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
1241	2026-03-02	Characterization of immune features and discovery of potential biomarkers for ankylosing spondylitis using deep plasma proteomics 2026-Mar, Journal of advanced research IF:11.4Q1 DOI:10.1016/j.jare.2025.05.052 PMID:40436140	研究论文	本研究通过整合深度血浆蛋白质组学和深度学习策略，探索强直性脊柱炎的免疫特征并发现潜在生物标志物	结合随机森林和正交偏最小二乘判别分析构建机器学习模型，从深度蛋白质组学数据中识别出SAA1、FERMT3、ILK和TLN1作为AS的潜在生物标志物	样本量相对有限，且仅通过ELISA在独立队列中验证了生物标志物，未进行更大规模或多中心验证	阐明强直性脊柱炎的免疫特征并发现潜在生物标志物，以优化临床管理和预后评估	强直性脊柱炎患者（包括活动期和稳定期）及健康对照者的血浆样本	机器学习	强直性脊柱炎	深度定量蛋白质组学，ELISA	随机森林，正交偏最小二乘判别分析	蛋白质组学数据	104名参与者（AS患者和健康对照），另加79名参与者的独立验证队列	Scikit-learn	随机森林，正交偏最小二乘判别分析	NA	NA
1242	2026-03-02	Three-dimensional multimodal imaging for predicting early recurrence of hepatocellular carcinoma after surgical resection 2026-Mar, Journal of advanced research IF:11.4Q1 DOI:10.1016/j.jare.2025.06.031 PMID:40533057	研究论文	本研究构建了一个多模态模型（MM-RDLM），用于预测肝细胞癌手术切除后的早期复发，并探索了相关的生物学机制	整合了放射组学和深度学习模型，并利用特征可视化和梯度加权类激活映射提高模型可解释性，同时结合基因集富集分析和多重免疫组化探索生物学机制	研究样本来自三个医疗中心，但外部验证队列规模相对较小（86例），且模型性能需在更广泛的人群中进行验证	预测肝细胞癌（HCC）手术切除后的早期复发	肝细胞癌患者	数字病理学	肝细胞癌	对比增强计算机断层扫描（CT）成像，基因集富集分析（GSEA），多重免疫组化（mIHC）	深度学习模型，放射组学模型	医学影像（CT图像）	519名患者（训练队列433例，验证队列86例）	NA	NA	曲线下面积（AUC），风险比（HR）	NA
1243	2026-03-02	Revisiting PSF models: Unifying framework and high-performance implementation 2026-Mar, Journal of microscopy IF:1.5Q3 DOI:10.1111/jmi.70045 PMID:41186941	研究论文	本文提出了一个统一框架，系统比较了基于傅里叶变换和贝塞尔积分的点扩散函数模型，并基于PyTorch实现了高性能开源库	首次系统证明了傅里叶与贝塞尔方法的等价性，提出了适用于两种方法的统一校正框架，并实现了首个基于深度学习框架的高性能PSF计算库	未明确说明具体应用场景中的性能提升幅度，且新库的兼容性验证可能不够全面	建立点扩散函数模型的统一理论框架并实现高性能计算工具	高数值孔径成像系统中的点扩散函数模型	计算成像	NA	定位显微镜、点扩散函数建模	NA	光学成像模型	NA	PyTorch	NA	计算精度、计算速度	CPU、GPU
1244	2026-03-02	High-speed quantitative X-ray multi-contrast imaging with deep learning based modulated pattern analysis 2026-Mar-01, Journal of synchrotron radiation IF:2.4Q3 DOI:10.1107/S1600577526000846 PMID:41701528	研究论文	本文介绍了一种基于深度学习的增强扫描模式成像神经网络（ESPINNet），用于实现高速、高分辨率的X射线多对比度定量成像	ESPINNet比基于相关的散斑跟踪方法（如XSVT和UMPA）更快，通过使用更少的扫描图像在分辨率和速度之间提供平衡性能，并引入了生成暗场图像的能力，增强了其多功能性	未在摘要中明确提及	开发一种高速、高分辨率的X射线多对比度定量成像工具，以解决测量和分析X射线调制模式效率低的问题，应用于高分辨率原位成像	材料和生物样本的内部结构	计算机视觉	NA	X射线多对比度成像	神经网络	图像	NA	NA	ESPINNet	分辨率, 速度	NA
1245	2026-03-01	Automatic measurement of pharyngeal contraction ratio during deglutition using 2D cine MRI with deep learning: A pilot study 2026-Mar, Radiological physics and technology IF:1.7Q3 DOI:10.1007/s12194-025-00984-1 PMID:41236586	研究论文	本研究开发了一种基于深度学习的自动分割咽部区域并测量吞咽过程中咽部收缩比的方法，使用电影磁共振成像技术	结合2D U-Net进行咽部区域提取与自动计算咽部面积和收缩比，实现了从电影MRI中自动测量咽部收缩比的技术可行性	仅分析了20名健康成年人的数据，样本量较小，且未涉及患者群体，限制了结果的普遍性	开发自动测量吞咽过程中咽部收缩比的方法，以评估吞咽功能	20名健康成年人（10男10女，年龄22-29岁）的电影MRI数据	医学影像分析	吞咽障碍	电影磁共振成像	CNN	图像	20名健康成年人	NA	U-Net	Dice系数, 相关系数, Bland-Altman分析	NA
1246	2025-11-27	Deep learning-based support system for alignment classification and correction guidance in postoperative total knee arthroplasty lateral radiographs 2026-Mar, Radiological physics and technology IF:1.7Q3 DOI:10.1007/s12194-025-00987-y PMID:41288930	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
1247	2026-03-01	Effect of deep learning reconstruction on arm-induced artifacts compared with hybrid iterative reconstruction and filtered-backprojection in abdominal CT 2026-Mar, Radiological physics and technology IF:1.7Q3 DOI:10.1007/s12194-025-00998-9 PMID:41442007	研究论文	本研究评估了深度学习图像重建（DLIR）在腹部CT中减少手臂伪影和提升图像质量的效果，并与自适应统计迭代重建（ASIR-V）和滤波反投影（FBP）进行比较	首次在腹部CT中系统比较DLIR、ASIR-V和FBP对手臂伪影的减少效果，并证明DLIR在伪影抑制和图像质量方面优于传统方法	研究样本量较小（仅10名患者），且仅评估了特定手臂位置，可能未覆盖所有临床场景	评估DLIR在腹部CT中减少手臂伪影和提升图像质量的效果	肝脏结节体模（含手臂部分）和10名患者的腹部CT图像	医学影像	NA	计算机断层扫描（CT）	深度学习图像重建（DLIR）	CT图像	1个体模和10名患者	NA	NA	伪影强度（Gumbel分布位置参数和标准差）、信噪比（SNR）、对比噪声比（CNR）、噪声、伪影、锐度和整体质量的主观评分	NA
1248	2026-01-06	Implementation of deep learning with convolutional block attention module for detecting collimator rotation errors in stereotactic radiosurgery quality assurance 2026-Mar, Radiological physics and technology IF:1.7Q3 DOI:10.1007/s12194-025-01002-0 PMID:41489764	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
1249	2026-03-01	The application of artificial intelligence in blind ultrasound sweep diagnostics for prenatal medicine: A systematic literature review 2026-Mar, Acta obstetricia et gynecologica Scandinavica IF:3.5Q1 DOI:10.1111/aogs.70147 PMID:41574472	系统综述	本文系统综述了人工智能在盲超声扫描诊断于产前医学中的应用	聚焦于人工智能应用于由最低限度培训人员执行的标准化盲超声扫描，以改善产前超声诊断的可及性	在妊娠晚期准确性降低，以及在早期妊娠或异常检测方面的验证有限	评估人工智能模型在盲超声扫描中用于产前诊断的性能和潜力	产前盲超声扫描数据	数字病理学	NA	超声扫描	深度学习	图像	NA	NA	NA	平均绝对误差, AUC, Dice系数, 准确率	NA
1250	2026-03-01	Development of a hybrid deep learning-based framework for liver fibrosis classification using ultrasound images 2026-Mar, iLIVER DOI:10.1016/j.iliver.2026.100225 PMID:41756166	研究论文	本研究开发了一种结合ResNet50和VGG16的混合深度学习框架，用于基于超声图像的肝纤维化多分类（F0-F4）	提出了一种混合深度学习模型，结合了ResNet50和VGG16，用于肝纤维化的多分类，提高了诊断准确性并增强了模型的可解释性	研究依赖于公开数据集，可能未涵盖所有临床场景；模型性能评估虽使用统计方法，但外部验证仍需进一步进行	开发自动化的肝纤维化分期工具，以减少对活检的依赖，并提供经济、可解释的肝脏疾病评估方法	肝纤维化患者	计算机视觉	肝纤维化	超声成像	CNN	图像	6323个超声图像样本	NA	ResNet50, VGG16	准确率, 灵敏度, 特异性, AUC	NA
1251	2026-03-01	Real-Time MRI With Deep Learning for Efficient Evaluation of Neuromuscular Breathing Impairment 2026-Mar, MedComm IF:10.7Q1 DOI:10.1002/mco2.70579 PMID:41756255	研究论文	本研究评估了实时MRI结合深度学习图像分割在检测晚发型庞贝病呼吸功能障碍中的敏感性	首次将实时MRI与基于U-Net的深度学习肺部分割技术结合，用于量化膈肌运动异常，为神经肌肉呼吸障碍提供了新型生物标志物	样本量较小（仅11名患者和11名对照），且研究聚焦于单一疾病模型（晚发型庞贝病）	开发一种高效检测神经肌肉疾病呼吸障碍的新方法	晚发型庞贝病患者和健康对照个体	数字病理	神经肌肉疾病	实时MRI，快速T1映射	CNN	MRI图像	11名庞贝病患者和11名健康对照	NA	U-Net	NA	NA
1252	2026-03-01	Prostate cancer and benign prostatic hyperplasia lesions segmentation using diffusion kurtosis imaging, T2, and R2 mapping with U-Net++ algorithm 2026-Mar, Radiological physics and technology IF:1.7Q3 DOI:10.1007/s12194-025-00977-0 PMID:41091407	研究论文	本研究提出了一种基于深度学习的分割框架，用于在多种MRI采集和衍生参数图上分割前列腺病变	结合优化的深度学习架构与先进的MRI衍生图像，以增强诊断精度	NA	比较不同MRI衍生图像在分割前列腺病变中的性能，以识别提供最区分性信息的图像	前列腺癌和良性前列腺增生病变	数字病理学	前列腺癌	扩散峰度成像、T2加权成像、R2映射	深度学习	MRI图像	51名患者	NA	U-Net++	Dice相似系数、交并比、灵敏度、特异性	NA
1253	2026-02-28	Deep Learning-Based Motion-Compensated Reconstruction for Accelerating 4-Dimensional Magnetic Resonance Fingerprinting 2026-Mar-15, International journal of radiation oncology, biology, physics DOI:10.1016/j.ijrobp.2025.10.001 PMID:41138788	研究论文	本文提出并验证了一种名为DeepMocor的深度学习方法，用于运动补偿的四维磁共振指纹成像重建，以加速传统的4D-MRF重建过程	开发了DeepMocor这一深度学习框架，通过运动场初始化、精炼和最终重建三个阶段，实现了24倍于传统方法的加速，并有效处理了自由呼吸下的运动伪影	研究样本量较小（19名肝细胞癌患者），且为单中心前瞻性研究，需要更大规模、多中心的验证	开发并验证一种加速四维磁共振指纹成像重建的深度学习方法，以支持更高效的临床治疗规划	19名肝细胞癌患者（平均年龄62岁，14名男性）在自由呼吸状态下采集的腹部原始k空间数据	医学影像分析	肝细胞癌	四维磁共振指纹成像	深度学习模型	磁共振成像k空间数据	19名患者	NA	DeepMocor（包含运动场初始化、精炼和重建模块）	峰值信噪比, 结构相似性指数, 平均绝对百分比误差, 对比噪声比, 平均运动差异, 皮尔逊相关系数	NA
1254	2026-02-28	Current State-of-the-Art 3D MRI Sequences for Assessing Bone Morphology with Emphasis on Cranial and Spinal Imaging: A Narrative Review 2026-Mar, RoFo : Fortschritte auf dem Gebiete der Rontgenstrahlen und der Nuklearmedizin DOI:10.1055/a-2673-4339 PMID:40962128	综述	本文综述了用于评估骨形态（特别是颅骨和脊柱成像）的当前最先进3D MRI序列的技术进展与应用	系统比较了多种短回波时间MRI序列（如ZTE、UTE、VIBE）在骨成像中的应用，并探讨了其与深度学习结合以替代CT的潜力	这是一篇叙述性综述，未进行定量荟萃分析；研究主要聚焦于过去五年的颅骨和脊柱应用，可能未涵盖所有骨成像领域	回顾和总结用于骨形态评估的先进3D MRI序列的技术原理、应用进展及临床价值	颅骨和脊柱的骨结构成像	数字病理	NA	3D MRI序列（包括ZTE、UTE、VIBE、FRACTURE等）	NA	医学影像（MRI）	约250项近五年研究（针对应用综述）和约868项近十年研究（针对技术综述），最终筛选出69项研究	NA	NA	NA	NA
1255	2026-02-28	Topology-aware multiclass segmentation of the Circle of Willis from MRA and CTA images 2026-Mar, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2026.111516 PMID:41637822	研究论文	本文提出了一种用于磁共振血管成像和计算机断层扫描血管成像中Willis环多类别分割的深度学习框架，重点关注拓扑正确性和分割精度	提出了一种基于nnUNet的深度学习框架，并结合无需额外训练的后处理模块，专门针对Willis环多类别分割任务进行优化	未明确说明模型在更广泛临床数据上的泛化能力限制	实现Willis环血管的拓扑准确多类别分割，以评估其血管结构作为神经血管病理学生物标志物的重要性	Willis环血管网络（13个可能类别）	数字病理学	心血管疾病	磁共振血管成像, 计算机断层扫描血管成像	CNN	图像	使用TopCoW 2024公开数据集（MRA和CTA）进行训练和验证，并在隐藏测试集及CROWN 2023挑战数据集子集上进行评估	PyTorch	nnUNet	Dice系数, 中心线Dice	NA
1256	2026-02-28	A Deep Learning Algorithm for Liver Metastasis Detection at Contrast-enhanced Abdominal CT in Patients with Colorectal Cancer: A Comparative Study with Radiologists 2026-Mar, Radiology. Imaging cancer DOI:10.1148/rycan.250242 PMID:41649392	研究论文	本研究评估了一种深度学习算法在结直肠癌患者腹部增强CT中检测肝转移的性能，并与放射科医生进行了比较	开发了一种深度学习算法，用于在结直肠癌患者的腹部增强CT中检测肝转移，并与不同经验的放射科医生进行了全面的性能比较，特别是在不同病灶大小和位置（如包膜下）的检测表现	这是一项回顾性、双中心研究，可能存在选择偏倚；算法在小于10毫米的小病灶上检测率较低（55%）；假阳性主要源于胆管扩张和膈肌压迹等结构	评估深度学习算法在结直肠癌患者腹部增强CT图像中检测肝转移的准确性，并与放射科医生的诊断性能进行比较	结直肠癌患者的腹部增强CT图像	计算机视觉	结直肠癌	对比增强腹部CT成像	深度学习算法	医学图像	181名结直肠癌患者（95名有肝转移，86名无肝转移），共280个肝转移结节	NA	NA	检测率, 假检测率, 95%置信区间, 组内相关系数	NA
1257	2026-02-28	Emergent Language Symbolic Autoencoder (ELSA) with weak supervision to model hierarchical brain networks 2026-Mar, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2026.111533 PMID:41655479	研究论文	提出一种名为ELSA的新型分层符号自编码器架构，用于对静息态fMRI脑网络进行可解释的建模	结合弱监督和涌现语言框架，通过分层感知损失函数（渐进损失、严格损失、包含偏置损失）在无大量人工标注的情况下强制实现从粗到细的层次结构	未明确说明模型在其他类型分层生物医学数据上的泛化能力，也未讨论计算效率或训练时间	开发可解释的深度学习模型来建模具有层次结构的脑功能网络	静息态功能磁共振成像（fMRI）脑网络	机器学习	NA	静息态fMRI，独立成分分析（ICA）	自编码器	脑网络数据	来自1000 Functional Connectomes Project的公开数据	NA	Emergent Language Symbolic Autoencoder (ELSA)	分层一致性	NA
1258	2026-02-28	VSSI2p-Net: Physics-guided deep unfolding with L2p-norm and variation sparsity for EEG source imaging 2026-Mar, NeuroImage IF:4.7Q1 DOI:10.1016/j.neuroimage.2026.121793 PMID:41655611	研究论文	提出一种基于深度展开的神经网络模型VSSI-Net，用于解决脑电图源成像中的欠定问题	将变分稀疏性和ℓp范数正则化引入ESI模型，并通过ADMM迭代求解，再通过深度展开将迭代过程映射为神经网络结构，实现端到端参数优化	未明确说明模型对特定噪声类型或个体差异的鲁棒性	提高脑电图源成像的定位精度、空间范围估计和成像速度	脑电图源成像问题	神经影像	NA	脑电图	深度展开神经网络	脑电图信号	合成数据集和真实数据集	NA	VSSI-Net	源定位精度, 空间范围估计, 成像速度	NA
1259	2026-02-28	Periodontal bone loss analysis via keypoint detection with heuristic post-processing 2026-Mar, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2026.111515 PMID:41666656	研究论文	本研究提出了一种用于自动检测牙周骨丧失标志点、相关状况及分期的深度学习框架与标注方法	提出了一种启发式后处理模块，通过辅助实例分割模型将预测的关键点对齐到牙齿边界；并提出了适用于牙科影像领域的评估指标PRCK	根分叉病变和牙周膜间隙增宽任务的检测仍具挑战性，主要由于阳性样本稀缺；后处理模块偶尔会出现灾难性失败	开发自动检测牙周骨丧失标志点及相关临床状况的深度学习系统	牙周骨丧失的放射学标志点、疾病分期及相关临床状况	计算机视觉	牙周病	深度学习	关键点检测模型	根尖周X光片	192张根尖周X光片	NA	NA	PRCK, Dice系数	NA
1260	2026-02-28	Exploring the potential of explainable deep learning for EEG-based cognitive decline prediction 2026-Mar, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2026.111538 PMID:41666658	研究论文	本研究开发了两种具有自注意力机制的深度学习算法，用于基于静息态脑电图数据预测轻度认知障碍和认知衰退	首次使用深度学习模型评估基于认知评分对健康受试者进行分类，其中大脑变化极小且难以检测，为早期阿尔茨海默病诊断中生物标志物的发现开辟了新途径	预测健康受试者的临床前认知衰退比预测已诊断的轻度认知障碍更具挑战性，转移学习方法仅达到56.08%的测试准确率	创建一种经济高效且非侵入性的早期认知衰退检测方法	健康对照者和轻度认知障碍患者的静息态脑电图数据	机器学习	阿尔茨海默病	脑电图	深度学习, CNN	脑电图信号	公开可用数据集中的健康对照和轻度认知障碍患者	NA	具有自注意力机制的深度学习算法	准确率	NA