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
761	2026-02-03	Kruskal Szekeres generative adversarial network augmented deep autoencoder for colorectal cancer detection 2026-Feb, Network (Bristol, England) DOI:10.1080/0954898X.2024.2426580 PMID:39550608	研究论文	提出一种结合Kruskal-Szekeres生成对抗网络与深度自编码器的方法，用于结直肠癌的早期检测	提出KSGANA-DA模型，首次将Kruskal-Szekeres坐标变换应用于数据增强，并结合基于解剖标志的深度自编码器进行图像分割	未明确说明数据集的具体来源、样本数量及临床验证范围	提高结直肠癌早期检测的准确率和效率	结直肠癌医学图像	数字病理学	结直肠癌	医学图像处理	GAN, Autoencoder	图像	NA	Python	Kruskal-Szekeres GAN Augmented Deep Autoencoder	精确率, 召回率, 训练时间	NA
762	2026-02-03	ViTBayesianNet: An adaptive deep bayesian network-aided alzheimer disease detection framework with vision transformer-based residual densenet for feature extraction using MRI images 2026-Feb, Network (Bristol, England) DOI:10.1080/0954898X.2024.2435491 PMID:39663578	研究论文	提出了一种结合Vision Transformer残差密集网络和自适应深度贝叶斯网络的阿尔茨海默病检测框架，利用MRI图像进行特征提取和疾病识别	首次将Vision Transformer与残差密集网络结合用于医学图像特征提取，并采用自适应深度贝叶斯网络进行疾病检测，通过增强高尔夫优化算法优化网络参数	未提及模型在不同数据集上的泛化能力测试，也未说明计算复杂度或实时性分析	开发基于深度学习的阿尔茨海默病早期检测方法	阿尔茨海默病患者的MRI图像	计算机视觉	阿尔茨海默病	MRI成像	Vision Transformer, 残差网络, 密集网络, 贝叶斯网络	图像	NA	NA	ViT-ResDenseNet, Ada-DBN	准确率	NA
763	2026-02-03	Ordinal Sleep Depth: A Data-Driven Continuous Measurement of Sleep Depth 2026-Feb, Journal of sleep research IF:3.4Q2 DOI:10.1111/jsr.70074 PMID:40276961	研究论文	本研究开发了一种基于深度学习的连续睡眠深度测量方法——序数睡眠深度（OSD），并评估了其与觉醒概率及临床变量的相关性	提出了一种数据驱动的连续睡眠深度测量方法，通过卷积神经网络结合序数回归，超越了传统离散睡眠分期的限制	研究基于特定人群的PSG数据，可能无法完全推广到所有人群或睡眠条件	开发并验证一种连续测量睡眠深度的方法，以更精确地评估睡眠质量及其与临床因素的关系	18,116名独特患者的21,787份多导睡眠图记录	机器学习	睡眠障碍	多导睡眠图	CNN	EEG信号	21,787份PSG记录来自18,116名患者	未明确指定，推测为PyTorch或TensorFlow	卷积神经网络	Pearson相关系数	NA
764	2026-02-03	MRI-based detection of multiple sclerosis using an optimized attention-based deep learning framework 2026-Feb, Neurological research IF:1.7Q4 DOI:10.1080/01616412.2025.2527899 PMID:40616778	研究论文	本文提出了一种名为2DRK-MSCAN的深度学习框架，用于基于MRI数据早期准确检测多发性硬化病灶	开发了结合深度扩散残差核和多尺度蛇形卷积注意力机制的2DRK-MSCAN模型，以提高检测准确性和鲁棒性	临床验证仍在进行中，需要进一步的实际应用测试	开发并评估一种新型深度学习框架，用于早期和准确检测多发性硬化病灶	多发性硬化病灶	计算机视觉	多发性硬化	MRI	CNN	图像	三个公开可用的基于MRI的脑肿瘤数据集	NA	EfficientNetV2L, U-Net	准确率	NA
765	2026-02-03	Predicting Pharmacological Treatment Response in Migraine Using AI/ML: A Scoping Review of the Evidence and Future Directions 2026-Feb, Pharmacotherapy IF:2.9Q2 DOI:10.1002/phar.70085 PMID:41276479	综述	本文是一篇范围综述，系统评估了人工智能和机器学习模型在预测偏头痛药物治疗反应方面的证据，并指出了当前方法的局限性和未来发展方向	首次系统性地对AI/ML在预测偏头痛药物治疗反应中的应用进行了范围综述，并识别了普遍存在的验证不足和数据瓶颈等关键方法学弱点	现有研究大多仅依赖内部验证，存在高过拟合风险，外部验证极其罕见，且数据集中存在患者队列重叠，完全缺乏生物标志物或遗传数据	评估AI和ML模型在预测偏头痛患者对急性或预防性药物治疗反应方面的证据，并推动精准医疗在偏头痛治疗中的应用	偏头痛患者	机器学习	偏头痛	临床表型分析、神经影像数据	支持向量机、深度学习、概率模型	临床数据、神经影像数据	基于12项符合条件的研究，具体样本量未在摘要中明确说明	NA	NA	预测准确性	NA
766	2026-02-03	Highly Accelerated T1ρ Imaging in 3 min: Comparison Between Compressed Sensing and Deep Learning Reconstruction 2026-Feb, NMR in biomedicine IF:2.7Q1 DOI:10.1002/nbm.70226 PMID:41493163	研究论文	本研究比较了压缩感知和深度学习在膝关节软骨T1ρ成像加速重建中的性能	首次在膝关节软骨T1ρ映射中系统比较压缩感知与深度学习加速重建技术，并评估了前瞻性欠采样数据的重建效果	样本量较小（9名志愿者），且仅针对膝关节软骨进行评估，未涉及其他组织或疾病	比较压缩感知与深度学习在加速磁共振T1ρ成像重建中的性能，以缩短扫描时间	人类膝关节软骨（包括健康志愿者和三名确诊病理患者）	医学影像分析	骨关节疾病	3T MRI扫描，T1ρ映射，DESS成像，3D MAPSS序列，GRAPPA加速采集	深度学习模型（具体架构未明确说明）	磁共振图像	9名志愿者（包括3名确诊病理患者）	NA	NA	中位数归一化绝对差异，一致性相关系数，变异系数	NA
767	2026-02-03	Deep learning-based lung volume estimation with dynamic chest radiography 2026-Feb, Journal of applied clinical medical physics IF:2.0Q3 DOI:10.1002/acm2.70487 PMID:41611260	研究论文	本研究利用深度学习从动态胸部X光摄影图像中估计肺容积，并与传统线性回归方法进行比较	首次将深度学习模型（VGG19和DenseNet121）应用于动态胸部X光摄影图像进行肺容积估计，相比传统线性回归方法表现出更优性能	深度学习模型估计的用力肺活量误差相对较高，模型架构和呼吸操作指导方面仍有改进空间	研究基于动态胸部X光摄影图像的肺容积估计方法，评估其准确性	257名患者的动态胸部X光摄影图像和对应CT图像	计算机视觉	肺部疾病	动态胸部X光摄影，CT成像	CNN	图像	257名患者	未明确指定	VGG19, DenseNet121	平均绝对误差, 平均绝对百分比误差, 皮尔逊相关系数, 自由度调整决定系数	NA
768	2026-02-03	Functional and Clinical: An Explainable Deep Learning Model for Multimodal Alzheimer's Disease Classification 2026-Feb, Brain and behavior IF:2.6Q3 DOI:10.1002/brb3.71240 PMID:41612899	研究论文	本研究开发了一种结合功能磁共振成像和临床测试的多模态可解释深度学习模型，用于阿尔茨海默病的分类	采用多模态和可解释人工智能方法，通过补充临床数据克服小数据集限制，应用扰动排名解释特征重要性，并采用严格的留一交叉验证防止数据泄露	样本量较小且需要外部验证	提高阿尔茨海默病分类的准确性、可解释性和临床适用性	来自ADNI的52名参与者，包括阿尔茨海默病患者和对照组	数字病理学	阿尔茨海默病	功能磁共振成像	CNN	图像, 临床数据	52名参与者	NA	3D卷积神经网络	准确率	NA
769	2026-02-03	Assessing the effect of bovine MSTN variants on pre-mRNA splicing 2026-Feb, Animal genetics IF:1.8Q3 DOI:10.1002/age.70073 PMID:41614706	研究论文	本文通过建立全长基因检测系统评估牛MSTN基因变异对前体mRNA剪接的影响，并验证了两种深度学习剪接预测工具的性能	首次建立针对牛MSTN基因的全长基因检测系统，并系统评估了五种错义变异对剪接的影响，同时验证了SpliceAI和Pangolin预测工具在农业遗传学中的应用效果	研究仅针对六种特定MSTN变异进行评估，未涵盖所有已知或潜在变异，且实验验证范围有限	评估牛MSTN基因变异对RNA剪接的功能影响，并验证深度学习剪接预测工具的准确性	牛MSTN基因的剪接变异，包括五种错义变异和一种已知的深度内含子剪接变异	生物信息学	肌肉生长异常	全长基因检测系统，RNA剪接分析	深度学习模型	基因序列数据	六种MSTN基因变异	NA	SpliceAI, Pangolin	预测与实验验证的一致性	NA
770	2026-02-03	Identifying a conserved transcriptional signature of drought and salt stress in Arabidopsis thaliana through meta-analysis, consensus network analysis, and deep learning 2026-Feb-01, Genetica IF:1.3Q4 DOI:10.1007/s10709-026-00261-y PMID:41620995	研究论文	本研究通过整合元分析、共识网络分析和深度学习，系统识别了拟南芥在干旱和盐胁迫下的保守转录特征和关键调控基因	首次将元分析、共识网络分析和深度学习三种方法协同整合，构建了一个新颖的分析框架，用于稳健识别植物非生物胁迫响应的核心基因和调控网络	研究仅基于拟南芥的转录组数据，未在其他植物物种中进行验证；样本量相对有限（64个样本），且依赖于公共数据集	识别拟南芥在干旱和盐胁迫下的保守转录特征和关键调控基因，为培育气候适应性作物提供遗传靶点	拟南芥（Arabidopsis thaliana）	生物信息学	NA	转录组测序（RNA-seq）	自编码器（Autoencoder）, 多层感知机（MLP）	转录组数据	64个样本（来自多个研究的干旱和盐胁迫处理及对照样本）	NA	Autoencoder, MLP	准确率, AUC	NA
771	2026-02-03	Single‑center weakly supervised deep learning prediction of KRAS, NRAS, BRAF, and HER2 status in colorectal cancer from histopathology images using internal cross‑validation 2026-Feb-01, Cancer cell international IF:5.3Q1 DOI:10.1186/s12935-026-04211-8 PMID:41622176	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
772	2026-02-03	Enhancing Fluorescence Lifetime Imaging With Differential Transformer 2026-Feb, Journal of biophotonics IF:2.0Q3 DOI:10.1002/jbio.70231 PMID:41622407	研究论文	本文提出了一种名为MFliNet的深度学习框架，用于增强荧光寿命成像，通过结合物理模型和Transformer架构来准确估计多指数衰减参数	引入了基于Differential Transformer的编码器-解码器架构，联合处理时间荧光衰减和仪器响应函数输入，以校正光子到达分布中的地形畸变，实现了对复杂生物和体内成像的鲁棒性	未明确说明训练数据的具体规模或多样性限制，以及模型在更广泛临床场景中的泛化能力验证	开发一种能够准确估计多指数衰减参数的深度学习框架，以提升宏观尺度荧光寿命成像的精度和实时性	组织模拟体模和临床前肿瘤模型	计算机视觉	肿瘤	荧光寿命成像	Transformer	时间序列数据	NA	NA	Differential Transformer	鲁棒性, 精度	NA
773	2026-02-03	Deep Learning-based Estimated Pulmonary Biological Age from Chest CT Images in Healthy Adults: a model development and validation study 2026-Feb-01, JMIR aging IF:5.0Q1 DOI:10.2196/78243 PMID:41622571	研究论文	本研究基于深度学习从健康成人的胸部CT图像中开发并验证了估计肺生物学年龄（ePBA）的生物标志物，并探讨了ePBA与年龄差在COPD患者肺功能和全因死亡率中的关联	首次利用大规模健康成人多中心胸部CT数据，通过深度学习模型开发并验证了ePBA，并揭示了年龄差与COPD患者肺功能下降及全因死亡率增加之间的显著关联	研究主要基于特定健康管理中心的CT数据，外部验证数据集规模相对有限，且COPD患者样本量较小（138例），可能影响结果的普遍适用性	开发并验证基于胸部CT的深度学习模型以估计肺生物学年龄，并评估其在COPD患者中的临床价值	健康成人的胸部CT图像以及COPD患者的临床数据	数字病理学	慢性阻塞性肺疾病	胸部CT成像	深度学习模型	医学图像（CT扫描）	健康成人CT扫描11,187例（机构A 7,726例用于模型开发，机构B 1,506例和机构C 1,955例用于外部测试），COPD患者138例	NA	NA	相关性分析（rs值），风险比（HR），置信区间（95%CI），P值	NA
774	2026-02-03	SSDA_AOA: Stacked Sparse Denoising Autoencoder With Archimedes Optimization Algorithm Based Oral Cancer Detection on Histopathological Images 2026-Feb-01, Oral diseases IF:2.9Q1 DOI:10.1111/odi.70210 PMID:41622690	研究论文	本文提出了一种基于堆叠稀疏去噪自编码器和阿基米德优化算法的口腔癌检测框架，用于从组织病理学图像中实现早期诊断	结合NASNet-Large模型提取特征、阿基米德优化算法进行降维和超参数调优，以及堆叠稀疏去噪自编码器进行分类，形成了一种新颖的计算机辅助诊断框架	未提及样本来源的多样性、外部验证集的缺乏以及计算资源的具体需求	开发一种计算机辅助诊断框架，以提升口腔癌的早期检测和分类准确性	口腔癌的组织病理学图像	数字病理学	口腔癌	组织病理学成像	自编码器, 优化算法	图像	NA	NA	NASNet-Large, Stacked Sparse Denoising Autoencoder	准确率, 精确率, 灵敏度, 特异度, F1分数	NA
775	2026-02-02	Predicting Sleep and Sleep Stage in Children Using Actigraphy and Heartrate via a Long Short-Term Memory Deep Learning Algorithm: A Performance Evaluation 2026-Feb, Journal of sleep research IF:3.4Q2 DOI:10.1111/jsr.70149 PMID:40676371	研究论文	本研究评估了使用长短期记忆（LSTM）深度学习算法结合活动记录仪和心率数据预测儿童睡眠及睡眠阶段的性能	首次将LSTM算法应用于儿童活动记录仪和心率数据，以预测睡眠与清醒状态及睡眠阶段（清醒、非快速眼动、快速眼动），相比传统方法（如Sadeh算法）在特异性方面有显著提升，并探索了心率数据对睡眠阶段预测的改进作用	研究样本为因疑似睡眠障碍而转诊的儿童，可能限制了结果的普适性；仅评估了三种消费级可穿戴设备，未涵盖所有市场产品；未详细讨论LSTM模型的计算复杂度或实时应用可行性	评估LSTM深度学习算法在利用活动记录仪和心率数据预测儿童睡眠与睡眠阶段方面的性能，并与传统方法（逻辑回归和随机森林）进行比较	儿童（年龄5-12岁）的睡眠数据，包括活动记录仪和心率测量	机器学习	睡眠障碍	活动记录仪（ActiGraph GT9X）、心率监测、多导睡眠图（PSG）	LSTM	时间序列数据（原始活动记录仪和心率数据）	238名儿童（5-12岁，52.8%男性，50%黑人，31.9%白人）	未明确指定，但提及了逻辑回归和随机森林作为基准	LSTM	准确率、敏感性、特异性	NA
776	2026-02-02	An accurate, straightforward computer vision algorithm for optimal tumor-feeding visualization in cone-beam computed tomography hepatic arteriography: A preliminary study 2026-Feb, Clinical radiology IF:2.1Q2 DOI:10.1016/j.crad.2025.107192 PMID:41547160	研究论文	本研究提出了一种基于计算机视觉的算法，用于在锥束计算机断层扫描肝动脉造影中自动推荐最佳肿瘤供血动脉可视化角度	开发了一种传统计算机视觉算法，能够自动推荐最大化肿瘤供血动脉视图的旋转角度，避免了当前血管追踪软件缺乏自动角度推荐的问题，相比深度学习方法更快速且可解释性更强	这是一项初步研究，样本量较小（19例用于算法开发，50例用于内部验证），需要更大规模的患者研究和进一步技术迭代	优化肝动脉栓塞术中肿瘤供血动脉的可视化，提高介入放射科医生的手术效率	肝细胞癌患者的锥束计算机断层扫描肝动脉造影图像	计算机视觉	肝细胞癌	锥束计算机断层扫描肝动脉造影，3D体积渲染技术	传统计算机视觉算法（非深度学习）	医学图像（3D体积渲染图像序列）	19例患者用于算法开发，50例患者用于内部验证	NA	NA	检索相关性（100%在推荐的前4个角度中包含足够栓塞任务的角度）	NA
777	2026-02-02	Classification of lung nodules in CT images based upon a multiplane dense inception network 2026-Feb, Medical physics IF:3.2Q1 DOI:10.1002/mp.70316 PMID:41619284	研究论文	本研究提出了一种基于多平面密集初始网络（MPDINet）的计算机辅助诊断系统，用于预测肺部CT图像中结节恶性的可能性	结合手工纹理特征图与强度CT图像作为网络输入，并利用多平面密集初始网络（MPDINet）增强结节表征，同时保持计算效率	NA	开发基于深度学习的计算机辅助诊断系统，用于早期检测肺癌结节	肺部CT图像中的结节	计算机视觉	肺癌	CT成像	CNN	图像	1235个结节（802个良性，433个恶性）	NA	DenseNet, GoogLeNet	AUC, 敏感性, 特异性, 精确度	NA
778	2026-02-02	The Intelligent Needle: The Role of Artificial Intelligence in Ultrasound-guided Regional Anesthesia 2026-Feb, Journal of perianesthesia nursing : official journal of the American Society of PeriAnesthesia Nurses IF:1.6Q2 DOI:10.1016/j.jopan.2025.10.003 PMID:41620263	综述	本文探讨了人工智能在超声引导区域麻醉中的应用及其潜力	将深度学习算法集成到超声引导区域麻醉中，实现解剖标志自动识别、超声设置优化和针位高精度跟踪，以辅助麻醉师操作、缩短学习曲线并增强培训	广泛临床应用仍受限于需要大规模多样化数据集、解剖变异以及自动化相关的伦理考量	研究人工智能如何增强超声引导区域麻醉的精准性、安全性和效率	超声引导区域麻醉（UGRA）及其相关临床实践	医学影像分析	NA	超声成像	深度学习	超声图像	NA	NA	NA	图像质量、识别置信度	NA
779	2026-02-02	Advances in photoacoustic imaging reconstruction and quantitative analysis for biomedical applications 2026-Feb-01, Visual computing for industry, biomedicine, and art DOI:10.1186/s42492-025-00213-x PMID:41620547	综述	本文全面回顾了光声成像（PAI）的基本原理、主要实现方式、图像重建与伪影抑制的最新进展，以及定量分析能力，并展望了其临床转化前景	系统性地比较了传统方法与基于深度学习（DL）的方法在提升PAI图像质量和简化工作流程方面的作用，并强调了DL在推动PAI临床转化中的变革潜力	作为一篇综述文章，不涉及具体实验或模型性能的验证，主要基于现有文献进行归纳与分析	探讨光声成像（PAI）从临床前研究向临床实践过渡过程中的技术进展、挑战及未来方向	光声成像技术及其在生物医学领域的应用	医学影像	NA	光声成像（PAI），包括光声计算机断层扫描、光声显微镜和光声内窥镜	深度学习（DL）	图像	NA	NA	NA	NA	NA
780	2026-01-30	Predicting Cardiac Magnetic Resonance-Derived Ejection Fraction from Echocardiogram Via Deep Learning Approach in Tetralogy of Fallot 2026-Feb, Pediatric cardiology IF:1.5Q2 DOI:10.1007/s00246-025-03802-y PMID:40038120	研究论文	本研究通过深度学习模型，利用超声心动图视频预测心脏磁共振衍生的左心室射血分数，特别针对法洛四联症患者	采用迁移学习方法，将EchoNet-Dynamic/EchoNet-Peds模型微调，以心脏磁共振衍生的LVEF为金标准，预测法洛四联症患者的超声心动图LVEF	模型在A4C视图上的预测性能（R²=0.53）相对较低，可能受限于视图特异性或数据质量	开发一种基于深度学习的混合方法，利用心脏磁共振标签和超声心动图视频，提高法洛四联症患者收缩功能评估的准确性	法洛四联症患者的超声心动图视频和心脏磁共振成像数据	计算机视觉	心血管疾病	超声心动图、心脏磁共振成像	CNN	视频	NA	NA	EchoNet-Dynamic, EchoNet-Peds	R², MAE, ROC曲线	NA