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
2001	2026-05-06	Conventional and cutting-edge advances in plant virus detection: emerging trends and techniques 2025-Apr, 3 Biotech IF:2.6Q3 DOI:10.1007/s13205-025-04253-1 PMID:40151342	综述	总结植物病毒检测领域的传统方法与前沿技术，包括基于症状、血清学、核酸技术及新兴的LAMP、HTS、纳米生物传感器和CRISPR诊断方法	系统整合了人工智能、机器学习和物联网在植物病毒实时监测中的应用，并介绍了高光谱成像、深度学习和云平台等创新手段	仍存在序列限制、多重检测能力有限及环境可持续性问题	回顾植物病毒检测技术的演进，强调新兴趋势及未来研究方向	植物病毒检测方法及其在农业生产中的应用	机器学习	植物病害	LAMP, 高通量测序, 纳米生物传感器, CRISPR诊断, 高光谱成像, 深度学习	NA	图像、文本、传感器数据	NA	TensorFlow, PyTorch	ResNet, 卷积神经网络	灵敏度、特异性、检测速度	云端IoT平台、边缘计算设备
2002	2026-05-06	Covariate-Balancing-Aware Interpretable Deep Learning Models for Treatment Effect Estimation 2025-Apr, Statistics in biosciences IF:0.8Q4 DOI:10.1007/s12561-023-09394-6 PMID:40170916	研究论文	提出一种协变量平衡感知的可解释深度学习模型用于治疗效应估计	基于加权能量距离的理论分析推导出更紧的平均治疗效应估计偏差上界，并提出无需正确指定倾向性评分模型的目标函数，结合神经加性模型提升深度学习模型的可解释性	未明确提及局限性，可能包括对大数据集计算资源需求或模型泛化性的潜在限制	提高观察性数据中治疗效应估计的准确性和可解释性	治疗效应的无偏估计与深度学习模型的可解释性	机器学习	NA	NA	深度学习模型（神经加性模型）	数值数据（基准数据集和真实观察数据）	使用IHDP、ACIC和NHANES数据集，具体样本量未提及	NA	神经加性模型	平均治疗效应估计偏差、准确性等（具体未列出）	NA
2003	2026-05-06	MEASURING IMPACT OF SUPER-RESOLUTION ON SPINAL CORD MRI SCANS: LESION DETECTION SENSITIVITY, VARIABILITY, AND CLINICAL IMPACT 2025-Apr, Proceedings. IEEE International Symposium on Biomedical Imaging DOI:10.1109/isbi60581.2025.10981088 PMID:42077389	研究论文	研究超分辨率技术对脊髓MRI扫描的影响，包括病变检测敏感性、变异性和临床影响	首次探索通过超分辨率或线性插值人工改变脊髓MRI分辨率，以提升对临床相关结构（如病变负荷）的识别能力	未发现病变负荷/体积与EDSS残疾测量之间的显著关联	评估人工改变MRI分辨率是否增强对临床相关结构的辨别能力，特别关注病变负荷与临床变量的关系	53名不同严重程度的多发性硬化患者的脊髓MRI扫描	数字病理学	多发性硬化	MRI	深度学习工具（用于病变分割）	图像	53名多发性硬化患者	NA	NA	病变分割敏感性	NA
2004	2026-05-06	Toward understanding the role of genomic repeat elements in neurodegenerative diseases 2025-Mar-01, Neural regeneration research IF:5.9Q1 DOI:10.4103/NRR.NRR-D-23-01568 PMID:38886931	综述	探讨基因组重复元件在神经退行性疾病中的作用	综述了长读长测序技术和深度学习语言模型在重复元件变异研究中的最新应用	仅回顾现有研究，未提出新的实验数据或验证	理解基因组重复元件与神经退行性疾病的关系	基因组重复元件及其变异	自然语言处理, 机器学习	神经退行性疾病	全基因组关联研究, 靶向测序, 长读长测序	深度学习语言模型	基因组序列数据	NA	NA	NA	NA	NA
2005	2026-05-06	Conditioning generative latent optimization for sparse-view computed tomography image reconstruction 2025-Mar, Journal of medical imaging (Bellingham, Wash.) DOI:10.1117/1.JMI.12.2.024004 PMID:40177097	研究论文	提出一种条件生成隐变量优化方法，用于稀疏视角CT图像重建，无需训练数据且独立于实验设置	提出无需训练数据且独立于实验设置的cGLO方法，可同时重建多个切片，在稀疏视角全剂量CT重建中性能优于现有方法	在极稀疏角度条件下性能可能下降，文中未详细讨论多种噪声场景下的鲁棒性	开发一种无需训练数据且对采集协议不敏感的稀疏视角CT图像重建方法	全剂量稀疏视角计算机断层扫描（CT）图像	计算机视觉	NA	NA	条件生成隐变量优化（cGLO）	图像	未明确说明样本数量，涉及全剂量稀疏视角CT投影数据集	PyTorch	解码器（Decoder）	峰值信噪比（PSNR）、结构相似性（SSIM）	NA
2006	2026-05-06	Integrating pharmacogenomics and cheminformatics with diverse disease phenotypes for cell type-guided drug discovery 2025-01-20, Genome medicine IF:10.4Q1 DOI:10.1186/s13073-025-01431-x PMID:39833831	研究论文	提出一种名为Pathopticon的网络统计方法，通过整合药物基因组学和化学信息学来指导细胞类型特异性药物发现	首次结合CMap数据构建细胞类型特异性基因-药物扰动网络，并整合化学信息学和多种疾病表型以实现细胞类型依赖性药物优先排序	未明确说明，但基于CMap数据的依赖性和方法学验证可能受限于现有数据库的覆盖范围和准确性	开发一个细胞类型特异性的药物发现和重新定位平台	CMap中的基因表达谱、ChEMBL中的药物化学信息、Enrichr数据库中的569种疾病特征、73个MSigDB基因集以及CTD中的目标基因表达谱	药物发现、网络生物学、统计方法	血管疾病	qPCR实验验证	网络统计模型	基因表达数据、化学结构数据、疾病表型数据	73个MSigDB基因集用于基准测试，569种疾病特征来自Enrichr数据库	NA	Pathopticon网络模型，QUIZ-C统计方法	AUROC	NA
2007	2026-05-06	FODSeg: a deep learning framework for tract-specific white matter segmentation from full angular distributions 2025, Frontiers in neuroscience IF:3.2Q2 DOI:10.3389/fnins.2025.1734498 PMID:41601529	研究论文	提出一种名为FODSeg的深度学习框架，利用完整纤维取向分布函数（fODF）进行白质纤维束特异性分割	首次在体素分割中利用完整的fODF表示以保留全角度方向信息，并将纤维束分割重构为单类问题以减少标签冲突	NA	改进白质纤维束分割方法，提高在复杂纤维结构区域（如交叉纤维和瓶颈区域）的准确性和特异性	人类连接组计划数据集中的72个白质纤维束	数字病理学	NA	扩散磁共振成像	深度学习	扩散磁共振成像数据	人类连接组计划数据集（包含72个白质纤维束）	NA	NA	Dice系数、体积过度分割值、特异性	NA
2008	2026-05-05	Deep Hair Phenomics: Implications in Endocrinology, Development, and Aging 2025-Apr, The Journal of investigative dermatology IF:5.7Q1 DOI:10.1016/j.jid.2024.08.014 PMID:39236901	研究论文	开发了一种基于深度学习的计算机视觉方法，用于高通量、高分辨率量化单个毛发纤维，并探索内分泌、发育和衰老对小鼠毛发表型的影响	提出了创新的计算机视觉工具，能够区分和提取重叠的毛发纤维，实现多变量特征（长度、宽度、颜色）的高通量量化，并生成了单个毛发表型组	NA	开发一种高通量、定量化的毛发表型分析方法，并探究激素信号、基因修饰和衰老对毛囊产出的影响	小鼠的毛发纤维	计算机视觉	NA	深度学习	CNN	图像	NA	NA	NA	NA	NA
2009	2026-05-05	Advancing healthcare practice and education via data sharing: demonstrating the utility of open data by training an artificial intelligence model to assess cardiopulmonary resuscitation skills 2025-02, Advances in health sciences education : theory and practice IF:3.0Q2 DOI:10.1007/s10459-024-10369-5 PMID:39249618	研究论文	通过共享心肺复苏技能表现视频数据库并训练人工智能模型，展示开放数据在医疗保健实践与教育中的效用	首次利用开放共享的CPR技能表现视频数据库训练AI模型，实现自动临床评估；该数据库包含多角度视频和专家评分，支持3D重建和运动分析	NA	论证数据共享在医疗教育中的价值，并开发基于AI的自动CPR技能评估工具	40名参与者的心肺复苏技能表现视频及其质量评估数据	计算机视觉	NA	视频采集、姿势估计	深度学习网络	视频	40名参与者，从6个角度录制	NA	姿势估计网络、深度学习网络	NA	NA
2010	2026-05-04	Prenatal diagnosis of cerebellar hypoplasia in fetal ultrasound using deep learning under the constraint of the anatomical structures of the cerebellum and cistern 2025-11, Pediatric radiology IF:2.1Q2 DOI:10.1007/s00247-025-06376-2 PMID:40911057	研究论文	开发并验证一种受大脑解剖结构约束的深度学习模型，利用超声图像提高胎儿小脑发育不全的产前诊断准确性	提出双分支深度学习分类网络ASC-Net，将超声图像和脑部解剖结构掩膜作为独立输入，通过解剖结构约束提升诊断性能	研究为回顾性设计，样本来源单一，超声图像选择依赖医生经验，且小脑发育不全病例数有限（302例）可能影响模型泛化性	开发一个受胎儿小脑和后颅窝池解剖结构约束的人工智能模型，以改善超声成像中小脑发育不全的产前诊断准确性	胎儿小脑发育不全	计算机视觉	胎儿中枢神经系统发育异常	超声成像	深度学习分类网络	图像	302例小脑发育不全和549例正常妊娠病例	NA	ASC-Net (双分支网络)	准确率, AUC	NA
2011	2026-05-04	Free-running isotropic three-dimensional cine magnetic resonance imaging with deep learning image reconstruction 2025-10, Pediatric radiology IF:2.1Q2 DOI:10.1007/s00247-025-06266-7 PMID:40442341	研究论文	评估结合深度学习图像重建的游离呼吸各向同性三维电影磁共振成像在先天性心脏病患者中的效率和准确性	首次利用深度学习重建技术结合Heart-NAV技术实现游离呼吸三维电影成像与血管造影同步采集，显著缩短采集时间并提高图像对比度	样本量较小（16例患者），且三维与二维电影成像在右心室收缩末期容积上存在显著差异，需进一步验证	评估深度学习重建的游离呼吸三维电影MRI序列在先天性心脏病患者中的功能与容积测量的准确性和效率	先天性心脏病患者	数字病理学	先天性心脏病	心血管磁共振（CMR）、深度学习图像重建	深度学习重建模型	图像（三维磁共振成像）	16名患者（7名男性，中位年龄6岁）	NA	深度学习重建网络	对比噪声比（CNR）、容积测量（心室容积、射血分数、质量）、横截面积（CSA）	NA
2012	2026-05-04	Deep learning reconstruction for improving image quality of pediatric abdomen MRI using a 3D T1 fast spoiled gradient echo acquisition 2025-09, Pediatric radiology IF:2.1Q2 DOI:10.1007/s00247-025-06313-3 PMID:40679617	研究论文	比较基于深度学习重建方法与常规重建在儿童腹部MRI中的图像质量	首次在儿童队列中系统评估商用深度学习重建算法（AIR™ Recon DL）对3D快速扰相梯度回波序列腹部MRI图像质量的提升效果	样本量较小（38例），且重建方法为原型版本，可能无法完全反映最终产品性能	评估深度学习重建在儿童腹部MRI中的临床应用价值	儿童患者（年龄<18岁）的腹部MRI图像	计算机视觉	NA	MRI	深度学习重建模型（未明确具体类型，基于商用DL算法）	医学图像（MRI）	38例儿童患者（平均年龄8.6±5.7岁，23名男性）	GE HealthCare AIR™ Recon DL（商用深度学习算法）	NA	Likert评分（5分量表）、信噪比（SNR）、边缘数量（图像锐度逆相关）、Kendall秩相关系数（W）	NA
2013	2026-05-04	Development and validation of a cranial ultrasound imaging-based deep learning model for periventricular-intraventricular haemorrhage detection and grading: a two-centre study 2025-09, Pediatric radiology IF:2.1Q2 DOI:10.1007/s00247-025-06327-x PMID:40728538	研究论文	开发并验证了一种基于颅脑超声图像的深度学习模型，用于新生儿脑室周围-脑室内出血的检测与分级，并进行了多中心验证	结合卷积块注意力模块机制构建深度学习模型，实现脑室周围-脑室内出血的自动检测与分级	NA	研究深度学习分析婴儿颅脑超声图像能否检测并分级脑室周围-脑室内出血	两家医院共1060例病例及健康对照，其中回顾性数据集773例，前瞻性多中心验证集287例	机器学习	新生儿疾病	颅脑超声成像	CNN（卷积神经网络）	图像	1060例（773例回顾性训练验证 + 287例前瞻性多中心验证）	NA	卷积块注意力模块	召回率、精确率、准确率、F1分数、AUC	NA
2014	2026-05-04	Comparison of neural networks for classification of urinary tract dilation from renal ultrasounds: evaluation of agreement with expert categorization 2025-08, Pediatric radiology IF:2.1Q2 DOI:10.1007/s00247-025-06311-5 PMID:40613839	研究论文	比较不同深度学习模型在婴儿肾超声图像中分类尿路扩张的性能，并与专家分类进行一致性评估	首次系统比较多种深度学习模型在婴儿肾超声UTD分类中的表现，并评估其与专家标注的一致性	数据集来自单一机构，样本量有限（仅492个右肾和487个左肾），且仅由一位专家提供金标准标签	开发和评估深度学习模型在婴儿肾超声图像中自动分类尿路扩张的性能	3个月以下婴儿的肾超声图像	计算机视觉	尿路扩张	超声成像	深度神经网络	图像	492个右肾和487个左肾超声图像（共979个样本）	NA	NA	准确率, Kappa系数, 95%置信区间	NA
2015	2026-05-04	Accelerated brain magnetic resonance imaging with deep learning reconstruction: a comparative study on image quality in pediatric neuroimaging 2025-08, Pediatric radiology IF:2.1Q2 DOI:10.1007/s00247-025-06314-2 PMID:40650736	研究论文	评估深度学习重建在儿科神经影像中加速脑MRI的临床可行性，并与传统MRI进行图像质量比较	首次在儿科神经影像中系统性评估深度学习重建加速MRI的图像质量，证明加速扫描可缩短43%时间且图像质量优于传统方法	回顾性研究设计、样本量有限（116例）、未评估运动伪影对加速序列的影响	评估深度学习重建加速脑MRI在儿科神经影像中的临床可行性及图像质量	116名儿科患者（平均年龄7.9±5.4岁）的常规脑MRI图像	医学影像	儿科神经疾病	MRI	深度学习重建	MRI图像	116名儿科参与者	NA	NA	图像质量评分、清晰度、伪影、噪声、病变显著性、噪声标准差、变异系数	NA
2016	2026-05-04	Feasibility study of fully automatic measurement of adenoid size on lateral neck and head radiographs using deep learning 2025-08, Pediatric radiology IF:2.1Q2 DOI:10.1007/s00247-025-06332-0 PMID:40658209	研究论文	开发并验证了基于深度学习全自动测量侧位头颈X线片中腺样体大小的系统	首次利用RTMDet和RTMPose网络实现腺样体大小的全自动测量，替代传统人工测量方法	未在论文标题和摘要中明确说明局限性	开发并验证自动测量腺样体大小的深度学习系统	侧位头颈X线片中的腺样体、鼻咽及腺样体-鼻咽比	计算机视觉	腺样体肥大相关疾病	NA	深度学习模型	图像	711张侧位头颈X线片	NA	RTMDet, RTMPose	组内相关系数, 平均绝对差, 均方根, Bland-Altman图	NA
2017	2026-05-04	Computer-Aided Technology for Bioactive Protein Design and Clinical Application 2025-07, Macromolecular bioscience IF:4.4Q1 DOI:10.1002/mabi.202500007 PMID:40260555	综述	综述计算机辅助蛋白质设计技术及其在生物活性蛋白设计和临床应用中的作用	整合深度学习预测和生成模型，提升了抗体、蛋白药物等治疗性蛋白的亲和力、特异性和低免疫原性	存在模型过拟合、稀有蛋白家族数据有限、实验验证效率不足等挑战	综述计算机辅助蛋白质设计（CAPD）在蛋白质工程和治疗开发中的应用与前景	单克隆抗体、蛋白药物、抗原、蛋白聚合物等蛋白质基治疗剂	机器学习	NA	计算机辅助设计、深度学习	CNN, LSTM, GAN	蛋白质序列、结构数据	NA	NA	NA	结合亲和力、特异性、免疫原性降低	NA
2018	2026-05-04	Comparison of individualized facial growth prediction models using artificial intelligence and partial least squares based on the Mathews growth collection 2025-05-01, The Angle orthodontist DOI:10.2319/082124-687.1 PMID:39884314	研究论文	基于Mathews生长数据集，比较人工智能与偏最小二乘法在个性化面部生长预测中的表现	首次系统比较TabNet深度神经网络与偏最小二乘法在面部生长预测中的性能，并评估AI在不同训练轮次下的预测精度	样本量较小（33名受试者），且仅使用头颅侧位片，未纳入三维影像或其他生长阶段数据	开发并比较不同条件下AI面部生长预测模型与PLS模型的预测准确性	33名受试者的纵向头颅侧位片（1257对生长前后影像）	计算机视觉	不适用	无	TabNet深度神经网络	图像（头颅侧位片）	33名受试者，共1257对生长前后头颅侧位片	PyTorch	TabNet	预测误差（毫米）	不适用
2019	2026-05-04	Model-Based Convolution Neural Network for 3D Near-Infrared Spectral Tomography 2025-05, IEEE transactions on medical imaging IF:8.9Q1 DOI:10.1109/TMI.2025.3529621 PMID:40031020	研究论文	开发一种将扩散方程模型与卷积神经网络集成的重建算法，用于三维近红外光谱断层成像	首次将扩散方程模型与卷积神经网络结合，通过深度学习学习正则化先验，在未使用真实患者数据训练的情况下，在真实数据上实现优于传统方法和纯深度学习算法的图像重建性能	模型基于数值仿真数据和简单几何形状的仿真体模训练，未在患者数据上进行训练，可能限制对复杂临床场景的泛化能力	解决近红外光谱断层成像重建中因光扩散和有限边界测量导致的病态和不适定问题	生物组织中的发色团浓度图像（总血红蛋白和水浓度）	计算机视觉, 机器学习	NA	近红外光谱断层成像	卷积神经网络	图像	数值仿真数据、物理体模数据和临床患者数据（具体数量未说明）	PyTorch	卷积神经网络	绝对偏差误差, 峰值信噪比	未说明
2020	2026-05-04	Deep learning-based denoising image reconstruction of body magnetic resonance imaging in children 2025-05, Pediatric radiology IF:2.1Q2 DOI:10.1007/s00247-025-06230-5 PMID:40186652	研究论文	评估基于深度学习的去噪图像重建在儿童体部磁共振成像中的图像质量	首次系统评估深度学习去噪重建技术在儿童体部MRI中的应用效果，尤其是采用径向k空间采样（PROPELLER）的序列	样本量较小（21名儿童），且未包括非PROPELLER序列的比较	评估深度学习去噪重建技术对儿童体部MRI图像质量的影响	接受胸腹MRI检查的21名儿童（中位年龄7岁）	数字病理学	NA	MRI成像	深度学习去噪模型	图像	21名儿童（年龄范围1.5岁至15.8岁）	NA	NA	信噪比（SNR）、对比噪声比（CNR）、4点Likert量表	NA