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
1321	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
1322	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
1323	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
1324	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
1325	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
1326	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）
1327	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
1328	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
1329	2026-01-24	Confidence-Driven Deep Learning Framework for Early Detection of Knee Osteoarthritis 2026-Feb, IEEE transactions on bio-medical engineering DOI:10.1109/TBME.2025.3587003 PMID:40627470	研究论文	本文提出了一种基于置信度驱动的深度学习框架，用于早期膝关节骨关节炎的检测，旨在区分KL-0和KL-2阶段	该框架采用Siamese网络结构，结合了新颖的多层次特征提取架构和混合损失策略，通过全局平均池化层从不同网络深度提取特征，并使用针对高、中、低置信度样本的定制损失函数来提高模型鲁棒性和处理标注不确定性	NA	开发一个辅助诊断工具，以增强早期膝关节骨关节炎的检测并减少临床工作量	膝关节骨关节炎患者，特别是KL-0和KL-2阶段的区分	数字病理学	老年疾病	NA	Siamese网络	图像	基于骨关节炎倡议数据集	NA	Siamese网络	准确率, 灵敏度, 特异性, Cohen's kappa, McNemar's test	NA
1330	2026-01-24	AI-Driven Smart Sportswear for Real-Time Fitness Monitoring Using Textile Strain Sensors 2026-Feb, IEEE transactions on bio-medical engineering DOI:10.1109/TBME.2025.3588051 PMID:40658556	研究论文	本文提出了一种集成石墨烯应变传感器与深度学习框架的智能运动服系统，用于实时监测和分类运动执行质量	首次将屏幕印刷的石墨烯应变传感器与1D ResNet-18深度学习模型结合，实现了对呼吸-力量协调和肌肉激活对称性的无创同步监测	研究仅针对六种运动条件进行验证，样本多样性和运动类型覆盖范围有待扩展	开发用于实时健身监测和运动质量评估的AI驱动智能运动服系统	运动执行过程中的生理与生物力学参数	机器学习	NA	屏幕印刷石墨烯传感器技术	CNN	传感器时序数据	未明确说明具体样本数量，但涉及六种运动条件	未明确说明	1D ResNet-18	分类准确率	未明确说明
1331	2026-01-24	The Second Skin: A Wearable Sensor Suite That Enables Real-Time Human Biomechanics Tracking Through Deep Learning 2026-Feb, IEEE transactions on bio-medical engineering DOI:10.1109/TBME.2025.3589996 PMID:40668712	研究论文	本研究开发了一种名为'第二皮肤'的可穿戴传感器套装，结合深度学习模型，实现了对人体下肢关节运动学和动力学的实时精确估计	提出了一种任务无关、用户无关的通用传感方法，利用IMU和压力鞋垫套装收集数据，并通过深度学习模型实现对新用户和新任务的泛化能力	研究样本量较小（N=10），且任务范围主要限于建筑和危险废物清理场景，可能限制了模型的广泛适用性	研究一种能够实时精确估计人体下肢关节状态的方法，以推动生物力学研究并应用于生物反馈和可穿戴机器人控制	人体下肢关节（下背部、髋关节、膝关节、踝关节）的运动学和动力学参数	机器学习	NA	惯性测量单元（IMU）、压力鞋垫传感	深度学习模型	传感器数据（IMU和压力数据）	10名参与者，涵盖33种常见任务	NA	NA	均方根误差（RMSE）	NA
1332	2026-01-24	BDEC: Brain Deep Embedded Clustering Model for Resting State fMRI Group-Level Parcellation of the Human Cerebral Cortex 2026-Feb, IEEE transactions on bio-medical engineering DOI:10.1109/TBME.2025.3590258 PMID:40674200	研究论文	本文提出了一种基于深度学习的静息态功能磁共振成像（rs-fMRI）的群体水平大脑分区方法，旨在减少先前方法的模型假设	开发了Brain Deep Embedded Clustering（BDEC）模型，采用专门设计的损失函数以最大化类间分离和增强类内相似性，从而促进功能一致的大脑区域形成	NA	开发一种稳健的群体水平大脑分区方法，用于大脑网络分析和rs-fMRI数据的降维	人类大脑皮层	机器学习	NA	静息态功能磁共振成像（rs-fMRI）	深度聚类模型	图像（rs-fMRI数据）	NA	NA	Brain Deep Embedded Clustering（BDEC）	功能同质性指标、分区有效性、下游任务表现、任务异质性、泛化能力	NA
1333	2025-09-15	A novel deep learning framework for the diagnosis of erythematosquamous lesions using whole slide histopathologic images 2026-Feb, Journal of the American Academy of Dermatology IF:12.8Q1 DOI:10.1016/j.jaad.2025.09.010 PMID:40945744	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
1334	2026-01-24	Deep Learning Denoising Algorithm for Improved Assessment of Coronary Arteries in Transcatheter Aortic Valve Implantation CT Imaging 2026-Feb, Academic radiology IF:3.8Q1 DOI:10.1016/j.acra.2025.10.030 PMID:41206269	研究论文	本研究评估了一种基于深度学习的降噪算法在经导管主动脉瓣植入术前CT成像中，对冠状动脉图像质量和诊断准确性的影响	应用深度学习降噪技术于TAVI术前CT成像，显著提升了冠状动脉评估的图像质量，同时保持了诊断准确性	研究为回顾性设计，且未明确说明深度学习算法的具体架构或训练细节	评估深度学习降噪技术对TAVI术前CT冠状动脉图像质量及诊断准确性的影响	200名患有严重主动脉瓣狭窄并接受TAVI术前CT扫描的患者	医学影像分析	心血管疾病	CT成像	深度学习降噪算法	CT图像	200名患者，共分析800条血管和1787个节段	NA	NA	信噪比, 对比噪声比, 噪声水平, AUC, 准确率, 灵敏度, 特异性	NA
1335	2026-01-24	Deep Learning in Vertebral Fracture Detection: Systematic Review and Meta-analysis of Subject- vs. Vertebra-Level Approaches 2026-Feb, Academic radiology IF:3.8Q1 DOI:10.1016/j.acra.2025.11.023 PMID:41353070	系统综述与荟萃分析	本文通过系统综述和荟萃分析，评估了深度学习在椎体骨折检测中主体层面与椎骨层面方法的性能差异	首次在椎体骨折检测领域区分主体层面与椎骨层面深度学习方法的性能，并量化关键技术和数据因素对模型表现的影响	纳入研究的方法学质量存在差异，61%的研究存在患者选择偏倚的高风险，且外部验证会降低敏感性	评估深度学习算法在椎体骨折检测中的性能，为临床任务选择提供证据指导	椎体骨折检测的深度学习算法	医学影像分析	椎体骨折	深度学习	深度学习模型	图像	36项研究，涉及96,956名患者和171,552张图像	NA	NA	敏感性, 特异性, AUC	NA
1336	2026-01-24	Deep Laplacian Coordinates: End-to-end deeply guided anisotropic diffusion for COVID-19 pulmonary lesion segmentation 2026-Feb-01, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.111431 PMID:41483693	研究论文	本文提出了一种名为Deep Laplacian Coordinates Neural Network (DLCNN)的新框架，用于COVID-19肺部病变分割，通过结合深度边界检测、各向异性扩散和种子驱动标注来解决数据稀缺和病变外观多样性的挑战	整合深度边界学习与种子驱动各向异性扩散模型，利用拉普拉斯坐标扩散器实现全局最优、鲁棒边界描绘和方向自适应扩散，在边界模糊情况下仍能准确捕获病变	未明确提及具体的数据集规模或计算资源限制，可能依赖于标注数据的可用性	开发一种灵活且准确的肺部病变分割方法，以应对COVID-19相关病变的多样性和低对比度挑战	COVID-19引起的肺部病变在计算机断层扫描(CT)图像中的分割	计算机视觉	COVID-19	深度边界检测、各向异性扩散、种子驱动标注	深度神经网络	图像	NA	NA	Deep Laplacian Coordinates Neural Network (DLCNN)	定量和定性分析	NA
1337	2026-01-24	Coronary artery segmentation in non-contrast calcium scoring CT images using deep learning 2026-Feb-01, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.111421 PMID:41483696	研究论文	本文提出了一种基于深度学习的算法，用于在多厂商ECG门控非对比心脏CT图像中分割冠状动脉	提出了一种用于非对比钙化评分CT图像中冠状动脉分割的深度学习算法，并引入了一种通过图像配准进行半自动生成Ground Truth的新框架	研究主要基于多厂商ECG门控非对比心脏CT图像，可能在其他类型的非对比CT图像上泛化能力有限	解决非对比CT图像中冠状动脉精确分割的研究空白，提高钙化评分和心脏病理评估的准确性	冠状动脉	数字病理学	心血管疾病	CT成像	深度学习模型	医学图像（CT扫描）	NA	AutoML	NA	Dice系数, clDice	NA
1338	2026-01-24	Reliable leukemia detection via transfer-enhanced Bayesian CNNs 2026-Feb-01, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.111419 PMID:41485393	研究论文	本研究提出了一种结合迁移学习、数据增强和不确定性量化的贝叶斯深度学习框架，用于从外周血涂片图像中稳健分类白血病和健康淋巴细胞	将迁移学习、数据增强与蒙特卡洛丢弃法结合的贝叶斯深度学习框架，用于白血病检测，并引入不确定性分析以识别需专家复核的病例	仅使用ALL-IDB2数据集，数据量有限；InceptionV3模型对数据增强的敏感性较低，鲁棒性相对较差	开发可靠的白血病检测深度学习模型，提高临床环境中的预测可信度	急性淋巴细胞白血病（ALL）和健康淋巴细胞的外周血涂片图像	数字病理学	白血病	图像分析	CNN	图像	ALL-IDB2数据集（具体样本数未明确说明）	TensorFlow, PyTorch, Keras（未明确指定，但基于常用框架推断）	InceptionV3, VGG16, ResNet50	准确率, 灵敏度, 特异度, Youden指数, Brier分数	NA
1339	2026-01-24	Deep generative models for vessel segmentation in CT angiography of the brain 2026-Feb-01, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.111432 PMID:41494368	研究论文	本文提出了一种用于脑部CT血管造影中血管分割的无监督生成深度学习半监督方法	提出了一种基于条件生成对抗网络的半监督方法，通过生成对比图实现血管分割，并引入基于3D Frangi滤波器的损失函数以增强管状结构	半监督方法的Dice相似系数比监督方法低4%，假阳性率较高	开发一种无需大量手动标注的脑部CT血管造影血管自动分割方法	脑部CT血管造影图像中的颅内血管	计算机视觉	NA	CT血管造影，非对比增强CT	GAN	3D医学图像	908个未标记的脑部CT血管造影和非对比增强CT图像，外加9个带手动标注的测试集	NA	条件生成对抗网络	Dice相似系数，真阳性率，假阳性率	NA
1340	2026-01-24	3D tibial HU reconstruction from biplanar X-rays utilizing a hybrid PCA-CNN framework 2026-Feb-01, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.111434 PMID:41506030	研究论文	本研究提出了一种结合主成分分析和卷积神经网络的混合框架，用于从双平面X射线图像重建包含内部密度分布的3D胫骨CT体积	首次提出结合统计强度建模与深度学习的混合框架，从低剂量的双平面X射线重建3D胫骨CT体积及内部密度分布，实现了可解释的输出	实际辐射剂量减少取决于临床成像协议，需要在真实X光片上通过协议匹配的剂量测定进行验证，且方法有待在真实世界放射影像数据上进一步验证	开发一种从低辐射剂量的双平面X射线重建3D胫骨CT体积的方法，以减少患者辐射暴露并提高可及性	胫骨	医学影像分析	骨骼疾病	计算机断层扫描，双平面X射线成像	CNN	X射线图像，CT图像	60名来自韩国科学技术信息研究院公开数据库的受试者	NA	PCA-CNN混合框架	平均绝对误差，结构相似性指数，峰值信噪比	NA