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
381	2025-12-03	Machine Learning Approaches for Predicting RNA-RNA/DNA Interactions 2026, Methods in molecular biology (Clifton, N.J.) DOI:10.1007/978-1-0716-4670-0_14 PMID:41174207	综述	本章介绍用于预测RNA-RNA/DNA相互作用的机器学习方法，这对于理解非编码RNA功能至关重要	利用深度学习技术和来自高通量测序方法的大规模相互作用数据，开发出比传统基于能量方法更准确的预测工具	存在过拟合风险和需要第三方验证等挑战	预测RNA-RNA/DNA相互作用以理解非编码RNA功能	原核小RNA、一般RNA-RNA相互作用、miRNAs、box C/D snoRNAs、lncRNA-DNA三链体、CRISPR引导RNA设计	机器学习	NA	高通量测序	深度学习	相互作用数据	NA	NA	NA	准确性	NA
382	2025-12-03	Deep learning and transformer-based feature fusion of conventional MRI for differentiating spinal osteolytic bone metastases and multiple myeloma 2026-Jan, European journal of radiology IF:3.2Q1 DOI:10.1016/j.ejrad.2025.112463 PMID:41176822	研究论文	本研究开发了一种结合Transformer特征融合的深度学习模型，利用常规MRI序列区分脊柱溶骨性骨转移瘤和多发性骨髓瘤	首次将Transformer架构应用于常规MRI序列的特征融合，以区分脊柱溶骨性骨转移瘤和多发性骨髓瘤，并展示了其优越的临床净获益和泛化能力	模型在外部测试集上的性能差异未达到统计学显著性（所有P > 0.05），且研究为回顾性设计	开发一种基于深度学习和Transformer特征融合的模型，用于区分脊柱溶骨性骨转移瘤和多发性骨髓瘤	663名患者（342例脊柱溶骨性骨转移瘤和321例多发性骨髓瘤）的常规MRI序列图像	医学影像分析	骨肿瘤	常规MRI序列（T1WI, T2WI, T2WI-fs）	深度学习, Transformer	医学影像	663名患者（训练集421例，外部测试集242例）	NA	DenseNet169, Transformer	AUC, 准确率, ROC曲线, 校准图, 决策曲线分析	NA
383	2025-12-03	Assessing deep learning artificial intelligence support for detecting elbow fractures in the pediatric emergency department 2026-Jan, European journal of radiology IF:3.2Q1 DOI:10.1016/j.ejrad.2025.112498 PMID:41197552	研究论文	本研究评估了深度学习人工智能在辅助儿科急诊医生检测儿童肘部骨折方面的性能	首次在儿科急诊环境中评估深度学习算法对肘部骨折检测的辅助作用，并比较了有/无AI支持时医生的诊断表现	研究为回顾性设计，且AI辅助仅为理论性模拟，未在实际临床工作流程中实时测试	评估深度学习算法在辅助儿科急诊医生检测儿童肘部骨折方面的诊断性能	因创伤接受肘部X光检查的0-15岁儿童患者	计算机视觉	骨折	X光成像	深度学习算法	图像	755名儿童患者	NA	NA	灵敏度, 特异度	NA
384	2025-12-03	Multi-modal deep learning for predicting functional outcomes in intracerebral hemorrhage using 3D CT and clinical data 2026-Jan, European journal of radiology IF:3.2Q1 DOI:10.1016/j.ejrad.2025.112506 PMID:41202530	研究论文	本研究构建并验证了一种新颖的多模态深度学习框架，该框架整合了三维CT图像和临床文本信息，用于预测脑出血患者发病90天后的功能结局	提出了一种融合3D CT图像和临床文本的多模态深度学习框架，并采用双流注意力机制进行深度特征融合，提高了预测准确性	研究为回顾性设计，样本量相对有限（508例），且仅来自两个医疗中心，可能存在选择偏倚	准确预测脑出血患者发病90天后的长期功能结局，以支持早期临床风险分层	脑出血患者	数字病理学	脑出血	三维计算机断层扫描	CNN, 预训练语言模型	图像, 文本	508例脑出血患者（训练验证队列391例，外部测试队列117例）	PyTorch, TensorFlow（推断）	3D CNN, BioClinicalBERT	准确率, AUC	未明确指定，但推断需要GPU支持以处理3D CNN和预训练语言模型
385	2025-12-03	Deep learning-based hyperspectral oil spill detection for marine pollution monitoring in the Gulf of Mexico: A step toward marine pollution monitoring and SDG 14 compliance 2026-Jan, Marine pollution bulletin IF:5.3Q1 DOI:10.1016/j.marpolbul.2025.118908 PMID:41202730	研究论文	本研究应用高光谱遥感数据与深度学习技术，提高墨西哥湾石油泄漏检测的准确性和效率	结合高光谱影像的丰富光谱信息与深度学习分割模型，实现可靠的石油污染区域检测	数据稀缺和高维度问题通过主成分分析和标准化补丁输入处理，但未讨论模型泛化能力或实时检测限制	增强石油泄漏检测精度和效率，支持海洋污染监测和可持续发展目标14的合规性	墨西哥湾的石油泄漏污染区域	计算机视觉	NA	高光谱遥感	CNN	图像	使用公开可用的高光谱石油泄漏数据库（HOSD）	NA	U-Net, DeepLabv3	IoU, F1分数, 精确率, 召回率	NA
386	2025-12-03	Enhanced osteoporosis screening via multi-output deep learning: Segmentation and classification of metacarpal radiographs 2026-Jan, European journal of radiology IF:3.2Q1 DOI:10.1016/j.ejrad.2025.112507 PMID:41223626	研究论文	本文提出了一种名为OMO-Net的多输出深度学习架构，用于同时执行掌骨X光片的图像分割和骨质疏松症分类	OMO-Net创新性地将ResNet-50特征提取器与专用的分割和分类分支集成，实现了同时定位诊断关键区域和进行稳健分类的双任务框架	NA	通过多输出深度学习增强骨质疏松症筛查的准确性和临床工作流程	掌骨X光片	计算机视觉	骨质疏松症	NA	CNN	图像	NA	NA	ResNet-50	AUC, F1-score	NA
387	2025-12-03	LG-nnU-net for multilabel anal sphincter segmentation on MRI: quantitative evaluation in patients with anal fistula 2026-Jan, European journal of radiology IF:3.2Q1 DOI:10.1016/j.ejrad.2025.112509 PMID:41232256	研究论文	本文开发并评估了一种名为LG-nnU-net的新型深度学习分割框架，用于在MRI上对肛门括约肌子结构进行多标签分割，旨在提供可靠的定量解剖信息	提出了一种优化的nnU-net架构（LG-nnU-net），采用了非对称编码器扩展、组归一化、多尺度特征聚合和深度监督等技术，在肛门括约肌多标签分割任务上超越了ResU-net、DenseU-net和U-net++等对比模型	本研究为单中心回顾性研究，对高位/低位肛瘘分类的临床影响尚未验证，需要进一步的多中心验证和前瞻性结果研究	开发并评估一个用于MRI肛门括约肌子结构多标签分割的深度学习框架，以提供定量解剖信息	肛门括约肌子结构，包括肛提肌、耻骨直肠肌以及肛门外括约肌的浅部和皮下部	数字病理学	肛瘘	MRI（冠状位T2加权成像）	深度学习分割模型	医学图像（MRI）	272名肛瘘患者（训练集218人，测试集54人）	nnU-net	LG-nnU-net（基于nnU-net的优化架构）	Dice相似系数, Hausdorff距离, 平均对称表面距离	NA
388	2025-12-03	Improved image quality and dose reduction in liver CT using deep learning-based reconstruction: A comparative study 2026-Jan, European journal of radiology IF:3.2Q1 DOI:10.1016/j.ejrad.2025.112520 PMID:41264979	研究论文	本研究比较了基于深度学习的图像重建（DLIR）与混合迭代重建（HIR）算法在肝脏CT成像中的图像质量和辐射剂量	首次在肝脏病灶患者中系统比较DLIR与HIR算法，证明DLIR能在降低辐射剂量的同时显著提升图像质量	研究仅针对特定CT扫描仪和肝脏病灶患者，未评估其他解剖部位或疾病类型	评估和比较两种CT重建算法的图像质量与辐射剂量	153名至少有一个肝脏病灶（包括肝囊肿、血管瘤、肝细胞癌和胆管癌）的患者	医学影像处理	肝脏疾病	CT扫描	深度学习重建算法	CT图像	153名患者，共306个肝脏病灶	NA	NA	图像质量评分（5点李克特量表）、CT衰减值（HU）、图像噪声（SD）、信噪比（SNR）、对比噪声比（CNR）、辐射剂量指数（CTDI、DLP）	NA
389	2025-12-03	Deep learning-reconstructed time-maximum intensity projection versus iterative reconstruction for collateral assessment in acute anterior circulation ischemic stroke 2026-Jan, European journal of radiology IF:3.2Q1 DOI:10.1016/j.ejrad.2025.112524 PMID:41264986	研究论文	本研究评估了深度学习重建的时间最大强度投影在急性前循环缺血性卒中患者中的应用，并与单相CTA、多相CTA和CT灌注体积测量法在侧支循环评估和90天预后预测能力方面进行了比较	首次将深度学习重建的时间最大强度投影技术应用于急性卒中患者的侧支循环评估，并证明其能整合CT灌注的时间信息为单一高质量血管造影数据集，无需额外采集即可获得优于单相CTA的图像质量和预后区分能力	研究为回顾性设计且样本量较小（仅75例患者），可能限制了结果的普遍性和统计效力	评估深度学习重建的时间最大强度投影在急性前循环缺血性卒中患者侧支循环评估和预后预测中的性能	75例单侧前循环大血管闭塞的急性缺血性卒中患者	数字病理学	心血管疾病	CT血管造影和CT灌注扫描	深度学习	医学影像	75例患者	NA	NA	ROC曲线下面积, 敏感性, 特异性, 图像噪声, 信噪比, 对比噪声比	NA
390	2025-12-03	Dual-Phase deep learning Enhances detection of incidental small pancreatic cystic lesion (0.5-3 cm) on Contrast-Enhanced CT 2026-Jan, European journal of radiology IF:3.2Q1 DOI:10.1016/j.ejrad.2025.112510 PMID:41264978	研究论文	本研究开发了一种双相深度学习模型，用于在增强CT图像上检测偶然发现的小胰腺囊性病变	提出了一种结合动脉期和门脉期CT图像的双相深度学习模型，相比单相模型和初级放射科医生，在检测小胰腺囊性病变方面表现出更优且更稳健的性能	研究为回顾性设计，样本量有限（437个病变），且仅基于单一机构的CT图像，可能影响模型的泛化能力	开发并评估一种深度学习模型，以提高在增强CT上检测偶然发现的小胰腺囊性病变的准确性	增强CT图像中的胰腺囊性病变（0.5-3 cm）和正常胰腺组织	计算机视觉	胰腺癌	对比增强CT成像	深度学习模型	医学图像（CT）	437个偶然发现的小胰腺囊性病变（包括201个亚厘米囊肿）和193个正常胰腺，数据收集时间为2018年1月至2020年12月	NA	双相深度学习模型，单相深度学习模型	灵敏度，特异性，任意假阳性率，准确度	NA
391	2025-12-03	Enhanced opportunistic CT screening for osteoporosis using Machine learning derived volumetric vertebral and complementary body composition information 2026-Jan, European journal of radiology IF:3.2Q1 DOI:10.1016/j.ejrad.2025.112555 PMID:41275853	研究论文	本研究通过深度学习分割CT图像，整合椎体体积和身体成分特征，以增强骨密度预测和骨质疏松分类	开发了两阶段3D nnU-Net用于椎体分割，并结合身体成分特征，相比传统单切片方法显著提升了骨密度预测和骨质疏松检测的准确性	研究为回顾性设计，样本量相对有限（383名成人），且未探讨模型在更广泛人群或不同CT扫描协议下的泛化能力	评估整合椎体体积和身体成分特征是否能增强骨密度预测和骨质疏松分类	接受常规健康检查的成人，包括同日腹部CT扫描和双能X线吸收测定法（DXA）数据	数字病理学	骨质疏松症	CT扫描，深度学习分割，双能X线吸收测定法（DXA）	3D nnU-Net, 3D U-Net	CT图像	383名成人（平均年龄59.8岁，50.1%女性），使用475次CT扫描进行模型开发	NA	3D nnU-Net, 3D U-Net	相关系数，AUROC，敏感性，特异性	NA
392	2025-12-03	A deep learning-based method for marine oil spill detection and its application in UAV imagery 2026-Jan, Marine pollution bulletin IF:5.3Q1 DOI:10.1016/j.marpolbul.2025.118889 PMID:41166779	研究论文	本研究开发了一种基于YOLOv12的无人机图像海洋溢油检测框架，旨在提高溢油检测的准确性和边界划分的精度	提出了一种基于YOLOv12的无人机图像溢油检测框架，通过高分辨率输入、预训练权重初始化和余弦退火学习率调度策略，增强了污染特征表示能力	未明确提及模型在极端天气或夜间条件下的性能，也未讨论计算资源需求或实时处理速度的详细限制	开发高效智能的海洋溢油检测机制，以支持早期预警和快速响应，保护海洋生态系统和沿海经济安全	无人机图像中的海洋溢油区域	计算机视觉	NA	无人机遥感成像	CNN	图像, 视频	构建了一个包含多样溢油形态、不同海洋干扰条件和多尺度目标的遥感图像数据集	NA	YOLOv12	F1 Score, mAP@0.5, mAP@0.5-0.95, 精确率-召回率曲线	NA
393	2025-12-01	A 2D-digital spectral sensing method for rapid antibiotic detection in water 2026-Jan-01, Environmental research IF:7.7Q1 DOI:10.1016/j.envres.2025.123279 PMID:41202958	研究论文	提出一种结合二维数字光谱图像与深度学习技术的水体抗生素快速检测方法	开发新型光谱成像系统与组合化学探针，将样本信息转化为具有二维全息光谱特征的图像，并构建端到端的定量分析模型	NA	建立高效低成本的水体抗生素快速监测技术	水体中的抗生素污染物	计算机视觉	NA	光谱成像技术、组合化学探针	CNN	二维数字光谱图像	NA	NA	数字光谱卷积神经网络（DSCNN）	R值（0.85-0.93），检测限（1.94 mg/L）	NA
394	2025-12-01	A deep learning framework to iDentify prOgnostically releVant cancEr Regions (DOVER) within whole slide histopathology images 2026-Jan-01, Cancer letters IF:9.1Q1 DOI:10.1016/j.canlet.2025.218134 PMID:41238099	研究论文	提出一种深度学习框架DOVER，用于在组织病理学全切片图像中识别具有预后相关性的癌症区域	首次开发能够精确定位全切片图像中预后相关区域的方法，通过从组织微阵列点中学习预后模式并映射到更大切片	需要进一步验证框架的泛化能力，目前仅在两种癌症类型中测试	解决肿瘤形态异质性带来的预后预测挑战，精确定位最具预后价值的肿瘤区域	非小细胞肺癌(NSCLC)和口咽鳞状细胞癌(OPSCC)患者的全切片图像	数字病理学	肺癌,头颈癌	全切片成像,组织微阵列,定量免疫荧光	深度学习	组织病理学图像,临床数据	2041名患者(NSCLC:1141例, OPSCC:900例)	NA	NA	c-index	NA
395	2025-11-28	Scale-adjusted distance transform and its applications to segmentation of multimodal images 2026-Jan, Methods (San Diego, Calif.) DOI:10.1016/j.ymeth.2025.11.003 PMID:41207402	研究论文	提出一种尺度调整距离变换方法，用于多模态图像中多尺度对象的精确分割	提出与传统距离变换概念不同的尺度调整距离变换，其值独立于对象尺度并在山脊处统一为'1'，具有平移、旋转和各向同性缩放不变性	未与现代深度学习方法进行广泛对比，主要验证了在特定生物医学图像上的应用	开发一种尺度不变的距离变换方法，解决多尺度对象的结构分析问题	二维和三维多模态图像中的结构对象，特别是生物医学图像中的细胞核和血管	计算机视觉	NA	距离变换，梯度流路径分析	模糊方法	二维显微图像，三维肺部CT图像	猪肺模型的三维CT数据和二维显微图像数据集	NA	NA	分割准确性	NA
396	2025-11-27	Deep learning [18F]-FDG-PET/CT‑based algorithm for tumor burden estimation in metastatic melanoma patients under immunotherapy 2026-Jan, Clinical and translational radiation oncology IF:2.7Q2 DOI:10.1016/j.ctro.2025.101063 PMID:41281625	研究论文	评估基于[18F]-FDG-PET/CT的深度学习算法在转移性黑色素瘤患者肿瘤负荷估计中的性能	首次系统评估深度学习算法PARS在免疫治疗转移性黑色素瘤患者中的肿瘤负荷估计能力	肿瘤负荷估计存在显著变异性，骨病变检测精度较低，需要进一步模型优化	评估深度学习算法在肿瘤负荷估计中的临床应用价值	165名IV期黑色素瘤患者	数字病理	黑色素瘤	[18F]-FDG-PET/CT成像	深度学习	医学影像	165名患者	NA	PARS (PET-Assisted Reporting System)	精确度, 召回率, 组内相关系数, 中位数相对百分比差异, 中位数绝对相对百分比差异	NA
397	2025-11-25	The role of AI in pre-analytical phase - use cases 2026-Jan-27, Clinical chemistry and laboratory medicine IF:3.8Q1 DOI:10.1515/cclm-2025-1220 PMID:41091119	综述	本文探讨人工智能在检验医学分析前阶段的应用现状与挑战	系统梳理AI在七个关键分析前领域的应用场景，揭示研究原型与商业部署之间的转化差距	研究存在单中心验证、回顾性设计、系统集成困难等局限	评估人工智能技术在检验医学分析前阶段的应用效果与实施路径	实验室检测分析前流程（包括凝血块检测、错误采血管识别等七个领域）	医疗人工智能	实验室医学	人工智能与机器学习技术	神经网络,XGBoost,深度学习	实验室检测数据	NA	NA	NA	准确率,AUC	NA
398	2025-11-24	Walking Assistance System with Electrical Stimulation from Secondary Muscle Groups 2026, Advances in experimental medicine and biology DOI:10.1007/978-3-032-03398-7_49 PMID:41273591	研究论文	本文提出了一种结合电刺激和电子手套设备的创新足部运动康复系统	通过将手部动作转化为腿部肌肉电刺激，利用次要肌群实现下肢康复的新方法	NA	开发更易获取且可定制的下肢康复解决方案	足部运动功能障碍患者	医疗康复工程	运动功能障碍	电刺激技术	深度学习模型	传感器数据	NA	NA	NA	NA	NA
399	2025-11-24	Deep Learning Discrimination for BCI Implementation Using 3D Convolutional Neural Network and EEG Topographic Maps 2026, Advances in experimental medicine and biology DOI:10.1007/978-3-032-03398-7_38 PMID:41273580	研究论文	本研究利用分层3D卷积神经网络对脑电图地形图进行分类，以提升脑机接口系统中运动意图识别的性能	提出将分层3D卷积神经网络应用于脑电图地形图分析，采用分步分类策略解码运动意图，并比较了三种优化器的性能表现	仅涉及4种运动任务的分类，未说明样本规模和数据多样性限制	通过深度学习技术提升脑机接口系统的分类准确性和可靠性	运动障碍患者的脑电图信号	脑机接口	运动障碍	脑电图信号采集与地形图提取	3D CNN	脑电图地形图	NA	NA	分层3D卷积神经网络	准确率	NA
400	2025-11-24	Integrating Neuroimaging and Machine Learning to Predict Mental Disorder Outcomes: A Systematic Review 2026, Advances in experimental medicine and biology DOI:10.1007/978-3-032-03398-7_41 PMID:41273583	综述	系统回顾神经影像学与机器学习整合应用于精神障碍预后预测的研究进展	系统整合多模态神经影像数据与机器学习方法，探索精神障碍的神经生物标志物预测模型	模型可解释性、泛化能力和临床适用性存在局限	通过神经影像与机器学习预测精神障碍的诊疗结果	精神障碍患者（包括精神分裂症、抑郁症、双相情感障碍、自闭症谱系障碍）	机器学习	精神疾病	结构成像、功能成像、弥散张量成像（DTI）	支持向量机、随机森林、深度学习	神经影像数据	NA	NA	NA	NA	NA