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
2241	2026-04-12	Deep Learning-based Quantitative CT Myocardial Perfusion Imaging and Risk Stratification of Coronary Artery Disease 2025-04, Radiology IF:12.1Q1 DOI:10.1148/radiol.242570 PMID:40298595	研究论文	本研究开发并验证了一种用于自动量化心肌血流量和缺血心肌体积百分比的深度学习模型，并探讨了其对主要不良心血管事件的预后价值	开发了首个基于深度学习的自动化CT心肌灌注成像定量模型，用于评估心肌血流量和缺血心肌体积百分比，并证明其在心血管风险分层中具有增量预后价值	研究为回顾性和前瞻性混合设计，可能存在选择偏倚；深度学习模型在外部验证中的泛化能力仍需进一步评估	开发并验证深度学习模型，用于自动量化心肌灌注参数，并评估其在冠状动脉疾病风险分层中的预后价值	接受临床指征CT心肌灌注成像和冠状动脉CT血管造影的患者	数字病理	心血管疾病	动态CT心肌灌注成像，冠状动脉CT血管造影	深度学习模型	CT图像	三个队列共1108名患者（平均年龄61岁±12，667名男性），其中队列1用于模型开发（训练集211人，验证集57人，测试集90人）	NA	NA	受试者工作特征曲线下面积，组内相关系数，C指数，风险比	NA
2242	2026-04-11	Quantitative CT Imaging in Progressive Pulmonary Fibrosis: Clinical Usefulness and Meaningful Threshold Definition 2025-Dec-06, Chest IF:9.5Q1 DOI:10.1016/j.chest.2025.11.031 PMID:41360185	研究论文	本研究通过深度学习定量CT成像，确定了非特发性肺纤维化纤维化间质性肺疾病中定义进行性肺纤维化的最小临床重要差异阈值，并验证了其预后价值	首次使用深度学习定量CT成像算法，定义了1年和6个月纤维化评分变化的最小临床重要差异阈值，并证明其能增强风险分层能力	研究为回顾性设计，可能受到选择偏倚的影响，且仅针对非特发性肺纤维化患者	确定定量CT成像在定义进行性肺纤维化中的临床有意义阈值，并评估其预后预测能力	非特发性肺纤维化纤维化间质性肺疾病患者	数字病理学	肺纤维化	定量CT成像	深度学习	CT图像	476名患者	NA	NA	风险比, 置信区间	NA
2243	2026-04-11	Classification of neurological and mental health disorders based on multimodal approaches: A comprehensive review 2025-Dec, Neuroscience and biobehavioral reviews IF:7.5Q1 DOI:10.1016/j.neubiorev.2025.106399 PMID:41052735	综述	本文对基于深度学习的多模态方法在神经系统和心理健康障碍分类中的应用进行了全面回顾	填补了针对神经系统和心理健康障碍的深度学习多模态分类方法进行全面综述的空白，并分析了十种主要障碍（五种神经系统，五种心理健康相关）	NA	指导未来研究，并促进开发更准确、可靠、可访问的神经系统和心理健康障碍诊断工具	十种主要的神经系统和心理健康障碍	机器学习	神经系统疾病，心理健康障碍	NA	深度学习	神经影像，生物信号，临床评估	NA	NA	NA	NA	NA
2244	2026-04-11	QTFPred: robust high-performance quantum machine learning modeling that predicts main and cooperative transcription factor bindings with base resolution 2025-Nov-01, Briefings in bioinformatics IF:6.8Q1 DOI:10.1093/bib/bbaf604 PMID:41294241	研究论文	本文介绍了一种名为QTFPred的量子-经典混合框架，用于在碱基分辨率下预测转录因子结合位点	通过将量子卷积层集成到神经网络中，利用量子电路的指数特征空间，在数据稀疏场景下实现鲁棒性能，并揭示转录因子基序表示以洞察协同结合机制	NA	预测转录因子的主要和协同结合位点	转录因子结合位点	机器学习	NA	ChIP-seq	量子-经典混合神经网络	DNA序列数据	49个ENCODE ChIP-seq数据集	NA	量子卷积层	准确率, 精确度, 稳定性	GPU模拟
2245	2026-04-11	Deep learning approach for automated hMPV classification 2025-Aug-08, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-14467-1 PMID:40781468	研究论文	本研究提出了一种名为hMPV-Net的深度学习框架，利用卷积神经网络（CNN）实现人偏肺病毒（hMPV）感染的自动检测与分类	开发了hMPV-Net这一新型深度学习框架，通过结合数据增强、加权损失函数和dropout正则化等先进技术，有效解决了数据集不平衡问题，并在计算效率上显著优于ResNet-50和VGG-16等现有模型	研究使用了模拟图像数据集而非真实患者数据进行训练和评估，这可能会影响模型在真实临床场景中的泛化能力	开发一种能够快速、准确检测和分类人偏肺病毒（hMPV）感染的自动化诊断方法	人偏肺病毒（hMPV）感染病例，特别是儿童、老年人和免疫功能低下患者中的呼吸道疾病	计算机视觉	呼吸道疾病	深度学习，卷积神经网络（CNN）	CNN	图像	10,000个样本，包含等量的hMPV阳性和阴性病例	NA	hMPV-Net	准确率, 精确率, 召回率, F1分数	NA
2246	2026-04-11	Segmentation of the Left Atrium in Cardiovascular Magnetic Resonance Images of Patients with Myocarditis 2025-07-18, Journal of visualized experiments : JoVE DOI:10.3791/68664 PMID:40758568	研究论文	本文提出了一种基于三维全卷积网络的深度学习模型，用于心肌炎患者心血管磁共振电影序列中左心房的分割，以评估左心房功能	提出了三项策略性增强：时空特征融合、动态跳跃连接和轻量化设计，以解决动态伪影和薄壁结构时空连续性建模的挑战	未明确提及模型在更广泛患者群体或不同磁共振扫描仪上的泛化能力	开发一种准确、高效的方法，用于从心肌炎患者的心血管磁共振电影序列中分割左心房，以支持临床诊断	心肌炎患者的心血管磁共振电影序列图像	计算机视觉	心血管疾病	心血管磁共振电影序列成像	CNN	图像	NA	NA	3D-FCN	Dice系数	NA
2247	2026-04-11	Convolutional Neural Network-Transformer Model to Predict and Classify Early Arrhythmia Using Electrocardiogram Signal 2025-07-03, Journal of visualized experiments : JoVE DOI:10.3791/68227 PMID:40690419	研究论文	本文提出了一种基于深度学习的混合模型，用于从心电图信号中预测和分类早期心律失常	结合1D CNN和Transformer层，以同时提取空间特征并建模时间依赖性，从而在心律失常分类中实现高精度	NA	开发精确且自动化的技术，用于心血管疾病（特别是心律失常）的早期诊断和检测	心电图信号，重点关注五种主要心跳类型：正常、左束支传导阻滞、右束支传导阻滞、房性早搏和室性早搏	机器学习	心血管疾病	心电图信号分析	CNN, Transformer	信号	超过390万个训练段和112,575个测试段	NA	1D CNN, Transformer	准确率, 精确率, F1分数	NA
2248	2026-04-11	Deep Learning of Suboptimal Spirometry to Predict Respiratory Outcomes and Mortality 2025-Jun-30, Research square DOI:10.21203/rs.3.rs-6296752/v1 PMID:40630516	研究论文	本研究开发了一种基于对比学习的深度学习模型Spiro-CLF，利用次优肺活量测定数据预测呼吸系统结局和死亡率	首次利用次优肺活量测定数据（包括未通过质量控制的测试）通过对比学习框架进行呼吸系统结局预测，突破了传统方法仅使用最优测试结果的限制	在COPDGene队列中，添加通过质量控制的次优测试数据并未改善肺功能或死亡率的预测效果，需要进一步研究在特定临床场景中的性能和实用性	探索机器学习模型是否能够基于次优肺活量测定数据预测呼吸系统结局和死亡率	英国生物银行（UK Biobank）和COPDGene队列的参与者，年龄40-80岁，包括吸烟者和无呼吸系统疾病（除COPD或哮喘外）的个体	机器学习	呼吸系统疾病	肺活量测定（spirometry）	深度学习模型	原始肺活量图（体积-时间曲线）	352,684名UK Biobank参与者（940,705条曲线）和10,110名COPDGene参与者	对比学习框架	Spiro-CLF（基于肺活量图的对比学习框架）	AUROC（受试者工作特征曲线下面积）, 一致性指数（concordance index）, 预测改善百分比	NA
2249	2026-04-11	Investigating the Domain Adaptability of General-Purpose Foundation Models for Left Atrium Segmentation from MR Images 2025-Jun, Functional imaging and modeling of the heart : ... International Workshop, FIMH ..., proceedings. FIMH (Conference) DOI:10.1007/978-3-031-94562-5_25 PMID:41883586	研究论文	本研究探讨了通用基础模型（如DINOv2、SAM、MedSAM）在磁共振图像左心房分割任务中的领域适应性和鲁棒性	提出了一种结合预训练基础模型与改进UNet解码器的架构，利用基础模型的全局上下文特征，在数据稀缺的医学图像分割任务中展现出优越性能	研究主要针对左心房分割任务，在其他医学图像分割任务中的普适性有待进一步验证；且依赖于特定基础模型的预训练特征	探索预训练基础模型在医学图像分割领域的适应能力，为数据稀缺的医学应用提供更通用的解决方案	磁共振图像中的左心房结构	医学图像分析	心房颤动	磁共振成像	CNN, Transformer	医学图像	2022 LAScarQS和2018 LASC分割挑战数据集	PyTorch	UNet, DINOv2, SAM, MedSAM	Dice系数, IoU	NA
2250	2026-04-11	Multisequence 3-T Image Synthesis from 64-mT Low-Field-Strength MRI Using Generative Adversarial Networks in Multiple Sclerosis 2025-04, Radiology IF:12.1Q1 DOI:10.1148/radiol.233529 PMID:40261176	研究论文	本研究开发了一种名为LowGAN的生成对抗网络架构，用于从64-mT低场强MRI生成高质量的3-T多序列脑部图像，并在多发性硬化症患者中进行了评估	提出了一种专门用于低场强到高场强MRI图像翻译的生成对抗网络架构LowGAN，能够从便携式低场强扫描仪生成接近常规高场强质量的图像	研究样本量相对较小（主要组50人，验证组13人），且仅针对多发性硬化症患者，可能限制了模型的泛化能力	开发并评估一种深度学习架构，以从低场强MRI输入生成高场强质量的脑部图像，提高便携式低场强扫描仪的图像质量	多发性硬化症患者的脑部MRI图像	计算机视觉	多发性硬化症	MRI（T1加权、T2加权、FLAIR序列）	GAN	图像	主要组50名参与者，验证组13名参与者	NA	LowGAN	结构相似性指数, Dice分数	NA
2251	2026-04-10	Automated Joint Space Detection Improves Bone Segmentation Accuracy 2025-11-28, Journal of visualized experiments : JoVE DOI:10.3791/69252 PMID:41396972	研究论文	本研究开发了一种基于深度学习的自动化方法，用于提高小鼠爪部骨骼分割的准确性，通过检测关节空间来优化分割效果	在先前半自动标记分水岭算法基础上，引入了结构增强、张量投票和输出膨胀技术，并结合3D U-Net架构的深度学习模型进行关节空间预测，显著提升了分割精度	在疾病严重程度增加和年龄增长的小鼠样本中，模型准确性下降，表明其在病变或新型数据集上的性能有限	开发自动化方法以定量描述复杂解剖结构，减少手动分割所需专业知识和劳动，并降低观察者间变异性	小鼠后爪和前爪的micro-CT图像数据集，包括野生型和TNF-Tg关节炎模型	计算机视觉	关节炎	micro-CT成像	深度学习模型	3D图像	野生型和TNF-Tg小鼠的后爪及前爪样本，涵盖不同年龄和性别	NA	3D U-Net, ResNet-18	分割准确性	NA
2252	2026-04-10	Deep Learning-Driven Automated Assessment of Left Ventricular Diastolic Function in Echocardiography 2025-09, Echocardiography (Mount Kisco, N.Y.) DOI:10.1111/echo.70290 PMID:40892533	研究论文	本研究评估了一种基于深度学习的全自动模型在二维经胸超声心动图中评估左心室舒张功能的可行性、准确性和诊断性能	开发并验证了一种全自动深度学习模型，用于自动分析二维经胸超声心动图中的舒张参数，并与专家手动测量进行比较，展示了在分类左心室舒张功能等级方面的潜力	在中间类别分类中存在更多变异性，且三尖瓣反流速度的一致性较低，需要进一步验证	评估基于人工智能的软件在评估左心室舒张功能方面的可行性、准确性和诊断性能	302名疑似舒张功能障碍的患者	数字病理学	心血管疾病	二维经胸超声心动图	深度学习模型	图像	302名患者	NA	NA	测量成功率、相关系数（如E速度r=0.93）、分类准确性	NA
2253	2026-04-10	Analog optical computer for AI inference and combinatorial optimization 2025-09, Nature IF:50.5Q1 DOI:10.1038/s41586-025-09430-z PMID:40903585	研究论文	本文介绍了一种结合模拟电子学和三维光学的模拟光学计算机，用于在单一平台上加速AI推理和组合优化	提出了一种结合模拟电子学和三维光学的模拟光学计算机，通过快速定点搜索避免数字转换并增强噪声鲁棒性，实现了AI推理和组合优化的双域能力	未明确说明	开发一种能同时加速AI推理和组合优化的节能计算平台	模拟光学计算机硬件及其在AI和优化任务中的应用	机器学习	NA	模拟光学计算、三维光学技术	NA	图像数据（医学图像重建、图像分类）、金融交易数据	NA	NA	NA	NA	基于可扩展的消费级技术构建
2254	2026-04-10	Deep Learning-Based Segmentation of Gravity-Loaded Human Spine 2025-06-10, Journal of visualized experiments : JoVE DOI:10.3791/67781 PMID:40587489	研究论文	本研究提出了一种基于深度学习的协议，用于在重力加载条件下分割人体脊柱的3D图像	首次使用结合3D卷积层和残差连接的U-Net CNN，对重力加载（站立位）CBCT图像中的脊柱结构进行分割，并支持分割模型导出为STL格式用于3D打印	未明确提及模型在外部验证集上的泛化性能，以及处理不同扫描仪或患者群体时的鲁棒性	开发一种可靠且可适应的工具，用于在重力加载条件下准确分割脊柱及其他解剖结构，以支持临床诊断和研究	重力加载条件下的人体脊柱、骨盆和股骨头	计算机视觉	脊柱侧弯，退行性椎间盘疾病	负重锥形束计算机断层扫描（CBCT）	CNN	3D图像	NA	NA	U-Net	NA	NA
2255	2026-04-10	DSAM: A deep learning framework for analyzing temporal and spatial dynamics in brain networks 2025-Apr, Medical image analysis IF:10.7Q1 DOI:10.1016/j.media.2025.103462 PMID:39892220	研究论文	提出了一种名为DSAM的新型可解释深度学习框架，用于直接从时间序列中学习任务特定的功能连接矩阵，并利用专门的图神经网络进行最终分类，以分析脑网络的时空动态	提出了一种可解释的深度学习框架，能够直接从时间序列中学习任务特定的功能连接矩阵，并整合了时间因果卷积网络、时间注意力单元、自注意力单元以及一种新颖的图神经网络变体，以同时捕获时空动态	未明确提及研究的局限性	开发一个深度学习框架，以更准确地建模和分析静息态功能磁共振成像数据中脑网络的时空动态，超越静态或滑动窗口功能连接矩阵的假设	人脑功能连接网络	机器学习	NA	静息态功能磁共振成像	图神经网络, 卷积神经网络, 注意力机制	时间序列数据	Human Connectome Project数据集1075个样本，Adolescent Brain Cognitive Development数据集8520个样本	NA	时间因果卷积网络, 时间注意力单元, 自注意力单元, 图神经网络变体	NA	NA
2256	2025-03-05	Unveiling the Future: A Deep Learning Model for Accurate Detection of Adrenal Nodules 2025-Mar, Radiology IF:12.1Q1 DOI:10.1148/radiol.250387 PMID:40035670	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
2257	2026-04-10	Two-Stage Deep Learning Model for Adrenal Nodule Detection on CT Images: A Retrospective Study 2025-03, Radiology IF:12.1Q1 DOI:10.1148/radiol.231650 PMID:40035671	研究论文	本研究开发并测试了一个用于在腹部CT图像上自动检测肾上腺结节的两阶段深度学习模型，并模拟了其与人工解读结合的分诊性能	提出了一个针对左右肾上腺分别训练的两阶段（检测与分割）深度学习架构，并首次在大型外部数据集上模拟了模型与人工解读结合的分诊性能	这是一项回顾性研究，可能存在选择偏倚；模型性能在左右肾上腺结节上存在差异，分割精度有待提高	开发一个自动检测肾上腺结节的深度学习模型，以辅助临床分诊和管理	肾上腺结节	计算机视觉	肾上腺疾病	CT成像	深度学习模型	CT图像	内部数据集995名患者，外部测试集12080名患者，内部测试集2有1214名患者	NA	两阶段顺序检测与分割模型	AUC, 交并比	NA
2258	2026-04-10	MRI-based Deep Learning Algorithm for Assisting Clinically Significant Prostate Cancer Detection: A Bicenter Prospective Study 2025-03, Radiology IF:12.1Q1 DOI:10.1148/radiol.232788 PMID:40067105	研究论文	本研究是一项前瞻性双中心研究，旨在比较商用深度学习算法与放射科医生临床报告在检测临床显著性前列腺癌方面的诊断性能	前瞻性验证了商用深度学习算法在前列腺癌检测中的应用，并探索了将算法结果用于调节放射科医生不确定诊断（PI-RADS 3分）以提升特异性的临床场景	研究样本量相对有限（205名男性，259个病灶），且算法仅使用双参数MRI，未纳入所有影像序列	评估深度学习算法辅助检测临床显著性前列腺癌的诊断性能	疑似前列腺癌并计划进行活检的男性患者	数字病理	前列腺癌	双参数MRI	深度学习算法	MRI图像	205名男性（中位年龄68岁），共评估259个病灶，其中包含117个临床显著性前列腺癌病灶	NA	NA	AUC, 敏感性, 特异性, 阳性预测值	NA
2259	2026-04-10	Arthroscopy-validated Diagnostic Performance of 7-Minute Five-Sequence Deep Learning Super-Resolution 3-T Shoulder MRI 2025-02, Radiology IF:12.1Q1 DOI:10.1148/radiol.241351 PMID:39964264	研究论文	本研究验证了7分钟并行成像加速的深度学习超分辨率3-T肩关节MRI在诊断肩部病变中的临床效能	首次通过关节镜检查验证了快速深度学习超分辨率肩关节MRI的诊断性能，实现了7分钟扫描时间	回顾性研究设计，样本量相对较小（121名成人），部分病变（如软骨缺损）的诊断准确性较低	验证加速深度学习超分辨率肩关节MRI对肩部病变的诊断准确性	患有疼痛性肩部疾病的成人患者	数字病理学	肩部疾病	并行成像加速的深度学习超分辨率MRI	深度学习模型	MRI图像	121名成人（平均年龄55岁±14，75名男性）	NA	超分辨率网络	敏感性, 特异性, 准确性, AUC	3-T MRI扫描仪
2260	2026-04-10	Automated CT Measurement of Total Kidney Volume for Predicting Renal Function Decline after 177Lu Prostate-specific Membrane Antigen-I&T Radioligand Therapy 2025-02, Radiology IF:12.1Q1 DOI:10.1148/radiol.240427 PMID:39998377	研究论文	本研究利用基于深度学习的自动化工具从CT图像中测量总肾脏体积，以预测接受177Lu-PSMA-I&T放射性配体治疗的转移性去势抵抗性前列腺癌患者的肾功能下降	首次将基于nnU-Net框架的深度学习分割模型TotalSegmentator用于自动化测量总肾脏体积，并证明其在预测放射性配体治疗后肾功能下降方面优于其他基线风险因素和早期eGFR变化	这是一项回顾性研究，样本量相对较小（121名患者），且仅针对接受特定治疗（至少四个周期Lu-PSMA-I&T）的患者，结果可能无法推广到其他治疗或早期患者	识别接受Lu-PSMA-I&T放射性配体治疗的转移性去势抵抗性前列腺癌患者发生临床显著肾功能恶化的预测标志物	接受至少四个周期177Lu-PSMA-I&T放射性配体治疗的转移性去势抵抗性前列腺癌患者	数字病理学	前列腺癌	CT成像，放射性配体治疗（177Lu-PSMA-I&T）	深度学习分割模型	CT图像	121名患者（平均年龄76岁±7岁）	nnU-Net	TotalSegmentator（基于nnU-Net框架）	受试者工作特征曲线下面积，Youden指数	NA