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
781	2026-09-06	Large blood vessel segmentation in quantitative DCE-MRI of brain tumors: A Swin UNETR approach 2025-05, Magnetic resonance imaging IF:2.1Q2 DOI:10.1016/j.mri.2025.110342 PMID:39892479	研究论文	提出一种基于Swin UNETR架构的自动大血管分割方法，用于脑肿瘤定量DCE-MRI图像，并与U-Net和Attention U-Net比较。	首次将Swin UNETR应用于大型血管自动分割，跨多个中心和设备验证泛化能力，性能优于现有模型。	未提及明确的局限性。	开发自动大血管分割方法，提高脑肿瘤分级和治疗评估的准确性。	脑肿瘤患者的MRI数据，包括淋巴瘤和转移瘤。	医学图像分析	脑肿瘤	DCE-MRI	Swin UNETR、U-Net、Attention U-Net	MRI图像	187名脑肿瘤患者的训练、验证和测试数据集	NA	Swin UNETR、U-Net、Attention U-Net	Dice系数，p值	NA
782	2026-09-06	Use of deep learning-accelerated T2 TSE for prostate MRI: Comparison with and without hyoscine butylbromide admission 2025-05, Magnetic resonance imaging IF:2.1Q2 DOI:10.1016/j.mri.2025.110358 PMID:39938669	研究论文	本研究旨在评估深度学习加速的T2加权涡轮自旋回波成像序列在无需使用丁溴东莨菪碱的情况下，用于前列腺MRI的可行性，并与常规T2 TSE序列对比图像质量和诊断信心。	首次在3T磁共振成像系统上直接比较了深度学习加速的T2 TSE序列与常规T2 TSE序列在有和无丁溴东莨菪碱情况下对前列腺成像的图像质量，探索了DL序列是否能减少对药物使用的依赖，同时保持或改善定量图像质量指标。	研究样本量较小（每组30例），为单中心研究，且仅评估了特定扫描仪和软件版本下的DL序列，未评估肿瘤检出率，需在后续研究中验证。	比较深度学习加速的T2 TSE序列与常规T2 TSE序列在前列腺MRI中的图像质量，以确定DL序列是否可以替代HBB的使用，同时不牺牲图像质量。	120名连续的前列腺MRI患者，分为四组（每组30人），每组根据HBB使用与否及视野大小（130mm或160mm）进行区分。	医学影像	前列腺疾病	深度学习加速的T2加权磁共振成像	深度学习模型（具体架构未在摘要中提及）	磁共振图像	120名患者（每组30例），分为四组	NA	NA	图像质量评分（运动伪影、锐度、噪声、诊断信心）、边缘上升距离、信噪比、对比度噪声比、组内相关系数	实施于3T扫描仪及软件系统（2022/23版）
783	2026-09-06	3D tooth identification for forensic dentistry using deep learning 2025-04-30, BMC oral health IF:2.6Q1 DOI:10.1186/s12903-025-06017-y PMID:40301795	研究论文	本文提出了一种基于深度学习的三维牙齿识别方法，用于法医牙科中的牙齿分类，通过将3D牙齿模型转换为2D图像并利用RNN架构进行准确分类	提出了一种从3D牙齿模型中提取代表性特征并转换为2D图像的新方法，结合RNN和全连接层增强序列数据处理能力，以克服3D数据不规则性的挑战	NA	提高法医牙科中牙齿分类的准确性和诊断效率，减少人工分析并加快处理速度	口腔内牙齿结构模型	计算机视觉	NA	3D成像	RNN、全连接层	3D模型和2D图像	NA	NA	RNN	NA	NA
784	2026-09-06	Spatial-frequency aware zero-centric residual unfolding network for MRI reconstruction 2025-04, Magnetic resonance imaging IF:2.1Q2 DOI:10.1016/j.mri.2025.110334 PMID:39863026	研究论文	提出了一种空间频率感知的零中心残差展开网络，用于磁共振成像重建，以提升图像质量并减少采样伪影	引入了可学习的空间频率差异感知模块，补充数据一致性层，将k空间域差异映射到空间图像域进行感知补偿；受小波分解启发，将图像分解为均值和残差成分，对残差实施零均值约束以提高效率	未明确提及，但可能受限于数据集特定性和计算资源需求	改进MRI重建算法，减少欠采样k空间引起的图像域伪影，增强图像质量	MRI图像数据，使用FastMRI和Calgary-Campinas数据集	计算机视觉, 深度学习	无特定疾病类别	压缩感知, 深度学习	展开网络（Unfolding Network）	图像	未明确给出具体样本数量	未提及具体框架	空间频率感知模块, 数据一致性层, 零中心残差模块	重建性能指标（具体未列出，如PSNR、SSIM）	未提及具体计算资源
785	2026-09-06	FDuDoCLNet: Fully dual-domain contrastive learning network for parallel MRI reconstruction 2025-04, Magnetic resonance imaging IF:2.1Q2 DOI:10.1016/j.mri.2025.110336 PMID:39864600	研究论文	提出了一种基于变分网络的全双域对比学习网络FDuDoCLNet，用于并行磁共振成像重建，同时在图像域和小波域进行优化	受小波理论中提升方案的启发，首次在图像域和小波域同时引入双域对比损失，以有效优化重建性能并解决现有双域方法对单一域特征过度关注的问题	仅在6倍加速因子的fastMRI多线圈膝关节数据集上进行了评估，未涉及其他加速因子或解剖部位，且未提及计算资源需求或实时性能	提高并行磁共振成像的重建质量，通过同时利用图像域全局信息和小波域局部细节来克服现有深度学习重建方法的局限性	并行磁共振成像重建	深度学习	不适用	并行磁共振成像	变分网络	图像	公开的fastMRI多线圈膝关节数据集	不适用	VarNet	PSNR, SSIM	不适用
786	2026-09-06	A multi-modal transformer for cell type-agnostic regulatory predictions 2025-Feb-12, Cell genomics IF:11.1Q1 DOI:10.1016/j.xgen.2025.100762 PMID:39884279	研究论文	本文介绍了一种名为EpiBERT的多模态Transformer模型，通过掩码可及性预训练目标学习基因组序列与细胞类型特异性染色质可及性的通用表示，并可微调用于基因表达预测。	创新点在于提出多模态Transformer架构，采用掩码可及性预训练目标，使模型能够泛化到未见过的细胞状态。	摘要未明确提及局限性。	提高基于序列的深度神经网络在调控基因组学中的泛化能力。	人类基因组序列与细胞类型特异性染色质可及性数据。	深度学习	不适用	DNA测序	Transformer	序列数据	不适用	NA	Transformer	准确性	NA
787	2026-09-06	Multi-modal prediction of extracorporeal support-a resource intensive therapy, utilizing a large national database 2025-Feb, JAMIA open IF:2.5Q3 DOI:10.1093/jamiaopen/ooae158 PMID:39764170	研究论文	本研究利用大型国家数据库，开发了一种基于多模态数据的层级深度学习模型，用于持续预测体外膜氧合（ECMO）使用需求，以改善患者分诊和资源分配。	提出了一种层级深度学习模型'PreEMPT-ECMO'，该模型整合了静态和多粒度时间序列特征，能够从ECMO启动前96小时至0小时连续预测ECMO使用风险，优于传统的预测模型，并提供了特征贡献度的时间变化分析。	该研究主要基于COVID-19患者数据，未来需要在非COVID-19难治性呼吸衰竭患者中进行前瞻性验证和泛化性研究。	开发一个连续的ECMO风险预测模型，以增强患者分诊和资源分配。	ECMO支持的患者，来自国家COVID队列协作组（N3C）。	机器学习	COVID-19相关呼吸衰竭	NA	层级深度学习模型	静态和时间序列临床数据（多模态）	101,400名患者，其中1,298名（1.28%）接受了ECMO。	NA	NA	准确度、精确度	NA
788	2026-09-06	Machine Learning and Deep Learning Applications in Magnetic Particle Imaging 2025-Jan, Journal of magnetic resonance imaging : JMRI IF:3.3Q1 DOI:10.1002/jmri.29294 PMID:38358090	综述	综述了机器学习和深度学习在磁粒子成像（MPI）中的应用	总结了人工智能方法在MPI图像重建和分析中的最新进展和潜在未来方向	未提及	回顾机器学习与深度学习模型在MPI中的应用及其潜力	磁粒子成像（MPI）及其图像重建和分析方法	机器学习	NA	Magnetic Particle Imaging (MPI)	机器学习与深度学习模型（未具体指定）	图像	NA	NA	NA	NA	NA
789	2026-09-05	Enhancing diagnosis of gout with deep learning in dual-energy computed tomography: a retrospective analysis of crystal and artefact differentiation 2025-12-01, Rheumatology (Oxford, England) DOI:10.1093/rheumatology/keae523 PMID:39565918	研究论文	本研究评估了深度学习在双能CT扫描中区分痛风石绿色编码与团块状伪影的诊断准确性	首次将深度学习应用于DECT绿色焦点中区分晶体沉积与伪影，并按大小分组进行逐病灶和逐患者分析	未明确提及研究的局限性	评估深度学习在DECT中鉴别绿色编码（指示痛风石）和团块状伪影的高诊断准确性	47例痛风患者和27例无痛风对照者DECT扫描中的绿色焦点ROIs	计算机视觉	痛风	双能计算机断层扫描（DECT）	卷积神经网络（CNN）和支持向量机（SVM）	图像（DECT扫描中的ROIs）	18,704个ROIs，来自74例患者（47例痛风，27例对照）	NA	CNN（未指定具体架构）和SVM	受试者工作特征曲线下面积（AUC）、灵敏度、特异性、阳性预测值、阴性预测值、准确率	NA
790	2026-09-05	Multiparameter MRI-based automatic segmentation and diagnostic models for the differentiation of intracranial solitary fibrous tumors and meningiomas 2025-12, Annals of medicine IF:4.9Q1 DOI:10.1080/07853890.2025.2530223 PMID:40625299	研究论文	本研究利用多参数MRI自动分割和诊断模型，旨在区分颅内孤立性纤维性肿瘤（SFTs）和脑膜瘤。	综合了自动分割与诊断模型，并结合临床和影像学特征构建融合指数相关模型，以及使用二级分类预测概率作为输入特征的四分类模型。	NA	术前精确区分SFTs和脑膜瘤，以辅助手术计划和治疗策略制定。	颅内孤立性纤维性肿瘤和脑膜瘤患者。	医学影像分析	颅内肿瘤	多参数MRI	深度学习分割模型和机器学习分类模型	多参数MRI图像和临床/影像学特征数据	252例患者（SFTs 56例，脑膜瘤196例）	NA	VB-Net	Dice系数（DSC）、曲线下面积（AUC）、加权AUC	NA
791	2026-09-05	Automatic recognition of adrenal incidentalomas using a two-stage cascade network: a multicenter study 2025-12, Annals of medicine IF:4.9Q1 DOI:10.1080/07853890.2025.2540596 PMID:40772430	研究论文	本研究开发并验证了一种两阶段级联网络，用于自动识别非增强CT中的肾上腺偶发瘤，并在多中心数据上进行了评估。	首次采用两阶段级联网络（3D Res-Unet分割与分类器）自动识别肾上腺偶发瘤，并在多中心数据上验证了其性能和泛化能力。	未明确说明局限性。	开发一种基于深度学习的自动识别方法，用于在不同中心非增强CT中检测肾上腺偶发瘤，以提高早期发现和管理肾上腺疾病的能力。	肾上腺偶发瘤患者	医学影像分析	肾上腺偶发瘤	CT成像	深度学习，卷积神经网络	医学影像（CT图像）	共778名患者，其中443名用于模型开发，335名用于测试	NA	3D Res-Unet, 分类器	Dice相似系数（DSC）、AUC、准确性、敏感性、特异性	NA
792	2026-09-05	Deep learning model for predicting extraprostatic extension of prostate cancer based on H&E-stained biopsy digital images 2025-12, Annals of medicine IF:4.9Q1 DOI:10.1080/07853890.2025.2547094 PMID:40841351	研究论文	开发并验证了一种基于前列腺活检H&E切片的深度学习流程，用于预测前列腺癌患者的包膜外扩展（EPE）	首次提出使用卷积神经网络（ConvNeXt）和基于多实例学习的模型，通过活检切片预测EPE，并进行可解释性及与生化复发关联分析	信息不足，未在摘要中明确提及局限性	通过活检切片预测前列腺癌的包膜外扩展，提供术前风险分层方法以辅助个性化治疗	前列腺癌患者及其活检H&E切片	数字病理学	前列腺癌	NA	卷积神经网络（CNN）和基于多实例学习	图像	260例前列腺癌患者的2592张术前活检H&E切片	NA	ConvNeXt	准确率, AUC	NA
793	2026-09-05	Predicting prognosis of patients with hepatitis B virus-related acute-on-chronic liver failure from longitudinal ultrasound images using a multi-task deep learning approach 2025-12, Annals of medicine IF:4.9Q1 DOI:10.1080/07853890.2025.2551819 PMID:40857062	研究论文	本研究开发并验证了一种基于纵向肝脏超声图像的多任务深度学习模型，用于预测乙肝病毒相关急性慢性肝衰竭患者的30天预后	采用孪生U-Net结构同时进行肝脏分割和预后预测，并整合纵向超声图像与临床数据，提高了预测性能	仅基于单一中心回顾性数据，样本量有限，未来需多中心外部验证	开发并验证基于纵向超声图像的多任务深度学习模型，用于HBV-ACLF患者的个体化风险分层和预后预测	乙肝病毒相关急性慢性肝衰竭（HBV-ACLF）患者，包括372名患者（训练队列290名，验证队列82名）	医学影像分析	肝病（乙肝病毒相关急性慢性肝衰竭）	超声成像	Siamese U-Net，Cox回归	纵向肝脏超声图像和临床数据	372名HBV-ACLF患者（训练队列290名，验证队列82名）	NA	Siamese U-Net	Dice系数，C指数，AUC，校准曲线，决策曲线分析	NA
794	2026-09-05	Commercial Products Using Generative Artificial Intelligence Include Ambient Scribes, Automated Documentation and Scheduling, Revenue Cycle Management, Patient Engagement and Education, and Prior Authorization Platforms 2025-11, Arthroscopy : the journal of arthroscopic & related surgery : official publication of the Arthroscopy Association of North America and the International Arthroscopy Association IF:4.4Q1 DOI:10.1016/j.arthro.2025.05.021 PMID:40419172	研究论文	探讨生成式人工智能在临床实践中的商业应用，包括环境 scribe、自动化文档和调度、收入周期管理、患者参与和教育以及预先授权平台	全面概述了生成式人工智能在医疗保健中的新兴商业产品，特别关注环境 scribe 作为领先产品，并讨论了其潜在优势和当前限制	缺乏监管监督、存在偏见、与电子健康记录的互通性不一致、医生和利益相关者因对LLM输出缺乏信心而未采纳	探索生成式人工智能在临床工作流程中的整合及其对医疗效率和管理的影响	环境 scribe、自动化文档和调度平台、收入周期管理工具、患者参与和教育助手以及预先授权平台等商业生成式人工智能产品	自然语言处理	不适用	不适用	大型语言模型（LLM）	文本	不适用	不适用	不适用	不适用	不适用
795	2026-09-05	Deep learning-based cell type profiles reveal signatures of Alzheimer's disease resilience and resistance 2025-Oct-03, Brain : a journal of neurology IF:10.6Q1 DOI:10.1093/brain/awaf285 PMID:40794555	研究论文	本文应用基于Transformer的深度学习模型从批量RNA测序数据中恢复细胞类型特异性转录程序，并利用该方法揭示阿尔茨海默病韧性和抵抗性的细胞类型特征。	首次将Transformer深度学习模型应用于从批量RNA测序中恢复细胞类型特异性转录程序，相比以往方法有显著性能提升，并能大规模、低成本地研究复杂表型中的细胞类型特异性转录组。	摘要中未明确提及局限性。	揭示阿尔茨海默病韧性和抵抗性背后的细胞类型特异性机制，并识别潜在治疗靶点。	阿尔茨海默病的认知韧性和大脑抵抗性相关细胞类型，包括星形胶质细胞、兴奋性神经元和少突胶质前体细胞。	深度学习，转录组学	阿尔茨海默病	批量RNA测序	Transformer	批量RNA测序数据	未在摘要中明确说明样本数量。	未在摘要中明确提及使用的框架。	Transformer	性能指标未在摘要中明确说明，但提到显著优于先前方法。	未在摘要中明确说明计算资源。
796	2026-09-05	Incorporating respiratory signals for machine learning-based multimodal sleep stage classification: a large-scale benchmark study with actigraphy and heart rate variability 2025-09-09, Sleep IF:5.3Q1 DOI:10.1093/sleep/zsaf091 PMID:40219765	研究论文	该研究通过大规模基准测试，系统比较了基于体动记录、心率变异性和呼吸率变异性结合的多模态方法在睡眠阶段分类中的性能	首次在大规模研究中引入通过ECG衍生呼吸特征来评估呼吸信息对睡眠阶段分类的贡献，并与传统呼吸带数据进行对比	未明确说明具体局限性，但可能包括对ECG衍生呼吸特征的依赖和数据集的地域或人群限制	系统比较基于体动记录与结合心率变异性和呼吸率变异性的多模态方法在睡眠阶段分类中的性能，评估呼吸信息对分类效果的提升	公共睡眠数据集中的超过1000个睡眠记录	机器学习	睡眠相关疾病	ECG衍生呼吸特征	长短期记忆网络	体动记录数据、心率变异性数据、呼吸率变异性数据	超过1000个睡眠记录	NA	长短期记忆网络	马修斯相关系数	NA
797	2026-09-05	Saturation transfer MR fingerprinting for magnetization transfer contrast and chemical exchange saturation transfer quantification 2025-Sep, Magnetic resonance in medicine IF:3.0Q2 DOI:10.1002/mrm.30532 PMID:40228056	研究论文	提出一种利用生物物理模型驱动的深度学习方法进行饱和转移磁共振指纹（ST-MRF）成像，以量化水、磁化传递对比和酰胺质子转移参数以及B0场不均匀性	与传统的Bloch-McConnell拟合和字典匹配方法相比，该方法在估计组织参数时实现了更高的准确度（nRMSE为9.3%，优于15.3%和19.5%）	未提及	开发一种基于生物物理模型驱动的深度学习方法的饱和转移MR指纹技术，以快速准确地量化水和磁化传递参数	数值体模和健康人脑（灰质和白质）	磁共振成像	不适用	饱和转移磁共振指纹	深度学习网络	磁共振图像	数值体模（信噪比46 dB）和健康人脑（8个组织参数图）	NA	NA	归一化均方根误差，均方根误差	未提及
798	2026-09-05	Deep learning approach for automatic assessment of schizophrenia and bipolar disorder in patients using R-R intervals 2025-09, PLoS computational biology IF:3.8Q1 DOI:10.1371/journal.pcbi.1012983 PMID:40901920	研究论文	本研究利用深度学习与机器学习方法，基于短时心电图中的R-R间期自动分类精神分裂症和双相情感障碍患者	采用低成本可穿戴设备记录的短时ECG信号进行两种精神疾病的自动分类，并评估了多种机器学习模型和不同时间窗口长度，性能与先进诊断方法相当	样本量较小且未提供具体计算资源信息	开发并评估一种基于短时ECG信号自动分类精神分裂症和双相情感障碍的方法	精神分裂症或双相情感障碍患者及健康对照组	机器学习	精神分裂症、双相情感障碍	ECG	SVM、XGBoost、多层感知机、门控循环单元、集成方法	R-R间期窗口	60名参与者（30名患者和30名对照组）	NA	SVM、XGBoost、MLP、GRU、集成模型	准确率	NA
799	2026-09-05	The detection of algebraic auditory structures emerges with self-supervised learning 2025-09, PLoS computational biology IF:3.8Q1 DOI:10.1371/journal.pcbi.1013271 PMID:40911653	研究论文	本研究使用自监督学习训练的深度学习模型，探究人类自发检测听觉模态中代数结构的能力是如何从经验中涌现的	首次利用深度学习模型系统评估自然和文化声音刺激对自发检测代数结构的影响，发现该能力可从纯经验中涌现，且不同预训练声音类型影响能力的发展	文中未明确提及限制，可能包括模型与人类听觉处理的差异、声音刺激范围的限制等	评估因素导致听觉模态中代数结构自发检测，并区分先天机制与经验驱动机制	深度学习模型在听觉模态中对代数结构（重复序列、概率块、复杂代数结构）的检测能力	机器学习	NA	自监督学习	深度学习模型（具体类型未指定）	声音数据（自然声音、语音、音乐）	多个深度学习模型，具体数量未说明	未指定	未指定	未指定（可能包括检测准确性等）	未指定
800	2026-09-05	An Extraction Tool for Venous Thromboembolism Symptom Identification in Primary Care Notes to Facilitate Electronic Clinical Quality Measure Reporting: Algorithm Development and Validation Study 2025-08-26, JMIR medical informatics IF:3.1Q2 DOI:10.2196/63720 PMID:40857675	研究论文	开发并验证了一个基于自然语言处理（NLP）的工具VTExt，用于从初级保健临床笔记中提取静脉血栓栓塞（VTE）症状，以促进电子临床质量测量（eCQM）的报告。	首次将NLP技术应用于全国认可的电子临床质量测量（eCQM）中，用于VTE症状提取，且工具在跨机构、不同电子健康记录系统中表现出良好的泛化能力。	未提及具体限制。	开发一个从临床笔记中提取VTE症状的工具，用于量化初级保健中VTE延迟诊断率。	初级保健临床笔记文本，包括VTE阳性病例和阴性对照的笔记句子。	自然语言处理	静脉血栓栓塞	NLP（基于规则的方法）	规则驱动方法	文本	病例组包括279份患者笔记中的17,585条进展笔记句子，对照组包括50份患者笔记中的2,838条进展笔记句子；外部验证使用来自两个独立医疗保健组织的数据集。	NA	NA	曲线下面积、阳性预测值、阴性预测值、灵敏度、特异性	NA