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
1	2026-07-18	[Auto detection on morphological characteristics of termite legs based on deep learning] 2026-Mar, Ying yong sheng tai xue bao = The journal of applied ecology DOI:10.13287/j.1001-9332.202603.033 PMID:42209239	研究论文	基于深度学习开发了白蚁腿形态自动检测和分析软件，用于测量腿节长度等形态指标，并验证了后胫节长度作为形态指标的合理性	首次将深度学习应用于白蚁腿形态的自动和准确测量，填补了该领域的应用空白，能够处理遮挡问题并提供准确的量化指标	NA	开发基于深度学习的白蚁腿形态自动检测与分析软件，准确测量腿节长度并验证常规形态指标的合理性	白蚁的腿节，包括股节、胫节和跗节等形态特征	计算机视觉	NA	NA	关键点检测模型	图像数据	NA	NA	NA	平均绝对误差, 平均相对误差, 均方根误差, 皮尔逊相关系数	NA
2	2026-07-13	Deep learning-based obstructive coronary artery disease prediction from myocardial perfusion SPECT 2026-03, European journal of nuclear medicine and molecular imaging IF:8.6Q1 DOI:10.1007/s00259-025-07655-8 PMID:41247514	研究论文	应用深度学习技术从无创心肌灌注SPECT影像预测阻塞性冠状动脉疾病	提出了深度学习衰减校正（DLAC）方法，并结合临床因素（性别、年龄、高血压诊断）显著提升预测性能	NA	利用深度学习从心肌灌注SPECT影像预测冠状动脉疾病	来自3个临床中心的515名匿名患者	计算机视觉，医疗影像分析	冠状动脉疾病	心肌灌注SPECT，深度学习衰减校正	深度学习	医学影像	515名患者（主要队列212名，外部验证集1：108名，外部验证集2：195名）	NA	NA	AUC，准确率	NA
3	2026-07-13	Dynamic frame-by-frame motion correction for 18F-flurpiridaz PET-MPI using convolution neural network 2026-03, European journal of nuclear medicine and molecular imaging IF:8.6Q1 DOI:10.1007/s00259-025-07660-x PMID:41261210	研究论文	提出一种基于深度学习的自动运动校正框架，用于18F-flurpiridaz PET心肌灌注成像	首次将3D-ResNet深度学习框架应用于18F-flurpiridaz PET的逐帧自动运动校正，并通过三期临床试验数据验证，诊断性能与手动校正相当且速度更快	依赖手动校正作为金标准，且研究对象仅限单种示踪剂，可能需要进一步验证泛化性	开发自动运动校正方法以提高心肌血流量和血流储备定量分析的效率与一致性	18F-flurpiridaz PET心肌灌注成像患者数据	计算机视觉	心血管疾病	PET	3D-ResNet	三维PET图像	来自32个三期临床试验站点的患者数据	NA	3D-ResNet	AUC, 95%一致性界限, 均值差异	NA
4	2026-07-13	Development of a Deep Learning Algorithm for Posterior Fossa Abnormality Recognition on First-Trimester US Screening Scans: AIRFRAME Study Part 1 2026-03, Radiology. Artificial intelligence DOI:10.1148/ryai.250394 PMID:41563074	研究论文	开发深度学习算法，用于自动评估早孕期超声筛查中的后颅窝，识别开放性脊柱裂和后颅窝囊肿异常	首次将深度学习算法应用于早孕期超声筛查中自动识别胎儿后颅窝异常，并利用集成学习提高模型性能	样本量较小，仅包含251例胎儿；模型在区分开放性脊柱裂和后颅窝囊肿异常时，后颅窝囊肿的召回率较低（75%）	开发一种深度学习算法，用于自动评估早孕期超声筛查中的后颅窝，并识别开放性脊柱裂和后颅窝囊肿异常	早期妊娠（11-14周）胎儿大脑超声图像	计算机视觉	胎儿脑部异常（开放性脊柱裂、后颅窝囊肿）	超声	卷积神经网络（CNN）	图像	251例胎儿（150例正常，101例异常，其中43例开放性脊柱裂，58例后颅窝囊肿）	未提及	MobileNetV3 Large Weights	受试者工作特征曲线下面积、准确率、召回率、特异度、精确率、阴性预测值、F1分数	未提及
5	2026-07-13	How I Do It: Fast MRI of the Joints 2026-03, Radiology IF:12.1Q1 DOI:10.1148/radiol.251430 PMID:41842665	研究论文	本文提供了关于中枢和外周关节快速肌肉骨骼MRI的实践导向概述，重点关注回波链优化和现代加速技术的应用	系统总结了并行成像、同时多层采集和压缩感知欠采样等加速技术在关节MRI中的独立或联合应用，并探讨了深度学习图像重建在高度加速采集中的有效性	需要进一步的研究和数据来验证深度学习方法在10倍加速肌肉骨骼MRI中的临床可行性	为临床医生提供关节快速MRI方案的实用指导，并评估当前加速技术的性能和潜力	中枢和外周关节的MRI扫描方案及其优化	数字病理学	NA	MRI	深度学习	图像	NA	NA	深度学习重建网络（未指明具体架构，如ResNet等）	诊断图像质量	NA
6	2026-07-13	A physics-driven neural network with parameter embedding for generating quantitative MR maps from weighted images 2026-Mar, Medical physics IF:3.2Q1 DOI:10.1002/mp.70394 PMID:41854958	研究论文	提出一种物理驱动且嵌入参数的神经网络，从加权MRI图像生成定量MR图谱	通过参数嵌入将MRI序列参数（TR、TE、TI）直接整合到网络中，使模型学习MR信号形成的物理原理，提高了定量图像合成的精度和泛化能力	未明确提及局限性	开发一种基于深度学习的方法，整合MRI序列参数，以提升从临床加权MRI图像合成定量图像的准确性和泛化性	健康脑部MRI图像	数字病理学	不适用	MRI	物理驱动神经网络	MRI图像	健康和病理脑部MRI图像（内部和外部测试集）	不适用	物理驱动神经网络（含参数嵌入）	平均百分比误差（MPE）、全局体素级平均绝对误差（MAE）	不适用
7	2026-07-12	Quantifying Multi-pollutant Co-exposure via Deep Learning-Based Simultaneous Prediction Using Geostationary Satellite Data 2026-Mar-31, Environmental science & technology IF:10.8Q1 DOI:10.1021/acs.est.5c15772 PMID:41861271	研究论文	提出基于深度学习的同时预测框架DeepMAP，利用地球静止卫星数据量化多种空气污染物的共暴露	首次利用深度学习同时预测六种主要空气污染物（PM2.5、PM10、O3、NO2、CO、SO2），并开发共暴露指数以识别污染热点区域	未明确提及模型对极端污染事件的预测能力及数据源的时间覆盖限制	开发数据驱动框架以高时空分辨率评估多种污染物共暴露，支持空气质量管理和公共卫生决策	东亚地区六种空气污染物（PM2.5、PM10、O3、NO2、CO、SO2）的每小时浓度	机器学习	环境健康（未指定具体疾病）	地球静止卫星观测数据	深度学习	时空数据（卫星观测、化学传输模型、地面监测站数据）	未明确说明样本数量，但覆盖东亚区域及2021年3月事件	未明确指定	DeepMAP（具体架构未描述）	归一化均方根误差（NRMSE）	NA
8	2026-07-12	Long Short-Term Memory-GPT-4 Integration for Interpretable Biomedical Signal Classification: Proof-of-Concept Study 2026-Mar-20, JMIR formative research IF:2.0Q4 DOI:10.2196/87962 PMID:41861395	研究论文	提出一种将长短期记忆网络与GPT-4集成的方法，用于生物医学信号分类并提供可读解释的概念验证研究	首次将LSTM与GPT-4显式集成，实现自动化生物医学信号分类及生成人类可读的临床解释，为资源受限环境下的应用奠定技术基础	概念验证阶段尚未进行前瞻性临床验证和现场研究，且LSTM模型分类性能在部分数据集上仍有提升空间	开发并评估一种集成LSTM与GPT-4的技术框架，用于自动化生物医学信号分类并提供可读解释，作为未来资源受限环境部署的基础	公开PhysioNet数据集中的心电图和脑电图信号，包括MIT-BIH、PTB等六个数据集	自然语言处理，机器学习	心血管疾病，神经系统疾病	NA	LSTM	信号	专家评估共150个测试案例（每个数据集50例），其中MIT-BIH每类30例、PTB每类25例、其他每类20例	PyTorch	2层LSTM（128→64单元）	准确率， F1分数， AUC	NA
9	2026-07-12	Artificial intelligence for acute appendicitis diagnosis: A systematic review of current evidence, challenges, and future directions 2026-Mar-20, Medicine IF:1.3Q2 DOI:10.1097/MD.0000000000048094 PMID:41861187	综述	系统综述了人工智能在急性阑尾炎诊断中的应用现状、挑战及未来方向	首次系统整合临床、实验室和影像学多模态AI模型，并比较不同数据模态和算法（如深度学习用于CT、超声和MRI）的诊断性能	纳入研究多为回顾性、单中心，缺乏外部验证和方法学报告不一致，无法进行荟萃分析	评估人工智能在急性阑尾炎诊断中的准确性、挑战及未来转化潜力	2015年1月至2025年9月发表的英文诊断模型研究，涉及临床、实验室或影像数据	机器学习	急性阑尾炎	NA	深度学习、机器学习	临床数据、实验室数据、影像数据（CT、超声、MRI）	NA（系统综述，未提及具体样本量）	NA	NA	AUC、准确率、灵敏度、特异性、预测值	NA
10	2026-07-12	Simultaneous multi-disease detection from the same leaf: a generalized approach using deep learning and image splitting 2026-Mar-20, Environmental monitoring and assessment IF:2.9Q3 DOI:10.1007/s10661-026-15141-3 PMID:41857409	研究论文	提出一种基于深度学习与图像分割的通用方法，实现同一叶片上多种植物病害的同步检测与识别	创新性地通过图像分割隔离小叶片区域，实现多种病害的独立同步检测，且模型可泛化至未见过的作物类型	在受控环境下表现良好，但在真实田间条件下的稳定性仍需深入研究	解决现有深度学习应用无法从同一叶片同时检测多种病害的挑战，提供一种高效通用的农业病害检测方案	植物叶片图像中的多种病害	数字病理学	植物病害（通用）	深度学习与图像分割	CNN	图像	NA	NA	Small Inception, MiniVGGNet, LeNet5	分类性能	NA
11	2026-07-12	Scalable and Robust Artificial Intelligence for Spine Alignment Assessment: Multicenter Study Enabled by Real-Time Data Transformation 2026-Mar-20, Journal of medical Internet research IF:5.8Q1 DOI:10.2196/78396 PMID:41861366	研究论文	本研究开发了一种实时数据转换方法，增强了深度学习模型在青少年特发性脊柱侧弯评估中的鲁棒性，并在多中心X光片上验证了其有效性	提出了一种基于像素强度的实时数据转换方法，可即插即用，有效解决多中心影像数据异质性带来的模型性能下降问题	未提及显著局限性	开发一种实时、即插即用的数据转换方法，增强深度学习模型在脊柱X光评估中对数据异质性的鲁棒性	青少年特发性脊柱侧弯患者的全脊柱X光影像	计算机视觉	青少年特发性脊柱侧弯	X光影像	CNN	图像	7家医院的3899张全脊柱X光片（香港2家3034张，内地5家865张）	NA	SpineHRNet+	残差分析、线性回归R²、Bland-Altman分析、灵敏度、特异度、精确度、阴性预测值、准确率、混淆矩阵	NA
12	2026-07-12	A proof-of-concept machine learning model for short-term suicide risk stratification in depressed youth 2026-Mar-19, Translational psychiatry IF:5.8Q1 DOI:10.1038/s41398-026-03944-4 PMID:41856968	研究论文	基于602名中国抑郁青少年前瞻性数据，构建机器学习模型以预测治疗后30天内的自杀企图，验证了短期风险分层的技术可行性	首次在抑郁青少年群体中验证了结合支持向量机与弹性网络的集成模型用于短期自杀风险预测，通过正则化和简约性模型选择有效降低过拟合风险	低事件数导致模型稳定性不足，单一国家队列限制泛化性，缺乏时间验证无法评估模型漂移	开发用于抑郁青少年短期自杀风险分层的机器学习模型	602名15-24岁中国抑郁患者	机器学习	抑郁症	NA	支持向量机、弹性网络、随机森林、深度学习	临床与心理社会预测因子	602名患者，其中30起自杀事件	NA	支持向量机、弹性网络、LASSO	AUC	NA
13	2026-07-12	SiaCon-DetNet with HySHO: a cutting-edge transformer-based deep learning framework for emotion-aware facial recognition 2026-Mar-19, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-41890-9 PMID:41857089	研究论文	提出一种融合SiaCon-DetNet和HySHO算法的面部表情识别深度学习框架	将卷积特征学习与Transformer注意力机制结合用于细粒度面部特征检测，并创新性地将生物启发式拓扑优化与深度学习相集成以自适应调整模型参数	未明确提及局限性	开发一种鲁棒性强、泛化能力好的面部表情识别模型	面部表情图像中的情感识别	计算机视觉	NA	NA	Transformer	图像	JAFFE数据库	NA	SiaCon-DetNet	准确率, 精确率, 召回率, F1分数	NA
14	2026-07-12	Feasibility of short-term hospital mask demand forecasting using a backpropagation neural network under data scarcity 2026-Mar-19, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-44754-4 PMID:41857156	research paper	评估在数据稀缺条件下使用浅层反向传播神经网络进行短期医院口罩需求预测的可行性	在极端数据稀缺条件下，验证浅层反向传播神经网络用于短期医院物资需求预测的可行性，并与常用统计和深度学习基线模型进行比较	结果仅作为可行性验证，而非可部署的预测系统，且需使用更大规模、多中心数据集进一步验证	评估数据稀缺条件下浅层反向传播神经网络用于短期医院物资需求预测的可行性	中国某三级医院连续24天的口罩消耗数据	machine learning	NA	NA	反向传播神经网络	时间序列数据	连续24天的口罩消耗数据	NA	NA	均方根误差, 平均绝对误差, 平均绝对百分比误差, 对称平均绝对百分比误差	NA
15	2026-07-12	Comparing YOLO and U-net deep learning algorithms in chronic wound image segmentation 2026-03-19, BMC medical imaging IF:2.9Q2 DOI:10.1186/s12880-026-02266-7 PMID:41857518	研究论文	比较YOLOv8、YOLO11与U-Net在慢性伤口图像分割中的性能	首次系统比较YOLOv8和YOLO11与U-Net在慢性伤口分割中的表现，并在跨数据集验证中证明了YOLO模型的优越性	NA	评估YOLO深度学习算法在慢性伤口医学图像分割中的有效性和泛化能力	慢性伤口图像	计算机视觉	慢性伤口	NA	YOLO, U-Net	图像	使用FUSeg和Wound Data两个数据库进行训练和测试	PyTorch	YOLOv8, YOLO11, U-Net	IoU, 精度, 召回率, DSC	NA
16	2026-07-12	Automated Segmentation and Characterization of Retinal Hyperreflective Foci in Age-Related Macular Degeneration 2026-Mar-02, Translational vision science & technology IF:2.6Q2 DOI:10.1167/tvst.15.3.20 PMID:41860312	研究论文	开发了一种名为Foci-Net的卷积神经网络，用于自动分割年龄相关性黄斑变性中的视网膜高反射灶	通过用精细到粗糙的特征提取块替换瓶颈层，改进U-Net架构，以同时分割小和大尺寸的HRF	NA	实现视网膜高反射灶的自动检测和特征描述，以支持AMD进展的生物标志物预测	诊断为中度至晚期AMD的患者眼和健康对照眼	数字病理学	年龄相关性黄斑变性	光学相干断层扫描	卷积神经网络	图像	61个体积OCT扫描（50个AMD和11个健康对照眼），来自50名参与者	NA	Foci-Net	F1分数, AUC, 精确率, 灵敏度, 特异度	NA
17	2026-07-12	Remote monitoring of heart failure exacerbations using a smartwatch 2026-Mar, Nature medicine IF:58.7Q1 DOI:10.1038/s41591-026-04247-3 PMID:41862772	研究论文	利用苹果手表数据预测心力衰竭患者的峰值摄氧量，并评估其与不良健康事件的关系	首次利用可穿戴设备（苹果手表）数据预测心衰患者每日峰值摄氧量，并证明其在早期风险识别上优于现有能力评估指标和临床标志物	未提及具体限制，但可能包括样本量有限、外部验证中传感器能力减弱等	评估智能手表数据在远程监测心衰患者日间症状变化和预测不良健康事件中的价值	心衰患者	数字病理学、机器学习	心血管疾病	可穿戴设备传感技术	深度学习	可穿戴设备传感器数据	训练集154人（46女，108男），验证集63人（24女，39男），外部验证来自All of Us项目	NA	NA	Pearson相关系数、危险比、95%置信区间	NA
18	2026-07-12	Development and validation of a high-resolution hyperspectral imaging system for the retina 2026-Mar, Journal of biomedical optics IF:3.0Q2 DOI:10.1117/1.JBO.31.3.036006 PMID:41858558	研究论文	开发并验证一种用于视网膜的高分辨率高光谱成像系统	结合快照式高光谱相机、高分辨率RGB相机、分束器和成像内窥镜构建系统，并采用深度学习全色锐化算法同时提取视网膜血管直径和血氧饱和度	未明确提及局限性	创建高分辨率视网膜高光谱成像系统，用于早期检测阿尔茨海默病、糖尿病视网膜病变或黄斑变性	小鼠视网膜	计算机视觉	阿尔茨海默病, 糖尿病视网膜病变, 黄斑变性	高光谱成像	深度学习	图像（高光谱图像和RGB图像）	小鼠视网膜，具体数量未提供	NA	全色锐化算法（深度学习）	均方根误差 (RMSE)、相关系数 (CC)、光谱角评分 (Spectral Angle Score)、误差相对全局无量纲合成 (ERGAS)	NA
19	2026-07-12	Clinical Utility of Deep Learning-based Multiple Arterial Phase MRI in Hepatocellular Carcinoma 2026-Mar, Radiology. Imaging cancer DOI:10.1148/rycan.250538 PMID:41860367	研究论文	评估基于深度学习的超快速多动脉期MRI在肝细胞癌诊断中的临床效用	首次比较基于深度学习的多动脉期MRI与传统单动脉期MRI在肝细胞癌诊断中的表现，并验证其在不同造影剂（细胞外和肝胆特异性）中的适用性	未提及具体局限性	评估深度学习超快速多动脉期MRI在肝细胞癌诊断中的临床效用	疑似肝细胞癌患者	医学影像	肝细胞癌	MRI	深度学习模型	MRI图像	128名接受ECA增强MRI的患者（64名多动脉期，64名单动脉期）和108名接受HBA增强MRI的患者（54名多动脉期，54名单动脉期）	NA	深度学习	晚期动脉期捕获率、图像质量评分（整体质量、运动伪影、噪声、肝脏病灶边缘锐利度、病灶显著性）、诊断性能（病灶检出率、动脉期高增强检出率、HCC检出率）、肝动脉可视化评分	NA
20	2026-07-10	A cough sound-based deep learning algorithm for accessible prompt detection of chronic obstructive pulmonary disease with smartphones 2026-03-28, NPJ primary care respiratory medicine IF:3.1Q2 DOI:10.1038/s41533-026-00486-6 PMID:41896558	研究论文	提出了一种基于智能手机咳嗽声音的深度学习算法，用于快速检测慢性阻塞性肺疾病	首次利用智能手机记录的自主咳嗽声音，结合Transformer神经网络模型，实现低成本、易获取的COPD检测方法	外部验证中健康对照组可能招募了非COPD的呼吸疾病患者，可能影响特异性；研究为回顾性，需前瞻性验证；训练数据中COPD组与非COPD组样本量不平衡	开发一种基于咳嗽声音的深度学习方法，实现COPD的便捷、早期诊断	慢性阻塞性肺疾病（COPD）患者和非COPD参与者	机器学习	慢性阻塞性肺疾病	咳嗽声音记录	Transformer	音频	训练队列：406名COPD患者和1631名非COPD；内部验证：151名COPD和225名非COPD；外部验证：105名COPD和617名非COPD	PyTorch	Transformer	AUC, 灵敏度, 特异性	智能手机