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	2026-04-07	Impact of spectrum bias on deep learning-based stroke MRI analysis 2025-Jul, European journal of radiology IF:3.2Q1 DOI:10.1016/j.ejrad.2025.112161 PMID:40359732	研究论文	本研究评估了在卒中MRI分析中排除不确定急性缺血性病变病例对深度学习工具诊断性能的影响，并识别了与这些不确定病例相关的因素	首次量化了排除不确定病例对深度学习工具诊断比值比的放大效应，并识别了MRI伪影、病灶大小、位置和年龄等与诊断不确定性相关的独立因素	单中心回顾性研究，可能受选择偏倚影响；未评估不同深度学习模型间的差异	评估卒中MRI分析中的谱偏倚，并探究排除不确定病例对深度学习工具诊断性能的影响	疑似卒中成年患者的脑部MRI图像	数字病理学	卒中	脑部MRI	深度学习	图像	989名患者	NA	NA	诊断比值比	NA
65	2026-04-06	Deep learning-based auto-contouring of organs/structures-at-risk for pediatric upper abdominal radiotherapy 2025-07, Radiotherapy and oncology : journal of the European Society for Therapeutic Radiology and Oncology IF:4.9Q1 DOI:10.1016/j.radonc.2025.110914 PMID:40328363	研究论文	本研究开发了一种基于CT的深度学习模型，用于儿科上腹部肿瘤放疗中危及器官的自动勾画，并评估了其在多个数据集上的鲁棒性	结合内部和公共数据集训练模型，提高了模型在儿科上腹部OARs分割中的鲁棒性，并针对年龄组差异进行了性能分析	胃-肠和胰腺的分割性能较低（DSC值低于0.90），且0-2岁年龄组的模型表现最差	开发并评估用于儿科上腹部放疗中危及器官自动勾画的深度学习模型	儿科上腹部肿瘤患者（包括肾肿瘤和神经母细胞瘤）的CT图像	数字病理	儿科肿瘤	CT成像	深度学习	CT图像	内部数据集189例儿科患者，公共数据集189例CT扫描	NA	NA	Dice相似系数, 95% Hausdorff距离, 平均表面距离	NA
66	2026-04-01	Enhancing forensic shoeprint analysis: Application of the Shoe-MS algorithm to challenging evidence 2025-07, Science & justice : journal of the Forensic Science Society IF:1.9Q3 DOI:10.1016/j.scijus.2025.101255 PMID:40480703	研究论文	本文探索了Shoe-MS算法在法医鞋印分析中的应用，该算法基于深度学习框架，用于评估成对图像的相似性得分	提出并应用Shoe-MS算法于法医鞋印分析，特别针对退化图像进行分类和源识别，实现了高精度相似性评分	算法无法完全替代法医检验员，且主要针对图像质量不高的犯罪现场证据	提升法医鞋印分析的定量评估能力，支持检验员进行概率性、可重复的判断	法医鞋印图像，包括犯罪现场采集的退化图像	计算机视觉	NA	深度学习	深度学习框架	图像	两个不同的数据库	NA	Shoe-MS	相似性得分	NA
67	2026-03-30	Memory kernel minimization-based neural networks for discovering slow collective variables of biomolecular dynamics 2025-07, Nature computational science IF:12.0Q1 DOI:10.1038/s43588-025-00815-8 PMID:40495006	研究论文	本文提出了一种基于记忆核最小化的神经网络框架MEMnets，用于发现生物分子动力学中的慢集体变量	MEMnets基于积分广义主方程理论，通过编码非马尔可夫动力学到记忆核中，并最小化时间积分记忆核的上界来识别最优集体变量，克服了传统方法通常假设马尔可夫动力学的限制	未在摘要中明确提及	识别生物分子动力学中准确捕捉最慢时间尺度的集体变量，以理解蛋白质构象变化等生物过程	FIP35 WW结构域的折叠过程和细菌RNA聚合酶的钳口开放构象变化	机器学习	NA	深度学习	神经网络	生物分子动态数据	NA	NA	并行编码器网络	NA	NA
68	2026-03-30	Predicting adverse drug reactions for combination pharmacotherapy with cross-scale associative learning via attention modules 2025-07, Nature computational science IF:12.0Q1 DOI:10.1038/s43588-025-00816-7 PMID:40588546	研究论文	本研究提出了一种名为OrganADR的关联学习增强模型，用于在器官层面预测联合药物治疗的不良反应	提出了一种结合器官层面ADR信息、分子层面药物信息以及基于网络的生物医学知识的集成表示方法，并采用多可解释模块，能够从器官角度阐明与ADR相关的关键蛋白质-蛋白质相互作用	未在摘要中明确说明	开发一种可解释的计算方法，以准确预测联合药物治疗的不良反应，服务于临床用药管理、药物开发和精准医疗	联合药物治疗及其在器官层面引发的不良反应	机器学习	NA	NA	深度学习	生物医学知识、药物分子信息、器官层面ADR信息	涉及15个器官的评估	NA	OrganADR	NA	NA
69	2026-03-28	Deep Learning-accelerated MRI in Body and Chest 2025 Jul-Aug 01, Journal of computer assisted tomography IF:1.0Q4 DOI:10.1097/RCT.0000000000001762 PMID:40360272	综述	本文综述了深度学习重建技术在加速磁共振成像中的应用，特别是在身体和胸部成像中，旨在提升图像质量并减少运动伪影	深度学习重建为磁共振加速提供了优雅解决方案，通过变分网络和监督模型，在保持图像质量的同时显著缩短采集时间，并具有去噪、伪影减少和提升信噪比等潜力	深度学习重建面临一些挑战，包括轻微降低病灶检测率、心脏运动相关信号丢失、区域信噪比变化以及不同器官系统中ADC测量的变异性	探讨深度学习重建技术在磁共振成像中的加速应用，以改善身体和胸部成像的图像质量并减少运动伪影	腹部、骨盆和胸部的磁共振成像，重点关注肝脏和前列腺等器官系统	医学影像分析	NA	磁共振成像（MRI），包括T2、T1和扩散加权成像	深度学习模型	磁共振图像	NA	NA	变分网络	图像质量指标、病灶显眼度、信噪比（SNR）、对比噪声比（CNR）、病灶检测率、ADC测量	NA
70	2026-03-28	Fundus Refraction Offset as an Individualized Myopia Biomarker 2025-Jul-01, JAMA ophthalmology IF:7.8Q1 DOI:10.1001/jamaophthalmol.2025.1513 PMID:40471629	研究论文	本研究提出了一种新的眼底水平指标——眼底屈光偏移，并探讨了其与光学相干断层扫描衍生眼部参数的关联	提出了眼底屈光偏移这一个体化近视生物标志物，用于捕捉后段解剖结构的个体差异，超越了传统的球镜等效屈光度和眼轴长度等轴上指标	研究为横断面设计，无法确定因果关系；外部验证数据集样本量较小	开发并验证一种能够反映个体后段解剖差异的近视生物标志物	健康人眼	数字病理学	近视	光学相干断层扫描	深度学习模型	图像	UK Biobank 数据集中 45,180 只健康眼（训练集 70%，内部测试集 30%），外部验证集 152 只右眼	NA	NA	线性回归系数, 95% 置信区间, P值	NA
71	2026-03-24	A review of hybrid EEG-based multimodal human-computer interfaces using deep learning: applications, advances, and challenges 2025-Jul, Biomedical engineering letters IF:3.2Q2 DOI:10.1007/s13534-025-00469-5 PMID:40625554	综述	本文系统综述了2016年至2024年间基于EEG的多模态人机交互系统，重点关注结合深度学习技术的应用、进展与挑战	首次系统整合了基于EEG的多模态HCI系统结合深度学习的研究成果，并分析了信号类型、网络架构、融合策略等关键主题	缺乏实时在线系统、信号同步困难、数据可用性有限以及可解释AI方法不足	综述基于EEG的多模态人机交互系统在深度学习中的应用、进展与挑战	124篇从Web of Science数据库中检索的2016年至2024年间发表的研究	人机交互	NA	EEG, fNIRS, NIRS, MEG, fMRI, EOG, EMG, ECG, PPG, GSR	深度学习	生物信号	124项研究	NA	卷积神经网络	NA	NA
72	2026-03-20	Machine Learning Analysis of Videourodynamics to Predict Incident Hydronephrosis in Patients With Spina Bifida 2025-07, The Journal of urology IF:5.9Q1 DOI:10.1097/JU.0000000000004547 PMID:40132220	研究论文	本研究开发了机器学习模型，利用视频尿动力学数据预测脊柱裂患者发生肾积水的风险	首次将机器学习应用于视频尿动力学数据，通过自动化特征提取（包括压力/体积记录和荧光透视图像）来预测肾积水事件，并构建了集成模型以提高预测性能	研究样本量相对有限（训练队列354人，验证队列200人），且模型性能（C统计量0.73）仍有提升空间，未进行外部验证	开发可靠的机器学习模型，以预测脊柱裂患者发生肾积水的风险，减少视频尿动力学解读的主观差异性	脊柱裂患者（年龄范围2个月至42岁）	机器学习	脊柱裂	视频尿动力学研究	随机生存森林, 集成模型	视频尿动力学数据（包括压力/体积记录和荧光透视图像）	训练队列354名患者，验证队列200名患者	NA	随机生存森林	C统计量, 特异性	NA
73	2026-03-15	Potential of artificial intelligence for radiation dose reduction in computed tomography -A scoping review 2025-07, Radiography (London, England : 1995) DOI:10.1016/j.radi.2025.102968 PMID:40339443	综述	本文通过范围综述，评估和总结了人工智能在CT扫描中患者定位、扫描范围确定和图像重建三个关键领域对辐射剂量优化的作用	系统性地聚焦于AI在CT辐射剂量优化中的三个核心应用领域，并提供了当前技术状态的简明概述，强调了其益处、局限性和对剂量减少变革的影响	作为一篇范围综述，它主要总结现有研究，未进行新的实验验证，且纳入文献时间范围可能限制了对最新进展的覆盖	回顾、评估和总结人工智能在计算机断层扫描（CT）辐射剂量优化中的作用	涉及CT扫描的文献研究，重点关注腹部、胸部、头部、颈部和骨盆以及CT血管造影等扫描部位	医学影像	NA	计算机断层扫描（CT）	深度学习	CT图像	90篇符合选择标准的文章	NA	NA	辐射剂量、相关评估指标（基于应用AI的CT参数）	NA
74	2026-03-14	Application of deep learning-based facial pain recognition model for postoperative pain assessment 2025-07, Journal of clinical anesthesia IF:5.0Q1 DOI:10.1016/j.jclinane.2025.111898 PMID:40516197	研究论文	本研究开发了一种基于深度学习的面部疼痛识别模型，用于术后疼痛评估	构建了包含临床和模拟场景的数据集，并基于预训练VGG16模型开发了面部疼痛识别软件，为临床疼痛识别提供了新选项	高质量临床数据集有限，且缺乏针对真实世界模型部署的研究，实验室研究与临床应用之间存在差距	利用深度学习技术进行自动疼痛评估，特别是针对术后患者	术后患者的面部疼痛图像	计算机视觉	术后疼痛	深度学习	CNN	图像	临床疼痛数据集包含503名术后患者的3411张图像，模拟疼痛数据集包含51名志愿者的1038张图像	NA	VGG16	AUROC, F1分数	NA
75	2026-03-14	Zero-shot segmentation of spinal vertebrae with metastatic lesions: an analysis of Meta's Segment Anything Model 2 and factors affecting learning free segmentation 2025-07-01, Neurosurgical focus IF:3.3Q1 DOI:10.3171/2025.4.FOCUS25234 PMID:40591965	研究论文	本研究评估了Meta的Segment Anything Model 2（SAM 2）在零样本条件下对脊柱转移瘤椎体分割的能力，并分析了影响分割性能的临床因素	首次评估了通用分割模型SAM 2在脊柱转移瘤椎体分割中的零样本性能，并系统分析了椎体位置、患者性别和BMI等因素对分割效果的影响	研究仅基于公开数据集，样本量相对有限（55名患者），且未针对特定临床场景进行模型优化	评估零样本分割模型在脊柱转移瘤椎体分割中的准确性和适用性	脊柱CT扫描中的胸腰椎椎体，包括转移瘤受累的椎体	计算机视觉	脊柱转移瘤	CT成像	零样本分割模型	医学图像（CT扫描）	55名患者的779个胸腰椎椎体，其中167个有转移瘤	NA	Segment Anything Model 2（SAM 2）	Dice相似系数（DSC）	NA
76	2026-03-14	Image-based detection of the internal carotid arteries and sella turcica in endoscopic endonasal transsphenoidal surgery 2025-07-01, Neurosurgical focus IF:3.3Q1 DOI:10.3171/2025.4.FOCUS24940 PMID:40591959	研究论文	本研究评估了基于深度学习的YOLOv5s模型在内窥镜经鼻蝶手术视频中检测鞍区和双侧颈内动脉的性能	首次将YOLOv5s目标检测架构应用于内窥镜经鼻蝶手术视频，以自动识别关键的鞍区和颈内动脉解剖标志，旨在预防术中致命性损伤	模型需要来自不同手术环境的新未见数据进行泛化验证和迁移学习优化，当前研究为回顾性队列设计	开发并评估一个深度学习模型，用于在内窥镜经鼻蝶手术视频中自动检测鞍区和双侧颈内动脉，以识别关键解剖标志并预防致命并发症	内窥镜经鼻蝶手术视频中的鞍区和双侧颈内动脉解剖结构	计算机视觉	鞍区及鞍旁区域疾病	内窥镜视频成像	CNN	图像	98名患者的內窺鏡手術視頻圖像	PyTorch	YOLOv5s	精确率, 召回率, mAP@0.5, mAP@0.5:0.95, AUC, 准确率	NA
77	2026-03-14	Open-source AI-assisted rapid 3D color multimodal image fusion and preoperative augmented reality planning of extracerebral tumors 2025-07-01, Neurosurgical focus IF:3.3Q1 DOI:10.3171/2025.4.FOCUS24557 PMID:40591963	研究论文	本研究开发了一种基于开源人工智能辅助的快速3D彩色多模态图像融合与增强现实规划方法，用于脑外肿瘤手术的术前规划和手术引导	整合开源AI工具（FastSurfer/Raidionics）与增强现实可视化，创建高效的3D彩色多模态图像融合工作流，通过颜色编码功能映射和血管关系可视化增强解剖理解	研究仅针对脑外肿瘤患者，样本量为130例，可能未涵盖所有肿瘤类型或复杂情况	开发用于脑外肿瘤手术术前规划和手术引导的先进方法	130名脑外肿瘤患者	数字病理	脑外肿瘤	多模态图像融合, 增强现实	深度学习	3D图像	130名患者	FastSurfer, Raidionics-Slicer	NA	Dice相似系数, 95% Hausdorff距离, 手术时间, 术中失血量, 全切除率, 并发症发生率, 改良Rankin量表评分	NA
78	2026-03-14	Generation of synthetic CT-like imaging of the spine from biplanar radiographs: comparison of different deep learning architectures 2025-07-01, Neurosurgical focus IF:3.3Q1 DOI:10.3171/2025.4.FOCUS25170 PMID:40591967	研究论文	本研究比较了生成对抗网络（GANs）和卷积神经网络结合隐式神经表示（CNN-INRs）两种深度学习架构，用于从双平面X光片生成脊柱合成CT（sCT）图像	首次系统比较了GAN和CNN-INR两种架构在从双平面X光片生成脊柱sCT图像方面的性能，并评估了其作为潜在术中成像技术的临床可行性	两种模型均未达到临床级输出水平，且研究样本量有限（共270例）	识别从双平面X光片生成脊柱sCT图像的最鲁棒且临床可行的深度学习方法	脊柱CT图像及其对应的数字重建X光片（DRRs）	计算机视觉	NA	数字重建X光片（DRRs）生成	GAN, CNN	图像（CT图像、X光片）	216个训练案例和54个验证案例	NA	生成对抗网络（GANs），卷积神经网络结合隐式神经表示（CNN-INRs）	结构相似性指数（SSIM），峰值信噪比（PSNR），余弦相似度（CS）	NA
79	2026-03-14	Deep learning-based clinical decision support system for intracerebral hemorrhage: an imaging-based AI-driven framework for automated hematoma segmentation and trajectory planning 2025-07-01, Neurosurgical focus IF:3.3Q1 DOI:10.3171/2025.5.FOCUS25246 PMID:40591968	研究论文	本文介绍了一种基于深度学习的临床决策支持系统，用于脑出血的自动血肿分割和手术轨迹规划	提出了一个集成的AI驱动框架，结合了nnU-Net自动分割、基于眼部标志物的CT重定向、双解剖走廊安全区划定以及优先考虑最大血肿穿行和关键结构避开的轨迹优化	系统在幕下血肿的处理上仍存在局限	开发一个深度学习决策支持和规划系统，以普及手术规划并减少对操作者的依赖	脑出血患者	数字病理学	脑出血	CT成像	深度学习	医学图像	347名患者（31,024个CT切片）	nnU-Net	U-Net	Dice相似系数, 组内相关系数	NA
80	2026-03-14	A novel deep learning system for automated diagnosis and grading of lumbar spinal stenosis based on spine MRI: model development and validation 2025-07-01, Neurosurgical focus IF:3.3Q1 DOI:10.3171/2025.4.FOCUS24670 PMID:40591977	研究论文	本文开发了一种基于脊柱MRI的深度学习系统，用于自动诊断和分级腰椎管狭窄症	设计了一种改进的单阶段YOLOv5网络，用于同时检测感兴趣区域和对腰椎中央管狭窄、侧隐窝狭窄及腰椎间孔狭窄进行多级分级	研究为回顾性设计，且外部测试集样本量较小（50例患者），可能影响模型的泛化能力评估	开发一个深度学习筛查系统，用于自动进行腰椎管狭窄症的二元和多级分级	接受腰椎MRI检查的住院患者	计算机视觉	腰椎管狭窄症	MRI	CNN	图像	内部数据集420例患者，外部测试集50例患者	PyTorch	YOLOv5	召回率, AUC, 灵敏度, kappa系数	NA