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
1041	2026-05-23	A Cost-Efficient Multi-Angle Fusion Deep Learning for Ultrasound Localization Microscopy 2026-Jun, IEEE transactions on bio-medical engineering DOI:10.1109/TBME.2025.3623140 PMID:41115083	研究论文	提出一种名为AF-UNet的轻量级多角度深度学习框架，用于加速超声定位显微镜中的杂波滤波	AF-UNet通过处理旋转3D同相/正交数据的时空切片并融合，实现组织抑制与微血管重建，在多个解剖器官上表现出强泛化性和高图像保真度	NA	开发计算机高效且适用于实时临床应用的超声定位显微镜杂波滤波方法	微泡定位实现的微血管结构超分辨率成像	计算机视觉	NA	超声定位显微镜	深度学习模型 (AF-UNet)	超声图像数据	包括大脑、眼睛、肾脏在内的多种解剖器官数据	PyTorch	AF-UNet	图像保真度	NA
1042	2026-05-23	Cross-Hemispheric Spatial-Temporal Attention Network for Decoding Silent Speech From EEG 2026-Jun, IEEE transactions on bio-medical engineering DOI:10.1109/TBME.2025.3624878 PMID:41129430	研究论文	提出跨半球时空注意力网络（CHSTAN）用于从脑电图解码无声言语	利用语言功能侧化原则，设计多尺度时间卷积块和半球空间卷积块，并引入交叉注意力机制增强半球间特征交互，特别强化左半球特征表示	研究仅针对10个中文汉字的无声言语任务，样本量和类别数有限，可能限制模型泛化能力	提高基于脑电图的言语解码性能	10个不同中文汉字的无声言语任务中的脑电图信号	机器学习	言语障碍	脑电图（EEG）	CNN（卷积神经网络）	信号	未明确报告样本数量，涉及10个中文汉字的无声言语任务	NA	跨半球时空注意力网络（CHSTAN）	准确率, F1分数	NA
1043	2026-05-23	Zero-Shot Unsupervised Motion Estimation for Motion-Corrected Cardiac T1 Mapping 2026-Jun, IEEE transactions on bio-medical engineering DOI:10.1109/TBME.2025.3624279 PMID:41124069	研究论文	提出一种基于深度学习的零样本无监督运动估计方法，用于心脏T1映射的运动校正	利用物理qMRI信号模型进行零样本运动估计，无需大规模训练数据，对欠采样伪影具有鲁棒性	未提及实际计算资源需求或与其他运动校正方法的全面比较	实现连续采集的心脏qMRI数据的非刚性运动校正，缩短扫描时间	心脏T1映射中的运动估计与校正	数字病理学	弥漫性心肌纤维化	定量磁共振成像	U-Net	图像	数值模拟和体内采集数据	PyTorch	U-Net	T1精度, 清晰度, 时间图像对齐	NA
1044	2026-05-20	Leveraging quantum chemical properties in transfer learning for predicting blood-brain barrier permeability of drugs 2026-Jun, Drug delivery and translational research IF:5.7Q1 DOI:10.1007/s13346-025-02005-5 PMID:41160380	研究论文	探索机器学习、深度学习和迁移学习模型，利用量子化学性质预测药物分子的血脑屏障渗透性，并通过PAMPA-BBB实验验证	首次将量子化学性质（QM9扩展的极化率和偶极矩）融入迁移学习，提升了预测血脑屏障渗透性的性能，且量子化学性质提供的预测价值超越了传统分子描述符和P-糖蛋白抑制基线	NA	开发计算模型快速筛选药物分子的血脑屏障渗透性，以促进中枢神经系统药物开发	药物分子的血脑屏障渗透性预测	机器学习	中枢神经系统疾病	PAMPA-BBB体外实验, 机器学习分类模型	SVM, DNN, D-MPNN, 迁移学习模型	分子结构数据 (2D RDKit和Morgan指纹, QM9量子化学性质)	约8000个化合物（B3DB数据库），18个化合物（EEBL库实验验证）	NA	SVM, DNN, D-MPNN	准确率, ROC-AUC	NA
1045	2026-05-16	Analysis of deep learning-based segmentation of lymph nodes on full-dose and reduced-dose body CT 2026-06, Abdominal radiology (New York) DOI:10.1007/s00261-025-05253-8 PMID:41251734	研究论文	验证基于深度学习的模型在全剂量和模拟低剂量CT上对淋巴结检测和分割的性能	在低剂量CT图像质量下降的情况下，通过使用全剂量和低剂量CT训练的模型提高淋巴结分割性能	图像质量下降影响了低剂量CT上的淋巴结勾画	评估全自动深度学习模型在全剂量和低剂量CT上检测和分割淋巴结的性能	淋巴结	计算机视觉	NA	CT	3D nnU-Net	图像	151名患者的15341个淋巴结（内部）和120个CT（外部）	NA	3D nnU-Net	精确率、灵敏度、Dice相似系数、豪斯多夫距离	NA
1046	2026-05-16	Physics-aware imaging AI for quantitative MASLD biomarker mapping: a systematic review of deep learning and radiomics across ultrasound, CT, and MRI 2026-06, Abdominal radiology (New York) DOI:10.1007/s00261-025-05317-9 PMID:41291295	综述	系统综述了物理感知人工智能在MASLD量化生物标志物成像中的应用，涵盖超声、CT和MRI的深度学习和影像组学方法	首次聚焦物理感知AI在MASLD/MASH多模态成像中的应用，强调物理先验与AI结合的自动化定量映射方法比较	缺少标准化纵向评估流程和多厂商数据统一化验证，MASLD特异性纤维化验证不足	评估物理感知AI在MASLD/MASH医学成像中用于定量生物标志物映射的研究现状和部署准备度	代谢功能障碍相关脂肪性肝病及其进展形式MASH的医学影像数据	数字病理学	肝病	MRI, CT, 超声	深度学习, 影像组学	影像	33项研究纳入分析	NA	领域自适应技术	性能指标	NA
1047	2026-05-16	Comparative Performance of YOLO Models in the Automated Segmentation of Dental Traumas on Panoramic Radiographs 2026-Jun, Dental traumatology : official publication of International Association for Dental Traumatology IF:2.3Q2 DOI:10.1111/edt.70034 PMID:41305998	研究论文	比较YOLOv8、YOLOv11和YOLOv12三种深度学习模型在儿童全景X光片上自动分割牙科创伤的性能	首次系统比较YOLOv8、YOLOv11和YOLOv12三种最新YOLO模型在牙科创伤分割任务上的表现，发现YOLOv12在硬组织和软组织损伤检测中均表现最佳	人工智能尚未在牙科创伤学中达到完美性能，仍需与专家牙医合作开发以更好地支持临床决策	比较基于人工智能的深度卷积神经网络（YOLOv8、YOLOv11和YOLOv12）在儿童全景X光片上分割牙科损伤的性能	6-13岁有牙科创伤的儿科患者的全景X光片	计算机视觉	牙科创伤	全景X光成像	YOLOv8, YOLOv11, YOLOv12	图像	来自加济安泰普大学牙科学院儿科患者的全景X光片	CranioCatch	YOLOv8, YOLOv11, YOLOv12	AUC, 多类F1分数	NA
1048	2026-05-16	Artificial intelligence for personalized multiple micronutrient supplementation in maternal health 2026-Jun, International journal of gynaecology and obstetrics: the official organ of the International Federation of Gynaecology and Obstetrics DOI:10.1002/ijgo.70911 PMID:41755349	综述文章	探讨人工智能在孕产妇个性化多种微量营养素补充中的应用框架	提出“营养数字孪生”概念，结合多模态数据（电子健康记录、可穿戴设备、基因组标记等）和深度学习/自然语言处理模型，实现个性化营养补充方案的分层与模拟	当前仍处于概念模型阶段，需解决数据代表性、伦理规范、推荐可信度及公平性等关键问题	设计基于AI的个性化多种微量营养素补充策略，以改善孕产妇及后代健康结局	孕产妇人群，特别是存在营养不良、微量营养素缺乏及不良妊娠结局风险的个体	机器学习, 自然语言处理, 数字病理学	孕产妇营养不良、微量营养素缺乏及相关妊娠并发症	NA	深度学习模型、自然语言处理模型	多模态数据（电子健康记录、可穿戴设备输出、营养与生育应用日志、基因组标记、社会人口学信息）	NA	NA	NA	NA	NA
1049	2026-05-16	Proof-of-concept: Differentiating upper trapezius muscle with myofascial trigger point using deep learning model on a small prospective sEMG dataset 2026-Jun, Journal of electromyography and kinesiology : official journal of the International Society of Electrophysiological Kinesiology IF:2.0Q2 DOI:10.1016/j.jelekin.2026.103132 PMID:41818939	研究论文	本研究验证了使用深度学习模型从表面肌电信号中区分肌筋膜触发点的概念	首次证明表面肌电信号单独包含可用于区分肌筋膜触发点的判别信息，并在小样本数据上使用1D卷积神经网络实现高分类性能	样本量小（9名健康对照和13名患者），且未进行大规模验证	探究表面肌电信号是否包含判别信息以识别肌筋膜触发点	健康对照者和肌筋膜疼痛患者的上斜方肌表面肌电信号	机器学习	肌筋膜疼痛综合征	表面肌电信号（sEMG）	1D卷积神经网络（1D CNN）	生物信号数据（表面肌电信号）	22名受试者（9名健康对照和13名患者），共279个收缩段（140个干预前和139个干预后）	NA	1D卷积神经网络	ROC-AUC, 准确率	NA
1050	2026-05-16	Advances in In silico predictive models for DDI prediction: Implications and practical applications in drug discovery 2026-Jun, Drug metabolism and pharmacokinetics IF:2.7Q2 DOI:10.1016/j.dmpk.2026.101532 PMID:41962322	综述	综述了利用机器学习和人工智能预测药物-药物相互作用的最新进展及其在药物发现中的应用	全面总结了基于深度学习的DDI预测算法，并提供了将计算工具整合到现代药物发现工作流中的专家意见	NA	评估和讨论不同DDI类别的计算预测方法及其在药物开发中的实际应用	药物-药物相互作用(DDI)的计算预测模型	机器学习	NA	NA	深度学习	文本, 分子结构数据	NA	NA	NA	NA	NA
1051	2026-05-16	Advancement of an (in vitro/ex vivo) hybrid model framework to forecast polyviral lung disease outcomes 2026-Jun, Journal of investigative medicine : the official publication of the American Federation for Clinical Research IF:2.5Q3 DOI:10.1177/10815589251382266 PMID:40947513	研究论文	开发一种（体外/离体）混合模型框架来预测多病毒性肺部疾病的结果	提出了一个结合体外和离体模型的混合框架，用于预测多病毒性肺部感染的结果	未来研究需要通过整合深度学习和人工智能等先进计算技术来改善预测准确性和可扩展性	推进一个（体外/离体）混合模型框架的发展和应用，以预测多病毒性肺部疾病结果	多病毒性肺部感染结果	机器学习	多病毒性肺部疾病	NA	VGG16、CBRACDC、随机生存森林	图像	NA	Python	VGG16、CBRACDC、随机生存森林	最小成本值	NA
1052	2026-05-16	Personalized prediction of initial valproic acid dose in children with epilepsy using machine learning techniques 2026-Jun, International journal of clinical pharmacy IF:2.6Q2 DOI:10.1007/s11096-026-02094-3 PMID:41879924	研究论文	开发并内部验证基于机器学习技术的儿童癫痫患者丙戊酸初始日剂量预测模型	利用真实世界临床数据库和TabNet算法实现儿童癫痫患者丙戊酸初始剂量的个性化预测，提供在线决策支持工具	仅基于单中心内部验证，模型对其他医院、人群和种族的泛化性未知，需外部验证后才能临床实施	开发基于人工智能的预测模型，为儿童癫痫患者提供个性化的丙戊酸初始日剂量	184例儿童癫痫患者的306份丙戊酸剂量样本	机器学习	癫痫	NA	TabNet, CatBoost, XGBoost, LightGBM, Random Forest, Support Vector Machine, Multilayer Perceptron, Artificial Neural Network, Transformer, AdaBoost	表格数据	184例患者的306份丙戊酸剂量样本	NA	TabNet, CatBoost, XGBoost, LightGBM, Random Forest, Support Vector Machine, Multilayer Perceptron, Artificial Neural Network, Transformer, AdaBoost	决定系数R², 均方根误差RMSE, 平均绝对误差MAE, 平均绝对百分比误差MAPE	NA
1053	2026-05-15	Multimodal large language models for food safety detection within deep learning frameworks: a review 2026-Jun-30, Food chemistry IF:8.5Q1 DOI:10.1016/j.foodchem.2026.149208 PMID:41974072	综述	综述了基于深度学习的多模态大语言模型在食品安全检测中的应用，涵盖技术进展、应用案例及未来挑战	系统总结了从深度学习到跨模态智能的演进，以及多模态融合机制在食品安全检测中的创新应用	数据资源有限、可靠智能生成、能效与安全性等挑战尚待解决	探讨多模态大语言模型在食品安全检测中的潜力与发展方向	食品安全检测中的多模态数据（如图像、文本、光谱等）及供应链监测场景	自然语言处理, 计算机视觉	NA	多模态感知、自监督预训练、知识增强	多模态大语言模型（MLLM）	多模态数据（图像、文本、光谱等）	NA	深度学习框架（未明确指定具体框架）	跨模态智能架构（未明确具体网络）	NA	NA
1054	2026-05-15	Deep learning for automatic detection of hepatocellular carcinoma in dynamic contrast-enhanced MRI 2026-06, Abdominal radiology (New York) DOI:10.1007/s00261-025-05249-4 PMID:41217478	研究论文	开发了一种基于深度学习的自动检测肝细胞癌模型，使用动态对比增强MRI图像，并在患者和病灶水平评估其性能	利用大型公开数据集预训练注意力U-Net模型，显著优于现有nnU-Netv2方法，并实现了患者水平和病灶水平的双重评估	研究为回顾性设计，且样本量相对有限，可能限制模型的泛化能力	开发并评估深度学习模型在动态对比增强MRI中自动检测肝细胞癌的性能	肝细胞癌患者和阴性对照患者的肝脏病灶，来自两个队列共363例患者	计算机视觉	肝细胞癌	DCE-MRI	注意力U-Net	图像	363名患者，包括51名HCC阳性患者（113个病灶）和245名HCC阴性患者，以及67名预消融患者	PyTorch	注意力U-Net, nnU-Netv2	灵敏度, 特异度, 平均假阳性数, PPV, NPV, FROC AUC, ROC AUC	未指定，但可能使用GPU进行训练
1055	2026-05-15	Feasibility of deep learning-accelerated HASTE-FS for pancreatic cystic lesion surveillance: comparison with conventional HASTE and MRCP 2026-06, Abdominal radiology (New York) DOI:10.1007/s00261-025-05265-4 PMID:41251737	研究论文	评估深度学习加速HASTE-FS序列在胰腺囊性病变监测中的可行性，与传统HASTE和MRCP进行比较	首次证明深度学习重建的HASTE-FS在胰腺囊性病变检测和表征上优于传统HASTE，并可替代3D MRCP，有望减少检查时间和成本	未提及具体局限性，但回顾性研究和样本量（91例患者）可能限制泛化性	比较深度学习重建HASTE-FS与传统HASTE及MRCP在胰腺囊性病变检测、表征和监测中的性能	91例连续患者的胰腺囊性病变，包括70个预先选择的索引PCL	计算机视觉	胰腺囊性病变	MRI	深度学习重建模型	图像	91例患者，70个索引PCL	NA	NA	Likert量表评分，胰腺管边界锐利度，囊性病变显著性，诊断信心，适用于替代MRCP的比例	NA
1056	2026-05-15	Abdominal multi-organ segmentation on 3D negative-contrast CT cholangiopancreatography: a comparative study of deep learning methods 2026-06, Abdominal radiology (New York) DOI:10.1007/s00261-025-05273-4 PMID:41251738	研究论文	本研究比较了四种深度学习模型在3D负性对比CT胆胰管成像上对腹部多器官分割的性能	首次在3D负性对比CT胆胰管成像上系统比较了2D和3D深度学习分割模型，并证明了3D体积模型的优越性	样本量较小（111名患者），且仅针对恶性低位胆道梗阻患者，可能限制泛化性	实现3D负性对比CT胆胰管成像上胆胰系统的自动化分割，以改善术前规划和诊断	腹部多器官（肝脏、十二指肠、胰腺和胆道系统）	计算机视觉, 数字病理学	恶性低位胆道梗阻	深度学习方法	CNN, Transformer	图像	111名患者（25700张图片，91名训练/验证，20名测试）	PyTorch	TransUNet, nnU-Net, Swin-UNETR	Dice相似系数, 平均对称表面距离	NA
1057	2026-05-15	Deep learning for non-invasive detection of steatosis and fibrosis in MASLD: a multicenter study with a new fibroscan-labelled ultrasound dataset 2026-06, Abdominal radiology (New York) DOI:10.1007/s00261-025-05309-9 PMID:41284028	研究论文	利用深度学习模型，基于B超图像无创检测MASLD患者的肝脂肪变性和纤维化	首次使用Fibroscan标记的超声数据集，结合多中心数据源和多种深度学习架构（EfficientNet-B4和Vision Transformer），并证明模型在外部测试集上优于放射科专家	样本量相对较小（总患者数247人），外部测试集（DS3）仅18名患者，可能影响模型泛化能力的评估	开发验证用于MASLD患者肝脂肪变性和纤维化无创评估的深度学习模型	MASLD患者的B超图像数据集	计算机视觉	代谢相关脂肪性肝病（MASLD）	B超成像	深度学习模型（卷积神经网络和Transformer）	图像	247名患者，共2799张图像（DS1: 111人1131张, DS2: 95人1328张, DS3: 18人185张, DS4: 23人155张）	NA	EfficientNet-B4, Vision Transformer	AUROC	NA
1058	2026-05-15	Noninvasive Staging of Hepatic Fibrosis in Patients with Autoimmune Liver Disease Using Deep Learning 2026-Jun, Academic radiology IF:3.8Q1 DOI:10.1016/j.acra.2026.01.029 PMID:41680010	研究论文	利用深度学习模型基于常规二维B型超声无创分期自身免疫性肝病患者的肝纤维化	首次将深度学习应用于常规二维B超图像进行自身免疫性肝病肝纤维化分期，并采用类激活映射增强模型可解释性	回顾性研究设计且样本量相对较小	开发和验证基于深度学习模型的无创肝纤维化分期方法	自身免疫性肝病患者的肝纤维化	计算机视觉，数字病理	自身免疫性肝病，肝纤维化	NA	CNN	图像	245例患者（内部）和61例患者（外部）	PyTorch	ResNet34	宏观AUC，微观AUC，校准曲线，决策曲线	NA
1059	2026-05-15	Ultrasound Video-Based Deep Learning Model for Predicting Axillary Lymph Node Status and Nodal Burden in Breast Cancer 2026-Jun, Academic radiology IF:3.8Q1 DOI:10.1016/j.acra.2026.02.014 PMID:41794631	研究论文	基于超声视频的深度学习模型预测乳腺癌腋窝淋巴结状态及淋巴结负荷	首次利用术前乳腺超声视频构建两阶段深度学习框架，分别预测腋窝淋巴结状态（阴性或阳性）及阳性患者的淋巴结负荷（1-2个或≥3个）	研究为回顾性设计，模型在外部测试集上的淋巴结负荷预测性能中等，提示泛化能力有限	开发和验证基于术前乳腺超声视频的深度学习模型，用于预测腋窝淋巴结状态和负荷	864名经病理确诊的乳腺癌患者（2019年7月至2024年12月）	计算机视觉	乳腺癌	超声视频	TSM视频模型	视频	864名患者（训练集495例，内部测试集213例，两个外部测试集120例和36例）	PyTorch	TSM-ResNet50, TSM-ResNet18	AUC, 灵敏度, 特异度	NA
1060	2026-05-15	PHIVE: A physics-informed variational encoder enables rapid spectral fitting of brain metabolite mapping at 7T 2026-Jun, Medical image analysis IF:10.7Q1 DOI:10.1016/j.media.2026.104014 PMID:41797202	研究论文	提出物理信息变分编码器（PHIVE），用于7T脑代谢物图谱的快速光谱拟合	将基于物理的先验知识整合到变分自编码器架构中，实现对代谢物浓度和不确定性度量的同时估计，并在计算速度上实现六个数量级的提升	研究仅在7T采集的健康对照和多发性硬化患者数据上验证，未来需在不同数据集及纵向多中心研究中扩展验证	开发一种快速、可靠且可解释的深度学习方法，用于高分辨率代谢物定量，促进磁共振波谱成像在临床和研究中的实时应用	7T脑磁共振波谱成像数据，包括健康对照和多发性硬化患者	机器学习	多发性硬化	磁共振波谱成像（MRSI）	变分自编码器（VAE）	光谱数据	全脑MRSI数据集	PyTorch	物理信息变分编码器（PHIVE）	准确性（与LCModel可比）、计算时间（6 ms每数据集）、不确定性度量（包括CRLB、aleatoric不确定性和epistemic不确定性）	NA