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
2061	2026-04-30	Deep Few-View High-Resolution Photon-Counting CT at Halved Dose for Extremity Imaging 2026-Mar, IEEE transactions on medical imaging IF:8.9Q1 DOI:10.1109/TMI.2025.3618754 PMID:41071701	研究论文	提出一种基于深度学习的半剂量高分辨率光子计数CT成像方法，用于肢体成像	设计基于块的体积细化网络以缓解GPU内存限制，使用合成数据训练网络并通过模型迭代细化弥合合成与临床数据之间的域差异	NA	实现半剂量和高速度的光子计数CT图像重建，同时保持图像质量和诊断价值	肢体图像重建，辐射剂量减半	计算机视觉	NA	光子计数CT	CNN	图像	8名患者的临床数据	PyTorch	基于块的体积细化网络	图像质量评估，诊断价值	GPU（NVIDIA）
2062	2026-04-30	Critical review of the model description in 'Kurdish handwritten character recognition using deep learning techniques' 2025-12, Gene expression patterns : GEP IF:1.0Q4 DOI:10.1016/j.gep.2025.119399 PMID:40617480	评论	指出《使用深度学习技术的库尔德手写字符识别》一文中模型描述、类别标签和模型摘要中的不一致问题	NA	NA	揭示并纠正原文中模型架构描述、类别标签和摘要中的关键差异，以提升研究的透明性和可重复性	原文的模型架构描述、类别标签及模型摘要	机器学习	NA	NA	深度学习模型	文本（手写字符图像数据）	NA	NA	NA	NA	NA
2063	2026-04-30	Quantitative analysis of chest CT with deep learning to assess the efficacy of tofacitinib in the treatment of anti-MDA5+ dermatomyositis 2025-12, Medicina clinica IF:2.6Q1 DOI:10.1016/j.medcli.2025.107206 PMID:41075323	研究论文	利用基于深度学习的胸部CT定量分析评估托法替尼治疗抗MDA5阳性皮肌炎的疗效	首次利用深度学习系统定量分析高分辨率CT评估托法替尼在抗MDA5+皮肌炎相关间质性肺病中的疗效	回顾性研究设计，样本量较小，未详细提及外部验证或模型泛化性	评估定量HRCT分析在判断抗MDA5+皮肌炎相关ILD病情及托法替尼疗效中的价值	抗MDA5阳性皮肌炎合并间质性肺病患者	数字病理学	肌炎相关间质性肺病	HRCT	深度学习模型	影像	70例患者（托法替尼组39例，非托法替尼组31例）	SPSS, R	未指定	3年生存率、全肺受累百分比、总病变体积减少量	NA
2064	2026-04-30	Impact of synthetic data on training a deep learning model for lesion detection and classification in contrast-enhanced mammography 2025-Nov, Journal of medical imaging (Bellingham, Wash.) DOI:10.1117/1.JMI.12.S2.S22006 PMID:40302983	研究论文	研究在对比增强乳腺摄影中，使用合成数据训练深度学习模型对病灶检测和分类的影响	探索了使用模拟微钙化簇的合成数据增强深度学习模型在对比增强乳腺摄影中检测和分类病灶的性能，并展示了无真实数据时模型仍能检测恶性病变	合成数据添加虽提高了检测敏感性但降低了精确度，且集成深度学习与影像组学模型在外部验证集上表现更差，可能由于假阳性区域干扰	评估在训练中引入模拟微钙化簇的合成数据是否能提升对比增强乳腺摄影中病灶检测和分类模型的表现	对比增强乳腺摄影中的病灶（包括恶性病变和微钙化簇）	计算机视觉	乳腺癌	对比增强乳腺摄影	深度学习模型	图像	782例无病灶乳房患者的低能量图像用于合成数据生成，850例真实患者数据用于训练，212例内部验证，279例外部验证	NA	深度学习模型（具体架构未指定）	检测敏感性，精确度，受试者工作特征曲线下面积	NA
2065	2026-04-30	Reliability of Whole-Liver Liver-Fat-Quantification Between Deep Learning-Accelerated and Standard Volumetric Interpolated Breath-hold Examination Dixon Sequences in a Prospective Oncology Cohort 2025-Oct-17, Investigative radiology IF:7.0Q1 DOI:10.1097/RLI.0000000000001242 PMID:41105601	研究论文	评估深度学习加速T1加权VIBE Dixon序列与标准序列在肝脏脂肪定量中的可靠性	首次在肿瘤患者队列中验证深度学习加速MRI序列在肝脏脂肪定量中的准确性，实现扫描时间缩短60%以上而保持高一致性	单中心研究、样本量较小（60例）、仅评估低脂肪分数范围、未纳入高脂肪分数患者	评估深度学习加速T1加权VIBE Dixon序列对肝脏脂肪信号分数（FSF）定量的影响	接受临床指征腹部MRI的肿瘤患者	机器学习	肿瘤疾病	深度学习重建MRI	深度学习	图像	60例患者（平均年龄63.7岁，55%女性）	NA	NA	Spearman相关系数、平均绝对误差	NA
2066	2026-04-30	Automated Field of View Prescription for Whole-body Magnetic Resonance Imaging Using Deep Learning Based Body Region Segmentations 2025-Sep-16, Investigative radiology IF:7.0Q1 DOI:10.1097/RLI.0000000000001236 PMID:40955705	research paper	利用深度学习进行全身磁共振成像自动视野规划	首次基于深度学习三维解剖分割实现全身磁共振成像多站视野自动规划，达到专家水平	脊柱分割精度相对较低（Dice系数0.63），且研究为单中心回顾性设计	开发并验证用于全身MRI的自动多站视野规划系统以减少手动操作变异性	行全身MRI检查的374例患者（内部队列）和10例外部验证患者	computer vision	其他	MRI	nnUNet	image	374例内部患者（50.5±18.2岁，52%女性）和10例外部患者	NA	nnUNet-v2	Dice系数、精确率、召回率、特异度	NA
2067	2026-04-30	From Support Vector Machines to Neural Networks: Advancing Automated Velopharyngeal Dysfunction Detection in Patients With Cleft Palate 2025-09-01, Annals of plastic surgery IF:1.4Q3 DOI:10.1097/SAP.0000000000004460 PMID:40911835	研究论文	本研究开发了一种基于神经网络的深度学习模型，用于自动检测腭裂术后患者的腭咽功能障碍	首次利用自监督深度学习模型从语音样本中自动检测腭咽功能障碍，并探索在中低收入国家推广的可能性	模型可能捕捉到混杂数据，影响检测准确性；需要进一步解决多语言语音分析问题	利用人工智能和机器学习自动检测腭咽功能障碍，以扩大中低收入国家的护理覆盖	腭裂术后患者及对照组的语音样本	机器学习	腭咽功能障碍	语音数据处理	神经网络	音频数据	60名患者（30名对照组，30名腭裂术后腭咽功能障碍患者），约8000个音频样本	NA	神经网络	准确率、精确率、召回率、F1分数	NA
2068	2026-04-30	Longitudinal methods for Alzheimer's cognitive status prediction with deep learning 2025-Sep, Alzheimer's & dementia : the journal of the Alzheimer's Association DOI:10.1002/alz.70488 PMID:40994414	研究论文	利用深度学习开发新方法，预测阿尔茨海默病认知状态，跨度从3到10年	提出分离归一化基线特征与基线偏差的新建模技术，以及基于线性注意力的新插值方法	即使预测经3至10年验证最终发展为阿尔茨海默病的遗忘型轻度认知障碍仍具挑战性	扩展阿尔茨海默病认知状态预测的时间跨度至3-10年	遗忘型轻度认知障碍患者、阿尔茨海默病患者和健康对照者	机器学习	阿尔茨海默病	NA	深度学习模型	神经心理学数据和患者历史数据	美国国家阿尔茨海默病协调中心数据库中的样本	NA	线性注意力机制	准确率	NA
2069	2026-04-30	The Dipeptidyl Peptidase-4 Inhibitor Saxagliptin as a Candidate Treatment for Disorders of Consciousness: A Deep Learning and Retrospective Clinical Analysis 2025-08, Neurocritical care IF:3.1Q2 DOI:10.1007/s12028-025-02217-0 PMID:39904872	研究论文	通过深度学习药物筛选和回顾性临床分析，发现二肽基肽酶-4抑制剂沙格列汀可作为意识障碍的候选治疗药物	首次利用深度学习模型基于三维分子结构预测现有FDA批准药物作为促醒剂的药效，并验证沙格列汀对急性和长期意识障碍的促醒作用	回顾性研究设计，需前瞻性临床试验确证疗效和安全性	识别现有FDA批准药物中可用于治疗意识障碍的新药	4047例因创伤、血管或缺氧性脑损伤所致昏迷患者的格拉斯哥昏迷量表评分变化	数字病理学, 机器学习	意识障碍, 脑损伤	深度学习药物筛选	深度学习模型	分子结构数据, 临床回顾性数据	4047例昏迷患者	NA	NA	恢复率, 95%置信区间, P值	NA
2070	2026-04-30	Predicting hematoma expansion after intracerebral hemorrhage: a comparison of clinician prediction with deep learning radiomics models 2025-08, Neurocritical care IF:3.1Q2 DOI:10.1007/s12028-025-02214-3 PMID:39920546	研究论文	比较临床医生与深度学习影像组学模型在预测脑出血后血肿扩展方面的准确性	首次系统比较专家临床医生与机器学习影像组学模型在预测脑出血后血肿扩展方面的性能，并建立新的性能基准	模型总体AUC中等，提示预测性能仍有提升空间；专家间一致性较低（kappa=0.156）	评估机器学习影像组学模型相比临床专家在预测脑出血后血肿扩展方面的准确性	脑出血患者的基线头部CT影像和入院临床数据	机器学习, 医学影像分析	脑出血	CT影像	随机森林分类器, 深度学习模型	CT影像, 临床数据	900名脑出血患者（训练集621例，测试集279例）	NA	随机森林, 深度学习模型	AUC, kappa系数, 组内相关系数	NA
2071	2026-04-30	Evaluating anti-VEGF responses in diabetic macular edema: A systematic review with AI-powered treatment insights 2025-06-01, Indian journal of ophthalmology IF:2.1Q2 DOI:10.4103/IJO.IJO_1810_24 PMID:40434455	综述	系统评价深度学习与机器学习算法在评估糖尿病性黄斑水肿患者对抗血管内皮生长因子治疗反应中的应用	首次系统综述AI算法在区分DME患者对抗VEGF治疗反应者与非反应者方面的能力	NA	评估AI算法在预测DME患者抗VEGF治疗反应中的有效性	糖尿病性黄斑水肿患者	机器学习	糖尿病性黄斑水肿	NA	线性判别分析、ResNet-50、CNN加注意力机制、二次判别分析、随机森林、支持向量机	OCT图像	50篇相关论文（2016-2023年发表）	NA	ResNet-50, CNN, 随机森林, SVM	敏感性（平均74%，95%置信区间0.55-0.92）	NA
2072	2026-04-30	Randomized controlled trial of an artificial intelligence diagnostic system for the detection of esophageal squamous cell carcinoma in clinical practice 2025-03, Endoscopy IF:11.5Q1 DOI:10.1055/a-2421-3194 PMID:39317205	研究论文	一项随机对照试验评估人工智能诊断系统在临床实践中检测食管鳞状细胞癌的效果	首次在临床环境下进行前瞻性随机对照试验，评估人工智能系统对食管鳞状细胞癌的实时检测辅助作用	未能证明人工智能诊断支持系统能显著提高食管癌检出率，且研究为单中心、探索性设计	评估人工智能系统在临床环境中帮助内镜医师检测食管鳞状细胞癌的能力	接受筛查或监测食管胃十二指肠镜检查的食管鳞状细胞癌高风险患者	计算机视觉	食管癌	内镜成像（白光成像、窄带成像、碘染色）	深度学习	内镜图像	320例患者	NA	NA	检出率	NA
2073	2026-04-30	Deep learning enables automatic detection of joint damage progression in rheumatoid arthritis-model development and external validation 2025-03-01, Rheumatology (Oxford, England) DOI:10.1093/rheumatology/keae215 PMID:38597875	研究论文	提出并外部验证了用于类风湿关节炎关节损伤进展自动检测的深度学习算法AuRA	首次在个体患者层面实现纵向变化的自动检测，并在真实世界环境中展示其监测放射学进展的实用性	未提及具体限制	开发和外部验证自动RA评分算法（AuRA），用于监测放射学进展	类风湿关节炎患者的手部和足部X光片	计算机视觉	类风湿关节炎	放射学成像	深度学习模型	图像	训练集367例，外部验证集205例，54例患者有额外控制访视影像	NA	NA	均方根误差（RMSE），皮尔逊相关系数（R）	NA
2074	2026-04-30	Computed tomography-based radiomics and body composition model for predicting hepatic decompensation 2024-11-22, Oncotarget DOI:10.18632/oncotarget.28673 PMID:39576671	研究论文	基于CT影像组学和身体成分模型预测原发性硬化性胆管炎患者的肝功能失代偿	首次将身体成分模型（将CT图像量化为四个脂肪和肌肉分区）与影像组学特征结合，构建预测模型用于评估原发性硬化性胆管炎患者的肝功能失代偿	预测未来事件仍具挑战性，需要进一步研究验证临床实用性和局限性	探索计算机影像组学在预测原发性硬化性胆管炎患者肝功能失代偿中的潜在价值	原发性硬化性胆管炎（PSC）患者	计算机视觉	肝胆疾病	CT成像	深度学习	CT图像	训练队列和验证队列的患者数据（具体数量未说明）	NA	身体成分模型（内部开发）	准确率, 精确率, AUC	NA
2075	2026-04-30	Semi-supervised segmentation of cardiac chambers from LGE-CMR using feature consistency awareness 2024-10-17, BMC cardiovascular disorders IF:2.0Q3 DOI:10.1186/s12872-024-04250-x PMID:39420256	研究论文	提出一种利用未标记数据改进心脏腔室分割性能的半监督学习方法	设计集成三重一致性约束（数据级、任务级和特征级）的半监督网络，通过体素级对比学习实现特征级一致性，解决先前研究中忽略挑战性区域和特征一致性问题	未提及具体局限性	开发一种半监督分割方法，利用未标记数据提升延迟钆增强心脏磁共振成像中心脏腔室分割的模型性能	心脏腔室（心房和心室）分割数据集	计算机视觉	心血管疾病	NA	半监督网络	图像（延迟钆增强心脏磁共振成像）	心房分割数据集和心室分割数据集，具体样本量未提及	PyTorch	均值教师架构（含分割和边缘预测任务）	Dice系数、Jaccard系数、平均表面距离（ASD）、95%豪斯多夫距离（95HD）	NA
2076	2026-04-30	Evaluation of a deep learning-enabled automated computational heart modelling workflow for personalized assessment of ventricular arrhythmias 2024-09, The Journal of physiology DOI:10.1113/JP284125 PMID:37060278	研究论文	评估基于深度学习的自动化计算心脏建模工作流在个性化评估室性心律失常中的可行性	开发了一种无需专家手动交互的自动化深度学习工作流，用于重建个性化电生理心脏模型，并在多中心数据中验证其与专家模型在预测室性心动过速方面的一致性	训练数据集较小（111例患者），可能影响深度学习模型的泛化能力	评估自动化深度学习工作流在重建个性化计算心脏模型以指导室性心动过速治疗中的可行性	111例患者的对比增强CT图像及专家心室肌分割结果	计算机视觉, 数字病理	心血管疾病	CT成像, 深度学习分割	卷积神经网络	图像	111例患者的CT图像，来自三个机构五个队列	PyTorch	CNN	分割一致性，VT诱导性，VT数量相关性，VT电路共定位	NA
2077	2026-04-30	Exploring Deep Learning for Estimating the Isoeffective Dose of FLASH Irradiation From Mouse Intestinal Histological Images 2024-Jul-01, International journal of radiation oncology, biology, physics DOI:10.1016/j.ijrobp.2023.12.032 PMID:38171387	研究论文	开发深度学习模型，从小鼠肠道组织学图像中估算FLASH照射的等效剂量	首次提出使用深度学习从组织学图像定量估算FLASH照射的等效应剂量，将物理FLASH剂量映射为等效CONV剂量	仅限于小鼠肠道组织，尚未验证于其他组织或肿瘤模型	探索深度学习从小鼠肠道组织学图像估算FLASH照射等效应剂量的可行性	接受CONV或FLASH照射的小鼠空肠组织切片	数字病理学	放射性损伤	H&E染色、数字病理成像	CNN	组织学图像	84只雌性C57BL/6J小鼠，每只小鼠9个空肠横切面，共756个图像样本	PyTorch	ResNet-101	均方误差	NA
2078	2026-04-30	A real-time deep learning-based system for colorectal polyp size estimation by white-light endoscopy: development and multicenter prospective validation 2024-04, Endoscopy IF:11.5Q1 DOI:10.1055/a-2189-7036 PMID:37827513	研究论文	开发并多中心前瞻性验证了一个基于深度学习的实时系统（ENDOANGEL-CPS），用于在白光内镜下估计结直肠息肉大小	首次利用内窥镜镜头参数通过深度估计网络实时计算息肉大小，在现场前瞻性多中心视频中验证，且性能超过所有参与的内镜医师	未明确提及局限性，但依赖内窥镜镜头参数准确性可能影响泛化性	提高结直肠息肉大小测量的准确性，优化息肉切除设备选择和监测间隔	结直肠息肉	数字病理学、机器学习	结直肠癌（结直肠息肉）	白光内镜、深度估计网络	深度神经网络（深度估计网络）	图像（包括虚拟结肠图像和真实世界内镜视频）	7297张训练图像（虚拟结肠）、730张测试图像（虚拟结肠）、157个真实世界息肉（来自三家医院）	NA	深度估计网络（未指定具体架构）	相对误差、一致性相关系数、相对准确率、错误率	NA
2079	2026-04-30	OpenFL: the open federated learning library 2022-10-19, Physics in medicine and biology IF:3.3Q1 DOI:10.1088/1361-6560/ac97d9 PMID:36198326	研究论文	介绍开源联邦学习库OpenFL，一个基于Python的工具，支持TensorFlow和PyTorch框架，用于训练机器学习与深度学习算法，同时保护数据隐私	提供可扩展的联邦学习框架，支持可信执行环境以确保模型安全与完整性，并实现从集中式到联邦训练管线的简易迁移	NA	促进联邦学习在生产环境中的应用，并扩展到非医疗用例	联邦学习库OpenFL的设计、开发特性及其在医疗等领域的实际应用	机器学习	NA	NA	NA	NA	NA	TensorFlow, PyTorch	NA	NA	NA
2080	2026-04-30	Deep learning approaches for COVID-19 detection based on chest X-ray images 2021-Feb, Expert systems with applications IF:7.5Q1 DOI:10.1016/j.eswa.2020.114054 PMID:33013005	研究论文	利用深度学习方法基于胸部X光图像检测COVID-19	同时采用深度特征提取、预训练CNN微调和端到端训练新CNN模型三种方法，并对比多种SVM核函数性能	数据集较小（仅380张图像），可能影响模型泛化能力	评估深度学习在胸部X光图像中检测COVID-19的有效性	COVID-19和正常（健康）胸部X光图像	计算机视觉	COVID-19	NA	CNN, SVM	图像	380张胸部X光图像（180张COVID-19，200张正常）	NA	ResNet18, ResNet50, ResNet101, VGG16, VGG19, 新CNN模型	准确率	NA