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	2025-12-03	Making AI accessible for forensic DNA profile analysis 2026-Feb, Forensic science international. Genetics DOI:10.1016/j.fsigen.2025.103345 PMID:40848662	研究论文	本研究探索使用案例工作中收集的数据和广泛采用的U-Net架构训练高性能模型，用于法医DNA分析中的等位基因自动识别	首次利用案例工作数据而非手动标注数据训练U-Net模型进行等位基因识别，实现了与人类分析师相当的性能，并公开了代码、模型权重和研究数据以促进社区发展	未明确说明数据、标注或模型架构中哪些方面对性能起关键作用，未来工作需进一步探索这些因素	开发一种易于访问且高性能的深度学习模型，用于自动化法医DNA分析中的等位基因识别	法医DNA分析中的电泳图（EPG）数据，包括案例数据和独立混合研究数据	计算机视觉	NA	DNA分析，电泳图（EPG）技术	CNN	图像（电泳图扫描点）	未明确指定具体样本数量，但包括案例数据和独立混合研究数据	未明确指定，但可能基于PyTorch或TensorFlow（因U-Net常用）	U-Net	F1分数	NA
2	2025-12-03	A semi-supervised learning-based framework for quantifying litter fluxes in river systems 2026-Jan-15, Water research IF:11.4Q1 DOI:10.1016/j.watres.2025.124833 PMID:41161028	研究论文	本文提出了一种结合半监督学习和切片辅助超推理的框架，用于量化河流横截面漂浮垃圾通量	首次将半监督学习与SAHI方法结合用于河流漂浮垃圾通量量化，解决了监督学习依赖大量标注数据和小垃圾物品检测困难的问题	框架仍会严重低估垃圾通量（比人工测量低3-4倍），主要因透明垃圾和困在水葫芦中的物品漏检	开发一种更高效准确的河流漂浮垃圾通量量化方法，以支持污染评估	河流水面漂浮的宏观塑料垃圾（>5毫米）	计算机视觉	NA	半监督学习，切片辅助超推理	CNN	图像	来自荷兰、印度尼西亚和越南水道的图像数据，具体数量未明确说明	PyTorch	ResNet50, Faster R-CNN	F1分数	NA
3	2025-12-03	Floc image-driven deep learning enhanced by temporal windows and transformers for carbon emission reduction in drinking water treatment plants 2026-Jan-15, Water research IF:11.4Q1 DOI:10.1016/j.watres.2025.124868 PMID:41202793	研究论文	本研究通过引入絮体形态特征提取、时间窗口选择和Transformer架构集成等策略，优化深度学习模型，用于饮用水处理厂的精确混凝剂投加，以实现碳减排	提出了创新的絮体形态特征提取方法、时间窗口选择策略以及Transformer架构的集成，显著提升了深度学习模型在短期数据下的性能	研究仅基于一个月的数据进行训练，虽然通过自更新机制确保长期适应性，但初始数据量有限可能影响模型的泛化能力	优化深度学习算法以实现饮用水处理厂中混凝剂的精确投加，从而提升水净化效率并减少碳排放	饮用水处理厂中的混凝剂投加过程	机器学习	NA	絮体图像分析	CNN, LSTM, GAN, Transformer	图像, 时间序列数据	一个月的数据	TensorFlow, PyTorch	Temporal Convolutional Network (TCN), Transformer	R, R²	NA
4	2025-12-03	Will artificial intelligence solve the riddle of athlete development? A critical review of how AI is being used for athlete identification, selection, and development 2026-Jan, Psychology of sport and exercise IF:3.1Q1 DOI:10.1016/j.psychsport.2025.102978 PMID:41038088	综述	本文批判性地回顾了人工智能在运动员识别、选拔和发展领域的应用现状与挑战	系统梳理了人工智能在体育科学中应用于运动员发展的三个主要领域，并强调了创新与批判性评估的平衡方法	未明确提及具体研究限制，但暗示了该领域应用范围与效用尚不完全明确	探讨人工智能在运动员发展（包括识别、选拔和培养）中的使用范围、效用及相关挑战	体育科学研究中使用人工智能的文献	机器学习	NA	机器学习，深度学习	NA	NA	NA	NA	NA	NA	NA
5	2025-12-03	Deep learning synthesis of DBT features from mammography for breast cancer diagnosis 2026-Jan, European journal of radiology IF:3.2Q1 DOI:10.1016/j.ejrad.2025.112486 PMID:41151435	研究论文	本研究提出了一种跨模态特征合成（CMFS）模型，从数字乳腺X线摄影（DM）图像生成合成数字乳腺断层合成（sDBT）特征，以提升乳腺癌诊断的准确性和临床实用性	开发了基于ResNet的多尺度注意力网络（MSAN）和生成对抗网络（GAN）模型，通过多任务学习将DM特征转换为sDBT特征，从而增强病变分类并减少患者辐射暴露	研究为回顾性设计，样本量相对有限（共806个样本），且未在外部数据集上进行验证	提升数字乳腺X线摄影（DM）在乳腺癌诊断中的诊断准确性和临床效用	乳腺癌患者	计算机视觉	乳腺癌	数字乳腺X线摄影（DM），数字乳腺断层合成（DBT）	GAN, ResNet	图像	806个样本（训练集570个，测试集236个）	NA	ResNet, MSAN, GAN	AUC	NA
6	2025-12-03	Gd-EOB-DTPA-enhanced MRI radiomics and deep learning models for predicting the pathological differentiation degree in hepatocellular carcinoma 2026-Jan, European journal of radiology IF:3.2Q1 DOI:10.1016/j.ejrad.2025.112487 PMID:41161266	研究论文	本研究探讨了结合Gd-EOB-DTPA增强MRI影像组学、深度学习模型及临床放射学特征在预测肝细胞癌病理分化程度中的价值	创新性地将深度学习模型与影像组学特征及临床放射学特征相结合，构建了综合预测模型，显著提高了对肝细胞癌分化程度的预测性能	研究为回顾性设计，样本来自三家医院，可能存在选择偏倚；模型性能仍需在前瞻性多中心研究中进一步验证	预测肝细胞癌的病理分化程度，以辅助制定更有利的治疗方案	肝细胞癌患者	数字病理学	肝细胞癌	Gd-EOB-DTPA增强MRI	深度学习, 机器学习	MRI图像	409例肝细胞癌患者（训练集304例，验证集105例）	FeAture Explorer, 3D ResNet-18	ResNet-18	AUC, 敏感性, 特异性	NA
7	2025-12-03	Accurate multi-b-value DWI generation using two-stage deep learning: multicenter study 2026-Jan, European journal of radiology IF:3.2Q1 DOI:10.1016/j.ejrad.2025.112497 PMID:41161267	研究论文	本研究开发并验证了一种两阶段深度学习框架，用于高保真多器官、多b值DWI合成和准确ADC恢复	提出两阶段DC2Anet-MineGAN框架，结合DC2Anet进行器官特定低至高b值合成和MineGAN进行任意b值插值，以克服临床DWI采集限制	存在潜在幻觉或失真风险，需要进一步多中心临床验证	开发高保真多器官、多b值DWI合成和准确ADC恢复的深度学习框架	来自三家医院和TCIA数据库的DWI图像，涵盖五个解剖区域（脑、乳腺、腹部、颈部、骨盆）	医学影像分析	NA	扩散加权成像（DWI）	生成对抗网络（GAN）	图像	50000张图像	NA	DC2Anet, MineGAN	均方误差（MSE）, 平均绝对误差（MAE）, 峰值信噪比（PSNR）, 结构相似性指数（SSIM）, 组内相关系数（ICC）	NA
8	2025-12-03	Machine Learning Approaches for Predicting RNA-RNA/DNA Interactions 2026, Methods in molecular biology (Clifton, N.J.) DOI:10.1007/978-1-0716-4670-0_14 PMID:41174207	综述	本章介绍用于预测RNA-RNA/DNA相互作用的机器学习方法，这对于理解非编码RNA功能至关重要	利用深度学习技术和来自高通量测序方法的大规模相互作用数据，开发出比传统基于能量方法更准确的预测工具	存在过拟合风险和需要第三方验证等挑战	预测RNA-RNA/DNA相互作用以理解非编码RNA功能	原核小RNA、一般RNA-RNA相互作用、miRNAs、box C/D snoRNAs、lncRNA-DNA三链体、CRISPR引导RNA设计	机器学习	NA	高通量测序	深度学习	相互作用数据	NA	NA	NA	准确性	NA
9	2025-12-03	Deep learning and transformer-based feature fusion of conventional MRI for differentiating spinal osteolytic bone metastases and multiple myeloma 2026-Jan, European journal of radiology IF:3.2Q1 DOI:10.1016/j.ejrad.2025.112463 PMID:41176822	研究论文	本研究开发了一种结合Transformer特征融合的深度学习模型，利用常规MRI序列区分脊柱溶骨性骨转移瘤和多发性骨髓瘤	首次将Transformer架构应用于常规MRI序列的特征融合，以区分脊柱溶骨性骨转移瘤和多发性骨髓瘤，并展示了其优越的临床净获益和泛化能力	模型在外部测试集上的性能差异未达到统计学显著性（所有P > 0.05），且研究为回顾性设计	开发一种基于深度学习和Transformer特征融合的模型，用于区分脊柱溶骨性骨转移瘤和多发性骨髓瘤	663名患者（342例脊柱溶骨性骨转移瘤和321例多发性骨髓瘤）的常规MRI序列图像	医学影像分析	骨肿瘤	常规MRI序列（T1WI, T2WI, T2WI-fs）	深度学习, Transformer	医学影像	663名患者（训练集421例，外部测试集242例）	NA	DenseNet169, Transformer	AUC, 准确率, ROC曲线, 校准图, 决策曲线分析	NA
10	2025-12-03	Assessing deep learning artificial intelligence support for detecting elbow fractures in the pediatric emergency department 2026-Jan, European journal of radiology IF:3.2Q1 DOI:10.1016/j.ejrad.2025.112498 PMID:41197552	研究论文	本研究评估了深度学习人工智能在辅助儿科急诊医生检测儿童肘部骨折方面的性能	首次在儿科急诊环境中评估深度学习算法对肘部骨折检测的辅助作用，并比较了有/无AI支持时医生的诊断表现	研究为回顾性设计，且AI辅助仅为理论性模拟，未在实际临床工作流程中实时测试	评估深度学习算法在辅助儿科急诊医生检测儿童肘部骨折方面的诊断性能	因创伤接受肘部X光检查的0-15岁儿童患者	计算机视觉	骨折	X光成像	深度学习算法	图像	755名儿童患者	NA	NA	灵敏度, 特异度	NA
11	2025-12-03	Multi-modal deep learning for predicting functional outcomes in intracerebral hemorrhage using 3D CT and clinical data 2026-Jan, European journal of radiology IF:3.2Q1 DOI:10.1016/j.ejrad.2025.112506 PMID:41202530	研究论文	本研究构建并验证了一种新颖的多模态深度学习框架，该框架整合了三维CT图像和临床文本信息，用于预测脑出血患者发病90天后的功能结局	提出了一种融合3D CT图像和临床文本的多模态深度学习框架，并采用双流注意力机制进行深度特征融合，提高了预测准确性	研究为回顾性设计，样本量相对有限（508例），且仅来自两个医疗中心，可能存在选择偏倚	准确预测脑出血患者发病90天后的长期功能结局，以支持早期临床风险分层	脑出血患者	数字病理学	脑出血	三维计算机断层扫描	CNN, 预训练语言模型	图像, 文本	508例脑出血患者（训练验证队列391例，外部测试队列117例）	PyTorch, TensorFlow（推断）	3D CNN, BioClinicalBERT	准确率, AUC	未明确指定，但推断需要GPU支持以处理3D CNN和预训练语言模型
12	2025-12-03	Deep learning-based hyperspectral oil spill detection for marine pollution monitoring in the Gulf of Mexico: A step toward marine pollution monitoring and SDG 14 compliance 2026-Jan, Marine pollution bulletin IF:5.3Q1 DOI:10.1016/j.marpolbul.2025.118908 PMID:41202730	研究论文	本研究应用高光谱遥感数据与深度学习技术，提高墨西哥湾石油泄漏检测的准确性和效率	结合高光谱影像的丰富光谱信息与深度学习分割模型，实现可靠的石油污染区域检测	数据稀缺和高维度问题通过主成分分析和标准化补丁输入处理，但未讨论模型泛化能力或实时检测限制	增强石油泄漏检测精度和效率，支持海洋污染监测和可持续发展目标14的合规性	墨西哥湾的石油泄漏污染区域	计算机视觉	NA	高光谱遥感	CNN	图像	使用公开可用的高光谱石油泄漏数据库（HOSD）	NA	U-Net, DeepLabv3	IoU, F1分数, 精确率, 召回率	NA
13	2025-12-03	Enhanced osteoporosis screening via multi-output deep learning: Segmentation and classification of metacarpal radiographs 2026-Jan, European journal of radiology IF:3.2Q1 DOI:10.1016/j.ejrad.2025.112507 PMID:41223626	研究论文	本文提出了一种名为OMO-Net的多输出深度学习架构，用于同时执行掌骨X光片的图像分割和骨质疏松症分类	OMO-Net创新性地将ResNet-50特征提取器与专用的分割和分类分支集成，实现了同时定位诊断关键区域和进行稳健分类的双任务框架	NA	通过多输出深度学习增强骨质疏松症筛查的准确性和临床工作流程	掌骨X光片	计算机视觉	骨质疏松症	NA	CNN	图像	NA	NA	ResNet-50	AUC, F1-score	NA
14	2025-12-03	LG-nnU-net for multilabel anal sphincter segmentation on MRI: quantitative evaluation in patients with anal fistula 2026-Jan, European journal of radiology IF:3.2Q1 DOI:10.1016/j.ejrad.2025.112509 PMID:41232256	研究论文	本文开发并评估了一种名为LG-nnU-net的新型深度学习分割框架，用于在MRI上对肛门括约肌子结构进行多标签分割，旨在提供可靠的定量解剖信息	提出了一种优化的nnU-net架构（LG-nnU-net），采用了非对称编码器扩展、组归一化、多尺度特征聚合和深度监督等技术，在肛门括约肌多标签分割任务上超越了ResU-net、DenseU-net和U-net++等对比模型	本研究为单中心回顾性研究，对高位/低位肛瘘分类的临床影响尚未验证，需要进一步的多中心验证和前瞻性结果研究	开发并评估一个用于MRI肛门括约肌子结构多标签分割的深度学习框架，以提供定量解剖信息	肛门括约肌子结构，包括肛提肌、耻骨直肠肌以及肛门外括约肌的浅部和皮下部	数字病理学	肛瘘	MRI（冠状位T2加权成像）	深度学习分割模型	医学图像（MRI）	272名肛瘘患者（训练集218人，测试集54人）	nnU-net	LG-nnU-net（基于nnU-net的优化架构）	Dice相似系数, Hausdorff距离, 平均对称表面距离	NA
15	2025-12-03	Improved image quality and dose reduction in liver CT using deep learning-based reconstruction: A comparative study 2026-Jan, European journal of radiology IF:3.2Q1 DOI:10.1016/j.ejrad.2025.112520 PMID:41264979	研究论文	本研究比较了基于深度学习的图像重建（DLIR）与混合迭代重建（HIR）算法在肝脏CT成像中的图像质量和辐射剂量	首次在肝脏病灶患者中系统比较DLIR与HIR算法，证明DLIR能在降低辐射剂量的同时显著提升图像质量	研究仅针对特定CT扫描仪和肝脏病灶患者，未评估其他解剖部位或疾病类型	评估和比较两种CT重建算法的图像质量与辐射剂量	153名至少有一个肝脏病灶（包括肝囊肿、血管瘤、肝细胞癌和胆管癌）的患者	医学影像处理	肝脏疾病	CT扫描	深度学习重建算法	CT图像	153名患者，共306个肝脏病灶	NA	NA	图像质量评分（5点李克特量表）、CT衰减值（HU）、图像噪声（SD）、信噪比（SNR）、对比噪声比（CNR）、辐射剂量指数（CTDI、DLP）	NA
16	2025-12-03	Deep learning-reconstructed time-maximum intensity projection versus iterative reconstruction for collateral assessment in acute anterior circulation ischemic stroke 2026-Jan, European journal of radiology IF:3.2Q1 DOI:10.1016/j.ejrad.2025.112524 PMID:41264986	研究论文	本研究评估了深度学习重建的时间最大强度投影在急性前循环缺血性卒中患者中的应用，并与单相CTA、多相CTA和CT灌注体积测量法在侧支循环评估和90天预后预测能力方面进行了比较	首次将深度学习重建的时间最大强度投影技术应用于急性卒中患者的侧支循环评估，并证明其能整合CT灌注的时间信息为单一高质量血管造影数据集，无需额外采集即可获得优于单相CTA的图像质量和预后区分能力	研究为回顾性设计且样本量较小（仅75例患者），可能限制了结果的普遍性和统计效力	评估深度学习重建的时间最大强度投影在急性前循环缺血性卒中患者侧支循环评估和预后预测中的性能	75例单侧前循环大血管闭塞的急性缺血性卒中患者	数字病理学	心血管疾病	CT血管造影和CT灌注扫描	深度学习	医学影像	75例患者	NA	NA	ROC曲线下面积, 敏感性, 特异性, 图像噪声, 信噪比, 对比噪声比	NA
17	2025-12-03	Dual-Phase deep learning Enhances detection of incidental small pancreatic cystic lesion (0.5-3 cm) on Contrast-Enhanced CT 2026-Jan, European journal of radiology IF:3.2Q1 DOI:10.1016/j.ejrad.2025.112510 PMID:41264978	研究论文	本研究开发了一种双相深度学习模型，用于在增强CT图像上检测偶然发现的小胰腺囊性病变	提出了一种结合动脉期和门脉期CT图像的双相深度学习模型，相比单相模型和初级放射科医生，在检测小胰腺囊性病变方面表现出更优且更稳健的性能	研究为回顾性设计，样本量有限（437个病变），且仅基于单一机构的CT图像，可能影响模型的泛化能力	开发并评估一种深度学习模型，以提高在增强CT上检测偶然发现的小胰腺囊性病变的准确性	增强CT图像中的胰腺囊性病变（0.5-3 cm）和正常胰腺组织	计算机视觉	胰腺癌	对比增强CT成像	深度学习模型	医学图像（CT）	437个偶然发现的小胰腺囊性病变（包括201个亚厘米囊肿）和193个正常胰腺，数据收集时间为2018年1月至2020年12月	NA	双相深度学习模型，单相深度学习模型	灵敏度，特异性，任意假阳性率，准确度	NA
18	2025-12-03	Exploring environmental sustainability of artificial intelligence in radiology: A scoping review 2026-Jan, European journal of radiology IF:3.2Q1 DOI:10.1016/j.ejrad.2025.112558 PMID:41275851	综述	本文通过范围综述，综合分析了放射学中人工智能的环境可持续性相关文献，并总结了减轻其环境影响的策略	首次系统性地综述了放射学AI领域的环境可持续性问题，识别了关键环境指标（如能耗、碳足迹）并提出了具体的缓解策略	纳入的研究数量有限（仅13篇），且该领域研究尚处于早期阶段，缺乏统一的标准和长期数据	评估放射学中人工智能应用的环境影响，并探索提升其可持续性的方法	放射学中的人工智能系统	医学影像分析	NA	NA	CNN, DL, ML, ViT, LLM	医学影像（如CT、MRI）	NA	NA	轻量级模型架构	CO2当量排放、训练时间、电力使用效率（PUE）、等效汽车行驶距离、能耗、耗水量	GPU, TPU, CPU, 云计算
19	2025-12-03	Enhanced opportunistic CT screening for osteoporosis using Machine learning derived volumetric vertebral and complementary body composition information 2026-Jan, European journal of radiology IF:3.2Q1 DOI:10.1016/j.ejrad.2025.112555 PMID:41275853	研究论文	本研究通过深度学习分割CT图像，整合椎体体积和身体成分特征，以增强骨密度预测和骨质疏松分类	开发了两阶段3D nnU-Net用于椎体分割，并结合身体成分特征，相比传统单切片方法显著提升了骨密度预测和骨质疏松检测的准确性	研究为回顾性设计，样本量相对有限（383名成人），且未探讨模型在更广泛人群或不同CT扫描协议下的泛化能力	评估整合椎体体积和身体成分特征是否能增强骨密度预测和骨质疏松分类	接受常规健康检查的成人，包括同日腹部CT扫描和双能X线吸收测定法（DXA）数据	数字病理学	骨质疏松症	CT扫描，深度学习分割，双能X线吸收测定法（DXA）	3D nnU-Net, 3D U-Net	CT图像	383名成人（平均年龄59.8岁，50.1%女性），使用475次CT扫描进行模型开发	NA	3D nnU-Net, 3D U-Net	相关系数，AUROC，敏感性，特异性	NA
20	2025-12-03	Transformer-based multimodal fusion model predicts early hematoma expansion in spontaneous cerebral hemorrhage: A multicenter study 2026-Jan, European journal of radiology IF:3.2Q1 DOI:10.1016/j.ejrad.2025.112465 PMID:41135231	研究论文	本研究开发了一种基于Transformer的多模态融合模型，用于预测自发性脑出血患者的早期血肿扩张	首次将深度学习特征、影像组学特征和临床因素通过Transformer模型进行融合，用于早期血肿扩张的预测	样本量相对有限，且为回顾性研究，需要进一步前瞻性验证	开发一个精确预测自发性脑出血患者早期血肿扩张的模型	自发性脑出血患者	医学影像分析	脑出血	非对比计算机断层扫描	Transformer, SVM, LR, RF, AdaBoost	图像, 临床数据	465名患者（来自三家医院）	NA	Transformer	AUC, 校准曲线	NA