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	2026-03-14	"MR Fingerprinting for Imaging Brain Hemodynamics and Oxygenation" 2025-Dec, Journal of magnetic resonance imaging : JMRI IF:3.3Q1 DOI:10.1002/jmri.29812 PMID:40375492	综述	本文综述了磁共振指纹成像技术在脑血流动力学、氧合及灌注定量方面的研究进展	重点介绍了血管模拟的几何模型、新型序列以及融合机器学习和深度学习算法的最先进重建技术	NA	概述血管磁共振指纹成像的关键研究，并展望其临床转化的未来方向	脑血流动力学、氧合及灌注	数字病理学	NA	磁共振指纹成像	NA	磁共振成像数据	NA	NA	NA	NA	NA
2062	2026-03-14	Utility of Thin-slice Single-shot T2-weighted MR Imaging with Deep Learning Reconstruction as a Protocol for Evaluating Pancreatic Cystic Lesions 2025-Nov-20, Magnetic resonance in medical sciences : MRMS : an official journal of Japan Society of Magnetic Resonance in Medicine IF:2.5Q2 DOI:10.2463/mrms.mp.2025-0042 PMID:40518300	研究论文	本研究评估了采用深度学习超分辨率重建的2毫米薄层单次激发T2加权磁共振成像在胰腺囊性病变评估中的效用	首次将工业开发的深度学习超分辨率重建技术应用于2毫米薄层单次激发T2加权磁共振成像，并与传统5毫米层厚图像进行对比	研究样本量较小（仅30例患者），且为单中心研究，可能影响结果的普适性	评估深度学习超分辨率重建技术对薄层磁共振成像图像质量的影响，以优化胰腺囊性病变的影像学评估协议	胰腺囊性病变患者	医学影像分析	胰腺囊性病变	单次激发涡轮自旋回波磁共振成像，深度学习超分辨率重建	深度学习重建模型	磁共振图像	30例连续患者	NA	NA	信噪比，对比噪声比，图像质量评分，诊断信心评分	NA
2063	2026-03-14	Deep chemometrics with convolutional neural networks for the detection of honey adulteration using Fourier transform infrared spectroscopy 2025-Nov-08, Spectrochimica acta. Part A, Molecular and biomolecular spectroscopy DOI:10.1016/j.saa.2025.127167 PMID:41818833	研究论文	本研究结合傅里叶变换红外光谱、化学计量学和深度学习模型，开发了一种用于检测蜂蜜中掺假糖浆的快速、非破坏性方法	提出了一种统一的CNN-ANN模型，可同时检测三种常见掺假糖浆（葡萄糖浆、米浆和高果糖玉米糖浆），简化了部署流程；开发了用户友好的Python界面，支持批量或单个光谱分析	统一CNN-ANN模型在测试集上的平衡准确率为0.79，性能低于针对单一掺假物开发的PLS-DA模型；模型可能对未包含在训练中的新型掺假物检测能力有限	开发快速、可靠的蜂蜜真实性筛查方法，以应对蜂蜜掺假的全球性问题	蜂蜜样品及其可能掺入的葡萄糖浆、米浆和高果糖玉米糖浆	化学计量学, 深度学习	NA	傅里叶变换红外光谱	PLS-DA, CNN, ANN	光谱数据	未明确说明具体样本数量，但涉及独立测试集	Python, Optuna	CNN-ANN	准确率, 精确率, 平衡准确率, 灵敏度, 特异性, F1分数	未明确说明
2064	2026-03-14	Comparing Handcrafted Radiomics Versus Latent Deep Learning Features of Admission Head CT for Hemorrhagic Stroke Outcome Prediction 2025-Nov-02, Biotech (Basel (Switzerland)) DOI:10.3390/biotech14040087 PMID:41283322	研究论文	本研究比较了手工放射组学与深度学习潜在特征在入院头部CT上预测出血性卒中3个月预后和血肿扩张的效果	首次将多尺度U形分割模型提取的潜在深度学习特征与手工放射组学特征结合，用于出血性卒中预后预测，并通过非负矩阵分解进行特征降维	深度学习特征仅在某些血肿扩张阈值（如>3 mL）上显著提升预测性能，整体改进幅度有限	比较手工放射组学与深度学习特征在预测急性脑出血患者3个月临床结局和血肿扩张方面的效能	急性脑出血患者的入院非增强头部CT图像	医学影像分析	出血性卒中	放射组学特征提取，深度学习特征学习	U-Net, 自编码器, Random Forest, XGBoost, Extra Trees, Elastic Net	医学图像（CT）	训练集866例（多中心试验队列），外部验证集645例（单中心数据集）	NA	多尺度U形分割模型，生成式自编码器	准确性，统计显著性	NA
2065	2026-03-14	Optimization of carotid CT angiography image quality with deep learning image reconstruction with high setting (DLIR-H) algorithm under ultra-low radiation and contrast agent conditions 2025-10, Radiography (London, England : 1995) DOI:10.1016/j.radi.2025.103154 PMID:40914000	研究论文	本研究评估了深度学习图像重建（DLIR-H）算法在超低辐射和造影剂条件下优化颈动脉CT血管造影图像质量的效果	首次在超低剂量和低造影剂条件下，将DLIR-H算法应用于双能CT血管造影（DE-CTA）的40 keV虚拟单能图像（VMI），显著提升了图像质量并降低了辐射剂量和造影剂用量	研究样本量相对较小（120例），且为单中心前瞻性研究，可能限制结果的普适性	评估DLIR-H算法在超低辐射和造影剂条件下提升颈动脉CT血管造影图像质量的效能	接受双能CT血管造影（DE-CTA）检查的120例患者	医学影像处理	颈动脉疾病	双能CT血管造影（DE-CTA）、虚拟单能图像（VMI）、深度学习图像重建（DLIR）	深度学习重建算法（DLIR）	CT影像数据	120例患者，分为四组（一组对照组使用ASIR-V，三组实验组分别使用DLIR-L、DLIR-M、DLIR-H算法）	NA	DLIR-H（深度学习图像重建高设置算法）	CT值、图像噪声、信噪比（SNR）、对比噪声比（CNR）、主观图像质量评分（5点Likert量表）	NA
2066	2026-03-14	Evaluation of paediatric head CT radiation dose in Jordan: A new national diagnostic reference level survey 2025-10, Radiography (London, England : 1995) DOI:10.1016/j.radi.2025.103158 PMID:40939270	研究论文	本研究评估了约旦儿科头部CT扫描的辐射剂量，并建立了国家诊断参考水平，以解决剂量标准化问题	首次在约旦进行全国性儿科头部CT辐射剂量调查，并基于年龄类别建立了诊断参考水平	由于医院间患者体重数据不一致，研究基于年龄而非体重分组，这被视为方法学限制	评估约旦儿科头部CT扫描的辐射剂量变异性，并建立国家诊断参考水平以促进剂量标准化	在约旦八家医院进行的1550例儿科头部CT检查	医学影像	神经系统疾病	CT扫描	NA	辐射剂量数据（CTDIvol, DLP）	1550例儿科头部CT检查	SPSS	NA	NA	NA
2067	2026-03-14	Predicting Anastomosis or Stump Leakage After Laparoscopic Gastrectomy: A Deep Learning Approach to Intraoperative Image Analysis 2025-10, Journal of gastric cancer IF:3.2Q2 DOI:10.5230/jgc.2025.25.e39 PMID:41093773	研究论文	本研究旨在开发和验证深度学习模型，利用腹腔镜图像预测胃癌手术中吻合口或残端渗漏	首次将深度学习应用于腹腔镜图像分析，以预测胃癌手术中的渗漏并发症，并比较了多种深度学习架构的性能	渗漏发生率较低（DS 1.3%，EJ 4.3%），可能影响模型泛化能力；研究基于三家机构的回顾性数据，需进一步前瞻性验证	开发并验证深度学习模型，用于预测腹腔镜胃癌切除术后的吻合口或残端渗漏	接受胃癌腹腔镜切除术的患者及其手术中的腹腔镜图像	计算机视觉	胃癌	腹腔镜成像	CNN	图像	来自2035名患者的10256张腹腔镜图像	NA	ResNet18, ResNet34, ResNet50, EfficientNet_V2_L, Inception_V3, DenseNet121	F1分数, 召回率	NA
2068	2026-03-14	Building a compendium of expert driven read-across cases to facilitate an analysis of the contribution that different similarity contexts play in read-across performance 2025-Sep, Computational toxicology (Amsterdam, Netherlands) DOI:10.1016/j.comtox.2025.100366 PMID:41816363	研究论文	本研究通过构建专家驱动的交叉读取案例库，分析不同相似性背景在交叉读取性能中的贡献，并探索基于图深度学习的改进方法	整合专家驱动与数据驱动的交叉读取方法，量化结构、物理化学、代谢和反应性特征的相似性，并首次应用图深度学习探索嵌入表示对预测的改进	数据集规模有限（157个案例，695种物质），来源异质性高，类比选择标准和使用背景不一致，限制了结果的普适性	评估不同相似性背景（如结构、代谢）在交叉读取毒性预测中的相对贡献，并提升预测的再现性和量化性能	重复剂量毒性终点的化学物质	机器学习	NA	交叉读取，图深度学习	预测模型，深度学习模型	化学结构、物理化学、代谢和反应性特征数据	157个交叉读取案例，涉及695种独特化学物质	NA	NA	量化不确定性，性能指标	NA
2069	2026-03-14	af2rave: protein ensemble generation with physics-based sampling 2025-Aug-06, Digital discovery IF:6.2Q1 DOI:10.1039/d5dd00201j PMID:40621440	研究论文	介绍了一个名为af2rave的开源Python软件包，该软件包通过整合AlphaFold2结构预测与基于物理的分子动力学采样，实现了高效生成蛋白质构象集合的自动化工作流程	改进了原有的AlphaFold2-RAVE协议，通过特征选择模块自动识别重要的集体变量，显著减少了系统先验知识的需求，并实现了与长时间无偏分子动力学模拟相当的构象采样效率，同时大幅降低了计算成本	NA	开发一种高效、自动化的方法来生成蛋白质的替代构象集合，以支持药物发现和结构生物学研究	蛋白质构象集合	计算生物学	NA	AlphaFold2结构预测，分子动力学模拟	深度学习模型	蛋白质序列，结构数据	多个系统，包括腺苷激酶、人DDR1激酶和SARS-CoV-2刺突蛋白受体结合域	Python	AlphaFold2	构象采样效率，计算成本	NA
2070	2026-03-14	Application of deep learning-based facial pain recognition model for postoperative pain assessment 2025-07, Journal of clinical anesthesia IF:5.0Q1 DOI:10.1016/j.jclinane.2025.111898 PMID:40516197	研究论文	本研究开发了一种基于深度学习的面部疼痛识别模型，用于术后疼痛评估	构建了包含临床和模拟场景的数据集，并基于预训练VGG16模型开发了面部疼痛识别软件，为临床疼痛识别提供了新选项	高质量临床数据集有限，且缺乏针对真实世界模型部署的研究，实验室研究与临床应用之间存在差距	利用深度学习技术进行自动疼痛评估，特别是针对术后患者	术后患者的面部疼痛图像	计算机视觉	术后疼痛	深度学习	CNN	图像	临床疼痛数据集包含503名术后患者的3411张图像，模拟疼痛数据集包含51名志愿者的1038张图像	NA	VGG16	AUROC, F1分数	NA
2071	2026-03-14	Zero-shot segmentation of spinal vertebrae with metastatic lesions: an analysis of Meta's Segment Anything Model 2 and factors affecting learning free segmentation 2025-07-01, Neurosurgical focus IF:3.3Q1 DOI:10.3171/2025.4.FOCUS25234 PMID:40591965	研究论文	本研究评估了Meta的Segment Anything Model 2（SAM 2）在零样本条件下对脊柱转移瘤椎体分割的能力，并分析了影响分割性能的临床因素	首次评估了通用分割模型SAM 2在脊柱转移瘤椎体分割中的零样本性能，并系统分析了椎体位置、患者性别和BMI等因素对分割效果的影响	研究仅基于公开数据集，样本量相对有限（55名患者），且未针对特定临床场景进行模型优化	评估零样本分割模型在脊柱转移瘤椎体分割中的准确性和适用性	脊柱CT扫描中的胸腰椎椎体，包括转移瘤受累的椎体	计算机视觉	脊柱转移瘤	CT成像	零样本分割模型	医学图像（CT扫描）	55名患者的779个胸腰椎椎体，其中167个有转移瘤	NA	Segment Anything Model 2（SAM 2）	Dice相似系数（DSC）	NA
2072	2026-03-14	Image-based detection of the internal carotid arteries and sella turcica in endoscopic endonasal transsphenoidal surgery 2025-07-01, Neurosurgical focus IF:3.3Q1 DOI:10.3171/2025.4.FOCUS24940 PMID:40591959	研究论文	本研究评估了基于深度学习的YOLOv5s模型在内窥镜经鼻蝶手术视频中检测鞍区和双侧颈内动脉的性能	首次将YOLOv5s目标检测架构应用于内窥镜经鼻蝶手术视频，以自动识别关键的鞍区和颈内动脉解剖标志，旨在预防术中致命性损伤	模型需要来自不同手术环境的新未见数据进行泛化验证和迁移学习优化，当前研究为回顾性队列设计	开发并评估一个深度学习模型，用于在内窥镜经鼻蝶手术视频中自动检测鞍区和双侧颈内动脉，以识别关键解剖标志并预防致命并发症	内窥镜经鼻蝶手术视频中的鞍区和双侧颈内动脉解剖结构	计算机视觉	鞍区及鞍旁区域疾病	内窥镜视频成像	CNN	图像	98名患者的內窺鏡手術視頻圖像	PyTorch	YOLOv5s	精确率, 召回率, mAP@0.5, mAP@0.5:0.95, AUC, 准确率	NA
2073	2026-03-14	Open-source AI-assisted rapid 3D color multimodal image fusion and preoperative augmented reality planning of extracerebral tumors 2025-07-01, Neurosurgical focus IF:3.3Q1 DOI:10.3171/2025.4.FOCUS24557 PMID:40591963	研究论文	本研究开发了一种基于开源人工智能辅助的快速3D彩色多模态图像融合与增强现实规划方法，用于脑外肿瘤手术的术前规划和手术引导	整合开源AI工具（FastSurfer/Raidionics）与增强现实可视化，创建高效的3D彩色多模态图像融合工作流，通过颜色编码功能映射和血管关系可视化增强解剖理解	研究仅针对脑外肿瘤患者，样本量为130例，可能未涵盖所有肿瘤类型或复杂情况	开发用于脑外肿瘤手术术前规划和手术引导的先进方法	130名脑外肿瘤患者	数字病理	脑外肿瘤	多模态图像融合, 增强现实	深度学习	3D图像	130名患者	FastSurfer, Raidionics-Slicer	NA	Dice相似系数, 95% Hausdorff距离, 手术时间, 术中失血量, 全切除率, 并发症发生率, 改良Rankin量表评分	NA
2074	2026-03-14	Generation of synthetic CT-like imaging of the spine from biplanar radiographs: comparison of different deep learning architectures 2025-07-01, Neurosurgical focus IF:3.3Q1 DOI:10.3171/2025.4.FOCUS25170 PMID:40591967	研究论文	本研究比较了生成对抗网络（GANs）和卷积神经网络结合隐式神经表示（CNN-INRs）两种深度学习架构，用于从双平面X光片生成脊柱合成CT（sCT）图像	首次系统比较了GAN和CNN-INR两种架构在从双平面X光片生成脊柱sCT图像方面的性能，并评估了其作为潜在术中成像技术的临床可行性	两种模型均未达到临床级输出水平，且研究样本量有限（共270例）	识别从双平面X光片生成脊柱sCT图像的最鲁棒且临床可行的深度学习方法	脊柱CT图像及其对应的数字重建X光片（DRRs）	计算机视觉	NA	数字重建X光片（DRRs）生成	GAN, CNN	图像（CT图像、X光片）	216个训练案例和54个验证案例	NA	生成对抗网络（GANs），卷积神经网络结合隐式神经表示（CNN-INRs）	结构相似性指数（SSIM），峰值信噪比（PSNR），余弦相似度（CS）	NA
2075	2026-03-14	Deep learning-based clinical decision support system for intracerebral hemorrhage: an imaging-based AI-driven framework for automated hematoma segmentation and trajectory planning 2025-07-01, Neurosurgical focus IF:3.3Q1 DOI:10.3171/2025.5.FOCUS25246 PMID:40591968	研究论文	本文介绍了一种基于深度学习的临床决策支持系统，用于脑出血的自动血肿分割和手术轨迹规划	提出了一个集成的AI驱动框架，结合了nnU-Net自动分割、基于眼部标志物的CT重定向、双解剖走廊安全区划定以及优先考虑最大血肿穿行和关键结构避开的轨迹优化	系统在幕下血肿的处理上仍存在局限	开发一个深度学习决策支持和规划系统，以普及手术规划并减少对操作者的依赖	脑出血患者	数字病理学	脑出血	CT成像	深度学习	医学图像	347名患者（31,024个CT切片）	nnU-Net	U-Net	Dice相似系数, 组内相关系数	NA
2076	2026-03-14	A novel deep learning system for automated diagnosis and grading of lumbar spinal stenosis based on spine MRI: model development and validation 2025-07-01, Neurosurgical focus IF:3.3Q1 DOI:10.3171/2025.4.FOCUS24670 PMID:40591977	研究论文	本文开发了一种基于脊柱MRI的深度学习系统，用于自动诊断和分级腰椎管狭窄症	设计了一种改进的单阶段YOLOv5网络，用于同时检测感兴趣区域和对腰椎中央管狭窄、侧隐窝狭窄及腰椎间孔狭窄进行多级分级	研究为回顾性设计，且外部测试集样本量较小（50例患者），可能影响模型的泛化能力评估	开发一个深度学习筛查系统，用于自动进行腰椎管狭窄症的二元和多级分级	接受腰椎MRI检查的住院患者	计算机视觉	腰椎管狭窄症	MRI	CNN	图像	内部数据集420例患者，外部测试集50例患者	PyTorch	YOLOv5	召回率, AUC, 灵敏度, kappa系数	NA
2077	2026-03-14	Preliminary phantom study of four-dimensional computed tomographic angiography for renal artery mapping: Low-tube voltage and low-contrast volume imaging with deep learning-based reconstruction 2025-05, Radiography (London, England : 1995) DOI:10.1016/j.radi.2025.102929 PMID:40147091	研究论文	本研究通过体模实验评估了低管电压、低对比剂剂量的四维CT血管成像结合深度学习重建在肾动脉成像中的可行性	首次将低管电压、低对比剂剂量的4D-CTA与深度学习重建技术结合用于肾动脉成像，探索减少辐射剂量和对比剂用量的新方法	研究基于体模实验，尚未进行临床验证，需要进一步临床研究确认结果	评估低管电压、低对比剂剂量的4D-CTA结合深度学习重建在选择性肾动脉栓塞术中的可行性	模拟对比增强血管的定制体模	医学影像	肾动脉疾病	四维CT血管成像，深度学习重建	深度学习	CT图像	定制体模扫描	NA	NA	峰值对比噪声比，图像噪声，定性评估（4分制）	NA
2078	2026-03-14	Devising a novel evaluation method for computed tomography images containing metal artifacts from titanium seed implants: Application to virtual monochromatic imaging energy optimization 2025-05, Radiography (London, England : 1995) DOI:10.1016/j.radi.2025.102944 PMID:40199192	研究论文	本研究提出了一种新的评估方法，用于评估含有钛种子植入物金属伪影的CT图像，并确定了虚拟单色成像（VMI）的最佳能量水平以减少金属伪影并增强信号可检测性	开发了一种新的对比伪影比（CAR）评估方法，用于定量评估金属伪影对信号检测的影响，并结合Gumbel评估方法和对比噪声比（CNR）优化VMI能量水平	研究基于模拟放射性种子的体模进行，可能未完全反映临床实际患者数据的复杂性；仅针对钛种子植入物和骨盆区域，结果可能不适用于其他金属植入物或身体部位	研究旨在减少CT图像中金属伪影并优化信号可检测性，通过开发新的评估方法和确定VMI最佳能量水平	含有钛种子植入物金属伪影的CT图像，特别是骨盆区域包括前列腺的模拟体模	医学影像处理	前列腺癌	双能CT系统、虚拟单色成像（VMI）、金属伪影减少（MAR）技术	深度学习算法	CT图像	基于模拟放射性种子插入前列腺区域的体模进行研究，具体样本数量未明确说明	NA	NA	对比噪声比（CNR）、对比伪影比（CAR）、Gumbel评估方法的位置参数	NA
2079	2026-03-14	Reduction of radiation exposure in chest radiography using deep learning-based noise reduction processing: A phantom and retrospective clinical study 2025-05, Radiography (London, England : 1995) DOI:10.1016/j.radi.2025.102958 PMID:40280035	研究论文	本研究评估了基于深度学习的智能降噪技术在平面胸部X光摄影中降低患者辐射剂量的效果	首次结合体模和回顾性临床研究，验证了智能降噪技术可在保持图像质量的同时平均降低35%的辐射剂量	研究仅针对特定设备（佳能开发的INR）和胸部X光，样本量有限（100例患者），且为回顾性设计	评估智能降噪技术在平面胸部X光摄影中降低患者辐射剂量的可行性和效果	Lungman体模（模拟肺部肿瘤）和100例患者的临床胸部X光图像	数字病理	肺癌	平面X光摄影，智能降噪处理	深度学习模型	X光图像	100例患者的配对胸部X光图像（对照组和评估组各100张）	NA	NA	平均意见评分，盲/无参考图像空间质量评估器评分，入口表面剂量	NA
2080	2026-03-14	Automated acute skin toxicity scoring in a mouse model through deep learning 2025-03, Radiation and environmental biophysics IF:1.5Q3 DOI:10.1007/s00411-024-01096-x PMID:39503921	研究论文	本研究通过先进的成像设置和深度学习，提出了一种在小鼠临床前放疗试验中自动评估皮肤毒性的新方法	开发了一个结合物体检测和分类的两步深度学习框架，用于自动化皮肤毒性评分，并展示了其在减少观察者间变异和提高评估效率方面的潜力	模型在特定毒性等级的分类上仍存在细微挑战，未来需要通过扩展训练数据集来改进系统	开发一种客观、可重复的皮肤毒性评估方法，以解决临床前放疗试验中手动评分方法的不足	小鼠（160只）在质子/电子放疗试验中右后肢的急性皮肤毒性反应	计算机视觉	皮肤毒性（作为放疗副作用）	先进成像设置	物体检测模型, 分类模型	图像	160只小鼠，来自4项研究，共7542张图像	NA	NA	准确率	NA