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
3501	2026-02-23	Deep Learning on Misaligned Dual-Energy Chest X-ray Images Using Paired Cycle-Consistent Generative Adversarial Networks 2026-Feb, Journal of imaging informatics in medicine DOI:10.1007/s10278-025-01508-4 PMID:40325327	研究论文	本文提出了一种基于配对循环一致性生成对抗网络的框架，用于有效去除双能胸片中的运动伪影和统计噪声	首次将配对循环一致性生成对抗网络应用于双能胸片，结合集成判别器、可微分增强、抗锯齿卷积层和8层U-Net生成器，显著提升了运动伪影抑制和图像质量	研究仅基于600例临床检查数据，可能受限于样本多样性和规模；未详细讨论模型在极端运动或噪声条件下的泛化能力	开发一种深度学习方法来去除双能胸片中的运动伪影和统计噪声，以提升图像质量和临床诊断价值	双能减影胸片图像，特别是受运动伪影和统计噪声影响的低能图像和骨抑制图像	计算机视觉	NA	双能减影胸片成像	GAN	图像	600例临床双能胸片检查数据	NA	U-Net	峰值信噪比, 结构相似性指数, Fréchet inception距离, 10%最大全宽分析	NA
3502	2026-02-23	A Deep Learning-Based Framework for Automatic Determination of Developmental Dysplasia of the Hip from Graf Angles 2026-Feb, Journal of imaging informatics in medicine DOI:10.1007/s10278-025-01518-2 PMID:40325325	研究论文	本研究提出了一种基于深度学习的框架，用于从超声图像中自动确定发育性髋关节发育不良的Graf角度	结合DeepLabv3+进行图像分割、形态学操作和局部极大值方法，以自动化方式诊断DDH，减少操作者依赖性并提高测量一致性	未明确提及，但可能包括对超声图像质量、数据多样性和泛化能力的依赖	开发一个自动化框架，用于新生儿发育性髋关节发育不良的早期诊断	新生儿髋关节超声图像	计算机视觉	发育性髋关节发育不良	超声成像	CNN	图像	NA	TensorFlow, Keras	DeepLabv3+, ResNet50, InceptionResNetV2, MobilenetV2, Xception	准确率, IoU, PSNR, F-score, SSIM, Cohen's kappa, 组内相关系数, Bland-Altman分析	NA
3503	2026-02-23	A Deep Learning Approach for Mandibular Condyle Segmentation on Ultrasonography 2026-Feb, Journal of imaging informatics in medicine DOI:10.1007/s10278-025-01527-1 PMID:40329156	研究论文	本研究开发并评估了一种基于深度学习的计算机诊断软件，用于超声图像中下颌髁突的分割	首次将YOLOv8深度学习模型应用于超声图像中下颌髁突的自动分割，实现了高精度的分割性能	研究仅基于668张回顾性超声图像，样本量相对有限，且未涉及不同设备或患者群体的外部验证	开发并评估用于超声图像中下颌髁突分割的计算机辅助诊断软件	匿名成人下颌髁突的超声图像	医学图像处理	颌面部疾病	超声成像	CNN	图像	668张回顾性超声图像	NA	YOLOv8	F1分数, 敏感度, 精确度	NA
3504	2026-02-23	Deep Learning for Classification of Solid Renal Parenchymal Tumors Using Contrast-Enhanced Ultrasound 2026-Feb, Journal of imaging informatics in medicine DOI:10.1007/s10278-025-01525-3 PMID:40329155	研究论文	本研究评估了基于ResNet-18和RepVGG架构的深度学习模型在使用对比增强超声图像对肾实质实性肿瘤亚型进行分类方面的能力	首次将深度学习模型应用于对比增强超声图像，以区分肾实质实性肿瘤的不同亚型，并比较了ResNet-18和RepVGG-A0模型的性能	研究为回顾性设计，样本量相对较小，且仅基于单一机构的图像数据	评估深度学习模型在肾实质实性肿瘤亚型分类中的性能	237个肾肿瘤的对比增强超声图像，包括46个血管平滑肌脂肪瘤、118个透明细胞肾细胞癌、48个乳头状肾细胞癌和25个嫌色细胞肾细胞癌	计算机视觉	肾癌	对比增强超声	CNN	图像	237个肾肿瘤图像	NA	ResNet-18, RepVGG-A0	灵敏度, 特异性, 阳性预测值, 阴性预测值, F1分数, 马修斯相关系数, 准确率, AUC, 混淆矩阵分析	NA
3505	2026-02-23	Deep Learning-Based CT-Less Cardiac Segmentation of PET Images: A Robust Methodology for Multi-Tracer Nuclear Cardiovascular Imaging 2026-Feb, Journal of imaging informatics in medicine DOI:10.1007/s10278-025-01528-0 PMID:40329157	研究论文	本文开发了一种基于深度学习的无CT心脏PET图像分割方法，用于多示踪剂核心血管成像	提出直接分割心脏PET图像的深度学习方法，克服了传统基于CT图像分割的局限性，并在多示踪剂和外部验证集上表现出鲁棒性能	研究样本量相对有限（406张图像），且依赖于手动校正步骤，可能引入主观偏差	开发一种无需CT图像的自动化心脏PET图像分割方法，以提高核心血管成像的定量分析准确性	心脏PET图像，包括来自146名患者的406张图像（43张F-FDG、329张N-NH和37张Rb图像）	数字病理学	心血管疾病	PET成像	深度学习	图像	406张心脏PET图像（来自146名患者）	nnU-Net	nnU-Net V2	Dice系数, Jaccard距离, 平均表面距离, 分割体积相对误差	NA
3506	2026-02-23	Enhancing Breast Cancer Detection Through Optimized Thermal Image Analysis Using PRMS-Net Deep Learning Approach 2026-Feb, Journal of imaging informatics in medicine DOI:10.1007/s10278-025-01465-y PMID:40329154	研究论文	本研究提出了一种名为PRMS-Net的深度学习模型，通过优化热图像分析来增强乳腺癌检测	创新性地将渐进残差网络（PRN）与ResNet-50集成到渐进残差多类支持向量机网络框架中，优化特征提取并提升分类效果	NA	提高乳腺癌早期检测的准确性和可靠性	乳腺癌热图像	计算机视觉	乳腺癌	热图像分析	深度学习	图像	NA	NA	渐进残差网络（PRN）, ResNet-50	准确率, 精确率, 召回率, F1分数	NA
3507	2026-02-23	Two-Stage Automatic Liver Classification System Based on Deep Learning Approach Using CT Images 2026-Feb, Journal of imaging informatics in medicine DOI:10.1007/s10278-025-01480-z PMID:40355689	研究论文	提出了一种基于深度学习的肝脏两阶段自动分类系统，使用非对比CT图像区分肿瘤、泡型包虫病和健康病例	提出了一种结合RCNN自动肝脏区域检测和CNN分类框架的两阶段方法，用于非对比CT图像的肝脏疾病早期诊断	未明确说明模型在外部验证集上的泛化性能，样本量相对有限（233名患者）	开发一种基于非对比CT图像的自动肝脏疾病早期诊断系统	肝脏CT图像，包括健康组织、肿瘤和泡型包虫病病例	计算机视觉	肝脏疾病	CT成像	CNN, RCNN	图像	233名患者的超过27,000张胸腹部图像，其中8,206张包含肝脏组织	NA	RCNN, CNN	准确率	NA
3508	2026-02-23	Effect of Deep Learning-Based Image Reconstruction on Lesion Conspicuity of Liver Metastases in Pre- and Post-contrast Enhanced Computed Tomography 2026-Feb, Journal of imaging informatics in medicine DOI:10.1007/s10278-025-01529-z PMID:40355690	研究论文	本研究探讨了深度学习图像重建在增强前后CT中提升肝转移瘤病灶显著性的效用	首次在中高强度水平（DLIR-M和DLIR-H）上比较深度学习图像重建与传统混合迭代重建在肝转移瘤病灶显著性上的差异	样本量较小（41例患者），且三位观察者在平扫CT中对最佳重建方法的选择存在不一致	评估深度学习图像重建在CT中改善肝转移瘤病灶显著性的效果	肝转移瘤患者的增强前后腹部CT图像	计算机视觉	肝转移瘤	CT成像	深度学习图像重建	医学图像（CT）	41例肝转移瘤患者	NA	TrueFildelity-M, TrueFildelity-H	病灶显著性评分（5点量表）	NA
3509	2026-02-23	Modifying the U-Net's Encoder-Decoder Architecture for Segmentation of Tumors in Breast Ultrasound Images 2026-Feb, Journal of imaging informatics in medicine DOI:10.1007/s10278-025-01537-z PMID:40374986	研究论文	本文提出了一种基于U-Net编码器-解码器架构改进的神经网络方法，用于提高乳腺超声图像中肿瘤分割的准确性和有效性	通过将U-Net与Res-Net和MultiResUNet结合，并引入新的Co-Block模块，以尽可能保留低层次和高层次特征，从而改进编码器和解码器部分	NA	提高乳腺超声图像分割的准确性和有效性	乳腺超声图像中的肿瘤区域	计算机视觉	乳腺癌	超声成像	CNN	图像	780张图像，分为正常、良性和恶性三类	NA	U-Net, ResNet, MultiResUNet	Dice相似系数, 交并比, 曲线下面积, 全局准确率	NA
3510	2026-02-23	Artificial Intelligence and Data Science Methods for Automatic Detection of White Blood Cells in Images 2026-Feb, Journal of imaging informatics in medicine DOI:10.1007/s10278-025-01538-y PMID:40379861	研究论文	本研究评估人工智能和数据科学方法在自动检测和分类白细胞图像中的应用，以支持血液疾病如白血病的诊断	通过文献调查和科学图谱方法，系统评估了AI和DS在白细胞图像自动检测中的有效性，并探讨了生成式AI在血液细胞诊断中的未来应用潜力	研究基于文献综述，缺乏实际临床数据验证，且未详细讨论具体算法在真实医疗环境中的性能限制	评估人工智能和数据科学方法在生物医学诊断中自动检测和计数白细胞及其类型的有效性	白细胞图像，用于血液疾病如白血病的诊断	计算机视觉	白血病	文献调查，科学图谱方法	机器学习，深度学习，分类算法	图像	NA	NA	NA	NA	NA
3511	2026-02-23	Challenges in Using Deep Neural Networks Across Multiple Readers in Delineating Prostate Gland Anatomy 2026-Feb, Journal of imaging informatics in medicine DOI:10.1007/s10278-025-01504-8 PMID:40392414	研究论文	本研究探讨了在多位专家标注者存在的情况下，使用深度神经网络进行前列腺腺体分割时面临的挑战，并提出了量化性能变异性和改进模型泛化性的策略	提出量化深度神经网络在不同专家标注者间的性能变异性，并探索通过结合不同专家标注数据来训练网络以提高模型可重复性和泛化能力	模型对小尺寸腺体的分割性能下降，且研究仅基于两位专家的标注数据，可能无法完全代表更广泛的临床专家变异性	解决临床专家间标注变异性对深度神经网络可重复性和泛化性的影响，并探索改进训练策略	前列腺腺体的磁共振图像分割	数字病理学	前列腺癌	磁共振成像	CNN	图像	总样本数546例（专家R#1标注342例，专家R#2标注204例），训练使用代表性队列（R#1的100例和R#2的150例）	NA	3D U-Net	Dice系数	NA
3512	2026-02-23	Histopathology-Based Prostate Cancer Classification Using ResNet: A Comprehensive Deep Learning Analysis 2026-Feb, Journal of imaging informatics in medicine DOI:10.1007/s10278-025-01543-1 PMID:40394318	研究论文	本研究利用ResNet50深度学习模型对前列腺组织病理学图像进行分类，以区分良性和恶性前列腺癌	采用ResNet50模型进行前列腺癌组织病理学图像分类，并展示了相较于MobileNet和CNN-RNN等模型4.26%的性能提升	NA	优化前列腺癌的诊断准确性，以改善患者预后和治疗成功率	前列腺活检组织病理学图像	数字病理学	前列腺癌	组织病理学成像	CNN	图像	1276张前列腺活检图像	NA	ResNet50	准确率, 精确率, 召回率, F1分数, 置信区间	NA
3513	2026-02-23	An Artificial Intelligence Method for Phenotyping of OCT-Derived Thickness Maps Using Unsupervised and Self-supervised Deep Learning 2026-Feb, Journal of imaging informatics in medicine DOI:10.1007/s10278-025-01539-x PMID:40394321	研究论文	本文提出了一种基于无监督和自监督深度学习的AI方法，用于对OCT衍生的视网膜层厚度图进行表型分型和聚类，以青光眼为模型疾病	引入了一种新颖的AI方法，解决了OCT表型在不同数据集间迁移的挑战，结合了深度学习、流形学习和高斯混合模型来识别不同的表型簇	NA	通过分析OCT图像来增强对眼科疾病生理学和遗传结构的理解	OCT衍生的视网膜层厚度图	计算机视觉	青光眼	光学相干断层扫描	深度学习	图像	两个大型数据集：MEE（18,985张图像）和UKBB（86,115张图像）	NA	NA	皮尔逊相关系数	NA
3514	2026-02-23	Development of a No-Reference CT Image Quality Assessment Method Using RadImageNet Pre-trained Deep Learning Models 2026-Feb, Journal of imaging informatics in medicine DOI:10.1007/s10278-025-01542-2 PMID:40425960	研究论文	本文提出了一种基于RadImageNet预训练深度学习模型的无参考CT图像质量评估方法，用于处理噪声和模糊等多重退化因素	利用结合噪声和模糊退化因素的数据集训练CNN模型，并采用RadImageNet预训练模型（如ResNet50、DenseNet121等），从大规模真实临床图像中学习深度特征，增强对真实世界退化的适应性，无需依赖人工退化图像	NA	开发一种无参考CT图像质量评估方法，以提升诊断准确性、优化成像协议并防止过度辐射暴露	CT图像	计算机视觉	NA	深度学习	CNN	图像	NA	NA	ResNet50, DenseNet121, InceptionV3, InceptionResNetV2	相关系数	NA
3515	2026-02-23	Deep Learning Auto-segmentation of Diffuse Midline Glioma on Multimodal Magnetic Resonance Images 2026-Feb, Journal of imaging informatics in medicine DOI:10.1007/s10278-025-01557-9 PMID:40425959	研究论文	本研究开发了一种基于改进3D U-Net的深度学习工具，用于自动分割弥漫性中线胶质瘤在多模态磁共振图像上的肿瘤区域	首次针对弥漫性中线胶质瘤开发了基于改进3D U-Net的自动分割工具，通过残差块增强网络性能，并在多模态图像上取得了与现有方法相当的结果	数据集规模较小（52名患者，70张图像），且仅使用了T1W和T2W/FLAIR序列，未包含更多先进的MRI序列	开发自动且高精度的肿瘤分割技术，以促进弥漫性中线胶质瘤的预测模型研究和临床理解	弥漫性中线胶质瘤（DMG）H3 K27M突变型患者的磁共振图像	数字病理学	弥漫性中线胶质瘤	磁共振成像（MRI），包括T1加权、T2加权和FLAIR序列	CNN	图像	52名患者，共70张多模态磁共振图像	NA	3D U-Net with residual blocks	Dice相似系数（DSC）	NA
3516	2026-02-23	PlaNet-S: an Automatic Semantic Segmentation Model for Placenta Using U-Net and SegNeXt 2026-Feb, Journal of imaging informatics in medicine DOI:10.1007/s10278-025-01549-9 PMID:40425958	研究论文	本研究开发了一种名为PlaNet-S的自动语义胎盘分割模型，通过集成学习结合U-Net和SegNeXt架构	首次将U-Net和SegNeXt架构通过集成学习框架结合，用于胎盘MRI图像的自动语义分割	研究样本仅来自疑似胎盘异常的孕妇群体，可能限制了模型的泛化能力	开发全自动胎盘语义分割模型以替代耗时的手动分割	疑似胎盘异常的孕妇的磁共振成像（MRI）图像	数字病理学	胎盘异常	磁共振成像（MRI）	CNN	图像	218名孕妇，共1090张标注图像	NA	U-Net, SegNeXt	IoU（交并比）, CCC（连通组件计数）	NA
3517	2026-02-23	Enhanced Pelvic CT Segmentation via Deep Learning: A Study on Loss Function Effects 2026-Feb, Journal of imaging informatics in medicine DOI:10.1007/s10278-025-01550-2 PMID:40437147	研究论文	本研究探讨了使用卷积神经网络（CNNs）自动分割盆腔CT图像中风险器官（OARs），并重点分析了不同损失函数对分割精度的影响	在盆腔CT图像分割中，系统比较了U-Net、ResU-Net、SegResNet和Attention U-Net等多种深度学习模型，并深入研究了不同损失函数（如Dice损失、DiceCE损失）对分割性能的优化效果，发现SegResNet结合Dice损失在多个器官分割任务中表现最优	研究样本量相对有限（前列腺分割240例患者，其他器官220例患者），且仅针对盆腔CT图像，未扩展到其他解剖区域或成像模态	开发一种高效、自动化的风险器官（OARs）分割方法，以替代传统手动分割，提高放射治疗规划的精确性	盆腔CT图像中的膀胱、前列腺、直肠和双侧股骨头	数字病理学	前列腺癌	CT成像	CNN	图像	前列腺分割240例患者，其他器官220例患者	MONAI	U-Net, ResU-Net, SegResNet, Attention U-Net	Dice相似系数（DSC）, Jaccard指数（JI）, 95百分位Hausdorff距离（95thHD）	NA
3518	2026-02-23	Revisiting Eck and Dayhoff's Building Block Model of Ferredoxin Evolution on Dayhoff's 100th Birthday 2026-Feb, Journal of molecular evolution IF:2.1Q3 DOI:10.1007/s00239-025-10283-3 PMID:41196328	研究论文	本文利用深度学习工具AlphaFold2重新评估了Eck和Dayhoff关于铁氧还蛋白进化的串联复制模型	首次应用AlphaFold2从头预测方法验证了铁氧还蛋白的祖先结构，并挑战了原始模型关于氨基酸简化字母表的假设	研究依赖于计算预测模型，可能存在结构预测的不确定性，且未进行实验验证	重新评估铁氧还蛋白的进化历史，特别是串联复制假说	铁氧还蛋白序列和结构，特别是PDB entry 1CIF作为参考	计算生物学	NA	深度学习结构预测，序列比对	AlphaFold2	蛋白质序列和结构数据	NA	AlphaFold2, I-TASSER	AlphaFold2	RMSD, TM-score	NA
3519	2026-02-23	BehaveAI enables rapid detection and classification of objects and behavior from motion 2026-Feb, PLoS biology IF:7.8Q1 DOI:10.1371/journal.pbio.3003632 PMID:41719233	研究论文	本文介绍了BehaveAI，一种生物启发的视频分析框架，通过新颖的颜色-运动编码策略整合静态和运动信息，用于快速检测和分类物体及行为	提出了一种创新的颜色-运动编码策略，将物体运动方向、速度和加速度转换为颜色梯度，使人类标注者和预训练CNN能同时推断运动模式并保留高分辨率空间细节	未明确说明在极端光照或遮挡条件下的性能限制，以及对于非生物运动物体的泛化能力	开发一个高效、轻量级的视频分析框架，用于在复杂自然场景中检测物体并分类行为	动物和单细胞生物体的行为，以及复杂自然场景中的物体	计算机视觉	NA	视频分析，半监督标注工作流	CNN	视频	NA	YOLO11	YOLO11	NA	常规计算机，低端边缘设备如Raspberry Pi
3520	2026-02-23	Carba-NAD binding activates SIR2 by reshaping conformational plasticity and rewiring long-range allosteric networks 2026-Feb, PLoS computational biology IF:3.8Q1 DOI:10.1371/journal.pcbi.1013966 PMID:41719283	研究论文	本研究通过分子动力学模拟和图神经网络模型，系统揭示了辅因子结合如何重塑酵母SIR2蛋白的构象动力学和内部通讯网络，并发现了一个潜在的药物靶点	结合了长时间尺度的分子动力学模拟与基于图的深度学习模型（神经关系推理），首次在SIR2中识别出“核心锁定-外周释放”的动态模式，并揭示了由多个节点协调的接力式变构级联网络	研究基于计算模拟，其结论需要进一步的实验验证；模型系统为酵母SIR2，在人类同源蛋白中的普适性有待确认	阐明蛋白质变构调控的分子机制，特别是辅因子结合如何重塑蛋白质的构象动力学和内部通讯网络	酵母SIR2蛋白（一种NAD⁺依赖性去乙酰化酶）	计算生物学	衰老相关疾病	分子动力学模拟，基于图的深度学习	图神经网络	分子动力学轨迹数据	多个独立的3微秒分子动力学模拟副本	NA	神经关系推理	NA	NA