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
2841	2026-01-11	pyDOSEIA: A Python Package for Radiological Impact Assessment during Long-term or Accidental Atmospheric Releases 2026-Jan-01, Health physics IF:1.0Q4 DOI:10.1097/HP.0000000000002014 PMID:40622262	研究论文	介绍了一个用于气象数据处理和辐射影响评估的Python软件包pyDOSEIA	开发了一个基于高斯羽流模型、遵循IAEA和AERB指南的开源Python工具包，支持多暴露途径、年龄/距离/核素特异性剂量计算，并具备并行处理能力	未明确说明模型在极端气象条件或复杂地形下的验证情况	开发用于核与辐射事故中长期或意外大气释放的辐射影响评估工具	大气释放的放射性核素	机器学习	NA	高斯羽流模型	NA	气象数据、辐射剂量数据	NA	Python	NA	NA	并行处理能力
2842	2026-01-11	Accelerating direct material decomposition via diffusion probabilistic model for Sparse-view spectral computed tomography 2026-Jan, Journal of X-ray science and technology IF:1.7Q3 DOI:10.1177/08953996251375815 PMID:41147999	研究论文	提出了一种基于扩散概率模型的无监督深度学习框架，用于稀疏视图能谱CT中的直接材料分解	首次将虚拟单能图像作为关键区分增强器引入多色投影优化，并结合扩散概率先验进行材料分解，有效解决了传统方法在稀疏采样和几何不一致情况下的收敛慢、伪影多等问题	仅在临床前数据上进行了验证，尚未在临床数据或更复杂的真实场景中进行广泛测试	提高稀疏视图能谱CT中材料分解的准确性和效率	能谱CT的虚拟单能图像和材料分解结果	医学影像分析	NA	能谱CT	扩散概率模型	CT投影数据，图像	NA	NA	NA	峰值信噪比，结构相似性	NA
2843	2026-01-11	Predictive modeling approaches for Alzheimer's disease diagnosis through neuroimaging techniques 2026-Jan, Ageing research reviews IF:12.5Q1 DOI:10.1016/j.arr.2025.102989 PMID:41371350	综述	本文详细探讨了利用机器学习和深度学习预测建模方法，通过神经影像技术自动诊断阿尔茨海默病的过程与主要组成部分	整合人工智能（机器学习和深度学习）与神经影像及生物标志物，实现AD的自动、高精度、快速诊断，避免了传统手动操作生物标志物的局限性	NA	通过预测建模技术改进阿尔茨海默病的诊断过程，解决传统方法在时间、成本和准确性方面的挑战	阿尔茨海默病的诊断过程，包括神经影像扫描和生物标志物	机器学习	阿尔茨海默病	神经影像技术（如计算机断层扫描、磁共振成像、正电子发射断层扫描）和脑脊液生物标志物（如淀粉样蛋白-β₄₂、总tau蛋白、磷酸化tau蛋白）	机器学习算法, 深度学习算法	神经影像图像, 生物标志物数据	NA	NA	NA	分类器性能水平, 验证指标	NA
2844	2026-01-11	Automated retinal disease classification using deep learning and AlexNet with statistical models analysis 2026, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0338415 PMID:41494023	研究论文	本研究提出了一种基于深度学习的框架，用于将视网膜图像自动分类为正常、糖尿病视网膜病变、白内障和青光眼四种类型	使用多种CNN架构（包括EfficientNet-B0、EfficientNet-B7、从头构建的模型和AlexNet）进行比较评估，并利用SHAP进行模型可解释性分析，以突出临床相关的视网膜区域	未明确说明数据集的样本数量，且处理时间（约14分钟）对于实时筛查系统可能仍需优化	开发一个自动化的视网膜疾病分类系统，以辅助早期检测和预防不可逆的视力丧失	视网膜图像	计算机视觉	糖尿病视网膜病变、白内障、青光眼	深度学习	CNN	图像	NA	NA	EfficientNet-B0, EfficientNet-B7, AlexNet	准确率, 灵敏度, 特异性, PPV, NPV, F1分数, R2	NA
2845	2026-01-11	Estimation of whole-body skeletal muscle volume using pectoralis muscle area and anthropometric measurements from chest CT in a Korean population 2026-Jan, Clinical physiology and functional imaging IF:1.3Q4 DOI:10.1111/cpf.70046 PMID:41496377	研究论文	本研究利用单张胸部CT切片的胸肌面积和基本人体测量数据，开发了韩国人群全身骨骼肌体积的估计模型	首次结合单张胸部CT切片的胸肌面积和基本人体测量数据，开发了针对韩国人群的全身骨骼肌体积估计模型，提供了一种基于常规胸部CT图像的实用肌肉评估替代方法	研究样本仅来自韩国人群，可能限制了模型的普适性；样本量为201名成年人，相对较小	开发一种利用常规胸部CT图像和基本人体测量数据估计全身骨骼肌体积的实用方法	韩国成年人群（101名女性，100名男性）的PET-CT数据	数字病理学	NA	胸部CT成像，PET-CT	LASSO回归模型	医学影像（CT图像），人体测量数据	201名成年人（101名女性，100名男性）	NA	NA	R²值，Bland-Altman偏差	NA
2846	2026-01-11	TissUnet: Improved extracranial tissue and cranium segmentation for children through adulthood 2026, Imaging neuroscience (Cambridge, Mass.) DOI:10.1162/IMAG.a.1067 PMID:41503005	研究论文	本文提出了一种名为TissUnet的深度学习模型，用于从常规三维T1加权MRI中分割颅外组织（颅骨、皮下脂肪和肌肉）	TissUnet模型在广泛的年龄范围（从儿童到成人）和包括脑肿瘤患者的多种数据集上进行了验证，其性能优于先前的最先进方法，并展示了在儿科人群中的优秀表现	模型在脑肿瘤病例中的分割性能（中位Dice系数0.81）略低于健康个体（0.83），表明在病理条件下可能存在一定的局限性	开发一个能够快速、准确、可重复地分割颅外组织的深度学习模型，以支持大规模关于颅面形态、治疗效果和心脏代谢风险的研究	从儿童到成人的个体，包括健康人群和脑肿瘤患者	数字病理学	脑肿瘤	MRI, CT	深度学习模型	三维T1加权MRI图像	训练集：155对MRI-CT扫描；验证集：九个数据集，包括37对MRI-CT和专家手动标注	NA	U-Net	Dice系数	NA
2847	2026-01-11	Synthetic multi-inversion time magnetic resonance images for visualization of subcortical structures 2026-Jan, Journal of medical imaging (Bellingham, Wash.) DOI:10.1117/1.JMI.13.1.014002 PMID:41503368	研究论文	本文提出了一种名为SyMTIC的深度学习方法，用于从常规磁共振图像生成合成多反转时间图像，以增强皮层下结构的可视化	结合深度神经网络与成像物理原理，通过估计纵向弛豫时间和质子密度图来合成任意反转时间的多反转时间图像	方法依赖于特定配对图像数据进行训练，可能对未包含的训练数据类型的泛化能力有限	改善皮层下灰质结构的磁共振成像可视化，以支持神经科学研究和临床实践	皮层下灰质结构，特别是丘脑核团	医学影像分析	NA	磁共振成像，包括T1加权、T2加权和FLAIR序列	深度神经网络	磁共振图像	NA	NA	NA	图像质量，分割改进	NA
2848	2026-01-11	Deep learning model with collage images for the segmentation of dedicated breast positron emission tomography images 2026-Jan, Breast cancer (Tokyo, Japan) DOI:10.1007/s12282-023-01492-z PMID:37634221	研究论文	本研究评估了深度学习在专用乳腺正电子发射断层扫描图像自动分割异常摄取区域的应用，并通过拼贴图像进行数据增强以解决训练数据稀缺问题	提出使用由裁剪的异常摄取和正常乳腺组成的拼贴图像进行数据增强，以应对dbPET图像噪声高和数据稀缺的挑战	研究为回顾性设计，样本量相对有限（662个乳腺），且仅基于特定时间段的数据	开发自动分割dbPET图像中异常摄取区域的深度学习模型，以辅助乳腺病变评估	专用乳腺正电子发射断层扫描图像中的异常摄取区域	数字病理学	乳腺癌	专用乳腺正电子发射断层扫描	CNN	图像	662个乳腺（其中217个有异常摄取）	NA	U-Net	Dice分数, 分类准确率	NA
2849	2026-01-11	Deep learning model to predict Ki-67 expression of breast cancer using digital breast tomosynthesis 2026-Jan, Breast cancer (Tokyo, Japan) DOI:10.1007/s12282-024-01549-7 PMID:38448777	研究论文	本研究开发了一个基于数字乳腺断层合成图像的深度学习模型，用于预测乳腺癌Ki-67表达水平	首次将Xception架构应用于数字乳腺断层合成图像，以预测Ki-67表达，并针对不同放射学特征亚组进行了性能评估	研究为回顾性设计，样本量相对较小（126例），且未在外部数据集上进行验证	开发一个深度学习模型，利用数字乳腺断层合成图像预测乳腺癌Ki-67表达，以辅助术前治疗策略制定	经病理确诊的乳腺癌患者及其数字乳腺断层合成图像	数字病理学	乳腺癌	数字乳腺断层合成	CNN	图像	126例经病理确诊的乳腺癌患者	NA	Xception	准确率, 灵敏度, 特异性, AUC	NA
2850	2026-01-11	CADRE: A novel unsupervised reconstruction algorithm for limited-angle CT of ancient wooden structures 2026-Jan, Journal of X-ray science and technology IF:1.7Q3 DOI:10.1177/08953996251380012 PMID:41105016	研究论文	本文提出了一种名为CADRE的无监督深度学习重建算法，用于解决古木结构有限角度CT图像重建中的质量问题	CADRE算法创新性地结合了ADMM优化策略、深度Radon先验网络学习范式以及几何轮廓引导机制，无需大规模配对训练数据，特别适用于文化遗产领域	NA	开发一种能够从不完整的有限角度投影数据中实现高质量图像重建的新算法	古木结构，如应县木塔的数字仿真模型和佛光寺的物理木模型	计算机视觉	NA	计算机断层扫描（CT）	深度学习	图像	使用应县木塔的数字仿真模型和佛光寺的物理木模型进行系统验证	NA	深度Radon先验网络	PSNR, SSIM	NA
2851	2026-01-11	Optimizing cancer classification: A metaheuristic-driven review of feature selection and deep learning approaches 2026-Jan, Journal of X-ray science and technology IF:1.7Q3 DOI:10.1177/08953996251375817 PMID:41384935	综述	本文对2012年至2025年间发表的91篇同行评议文章进行了系统性回顾，探讨了元启发式算法在癌症分类中特征选择和深度神经网络优化方面的应用	首次系统性地综述了元启发式算法在癌症分类中同时应用于特征选择和深度神经网络优化的研究，并对39个图像数据集和44个微阵列数据集进行了全面梳理	作为综述文章，主要基于现有文献进行分析，未提出新的算法或模型，且时间范围限定在2012-2025年	优化癌症分类，通过特征选择和深度神经网络架构优化提高分类性能	医学影像和微阵列基因表达数据	机器学习	癌症	微阵列基因表达分析，医学影像分析	kNN, SVM, CNN	图像，基因表达数据	涉及91篇研究文章，涵盖39个图像数据集和44个微阵列数据集	NA	NA	NA	NA
2852	2026-01-11	Development of a cold-heat syndrome classification model for children with allergic rhinitis based on multimodal data 2025-Dec-31, Translational pediatrics IF:1.5Q2 DOI:10.21037/tp-2025-397 PMID:41502884	研究论文	本研究开发了一种基于多模态数据的深度学习模型，用于辅助区分儿童过敏性鼻炎的中医寒热证型	首次将舌象图像特征与临床信息特征通过Transformer模型融合，构建了用于儿童过敏性鼻炎中医证型分类的多模态深度学习模型	样本量相对有限，且模型性能在测试集上有所下降，需要更大规模的外部验证	辅助临床医生准确区分儿童过敏性鼻炎患者的中医寒热证型，以提高辨证的客观性和准确性	391名儿童过敏性鼻炎患者	数字病理	过敏性鼻炎	数字舌象分析	深度学习	图像, 临床数据	391名儿童患者（寒证92例，热证299例），随机分为训练集176例和测试集215例	NA	SE-DenseNet, Transformer	AUC, 准确率, 精确率, 召回率, F1分数	NA
2853	2026-01-11	Deep learning-based optimization for accurate multimodal medical image registration 2025-Dec-29, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-30493-5 PMID:41461830	研究论文	本文提出了一种基于深度学习的多模态医学图像配准优化方法，旨在提高配准的准确性和效率	采用多模态U-Net模型，结合刚性、仿射和弹性变换，优化特征提取方法，实现高效的图像配准	该技术尚处于早期阶段，在保守环境中可能面临挑战，研究结果有限，需要进一步研究以支持其泛化能力	优化多模态医学图像配准，以提升诊断和治疗规划的效果	ADNI、COPDGene和OAI数据集中的医学图像	计算机视觉	NA	NA	CNN	图像	NA	NA	U-Net	效率, 准确性	NA
2854	2026-01-11	Efficient Vision Mamba for MRI Super-Resolution via Hybrid Selective Scanning 2025-Dec-25, ArXiv PMID:41479458	研究论文	本研究提出了一种基于多头选择性状态空间模型和轻量级通道多层感知器的高效MRI超分辨率框架，旨在提升图像分辨率同时保持低计算开销	提出结合混合扫描策略（垂直、水平、对角线）的多头选择性状态空间模型，有效捕获长程依赖并缓解像素遗忘问题，在参数和计算量大幅减少的情况下实现优于现有方法的性能	研究仅在脑部和前列腺两个特定MRI数据集上进行验证，尚未在其他解剖部位或成像模态中测试其泛化能力	开发一种计算高效且准确的深度学习框架，用于MRI超分辨率，以提升临床诊断和治疗规划的图像质量	7T脑部T1 MP2RAGE图像（142名受试者）和1.5T前列腺T2加权MRI图像（334名受试者）	计算机视觉	脑部疾病, 前列腺癌	MRI超分辨率	基于状态空间模型的深度学习框架	医学图像（MRI）	脑部数据集142名受试者，前列腺数据集334名受试者	PyTorch（推断，因提及与PyTorch常见模型比较）	MambaFormer块（结合MHSSM、深度卷积和门控通道混合）	SSIM, PSNR, LPIPS, GMSD	未明确指定，但模型参数为0.9百万，计算量为57 GFLOPs，暗示使用GPU进行训练和评估
2855	2026-01-11	Automated DFU detection through GA-selected CNN ensemble with Grad-CAM interpretability 2025-Dec-13, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-30532-1 PMID:41390857	研究论文	本文提出了一种通过遗传算法选择CNN集成模型并利用Grad-CAM增强可解释性的自动化糖尿病足溃疡检测方法	结合遗传算法优化CNN集成模型，并引入Grad-CAM提升模型决策的可解释性	未提及具体的数据集规模或外部验证结果，可能限制模型的泛化能力评估	优化糖尿病足溃疡检测模型的准确性和可解释性	糖尿病足溃疡的医学图像	计算机视觉	糖尿病足溃疡	医学图像分析	CNN	图像	NA	NA	自定义CNN	准确率, 精确率, 召回率, F1分数	NA
2856	2026-01-11	Early diagnosis of alzheimer's disease using PET imaging and deep learning with comparative data augmentation techniques 2025-Dec-10, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-28866-x PMID:41372282	研究论文	本研究比较了六种数据增强方法在基于PET成像和深度学习的阿尔茨海默病早期诊断中的性能	比较了六种数据增强方法在阿尔茨海默病诊断中的效果，并尝试了步进卷积架构	NA	通过PET成像和深度学习技术实现阿尔茨海默病的早期诊断	阿尔茨海默病患者、轻度认知障碍患者和正常对照组的PET图像数据	医学影像分析	阿尔茨海默病	PET成像	深度学习	图像	NA	NA	步进卷积架构	NA	NA
2857	2026-01-11	Machine Learning Approaches for Optimizing Drug Combinations in Neurodegenerative Diseases: A Brief Review 2025-Dec-09, ACS omega IF:3.7Q2 DOI:10.1021/acsomega.5c07349 PMID:41502663	综述	本文简要综述了机器学习在优化神经退行性疾病药物组合中的应用	强调了机器学习在药物发现、虚拟筛选、药物再利用和组合优化中的创新作用，并突出了多模态整合的潜力	作为一篇综述，未提出新的实验或模型，主要总结现有进展	总结神经退行性疾病的主要特征，并探讨机器学习在该领域药物研发中的应用	神经退行性疾病，包括阿尔茨海默病、帕金森病、亨廷顿病、多系统萎缩和肌萎缩侧索硬化症	机器学习	神经退行性疾病	NA	支持向量机, 卷积神经网络, 循环神经网络, Transformer	图像, 时序生物医学数据, 多模态数据	NA	NA	NA	NA	NA
2858	2026-01-11	EfficientPoseSegNet: a weakly supervised, attention-guided framework for human pose estimation, anatomical segmentation, and concealed object detection in backscatter millimeter-wave security screening 2025-Dec-05, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-30346-1 PMID:41350560	研究论文	本文提出了一种名为EfficientPoseSegNet的混合深度学习框架，用于在背向散射毫米波安检图像中进行人体姿态估计、解剖分割和隐蔽物体检测	该框架结合了并行EfficientNet和DenseNet骨干网络、卷积块注意力模块（CBAM）、基于空间热图的姿态估计方法、任务感知的随机权重平均（SWA）以及利用解剖分割特征的异常检测模块，实现了在弱监督下的高效多任务处理	未明确提及具体限制，但可能包括对低分辨率图像质量的依赖、标注数据的稀缺性以及隐私法规的约束	提升机场安检和运输安全，通过自动化系统实现隐蔽物体检测、人体关键点定位和解剖分割	背向散射毫米波安检图像	计算机视觉	NA	深度学习	CNN	图像	基于运输安全管理局乘客筛查数据集，具体样本数量未明确	未明确指定，可能为TensorFlow或PyTorch	EfficientNet, DenseNet, Convolutional Block Attention Module (CBAM)	测试损失, 平均绝对误差, 关键点准确率, 姿态估计准确率, 分割交并比（IoU）, 异常检测AUC	未明确指定
2859	2026-01-11	Clickbait detection in news headlines using RoBERTa-Large language model and deep embeddings 2025-Dec-02, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-30229-5 PMID:41331035	研究论文	本研究提出了一种基于RoBERTa-Large语言模型和深度嵌入的方法，用于自动检测新闻标题中的点击诱饵内容	首次将RoBERTa-Large这种基于Transformer的架构应用于点击诱饵检测，并整合自注意力机制来捕捉文本中的复杂上下文依赖和语义关系	未明确说明数据集的规模和具体来源，且未讨论模型在不同语言或文化背景下的泛化能力	开发一个自动检测新闻标题中点击诱饵内容的系统	新闻标题文本数据	自然语言处理	NA	自然语言处理技术	Transformer, 机器学习模型, 深度学习模型	文本	NA	NA	RoBERTa-Large	分类准确率	NA
2860	2026-01-11	An MRI radiomics approach using invasion-based weak supervision for identifying and evaluating aggressive PitNETs 2025-Dec-02, NPJ digital medicine IF:12.4Q1 DOI:10.1038/s41746-025-02189-7 PMID:41331080	研究论文	本研究开发了一种基于MRI影像组学的深度学习模型，用于术前无创识别和评估垂体神经内分泌肿瘤的侵袭性	提出了一种结合自动分割、特征提取与选择及深度学习影像组学评分的集成模型，并首次将基于侵袭性的弱监督学习应用于PitNETs的侵袭性评估	研究样本来自三个医疗中心共1089例，虽为多中心数据，但可能仍存在选择偏倚；模型性能需在更广泛的人群中进行外部验证	开发一种可靠的非侵入性术前工具，用于识别和评估垂体神经内分泌肿瘤的侵袭性，以指导治疗决策和预后评估	垂体神经内分泌肿瘤患者	数字病理学	垂体神经内分泌肿瘤	MRI影像组学	深度学习	医学影像	1089例患者（来自三个医疗中心）	nnUnet	nnUnet, Swin Transformer	与Knosp和Hardy-Wilson侵袭分类的相关性，复发预测性能，与病理标志物（Ki-67, p53, 巨噬细胞）及生物学通路（MAPK, TGF-β）的关联性	NA