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	2026-02-28	Automated subcutaneous fat segmentation with a convolutional neural network in magnetic resonance guided high-intensity focused ultrasound treatment for uterine fibroids 2026-Dec, International journal of hyperthermia : the official journal of European Society for Hyperthermic Oncology, North American Hyperthermia Group IF:3.0Q2 DOI:10.1080/02656736.2026.2634734 PMID:41755457	研究论文	本研究开发了一种基于注意力门控U-Net卷积神经网络的自动分割算法，用于在子宫肌瘤的磁共振引导高强度聚焦超声治疗中分割皮下脂肪层	首次将注意力门控U-Net架构应用于子宫肌瘤MR-HIFU治疗中的皮下脂肪自动分割，显著提高了分割效率和准确性	研究样本量相对较小（62例患者），且模型仅在特定患者群体中验证	提高MR-HIFU治疗子宫肌瘤的安全性和效率，通过自动化分割减少临床工作流程	子宫肌瘤患者的磁共振图像中的皮下脂肪层	数字病理学	子宫肌瘤	磁共振成像	CNN	图像	62例患者	NA	注意力门控U-Net	Dice系数, 95百分位Hausdorff距离, 平均绝对厚度误差	NA
2	2026-02-28	Clinical applications of artificial intelligence-driven nitric oxide: a bibliometric and scientific mapping analysis 2026-Sep-01, Medical gas research IF:3.0Q2 DOI:10.4103/mgr.MEDGASRES-D-25-00096 PMID:41496298	综述	本研究通过文献计量和科学图谱分析，系统阐述了人工智能驱动的一氧化氮研究的临床应用、知识框架及转化瓶颈	首次基于知识图谱对人工智能驱动的一氧化氮系统进行系统性分析，揭示了该交叉领域的知识架构、技术演变及转化障碍	研究基于Web of Science数据库，可能遗漏其他来源的文献；分析主要聚焦于心血管和呼吸系统疾病，在神经免疫学和传染病领域的应用研究尚不充分	系统分析人工智能驱动的一氧化氮交叉领域的知识框架、技术演变及临床转化瓶颈	人工智能驱动的一氧化氮系统相关研究文献	机器学习	心血管疾病	文献计量分析、科学图谱分析	NA	文本数据（科学文献）	384篇相关文章（2005-2024年）	CiteSpace, VOSviewer, Bibliometrix R package	NA	NA	NA
3	2026-02-28	AI-integrated smartphone platform enables POC dual-channel glucose monitoring with an indicator-free nanozyme gel kit 2026-Jun-01, Biosensors & bioelectronics IF:10.7Q1 DOI:10.1016/j.bios.2026.118510 PMID:41698866	研究论文	开发了一种基于无指示剂纳米酶凝胶试剂盒和AI集成智能手机平台的双通道葡萄糖即时检测系统	采用微波辅助静态生物矿化策略合成葡萄糖氧化酶模板化的MnO纳米片，保留了酶的天然活性和固有荧光，并构建了集成了深度学习算法的智能手机应用（SmartGDS）的“微管实验室”凝胶平台，实现了唾液葡萄糖的快速双模式（荧光和比色）定量检测	未明确说明临床验证的样本量细节或潜在的干扰物质影响	开发一种用于非侵入性、低成本健康管理的即时葡萄糖监测平台	唾液葡萄糖	数字病理	NA	微波辅助静态生物矿化，荧光共振能量转移（FRET）	深度学习算法	图像（颜色和荧光变化）	临床唾液样本（具体数量未明确）	NA	NA	线性范围，检测限（LOD），准确性	智能手机平台
4	2026-02-28	Predicting treatment response to neoadjuvant chemotherapy in locally advanced rectal cancer: A combined deep learning and machine learning approach utilizing longitudinal multi-sequence MRI 2026-Jun, European journal of radiology open IF:1.8Q3 DOI:10.1016/j.ejro.2026.100739 PMID:41756036	研究论文	本研究开发并验证了基于深度学习和机器学习的模型，利用纵向多序列MRI预测局部晚期直肠癌患者对新辅助化疗的治疗反应	结合纵向多序列MRI的深度学习特征与临床放射学特征，构建融合模型来预测治疗反应	回顾性研究设计，样本量相对较小（169例患者），且模型性能提升未达到统计学显著性	预测局部晚期直肠癌患者对新辅助化疗的治疗反应	局部晚期直肠癌患者	数字病理学	直肠癌	多序列MRI（CE-T1WI, T2WI, DWI）	深度学习, 机器学习	图像	169例局部晚期直肠癌患者（训练队列118例，测试队列51例）	NA	DenseNet121	AUC, 准确率, 敏感性, 特异性	NA
5	2026-02-28	Artificial Intelligence in Drug Discovery: Integrative Advances From Data to Therapeutic Innovation 2026-Apr, Drug development research IF:3.5Q2 DOI:10.1002/ddr.70229 PMID:41630488	综述	本文综述了人工智能在药物发现中的整合进展，从数据到治疗创新	全面整合了机器学习、深度学习和强化学习等AI技术，以加速药物发现的关键流程，包括靶点识别、虚拟筛选、从头药物设计、毒性预测以及临床试验优化	存在数据质量保证、模型可解释性提升、监管接受度以及伦理问题等限制	加速药物发现过程，提高新药研发效率并推动个性化医疗	药物发现流程，包括靶点识别、虚拟筛选、药物设计、毒性预测、临床试验等	机器学习	NA	机器学习（ML）、深度学习（DL）、强化学习（RL）	NA	NA	NA	NA	NA	NA	NA
6	2026-02-28	Deep Learning-Based Motion-Compensated Reconstruction for Accelerating 4-Dimensional Magnetic Resonance Fingerprinting 2026-Mar-15, International journal of radiation oncology, biology, physics DOI:10.1016/j.ijrobp.2025.10.001 PMID:41138788	研究论文	本文提出并验证了一种名为DeepMocor的深度学习方法，用于运动补偿的四维磁共振指纹成像重建，以加速传统的4D-MRF重建过程	开发了DeepMocor这一深度学习框架，通过运动场初始化、精炼和最终重建三个阶段，实现了24倍于传统方法的加速，并有效处理了自由呼吸下的运动伪影	研究样本量较小（19名肝细胞癌患者），且为单中心前瞻性研究，需要更大规模、多中心的验证	开发并验证一种加速四维磁共振指纹成像重建的深度学习方法，以支持更高效的临床治疗规划	19名肝细胞癌患者（平均年龄62岁，14名男性）在自由呼吸状态下采集的腹部原始k空间数据	医学影像分析	肝细胞癌	四维磁共振指纹成像	深度学习模型	磁共振成像k空间数据	19名患者	NA	DeepMocor（包含运动场初始化、精炼和重建模块）	峰值信噪比, 结构相似性指数, 平均绝对百分比误差, 对比噪声比, 平均运动差异, 皮尔逊相关系数	NA
7	2026-02-28	Current State-of-the-Art 3D MRI Sequences for Assessing Bone Morphology with Emphasis on Cranial and Spinal Imaging: A Narrative Review 2026-Mar, RoFo : Fortschritte auf dem Gebiete der Rontgenstrahlen und der Nuklearmedizin DOI:10.1055/a-2673-4339 PMID:40962128	综述	本文综述了用于评估骨形态（特别是颅骨和脊柱成像）的当前最先进3D MRI序列的技术进展与应用	系统比较了多种短回波时间MRI序列（如ZTE、UTE、VIBE）在骨成像中的应用，并探讨了其与深度学习结合以替代CT的潜力	这是一篇叙述性综述，未进行定量荟萃分析；研究主要聚焦于过去五年的颅骨和脊柱应用，可能未涵盖所有骨成像领域	回顾和总结用于骨形态评估的先进3D MRI序列的技术原理、应用进展及临床价值	颅骨和脊柱的骨结构成像	数字病理	NA	3D MRI序列（包括ZTE、UTE、VIBE、FRACTURE等）	NA	医学影像（MRI）	约250项近五年研究（针对应用综述）和约868项近十年研究（针对技术综述），最终筛选出69项研究	NA	NA	NA	NA
8	2026-02-28	Revisiting PSF models: Unifying framework and high-performance implementation 2026-Mar, Journal of microscopy IF:1.5Q3 DOI:10.1111/jmi.70045 PMID:41186941	研究论文	本文提出了一个统一框架来比较和实现点扩散函数模型，并基于PyTorch提供了高性能开源库	首次系统性地证明了傅里叶和贝塞尔方法的等价性，并提供了可集成到深度学习流程中的高性能实现	未明确说明具体应用场景中的性能验证范围	建立点扩散函数模型的统一框架并实现高性能计算	显微镜成像系统中的点扩散函数模型	计算机视觉	NA	局部显微成像技术	NA	光学成像数据	NA	PyTorch	NA	计算精度, 计算速度	CPU, GPU
9	2026-02-28	Assessment of deep learning reconstruction effects on detection and differentiation of liver metastasis from hepatic hemangioma in diffusion-weighted imaging 2026-Mar, Japanese journal of radiology IF:2.9Q2 DOI:10.1007/s11604-025-01904-4 PMID:41196555	研究论文	评估和比较压缩感知扩散加权成像与基于模型的深度学习重建扩散加权成像在检测和区分肝转移瘤与肝血管瘤方面的性能	首次将基于模型的深度学习重建应用于腹部扩散加权成像，以提升图像质量并评估其对肝转移瘤和血管瘤检测与鉴别的诊断性能	样本量较小（53名患者），且为回顾性研究，可能影响结果的普遍性	评估深度学习重建在腹部扩散加权成像中对肝转移瘤和血管瘤检测与鉴别的效果	肝转移瘤和肝血管瘤患者	医学影像分析	肝转移瘤, 肝血管瘤	扩散加权成像, 压缩感知, 深度学习重建	深度学习模型	医学影像数据	53名患者（34名男性，19名女性，平均年龄65.9岁），包括59个转移瘤和33个血管瘤	NA	NA	信噪比, 对比噪声比, 表观扩散系数, 受试者工作特征曲线下面积, 灵敏度, 特异性	NA
10	2026-02-28	Topology-aware multiclass segmentation of the Circle of Willis from MRA and CTA images 2026-Mar, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2026.111516 PMID:41637822	研究论文	本文提出了一种用于磁共振血管成像和计算机断层扫描血管成像中Willis环多类别分割的深度学习框架，重点关注拓扑正确性和分割精度	提出了一种基于nnUNet的深度学习框架，并结合无需额外训练的后处理模块，专门针对Willis环多类别分割任务进行优化	未明确说明模型在更广泛临床数据上的泛化能力限制	实现Willis环血管的拓扑准确多类别分割，以评估其血管结构作为神经血管病理学生物标志物的重要性	Willis环血管网络（13个可能类别）	数字病理学	心血管疾病	磁共振血管成像, 计算机断层扫描血管成像	CNN	图像	使用TopCoW 2024公开数据集（MRA和CTA）进行训练和验证，并在隐藏测试集及CROWN 2023挑战数据集子集上进行评估	PyTorch	nnUNet	Dice系数, 中心线Dice	NA
11	2026-02-28	A Deep Learning Algorithm for Liver Metastasis Detection at Contrast-enhanced Abdominal CT in Patients with Colorectal Cancer: A Comparative Study with Radiologists 2026-Mar, Radiology. Imaging cancer DOI:10.1148/rycan.250242 PMID:41649392	研究论文	本研究评估了一种深度学习算法在结直肠癌患者腹部增强CT中检测肝转移的性能，并与放射科医生进行了比较	开发了一种深度学习算法，用于在结直肠癌患者的腹部增强CT中检测肝转移，并与不同经验的放射科医生进行了全面的性能比较，特别是在不同病灶大小和位置（如包膜下）的检测表现	这是一项回顾性、双中心研究，可能存在选择偏倚；算法在小于10毫米的小病灶上检测率较低（55%）；假阳性主要源于胆管扩张和膈肌压迹等结构	评估深度学习算法在结直肠癌患者腹部增强CT图像中检测肝转移的准确性，并与放射科医生的诊断性能进行比较	结直肠癌患者的腹部增强CT图像	计算机视觉	结直肠癌	对比增强腹部CT成像	深度学习算法	医学图像	181名结直肠癌患者（95名有肝转移，86名无肝转移），共280个肝转移结节	NA	NA	检测率, 假检测率, 95%置信区间, 组内相关系数	NA
12	2026-02-28	Emergent Language Symbolic Autoencoder (ELSA) with weak supervision to model hierarchical brain networks 2026-Mar, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2026.111533 PMID:41655479	研究论文	提出一种名为ELSA的新型分层符号自编码器架构，用于对静息态fMRI脑网络进行可解释的建模	结合弱监督和涌现语言框架，通过分层感知损失函数（渐进损失、严格损失、包含偏置损失）在无大量人工标注的情况下强制实现从粗到细的层次结构	未明确说明模型在其他类型分层生物医学数据上的泛化能力，也未讨论计算效率或训练时间	开发可解释的深度学习模型来建模具有层次结构的脑功能网络	静息态功能磁共振成像（fMRI）脑网络	机器学习	NA	静息态fMRI，独立成分分析（ICA）	自编码器	脑网络数据	来自1000 Functional Connectomes Project的公开数据	NA	Emergent Language Symbolic Autoencoder (ELSA)	分层一致性	NA
13	2026-02-28	VSSI2p-Net: Physics-guided deep unfolding with L2p-norm and variation sparsity for EEG source imaging 2026-Mar, NeuroImage IF:4.7Q1 DOI:10.1016/j.neuroimage.2026.121793 PMID:41655611	研究论文	提出一种基于深度展开的神经网络模型VSSI-Net，用于解决脑电图源成像中的欠定问题	将变分稀疏性和ℓp范数正则化引入ESI模型，并通过ADMM迭代求解，再通过深度展开将迭代过程映射为神经网络结构，实现端到端参数优化	未明确说明模型对特定噪声类型或个体差异的鲁棒性	提高脑电图源成像的定位精度、空间范围估计和成像速度	脑电图源成像问题	神经影像	NA	脑电图	深度展开神经网络	脑电图信号	合成数据集和真实数据集	NA	VSSI-Net	源定位精度, 空间范围估计, 成像速度	NA
14	2026-02-28	Periodontal bone loss analysis via keypoint detection with heuristic post-processing 2026-Mar, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2026.111515 PMID:41666656	研究论文	本研究提出了一种用于自动检测牙周骨丧失标志点、相关状况及分期的深度学习框架与标注方法	提出了一种启发式后处理模块，通过辅助实例分割模型将预测的关键点对齐到牙齿边界；并提出了适用于牙科影像领域的评估指标PRCK	根分叉病变和牙周膜间隙增宽任务的检测仍具挑战性，主要由于阳性样本稀缺；后处理模块偶尔会出现灾难性失败	开发自动检测牙周骨丧失标志点及相关临床状况的深度学习系统	牙周骨丧失的放射学标志点、疾病分期及相关临床状况	计算机视觉	牙周病	深度学习	关键点检测模型	根尖周X光片	192张根尖周X光片	NA	NA	PRCK, Dice系数	NA
15	2026-02-28	Exploring the potential of explainable deep learning for EEG-based cognitive decline prediction 2026-Mar, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2026.111538 PMID:41666658	研究论文	本研究开发了两种具有自注意力机制的深度学习算法，用于基于静息态脑电图数据预测轻度认知障碍和认知衰退	首次使用深度学习模型评估基于认知评分对健康受试者进行分类，其中大脑变化极小且难以检测，为早期阿尔茨海默病诊断中生物标志物的发现开辟了新途径	预测健康受试者的临床前认知衰退比预测已诊断的轻度认知障碍更具挑战性，转移学习方法仅达到56.08%的测试准确率	创建一种经济高效且非侵入性的早期认知衰退检测方法	健康对照者和轻度认知障碍患者的静息态脑电图数据	机器学习	阿尔茨海默病	脑电图	深度学习, CNN	脑电图信号	公开可用数据集中的健康对照和轻度认知障碍患者	NA	具有自注意力机制的深度学习算法	准确率	NA
16	2026-02-28	Identification of high-risk genes and classification of acute myocardial infarction patients utilizing deep learning in a restricted cohort 2026-Mar, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2026.111549 PMID:41671720	研究论文	本研究结合深度学习与差异表达分析等基因特征选择方法，在基因表达数据上显著提升了急性心肌梗死患者的分类性能	将深度学习与生物特征选择方法（特别是差异表达分析）相结合，用于基因表达分类，同时实现基因排序和生物标志物识别	研究仅基于两个基因表达数据集（GSE36961和GSE57345），样本量有限，可能影响结果的泛化能力	提高基于基因表达数据的急性心肌梗死患者分类准确性，并识别高风险基因	急性心肌梗死患者的基因表达数据	机器学习	心血管疾病	基因表达分析	深度学习, 机器学习	基因表达数据	两个基因表达数据集（GSE36961和GSE57345），具体样本数未明确	NA	NA	准确率, 精确率, 召回率, F1分数, AUC	NA
17	2026-02-28	AI for smart wastewater treatment plants: A review of physics-informed water quality modeling, optimization, and advanced control 2026-Mar-01, Journal of environmental management IF:8.0Q1 DOI:10.1016/j.jenvman.2026.128949 PMID:41671993	综述	本文综述了过去十年中人工智能在污水处理厂出水质量预测、过程优化和先进控制方面的研究进展，重点探讨了这些方法如何支持智能污水处理厂的发展	强调将物理信息（如活性污泥模型和过程约束）嵌入神经网络，并讨论将这些模型与实时优化和控制框架结合的路径	当前应用仍面临可解释性有限、跨厂可移植性弱以及对变化运行条件鲁棒性差的问题	探讨人工智能如何使污水处理厂实现低碳和智能化	污水处理厂	机器学习	NA	NA	机器学习, 深度学习	NA	NA	NA	神经网络	NA	NA
18	2026-02-28	Limitation of existing GFR estimating equations and application of artificial intelligence in improving GFR estimation and chronic kidney disease progression in people with diabetes 2026-Mar, Diabetes research and clinical practice IF:6.1Q1 DOI:10.1016/j.diabres.2026.113152 PMID:41679651	综述	本文综述了现有肾小球滤过率估算方程的局限性，并探讨了人工智能在改善糖尿病患者GFR估算和慢性肾病进展预测中的应用	系统性地评估了人工智能方法（特别是机器学习）在糖尿病患者这一特定人群中改进GFR估算和CKD进展预测的潜力，并指出了现有研究的局限性	现有研究样本量较小，且多数来自特定国家或人群，研究结果不一致，需要在更大规模和更多样化的人群中进行验证	评估和改进糖尿病患者肾小球滤过率的估算方法，并预测慢性肾病的进展	糖尿病患者	机器学习	慢性肾病	NA	人工神经网络, 随机森林, 支持向量机, 集成学习模型	NA	较小样本量（具体未说明）	NA	NA	偏倚, 精确度, 准确度	NA
19	2026-02-28	Deep learning and machine learning for differentiation between contrast extravasation and hemorrhagic transformation in post-thrombectomy stroke CT 2026-Mar, Journal of neuroradiology = Journal de neuroradiologie DOI:10.1016/j.neurad.2026.101530 PMID:41687434	研究论文	本研究开发并验证了基于机器学习和深度学习的模型，用于在机械取栓后6小时内的非增强CT上区分出血性转化与造影剂外渗	首次将U-Net深度学习模型与基于影像组学的传统机器学习模型（如支持向量机、随机森林和逻辑回归）结合，用于急性缺血性卒中后机械取栓术的早期并发症鉴别	研究为回顾性设计，样本量相对较小（111例患者），且仅针对前循环卒中患者，未来需要更大规模的前瞻性研究和混合方法验证	开发并验证机器学习模型，以在机械取栓后早期准确区分非增强CT上的出血性转化与造影剂外渗	接受机械取栓术的急性前循环缺血性卒中患者，特别是术后出现高密度影的患者	计算机视觉	心血管疾病	非增强CT成像	SVM, RF, LR, CNN	医学影像（CT图像）	351例患者（其中111例有术后高密度影，分为训练集72例和测试集39例）	NA	U-Net	准确率, 灵敏度, 特异度, F1分数, AUC	NA
20	2026-02-28	Predicting human gait kinematics and kinetics from a single inertial measurement unit using deep learning and synthetic datasets: A blinded assessment study 2026-Mar, Journal of biomechanics IF:2.4Q3 DOI:10.1016/j.jbiomech.2026.113149 PMID:41687508	研究论文	本研究提出了一种使用单个惯性测量单元和深度学习网络预测人体步态运动学和动力学的方法，并通过盲法评估验证其性能	采用条件生成对抗网络增强合成数据集的变异性，并首次在真实IMU数据上进行盲法评估和微调验证	模型在真实IMU数据上的性能较虚拟数据有所下降，且样本量相对有限（共59名健康成年人）	开发从单个骶骨佩戴的惯性测量单元预测下肢关节角度和力矩的神经网络模型	健康成年人的步态运动学和动力学数据	机器学习	NA	惯性测量单元测量，运动捕捉系统	神经网络，条件生成对抗网络	惯性测量单元数据，运动捕捉标记数据	49名健康成年人（训练集），7名健康成年人（盲法测试集），3名健康成年人（微调后测试集）	NA	神经网络，条件生成对抗网络	均方根误差	NA