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
1301	2026-01-15	Automated method for quantitative analysis of iris fluorescein angiography based on machine learning 2026-Jan-01, Quantitative imaging in medicine and surgery IF:2.9Q2 DOI:10.21037/qims-2025-480 PMID:41522026	研究论文	本研究提出了一种基于深度学习的自动化方法，用于分析虹膜荧光素血管造影图像，以检测和量化作为虹膜新生血管关键指标的瞳孔周围渗漏	开发了一种基于YOLOv8n的分割模型用于精确瞳孔定位，并创新性地结合了渗漏圆形度检测算法来量化瞳孔周围荧光素渗漏，相比传统人工诊断方法，显著提高了量化的一致性和准确性	算法的交并比略低于临床专家，表明在空间分割精度上存在轻微的错位，需要进一步优化以提高空间分割的准确性	开发一种自动化、基于机器学习的定量分析方法，用于早期检测和量化虹膜新生血管的瞳孔周围荧光素渗漏	虹膜荧光素血管造影图像	计算机视觉	糖尿病视网膜病变	虹膜荧光素血管造影	CNN	图像	训练集2,449张IFA图像，独立测试集131张临床标准化IFA图像	NA	YOLOv8n	平均绝对误差, 平均绝对百分比误差, 交并比	NA
1302	2026-01-15	Artiﬁcial intelligence model outperformed experienced clinicians in differentiating the aetiology of pneumonia on chest computed tomography: a retrospective study 2026-Jan-01, Quantitative imaging in medicine and surgery IF:2.9Q2 DOI:10.21037/qims-24-2129 PMID:41522044	研究论文	本研究开发并验证了两种深度学习模型，用于在胸部CT图像上区分十种肺炎病因，并在性能上超越了经验丰富的临床医生	提出了一种新颖的大型视觉模型（LVM）用于肺炎病因分类，并与经典3D-DenseNet模型及临床医生进行了比较，展示了AI在肺炎病因诊断中的优势	研究为回顾性设计，且样本量相对有限（共1091名患者），可能影响模型的泛化能力	开发并验证深度学习模型，以快速、精确地诊断肺炎的病因	肺炎患者及其胸部计算机断层扫描（CT）图像	计算机视觉	肺炎	胸部计算机断层扫描（CT）成像	深度学习模型	图像	1091名肺炎患者（训练/验证集），183名非重叠患者（外部测试集）	未明确指定，但可能基于PyTorch或TensorFlow等深度学习框架	3D-DenseNet, 大型视觉模型（LVM）	曲线下面积（AUC）, 准确率（Top1, Top2, Top3诊断）	NA
1303	2026-01-15	Cross-domain dynamic routing decoders for multi-domain generalization in ultrasound imaging 2026-Jan-01, Quantitative imaging in medicine and surgery IF:2.9Q2 DOI:10.21037/qims-2025-521 PMID:41522047	研究论文	本文提出了一种名为USHydraNet的新型多解码器框架，旨在处理多区域超声图像在医学图像分析中的异质性问题	引入动态路由范式，通过分析图像级和特征级统计矩来选择最优解码器输出，从而适应不同数据质量水平	NA	开发能够跨不同医疗基础设施区域减少性能差异的鲁棒人工智能系统	多区域医疗超声图像	医学图像分析	NA	超声成像	Vision Transformer, UNet	图像	四个公共数据集和一个私有医疗数据集	NA	Vision Transformer, UNet	Dice系数, IoU, 准确率, 精确率, 召回率, F1分数	NA
1304	2026-01-15	Interpretable deep learning framework based on contrast-enhanced MRI for predicting histological grade of hepatocellular carcinoma 2026-Jan-01, Quantitative imaging in medicine and surgery IF:2.9Q2 DOI:10.21037/qims-2025-269 PMID:41522043	研究论文	本研究开发了一种基于多期相增强MRI的可解释深度学习模型iHCG-Net，用于术前预测肝细胞癌的组织学分级	基于概念瓶颈模型框架，结合临床放射学特征，提供模型可解释性，并识别出瘤内动脉作为预测分级的最重要特征	回顾性研究设计，样本量相对有限，且仅使用单一机构的MRI数据	开发可解释的深度学习模型，用于术前预测肝细胞癌的组织学分级	肝细胞癌患者	数字病理学	肝细胞癌	多期相增强磁共振成像	深度学习模型	图像	370例肝细胞癌患者（训练队列259例，验证队列111例）	PyTorch	DenseNet-121	AUC, ROC曲线分析, DeLong检验	NA
1305	2026-01-15	MMD-Net: a weakly supervised solution for quantification of nonalcoholic fatty liver biopsies 2026-Jan-01, Quantitative imaging in medicine and surgery IF:2.9Q2 DOI:10.21037/qims-2025-981 PMID:41522057	研究论文	本研究提出了一种名为MMD-Net的弱监督框架，用于非酒精性脂肪性肝病活检的量化评估，以减少病理学家的标注工作量	首次将多实例学习与多任务学习结合，建立弱监督框架，无需像素级标注即可同时评估脂肪变性、炎症和气球样变	研究依赖于公开数据集，未在更大规模或更多样化的临床数据上进行验证	开发一种临床适用的弱监督诊断方法，用于非酒精性脂肪性肝病的组织病理学评估	非酒精性脂肪性肝病患者的肝活检组织	数字病理学	非酒精性脂肪性肝病	组织病理学成像	深度学习	图像	使用Heinemann等人于2023年7月在OSF平台发布的肝细胞病理学数据集	NA	MMD-Net	准确率, 精确率, 召回率, F1分数, Cohen's κ系数	NA
1306	2026-01-15	Early assessment of myocardial injury in patients with coronavirus disease 2019 using a two-stage deep learning framework based on non-contrast chest computed tomography 2026-Jan-01, Quantitative imaging in medicine and surgery IF:2.9Q2 DOI:10.21037/qims-2025-449 PMID:41522060	研究论文	本研究开发了一种基于非对比胸部CT的两阶段深度学习框架，用于早期评估COVID-19患者的心肌损伤	提出了一种两阶段深度学习框架，首次利用非对比胸部CT进行一站式心肌损伤预测，无需额外对比剂，实现了早期筛查	研究为回顾性设计，样本量相对较小（453例），且仅针对COVID-19患者，模型泛化能力需进一步验证	开发深度学习框架，利用非对比胸部CT实现COVID-19患者心肌损伤的早期预测和风险分层	COVID-19患者，包括230例心肌损伤患者和223例非心肌损伤患者	数字病理学	心血管疾病	非对比胸部CT成像	CNN	图像	453例COVID-19患者（230例心肌损伤，223例非心肌损伤）	PyTorch	FCN-ResNet-101, DenseNet-121	IoU, ACC, Dice系数, AUC, 灵敏度, 特异性, F1分数	NA
1307	2026-01-15	Diabetic retinopathy detection and grading system using deep learning approach 2026 Jan-Dec, Digital health IF:2.9Q2 DOI:10.1177/20552076251410982 PMID:41522450	研究论文	本文提出了一种基于深度学习的糖尿病视网膜病变检测与分级系统	应用深度学习技术自动检测和分级糖尿病视网膜病变，提高早期筛查效率	NA	开发一个自动化的糖尿病视网膜病变检测与分级系统，以辅助早期诊断	糖尿病患者的视网膜图像	计算机视觉	糖尿病视网膜病变	深度学习	CNN	图像	NA	NA	NA	NA	NA
1308	2026-01-15	Particle Morphology Controls the Bulk Mechanical Behavior of Far-Side Lunar Regolith from Chang'e-6 Samples and Deep Learning 2026, Research (Washington, D.C.) DOI:10.34133/research.1064 PMID:41522610	研究论文	本研究结合高分辨率X射线显微计算机断层扫描和半监督机器学习，对嫦娥六号任务返回的月球背面月壤样品进行了高通量颗粒形态表征，并通过离散元模拟揭示了其独特的宏观力学行为	首次对月球背面（南极-艾特肯盆地）月壤样品进行大规模（349,740个颗粒）高通量三维形态重建与分析，揭示了其与近侧样品不同的颗粒不规则性特征，并通过高保真形态的离散元模拟获得了关键的宏观力学参数	研究基于返回的有限样品，可能无法完全代表整个南极-艾特肯盆地的月壤多样性；模拟中使用的围压范围（5-15 kPa）可能未覆盖所有可能的月球表面条件	表征月球背面月壤的颗粒形态特征，并探究其对宏观力学行为的影响，为月球探索和原位资源利用提供关键的地质工程基准	嫦娥六号任务返回的月球背面（南极-艾特肯盆地）月壤样品	机器学习	NA	高分辨率X射线显微计算机断层扫描，离散元方法模拟	半监督机器学习	三维图像数据（来自显微CT）	349,740个独立的月壤颗粒	NA	NA	NA	NA
1309	2026-01-15	XMP-Net: An XAI-Based Modified Xception Model for Recognizing Monkeypox and Other Skin Diseases 2026, BioMed research international IF:2.6Q3 DOI:10.1155/bmri/1113178 PMID:41522723	研究论文	本研究提出了一种基于Xception改进的深度学习模型XMP-Net，用于识别猴痘及其他皮肤疾病，并利用可解释人工智能技术增强模型预测的可信度	提出了一种改进的Xception架构（XMP-Net），并首次将Grad-CAM和LIME两种可解释人工智能技术同时应用于猴痘等皮肤疾病的分类任务中，为临床诊断提供可视化解释	模型在麻疹和水痘类别上的准确率相对较低（分别为84.21%和77.27%），且未提及数据集的具体来源、规模及外部验证情况	开发一种可靠、可解释且适用于资源有限环境的皮肤疾病诊断工具，特别关注猴痘的识别	皮肤图像，包括正常皮肤、水痘、麻疹和猴痘四种类别	计算机视觉	皮肤疾病（猴痘、水痘、麻疹）	深度学习，可解释人工智能	CNN	图像	NA	NA	Xception（改进版）	准确率，精确率，召回率，F1分数	NA
1310	2026-01-15	From fibers to cells: Fourier-based registration enables virtual Cresyl violet staining from 3D polarized light imaging 2026, Imaging neuroscience (Cambridge, Mass.) DOI:10.1162/IMAG.a.1079 PMID:41523213	研究论文	本文提出了一种基于深度学习和傅里叶配准的方法，从3D偏振光成像数据生成虚拟的Cresyl violet染色，以实现细胞和纤维结构的空间对齐	利用傅里叶配准在训练过程中高效处理局部图像块的对齐，从而从3D-PLI数据生成细胞级别的虚拟染色	组织切片后染色的处理复杂性限制了样本数量，且染色过程引入的失真需要跨模态配准	通过虚拟染色技术，在相同切片中建立纤维和细胞结构之间的直接联系，以研究大脑微结构的详细关系	大脑切片，特别是细胞体和神经纤维的微结构	数字病理学	NA	3D偏振光成像，Cresyl violet染色	深度学习，图像到图像转换	图像	有限数量的大脑切片样本	NA	NA	NA	NA
1311	2026-01-15	A multi-stage deep learning network for prenatal diagnosis of coarctation of the aorta 2026-Jan, Medical physics IF:3.2Q1 DOI:10.1002/mp.70230 PMID:41532285	研究论文	本研究提出了一种名为CoA-Net的多阶段深度学习网络，通过局部-全局特征整合，用于胎儿主动脉缩窄的产前诊断	开发了一个多阶段深度学习网络CoA-Net，集成了局部特征提取器和全局特征提取器，并引入了局部注意力机制和稀疏全局注意力机制，以从复杂的胎儿超声心动图分布中提取有意义的特征	研究未明确提及外部验证数据集的使用，可能影响模型的泛化能力；样本量相对有限（488个样本）	开发一种深度学习网络，通过整合局部和全局特征，从胎儿超声心动图中提取判别性特征，以实现胎儿主动脉缩窄的精确产前诊断	胎儿主动脉缩窄病例及健康对照的胎儿超声心动图图像	计算机视觉	心血管疾病	胎儿超声心动图	CNN	图像	488个样本（包括主动脉缩窄病例和健康对照）	NA	CoA-Net	平衡准确率, F1分数, Matthews相关系数, AUC	NA
1312	2026-01-15	Single shot full plan deep learning dose computation for radiation therapy using spherical harmonics 2026-Jan, Medical physics IF:3.2Q1 DOI:10.1002/mp.70223 PMID:41532338	研究论文	本文提出了一种基于物理信息深度学习的AI剂量计算方法，用于快速且准确地计算放射治疗中多野VMAT和IMRT计划的剂量分布	引入了一种新颖的两阶段方法，结合球谐函数系数和图像到图像的神经网络，实现了单次全计划剂量计算	方法仅在三个身体部位的临床计划上进行了大规模数据生成和评估，可能未覆盖所有治疗区域	开发一种快速且准确的放射治疗剂量计算方法，以应对日益增长的病例数量	放射治疗计划中的剂量计算，特别是针对VMAT和IMRT计划	机器学习	NA	深度学习	图像到图像的神经网络	CT图像和球谐函数系数	1641个临床计划，通过数据增强生成超过100,000个训练输入/输出	NA	NA	伽马通过率，相对误差，绝对误差，剂量剖面	NVIDIA RTX 4090 GPU
1313	2026-01-15	Deep Learning-Based Image Recognition for Food Science and Technology: End-to-End Workflows and Domain-Specific Solutions 2026-Jan, Comprehensive reviews in food science and food safety IF:12.0Q1 DOI:10.1111/1541-4337.70388 PMID:41532672	综述	本文综述了基于深度学习的图像识别在食品科学与技术中的应用，提出了一个模块化的端到端工作流程，并探讨了领域特定解决方案以应对当前挑战	提出了一个专门为食品科学设计的模块化端到端工作流程，并针对数据有限、标注不一致和子模型集成等常见挑战，提出了一套领域特定的策略	本文是一篇综述，未提出新的算法或模型，主要挑战（如数据可用性有限、标注不一致）的解决方案仍需具体研究和验证	旨在促进深度学习图像识别技术在食品科学与技术领域的可靠、可泛化应用，以解决在线分级、快速质量评估和食品安全监测等现实挑战	食品科学与技术领域的图像识别应用	计算机视觉	NA	NA	深度学习	图像	NA	NA	NA	NA	NA
1314	2026-01-14	A deep learning model for inferring the reverse intersystem crossing rate of TADF organic light-emitting diodes, overcoming the uncertainty of recombination dynamics 2026-Jan-13, Materials horizons IF:12.2Q1 DOI:10.1039/d5mh01156f PMID:40990544	研究论文	本研究开发了一种串联深度神经网络模型，用于从TADF OLED的瞬态电致发光行为中预测反向系间窜越速率，以克服极化子重组动力学的不确定性	通过串联深度神经网络模型，结合重组和激子动力学的逐步分析，实现了对RISC速率的高精度预测，克服了传统方法中极化子重组动力学的不确定性	NA	预测TADF OLED中的反向系间窜越速率，以优化器件性能	热激活延迟荧光有机发光二极管	机器学习	NA	瞬态电致发光分析	深度神经网络	电致发光行为数据	NA	NA	串联深度神经网络	决定系数	NA
1315	2026-01-14	Computational design of protein complexes: influence of binding affinity 2026-Jan-13, Chemical communications (Cambridge, England) DOI:10.1039/d5cc04821d PMID:41311232	综述	本文综述了蛋白质复合物结合亲和力的计算预测与设计策略	整合了AI驱动的结构预测与机器学习方法，用于跨蛋白质-蛋白质、蛋白质-DNA/RNA及蛋白质-碳水化合物复合物的亲和力预测与理性设计	NA	探讨蛋白质复合物结合亲和力的计算预测与设计方法	蛋白质复合物（包括蛋白质-蛋白质、蛋白质-DNA/RNA、蛋白质-碳水化合物复合物）	机器学习	NA	AI驱动的结构预测、机器学习、深度学习	NA	结构数据、序列数据	NA	NA	NA	NA	NA
1316	2026-01-14	Peptide-based drug design using generative AI 2026-Jan-13, Chemical communications (Cambridge, England) DOI:10.1039/d5cc04998a PMID:41376388	综述	本文综述了利用生成式人工智能进行肽类药物设计的最新进展，重点关注生成架构、相互作用建模、AI驱动的筛选与递送优化	整合了生成式AI（如图神经网络、Transformer、扩散模型）与肽化学创新（如环化、订书、非经典氨基酸）来加速药物发现，并将发现周期从数年缩短至数月	预测生成肽序列的溶解度、免疫原性和毒性仍具挑战性，且数据质量和自主药物发现存在实际困难	加速肽类药物的设计与发现过程	肽类治疗剂	机器学习	代谢性疾病, 肿瘤学	NA	图神经网络, Transformer, 扩散模型	序列数据	NA	NA	NA	NA	NA
1317	2026-01-14	Interpretable deep learning for enhanced multi-class classification of gastrointestinal endoscopic images 2026-Jan-13, Biomedical physics & engineering express IF:1.3Q3 DOI:10.1088/2057-1976/ae2b72 PMID:41380180	研究论文	本研究提出了一种基于EfficientNetB3的增强方法，用于提高胃肠道内窥镜图像的多类分类准确性，并利用LIME提升模型可解释性	在无需数据增强的情况下，通过EfficientNetB3架构实现了高分类准确率，并集成了LIME显著性图以增强模型的可解释性	研究仅基于Kvasir数据集的8,000张图像，可能未涵盖所有临床场景或疾病变体	提高胃肠道内窥镜图像的多类分类准确性，并增强深度学习模型在医学影像应用中的可解释性和可用性	胃肠道内窥镜图像	计算机视觉	胃肠道疾病	内窥镜成像	CNN	图像	8,000张标记的内窥镜图像，分为八个类别	未明确指定，但提及了Gradio用于界面开发	EfficientNetB3	准确率, 精确率, 召回率	NA
1318	2026-01-14	Artificial Intelligence in Coronary Computed Tomography: Current Applications, Future Potentials, and Real-world Challenges 2026-Jan-13, Journal of thoracic imaging IF:2.0Q3 DOI:10.1097/RTI.0000000000000873 PMID:41527165	综述	本文综述了人工智能在冠状动脉计算机断层扫描（CT）中的当前应用、未来潜力以及现实挑战	系统性地总结了AI在心脏CT成像全流程（从图像采集、重建到分析）中的创新应用，并前瞻性地探讨了生成式AI、大语言模型和数字孪生等前沿技术在心血管精准医疗中的革命性潜力	面临数据多样性与标准化不足、模型可解释性有限以及监管审批流程复杂等挑战，阻碍了AI技术在临床实践中的全面整合	探讨人工智能技术如何提升冠状动脉CT成像的诊断准确性、优化临床工作流程，并推动心血管疾病的精准医疗	冠状动脉计算机断层扫描（CT）成像数据及相关临床信息	医学影像分析	心血管疾病	计算机断层扫描（CT）、深度学习重建（DLR）、放射组学	深度学习、机器学习、生成式AI、大语言模型（LLMs）	医学影像（CT图像）、临床数据、实验室数据	NA	NA	NA	NA	NA
1319	2026-01-14	Deep learning feature-based model on abdominal radiography outperforms experts for early necrotizing enterocolitis diagnosis in neonates 2026-Jan-13, European radiology IF:4.7Q1 DOI:10.1007/s00330-025-12264-y PMID:41528473	研究论文	本研究开发了一种基于腹部X光片和深度学习特征的模型，用于辅助新生儿坏死性小肠结肠炎（NEC）I期的早期诊断	首次将基于DenseNet121提取的深度学习特征与放射组学模型结合，应用于新生儿NEC I期的早期诊断，并在外部验证中证明其诊断性能优于人类专家	这是一项回顾性研究，需要前瞻性研究进一步验证；样本量相对有限；模型性能可能受图像质量和采集参数影响	探索深度学习模型在辅助新生儿坏死性小肠结肠炎（NEC）I期早期诊断中的应用价值	接受腹部X光检查的新生儿	数字病理学	坏死性小肠结肠炎	腹部X光摄影	CNN	图像	680名新生儿（来自两个中心，训练队列380例，外部验证队列300例）	NA	DenseNet121	AUC	NA
1320	2026-01-14	Deep learning-based automatic measurement of the femoral head ossification center in healthy Korean children: development of a novel radiographic growth chart 2026-Jan-13, European radiology IF:4.7Q1 DOI:10.1007/s00330-025-12263-z PMID:41528475	研究论文	本研究开发并验证了一种基于深度学习的算法，用于自动测量韩国健康儿童股骨头骨化中心的大小，并建立了AI衍生的生长图表	首次提出了一种三阶段深度学习算法来自动测量股骨头骨化中心大小，并基于AI测量建立了标准化的生长图表，为儿科髋关节发育评估提供了客观参考	研究为回顾性设计，样本仅来自韩国儿童，可能限制了结果的普适性；未在外部数据集上进行验证	开发自动测量股骨头骨化中心大小的深度学习算法，并建立AI衍生的生长图表以标准化儿科髋关节发育评估	1705名韩国健康儿童（平均年龄5.1±3.3岁，841名女性，864名男性）的骨盆前后位X光片	计算机视觉	儿科髋关节发育	深度学习，X光成像	深度学习算法	X光图像	1705名健康韩国儿童（841名女性，864名男性）的骨盆前后位X光片	NA	三阶段深度学习算法（感兴趣区域检测、股骨头骨化中心分割、基于标志点的大小计算）	一致性相关系数, Pearson相关系数, 平均绝对误差, 均方根误差, Bland-Altman分析, 调整R²	NA