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
1221	2026-03-13	Deep learning-assisted prediction of hydrocephalus in preoperative-subarachnoid hemorrhage: a multi-center study 2026-Mar-01, Quantitative imaging in medicine and surgery IF:2.9Q2 DOI:10.21037/qims-2025-994 PMID:41816050	研究论文	本研究开发了一种基于深度学习的模型DeepSH，用于预测蛛网膜下腔出血后迟发性脑积水的发生	结合超分辨率生成对抗网络和影像组学模型，构建了多中心、多模态的预测框架，显著提升了预测性能	研究仅基于中国三家医院的数据，样本量相对有限，且未进行长期随访验证	预测蛛网膜下腔出血患者迟发性脑积水的发生，以辅助早期临床决策	861名蛛网膜下腔出血患者的非增强CT图像及临床特征	医学影像分析	脑血管疾病	非增强CT成像	CNN, GAN, 传统机器学习模型	医学影像（CT图像）	861名患者	NA	SRGAN, 支持向量机	ROC曲线下面积, 校准曲线, 决策曲线分析	NA
1222	2026-03-13	Automated segmentation and quantitative measurement of cervical nerves in ultrasound images using an SZJ-SEG-based deep learning framework 2026-Mar-01, Quantitative imaging in medicine and surgery IF:2.9Q2 DOI:10.21037/qims-2025-aw-2434 PMID:41816069	研究论文	本研究开发了一种基于深度学习框架SZJ-SEG的智能全自动系统，用于超声图像中颈神经的精确分割和定量测量	提出了一种结合YOLOv11网络进行有效成像区域定位和OCR模块自动提取深度尺度信息的全自动分析框架，并设计了基于ResNet50骨干网络、结合Deconv Block和高效上采样卷积块（EUCB）的新型分割网络SZJ-SEG，在保证高分割精度的同时降低了计算成本	研究仅基于200名健康志愿者的数据，未涉及病理状态下的颈神经图像，可能限制了模型在疾病诊断中的泛化能力	开发一个智能、全自动的系统，用于超声图像中颈神经的精确分割和定量测量，以辅助超声引导神经阻滞、术前评估和周围神经病变诊断	颈神经（特别是C5-C7神经根）在超声图像中的形态结构	计算机视觉	周围神经病变	超声成像	CNN	图像	200名健康志愿者的117,729张超声图像	NA	YOLOv11, ResNet50, SZJ-SEG	mIoU, MAE, MAPE, Pearson相关系数	NA
1223	2026-03-13	Association between CT-based adrenal gland volume and 10-year cardiovascular disease risk in patients with diabetes mellitus 2026-Mar-01, Quantitative imaging in medicine and surgery IF:2.9Q2 DOI:10.21037/qims-2025-2027 PMID:41816070	研究论文	本研究探讨了糖尿病患者肾上腺体积与10年心血管疾病风险之间的关联	首次使用基于深度学习的nnU-Net算法从非增强CT图像中自动测量肾上腺体积，并评估其与Framingham风险评分及高心血管疾病风险的相关性	研究为回顾性设计，样本量相对较小（223例），且仅限于糖尿病患者，可能限制结果的普适性	探究肾上腺体积与糖尿病患者10年心血管疾病风险之间的关联	223名无既往心血管疾病的糖尿病患者（年龄30-74岁）	数字病理学	心血管疾病	非增强计算机断层扫描（CT）	深度学习	医学影像（CT图像）	223名糖尿病患者	nnU-Net	nnU-Net	AUC, 敏感性, 特异性	NA
1224	2026-03-13	An interpretable cascaded residual iterative network for sparse-view spectral CT imaging 2026-Mar-01, Quantitative imaging in medicine and surgery IF:2.9Q2 DOI:10.21037/qims-2025-1895 PMID:41816077	研究论文	本研究提出了一种可解释的级联残差迭代网络（ICRIN），用于稀疏视图能谱CT成像，以解决图像重建和材料分解中的挑战	ICRIN是一个通用的迭代框架，集成了物理模型驱动、压缩感知和数据驱动的先验知识，并采用残差迭代机制和Transformer注意力模块来增强特征提取，同时通过可解释的目标函数和反馈机制优化能谱图像和分解材料	未明确提及具体局限性，但可能包括对计算资源的需求或模型在更广泛数据集上的泛化能力验证	建立一个通用的框架，用于整合多场景能谱成像问题，同时处理能谱成像中的一系列依赖任务	能谱CT图像重建和材料分解	计算机视觉	NA	能谱CT成像	深度学习网络	CT图像	8名患者的数值模拟和126个小鼠切片的真实临床前实验	NA	级联残差迭代网络（ICRIN），结合Transformer注意力模块	峰值信噪比（PSNR），结构相似性指数（SSIM）	NA
1225	2026-03-13	Developing a segmentation cascade deep learning network based on automated prompts 2026-Mar-01, Quantitative imaging in medicine and surgery IF:2.9Q2 DOI:10.21037/qims-2025-1163 PMID:41816085	研究论文	本研究提出了一种基于自动提示的两阶段深度学习级联框架，用于提高鼻咽癌大体肿瘤体积（GTVnx）自动分割的准确性	通过策略性地将粗定位与边界细化解耦，并引入定位提示生成单元和精细分割单元，结合注意力引导机制，显著提升了分割精度，同时保持了计算效率	研究仅基于276名鼻咽癌患者的数据集，样本量相对有限，且未在更广泛的多中心数据上进行验证	开发一种高精度、高效率的鼻咽癌大体肿瘤体积自动分割方法	鼻咽癌（NPC）患者的大体肿瘤体积（GTVnx）	数字病理	鼻咽癌	深度学习	CNN	医学影像	276名鼻咽癌患者	NA	级联网络，包含定位提示生成单元和精细分割单元	Dice相似系数（DSC），95%豪斯多夫距离（HD95），平均一致性距离（MDA）	NA
1226	2026-03-13	Machine Learning-Based Risk Prediction Models for Pregnancy-Related Syndromes 2026-Mar, Birth defects research IF:1.6Q4 DOI:10.1002/bdr2.70038 PMID:41817044	综述	本文综述了机器学习在产科护理中的应用，特别是针对妊娠相关综合征的风险预测模型	整合了多模态数据（如电子健康记录、生化标志物、多组学和影像），并采用了联邦学习保护隐私和偏差缓解策略以提高模型在不同人群中的泛化能力	需要外部验证和监管框架以确保临床采用	开发和应用机器学习模型以预测和预防妊娠相关综合征，改善围产期结局	妊娠相关综合征，如高血压疾病、妊娠期糖尿病和早产	机器学习	妊娠相关综合征	多模态数据整合（电子健康记录、生化标志物、多组学、影像）	集成方法（如随机森林、XGBoost）、深度学习（如CNN）	多模态数据（电子健康记录、生化标志物、多组学、影像）	NA	NA	随机森林, XGBoost, CNN	AUC	NA
1227	2026-03-11	Simultaneous multimodal detection of hand acupoints and reflex zones for acupuncture robots 2026-Mar-20, iScience IF:4.6Q1 DOI:10.1016/j.isci.2026.114938 PMID:41797935	研究论文	本文提出了一种用于智能针灸机器人的多模态多任务深度学习框架MIMO-HAR，能够同时定位手部穴位并分割反射区	首次将视觉Transformer与中医拓扑先验知识相结合，用于同时处理穴位定位和反射区分割任务，提高了准确性和可解释性	NA	提升智能针灸系统的感知能力，为标准化和自动化的中医治疗奠定基础	手部穴位和反射区	计算机视觉	NA	深度学习	Transformer	图像, 坐标数据	公共数据集11k Hands	NA	视觉Transformer, 双解码器架构	平均交并比, 均方根误差	NA
1228	2026-03-11	LRF-UNet: Low-Rank Factorized Convolution Deep-Learning Networks for Visceral Adipose and Muscle Tissue Segmentation in Abdominal Computed Tomography Image 2026-Mar-09, Journal of imaging informatics in medicine DOI:10.1007/s10278-025-01813-y PMID:41801305	研究论文	本研究提出了一种基于UNet的深度学习分割系统LRF-UNet，用于自动分割腹部CT图像中的内脏脂肪组织和骨骼肌组织	引入了低秩因子化卷积模块以增强碎片化或模糊组织边界的特征表示，并结合多尺度特征融合、梯度收敛和深度监督策略提升分割性能	研究样本仅包含179名患者，且未明确提及模型在其他疾病或更大数据集上的泛化能力	开发一种自动分割腹部CT图像中内脏脂肪和骨骼肌组织的深度学习系统，以辅助临床定量分析和疾病评估	腹部CT图像中的内脏脂肪组织和骨骼肌组织	计算机视觉	代谢性疾病	CT成像	CNN	图像	179名患者的腹部CT图像，包括64例糖尿病患者和113例血糖正常者	未明确提及	UNet, MobileNetV3	Dice系数, IoU, HD95	未明确提及
1229	2026-03-11	EENet-RLA: An Explainable Prediction Learning Framework for Alzheimer's Disease Classification from EEG Signals 2026-Mar-09, Brain topography IF:2.3Q3 DOI:10.1007/s10548-026-01183-w PMID:41801479	研究论文	提出一种名为EENet-RLA的可解释预测学习框架，用于从脑电图信号中分类阿尔茨海默病	结合动态系统理论与深度学习，引入基于嵌入熵的因果稳定性驱动脑电图通道选择策略，并融合ResNet、LSTM和多头注意力机制提取时空特征	在有限样本条件下验证，可能受数据集规模限制，且方法主要针对类似信号特性的神经系统疾病	开发一种高可解释性的脑电图分类框架，用于阿尔茨海默病的诊断	阿尔茨海默病患者及相关的脑电图信号	机器学习	阿尔茨海默病	脑电图	CNN, LSTM	脑电图信号	BrainLat脑电图数据集（具体样本数未明确说明）	NA	ResNet, LSTM	准确率	NA
1230	2026-03-11	Accurate CT-free correction of attenuation, scatter, and aperture effects using deep learning in dedicated cardiac pinhole SPECT 2026-Mar-09, Annals of nuclear medicine IF:2.5Q2 DOI:10.1007/s12149-026-02187-z PMID:41801662	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
1231	2026-03-11	Explainable Deep Learning for Cyber Threat in IoMT: A Synchronization-Enhanced Sparse Autoencoder Approach 2026-Mar-09, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2026.3671680 PMID:41801774	研究论文	本文提出了一种用于医疗物联网网络透明化网络威胁检测的新型可解释深度学习框架	提出了一种集成稀疏自编码器与神经同步机制的可解释深度学习框架，通过神经元级局部激活一致性约束和基于同步的功能模块构建，实现高检测精度与可解释决策过程	未提及具体局限性	开发用于医疗物联网网络的可解释网络威胁检测机制	医疗物联网网络中的网络威胁	机器学习	NA	深度学习	稀疏自编码器	网络安全数据集	CIC IoMT 2024和物联网医疗安全数据集	NA	稀疏自编码器	准确率, 可解释性分数	NA
1232	2026-03-11	Usability of a deep learning platform for detecting radiographic bone loss and furcation involvement 2026-Mar-09, Journal of periodontology IF:4.2Q1 DOI:10.1002/jper.70106 PMID:41801972	研究论文	本研究开发了一个基于深度学习的在线平台，用于从根尖周X光片中检测放射学骨丧失和分叉病变，并评估其可用性	开发了一个端到端的深度学习平台，能够测量放射学骨丧失、识别分叉病变，并基于根尖周X光片提供病例级别的牙周诊断建议	研究未详细说明深度学习模型的具体架构或训练细节，且样本量（100个临床病例）可能有限，需要进一步验证	开发并评估一个基于深度学习的在线平台，以辅助临床医生基于根尖周X光片进行牙周炎诊断	牙科学生、住院医师和牙医作为平台可用性的评估者	数字病理学	牙周病	放射学成像（根尖周X光片）	深度学习模型	图像	6,552张口腔内放射学图像，用于开发模型；100个临床病例用于平台性能评估；60名参与者（20名牙科学生、20名住院医师、20名牙医）用于可用性调查	NA	NA	准确度（Extent、Stage、Grade）、系统可用性量表（SUS）分数	NA
1233	2026-03-11	Analytical Methods for the Authentication of Ginger and Ginger Products: A Critical Review of Studies Between 2005 and 2024 2026-Mar-09, Critical reviews in analytical chemistry IF:4.2Q1 DOI:10.1080/10408347.2026.2634884 PMID:41802302	综述	本文对2005年至2024年间关于姜及其产品真伪鉴定的分析研究进行了批判性回顾	强调了单一分析方法不足以进行全面鉴定，需要综合、多分析策略，并指出了新兴技术（如高光谱成像、荧光寿命成像和深度学习驱动的计算机视觉）在非侵入性质量评估中的潜力	DNA方法由于高遗传保守性，在品种区分方面仍有限制	评估姜及其产品的真伪鉴定方法，以应对经济驱动的掺假问题	姜及其衍生产品	NA	NA	光谱技术（FTIR, FT-NIR, NMR）、色谱方法（HPLC, GC-MS）、稳定同位素比率分析、DNA方法、高光谱成像、荧光寿命成像、深度学习驱动的计算机视觉	NA	NA	NA	NA	NA	NA	NA
1234	2026-03-11	Diagnostic Accuracy of Deep Learning for Automated Detection of Spinal Degenerative Disease on MRI: A Systematic Review and Meta-Analysis 2026-Mar-09, Journal of imaging informatics in medicine DOI:10.1007/s10278-026-01897-0 PMID:41803519	系统综述与荟萃分析	本研究通过系统综述和荟萃分析评估了深度学习模型在脊柱磁共振成像上自动检测或分类脊柱退行性疾病的诊断准确性	首次对深度学习在脊柱MRI上自动检测脊柱退行性疾病的诊断准确性进行系统综述和荟萃分析，并探讨了临床相关异质性	纳入研究存在偏倚风险，主要为回顾性单中心设计，参考标准主观，外部验证有限，临床准备度受限	评估深度学习模型在脊柱MRI上自动检测脊柱退行性疾病的诊断准确性并探索临床异质性	脊柱退行性疾病	医学影像分析	脊柱退行性疾病	磁共振成像	深度学习模型	磁共振图像	14项研究（2020-2025年），样本量范围29至2991	NA	NA	敏感性, 特异性, 阳性似然比, 阴性似然比	NA
1235	2026-03-11	Ultrafast deep learning super-resolution single-shot T2-weighted imaging for robust edema visualization in cardiovascular magnetic resonance 2026-Mar-07, Journal of cardiovascular magnetic resonance : official journal of the Society for Cardiovascular Magnetic Resonance IF:4.2Q1 DOI:10.1016/j.jocmr.2026.102708 PMID:41802637	研究论文	本研究比较了深度学习超分辨率重建的屏气与自由呼吸单次激发黑血T2加权短时反转恢复成像与标准屏气T2-STIR在心血管磁共振中的诊断质量	应用深度学习超分辨率重建技术实现超快速T2-STIR采集，在保持水肿检测准确性的同时显著缩短扫描时间并提升图像质量	研究样本量相对较小（81名参与者），且为单中心前瞻性研究，可能需要多中心验证以推广结果	评估深度学习超分辨率重建单次激发T2加权成像在心血管磁共振中用于水肿可视化的诊断性能	心血管疾病患者的心肌水肿	数字病理	心血管疾病	心血管磁共振成像，T2加权短时反转恢复序列	深度学习	医学图像	81名参与者（平均年龄54±20岁，50名男性）	NA	NA	水肿检测一致性，扫描时间，伪影负担，图像对比度和锐度，诊断确定性，水肿可见性，评分者间一致性（Kappa系数）	NA
1236	2026-03-11	Neural network assessment of aortic, iliac, renal, and mesenteric artery calcification in CTA: Normalized scoring framework and comparison to threshold-based method 2026-Mar, Acta radiologica open IF:0.9Q4 DOI:10.1177/20584601261431608 PMID:41800183	研究论文	本文开发并评估了一种基于深度学习的腹部动脉钙化量化方法，使用CTA数据进行自动、客观的钙化评分	提出了一种基于nnU-Net的深度学习框架，用于腹部动脉钙化的自动量化，并引入了标准化的钙化评分框架，与基于阈值的方法进行了比较	研究为回顾性设计，样本量相对有限（223个CTA体积），且依赖于手动标注的ground truth，可能引入标注偏差	开发并评估一种深度学习方法来量化对比增强CT血管造影中的腹部动脉钙化，以提高临床实践中的可重复性和减少观察者依赖性	腹部动脉（主动脉、髂动脉、肾动脉和肠系膜动脉）的钙化	数字病理学	心血管疾病	对比增强CT血管造影（CTA）	CNN	图像（CTA体积）	223个CTA体积（147个训练，76个测试）	nnU-Net	nnU-Net	Dice分数, 体积相似性, 敏感性, 精确度, Jaccard指数	NA
1237	2026-03-10	IALA-LNN: Deep Learning for Peptide Retention Time Prediction Based on Improved Artificial Lemming Algorithm-Optimized Liquid Neural Networks 2026-Mar-09, Journal of chemical information and modeling IF:5.6Q1 DOI:10.1021/acs.jcim.5c02548 PMID:41701342	研究论文	本文提出了一种基于改进人工旅鼠算法优化的液态神经网络框架IALA-LNN，用于准确预测肽段在液相色谱中的保留时间	首次将受常微分方程状态演化控制的液态神经网络应用于肽段保留时间预测，并结合了改进的人工旅鼠算法进行超参数优化，有效捕获了肽序列的复杂顺序依赖性	未明确提及模型在不同实验室或色谱系统间的泛化能力，也未讨论对非标准或修饰肽段的预测性能	提高液相色谱-串联质谱蛋白质组学中肽段保留时间预测的准确性，以增强肽段鉴定的可靠性	肽段序列及其在反相色谱、强阳离子交换色谱和亲水相互作用色谱中的保留时间	机器学习	NA	液相色谱-串联质谱	液态神经网络	序列数据	NA	NA	ESM-2, ProtT5, 液态神经网络	R², 平均绝对误差	NA
1238	2026-03-10	Polypharmacology Browser PPB3: A Web-Based Deep Learning Tool for Target Prediction Using ChEMBL Data 2026-Mar-09, Journal of chemical information and modeling IF:5.6Q1 DOI:10.1021/acs.jcim.6c00299 PMID:41721463	研究论文	本文介绍了一个基于深度学习的网络工具PPB3，用于预测药物分子的多药理学靶点	使用了比先前模型更大的数据集，包含多种靶点类型，并基于ChEMBL 34数据训练深度神经网络	NA	开发一个基于网络的工具，用于预测药物分子的多药理学靶点	药物分子及其与生物靶点的相互作用	机器学习	NA	深度神经网络	深度神经网络	二进制子结构指纹	1,187,089个分子与7,546个靶点之间的2,496,555次相互作用	NA	NA	召回率, 精确度	NA
1239	2026-03-10	Upconversion optical entropy encoding for infrared complex-amplitude imaging 2026-Mar-09, Light, science & applications DOI:10.1038/s41377-026-02215-7 PMID:41796141	研究论文	本文提出了一种基于上转换光学熵编码的红外复振幅成像系统，实现了视频速率的高保真成像	结合相干与非相干方法的优势，利用无序光子结构中的光散射与镧系元素上转换光致发光的协同作用，通过深度学习网络实现单次可见光快照捕获并重构红外光场信息	NA	开发一种实时、高灵敏度的红外复振幅成像系统，以捕获红外场景的完整相位和振幅信息	红外光场信息，包括自然场景图像和自动驾驶中的限速标志图像	计算机视觉	NA	上转换光学熵编码，深度学习网络	深度学习网络	图像	NA	NA	NA	视频速率（25 fps），高保真8位灰度调制，功率检测限（0.2 nW μm）	NA
1240	2026-03-10	ESR Innovation in Focus: Deep learning in MR image reconstruction 2026-Mar-09, European radiology IF:4.7Q1 DOI:10.1007/s00330-026-12427-5 PMID:41796228	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA