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	2026-02-21	Deep Learning-Based Estimation of Radiographic Position to Automatically Set Up the X-Ray Prime Factors 2025-Jun, Journal of imaging informatics in medicine DOI:10.1007/s10278-024-01256-x PMID:39402356	研究论文	提出一种基于深度学习的创新方法，通过拍摄X射线曝光前的照片自动估计放射学体位，以优化X射线主要参数设置	首次利用深度学习从照片中自动估计放射学体位，用于自动设置X射线主要参数（KVp、mAs和源-探测器距离），以减少曝光错误和患者辐射剂量	大多数错误发生在照片中患者姿势相似的放射学体位之间，可能影响分类准确性	开发一种自动估计放射学体位的方法，以优化X射线主要参数设置，减少曝光错误和患者辐射剂量	66种临床常用放射学体位，从75名志愿者在两个不同X射线设施中前瞻性获取	计算机视觉	NA	X射线摄影	CNN	图像	75名志愿者，涉及66种放射学体位	PyTorch	ConvNeXt轻量版	准确率	NA
2	2026-02-21	Deep Learning for Lumbar Disc Herniation Diagnosis and Treatment Decision-Making Using Magnetic Resonance Imagings: A Retrospective Study 2025-03, World neurosurgery IF:1.9Q2 DOI:10.1016/j.wneu.2025.123728 PMID:39880078	研究论文	本研究利用深度学习卷积神经网络分析MRI图像，辅助腰椎间盘突出症的诊断和治疗决策	比较了纯AI、纯人类和AI辅助三种方法在诊断准确性和决策时间上的表现，展示了AI与人类专家协同工作的潜力	回顾性研究，样本可能有限，未详细说明模型泛化能力	评估深度学习在腰椎间盘突出症诊断和治疗决策中的辅助作用	接受手术评估患者的MRI图像	计算机视觉	腰椎间盘突出症	磁共振成像	CNN	图像	未明确说明	未明确说明	未明确说明	准确率	未明确说明
3	2026-02-21	Macrophage memory emerges from coordinated transcription factor and chromatin dynamics 2025-Feb-19, Cell systems IF:9.0Q1 DOI:10.1016/j.cels.2025.101171 PMID:39938520	研究论文	本文通过活细胞分析、ATAC测序和脓毒症体内模型，揭示了巨噬细胞如何通过NF-κB网络和染色质可及性重编程来编码动态炎症信号的记忆	首次展示了巨噬细胞在单细胞水平上通过转录因子和染色质动态协调，对连续炎症信号形成记忆的机制	研究主要聚焦于脓毒症模型，可能未涵盖所有炎症条件；单细胞变异性机制仍需进一步探索	探究免疫细胞如何编码和解码动态炎症信号，以及巨噬细胞是否保留过去暴露于炎症分子的记忆	巨噬细胞	机器学习	脓毒症	ATAC测序, 活细胞分析, 转录组分析	深度学习	序列数据, 转录组数据	NA	NA	NA	NA	NA
4	2026-02-20	3D FusionNet for synthetic CT based lung cancer segmentation 2025-Dec-03, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-29703-x PMID:41339453	研究论文	本研究提出了一种结合DCGAN与3D-TDUnet++的3D-FusionNet模型，用于基于合成CT的肺癌分割，以解决医学图像分割中标注数据不足的问题	将DCGAN用于生成合成CT图像以增强数据集，并结合3D-TDUnet++与非局部特征聚合（NLFa）架构，提高了肺癌分割的精度和鲁棒性	未提及模型在更广泛或多样化数据集上的泛化能力，以及临床部署中的具体验证细节	开发一种高效的肺癌分割框架，以改善计算机辅助诊断系统中的三维医学扫描解释	肺癌CT图像	计算机视觉	肺癌	CT扫描	DCGAN, 3D-TDUnet++	图像	使用公开的KAGGLE胸部CT扫描数据集，并通过DCGAN生成合成图像进行增强	未明确提及，但基于深度学习框架	3D-FusionNet（结合DCGAN与3D-TDUnet++及NLFa）	Dice系数, F1分数, 准确率	未提及
5	2026-02-20	Artificial intelligence in clinical nutrition. A narrative review 2025-Nov-22, Clinical nutrition ESPEN IF:2.9Q3 DOI:10.1016/j.clnesp.2025.11.142 PMID:41285366	综述	本文是一篇关于人工智能在临床营养学中应用的叙述性综述，旨在为临床医生提供AI基础概念及其在营养护理中实践应用的概述	系统性地概述了AI在临床营养学中的整合潜力，并强调了临床医生教育、跨学科合作和伦理监督对于成功实施的重要性	作为叙述性综述，未进行系统性荟萃分析，可能未涵盖所有最新研究，且主要关注概念性框架而非具体技术细节	旨在提高临床医生对人工智能在临床营养学中应用的理解，促进其负责任和有效的整合	临床营养学领域的人工智能技术，包括机器学习、深度学习和大型语言模型	机器学习	NA	NA	机器学习, 深度学习, 大型语言模型	NA	NA	NA	NA	NA	NA
6	2026-02-20	Regional attention-enhanced vision transformer for accurate Alzheimer's disease classification using sMRI data 2025-Oct, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.111065 PMID:40945221	研究论文	本研究提出了一种名为区域注意力增强视觉变换器（RAE-ViT）的新型框架，用于利用结构磁共振成像（sMRI）数据对阿尔茨海默病进行分类	引入了区域注意力机制来优先处理疾病关键脑区（如海马体和脑室），并整合了分层自注意力和多尺度特征提取，以同时建模局部和全局结构模式	未来工作将侧重于为边缘设备优化模型、整合多模态数据以及探索自监督和联邦学习，暗示当前模型在部署、数据融合和泛化性方面仍有提升空间	实现阿尔茨海默病的早期和准确诊断	阿尔茨海默病（AD）	计算机视觉	阿尔茨海默病	结构磁共振成像（sMRI）	Vision Transformer（ViT）	图像	1152份sMRI扫描（255例AD，521例MCI，376例NC），来自阿尔茨海默病神经影像学倡议（ADNI）数据集	NA	区域注意力增强视觉变换器（RAE-ViT），标准ViT，ResNet-50	准确率，灵敏度，特异度，AUC，Dice系数	NA
7	2026-02-20	Automated Remote Detection of Falls Using Direct Reconstruction of Optical Flow Principal Motion Parameters 2025-Sep-11, Sensors (Basel, Switzerland) DOI:10.3390/s25185678 PMID:41012917	研究论文	本文提出了一种基于光学流主运动参数直接重构的全自动跌倒检测方法，旨在提高检测精度并降低计算成本	通过直接重构主运动参数，避免了计算密集型的光学流全重建，同时提供了有效的描述符以实现精确检测	未明确提及具体样本量或数据集细节，且未来需在资源受限环境中进行优化和深度学习增强	开发一种高效、自动化的跌倒检测技术，适用于医疗保健和辅助技术领域	跌倒检测系统，重点关注视频监控中的运动分析	计算机视觉	老年疾病	光学流分析	NA	视频	NA	NA	NA	检测准确率, 计算效率	NA
8	2026-02-20	Deep Learning MRI Models for the Differential Diagnosis of Tumefactive Demyelination versus IDH Wild-Type Glioblastoma 2025-Jul-01, AJNR. American journal of neuroradiology DOI:10.3174/ajnr.A8645 PMID:39788628	研究论文	本文开发了一种基于深度学习的MRI模型，用于区分肿瘤性脱髓鞘与IDH野生型胶质母细胞瘤	首次应用3D DenseNet121架构结合T1C和T2加权MRI图像，通过深度学习模型实现这两种脑部病变的非侵入性鉴别诊断	模型需要进一步验证以评估其在跨机构、患者群体和技术中的泛化能力，且未纳入其他肿瘤病因如中枢神经系统淋巴瘤和脑转移瘤	开发非侵入性方法，准确诊断脑部病变，以指导个体化治疗并降低医源性发病率和死亡率	肿瘤性脱髓鞘患者（144例）和IDH野生型胶质母细胞瘤患者（455例）	医学影像分析	脑部疾病	MRI（磁共振成像）	深度学习	图像	599例患者（144例肿瘤性脱髓鞘，455例IDH野生型胶质母细胞瘤）	NA	3D DenseNet121	AUROC（受试者工作特征曲线下面积），敏感性，特异性	NA
9	2026-02-20	Dynamic frame-by-frame motion correction for 18F-flurpiridaz PET-MPI using convolution neural network 2025-Jul-01, medRxiv : the preprint server for health sciences DOI:10.1101/2025.06.27.25330436 PMID:40630596	研究论文	本文提出了一种基于卷积神经网络的深度学习框架，用于自动校正18F-flurpiridaz PET心肌灌注成像中的逐帧运动，以提高心肌血流和血流储备定量的准确性	首次将3D ResNet架构应用于18F-flurpiridaz PET的自动运动校正，通过模拟向量进行数据增强以提升训练鲁棒性，并实现了与经验操作者手动校正相当的诊断性能	研究基于单一临床试验（NCT01347710）的数据，样本量相对有限（32个站点），且依赖两名经验操作者的手动校正作为金标准，可能存在主观偏差	开发一种自动、快速且准确的深度学习运动校正方法，以减少18F-flurpiridaz PET心肌灌注成像中手动校正的观察者间变异性和时间消耗	18F-flurpiridaz PET心肌灌注成像数据，来自32个站点的临床试验受试者	医学影像分析	心血管疾病	PET成像	CNN	3D PET图像	来自32个站点的临床试验数据（具体样本数未明确，但使用5折交叉验证）	未明确指定，但基于深度学习框架	3D ResNet	AUC, 95%置信限, 平均差异	NA
10	2026-02-20	Effective 12-Lead ECG Reconstruction from Minimal Lead Sets Using Deep Learning for Advanced Wearable Systems 2025-Jul, Annual International Conference of the IEEE Engineering in Medicine and Biology Society. IEEE Engineering in Medicine and Biology Society. Annual International Conference DOI:10.1109/EMBC58623.2025.11254119 PMID:41336307	研究论文	本研究利用深度学习模型，从仅含三个导联的心电信号中重建标准的12导联心电图，以提升可穿戴设备的心电监测能力	采用通用模型在所有受试者上训练，无需个体化训练，提高了计算效率和泛化能力；探索了多种三导联输入配置与两种网络架构（纯卷积模型和卷积-时序模型）的组合	研究未在病理人群中进行验证，未来需扩展至病理人群	探索从少量导联重建完整12导联心电图的可行性，以增强可穿戴心电设备的诊断能力	从35电极体表电位图中提取的三导联心电信号	机器学习	心血管疾病	体表电位图	CNN	心电信号	未明确说明样本数量，但使用了多受试者的体表电位图数据	NA	纯卷积模型, 卷积-时序模型	中位数R值	NA
11	2026-02-20	Deep Neural Encoder-Decoder Model to Relate fMRI Brain Activity with Naturalistic Stimuli 2025-Jul, Annual International Conference of the IEEE Engineering in Medicine and Biology Society. IEEE Engineering in Medicine and Biology Society. Annual International Conference DOI:10.1109/EMBC58623.2025.11254034 PMID:41336410	研究论文	本文提出了一种端到端的深度神经网络编码器-解码器模型，用于编码和解码自然刺激下的fMRI脑活动	利用时间卷积层处理连续电影帧输入，有效弥合自然电影刺激与fMRI采集之间的时间分辨率差距	NA	探索自然刺激下fMRI脑活动与视觉输入之间的编码-解码关系	视觉皮层及周围体素的脑活动	机器学习和神经科学	NA	功能磁共振成像	编码器-解码器模型	fMRI数据和自然电影刺激	NA	NA	时间卷积层	NA	NA
12	2026-02-20	Image-based Mandibular and Maxillary Parcellation and Annotation using Computer Tomography (IMPACT): A Deep Learning-based Clinical Tool for Orodental Dose Estimation and Osteoradionecrosis Assessment 2025-Mar-20, medRxiv : the preprint server for health sciences DOI:10.1101/2025.03.18.25324199 PMID:40166584	研究论文	提出一种基于深度学习的自动分割框架，用于在放疗CT图像上精确分割下颌骨、上颌骨子区域及单个牙齿，以支持剂量评估和骨放射性坏死评估	开发了一种新颖的深度学习自动分割框架，结合Swin UNETR和ResUNet模型，首次实现了与ClinRad ORN分期系统对齐的下颌骨/上颌骨子区域及单个牙齿的精确分割，并用于剂量空间定位分析	分割性能在不同子区域间存在差异（如上前磨牙Dice值仅0.69），且对数据中常缺失的牙齿和子区域分割适用性有限	开发一种临床工具，用于口腔颌面结构的自动分割，以支持放疗剂量估计和骨放射性坏死评估	放疗CT图像中的下颌骨、上颌骨子区域（牙槽区与基骨区）及单个牙齿	数字病理学	头颈癌	计算机断层扫描（CT）	深度学习	CT图像	NA	NA	Swin UNETR, ResUNet	Dice系数, 几何精度, 剂量学比较, 统计显著性检验（Bonferroni校正p值）	NA
13	2026-02-20	Classification of Major Depressive Disorder Using Vertex-Wise Brain Sulcal Depth, Curvature, and Thickness with a Deep and a Shallow Learning Model 2025-Jan-24, ArXiv PMID:39975425	研究论文	本研究使用大脑皮层顶点水平的沟深、曲率和厚度特征，结合深度学习和浅层学习模型，对重度抑郁症患者与健康对照组进行分类	首次在大规模、多中心的ENIGMA-MDD数据集上，系统评估了顶点水平皮层形态特征的整合对MDD分类的效能，并比较了DenseNet与SVM两种非线性与线性模型的性能	仅使用结构MRI的皮层形态特征，分类性能接近随机水平，未能有效区分MDD与健康对照；结果可能受多中心数据异质性影响	探索基于大脑皮层形态特征的机器学习模型对重度抑郁症的诊断分类能力	重度抑郁症患者与健康对照者	神经影像分析	重度抑郁症	结构磁共振成像	DenseNet, SVM	神经影像特征数据	7,012名参与者（2,772名MDD患者，4,240名健康对照），来自30个研究中心	NA	DenseNet	平衡准确率	NA
14	2026-02-19	Imaging pathways in spondyloarthritis: integrating radiography, ultrasonography, magnetic resonance imaging, low-dose computed tomography, and artificial intelligence methods : Radiology and AI in SpA 2025-12-15, Rheumatology international IF:3.2Q2 DOI:10.1007/s00296-025-06051-7 PMID:41396276	综述	本文综述了脊柱关节炎的影像学检查路径，整合了X线、超声、磁共振成像、低剂量CT及人工智能方法，并讨论了AI在诊断与管理中的应用	提出了一个整合多模态影像学与人工智能的当代诊断算法，并强调了AI在提高骶髂关节炎检测精度方面的潜力	AI部署成本高、存在法医学考量，且相关研究仍处于积极调查阶段	优化脊柱关节炎的早期诊断与管理策略	脊柱关节炎患者，特别是疑似中轴型脊柱关节炎的患者	数字病理学	脊柱关节炎	X线摄影、超声、磁共振成像、低剂量计算机断层扫描	深度学习模型	影像数据（X线、CT、MRI）	NA	NA	NA	检测精度	NA
15	2026-02-19	Use of artificial intelligence in the diagnosis of alterations in cervical cytology: A university population-based observational study 2025-12-10, Biomedica : revista del Instituto Nacional de Salud IF:0.8Q4 DOI:10.7705/biomedica.7651 PMID:41410328	研究论文	本研究评估并比较了四种基于人工智能的模型在检测巴氏涂片细胞异常方面的判别能力	在哥伦比亚大学人群中首次评估人工智能模型用于宫颈细胞学异常诊断的潜力，并比较了不同模型的性能	研究样本量较小（650张图像），且仅基于单一大学队列，可能限制结果的泛化性	评估人工智能模型在宫颈细胞学异常检测中的判别能力，以改善宫颈癌筛查的诊断性能	来自哥伦比亚东北部大学队列的巴氏涂片细胞图像	数字病理学	宫颈癌	数字图像分析, 深度学习	CNN	图像	650张巴氏涂片细胞图像	NA	DenseNet, InceptionV3, MobileNet, VGG19	灵敏度, 特异性, AUC	NA
16	2026-02-19	ResDeepGS: A deep learning-based method for crop phenotype prediction 2025-Dec, Methods (San Diego, Calif.) DOI:10.1016/j.ymeth.2025.07.013 PMID:40930401	研究论文	提出一种基于深度学习的作物表型预测方法ResDeepGS，用于基因组选择任务	结合增量递归特征消除方法与增强型多层卷积神经网络（含残差结构和dropout策略），能更有效地捕获基因数据中的复杂关系	未明确说明模型在更广泛作物种类或极端环境条件下的泛化能力	提高作物基因组选择的预测精度，加速育种进程并应对粮食安全挑战	小麦、玉米和大豆的基因组与表型数据	机器学习	NA	基因组选择	CNN	基因组标记数据	三个数据集（小麦、玉米、大豆），具体样本量未明确说明	NA	增强型多层卷积神经网络（含残差结构）	预测准确率	NA
17	2026-02-19	An end-to-end deep learning method for reconstructing SMS-PI accelerated musculoskeletal MRI 2025-Dec, Medical physics IF:3.2Q1 DOI:10.1002/mp.70178 PMID:41345328	研究论文	本文提出了一种端到端的深度学习框架，用于重建SMS-PI加速的肌肉骨骼MRI图像	提出了一种将同时多层成像与并行成像相结合的深度学习框架，通过将完整的SMS前向模型嵌入到网络架构中，统一了切片分离和k空间到图像的重建过程，并引入了超分辨率模块以提高图像锐度	未明确说明	开发一种结合SMS和PI的深度学习重建框架，以实现高达8倍及以上的MRI加速，同时保持适合临床判读的图像质量	肌肉骨骼磁共振成像	医学影像	肌肉骨骼疾病	Turbo Spin Echo (TSE) MRI, Simultaneous Multislice (SMS), Parallel Imaging (PI)	深度学习网络	MRI图像	超过200,000个切片，来自1.5T至3T扫描，涵盖多种采集设置	NA	端到端深度学习框架，包含近端梯度算法展开、联合正则化网络和超分辨率模块	PSNR, SSIM	NA
18	2026-02-19	Dynamic Structural Recovery Parameters Enhance Prediction of Visual Outcomes After Macular Hole Surgery 2025-12-01, Translational vision science & technology IF:2.6Q2 DOI:10.1167/tvst.14.12.29 PMID:41533870	研究论文	本研究引入动态结构参数，并评估其在多模态深度学习框架中预测特发性全层黄斑裂孔手术后视觉恢复的效果	首次提出动态结构恢复参数，并将其整合到多模态深度学习模型中，以提升术后视觉恢复预测的准确性	NA	预测特发性全层黄斑裂孔手术后的视觉恢复情况	特发性全层黄斑裂孔患者	计算机视觉	黄斑裂孔	光学相干断层扫描	深度学习	图像	NA	NA	NA	Dice系数, AUC, 准确率	NA
19	2026-02-19	Deep Learning Segmentation of Pelvic Soft Tissue in Isotropic and Anisotropic MRI Using Routine T2 Scans 2025-Nov-24, Journal of computer assisted tomography IF:1.0Q4 DOI:10.1097/RCT.0000000000001828 PMID:41701554	研究论文	本研究比较了基于各向异性和各向同性MRI重建的深度学习模型在盆腔软组织结构分割中的性能	首次系统比较了各向异性和各向同性MRI重建对盆腔神经和肌肉组织分割精度的影响，并证明各向同性重建能提供更平滑、更解剖学准确的3D模型	样本量较小（仅35例直肠癌患者），且仅基于T2加权MRI序列，未评估其他序列或多模态数据	评估各向同性MRI重建在盆腔软组织分割中的优势，以提升术前规划和手术导航的准确性	直肠癌患者的盆腔MRI图像，重点关注骶神经、闭孔神经和梨状肌	数字病理学	直肠癌	T2加权MRI扫描	CNN	3D MRI图像	35例直肠癌患者	nnU-Net	nnU-Net	Dice相似系数, 交并比, 精确率, 召回率	NA
20	2026-02-19	Dual attention-based deep learning with blockchain for multimedia data processing and secure access control in IoHT 2025-Nov-18, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-24384-y PMID:41254085	研究论文	本文提出了一种基于区块链和双注意力深度贝叶斯网络的多媒体数据处理与安全访问控制方法，用于医疗物联网	结合区块链技术与双注意力机制的深度贝叶斯网络，实现高效的多媒体数据处理和增强的安全访问控制	未明确提及具体的数据集规模或实验环境限制	提升医疗物联网中多媒体数据处理的安全性和效率	医疗物联网中的多媒体数据（如文本、图像、语音）	机器学习	NA	区块链技术，深度学习方法	深度贝叶斯网络	多媒体数据（文本、图像、语音）	NA	NA	双注意力深度贝叶斯网络	访问控制速度	NA