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
2021	2026-01-11	Synthetic multi-inversion time magnetic resonance images for visualization of subcortical structures 2026-Jan, Journal of medical imaging (Bellingham, Wash.) DOI:10.1117/1.JMI.13.1.014002 PMID:41503368	研究论文	本文提出了一种名为SyMTIC的深度学习方法，用于从常规磁共振图像生成合成多反转时间图像，以增强皮层下结构的可视化	结合深度神经网络与成像物理原理，通过估计纵向弛豫时间和质子密度图来合成任意反转时间的多反转时间图像	方法依赖于特定配对图像数据进行训练，可能对未包含的训练数据类型的泛化能力有限	改善皮层下灰质结构的磁共振成像可视化，以支持神经科学研究和临床实践	皮层下灰质结构，特别是丘脑核团	医学影像分析	NA	磁共振成像，包括T1加权、T2加权和FLAIR序列	深度神经网络	磁共振图像	NA	NA	NA	图像质量，分割改进	NA
2022	2026-01-11	Deep learning model with collage images for the segmentation of dedicated breast positron emission tomography images 2026-Jan, Breast cancer (Tokyo, Japan) DOI:10.1007/s12282-023-01492-z PMID:37634221	研究论文	本研究评估了深度学习在专用乳腺正电子发射断层扫描图像自动分割异常摄取区域的应用，并通过拼贴图像进行数据增强以解决训练数据稀缺问题	提出使用由裁剪的异常摄取和正常乳腺组成的拼贴图像进行数据增强，以应对dbPET图像噪声高和数据稀缺的挑战	研究为回顾性设计，样本量相对有限（662个乳腺），且仅基于特定时间段的数据	开发自动分割dbPET图像中异常摄取区域的深度学习模型，以辅助乳腺病变评估	专用乳腺正电子发射断层扫描图像中的异常摄取区域	数字病理学	乳腺癌	专用乳腺正电子发射断层扫描	CNN	图像	662个乳腺（其中217个有异常摄取）	NA	U-Net	Dice分数, 分类准确率	NA
2023	2026-01-11	Deep learning model to predict Ki-67 expression of breast cancer using digital breast tomosynthesis 2026-Jan, Breast cancer (Tokyo, Japan) DOI:10.1007/s12282-024-01549-7 PMID:38448777	研究论文	本研究开发了一个基于数字乳腺断层合成图像的深度学习模型，用于预测乳腺癌Ki-67表达水平	首次将Xception架构应用于数字乳腺断层合成图像，以预测Ki-67表达，并针对不同放射学特征亚组进行了性能评估	研究为回顾性设计，样本量相对较小（126例），且未在外部数据集上进行验证	开发一个深度学习模型，利用数字乳腺断层合成图像预测乳腺癌Ki-67表达，以辅助术前治疗策略制定	经病理确诊的乳腺癌患者及其数字乳腺断层合成图像	数字病理学	乳腺癌	数字乳腺断层合成	CNN	图像	126例经病理确诊的乳腺癌患者	NA	Xception	准确率, 灵敏度, 特异性, AUC	NA
2024	2026-01-11	CADRE: A novel unsupervised reconstruction algorithm for limited-angle CT of ancient wooden structures 2026-Jan, Journal of X-ray science and technology IF:1.7Q3 DOI:10.1177/08953996251380012 PMID:41105016	研究论文	本文提出了一种名为CADRE的无监督深度学习重建算法，用于解决古木结构有限角度CT图像重建中的质量问题	CADRE算法创新性地结合了ADMM优化策略、深度Radon先验网络学习范式以及几何轮廓引导机制，无需大规模配对训练数据，特别适用于文化遗产领域	NA	开发一种能够从不完整的有限角度投影数据中实现高质量图像重建的新算法	古木结构，如应县木塔的数字仿真模型和佛光寺的物理木模型	计算机视觉	NA	计算机断层扫描（CT）	深度学习	图像	使用应县木塔的数字仿真模型和佛光寺的物理木模型进行系统验证	NA	深度Radon先验网络	PSNR, SSIM	NA
2025	2026-01-11	Optimizing cancer classification: A metaheuristic-driven review of feature selection and deep learning approaches 2026-Jan, Journal of X-ray science and technology IF:1.7Q3 DOI:10.1177/08953996251375817 PMID:41384935	综述	本文对2012年至2025年间发表的91篇同行评议文章进行了系统性回顾，探讨了元启发式算法在癌症分类中特征选择和深度神经网络优化方面的应用	首次系统性地综述了元启发式算法在癌症分类中同时应用于特征选择和深度神经网络优化的研究，并对39个图像数据集和44个微阵列数据集进行了全面梳理	作为综述文章，主要基于现有文献进行分析，未提出新的算法或模型，且时间范围限定在2012-2025年	优化癌症分类，通过特征选择和深度神经网络架构优化提高分类性能	医学影像和微阵列基因表达数据	机器学习	癌症	微阵列基因表达分析，医学影像分析	kNN, SVM, CNN	图像，基因表达数据	涉及91篇研究文章，涵盖39个图像数据集和44个微阵列数据集	NA	NA	NA	NA
2026	2026-01-10	Wavelet-Based Frequency Replacement and Edge Enhancement for Semi-Supervised Fetal Ultrasound Image Segmentation 2026-Jan-08, Journal of ultrasound in medicine : official journal of the American Institute of Ultrasound in Medicine IF:2.1Q2 DOI:10.1002/jum.70171 PMID:41503872	研究论文	本研究提出了一种基于小波变换和边缘增强的半监督胎儿超声图像分割框架	提出了一种结合高频分量替换和边缘掩码增强的半监督分割方法，通过频率域增强和结构一致性提升分割精度	仅在三个公开胎儿超声数据集上验证，未在更多样化或临床实际数据中测试	开发适用于标注数据有限的超声图像的有效半监督分割框架	胎儿超声图像	计算机视觉	胎儿医学	离散小波变换（DWT）	深度学习模型（未指定具体类型）	图像	三个公开数据集（PSFHS、HC18、CCAUI），仅使用10张标注图像进行训练	未指定	未指定	Dice相似系数（DSC）	未指定
2027	2026-01-10	Accurate automated diagnosis of B-acute lymphoblastic leukemia using deep learning and flow cytometry 2026-Jan-08, Haematologica IF:8.2Q1 DOI:10.3324/haematol.2025.288277 PMID:41504225	研究论文	本文利用深度学习和流式细胞术实现B细胞急性淋巴细胞白血病的自动化诊断	NA	NA	开发一种基于深度学习的自动化诊断方法，用于B细胞急性淋巴细胞白血病	B细胞急性淋巴细胞白血病	数字病理学	白血病	流式细胞术	深度学习	流式细胞术数据	NA	NA	NA	NA	NA
2028	2026-01-10	Gml-PAF: A Generalizable Machine Learning Algorithm for Paroxysmal Atrial Fibrillation Detection based on Short-Term Inter-Beat Intervals 2026-Jan-08, Computer methods in biomechanics and biomedical engineering IF:1.7Q3 DOI:10.1080/10255842.2025.2610683 PMID:41505727	研究论文	本文提出了一种基于短期心跳间期（IBI）的通用机器学习算法Gml-PAF，用于检测阵发性心房颤动（PAF）	采用模型无关框架，集成模型选择、特征选择和超参数调优，在16个PhysioNet心电图数据库上实现稳健的跨数据库泛化	未明确说明算法在特定人群或临床环境中的局限性	开发一种通用且可靠的阵发性心房颤动检测算法	阵发性心房颤动（PAF）	机器学习	心血管疾病	心电图（ECG）分析	机器学习算法	心电图信号	基于16个PhysioNet心电图数据库	模型无关框架	NA	F1分数, AUC	NA
2029	2026-01-10	Foundation model-enhanced unsupervised 3D deformable medical image registration 2026-Jan-08, Physics in medicine and biology IF:3.3Q1 DOI:10.1088/1361-6560/ae35c6 PMID:41505905	研究论文	本文提出了一种基于视觉基础模型增强的无监督3D可变形医学图像配准方法，旨在解决传统方法因结构模糊性导致的病态问题	通过集成视觉基础模型的隐式解剖理解到多尺度无监督框架中，显著提升了配准的准确性和鲁棒性	研究主要针对心脏MRI和肝脏CT图像，未广泛验证于其他器官或模态	开发一种准确且鲁棒的无监督可变形图像配准方法，以处理多模态、低对比度的复杂结构医学图像	心脏cine MRI图像和肝脏CT图像	医学图像分析	心血管疾病	无监督深度学习	CNN, MLP	3D医学图像	150例心脏cine MR和40例肝脏CT，来自多机构数据库	PyTorch	金字塔架构，相关感知多层感知机	Dice分数，平均地标误差	NA
2030	2026-01-10	A deep learning and large language hybrid workflow for omics interpretation 2026-Jan-08, Nature biomedical engineering IF:26.8Q1 DOI:10.1038/s41551-025-01576-5 PMID:41507521	研究论文	本文开发了一个结合深度学习和大型语言模型的混合工作流程LyMOI，用于从多组学数据中机制性解释分子调控网络	结合GPT-3.5进行生物知识推理和图卷积网络构建大型图模型，通过机器思维链机制性解释分子调控角色	NA	开发一个混合工作流程，用于从多组学数据中机制性解释分子调控网络并识别关键调控因子	自噬过程中的分子调控网络，以及人类癌蛋白CTSL和FAM98A	机器学习	癌症	转录组学、蛋白质组学、磷酸化蛋白质组学	GCN, GPT-3.5	多组学数据	涉及1.3 TB的转录组、蛋白质组和磷酸化蛋白质组数据	NA	图卷积网络	NA	NA
2031	2026-01-10	Generating Lung Ventilation Images with Virtual Non-contrast Images from Dual-Energy CT Scans Using Multi-task Conditional Generative Adversarial Networks 2026-Jan-08, Journal of imaging informatics in medicine DOI:10.1007/s10278-025-01812-z PMID:41507659	研究论文	本研究开发了一种多任务条件生成对抗网络，用于从虚拟非对比图像生成深度学习肺通气图像，为评估阻塞性肺疾病提供了一种无需氙气吸入的替代功能成像方法	首次提出使用多任务条件生成对抗网络，从双能CT的虚拟非对比图像同时预测肺通气图像和肺气肿掩模，无需实际氙气增强扫描	研究样本仅包含COPD和ACOS患者，未在其他肺部疾病中验证；模型性能仍有提升空间（Dice相似系数0.56）	开发一种无需氙气吸入的深度学习方法来生成肺通气图像，替代传统的氙气增强双能CT扫描	慢性阻塞性肺疾病（COPD）和哮喘-COPD重叠综合征（ACOS）患者	医学影像分析	慢性阻塞性肺疾病	双能CT扫描，虚拟非对比图像生成	条件生成对抗网络（cGAN）	CT图像	177名患者的269次扫描	NA	多任务条件生成对抗网络	Dice相似系数，相关系数（r），Cramer's V，放射科医生评分（5分制）	NA
2032	2026-01-10	Programmable Triboelectric Origami Sensors for Multidimensional Pressure Monitoring 2026-Jan-08, Nano letters IF:9.6Q1 DOI:10.1021/acs.nanolett.5c05773 PMID:41508537	研究论文	本文提出了一种可编程的折纸式传感器，用于多维压力监测，结合自折叠与复合加载技术，实现了高灵敏度和方向性应力感知	通过折纸灵感设计可编程3D传感器，实现多维压力响应，灵敏度比基底材料提高约130倍，并集成深度学习算法达到97.8%的识别准确率	未明确提及传感器在长期使用或极端环境下的稳定性测试	开发具有多维压力感知能力的传感器，用于可穿戴电子和人机交互应用	可编程折纸传感器及其在压力监测中的应用	机器学习和传感器技术	NA	自折叠与复合加载技术	深度学习算法	压力信号数据	NA	NA	NA	识别准确率	NA
2033	2026-01-10	Dimensionality reduction of genetic data using contrastive learning 2026-Jan-07, Genetics IF:3.3Q2 DOI:10.1093/genetics/iyaf068 PMID:40194517	研究论文	本文提出了一种基于对比学习的降维框架，用于遗传数据以生成类似PCA的种群可视化	定义了一种优于常用对比学习损失函数的损失函数，并针对SNP基因型数据集设计了专门的数据增强方案	未明确说明	开发一种用于遗传数据降维的深度学习方法，以改进种群可视化	狗和人类的基因型数据集	机器学习	NA	SNP基因型分析	对比学习	遗传数据	两个数据集（狗和人类基因型），具体样本数未提供	NA	NA	局部和全局结构保持度、泛化能力、个体间相对距离保持度	NA
2034	2026-01-10	Exploring the Potential of AI and Augmented Reality in Cardiovascular Disease Management: A Narrative Review 2026-Jan-07, Current cardiology reviews IF:2.4Q2 DOI:10.2174/011573403X391863251015111807 PMID:41510734	综述	本文是一篇叙述性综述，探讨了人工智能和增强现实在心血管疾病管理中的潜在应用	整合了人工智能和增强现实这两种新兴技术在心血管医学领域的应用现状，并指出了当前研究的空白和未来方向	缺乏对这些模型效能的适当评估，需要更多大规模试验来验证其有效性和安全性	探讨人工智能和增强现实技术在心血管疾病管理中的应用潜力和未来研究方向	心血管疾病患者	机器学习	心血管疾病	NA	CNN, NLP	NA	NA	NA	NA	NA	NA
2035	2026-01-10	Comparing AI-Assisted Problem-Solving Ability With Internet Search Engine and e-Books in Medical Students With Variable Prior Subject Knowledge: Cross-Sectional Study 2026-Jan-06, JMIR medical education IF:3.2Q1 DOI:10.2196/81264 PMID:41493542	研究论文	本研究比较了医学生在不同先验知识水平下，使用AI-LLM GPT、互联网搜索引擎、电子书或自身知识解决多选题的表现	首次评估了AI-LLM GPT（如ChatGPT-4o）在医学教育中，针对不同先验知识水平学生的辅助解题效果，并发现AI能显著提升知识有限学生的表现，甚至使其超越使用传统数字资源的知识丰富学生	研究为横断面设计，未评估AI对深度学习和批判性思维的长期影响，且样本仅来自单一教学医院，可能限制结果的普适性	评估AI-LLM GPT、互联网搜索引擎、电子书和自身知识在医学生解决多选题中的效果，并探讨不同先验知识水平的影响	100名医学生，分为无药理学培训的“新手”组（n=50）和已完成药理学培训的“学习过”组（n=50）	医学教育	NA	多选题（MCQ）评估	大型语言模型（LLM）	文本（多选题）	100名医学生	NA	GPT-4o	分数（均值、标准差）、部分η²（效应量）、P值	NA
2036	2026-01-10	Automated Classification of Lymphoma Subtypes From Histopathological Images Using a U-Net Deep Learning Model: Comparative Evaluation Study 2026-Jan-06, JMIR medical informatics IF:3.1Q2 DOI:10.2196/72679 PMID:41494052	研究论文	本研究利用U-Net深度学习模型对淋巴瘤亚型进行自动分类和分级，以提高诊断的准确性和效率	将U-Net模型与注意力机制和残差网络结合，用于淋巴瘤亚型的分类和分级，并通过对比主流卷积神经网络架构验证了其性能优势	研究仅基于公开数据集，未来需在多中心临床数据集中验证模型的鲁棒性	探索深度学习技术在淋巴瘤亚型分类和分级中的应用，以提升诊断精度和效率	淋巴瘤亚型的组织病理学图像	数字病理学	淋巴瘤	组织病理学成像	U-Net	图像	620张高质量组织病理学图像，代表3种主要淋巴瘤亚型	NA	U-Net, 全卷积网络, SegNet, DeepLabv3+	准确率, 灵敏度, 特异性, F1分数, AUC	NA
2037	2026-01-10	AI-generated artwork detection using self-distilled transformers with global-local feature learning and Grad-CAM interpretability 2026-Jan-06, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-29229-2 PMID:41495073	研究论文	本研究提出了一种基于自蒸馏Transformer和全局-局部特征学习的框架，用于检测AI生成的艺术作品，并通过Grad-CAM增强可解释性	采用自蒸馏Transformer模型DINO v2，结合全局结构和细粒度视觉线索提取判别性特征，并引入可解释性方法验证预测的可靠性	未明确说明数据集的具体规模和多样性，可能影响模型在更广泛艺术风格上的泛化能力	开发先进的检测机制，以区分人类创作的艺术作品与AI生成的内容，维护艺术真实性	真实艺术作品图像和AI生成的艺术作品图像	计算机视觉	NA	深度学习，数字成像	Transformer	图像	平衡的真实与AI生成艺术图像数据集（具体数量未明确）	PyTorch（基于DINO v2的典型实现）	DINO v2	准确率，精确率，召回率，F1分数，AUC	NA
2038	2026-01-10	A high resolution urban and rural settlement map of Africa using deep learning and satellite imagery 2026-Jan-06, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-34295-7 PMID:41495271	研究论文	本研究开发了一个基于DeepLabV3的深度学习框架，整合多源卫星数据，生成了2016年至2022年非洲大陆10米分辨率的城乡聚落地图	首次利用深度学习语义分割方法，结合Landsat-8、VIIRS夜间灯光等多源数据，在非洲大陆实现了高分辨率（10米）城乡聚落制图，相比现有全球产品具有更高空间精度和适应性	模型在非洲大陆尺度的总体准确率为65%，Kappa系数为0.47，虽然优于现有产品，但仍有提升空间；方法在高度异质性区域的适应性需进一步验证	开发高精度、高分辨率的非洲城乡聚落制图方法，支持可持续发展目标（特别是SDG 11）和空间规划决策	非洲大陆的城乡聚落空间分布	计算机视觉	NA	卫星遥感（Landsat-8、VIIRS夜间灯光）、深度学习语义分割	CNN	卫星影像、夜间灯光数据、土地利用覆盖数据	覆盖整个非洲大陆（2016-2022年）	NA	DeepLabV3	总体准确率、Kappa系数	NA
2039	2026-01-10	Dual deep learning approach for non-invasive renal tumour subtyping with VERDICT-MRI 2026-Jan-06, Npj imaging DOI:10.1038/s44303-025-00135-6 PMID:41495369	研究论文	本研究利用VERDICT-MRI框架和深度学习技术，开发了一种非侵入性肾肿瘤亚型分类方法	采用自监督神经网络拟合三室VERDICT模型，并识别出减少至4个b值的优化扫描协议，显著缩短扫描时间	样本量较小（14名患者，17个肿瘤），且研究为前瞻性单中心试验，需进一步验证	通过扩散MRI和VERDICT-MRI框架表征肾肿瘤微结构，实现非侵入性亚型区分	肾细胞癌（RCC）患者及其肿瘤组织，包括良性和多种RCC亚型	数字病理学	肾癌	扩散MRI（dMRI），VERDICT-MRI框架	自监督神经网络	MRI图像	14名患者，17个肾肿瘤	NA	NA	NA	NA
2040	2026-01-10	Non-contact lung disease classification via orthogonal frequency division multiplexing-based passive 6G integrated sensing and communication 2026-Jan-06, Communications medicine IF:5.4Q1 DOI:10.1038/s43856-025-01181-2 PMID:41495455	研究论文	本文提出了一种基于正交频分复用技术的非接触式6G集成感知与通信方法，用于分类五种呼吸系统疾病	利用非电离6G/WiFi多载波射频信号，通过分析不同呼吸疾病对信号幅度、频率和相位的调制差异，实现非接触式疾病筛查，并展示了在仅使用部分带宽时仍保持高准确性的能力	研究样本量相对有限（220名个体），且仅在医院环境中收集数据，可能影响模型的泛化能力	开发一种非接触式呼吸系统疾病筛查工具，结合6G/WiFi技术实现集成感知与通信	呼吸系统疾病患者（包括哮喘、慢性阻塞性肺疾病、间质性肺疾病、肺炎和肺结核）及健康对照者	机器学习	呼吸系统疾病	正交频分复用技术，6G/WiFi多载波射频信号	CNN	射频信号记录	220名个体（190名患者，30名健康对照），包含超过26,000秒的射频信号记录，覆盖64个频率	NA	Vanilla CNN	准确率，精确率，召回率，F1分数	NA