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
2081	2026-03-14	The use of artificial intelligence to aid the diagnosis of lung cancer - A retrospective-cohort study 2025-03, Radiography (London, England : 1995) DOI:10.1016/j.radi.2025.01.011 PMID:39890480	研究论文	本研究通过回顾性队列分析，评估了基于深度学习的AI软件在胸部X光片上辅助诊断肺癌的性能，并探讨了其在临床实践中的潜在应用价值	首次在临床环境中系统验证了商用AI软件对肺癌早期检测的敏感性和时间效益，特别是在临床报告阴性的病例中AI能提前识别结节	研究为单中心回顾性设计，样本量有限（208名患者），且未评估AI对临床决策和患者预后的长期影响	评估AI软件在胸部X光片上辅助诊断肺癌的临床有效性，并分析其对诊断时间和检测率的潜在影响	105名肺癌阳性患者和103名阴性对照患者的胸部X光片及对应CT扫描	数字病理学	肺癌	胸部X光成像，CT扫描	深度学习自动检测算法	医学影像（胸部X光片）	208名患者（105例肺癌，103例对照），共320张胸部X光片	NA	NA	敏感性，假阳性率，诊断时间减少	NA
2082	2026-03-14	The potential use of deep learning in performing autocorrection of setup errors in patients receiving radiotherapy 2025-03, Radiography (London, England : 1995) DOI:10.1016/j.radi.2025.01.016 PMID:39892051	研究论文	本研究探讨了使用深度学习在放疗中自动校正患者摆位误差的可行性	利用人工智能辅助校正放疗中的摆位误差，推动放疗服务的自动化进程	需要进一步研究以验证该方法在临床实践中的有效性	探索人工智能在放疗患者摆位校正中的潜在应用	接受放疗的脑部和气道消化道恶性肿瘤患者	计算机视觉	脑肿瘤, 气道消化道恶性肿瘤	放疗验证技术	神经网络	图像	156名患者	NA	NA	平均绝对误差, 均方误差	NA
2083	2026-03-14	Accuracy of deep learning-based attenuation correction in 99mTc-GSA SPECT/CT hepatic imaging 2025-01, Radiography (London, England : 1995) DOI:10.1016/j.radi.2024.11.002 PMID:39549604	研究论文	本研究利用深度学习生成伪CT图像进行衰减校正，评估了在99mTc-GSA SPECT/CT肝成像中深度学习衰减校正的准确性	首次使用CycleGAN从非衰减校正SPECT图像生成伪CT图像进行衰减校正，避免了CT检查带来的辐射暴露	研究仅纳入正常和异常肝功能患者各一例，样本量小，且未涵盖多种肝病和肝脏形态变化	评估深度学习生成的伪CT图像在99mTc-GSA SPECT/CT成像中衰减校正的准确性	99mTc-GSA SPECT/CT肝成像数据	医学影像分析	肝病	SPECT/CT成像	GAN	医学影像（SPECT和CT图像）	2例患者（正常和异常肝功能各一例）	NA	CycleGAN	总肝计数、结构相似性指数（SSIM）、变异系数（%CV）	NA
2084	2026-03-14	Breath-hold diffusion-weighted MR imaging (DWI) using deep learning reconstruction: Comparison with navigator triggered DWI in patients with malignant liver tumors 2025-01, Radiography (London, England : 1995) DOI:10.1016/j.radi.2024.11.027 PMID:39667265	研究论文	本研究探讨了使用深度学习重建的单次屏气扩散加权磁共振成像在恶性肝肿瘤患者中的可行性，并与导航触发扩散加权成像进行比较	首次将深度学习重建技术应用于单次屏气扩散加权磁共振成像，以改善图像质量并可能作为导航触发成像的补充	研究未明确深度学习重建的具体模型架构和计算资源，且样本量相对有限（91例患者）	比较单次屏气扩散加权磁共振成像与导航触发扩散加权成像在恶性肝肿瘤患者中的图像质量和可行性	恶性肝肿瘤患者	医学影像分析	肝恶性肿瘤	扩散加权磁共振成像，深度学习重建	深度学习模型	磁共振图像	91例患者	NA	NA	信噪比，对比噪声比，表观扩散系数值	NA
2085	2026-03-14	Analyzing the TotalSegmentator for facial feature removal in head CT scans 2025-01, Radiography (London, England : 1995) DOI:10.1016/j.radi.2024.12.018 PMID:39754865	研究论文	本研究评估了使用TotalSegmentator进行头部CT扫描面部特征去除的流程，以降低再识别风险并保护数据隐私	首次将TotalSegmentator应用于头部CT扫描的面部特征去除，并与现有先进算法进行比较，展示了其在隐私保护方面的优越性	研究仅基于单一数据集（UCLH EIT Stroke数据集），样本量为1404个渲染图像，可能无法完全代表所有临床场景	评估面部识别技术在医学影像中的隐私风险，并开发一种有效的去面部特征流程以降低再识别风险	头部CT扫描的渲染图像，包括去面部特征前后的对比	医学影像分析	卒中	CT扫描，深度学习模型	深度学习模型，支持向量机	图像	1404个高质量渲染图像，来自UCLH EIT Stroke数据集	NA	NA	ROC-AUC, 准确率	NA
2086	2026-03-14	Constructing a Predictive Model for STH and Schistosomiasis Classification From Microscopic Images 2025, BioMed research international IF:2.6Q3 DOI:10.1155/bmri/8074581 PMID:41321694	研究论文	本研究开发了一种结合机器学习和深度学习的创新系统，用于分析寄生虫卵的显微镜图像，以提高诊断速度和准确性	提出了一种混合CNN-ML方法，相比传统纯CNN方法，在寄生虫分类任务中实现了更高的准确率	数据集较小、存储时间较长、多样性有限且可能存在退化，这可能影响模型的泛化能力	构建一个预测模型，用于从显微镜图像中对土壤传播蠕虫和血吸虫病进行分类，以改善在资源有限环境下的诊断	显微镜图像中的寄生虫卵，包括钩虫、血吸虫病等类别以及阴性样本	计算机视觉	寄生虫病	显微镜成像	CNN, ViT, SVM, XGBoost, KNN, RF, DT	图像	1490张图像，来自埃塞俄比亚公共卫生研究所	TensorFlow, PyTorch, Scikit-learn	VGG16, ResNet50, DenseNet121, MobileNetV2, EfficientNetB0, ViT	准确率	NA
2087	2026-03-14	Deep learning enhanced transmembranous electromyography in the diagnosis of sleep apnea 2024-12-31, BMC neuroscience IF:2.4Q3 DOI:10.1186/s12868-024-00913-9 PMID:39741274	研究论文	本文探索了使用基于注意力机制的深度学习模型（Transformer）分析跨膜肌电图（tmEMG）数据，以区分健康对照、神经源性损伤和睡眠呼吸暂停患者的肌电信号	首次将Transformer架构应用于tmEMG信号分析，通过迁移学习、模拟数据增强和正则化策略，在小数据集上训练出具有良好泛化能力的模型，用于睡眠呼吸暂停的诊断和神经肌肉病理分型识别	研究样本量相对较小（仅177条记录），且模型在区分OSA与对照时的特异性较低（64%），可能影响临床应用的可靠性	开发一种基于深度学习的tmEMG分析方法，以无创、便捷地诊断阻塞性睡眠呼吸暂停（OSA）并识别涉及神经肌肉病理的OSA内型	健康对照者、中度至重度OSA患者以及伴有延髓受累证据的肌萎缩侧索硬化症（ALS）患者（代表神经源性损伤）的跨口腔肌电图记录	数字病理学	睡眠呼吸暂停	跨膜肌电图（tmEMG）	Transformer	肌电信号，频谱图	177条跨口腔肌电图记录，来自6名健康对照、5名中度至重度OSA患者和5名伴有延髓受累的ALS患者	未明确指定，但提及使用标准反向传播进行微调	音频频谱Transformer（AST）	灵敏度，特异性	NA
2088	2026-03-14	Prediction of intraoperative hypotension using deep learning models based on non-invasive monitoring devices 2024-12, Journal of clinical monitoring and computing IF:2.0Q2 DOI:10.1007/s10877-024-01206-6 PMID:39158783	研究论文	本研究开发了一种基于多通道无创监测设备的深度学习模型，用于预测术中低血压	首次将深度学习算法应用于常规无创监测设备（而非有创动脉血压监测）来预测术中低血压，并采用注意力机制量化各监测设备的贡献度	研究为回顾性分析，未来需要前瞻性研究来验证模型在临床实践中预防低血压的实际效果	开发并验证一种基于无创监测设备的深度学习算法，用于预测术中低血压	接受非心脏手术的患者	机器学习	NA	无创血压监测、心电图、光电容积描记、二氧化碳描记、双频指数监测	深度学习	多通道生理监测时间序列数据	算法开发阶段4754例患者，外部验证阶段421例患者	NA	多头注意力全连接模型, 全局注意力局部循环模型	受试者工作特征曲线下面积	NA
2089	2026-03-14	Radiographer Education and Learning in Artificial Intelligence (REAL-AI): A survey of radiographers, radiologists, and students' knowledge of and attitude to education on AI 2024-12, Radiography (London, England : 1995) DOI:10.1016/j.radi.2024.10.010 PMID:39481214	研究论文	本研究通过调查放射技师、放射科医生和学生对人工智能（AI）的知识和态度，评估了医疗影像专业人员对AI的当前理解水平	首次在2023年欧洲放射学大会上针对医疗影像专业人员（包括学生）进行跨国家、跨大洲的AI知识和教育需求调查	样本量较小（136人），且调查主要基于自我报告，可能存在偏差	评估医疗影像专业人员和学生对AI的认知水平及教育需求，为AI教育提供依据	放射技师（诊断和治疗）、放射科医生、学生	医疗影像	NA	问卷调查	NA	调查数据	136名参与者，来自25个国家和5大洲	NA	NA	NA	NA
2090	2026-03-14	Multimodal Artificial Intelligence in Medicine 2024-11-01, Kidney360 IF:3.2Q1 DOI:10.34067/KID.0000000000000556 PMID:39167446	综述	本文探讨了多模态人工智能在医学中的应用，特别是基于Transformer的模型如何整合文本、图像和结构化数据以提升医疗诊断和治疗的适用性	强调了多模态Transformer模型在医疗领域处理多样化数据形式的潜力，并指出其在标准基准测试（如美国医学执照考试题库）上的出色表现	多模态深度学习模型的集成面临伦理和环境挑战，需要谨慎考虑	研究多模态人工智能在医学诊断和治疗中的适用性和挑战	医疗人工智能模型，特别是多模态Transformer模型	人工智能在医疗	NA	多模态深度学习	Transformer	文本, 图像, 结构化数据	NA	NA	Transformer	NA	NA
2091	2026-03-14	Impact of artificial intelligence assisted compressed sensing technique on scan time and image quality in musculoskeletal MRI - A systematic review 2024-10, Radiography (London, England : 1995) DOI:10.1016/j.radi.2024.08.012 PMID:39217002	系统综述	本文系统综述了人工智能辅助压缩感知技术在肌肉骨骼MRI中对扫描时间和图像质量的影响	首次系统评估AI-CS技术在肌肉骨骼MRI中结合不同加速因子对扫描时间与图像质量的综合影响	纳入研究数量有限（9篇），部分研究质量中等，高加速因子仍会导致图像评分降低	评估人工智能辅助压缩感知技术对肌肉骨骼MRI扫描时间和图像质量的影响	肌肉骨骼MRI扫描	医学影像分析	肌肉骨骼疾病	MRI, 压缩感知, 人工智能重建	深度学习算法	MRI图像	730名参与者	NA	NA	扫描时间减少百分比, 图像质量评分	NA
2092	2026-03-14	Deep learning-based automated liver contouring using a small sample of radiotherapy planning computed tomography images 2024-08, Radiography (London, England : 1995) DOI:10.1016/j.radi.2024.08.005 PMID:39179459	研究论文	本研究探讨了使用少量放疗计划CT图像进行深度学习自动肝脏轮廓勾画的可行性	首次研究基于深度学习的肝脏轮廓勾画所需的最小数据量，并采用改进的注意力U-Net和残差U-Net网络在有限数据下实现高精度分割	未明确说明具体预处理方法的详细参数或网络修改的具体细节，且外部数据集数量可能有限	研究使用有限数据实现自动肝脏轮廓勾画的可行性，并评估模型的泛化能力	放疗计划CT图像中的肝脏区域	数字病理	NA	CT成像	深度学习	图像	62个训练案例，外加两个未见外部数据集	NA	改进的注意力U-Net, 改进的残差U-Net	Dice相似系数, 平均Hausdorff距离	NA
2093	2026-03-14	DIMOND: DIffusion Model OptimizatioN with Deep Learning 2024-06, Advanced science (Weinheim, Baden-Wurttemberg, Germany) DOI:10.1002/advs.202307965 PMID:38634608	研究论文	提出了一种名为DIMOND的基于物理信息与自监督深度学习的扩散模型优化框架，用于从扩散磁共振成像数据中高效、准确地估计微观结构模型参数	提出了一种结合物理信息与自监督深度学习的全新框架（DIMOND），无需额外训练数据，通过最小化输入数据与网络输出参数生成的合成数据之间的差异来优化网络，实现了跨受试者和数据集的泛化能力，并将复杂模型（如NODDI）的拟合时间从数小时大幅缩短至数分钟甚至数秒	未在摘要中明确说明	解决扩散磁共振成像中模型参数估计计算成本高且受图像噪声影响的问题，提高微观结构和结构连接性映射的实用性与临床采纳度	人脑活体扩散磁共振成像数据	医学影像分析	NA	扩散磁共振成像	深度学习神经网络	图像	NA	NA	NA	NA	NA
2094	2026-03-14	DeepTrayMeal: Automatic dietary assessment for Chinese tray meals based on deep learning 2024-Feb-15, Food chemistry IF:8.5Q1 DOI:10.1016/j.foodchem.2023.137525 PMID:37742550	研究论文	本研究开发了一个基于深度学习的自动饮食评估框架，用于中国托盘餐，包括菜品识别、体积估计和营养映射	建立了首个中国托盘餐数据集ChinaLunchTray-99，并提出了一个结合检测、体积估计和营养映射的完整自动饮食评估框架	未在摘要中明确提及	开发自动饮食评估方法以促进中国托盘餐的公共健康应用	中国托盘餐图像	计算机视觉	NA	深度学习	CNN	图像	1185张托盘餐图像，覆盖99个菜品类别	未在摘要中明确提及	未在摘要中明确提及	平均精度均值	未在摘要中明确提及
2095	2026-03-14	A neural speech decoding framework leveraging deep learning and speech synthesis 2024, Nature machine intelligence IF:18.8Q1 DOI:10.1038/s42256-024-00824-8 PMID:41799923	研究论文	本文提出了一种基于深度学习的神经语音解码框架，用于从大脑皮层信号解码人类语音	开发了一种包含ECoG解码器和可微分语音合成器的新型框架，并引入了语音到语音自编码器以辅助训练	NA	开发脑机接口技术以恢复神经功能缺损患者的语音能力	48名参与者的皮层电信号	自然语言处理	神经功能缺损	皮层电图	深度学习	信号	48名参与者	NA	自编码器	相关性	NA
2096	2026-03-14	High-throughput adjustable deformability cytometry utilizing elasto-inertial focusing and virtual fluidic channel 2023-10-10, Lab on a chip IF:6.1Q2 DOI:10.1039/d3lc00591g PMID:37766593	研究论文	本文提出了一种集成三维弹性惯性聚焦和虚拟流体通道的高通量可调变形性细胞术，用于无标记细胞机械表型分析	通过结合弹性惯性聚焦与虚拟流体通道，实现了对多种尺寸细胞的单设备可调谐、高通量机械表征，并开发了mini-BiSeNet网络进行快速细胞识别与特征提取	NA	开发一种通用、高通量的微流控细胞变形性分析系统，用于基于机械特性的细胞状态与疾病进程表征	多种细胞系（A549、MCF-7、MDA-MB-231）及白细胞（WBCs），并探索了在胸腔积液表征中的应用潜力	数字病理学	肺癌	微流控变形性细胞术，深度学习分类	CNN	图像	NA	NA	mini-BiSeNet	准确率	NA
2097	2026-03-14	A systematic review of automated segmentation of 3D computed-tomography scans for volumetric body composition analysis 2023-Oct, Journal of cachexia, sarcopenia and muscle DOI:10.1002/jcsm.13310 PMID:37562946	系统综述	本文系统综述了用于体积身体成分分析的3D CT扫描自动分割技术的可行性、准确性及当前局限性	首次系统评估3D CT扫描自动分割在体积身体成分分析中的应用，对比传统方法与深度学习技术，并明确当前研究空白与临床转化挑战	纳入研究数量有限（7篇），算法训练所用金标准分割存在人为主观差异，CT扫描覆盖范围术语不统一，缺乏全身体积验证数据	评估自动化3D CT分割在身体成分分析中的技术可行性与临床应用价值	CT扫描中的骨骼肌、内脏脂肪和皮下脂肪组织	医学影像分析	身体成分相关疾病	计算机断层扫描（CT）	深度学习算法，传统计算机算法	3D CT影像	7项符合条件的研究（共检索92项）	NA	NA	Dice相似系数	NA
2098	2026-03-14	A Neural Speech Decoding Framework Leveraging Deep Learning and Speech Synthesis 2023-Sep-17, bioRxiv : the preprint server for biology DOI:10.1101/2023.09.16.558028 PMID:37745380	研究论文	本文提出了一种基于深度学习的神经语音解码框架，用于从大脑皮层电信号中重建语音	提出了一个包含可微分语音合成器的端到端框架，并开发了音频自编码器来生成参考语音参数以辅助训练，提高了跨被试（48人）的解码可重复性	未明确提及模型在极低信噪比或长期植入场景下的稳定性，也未讨论个体解剖差异对解码性能的具体影响	开发一种能够从神经信号中解码自然语音的脑机接口技术，以帮助神经系统损伤患者恢复言语功能	48名参与者的皮层电图（ECoG）信号及对应的语音数据	脑机接口，语音合成	神经系统损伤导致的言语障碍	皮层电图（ECoG）信号采集	深度学习	神经信号（ECoG），音频，频谱图	48名参与者	未明确提及，但推断可能为PyTorch或TensorFlow	3D ResNet, SWIN Transformer，以及自编码器	皮尔逊相关系数（PCC）	NA
2099	2026-03-14	A deep learning approach reveals unexplored landscape of viral expression in cancer 2023-02-11, Nature communications IF:14.7Q1 DOI:10.1038/s41467-023-36336-z PMID:36774364	研究论文	本文开发了一种名为viRNAtrap的深度学习管道，用于识别癌症中的病毒表达，并应用于TCGA的14种癌症类型	提出了一种基于深度学习的无对齐方法viRNAtrap，能够识别未知和分化的病毒，并揭示与癌症生存率相关的内源性病毒表达	研究仅基于TCGA的14种癌症类型，可能未涵盖所有癌症或病毒类型，且深度学习模型的泛化能力需进一步验证	研究癌症中病毒表达的特征，特别是未知和分化病毒，以探索病毒与癌症的关联	人类癌症组织中的病毒RNA序列数据	机器学习	癌症	RNA测序	深度学习模型	RNA测序数据	来自TCGA的14种癌症类型的数据集	NA	NA	NA	NA
2100	2026-03-14	Automatic Prediction of Paediatric Cardiac Output From Echocardiograms Using Deep Learning Models 2023-Feb, CJC pediatric and congenital heart disease DOI:10.1016/j.cjcpc.2022.11.001 PMID:37970100	研究论文	本研究开发了一种基于深度学习的模型，用于从儿科超声心动图中自动预测心输出量	修改了EchoNet-Dynamic模型以预测左心室流出道直径，并开发了一种新颖的深度学习方法用于速度时间积分估计，从而实现了心输出量的自动预测	数据集规模较小，尽管通过预训练实现了准确估计，但可能限制了模型的泛化能力	开发一种准确、快速的自动心输出量评估方法，以支持临床决策	儿科超声心动图，包括正常心输出量和扩张型心肌病导致心输出量降低的患者	计算机视觉	心血管疾病	超声心动图	深度学习模型	图像	未明确指定具体样本数量，但提及包括正常心输出量和扩张型心肌病患者的数据集	NA	EchoNet-Dynamic	均方根误差, 平均绝对误差, 平均百分比误差, 决定系数, Bland-Altman分析	NA