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
1481	2026-01-11	Predictive modeling approaches for Alzheimer's disease diagnosis through neuroimaging techniques 2026-Jan, Ageing research reviews IF:12.5Q1 DOI:10.1016/j.arr.2025.102989 PMID:41371350	综述	本文详细探讨了利用机器学习和深度学习预测建模方法，通过神经影像技术自动诊断阿尔茨海默病的过程与主要组成部分	整合人工智能（机器学习和深度学习）与神经影像及生物标志物，实现AD的自动、高精度、快速诊断，避免了传统手动操作生物标志物的局限性	NA	通过预测建模技术改进阿尔茨海默病的诊断过程，解决传统方法在时间、成本和准确性方面的挑战	阿尔茨海默病的诊断过程，包括神经影像扫描和生物标志物	机器学习	阿尔茨海默病	神经影像技术（如计算机断层扫描、磁共振成像、正电子发射断层扫描）和脑脊液生物标志物（如淀粉样蛋白-β₄₂、总tau蛋白、磷酸化tau蛋白）	机器学习算法, 深度学习算法	神经影像图像, 生物标志物数据	NA	NA	NA	分类器性能水平, 验证指标	NA
1482	2026-01-11	Automated retinal disease classification using deep learning and AlexNet with statistical models analysis 2026, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0338415 PMID:41494023	研究论文	本研究提出了一种基于深度学习的框架，用于将视网膜图像自动分类为正常、糖尿病视网膜病变、白内障和青光眼四种类型	使用多种CNN架构（包括EfficientNet-B0、EfficientNet-B7、从头构建的模型和AlexNet）进行比较评估，并利用SHAP进行模型可解释性分析，以突出临床相关的视网膜区域	未明确说明数据集的样本数量，且处理时间（约14分钟）对于实时筛查系统可能仍需优化	开发一个自动化的视网膜疾病分类系统，以辅助早期检测和预防不可逆的视力丧失	视网膜图像	计算机视觉	糖尿病视网膜病变、白内障、青光眼	深度学习	CNN	图像	NA	NA	EfficientNet-B0, EfficientNet-B7, AlexNet	准确率, 灵敏度, 特异性, PPV, NPV, F1分数, R2	NA
1483	2026-01-11	Estimation of whole-body skeletal muscle volume using pectoralis muscle area and anthropometric measurements from chest CT in a Korean population 2026-Jan, Clinical physiology and functional imaging IF:1.3Q4 DOI:10.1111/cpf.70046 PMID:41496377	研究论文	本研究利用单张胸部CT切片的胸肌面积和基本人体测量数据，开发了韩国人群全身骨骼肌体积的估计模型	首次结合单张胸部CT切片的胸肌面积和基本人体测量数据，开发了针对韩国人群的全身骨骼肌体积估计模型，提供了一种基于常规胸部CT图像的实用肌肉评估替代方法	研究样本仅来自韩国人群，可能限制了模型的普适性；样本量为201名成年人，相对较小	开发一种利用常规胸部CT图像和基本人体测量数据估计全身骨骼肌体积的实用方法	韩国成年人群（101名女性，100名男性）的PET-CT数据	数字病理学	NA	胸部CT成像，PET-CT	LASSO回归模型	医学影像（CT图像），人体测量数据	201名成年人（101名女性，100名男性）	NA	NA	R²值，Bland-Altman偏差	NA
1484	2026-01-11	TissUnet: Improved extracranial tissue and cranium segmentation for children through adulthood 2026, Imaging neuroscience (Cambridge, Mass.) DOI:10.1162/IMAG.a.1067 PMID:41503005	研究论文	本文提出了一种名为TissUnet的深度学习模型，用于从常规三维T1加权MRI中分割颅外组织（颅骨、皮下脂肪和肌肉）	TissUnet模型在广泛的年龄范围（从儿童到成人）和包括脑肿瘤患者的多种数据集上进行了验证，其性能优于先前的最先进方法，并展示了在儿科人群中的优秀表现	模型在脑肿瘤病例中的分割性能（中位Dice系数0.81）略低于健康个体（0.83），表明在病理条件下可能存在一定的局限性	开发一个能够快速、准确、可重复地分割颅外组织的深度学习模型，以支持大规模关于颅面形态、治疗效果和心脏代谢风险的研究	从儿童到成人的个体，包括健康人群和脑肿瘤患者	数字病理学	脑肿瘤	MRI, CT	深度学习模型	三维T1加权MRI图像	训练集：155对MRI-CT扫描；验证集：九个数据集，包括37对MRI-CT和专家手动标注	NA	U-Net	Dice系数	NA
1485	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
1486	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
1487	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
1488	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
1489	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
1490	2026-01-10	Multimodal MRI radiomics and deep learning for brain age prediction: age-corrected brain age gap analysis in patients with insomnia 2026-Jan-09, Biomedical engineering online IF:2.9Q3 DOI:10.1186/s12938-026-01512-x PMID:41507907	研究论文	本研究通过整合T1和T2加权MRI的影像组学特征与深度学习，开发并验证了一个高精度的大脑年龄预测模型，并应用于失眠患者以评估其大脑老化加速情况	首次将多模态MRI影像组学特征与深度学习融合用于大脑年龄预测，并应用于失眠患者进行年龄校正的脑年龄差距分析	研究为回顾性设计，样本主要来自单一医院，可能限制了结果的普适性	开发高精度大脑年龄预测模型，并评估慢性失眠是否与加速的大脑老化相关	健康个体和失眠患者	数字病理学	失眠	MRI影像组学特征提取	深度学习回归模型	MRI图像	1200名参与者（942名健康对照，258名失眠患者）	NA	NA	平均绝对误差, 均方根误差, R2	NA
1491	2026-01-10	Explainability-Based Optimized Deep Learning in Histopathological Diagnosis of Multiple Cancers and Development of Mobile Application 2026-Jan-09, Microscopy research and technique IF:2.0Q3 DOI:10.1002/jemt.70115 PMID:41511077	研究论文	提出一种结合优化算法与可解释性技术的深度学习模型，用于多癌种组织病理学图像的诊断分类，并开发了移动应用	提出新型C2RN2GC2A模型，融合残差学习与优化的高斯扰动；引入受军事战术启发的2GC2A元启发式优化算法进行特征选择和参数调优；采用LDLRP可解释性技术可视化关键图像区域	未提及模型在外部验证集或临床实际环境中的泛化性能测试	提升多癌种组织病理学图像分类的准确性、效率和临床可解释性	组织病理学图像	数字病理学	多癌种（涉及肺癌、乳腺癌等）	组织病理学图像分析	深度学习	图像	LC25000和BreakHis两个公开数据集	未明确提及	Complementary Residual Retentive Network (C2RN2GC2A)	准确率, 训练损失, 验证损失, 假阳性数, 假阴性数	未明确提及
1492	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
1493	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
1494	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
1495	2026-01-10	Supervised Machine Learning and Graph Neural Networks to Predict Collision Cross-Section Values of Aquatic Dissolved Organic Compounds 2026-Jan-08, Journal of the American Society for Mass Spectrometry IF:3.1Q1 DOI:10.1021/jasms.5c00276 PMID:41505766	研究论文	本研究结合监督机器学习和深度学习，预测水环境中溶解有机化合物的碰撞截面值，以提升复杂环境混合物中分子结构的识别精度	首次将监督机器学习模型与图神经网络结合，针对多种溶解有机分子类别预测CCS值，并通过北极海洋的高分辨率质谱数据验证模型预测能力	模型性能因分子类别和数据集特征而异，未详细讨论模型在极端环境条件下的泛化能力	预测水环境中溶解有机化合物的碰撞截面值，以增强分子分类和环境样本中污染物检测	水环境中的溶解有机分子，包括碳水化合物、碳氢化合物、木质素、脂质、蛋白质、单宁及未分类分子	机器学习	NA	高分辨率质谱	Gradient Boosted Regression, K-Nearest Neighbors, LASSO, Linear Regression, Partial Least Squares, Random Forest, Support Vector Regression, Voting Regressor, Graph Neural Network	分子指纹（SMILES）和结构描述符（/, O/C, H/C, AImod, DBE）	NA	NA	Graph Neural Network	NA	NA
1496	2026-01-10	Emotion recognition from auditory Autonomous Sensory Meridian Response (ASMR) using multi-modal physiological signals 2026-Jan-08, Physiological measurement IF:2.3Q3 DOI:10.1088/1361-6579/ae35ca PMID:41505907	研究论文	本研究利用多模态生理信号（EEG、PPG、EDA）和深度学习模型，对ASMR听觉刺激引发的多种情绪进行分类识别	首次将ASMR研究从低唤醒积极情绪（如放松）扩展到更广泛的情绪范围（包括快乐、悲伤、厌恶），并采用多模态生理信号结合深度学习进行情绪分类	样本量较小（仅23名参与者），且情绪诱导可能受个体差异影响	探索ASMR听觉刺激引发的多种情绪，并开发基于生理信号的情绪分类方法	ASMR体验者（23名参与者）在ASMR听觉刺激下的生理反应	机器学习	NA	多模态生理信号采集（EEG、PPG、EDA）	ANN, CNN	生理信号数据（EEG、PPG、EDA）	23名ASMR体验参与者	NA	人工神经网络, 卷积神经网络	分类准确率	NA
1497	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
1498	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
1499	2026-01-10	Automatic measurement and evaluation of anterior segment anatomical structures via UBM images using a deep learning-based approach 2026-Jan-08, Graefe's archive for clinical and experimental ophthalmology = Albrecht von Graefes Archiv fur klinische und experimentelle Ophthalmologie DOI:10.1007/s00417-025-07070-7 PMID:41507579	研究论文	本研究开发了一种基于深度学习的方法，用于从术前超声生物显微镜图像中自动测量前段解剖结构参数	首次应用YOLOv8-pose算法于UBM图像，实现前段关键点坐标的自动识别和参数计算，准确性媲美经验丰富的眼科医生	研究为回顾性设计，样本量相对有限（320名受试者），且仅基于单一医疗中心的数据	开发深度学习模型以自动测量植入式Collamer镜片手术候选者的前段参数，为镜片尺寸选择和拱高预测提供指导	320名受试者的638只眼睛的术前全景UBM图像	计算机视觉	眼科疾病	超声生物显微镜成像	深度学习模型	图像	1480张UBM图像（来自638只眼睛，320名受试者）	YOLOv8	YOLOv8-pose	组内相关系数, 平均欧几里得距离, 平均相对误差	NA
1500	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