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
381	2026-05-25	Deep learning based tractography with TractSeg in patients with hemispherotomy: Evaluation and refinement 2025, NeuroImage. Clinical DOI:10.1016/j.nicl.2025.103738 PMID:39922027	研究论文	评估深度学习示踪术TractSeg在半球切开术患者中的表现并提出改进方法	首次记录TractSeg在严重异常数据中幻觉重建已手术断开纤维束的情况，并提出基于低秩张量近似的改进方法以提高数据保真度	推荐在临床应用时谨慎并进行人工质量控制	探索TractSeg在病理数据中的泛化极限并提出改进方案	接受半球切开术的癫痫患者和健康对照组	机器学习	癫痫	弥散磁共振成像示踪术	深度学习模型	图像	25名接受半球切开术的癫痫患者和25名健康对照	NA	TractSeg	NA	NA
382	2026-05-25	Boostering diagnosis of frontotemporal lobar degeneration with AI-driven neuroimaging - A systematic review and meta-analysis 2025, NeuroImage. Clinical DOI:10.1016/j.nicl.2025.103757 PMID:39983552	系统综述和荟萃分析	评估基于神经影像特征的AI算法在额颞叶变性诊断和预测中的效能	首次对AI驱动的神经影像在FTLD诊断中的效能进行系统综述和荟萃分析，涵盖了多个疾病对比场景和多分类任务	较高类别分类（如5类和11类）的灵敏度较低，且研究局限于已发表的英文文献	评估神经影像特征为基础的人工智能算法对额颞叶变性的诊断和预测效能	额颞叶变性（FTLD）患者及其与健康对照、阿尔茨海默病、帕金森病、非典型帕金森综合征等的区分	计算机视觉, 机器学习	额颞叶变性, 阿尔茨海默病, 帕金森病, 非典型帕金森综合征	神经影像学	机器学习, 深度学习	图像	75篇文章共20601名受试者，包括8051名FTLD患者	NA	NA	灵敏度, 特异度	NA
383	2026-05-25	Multi-atlas multi-modality morphometry analysis of the South Texas Alzheimer's Disease Research Center postmortem repository 2025, NeuroImage. Clinical DOI:10.1016/j.nicl.2025.103752 PMID:39987858	研究论文	报告了南德克萨斯阿尔茨海默病研究中心死后脑库的首个形态测量分析，结合多图谱与多模态MRI数据	首次利用该新脑库数据集进行形态测量分析，开发了针对死后MRI挑战的轻量级深度学习网络和MRI合成工具	死后扫描中区域脑体积测量具有挑战性，但可获取对性别和年龄差异敏感的稳健估计	开展死后脑库的多模态MRI形态测量分析，解决死后神经影像学挑战	南德克萨斯阿尔茨海默病研究中心死后脑库的200例脑捐赠和100例MRI扫描	机器学习	阿尔茨海默病	MRI	深度学习	图像	200例脑捐赠和100例MRI扫描	NA	轻量级深度网络	NA	NA
384	2026-05-25	The prognostic value of visual and automatic coronary calcium scoring from low-dose computed tomography-[15O]-water positron emission tomography 2024-08-26, European heart journal. Cardiovascular Imaging DOI:10.1093/ehjci/jeae081 PMID:38525588	research paper	验证低剂量CT扫描中视觉和自动冠脉钙化评分的预后价值	首次在[15O]-水PET心肌灌注成像的低剂量CT扫描中评估视觉和自动CAC评分对主要不良心脏事件的预测价值	研究为单中心回顾性设计，且低剂量CT与参考CSCT扫描间的风险分类一致性仅为中等	评估低剂量CT扫描中视觉和自动冠脉钙化评分对主要不良心脏事件预测的附加价值	疑似冠脉疾病患者	计算机视觉	心血管疾病	低剂量CT, [15O]-水PET	深度学习	医学影像	572名连续患者	NA	NA	风险分类一致性（Cohen's kappa）, 风险比	NA
385	2026-05-25	Prospective deep learning-based quantitative assessment of coronary plaque by computed tomography angiography compared with intravascular ultrasound: the REVEALPLAQUE study 2024-08-26, European heart journal. Cardiovascular Imaging DOI:10.1093/ehjci/jeae115 PMID:38700097	研究论文	前瞻性多中心国际研究，比较基于深度学习自动分析CCTA与IVUS评估冠脉斑块的准确性和一致性	首次在多中心前瞻性研究中验证AI驱动的CCTA斑块量化系统与IVUS金标准的一致性，实现钙化、非钙化及低衰减斑块的全自动分割	样本量相对有限（237例患者432个病变），且仅纳入临床稳定型冠心病患者，未包含急性冠脉综合征人群	评估基于深度学习的CCTA自动斑块分析系统与IVUS金标准在冠脉粥样硬化量化表征中的一致性	临床稳定型冠心病患者的冠脉粥样硬化斑块，包括总斑块体积、钙化斑块、非钙化斑块及低衰减斑块	计算机视觉	冠心病	冠状动脉CT血管造影（CCTA）、血管内超声（IVUS）	深度学习模型（具体架构未明确说明）	医学影像（CCTA和IVUS图像）	237例患者（来自美国及日本15个中心），共432个冠脉病变	NA	NA	相关系数、Bland-Altman分析、Y截距、斜率	NA
386	2026-05-25	Diagnostic support in pediatric craniopharyngioma using deep learning 2024-08, Child's nervous system : ChNS : official journal of the International Society for Pediatric Neurosurgery DOI:10.1007/s00381-024-06400-0 PMID:38647660	研究论文	利用深度学习开发儿童颅咽管瘤诊断支持模型	首次在机构中应用可解释人工智能与深度学习模型结合，辅助放射学诊断儿童颅咽管瘤	NA	开发卷积深度学习算法，用于儿童鞍区-鞍上肿瘤的放射学辅助分类	226名智利儿童患者的术前T1w和T2w磁共振图像	医学影像分析	颅咽管瘤	磁共振成像	卷积神经网络	图像	226名患者（68名健康对照、58名颅咽管瘤患者、100名其他鞍区肿瘤患者）	NA	卷积神经网络	阳性预测值、阴性预测值	NA
387	2026-05-25	Epistasis regulates genetic control of cardiac hypertrophy 2023-Nov-20, Research square DOI:10.21203/rs.3.rs-3509208/v1 PMID:38045390	研究论文	开发低信号符号化迭代随机森林方法来阐明心脏肥大的复杂遗传结构，利用UK Biobank数据揭示上位性遗传变异及其在心脏转录组和单细胞形态学中的影响	提出低信号符号化迭代随机森林方法用于发现上位性关系，整合深度学习心脏MRI分析、转录组网络分析和高通量微流控单细胞形态学分析，揭示非加性遗传效应	NA	阐明心脏肥大的上位性遗传调控机制	心脏肥大及其相关遗传变异	机器学习	心血管疾病	RNA-seq, 单细胞形态学分析, 微流控, RNA沉默	随机森林, 深度学习	图像, 文本, 转录组数据	29,661名UK Biobank参与者（心脏MRI扫描），313个捐赠人类心脏（转录组数据）	NA	迭代随机森林, 深度学习模型	NA	NA
388	2026-05-25	Longitudinal fundus imaging and its genome-wide association analysis provide evidence for a human retinal aging clock 2023-04-17, eLife IF:6.4Q1 DOI:10.7554/eLife.82364 PMID:36975205	研究论文	利用眼底图像和深度学习方法构建视网膜衰老时钟‘eyeAge’，并通过全基因组关联分析提供证据	开发了一种基于眼底图像的高精度视网膜衰老时钟，其预测准确性优于其他衰老时钟，并通过全基因组关联分析发现与个体特异性衰老相关的遗传位点，还在果蝇中验证了基因功能	尚未明确提及局限性，可能包括数据来源的群体偏差或短期时间尺度验证的局限性	利用眼底图像和深度学习方法构建并验证一个更精确的视网膜衰老时钟，以研究衰老及年龄相关疾病	人类的眼底图像及其与衰老相关的遗传特征	计算机视觉, 机器学习	老年性疾病	眼底成像, 全基因组关联分析	深度神经网络	图像	EyePACS数据集（未指定具体数量）和UK Biobank数据（未指定具体数量），但包含质量筛选后的数据	PyTorch	NA	平均绝对误差	NA
389	2026-05-25	AxoNet 2.0: A Deep Learning-Based Tool for Morphometric Analysis of Retinal Ganglion Cell Axons 2023-03-01, Translational vision science & technology IF:2.6Q2 DOI:10.1167/tvst.12.3.9 PMID:36917117	研究论文	开发了一种名为AxoNet 2.0的深度学习工具，用于自动量化视网膜神经节细胞轴突的数量和形态，提高青光眼动物模型轴突损伤评估的效率	首次实现从光学显微图像中自动分割轴浆和髓鞘，同时进行轴突计数和形态学量化，并在多个动物模型上验证了泛化能力	NA	开发自动化工具以快速、客观地评估视网膜神经节细胞轴突损伤，促进青光眼基础和转化研究	大鼠、小鼠和非人灵长类动物的视神经横截面显微图像	计算机视觉	青光眼	光镜显微成像	CNN	图像	大鼠视神经横截面显微图像（手动注释），以及小鼠和非人灵长类动物模型数据	PyTorch	深度分割网络	R², soft-Dice系数, 平均绝对百分比误差	NA
390	2026-05-25	Sparse deep neural networks on imaging genetics for schizophrenia case-control classification 2021-06-01, Human brain mapping IF:3.5Q1 DOI:10.1002/hbm.25387 PMID:33724588	研究论文	提出一种稀疏深度神经网络方法，用于精神分裂症病例-对照分类，结合灰质体积和单核苷酸多态性数据	在输入层引入L1范数正则化实现稀疏特征选择，从而直接解释原始特征（如灰质体积和SNP）对分类的贡献权重	平均错误率仍达28.98%，且方法仅在精神分裂症数据上验证，外推至其他疾病或数据模态需进一步实验	开发可解释的深度学习模型，用于精神分裂症的病例-对照分类并识别生物标志物	精神分裂症患者与健康对照的灰质体积和单核苷酸多态性数据	机器学习, 影像遗传学	精神分裂症	灰质体积成像, 单核苷酸多态性基因分型	稀疏深度神经网络	图像（灰质体积）, 基因型（SNP）	训练样本634例，外部验证集分别为394、255和160例（共1443例）	NA	稀疏深度神经网络（输入层含L1正则化）	错误率	NA
391	2026-05-25	A deep learning model for mass screening of COVID-19 2021-Jun, International journal of imaging systems and technology IF:3.0Q2 DOI:10.1002/ima.22544 PMID:33821094	研究论文	开发卷积神经网络模型 'COVID-Screen-Net'，用于胸部X光图像的三分类（COVID-19、细菌性肺炎和正常）	利用 GradCam 可视化特征，优化卷积层和激活层数量，微调超参数以最小化计算时间并提高效率	未明确提及局限性	开发一种快速且低成本的 COVID-19 大规模筛查工具	胸部X光图像	计算机视觉	COVID-19	NA	卷积神经网络（CNN）	图像	来自医院和网络数据集的匿名胸部X光图像	NA	COVID-Screen-Net	准确率、召回率	NA
392	2026-05-25	Identifying DNA N4-methylcytosine sites in the rosaceae genome with a deep learning model relying on distributed feature representation 2021, Computational and structural biotechnology journal IF:4.4Q2 DOI:10.1016/j.csbj.2021.03.015 PMID:33868598	研究论文	提出基于分布式特征表示的深度学习模型4mC-w2vec，用于识别蔷薇科基因组中的DNA N4-甲基胞嘧啶位点	首次利用word2vec词嵌入技术自动学习特征表示，结合双层卷积神经网络（CNN）识别4mC位点，避免了传统手工特征提取的局限性	目前仅在蔷薇科特定物种（如Arabidopsis和Fragaria）基因组上验证，未提及跨物种泛化能力及计算资源消耗	开发一套基于自动特征选择的计算方法来高效识别DNA N4-甲基胞嘧啶（4mC）位点，提高预测性能	蔷薇科基因组中的DNA N4-甲基胞嘧啶（4mC）和非4mC位点序列	机器学习	NA	DNA甲基化测序	CNN	序列数据（基因组序列）	论文中未明确样本数量，但使用了平衡和不平衡的基因组数据集	PyTorch	卷积神经网络（CNN）	准确率、精确率、召回率、F1分数、AUC	NA
393	2026-05-25	Affective Voice Interaction and Artificial Intelligence: A Research Study on the Acoustic Features of Gender and the Emotional States of the PAD Model 2021, Frontiers in psychology IF:2.6Q2 DOI:10.3389/fpsyg.2021.664925 PMID:34017295	研究论文	本文探讨了声学特征在语音交互中与性别及PAD模型情绪状态的差异，为人工智能情感语音交互提供理论基础	通过实证研究，连接声学特征与心理学理论，为深度学习模型的参数调整提供解释性基础	深度学习模型虽预测准确，但缺乏解释能力，本研究旨在弥补这一不足	探索性别和PAD模型情绪状态在声学特征上的差异，为AI情感语音交互奠定理论依据	声学特征（七大主要声学特征）、性别（男性和女性）、情绪状态（愉悦-唤醒-支配模型）	自然语言处理	不适用	音频录制、声学特征提取（Praat软件）、统计分析方法（双因素方差分析、混合设计分析）	不适用	音频数据	62名参与者（31名女性，31名男性，年龄21至60岁）	SPSS	不适用	不适用	不适用
394	2026-05-25	Deep Learning Convolutional Neural Networks for the Automatic Quantification of Muscle Fat Infiltration Following Whiplash Injury 2019-05-28, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-019-44416-8 PMID:31138878	研究论文	使用深度学习卷积神经网络自动量化挥鞭伤后肌肉脂肪浸润	首次应用CNN对挥鞭伤后深层颈伸肌进行自动分割和肌肉脂肪浸润量化，并与临床疼痛和功能障碍指标相关联	NA	训练并测试CNN用于肌肉分割和自动MFI计算，并探讨其与临床指标的关系	挥鞭伤后3个月的参与者	计算机视觉	挥鞭伤	脂肪-水成像	卷积神经网络	图像	39名参与者（26名女性，平均年龄31.7±9.3岁）	NA	CNN	可靠性、准确性、R值、p值	NA
395	2026-05-24	An automatic detection model for spread through air spaces in postoperative pathological sections based on deep learning in NSCLC 2026-Dec, Computer assisted surgery (Abingdon, England) DOI:10.1080/24699322.2026.2674321 PMID:42172197	研究论文	提出基于深度学习的非小细胞肺癌术后病理切片气腔扩散自动检测模型	结合肿瘤区域分割算法与改进的目标检测算法，首次实现气腔扩散（STAS）的自动检测与量化	外部验证中精度和召回率有所下降，且在肺鳞癌中准确性低于肺腺癌	开发基于深度学习的AI框架，自动检测和量化非小细胞肺癌全切片图像中的气腔扩散（STAS）	91名STAS阳性非小细胞肺癌患者的129张病理切片	数字病理学	非小细胞肺癌	深度学习	目标检测模型	病理图像	129张病理切片（来自91名患者）	PyTorch	分割算法、改进的目标检测模型	Jaccard相似度、精确率、召回率、平均精度（AP）、F1分数、组内相关系数	NA
396	2026-05-24	Deep learning-based non-contrast cine CMR for optimized prediction of left ventricular adverse remodeling after ST-elevation myocardial infarction 2026-Aug-15, International journal of cardiology IF:3.2Q2 DOI:10.1016/j.ijcard.2026.134499 PMID:42031064	研究论文	评估基于非对比心脏磁共振的深度学习模型预测ST段抬高型心肌梗死后左心室不良重构的可行性	首次提出基于非对比CMR的深度学习框架，无需钆对比剂即可预测LVAR，并整合影像、形态和运动特征提升预测性能	回顾性研究且样本量较小（n=252），可能限制模型泛化能力；未进行外部独立验证	开发一种无创、无对比剂的工具用于STEMI患者LVAR风险分层和个性化管理	252例急性STEMI患者（来自两个医疗中心）	数字病理学	ST段抬高型心肌梗死	心脏磁共振	3D U型网络和分类模型	影像、形态和运动特征	252例STEMI患者（训练组176例，测试组76例）	NA	3D U型网络	AUC, 准确率, 灵敏度, 特异度, F1分数	NA
397	2026-05-24	TAPSeg: An open-source deep learning tool for instance-level tooth and pulp segmentation in CBCT 2026-Aug, Journal of dentistry IF:4.8Q1 DOI:10.1016/j.jdent.2026.106643 PMID:41865812	研究论文	开发了一款基于深度学习的开源一键式CBCT牙齿和牙髓自动分割工具TAPSeg，并在三维切片器软件中实现集成分割与重建	提出了结合V-Net和nnU-Net的混合框架，实现牙齿实例级分割和牙髓语义分割，并以3D Slicer插件形式提供一键式操作，降低了临床使用门槛	未提及开放根尖未成熟恒牙分割的具体局限性，可能涉及模型对特殊病例的泛化能力不足	开发并验证基于深度学习的CBCT自动分割工具，实现牙齿和牙髓的集成分割与重建，支持临床数字化牙科工作流程	CBCT扫描中的牙齿和牙髓结构	数字病理学	口腔疾病	锥形束CT（CBCT）	V-Net, nnU-Net	图像	牙齿分割198例，牙髓分割148例	NA	V-Net, nnU-Net	Dice相似系数(DSC), 95% Hausdorff距离(HD95), 灵敏度, 精确度	NA
398	2026-05-24	AI-driven target definition using CE-T1w and black blood sequence imaging in stereotactic radiosurgery for brain metastases 2026-Aug, European journal of radiology IF:3.2Q1 DOI:10.1016/j.ejrad.2026.112891 PMID:42066626	研究论文	开发并评估一种基于深度学习的方法，用于在立体定向放射外科治疗脑转移瘤时，从对比增强T1加权（CE-T1w）和黑血（BB）MR扫描中自动检测和勾画病灶	首次结合CE-T1w和黑血序列成像用于脑转移瘤的自动检测与靶区勾画，并基于nnUNet模型实现高精度，能够识别专家遗漏的3.0%病灶	模型对小病灶（<0.1 cc）的检测灵敏度低于专家（0.83 vs 0.95），需要进一步优化以适用于临床	优化立体定向放射外科治疗脑转移瘤的规划流程	206名立体定向放射外科患者的CE-T1w和BB CE-T1w扫描图像及手动勾画	数字病理学	脑转移瘤	MRI（CE-T1w和黑血序列）	nnUNet	图像	206名患者（162名训练集，44名测试集）	PyTorch	nnUNet	F1分数, 灵敏度, 阳性预测值, Dice系数, Hausdorff距离	NA
399	2026-05-24	A hybrid deep learning framework for accurate N6,2'-O-Dimethyladenosine site prediction 2026-Aug, Biophysical chemistry IF:3.3Q2 DOI:10.1016/j.bpc.2026.107639 PMID:42054815	研究论文	提出一个混合深度学习框架用于精确预测RNA中的N6,2'-O-二甲基腺苷（mAm）修饰位点	整合多种序列衍生特征并结合SHAP进行分析以提升模型效率和可解释性	未提及	开发准确且可解释的mAm位点预测方法，推动表观转录组学研究	RNA中的N6,2'-O-二甲基腺苷（mAm）修饰位点	机器学习, 生物信息学	NA	RNA测序	深度神经网络 (DNN)	RNA序列数据	NA	NA	深度神经网络 (DNN)	准确率	NA
400	2026-05-24	Clinical evaluation of deep learning accelerated 3D magnetic resonance cholangiopancreatography at 1.5 T and 3 T 2026-Aug, European journal of radiology IF:3.2Q1 DOI:10.1016/j.ejrad.2026.112906 PMID:42070421	研究论文	评估深度学习加速的3D磁共振胆胰管成像在1.5T和3T磁场下的临床可行性	利用新型深度学习加速方法Sonic DLTM 3D（SDL）显著缩短扫描时间至11-17秒，同时保持或提升图像质量	放射科医生之间的图像质量评分存在差异，且SDL MRCP并非在所有评估特征类别中均优于标准技术	评估深度学习加速3D MRCP的临床可行性	接受MRCP扫描的患者	机器学习	胆胰系统疾病	MRI	深度学习模型	图像	96名患者（64名1.5T扫描，32名3T扫描）	NA	NA	整体图像质量、图像噪声、图像锐度、伪影	NA