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
18361	2025-12-28	An Intrinsically Explainable Approach to Detecting Vertebral Compression Fractures in CT Scans via Neurosymbolic Modeling 2025-Feb, Proceedings of SPIE--the International Society for Optical Engineering DOI:10.1117/12.3047426 PMID:41445919	研究论文	本文提出了一种用于CT扫描中椎体压缩性骨折检测的神经符号方法，该方法结合深度学习与基于形状的算法，实现了高性能且本质可解释的检测	提出了一种结合深度学习（用于椎体分割）与基于形状的规则算法（用于分析椎体高度分布）的神经符号模型，实现了在保持高性能的同时提供内在可解释性	方法仅在VerSe19数据集上进行了评估，未在其他独立数据集上进行验证；基于形状的规则可能无法捕捉所有类型的椎体压缩性骨折形态	开发一种高性能且本质可解释的椎体压缩性骨折自动检测方法，以支持机会性筛查和临床决策	CT扫描中的椎体压缩性骨折	数字病理学	骨质疏松症	CT扫描	神经符号模型, DenseNet	CT图像	VerSe19数据集	NA	DenseNet	准确率, 灵敏度	NA
18362	2025-12-27	Deep learning model for identifying significant tricuspid regurgitation using standard 12-lead electrocardiogram 2026-Mar, International journal of cardiology. Cardiovascular risk and prevention DOI:10.1016/j.ijcrp.2025.200557 PMID:41437957	研究论文	本研究开发了一种基于深度学习模型，利用标准12导联心电图信号和临床特征来识别显著三尖瓣反流	首次结合一维卷积神经网络、高效通道注意力块和多头注意力模块，从广泛可用的12导联心电图中检测显著三尖瓣反流，避免了传统经胸超声心动图的额外成本和操作依赖性	深度学习模型的临床实用性仍需进一步验证和探索，且研究依赖于特定时间段内的患者数据	开发深度学习模型以利用12导联心电图信号和临床特征检测显著三尖瓣反流	2017年至2019年间接受12导联心电图和经胸超声心动图检查的5432名患者，其中570名患者被识别为显著三尖瓣反流	机器学习	心血管疾病	12导联心电图，经胸超声心动图	CNN	心电图信号，临床特征	5432名患者（训练集3910名，测试集435名，内部和外部验证队列）	NA	一维卷积神经网络，高效通道注意力块，多头注意力模块	准确率，灵敏度，特异性，曲线下面积	NA
18363	2025-12-27	GI-ScreenNet v2: A Modular Framework for Gastrointestinal Disease Detection Based on an Integrated Transfer Learning 2026-Feb, The international journal of medical robotics + computer assisted surgery : MRCAS DOI:10.1002/rcs.70128 PMID:41449645	研究论文	本文提出GI-ScreenNet v2，一个基于集成和迁移学习的多骨干网络框架，用于胃肠道疾病检测	通过标准化接口支持任意骨干网络，并利用交叉注意力机制动态整合多模型特征，实现灵活且高效的表示学习	现有系统通常不够灵活且技术复杂，限制了临床采用	开发一个统一的框架，用于胃肠道疾病的早期筛查和AI辅助诊断	无线胶囊内窥镜（WCE）图像	计算机视觉	胃肠道疾病	无线胶囊内窥镜（WCE）	集成学习, 迁移学习	图像	基于KvasirV2数据集	NA	多骨干网络框架	准确率	NA
18364	2025-12-27	Towards precision medicine for otology and neurotology: Machine learning applications and challenges 2026-Jan, Hearing research IF:2.5Q1 DOI:10.1016/j.heares.2025.109473 PMID:41274259	综述	本文批判性地综述了2013年至2025年间机器学习和深度学习在耳科及神经耳科领域的研究应用、挑战及未来方向	重点强调了新兴技术（如Whisper语音识别模型、大语言模型）及其在多模态数据集（影像、听力数据、患者报告结果）整合中的应用，以改进诊断和治疗策略	模型缺乏标准化、泛化能力有限、多模态数据整合框架不完善，阻碍了严谨且可重复的实施	探索人工智能（机器学习、深度学习、大语言模型）在耳科及神经耳科精准医疗中的应用潜力，以促进基于个体数据的诊断、预后和治疗决策	耳鸣、人工耳蜗植入及其他耳科或神经耳科疾病	机器学习	耳科及神经耳科疾病	NA	机器学习, 深度学习, 大语言模型	多模态数据（影像、听力数据、患者报告结果）	NA	NA	Whisper	NA	NA
18365	2025-12-27	3D Otoscope: toward an extra diagnostic dimension for middle-ear related issues 2026-Jan, Hearing research IF:2.5Q1 DOI:10.1016/j.heares.2025.109485 PMID:41308561	研究论文	本文介绍了一种可工业制造的数字耳镜，旨在测量鼓膜的三维形状，同时兼容标准检查程序	通过集成单次表面重建策略（从经典傅里叶轮廓术到现代深度学习方法），消除了多模式投影需求，并在深度学习方法中避免了相位解缠，从而简化硬件设置	NA	开发一种用于鼓膜三维形状测量的数字耳镜，以评估其早期病理指标	鼓膜的三维形状和活动性	计算机视觉	中耳相关疾病	光学轮廓术	深度学习	图像	NA	NA	NA	NA	NA
18366	2025-12-27	Automated high-fidelity 3D reconstruction of middle-ear ossicles from low-resolution clinical CT using a deep learning pipeline 2026-Jan, Hearing research IF:2.5Q1 DOI:10.1016/j.heares.2025.109492 PMID:41344151	研究论文	本研究验证了一种从低分辨率临床CT图像自动生成高保真中耳听小骨3D模型的深度学习框架	提出了一种结合YOLOv5x、深度反向投影网络和带“提示通道”的2.5D U-Net的三阶段自动化流水线，能够从稀疏数据中鲁棒地重建完整解剖结构	未明确说明训练数据的具体来源和多样性，外部验证集的规模可能有限	开发一种快速、准确且鲁棒的自动化工具，从标准临床CT生成患者特异性的中耳听小骨3D模型	中耳听小骨（ossicles）	医学影像分析	耳科疾病	临床CT成像	深度学习	CT图像	未明确说明具体样本数量，但提及使用了外部推理集进行验证	未明确说明，但提及YOLOv5x、DBPN、U-Net等架构	YOLOv5x, Deep Back-Projection Network (DBPN), 2.5D U-Net	mAP50, Dice系数, 平均表面距离	未明确说明具体计算资源
18367	2025-12-27	Lower Limb Joints Torques Continuous Estimate Model Based on Muscle Synergy for Patients With Motor Dysfunction 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.2025.3645234 PMID:41411354	研究论文	本研究为下肢运动功能障碍患者开发了一种基于肌肉协同作用的关节扭矩连续估计模型，用于康复外骨骼机器人的辅助控制	结合肌肉协同理论和深度学习，在神经控制层面建立了肌电信号与关节扭矩的关系模型，并采用对抗迁移学习优化模型以适应长期使用	仅涉及八名患者，样本量较小，且仅针对髋关节和膝关节进行评估	为康复外骨骼机器人提供准确可靠的下肢关节扭矩估计，以实现按需辅助控制	下肢运动功能障碍患者	机器学习	运动功能障碍	表面肌电图	深度学习	肌电信号	八名下肢运动功能障碍患者	NA	自注意力机制	决策系数	NA
18368	2025-12-27	Automated detection of zygomatic fractures on spiral computed tomography using a deep learning model 2026-Jan, International journal of oral and maxillofacial surgery IF:2.2Q2 DOI:10.1016/j.ijom.2025.07.007 PMID:40774874	研究论文	本研究评估了YOLOv8深度学习模型在自动检测颧骨骨折方面的性能	首次将YOLOv8模型应用于颧骨骨折的自动检测，并针对七种骨折类型进行了详细性能评估	研究未提及模型在其他数据集或临床环境中的泛化能力，且样本来源单一	评估深度学习模型在自动检测颧骨骨折方面的准确性和有效性	颧骨骨折的计算机断层扫描图像	计算机视觉	颧骨骨折	螺旋计算机断层扫描	YOLOv8	图像	13,988个轴向切片和14,107个冠状切片	NA	YOLOv8	准确率, 召回率, 平均精度, F1分数, AUC	NA
18369	2025-12-27	Intelligent deconvolution algorithm for mixed STR profiles based on locus association modeling 2025-Dec-26, International journal of legal medicine IF:2.2Q1 DOI:10.1007/s00414-025-03677-x PMID:41449255	研究论文	提出一种基于深度学习的位点关联建模方法，用于改进混合STR谱图的反卷积分析	首次将深度学习用于捕获STR位点间的统计关联性，并将其与全连续模型结合以提升混合谱图解析精度	跨测序平台迁移时性能显著下降，需依赖多平台混合训练提升泛化能力	提升法医DNA混合样本中个体识别的准确性与可靠性	短串联重复序列（STR）混合谱图	机器学习	NA	STR分型，DNA测序	深度学习模型	STR谱图数据	基于PROVEDIt数据集进行实验验证	NA	NA	准确率	NA
18370	2025-12-27	Recognizing uric acid type of urinary stones by deep learning 2025-Dec-26, Urolithiasis IF:2.0Q2 DOI:10.1007/s00240-025-01922-x PMID:41452376	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
18371	2025-12-27	Beyond gas bubbles: AI analysis of the "bubble bed" microenvironment improves diagnosis of infected abdominal collections 2025-Dec-26, Abdominal radiology (New York) DOI:10.1007/s00261-025-05260-9 PMID:41452460	研究论文	本研究开发并验证了一种基于非增强CT的全自动AI模型（BUBBLE-AI），用于提高腹腔内液体聚集（IAFCs）感染的诊断准确性	提出了创新的“气泡床”概念，通过分析气体气泡周围的炎症微环境，结合深度学习和放射组学特征，显著提升了诊断性能	研究为回顾性设计，可能存在选择偏倚；外部测试集规模相对较小（n=80）	开发并验证一种全自动AI模型，以改进腹腔内液体聚集（IAFCs）感染的诊断准确性	腹腔内液体聚集（IAFCs）患者	医学影像分析	腹腔感染	非增强计算机断层扫描（CT）	深度学习模型	CT图像	797名经培养确认的IAFCs患者（训练集637人，验证集80人，外部测试集80人）	NA	BUBBLE-AI（基于气泡床概念的自定义架构）	AUC（曲线下面积）	NA
18372	2025-12-27	Research progress of deep learning based on magnetic resonance imaging in meningioma 2025-Dec-26, Magma (New York, N.Y.) DOI:10.1007/s10334-025-01307-6 PMID:41452563	综述	本文综述了基于磁共振成像（MRI）的深度学习在脑膜瘤中的研究进展，分析了其优势、局限性和临床转化中的关键问题	总结了深度学习在脑膜瘤影像分析中的突破性进展，通过客观定量分析方法克服了传统依赖主观视觉判断的诊断局限	NA	为相关医学研究者和临床医生提供技术参考，促进深度学习在临床诊疗中更快、更规范地应用，最终使患者受益	脑膜瘤	数字病理学	脑膜瘤	磁共振成像（MRI）	CNN, Transformer	图像	NA	NA	NA	NA	NA
18373	2025-12-27	TTG-U-Net: An Interpretable and Efficient Framework for Multi-Modal Brain Tumor Segmentation Enabling Clinically-Aligned Decision Support 2025-Dec-25, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2025.3648379 PMID:41447494	研究论文	本文提出了一种名为TTG-U-Net的新型、可解释且高效的多模态脑肿瘤分割框架，旨在弥合模型性能与临床可解释性及效率之间的差距	该框架通过三个协同组件提供集成解决方案：1) 显式建模模态间依赖关系的跨模态Transformer，生成可作为模型推理透明视觉审计轨迹的注意力图；2) 自适应正则化模型并减少计算占用的动态低秩张量分解；3) 学习透明信息路由策略的模态自适应门控机制，模仿既定的放射学原理	NA	解决医疗可解释人工智能（XAI）领域的关键空白，开发一种能够透明且高效融合多模态MRI异质信息的集成方法，以促进人工智能在临床工作流程中的整合	多模态MRI图像中的脑肿瘤	数字病理学	脑肿瘤	多模态MRI	深度学习	图像	NA	NA	TTG-U-Net, U-Net, Transformer	Dice系数	NA
18374	2025-12-27	Preliminary Exploration of Discriminative Correlation Filter Network for Real-time Tracking of Inconspicuous Focal Liver Lesions on Conventional Ultrasound 2025-Dec-24, Ultrasound in medicine & biology DOI:10.1016/j.ultrasmedbio.2025.11.663 PMID:41448980	研究论文	本研究探索了基于判别相关滤波网络（DCFNet）的算法在常规超声中通过跟踪周围解剖标志来定位不明显局灶性肝病变的可行性	利用DCFNet框架同时跟踪多个周围解剖标志，实现实时超声下不明显局灶性肝病变的定位，并指导穿刺或消融	研究为初步探索，需要进一步大规模验证临床可行性	探索DCFNet算法在常规超声中实时跟踪不明显局灶性肝病变的可行性	超声可见和超声不可见的肝脏肿瘤模型，以及初步临床病例	计算机视觉	肝脏病变	超声成像	DCFNet	超声图像	20个超声可见模型、20个超声不可见模型及初步临床病例	DCFNet	DCFNet	匹配准确率、精度、位置误差、穿刺成功率、指导时间	NA
18375	2025-12-27	PlantscRNAdb 4.0: Improved marker identification and annotation under a cell type uniformity for plants 2025-Dec-24, Molecular plant IF:17.1Q1 DOI:10.1016/j.molp.2025.12.026 PMID:41449796	研究论文	介绍了植物单细胞RNA测序数据库PlantscRNAdb 4.0的更新，包括新的植物细胞类型本体、扩展的物种和数据集覆盖，以及用于标记基因识别和细胞类型注释的新计算工具	引入了新的植物细胞类型本体（POCT）和一种名为HCMarker的新型计算工具，该工具采用多指标评分系统，用于在多种植物细胞类型中稳健、准确地识别标记基因；还开发了基于深度学习的工具PCmaster_anno，以改进植物细胞类型的自动注释	未明确提及具体的研究局限性	构建和更新一个全面的植物单细胞RNA测序数据库，以标准化和精确地解释植物细胞类型及其标记基因	33种植物物种的107个scRNA-seq数据集	生物信息学	NA	单细胞RNA测序（scRNA-seq）	深度学习	单细胞RNA测序数据	来自107个scRNA-seq数据集	NA	NA	NA	NA
18376	2025-12-27	Pattern and structural detection in grayscale images through the application of quantile graphs in higher-dimensional spaces 2025-Dec-23, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-27825-w PMID:41436507	研究论文	本研究将分位数图框架从一维时间序列扩展到二维图像，提出了一种基于图的可扩展图像分类方法，并在计算机视觉领域应用于特征提取	将分位数图从时间序列分析扩展到图像识别，引入了一种可扩展的基于图的图像分类方法，并提供了开源实现	未明确说明计算资源需求或模型在大规模数据集上的泛化能力	开发一种计算效率高、对训练数据需求较低的图像特征提取和分类方法，以应对深度学习模型在数据有限时的挑战	灰度图像，包括手写数字数据集（MNIST）、时尚物品数据集（Fashion MNIST）以及医学影像数据集	计算机视觉	阿尔茨海默病	分位数图	NA	图像	使用了MNIST和Fashion MNIST两个基准数据集，并应用于一个医学影像数据集，具体样本数量未明确说明	NA	NA	准确性	NA
18377	2025-12-27	The mediating role of brand equity in corporate social responsibility and customer purchase intention based on text-CNN model 2025-Dec-23, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-28118-y PMID:41436517	研究论文	本研究结合深度学习与社会认同理论，探讨企业社会责任如何通过品牌资产影响顾客购买意愿	引入优化的Text-CNN模型进行情感分析，并结合结构方程模型，构建了多源数据融合的跨学科研究框架	研究主要基于公开的Yelp数据集和问卷调查，样本范围和行业覆盖可能存在局限性	探究企业社会责任对顾客购买意愿的影响机制，并验证品牌资产的中介作用	消费者评论数据（Yelp数据集）及问卷调查对象	自然语言处理	NA	情感分析，问卷调查	CNN	文本，问卷数据	Yelp公开数据集（涵盖餐饮、酒店、美容等行业）及问卷调查样本	NA	Text-CNN	NA	NA
18378	2025-12-27	Deep learning-based detection of murine congenital heart defects from µCT scans 2025-Dec-23, Communications biology IF:5.2Q1 DOI:10.1038/s42003-025-09023-6 PMID:41436776	研究论文	本文提出了一种基于深度学习的自动化方法，用于从小鼠的μCT扫描中分割和筛查先天性心脏缺陷	开发了一种深度学习模型，能够自动从小鼠μCT扫描中检测先天性心脏缺陷，并展示了模型在技术及生物学差异数据上的鲁棒性和适应性，同时提供了用户友好的Napari插件	模型在包含新基因型的'发散'队列上初始性能中等（AUC: 81%），需通过微调提升性能	加速小鼠心脏异常的诊断并促进先天性心脏缺陷的机制研究	小鼠（包括对照组和突变体）的μCT扫描图像	计算机视觉	先天性心脏缺陷	μCT（微计算机断层扫描）	深度学习模型	3D图像	139个μCT扫描（训练队列），外加两个验证队列	NA	NA	AUC（曲线下面积）	NA
18379	2025-12-27	HiSTaR: identifying spatial domains with hierarchical spatial transcriptomics variational autoencoder 2025-Dec-23, Journal of translational medicine IF:6.1Q1 DOI:10.1186/s12967-025-07404-3 PMID:41437257	研究论文	本文提出了一种名为HiSTaR的分层空间转录组学变分自编码器，用于从空间转录组学数据中捕获多级潜在特征，以识别空间域并校正批次效应	HiSTaR通过多个分层块捕获多级潜在特征，在空间域识别方面表现优于现有方法，并支持轨迹分析和差异基因表达分析，无需外部工具即可整合多个组织切片以处理批次效应	未在摘要中明确提及	开发一种计算工具，以改进空间转录组学数据中的空间域识别和组织异质性理解	空间转录组学数据中的spots（点）	机器学习	NA	空间转录组学	变分自编码器	空间转录组学数据	多个数据集（来自不同平台）	NA	HiSTaR	NA	NA
18380	2025-12-27	Artificial Intelligence in Anaesthesiology: Current Applications, Challenges, and Future Directions 2025-12-22, Turkish journal of anaesthesiology and reanimation IF:0.6Q3 DOI:10.4274/TJAR.2025.252320 PMID:41395980	综述	本文综述了人工智能在麻醉学领域的当前应用、面临的挑战以及未来发展方向	全面总结了人工智能在围手术期护理各阶段（包括术前、术中、术后及重症监护）的最新应用进展，并系统性地指出了该领域在方法学、伦理和实践方面的挑战	本文是一篇综述性文章，未提出新的原创性AI模型或进行实证研究，主要基于现有文献进行归纳总结	总结人工智能在麻醉学中的当前应用，分析其整合过程中面临的方法学、伦理和实践挑战，并探讨未来在围手术期护理中安全有效应用的发展方向	人工智能技术在麻醉学领域的各类应用场景、相关算法模型及其临床实践	机器学习	NA	机器学习、深度学习、大语言模型	NA	多模态数据（包括生理信号、医学影像、文本数据等）	NA	NA	NA	NA	NA