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
2001	2026-01-25	Rapid MR examination with deep learning reconstruction improves diagnosis of complicated acute appendicitis 2026-Feb, European journal of radiology IF:3.2Q1 DOI:10.1016/j.ejrad.2025.112554 PMID:41289720	研究论文	本研究评估了采用深度学习重建的非对比快速磁共振成像协议在诊断急性阑尾炎并发症方面的性能	首次将深度学习重建技术应用于非对比快速MRI协议，以提高对复杂阑尾炎的诊断准确性	样本量较小（仅62名患者），且部分患者仅接受MRI检查，缺乏完全一致的比较组	评估深度学习重建在快速MRI中诊断复杂阑尾炎的效果	急性阑尾炎患者，包括孕妇	医学影像分析	急性阑尾炎	磁共振成像（T2加权、T1加权、扩散加权成像）、深度学习重建	深度学习模型	医学影像（MRI图像）	62名患者，其中55名确诊急性阑尾炎	NA	NA	敏感性、阴性预测值、受试者工作特征分析、kappa统计	NA
2002	2026-01-25	Deep learning-reconstructed hepatobiliary MRI: Enhancing biliary delineation, lesion margin sharpness, and small lesion detection 2026-Feb, European journal of radiology IF:3.2Q1 DOI:10.1016/j.ejrad.2025.112574 PMID:41314015	研究论文	本研究评估了深度学习重建的T1加权VIBE序列在肝胆MRI中相对于传统VIBE序列在胆道可视化、病灶检测和伪影抑制方面的性能	首次将深度学习重建技术应用于肝胆MRI的T1加权VIBE序列，实现了更薄的1.5毫米层厚扫描，显著提升了三级胆管显示、病灶边缘锐利度和小病灶检测能力	纹理自然度略有降低，且研究为回顾性设计，样本量相对有限	评估深度学习重建的MRI序列在肝胆成像中的临床应用价值	疑似肝脏病变的患者及其MRI图像	医学影像分析	肝脏疾病	钆塞酸增强MRI，深度学习图像重建	深度学习模型	MRI图像	94名患者，145个病灶	NA	NA	边缘上升距离，对比噪声比，检测率	NA
2003	2026-01-25	Personalized adrenal gland volume reference ranges and development of a fully automated deep learning screening tool 2026-Feb, European journal of radiology IF:3.2Q1 DOI:10.1016/j.ejrad.2025.112591 PMID:41352231	研究论文	本研究开发了一种基于低剂量CT的全自动深度学习工具，用于筛查肾上腺体积异常并建立个性化参考范围，以辅助诊断肾上腺疾病	首次基于低剂量CT开发了全自动深度学习工具，并建立了考虑年龄、性别、体表面积和血液标志物等个体化因素的肾上腺体积参考范围	研究仅基于低剂量非增强胸部CT数据，未包含其他影像模式；异常检测系统在肾上腺增生验证集中的检出率为77.09%，仍有提升空间	开发自动化肾上腺体积测量工具并建立个性化参考范围，以辅助肾上腺疾病的筛查和诊断	接受低剂量非增强胸部CT检查的成年人（≥18岁），包括健康参考组、高血压/糖尿病验证组和肾上腺异常验证组	数字病理学	肾上腺疾病	低剂量CT	深度学习	CT图像	训练集400张低剂量胸部CT图像，验证集550张图像；总研究人群18,538名成年人，其中健康参考组7,907人	nnU-Net	nnU-Net	Dice相似系数, ICC	NA
2004	2026-01-25	Usefulness of metal artifact reduction on CT angiography after massive coil embolization in peripheral AVM 2026-Feb, European journal of radiology IF:3.2Q1 DOI:10.1016/j.ejrad.2025.112606 PMID:41406589	研究论文	本研究评估了三种CT重建方法结合智能金属伪影减少技术在处理外周动静脉畸形线圈栓塞后CT血管造影图像质量方面的效果	首次比较了滤波反投影、自适应统计迭代重建和深度学习重建结合智能金属伪影减少技术在外周动静脉畸形栓塞后评估中的应用	单中心研究，样本量较小（30例患者），可能限制结果的普遍性	评估不同CT重建方法结合金属伪影减少技术对栓塞后动静脉畸形图像质量的改善效果	接受线圈栓塞治疗的外周动静脉畸形患者	医学影像	外周动静脉畸形	双能CT血管造影，虚拟单能成像	深度学习重建	CT图像	30例患者	NA	NA	标准差，伪影指数，对比噪声比，主观评分	NA
2005	2026-01-25	The effect of spatial and intensity level augmentation of structural magnetic resonance images on autism diagnosis model 2026-Feb, Asian journal of psychiatry IF:3.8Q1 DOI:10.1016/j.ajp.2026.104830 PMID:41499905	研究论文	本研究探讨了结构磁共振图像的空间和强度水平增强对自闭症诊断模型性能的影响	提出了结合空间和强度水平增强的数据增强方法，并发现特定增强技术（如随机噪声注入）能提升模型性能，而左右翻转则降低性能	未详细说明数据稀缺的具体原因或样本来源的局限性，且增强方法的泛化性可能受限于特定数据集	通过数据增强提高深度学习模型在自闭症诊断中的鲁棒性和泛化能力	结构磁共振图像	医学影像分析	自闭症	结构磁共振成像	深度学习模型	图像	NA	NA	NA	AUC	NA
2006	2026-01-25	Acceleration of chemical shift encoding-based water-fat imaging for pancreatic proton density fat fraction mapping in a single breath-hold: Data from the LION study 2026-Feb, European journal of radiology IF:3.2Q1 DOI:10.1016/j.ejrad.2025.112641 PMID:41499911	研究论文	本研究评估了使用压缩感知和深度学习辅助重建算法加速基于化学位移编码的胰腺质子密度脂肪分数成像技术，以实现单次屏气高分辨率脂肪定量	首次将深度学习辅助重建算法应用于加速的化学位移编码水脂分离成像，用于胰腺脂肪定量，提高了成像速度和图像质量	研究样本仅限于无糖尿病的肥胖成年人，且仅使用单一MRI设备，可能限制结果的普适性	开发并评估加速的胰腺脂肪定量成像技术，以用于肥胖和代谢疾病研究	71名无糖尿病的肥胖成年人的腹部MRI数据集	医学影像	代谢综合征	化学位移编码水脂分离成像，压缩感知，深度学习重建	深度学习辅助重建算法	MRI图像	104个腹部MRI数据集，来自71名成年人	NA	NA	线性度（R2），组内相关系数，噪声水平	3T MRI设备（Philips Ingenia Elition X）
2007	2026-01-25	Deep learning image reconstruction improves 40 keV virtual monoenergetic image quality in rectal cancer 2026-Feb, European journal of radiology IF:3.2Q1 DOI:10.1016/j.ejrad.2025.112646 PMID:41520415	研究论文	本研究评估了深度学习图像重建（DLIR）在直肠癌40 keV虚拟单能成像（VMI）中的图像质量和诊断性能	首次将DLIR应用于直肠癌40 keV VMI，并与ASIR-V重建方法进行比较，以改善低能量VMI的图像噪声和诊断性能	样本量较小（62例患者），且DLIR在诊断性能（如T分期）上的提升有限（AUC=0.592）	评估DLIR对40 keV VMI图像质量的影响及其在评估直肠癌壁外静脉侵犯（EMVI）和T分期中的诊断性能	62例直肠腺癌患者	医学影像	直肠癌	双能计算机断层扫描（DECT）、虚拟单能成像（VMI）、深度学习图像重建（DLIR）	深度学习模型	CT图像	62例患者	NA	NA	CT衰减值、图像噪声、对比噪声比（CNR）、信噪比（SNR）、边缘上升斜率（ERS）、噪声功率谱（NPS）曲线下面积、受试者工作特征曲线下面积（AUC）	NA
2008	2026-01-25	Assessing greenspace and cardiovascular disease risk through deep learning analysis of street-view imagery in the US-based nationwide Nurses' Health Study 2026-Feb, Environmental epidemiology (Philadelphia, Pa.) DOI:10.1097/EE9.0000000000000442 PMID:41567830	研究论文	本研究利用深度学习分析美国护士健康研究中的街景图像，评估特定绿化类型（如树木、草地）与心血管疾病风险之间的关联	首次在大规模前瞻性队列中，使用深度学习从街景图像中提取特定绿化类型（树木、草地等）的暴露数据，而非传统的卫星植被指数，减少了暴露分类错误并提高了政策相关性	研究仅针对美国女性护士群体，可能限制了结果的普适性；绿化暴露估计基于街景图像，可能无法完全捕捉私人庭院或室内绿化	评估街景绿化措施与心血管疾病发病率之间的关联	美国护士健康研究中的女性护士参与者	计算机视觉	心血管疾病	街景图像分析	深度学习模型	图像	88,788名参与者，基于3.5亿张街景图像	NA	NA	风险比, 置信区间	NA
2009	2026-01-25	ViralBindPredict: Empowering Viral Protein-Ligand Binding Sites through Deep Learning and Protein Sequence-Derived Insights 2026-Jan-24, GigaScience IF:11.8Q1 DOI:10.1093/gigascience/giag010 PMID:41578956	研究论文	本文介绍了一个名为ViralBindPredict的深度学习框架，用于直接从蛋白质序列预测病毒蛋白-配体结合位点，并创建了首个大规模、泄漏控制的病毒蛋白-配体相互作用基准数据集	首次提出了直接从蛋白质序列预测病毒蛋白-配体结合位点的深度学习框架，并引入了首个经过精心策划、泄漏控制的大规模病毒蛋白-配体相互作用基准数据集	对于未见过的蛋白质，模型性能下降较大，表明蛋白质上下文在泛化中占主导地位，可能限制了在新蛋白质上的预测准确性	加速抗病毒药物发现过程，支持快速靶点优先排序、化合物再利用和新药设计	病毒蛋白-配体相互作用，涉及超过10,000个病毒链和约13,000个相互作用	机器学习	病毒性疾病	深度学习，蛋白质序列嵌入	多层感知机	蛋白质序列，配体描述符	超过10,000个病毒链和约13,000个相互作用	NA	多层感知机	精确率-召回率	NA
2010	2026-01-25	Deep learning reconstruction enhances 1.5T MR angiography beyond 3T in vascular visualization for Moyamoya disease 2026-Jan-24, Japanese journal of radiology IF:2.9Q2 DOI:10.1007/s11604-025-01945-9 PMID:41579320	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
2011	2026-01-25	Deep learning assessment of fetal brain maturation on 3D ultrasound volumes in early-onset fetal growth restriction 2026-Jan-23, Ultrasound in obstetrics & gynecology : the official journal of the International Society of Ultrasound in Obstetrics and Gynecology IF:6.1Q1 DOI:10.1002/uog.70168 PMID:41575808	研究论文	本研究利用深度学习模型分析三维超声体积图像，评估早发性胎儿生长受限（FGR）中的胎儿大脑成熟度，并探讨其与新生儿并发症风险的关系	首次使用基于最优发育队列训练的深度学习模型，通过三维超声体积图像量化早发性FGR胎儿的大脑成熟延迟，并将其与临床结局相关联	单中心、样本量较小（n=43），仅纳入孕周<29周的胎儿，可能限制了结果的普遍性	评估早发性胎儿生长受限（FGR）中胎儿大脑成熟度，并探索其作为累积宫内应激标志物与新生儿并发症风险的关系	早发性胎儿生长受限（FGR）的胎儿	数字病理学	胎儿生长受限	三维（3D）超声	深度学习模型	三维（3D）超声体积图像	43例生长受限胎儿（其中13例为脑保护型FGR）的高质量三维超声扫描数据	NA	NA	估计孕周与实际孕周的平均差异（ΔGA，以天为单位），相关系数（r），P值	NA
2012	2026-01-25	Machine Learning Approach Enables Highly Accurate Identification of At-Risk Metabolic Dysfunction-Associated Steatohepatitis 2026-Jan-23, Hepatology research : the official journal of the Japan Society of Hepatology IF:3.9Q1 DOI:10.1111/hepr.70125 PMID:41575840	研究论文	本研究开发了一种基于随机森林的机器学习模型，用于仅使用七个常规临床参数准确识别高危代谢功能障碍相关脂肪性肝炎	提出了一种无需肝脏硬度测量的简单机器学习模型，在识别高危MASH方面表现出高准确性，优于现有非侵入性方法	研究基于特定多中心队列，可能在不同人群或医疗环境中的普适性有限	开发一种无需肝脏硬度测量的机器学习模型，以准确识别高危代谢功能障碍相关脂肪性肝炎	884名经组织学确认的代谢功能障碍相关脂肪性肝病患者	机器学习	代谢功能障碍相关脂肪性肝炎	机器学习算法训练与验证	随机森林, 逻辑回归, 梯度提升, 支持向量机, 深度学习	临床参数（年龄、性别、BMI、血液学/生化参数、合并症）	884名患者（80%用于推导，20%用于验证）	NA	随机森林	AUROC	NA
2013	2026-01-25	TransSE: A Transfer Learning-Based Predictive Model for Distinguishing Super Enhancers and Typical Enhancers 2026-Jan-23, IEEE transactions on computational biology and bioinformatics DOI:10.1109/TCBBIO.2026.3657361 PMID:41576119	研究论文	本研究提出了一种名为TransSE的深度学习框架，结合卷积和循环神经网络与跨物种迁移学习，用于从基因组序列中区分超级增强子和典型增强子	TransSE采用两阶段策略，先在人类和小鼠组合数据上进行预训练以学习保守调控特征，再进行物种特异性微调以捕获生物体特定模式，从而提高了预测准确性和跨物种泛化能力	NA	开发一种高精度且具有跨物种泛化能力的计算模型，用于从基因组序列中识别超级增强子	人类和小鼠的基因组序列数据	机器学习	NA	基因组序列分析	CNN, RNN	基因组序列	NA	NA	NA	AUC	NA
2014	2026-01-25	Expression of Concern: Data Mining-Based Model for Computer-Aided Diagnosis of Autism and Gelotophobia: Mixed Methods Deep Learning Approach 2026-Jan-23, JMIR formative research IF:2.0Q4 DOI:10.2196/91833 PMID:41576282	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
2015	2026-01-25	Machine Learning for RNA Secondary Structure Prediction: a review of current methods and challenges 2026-Jan-23, RNA (New York, N.Y.) DOI:10.1261/rna.080840.125 PMID:41577452	综述	本文综述了机器学习在RNA二级结构预测领域的最新方法、面临的挑战及未来发展方向	系统梳理了从传统热力学方法到数据驱动的机器学习范式的演变，重点分析了当前领域的“泛化危机”及应对策略，并前瞻性地指出了包括假结预测、长序列处理、修饰核苷酸整合及动态结构预测在内的未来关键挑战	作为综述文章，不涉及具体实验验证，主要基于现有文献进行分析与评述	总结RNA二级结构预测领域机器学习方法的现状、挑战与发展趋势	RNA二级结构预测方法	计算生物学	NA	机器学习，深度学习	NA	RNA序列数据	NA	NA	NA	NA	NA
2016	2026-01-25	Enhancing knowledge graph recommendations through deep reinforcement learning 2026-Jan-23, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-31109-8 PMID:41577729	研究论文	本文提出了一种基于知识图谱和深度强化学习的推荐框架RKGnet，旨在解决推荐系统中的冷启动和可解释性问题	结合知识图谱的结构优势与强化学习的自适应决策能力，动态迭代用户偏好并揭示用户的层次化潜在兴趣	NA	提高推荐系统的准确性和可解释性，解决冷启动问题	推荐系统中的用户和物品	机器学习	NA	深度强化学习	深度强化学习模型	知识图谱数据	NA	NA	RKGnet	准确性, 鲁棒性, 可解释性	NA
2017	2026-01-25	Multimodal deep learning with anatomically constrained attention for screening MRI-detectable TMJ abnormalities from panoramic images 2026-Jan-23, NPJ digital medicine IF:12.4Q1 DOI:10.1038/s41746-026-02378-y PMID:41577795	研究论文	本研究开发了一种可解释的深度学习框架，利用成对的开口和闭口颞下颌关节全景X光片及结构化临床元数据，用于筛查MRI可检测的颞下颌关节异常	整合了解剖学引导的注意力机制、多模态临床特征和集成学习，以提高诊断准确性和可解释性	未明确提及研究的局限性	开发一种全面的筛查方法，用于检测MRI可识别的颞下颌关节病理	颞下颌关节异常	数字病理学	颞下颌关节疾病	磁共振成像	深度学习	图像, 临床元数据	1355名患者（2710个关节）	NA	NA	曲线下面积	NA
2018	2026-01-25	Physics-informed deep learning enables fast ultrahigh-resolution nuclear magnetic resonance spectroscopy 2026-Jan-23, Communications chemistry IF:5.9Q1 DOI:10.1038/s42004-026-01912-z PMID:41577797	研究论文	本研究提出了一种结合非均匀分块采样与物理信息深度学习重建的AI辅助NMR方法，用于快速实现纯位移NMR光谱学	首次将物理信息深度学习与稀疏采样结合，实现超高速纯位移NMR光谱重建，同时保持光谱质量	未明确说明模型在极端稀疏采样条件下的性能边界或对未知分子系统的泛化能力	开发快速、高保真的纯位移NMR光谱采集与重建方法	分子结构、功能及相互作用，特别是1-丁醇在Pt/C和PtRu/C催化剂上的电氧化过程	机器学习	NA	纯位移NMR光谱学，非均匀分块采样	深度学习	NMR光谱数据	NA	NA	NA	光谱质量，信号恢复保真度，峰值强度重建精度	NA
2019	2026-01-25	Hybrid deep learning framework MedFusionNet assists multilabel biomedical risk stratification from imaging and tabular data 2026-Jan-23, Communications medicine IF:5.4Q1 DOI:10.1038/s43856-025-01334-3 PMID:41577997	研究论文	提出一种结合单变量阈值与多变量建模的混合并行深度学习框架MedFusionNet，用于多标签医学图像分类和癌症风险分层	提出融合自注意力机制、密集连接和特征金字塔网络的混合并行架构，支持多模态数据融合，并引入单变量阈值预筛选特征以提升模型性能与可解释性	未明确说明模型在更广泛疾病类型或更大规模数据集上的泛化能力，且对计算资源需求未详细分析	开发一个鲁棒且可解释的多标签医学图像分类与癌症风险分层系统	医学图像（如胸部X光片）及对应的文本与临床元数据	计算机视觉	肺癌, 宫颈癌	深度学习	CNN, 自注意力机制	图像, 文本, 表格数据	多个数据集（包括NIH ChestX-ray14和自定义宫颈癌数据集），具体样本数量未明确	未明确指定	MedFusionNet（融合自注意力机制、密集连接、特征金字塔网络）	准确率, 鲁棒性, 可解释性	未明确说明
2020	2026-01-25	Detection and imaging of chemicals and hidden explosives using terahertz time-domain spectroscopy and deep learning 2026-Jan-22, Light, science & applications DOI:10.1038/s41377-026-02190-z PMID:41565620	研究论文	本研究提出了一种结合太赫兹时域光谱与深度学习的化学成像系统，用于准确检测和识别隐藏的化学品与爆炸物	首次将太赫兹时域光谱与深度学习结合，实现像素级化学物质识别，并利用等离子体纳米天线阵列增强系统性能，在复杂环境下保持高分类准确率	未明确提及系统在极端环境或更广泛材料类型下的性能限制	开发一种非侵入式、远距离的化学与爆炸物检测技术，以应对全球安全挑战	隐藏的化学品和爆炸物，包括药物辅料和爆炸化合物	计算机视觉	NA	太赫兹时域光谱	深度神经网络	光谱数据	八种化学品	NA	NA	分类准确率	NA