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
61	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
62	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
63	2026-04-11	Unsupervised learning reveals landscape of local structural motifs across protein classes 2025-Jul-01, Bioinformatics (Oxford, England) DOI:10.1093/bioinformatics/btaf377 PMID:40569048	研究论文	本文利用自监督深度学习表征，对蛋白质数据库中的局部结构微环境进行聚类，构建了一个局部3D基序词典，并展示了其在蛋白质结构搜索、模型质量评估和药物脱靶相互作用预测中的应用	通过无监督学习聚类超过1500万个蛋白质局部结构环境，创建了一个全面的局部3D基序词典，并基于此开发了新的蛋白质表征方法，在多个任务中达到最先进性能	NA	旨在通过无监督学习揭示蛋白质局部结构基序的景观，并应用于蛋白质结构功能分析	蛋白质数据库中的局部三维结构微环境	机器学习	NA	自监督深度学习	NA	三维结构数据	超过1500万个局部环境	NA	NA	NA	NA
64	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
65	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
66	2026-04-11	Development and validation of pan-cancer lesion segmentation AI-model for whole-body 18F-FDG PET/CT in diverse clinical cohorts 2025-May, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.110052 PMID:40127518	研究论文	本研究开发了一种基于深度学习的全自动病灶分割AI模型，用于全身18F-FDG PET/CT图像，适用于多种临床队列	开发了一种与疾病位置和部位无关的深度学习模型，首次在多种儿科和成人肿瘤队列中验证了其泛化性能	模型在测试集和PHEO队列中遗漏了小体积和低摄取的病灶，假阳性预测导致总病灶糖酵解略高于真实值	开发并验证一个适用于全身FDG-PET/CT图像的自动化病灶分割AI模型	全身18F-FDG PET/CT图像中的病灶	数字病理学	多种癌症	18F-FDG PET/CT成像	CNN	3D图像	训练/验证/测试集共1014例，外加三个未见队列：骨肉瘤或神经母细胞瘤（13例）、儿科实体肿瘤（14例）、成人嗜铬细胞瘤/副神经节瘤（40例）	nnUNet	3D U-Net	敏感性, DISC	NA
67	2026-04-11	Deep Learning Applications in Imaging of Acute Ischemic Stroke: A Systematic Review and Narrative Summary 2025-04, Radiology IF:12.1Q1 DOI:10.1148/radiol.240775 PMID:40197098	系统综述	本文对深度学习在急性缺血性卒中影像学中的应用进行了系统性回顾和叙述性总结	首次对2016年至2024年间深度学习在急性缺血性卒中影像学中的应用进行全面、系统的回顾，并特别关注了卷积神经网络和Transformer模型，同时强调了公共数据集的重要性	研究存在挑战，包括需要标准化协议和测试集、更大的公共数据集以及在真实世界环境中进行性能验证	评估深度学习在成人急性缺血性卒中患者影像学中的应用，全面概述当前技术状态并识别发展机遇	急性缺血性卒中影像学	计算机视觉	急性缺血性卒中	NA	CNN, Transformer	影像	共纳入380项研究，并对其中68项进行了详细数据提取	NA	NA	NA	NA
68	2026-04-11	Foundation model of neural activity predicts response to new stimulus types 2025-Apr, Nature IF:50.5Q1 DOI:10.1038/s41586-025-08829-y PMID:40205215	研究论文	本文通过收集大量小鼠视觉皮层神经活动数据，训练了一个基础模型来预测神经元对任意自然视频的响应，并展示了该模型在新小鼠和新刺激类型上的泛化能力	利用基础模型范式预测神经活动，实现了跨小鼠和跨刺激类型的泛化，并能预测解剖细胞类型和神经元连接性	模型可能受限于训练数据的多样性和规模，泛化能力在更广泛的神经环路或物种中尚未验证	构建大脑的基础模型，以理解神经计算目标并预测神经活动	小鼠视觉皮层的神经活动	机器学习	NA	神经活动记录	基础模型	神经活动数据，自然视频	多只小鼠的大量神经活动数据	NA	NA	预测准确性	NA
69	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
70	2026-04-11	Assessing the Reporting Quality of Machine Learning Algorithms in Head and Neck Oncology 2025-Feb, The Laryngoscope DOI:10.1002/lary.31756 PMID:39258420	研究论文	本研究使用TRIPOD-AI标准评估头颈肿瘤学文献中机器学习算法的报告质量	首次在头颈肿瘤学领域系统应用TRIPOD-AI标准评估机器学习研究的报告质量	研究基于已发表文献的回顾性分析，无法评估未发表研究的报告质量	评估头颈肿瘤学中机器学习算法的报告质量并识别改进需求	头颈肿瘤学领域的机器学习研究文献	机器学习	头颈肿瘤	NA	NA	文献数据	通过PubMed、Scopus、Embase和Cochrane数据库检索的相关研究文献	NA	NA	TRIPOD-AI标准符合率	NA
71	2025-12-26	A "calcification"-enhanced deep learning approach for precise differentiation of thyroid nodules 2025-Dec-24, Cancer imaging : the official publication of the International Cancer Imaging Society IF:3.5Q1 DOI:10.1186/s40644-025-00976-9 PMID:41444688	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
72	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
73	2026-04-10	Deep Learning in neuroimaging for neurodegenerative diseases: State-of-the art, Challenges, and Opportunities 2025-Nov-15, Journal of the neurological sciences IF:3.6Q2 DOI:10.1016/j.jns.2025.123735 PMID:41176929	综述	本文综述了深度学习在神经退行性疾病神经影像分析中的最新进展、挑战与机遇	扩展了文献范围，涵盖了更广泛的神经退行性疾病，并深入探讨了深度学习算法在脑体积影像中处理时空信息的方法	现有研究多集中于常见疾病如阿尔茨海默病和帕金森病，且面临数据异质性、类别不平衡和标注数据稀缺等挑战	探讨深度学习在神经退行性疾病的早期诊断与疾病监测中的应用	神经退行性疾病，包括阿尔茨海默病、额颞叶痴呆、路易体痴呆、帕金森病、亨廷顿病、肌萎缩侧索硬化和多发性硬化症	神经影像分析	神经退行性疾病	神经影像技术	深度学习模型	脑体积影像数据	NA	NA	NA	准确性	NA
74	2026-04-10	Oral Cancer Detection By Using Tabular Data Synthesis and Classification 2025-Nov, Proceedings ... ICDM workshops. IEEE International Conference on Data Mining DOI:10.1109/ICDMW69685.2025.00094 PMID:41948034	研究论文	本文提出了一种基于表格数据合成与分类的口腔癌自动检测方法，旨在区分口腔癌与其前体病变，并通过数据平衡提升分类性能	通过结合表格数据分类与合成技术，有效缓解临床数据不平衡问题，显著提升口腔癌与癌前病变的分类性能	NA	开发一种AI驱动的口腔癌筛查方法，利用非图像临床表格数据区分口腔癌与癌前病变	口腔癌与癌前病变的临床表格数据	机器学习	口腔癌	深度学习	深度学习模型	表格数据	NA	NA	NA	Youden指数, 平衡准确率, 灵敏度, F1分数, Matthews相关系数	NA
75	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
76	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
77	2026-04-10	Enhancing Dementia Classification for Diverse Demographic Groups: Using Vision Transformer-Based Continuous Scoring of Clock Drawing Tests 2025-06-10, The journals of gerontology. Series B, Psychological sciences and social sciences DOI:10.1093/geronb/gbaf065 PMID:40197801	研究论文	本研究利用深度学习神经网络生成连续时钟绘图测试评分，以增强针对不同人口群体的痴呆症分类能力	提出基于Vision Transformer的连续时钟绘图测试评分方法，相比传统序数评分提供更细粒度的阈值，并识别出针对特定人口特征（如种族、教育水平、年龄）的自适应阈值	研究依赖于特定数据集（NHATS），可能未涵盖所有人群变异性；深度学习模型需要大量标注数据，且实际部署时需考虑计算资源和临床验证	开发并评估连续时钟绘图测试评分在痴呆症分类中的性能，探索人口特异性阈值以提高筛查准确性	来自美国国家健康与老龄化趋势研究的老年人群体，包括不同种族、教育水平和年龄的参与者	数字病理学	老年疾病	深度学习神经网络	Vision Transformer	图像	美国国家健康与老龄化趋势研究的全国代表性老年人样本	NA	Vision Transformer	受试者工作特征曲线下面积, 灵敏度, 特异度	NA
78	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
79	2026-04-10	New Threshold for Defining Mild Aortic Stenosis Derived From Velocity-Encoded MRI in 60,000 Individuals 2025-Apr-08, Journal of the American College of Cardiology IF:21.7Q1 DOI:10.1016/j.jacc.2025.01.035 PMID:40175013	研究论文	本研究利用深度学习模型分析大规模人群的心脏磁共振成像数据，提出了新的轻度主动脉瓣狭窄定义阈值，并验证了其与不良临床结局的关联	首次在超过6万人的大规模无临床指征人群中，通过深度学习模型测量主动脉瓣功能参数，并基于健康亚组数据提出了新的轻度主动脉瓣狭窄血流动力学阈值	研究为观察性设计，无法确定因果关系；随访时间相对较短（平均3.9年）；外部验证队列使用超声心动图而非心脏磁共振成像	研究无临床指征人群中主动脉瓣功能的流行病学特征，并定义轻度主动脉瓣狭窄的血流动力学阈值	英国生物银行62,902名参与者和澳大利亚国家超声数据库365,870名临床队列参与者	数字病理学	心血管疾病	速度编码心脏磁共振成像	深度学习模型	医学影像（心脏磁共振成像）	英国生物银行62,902人（健康亚组41,859人），外部验证队列365,870人	NA	NA	风险比	NA
80	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