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
861	2026-05-02	Plantar Thermogram Analysis Using Deep Learning for Diabetic Foot Risk Classification 2026-May, Journal of diabetes science and technology IF:4.1Q2 DOI:10.1177/19322968251316563 PMID:39980256	研究论文	利用热成像和深度学习对糖尿病患者进行足部溃疡风险分层	首次将热成像与深度学习结合用于糖尿病足风险分类，并优先提高筛查灵敏度以识别高风险足部	样本量较小（仅153张热图像），且数据集存在类别不平衡（正常图像远多于异常图像）	开发一种基于热成像和深度学习的非侵入性筛查方法，用于糖尿病足溃疡风险分层	成年糖尿病患者	计算机视觉，机器学习	糖尿病足	热成像	卷积神经网络（CNN）	图像	153张足底热图像（98张用于训练，55张用于测试）	NA	NA	准确率，灵敏度，特异性，马修斯相关系数	NA
862	2026-05-02	A Tutorial on MRI Reconstruction: From Modern Methods to Clinical Implications 2026-May, IEEE transactions on bio-medical engineering DOI:10.1109/TBME.2025.3617575 PMID:41042661	教程	概述磁共振成像重建的基本原理并介绍先进方法，从传统的手工先验方法到结合学习与手工先验的深度学习方法，同时探讨这些方法的转化方面和临床意义	系统性地介绍了MRI重建从经典方法到深度学习方法的演进，并提供了配套的Python工具箱以演示所选方法	未明确提及局限性，但教程性质可能意味着缺乏对新方法的广泛验证和比较	介绍MRI重建的基本原理和最新进展，并探讨其临床转化前景	MRI图像重建方法，包括传统方法和深度学习方法	机器学习和图像重建	NA	MRI	深度学习方法（如CNN等）	MRI图像	NA	Python	NA	NA	NA
863	2026-05-02	Deep learning-guided attenuation and scatter correction of 99mTc-MAA SPECT images: towards quantitative analysis in 90Y-SIRT 2026-May, Annals of nuclear medicine IF:2.5Q2 DOI:10.1007/s12149-025-02152-2 PMID:41489766	研究论文	开发深度学习模型，用于99mTc-MAA SPECT成像的无CT衰减校正和基于蒙特卡罗的散射校正，以提升90Y-SIRT治疗规划与剂量定量分析的准确性	首次将改进的3D Swin UNETR架构应用于SPECT图像的衰减与散射联合校正，实现CT-free方式且无需蒙特卡罗模拟，具有临床转化潜力	基于回顾性数据，未在真实临床环境中验证；模型性能可能受限于训练数据分布和患者异质性	通过深度学习模型实现SPECT图像的衰减与散射校正，支持90Y-SIRT的精准剂量学分析	222名接受90Y-SIRT前99mTc-MAA SPECT成像的患者	计算机视觉, 数字病理	NA	SPECT成像	深度学习	图像	222名患者	NA	Swin UNETR（改进型3D移位窗口UNet Transformer）	平均误差, 相对误差, 平均绝对误差, Gamma分析（距离一致性与剂量差异）	NA
864	2026-05-02	Quantification of Ki-67 labeling index in pediatric brain tumor immunohistochemistry images 2026-May-01, Journal of neuropathology and experimental neurology IF:3.2Q2 DOI:10.1093/jnen/nlaf163 PMID:41806389	研究论文	基于深度学习框架自动量化儿童脑肿瘤免疫组化图像中的Ki-67标记指数	首次将StarDist深度学习模型应用于儿童脑肿瘤全切片图像的Ki-67标记指数自动计算，并集成QuPath和Python后处理脚本生成细胞密度图和汇总表	研究未提及对罕见肿瘤亚型的验证，且基于单一数据集（CBTN）可能导致泛化性受限	为儿童脑肿瘤的Ki-67标记指数提供自动化定量分析框架，替代手动评分	儿童脑肿瘤全切片免疫组化图像中的Ki-67阳性与阴性细胞核	数字病理学	儿童脑肿瘤（髓母细胞瘤、室管膜瘤、胶质瘤等）	免疫组化染色	深度学习模型（StarDist）	全切片图像	632例儿童脑肿瘤病例，734张Ki-67全切片图像	QuPath, Python	StarDist	中位数标记指数、相关性分析P值	未明确说明
865	2026-05-02	Association of Circulating T Cell and Tumor Microenvironment Profiles with Immune Checkpoint Blockade Outcomes in Sarcoma 2026-May-01, Clinical cancer research : an official journal of the American Association for Cancer Research IF:10.0Q1 DOI:10.1158/1078-0432.CCR-25-3419 PMID:41677857	研究论文	分析肉瘤患者循环T细胞和肿瘤微环境特征与免疫检查点抑制剂治疗结局的关联	首次结合外周血T细胞免疫分型与肿瘤微环境基因表达亚型，并应用深度学习自动分析H&E切片淋巴聚集物，提出多模态预测免疫治疗反应的生物标志物	H&E切片样本量较小（仅48例），且深度学习模型仅用于淋巴聚集物检测，未进一步整合多模态特征	探索肉瘤患者接受免疫检查点抑制剂治疗的反应和耐药生物标志物，以优化患者选择	肉瘤患者的外周血单个核细胞（PBMC）、肿瘤组织RNA测序数据及H&E染色切片	数字病理学	肉瘤	流式细胞术、RNA测序、深度学习	深度学习模型（用于自动分析H&E切片）	图像（H&E切片）、基因表达谱（RNA-seq）、细胞免疫分型数据	178例患者PBMC样本，67例肿瘤组织RNA-seq样本，48例H&E切片样本	NA	NA	总生存期、无进展生存期、缓解率	NA
866	2026-05-02	Deep learning model for automated identification of ventrally positioned right hepatic artery in contrast-enhanced computed tomography of pediatric congenital biliary dilatation: development and clinical application 2026-May, Pediatric radiology IF:2.1Q2 DOI:10.1007/s00247-026-06588-0 PMID:41870581	研究论文	开发并验证基于YOLOv12的深度学习模型，用于在增强CT中自动识别儿童先天性胆总管扩张的腹侧走行右肝动脉	首次将YOLOv12模型应用于儿童术前CT图像中腹侧走行右肝动脉的自动识别，采用关键切片靶向策略，性能达到资深放射科医师水平	单中心回顾性研究，样本量相对有限，未进行外部验证	开发一种能够自动识别增强CT中腹侧走行右肝动脉的深度学习模型，提高儿童先天性胆总管扩张术前评估的安全性	儿童先天性胆总管扩张患者的腹侧走行右肝动脉	计算机视觉	先天性胆总管扩张	增强CT	YOLOv12	医学图像	232例先天性胆总管扩张患者（116例腹侧走行右肝动脉，116例对照），共1452张关键动脉期切片	PyTorch	YOLOv12n, YOLOv12s, YOLOv12m, YOLOv12l, YOLOv12x	精确率、召回率、F1分数、平均精度均值、受试者工作特征曲线下面积	NA
867	2026-05-02	Spectral deep learning-based patient and bowtie scatter correction for clinical photon-counting CT 2026-May, Medical physics IF:3.2Q1 DOI:10.1002/mp.70442 PMID:42050788	研究论文	本研究提出一种基于光谱深度学习的患者与Bowtie散射校正方法，用于临床光子计数CT	首次在深度学习散射校正中利用光子计数CT的光谱信息，实现患者与Bowtie散射的联合校正，减少网络数量并降低计算成本	未明确提及具体限制，但依赖蒙特卡洛数据和临床PCCT系统验证，可能需进一步评估泛化性	探究光谱信息如何改进深度学习散射校正，并比较联合与单独校正Bowtie及患者散射的性能	光子计数CT中的散射伪影，包括患者散射和Bowtie散射	计算机视觉	NA	光子计数CT	神经网络	图像	使用蒙特卡洛模拟数据和临床PCCT系统实测数据，具体样本量未提及	NA	深度散射估计网络	平均绝对误差, 临界平均绝对误差	NA
868	2026-05-02	Clinically Deployable Handwriting Biomarkers of Parkinson's Disease via Multiscale Attention and Bayesian-Genetic Optimization 2026-May, Brain and behavior IF:2.6Q3 DOI:10.1002/brb3.71457 PMID:42050861	研究论文	提出了一种结合多尺度注意力和贝叶斯-遗传优化的深度学习网络，用于基于手写特征检测帕金森病	首次将多尺度门控多头注意力机制与深度可分离卷积结合，并设计帕金森病专用贝叶斯-遗传优化方案来联合调优架构和训练超参数，同时利用SHAP超像素归因图提供临床可解释性	未提及外部验证数据集以外的泛化测试，且模型优化主要针对PaHaW数据集，可能需要更多样本人群验证	开发一种临床可部署的手写生物标志物深度学习模型，用于帕金森病的客观检测和风险分层	帕金森病患者和健康对照组的螺旋线、波浪线和迂回线手绘图画	计算机视觉	帕金森病	手写数字化采集（平板电脑）	卷积神经网络（多尺度门控多头注意力深度可分离卷积网络）	图像（统一RGB格式的手绘任务图像）	PaHaW数据集和独立HandPD数据集，具体样本量未在摘要中给出	NA	多尺度门控多头注意力深度可分离卷积网络（PD-MGMA-DSCNN）	准确率、ROC-AUC、精确率-召回率	NA
869	2026-05-02	Improving patient treatment accuracy using transit dosimetry with Electronic Portal Imaging Device images and deep learning 2026-May, Physics and imaging in radiation oncology DOI:10.1016/j.phro.2026.100966 PMID:42063988	研究论文	利用EPID图像和深度学习进行通过式剂量测定，提高患者治疗准确性	提出了一种基于深度学习的框架，通过数据采集和治疗计划系统剂量模拟，从通过式EPID图像重建水等效剂量，无需繁琐的校准和校正程序	未明确说明局限性，但提及标准非晶硅EPID探测器对水等效剂量的非线性响应是主要限制	开发一种深度学习框架，从通过式EPID图像快速准确地重建水等效剂量，支持安全有效的放射治疗	EPID测量数据和对应的Monaco治疗计划系统剂量模拟	计算机视觉，机器学习	不适用（癌症放射治疗）	EPID成像，剂量模拟	CNN（U-Net）	图像	超过200个EPID测量数据，使用不同体模和照射野	不适用	2D U-Net	平均绝对误差，γ指数（3%/3mm和5%/5mm标准）	不适用
870	2026-05-02	A few-shot learning method for underwater acoustic target recognition based on generative data augmentationa) 2026-May-01, The Journal of the Acoustical Society of America IF:2.1Q1 DOI:10.1121/10.0043727 PMID:42065402	研究论文	提出一种基于生成式数据增强的小样本水下声学目标识别方法	构建生成式与判别式协同框架，利用潜在空间补全和结构保持生成重建机制，在特征层面重建更连续、完整且具有判别性的类内分布	NA	解决小样本场景下水下声学目标识别中参考样本稀缺和环境干扰复杂的问题	水下声学目标	机器学习	NA	NA	变分自编码器	声学信号	NA	NA	变分自编码器	NA	NA
871	2026-05-02	Estimating band importance for environmental sound recognition using deep learninga) 2026-May-01, The Journal of the Acoustical Society of America IF:2.1Q1 DOI:10.1121/10.0043736 PMID:42065403	研究论文	利用深度学习模型估算环境声音识别中的频带重要性函数	通过比较模仿人类表现和任务最优的深度学习模型，揭示了环境声音识别中的频带重要性，并发现人类表现接近任务最优频率	研究仅涉及25种日常声音和语音掩蔽，可能未涵盖所有环境声音类型；BIF估计依赖于特定模型和滤波器方法	理解环境声音识别中支持频率区域的频带重要性，并评估人类表现与任务最优的一致性	46名听者识别的25种日常声音与语音混合的听觉刺激	机器学习	NA	深度学习	深度学习模型	声音信号	46名听者，25种声音	TensorFlow	卷积神经网络（CNN）	识别准确率	GPU（NVIDIA RTX 3090）
872	2026-05-02	Machine learning for predicting chaotic systems 2026-May-01, Chaos (Woodbury, N.Y.) DOI:10.1063/5.0313297 PMID:42065909	研究论文	比较不同机器学习方法在预测混沌动力系统上的表现，并介绍了一种新的误差度量标准	引入了允许在基准测试结果中进行不确定性量化的新数据库，并提出了针对混沌系统定制的累积最大误差这一新指标	结果可能因实验设置不同而有显著变化，且未涉及高维或真实世界混沌系统的验证	评估不同机器学习架构在预测混沌系统时的性能，并强调方法选择与数据特性匹配的重要性	低维混沌动力系统的预测问题	机器学习	不适用	不适用	轻量级和重量级机器学习模型，包括深度学习模型	时间序列数据	多个低维系统基准数据库，包括一个新增数据库	不适用	多种架构，包括传统方法和深度学习模型	累积最大误差，以及其他传统指标	根据计算成本调整超参数调优，轻量方法分配更多调优
873	2026-05-01	Extending Multiscale Characterization of Heart Rate Variability via Deep Learning for Mortality Risk Prediction 2026-May, IEEE transactions on bio-medical engineering DOI:10.1109/TBME.2025.3614714 PMID:41004366	研究论文	利用深度学习方法扩展心率变异性的多尺度特征，用于死亡风险预测	结合去趋势移动平均（DMA）分析与卷积神经网络（CNN），捕捉传统线性分析忽略的HRV非线性标度模式	NA	通过捕捉HRV非线性标度模式，改进基于心率变异信号的死亡风险预测	24小时Holter ECG记录的916名幸存者和70名非幸存者	机器学习	心血管疾病	Holter ECG	CNN	信号	986名患者的2小时窗口24小时Holter ECG记录（916名幸存者，70名非幸存者）	NA	NA	ROC-AUC, 调整风险比	NA
874	2026-05-01	Multilevel Correlation-Aware and Modal-Aware Graph Convolutional Network for Diagnosing Neurodevelopmental Disorders 2026-May, IEEE transactions on bio-medical engineering DOI:10.1109/TBME.2025.3617348 PMID:41037545	研究论文	提出了一种多层级相关感知和模态感知的图卷积网络（MCM-GCN），用于诊断神经发育障碍	通过设计个体层级的关联驱动特征生成模块捕获图间相关性，并在群体层级通过多模态解耦特征增强模块深度融合多模态和多图谱信息	NA	实现神经发育障碍的可靠诊断，提高诊断准确率并识别关键指标	自闭症谱系障碍（ASD）和注意力缺陷多动障碍（ADHD）患者	机器学习	神经发育障碍	静息态功能磁共振成像	图卷积网络	脑网络数据、表型数据	两个公开数据集	PyTorch	MCM-GCN	准确率	NA
875	2026-05-01	Game Theory Meets Statistical Physics: A Novel Deep Neural Networks Design 2026-May, IEEE transactions on cybernetics IF:9.4Q1 DOI:10.1109/TCYB.2025.3649299 PMID:41525603	研究论文	提出一种融合博弈论与统计物理原理的新型深度神经网络设计方法，用于特征提取和模式分类	首次将博弈论中Shapley值与统计物理的玻尔兹曼能量模型结合，通过神经元贡献度评估实现网络正则化，并采用蒙特卡洛采样降低计算复杂度	未提及具体局限性信息	设计一种统一的学习框架，通过博弈论和统计物理的交叉方法提升深度神经网络性能	面部年龄估计和性别分类任务	机器学习	NA	NA	深度神经网络	图像	NA	NA	NA	准确率, 精确率, 召回率, F1分数	NA
876	2026-05-01	Non-invasive Prediction of CYP11B2-Defined Subtypes in Primary Aldosteronism Using 18F-Pentixafor PET/CT and Machine Learning 2026-May, Academic radiology IF:3.8Q1 DOI:10.1016/j.acra.2025.12.026 PMID:41530023	研究论文	开发并验证结合临床数据、影像组学和深度学习特征的可解释机器学习模型，用于无创预测原发性醛固酮增多症的病理亚型	首次将18F-Pentixafor PET/CT影像的影像组学和深度学习特征与临床数据整合，通过可解释机器学习模型（SHAP分析）实现原发性醛固酮增多症亚型的无创预测，并揭示与CXCR4和CYP11B2表达的生物学关联	单中心回顾性研究、样本量有限（89例）、方法未在其他中心验证、模型计算资源未详细说明	开发无创预测原发性醛固酮增多症病理亚型（基于CYP11B2免疫组化定义）的可解释机器学习模型，以减少对侵入性肾上腺静脉采样的依赖	89例诊断为原发性醛固酮增多症或无功能性肾上腺腺瘤的患者，接受18F-Pentixafor PET/CT检查	机器学习	原发性醛固酮增多症	PET/CT	支持向量机	临床数据、PET/CT图像	89例患者	NA	支持向量机	AUC、敏感性、F1分数	NA
877	2026-01-18	Less Noise, More Confidence: Deep Learning Denoising Algorithm for Coronary Stenosis Assessment in pre-TAVI CT Imaging 2026-May, Academic radiology IF:3.8Q1 DOI:10.1016/j.acra.2025.12.052 PMID:41545257	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
878	2026-01-18	Comment on "Deep Learning Denoising Algorithm for Improved Assessment of Coronary Arteries in Transcatheter Aortic Valve Implantation CT Imaging" 2026-May, Academic radiology IF:3.8Q1 DOI:10.1016/j.acra.2025.12.053 PMID:41545256	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
879	2026-05-01	Automated Gross Tumor Volume (GTV) Contouring in High-Grade Gliomas Using a Deep Learning Approach 2026-May, Academic radiology IF:3.8Q1 DOI:10.1016/j.acra.2025.12.046 PMID:41545259	研究论文	提出一种基于深度学习的方法，用于高级别胶质瘤（HGG）中肿瘤大体体积（GTV）的自动勾画	利用修改后的3D U-Net架构，在BraTS 2018-2019挑战赛的469个样本上训练，基于多序列MRI增强特征学习，并遵循ESTRO和EANO指南定义GTV	未提及具体的局限性	开发一种自动勾画HGG中GTV的深度学习框架，以提高放射治疗规划的精度和效率	高级别胶质瘤（HGG）患者	计算机视觉	高级别胶质瘤	MRI（多序列磁共振成像）	3D U-Net	图像	469个样本（来自BraTS 2018-2019挑战赛）	NA	修改后的3D U-Net	Dice相似系数（DSC），95百分位Hausdorff距离（HD95）	NA
880	2026-05-01	Prediction of Neoadjuvant Chemotherapy Efficacy for Locally Advanced Nasopharyngeal Carcinoma Using MRI-Based Deep Learning Features Combined with Vision Transformer 2026-May, Academic radiology IF:3.8Q1 DOI:10.1016/j.acra.2026.02.003 PMID:41775615	研究论文	利用MRI深度学习特征结合Vision Transformer预测局部晚期鼻咽癌新辅助化疗疗效	首次将多序列MRI深度学习特征与Vision Transformer结合用于预测局部晚期鼻咽癌新辅助化疗疗效	单中心回顾性研究，样本量有限，未进行外部验证	评估多序列MRI深度学习特征结合Vision Transformer在预测局部晚期鼻咽癌新辅助化疗疗效中的价值	接受标准新辅助化疗的局部晚期鼻咽癌患者	计算机视觉, 数字病理学	鼻咽癌	MRI	深度学习模型	图像	266例局部晚期鼻咽癌患者	PyTorch	ResNet50, DenseNet121, Vision Transformer (ViT)	AUC, 准确率, F1分数	NA