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
21	2026-03-14	Preliminary phantom study of four-dimensional computed tomographic angiography for renal artery mapping: Low-tube voltage and low-contrast volume imaging with deep learning-based reconstruction 2025-05, Radiography (London, England : 1995) DOI:10.1016/j.radi.2025.102929 PMID:40147091	研究论文	本研究通过体模实验评估了低管电压、低对比剂剂量的四维CT血管成像结合深度学习重建在肾动脉成像中的可行性	首次将低管电压、低对比剂剂量的4D-CTA与深度学习重建技术结合用于肾动脉成像，探索减少辐射剂量和对比剂用量的新方法	研究基于体模实验，尚未进行临床验证，需要进一步临床研究确认结果	评估低管电压、低对比剂剂量的4D-CTA结合深度学习重建在选择性肾动脉栓塞术中的可行性	模拟对比增强血管的定制体模	医学影像	肾动脉疾病	四维CT血管成像，深度学习重建	深度学习	CT图像	定制体模扫描	NA	NA	峰值对比噪声比，图像噪声，定性评估（4分制）	NA
22	2026-03-14	Devising a novel evaluation method for computed tomography images containing metal artifacts from titanium seed implants: Application to virtual monochromatic imaging energy optimization 2025-05, Radiography (London, England : 1995) DOI:10.1016/j.radi.2025.102944 PMID:40199192	研究论文	本研究提出了一种新的评估方法，用于评估含有钛种子植入物金属伪影的CT图像，并确定了虚拟单色成像（VMI）的最佳能量水平以减少金属伪影并增强信号可检测性	开发了一种新的对比伪影比（CAR）评估方法，用于定量评估金属伪影对信号检测的影响，并结合Gumbel评估方法和对比噪声比（CNR）优化VMI能量水平	研究基于模拟放射性种子的体模进行，可能未完全反映临床实际患者数据的复杂性；仅针对钛种子植入物和骨盆区域，结果可能不适用于其他金属植入物或身体部位	研究旨在减少CT图像中金属伪影并优化信号可检测性，通过开发新的评估方法和确定VMI最佳能量水平	含有钛种子植入物金属伪影的CT图像，特别是骨盆区域包括前列腺的模拟体模	医学影像处理	前列腺癌	双能CT系统、虚拟单色成像（VMI）、金属伪影减少（MAR）技术	深度学习算法	CT图像	基于模拟放射性种子插入前列腺区域的体模进行研究，具体样本数量未明确说明	NA	NA	对比噪声比（CNR）、对比伪影比（CAR）、Gumbel评估方法的位置参数	NA
23	2026-03-14	Reduction of radiation exposure in chest radiography using deep learning-based noise reduction processing: A phantom and retrospective clinical study 2025-05, Radiography (London, England : 1995) DOI:10.1016/j.radi.2025.102958 PMID:40280035	研究论文	本研究评估了基于深度学习的智能降噪技术在平面胸部X光摄影中降低患者辐射剂量的效果	首次结合体模和回顾性临床研究，验证了智能降噪技术可在保持图像质量的同时平均降低35%的辐射剂量	研究仅针对特定设备（佳能开发的INR）和胸部X光，样本量有限（100例患者），且为回顾性设计	评估智能降噪技术在平面胸部X光摄影中降低患者辐射剂量的可行性和效果	Lungman体模（模拟肺部肿瘤）和100例患者的临床胸部X光图像	数字病理	肺癌	平面X光摄影，智能降噪处理	深度学习模型	X光图像	100例患者的配对胸部X光图像（对照组和评估组各100张）	NA	NA	平均意见评分，盲/无参考图像空间质量评估器评分，入口表面剂量	NA
24	2026-03-13	Genome structure mapping with high-resolution 3D genomics and deep learning 2025-May-07, bioRxiv : the preprint server for biology DOI:10.1101/2025.05.06.650874 PMID:40654659	研究论文	本文介绍了一种结合高分辨率3D基因组学与深度学习的集成方法，用于预测细胞类型特异性的3D基因组结构	开发了Cleopatra，一种基于注意力机制的深度学习模型，通过预训练和微调策略，实现了亚千碱基级别的3D接触图谱预测，揭示了细胞类型特异性的微区室和环路	研究仅覆盖了四种人类细胞类型，可能未涵盖所有细胞类型的特异性；深度学习模型的泛化能力需进一步验证	旨在通过深度学习和3D基因组学技术，全面映射细胞类型特异性的基因调控环路，以理解基因表达机制	人类细胞类型中的3D基因组结构，包括增强子-启动子环路和微区室	机器学习	NA	区域捕获微C（RCMC）、微C（Micro-C）测序	深度学习模型（基于注意力机制）	表观基因组数据、3D接触图谱数据	四种人类细胞类型	NA	基于注意力机制的架构（具体名称未指定，但提及为Cleopatra模型）	NA	NA
25	2026-03-06	Combining Ultrasound Imaging and Molecular Testing in a Multimodal Deep Learning Model for Risk Stratification of Indeterminate Thyroid Nodules 2025-May, Thyroid : official journal of the American Thyroid Association IF:5.8Q1 DOI:10.1089/thy.2024.0584 PMID:40256961	研究论文	本研究提出了一种融合超声成像与分子检测的多模态深度学习模型，用于改善不确定甲状腺结节的恶性风险分层	首次将超声成像与分子检测数据结合，构建多模态深度学习模型，以互补信息提升诊断性能，特别是阳性预测值和特异性	研究基于单中心数据集，缺乏外部验证，且使用了二值化的分子检测输出而非细粒度的恶性风险概率	改善不确定甲状腺结节的恶性风险分层，减少不必要的良性结节切除手术	不确定细胞学分类（Bethesda III和IV级）的甲状腺结节	数字病理	甲状腺癌	下一代测序，超声成像	深度学习	图像，分子检测数据	333名患者（259个良性结节，74个恶性结节）	未明确提及	集成模型（融合了全帧图像、256×256图像块、128×128图像块三种配置）	AUROC，灵敏度，特异性，阳性预测值	未明确提及
26	2026-03-06	Deep learning segmentation of periarterial and perivenous capillary-free zones in optical coherence tomography angiography 2025-05, Journal of biomedical optics IF:3.0Q2 DOI:10.1117/1.JBO.30.5.056005 PMID:40342523	研究论文	本研究开发并评估了深度学习模型，用于自动化分割光学相干断层扫描血管成像中的动脉周围和静脉周围毛细血管无灌注区，以辅助糖尿病视网膜病变的早期检测	首次将深度学习模型（包括CNN和ViT）应用于自动化分割动脉周围和静脉周围毛细血管无灌注区，并引入定量特征作为糖尿病视网膜病变的潜在生物标志物	研究仅涉及健康对照组、无糖尿病视网膜病变的糖尿病患者和轻度糖尿病视网膜病变患者，未包括中重度病例，且样本量有限	开发并评估深度学习模型，用于精确分割光学相干断层扫描血管成像中的毛细血管无灌注区，并探索其作为糖尿病视网膜病变生物标志物的潜力	光学相干断层扫描血管成像图像，来自健康对照组、无糖尿病视网膜病变的糖尿病患者和轻度糖尿病视网膜病变患者	计算机视觉	糖尿病视网膜病变	光学相干断层扫描血管成像	CNN, ViT	图像	涉及健康对照组、无糖尿病视网膜病变的糖尿病患者和轻度糖尿病视网膜病变患者的多组OCTA图像	NA	UNet, UNet++, TransUNet, Segformer, EfficientNet-b7	平均交并比, Dice系数	NA
27	2026-03-05	Using deep learning to predict postoperative pain in reverse shoulder arthroplasty patients 2025-May, JSES international DOI:10.1016/j.jseint.2024.11.020 PMID:40486767	研究论文	本研究开发了一个深度学习算法，用于预测反向全肩关节置换术后的疼痛情况	首次应用人工神经网络预测反向全肩关节置换术后疼痛，并利用SHAP分析识别关键预测因素	模型准确率仅为63%，需要进一步优化，如纳入更多预测参数和尝试其他机器学习算法	开发预测反向全肩关节置换术后疼痛的深度学习模型，以优化手术指征和患者期望管理	反向全肩关节置换术患者	机器学习	骨科疾病	人工神经网络	人工神经网络	临床数据	1707名患者（疼痛组705人，无疼痛组1002人）	NA	人工神经网络	准确率, 精确率, 召回率, F1分数	NA
28	2026-03-03	scMODAL: a general deep learning framework for comprehensive single-cell multi-omics data alignment with feature links 2025-May-29, Nature communications IF:14.7Q1 DOI:10.1038/s41467-025-60333-z PMID:40442129	研究论文	本文介绍了一个名为scMODAL的深度学习框架，专门用于单细胞多组学数据的对齐，通过特征链接实现全面整合	scMODAL利用神经网络和生成对抗网络，结合有限的已知正相关特征，对齐细胞嵌入并保持特征拓扑结构，有效去除不必要变异并保留生物信息	NA	开发一个计算框架以整合单细胞多组学数据，促进联合分析	单细胞多组学数据，包括转录组、表观基因组和蛋白质组数据	机器学习	NA	单细胞技术，包括转录组、表观基因组和蛋白质组分析	神经网络, 生成对抗网络	单细胞多组学数据	NA	NA	NA	NA	NA
29	2026-03-03	SpecstatOR: speckle statistics-based iOCT segmentation network for ophthalmic surgery 2025-May-01, Biomedical optics express IF:2.9Q2 DOI:10.1364/BOE.543611 PMID:41767927	研究论文	本文提出了一种基于斑点统计的iOCT分割网络，用于眼科手术中视网膜层和手术器械的区分	利用组织特异性斑点模式进行分割，减少对形状和强度的依赖，增强跨设备和解剖变异的鲁棒性，无需重新训练	未在摘要中明确提及	改进眼科手术中iOCT图像的分割技术	视网膜层和手术器械	数字病理学	眼科疾病	iOCT	深度学习网络	图像	NA	NA	NA	NA	NA
30	2026-03-03	Enhancing ultra-high density single-molecule localization with deep spatiotemporal networks 2025-May-01, Biomedical optics express IF:2.9Q2 DOI:10.1364/BOE.555721 PMID:41767926	研究论文	本文提出了一种名为SRST的深度学习驱动方法，用于实现超高密度单分子的精确三维定位，以提升单分子定位显微镜的时空分辨率	开发了利用相邻帧时间信息和荧光分子闪烁机制来增强定位精度的深度学习框架，在低信噪比条件下相比现有方法显著提升了定位精度	未明确说明方法在极端实验条件下的性能表现或计算复杂度限制	提升单分子定位显微镜在超高密度分子场景下的时空分辨率和定位精度	亚细胞结构（如线粒体和微管）的三维成像	计算机视觉	NA	单分子定位显微镜（SMLM）	深度学习网络	图像序列（时间序列图像）	NA	NA	时空网络	Jaccard指数, 定位误差	NA
31	2026-03-03	Automated cell properties toolbox from 3D bioprinted hydrogel scaffolds via deep learning and optical coherence tomography 2025-May-01, Biomedical optics express IF:2.9Q2 DOI:10.1364/BOE.550401 PMID:41767930	研究论文	本文提出了一种基于深度学习与光学相干断层扫描的计算工具箱，用于自动化分析3D生物打印水凝胶支架中的细胞活力与形态特性	结合光学相干断层扫描的高分辨率成像与深度学习分割，实现了非侵入式、定量化的细胞分析，克服了传统侵入式和基于阈值方法的局限性	NA	开发自动化工具以精确评估3D生物打印水凝胶支架中的细胞活力与形态特性，促进组织工程研究	3D生物打印水凝胶支架中的细胞	计算机视觉	NA	光学相干断层扫描	深度学习	图像	NA	NA	NA	分割精度	NA
32	2026-03-03	A-scan sequence transformers for palpation with optical coherence elastography 2025-May-01, Biomedical optics express IF:2.9Q2 DOI:10.1364/BOE.553849 PMID:41767938	研究论文	本研究提出了一种基于Transformer的深度学习模型，用于从光学相干弹性成像（OCE）的A扫描序列中端到端地估计组织弹性	首次将Transformer架构应用于处理OCE中的A扫描序列，实现了从相位数据到弹性模量的端到端估计，相比传统方法和CNN方法显著提升了弹性重建精度	未明确说明模型在临床手术环境中的实时性能验证，以及在不同组织类型和病理条件下的泛化能力评估	开发一种能够替代主观触诊的客观弹性估计方法，以辅助微创手术中的病变定位和手术导航	均匀组织模型、包含异质性的组织模型以及心脏、肾脏和肝脏等软组织样本	医学影像分析	NA	光学相干弹性成像（OCE）、光学相干断层扫描（OCT）	Transformer	一维轴向扫描序列（A-scan序列）、相位数据	未明确具体数量，但包括均匀组织模型、异质性组织模型以及心脏、肾脏、肝脏软组织样本	NA	Transformer	平均误差（kPa）	NA
33	2026-03-03	gcDLSeg: integrating graph-cut into deep learning for binary semantic segmentation 2025-May-01, Biomedical optics express IF:2.9Q2 DOI:10.1364/BOE.555206 PMID:41767939	研究论文	本研究提出了一种将图割方法集成到深度学习网络中的新框架，用于端到端的二进制语义分割	提出了一种新颖的残差图割损失和准残差连接，解决了图割模块在深度学习网络中梯度反向传播的挑战	NA	结合图割方法的全局最优性保证和深度学习的高性能，提升二进制语义分割的准确性和鲁棒性	二进制语义分割任务	计算机视觉	慢性伤口,胰腺癌	NA	深度学习网络	图像	公共AZH慢性伤口数据集和医学分割十项全能（MSD）中的胰腺癌数据集	NA	NA	分割准确性,对抗攻击鲁棒性	NA
34	2026-03-02	Development and validation of a deep learning model for diagnosing neuropathic corneal pain via in vivo confocal microscopy 2025-May-14, NPJ digital medicine IF:12.4Q1 DOI:10.1038/s41746-025-01577-3 PMID:40369269	研究论文	本文开发并验证了一种基于深度学习的模型，用于通过活体共聚焦显微镜诊断神经性角膜疼痛	提出了一种新的神经性角膜疼痛筛查系统，该模型能够检测微神经瘤，并提供了不确定性量化机制以增强临床相关性	NA	开发一个深度学习模型，以辅助诊断神经性角膜疼痛	神经性角膜疼痛患者	数字病理学	神经性角膜疼痛	活体共聚焦显微镜	深度学习模型	图像	103,168张IVCM图像	NA	NA	AuROC	NA
35	2026-02-12	Artificial Intelligence in Outpatient Primary Care: A Scoping Review on Applications, Challenges, and Future Directions 2025-May-13, medRxiv : the preprint server for health sciences DOI:10.1101/2025.05.12.25327223 PMID:40463551	综述	本文是一篇范围综述，探讨了人工智能在门诊初级保健中的应用、挑战和未来方向	系统性地梳理了2019年至2024年间人工智能在非紧急门诊初级保健中的功能、试验或整合情况，并指出了当前实施与研究的差距	研究主要基于文献综述，缺乏对实际临床环境中AI整合障碍的深入分析，且纳入的研究中临床试验数量有限	探索人工智能在门诊初级保健中的应用范围、实施现状及未来发展方向	2019年1月1日至2024年11月22日期间发表的关于人工智能与初级保健相关的研究	机器学习	NA	机器学习，深度学习，Transformer	NA	NA	筛选了3203篇文献，最终纳入61篇符合条件的研究	NA	NA	NA	NA
36	2026-02-07	Towards global reaction feasibility and robustness prediction with high throughput data and bayesian deep learning 2025-May-15, Nature communications IF:14.7Q1 DOI:10.1038/s41467-025-59812-0 PMID:40374636	研究论文	本文通过整合高通量实验和贝叶斯深度学习，预测有机反应可行性及其对环境因素的鲁棒性	利用内部高通量平台构建了工业规模下最广泛的单一HTE数据集，并应用贝叶斯神经网络实现高精度预测，同时通过细粒度不确定性解耦实现高效主动学习	未明确提及模型在更广泛化学空间或不同反应类型中的泛化能力限制	预测有机反应的可行性和对环境因素的鲁棒性，以支持工业过程设计	11,669个不同的酸胺偶联反应	机器学习	NA	高通量实验	贝叶斯神经网络	实验数据	11,669个反应	NA	贝叶斯神经网络	预测准确率	NA
37	2026-01-29	Enhancing gastrointestinal stromal tumor risk stratification: A novel deep learning approach applied to EUS imaging 2025 May-Jun, Endoscopic ultrasound IF:4.4Q1 DOI:10.1097/eus.0000000000000119 PMID:41584022	研究论文	本研究提出了一种基于EUS影像的新型深度学习模型，用于提高胃肠道间质瘤的风险分层准确性	开发了一种专门针对医学影像的DenseNet-121深度学习风险预测模型，并将其与传统统计模型结合，在GIST风险分类中实现了更高的预测精度	研究为单中心回顾性研究，样本量相对有限（341例患者），且模型间的曲线下面积比较未显示显著统计学差异	改善胃肠道间质瘤的风险评估和分类，以优化临床决策和患者预后	经病理证实的胃肠道间质瘤患者	数字病理	胃肠道间质瘤	EUS成像	深度学习	图像	341例患者的1019张EUS图像	PyTorch（基于DenseNet架构推断）	DenseNet-121	灵敏度, 特异性, 阳性预测值, 阴性预测值, 准确率, AUC	NA
38	2026-01-26	SAHVAI-3D and 4D: Automated AI Volumetric Measurement of Subarachnoid Hemorrhage on Noncontrast Head CT 2025-May, Stroke (Hoboken, N.J.) DOI:10.1161/SVIN.124.001620 PMID:41573412	研究论文	本文开发了基于人工智能的自动化蛛网膜下腔出血体积测量方法SAHVAI-3D和4D，用于非增强头部CT扫描，并与手动测量方法进行比较	首次实现了蛛网膜下腔出血体积的自动化三维和四维测量，并创建了SAH脑图作为新型影像生物标志物	研究仅基于10名患者的训练集，样本量较小，需要更大规模验证	开发自动化蛛网膜下腔出血体积测量工具，探索其作为影像生物标志物在延迟性脑缺血风险评估和神经治疗干预中的潜力	动脉瘤性蛛网膜下腔出血患者	数字病理学	脑血管疾病	非增强头部计算机断层扫描	深度学习算法	医学影像	10名连续患者，共92次CT扫描（每次182个切片）	NA	NA	准确率, Dice系数, 假阳性率, 阴性预测值, 平均绝对误差	NA
39	2026-01-25	Auxiliary Teaching and Student Evaluation Methods Based on Facial Expression Recognition in Medical Education 2025-May-22, JMIR human factors IF:2.6Q3 DOI:10.2196/72838 PMID:40402552	研究论文	提出一种基于面部表情识别技术的医学教育辅助教学与学生评估方法	将面部表情识别技术应用于医学教育，通过计算机视觉和深度学习算法识别学生情绪状态，以优化教学策略	面临技术准确性、设备依赖性和隐私保护等挑战	改善医学教育中的教学效果、优化个性化学习并促进师生互动	医学教育中的学生	计算机视觉	NA	面部表情识别	深度学习算法	面部表情图像	NA	NA	NA	NA	NA
40	2026-01-25	A multimodal and fully automated system for prediction of pathological complete response to neoadjuvant chemotherapy in breast cancer 2025-05-02, Science advances IF:11.7Q1 DOI:10.1126/sciadv.adr1576 PMID:40305609	研究论文	本研究开发了一种多模态集成全自动管道系统（MIFAPS），用于预测乳腺癌患者对新辅助化疗的病理完全缓解	通过整合多模态数据（包括磁共振成像、全切片图像和临床风险因素）并采用全自动化流程，显著提升了预测性能	NA	预测乳腺癌患者对新辅助化疗的病理完全缓解	1004名局部晚期乳腺癌患者	数字病理学	乳腺癌	磁共振成像, 全切片图像	深度学习	图像, 临床数据	1004名患者	NA	NA	AUC	NA