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
2641	2026-08-09	Deep Learning-based Bone Mineral Density Prediction Using Pediatric Chest Radiographs: A Multicenter Feasibility Study 2026-Apr, Radiology IF:12.1Q1 DOI:10.1148/radiol.252761 PMID:41944722	研究论文	本研究开发并评估了一种基于儿童胸部X光片和临床变量的人工智能模型，用于预测骨密度Z分数和检测低骨密度，并在多中心数据上验证其性能。	首次使用深度学习模型从常规胸部X光片预测儿科骨密度Z分数，结合临床变量，并在多中心外部验证中显示出高准确性，可能提高骨密度评估的可及性。	研究可能受回顾性设计、样本量相对较小（1464对）影响，且模型依赖临床变量（如身高体重），可能限制其通用性；未提供模型计算资源细节。	开发并评估一个基于胸部X光片的深度学习模型，用于预测儿科骨密度Z分数和检测低骨密度，以解决DXA可及性有限的问题。	年龄小于18岁的儿科患者，共1464对胸部X光片和DXA数据（774开发，376内部测试，314外部测试）。	深度学习	儿科骨健康	胸部X光片成像	深度学习模型（具体类型未指定）	图像和临床数据	1464对图像-DXA数据	NA	NA	皮尔逊相关系数、AUC、敏感性、特异性	NA
2642	2026-08-09	Natural Language Processing Methods Automate Molecular Marker Extraction From Glioma Pathology Reports 2026-Mar-27, Neurosurgery IF:3.9Q1 DOI:10.1227/neu.0000000000004000 PMID:41891708	研究论文	本研究评估了三种自然语言处理方法（正则表达式、TF-IDF和BERT）在自动提取胶质瘤病理报告中的分子标志物信息方面的性能	比较了从简单到复杂的不同NLP方法在病理报告分子标志物提取中的表现，发现简单方法在外部验证中优于复杂方法	未来需要更大规模数据集的验证、基础设施整合以及扩展到更多分子标志物	评估不同复杂度的自然语言处理方法在计算机病理学研究中从病理报告自动提取分子标志物的有效性	来自两家机构的601例胶质瘤患者的病理报告	自然语言处理	胶质瘤	自然语言处理	正则表达式、TF-IDF模型、BERT模型	文本数据（病理报告）	601例胶质瘤患者的病理报告	NA	正则表达式、TF-IDF、BERT（包括BlueBERT和BERT-large）	准确率、AUC	内存使用量（MB）
2643	2026-08-09	A generalizable deep learning system for cardiac MRI 2026-Mar-25, Nature biomedical engineering IF:26.8Q1 DOI:10.1038/s41551-026-01637-3 PMID:41882174	研究论文	本文介绍了一个用于心脏MRI的泛化深度学习系统，通过自监督对比学习从影像和放射报告中学习，并在多个数据集上展示了出色的性能。	采用了自监督对比学习，从电影序列MRI图像和对应放射报告文本中学习视觉概念，实现了跨机构和外部数据集的高泛化能力，并展示了低数据下的临床级诊断准确性。	未在摘要中明确提及局限性。	开发一个泛化性强的心脏MRI基础视觉系统，能够代表人类心血管疾病的广泛范围，并在多种临床任务中实现高诊断准确性。	心脏MRI扫描图像及其对应的放射报告文本。	医学影像分析	心血管疾病	心脏MRI（电影序列）	深度学习模型（基于自监督对比学习）	图像（MRI）和文本（放射报告）	来自美国四个大型学术临床机构的数据，以及UK BioBank和两个公开外部数据集（具体样本数未提供）	未在摘要中指定	未在摘要中指定	准确率（用于诊断39种疾病），左心室射血分数回归的指标（具体未提供）	未在摘要中提供
2644	2026-08-09	CTP-Free Method for Automated Lesion Water Uptake in Acute Ischemic Stroke 2026-03-04, AJNR. American journal of neuroradiology DOI:10.3174/ajnr.A9054 PMID:41781175	研究论文	本研究开发并评估了一种无需CTP、仅基于NCCT和CTA的自动测量急性缺血性卒中病灶净水摄取的方法	提出了一种仅使用NCCT和CTA的自动NWU测量方法，避免了传统方法对CTP的依赖，提高了临床适用性	需要外部验证以确认研究结果	开发并评估一种无需CTP、利用NCCT和CTA自动测量缺血性卒中病灶净水摄取的方法	急性缺血性卒中患者	医学影像分析	缺血性卒中	CT成像	深度学习模型	医学影像（NCCT和CTA图像）	90名已知发病时间的缺血性卒中患者	NA	NA	组内相关系数（ICC）、Bland-Altman分析、受试者工作特征曲线下面积（AUC）、DeLong检验	NA
2645	2026-08-09	Benchmarking Automated Detection and Classification Approaches for Long-Term Acoustic Monitoring of Endangered Species: A Case Study on Gibbons From Cambodia 2026-03, American journal of primatology IF:2.0Q1 DOI:10.1002/ajp.70127 PMID:41854092	研究论文	本文基准测试了多种自动化检测方法用于长周期声学监测濒危物种（柬埔寨南部黄颊长臂猿）的雌性二重唱叫声，并部署最优模型分析了叫声的时间与空间模式	首次对多种深度学习和迁移学习模型（SVM、准DenseNet、ResNet50、BirdNET嵌入）在长臂猿声学检测任务上进行系统基准比较，并成功应用于超13万小时的连续声景数据，验证了BirdNET嵌入模型在小样本下的优越性能	仅针对单一物种（南方黄颊长臂猿）和单一地点（柬埔寨Jahoo）进行基准测试，模型对其他物种或地区的泛化性未知；需要人工审查验证检测结果，可能影响完全自动化应用	为被动声学监测濒危长臂猿提供可靠的自动化检测方法基准，并揭示叫声的时间与空间模式以支持生态保护	南方黄颊长臂猿（Nomascus gabriellae）的雌性二重唱叫声	深度学习、声学监测、保护生物学	NA	被动声学监测、迁移学习、BirdNET嵌入	SVM、准DenseNet、ResNet50、BirdNET（基于CNN的鸟鸣模型）	音频（声景录音）	训练样本数从小于200到大于200个长臂猿叫声样本不等；部署阶段超130,000小时声景数据，人工审查后获得超12,000个验证的声学正检测	PyTorch（推断，基于BirdNET）、TensorFlow（可能用于ResNet和Koogu）	SVM（核方法）、准DenseNet（Koogu）、ResNet50（ImageNet预训练）、BirdNET（基于CNN的嵌入模型）	准确率、精确率、召回率、F1分数（基于检测结果）	GPU（用于深度学习训练）
2646	2026-08-09	BiToxNet: a deep learning framework integrating multimodal features for accurate identification of neurotoxic peptides and proteins 2026-02-26, BMC biology IF:4.4Q1 DOI:10.1186/s12915-026-02508-8 PMID:41749211	研究论文	提出了BiToxNet，一个整合多模态特征的深度学习框架，用于准确识别神经毒性肽和蛋白质	创新性地将蛋白质大语言模型的进化嵌入与十种手工生化描述符通过双线性注意力网络进行融合，有效建模跨模态交互和残基级依赖关系	未提及具体限制	开发一个准确且可泛化的计算框架，用于神经毒性肽和蛋白质的识别，以支持蛋白质药物安全性评估	神经毒性肽和蛋白质	深度学习	神经毒性相关疾病	蛋白质大语言模型、双线性注意力网络	深度学习模型	蛋白质和肽序列数据	三个数据集：蛋白质、肽和组合数据集，具体样本量未提及	NA	双线性注意力网络（BAN）	准确率	NA
2647	2026-08-09	XceptRf-Net: A Novel Deep Learning and Machine Learning Approach for Pneumonia Diagnosis 2026, Current medical imaging IF:1.1Q3 DOI:10.2174/0115734056409581251202221437 PMID:41820212	研究论文	提出一种结合深度学习和机器学习的混合模型XceptRF-Net，用于儿科肺炎诊断，以提高诊断准确性。	创新性地将Xception卷积神经网络的深度特征学习与随机森林的概率建模能力相结合，生成概率特征空间，增强分类鲁棒性和可解释性。	基于单一数据集（5,863例儿科胸部X光片）进行实验，可能限制模型的泛化能力。	开发一个先进且可解释的诊断框架，用于儿科肺炎的初步诊断，克服现有诊断程序的局限性。	儿科患者的胸部X光图像（CXR）。	计算机视觉	肺炎	胸部X光成像（CXR）	混合模型（Xception卷积神经网络 + 随机森林）	图像	5,863例儿科胸部X光图像	NA	Xception, Random Forest, Logistic Regression, K-Nearest Neighbours, Multi-Layer Perceptron	准确率	NA
2648	2026-08-09	A multimodal automated deep learning-based model for predicting biochemical recurrence of prostate cancer following prostatectomy from baseline MRI, Presurgical clinical covariates 2025-Oct, Clinical imaging IF:1.8Q3 DOI:10.1016/j.clinimag.2025.110579 PMID:40803139	研究论文	开发一种基于多模态深度学习的AI算法，利用MRI和临床数据预测前列腺癌根治术后生化复发。	采用自动化多模态模型整合定量影像特征与临床协变量，在预测生化复发方面优于传统CAPRA-S评分，尤其在中危患者中表现出显著区分能力。	样本量有限（n=311），且为单中心回顾性研究，可能影响泛化性。	评估自动化多模态深度学习模型在预测前列腺癌术后生化复发中的性能，并与标准临床评分比较。	311例行根治性前列腺切除术的前列腺癌患者。	医学影像分析	前列腺癌	磁共振成像（MRI）	深度学习（多模态模型）	影像和临床数据	311例患者	未明确提及	未明确提及	AUROC、灵敏度、p值（对数秩检验）	未明确提及
2649	2026-08-09	Multi-organ AI Endophenotypes Chart the Heterogeneity of Pan-disease in the Brain, Eye, and Heart 2025-Aug-13, medRxiv : the preprint server for health sciences DOI:10.1101/2025.08.09.25333350 PMID:40832432	研究论文	利用深度学习模型在多器官影像、遗传、蛋白质组和RNA-seq数据中识别11种多器官AI内表型，探索脑、眼、心脏疾病的异质性和共同病因	引入“泛疾病”概念，使用弱监督深度学习模型（Surreal-GAN）整合多器官数据，识别多器官AI内表型（MAEs），并展示其在阿尔茨海默病进展、药物反应、因果通路和药物靶点发现中的应用潜力	摘要中未明确提及局限性	探索脑、眼和心脏疾病的异质性和共同病因，为精准医学提供AI驱动的患者分层工具	129,340名参与者的个体级数据以及MULTI联盟的汇总级数据，涉及脑、眼、心多器官	机器学习	阿尔茨海默病、偏头痛、癌症、心血管疾病	影像组学、遗传学、蛋白质组学、RNA-seq	Surreal-GAN（弱监督深度学习模型）	影像、遗传、蛋白质组、RNA-seq数据	129,340名参与者（个体级数据）	NA	Surreal-GAN	认知衰退轨迹评估、风险因素和死亡率，但未明确列出性能指标	NA
2650	2026-08-09	Lateral flow and colorimetric assay for ketamine detection reinforced with deep learning model interfaced with mobile app for smart alert 2025-08-09, Mikrochimica acta DOI:10.1007/s00604-025-07429-x PMID:40781183	研究论文	本研究开发了基于适配体的比色法和侧向层析法检测氯胺酮，并集成深度学习模型与移动应用实现智能警报。	提出了一种双阶段深度学习框架（YOLOv5和ResNet50）用于侧向层析试纸条数据的有效分类，并结合移动应用实现智能警报。	未明确提及局限性。	开发一种便携、低成本、快速的氯胺酮检测方法，结合深度学习模型实现智能警报。	氯胺酮检测，使用合成尿液样本。	计算机视觉	不适用	比色法、侧向层析法、紫外-可见分光光度法	YOLOv5、ResNet50	图像（试纸条图像）	合成尿液样本，具体数量未提供。	PyTorch	YOLOv5、ResNet50	准确性、速度、可靠性	未提供具体信息
2651	2026-08-09	Accuracy and Longitudinal Consistency of PET/MR Attenuation Correction in Amyloid PET Imaging amid Software and Hardware Upgrades 2025-03-04, AJNR. American journal of neuroradiology DOI:10.3174/ajnr.A8490 PMID:39251256	研究论文	本研究评估了在软件和硬件升级背景下，基于深度学习的Dixon（DL-Dixon）方法在淀粉样蛋白PET成像中用于衰减校正的准确性和纵向一致性	首次在PET/MR系统软件和硬件升级场景下，评估深度学习衰减校正方法的准确性和纵向一致性，并利用迁移学习适应不同扫描仪软件版本和头部线圈	未明确说明局限性，但研究聚焦于特定的软件版本和线圈组合，可能限制了泛化性	协调PET/MR DL-Dixon衰减校正方法在软件和硬件升级中的表现，并评估其准确性和纵向一致性	329名参与者的三模态PET/MR和CT图像，其中38名在约3年内进行了两次扫描	医学影像	阿尔茨海默病	PET/MR成像、CT成像、深度学习	深度学习模型	医学图像	329名参与者，其中38名重复扫描	NA	DL-Dixon	相对绝对误差、变异系数、组内相关系数	NA
2652	2026-08-09	Evaluating Performance of Different RNA Secondary Structure Prediction Programs Using Self-cleaving Ribozymes 2024-09-13, Genomics, proteomics & bioinformatics DOI:10.1093/gpbjnl/qzae043 PMID:39317944	研究论文	本文比较了七种计算预测工具在不同复杂度任务中对数十种自切割核酶序列的RNA二级结构预测准确性，发现现代深度学习方法在复杂任务中表现更优	首次系统比较七种RNA二级结构预测工具（包括深度学习方法）在自切割核酶序列上的表现，并展示深度学习在复杂折叠问题上的优势	仅基于特定类别的序列（自切割核酶）进行测试，可能不适用于所有RNA类型	评估不同RNA二级结构预测程序的准确性，以确定其在生物相关结构预测中的适用性	数十种自切割核酶序列的RNA二级结构	机器学习	不适用	计算预测程序	深度学习模型	RNA序列	数十种自切割核酶序列	不适用	不适用	预测准确性	不适用
2653	2026-08-09	Deep learning for intracranial aneurysm segmentation using CT angiography 2024-07-26, Physics in medicine and biology IF:3.3Q1 DOI:10.1088/1361-6560/ad6372 PMID:39008990	研究论文	本研究提出了一种两阶段深度学习方法，用于在CT血管造影图像中准确分割颅内动脉瘤，包括小型动脉瘤（4-10毫米）。	提出了一种轻量级且快速的头部区域选择（HRS）算法，并结合自适应3D nnU-Net网络，能够自动定位脑区域，将推理时间减少超过50%，同时保持高分割精度。	未提及具体的局限性。	开发并验证一种两阶段深度学习方法，用于CT血管造影图像中颅内动脉瘤的准确分割，特别是小型动脉瘤。	颅内动脉瘤，包括4-10毫米大小的小型动脉瘤。	计算机视觉、数字病理学	脑血管疾病	CT血管造影	3D nnU-Net	CT血管造影图像	956名患者，来自6家医院和1个公共数据集，使用6种不同制造商的CT扫描仪。	NA	3D nnU-Net	Dice分数、AUC、精确率	NA
2654	2026-08-09	A deep learning-based method for the detection and segmentation of breast masses in ultrasound images 2024-07-26, Physics in medicine and biology IF:3.3Q1 DOI:10.1088/1361-6560/ad61b6 PMID:38986480	研究论文	提出一种结合YOLOv5和GOLO-CMSS网络的深度学习框架，用于超声图像中乳腺肿块的自动检测与分割	创新性地将YOLOv5检测网络与全局-局部（GOLO）策略结合，开发了GOLO-CMSS分割网络，该网络通过MSS模块自动调整感受野，利用MLI模块实现不同分辨率下深浅特征的融合，从而在全局和局部两个分支上同时处理图像，提升分割精度	文章未明确讨论计算资源的消耗或运行时间，可能会影响实时临床应用的可能性	开发一种基于深度学习的准确乳腺肿块检测与分割方法，以提升乳腺癌诊断的自动化水平	乳腺超声图像中的肿块	计算机视觉	乳腺癌	超声成像	卷积神经网络（CNN）	图像	包含28,477张乳腺超声图像的USTC数据集，以及三个公开数据集UDIAT、BUSI和TUH	PyTorch（假设使用，基于常见深度学习实践）	YOLOv5, GOLO-CMSS, MSS模块, MLI模块	平均精度（AP）、Dice相似系数（DSC）	未描述具体GPU类型或计算平台
2655	2026-08-09	Joint diffusion: mutual consistency-driven diffusion model for PET-MRI co-reconstruction 2024-07-23, Physics in medicine and biology IF:3.3Q1 DOI:10.1088/1361-6560/ad6117 PMID:38981592	研究论文	提出了一种基于贝叶斯框架的PET-MRI联合重建模型MC-Diffusion，利用联合评分扩散模型学习PET和MRI的联合概率分布，以提升图像质量。	将联合重建问题转化为联合正则化问题，利用联合评分扩散模型学习PET和MRI的联合概率分布，从而挖掘其内在互补性，优于黑盒先验或人工构造的结构相似性。	未提及	利用PET和MRI数据的互补性，通过联合重建提高PET-MRI图像质量，减少采集时间并提升信噪比。	PET和MRI图像数据	医学影像重建	NA	PET-MRI成像、扩散模型	扩散模型（基于评分的生成模型）	医学图像（PET和MRI）	ADNI数据集（具体样本数未提及）	NA	MC-Diffusion模型	定性评估、定量评估（具体指标未提及）	NA
2656	2026-08-09	Deep learning-based voxel sampling for particle therapy treatment planning 2024-07-19, Physics in medicine and biology IF:3.3Q1 DOI:10.1088/1361-6560/ad5bba PMID:38917844	研究论文	提出一种基于深度学习的体素采样方法，用于减少粒子治疗计划优化中的计算负担，提高效率	基于U-Net的深度学习模型，无需患者特定手动输入即可实现最优体素采样，显著减少优化所需体素数，保持计划质量	未明确提及局限性，但可能依赖训练数据规模和特定治疗平台	提高扫描粒子治疗计划优化的计算效率，支持未来实时自适应治疗	头颈癌患者，接受碳离子治疗	深度学习，医学图像分析	头颈癌	碳离子治疗计划优化	U-Net（深度学习模型）	医学图像（CT等）和计划数据	70例头颈癌患者，用于训练（50）、验证（10）和测试（10）；训练时优化了12500个碳离子治疗计划	未明确，可能使用深度学习框架如PyTorch或TensorFlow（NA）	U-Net	体素减少百分比、计划质量损失（中位数）、优化时间减少倍数	未明确，但提及高效的AI基础设施（NA）
2657	2026-08-09	Uncertainty quantification via localized gradients for deep learning-based medical image assessments 2024-07-19, Physics in medicine and biology IF:3.3Q1 DOI:10.1088/1361-6560/ad611d PMID:38981594	研究论文	本文提出一种基于局部梯度的后验不确定性量化方法，用于深度学习医学图像评估，以提高模型的可靠性	引入了一种新颖的后验不确定性量化方法，称为局部梯度不确定性量化，它利用训练模型的局部梯度空间来评估对训练模型参数的敏感性，无需修改模型输出，可应用于先前验证过的模型	未在摘要中明确提及局限性	为深度学习医学图像评估提供可靠的不确定性量化方法，增强临床部署中的用户信任	基于深度学习的转移性疾病描绘模型	医学图像分析	转移性疾病	梯度分析	深度学习模型（未具体说明）	医学图像	未在摘要中明确提及样本数量	NA	NA	中位数百分比差异、ROC AUC、假阳性率、p值	NA
2658	2026-08-09	Bifurcation detection in intravascular optical coherence tomography using vision transformer based deep learning 2024-07-18, Physics in medicine and biology IF:3.3Q1 DOI:10.1088/1361-6560/ad611c PMID:38981596	研究论文	提出了一种基于视觉Transformer深度学习的血管内光学相干断层扫描图像分叉检测方法	首次将视觉Transformer应用于IVOCT图像的分叉检测，避免了 lumen 分割，分别使用分类和地标检测模型识别分叉图像并估计开口点	未明确说明局限性，可能包括对临床数据的依赖和计算成本	提高IVOCT图像分叉检测的准确性和效率，以指导经皮冠状动脉介入治疗策略	血管内光学相干断层扫描图像中的分叉结构	计算机视觉, 深度学习	心血管疾病	光学相干断层扫描	视觉Transformer	图像	8640张临床图像	NA	视觉Transformer	准确率, F1分数, 距离误差, 成功检测率	NA
2659	2026-08-09	Developing an explainable diagnosis system utilizing deep learning model: a case study of spontaneous pneumothorax 2024-07-15, Physics in medicine and biology IF:3.3Q1 DOI:10.1088/1361-6560/ad5e31 PMID:38955331	研究论文	开发了一个利用可解释深度学习模型进行图像识别和可视化的集成医学图像分析系统，用于自发性气胸的自动诊断，并实现了95.56%的分类准确率。	强调了血管穿透缺陷在临床判断中的重要性，并利用可解释深度学习模型提高了诊断系统的可解释性。	研究仅针对自发性气胸，未来需扩展到其他肺部疾病以增强泛化能力。	开发一个可解释的自动诊断系统，以提高模型可信度，减少不确定性，并准确诊断肺部疾病。	自发性气胸患者和正常对照的医学图像。	医学影像分析	自发性气胸	深度学习模型（具体技术未提及，但涉及图像识别和可视化）	深度学习模型（具体类型未提及）	图像	未提及具体样本数量，但涉及气胸和正常对照的图像数据。	NA	NA	准确率（95.56%）	NA
2660	2026-08-09	DeCoGAN: MVCT image denoising via coupled generative adversarial network 2024-07-09, Physics in medicine and biology IF:3.3Q1 DOI:10.1088/1361-6560/ad5d4c PMID:38979700	研究论文	提出了一种基于耦合生成对抗网络（DeCoGAN）的无配对MVCT图像去噪方法，以提高图像质量并保留结构细节。	采用共享潜空间假设，通过编码器强制约束，实现无配对低质量MVCT到高质量图像的转换，结合对抗训练提升去噪效果。	未提及具体局限性。	利用深度学习方法增强MVCT图像质量，以改善图像引导放疗中的目标定位精度。	螺旋断层放疗中的MVCT图像。	计算机视觉	不适用	不适用	生成对抗网络（GAN）	图像	未提及具体样本数量。	未提及具体框架。	编码器，生成对抗网络（含生成器和判别器）	峰值信噪比（PSNR），结构相似性指数（SSIM）	未提及具体计算资源。