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
2541	2026-05-02	Deep Learning-based Post Hoc CT Denoising for the Coronary Perivascular Fat Attenuation Index 2023-11, Academic radiology IF:3.8Q1 DOI:10.1016/j.acra.2023.01.023 PMID:36868878	研究论文	评估基于深度学习的后处理CT降噪技术对冠状动脉周围脂肪衰减指数诊断性能的影响	首次将深度学习降噪技术应用于冠状动脉周围脂肪衰减指数，提高其在高危出血斑块中的诊断能力	样本量较小（仅43例患者），回顾性研究设计，需进一步前瞻性验证	评估深度学习降噪后CCTA图像中FAI的诊断性能，与MRI检测的高危出血斑块对比	43名接受CCTA和冠状动脉斑块MRI检查的患者	计算机视觉, 数字病理学	冠状动脉疾病	CCTA, 冠状动脉斑块MRI	CNN	图像	43例患者（其中13例有高危出血斑块）	NA	残差密集网络	曲线下面积, 敏感性, 特异性, 准确率	NA
2542	2026-05-02	Deep Learning Reconstruction Improves the Image Quality of CT Angiography Derived From 80-kVp Cerebral CT Perfusion Data 2023-11, Academic radiology IF:3.8Q1 DOI:10.1016/j.acra.2023.02.007 PMID:37758584	研究论文	探讨深度学习重建技术对基于80-kVp脑CT灌注数据的CT血管成像图像质量的影响，并与混合迭代重建进行比较	首次在80-kVp低剂量脑CTP数据衍生的CTA中评估深度学习重建的临床价值，证明其相比HIR能显著改善图像质量	样本量较小（33例患者），且未对不同重建技术在诊断准确性方面的差异性进行深入分析	评估深度学习重建技术对低剂量CTP源图衍生的CTA图像质量的提升效果	接受80-kVp脑CT灌注扫描的33例患者	计算机视觉	脑血管疾病	CT灌注成像	深度学习重建	图像	33例患者	NA	NA	CT值，标准差，信噪比，对比噪声比，五分制主观评分	NA
2543	2026-05-02	OrBITS: label-free and time-lapse monitoring of patient derived organoids for advanced drug screening 2023-Apr, Cellular oncology (Dordrecht, Netherlands) DOI:10.1007/s13402-022-00750-0 PMID:36508089	研究论文	开发了一种名为OrBITS的自动化活细胞图像分析软件，结合计算机视觉与卷积网络机器学习，用于患者来源类器官的动力学监测和药物筛选	首次实现基于明场成像的类器官无标记、高通量时间序列监测，可同时获得类器官计数、平均面积和总面积等动态指标，并整合细胞死亡荧光标记实现孔内标准化	可能受限于明场成像的分辨率和类器官重叠问题，需进一步验证在复杂基质中的适用性	开发可用于患者来源类器官动力学监测和药物筛选的自动化、高通量活细胞图像分析平台	患者来源的肺癌和胰腺癌类器官	计算机视觉	肺癌, 胰腺癌	明场成像, 荧光成像, 深度学习	卷积神经网络	图像	包括标准ECM穹顶、Gri3D-96孔板和384孔板中的类器官样本	NA	CNN	相关分析, 细胞核染色对比, 药物反应指标（生长率标准化）	NA
2544	2026-05-02	Deep learning and manual assessment show that the absolute mitotic count does not contain prognostic information in triple negative breast cancer 2019-Aug, Cellular oncology (Dordrecht, Netherlands) DOI:10.1007/s13402-019-00445-z PMID:30989469	研究论文	通过深度学习和人工评估，验证绝对有丝分裂计数在三阴性乳腺癌中无预后价值	首次结合深度学习和人工方法，系统评估绝对有丝分裂计数对三阴性乳腺癌的预后意义，并证明其无效	单中心回顾性研究，样本量有限（n=298），且未探索其他增殖标志物的潜在价值	评估绝对有丝分裂计数作为三阴性乳腺癌预后因子的有效性	三阴性乳腺癌患者肿瘤组织	数字病理学, 机器学习	三阴性乳腺癌	H&E染色切片数字化, 卷积神经网络	卷积神经网络	图像	298例三阴性乳腺癌患者	未指定	卷积神经网络（未指定具体架构）	C统计量	未指定
2545	2026-05-02	Computer aided quantification of intratumoral stroma yields an independent prognosticator in rectal cancer 2019-Jun, Cellular oncology (Dordrecht, Netherlands) DOI:10.1007/s13402-019-00429-z PMID:30825182	研究论文	旨在研究基于深度学习的半自动方法在直肠癌全切片图像中定量分析肿瘤间质比例的潜力，并评估其预后价值	首次证明深度学习方法在用户指定的间质热点中自动评估的肿瘤间质比例是直肠癌的独立预后因子，且优于视觉评估方法	仅依赖专家手工选择间质热点，未实现完全自动化；样本量较小（129例）且为回顾性研究	探索计算机辅助定量分析直肠癌肿瘤间质比例的预后价值	直肠腺癌患者的组织学切片	数字病理学	直肠癌	组织切片染色	深度学习（深度神经网络）	全切片图像	129例直肠腺癌患者	NA	语义分割网络	风险比（Hazard Ratio）、95%置信区间、疾病特异性生存率、无病生存率	NA
2546	2026-05-01	Extending Multiscale Characterization of Heart Rate Variability via Deep Learning for Mortality Risk Prediction 2026-May, IEEE transactions on bio-medical engineering DOI:10.1109/TBME.2025.3614714 PMID:41004366	研究论文	利用深度学习方法扩展心率变异性的多尺度特征，用于死亡风险预测	结合去趋势移动平均（DMA）分析与卷积神经网络（CNN），捕捉传统线性分析忽略的HRV非线性标度模式	NA	通过捕捉HRV非线性标度模式，改进基于心率变异信号的死亡风险预测	24小时Holter ECG记录的916名幸存者和70名非幸存者	机器学习	心血管疾病	Holter ECG	CNN	信号	986名患者的2小时窗口24小时Holter ECG记录（916名幸存者，70名非幸存者）	NA	NA	ROC-AUC, 调整风险比	NA
2547	2026-05-01	Multilevel Correlation-Aware and Modal-Aware Graph Convolutional Network for Diagnosing Neurodevelopmental Disorders 2026-May, IEEE transactions on bio-medical engineering DOI:10.1109/TBME.2025.3617348 PMID:41037545	研究论文	提出了一种多层级相关感知和模态感知的图卷积网络（MCM-GCN），用于诊断神经发育障碍	通过设计个体层级的关联驱动特征生成模块捕获图间相关性，并在群体层级通过多模态解耦特征增强模块深度融合多模态和多图谱信息	NA	实现神经发育障碍的可靠诊断，提高诊断准确率并识别关键指标	自闭症谱系障碍（ASD）和注意力缺陷多动障碍（ADHD）患者	机器学习	神经发育障碍	静息态功能磁共振成像	图卷积网络	脑网络数据、表型数据	两个公开数据集	PyTorch	MCM-GCN	准确率	NA
2548	2026-05-01	Game Theory Meets Statistical Physics: A Novel Deep Neural Networks Design 2026-May, IEEE transactions on cybernetics IF:9.4Q1 DOI:10.1109/TCYB.2025.3649299 PMID:41525603	研究论文	提出一种融合博弈论与统计物理原理的新型深度神经网络设计方法，用于特征提取和模式分类	首次将博弈论中Shapley值与统计物理的玻尔兹曼能量模型结合，通过神经元贡献度评估实现网络正则化，并采用蒙特卡洛采样降低计算复杂度	未提及具体局限性信息	设计一种统一的学习框架，通过博弈论和统计物理的交叉方法提升深度神经网络性能	面部年龄估计和性别分类任务	机器学习	NA	NA	深度神经网络	图像	NA	NA	NA	准确率, 精确率, 召回率, F1分数	NA
2549	2026-05-01	Non-invasive Prediction of CYP11B2-Defined Subtypes in Primary Aldosteronism Using 18F-Pentixafor PET/CT and Machine Learning 2026-May, Academic radiology IF:3.8Q1 DOI:10.1016/j.acra.2025.12.026 PMID:41530023	研究论文	开发并验证结合临床数据、影像组学和深度学习特征的可解释机器学习模型，用于无创预测原发性醛固酮增多症的病理亚型	首次将18F-Pentixafor PET/CT影像的影像组学和深度学习特征与临床数据整合，通过可解释机器学习模型（SHAP分析）实现原发性醛固酮增多症亚型的无创预测，并揭示与CXCR4和CYP11B2表达的生物学关联	单中心回顾性研究、样本量有限（89例）、方法未在其他中心验证、模型计算资源未详细说明	开发无创预测原发性醛固酮增多症病理亚型（基于CYP11B2免疫组化定义）的可解释机器学习模型，以减少对侵入性肾上腺静脉采样的依赖	89例诊断为原发性醛固酮增多症或无功能性肾上腺腺瘤的患者，接受18F-Pentixafor PET/CT检查	机器学习	原发性醛固酮增多症	PET/CT	支持向量机	临床数据、PET/CT图像	89例患者	NA	支持向量机	AUC、敏感性、F1分数	NA
2550	2026-01-18	Less Noise, More Confidence: Deep Learning Denoising Algorithm for Coronary Stenosis Assessment in pre-TAVI CT Imaging 2026-May, Academic radiology IF:3.8Q1 DOI:10.1016/j.acra.2025.12.052 PMID:41545257	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
2551	2026-01-18	Comment on "Deep Learning Denoising Algorithm for Improved Assessment of Coronary Arteries in Transcatheter Aortic Valve Implantation CT Imaging" 2026-May, Academic radiology IF:3.8Q1 DOI:10.1016/j.acra.2025.12.053 PMID:41545256	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
2552	2026-05-01	Automated Gross Tumor Volume (GTV) Contouring in High-Grade Gliomas Using a Deep Learning Approach 2026-May, Academic radiology IF:3.8Q1 DOI:10.1016/j.acra.2025.12.046 PMID:41545259	研究论文	提出一种基于深度学习的方法，用于高级别胶质瘤（HGG）中肿瘤大体体积（GTV）的自动勾画	利用修改后的3D U-Net架构，在BraTS 2018-2019挑战赛的469个样本上训练，基于多序列MRI增强特征学习，并遵循ESTRO和EANO指南定义GTV	未提及具体的局限性	开发一种自动勾画HGG中GTV的深度学习框架，以提高放射治疗规划的精度和效率	高级别胶质瘤（HGG）患者	计算机视觉	高级别胶质瘤	MRI（多序列磁共振成像）	3D U-Net	图像	469个样本（来自BraTS 2018-2019挑战赛）	NA	修改后的3D U-Net	Dice相似系数（DSC），95百分位Hausdorff距离（HD95）	NA
2553	2026-05-01	Collaborative Coarse-to-Fine Disease Learning With Discharge Summary Awareness for EHR Event Prediction 2026-May, IEEE transactions on cybernetics IF:9.4Q1 DOI:10.1109/TCYB.2026.3664408 PMID:41774654	研究论文	提出一种粗到细的疾病学习框架，结合出院小结辅助，用于电子健康记录事件预测	通过构建细粒度动态疾病图、整合ICD-9-CM层次结构中的粗/细粒度信息，并结合出院小结进行协同疾病学习	未明确提及局限性	提升电子健康记录事件预测的准确性，解决疾病动态关系建模、多角度诊断代码本体利用及非结构化出院小结整合问题	电子健康记录（EHR）中的疾病和出院小结	自然语言处理	通用疾病	电子健康记录（EHR）数据分析	门控循环单元（GRU）	文本数据（EHR记录及出院小结）	使用MIMIC-III和MIMIC-IV两个真实世界EHR数据集	PyTorch	GRU, 位置注意, 软注意机制	准确性, AUC	NA
2554	2026-05-01	XNet: Enhancing Physical Activity Intensity Assessment With Attentional Multidomain Fusion and Visual Analytics 2026-May, IEEE transactions on cybernetics IF:9.4Q1 DOI:10.1109/TCYB.2026.3666726 PMID:41774652	研究论文	提出XNet，一种用于身体活动强度分类和能量消耗估计的双域深度学习模型，通过注意力多域融合与视觉分析提升评估性能	创新性体现在分层多头架构与两级注意力特征融合模块，先聚合传感器特征再融合域嵌入，优于单阶段融合，并提供可解释的注意力权重揭示传感器和域的贡献	NA	提高身体活动强度监测的准确性、泛化能力和解释性，促进可穿戴设备上的实时健康监测	身体活动强度分类和能量消耗估计任务，涉及加速度计、心率、心电图等多传感器数据	机器学习	NA	NA	双域深度学习模型，包含1D卷积光谱编码器	多传感器时序数据（加速度计、心率、心电图）	105名参与者的新数据集及多个公开数据集	NA	XNet（分层多头架构），包含1D卷积光谱编码器、Transformer、图注意力网络变体，注意力特征融合模块	F1分数、真阳性率、推理延迟	NA
2555	2026-05-01	Prediction of Neoadjuvant Chemotherapy Efficacy for Locally Advanced Nasopharyngeal Carcinoma Using MRI-Based Deep Learning Features Combined with Vision Transformer 2026-May, Academic radiology IF:3.8Q1 DOI:10.1016/j.acra.2026.02.003 PMID:41775615	研究论文	利用MRI深度学习特征结合Vision Transformer预测局部晚期鼻咽癌新辅助化疗疗效	首次将多序列MRI深度学习特征与Vision Transformer结合用于预测局部晚期鼻咽癌新辅助化疗疗效	单中心回顾性研究，样本量有限，未进行外部验证	评估多序列MRI深度学习特征结合Vision Transformer在预测局部晚期鼻咽癌新辅助化疗疗效中的价值	接受标准新辅助化疗的局部晚期鼻咽癌患者	计算机视觉, 数字病理学	鼻咽癌	MRI	深度学习模型	图像	266例局部晚期鼻咽癌患者	PyTorch	ResNet50, DenseNet121, Vision Transformer (ViT)	AUC, 准确率, F1分数	NA
2556	2026-05-01	Minimum Clinically Achievable Dose for Detecting Liver Lesions Using Deep Learning Image Reconstruction: A Phantom and Patient Study 2026-May, Academic radiology IF:3.8Q1 DOI:10.1016/j.acra.2026.02.022 PMID:41781262	研究论文	通过体模和患者研究，探究深度学习图像重建在约4.5 mGy超低剂量下检测肝脏局灶性病变的性能，并与标准剂量下的自适应统计迭代重建-V进行对比	首次验证深度学习图像重建在4.5 mGy超低剂量下实现肝脏病灶检测，辐射剂量降低50%至70%，同时检测性能优于标准剂量迭代重建	单中心前瞻性研究，样本量较小（84名参与者），未涉及多中心验证；缺乏长期随访数据评估辐射剂量降低的临床影响	评估深度学习图像重建在超低剂量CT中检测肝脏病灶的可行性与准确性	肝脏局灶性病变（包括良性和恶性病变）	计算机视觉	肝脏疾病	CT成像	深度学习图像重建	图像	84名参与者（平均年龄64岁，48名男性），71个肝脏病灶（平均大小12.8 mm）；Gammex CT体模	NA	深度学习图像重建	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、检测率、灵敏度、特异度、图像质量评分	NA
2557	2026-05-01	Physics-Guided Self-Supervised Implicit Neural Representation for Accelerated $\text{T}_{1\rho }$ Mapping 2026-May, IEEE transactions on bio-medical engineering DOI:10.1109/TBME.2025.3618476 PMID:41052172	研究论文	提出一种基于物理引导的自监督隐式神经表示方法，用于加速T1ρ定量成像，实现从高度欠采样k空间数据重建T1ρ加权图像并生成T1ρ图	首次将自监督隐式神经表示与T1ρ映射物理模型相结合，仅利用时空坐标作为输入，无需全采样训练数据集，并引入信号松弛先验和k-t空间数据自一致性两个显式先验	未在文中明确提及局限性	实现高度欠采样k空间数据的T1ρ定量成像加速，提高成像速度同时保持图像质量	T1ρ加权图像和T1ρ参数图	机器学习	NA	磁共振定量成像, T1ρ映射	隐式神经表示	磁共振k空间数据	使用回顾性和前瞻性欠采样k空间数据进行验证	NA	NA	伪影抑制水平, 误差最低	NA
2558	2026-05-01	Self-Supervised Denoising With Noise Propagation Model: Improving Material Decomposition in Photon-Counting CT 2026-May, IEEE transactions on bio-medical engineering DOI:10.1109/TBME.2025.3620135 PMID:41071699	研究论文	结合基于物理的噪声分析与深度学习，控制光子计数CT材料分解过程中的噪声	提出噪声传播模型将泊松分布探测器噪声与材料特定噪声模式连接，结合自监督训练方法，无需高质量数据即可从有限训练数据学习	NA	改善光子计数CT材料分解中的噪声和伪影问题	光子计数CT成像中的材料分解过程	计算机视觉	NA	光子计数CT	神经网络	图像	真实患者扫描数据	PyTorch	神经网络	材料准确性、虚拟单色图像清洁度	NA
2559	2026-05-01	SemSTNet: Medical EEG Semantic Metric Learning With Class Prototypes Generated by Pretrained Language Model 2026-May, IEEE transactions on bio-medical engineering DOI:10.1109/TBME.2025.3620754 PMID:41082414	研究论文	提出了一种名为SemSTNet的新型轻量级框架，用于脑电图分析，通过语义度量学习捕获类别间关系并提升分类性能	首次将预训练语言模型生成的类原型应用于脑电图语义度量学习，设计轻量级解耦时空特征的卷积架构，模型参数仅23K	未提及具体局限性	解决现有脑电图深度学习模型忽视语义关系且模型复杂度过高的问题	脑电图信号	机器学习	癫痫, 睡眠障碍	脑电图	卷积神经网络	信号	NA	NA	SemSTNet	准确率	NA
2560	2026-05-01	Artificial-intelligence models vs. radiologists in the detection of clinically significant prostate cancer on mpMRI: a meta-analysis 2026-Mar-18, European radiology IF:4.7Q1 DOI:10.1007/s00330-026-12465-z PMID:41844851	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA