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
201	2026-05-20	Forensic dental age estimation with deep learning: a modified xception model for panoramic X-Ray images 2025-06, Forensic science, medicine, and pathology DOI:10.1007/s12024-025-00962-4 PMID:39937388	研究论文	本研究旨在利用深度学习模型对口腔全景X光片进行改进的法医学年龄估计，特别是区分12岁以下和12岁以上个体	引入了新开发的Polygon Area Metric (PAM)来处理法医学应用中常见的不平衡数据集，并提出了基于Xception模型的改进版本“Forensic Xception”	仅使用来自两个放射科的1941名儿科患者数据集，可能缺乏多样性；需要未来研究探索更多数据集以验证模型的泛化能力	开发一种改进的法医学年龄估计方法，利用深度学习模型对OPG图像进行分类，重点关注区分12岁以下和12岁以上个体	1941名5至15岁儿科患者的OPG图像	数字病理学, 机器学习	NA	OPG成像	CNN	图像	1941名儿科患者的OPG图像	NA	Xception（改进为Forensic Xception）, ResNet, ShuffleNet, InceptionV3, DarkNet, NasNet, DenseNet, EfficientNet, MobileNet, ResNet18, GoogleNet, SqueezeNet, AlexNet	分类准确率, 灵敏度, 特异性, Kappa, 曲线下面积, Polygon Area Metric (PAM), F1分数	NA
202	2026-05-20	CT-Based Deep Learning Predicts Prognosis in Esophageal Squamous Cell Cancer Patients Receiving Immunotherapy Combined with Chemotherapy 2025-06, Academic radiology IF:3.8Q1 DOI:10.1016/j.acra.2025.01.046 PMID:39956748	研究论文	构建深度学习模型预测食管鳞状细胞癌患者接受免疫联合化疗后的生存结局	首次结合肿瘤周围1像素扩大区域与临床特征构建多模态模型，用于ESCC患者免疫联合化疗前的风险分层	外部测试集C指数仅0.60，模型泛化能力有限；需进一步前瞻性验证	开发治疗前风险分层工具，辅助ESCC患者免疫联合化疗的个体化治疗决策	食管鳞状细胞癌（ESCC）患者	计算机视觉，机器学习	食管癌	计算机断层扫描（CT）	深度学习（DL）	图像	482例患者（训练集322例，内部测试集79例，外部测试集81例）	NA	NA	Harrell's C-index，受试者工作特征曲线（ROC），风险比（HR）， Kaplan-Meier分析	NA
203	2026-05-20	Sex estimation with convolutional neural networks using the patella magnetic resonance image slices 2025-06, Forensic science, medicine, and pathology DOI:10.1007/s12024-025-00943-7 PMID:39969760	研究论文	使用卷积神经网络对髌骨磁共振图像切片进行性别评估	提出了一种基于深度学习架构自动分析髌骨MRI切片进行性别评估的方法，避免了传统形态测量法的耗时和需要专业人员的问题	NA	探索利用髌骨MRI切片通过深度学习模型进行自动性别评估的可行性	696名患者的6710张髌骨矢状位MRI切片（293名男性和403名女性）	计算机视觉	NA	MRI成像	卷积神经网络（CNN）	图像	696名患者的6710张MRI切片	NA	EfficientNetB3, MobileNetV2, VGG16, ResNet50, DenseNet121	准确率	NA
204	2026-05-20	Deep Learning-Enhanced Ultra-high-resolution CT Imaging for Superior Temporal Bone Visualization 2025-06, Academic radiology IF:3.8Q1 DOI:10.1016/j.acra.2025.02.002 PMID:40000329	研究论文	评估深度学习重建算法在颞骨超高分辨率CT成像中的图像质量改进效果	首次使用供应商特定的深度学习重建算法AiCE Inner Ear与超高分辨率CT结合，显著提高颞骨微小结构可视化质量	单中心回顾性研究，样本量较小（35例患者57块颞骨），儿童样本仅5例	评估深度学习重建算法在颞骨超高分辨率CT中的图像质量表现	35例患者的57块颞骨（含5例儿童）	计算机视觉	耳科疾病	CT扫描	深度学习	图像	35例患者（57块颞骨，含5名儿童）	NA	AiCE Inner Ear	信噪比（SNR）、对比噪声比（CNR）、5点Likert主观评分、噪声值	NA
205	2026-05-20	Deep Learning-Assisted Diagnosis of Malignant Cerebral Edema Following Endovascular Thrombectomy 2025-06, Academic radiology IF:3.8Q1 DOI:10.1016/j.acra.2025.02.021 PMID:40023742	研究论文	开发并验证一种基于深度学习辅助的诊断模型，利用血栓切除术后头非对比CT的高衰减成像标志预测恶性脑水肿	首次利用ResNeXt-101神经网络结合高衰减成像标志，实现血管内血栓切除术后恶性脑水肿的早期预测，并显著提升放射科医生的诊断性能	NA	开发和验证基于深度学习的辅助诊断模型，用于预测血管内血栓切除术后患者的恶性脑水肿	接受血管内血栓切除术的急性缺血性卒中患者	计算机视觉, 数字病理学	脑血管疾病	非对比CT成像	卷积神经网络	图像	271名患者（训练队列168人，验证队列43人，前瞻性内部测试队列60人）	PyTorch	ResNet 50, ResNet 101, ResNeXt50_32×4d, ResNeXt101_32×8d, DenseNet 121	AUC	NA
206	2026-05-20	Generating Synthetic T2*-Weighted Gradient Echo Images of the Knee with an Open-source Deep Learning Model 2025-06, Academic radiology IF:3.8Q1 DOI:10.1016/j.acra.2025.03.015 PMID:40175204	研究论文	开发一个开源深度学习模型，用于生成膝关节的合成T2*加权梯度回波图像	首次开发开源深度学习模型生成合成T2*W膝关节图像，并提供了代码、模型和独立可执行文件	识别出四种伪影类型，但伪影对诊断价值影响不大或无影响	开发一个开源深度学习模型，利用脂肪抑制中间加权图像生成膝关节的合成T2*W图像	膝关节MR图像	计算机视觉	膝关节疾病	MRI	GAN	图像	12,118张矢状膝关节MR图像用于训练，2,996张用于测试	NA	CycleGAN	NRMSE、PSNR、SSIM、组内相关系数	NA
207	2026-05-20	Deep Learning in Knee MRI: A Prospective Study to Enhance Efficiency, Diagnostic Confidence and Sustainability 2025-06, Academic radiology IF:3.8Q1 DOI:10.1016/j.acra.2025.03.018 PMID:40240275	research paper	评估深度学习重建的并行采集技术与同步多层加速成像在膝关节MRI中的组合效果	首次前瞻性研究结合深度学习增强的4倍PAT与2倍SMS加速（P4S2）在膝关节MRI中的应用，显示出比传统2倍PAT更高的图像质量和解剖描绘能力	样本量较小（仅34名参与者），且仅包括成人参与者，缺乏更广泛人群的代表性	评估深度学习重建的并行采集技术与同步多层加速成像在膝关节MRI中的效率、诊断信心和可持续性	接受膝关节MRI的成人患者	machine learning	NA	MRI	深度学习模型	图像	34名参与者（平均年龄45±17岁，14名女性）	NA	NA	信噪比（SNR），对比噪声比（CNR），图像质量评分，辐射组学特征（对比度和灰度特征）	NA
208	2026-05-20	Deep Learning Radiomics Nomogram Based on MRI for Differentiating between Borderline Ovarian Tumors and Stage I Ovarian Cancer: A Multicenter Study 2025-06, Academic radiology IF:3.8Q1 DOI:10.1016/j.acra.2024.12.067 PMID:39814661	研究论文	基于T2加权MRI的深度学习影像组学列线图用于区分交界性卵巢肿瘤与I期卵巢癌的多中心研究	首次结合深度学习、瘤内及瘤周影像组学与临床预测因子构建列线图，并在多中心外部测试集上验证其优越性	回顾性研究设计可能导致选择偏倚，且样本量相对有限（279名患者）	开发和验证基于MRI的深度学习影像组学列线图，以术前区分交界性卵巢肿瘤和I期上皮性卵巢癌	交界性卵巢肿瘤和I期上皮性卵巢癌患者	数字病理学	卵巢癌	MRI成像	深度学习模型	图像（MRI）	279名患者，来自三个中心（训练集207名，外部测试集72名）	NA	NA	曲线下面积（AUC）	NA
209	2026-05-20	Evaluation of a Deep Learning Denoising Algorithm for Dose Reduction in Whole-Body Photon-Counting CT Imaging: A Cadaveric Study 2025-06, Academic radiology IF:3.8Q1 DOI:10.1016/j.acra.2024.12.052 PMID:39818525	研究论文	通过尸体研究评估深度学习去噪算法在全身光子计数CT成像中减少辐射剂量的有效性	首次在真实尸体内扫描中系统评估深度学习去噪算法对光子计数CT不同辐射剂量水平（100%、50%、25%、10%）的图像质量影响，证明在高达75%剂量降低时仍能维持诊断质量	研究仅限于尸体内扫描，未涉及活体患者运动伪影或临床诊断任务的评估	评估基于深度学习的去噪算法在降低辐射剂量的全身光子计数CT成像中维持诊断图像质量的效果	24具人尸体	计算机视觉, 数字病理学	NA	光子计数CT（PCCT）	深度学习去噪算法	CT图像	24具尸体，共192个数据集（4剂量水平 × 2重建方法 × 24标本）	NA	ClariCT.AI	CT值稳定性，图像噪声，对比噪声比（CNR），主观图像质量评分	NA
210	2026-05-20	Dynamic glucose enhanced imaging using direct water saturation 2025-Apr-24, ArXiv PMID:39502884	研究论文	提出利用直接水饱和（DS）曲线中的交换基础线宽（LW）变化进行动态葡萄糖增强（DGE）MRI成像，通过模拟和临床脑肿瘤患者数据进行验证	首次利用Z谱直接水饱和曲线的线宽变化来评估葡萄糖摄取，相比传统CEST或自旋锁定方法具有更高效应量和更低运动敏感性	仅对4名脑肿瘤患者进行了初步评估，临床样本量有限	开发一种新型动态葡萄糖增强MRI方法，用于评估葡萄糖摄取并应用于脑肿瘤成像	脑肿瘤患者	磁共振成像	脑肿瘤	动态葡萄糖增强MRI	深度学习，洛伦兹拟合	MRI影像	4名脑肿瘤患者	NA	深度学习洛伦兹拟合网络	AUC	3 T MRI扫描仪
211	2026-05-20	Evaluating the reproducibility of a deep learning algorithm for the prediction of retinal age 2025-04, GeroScience IF:5.3Q1 DOI:10.1007/s11357-024-01445-0 PMID:39589693	研究论文	评估深度学习算法预测视网膜年龄的可重复性	首次探索视网膜年龄预测的可靠性和多种影响因素	样本量较小，且未探讨主观年龄感知与视网膜年龄差距的关系	评估视网膜年龄预测的可靠性和准确性，分析影响预测的因素	两组参与者：内部访问组和间隔访问组，通过彩色眼底照相成像	深度学习	年龄相关疾病	彩色眼底照相	深度学习算法	图像	间隔访问组26人，内部访问组41人	NA	NA	平均绝对测试-重测差异	NA
212	2026-05-20	Genomic determinants of biological age estimated by deep learning applied to retinal images 2025-04, GeroScience IF:5.3Q1 DOI:10.1007/s11357-024-01481-w PMID:39775603	研究论文	本研究通过深度学习从视网膜图像预测生物年龄，并进行全基因组关联分析以揭示视网膜年龄差距的遗传基础	首次通过全基因组关联分析识别出13个与视网膜年龄差距相关的基因位点，并通过孟德尔随机化分析揭示了糖化血红蛋白、炎症细胞和贫血与视网膜加速老化的因果关系	基于两个队列的发现需在更大规模和更多样化的人群中验证，且遗传力估计值较低(0.15)	探索视网膜年龄差距的生物学含义和分子机制，为衰老过程提供因果推断及潜在药物干预靶点	英国生物银行(31,271人)和GoDARTS(8,034人)两个队列的参与者	机器学习, 数字病理学	老年性疾病	全基因组关联分析, 孟德尔随机化分析	深度学习	视网膜图像	31,271 (UK Biobank) + 8,034 (GoDARTS)	NA	NA	遗传相关性, 遗传力	NA
213	2026-05-20	Artificial Intelligence-Enhanced Perfusion Scoring Improves the Diagnostic Accuracy of Myocardial Perfusion Imaging 2025-04-01, Journal of nuclear medicine : official publication, Society of Nuclear Medicine IF:9.1Q1 DOI:10.2967/jnumed.124.268079 PMID:39978815	研究论文	通过深度学习模型增强心肌灌注SPECT成像的总灌注缺陷评分，提升阻塞性冠状动脉疾病检测的准确性	将深度学习预测融入传统定量评分方法，生成临床医生熟悉的增强TPD和17节段总负荷评分，既保持临床可解释性又提高诊断准确性	NA	提高基于人工智能的心肌灌注SPECT成像方法在临床中的可转化性	555名接受心肌灌注SPECT成像并在180天内行有创冠状动脉造影的患者	机器学习	冠状动脉疾病	SPECT心肌灌注成像	深度学习模型	图像	555名患者（中位年龄65岁，69%为男性，59%确诊阻塞性CAD）	NA	NA	AUC, 敏感性, 特异性	NA
214	2026-05-20	DeepPath: Overcoming data scarcity for protein transition pathway prediction using physics-based deep learning 2025-Mar-02, bioRxiv : the preprint server for biology DOI:10.1101/2025.02.27.640693 PMID:40060558	研究论文	提出DeepPath，一种基于深度学习的框架，通过物理引导的主动学习快速预测蛋白质状态间的转变路径	采用主动学习框架，利用分子力学力场作为预言机迭代优化预测，克服了传统监督学习方法在蛋白质构象转变数据稀缺上的局限	仅针对已知蛋白质状态间的路径预测，未涉及完全未知状态的探索；验证案例数量有限（三个），通用性需进一步验证	开发高效方法替代传统分子动力学模拟，快速生成蛋白质构象转变的物理合理路径	三种蛋白质系统的构象转变路径：SHP2激活、CdiB H1分泌、BAM复合体侧向门开放	机器学习	NA	分子动力学模拟、分子力学力场	深度学习（主动学习）	蛋白质结构数据	三个生物学验证案例（SHP2、CdiB、BAM复合体）	NA	NA	TM-score	NA
215	2026-05-20	Retinal vascular alterations in cognitive impairment: A multicenter study in China 2025-02, Alzheimer's & dementia : the journal of the Alzheimer's Association DOI:10.1002/alz.14593 PMID:39988572	研究论文	本研究调查了中国三个地区认知障碍患者的视网膜血管变化，利用深度学习分割模型提取36个血管特征，发现与认知功能相关的血管结构改变	首次在多中心东亚人群中使用VC-Net深度学习模型量化视网膜动静脉网络特征，并发现静脉结构与认知功能水平的相关性	需要在更大样本队列中验证，并探索视网膜血管改变的潜在机制	探究视网膜血管变化作为认知障碍生物标志物的可行性	轻度认知障碍或阿尔茨海默病患者与健康对照者的视网膜图像	计算机视觉	阿尔茨海默病	视网膜成像	VC-Net（深度学习分割模型）	图像	176例认知障碍患者（MCI或AD）和264例对照者	NA	VC-Net	NA	NA
216	2026-05-20	Impurity detection of premium green tea based on improved lightweight deep learning model 2025-01, Food research international (Ottawa, Ont.) DOI:10.1016/j.foodres.2024.115516 PMID:39779147	研究论文	提出了一种基于改进轻量级深度学习模型的优质绿茶杂质检测方法	通过替换损失函数、轻量级卷积、模型剪枝和知识蒸馏，在提升检测性能的同时实现模型轻量化	未提及在实际生产环境中的部署验证及对其他茶叶品种的泛化能力	解决优质绿茶杂质检测中计算资源受限和大模型难以部署的问题	优质绿茶中的杂质	计算机视觉	不适用	深度学习	YOLOv8	图像	使用自建数据集	PyTorch	YOLOv8	GFLOPs, 参数量, 精确率, 召回率, 平均精度均值, 每秒帧数	未提及
217	2026-05-19	Dual-Network Deep Learning for Accelerated Head and Neck MRI: Enhanced Image Quality and Reduced Scan Time 2025-12, Head & neck DOI:10.1002/hed.28255 PMID:40693394	研究论文	评估双网络深度学习超分辨率方法在头颈部T1和T2加权MRI中提升图像质量和缩短扫描时间的效果	提出双网络深度学习超分辨率方法同时提升图像质量和缩短扫描时间，并通过前瞻性临床研究验证其有效性	样本量较小（58例），且未报告算法对诊断准确性的影响	评估双网络深度学习超分辨率方法在头颈部MRI中的应用，以提升图像质量和缩短扫描时间	头颈部肿块患者	医学影像	头颈部肿块	MRI	双网络深度学习	MRI图像	58名参与者（34男，24女，平均年龄51.37±13.24岁）	NA	双网络深度学习超分辨率网络	信噪比, 对比度噪声比, 对比度, 图像清晰度Likert评分, 病灶显著性Likert评分, 结构描绘Likert评分, 伪影Likert评分	NA
218	2026-05-19	Artificial Intelligence-Assisted Standard Plane Detection in Hip Ultrasound for Developmental Dysplasia of the Hip: A Novel Real-Time Deep Learning Approach 2025-10, Journal of orthopaedic research : official publication of the Orthopaedic Research Society IF:2.1Q2 DOI:10.1002/jor.70020 PMID:40619593	研究论文	本研究提出了一种基于人工智能的实时标准平面检测软件AI-SPS，用于髋关节超声检查中发育性髋关节发育不良的诊断	首个将实时深度学习目标检测模型用于髋关节超声标准平面自动检测的创新方法，特别是YOLOv11n模型在准确性和速度上表现优异	研究仅基于单一机构的45个临床超声视频数据，样本量有限，且未涉及不同超声设备和操作者的泛化性验证	开发一种基于AI的实时标准平面检测系统，以减少DDH超声筛查中的操作者依赖性，提高诊断一致性和准确性	髋关节超声视频中的标准平面与非标准平面帧	计算机视觉	发育性髋关节发育不良	超声成像	SSD-MobileNet V2, YOLOv11n	图像	2,737个标注帧（1,737个标准+1,000个非标准）来自45个临床超声视频，另含934个独立验证帧	PyTorch, TensorFlow	SSD-MobileNet V2, YOLOv11n	准确率, 精确率, 召回率, F1分数	NA
219	2026-05-19	Combinatorial Tuning of 5'UTR and N-Terminal Coding Sequences for Enhanced Recombinant Protein Expression in Corynebacterium glutamicum 2025-08-15, ACS synthetic biology IF:3.7Q1 DOI:10.1021/acssynbio.5c00250 PMID:40748894	研究论文	本文通过组合优化5'UTR和N端编码序列，实现了谷氨酸棒状杆菌中重组蛋白表达水平的连续调控，并建立了序列特征与表达水平之间的关联模式	首次系统建立5'UTR与NCS特征序列与蛋白表达之间的关系模式，并筛选出与外源蛋白兼容性强的特征序列，通过组合实现蛋白表达的动态调节	目前对5'UTR和NCS序列与蛋白表达率之间关系的研究仍不充分	探究谷氨酸棒状杆菌中5'UTR和NCS特征序列与蛋白表达模式的关系，并为精细调控基因表达或蛋白生产提供潜在工具	谷氨酸棒状杆菌中外源蛋白的表达调控	机器学习	NA	深度测序	深度学习模型	序列数据	两个文库（5'UTR库和NCS库）包含碱基N，并通过FACS和深度测序筛选	NA	深度学习	荧光强度	NA
220	2026-05-19	AI in Orthopedic Research: A Comprehensive Review 2025-08, Journal of orthopaedic research : official publication of the Orthopaedic Research Society IF:2.1Q2 DOI:10.1002/jor.26109 PMID:40415515	综述	全面回顾人工智能在骨科研究中的应用，包括诊断、预测分析及新兴技术，并讨论其局限性与未来方向	系统整合了AI在骨折检测、骨关节炎分级、预后预测及机器人、增强现实、数字孪生和外部骨骼控制等新兴应用，提供了跨领域的综合视角	数据异质性、算法偏差、模型“黑箱”特性以及鲁棒性验证不足等挑战仍需解决	综述AI在肌肉骨骼诊疗中的当前发展、关键限制及未来整合方向	骨科诊断影像（X光、MRI）、患者多模态数据（步态、影像特征）及手术规划工具	计算机视觉, 机器学习	骨科疾病（骨折、骨关节炎）	深度学习、预测分析	深度学习算法	影像数据（X光、MRI）、步态运动数据	未提及	NA	NA	诊断准确率、可重复性评估	NA