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
2341	2026-03-09	Deep Learning-Based Cardiac MRI Planning from Localizers to Cine Views Using Landmark Detection 2026-Mar, Academic radiology IF:3.8Q1 DOI:10.1016/j.acra.2025.11.028 PMID:41353071	研究论文	本研究评估了一种基于深度学习的全自动框架，用于提升心脏MRI规划的效率和准确性	提出了一种全自动深度学习框架，用于从定位器到电影视图的心脏MRI规划，通过地标检测实现自动化，提高了规划精度	研究为回顾性设计，数据来源于单一机构，未在外部数据集上进行验证	评估深度学习框架在心脏MRI规划中的自动化应用，以提升效率和准确性	1023名接受心脏MRI检查的患者（年龄8-90岁）的影像数据	计算机视觉	心血管疾病	心脏MRI	深度学习模型	图像	1023名患者	NA	NA	中位地标距离, 平面角度差	NA
2342	2026-03-09	Myelination-attention-empowered deep learning model improved brain age prediction in children below 2 years of age 2026-Mar, Pediatric radiology IF:2.1Q2 DOI:10.1007/s00247-025-06495-w PMID:41432745	研究论文	本研究开发了一种名为MAENet的深度学习模型，通过整合髓鞘化注意力机制，提高了2岁以下儿童脑年龄预测的准确性和可解释性	创新性地将髓鞘化这一生物过程作为注意力机制整合到深度学习模型中，并设计了多通道信息融合与通信机制，显著提升了模型对髓鞘化相关特征的敏感性	研究为回顾性分析，数据来源于单一医院，样本量相对有限，且模型在更广泛人群或不同成像协议下的泛化能力有待验证	提高早期婴儿期脑年龄预测的准确性和可解释性	0-2岁儿童的脑部结构磁共振成像数据	医学影像分析	神经发育障碍	结构磁共振成像	深度学习模型	图像	603名0-2岁参与者	NA	MAENet, ResNet-50, VGG, Inception, SFCN, Skewed, FiA-Net, TSAN	平均绝对误差	NA
2343	2026-03-09	Label Noise in Pathological Segmentation Is Overlooked, Leading to Potential Overestimation of Artificial Intelligence 2026-Mar, Cancer science IF:4.5Q1 DOI:10.1111/cas.70288 PMID:41433191	研究论文	本研究通过调查公共数据集和合成人工标签噪声，评估了标签噪声对病理分割模型的影响，揭示了模型易过拟合边界噪声并导致性能高估的风险	首次系统性地结合公共数据集调查与人工标签噪声合成，评估了病理分割中标签噪声的类型和影响，特别是边界依赖噪声（如扩张和收缩）对模型过拟合的显著作用	研究主要基于合成噪声和有限数据集（如乳腺癌语义分割数据集），可能未完全覆盖真实世界所有噪声类型；且未提出具体的噪声量化或缓解方法	评估病理分割中标签噪声对人工智能模型训练的影响，并探讨其导致的性能高估风险	病理分割AI模型，特别是用于乳腺癌语义分割的深度学习模型	数字病理	乳腺癌	语义分割	深度学习模型	图像	使用公共数据集和乳腺癌语义分割数据集，具体样本数量未明确说明	NA	NA	表现分数（包括真实世界条件下的表观性能分数和使用干净测试数据得到的真实性能分数）	NA
2344	2026-03-09	Explainable deep learning for predicting HER-2 expression in breast cancer: a multicenter study 2026-Mar, Acta radiologica (Stockholm, Sweden : 1987) DOI:10.1177/02841851251392501 PMID:41468007	研究论文	本研究开发了一个可解释的深度学习框架，用于非侵入性预测乳腺癌HER-2表达	结合深度学习模型与临床预测因子，构建可解释的预测框架，实现非侵入性HER-2表达预测	回顾性研究，样本量有限（450例），需进一步前瞻性验证	开发非侵入性预测乳腺癌HER-2表达的深度学习框架	450例经病理确认HER-2状态的乳腺癌患者	数字病理	乳腺癌	磁共振成像	深度学习	图像	450例患者	NA	ResNet	AUC	NA
2345	2026-03-09	Deep Learning Image Reconstruction Improves Image Quality in Dual-Low Dose Dual-Energy CT Portal Venography Compared to Adaptive Iterative Image Reconstruction Algorithm-Veo 2026-Mar, Academic radiology IF:3.8Q1 DOI:10.1016/j.acra.2025.11.047 PMID:41484021	研究论文	本研究比较了深度学习图像重建（DLIR）与自适应统计迭代重建（ASIR-V）在双低剂量双能CT门静脉成像（DE-CTPV）中的性能，旨在评估DLIR在降低对比剂用量和辐射剂量条件下对图像质量的改善效果	首次在双低剂量（低对比剂和低辐射剂量）条件下，将DLIR应用于DE-CTPV，并与ASIR-V进行系统比较，证实DLIR能显著提升多段门静脉血管的图像质量	研究为单中心设计，样本量相对有限，且未进行长期临床结局的随访验证	比较DLIR与ASIR-V在双低剂量DE-CTPV中的图像质量，以优化肝脏移植术前评估和术后监测的成像方案	接受DE-CTPV检查的患者	医学影像	肝脏疾病	双能CT门静脉成像（DE-CTPV），虚拟单能成像（VMI）	深度学习图像重建（DLIR）	CT图像	未明确说明具体患者数量，但提及与既往研究数据对比	NA	NA	图像噪声、对比噪声比（CNR）、信噪比（SNR）、主观评分（整体图像质量、图像噪声、血管边缘锐利度、诊断信心）	NA
2346	2026-03-09	Attenuation-based ultra-low-dose lung computed tomography at 0.1 mSv to 0.3 mSv effective dose in children 2026-Mar, Pediatric radiology IF:2.1Q2 DOI:10.1007/s00247-025-06503-z PMID:41553466	研究论文	本研究评估了在儿科患者中使用宽探测器能量积分CT系统结合深度学习重建的超低剂量肺部CT方案的辐射剂量和性能	利用宽探测器能量积分CT和深度学习图像重建技术，实现了与新型光子计数CT相当的0.12-0.23 mSv超低剂量儿科肺部CT成像	研究为回顾性分析，存在心脏运动和阶梯伪影等非破坏性伪影，但未影响诊断	评估儿科超低剂量肺部CT方案的辐射剂量和诊断图像质量	106名儿科患者（年龄范围113天至17.85岁）的277次低剂量肺部CT扫描	医学影像	肺部疾病	计算机断层扫描（CT），深度学习图像重建，衰减基础自动处方	深度学习重建模型	CT图像	277次CT扫描来自106名儿科患者	NA	NA	信噪比（SNR），对比噪声比（CNR）	NA
2347	2026-03-09	Deep learning assessment of fetal brain maturation on 3D ultrasound volumes in early-onset fetal growth restriction 2026-Mar, Ultrasound in obstetrics & gynecology : the official journal of the International Society of Ultrasound in Obstetrics and Gynecology IF:6.1Q1 DOI:10.1002/uog.70168 PMID:41575808	研究论文	本研究利用深度学习模型分析三维超声图像，评估早发性胎儿生长受限（FGR）中的胎儿大脑成熟延迟情况	首次将深度学习模型应用于三维超声图像，以量化早发性FGR胎儿的大脑成熟度，并探索其与新生儿并发症风险的关联	单中心、样本量较小（43例），仅纳入孕周小于29周的胎儿，可能限制了结果的普适性	评估早发性胎儿生长受限（FGR）中胎儿大脑成熟延迟的程度，并探索其与新生儿并发症的潜在关联	早发性胎儿生长受限（FGR）的胎儿	数字病理学	胎儿生长受限	三维（3D）超声	深度学习模型	三维超声图像	43例生长受限胎儿（其中13例为脑保护性FGR）	NA	NA	估计孕周与实际孕周的平均差异（ΔGA，以天为单位）	NA
2348	2026-03-09	Deep learning-based one-stop 11C-CFT and 18F-FDG dual-tracer brain PET imaging protocol for Parkinson's disease 2026-Mar, Brain research bulletin IF:3.5Q2 DOI:10.1016/j.brainresbull.2026.111764 PMID:41651249	研究论文	本研究探索使用深度学习分离帕金森病患者的短间隔交错C-CFT和F-FDG双示踪剂脑PET图像，以减少扫描等待时间	首次提出基于深度学习的单次扫描协议，用于分离交错注射的双示踪剂PET图像，从而显著缩短患者等待时间并提高临床效率	研究为回顾性设计，样本量相对较小（67名患者），且仅针对特定示踪剂组合和注射时间间隔进行评估	开发一种减少帕金森病患者脑PET成像等待时间的深度学习协议	帕金森病患者	数字病理学	帕金森病	PET成像，双示踪剂（11C-CFT和18F-FDG）	深度学习	PET图像	67名患者	PyTorch	Swin UNETR	NMSE, SSIM, Bland-Altman分析, 相关性分析, SUVmean, LBR, SNR	NA
2349	2026-03-09	Generalizability of deep learning-based dose conversion model in proton beam therapy 2026-Mar, Journal of applied clinical medical physics IF:2.0Q3 DOI:10.1002/acm2.70528 PMID:41755687	研究论文	本研究开发了一种基于深度学习的剂量转换模型，用于质子束治疗中将铅笔束算法计算的剂量转换为蒙特卡罗等效剂量，并评估其在不同肿瘤部位的泛化能力	首次训练了一个基于深度学习的剂量转换模型，该模型在四个代表性肿瘤部位（头颈、肺、肝和前列腺）上训练，并评估了其在未训练肿瘤部位（如食管、胰腺、结直肠、脑、乳腺、宫颈及肢体骨与软组织）的泛化性能	模型在接近肺部的食管、乳腺以及肢体骨与软组织等未训练肿瘤部位上表现出略低的通过率，泛化能力仍有提升空间	开发并评估一个基于深度学习的剂量转换模型在质子束治疗中的泛化能力，以解决计算精度与速度之间的权衡问题	质子束治疗中的剂量计算，特别是将铅笔束算法剂量转换为蒙特卡罗等效剂量	医学影像分析	多种癌症	质子束治疗，蒙特卡罗模拟，深度学习	深度学习模型	治疗计划CT图像和铅笔束剂量数据	339名患者（总计1147个射束）	NA	NA	3D γ分析通过率，Dice相似系数	NA
2350	2026-03-09	SMART: Self-Supervised Learning for Metal Artifact Reduction in Computed Tomography Using Range Null Space Decomposition 2026-Mar, IEEE transactions on medical imaging IF:8.9Q1 DOI:10.1109/TMI.2025.3616003 PMID:41052163	研究论文	提出一种基于自监督学习和范围零空间分解的CT金属伪影减少方法，旨在解决现有深度学习方法在临床应用中面临的挑战	利用范围零空间分解分别建模金属和组织线性衰减系数，并结合隐式神经表示以自监督方式学习其临床特征，同时整合多色光谱以实现动态适应	方法在临床数据集上的泛化性虽经测试，但可能仍需更多样化的数据验证其鲁棒性	开发一种自监督的CT金属伪影减少方法，以提升诊断准确性和临床决策支持	CT图像中的金属伪影	计算机视觉	NA	范围零空间分解，隐式神经表示	自监督学习模型	CT图像	一个合成数据集和两个临床数据集	NA	隐式神经表示	NA	NA
2351	2026-03-09	ESR Essentials: lung cancer screening with low-dose CT-practice recommendations by the European Society of Thoracic Imaging 2026-Mar, European radiology IF:4.7Q1 DOI:10.1007/s00330-025-11910-9 PMID:40848139	实践推荐	本文提供了欧洲胸科影像学会关于使用低剂量CT进行肺癌筛查的实践建议	整合了最新的低剂量CT筛查证据，并强调了深度学习算法在结节检测和体积生长测量中的应用	NA	为肺癌筛查提供基于证据的实践指导，以优化筛查效果并控制风险	高风险个体，特别是年龄在50至75岁之间、有至少20包年吸烟史的人群	数字病理学	肺癌	低剂量CT扫描	深度学习算法	CT图像	NA	NA	NA	NA	NA
2352	2026-03-09	Mixing features of transcription factors and genes enable accurate prediction of gene regulation relationships for unknown transcription factors 2026-Mar, NAR genomics and bioinformatics IF:4.0Q1 DOI:10.1093/nargab/lqag022 PMID:41782896	研究论文	本文开发了一种深度学习模型GReNIMJA，通过混合转录因子氨基酸序列和目标基因核苷酸序列的特征，预测未知转录因子的基因调控关系	模型首次能够预测未知转录因子的基因调控关系，通过显式建模转录因子与基因间的相互作用，解决了传统深度学习模型仅能预测已知转录因子的局限	模型对未知转录因子的预测准确率为68.5%，虽高于传统方法，但仍存在提升空间，且可能受限于训练数据的覆盖范围	预测转录因子与基因间的调控关系，特别是针对未知转录因子，以促进对基因调控网络的理解	转录因子的氨基酸序列和目标基因的核苷酸序列	机器学习	NA	深度学习	LSTM	序列数据（氨基酸序列和核苷酸序列）	NA	NA	2D Long Short-Term Memory	准确率	NA
2353	2026-03-09	AI sheds new light on genome editing 2026-Mar, Trends in biotechnology IF:14.3Q1 DOI:10.1016/j.tibtech.2025.07.011 PMID:40744834	综述	本文综述了人工智能如何通过深度学习加速下一代基因组编辑工具的发现、工程化与设计	系统阐述了AI在三个关键方面赋能基因组编辑：发现传统方法忽略的新型编辑器、工程化具有增强特性的编辑器、以及从头设计具有定制功能的全新编辑器	NA	探讨人工智能驱动的技术如何加速基因组编辑工具的开发与应用	基于CRISPR/Cas系统的基因组编辑工具	生命科学	NA	基因组编辑，深度学习	深度学习模型	结构数据，序列数据	NA	NA	NA	NA	NA
2354	2026-03-09	A Comparison of Different Radiomics Methods Predicting Cervical Lymph Node Metastasis in Papillary Thyroid Carcinoma 2026 Mar-Apr, Journal of clinical ultrasound : JCU IF:1.2Q3 DOI:10.1002/jcu.70102 PMID:41078274	研究论文	本研究比较了基于超声的手工放射组学模型、深度学习放射组学模型及组合模型在预测甲状腺乳头状癌颈淋巴结转移中的性能	开发并比较了手工放射组学、深度学习放射组学及两者组合模型，首次在甲状腺乳头状癌颈淋巴结转移预测中系统评估不同放射组学方法的效能	测试集中组合模型相比单一模型的AUC提升未达到统计学显著性，且深度学习模型在训练和测试集中的准确率均低于0.7	开发并比较不同放射组学方法，以更好地预测甲状腺乳头状癌患者的颈淋巴结转移	甲状腺乳头状癌患者	数字病理	甲状腺癌	超声成像	深度学习, 机器学习	图像	441名患者（训练集308例，测试集133例）	Pyradiomics	DenseNet121	AUC, 准确率	NA
2355	2026-03-09	Performance of a deep learning-based algorithm for automated measurements of Cobb angles on preoperative spine radiographs in adolescent idiopathic scoliosis 2026-Mar, Pediatric radiology IF:2.1Q2 DOI:10.1007/s00247-025-06492-z PMID:41389104	研究论文	本研究评估了一种商用深度学习软件在青少年特发性脊柱侧弯手术病例中测量Cobb角的准确性，并与放射科住院医师的表现进行了比较	首次在儿科患者，特别是重度脊柱侧弯病例中，对商用深度学习软件进行Cobb角测量的准确性评估，并与放射科住院医师进行对比	AI在极端脊柱侧弯（≥60°）患者中的准确性显著下降，需要放射科医师的监督	评估深度学习算法在青少年特发性脊柱侧弯术前脊柱X光片上自动测量Cobb角的性能	青少年特发性脊柱侧弯患者的术前前后位全脊柱X光片	数字病理学	青少年特发性脊柱侧弯	深度学习	深度学习算法	X光图像	151张术前前后位全脊柱X光片，包含151个Cobb角（中度13个，重度74个，极端64个）	NA	NA	平均绝对误差, 组内相关系数	NA
2356	2026-03-09	Optimizing atrial fibrillation detection through ECG feature selection using Extra-Trees and statistical association measures 2026 Mar-Apr, Journal of electrocardiology IF:1.3Q3 DOI:10.1016/j.jelectrocard.2026.154199 PMID:41610739	研究论文	本研究提出了一种结合Extra-Trees和统计关联度量的混合特征选择方法，用于优化基于心电图的心房颤动检测	引入了特征重要性评分和总体特征重要性评分两个新指标，结合了机器学习和统计方法进行特征选择，提高了特征选择的客观性和可解释性	研究仅基于接受导管消融治疗的心房颤动患者的心电图数据，可能无法完全代表所有心房颤动患者群体	开发一种混合特征选择方法，客观识别用于区分心房颤动和正常窦性心律的最具判别性的心电图特征	接受导管消融治疗的心房颤动患者的12导联心电图记录	机器学习	心血管疾病	12导联心电图	Extra-Trees	心电图信号	NA	NA	Extra-Trees	特征重要性评分, 总体特征重要性评分	NA
2357	2026-03-09	Rapid-EEG Software Architecture's Clinical Impact: Advantages and Limitations 2026-Mar-01, Journal of clinical neurophysiology : official publication of the American Electroencephalographic Society IF:2.3Q3 DOI:10.1097/WNP.0000000000001188 PMID:41773895	综述	本文综述了快速脑电图设备的软件架构及其在临床中的应用，重点讨论了其在癫痫检测方面的优势与局限性	系统性地比较了第一代与第二代快速脑电图设备在癫痫检测方面的性能差异，并强调了深度学习算法在该领域的应用潜力与透明化报告的重要性	专有算法的“黑箱”特性阻碍了对其局限性和潜在缺陷的理解，影响了设备的临床接受度	评估快速脑电图设备的软件架构对临床决策的影响，并探讨人工智能与机器学习在自动脑电图分析中的最新进展	快速脑电图设备及其自动分析算法，特别是用于癫痫检测的深度学习模型	数字病理学	癫痫	脑电图	深度学习算法	脑电图信号	NA	NA	NA	NA	NA
2358	2026-03-09	Glycemic Variability as a Predictor of Mortality in Sepsis Patients With Concurrent Persistent Inflammation, Immunosuppression, and Catabolism Syndrome 2026-Mar, Immunity, inflammation and disease DOI:10.1002/iid3.70400 PMID:41791121	研究论文	本研究探讨了血糖变异系数与并发持续性炎症、免疫抑制和分解代谢综合征的脓毒症患者死亡率之间的关联	首次在并发PICS的脓毒症患者亚组中，系统评估了血糖变异系数与短期及长期死亡率的关联，并应用机器学习与深度学习算法构建了高精度的预测模型	研究为回顾性观察性研究，可能存在未测量的混杂因素；外部验证队列样本量相对较小；血糖变异系数的计算依赖于临床监测数据的完整性	探究血糖变异系数对并发PICS的脓毒症患者临床不良结局的预测价值	重症监护病房中发生院内感染的脓毒症患者	医疗数据分析	脓毒症	回顾性队列分析，机器学习与深度学习建模	TabPFN（表格先验数据拟合网络）	结构化临床数据（电子健康记录）	训练队列：1353名患者（来自MIMIC-IV数据库）；外部验证队列：116名患者（来自天津医科大学总医院急诊科）	NA	TabPFN	AUC（曲线下面积）	NA
2359	2026-03-09	Deep learning-based automated segmentation of intracerebral haemorrhage, intraventricular haemorrhage and perihaematomal oedema on non-contrast CT 2026-Mar-01, European stroke journal IF:5.8Q1 DOI:10.1093/esj/aakag007 PMID:41792040	研究论文	本研究开发并外部验证了一种基于深度学习的模型，用于在非增强CT上同时自动分割脑内出血、脑室内出血和血肿周围水肿	开发了一种能够同时分割脑内出血、脑室内出血和血肿周围水肿的3D U-net模型，并进行了多中心外部验证	模型对脑室内出血和血肿周围水肿的分割性能相对较低，仍需视觉评估和校正	开发一种自动化工具，以精确评估脑出血相关病变的体积，替代耗时且易变的手动分割	自发性脑内出血患者的非增强CT图像	计算机视觉	脑出血	非增强CT成像	深度学习	医学图像	训练集301例患者，外部验证集141例患者	NA	3D U-net	Dice相似系数, 组内相关系数, Bland-Altman分析	NA
2360	2026-03-09	Multimodal Predictive Modeling for Visual Quality Recovery After Keratorefractive Lenticule Extraction 2026-Mar, Journal of refractive surgery (Thorofare, N.J. : 1995) DOI:10.3928/1081597X-20260112-03 PMID:41793362	研究论文	本研究通过整合多模态数据，建立了一个预测角膜屈光透镜摘除术后视觉质量恢复的模型	首次将基于U-net的深度学习模型用于后透镜扫描图像的高精度分割，并结合放射组学特征、临床数据、手术参数、角膜地形图和生物力学等多模态数据，构建预测术后视觉质量的机器学习模型	研究为单中心、前瞻性非干预性研究，样本量相对较小（210只眼），且仅针对近视患者，可能限制了结果的普适性	研究角膜屈光透镜摘除术后视觉质量恢复的影响因素，并建立术后视觉质量的预测模型	105名近视患者的210只眼，这些患者接受了角膜屈光透镜摘除手术	数字病理学	近视	高精度图像分割，放射组学特征提取	U-net, ExtraTrees, AdaBoost, RidgeCV, LassoLarsIC	图像，临床数据，手术参数，角膜地形图，生物力学数据	210只眼（来自105名患者）	NA	U-net	AUC	NA