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
2861	2026-01-11	Clinical feasibility of two cardiac deep learning cine magnetic resonance imaging sequences: Single-breath-hold and free-breathing motion-corrected approaches 2025 Winter, Journal of cardiovascular magnetic resonance : official journal of the Society for Cardiovascular Magnetic Resonance IF:4.2Q1 DOI:10.1016/j.jocmr.2025.101983 PMID:41177305	研究论文	本研究评估了两种基于深度学习的加速心脏电影磁共振成像序列（单次屏气和自由呼吸运动校正）的临床可行性，旨在缩短采集时间并保持图像质量和功能评估	首次在3T CMR中前瞻性比较了单次屏气DL序列和自由呼吸运动校正DL序列，与传统分段电影序列相比，显著缩短了总采集时间（分别减少73%和62%）	DL加速序列的边缘锐度和血池-心肌信号比低于传统分段电影序列，左心室应变参数也较低，样本量相对较小（86例患者）	评估深度学习加速的心脏电影磁共振成像序列的临床可行性，以解决传统方法检查时间长和需要重复屏气的问题	接受3T心脏磁共振检查的患者	数字病理	心血管疾病	心脏磁共振成像（CMR），深度学习加速序列	深度学习模型	磁共振图像	86例患者（52.98±14.34岁，79%男性）	NA	NA	图像质量评分、血池-心肌信号比、边缘锐度、三维体积网格轮廓质量、双心室功能参数、左心室应变参数	NA
2862	2026-01-11	Accelerating cardiac diffusion tensor imaging with deep learning-based tensor de-noising and breath hold reduction. A step towards improved efficiency and clinical feasibility 2025 Winter, Journal of cardiovascular magnetic resonance : official journal of the Society for Cardiovascular Magnetic Resonance IF:4.2Q1 DOI:10.1016/j.jocmr.2025.101971 PMID:41213455	研究论文	本研究开发了一种基于深度学习的去噪框架，用于加速心脏扩散张量成像，通过减少呼吸暂停次数来缩短扫描时间	提出从图像空间到张量空间的去噪范式转变，采用基于Vision Transformer的集成模型进行张量处理，并引入动态重复选择的数据增强策略	未明确提及样本量的具体限制或外部验证的广泛性	开发一种心脏扩散张量成像去噪方法，以减少扫描重复次数并保持图像质量	心脏扩散张量成像数据	医学影像分析	心血管疾病	心脏扩散张量成像	Vision Transformer	张量数据	NA	NA	Vision Transformer	分数各向异性误差	NA
2863	2026-01-11	Improved accuracy for myocardial blood flow mapping with deep learning-enabled CMR arterial spin labeling (DeepMASL): Validation by microsphere in vivo 2025 Winter, Journal of cardiovascular magnetic resonance : official journal of the Society for Cardiovascular Magnetic Resonance IF:4.2Q1 DOI:10.1016/j.jocmr.2025.101989 PMID:41242615	研究论文	本研究提出了一种基于深度学习的改进型心肌动脉自旋标记方法（DeepMASL），用于更准确地量化心肌血流量，并在犬类冠状动脉疾病模型中通过微球测量法进行了验证	开发了一种结合物理模型的深度学习网络（DeepMASL），显著提高了高血流量状态下心肌血流量测量的准确性，误差从传统方法的33-49%降低到10%以内	研究仅在犬类动物模型中进行验证，尚未在人体临床试验中得到应用	提高心肌动脉自旋标记技术测量心肌血流量的准确性，以用于无对比剂心肌灌注缺损的临床诊断	18只杂种犬（9只健康，9只冠状动脉狭窄模型）	医学影像分析	心血管疾病	动脉自旋标记，微球测量法	深度学习网络	心脏ASL信号图像	18只犬，分为健康组（n=9）和冠状动脉狭窄组（n=9，含50%、70%、90%三种狭窄程度各3只）	NA	基于物理模型的深度学习网络	相关系数（r），Bland-Altman分析，95%置信区间，误差百分比	NA
2864	2026-01-11	Public feedback analysis on multi-stage emergency management policies using BERTopic-SKEP integrated model 2025-Dec-01, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-30319-4 PMID:41326561	研究论文	本研究提出了一种结合BERTopic主题建模和SKEP情感分析的深度学习框架，用于分析北京“23.7”暴雨期间公众对多阶段应急管理政策的反馈	1. 提出了BERTopic-SKEP融合模型，克服了传统LDA在短文本处理中的局限性；2. 揭示了应急管理不同阶段公众关注度和情感极性的显著差异；3. 整合了叙事政策框架（NPF）来解释主题建模结果，将公众反馈结构化地解读为政策叙事	研究仅基于社交媒体数据，可能无法代表所有公众群体；模型在特定灾害事件中验证，泛化能力有待进一步检验	分析公众对多阶段应急管理政策的反馈，以提升灾害治理效能	北京“23.7”暴雨期间与应急管理政策相关的社交媒体帖子	自然语言处理	NA	主题建模，情感分析	BERTopic, SKEP	文本	50,015条社交媒体帖子	NA	BERTopic, SKEP	NA	NA
2865	2026-01-11	Artificial Intelligence-based fine-tuning model for fall activity recognition in disabled persons within an IoT environment 2025-Dec-01, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-30340-7 PMID:41326571	研究论文	本文提出了一种基于时间卷积网络的物联网环境下残疾人跌倒活动识别系统（TCN-FARSDP），用于监控和检测残疾人的跌倒事件	结合了NASNetMobile、DenseNet121和MobileNetV3Large三种特征提取模型进行特征融合，并采用时间卷积网络（TCN）分类器进行跌倒活动检测，通过Adamax优化器进行微调以提升模型收敛性和稳定性	未提及数据集的具体规模、多样性或潜在偏差，也未讨论模型在真实物联网环境中的部署挑战或计算资源需求	开发一种高精度的跌倒活动识别系统，以提升残疾人的远程健康监控和安全性	残疾人的跌倒活动	计算机视觉	老年疾病	深度学习（DL）、机器学习（ML）	时间卷积网络（TCN）	图像	NA	TensorFlow, PyTorch	NASNetMobile, DenseNet121, MobileNetV3Large, TCN	准确率	NA
2866	2026-01-11	Computer Vision in Lower Limb Orthopaedics: A Scoping Review of Imaging-Based Artificial Intelligence Applications 2025-Dec, Cureus DOI:10.7759/cureus.98648 PMID:41503307	综述	本文通过范围综述，系统梳理了计算机视觉和基于图像的AI在下肢骨科成像中的应用，包括关键任务、成像模态和算法趋势	首次系统性地绘制了下肢骨科成像中计算机视觉应用的全景图，并识别出从诊断分类向定量测量和术中集成的发展趋势	证据基础受限于主要为单中心回顾性研究设计，缺乏外部验证，且未发现前瞻性临床试验	综述计算机视觉在下肢骨科成像中的应用现状、任务、模态和算法趋势	涉及髋、膝、踝或足部成像的研究	计算机视觉	骨科疾病	NA	深度学习	图像	20项符合纳入标准的研究	NA	U-Net, YOLO, ResNet	诊断准确率, Dice系数	NA
2867	2026-01-11	Computer Vision in Upper Limb Orthopaedics: A Scoping Review of Imaging-Based Algorithms for Fracture Detection and Radiographic Measurement 2025-Dec, Cureus DOI:10.7759/cureus.99729 PMID:41503339	综述	本文对计算机视觉在上肢骨科影像中的应用进行了范围综述，重点描述了用于骨折检测和影像学测量的算法	系统性地梳理和总结了计算机视觉在上肢骨科领域（特别是腕部和肩部）的应用现状、临床问题、成像模态和方法学，并指出了当前研究的局限性和未来方向	大多数研究为回顾性、单中心研究，缺乏外部验证，数据集规模较小，且报告标准不一致	描绘和表征计算机视觉在上肢骨科中的当前应用状况	上肢骨科影像（如X光片、CT、MRI、超声）	计算机视觉	骨科疾病（上肢骨折等）	医学影像分析	CNN, 检测网络, 分割架构	图像	NA	NA	YOLO, U-Net	NA	NA
2868	2026-01-11	Biomarkers 2025-Dec, Alzheimer's & dementia : the journal of the Alzheimer's Association DOI:10.1002/alz70856_107666 PMID:41512316	研究论文	本研究开发了一种可解释的皮层图卷积网络（GCN），用于从T1 MRI数据中捕捉皮层萎缩模式，以早期识别阿尔茨海默病风险	提出了一种基于图卷积网络的模型，能够处理皮层表面的细微和异质性神经退行性模式，这是传统深度学习方法难以原生捕获的	模型在预测稳定轻度认知障碍与进展性轻度认知障碍时的平均平衡准确率较低（0.644），且需要进一步在独立数据集（如NACC/ADRC）上验证泛化能力	早期识别阿尔茨海默病风险，预测未来痴呆发作	阿尔茨海默病神经影像学倡议（ADNI）数据集中的1645名受试者，包括认知正常、阿尔茨海默病和轻度认知障碍个体	数字病理学	阿尔茨海默病	T1 MRI，FreeSurfer处理	图卷积网络（GCN）	图像（皮层表面网格数据）	1645名受试者（902名男性，743名女性），包括523名稳定认知正常、339名稳定阿尔茨海默病和783名轻度认知障碍个体	NA	图卷积网络（GCN）	平衡准确率	NA
2869	2026-01-11	Biomarkers 2025-Dec, Alzheimer's & dementia : the journal of the Alzheimer's Association DOI:10.1002/alz70856_107676 PMID:41512848	研究论文	本研究通过融合多模态神经影像数据（T1-MRI和淀粉样蛋白-PET），利用深度学习模型提升阿尔茨海默病预测和追踪进展的准确性	结合多模态神经影像数据（T1-MRI和淀粉样蛋白-PET）训练深度学习模型，以捕捉大脑中的淀粉样蛋白（A）和萎缩（N）模式，从而提高痴呆风险评分（DRS）和早期AD阶段未来痴呆进展的预测能力	在预测未来MCI进展方面性能有所降低，表明需要通过进一步微调、更先进的多模态融合策略以及最佳模态（如FDG-PET和tau-PET）来改进	提高阿尔茨海默病（AD）的预测准确性，并追踪其早期阶段的进展	阿尔茨海默病（AD）患者、认知正常（CN）受试者以及轻度认知障碍（MCI）患者	医学影像分析	阿尔茨海默病	T1-MRI, 淀粉样蛋白-PET	CNN	神经影像数据（T1-MRI和淀粉样蛋白-PET）	来自ADNI 1、2和GO数据集的受试者（具体数量未在摘要中提供）	NA	ResNet50	平衡准确率, AUC	NA
2870	2026-01-11	Biomarkers 2025-Dec, Alzheimer's & dementia : the journal of the Alzheimer's Association DOI:10.1002/alz70856_107784 PMID:41513255	研究论文	本研究通过微调预训练的脑龄预测模型，利用3D脑部MRI数据来预测阿尔茨海默病的临床评估分数ADAS13	提出了一种基于预训练脑龄预测模型的微调方法，用于预测临床评估分数，该方法在数据有限的情况下表现出良好的泛化能力，且性能优于先前方法	研究主要依赖于ADNI数据集，模型在其他独立队列中的泛化能力有待进一步验证	开发一种能够有效预测阿尔茨海默病临床评估分数的深度学习模型，以辅助疾病严重程度评估和预后	阿尔茨海默病患者	数字病理学	阿尔茨海默病	3D脑部MRI	深度学习模型	3D图像	11,041个MRI扫描（来自ADNI数据集），分为训练集5,536个、验证集2,815个、测试集2,690个	NA	集成模型（n=5）	平均绝对误差, R2分数	NA
2871	2026-01-11	Biomarkers 2025-Dec, Alzheimer's & dementia : the journal of the Alzheimer's Association DOI:10.1002/alz70856_107749 PMID:41513459	研究论文	本文开发了一种基于迁移学习的DenseNet121架构，用于阿尔茨海默病的分类诊断，特别针对非洲人群进行优化	采用迁移学习策略，结合西方人群数据集预训练和非洲本地数据集微调，以捕捉人群特异性特征，显著提升了在非洲人群中的诊断性能	研究样本量相对较小（仅140名受试者），且仅基于单一医疗中心的数据，可能限制模型的泛化能力	开发并验证一个针对非洲人群的阿尔茨海默病诊断模型，以解决现有研究在西方人群主导下的适用性限制	阿尔茨海默病患者与非痴呆对照受试者，特别关注非洲人群的神经影像数据	数字病理学	阿尔茨海默病	神经影像分析（包括颅骨剥离、空间归一化、灰质分割等预处理技术）	CNN	图像	140名受试者（63例痴呆，77例非痴呆），来自尼日利亚伊巴丹大学学院医院的本地数据集，并利用OASIS数据集进行预训练	NA	DenseNet121	准确率, AUC, 灵敏度, 特异度, 精确率, F1分数	NA
2872	2026-01-11	Biomarkers 2025-Dec, Alzheimer's & dementia : the journal of the Alzheimer's Association DOI:10.1002/alz70856_106312 PMID:41517832	研究论文	本研究提出了一种基于高阶注意力机制的深度学习模型，用于通过MRI图像对四种痴呆症类型进行精确分类	引入了基于淀粉样蛋白/ tau病理预测模型学习的高阶注意力机制，以提取更具预测力的特征并捕捉特征间相互关系	样本量相对较小（99个MRI图像），且主要依赖于特定医院的数据，可能影响模型的泛化能力	开发一种基于MRI的深度学习模型，以提高痴呆症亚型的准确鉴别诊断	阿尔茨海默病（AD）、帕金森病（PD）、路易体痴呆（DLB）和皮质下血管性痴呆（SVaD）患者	数字病理学	老年疾病	磁共振成像（MRI）	深度学习模型, SVM	图像, 临床信息	99个T1加权MRI图像（24名AD患者，25名PD患者，25名DLB患者，25名SVaD患者），以及来自5个数据集的12091名患者数据用于低阶注意力分类器训练	NA	注意力机制, SVM	AUC	NA
2873	2026-01-11	Attention-Base deep learning for 3D craniofacial soft tissue landmark detection and diagnosis in orthodontics 2025-Nov-29, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-30383-w PMID:41318682	研究论文	本文提出了一种创新的两阶段注意力深度学习框架，用于三维颅面软组织标志点检测与正畸诊断分类	开发了结合测地线裁剪模块和动态标志点结构学习模块的两阶段注意力框架，首次将解剖学先验知识融入空间依赖建模，显著提升了定位精度与结构一致性	未明确说明模型在不同种族、年龄组或病理条件下的泛化能力，也未讨论计算效率是否满足实时临床需求	实现三维颅面软组织的自动化标志点检测与正畸治疗难度诊断分类	三维颅面软组织扫描数据	计算机视觉	错颌畸形	三维扫描成像	深度学习, Transformer	三维点云数据	未在摘要中明确说明具体样本数量	PyTorch	PointTransformerV3	平均径向误差, 成功检测率, 成功分类率, 诊断准确率	NA
2874	2026-01-11	Biological Age Prediction of the Cerebellar Vermis in the Human Lifespan 2025-Nov-19, Cerebellum (London, England) DOI:10.1007/s12311-025-01929-5 PMID:41258571	研究论文	本研究利用深度学习从结构MRI中提取的脑结构年龄生物标志物，探究了人类小脑蚓部随年龄增长的区域特异性老化模式	首次使用深度学习衍生的脑结构年龄生物标志物系统评估小脑蚓部各亚区的老化轨迹，揭示了前后梯度差异及性别特异性老化模式	研究为横断面设计，无法推断因果关系；样本仅来自单一数据库（伊朗脑成像数据库），可能限制结果的普适性	评估小脑蚓部区域特异性老化模式及其影响因素	245名健康参与者的小脑蚓部结构MRI数据	医学影像分析	NA	结构磁共振成像	深度学习	3D T1加权磁共振图像	245名健康参与者（青年组20-39岁、中年组40-59岁、老年组≥60岁）	NA	NA	调整后R方	3T MRI扫描仪（64通道线圈）
2875	2026-01-11	AI-Driven Real-Time Monitoring of Cardiovascular Conditions With Wearable Devices: Scoping Review 2025-Nov-11, JMIR mHealth and uHealth IF:5.4Q1 DOI:10.2196/73846 PMID:41218203	综述	本文是一篇范围综述，探讨了利用可穿戴设备和人工智能技术进行心血管疾病实时监测的主要挑战与潜在解决方案	系统性地识别了AI驱动平台在实时心血管监测中的关键挑战，并提出了跨学科研究需求，强调了从传统机器学习到轻量级深度学习算法的多种AI技术在可穿戴设备或云端处理中的应用	现有研究数量有限，缺乏全面的验证，多数依赖公开数据集而非社区环境下的真实世界验证，且实时部署的AI算法常未报告操作特性与挑战	识别AI驱动平台用于可穿戴设备实时心血管监测的主要挑战，并探索潜在解决方案，同时考察AI算法的开发与部署流程优化	使用可穿戴设备收集参与者数据并应用AI算法进行实时分析以检测或预测心血管事件与疾病的研究	机器学习	心血管疾病	NA	传统机器学习, 轻量级深度学习	心血管信号, 生命体征, 身体活动数据	从2385条记录中筛选，最终纳入19项研究	NA	NA	NA	NA
2876	2026-01-11	A deep learning-based approach for measuring patellar cartilage deformations from knee MR images 2025-Nov, Journal of biomechanics IF:2.4Q3 DOI:10.1016/j.jbiomech.2025.112930 PMID:40915052	研究论文	本研究开发了一种基于深度学习的自动分割方法，用于从膝关节磁共振图像中测量髌骨软骨的变形	首次将2D和3D U-Net应用于髌骨及髌骨软骨的自动分割，并成功检测到跳跃活动引起的软骨变形	研究仅基于109例膝关节磁共振扫描，样本量相对有限，且未与其他自动分割方法进行广泛比较	开发卷积神经网络以分割髌骨及髌骨软骨，并评估其测量运动诱导软骨变形的能力	膝关节磁共振图像中的髌骨及髌骨软骨	计算机视觉	骨关节炎	磁共振成像	CNN	图像	109例膝关节磁共振扫描	NA	U-Net	平均Dice相似系数, ICC, 平均差异	NA
2877	2026-01-11	The potential role of machine learning and deep learning in differential diagnosis of Alzheimer's disease and FTD using imaging biomarkers: A review 2025-Oct, The neuroradiology journal DOI:10.1177/19714009251313511 PMID:39787363	综述	本文综述了机器学习和深度学习在利用影像生物标志物区分阿尔茨海默病与额颞叶痴呆中的潜在作用	系统梳理并比较了2012年至2024年间31篇相关研究，特别指出了SVM在机器学习方法中以及ResNet在深度学习方法中的优越性能	强调仍需结合临床检查和患者症状评估以确保诊断的全面性和准确性，暗示现有AI方法尚不能完全替代传统诊断流程	探讨人工智能在辅助诊断额颞叶痴呆和阿尔茨海默病中的应用潜力	针对额颞叶痴呆和阿尔茨海默病的影像生物标志物	医学影像分析	阿尔茨海默病, 额颞叶痴呆	MRI, DTI, fMRI, PET, SPECT	SVM, CNN	影像数据	基于31篇文献的综合分析，未提供具体样本总数	NA	ResNet	NA	NA
2878	2026-01-11	3D auto-segmentation of pancreas cancer and surrounding anatomical structures for surgical planning 2025-Oct-01, International journal of surgery (London, England) DOI:10.1097/JS9.0000000000002835 PMID:40576127	研究论文	本研究开发了一种基于深度学习的自动分割模型，用于从CT图像中分割胰腺癌及周围解剖结构，以辅助手术规划	采用分层Swin Transformer V2模型进行胰腺癌及周围结构的三维自动分割，并在多中心数据集上验证了其稳健性能	模型在胰腺癌分割上的准确性相对较低（DSC约54.5-57.0%），且分割性能受肿瘤大小影响	开发用于胰腺癌手术规划的深度学习自动分割模型	胰腺癌患者及其周围解剖结构	数字病理学	胰腺癌	计算机断层扫描（CT）	Transformer	图像	275名患者（176名训练组，59名内部验证组，40名外部验证组）	NA	Swin Transformer V2	Dice相似系数（DSC），定性评估（完全分割、部分分割、缺失分割）	NA
2879	2026-01-11	Development and validation of a deep learning ultrasound radiomics model for predicting drug resistance in lymph node tuberculosis a multicenter study 2025-Oct-01, International journal of surgery (London, England) DOI:10.1097/JS9.0000000000002850 PMID:40607926	研究论文	开发并验证了一种基于深度学习超声影像组学模型，用于预测淋巴结结核的药物耐药性	首次将集成机器学习算法与AdaBoost结合应用于超声影像组学，以预测淋巴结结核的耐药性，并通过多中心数据进行了内部和外部验证	研究为回顾性设计，样本量相对有限（234例），且仅针对宫颈淋巴结结核，可能限制了模型的泛化能力	预测淋巴结结核的药物耐药性	淋巴结结核患者	数字病理学	结核病	超声影像	集成机器学习, AdaBoost	图像	234例宫颈淋巴结结核患者（来自一个中心），以及来自另外两个中心的外部测试集	NA	NA	AUC, 准确率, 精确率, 召回率, F1分数, 决策曲线分析	NA
2880	2026-01-11	Multichannel deep learning prediction of major pathological response after neoadjuvant immunochemotherapy in lung cancer: a multicenter diagnostic study 2025-Oct-01, International journal of surgery (London, England) DOI:10.1097/JS9.0000000000002821 PMID:40607969	研究论文	本研究开发了一种基于治疗前CT的多通道预测器，整合了Transformer模型编码的深度学习特征，用于术前诊断非小细胞肺癌患者在接受新辅助免疫化疗后的主要病理缓解	创新性地将多通道深度学习与Transformer编码器融合，用于预测肺癌新辅助免疫化疗后的主要病理缓解，相比传统影像组学模型显著提升了分类准确率	研究为回顾性设计，样本量相对有限（332例），且仅基于CT影像，未整合其他模态数据	开发一种术前诊断工具，预测非小细胞肺癌患者接受新辅助免疫化疗后的主要病理缓解，以改善手术规划和治疗结果	非小细胞肺癌患者	数字病理学	肺癌	CT影像分析	深度学习	图像	332例非小细胞肺癌患者（来自四个中心）	NA	GoogLeNet, Transformer	AUC, 敏感性, 特异性, F1分数, 混淆矩阵, 校准曲线, 决策曲线分析, 综合判别改善, 净重分类改善, DeLong检验	NA