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
1721	2025-12-08	Advances in deep reinforcement learning enable better predictions of human behavior in time-continuous tasks 2025, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0338034 PMID:41343519	研究论文	本研究利用深度强化学习模型预测人类在时间连续任务中的行为表现	首次将先进的深度Q网络模型（Ape-X和SEED）应用于人类行为建模，并验证其在时间连续任务中的预测能力优于传统模型	样本量较小（N=23），仅针对三种街机游戏任务，未涵盖更广泛的行为场景	探索深度强化学习模型在预测人类时间连续任务行为方面的有效性	人类参与者在三种街机游戏中的运动反应数据	机器学习	NA	深度强化学习	DQN	时间连续视觉刺激和运动反应数据	23名人类参与者	NA	Ape-X, SEED, 基线DQN	预测准确率	NA
1722	2025-12-08	What does my network learn? Assessing interpretability of deep learning for EEG 2025, Imaging neuroscience (Cambridge, Mass.) DOI:10.1162/IMAG.a.1033 PMID:41346402	研究论文	本文评估了深度学习在脑电图（EEG）数据中可解释性的影响因素，包括预处理选择、网络架构和特征提取可视化方法	通过比较两种卷积神经网络（ResNet和EEGNet）以及两种基于梯度的特征可视化技术（显著性和GradCam），揭示了不同架构和可视化方法对EEG数据可解释性的影响	研究仅针对视觉和听觉数据集，可能未涵盖所有EEG应用场景；可解释性评估主要基于特征相似性，缺乏更全面的量化指标	评估深度学习在EEG数据中的可解释性，并探讨如何通过网络架构和可视化方法改进解释性	单次试验EEG响应，包括对三种不同视觉刺激（视觉数据集）和声音存在（听觉数据集）的解码	机器学习	NA	脑电图（EEG）	CNN	脑电图（EEG）数据	NA	NA	ResNet, EEGNet	NA	NA
1723	2025-12-08	Using deep networks for knee range of motion monitoring in total knee arthroplasty rehabilitation 2025, Frontiers in bioengineering and biotechnology IF:4.3Q2 DOI:10.3389/fbioe.2025.1691591 PMID:41346475	研究论文	本研究提出了一种基于深度学习的膝关节活动度监测模型KROMNet，用于全膝关节置换术后的康复评估	开发了KROMNet模型，结合了卷积、空洞卷积和通道注意力层，在小样本条件下实现了高精度的膝关节活动度分类，优于现有方法	研究未明确说明模型在真实家庭环境中的泛化能力，且样本量相对有限	开发一种简单、准确、低成本的膝关节活动度评估方法，以支持社区和家庭康复	全膝关节置换术后患者的膝关节图像	计算机视觉	骨科疾病	深度学习	CNN	图像	从1,790名患者收集的1,103张膝关节图像	未指定	KROMNet（包含卷积层、空洞卷积层、通道注意力层和全连接层）	准确率, 精确率, 召回率, F1分数	NA
1724	2025-12-08	Emerging technologies and neuroscience-based approaches in dyslexia: a narrative review toward integrative and personalized solutions 2025, Frontiers in human neuroscience IF:2.4Q2 DOI:10.3389/fnhum.2025.1683924 PMID:41346795	综述	本文是一篇关于阅读障碍新兴技术与神经科学方法的叙述性综述，旨在探讨整合性与个性化解决方案	整合了神经科学机制与新兴技术（AI诊断、沉浸式工具、神经调控），提出了向个性化、可扩展解决方案转变的跨学科视角	研究方法存在异质性，样本量普遍较小，长期读写能力迁移证据有限，可推广性受限	综述阅读障碍的神经生物学基础、诊断技术创新、干预方法及政策伦理，推动整合性个性化解决方案	发展性阅读障碍（神经发育障碍）患者，重点关注儿童	自然语言处理, 数字病理	阅读障碍	眼动追踪, 手写分析, 神经调控（TMS, tDCS）, VR/AR	深度学习	眼动数据, 手写数据, 行为数据	多个试点研究，但样本量普遍较小	NA	NA	准确率	NA
1725	2025-12-08	MTMixG-Net: mixture of Transformer and Mamba network with a dual-path gating mechanism for plant gene expression prediction 2025, Frontiers in plant science IF:4.1Q1 DOI:10.3389/fpls.2025.1718258 PMID:41346834	研究论文	提出了一种名为MTMixG-Net的新型深度学习框架，用于植物基因表达预测，该框架结合了Transformer和Mamba架构，并引入了双路径门控机制	首次将Transformer的自注意力能力与Mamba的状态空间效率相结合，并引入双路径门控机制，以捕获多尺度调控依赖性，同时保持较低的计算复杂度	未明确提及模型在跨物种泛化能力方面的具体限制，也未讨论对未知植物物种的适用性	提高植物基因表达的预测准确性，以阐明植物发育和应激适应的调控机制	植物基因组数据	机器学习	NA	深度学习	Transformer, Mamba, CNN	基因组序列数据	多个植物基因组数据集（具体数量未提及）	NA	MTMixEnc（混合Transformer和Mamba编码器）, DPGM（双路径门控机制）, ResCNNChn（残差CNN链）	准确性, 计算效率	NA
1726	2025-12-08	Comparative analysis of optimized logistic regression with state-of-the-art models for complex gastroenterological image analysis 2025, Frontiers in medicine IF:3.1Q1 DOI:10.3389/fmed.2025.1655612 PMID:41346992	研究论文	本文比较了优化的逻辑回归与多种先进机器学习模型在胃肠息肉图像多分类任务中的性能	在低数据场景下，通过系统优化逻辑回归并与多种机器学习模型对比，发现集成方法（如XGBoost）在保持临床可解释性的同时实现了更高的分类性能	样本量较小（仅152个实例），且未使用深度学习模型，可能限制了在更复杂图像特征下的性能上限	评估和比较机器学习模型在胃肠息肉图像多分类中的性能，以支持临床决策	结肠镜图像中检测到的胃肠道息肉	机器学习	结直肠癌	结肠镜成像	逻辑回归, k近邻, 支持向量机, 随机森林, XGBoost	图像	152个实例，包含698个提取特征	Scikit-learn	NA	准确率, 宏平均F1分数	NA
1727	2025-12-08	Wireless Sensing-based Daily Activity Tracking System Deployment in Low-Income Senior Housing Environments 2024-Nov, Proceedings of the ... annual International Conference on Mobile Computing and Networking. International Conference on Mobile Computing and Networking DOI:10.1145/3636534.3698115 PMID:41346851	研究论文	本文介绍了一种基于无线传感的日常活动追踪系统，专为低收入老年住房环境设计，用于监测老年人的日常活动与移动能力	提出了一种非侵入式、低成本的无线传感解决方案，利用深度学习对周围WiFi信号进行细粒度分析，避免了摄像头或可穿戴设备带来的隐私、负担等问题	系统部署时间仅为一周，样本规模有限，且准确率最高为76.90%，仍有提升空间	开发并评估一种适用于低收入老年人的非侵入式日常活动监测系统，以早期发现功能衰退	低收入老年住房环境中的老年人及其日常活动	机器学习	老年疾病	无线传感技术，基于WiFi信号分析	深度学习模型	无线信号数据	在真实老年住房环境中部署一周，具体参与者数量未明确说明	NA	NA	准确率	NA
1728	2025-12-08	CortexMorph: fast cortical thickness estimation via diffeomorphic registration using VoxelMorph 2023-Oct-01, Medical image computing and computer-assisted intervention : MICCAI ... International Conference on Medical Image Computing and Computer-Assisted Intervention DOI:10.1007/978-3-031-43999-5_69 PMID:41346864	研究论文	本文提出了一种名为CortexMorph的新方法，通过结合无监督深度学习和VoxelMorph技术，快速估计皮层厚度	利用无监督深度学习直接回归DiReCT所需的变形场，显著提高了皮层厚度估计的速度	未提及具体局限性	开发一种快速估计皮层厚度的方法，以替代传统的耗时迭代图像配准方法	T1加权MRI图像中的皮层厚度	数字病理学	神经退行性疾病	MRI	深度学习模型	图像	OASIS-3数据集和Rusak等人的合成皮层厚度模型	NA	VoxelMorph	检测皮层萎缩的能力	NA
1729	2025-12-07	Deep learning-driven investigation of nanoplastic impacts on soil protist behavior in soil chips 2026-Jan-15, Environmental pollution (Barking, Essex : 1987) DOI:10.1016/j.envpol.2025.127414 PMID:41274594	研究论文	本研究开发了一种结合微流控土壤芯片、显微视频分析与深度学习的方法，实时监测纳米塑料暴露下土壤原生生物的行为变化	首次建立了能够直接在模拟土壤环境中实时、高通量观测微生物行为的实验系统，并采用深度学习检测模型与基于Transformer的轨迹重建算法定量分析原生生物运动	研究为概念验证性质，仅测试了三种原生生物类型和有限的纳米塑料浓度梯度，尚未在更复杂的真实土壤环境中验证	探究纳米塑料污染对土壤微生物行为的影响，开发新型微生物生态观测方法	土壤原生生物（鞭毛虫、纤毛虫、变形虫）	计算机视觉	NA	显微视频分析、微流控芯片技术	深度学习检测模型、Transformer	视频	三种形态/运动类型的原生生物群体（鞭毛虫、纤毛虫、变形虫），在0、2、10 mg/L三个纳米塑料浓度梯度下观测	NA	Transformer	运动速度变化百分比	NA
1730	2025-12-07	An explainable three dimensional framework to uncover learning patterns: A unified look in variable sulci recognition 2026-Jan, Artificial intelligence in medicine IF:6.1Q1 DOI:10.1016/j.artmed.2025.103286 PMID:41151346	研究论文	本文提出了一种可解释的三维人工智能框架，用于在脑影像分析中提供准确且易于理解的全局解释，并应用于识别与精神病相关的变异脑沟	首次开发了一个结合统计特征（Shape）和多种XAI方法（GradCam和SHAP）的三维全局解释框架，通过降维减少方法间变异性，提高了解释的忠实度和可靠性，并能揭示特定皮层特征的更广泛发育背景	未明确说明框架在其他脑结构或疾病分类任务上的泛化能力，且样本量（596例）可能对某些亚组分析的统计效力构成限制	开发一个能够为三维深度学习模型提供准确、低复杂度全局解释的可解释人工智能框架，以促进对脑发育及精神疾病相关异常轨迹的理解	大脑结构MRI影像，重点关注变异脑结构——旁扣带沟	神经影像分析	精神病	结构磁共振成像	3D深度学习模型	三维图像	596例结构MRI	NA	NA	NA	NA
1731	2025-12-07	Enhancing transformer-based architectures with geometric deep learning for colonoscopic polyp size classification using transfer learning 2026-Jan, Artificial intelligence in medicine IF:6.1Q1 DOI:10.1016/j.artmed.2025.103304 PMID:41252887	研究论文	本研究提出了一种结合RGB与深度信息的深度学习框架，用于结肠镜息肉尺寸的自动分类	通过改进的Af-SfM模块生成精细化校正的深度图，并将其与RGB信息融合，以提升息肉尺寸分类的准确性和客观性	未提及模型在临床实时应用中的处理速度或在不同医疗中心数据上的泛化能力	实现结肠镜息肉尺寸的自动化、客观化分类，以支持结直肠癌的风险评估和监测规划	结肠镜图像中的息肉	计算机视觉	结直肠癌	结肠镜成像	Transformer	图像（RGB图像与深度图）	超过10,000张由胃肠病学专家标注的结肠镜图像	NA	Transformer	精确率, 召回率	NA
1732	2025-12-07	Deformable phrase level attention: A flexible approach for improving AI based medical coding 2026-Jan, Artificial intelligence in medicine IF:6.1Q1 DOI:10.1016/j.artmed.2025.103299 PMID:41260194	研究论文	提出一种新颖的可变形短语级注意力机制，用于增强从临床文本中提取医学概念的文本分类模型	开发了一种可变形、短语级的注意力机制，能够识别临床文本中的重要词汇级和上下文短语级信息，超越传统的词级注意力	未明确说明模型在更广泛临床文本类型或语言上的泛化能力，以及计算效率的具体评估	改进基于AI的自动化医学编码，以提升疾病发生信息的收集和人口健康水平	临床文本文档，包括电子病理报告和医院出院摘要	自然语言处理	癌症	注意力机制	Transformer, 深度学习模型	文本	629,908份电子病理报告和52,722份医院出院摘要	NA	Transformer	NA	NA
1733	2025-12-07	Artificial intelligence in 4D flow MRI: Review of technological aspects and clinical applications 2026-Jan, Artificial intelligence in medicine IF:6.1Q1 DOI:10.1016/j.artmed.2025.103308 PMID:41273805	综述	本文全面回顾了人工智能在四维血流磁共振成像中的技术方面和临床应用	系统整合了AI与4D flow MRI的最新研究，强调了从数据采集到后处理的整个流程，并提出了基于AI的自动化方法以增强临床适用性	缺乏系统性的方法论，使得难以确定合适的研究方法	回顾人工智能在四维血流磁共振成像中的应用，以促进更有效的临床评估	四维血流磁共振成像数据及其在心血管疾病分析中的应用	医学影像分析	心血管疾病	四维血流磁共振成像	深度学习	MRI图像	NA	NA	NA	NA	NA
1734	2025-12-07	A labeled ophthalmic ultrasound dataset with medical report generation based on cross-modal deep learning 2026-Jan, Artificial intelligence in medicine IF:6.1Q1 DOI:10.1016/j.artmed.2025.103317 PMID:41297151	研究论文	本文提出了一个带标签的多模态眼科超声数据集，并基于跨模态深度学习构建了医疗报告生成模型	首次构建了同时包含超声图像、血流信息和检查报告的三模态眼科数据集，并提出了知识融合跨模态网络用于报告生成	数据集仅来自单一医院（沈阳某眼科医院），时间跨度为2016-2020年，可能影响模型的泛化能力	开发自动化眼科超声图像分析和医疗报告生成系统	眼科疾病患者的超声图像、血流参数和临床报告	计算机视觉, 自然语言处理	眼科疾病	超声成像	深度学习	图像, 文本, 血流参数	10,361名患者，22,173张图像及对应的自由文本报告	NA	知识融合跨模态网络	NA	NA
1735	2025-12-07	Artificial Intelligence in Ocular Oncology: Differentiating Choroidal Melanocytic Lesions 2026-Jan, Ophthalmology science IF:3.2Q1 DOI:10.1016/j.xops.2025.100948 PMID:41341795	综述	本文探讨了人工智能在眼科学肿瘤学中区分脉络膜黑色素细胞病变（特别是脉络膜痣和小黑色素瘤）的应用	利用深度学习技术自动分析高维医学图像，识别临床医生可能难以察觉的细微模式和特征，以提高诊断准确性	需要解决监管和实施方面的挑战，以充分发挥人工智能的潜力	提高脉络膜黑色素细胞病变的诊断准确性，以改善患者管理和预后	脉络膜黑色素细胞病变，特别是脉络膜痣和小黑色素瘤	计算机视觉	眼科学肿瘤	深度学习	人工神经网络	医学图像	NA	NA	NA	诊断准确性	NA
1736	2025-12-07	Motion-Informed Deep Learning for Human Brain Magnetic Resonance Image Reconstruction Framework 2026-Jan, NMR in biomedicine IF:2.7Q1 DOI:10.1002/nbm.70209 PMID:41350123	研究论文	提出了一种结合运动模块的深度学习MRI重建框架，以同时加速成像并校正运动伪影	首次在深度学习图像重建模型中显式建模运动，通过集成运动模块实现运动检测与校正，使模型具有“运动感知”能力	未明确说明模型在极端运动情况下的性能或泛化能力到不同MRI扫描协议	开发一种能够同时处理欠采样伪影和运动伪影的磁共振图像重建方法	人类大脑磁共振图像	计算机视觉	NA	磁共振成像	深度学习	图像	NA	NA	NA	NA	NA
1737	2025-12-07	Engineering enhanced signal peptides: A high-throughput computational pipeline for optimizing therapeutic protein production in CHO cells 2025-Dec-25, New biotechnology IF:4.5Q1 DOI:10.1016/j.nbt.2025.10.007 PMID:41115608	研究论文	本文开发了一种高通量计算筛选流程，用于优化中国仓鼠卵巢细胞中治疗性蛋白质生产的信号肽	利用深度学习模型SignalP 6.0筛选数百万信号肽变体，揭示了新型高效信号肽的水合特性特征及mRNA二级结构与高表达水平之间的新相关性	研究主要针对人血清白蛋白在CHO细胞中的表达进行验证，其广泛适用性需进一步在其他蛋白质和细胞系统中测试	优化治疗性蛋白质在CHO细胞中的分泌效率	信号肽及其变体，用于人血清白蛋白表达	机器学习	NA	深度学习，高通量计算筛选	深度学习模型	序列数据	数百万信号肽变体，来自小鼠/人野生型文库和C区突变体	NA	SignalP 6.0	预测易位效率，切割准确性	NA
1738	2025-12-07	Deep Learning for Differentiating Benign From Malignant Bile Duct Dilation on MRCP: Development and Prospective Evaluation of an Xception-Logistic Regression Ensemble Model 2025-Dec-05, Journal of magnetic resonance imaging : JMRI IF:3.3Q1 DOI:10.1002/jmri.70200 PMID:41348562	研究论文	本研究开发并前瞻性评估了一种基于Xception与逻辑回归的集成模型，用于在MRCP图像上自动区分良恶性胆管扩张	提出了一种结合深度学习（Xception）与逻辑回归的集成模型，用于自动化区分良恶性胆管扩张，并在前瞻性队列中验证了其与放射科医生相当的性能	研究样本量相对有限，且仅基于3T MRCP图像，未探索其他成像模态或更广泛的临床变量	构建并评估基于MRCP图像的深度学习模型及集成策略，以准确识别良恶性胆管扩张	良性与恶性胆管扩张患者的MRCP图像	计算机视觉	胆管疾病	磁共振胰胆管成像（MRCP），3D turbo spin echo序列（VISTA和SPACE）	CNN, 集成学习	图像	回顾性队列378例（来自两个机构），前瞻性队列60例	NA	Xception	AUC, 准确率, 敏感性, 特异性	NA
1739	2025-12-07	EmbryoProfiler: a Visual Clinical Decision Support System for IVF 2025-Dec-05, IEEE transactions on visualization and computer graphics IF:4.7Q1 DOI:10.1109/TVCG.2025.3634780 PMID:41348784	研究论文	本文介绍了一个名为EmbryoProfiler的可视化临床决策支持系统，用于辅助体外受精（IVF）中的胚胎选择和评估	开发了一个结合深度学习和可视化分析的半自动工作流，提供可解释的胚胎活力评分，以支持临床医生进行透明、基于临床信息的决策	未明确说明系统在广泛临床环境中的验证程度或潜在的数据偏差问题	提高体外受精（IVF）治疗中胚胎选择和评估的效率和准确性	体外受精（IVF）过程中的胚胎，基于延时显微镜图像	数字病理学	不孕症	延时显微镜成像	深度学习分类器	图像	NA	NA	NA	NA	NA
1740	2025-12-07	Artificial Intelligence in Prostate MRI: Addressing Current Limitations Through Emerging Technologies 2025-Dec-05, Journal of magnetic resonance imaging : JMRI IF:3.3Q1 DOI:10.1002/jmri.70189 PMID:41348934	综述	本文综述了人工智能在解决前列腺MRI当前局限性方面的进展，涵盖分流、加速采集与重建、图像质量保证、诊断和预后五个领域	综合了AI在前列腺MRI中多个应用领域的最新进展，包括FDA批准的加速重建工具、PI-CAI国际读者研究提供的非劣效性证据，以及将MRI特征扩展到预后建模	分流、质量控制和预后应用仍处于早期开发阶段，需确保跨人群的公平性能、纳入不确定性估计并进行前瞻性工作流程试验	探讨人工智能如何解决前列腺MRI在临床管理路径中的局限性，如成本、解读变异性和可扩展性	前列腺MRI图像及其在癌症检测、风险分层和预后评估中的应用	数字病理学	前列腺癌	MRI	机器学习, 深度学习	图像	NA	NA	NA	非劣效性	NA