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
381	2026-05-06	Comprehensive Segmentation of Gray Matter Structures on T1-Weighted Brain MRI: A Comparative Study of Convolutional Neural Network, Convolutional Neural Network Hybrid-Transformer or -Mamba Architectures 2025-Apr-02, AJNR. American journal of neuroradiology DOI:10.3174/ajnr.A8544 PMID:39433334	research paper	比较六种深度学习模型在T1加权脑MRI上分割122个灰质结构的性能，评估U-Mamba_Bot等模型在临床和研究中的应用潜力	首次系统比较CNN、CNN混合Transformer和Mamba架构在大量脑结构（122个）分割任务中的性能，并验证U-Mamba_Bot在精度和可靠性上的优势	数据集规模有限，未来需更大样本验证；模型在其他神经疾病中的适用性尚未探索	评估先进深度学习模型在脑MRI多结构分割中的效果，为临床和研究提供最有效工具	1510例T1加权脑MRI扫描，包括正常对照和阿尔茨海默病患者	computer vision	阿尔茨海默病	MRI	CNN, Transformer, Mamba	image	1510例T1加权脑MRI	NA	nnU-Net, SegResNet, SwinUNETR, UNETR, U-Mamba_BOT, U-Mamba_Enc	Dice相似系数, 95百分位豪斯多夫距离	NA
382	2026-05-06	Deep Learning-Based Reconstruction for Accelerated Cervical Spine MRI: Utility in the Evaluation of Myelopathy and Degenerative Diseases 2025-Apr-02, AJNR. American journal of neuroradiology DOI:10.3174/ajnr.A8567 PMID:40147833	研究论文	采用深度学习方法加速颈髓MRI采集，评估其在退行性脊柱病变与脊髓病诊断中的图像质量与诊断效能	首次使用商用且独立于供应商的深度学习重建算法，前瞻性评估加速颈椎MRI在真实患者中的诊断性能，并与传统MRI对比	NA	比较传统颈椎MRI与基于深度学习重建的加速颈椎MRI在评估退行性脊柱疾病和脊髓病时的图像质量和诊断性能	50名患有退行性颈椎疾病或脊髓病的患者	机器学习	退行性脊柱疾病，脊髓病	MRI	深度学习	图像	50名患者	NA	深度学习重建模型（未指定具体架构）	信噪比（SNR），对比噪声比（CNR），整体图像质量5分制评分，灵敏度，特异度	NA
383	2026-05-06	Personalized Blood Glucose Forecasting From Limited CGM Data Using Incrementally Retrained LSTM 2025-04, IEEE transactions on bio-medical engineering DOI:10.1109/TBME.2024.3494732 PMID:39514345	研究论文	一种基于增量再训练LSTM的个性化血糖预测方法，利用有限的CGM数据实现准确预测	提出增量再训练堆叠LSTM框架，通过参数迁移和逐步适应个体数据，显著降低血糖预测误差，并在冷启动场景中有效	依赖于CGM数据质量和糖尿病患者血糖变异性的多样性，预测准确性可能因个体差异而波动	利用深度学习解决1型糖尿病患者血糖预测中数据有限和个体差异性大的问题	1型糖尿病患者的连续血糖监测数据	机器学习	1型糖尿病	连续血糖监测	LSTM	时间序列数据	两个数据集：OpenAPS和Replace-BG，具体样本量未明确提及	NA	堆叠LSTM	均方根误差, Clarke误差网格分析	NA
384	2026-05-06	Detection of Macular Neovascularization in Eyes Presenting with Macular Edema using OCT Angiography and a Deep Learning Model 2025-Apr, Ophthalmology. Retina DOI:10.1016/j.oret.2024.10.017 PMID:39461425	研究论文	测试一种用于检测和分割黄斑新生血管的人工智能算法在伴有水肿的不同病因眼中的诊断性能	开发了一种混合多任务卷积神经网络（aiMNV），能同时检测和分割黄斑新生血管，并验证了其在渗出性年龄相关性黄斑变性、糖尿病性黄斑水肿和视网膜静脉阻塞导致的黄斑水肿眼中的诊断能力	6×6毫米扫描的灵敏度低于3×3毫米扫描，可能是由于扫描采样密度较低所致	评估一种针对黄斑新生血管的深度学习方法在伴有黄斑水肿的不同病因眼中的检测和分割性能	伴有渗出性年龄相关性黄斑变性、糖尿病性黄斑水肿或视网膜静脉阻塞所致黄斑水肿的研究参与者	计算机视觉, 数字病理学	年龄相关性黄斑变性, 糖尿病性黄斑水肿, 视网膜静脉阻塞	OCT血管成像	混合多任务卷积神经网络	OCT血管成像图像	来自112名研究参与者的114只眼	NA	混合多任务卷积神经网络	灵敏度, 特异性, 阳性预测值, 阴性预测值, 交并比, F1分数	NA
385	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
386	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
387	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
388	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
389	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
390	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
391	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
392	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
393	2026-05-05	Improved diagnosis of arrhythmogenic right ventricular cardiomyopathy using electrocardiographic deep learning 2025-Apr, Heart rhythm IF:5.6Q1 DOI:10.1016/j.hrthm.2024.08.030 PMID:39168295	研究论文	利用心电图深度学习提高致心律失常性右心室心肌病的诊断准确率	首次开发并验证了基于深度学习的心电图工具，其诊断ARVC的能力可与专家相当，并能区分真性ARVC与表型模仿者及风险家属	样本量相对较小（共855例），且外部验证仅基于一个特定人群（Geisinger队列）	开发并验证用于ARVC诊断的心电图深度学习工具	疑似ARVC患者及携带致病性或可能致病性ARVC基因变异的患者	机器学习	心血管疾病	心电图	深度学习模型	心电图信号	开发集551例，测试集137例，外部验证集167例	NA	NA	c-statistic, 置信区间	NA
394	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
395	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
396	2026-05-04	Artificial Intelligence-Assisted Image Extraction in Neonatal Echocardiography for Congenital Heart Disease Diagnosis in Sub-Saharan Africa: Protocol for Model Development 2025-Oct-30, JMIR research protocols IF:1.4Q3 DOI:10.2196/75270 PMID:41167236	研究论文	提出一项在撒哈拉以南非洲地区利用人工智能辅助新生儿超声心动图诊断先天性心脏病的协议，旨在开发深度学习模型，使非专业操作者能有效提取心脏图像供远程解读	创新点在于构建一个整合卷积神经网络与卷积长短期记忆层的AI辅助超声系统，灵感来自交错视觉记忆框架，并结合强化学习动态使用特征提取器，以实现实时心脏视图检测，显著适应资源有限环境	局限性包括依赖有限地理来源的数据（仅喀麦隆和南非两家医院），可能限制模型泛化性；同时分两阶段的样本量（500例回顾性数据、1000例前瞻性数据）相对不大，且需考虑实时临床环境中的实际实施挑战	研究目的为开发AI辅助超声心动图系统，使护士、助产士和医生等非专家操作者能对疑似先天性心脏病的婴儿进行基本心脏超声扫查，提取准确心腔图像供儿科心脏病专家远程解读	新生儿（0-28天），疑似患有先天性心脏病的婴儿	计算机视觉	先天性心脏病	超声心动图	深度学习（卷积神经网络与卷积长短期记忆层）	超声心动图视频片段	第一阶段约500例回顾性数据，第二阶段1000例前瞻性数据	TensorFlow, PyTorch	卷积神经网络（CNN）, 卷积长短期记忆层	NA	NA
397	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
398	2026-05-04	Understanding Cancer Survivorship Care Needs Using Amazon Reviews: Content Analysis, Algorithm Development, and Validation Study 2025-Sep-23, JMIR cancer IF:3.3Q2 DOI:10.2196/71102 PMID:40986859	研究论文	利用亚马逊消费者评论作为新型数据源，通过内容分析、算法开发和验证研究，理解癌症幸存者的护理需求	首次提出将亚马逊消费者评论作为识别癌症幸存者护理需求的新型数据源，并开发了基于深度学习和大型语言模型的自然语言处理基线模型	未明确提及	展示使用亚马逊消费者评论识别癌症幸存者护理需求（特别是症状自我管理）的潜力	亚马逊健康相关产品评论中提及癌症的句子	自然语言处理	癌症	自然语言处理	Bert-base-cased, GPT-4	文本	159条评论，4703个句子，3349条评论，2589个独立产品	PyTorch	BERT, GPT-4	加权平均F1分数	NA
399	2026-05-04	An Artificial Intelligence-Based Framework for Predicting Emergency Department Overcrowding: Development and Evaluation Study 2025-Sep-17, JMIR medical informatics IF:3.1Q2 DOI:10.2196/73960 PMID:40961493	研究论文	开发并评估基于人工智能的框架，用于预测急诊科过度拥挤状况，支持主动资源分配	提出两种时间分辨率（每小时和每天）的等待人数预测模型，其中每小时模型使用时间序列视觉变换器（TSiTPlus），每天模型使用可解释卷积神经网络（XCMPlus），两者均优于传统预测方法	文章未明确提出局限性，但可能包括数据来自单一医院、预测准确性随时间变化（如晚上8点误差最大）、极端情况误差较大等	开发机器学习模型预测急诊科候诊室等待人数，分别在6小时后（每小时）和24小时平均（每天）两个时间分辨率上，以支持早期干预和缓解过度拥挤	美国东南部一家合作医院的急诊科数据	机器学习	NA	NA	TSiTPlus（时间序列视觉变换器），XCMPlus（可解释卷积神经网络）	数值数据（患者流量指标）	从一家医院急诊科整合内部与外部来源的数据，具体样本量未明确说明	NA	TSiTPlus, XCMPlus	平均绝对误差（MAE），均方误差（MSE）	代码公开在GitHub仓库，具体计算资源未说明
400	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