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
11641	2026-01-09	Innovative approaches for coronary heart disease management: integrating biomedical sensors, deep learning, and stellate ganglion modulation 2026-Jan, Computer methods in biomechanics and biomedical engineering IF:1.7Q3 DOI:10.1080/10255842.2024.2378099 PMID:39023137	研究论文	本研究评估了结合传统中医干预、现代生物医学传感器和星状神经节调节的综合治疗方法对冠心病患者的疗效	将传统中医干预与现代生物医学传感器和星状神经节调节相结合，形成一种创新的冠心病综合治疗方法	研究样本量相对较小（117名患者），且仅针对痰浊壅盛证型的冠心病患者，需要进一步研究优化传感器技术	评估综合治疗方法对冠心病患者症状缓解、临床结局、血液流变学指标和炎症生物标志物的影响	117名痰浊壅盛证型的冠心病患者	数字病理学	心血管疾病	生物医学传感器、星状神经节调节	NA	临床数据、血液流变学指标、炎症生物标志物	117名冠心病患者	NA	NA	中医症状评分、临床效果、心绞痛表现、血液流变学指标、血清炎症生物标志物	NA
11642	2026-01-09	Confining thrombus morphospace through targeted inhibition of platelet mechanosensory signaling 2026-Jan, Journal of thrombosis and haemostasis : JTH IF:5.5Q1 DOI:10.1016/j.jtha.2025.08.013 PMID:40907704	研究论文	本研究开发了一种基于深度学习的框架，用于在体内追踪大量血小板活动，以评估靶向抑制血小板机械传感信号对血栓形态的影响	通过选择性抑制血小板机械传感信号（PI3KC2α），揭示了其在血栓持续扩张中的作用，并展示了如何在不损害止血关键区域结构完整性的情况下，优化抗血小板治疗的风险/效益比	研究主要针对高流量肠系膜静脉，可能不适用于其他血管类型或低流量环境，且未涉及长期临床效果评估	探索如何利用止血系统的结构-功能关系来改善抗血小板治疗的风险/效益比	血小板活动与血栓形态	数字病理学	心血管疾病	深度学习追踪技术	深度学习模型	视频或图像序列	NA	NA	NA	NA	NA
11643	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
11644	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
11645	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
11646	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
11647	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
11648	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
11649	2026-01-09	LCSD-Net: a light-weight cross-attention-based semantic dual transformer for domain generalization in melanoma detection 2026-Jan, Journal of medical imaging (Bellingham, Wash.) DOI:10.1117/1.JMI.13.1.014502 PMID:41503367	研究论文	本文提出了一种轻量级交叉注意力语义双变换器模型，用于提高黑色素瘤检测中的领域泛化能力	模型通过提取全局语义信息、特征归一化和语义查询来减少对疾病无关视觉伪影的依赖，并优化计算复杂度以支持实时移动应用	NA	开发一种可靠且高效的黑色素瘤检测模型，以应对临床环境中的领域泛化挑战	皮肤病变图像	计算机视觉	黑色素瘤	深度学习	Transformer	图像	三个数据集：Derm7pt-Dermoscopic、Derm7pt-Clinical和PAD-UFES-20	NA	LCSD-Net	分类准确率	NA
11650	2026-01-09	Integrated biomarker analysis and next-generation AI for precision diabetes prediction 2026-Jan, Toxicological research IF:1.6Q4 DOI:10.1007/s43188-025-00312-0 PMID:41503444	研究论文	本研究探索了将先进深度学习与关键药物生物标志物相结合，以增强糖尿病的早期预测	开发了一种多模态集成方法，利用Transformer架构捕捉异构医疗数据中的复杂依赖关系，并使用扩散模型通过生成合成样本来解决类别不平衡问题	需要多中心验证，并整合更多组学数据，以及在多样化人群中进行专门验证	提升糖尿病的早期预测精度，并推动个性化糖尿病管理	糖尿病患者，包括1型糖尿病和妊娠期糖尿病等少数群体	机器学习	糖尿病	NGS, 电子健康记录, 医学影像, 可穿戴设备时间序列数据	Transformer, Diffusion Models	图像, 文本, 时间序列数据	NA	NA	Transformer	准确率, AUC, 精确率, 召回率, F1分数	NA
11651	2026-01-08	Investigation of cervical cell image segmentation technology based on deep learning and non-coding RNAs 2026-Apr, Non-coding RNA research IF:5.9Q1 DOI:10.1016/j.ncrna.2025.09.009 PMID:41488159	综述	本文综述了基于深度学习和非编码RNA的宫颈细胞图像分割技术，探讨了其在医学诊断中的应用与挑战	结合深度学习方法（如CNN、U-Net）与非编码RNA研究，以提升宫颈细胞图像分割的精度和效率	本文为综述性文章，未涉及具体实验数据或模型验证，主要基于文献调研，缺乏原创性实证研究	探索深度学习技术在宫颈细胞图像分割中的应用，并比较不同模型（如CNN、全卷积网络、U-Net）的特点和性能	宫颈细胞图像	计算机视觉	宫颈癌	NA	CNN, 全卷积网络, U-Net	图像	NA	NA	CNN, 全卷积网络, U-Net	NA	NA
11652	2026-01-08	Reply to comment on impact of deep learning on CT-based organ-at-risk delineation for flank irradiation in paediatric renal tumours: A SIOP-RTSG radiotherapy committee 2026-Mar, Clinical and translational radiation oncology IF:2.7Q2 DOI:10.1016/j.ctro.2025.101087 PMID:41487396	回复	本文是对评论的回应，澄清了关于深度学习在儿童肾肿瘤侧腹放疗中CT自动轮廓勾画研究的方法学和临床方面	通过回应评论，强调了研究中对STAPLE共识轮廓偏见的处理，并解释了为何剂量分析和不确定性量化在当前阶段非必需	研究在受控的研讨会环境中进行，未能完全反映真实世界的临床工作流程	评估深度学习在儿童肾肿瘤侧腹放疗中器官风险自动轮廓勾画的影响	儿童肾肿瘤患者	数字病理学	肾肿瘤	CT成像	深度学习	CT图像	NA	NA	NA	几何评估	NA
11653	2026-01-08	Toward accurate breast cancer classification: A review of multi-modal machine learning approaches 2026-Feb, Methods (San Diego, Calif.) DOI:10.1016/j.ymeth.2025.10.011 PMID:41265505	综述	本文综述了多模态机器学习方法在乳腺癌分类中的应用，包括恶性与良性分类及分子亚型分类	探讨了多模态数据融合技术、注意力机制Transformer架构在WSI标注中的应用，以及模型可解释性工具	NA	提高乳腺癌分类准确性，推动精准肿瘤学发展	乳腺癌分类及分子亚型识别	机器学习	乳腺癌	转录组学、影像学、基因组学	深度学习算法、传统模型、机器学习模型	图像、转录组数据、基因组数据	NA	NA	注意力机制Transformer、多实例学习架构	NA	NA
11654	2026-01-08	Battery SOH estimation based on thermodynamic parameters from an electrochemical fractional-order model and LSTM 2026-Jan-16, iScience IF:4.6Q1 DOI:10.1016/j.isci.2025.114234 PMID:41488788	研究论文	本文提出了一种基于电化学分数阶模型热力学参数和LSTM的锂离子电池健康状态估计方法	结合电池机理模型与深度学习，利用热力学参数替代传统外部特征，提高了估计精度和可解释性	未明确说明模型在极端工况或不同电池类型上的泛化能力	提高锂离子电池健康状态估计的准确性和可解释性	锂离子电池	机器学习	NA	电化学分数阶模型	LSTM	热力学参数	8个验证电池	NA	LSTM	均方根误差	NA
11655	2026-01-08	Robust CNN multi-nested-LSTM framework with compound loss for patch-based multi-push ultrasound shear wave imaging and segmentation 2026-Jan-07, Physics in medicine and biology IF:3.3Q1 DOI:10.1088/1361-6560/ae2db8 PMID:41401501	研究论文	提出了一种新颖的两阶段深度学习框架，用于解决超声剪切波成像中的噪声敏感性、多推策略效率低和标注数据有限等问题，实现稳健的弹性重建和病灶分割	提出了一种结合CNN和多嵌套LSTM的两阶段深度学习框架，采用基于块的训练策略和复合损失函数，有效解决了数据稀缺和噪声敏感性问题	方法在模拟和体模数据上验证，虽在猪肝数据上测试，但临床人体数据验证仍需进一步研究	开发一种稳健的深度学习框架，用于超声剪切波弹性成像的重建和病灶分割	超声剪切波弹性成像数据	医学影像分析	组织病理学评估	超声剪切波弹性成像	CNN, LSTM	超声运动数据	模拟数据、CIRS体模数据和猪肝实验数据	NA	ResNet3D, Nested CNN-LSTM	峰值信噪比, 对比度噪声比, 交并比	NA
11656	2026-01-08	Deep Learning-Based Detection of Root Numbers in Maxillary Premolars 2026-Jan-06, International endodontic journal IF:5.4Q1 DOI:10.1111/iej.70091 PMID:41493350	研究论文	本研究利用深度学习模型在曲面断层片上检测上颌前磨牙的牙根数量	首次将深度学习模型应用于曲面断层片自动检测上颌前磨牙牙根数量，并采用集成模型提升性能	研究为回顾性设计，样本量有限，且仅针对上颌前磨牙，外部验证集规模较小	开发一种基于深度学习的自动化工具，辅助临床医生从曲面断层片中准确识别上颌前磨牙的牙根数量	上颌前磨牙	数字病理学	NA	曲面断层摄影，锥形束CT	CNN	图像	925颗上颌前磨牙（来自350名患者），包含内部数据集和外部验证集	NA	AlexNet, DenseNet-121, EfficientNet-B0	准确率, 灵敏度, 特异性, F1分数, AUC	NA
11657	2026-01-08	Dual vision transformer with bio-inspired optimization for explainable keratoconus classification 2026-Jan-06, International ophthalmology IF:1.4Q3 DOI:10.1007/s10792-025-03929-0 PMID:41493655	研究论文	本研究提出了一种基于角膜地形图图像的增强深度学习框架，用于圆锥角膜（KCN）分期分类，采用双视觉变换器（DViT）捕获局部和全局空间特征，并利用电鳗觅食优化器（EEFO）优化模型性能，同时通过LIME和SHAP增强模型可解释性	结合双视觉变换器（DViT）与生物启发优化器（EEFO）进行注意力权重和超参数调优，并集成LIME和SHAP实现模型决策的可视化解释	未提及研究的具体局限性，如数据集规模、泛化能力或临床验证的不足	开发一种高精度且可解释的圆锥角膜（KCN）分期分类方法，以支持早期诊断和治疗规划	圆锥角膜（KCN）患者的角膜地形图图像	计算机视觉	圆锥角膜	角膜地形图成像	Transformer	图像	未在摘要中明确提及具体样本数量	未在摘要中指定具体框架（如PyTorch或TensorFlow）	Dual Vision Transformer (DViT)	准确率, 召回率, 精确率	未在摘要中提及具体计算资源（如GPU类型或云平台）
11658	2026-01-08	A multimodal vision-language model for generalizable annotation-free pathology localization 2026-Jan-06, Nature biomedical engineering IF:26.8Q1 DOI:10.1038/s41551-025-01574-7 PMID:41495192	研究论文	本文提出了一种无需标注的通用病理定位视觉语言模型AFLoc，通过多级语义结构对比学习实现病理定位与分类	采用基于多级语义结构的对比学习，全面对齐多粒度医学概念与丰富图像特征，无需专家图像标注即可适应病理的多样化表达	NA	开发一种无需标注的通用病理定位模型，以降低标注需求并适应复杂临床环境	胸部X光图像、组织病理学图像和视网膜眼底图像中的病理区域	计算机视觉	胸部疾病	NA	视觉语言模型	图像-报告对	220,000对胸部X光图像-报告，并在8个外部数据集上验证，涵盖34种胸部病理类型	NA	AFLoc	定位精度、分类准确率	NA
11659	2026-01-08	Deep Learning-Based Acceleration in MRI: Current Landscape and Clinical Applications in Neuroradiology 2026-Jan-05, AJNR. American journal of neuroradiology DOI:10.3174/ajnr.A8943 PMID:40721279	综述	本文综述了深度学习在加速磁共振成像（MRI）中的当前应用，特别是在神经放射学领域的临床实践	探讨了深度学习图像重建（DLBIR）技术如何从2D到3D采集的演进，结合自监督学习的进展，以在减少扫描时间的同时保持或提升图像质量	存在跨扫描器和成像条件的泛化性挑战、对伪影的敏感性、病理表征可能被改变，以及供应商特定闭源算法的训练数据、底层算法和临床验证信息有限	回顾深度学习加速MRI的技术现状、临床应用及未来趋势	神经放射学中的MRI图像	医学影像	NA	深度学习图像重建（DLBIR）	深度学习模型	图像	NA	NA	NA	图像质量、病变显著性、噪声抑制、诊断准确性	NA
11660	2026-01-08	Enhanced Neurovascular Imaging Using Ultra-High-Resolution CT and Deep Learning-Based Image Reconstruction 2026-Jan-05, AJNR. American journal of neuroradiology DOI:10.3174/ajnr.A8964 PMID:41436283	研究论文	本研究评估了基于深度学习的图像重建在超高清CT神经血管成像中的诊断优势	首次将深度学习重建算法应用于超高清CT神经血管成像，并与标准混合迭代重建进行对比	单中心回顾性研究，样本量有限，仅使用特定供应商的深度学习算法	评估深度学习重建在神经血管成像中的诊断效益	100名因急性神经症状接受颅脑CT和CTA检查的患者	医学影像分析	脑血管疾病	CTA, 超高清CT, 深度学习图像重建	深度学习算法	CT图像	100名患者	Matlab	供应商特定的深度学习算法	SNR, CNR, 斜率评估, 图像质量评分	NA