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
2521	2026-03-06	A Review on Automatic Personal Identification Using Panoramic Radiographs and Computed Tomography 2026-Mar-04, RoFo : Fortschritte auf dem Gebiete der Rontgenstrahlen und der Nuklearmedizin DOI:10.1055/a-2808-8851 PMID:41780547	综述	本文综述了基于全景X光片和计算机断层扫描的自动个人身份识别方法，评估其性能并探讨在法医和临床中的应用潜力	系统梳理了2018年以来基于放射影像的自动个人身份识别技术，特别比较了基于描述符的计算机视觉与深度学习方法在不同影像类型（如PR和CT）中的应用	研究设计、数据集大小和方法学存在异质性，且深度学习方法仍需进一步验证；大规模标准化参考数据库和自动化流程的开发仍是关键挑战	评估基于放射影像的自动个人身份识别技术在法医和临床环境中的应用现状与潜力	全景X光片和计算机断层扫描影像	计算机视觉	NA	全景X光片、计算机断层扫描	深度学习	图像	32项研究（涉及PR和CT影像数据集）	NA	NA	NA	NA
2522	2026-03-06	Research and implementation of intelligent clothing personalized customization system based on deep learning 2026-Mar-04, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-40436-3 PMID:41781421	研究论文	本研究提出了一种基于深度学习的智能服装个性化定制系统，集成了身体测量、风格偏好学习、虚拟试穿和设计推荐等核心模块	提出了一种新颖的CNN-Transformer-GAN混合架构，专门针对个性化服装设计任务进行优化，在测量精度和可视化质量方面显著优于现有方法	未明确说明系统对不同体型、年龄和文化的适用性限制，也未讨论长期使用中的算法稳定性问题	开发一个智能化的服装个性化定制系统，通过人工智能技术提升服装定制效率和用户满意度	服装个性化定制系统及其用户	计算机视觉	NA	深度学习	CNN, Transformer, GAN	图像数据（身体测量）、用户偏好数据	120名参与者的单盲用户研究 + 250名用户的大规模部署测试	未明确指定（可能为PyTorch或TensorFlow）	CNN-Transformer-GAN混合架构	平均绝对误差（MAE）、准确率、响应时间、用户满意度评分	NA
2523	2026-03-06	Interpretable ESG-sentiment hybrid deep learning for asset return forecasting with quantified interactions and latency-aware deployment 2026-Mar-04, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-41985-3 PMID:41781523	研究论文	本文提出了一种可解释的混合深度学习框架，用于结合ESG评分和新闻情感信号进行资产回报预测	引入了一种结合Temporal Fusion Transformer与轻量级SVR残差校正器的可解释混合框架，并采用门控机制动态融合ESG特征与基于方面的金融情感分析	研究主要聚焦于美国大型科技股、全球主要指数及加密货币，可能在其他资产类别或市场中的普适性有待验证	开发一个可解释的混合深度学习框架，以准确预测资产回报，并量化ESG与情感信号间的相互作用	美国大型科技股、全球主要指数、比特币和以太坊	机器学习	NA	基于方面的情感分析、时间序列预测	Temporal Fusion Transformer, Support Vector Regression, BiLSTM	时间序列数据、文本数据	2020年至2024年的日度交易数据，采用滚动窗口训练（252个交易日训练/10个交易日测试）	TensorFlow, PyTorch, Scikit-learn	Temporal Fusion Transformer, FinBERT	平均绝对误差, 均方根误差, 方向准确性, 信息系数, 信息系数比率, 风险调整后绩效, 最大回撤	未明确指定GPU类型，但提及了延迟优化和推理时间减少
2524	2026-03-06	Deep learning for vessel segmentation and flow analysis to identify clusters associated with adverse outcomes in a fontan patient registry 2026-Mar-04, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-40738-6 PMID:41781549	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
2525	2026-03-06	Deep learning-enabled ECG system for detecting left ventricular hypertrophy and predicting cardiovascular prognoses 2026-Mar-04, BioData mining IF:4.0Q1 DOI:10.1186/s13040-026-00536-2 PMID:41781965	研究论文	本研究开发了一种基于深度学习的AI-ECG系统，用于检测左心室肥厚并预测心血管预后	开发了一种新型AI-ECG-LVH模型，相比传统手动ECG标准，在LVH检测和心血管风险分层方面提供了更敏感、更便捷的非侵入性方法	研究主要基于两家医院的数据，外部验证仅在一家医院进行，模型在不同人群和医疗环境中的普适性有待进一步验证	开发深度学习心电图系统以检测左心室肥厚并评估其与心血管预后的关联	左心室肥厚患者及心血管疾病风险人群	数字病理学	心血管疾病	心电图，超声心动图	深度学习模型	心电图信号，超声心动图数据	总计46,007名患者（医院A：40,736名；医院B：6,271名）	NA	NA	AUC，风险比	NA
2526	2026-03-06	Artificial Intelligence in Mammography Screening: A Narrative Review of Progress, Pitfalls, and Potential 2026-Mar-04, The British journal of radiology DOI:10.1093/bjr/tqag053 PMID:41782331	综述	本文是一篇关于人工智能在乳腺X线摄影筛查中应用、进展、挑战与潜力的叙述性综述	综述了人工智能在乳腺X线摄影筛查中的当前和新兴应用，包括基于图像的癌症检测、风险预测和工作流程优化，并关注了技术基础、性能指标和临床效用	算法在不同人群中的泛化能力有限，存在校准和读者响应行为问题，以及监管、伦理和法律障碍	探讨人工智能在乳腺X线摄影筛查中的应用进展、挑战与未来潜力	乳腺X线摄影筛查	医学影像	乳腺癌	深度学习	NA	图像	NA	NA	NA	NA	NA
2527	2026-03-06	Wire-form shape memory alloy actuators: modeling, design, and control 2026-Mar-03, Microsystems & nanoengineering IF:7.3Q1 DOI:10.1038/s41378-026-01161-z PMID:41771841	综述	本文对线状形状记忆合金（WF-SMA）驱动器进行了全面系统的评估，涵盖其建模方法、典型结构、控制策略及多领域前沿应用	系统性地整合了WF-SMA驱动器的建模、设计与控制，并提出了融合微纳制造、柔性电子与多功能材料的未来发展方向，以及集成建模-设计-控制框架与深度学习应用的新研究路径	NA	评估线状形状记忆合金驱动器的技术现状、挑战与未来发展方向	线状形状记忆合金驱动器	机器学习	NA	微纳制造技术，柔性电子技术	神经网络	NA	NA	NA	NA	NA	NA
2528	2026-03-06	A scoping review of radiation dose and image quality in paediatric CT: Towards safe imaging protocols and diagnostic reference levels in Jordan 2026-Mar-03, Journal of medical imaging and radiation sciences IF:1.3Q3 DOI:10.1016/j.jmir.2026.102207 PMID:41780085	综述	本文系统回顾了国际儿科CT诊断参考水平（DRLs）的证据，评估了约旦当前的辐射剂量实践，并提出了建立国家DRLs和优化成像协议的建议	首次针对约旦儿科CT的辐射剂量和图像质量进行范围综述，强调该国缺乏国家DRLs并提出了具体改进措施	研究基于文献综述，可能未涵盖所有地区的最新实践，且约旦本地数据有限	评估儿科CT辐射剂量实践，推动约旦建立国家诊断参考水平和安全成像协议	儿科患者CT扫描的辐射剂量和图像质量	医学影像	NA	CT扫描，深度学习图像重建（DLIR）	NA	文献数据，辐射剂量指标（如CTDIvol, DLP）	28项研究	NA	NA	辐射剂量降低百分比（20-50%）	NA
2529	2026-03-06	Minimum Clinically Achievable Dose for Detecting Liver Lesions Using Deep Learning Image Reconstruction: A Phantom and Patient Study 2026-Mar-03, Academic radiology IF:3.8Q1 DOI:10.1016/j.acra.2026.02.022 PMID:41781262	研究论文	本研究通过体模和前瞻性患者研究，评估了深度学习图像重建在超低剂量下检测肝脏局灶性病变的性能	首次系统评估深度学习图像重建在约4.5 mGy超低剂量下对肝脏局灶性病变的检测性能，并与标准剂量下的自适应统计迭代重建进行比较	单中心研究，样本量有限，且参考标准包括多种影像学方法而非单一金标准	探究深度学习图像重建在超低剂量CT扫描中检测肝脏局灶性病变的可行性与性能	肝脏局灶性病变	医学影像分析	肝脏疾病	CT扫描，深度学习图像重建	深度学习模型	CT图像	84名参与者，共识别71个肝脏局灶性病变	NA	NA	图像噪声，信噪比，对比噪声比，噪声功率谱峰值，可检测性指数，图像质量评分，检测率，敏感性，特异性	NA
2530	2026-03-06	Diagnostic accuracy of convolutional neural network algorithms to distinguish gastrointestinal obstruction on conventional radiographs in a pediatric population 2026-03-02, Diagnostic and interventional radiology (Ankara, Turkey) DOI:10.4274/dir.2025.242950 PMID:40018794	研究论文	本研究旨在利用卷积神经网络模型，通过腹部X光片区分儿科患者的正常肠道气体分布、胃肠道扩张或梗阻，并进一步区分需要手术的梗阻与其他扩张或肠梗阻	首次针对儿科人群，利用CNN模型评估胃肠道梗阻的鉴别诊断，并区分需要手术的梗阻与其他扩张，填补了该领域在儿科应用中的空白	研究样本量相对有限（正常540例，手术纠正扩张298例，炎症/感染性扩张314例），且数据来源于单一机构，可能影响模型的泛化能力	开发一个高精度的深度学习决策支持系统，用于急诊科儿科胃肠道梗阻的快速鉴别诊断	儿科患者的腹部X光片，包括正常、手术纠正扩张和炎症/感染性扩张三类	计算机视觉	胃肠道疾病	腹部X光成像	CNN	图像	正常540例，手术纠正扩张298例，炎症/感染性扩张314例，总计1152例腹部X光片	NA	ResNet50, InceptionResNetV2, Xception, EfficientNetV2L, ConvNeXtXLarge	准确率	NA
2531	2026-03-06	Magnetic resonance imaging-based artificial intelligence model predicts neoadjuvant therapy response in triple-negative breast cancer 2026-03-02, Diagnostic and interventional radiology (Ankara, Turkey) DOI:10.4274/dir.2025.253376 PMID:41140117	研究论文	本研究开发了一种基于深度学习的AI模型，利用治疗前磁共振成像（MRI）预测三阴性乳腺癌患者对新辅助化疗的病理完全缓解	首次利用治疗前多序列MRI数据，通过残差卷积神经网络模型预测三阴性乳腺癌患者对新辅助化疗的病理完全缓解	研究为回顾性、双中心设计，样本量较小（43名患者，49个病灶），未来需要更大数据集和更多成像模态来提高模型的泛化性和临床适用性	开发AI模型以预测三阴性乳腺癌患者对新辅助化疗的治疗反应，辅助临床决策	三阴性乳腺癌患者	数字病理学	乳腺癌	磁共振成像（MRI），包括T2加权、T1加权和扩散加权成像	CNN	图像	43名患者的49个病灶	NA	残差卷积神经网络	准确率, AUC, Dice相似系数	NA
2532	2026-03-06	Single capture quantitative oblique back-illumination microscopy 2026-Mar-02, Npj imaging DOI:10.1038/s44303-026-00147-w PMID:41772037	研究论文	提出一种基于深度学习的单次捕获定量斜背照明显微镜技术，用于无标记、三维定量相位成像	通过深度学习模型从单次斜背照明捕获中准确重建相位信息，显著提升了成像速度并降低了系统复杂性	未明确说明深度学习模型在极端样本条件下的泛化能力或计算效率限制	开发一种高速、简化的定量相位成像技术，用于动态实时生物医学成像	任意厚度的生物样本（如小鼠大脑、人类手臂）	计算显微成像	NA	定量斜背照明显微镜	深度学习模型	显微图像	多种生物样本（未明确具体数量）	NA	NA	相位成像精度（与传统四捕获方法对比）	NA
2533	2026-03-06	Evaluation of a Community-Based AI-Assisted Visual Impairment Screening Model for Performance, Operational Efficiency, Acceptability, Feasibility, and Costs: Protocol for a 2-Arm Pragmatic Randomized Controlled Trial 2026-Mar-02, JMIR research protocols IF:1.4Q3 DOI:10.2196/74164 PMID:41773693	研究论文	本研究旨在通过一项双臂实用性随机对照试验，评估基于社区的AI辅助视力障碍筛查模型在转诊准确性、操作效率、可接受性、可行性和成本方面的表现	首次在真实世界环境中，通过随机对照试验直接比较AI辅助筛查路径与传统筛查路径，并综合评估其临床效用、可接受性、可行性和成本效益	研究结果尚未得出，目前仅提供了研究方案和初步招募数据，缺乏最终的性能比较和成本分析结果	评估AI辅助视力障碍筛查模型在真实社区环境中的性能、操作效率、可接受性、可行性和成本，并与传统筛查模型进行比较	新加坡50岁及以上、视力低于6/12的社区居民	数字病理学	视力障碍	视网膜成像	深度学习模型	视网膜图像	计划招募1000名参与者，截至2024年9月14日已招募487名	NA	NA	转诊准确性，操作效率，可接受性，可行性，成本，曲线下面积	NA
2534	2026-03-06	Deep-learning-based prediction of significant portal hypertension with single cross-sectional non-enhanced CT 2026-Mar, European radiology IF:4.7Q1 DOI:10.1007/s00330-025-12010-4 PMID:40981991	研究论文	本研究开发了一种基于深度学习的方法，利用单张非增强CT图像预测临床显著门静脉高压	首次提出基于单张非增强CT横断面图像的深度学习模型来预测CSPH，并比较了四个不同感兴趣区域图像以确定最适合检测CSPH的位置	研究样本量相对有限（421名患者），且为单中心回顾性研究，可能影响模型的泛化能力	建立预测临床显著门静脉高压的深度学习模型，并比较不同CT图像位置对预测性能的影响	慢性肝病患者	数字病理学	慢性肝病	非增强CT成像	CNN	图像	421名患者	NA	卷积神经网络与多层感知机分类器	AUC, 敏感性, 特异性, Youden指数	NA
2535	2026-03-06	MRI-based habitat analysis for pathologic response prediction after neoadjuvant chemoradiotherapy in rectal cancer: a multicenter study 2026-Mar, European radiology IF:4.7Q1 DOI:10.1007/s00330-025-11997-0 PMID:40981989	研究论文	本研究通过MRI影像进行栖息地分析，预测直肠癌患者新辅助放化疗后的病理反应	结合深度学习自动分割、简单线性迭代聚类划分肿瘤亚区，并融合临床因素、影像组学特征及瘤内异质性特征构建预测模型	未在融合模型与瘤内异质性模型之间检测到显著性能差异	评估基于MRI的栖息地分析在预测直肠癌患者新辅助放化疗后病理反应中的价值	直肠癌患者	数字病理学	直肠癌	MRI, 深度学习, 简单线性迭代聚类, 影像组学	深度学习模型	MRI图像	1021名直肠癌患者，分为训练测试集（319例）、内部验证集（317例）及两个外部验证集（158例和227例）	NA	NA	AUC, Delong检验, 疾病无进展生存期	NA
2536	2026-03-06	Deep learning reconstruction for temporomandibular joint MRI: diagnostic interchangeability, image quality, and scan time reduction 2026-Mar, European radiology IF:4.7Q1 DOI:10.1007/s00330-025-12029-7 PMID:40996510	研究论文	本研究评估了深度学习重建的颞下颌关节磁共振成像在诊断可互换性、图像质量和扫描时间方面与传统MRI的对比	首次系统评估深度学习重建MRI在颞下颌关节成像中的诊断可互换性，并证明其能显著减少扫描时间同时提升图像质量	样本量相对有限（88名患者），且仅针对特定MRI序列（PDW和T2W FS）进行评估	评估深度学习重建MRI技术在颞下颌关节成像中的临床应用价值	疑似颞下颌关节紊乱患者的磁共振图像	医学影像分析	颞下颌关节紊乱	磁共振成像（MRI），深度学习图像重建	深度学习模型	医学影像（MRI图像）	88名患者（平均年龄37±16岁，43名男性）的176个颞下颌关节	NA	NA	诊断一致性（95%置信区间），图像质量评分（5点量表），信噪比（SNR），对比噪声比（CNR）	NA
2537	2026-03-06	Deep Learning for Standardized Head CT Reformatting: A Quantitative Analysis of Image Quality and Operator Variability 2026-Mar, Journal of the American College of Radiology : JACR IF:4.0Q1 DOI:10.1016/j.jacr.2025.09.016 PMID:40998241	研究论文	本研究验证了一种用于自动化头部CT重建的深度学习基础模型，并量化了真实世界数据集中传统手动重建的质量、速度和变异性	首次使用深度学习基础模型进行头部CT自动化重建，并作为参考标准评估手动重建的质量和速度，揭示了手动重建中显著的变异性	研究仅基于非对比头部CT检查，未涉及其他类型的CT扫描；模型在特定数据集上验证，可能需进一步外部验证	验证自动化头部CT重建的深度学习模型，并评估手动重建的质量、速度和变异性	1,763例连续的非对比头部CT检查	医学影像分析	NA	CT扫描	深度学习基础模型	CT图像	1,763例非对比头部CT检查	NA	基础模型	地标定位误差、旋转误差、居中误差、缩放误差	NA
2538	2026-03-06	Performance of Machine Learning Models Based on Medical Imaging in Predicting the expression of PD-L1 and CD8+TILs in Thoracic cancer: A Systematic Review and Meta-Analysis 2026-Mar, Academic radiology IF:3.8Q1 DOI:10.1016/j.acra.2025.10.002 PMID:41206268	系统综述与荟萃分析	本文通过系统综述与荟萃分析，评估了基于医学影像的AI模型在预测胸部肿瘤免疫微环境中PD-L1表达和CD8+ TILs方面的性能	首次对基于医学影像的AI模型在预测胸部肿瘤PD-L1表达和CD8+ TILs方面进行系统性综述与荟萃分析，并发现整合多模态影像和深度学习模型可提升预测性能	研究间存在显著的异质性（I² > 75%），限制了当前模型的普适性	评估AI驱动的医学影像在预测胸部肿瘤免疫微环境（特别是PD-L1表达和CD8+ TILs）方面的进展与性能	胸部肿瘤（Thoracic cancer）	医学影像分析	胸部肿瘤	医学影像（如CT、MRI等）与人工智能整合分析	深度学习模型	医学影像	共纳入68项研究，其中25项符合荟萃分析条件	NA	NA	AUC, 敏感度, 特异度	NA
2539	2026-03-06	Personalized MR-Informed Diffusion Models for 3D PET Image Reconstruction 2026-Mar, IEEE transactions on radiation and plasma medical sciences IF:4.6Q1 DOI:10.1109/TRPMS.2025.3602262 PMID:41244311	研究论文	提出一种利用多模态PET-MR扫描数据生成受试者特异性伪PET图像，并基于此预训练个性化扩散模型以改进低计数PET图像重建的方法	通过图像配准在不同患者解剖结构间转换生成受试者特异性伪PET图像，保留MR扫描的解剖信息，从而预训练个性化扩散模型，在低计数数据下提升重建精度	未明确说明生成伪PET图像的具体配准算法细节，且实验仅基于[F]FDG数据集，未验证其他示踪剂的泛化能力	改进低计数PET图像重建的准确性与解剖特征保留能力	多受试者PET-MR扫描数据	医学影像重建	NA	图像配准，扩散模型	扩散模型	PET图像，MR图像	模拟和真实[F]FDG数据集（未指定具体样本数量）	NA	NA	重建准确性，解剖特征保留度，PET独特特征与PET/MR共有特征的重建权衡	NA
2540	2026-03-06	Validating Radiology Artificial Intelligence Model Performance on Photon-Counting CT Images Using Large Language Models for Ground Truth Extraction 2026-Mar, Journal of the American College of Radiology : JACR IF:4.0Q1 DOI:10.1016/j.jacr.2025.11.024 PMID:41265766	研究论文	本研究评估了使用大型语言模型（LLMs）从放射学报告中自动提取真实标签的可行性，以支持放射学人工智能工具的可扩展评估和监控	提出利用LLMs自动化提取放射学报告中的真实标签，为AI工具在新硬件（如光子计数CT）上的性能验证提供高效、可扩展的替代方案	研究为回顾性分析，可能受限于特定数据集和LLM模型的性能，未全面评估所有可能的诊断任务或硬件变化	评估LLMs在自动化提取放射学报告真实标签方面的可行性，以支持AI工具在新型成像硬件上的性能验证	针对肺栓塞、颅内出血、颈椎骨折和椎体压缩性骨折的四种FDA批准的深度学习计算机辅助检测和分诊工具	计算机视觉	肺栓塞, 颅内出血, 颈椎骨折, 椎体压缩性骨折	光子计数CT（PCCT）成像, 大型语言模型（LLM）文本处理	深度学习, 计算机辅助检测	放射学报告文本, CT图像	使用新型PCCT扫描仪和传统扫描仪获取的放射学检查报告，具体数量未在摘要中明确	未明确指定	未明确指定	Fleiss's κ（用于评估评分者间一致性），性能指标（如准确性、敏感性等，具体未列）	未明确指定