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
1341	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
1342	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
1343	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
1344	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
1345	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
1346	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
1347	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
1348	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
1349	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
1350	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
1351	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
1352	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
1353	2026-02-28	Limitation of existing GFR estimating equations and application of artificial intelligence in improving GFR estimation and chronic kidney disease progression in people with diabetes 2026-Mar, Diabetes research and clinical practice IF:6.1Q1 DOI:10.1016/j.diabres.2026.113152 PMID:41679651	综述	本文综述了现有肾小球滤过率估算方程的局限性，并探讨了人工智能在改善糖尿病患者GFR估算和慢性肾病进展预测中的应用	系统性地评估了人工智能方法（特别是机器学习）在糖尿病患者这一特定人群中改进GFR估算和CKD进展预测的潜力，并指出了现有研究的局限性	现有研究样本量较小，且多数来自特定国家或人群，研究结果不一致，需要在更大规模和更多样化的人群中进行验证	评估和改进糖尿病患者肾小球滤过率的估算方法，并预测慢性肾病的进展	糖尿病患者	机器学习	慢性肾病	NA	人工神经网络, 随机森林, 支持向量机, 集成学习模型	NA	较小样本量（具体未说明）	NA	NA	偏倚, 精确度, 准确度	NA
1354	2026-02-28	Deep learning and machine learning for differentiation between contrast extravasation and hemorrhagic transformation in post-thrombectomy stroke CT 2026-Mar, Journal of neuroradiology = Journal de neuroradiologie DOI:10.1016/j.neurad.2026.101530 PMID:41687434	研究论文	本研究开发并验证了基于机器学习和深度学习的模型，用于在机械取栓后6小时内的非增强CT上区分出血性转化与造影剂外渗	首次将U-Net深度学习模型与基于影像组学的传统机器学习模型（如支持向量机、随机森林和逻辑回归）结合，用于急性缺血性卒中后机械取栓术的早期并发症鉴别	研究为回顾性设计，样本量相对较小（111例患者），且仅针对前循环卒中患者，未来需要更大规模的前瞻性研究和混合方法验证	开发并验证机器学习模型，以在机械取栓后早期准确区分非增强CT上的出血性转化与造影剂外渗	接受机械取栓术的急性前循环缺血性卒中患者，特别是术后出现高密度影的患者	计算机视觉	心血管疾病	非增强CT成像	SVM, RF, LR, CNN	医学影像（CT图像）	351例患者（其中111例有术后高密度影，分为训练集72例和测试集39例）	NA	U-Net	准确率, 灵敏度, 特异度, F1分数, AUC	NA
1355	2026-02-28	Predicting human gait kinematics and kinetics from a single inertial measurement unit using deep learning and synthetic datasets: A blinded assessment study 2026-Mar, Journal of biomechanics IF:2.4Q3 DOI:10.1016/j.jbiomech.2026.113149 PMID:41687508	研究论文	本研究提出了一种使用单个惯性测量单元和深度学习网络预测人体步态运动学和动力学的方法，并通过盲法评估验证其性能	采用条件生成对抗网络增强合成数据集的变异性，并首次在真实IMU数据上进行盲法评估和微调验证	模型在真实IMU数据上的性能较虚拟数据有所下降，且样本量相对有限（共59名健康成年人）	开发从单个骶骨佩戴的惯性测量单元预测下肢关节角度和力矩的神经网络模型	健康成年人的步态运动学和动力学数据	机器学习	NA	惯性测量单元测量，运动捕捉系统	神经网络，条件生成对抗网络	惯性测量单元数据，运动捕捉标记数据	49名健康成年人（训练集），7名健康成年人（盲法测试集），3名健康成年人（微调后测试集）	NA	神经网络，条件生成对抗网络	均方根误差	NA
1356	2026-02-28	Molecular modelling assisted identification of novel Benzoxazole derivatives as hit molecules targeting Mycobacterial Membrane Protein Large 3 (MmpL3) 2026-Mar, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2026.111521 PMID:41628494	研究论文	本文通过分子建模辅助设计新型苯并恶唑衍生物作为靶向分枝杆菌膜蛋白大3（MmpL3）的候选分子，以抑制细胞壁合成并对抗结核病	设计了新型苯并恶唑甲酰胺衍生物，并综合运用分子对接、深度学习对接、分子动力学模拟及MM-GBSA、FEP分析等多种计算与实验方法进行验证，其中BXZ-IX和BXZ-XIV显示出与标准抑制剂SQ109相当的抗分枝杆菌活性	研究主要基于实验室测试和计算模拟，尚未进行体内实验或临床验证，且活性化合物的MIC值（15.62-62.5 μg/mL）虽有效但仍有优化空间	开发靶向MmpL3蛋白的新型抗结核化合物，以抑制分枝杆菌细胞壁合成	14种合成的苯并恶唑甲酰胺衍生物（BXZ-I至BXZ-XIV）及其对分枝杆菌（如耻垢分枝杆菌）的抑制活性	计算药物设计	结核病	分子对接、ADME预测、毒性预测、深度学习对接、分子动力学模拟、MM-GBSA、FEP分析	深度学习模型（用于对接）、分子动力学模拟模型	化合物结构数据、计算模拟数据、实验MIC数据	14种合成衍生物	NA	NA	最小抑制浓度（MIC）	NA
1357	2026-02-28	Deep Learning-based Detection of Colorectal Liver Metastases: Performance, Robustness, and Clinical Implications 2026-Mar, Radiology. Imaging cancer DOI:10.1148/rycan.260046 PMID:41758034	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
1358	2026-02-27	Can atrial fibrillation ablation outcomes be properly predicted with electrocardiography and artificial intelligence? 2026-Mar, European heart journal. Digital health DOI:10.1093/ehjdh/ztag029 PMID:41743189	研究论文	本研究探讨了基于心电图和深度学习算法预测心房颤动消融术后重复消融需求的能力	首次使用原始12导联心电图数据和深度神经网络来预测心房颤动消融的重复手术需求	模型预测性能有限（AUC仅0.61），可能受限于非心电图参数的影响、数据集规模不足或需要长期心电图监测数据	评估心电图结合人工智能在预测心房颤动消融结果中的有效性	接受心房颤动消融手术的患者	机器学习	心血管疾病	心电图	深度神经网络,随机森林	心电图原始数据	865名患者（其中163名需要重复消融）	NA	NA	AUC,准确率	NA
1359	2026-02-26	Neural network-assisted RNA velocity imputation for empowering transcript dynamics-based analyses 2026-Mar-20, iScience IF:4.6Q1 DOI:10.1016/j.isci.2026.114909 PMID:41736867	研究论文	提出了一种名为NARVI的深度学习框架，用于通过神经网络辅助RNA速度插补，以解决现有工具无法计算大量基因速度的问题	首次利用深度学习模型学习可计算基因的表达模式与速度之间的关系，以准确估计原本无法计算的基因速度	未在摘要中明确提及	解决RNA速度估计工具因技术限制或模型假设而无法计算大量基因速度的问题，以扩展基于速度的下游分析范围	单细胞转录组数据集中的基因速度估计	机器学习	NA	单细胞转录组测序	深度学习	单细胞转录组数据	多个单细胞转录组数据集	NA	NA	NA	NA
1360	2026-02-26	Knowledge-graph-enhanced multi-scale modeling for drug-drug interaction prediction 2026-Mar-12, Molecular therapy. Nucleic acids DOI:10.1016/j.omtn.2026.102855 PMID:41736888	研究论文	本文提出了一种名为ALG-DDI的多尺度特征融合模型，用于预测药物-药物相互作用，并扩展至DDI事件预测	整合了属性、局部关联和全局语义信息，通过Transformer编码器融合多尺度表示，克服了传统方法依赖手工特征和无法捕捉全局多尺度关系的局限	未明确提及模型的具体计算复杂度或对特定药物类别的泛化能力限制	预测药物-药物相互作用，以理解联合用药效果并预防不良反应	药物及其相互作用	机器学习	NA	知识图谱增强的多尺度建模	Transformer, RGCN, GraphSAGE, ComplEx	药物属性、蛋白质与疾病关联、知识图谱数据	三个数据集	NA	Transformer编码器，全连接网络	NA	NA