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
3661	2026-02-20	Total-Body PET/CT Metabolic Response in Esophageal Squamous Cell Carcinoma 2026-Jan, Seminars in nuclear medicine IF:4.6Q1 DOI:10.1053/j.semnuclmed.2025.11.010 PMID:41320614	综述	本文综述了全身PET/CT在食管鳞状细胞癌代谢反应评估中的应用，重点介绍了其技术优势与临床潜力	介绍了具有194厘米长轴视野的全身PET/CT系统（uEXPLORER），其灵敏度比传统系统高出68倍，并支持低剂量快速成像、动态全身参数成像及深度学习合成CT技术	NA	评估全身PET/CT在食管鳞状细胞癌新辅助治疗反应监测中的可行性和定量能力	食管鳞状细胞癌患者	数字病理学	食管癌	[F]FDG PET/CT, [F]或[Ga]Ga标记的成纤维细胞活化蛋白抑制剂PET/CT	NA	PET/CT图像	NA	NA	NA	NA	NA
3662	2026-02-20	Machine learning and deep learning in internal medicine: demystifying concepts 2026-01, Revista clinica espanola IF:2.3Q2 DOI:10.1016/j.rceng.2025.502412 PMID:41429301	综述	本文为内科医生提供了关于机器学习和深度学习关键概念的实用且易于理解的介绍，并探讨了其在诊断、预后和临床管理等任务中的应用	以面向内科医生的视角，系统性地解构了机器学习与深度学习的基本概念、应用流程及伦理考量，旨在弥合技术理论与临床实践之间的鸿沟	文章主要为概念性介绍，未涉及具体算法实现细节或实证研究数据，可能缺乏对最新技术进展的深度探讨	旨在向内科医生普及机器学习和深度学习的基本概念及其在临床医学中的应用潜力	内科医生及临床医学研究者	机器学习	NA	NA	神经网络	NA	NA	NA	NA	NA	NA
3663	2026-02-20	Advancing regulatory variant effect prediction with AlphaGenome 2026-Jan, Nature IF:50.5Q1 DOI:10.1038/s41586-025-10014-0 PMID:41606153	研究论文	本文介绍了AlphaGenome，一个统一的DNA序列模型，能够输入1 Mb的DNA序列并预测数千个功能基因组轨迹，涵盖多种模态，以单碱基对分辨率进行预测	AlphaGenome通过统一模型处理长输入序列（1 Mb）并实现高分辨率预测，突破了现有方法在输入序列长度与预测分辨率之间的权衡限制，在26项变体效应预测评估中，25项匹配或超过最强外部模型	NA	推进调控变体效应预测，以解密遗传调控代码	人类和小鼠基因组	机器学习	NA	深度学习	NA	DNA序列	NA	NA	AlphaGenome	变体效应预测评估	NA
3664	2026-02-20	CGMNet: A Center-Pixel and Gated Mechanism-Based Attention Network for Hyperspectral Change Detection 2026, IEEE transactions on image processing : a publication of the IEEE Signal Processing Society IF:10.8Q1 DOI:10.1109/TIP.2026.3661851 PMID:41671143	研究论文	本文提出了一种基于中心像素和门控机制的注意力网络CGMNet，用于高光谱图像变化检测，以提高检测精度和鲁棒性	设计了门控中心空间注意力模块和门控光谱注意力模块，以增强相关特征并抑制冗余信息，同时提出了全局变换融合模块来整合全局上下文信息，并创建了一个新的沿海遥感基准数据集HZB	未明确说明模型在计算效率或处理大规模数据时的性能限制	提高高光谱图像变化检测的准确性和鲁棒性	高光谱图像	计算机视觉	NA	NA	CNN, 注意力网络	高光谱图像	三个公开数据集及新创建的HZB数据集	NA	CGMNet	NA	NA
3665	2026-02-20	Optimizing MRI annotation workflows for high-accuracy deep learning thigh muscle segmentation in athletes 2026-Jan, Radiology advances DOI:10.1093/radadv/umag005 PMID:41694457	研究论文	本研究旨在通过优化MRI标注工作流程，利用深度学习模型实现运动员大腿肌肉的高精度分割，并评估训练数据量对分割性能及下游定量指标的影响	首次系统性地确定了训练准确深度学习大腿肌肉分割模型所需的最小标注MRI研究数量，并验证了仅需20个标注样本即可达到临床可接受性能，为高效自动化分割提供了数据需求指导	研究数据仅来自单一中心的3T GE Premier系统扫描的运动员群体，可能限制了模型对其他扫描设备或普通人群的泛化能力	确定训练准确大腿肌肉分割深度学习模型所需的标注MRI研究数量，并评估训练规模对下游定量测量一致性的影响	前交叉韧带损伤的竞技运动员和职业足球运动员的大腿肌肉MRI图像	数字病理学	肌肉骨骼损伤	MRI, 扩散张量成像	深度学习	MRI图像	训练集规模从5到120个受试者不等，固定独立测试集包含41个受试者	nnU-Net	nnU-Net	Dice相似系数, 相对体积差异, Hausdorff距离, HD95, 平均对称表面距离	NA
3666	2026-02-20	Preoperative Ternary Classification of Pulmonary Ground-Glass Nodules (AIS/MIA/IAC): ResNet-10 Outperforms Radiomics and Clinicoradiographic Models in Multicenter Study 2026 Jan-Dec, Technology in cancer research & treatment IF:2.7Q3 DOI:10.1177/15330338261423265 PMID:41697766	研究论文	本研究通过多中心CT数据集，比较了深度学习、影像组学和临床影像模型在肺磨玻璃结节术前AIS/MIA/IAC三元分类中的性能	首次在多中心研究中，将ResNet-10深度学习模型应用于肺磨玻璃结节的三元分类，并证明其性能优于传统的影像组学和临床影像模型	研究样本量相对有限（847个结节），且仅基于CT影像，未整合多模态数据	术前区分肺磨玻璃结节的腺癌原位癌、微浸润腺癌和浸润性腺癌，以指导临床管理和手术规划	术后确诊为肺腺癌的847个肺磨玻璃结节	计算机视觉	肺癌	CT影像分析	CNN	图像	847个肺磨玻璃结节（训练集592个，验证集255个）	NA	DenseNet-121, ResNet-10, ResNet-18, VGG-13	Macro-AUC, 准确率, F1分数	NA
3667	2026-02-19	Expression of Concern: Multi-convolutional neural networks for cotton disease detection using synergistic deep learning paradigm 2026, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0343102 PMID:41701686	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
3668	2026-02-20	Image-based machine learning models for customized soil moisture management 2026, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0341904 PMID:41701764	研究论文	本研究提出了一种结合土壤传感器和图像分析的AI系统，用于支持定制化的土壤水分管理，以移植的野生模拟人参为模型作物	开发了一种非侵入性方法，通过RGB图像和传感器数据结合深度学习模型，实现个体植物层面的土壤水分监测，克服了传统智能农业系统统一处理的局限性	模型尚未在不同作物和土壤类型中广泛验证，且需要集成更多光谱数据以提高鲁棒性和可扩展性	改善智能农业中的资源利用效率和产量，通过定制化土壤水分管理满足个体植物需求	移植的野生模拟人参	计算机视觉	NA	图像分析，土壤传感器数据采集	深度学习模型，随机森林回归模型	图像，传感器数据	未明确指定样本数量，但涉及不同深度（3厘米、10厘米和15厘米）的土壤传感器数据和RGB图像	未明确指定，但可能涉及TensorFlow或PyTorch等深度学习框架	DenseNet121	R², RMSE	NA
3669	2026-02-20	A Fully Automated 3D CT U-Net Framework for Segmentation and Measurement of the Masseter Muscle, Innovatively Incorporating a Self-Supervised Algorithm to Effectively Reduce Sample Size: A Validation Study in East Asian Populations 2026-Jan, Aesthetic plastic surgery IF:2.0Q2 DOI:10.1007/s00266-025-05066-6 PMID:40858739	研究论文	本研究开发并评估了一种基于U-Net的从粗到细学习框架，用于自动分割和测量咬肌体积，并在840名健康东亚志愿者中验证其有效性	创新性地结合了自监督算法，有效减少了深度学习所需的样本量	研究仅基于健康东亚人群的CT扫描，可能不适用于其他人群或疾病状态	开发并评估用于咬肌自动分割和体积测量的深度学习框架	840名健康东亚志愿者（253名男性，587名女性）的头部CT扫描	数字病理学	NA	CT扫描	CNN	3D CT图像	840名健康东亚志愿者，其中15例用于临床验证	NA	U-Net	体积准确性，形态学评分，运行时间	NA
3670	2026-02-20	3D FusionNet for synthetic CT based lung cancer segmentation 2025-Dec-03, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-29703-x PMID:41339453	研究论文	本研究提出了一种结合DCGAN与3D-TDUnet++的3D-FusionNet模型，用于基于合成CT的肺癌分割，以解决医学图像分割中标注数据不足的问题	将DCGAN用于生成合成CT图像以增强数据集，并结合3D-TDUnet++与非局部特征聚合（NLFa）架构，提高了肺癌分割的精度和鲁棒性	未提及模型在更广泛或多样化数据集上的泛化能力，以及临床部署中的具体验证细节	开发一种高效的肺癌分割框架，以改善计算机辅助诊断系统中的三维医学扫描解释	肺癌CT图像	计算机视觉	肺癌	CT扫描	DCGAN, 3D-TDUnet++	图像	使用公开的KAGGLE胸部CT扫描数据集，并通过DCGAN生成合成图像进行增强	未明确提及，但基于深度学习框架	3D-FusionNet（结合DCGAN与3D-TDUnet++及NLFa）	Dice系数, F1分数, 准确率	未提及
3671	2026-02-20	Regional attention-enhanced vision transformer for accurate Alzheimer's disease classification using sMRI data 2025-Oct, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.111065 PMID:40945221	研究论文	本研究提出了一种名为区域注意力增强视觉变换器（RAE-ViT）的新型框架，用于利用结构磁共振成像（sMRI）数据对阿尔茨海默病进行分类	引入了区域注意力机制来优先处理疾病关键脑区（如海马体和脑室），并整合了分层自注意力和多尺度特征提取，以同时建模局部和全局结构模式	未来工作将侧重于为边缘设备优化模型、整合多模态数据以及探索自监督和联邦学习，暗示当前模型在部署、数据融合和泛化性方面仍有提升空间	实现阿尔茨海默病的早期和准确诊断	阿尔茨海默病（AD）	计算机视觉	阿尔茨海默病	结构磁共振成像（sMRI）	Vision Transformer（ViT）	图像	1152份sMRI扫描（255例AD，521例MCI，376例NC），来自阿尔茨海默病神经影像学倡议（ADNI）数据集	NA	区域注意力增强视觉变换器（RAE-ViT），标准ViT，ResNet-50	准确率，灵敏度，特异度，AUC，Dice系数	NA
3672	2026-02-20	Automated Remote Detection of Falls Using Direct Reconstruction of Optical Flow Principal Motion Parameters 2025-Sep-11, Sensors (Basel, Switzerland) DOI:10.3390/s25185678 PMID:41012917	研究论文	本文提出了一种基于光学流主运动参数直接重构的全自动跌倒检测方法，旨在提高检测精度并降低计算成本	通过直接重构主运动参数，避免了计算密集型的光学流全重建，同时提供了有效的描述符以实现精确检测	未明确提及具体样本量或数据集细节，且未来需在资源受限环境中进行优化和深度学习增强	开发一种高效、自动化的跌倒检测技术，适用于医疗保健和辅助技术领域	跌倒检测系统，重点关注视频监控中的运动分析	计算机视觉	老年疾病	光学流分析	NA	视频	NA	NA	NA	检测准确率, 计算效率	NA
3673	2026-02-20	Deep Learning MRI Models for the Differential Diagnosis of Tumefactive Demyelination versus IDH Wild-Type Glioblastoma 2025-Jul-01, AJNR. American journal of neuroradiology DOI:10.3174/ajnr.A8645 PMID:39788628	研究论文	本文开发了一种基于深度学习的MRI模型，用于区分肿瘤性脱髓鞘与IDH野生型胶质母细胞瘤	首次应用3D DenseNet121架构结合T1C和T2加权MRI图像，通过深度学习模型实现这两种脑部病变的非侵入性鉴别诊断	模型需要进一步验证以评估其在跨机构、患者群体和技术中的泛化能力，且未纳入其他肿瘤病因如中枢神经系统淋巴瘤和脑转移瘤	开发非侵入性方法，准确诊断脑部病变，以指导个体化治疗并降低医源性发病率和死亡率	肿瘤性脱髓鞘患者（144例）和IDH野生型胶质母细胞瘤患者（455例）	医学影像分析	脑部疾病	MRI（磁共振成像）	深度学习	图像	599例患者（144例肿瘤性脱髓鞘，455例IDH野生型胶质母细胞瘤）	NA	3D DenseNet121	AUROC（受试者工作特征曲线下面积），敏感性，特异性	NA
3674	2026-02-20	Dynamic frame-by-frame motion correction for 18F-flurpiridaz PET-MPI using convolution neural network 2025-Jul-01, medRxiv : the preprint server for health sciences DOI:10.1101/2025.06.27.25330436 PMID:40630596	研究论文	本文提出了一种基于卷积神经网络的深度学习框架，用于自动校正18F-flurpiridaz PET心肌灌注成像中的逐帧运动，以提高心肌血流和血流储备定量的准确性	首次将3D ResNet架构应用于18F-flurpiridaz PET的自动运动校正，通过模拟向量进行数据增强以提升训练鲁棒性，并实现了与经验操作者手动校正相当的诊断性能	研究基于单一临床试验（NCT01347710）的数据，样本量相对有限（32个站点），且依赖两名经验操作者的手动校正作为金标准，可能存在主观偏差	开发一种自动、快速且准确的深度学习运动校正方法，以减少18F-flurpiridaz PET心肌灌注成像中手动校正的观察者间变异性和时间消耗	18F-flurpiridaz PET心肌灌注成像数据，来自32个站点的临床试验受试者	医学影像分析	心血管疾病	PET成像	CNN	3D PET图像	来自32个站点的临床试验数据（具体样本数未明确，但使用5折交叉验证）	未明确指定，但基于深度学习框架	3D ResNet	AUC, 95%置信限, 平均差异	NA
3675	2026-02-20	Effective 12-Lead ECG Reconstruction from Minimal Lead Sets Using Deep Learning for Advanced Wearable Systems 2025-Jul, Annual International Conference of the IEEE Engineering in Medicine and Biology Society. IEEE Engineering in Medicine and Biology Society. Annual International Conference DOI:10.1109/EMBC58623.2025.11254119 PMID:41336307	研究论文	本研究利用深度学习模型，从仅含三个导联的心电信号中重建标准的12导联心电图，以提升可穿戴设备的心电监测能力	采用通用模型在所有受试者上训练，无需个体化训练，提高了计算效率和泛化能力；探索了多种三导联输入配置与两种网络架构（纯卷积模型和卷积-时序模型）的组合	研究未在病理人群中进行验证，未来需扩展至病理人群	探索从少量导联重建完整12导联心电图的可行性，以增强可穿戴心电设备的诊断能力	从35电极体表电位图中提取的三导联心电信号	机器学习	心血管疾病	体表电位图	CNN	心电信号	未明确说明样本数量，但使用了多受试者的体表电位图数据	NA	纯卷积模型, 卷积-时序模型	中位数R值	NA
3676	2026-02-20	Deep Neural Encoder-Decoder Model to Relate fMRI Brain Activity with Naturalistic Stimuli 2025-Jul, Annual International Conference of the IEEE Engineering in Medicine and Biology Society. IEEE Engineering in Medicine and Biology Society. Annual International Conference DOI:10.1109/EMBC58623.2025.11254034 PMID:41336410	研究论文	本文提出了一种端到端的深度神经网络编码器-解码器模型，用于编码和解码自然刺激下的fMRI脑活动	利用时间卷积层处理连续电影帧输入，有效弥合自然电影刺激与fMRI采集之间的时间分辨率差距	NA	探索自然刺激下fMRI脑活动与视觉输入之间的编码-解码关系	视觉皮层及周围体素的脑活动	机器学习和神经科学	NA	功能磁共振成像	编码器-解码器模型	fMRI数据和自然电影刺激	NA	NA	时间卷积层	NA	NA
3677	2026-02-20	Image-based Mandibular and Maxillary Parcellation and Annotation using Computer Tomography (IMPACT): A Deep Learning-based Clinical Tool for Orodental Dose Estimation and Osteoradionecrosis Assessment 2025-Mar-20, medRxiv : the preprint server for health sciences DOI:10.1101/2025.03.18.25324199 PMID:40166584	研究论文	提出一种基于深度学习的自动分割框架，用于在放疗CT图像上精确分割下颌骨、上颌骨子区域及单个牙齿，以支持剂量评估和骨放射性坏死评估	开发了一种新颖的深度学习自动分割框架，结合Swin UNETR和ResUNet模型，首次实现了与ClinRad ORN分期系统对齐的下颌骨/上颌骨子区域及单个牙齿的精确分割，并用于剂量空间定位分析	分割性能在不同子区域间存在差异（如上前磨牙Dice值仅0.69），且对数据中常缺失的牙齿和子区域分割适用性有限	开发一种临床工具，用于口腔颌面结构的自动分割，以支持放疗剂量估计和骨放射性坏死评估	放疗CT图像中的下颌骨、上颌骨子区域（牙槽区与基骨区）及单个牙齿	数字病理学	头颈癌	计算机断层扫描（CT）	深度学习	CT图像	NA	NA	Swin UNETR, ResUNet	Dice系数, 几何精度, 剂量学比较, 统计显著性检验（Bonferroni校正p值）	NA
3678	2026-02-20	Classification of Major Depressive Disorder Using Vertex-Wise Brain Sulcal Depth, Curvature, and Thickness with a Deep and a Shallow Learning Model 2025-Jan-24, ArXiv PMID:39975425	研究论文	本研究使用大脑皮层顶点水平的沟深、曲率和厚度特征，结合深度学习和浅层学习模型，对重度抑郁症患者与健康对照组进行分类	首次在大规模、多中心的ENIGMA-MDD数据集上，系统评估了顶点水平皮层形态特征的整合对MDD分类的效能，并比较了DenseNet与SVM两种非线性与线性模型的性能	仅使用结构MRI的皮层形态特征，分类性能接近随机水平，未能有效区分MDD与健康对照；结果可能受多中心数据异质性影响	探索基于大脑皮层形态特征的机器学习模型对重度抑郁症的诊断分类能力	重度抑郁症患者与健康对照者	神经影像分析	重度抑郁症	结构磁共振成像	DenseNet, SVM	神经影像特征数据	7,012名参与者（2,772名MDD患者，4,240名健康对照），来自30个研究中心	NA	DenseNet	平衡准确率	NA
3679	2026-02-20	AI driven interpretable deep learning based fetal health classification 2024-12, SLAS technology IF:2.5Q3 DOI:10.1016/j.slast.2024.100206 PMID:39396731	研究论文	本研究提出了一种基于深度学习的胎儿健康分类模型，将胎儿健康分为正常、可疑和病理三类，旨在提高诊断过程的效率和效果	结合可解释性深度学习技术，通过特征重要性和特征显著性分析增强分类器决策的透明度，促进临床信任和采用	NA	利用深度学习改进胎儿健康评估，为早期风险检测提供可靠工具	通过Cardiotocography (CTG)获取的胎儿健康数据	机器学习	NA	Cardiotocography (CTG)	DNN	表格数据	NA	NA	深度神经网络（包含多个隐藏层，并采用批量归一化和Dropout层）	准确率, 灵敏度, 特异性, AUC, 精确率, F1分数	NA
3680	2026-02-20	Automatic sleep staging based on 24/7 EEG SubQ (UNEEG medical) data displays strong agreement with polysomnography in healthy adults 2024-12, Sleep health IF:3.4Q2 DOI:10.1016/j.sleh.2024.08.007 PMID:39406630	研究论文	本文评估了基于双通道皮下脑电图（SubQ）的自动睡眠分期模型U-SleepSQ在健康成人中的性能，并与多导睡眠图（PSG）手动评分进行对比	开发了U-SleepSQ模型，首次在24/7皮下脑电图数据上实现自动睡眠分期，并展示了与PSG金标准的高度一致性	研究样本仅包括22名健康成人，未涉及睡眠障碍患者，且样本量相对较小	评估自动睡眠分期技术在双通道皮下脑电图数据上的性能	健康成年人的睡眠脑电图数据	数字病理学	NA	皮下脑电图（SubQ），多导睡眠图（PSG）	深度学习模型	脑电图（EEG）数据	22名健康成人，每人1-6次记录	NA	U-SleepSQ（基于U-Sleep的微调版本）	Bland-Altman分析，阶段特异性准确率，特异性，敏感性，kappa系数，F1分数，Cohen's κ系数，宏观F1分数	NA