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
6621	2026-01-21	Deep Learning-Based Collateral Scoring on Multiphase CTA in Patients with Acute Ischemic Stroke in the MCA Region 2026-Jan-05, AJNR. American journal of neuroradiology DOI:10.3174/ajnr.A8911 PMID:40623825	研究论文	本研究开发了一种基于深度学习的自动化方法，用于评估和量化急性缺血性卒中患者多期相CTA图像中的侧支循环状态	提出了一种结合定制预处理模块的深度学习分类方法，用于自动评估多期相CTA中的侧支循环，旨在减少观察者变异并提高诊断效率	研究为回顾性设计，样本量相对有限（420例患者），且依赖于手动评估作为金标准，可能存在主观偏差	开发自动化评估急性缺血性卒中患者侧支循环的方法，以辅助临床决策	急性缺血性卒中患者的多期相CTA图像	医学影像分析	急性缺血性卒中	多期相CTA	深度学习分类模型	医学影像（多期相CTA图像）	420例患者	NA	NA	准确率, F1分数, 精确率, 灵敏度, 特异度, AUC, ICC, κ系数	NA
6622	2026-01-21	Dual energy CT and deep learning for an automated volumetric segmentation of the major intracranial tissues: Feasibility and initial findings 2026-Jan, Medical physics IF:3.2Q1 DOI:10.1002/mp.70217 PMID:41423435	研究论文	本研究探讨了使用深度学习模型和双能CT虚拟单能成像对颅内灰质、白质和脑脊液进行自动化体积分割的可行性	首次将双能CT的虚拟单能成像与深度学习模型结合，用于颅内组织的自动化体积分割，并利用多能量VMIs作为输入数据增强来提升分割性能	样本量较小（仅26名患者），且仅使用单一CT扫描仪和MRI作为金标准，可能限制模型的泛化能力	评估基于CT和深度学习的颅内组织分割的可行性，以在MRI不适用时改善患者管理	颅内灰质、白质和脑脊液	计算机视觉	NA	双能CT虚拟单能成像	深度学习	医学图像	26名患者（21名用于训练/验证，5名用于测试）	NA	U-Net++, U-Net	Dice相似系数, 体积准确度	NA
6623	2026-01-21	Continuous sPatial-temporal deformable image registration and 4D frame interpolation 2026-Jan, Medical physics IF:3.2Q1 DOI:10.1002/mp.70248 PMID:41452345	研究论文	提出了一种基于隐式神经表示的连续时空可变形图像配准和4D帧插值方法，以提高放疗中解剖运动分析的准确性和效率	利用隐式神经表示连续建模患者解剖运动，统一了欧拉和拉格朗日规范，实现了空间和时间连续的运动建模与帧插值	方法在具有挑战性的分次间腹部配准场景中性能仍有提升空间，且未明确说明训练数据的依赖性或泛化能力	开发一种连续时空可变形图像配准模型，以更准确地分析放疗中的解剖变化和运动模式	DIR-Lab数据集和Abdominal-DIR-QA数据集中的医学图像	计算机视觉	NA	可变形图像配准，4D帧插值	多层感知机网络	医学图像	DIR-Lab数据集和Abdominal-DIR-QA数据集	NA	隐式神经表示	目标配准误差，Dice系数，平均绝对误差，峰值信噪比	NA
6624	2026-01-21	A dual-interactive fusion network for low-dose CT image denoising 2026-Jan, Medical physics IF:3.2Q1 DOI:10.1002/mp.70253 PMID:41457826	研究论文	本文提出了一种用于低剂量CT图像去噪的双交互融合网络框架	提出了集成双阶段去噪架构、上下文感知训练策略和组合双阶段损失函数的DIFNet框架，在平衡性能、鲁棒性和计算效率方面取得进展	未明确说明模型在不同厂商扫描仪和协议间的泛化能力的具体量化结果	提升低剂量CT图像质量以改善诊断准确性	低剂量CT图像	计算机视觉	NA	低剂量CT成像	深度学习网络	医学图像	两个内部LDCT数据集（使用不同飞利浦扫描仪采集）和公开Mayo-2016基准数据集（使用西门子扫描仪采集）	NA	Dual-Interactive Fusion Network, Dual-Phase Denoising Architecture	定性评估, 定量指标	NA
6625	2026-01-21	A generalizable dose prediction model for automatic radiotherapy planning based on physics-informed priors and large-kernel convolutions 2026-Jan, Medical physics IF:3.2Q1 DOI:10.1002/mp.70272 PMID:41474032	研究论文	本研究开发了一种基于物理信息先验和大核卷积的通用剂量预测模型，用于自动放疗计划，并在不同肿瘤部位、照射技术和处方剂量下验证了其准确性和通用性	提出了首个能够跨多种肿瘤部位、照射技术和处方剂量进行准确剂量预测的通用模型，并集成了物理信息先验（如归一化距离感知射野板和质量密度图）以及大核卷积与UpKern初始化策略来提升性能	模型在GDP-HMM数据集（3234个计划）上开发和评估，虽然涵盖了头颈癌和肺癌，但尚未扩展到更多肿瘤类型或更大规模的外部验证	开发一个通用的剂量预测模型，以实现跨肿瘤部位、照射技术和处方剂量的高精度剂量分布预测，并验证基于该模型的通用自动放疗计划的可行性	放疗计划中的剂量分布	数字病理	肺癌, 头颈癌	IMRT, VMAT	CNN	图像	3234个放疗计划（2878个用于训练，356个用于测试）	PyTorch	3D MedNeXt	剂量体积直方图（DVH）指标误差（百分比点），平均绝对误差（MAE）	NA
6626	2026-01-21	Convolutional recurrent U-net for cardiac cine MRI reconstruction via effective spatio-temporal feature exploitation 2026-Jan, Medical physics IF:3.2Q1 DOI:10.1002/mp.70245 PMID:41474064	研究论文	本文提出了一种名为CRUNet-MR的新型深度学习模型，通过结合卷积循环操作与U-Net架构，有效利用心脏电影MRI序列的时空特征，以提升高加速条件下的图像重建性能	将卷积循环操作与U-Net结构相结合，持续提取时间特征并融合细粒度空间细节与高层语义信息，同时引入扩张卷积以扩大空间感受野，探索不同扩张因子的组合以优化整体性能	模型在公开数据集上表现优异，但未在更广泛或多样化的临床数据集中进行全面验证，且内部数据集规模较小，可能影响泛化能力的全面评估	提升心脏电影MRI在高加速条件下的图像重建质量，通过有效利用时空特征来加速扫描并保持诊断准确性	心脏电影MRI序列，特别是动态心脏区域	计算机视觉	心血管疾病	心脏电影MRI	深度学习模型	图像	训练集120名受试者，验证集60名，测试集120名，外加一个小型内部LUMC数据集	NA	U-Net, 卷积循环网络	SSIM	NA
6627	2026-01-21	A deep-learning model for one-shot transcranial ultrasound simulation and phase aberration correction 2026-Jan, Medical physics IF:3.2Q1 DOI:10.1002/mp.70259 PMID:41474058	研究论文	本文提出了一种深度学习模型TUSNet，用于快速准确地模拟经颅超声压力场并进行相位畸变校正	开发了TUSNet这一端到端神经网络，实现了超快速（21毫秒）的经颅超声压力场预测和相位校正，计算速度比传统方法k-Wave快1200倍以上	当前验证基于模拟、无噪声的超声场，未来需要在真实临床条件下进行实验研究以评估性能	解决经颅超声治疗中计算效率与准确性之间的权衡问题，加速超声治疗规划	经颅超声压力场和相位畸变校正	机器学习	NA	深度学习	神经网络	CT图像	训练集：180432个合成颅骨CT片段；测试集：1232个真实颅骨CT片段	NA	TUSNet	峰值压力幅度估计准确率，焦点定位误差	4x NVIDIA A100 80 GB GPUs
6628	2026-01-21	Deep learning-based severity grading of Meniere's disease using 2D MRI 2026-Jan, Medical physics IF:3.2Q1 DOI:10.1002/mp.70268 PMID:41491611	研究论文	本文开发了一种基于深度学习的多阶段严重程度评估系统（MSAS），用于利用2D MRI对梅尼埃病进行精确分割和严重程度分层	提出了一种新颖的深度学习框架MSAS，整合了序列级预测和切片级分割，并结合了HOG、SVM、YOLO-V5和Grad-CAM技术，提高了梅尼埃病严重程度分级的准确性和可解释性	研究样本量相对有限（开发队列189例，外部测试集70例），且仅基于2D MRI数据，可能未涵盖所有临床变异	开发并评估一个深度学习框架，以提升梅尼埃病的诊断准确性和严重程度分级	梅尼埃病患者	数字病理学	梅尼埃病	2D磁共振成像（MRI）	YOLO-V5, SVM	图像	开发队列189例患者，外部测试集70例患者	NA	YOLO-V5	IoU, Dice系数, 准确率, mAP, AUC	NA
6629	2026-01-21	Image enhancement for accelerated MRI using a joint GAN and diffusion model framework 2026-Jan, Medical physics IF:3.2Q1 DOI:10.1002/mp.70242 PMID:41492035	研究论文	本研究提出了一种结合生成对抗网络和扩散模型的深度学习框架，用于增强加速MRI的图像质量，以减少采集时间并确保肿瘤靶向的准确性	提出了一种新颖的端到端深度学习框架RRENet，首次将GAN和扩散模型结合用于加速MRI图像增强，并引入了高频分离训练模块以保留精细解剖细节	研究样本量相对较小（62名患者），且仅针对特定类型的MRI（3D T2加权）和特定疾病（胶质瘤）进行了验证	提升加速MRI采集的图像质量，以确保精确的肿瘤靶向配准并缩短患者在治疗床上的时间	62名胶质瘤患者的72对3D T2加权MRI扫描（标准协议与加速协议）	计算机视觉	胶质瘤	MRI	GAN, 扩散模型	图像	62名患者的72对3D T2加权MRI扫描	NA	RRENet	PSNR, SSIM, RMSE	NA
6630	2026-01-21	An exploratory study on integrating radiomics with vision transformers for enhancing medical imaging classification accuracy 2026-Jan, Medical physics IF:3.2Q1 DOI:10.1002/mp.70246 PMID:41499345	研究论文	本研究提出了一种将影像组学特征与视觉Transformer（ViT）相结合的统一框架（RE-ViT），用于提升医学图像分类的准确性	提出了一种新颖的Radiomics-Embedded Vision Transformer（RE-ViT）框架，首次将手工提取的影像组学特征与ViT的数据驱动视觉嵌入在ViT架构内进行融合，以弥补ViT在医学影像中数据需求大、缺乏归纳偏置的不足，并增强特征表示能力	研究仅在三个公开数据集上进行了验证，模型的普适性有待在更多样化的数据集和临床场景中进一步检验；RE-ViT框架的复杂性可能带来计算开销的增加	开发并评估一个融合影像组学和ViT嵌入的框架，以改善异质性医学数据集的图像分类特征表示	医学图像，具体包括乳腺超声图像（BUSI）、胸部X光图像（ChestXray2017）和视网膜OCT图像（Retinal OCT）	计算机视觉	乳腺癌, 肺炎, 视网膜疾病	影像组学特征提取, 深度学习	Vision Transformer (ViT), CNN	图像	三个公开数据集：BUSI、ChestXray2017、Retinal OCT，使用10折交叉验证	PyTorch	Vision Transformer (ViT), VGG-16, ResNet, TransMed	准确率, AUC, 灵敏度, 特异性	NA
6631	2026-01-21	Fluoro-forest: a random forest workflow for cell type annotation in high-dimensional immunofluorescence imaging with limited training data 2026, Bioinformatics advances IF:2.4Q2 DOI:10.1093/bioadv/vbaf320 PMID:41523652	研究论文	提出一个名为Fluoro-forest的随机森林工作流，用于在训练数据有限的高维免疫荧光成像中进行细胞类型注释	采用半监督随机森林方法，结合基于聚类的采样和下游可视化，以提升细胞类型注释的准确性和可解释性	训练数据量有限（少于总细胞数的5%），可能影响模型在更复杂数据上的泛化能力	开发一个端到端管道，以改进高维免疫荧光成像中的细胞类型注释	免疫荧光成像数据中的细胞	数字病理学	NA	循环免疫荧光（IF）技术	随机森林	图像	NA	NA	随机森林	NA	NA
6632	2026-01-21	Core Concepts for Early Childhood Microbiology Education 2026-Jan, Microbial biotechnology IF:4.8Q1 DOI:10.1111/1751-7915.70268 PMID:41543496	研究论文	本文探讨了如何将微生物学有意义地整合到学龄前儿童（6岁以下）的科学教育中	提出并实施了一个名为Ciencia Maravilla的早期儿童微生物学教育项目，结合游戏、故事讲述和实验，以促进好奇心、批判性思维和早期科学素养，并倡导超越以人类健康为中心的更广泛的生态学视角	NA	研究如何将微生物学整合到学龄前儿童的科学教育中，以培养科学思维技能并纠正对微生物的常见误解	学龄前儿童（6岁以下）	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
6633	2026-01-21	Towards practical AI for agriculture: A self-supervised attention framework for Spinach leaf disease detection 2026, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0340989 PMID:41544134	研究论文	本文提出了一种用于菠菜叶病害检测的自监督注意力框架，旨在开发实用的农业人工智能应用	结合了自监督预训练（SimSiam）、注意力机制（CBAM）和Transformer架构，在有限标注数据下实现了高精度和可解释性，并针对边缘部署进行了优化	模型在ImageNet-22k预训练的SwinV2-Base上达到更高精度，但参数量大且依赖大规模预训练，边缘部署可行性较低	开发高效且可解释的深度学习框架，用于自动检测马拉巴尔菠菜叶病害	马拉巴尔菠菜叶片	计算机视觉	植物病害	深度学习，自监督学习，注意力机制	CNN, Transformer	图像	从哈比甘杰农业大学收集并补充公开样本的马拉巴尔菠菜图像数据集，分为三类：链格孢叶斑病、草莓螨侵染和健康叶片	PyTorch	SpinachCNN, Spinach-ResSENet, Vision Transformer (SpinachViT), SwinV2-Base, SimSiam-CBAM-ResNet-50	准确率, 宏ROC-AUC, 校准误差	NA
6634	2026-01-21	Cycle-Consistent Zero-Shot Through-Plane Super-Resolution for Anisotropic Head MRI 2026, Information processing in medical imaging : proceedings of the ... conference DOI:10.1007/978-3-031-96628-6_17 PMID:41552688	研究论文	本文提出了一种基于循环一致性的零样本各向异性头部MRI超分辨率方法，利用去噪扩散零空间模型确保高分辨率图像与低分辨率观测的精确一致性	通过分析2D MRI采集的前向问题构建线性映射，结合去噪扩散概率模型实现零样本超分辨率，保证循环一致性同时生成逼真图像	方法主要针对T1加权头部MRI图像，在其他MRI序列或身体部位的泛化能力未验证	解决临床各向异性MRI图像的低分辨率问题，通过超分辨率技术提升图像质量	各向异性头部MRI图像	医学影像处理	NA	MRI成像	去噪扩散概率模型	MRI图像	来自多个数据集的T1加权头部MRI图像，包括训练集保留对象及两个外部站点数据	NA	DDNM（去噪扩散零空间模型）	失真度量，感知度量	NA
6635	2026-01-20	BRAIN-META: A reproducible CNN-vision transformer meta-ensemble pipeline for explainable brain tumor classification 2026-Jun, MethodsX IF:1.6Q2 DOI:10.1016/j.mex.2025.103769 PMID:41551258	研究论文	本研究提出了一种名为BRAIN-META的可重复深度学习流程，用于基于结构MRI的多类别脑肿瘤分类	结合了十种混合CNN-Vision Transformer模型与元学习集成框架，并利用Grad-CAM增强可解释性	NA	开发一种准确、可解释且模块化的脑肿瘤分类方法，以支持神经肿瘤学的临床决策	代表四种类别的2D MRI图像：胶质瘤、脑膜瘤、垂体瘤和无肿瘤	计算机视觉	脑肿瘤	结构MRI	CNN, Vision Transformer, 元学习集成	图像	NA	NA	DenseNet121, DenseNet169, DenseNet201, MobileNet, MobileNetV2, EfficientNetB0, EfficientNetB1, EfficientNetB4, InceptionV3, Xception, Vision Transformer	准确率, 精确率, 召回率, F1分数, 混淆矩阵	NA
6636	2026-01-20	SERS on analyte-enriched blood for rapid, culture-free sepsis recognition and causative pathogen identification with super operational neural networks 2026-May-01, Talanta IF:5.6Q1 DOI:10.1016/j.talanta.2025.129332 PMID:41478040	研究论文	本研究提出了一种结合表面增强拉曼光谱与深度学习的工作流程，用于直接从血液中快速、无需培养地识别败血症及其致病病原体	开发了基于超操作神经网络的轻量级一维分类器SuperRamanNet，并首次在独立外部队列中展示了接近临床级别的性能，实现了从富集血液中直接进行败血症识别和病原体分类	残留混淆主要集中在对照组与大肠杆菌之间以及某些革兰氏阴性菌类别之间，表明在血液样本收集中需要改进原始类别平衡	开发一种快速、无需培养的败血症诊断和病原体识别方法	败血症患者及健康对照者的血液样本	机器学习	败血症	表面增强拉曼光谱	深度学习	光谱数据	653份主要数据集样本（来自卡塔尔一家三级医院）和70份独立外部盲测队列样本	NA	超操作神经网络	准确率	NA
6637	2026-01-20	Feasibility of deep learning-based cancer detection in ultrasound microvascular images 2026-Apr, Ultrasonics IF:3.8Q1 DOI:10.1016/j.ultras.2025.107892 PMID:41270708	研究论文	本研究探讨了基于深度学习的癌症检测在超声微血管图像中的可行性，通过训练卷积神经网络在声学血管造影体积数据上实现肿瘤检测	首次将端到端的3D卷积神经网络应用于声学血管造影体积数据，实现高效且准确的肿瘤相关血管检测，并通过与已知恶性肿瘤标志物的相关性进行验证	研究样本量相对较小（n=195），且仅基于啮齿动物模型，尚未在人类临床数据中进行验证	开发一种基于深度学习的自动化方法，以克服声学血管造影在癌症检测中手动分割耗时和操作者间变异性的限制	啮齿动物模型中的声学血管造影体积数据，包括对照组和肿瘤组	计算机视觉	癌症	声学血管造影（超谐波对比增强超声）	CNN	3D体积图像	195个声学血管造影体积（98个对照，97个肿瘤）	PyTorch, TensorFlow	EfficientNet, ResNet, DenseNet	准确度, 灵敏度, 特异性	NA
6638	2026-01-20	Attention-fused dual-stream learning for defect classification in thick aerospace CFRPs with complex microstructures using multi-angle ultrasonic scattering signatures 2026-Apr, Ultrasonics IF:3.8Q1 DOI:10.1016/j.ultras.2025.107921 PMID:41380499	研究论文	提出一种融合注意力的双流深度学习框架，用于利用多角度超声散射特征对具有复杂微观结构的厚航空航天碳纤维增强聚合物进行缺陷分类	提出了一种高效且可解释的AttentionFusion模块，能够协同整合来自B扫描图像的空间形态信息和来自原始全矩阵捕获数据的富含物理信息的多角度散射特征，并利用YOLOv8检测器进行缺陷识别	未明确提及	解决厚碳纤维增强聚合物中关键缺陷（特别是分层）的可靠检测问题，尤其是在复杂微观结构（如纤维波纹）限制常规超声检测有效性的情况下	厚碳纤维增强聚合物中的缺陷（特别是分层）	计算机视觉	NA	超声测试，全矩阵捕获	深度学习，基于YOLOv8的检测器	B扫描图像，原始全矩阵捕获数据	2776个样本	NA	YOLOv8	mAP50	NA
6639	2026-01-20	Predicting skeletal age from HR-pQCT imaging 2026-Mar, Bone IF:3.5Q2 DOI:10.1016/j.bone.2025.117761 PMID:41391644	研究论文	本研究开发了一种深度学习模型，用于从HR-pQCT扫描中预测骨骼年龄，以提供一种可解释的、相对于实际年龄的骨骼健康量化总结	首次提出基于HR-pQCT成像的深度学习框架来预测骨骼年龄，通过显著性图揭示了不同年龄组中皮质骨和小梁骨特征对预测的贡献差异，提供了一种可解释的骨骼健康总结指标	研究仅基于成人队列，未涵盖儿童或青少年群体；模型性能在独立测试集上表现良好，但需在更广泛人群中验证	开发深度学习模型以从HR-pQCT扫描中估计骨骼年龄，提升HR-pQCT数据的可解释性和临床实用性	成人队列的HR-pQCT扫描图像（远端桡骨和胫骨）	医学影像分析	骨骼老化相关疾病	HR-pQCT成像	深度学习模型	3D医学影像	训练集1236名成人（62.1%女性），独立测试集460名成人（69.3%女性）	NA	2D模型（2DRad, 2DTib, 2DRadTib）和3D模型（3DRad, 3DTib）	平均绝对误差（MAE）, R2	NA
6640	2026-01-20	Time-resolved prediction of dental implant biomechanics through integration of finite element analysis, osseointegration dynamics, and deep learning 2026-Mar, Journal of the mechanical behavior of biomedical materials IF:3.3Q3 DOI:10.1016/j.jmbbm.2025.107316 PMID:41411948	研究论文	本研究提出了一种结合有限元分析、骨整合动力学和深度学习的混合时间分辨计算框架，用于预测钛种植体在整个愈合过程中的生物力学行为	开发了一种混合MLP-LSTM神经网络框架，整合了空间和时间特征，实现了对种植体-骨界面机械和生物演化的动态预测，计算速度比传统有限元分析快4000倍以上	依赖于简化骨几何生成的合成数据、静态加载假设以及未经验证的力学生物学参数，需要在未来进行体内验证和患者特异性数据验证	预测牙种植体在愈合过程中的生物力学行为，实现个性化、AI辅助的种植体设计和负荷管理	钛牙种植体	机器学习	NA	有限元分析，力学生物学建模	MLP, LSTM	合成数据（基于参数化3D FEA模型）	800个种植体-骨配置（模拟不同几何形状、载荷和骨质量）	NA	混合MLP-LSTM神经网络	R², 平均绝对误差	NA