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
1	2026-01-03	Leveraging Representation Learning for Bi-parametric Prostate MRI to Disambiguate PI-RADS 3 and Improve Biopsy Decision Strategies 2026-Feb-01, Investigative radiology IF:7.0Q1 DOI:10.1097/RLI.0000000000001218 PMID:40586610	研究论文	本研究开发了一种基于PI-RADS引导的深度学习表示学习模型，用于从双参数前列腺MRI图像中区分PI-RADS 3分类，检测临床显著前列腺癌，并避免不必要的良性活检	利用PI-RADS引导的表示学习训练深度学习模型，从双参数前列腺MRI中学习放射科医生的解释模式，以区分中间风险的PI-RADS 3分类并优化活检决策策略	研究为单中心回顾性设计，可能受到机构特定实践和读者变异性影响，且未评估模型在不同人群或成像协议中的泛化能力	通过深度学习模型改善前列腺MRI中PI-RADS 3分类的歧义性，提高临床显著前列腺癌的检测准确性并减少不必要的良性活检	前列腺癌患者的前列腺双参数MRI图像及相应的活检结果	数字病理学	前列腺癌	双参数前列腺MRI（T2加权和扩散加权成像）	深度学习表示学习模型	医学图像	28,263次MRI检查（来自21,938名男性），其中6,352次后续活检，测试队列包括仅PI-RADS 3病例（n=253）和所有PI-RADS病例（n=531）	未明确指定，但基于深度学习框架	表示学习模型（具体架构未指定）	AUC, 敏感性, 阴性预测值, 活检收益率	未明确指定
2	2026-01-03	Prognostic Utility of a Deep Learning Radiomics Nomogram Integrating Ultrasound and Multi-Sequence MRI in Triple-Negative Breast Cancer Treated With Neoadjuvant Chemotherapy 2026-Feb, Journal of ultrasound in medicine : official journal of the American Institute of Ultrasound in Medicine IF:2.1Q2 DOI:10.1002/jum.70054 PMID:40920176	研究论文	本研究评估了整合临床参数与超声及多序列MRI深度学习放射组学特征的列线图在预测接受新辅助化疗的三阴性乳腺癌患者生存、复发和转移方面的预后性能	开发了一种整合超声和多序列MRI的深度学习放射组学列线图模型，用于三阴性乳腺癌患者的预后预测，并进行了外部验证	回顾性研究，样本量较小（103例患者），且仅针对三阴性乳腺癌	评估整合超声和多序列MRI的深度学习放射组学列线图在预测三阴性乳腺癌患者预后中的性能	接受新辅助化疗的三阴性乳腺癌患者	数字病理学	乳腺癌	深度学习放射组学	深度学习模型	图像	103例患者（训练组72例，验证组31例）	NA	深度学习放射组学列线图	一致性指数	NA
3	2026-01-03	A Multivariate Cloud Workload Prediction Method Integrating Convolutional Nonlinear Spiking Neural Model with Bidirectional Long Short-Term Memory 2026-Feb, International journal of neural systems IF:6.6Q1 DOI:10.1142/S0129065725500716 PMID:41024445	研究论文	本文提出了一种结合卷积非线性脉冲神经模型与双向长短期记忆的多元云工作负载预测方法	提出基于非线性脉冲神经P系统的卷积模型（ConvNSNP），增强处理非线性数据的能力，并与BiLSTM结合构建混合预测模型，有效捕获多元时间序列的变量间相关性和时间模式	NA	解决云计算环境中多元工作负载预测的关键研究问题	多元时间序列数据	机器学习	NA	NA	CNN, BiLSTM	时间序列数据	三个公共云工作负载轨迹数据集（来自阿里巴巴和Google）	NA	ConvNSNP, BiLSTM	RMSE, MAE, MAPE	NA
4	2026-01-03	Artificial Intelligence Deep Learning Ultrasound Discrimination of Cosmetic Fillers: A Multicenter Study 2026-Feb, Journal of ultrasound in medicine : official journal of the American Institute of Ultrasound in Medicine IF:2.1Q2 DOI:10.1002/jum.70079 PMID:41024593	研究论文	本研究利用基于YOLO架构的深度学习人工智能技术，通过超声图像区分不同类型的化妆品填充剂	首次将人工智能深度学习应用于超声图像中化妆品填充剂的鉴别，填补了该领域的研究空白	对于钙羟基磷灰石和聚甲基丙烯酸甲酯填充剂的识别性能较低且不一致，需要进一步优化	开发一种基于人工智能的超声图像分析方法，用于准确区分不同类型的化妆品填充剂	化妆品填充剂，包括透明质酸、聚甲基丙烯酸甲酯、钙羟基磷灰石和硅油	计算机视觉	NA	超声成像	CNN	图像	1432张超声图像，来自6个国家的14名医生收集	YOLO	YOLOv11	准确率, F1分数, 精确率, 召回率	NA
5	2026-01-03	Deep Learning-Based CAD System for Enhanced Breast Lesion Classification and Grading Using RFTSDP Approach 2026-Feb, Journal of ultrasound in medicine : official journal of the American Institute of Ultrasound in Medicine IF:2.1Q2 DOI:10.1002/jum.70056 PMID:41035163	研究论文	本研究提出了一种基于深度学习的计算机辅助诊断系统，利用射频时间序列动态处理（RFTSDP）方法增强乳腺病变的分类和分级	引入了RFTSDP方法，通过分析受控刺激下组织的动态响应和散射体位移对射频回波的影响，以增强诊断信息，并结合深度学习实现自动化特征提取	研究仅使用了11个离体乳腺组织样本，样本量较小，且为离体数据，可能无法完全代表体内情况	开发一种基于深度学习的计算机辅助诊断系统，以提高乳腺病变分类和分级的准确性	离体乳腺组织样本	计算机视觉	乳腺癌	射频时间序列动态处理（RFTSDP），超快超声数据采集	CNN	超快超声数据（射频时间序列）	11个离体乳腺组织样本	NA	CNN	准确率	NA
6	2026-01-03	A Hybrid Model Combining U-Net and Transformers for Joint Segmentation and Beamforming of Plane-wave Ultrasound Images 2026-Feb, Ultrasound in medicine & biology DOI:10.1016/j.ultrasmedbio.2025.10.002 PMID:41173661	研究论文	本文提出了一种结合U-Net和Transformer的混合模型，用于同时进行平面波超声图像的波束形成和分割	首次将U-Net和Transformer结合，在一个统一框架中同时实现超声图像的波束形成和分割任务，减少了传统复合成像的依赖	对于≤7毫米的小目标检测精度降低，偶尔会产生虚假包含物，需要改进小目标检测和伪影抑制能力	开发一种能够同时进行超声图像分割和波束形成的深度学习模型，以提升平面波成像的效率和图像质量	计算机模拟数据、包含低回声包含物的物理体模（半径5-10毫米）、50名健康志愿者的颈动脉超声图像	医学影像分析	心血管疾病	平面波超声成像	CNN, Transformer	超声图像	计算机模拟数据、物理体模数据、50名健康志愿者的颈动脉超声图像	NA	U-Net, Transformer	Dice相似系数, 均方误差, 结构相似性指数, 拉普拉斯方差, 广义对比噪声比, 信噪比	NA
7	2026-01-03	Deep Learning Segmentation and Quantification of the Left Ventricle from the Parasternal Short-Axis View in Echocardiography 2026-Feb, Ultrasound in medicine & biology DOI:10.1016/j.ultrasmedbio.2025.10.005 PMID:41188093	研究论文	本研究开发了一种基于深度学习的自动化管道，用于从超声心动图的胸骨旁短轴视图中分割和量化左心室，以提取临床相关的定量测量指标	利用nnU-Net模型自动分割左心室腔和心肌，并基于分割结果自动计算左心室面积、分数面积变化、平均壁厚度和全局周向应变等测量值，实现了与专家标注相当的性能	未明确提及研究的具体局限性，如数据集规模、模型泛化能力或临床验证的深度	开发一种自动化深度学习管道，以从超声心动图的胸骨旁短轴视图中提取临床相关的定量测量，减少测量变异性和时间消耗	超声心动图中的左心室腔和心肌	计算机视觉	心血管疾病	超声心动图	CNN	图像	未明确提及具体样本数量，但提到主题级可行性为90.4%	NA	nnU-Net	Dice系数, 95th percentile Hausdorff距离	NA
8	2026-01-03	A Novel Instance Segmentation Method for Real-Time Detection of Thyroid Nodules in Ultrasound Videos: A Multi-Center Study 2026-Feb, Ultrasound in medicine & biology DOI:10.1016/j.ultrasmedbio.2025.09.015 PMID:41253629	研究论文	本文提出了一种用于甲状腺超声视频中多结节实时检测的新型实例分割方法	引入了可变卷积网络增强结节纹理特征提取，提出双向Mamba模块提升视频数据的长程建模能力，并采用Sobel边缘算子模块优化结节边界精度	NA	提高甲状腺结节分割的准确性和检测率	甲状腺超声视频中的多发性结节	计算机视觉	甲状腺结节	超声成像	实例分割模型	超声视频	来自多家医院的验证集	NA	可变卷积网络, 双向Mamba模块, Sobel边缘算子模块	Dice系数, 检测率	NA
9	2026-01-03	Deep learning for autism detection using clinical notes: A comparison of transfer learning for a transparent and black-box approach 2026-Feb, Artificial intelligence in medicine IF:6.1Q1 DOI:10.1016/j.artmed.2025.103318 PMID:41330257	研究论文	本研究提出了一种基于BioBERT的可解释机器学习方法，通过分析非结构化临床文本来检测自闭症谱系障碍，并与黑盒方法进行了比较	引入了一种透明且可解释的机器学习方法，利用BioBERT分析临床文本，并将行为描述映射到诊断标准，同时系统评估了迁移学习中不同训练策略（顺序训练与混合训练）对模型性能的影响	研究仅使用了两个真实世界数据集，模型的泛化能力仍需在更多样化的数据集上进一步验证	开发可解释的AI工具以自动化自闭症谱系障碍的诊断过程	自闭症谱系障碍患者的非结构化临床文本记录	自然语言处理	自闭症谱系障碍	自然语言处理	Transformer	文本	两个不同的真实世界临床文本数据集	NA	BioBERT	灵敏度, 特异性	NA
10	2026-01-03	Geometric deep learning for local growth prediction on abdominal aortic aneurysm surfaces 2026-Feb, Artificial intelligence in medicine IF:6.1Q1 DOI:10.1016/j.artmed.2025.103323 PMID:41330258	研究论文	本文提出一种基于SE(3)对称变换器模型的方法，用于在腹主动脉瘤表面直接预测局部生长，以改进个性化监测策略	首次使用SE(3)对称变换器模型在血管模型表面直接预测AAA生长，保留了血管表面的解剖结构和几何保真度，避免了参数化形状的局限性	训练数据仅基于24名患者的113次CTA扫描，样本量较小，且外部验证集仅包含7名患者，可能影响模型的泛化能力	开发个性化腹主动脉瘤生长预测方法，以优化临床监测策略	腹主动脉瘤患者及其CTA扫描图像	计算机视觉	心血管疾病	计算机断层扫描血管造影	Transformer	图像	113次CTA扫描，来自24名AAA患者（训练集），以及25次CTA扫描，来自7名AAA患者（外部验证集）	NA	SE(3)-symmetric transformer	中位直径误差，准确率	NA
11	2026-01-03	Artificial intelligence in depression diagnostics: A systematic review of methodologies and clinical applications 2026-Feb, Artificial intelligence in medicine IF:6.1Q1 DOI:10.1016/j.artmed.2025.103320 PMID:41338039	综述	本文对人工智能在抑郁症诊断中的方法学及临床应用进行了系统性回顾	全面评估了多模态数据融合和先进神经网络架构在抑郁症诊断中的应用潜力，并指出了未来改进模型泛化性、可解释性和伦理部署的关键方向	识别出数据集偏差、算法透明度不足以及临床适用性等重大方法学、伦理和实践挑战	回顾人工智能驱动的抑郁症诊断方法现状，并探讨其临床应用的潜力与挑战	用于抑郁症诊断的人工智能系统及相关研究	自然语言处理, 机器学习	抑郁症	机器学习, 深度学习	神经网络	语言数据, 行为数据, 生理数据	NA	NA	NA	诊断准确性	NA
12	2026-01-03	QENNA: A quantum-enhanced neural network for early Alzheimer's detection using magnetic resonance imaging 2026-Feb, Artificial intelligence in medicine IF:6.1Q1 DOI:10.1016/j.artmed.2025.103322 PMID:41344072	研究论文	提出了一种量子增强神经网络架构（QENNA），用于通过磁共振成像（MRI）进行早期阿尔茨海默病检测	将量子卷积层与经典深度学习结合，并引入量子数据增强策略（如量子生成对抗网络和量子随机游走）来生成高保真合成MRI扫描，以解决训练数据稀缺问题	未明确提及模型在更大规模或更多样化数据集上的泛化能力，以及量子计算资源在实际临床环境中的可及性	提高早期阿尔茨海默病检测的诊断准确性	阿尔茨海默病患者的脑部磁共振成像（MRI）数据	机器学习	阿尔茨海默病	磁共振成像（MRI）	量子增强神经网络	图像	两个公共MRI数据集（具体样本数量未明确）	NA	QENNA（量子卷积层与经典深度学习结合）	准确率, AUC	NA
13	2026-01-03	Intelligent sentiment analysis with Arabic patient feedback on healthcare services in King Hussein Cancer Center 2026-Feb, Artificial intelligence in medicine IF:6.1Q1 DOI:10.1016/j.artmed.2025.103334 PMID:41421129	研究论文	本研究开发了一个针对约旦阿拉伯方言患者反馈的语料库JADKHCC，并利用深度学习模型进行情感分析，以评估医疗服务质量	首次创建了专门用于约旦阿拉伯方言患者反馈情感分析的语料库JADKHCC，并比较了多种深度学习模型在阿拉伯语方言数据上的性能	研究主要针对特定医疗中心（KHCC）的约旦阿拉伯方言数据，可能无法直接推广到其他阿拉伯方言或医疗环境	通过情感分析自动化患者反馈，以检测不满、识别未满足需求并推动医疗服务改进	来自侯赛因国王癌症中心（KHCC）的约旦阿拉伯方言患者反馈文本	自然语言处理	癌症	情感分析	CNN, BiLSTM, LSTM, RNN, RNNLSTM	文本	15,812条约旦阿拉伯方言评论	NA	BERT-base-Arabic, Word2Vec, FastText	F1-score	NA
14	2026-01-03	Automated evaluation of pulmonary lesion changes on chest radiograph during follow-up using semantic segmentation 2026-01-02, Diagnostic and interventional radiology (Ankara, Turkey) DOI:10.4274/dir.2025.253567 PMID:41321291	研究论文	开发并验证了一种基于深度学习的模型，利用病灶特异性分割技术，在配对胸部X光片中自动评估肺实变和胸腔积液的改变状态	首次提出了一种基于病灶特异性分割的深度学习模型，用于自动评估随访期间胸部X光片中肺实变和胸腔积液的动态变化	模型训练数据仅来自单一机构，可能影响泛化能力；在ICU环境中对胸腔积液变化的检测准确性显著低于放射科医生	开发自动化工具来评估随访期间胸部X光片中肺部病灶的变化状态	胸部X光片中的肺实变和胸腔积液病灶	数字病理学	肺部疾病	语义分割	深度学习模型	医学影像（胸部X光片）	训练集：5,178张胸部X光片；验证集：急诊科和重症监护室的配对X光片	NA	NA	AUC, 准确率	NA
15	2026-01-03	Deep learning-based prediction of dynamic blood dose estimates for head-and-neck cancer 2026-Jan-02, Physics in medicine and biology IF:3.3Q1 DOI:10.1088/1361-6560/ae3047 PMID:41429110	研究论文	本研究开发了一种基于深度学习的模型，用于准即时预测头颈癌放疗中动态血液剂量模拟结果	首次提出结合全连接层和Transformer编码器的深度神经网络，实现动态血液剂量模拟的快速预测，克服了传统模拟在治疗计划迭代中时间不可行的限制	研究仅基于157名头颈癌患者的数据，样本量相对较小，且模型尚未在其他癌症类型或更大规模数据集中验证	开发一种准即时预测动态血液剂量模拟结果的方法，以促进放疗治疗计划中纳入血液剂量考虑	157名头颈癌患者的治疗计划CT图像和剂量体积直方图	数字病理学	头颈癌	动态血液剂量模拟（HEDOS）	深度神经网络	图像（CT）、剂量体积直方图	157名患者（126名用于训练和内部验证，31名用于测试）	NA	全连接层, Transformer编码器	Kullback-Leibler散度, 平均绝对百分比误差	NA
16	2026-01-03	Genome-wide association study reveals genetic architecture and evolution of human retinal pigmentation 2026-Jan-02, Science advances IF:11.7Q1 DOI:10.1126/sciadv.adw7768 PMID:41477839	研究论文	本研究开发了一个深度学习框架DeepGRP，用于从高分辨率眼底图像量化视网膜色素沉着，并通过全基因组关联研究揭示了其遗传结构和进化基础	首次开发深度学习框架DeepGRP量化视网膜色素沉着，识别了42个遗传信号（包括26个新位点），并发现了一个新的黑色素生成调控基因	未明确说明样本的具体人口学特征或数据集的潜在偏差	探究人类视网膜色素沉着的遗传结构和进化基础	人类视网膜色素沉着	计算机视觉	NA	全基因组关联研究, 单核转座酶可及染色质测序, RNA测序	深度学习	图像	NA	NA	DeepGRP	NA	NA
17	2026-01-03	PymolFold: A PyMOL Plugin for API-Driven Structure Prediction and Quality Assessment 2026-Jan-02, Journal of chemical information and modeling IF:5.6Q1 DOI:10.1021/acs.jcim.5c02410 PMID:41479360	研究论文	本文介绍了PymolFold，一个开源的PyMOL插件，用于通过API集成先进蛋白质结构预测模型并进行质量评估	开发了一个PyMOL插件，将基于API的先进结构预测工具无缝集成到分子可视化环境中，实现了“预测-可视化-分析”一体化工作流程	未提及具体性能限制或兼容性问题	降低实验科学家使用深度学习进行蛋白质结构预测的技术门槛	蛋白质结构预测工具和分子可视化环境	计算生物学	NA	深度学习	NA	蛋白质结构数据	NA	PyMOL	NA	结构质量评估工具	NA
18	2026-01-03	Machine Learning for Separating Dopamine and Octopamine Electrochemical Signals in Drosophila 2026-Jan-02, Analytical chemistry IF:6.7Q1 DOI:10.1021/acs.analchem.5c04155 PMID:41480932	研究论文	本研究提出了一种基于深度学习的回归方法，用于分离果蝇中多巴胺和章鱼胺的重叠电化学信号	采用改进的U-Net架构分析彩色图，利用章鱼胺独特的初级氧化峰预测其二级氧化峰，从而从混合信号中分离出多巴胺成分，克服了传统方法假设伏安图形状固定的局限性	方法依赖于计算生成的混合物作为真实基准进行训练和评估，在实验环境中的泛化能力可能需要进一步验证	开发一种能够同时检测多巴胺和章鱼胺神经递质动态的方法，以研究它们在果蝇学习行为中的个体贡献	果蝇（Drosophila）中的多巴胺和章鱼胺神经递质	机器学习	NA	快速扫描循环伏安法	深度学习	彩色图（来自电化学信号）	NA	NA	U-Net	归一化均方根误差, 皮尔逊相关系数, 一致性相关系数	NA
19	2026-01-03	Multicenter Histology Image Integration and Multiscale Deep Learning Support Machine Learning-Enabled Pediatric Sarcoma Classification 2026-Jan-02, Cancer research IF:12.5Q1 DOI:10.1158/0008-5472.CAN-25-2275 PMID:41481196	研究论文	本研究开发了一个基于深度学习的计算流程，利用多中心组织学图像和SAMPLER表示，对儿童肉瘤亚型进行准确分类	采用多中心数据集进行图像协调以减少中心特异性伪影，系统评估了CNN和ViT架构作为特征提取器，并引入多尺度特征提升分类准确性，基于SAMPLER的分类器训练速度比传统方法快三个数量级且无需GPU	数据集规模相对有限（867张WSI），且仅针对儿童肉瘤，可能无法直接推广到其他癌症类型	开发一个计算流程以准确分类儿童肉瘤亚型，克服其诊断挑战	儿童肉瘤的数字化组织学切片	数字病理学	儿童肉瘤	组织学成像	CNN, ViT	图像	867张全切片图像（WSI），来自三个医疗中心和儿童肿瘤学组（COG）	NA	UNI, CONCH	AUC	无需GPU
20	2026-01-03	MI-CSBO: a hybrid system for myocardial infarction classification using deep learning and Bayesian optimization 2026-Jan, Computer methods in biomechanics and biomedical engineering IF:1.7Q3 DOI:10.1080/10255842.2024.2382817 PMID:39049553	研究论文	本文提出了一种名为MI-CSBO的混合系统，用于通过深度学习与贝叶斯优化对心肌梗死进行分类	结合了深度残差CNN、贝叶斯优化和NCA特征选择，构建了一个新的混合分类系统，并在ECG数据上实现了100%的诊断准确率	NA	实现对心肌梗死的早期检测和分类	心电图（ECG）信号	机器学习	心血管疾病	谱图方法	CNN	图像（由ECG信号转换的谱图）	来自PTB数据库（PTBDB）的ECG信号数据集	NA	深度残差CNN	正确诊断率	NA