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
81	2026-01-09	Fractal-driven self-supervised learning enhances early-stage lung cancer GTV segmentation: a novel transfer learning framework 2026-Jan, Japanese journal of radiology IF:2.9Q2 DOI:10.1007/s11604-025-01865-8 PMID:40952548	研究论文	本文开发并评估了一种利用数学生成的非自然分形图像进行预训练的新型深度学习策略，用于自动分割早期肺癌大体肿瘤体积	提出了一种新颖的迁移学习框架，使用数学生成的分形图像（FractalDB）进行自监督预训练，以增强早期肺癌GTV分割，这在医学图像分割领域是一种创新的预训练数据来源	研究为回顾性研究，样本量相对较小（104名患者），且仅针对外周早期非小细胞肺癌，结果可能无法推广到其他类型或阶段的肺癌	开发并评估用于自动分割早期肺癌大体肿瘤体积（GTV）的深度学习策略	早期非小细胞肺癌患者的大体肿瘤体积（GTV）	数字病理	肺癌	CT成像	CNN, Vision Transformer (ViT)	图像	104名患者（36-91岁；81名男性；23名女性）的CT图像和医生勾画的轮廓数据	NA	NA	体积Dice相似系数（vDSC）, 表面Dice相似系数（sDSC）, 95百分位Hausdorff距离（HD95）	NA
82	2026-01-09	Ultra-fast whole-brain T2-weighted imaging in 7 seconds using dual-type deep learning reconstruction with single-shot acquisition: clinical feasibility and comparison with conventional methods 2026-Jan, Japanese journal of radiology IF:2.9Q2 DOI:10.1007/s11604-025-01875-6 PMID:41003971	研究论文	本文评估了结合单次激发涡轮自旋回波技术和双类型深度学习重建的超快速T2加权成像的图像质量与临床效用	提出了一种超快速T2加权成像方法，仅需7秒即可完成全脑扫描，并采用结合去噪和超分辨率的双类型深度学习重建技术	研究样本量较小（38例患者），且仅由两名放射科医生进行定性评估，可能存在主观偏差	评估超快速T2加权成像在临床中的可行性和图像质量，并与传统方法进行比较	38例接受传统T2加权成像和超快速T2加权成像的患者	医学影像	中枢神经系统疾病	单次激发涡轮自旋回波技术，深度学习图像重建	深度学习	磁共振图像	38例患者	NA	NA	信噪比，对比噪声比，图像质量评分，噪声和伪影水平，解剖结构可见性，病变描绘	NA
83	2026-01-09	Low-Count PET Image Reconstruction With Generalized Sparsity Priors via Unrolled Deep Networks 2026-Jan, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2025.3615075 PMID:41021951	研究论文	本文提出了一种基于展开深度网络的低计数PET图像重建方法，通过广义稀疏先验提升模型性能	结合最大似然估计和广义域变换的稀疏学习，采用ADMM框架和自适应超参数调整，无需手动调参	未明确说明计算复杂度或模型在极端低计数条件下的泛化能力	提高低计数PET图像重建的质量和效率	模拟患者脑部数据集和真实患者全身临床数据集	医学影像	NA	PET成像	深度网络	图像	模拟和真实患者数据集，多计数水平	NA	GS-Net	定性和定量评估	NA
84	2026-01-09	Bonferroni Mean Pre-aggregation Operator Assisted Dynamic Fuzzy Histogram Equalization for Retinal Vascular Segmentation 2026-Jan, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2025.3615462 PMID:41021955	研究论文	本文提出了一种基于Bonferroni均值预聚合算子和动态模糊直方图均衡化的无监督视网膜血管分割方法	结合了处理相互关系的Bonferroni均值预聚合算子和动态模糊直方图均衡化，以无监督方式增强血管几何特征，提高分割准确性	未明确说明方法在复杂病理条件下的泛化能力，且依赖于眼科专家验证，可能存在主观偏差	开发一种无监督的视网膜血管分割方法，以辅助视网膜疾病的诊断	视网膜血管	计算机视觉	视网膜疾病	动态模糊直方图均衡化	无监督分割方法	图像	使用了DRIVE、STARE和HRF数据集，具体样本数量未明确说明	NA	BMPDFHESeg	定性评估、定量评估、计算速度	NA
85	2026-01-09	Artificial Intelligence Model for Imaging-Based Extranodal Extension Detection and Outcome Prediction in Human Papillomavirus-Positive Oropharyngeal Cancer 2026-Jan-01, JAMA otolaryngology-- head & neck surgery DOI:10.1001/jamaoto.2025.3225 PMID:41026592	研究论文	本研究开发了一个基于人工智能的流程，用于从HPV阳性口咽癌患者的治疗前CT扫描中自动分割淋巴结并进行影像学淋巴结外侵犯分类，并评估其与肿瘤学预后的关联	开发了一个结合nnU-Net进行淋巴结分割和放射组学/深度学习特征提取进行iENE分类的AI驱动流程，首次在HPV阳性口咽癌中系统评估了AI预测的iENE与多种肿瘤学预后的独立关联	这是一项单中心队列研究，需要外部验证以评估其普适性，并且AI模型在缺乏专业影像学知识的机构中的实施潜力尚待评估	开发用于HPV阳性口咽癌影像学淋巴结外侵犯检测和预后预测的人工智能模型	HPV阳性且临床淋巴结阳性的口咽癌成年患者	数字病理学	口咽癌	治疗前计算机断层扫描	深度学习, 机器学习	CT图像	397名患者	nnU-Net	nnU-Net	AUC, 一致性指数, 调整后风险比	NA
86	2026-01-09	A Deep Learning Model to Identify Mitral Valve Prolapse From the Echocardiogram 2026-Jan, JACC. Cardiovascular imaging DOI:10.1016/j.jcmg.2025.08.011 PMID:41031982	研究论文	本研究开发了一个名为DROID-MVP的深度学习模型，用于从超声心动图视频中自动识别二尖瓣脱垂	首次开发了能够从超声心动图视频中自动分类二尖瓣脱垂的深度学习模型，并验证了其预测与临床终点（如二尖瓣反流严重程度和未来二尖瓣修复/置换术）的关联	模型主要在单一医疗中心（MGH）的数据上训练和验证，尽管进行了外部验证（BWH），但样本来源可能有限，且未提及模型在不同人群或设备间的泛化能力	开发一个深度学习模型来自动化二尖瓣脱垂的诊断，并探索其预测与临床结局的关联	心脏病患者和初级保健患者的超声心动图视频	计算机视觉	心血管疾病	超声心动图	深度学习模型	视频	总计1,043,893个超声心动图视频（来自48,829项研究），涉及16,902名MGH心脏病患者、8,888名MGH初级保健患者和257名BWH初级保健患者	NA	DROID-MVP	AUROC, 平均精度	NA
87	2026-01-09	Multicenter deep learning-based automatic delineation of CTV and PTV in uterine malignancy CT imaging 2026-Jan, Radiotherapy and oncology : journal of the European Society for Therapeutic Radiology and Oncology IF:4.9Q1 DOI:10.1016/j.radonc.2025.111212 PMID:41120056	研究论文	本文提出了一种基于深度学习的多中心自动分割模型，用于在CT影像中准确勾画子宫恶性肿瘤的临床靶区和计划靶区	开发了一个能够跨多种子宫恶性肿瘤类型（宫颈癌和子宫内膜癌）和多中心数据准确分割CTV和PTV的深度学习模型，并进行了广泛的外部验证	研究为回顾性设计，且主要基于对比增强CT影像，未来需要前瞻性研究和更多样化的影像数据验证	开发一个自动化、可扩展的深度学习框架，以改进子宫恶性肿瘤放疗中靶区勾画的准确性和效率	子宫恶性肿瘤患者，包括宫颈癌和子宫内膜癌	数字病理	子宫恶性肿瘤	CT成像	深度学习分割模型	CT图像	602例对比增强CT扫描（302例来自内部机构，300例来自外部中心）	NA	2D分割网络, 全分辨率3D网络, 级联3D网络	Dice相似系数, 95%豪斯多夫距离, 平均表面距离	NA
88	2026-01-09	Deep Learning in Otolaryngology: A Narrative Review 2026-Jan-01, JAMA otolaryngology-- head & neck surgery DOI:10.1001/jamaoto.2025.3911 PMID:41231484	综述	本文是一篇关于深度学习在耳鼻喉科领域应用的叙述性综述，旨在综合近期研究成果并提出临床整合框架	首次系统性地将耳鼻喉科深度学习应用归纳为四大领域（检测与诊断、预测与预后、图像分割、新兴应用），并提出了促进临床采纳的整合框架，强调了联邦学习和模型可解释性等新兴方向	作为叙述性综述，其结论基于对现有文献的分析，未进行新的实验验证；纳入研究的时间范围有限（2020-2025年），且可能存在发表偏倚	综述深度学习在耳鼻喉科的应用现状，评估其临床潜力，并提出促进技术整合与临床采纳的框架	耳鼻喉科相关的医学图像（如频闪喉镜）和生理信号（如人工耳蜗优化数据）	数字病理学	耳鼻喉科疾病	深度学习	NA	图像, 生理信号	基于327项原始研究（共筛选1422篇文章）	NA	NA	诊断准确率（如鼻咽癌92%、喉恶性肿瘤86%、耳科病理>95%）	NA
89	2026-01-09	Ultra-low dose CT for suspected physical abuse 2026-Jan, Journal of medical imaging and radiation sciences IF:1.3Q3 DOI:10.1016/j.jmir.2025.102148 PMID:41274092	研究论文	本研究比较了超低剂量CT与标准剂量CT在疑似虐待儿童诊断中的图像质量和辐射剂量	首次在新生儿全身模型中评估超低剂量CT用于疑似虐待儿童诊断的可行性，并展示了93.5%的辐射剂量降低	研究基于体模而非真实患者，未直接与X射线骨骼检查比较，需要进一步协议优化和临床验证	比较超低剂量CT与标准剂量CT在疑似虐待儿童诊断中的图像质量和辐射剂量	新生儿全身人体模型	医学影像学	儿童虐待	CT扫描，深度学习迭代重建，蒙特卡洛模拟	NA	CT图像	46名观察者（38名放射技师和8名放射科医生）	NA	NA	图像质量评分，有效剂量，AUC	GE Revolution Apex扫描仪
90	2026-01-09	A systematic review about the evolving role of artificial intelligence in various fields of forensic medicine 2026-Jan, Journal of forensic and legal medicine IF:1.2Q3 DOI:10.1016/j.jflm.2025.103043 PMID:41314025	综述	本文系统回顾了人工智能在法医学多个领域中的应用及其影响	系统性地将AI在法医学中的应用归纳为关键领域，并总结了其在准确性、可重复性和效率方面相较于传统方法的改进	面临数据集小、非代表性、外部验证有限以及伦理问题等挑战	回顾人工智能在法医学中的应用和影响	法医学领域，包括个人识别、法医病理学、放射学与成像、数字取证、毒理学和法医人类学	法医学	NA	机器学习、深度学习、神经网络	NA	多模态数据	约1000篇文章初步识别，其中100篇符合纳入标准	NA	NA	准确性、可重复性、效率、平均误差减少	NA
91	2026-01-09	A deep learning radiomics model for predicting non-sentinel lymph node metastases in early-stage breast cancer patients 2026-Jan, Future oncology (London, England) DOI:10.1080/14796694.2025.2595688 PMID:41319290	研究论文	开发并验证一个深度学习放射组学模型，用于预测早期乳腺癌患者中非前哨淋巴结转移	结合临床因素、腋窝超声发现和放射组学特征，构建了一个综合预测模型，显著提升了非前哨淋巴结转移的预测性能	研究为回顾性和前瞻性结合，可能存在选择偏倚；模型在外部验证中的泛化能力未明确评估	预测早期乳腺癌患者的非前哨淋巴结转移	早期乳腺癌患者（具有1-2个阳性前哨淋巴结转移）	数字病理学	乳腺癌	超声成像	深度学习模型	图像	1,647名患者	NA	NA	AUC, 决策曲线分析, 校准曲线分析	NA
92	2026-01-09	Conductive Composite Hydrogel with Unsymmetrical Structure as Multimodal Triboelectric Nanogenerators for Machine Learning-Assisted Motion 2026-Jan, Small (Weinheim an der Bergstrasse, Germany) DOI:10.1002/smll.202512928 PMID:41340381	研究论文	本文介绍了一种具有非对称结构的导电复合水凝胶，作为多模态摩擦纳米发电机，结合机器学习用于全身运动识别和康复评估	利用非对称ZnSnO量子点增强水凝胶的压电效应，提高摩擦纳米发电机的输出性能和耐用性，并结合深度学习实现从简单运动感知到精确运动模式识别的突破	NA	开发高灵敏度、耐用且稳定的可定制传感器，用于监测身体状态、康复和损伤预防	肌肉收缩和松弛信号，全身运动识别与康复评估	机器学习	NA	摩擦纳米发电机技术	深度学习	生物电信号	NA	NA	NA	灵敏度（应变因子=7.38）	NA
93	2026-01-09	The role of AI in optimizing CMR image quality: A scoping review 2026-Jan, Journal of medical imaging and radiation sciences IF:1.3Q3 DOI:10.1016/j.jmir.2025.102135 PMID:41365091	综述	本文通过范围综述总结了人工智能在优化心血管磁共振图像质量方面的应用方法	系统性地将AI在CMR图像质量优化中的应用分为扫描加速、伪影检测、伪影减少和图像重建四个子主题，并量化了AI在各方面的性能提升	研究为范围综述，未进行定量荟萃分析，且纳入研究数量有限（31篇），可能存在发表偏倚	总结AI在改善心血管磁共振图像质量（包括缩短扫描时间）方面的不同方法	心血管磁共振图像	医学影像分析	心血管疾病	心血管磁共振成像	CNN, GAN	图像	NA	NA	卷积神经网络, 生成对抗网络	准确率, 结构相似性指数	NA
94	2026-01-09	SenSeqNet: A Deep Learning Framework for Cellular Senescence Detection From Protein Sequences 2026-Jan, Aging cell IF:8.0Q1 DOI:10.1111/acel.70344 PMID:41432347	研究论文	本文提出了一种名为SenSeqNet的深度学习框架，用于直接从蛋白质序列预测细胞衰老状态	首次将进化尺度建模（ESM-2）嵌入与混合LSTM-CNN架构结合，直接从蛋白质序列预测细胞衰老，超越了传统机器学习与深度学习方法	未明确提及模型在更大规模或更复杂蛋白质数据集上的泛化能力，以及计算资源的具体需求	开发一种准确、可扩展的工具，用于从蛋白质序列中检测细胞衰老，以促进衰老机制研究和治疗靶点识别	蛋白质序列	自然语言处理	老年疾病	蛋白质序列分析	LSTM, CNN	序列数据	NA	NA	LSTM-CNN混合架构	准确率	NA
95	2026-01-09	[Artificial intelligence for the management and monitoring of cardiovascular disease] 2026-Jan, Giornale italiano di cardiologia (2006) DOI:10.1714/4618.46266 PMID:41441829	综述	本文综述了人工智能在心血管疾病管理与监测中的应用、潜力及挑战	整合了机器学习、深度学习与自然语言处理技术，结合多模态数据，为心血管疾病提供早期诊断、动态风险分层和个性化治疗的新途径，并探讨了AI与远程医疗、数字疗法结合带来的远程监测和临床决策支持机会	存在算法偏见、可解释性不足、伦理法律问题以及医疗专业人员培训需求等挑战，且欧洲AI法案的严格监管标准可能减缓大规模实施	探讨人工智能在心血管疾病管理与监测中的变革性作用及其临床应用潜力	心血管疾病的管理与监测过程	自然语言处理, 机器学习	心血管疾病	机器学习, 深度学习, 自然语言处理	NA	电子健康记录, 影像数据, 可穿戴设备数据, 传感器数据	NA	NA	NA	NA	NA
96	2026-01-09	Assessing an Automated Noncontrast CT-based Pipeline for Sacral Tumor Classification Using a Hip Bone Reference Frame 2026-Jan, Radiology. Imaging cancer DOI:10.1148/rycan.250098 PMID:41481488	研究论文	本研究开发了一种基于术前非增强CT的自动化混合模型，用于骶骨肿瘤的分类	首次将髋骨作为参考坐标系用于肿瘤定位，并开发了一个创新的六分类模型，可同时输入肿瘤图像、临床数据和位置信息	该研究为回顾性、多中心研究，可能存在选择偏倚	开发一种全自动混合方法，从术前非增强CT图像预测骶骨肿瘤类型	690名经组织病理学确诊的骶骨肿瘤患者	数字病理学	骶骨肿瘤	非增强CT	CNN	图像	690名患者	NA	CL-MedImageNet	AUC, F1分数, 混淆矩阵, Dice系数, 精确度, 灵敏度	NA
97	2026-01-09	MedNeXt for accurate medical image classification and segmentation: A lightweight transformer-style convolutional neural network 2026, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0340108 PMID:41490062	研究论文	本文提出了一种名为MedNeXt的轻量级Transformer风格卷积神经网络，用于医学图像的分类和分割任务	重新思考大核CNN和MLP在医学图像分析中的作用，用它们替代计算量大的自注意力操作，并设计了三个轻量级模块（线性注意力前馈网络、空间编码模块和平滑深度可分离卷积前馈网络），在性能和效率之间取得了更好的平衡	NA	开发一种在性能和计算效率之间取得更好平衡的医学图像分析模型	医学图像（CT扫描、皮肤病变图像等）	计算机视觉	多种疾病（COVID-19、猴痘、心脏疾病等）	NA	CNN, MLP	图像	五个不同规模和疾病的数据集	NA	MedNeXt（基于大核CNN和MLP的架构）	准确率（SARS-COV2-CT-Scan: 98.39%, Monkeypox Skin Lesion Dataset: 98.12%, Large COVID-19-CT scan slice: 98.58%）, Dice系数（Synapse: 79.45%, ACDC: 91.28%）	NA
98	2026-01-09	MMSpa is a deep learning-based tool that enhances the identification of spatial domains in spatial transcriptomics studies 2026-Jan, PLoS biology IF:7.8Q1 DOI:10.1371/journal.pbio.3003580 PMID:41490241	研究论文	本文提出了一种名为MMSpa的深度学习工具，用于增强空间转录组学研究中空间域的识别	MMSpa采用掩码图注意力自编码器框架，结合边移除策略构建增强空间图，以解决跨域干扰并刻画更清晰的域边界	NA	提高空间转录组学中空间域识别的准确性	空间转录组学数据	机器学习	NA	空间转录组学技术	自编码器	空间转录组数据	NA	NA	掩码图注意力自编码器	多种准确性评估	NA
99	2026-01-09	Similarity-aware VAE with wavelet-convolutional 1D-CNN for rolling bearing fault diagnosis 2026, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0338388 PMID:41490447	研究论文	提出一种结合改进变分自编码器与Wavelet-Convolutional 1D-CNN的滚动轴承故障诊断框架	提出相似性感知VAE，采用新型相似性损失函数进行数据增强，并通过增强注意力机制自动调整训练参数；用基于连续小波变换的小波卷积层替换CNN首层实现多尺度特征提取	NA	解决深度学习故障诊断中故障类别分布不均的问题	滚动轴承故障数据	机器学习	NA	连续小波变换	VAE, CNN	一维时序数据	NA	NA	Wavelet-Convolutional 1D-CNN	NA	NA
100	2026-01-09	LncTracker: A Unified Multi-Channel Framework for Multi-Label lncRNA Localization 2026-Jan, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2025.3597589 PMID:40788811	研究论文	本文提出了一种名为LncTracker的高效深度学习框架，用于长非编码RNA（lncRNA）在七个不同亚细胞区室的多标签亚细胞定位预测	LncTracker采用多通道架构，整合了序列和二级结构信息，并将二级结构转化为属性图以捕获核苷酸间的空间关系，从而学习序列与结构的联合表示，提高了预测性能和鲁棒性，特别是在处理不平衡定位场景方面优于现有方法	NA	开发一个深度学习框架，用于准确预测lncRNA的亚细胞定位，以理解其在细胞调控和疾病机制中的生物学功能	长非编码RNA（lncRNAs）	自然语言处理	NA	深度学习	深度学习框架	序列数据（RNA序列）、结构数据（二级结构）	NA	NA	多通道架构	NA	NA