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
41	2026-09-08	Groupwise image registration with edge-based loss for low-SNR cardiac MRI 2025-Sep, Magnetic resonance in medicine IF:3.0Q2 DOI:10.1002/mrm.30486 PMID:40353517	研究论文	本文提出一种基于边缘检测损失的深度学习群组图像配准方法（AiM-ED），用于低信噪比心脏MRI的单次采集图像配准和平均	使用噪声鲁棒的预训练边缘检测器定义训练损失，并联合配准多个含噪源图像到目标图像，以应对低信噪比问题	方法仅在有限样本（24个健康切片、5个患者切片、6个0.55T扫描切片）上验证，泛化能力有待进一步研究	开发一种快速、鲁棒的图像配准方法，用于改善低信噪比单次采集心脏MRI的图像质量	心脏MRI图像，包括合成LGE图像（MRXCAT体模）和自由呼吸单次采集LGE图像（健康受试者和患者）	医学影像分析	心血管疾病（涉及心脏MRI，但非特定疾病）	MRI（心脏MRI，低场强度0.55T）	深度学习（基于卷积网络，类似VoxelMorph的配准网络）	图像（MRI图像）	健康受试者24个切片、患者5个切片（0.55T扫描6个切片）、MRXCAT体模合成图像	NA（未被明确提到）	AiM-ED（基于边缘检测的配准网络），可能类似VoxelMorph架构	恢复信噪比（recovery SNR）和三个感知图像质量指标	NA（未被明确提到）
42	2026-09-07	Prostate Cancer Risk Stratification and Scan Tailoring Using Deep Learning on Abbreviated Prostate MRI 2025-Sep, Journal of magnetic resonance imaging : JMRI IF:3.3Q1 DOI:10.1002/jmri.29798 PMID:40259798	研究论文	开发并评估一种基于深度学习模型，利用简化双参数MRI对临床显著性前列腺癌进行风险分层，并据此优化MRI扫描方案。	首次将深度学习模型整合到自动化MRI工作流中，实现实时分类和扫描方案推荐，根据患者风险个体化选择bpMRI或mpMRI。	未在标题和摘要中明确提及局限性。	评估深度学习模型在bpMRI上对csPCa分类的性能，并探索优化MRI协议选择以改善资源利用。	临床显著性前列腺癌（csPCa）患者，包括回顾性和前瞻性队列。	医学影像，深度学习	前列腺癌	MRI（bpMRI）	3D ResNet-50	MRI图像	训练和验证数据集包含26,129例MRI；评估包含回顾性队列151例患者和前瞻性队列142例患者	PyTorch	3D ResNet-50	AUROC, 敏感性, 特异性, 95%置信区间, 处理延迟	未在标题和摘要中明确提及，但提及实时推理在自动化MRI工作流上进行
43	2026-09-07	AI-based large-scale screening of gastric cancer from noncontrast CT imaging 2025-Sep, Nature medicine IF:58.7Q1 DOI:10.1038/s41591-025-03785-6 PMID:40555751	研究论文	开发并验证了一种基于非增强CT影像和深度学习的人工智能程序（GRAPE），用于大规模胃癌筛查，并在真实世界的机会性筛查中评估了其效能	首次利用非增强CT影像和深度学习技术，开发出面向大规模胃癌筛查的人工智能程序（GRAPE），并在多中心大规模队列（包括超过10万例CT扫描）中进行了全面验证，证明了其显著优于放射科医生的性能，且能独立于肿瘤位置检测胃癌，并能在早期阶段发现放射科医生漏诊的病例	摘要中未明确提及局限性	开发并验证一种基于非增强CT影像和深度学习的大规模胃癌筛查方法，以提高早期胃癌的检出率	胃癌患者和非胃癌对照人群的非增强CT影像	计算机视觉, 深度学习	胃癌	非增强CT成像，深度学习	深度学习模型	非增强CT影像	包含来自中国2个中心的3,470例胃癌和3,250例非胃癌病例的开发队列；内部验证集1,298例；来自16个中心的独立外部验证队列18,160例；真实世界机会性筛查队列包含来自1个综合癌症中心和2个独立地区医院的78,593次连续非增强CT扫描	NA	NA	曲线下面积（AUC）、灵敏度、特异度	NA
44	2026-09-06	Fixed point method for PET reconstruction with learned plug-and-play regularization 2025-09-26, Physics in medicine and biology IF:3.3Q1 DOI:10.1088/1361-6560/ae05ac PMID:40930128	研究论文	本文提出一种基于Douglas-Rachford分裂方法的收敛性即插即用（PnP）算法，用于低计数PET重建，并评估不同去噪器在训练或设计上满足固定点条件的性能	提出在PET重建中结合深度学习与PnP框架的收敛算法，通过光谱归一化网络和深度平衡模型实现去噪器的固定点条件，确保收敛性并提高泛化能力	光谱归一化在泛化方面表现不佳；研究基于合成和真实实验数据，可能未覆盖所有临床场景	探索PnP框架在PET重建中提高图像质量和量化精度的潜力，解决深度学习方法在有限训练数据下的稳定性和鲁棒性问题	低计数PET重建图像，包括临床相关区域和未见病理案例	医学图像重建	NA	PET成像	卷积神经网络、深度平衡模型	图像（PET成像数据）	合成实验和真实研究	PyTorch	光谱归一化网络、深度平衡模型	偏差、标准差	NA
45	2026-09-06	PWLS-SOM: alternative PWLS reconstruction for limited-view CT by strategic optimization of a deep learning model 2025-09-19, Physics in medicine and biology IF:3.3Q1 DOI:10.1088/1361-6560/adffe0 PMID:40865562	研究论文	提出一种结合深度学习先验与惩罚加权最小二乘重建的有限角度CT重建方法，通过战略优化深度学习模型参数以改善伪影抑制和鲁棒性	引入显著性评分量化深度学习模型参数的贡献，指导策略性适应，并将数据一致性约束融入三阶段重建框架	未明确提及局限性	提高有限角度CT重建的泛化能力，适应实际应用中的数据和分布变化	稀疏视图（90视图）圆形轨迹CT数据，多段线性轨迹CT扫描及混合数据缺失问题，死鼠实验	医学图像重建，深度学习	不适用	CT成像，深度学习	深度学习模型	CT投影数据	大型配对数据集（未提供具体数量），以及死鼠CT扫描数据	未提及	未提及	未明确提及，但涉及伪影抑制和结构恢复能力	未提及
46	2026-09-06	Fusion of X-Ray Images and Clinical Data for a Multimodal Deep Learning Prediction Model of Osteoporosis: Algorithm Development and Validation Study 2025-09-18, JMIR medical informatics IF:3.1Q2 DOI:10.2196/70738 PMID:40966528	研究论文	本研究开发了一种融合胸部X射线图像和临床数据的多模态深度学习模型，用于骨质疏松症的机遇性筛查，并验证其性能优于传统方法。	引入了基于梯度的 wavelet 特征提取方法并结合注意力机制，辅助图像特征融合，增强了模型对关键区域的关注。	数据集规模可能不足以涵盖人群多样性，回顾性研究可能带来选择偏差，缺乏外部验证限制了结果的泛化性。	开发一种融合胸部X射线图像和临床参数的多模态模型，用于骨质疏松症的机遇性筛查，并与现有方法进行比较。	骨质疏松症患者和对照组，其胸部X光图像和临床数据。	深度学习	骨质疏松症	图像处理和特征提取，使用梯度小波变换	卷积神经网络	图像和文本/临床数据	1780名患者的胸部X光图像和临床数据	未明确提及，但使用迁移学习技术微调卷积神经网络	卷积神经网络，结合注意力机制	AUC值、准确率、敏感性、特异性	未提及具体资源
47	2026-09-06	An Artificial Intelligence-Based Framework for Predicting Emergency Department Overcrowding: Development and Evaluation Study 2025-09-17, JMIR medical informatics IF:3.1Q2 DOI:10.2196/73960 PMID:40961493	研究论文	本研究开发并评估了一种基于人工智能的框架，用于预测急诊科拥挤情况，包括小时级和日级等候人数预测	提出了一种结合多种数据源和多种机器学习算法的预测框架，并引入了时间序列视觉Transformer（TSiTPlus）和可解释卷积神经网络（XCMPlus）模型，专门用于急诊科等候人数预测	研究基于单一医院的急诊数据，可能需要更多外部验证；预测准确性在不同时间段和极端情况下有所下降	开发机器学习模型，以预测急诊科等候室占用人数（等候人数），支持资源分配和缓解过度拥挤	美国东南部一家合作医院的急诊科数据，整合内部和外部数据源	机器学习	急诊科过度拥挤	NA	时间序列视觉Transformer（TSiTPlus），可解释卷积神经网络（XCMPlus），以及其他传统机器学习算法和深度学习架构	时间序列数据	来自一家合作医院急诊科的数据，具体样本数量未在摘要中给出	NA	TSiTPlus, XCMPlus, 以及其他传统机器学习模型	平均绝对误差（MAE）、均方误差（MSE）	NA
48	2026-09-06	Disentangled deep learning method for interior tomographic reconstruction of low-dose x-ray CT 2025-09-16, Physics in medicine and biology IF:3.3Q1 DOI:10.1088/1361-6560/ae02dc PMID:40902618	研究论文	提出了一种用于低剂量X射线CT内部断层重建的解纠缠深度学习方法，旨在同时处理噪声和截断伪影问题	提出双域深度神经网络解纠缠提取噪声和背景投影贡献，以及采用渐进式从粗到细策略增强可恢复区域的DPER-Pro方法	未明确提及局限，可能包括仅在模拟和体模数据上验证，未在临床数据上测试	开发一种新的重建框架，实现高质量的感兴趣区域重建和可恢复区域的扩展，以解决低剂量内部断层成像中的病态问题	低剂量CT内部断层成像中的感兴趣区域重建和可恢复区域扩展问题	医学图像重建	不适用	X射线CT	深度神经网络	模拟CT图像和真实CT扫描体模图像	模拟躯干数据集和真实躯干体模CT扫描数据	NA	双域深度神经网络，具体架构未明确，可能包括卷积神经网络	重建质量评估指标，具体如PSNR、SSIM等未在摘要中明确	未在摘要中提及
49	2026-09-06	Enhancing Oral Health Diagnostics With Hyperspectral Imaging and Computer Vision: Clinical Dataset Study 2025-09-11, JMIR medical informatics IF:3.1Q2 DOI:10.2196/76148 PMID:40935589	研究论文	本研究构建了一个大规模的口腔内窥镜高光谱成像数据集，并验证了深度学习模型在口腔组织分割和分类中的有效性	首次提供大规模、带注释的口腔内窥镜高光谱成像体内数据集，并集成了多种深度学习模型用于口腔健康诊断	未明确提及，但可能受限于数据集规模和特定临床环境的通用性	开发全面的口内高光谱成像数据集，并实现口腔组织结构的自动、可靠区分	健康口腔组织，包括黏膜、牵开器、牙齿和腭部等结构	计算机视觉	口腔疾病（如口腔鳞状细胞癌）	高光谱成像（HSI）	深度学习模型（如DeepLabv3、U-Net）	高光谱图像	226名参与者（166名女性，60名男性，年龄24-87岁）	未明确提及	DeepLabv3 (ResNet-50/ResNet-101), U-Net (EfficientNet-B0/ResNet-50)	F1值、精确率、召回率	未明确提及
50	2026-09-06	Interpretable Artificial Intelligence Analysis of Functional Magnetic Resonance Imaging for Migraine Classification: Quantitative Study 2025-09-03, JMIR medical informatics IF:3.1Q2 DOI:10.2196/72155 PMID:40903006	研究论文	本研究结合可解释人工智能技术与多种功能性磁共振成像指标，比较它们在偏头痛分类中的效能，识别最佳模型-指标配对，并评估XAI在临床诊断中定位判别性脑区的潜力	首次系统比较多种XAI技术与不同fMRI指标在偏头痛分类中的结合效果，并利用注意力热图定位判别性大脑区域	样本量较小，可能限制结果的泛化性	研究XAI技术与多种fMRI指标结合在偏头痛分类中的效能及其在临床诊断中的潜力	偏头痛患者（分为无先兆和有先兆）及健康对照者	机器学习	偏头痛	静息态功能磁共振成像	卷积神经网络和视觉Transformer	脑影像数据	64名参与者，包括21名无先兆偏头痛患者、15名有先兆偏头痛患者和28名健康对照	NA	GoogleNet, ResNet18, Vision Transformer	准确率，曲线下面积	NA
51	2026-09-06	Reconstruction of total-body multi parametric images with shortened-duration dynamic [68Ga]Ga-PSMA-11 and [68Ga]Ga-FAPI-04 PET scans 2025-09-02, Physics in medicine and biology IF:3.3Q1 DOI:10.1088/1361-6560/adfe33 PMID:40840511	研究论文	利用深度学习技术，从仅20分钟的动态PET扫描中重建全身多参数图像，缩短扫描时间至20分钟	提出了一种结合动态PET帧预测、参数线性拟合和生成对抗网络的深度学习框架，首次实现从20分钟动态PET数据重建多参数图像，缩短扫描时间从超过一小时至20分钟	未提及局限性	通过深度学习技术，使用仅20分钟的动态PET帧重建多参数成像，以缩短扫描时间并提高患者舒适度、减少运动伪影和成本	来自仁济医院的49名受试者（18名使用[Ga]Ga-FAPI-04，31名使用[Ga]Ga-PSMA-11）的全身PET数据	医学影像	前列腺癌	动态PET成像	生成对抗网络	医学影像	49名受试者的PET数据	NA	生成对抗网络	峰值信噪比（PSNR）、结构相似性指数（SSIM）、皮尔逊相关系数（PCC）	NA
52	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
53	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
54	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
55	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
56	2026-09-04	Deep Learning Prediction of Left Atrial Structure and Function from 12-lead Electrocardiograms 2025-Sep-30, medRxiv : the preprint server for health sciences DOI:10.1101/2025.09.29.25336490 PMID:41256128	研究论文	本文介绍了一种基于12导联心电图的深度学习模型（ECG-AI），用于预测左心房结构和功能，并评估其与房颤及并发症风险的关联。	首次利用12导联心电图与心脏磁共振成像配对数据训练深度学习模型来预测左心房结构和功能，并在外部队列中验证其对心房心肌病相关风险的预测能力，优于传统影像和临床风险因素。	摘要中未提及明确的局限性信息。	开发一种低成本、易获取的工具，通过心电图预测左心房结构和功能，以识别房颤及相关心血管并发症的高风险个体。	左心房结构和功能（心房心肌病），以及房颤、心力衰竭、缺血性卒中、心源性栓塞性卒中和亚临床房颤。	机器学习, 医学影像	心房颤动、心力衰竭、缺血性卒中	NA	深度学习模型（CNN类）	12导联心电图和心脏磁共振成像数据	21,749对心电图与心脏磁共振扫描数据，以及两个外部队列和一个筛查人群。	NA	NA	关联强度（如风险比）、预后性能（如优于临床工具）	NA
57	2026-09-04	Automated Midline Shift Detection in Head CT Using Localization and Symmetry Techniques Based on User-Selected Slice 2025-Sep-02, AJNR. American journal of neuroradiology DOI:10.3174/ajnr.A8767 PMID:40835418	研究论文	本文开发了一种基于用户选择切片的定位和对称性技术的深度学习算法，用于自动检测头部CT中的中线移位。	提出了一种涵盖从轻度到重度MLS全谱系的深度学习算法，尤其在严重病例中，在隔膜透明隔消失的情况下仍能准确检测。	未在文中明确提及局限性。	实现快速准确的MLS检测，以便在紧急情况下促进及时治疗。	头部CT扫描中的中线移位（MLS），特别是侧脑室和大脑中线。	医学图像分析	中线移位（由于占位性病变或创伤性脑损伤）	CT扫描	目标检测模型	图像	981个患者CT扫描，其中400个用于标注，其余581个用于训练模型	Roboflow（用于标注），YOLO（用于目标检测）	YOLO（You Only Look Once），具体版本未指定	AUC，敏感性，特异性	未提及
58	2026-09-04	Novel Videographic-Free Framework for Tracking Anatomical Structures Using Swallowing Accelerometer Signals and Multi-task Transformers 2025-Sep, Journal of healthcare informatics research IF:5.4Q1 DOI:10.1007/s41666-025-00201-z PMID:40726741	research paper	提出一种新型无视频透视框架，基于吞咽加速度计信号和多任务Transformer模型跟踪吞咽过程中的解剖结构位移	首次将多任务Transformer编码器应用于基于加速度计信号的吞咽运动学评估，实现多个解剖结构（舌骨、喉底和喉舌骨接近距离）的同步跟踪	未提及具体局限性	开发一种非侵入性且全面的吞咽评估方法，通过多任务深度学习模型准确检测吞咽过程中多个解剖结构的位移	吞咽过程中的舌骨、喉底和喉舌骨接近距离（HLA）	深度学习	吞咽障碍	加速度计信号	Transformer	时序信号	NA	NA	Transformer编码器	平均相对重叠面积（ROP）、平均准确率	NA
59	2026-09-04	THLANet: A deep learning framework for predicting TCR-pHLA binding in immunotherapy applications 2025-09, PLoS computational biology IF:3.8Q1 DOI:10.1371/journal.pcbi.1013050 PMID:40939018	研究论文	本文提出THLANet，一种基于深度学习的框架，用于预测TCR与I类HLA呈递的新抗原之间的结合特异性，以支持免疫治疗应用	采用ESM-2替代传统嵌入方法增强序列特征表示，并利用scTCR-seq数据构建TCR-pHLA结合数据库进行验证，以及通过分析CDR3序列和丙氨酸扫描模拟提供TCR-抗原3D相互作用的新见解	未提供明确信息	预测TCR与新抗原的结合，以评估其免疫原性潜力，支持临床免疫治疗	TCR序列（CDR3β）、抗原序列和I类HLA分子	深度学习、免疫信息学	癌症	scTCR-seq	深度学习模型（基于ESM-2）	序列数据（TCR、抗原、HLA）	未提供明确信息	NA	ESM-2	未提供明确信息	NA
60	2026-08-31	Docking With Rosetta and Deep Learning Approaches in CAPRI Rounds 47-55 2025-Sep-22, Proteins IF:3.2Q2 DOI:10.1002/prot.70016 PMID:40980933	研究论文	本文介绍了在CAPRI第47至55轮中，结合Rosetta对接方法和深度学习工具（如AlphaFold2、IgFold和AlphaRED）预测蛋白质-蛋白质相互作用的成果与挑战	开发了更有效捕捉构象变化的方法，更新了评分函数，并将AlphaFold2等结构预测工具整合到对接流程中，同时引入了折叠-对接方法用于预测大型异源多聚体	对于柔性复合物的预测性能仍然有限，尤其在CDR H3环和抗体-抗原结合界面的准确预测方面存在挑战	评估和提升蛋白质-蛋白质相互作用对接预测的准确性，特别是处理构象变化、大型多聚体和抗体-抗原相互作用	CAPRI第47至55轮的49个靶标，包括多阶段组装体、抗体-抗原复合物和柔性界面	结构预测	NA	Rosetta对接（RosettaDock、ReplicaDock、SymDock）和深度学习（AlphaFold2、IgFold、AlphaRED）	AlphaFold2, IgFold, AlphaRED	蛋白质序列和结构数据	49个靶标，包含蛋白质复合物，如GP2噬菌体蛋白（T194）、表面层SAP蛋白（T160）和人DNA修复蛋白复合物（T230）	NA	AlphaFold2, IgFold, AlphaRED	DockQ分数	NA