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
401	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
402	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
403	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
404	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
405	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
406	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
407	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
408	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
409	2026-05-04	A magnetic resonance image-based deep learning radiomics nomogram for hepatocyte cytokeratin 7 expression: application to predict cholestasis progression in children with pancreaticobiliary maljunction 2025-05, Pediatric radiology IF:2.1Q2 DOI:10.1007/s00247-025-06225-2 PMID:40186654	研究论文	开发基于磁共振图像的深度学习影像组学列线图，用于术前识别儿童胰胆管合流异常患者肝细胞角蛋白7表达并预测胆汁淤积进展	首次结合深度学习特征、影像组学特征和临床特征构建集成列线图，实现无创评估CK7表达状态	仅回顾性纳入180例患者，样本量有限；验证队列较小（n=36），可能影响模型泛化性	建立非侵入性方法评估胰胆管合流异常患者肝细胞CK7表达，预测胆汁淤积进展	儿童胰胆管合流异常患者	机器学习	肝胆疾病	MRI, 免疫组化分析	深度学习模型（ResNet50）	磁共振图像	180例患者（训练集144例，验证集36例）	Pyradiomics	ResNet50	AUC	NA
410	2026-05-04	Exploring Deep Learning Applications using Ultrasound Single View Cines in Acute Gallbladder Pathologies: Preliminary Results 2025-02, Academic radiology IF:3.8Q1 DOI:10.1016/j.acra.2024.08.061 PMID:39306521	研究论文	利用超声单视图动态影像开发深度学习模型，以区分正常胆囊、非紧急胆石症和需紧急干预的急性结石性胆囊炎	首次使用超声单视图动态影像进行深度学习建模，区分胆囊正常、非紧急胆石症和需紧急干预的急性胆囊炎，具有高精度和特异性	初步研究，样本量有限（186名患者，266个动态影像），仅使用单视图动态影像，可能无法代表完整临床场景	开发深度学习模型，利用超声单视图动态影像区分正常胆囊、非紧急胆石症和需紧急干预的急性结石性胆囊炎	急诊科出现右上腹疼痛的成年患者的超声单视图动态影像，涵盖正常、非紧急胆石症和急性胆囊炎三类	计算机视觉	胆囊疾病	超声成像	深度学习模型（未明确具体类型，如CNN）	超声动态影像（单视图）	186名患者，共266个动态影像（正常：52人/104个，非紧急胆石症：73人/88个，急性胆囊炎：61人/74个）	NA	NA	准确率、特异性	NA
411	2026-05-04	Large Language Models can Help with Biostatistics and Coding Needed in Radiology Research 2025-02, Academic radiology IF:3.8Q1 DOI:10.1016/j.acra.2024.09.042 PMID:39406582	研究论文	评估大型语言模型在放射学研究中的统计和深度学习代码生成能力	首次系统评估 ChatGPT 和 Gemini 在放射学研究中生成统计测试、R 语言代码和深度学习模型代码的性能	LLM 存在幻觉风险、代码生成错误，需要用户验证和优化代码，且受数据隐私法规限制	测试 LLM 在放射学研究中提供统计解决方案和深度学习代码的能力	ChatGPT-4o、ChatGPT-3.5 和 Google Gemini	自然语言处理	NA	NA	大型语言模型	文本	8 个统计问题，1 个深度学习任务	PyTorch	Vision Transformer (ViT-B/16)	代码正确率、运行时错误次数	网络聊天界面，未指定 GPU
412	2026-05-04	A Deep Learning-Based Framework for Predicting Intracerebral Hematoma Expansion Using Head Non-contrast CT Scan 2025-01, Academic radiology IF:3.8Q1 DOI:10.1016/j.acra.2024.07.039 PMID:39107191	研究论文	基于深度学习的框架，利用头部非对比CT扫描预测脑内血肿扩展	开发了一个全自动的两阶段深度学习框架，用于仅使用临床非对比CT扫描预测血肿扩展，并在大型多中心数据集上验证其性能优于常用的BAT评分	NA	开发并验证一个基于深度学习的全自动框架，用于预测脑内出血患者的血肿扩展	脑内出血患者的头部非对比CT扫描图像	机器学习，计算机视觉	脑内出血	非对比CT扫描	深度学习模型	图像	回顾性数据集2484例来自84个中心，前瞻性数据集500例来自26个中心	NA	两阶段框架	AUC，敏感性，特异性	NA
413	2026-05-04	Diagnostic Value of Magnetic Resonance Imaging Radiomics and Machine-learning in Grading Soft Tissue Sarcoma: A Mini-review on the Current State 2025-01, Academic radiology IF:3.8Q1 DOI:10.1016/j.acra.2024.08.035 PMID:39261231	综述	本综述总结了基于磁共振成像的影像组学和机器学习在软组织肉瘤分级中的当前研究进展	首次系统总结了将语义影像特征、影像组学特征和深度学习特征结合到机器学习模型中用于STS分级，并探讨了从肿瘤体积和瘤周区域提取特征的优势	未提及具体局限性分析，样本量有限且不同研究间方法学差异较大	评估基于MRI的影像组学和机器学习预测软组织肉瘤恶性程度分级的现状	软组织肉瘤	机器学习	软组织肉瘤	MRI影像组学	随机森林、支持向量机、LASSO、SMOTE	MRI图像	NA	NA	随机森林、支持向量机、LASSO、SMOTE	AUC值、准确率	NA
414	2026-05-04	Deep Learning-Based Denoising Enables High-Quality, Fully Diagnostic Neuroradiological Trauma CT at 25% Radiation Dose 2025-01, Academic radiology IF:3.8Q1 DOI:10.1016/j.acra.2024.08.018 PMID:39294053	研究论文	本研究评估了基于深度学习的去噪算法在创伤神经放射学CT扫描中降低辐射剂量至25%时保持图像质量和诊断准确性的能力	首次系统性验证深度学习去噪算法可在创伤神经放射学急诊CT中将辐射剂量降低75%而维持与全剂量相当的诊断性能	单中心回顾性研究，样本量有限（100例），未涵盖所有类型颅内出血	评估深度学习去噪算法在创伤神经放射学急诊CT中降低辐射剂量的能力	100例神经放射学创伤CT扫描患者	医学影像	创伤性神经放射疾病	CT成像	深度学习去噪网络	CT图像	100例患者	NA	深度学习去噪算法	敏感性、特异性、图像噪声、CT值	NA
415	2026-05-04	Deep Learning Model for Pathological Grading and Prognostic Assessment of Lung Cancer Using CT Imaging: A Study on NLST and External Validation Cohorts 2025-01, Academic radiology IF:3.8Q1 DOI:10.1016/j.acra.2024.08.028 PMID:39294054	研究论文	开发并验证一种基于CT影像的深度学习模型，用于肺癌的病理分级和预后评估	利用MobileNetV3架构构建非侵入性工具，可自动化病理分级并提供预后评估，辅助手术规划	NA	开发非侵入性深度学习模型，以自动化病理分级和预后评估，为手术规划提供辅助	肺癌患者，特别是非小细胞肺癌患者	深度学习	肺癌	NA	深度学习模型	CT影像	NLST队列572例（训练集461例，内部验证111例）及外部验证224例	NA	MobileNetV3	准确率, 灵敏度, 特异度, AUC	NA
416	2026-05-04	Deep Learning-Based Prediction of Freezing of Gait in Parkinson's Disease With the Ensemble Channel Selection Approach 2025-Jan, Brain and behavior IF:2.6Q3 DOI:10.1002/brb3.70206 PMID:39740772	研究论文	基于深度学习与集成通道选择的帕金森病冻结步态预测方法	提出将瓶颈注意力模块集成到标准双向长短期记忆网络中的新型架构，并引入集成学习进行最优通道选择，显著降低计算复杂度并提升检测精度	NA	开发一种高效、准确的帕金森病冻结步态事件检测算法，实现实时监测	帕金森病患者的冻结步态事件	机器学习	帕金森病	运动信号采集	双向长短期记忆网络	运动信号	传感器数据（脚踝、腿部、躯干传感器）	NA	卷积瓶颈注意力-双向长短期记忆网络（CBA-BiLSTM）	准确率	NA
417	2026-05-03	DB-SegNet: optimized framework for glaucoma detection and optic structure segmentation from retinal fundus images 2025-Nov-13, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-23425-w PMID:41233423	研究论文	提出DB-SegNet框架用于从视网膜眼底图像中检测青光眼并分割视盘与视杯结构	结合扩张空洞上下文模块、双向特征校准单元、苦味鱼优化算法、多尺度注意力Transformer和蜜獾优化算法进行超参数调优，在分割和分类任务上达到高精度	可能仍受图像质量、血管遮挡和结构模糊等泛化挑战影响，且依赖特定数据集验证	提高青光眼检测和眼底结构分割的准确性，克服现有深度学习方法的泛化问题	视网膜眼底图像中的视盘和视杯结构	计算机视觉	青光眼	眼底成像	CNN、Transformer	图像	三个公开数据集：Drishti-GS1、RIM-ONE、ORIGA-Light	NA	SegNet、Dilated Atrous Context Module (DACM)、Bidirectional Feature Calibration Unit (BFCU)、Multi-Scale Attention Transformer (MSAT)	Dice系数、准确率	NA
418	2026-05-03	Artificial intelligence in the operating room: A systematic review of AI models for surgical phase, instruments and anatomical structure identification 2025-11, Acta obstetricia et gynecologica Scandinavica IF:3.5Q1 DOI:10.1111/aogs.70045 PMID:40862620	综述	系统回顾了多种深度学习算法在术中视频分析中的应用，用于手术阶段、解剖结构和手术器械的特征提取与模式识别	对AI模型在手术室中同时实现手术阶段识别、解剖结构识别和手术器械识别进行了系统性综合评估	数据集限制、标注协议标准化不足以及偏差问题需要进一步研究	评估人工智能模型在手术室中用于手术阶段、器械和解剖结构识别的应用效果	手术视频中的手术阶段、解剖结构和手术器械	机器学习	NA	NA	深度学习	视频	21项研究	NA	多层互连神经网络	准确率, 精确率, 召回率, F1分数	NA
419	2026-05-03	Deep learning-assisted tools to understand the structural biology of the synapse 2025-Nov, Biomedical engineering letters IF:3.2Q2 DOI:10.1007/s13534-025-00512-5 PMID:41280141	综述	探讨深度学习辅助的结构生物学工具在理解突触结构生物学中的应用，重点分析突触后致密区的分子机制	系统总结了AI辅助结构生物学工具在突触后蛋白网络建模中的最新应用，并指出其面临的挑战和未来发展方向	当前AI方法尚未能完全解决复杂大分子系统的所有问题，需谨慎使用	理解突触后致密区的分子水平机械方面，促进神经功能在分子层面的详细描述	突触后致密区的互连蛋白网络及其在学习和记忆形成中的作用	自然语言处理	认知障碍	深度学习	NA	NA	NA	NA	NA	NA	NA
420	2026-05-03	Prediction of waste generation forecast and emission potential on the Erode City solid waste dump yards based on machine learning approach 2025-Oct-23, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-19288-w PMID:41131036	研究论文	提出一种基于监督机器学习的数据驱动框架，用于预测印度埃罗德市城市固体废物产生量和排放动态	整合支持向量机、随机森林和朴素贝叶斯分类器，并结合特征选择、邻近排名和空间分区分析，提高废物预测的准确性和可解释性	未提及，可能包括未来需整合实时传感器数据和混合深度学习架构	开发可扩展的废物预测框架，支持排放量化和战略决策	印度埃罗德市固体废物堆场	机器学习	NA	NA	支持向量机、随机森林、朴素贝叶斯	数值数据（社会经济变量、废物类型、历史体积）	五年数据集（2019-2024年）	NA	NA	准确率、均方误差	NA