，并探讨了在资源有限地区的应用潜力	存在标准化数据集缺乏、预处理方法需优化、AI模型过拟合风险、伦理与数据隐私问题以及临床验证不足等挑战	优化口腔鳞状细胞癌的早期诊断与管理，改善患者预后并减轻全球疾病负担	口腔黏膜病变，特别是口腔鳞状细胞癌的早期病变	计算机视觉	口腔鳞状细胞癌	白光成像、窄带成像、自体荧光成像等内窥镜技术	深度学习模型	内窥镜图像	NA	NA	Mask R-CNN, U-Net	NA	NA
15419	2026-01-29	Enhancing multiclass plant disease classification using GAN-boosted vision transformer with XAI insights 2025, Frontiers in plant science IF:4.1Q1 DOI:10.3389/fpls.2025.1649399 PMID:41584666	研究论文	提出了一种名为GRG-ViT的新型多类别水稻叶片病害识别模型，该模型集成了Vision Transformer、生成式人工智能和可解释人工智能技术	提出了一种结合Vision Transformer、生成式人工智能和可解释人工智能的新型混合模型，并引入了混合ReLU-GELU激活机制以提升特征表示能力	NA	解决水稻叶片病害识别问题，以支持精准农业	水稻叶片图像	计算机视觉	植物病害	深度学习	Vision Transformer, GAN	图像	NA	NA	Vision Transformer	准确率	NA
15420	2026-01-29	Deep learning-based approaches for weed detection in crops 2025, Frontiers in plant science IF:4.1Q1 DOI:10.3389/fpls.2025.1746406 PMID:41584680	综述	本文综述了基于深度学习的杂草检测方法，重点关注目标检测、图像分割和图像分类三大模型家族，并分析了其优势、局限及未来发展方向	系统性地总结了深度学习在杂草检测中的最新进展，并讨论了基于作物的间接检测、半监督学习和模型-执行器集成等新兴解决方案	面临数据集稀缺、标注成本高、杂草形态多变以及实时部署限制等主要挑战	为开发下一代智能除草系统提供指导，推动可扩展、数据高效和精准集成的杂草管理	农作物中的杂草	计算机视觉	NA	深度学习	目标检测, 图像分割, 图像分类	图像	NA	NA	NA	NA	NA