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
4821	2026-02-10	Deep learning-based detection of lumbar spinal canal stenosis using convolutional neural networks 2024-11, The spine journal : official journal of the North American Spine Society DOI:10.1016/j.spinee.2024.06.009 PMID:38909909	研究论文	本研究开发了一种基于卷积神经网络（CNN）的深度学习算法，用于从腰椎平片中自动检测需要手术的腰椎管狭窄症（LSCS）	首次利用CNN从易于获取的腰椎平片中自动诊断LSCS，为缺乏MRI设备或非专科医生提供了早期诊断工具，可能减少治疗延误	研究为单中心回顾性分析，样本量相对较小（150例患者），且外部验证仅包含额外25例患者，可能存在选择偏倚	开发一种基于深度学习的算法，从腰椎平片中诊断需要手术的腰椎管狭窄症	腰椎管狭窄症患者，包括退行性腰椎滑脱患者	计算机视觉	腰椎管狭窄症	磁共振成像（MRI），X射线平片	CNN	图像	175名患者（150名来自单中心，25名来自其他两家医院），共600张腰椎平片图像	NA	NA	AUC, 灵敏度, 特异性, 阳性预测值, 阴性预测值, 准确率, 阳性似然比, 阴性似然比, 相关系数	NA
4822	2026-02-10	Deep learning of echocardiography distinguishes between presence and absence of late gadolinium enhancement on cardiac magnetic resonance in patients with hypertrophic cardiomyopathy 2024-Oct-14, Echo research and practice IF:3.2Q2 DOI:10.1186/s44156-024-00059-8 PMID:39396969	研究论文	本研究利用深度学习分析超声心动图图像，以区分肥厚型心肌病患者心脏磁共振中晚期钆增强的存在与否	首次将深度学习应用于超声心动图图像，以非侵入性方式预测心脏磁共振中的晚期钆增强，提供了一种资源密集度较低的辅助诊断方法	研究为横断面设计，样本量相对较小（323例），且仅使用了超声心动图的五腔心视图，可能未充分利用所有可用信息	区分肥厚型心肌病患者心脏磁共振中晚期钆增强的阳性与阴性状态	肥厚型心肌病患者	医学影像分析	肥厚型心肌病	超声心动图，心脏磁共振，晚期钆增强	深度卷积神经网络	图像	323例患者（训练集273例，测试集50例）	未明确指定	深度卷积神经网络	AUC, 敏感性, 特异性, 阳性预测值, 阴性预测值	NA
4823	2026-02-10	A comparison of super-resolution microscopy techniques for imaging tightly packed microcolonies of an obligate intracellular bacterium 2024-Aug-13, bioRxiv : the preprint server for biology DOI:10.1101/2024.08.12.607698 PMID:39211076	研究论文	本研究比较了五种超分辨率显微镜技术在成像紧密聚集的专性细胞内细菌微菌落方面的性能	首次系统比较了多种超分辨率显微镜技术（包括Airyscan、iSIM、3D-SIM和STED）在解析专性细胞内细菌三维结构方面的能力，并结合深度学习软件Cellpose进行细胞分割分析	研究仅针对一种专性细胞内细菌物种（Ot），未涵盖其他细菌类型；技术比较可能受特定实验条件和标记方法的限制	评估不同超分辨率显微镜技术在成像紧密聚集的细胞内细菌时的分辨能力和适用性	专性细胞内细菌物种Ot的微菌落	生物医学成像	NA	荧光显微镜技术，包括标准共聚焦、Airyscan共聚焦、iSIM、3D-SIM和STED	深度学习模型	显微镜图像	未明确指定样本数量，涉及在不同哺乳动物细胞系中生长的细菌	Cellpose, Imaris	NA	半高全宽（FWHM）测量、三维形状和大小分析	NA
4824	2026-02-10	From 2D to 3D: automatic measurement of the Cobb angle in adolescent idiopathic scoliosis with the weight-bearing 3D imaging 2024-07, The spine journal : official journal of the North American Spine Society DOI:10.1016/j.spinee.2024.03.019 PMID:38583576	研究论文	本研究比较了青少年特发性脊柱侧凸（AIS）中传统的2D Cobb角测量与基于负重3D成像（WR3D）的3D自动测量技术	首次在AIS评估中系统比较了传统2D Cobb角测量与三种不同的3D自动测量方法（AM、PIM、PPM），并利用3D-UNet深度学习模型进行脊柱分割，实现了自动化的3D角度计算	样本量相对较小（53例患者），且缺乏严重弯曲患者的验证，需要进一步研究来扩展和验证结果	比较传统2D与3D自动测量方法在评估青少年特发性脊柱侧凸脊柱弯曲度方面的差异	青少年特发性脊柱侧凸（AIS）患者	数字病理学	青少年特发性脊柱侧凸	负重3D成像（WR3D）、深度学习分割	CNN	3D医学图像	53名AIS患者，包含88个脊柱弯曲	3D Slicer	3D-UNet	NA	NA
4825	2024-10-17	Editorial: Deep learning methods and applications in brain imaging for the diagnosis of neurological and psychiatric disorders 2024, Frontiers in neuroscience IF:3.2Q2 DOI:10.3389/fnins.2024.1497417 PMID:39411146	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
4826	2026-02-09	Super-adhesive sensor based on amylopectin-polyacrylic acid hydrogel for deep learning-assisted sign language recognition 2026-May, Journal of colloid and interface science IF:9.4Q1 DOI:10.1016/j.jcis.2026.139914 PMID:41570706	研究论文	本文设计了一种基于直链淀粉-聚丙烯酸水凝胶的超粘附传感器，并将其应用于深度学习辅助的手语识别系统	通过调控成分和网络结构，合理设计了聚丙烯酸/单宁酸/直链淀粉水凝胶，该凝胶集成了优异的韧性、高灵敏度、增强的电导率和强大的多表面粘附性，并首次将其无缝集成到深度学习辅助的手语识别系统中	NA	解决柔性可穿戴电子设备在高级应用领域中因粘附性差和性能不稳定而受限的问题，并探索其在人机交互和沟通中的应用	聚丙烯酸/单宁酸/直链淀粉水凝胶及其制成的传感器	机器学习	NA	NA	深度学习	传感器信号	NA	NA	NA	NA	NA
4827	2026-02-09	Deep learning based treatment remission prediction to transcranial direct current stimulation in bipolar depression using EEG power spectral density 2026-Apr, Psychiatry research. Neuroimaging DOI:10.1016/j.pscychresns.2025.112115 PMID:41478240	研究论文	本文利用深度学习模型基于脑电图信号预测双相抑郁患者在接受经颅直流电刺激治疗后的临床缓解情况	首次将一维卷积神经网络与门控循环单元结合的混合模型应用于双相抑郁的经颅直流电刺激治疗缓解预测，并专注于特定电极和频带的功率谱密度特征	样本量较小（仅21名参与者），且仅使用两个电极的特定频带数据，可能限制了模型的泛化能力	预测双相抑郁患者在接受6周家庭经颅直流电刺激治疗后的临床缓解情况	双相障碍患者	机器学习	双相障碍	脑电图	1DCNN, GRU	脑电图信号	21名双相参与者	NA	1DCNN与GRU的混合模型	准确率, 灵敏度, 特异性	NA
4828	2026-02-09	EEG-based schizophrenia classification using attention-integrated deep convolutional networks 2026-Apr, Psychiatry research. Neuroimaging DOI:10.1016/j.pscychresns.2026.112138 PMID:41529582	研究论文	本文提出了一种基于卷积注意力的深度学习框架，用于从脑电图信号中自动检测精神分裂症	提出了一种将卷积层空间特征提取与注意力机制相结合的新框架，该机制能自适应地聚焦于脑电图中的判别性时间模式	模型在不同数据集（莫斯科数据集和IBIB PAN数据集）上的性能差异显著，突显了在具有不同人口统计学和采集特征的数据集间泛化的挑战	开发一种用于精神分裂症自动检测的深度学习模型	精神分裂症患者的脑电图信号	机器学习	精神分裂症	脑电图	CNN	脑电图信号	两个公开数据集：莫斯科脑电图数据集和IBIB PAN数据集	NA	卷积注意力网络	准确率	NA
4829	2026-02-09	Advancing precision psychiatry: Machine learning integration with neuroimaging for early detection and diagnosis of Obsessive-Compulsive Disorder 2026-Apr, Psychiatry research. Neuroimaging DOI:10.1016/j.pscychresns.2026.112137 PMID:41539129	综述	本文综述了机器学习与神经影像学相结合在强迫症早期检测和诊断中的最新进展	整合了混合模型和可解释人工智能方法，用于神经影像数据分析，以提升诊断准确性和临床可解释性	存在数据集变异性大、模型泛化能力有限以及伦理问题等挑战	推动精准精神病学，通过机器学习改进强迫症的早期检测和诊断	强迫症患者	机器学习	强迫症	结构磁共振成像, 功能磁共振成像	支持向量机, 卷积神经网络, 深度学习混合模型	神经影像数据, 生化标志物, 临床数据	NA	NA	NA	诊断准确率	NA
4830	2026-02-09	Dual-representation structural MRI classification of psychiatric disorders using deep learning and large language models 2026-Apr, Psychiatry research. Neuroimaging DOI:10.1016/j.pscychresns.2026.112146 PMID:41576904	研究论文	本研究提出了一种双表征结构MRI框架，结合原始T1加权MRI切片和彩色编码组织分割图，使用ResNet-18 CNN和大型语言模型进行精神疾病分类	提出双表征结构MRI框架，结合原始图像与分割图，并首次使用大型语言模型作为后分析工具解释CNN输出，增强分类性能与可解释性	数据集规模有限（N=103），需通过迁移学习和数据增强技术应对	提高精神疾病（如精神分裂症和双相情感障碍）的准确分类，支持更透明、信息丰富的诊断工具开发	健康对照组、精神分裂症谱系、伴精神病性症状的双相情感障碍、不伴精神病性症状的双相情感障碍	数字病理学	精神疾病	结构MRI（T1加权成像）	CNN, LLM	图像	103例	PyTorch, TensorFlow	ResNet-18	准确率, 精确率, 召回率, F1分数, AUC	GPU（如NVIDIA V100或A100），可能使用AWS、Google Cloud或Azure云平台
4831	2026-02-09	Early diagnosis of Alzheimer's disease from functional rs-fMRI images based on deep learning networks and transfer learning approach 2026-Apr, Psychiatry research. Neuroimaging DOI:10.1016/j.pscychresns.2026.112151 PMID:41604985	研究论文	本研究提出了一种基于优化VGG网络和迁移学习的方法，利用静息态功能磁共振成像（rs-fMRI）对阿尔茨海默病进行早期诊断	提出了两种新颖的深度网络OVGG-16和OVGG-19，结合了迁移学习和密集层的概念，以改进诊断性能并加速收敛	未明确提及具体的研究局限性，如数据集规模、泛化能力或临床验证的细节	开发一种计算机辅助诊断系统，用于阿尔茨海默病的早期诊断	阿尔茨海默病患者	计算机视觉	阿尔茨海默病	静息态功能磁共振成像	CNN	图像	NA	NA	VGG-16, VGG-19, OVGG-16, OVGG-19	准确率	NA
4832	2026-02-09	Molreac-Oxi: An end-to-end deep learning-quantum chemistry platform for •OH reactivity (kOH), pathways, and active-site insight 2026-Mar-15, Environmental research IF:7.7Q1 DOI:10.1016/j.envres.2026.123763 PMID:41534583	研究论文	本文介绍了一个名为Molreac-Oxi的混合元模型框架，结合深度学习与量子化学，用于高效预测污染物与羟基自由基的反应速率常数、反应路径和活性位点分析	提出了一种融合深度预训练模型与传统机器学习的混合元模型框架，并集成了预测、机理推断和在线分析功能，通过PES-Learn模型与纳米反应器MD工作流结合，实现了近DFT精度的机理假设生成，且计算成本大幅降低	静态结构-性质模型的势能面分辨率有限，可能影响某些复杂反应的精确预测	高效评估污染物与羟基自由基系统的反应速率常数，以支持环境污染控制	968种污染物的DFT优化结构及多维量子化学描述符	机器学习	NA	DFT, 纳米反应器MD工作流	深度学习, 传统机器学习	3D分子结构, 量子化学描述符	968种污染物用于模型训练，72,502种有机污染物用于PES-Learn模型	NA	Uni-Mol, Random Forest, Gradient Boosting, XGBoost, LightGBM, CatBoost	R, MAE	GPU
4833	2026-02-09	Optimizing wastewater treatment through combined deep learning and deep reinforcement learning: Recent advances and future prospects 2026-Mar-15, Environmental research IF:7.7Q1 DOI:10.1016/j.envres.2026.123795 PMID:41547426	综述	本文综述了深度学习和深度强化学习在优化污水处理过程中的最新进展与未来前景	通过阐明深度学习和深度强化学习的计算原理，讨论它们在污水处理中的应用适用性和优势，并强调标准化开放数据平台和模型透明化的重要性	智能系统在污水处理厂的实际应用仍面临挑战，需要可靠且标准化的数据采集	优化污水处理过程，提升性能并减少碳排放，以促进可持续城市发展	污水处理厂（WWTPs）	机器学习	NA	NA	深度学习, 深度强化学习	NA	NA	NA	NA	NA	NA
4834	2026-02-09	D-EDL: Differential evidential deep learning for robust medical out-of-distribution detection 2026-Mar, Medical image analysis IF:10.7Q1 DOI:10.1016/j.media.2025.103888 PMID:41344199	研究论文	提出一种名为D-EDL的差分证据深度学习框架，用于医学图像中鲁棒的分布外样本检测	针对传统证据深度学习在医学图像高数据不确定性样本上的过惩罚效应，提出用排除模块替代KL散度进行差分约束，并引入测试时原始证据推断和平衡检测评分以提升鲁棒性与临床适用性	方法在极端测试场景下的性能仍需更多临床数据集验证，未明确说明计算复杂度增加的具体影响	提升医学图像分布外样本检测的鲁棒性与临床安全性	医学图像中的分布外样本（如罕见病症）	计算机视觉	皮肤病（ISIC2019）、骨髓细胞形态学疾病、眼部疾病（EDDFS）	深度学习	证据深度学习（EDL）的改进框架	医学图像	ISIC2019数据集、骨髓细胞形态学数据集、EDDFS数据集（具体样本数未明确说明）	PyTorch（基于代码仓库推断）	未明确指定基础网络架构，但基于证据深度学习框架改进	鲁棒性指标、临床适用性、平衡检测评分（BDS）、分布外检测精度	未明确说明
4835	2026-02-09	Perivascular space identification nnUNet for generalised usage (PINGU) 2026-Mar, Medical image analysis IF:10.7Q1 DOI:10.1016/j.media.2025.103903 PMID:41365148	研究论文	本研究开发了一个名为PINGU的深度学习模型，用于在异质性MRI数据上自动分割血管周围空间（PVS），以提升其在不同临床和研究环境中的泛化能力	首次在异质性多数据集、多扫描仪、不同分辨率和质量的MRI上训练nnUNet模型，用于PVS分割，并在基底神经节区域表现出优于现有公开算法的性能	在未见过的外部站点数据上性能显著下降，表明模型泛化能力仍有局限	开发一个广泛适用的自动化血管周围空间（PVS）分割工具，以支持脑部废物清除系统与神经疾病的研究	脑部MRI图像中的血管周围空间（PVS），重点关注白质和基底神经节区域	数字病理学	神经疾病	MRI	深度学习	图像	来自7个不同数据集、6台不同扫描仪的异质性MRI样本	nnUNet	nnUNet	Dice系数（体素水平和簇水平）	NA
4836	2026-02-09	Immunocto: A massive immune cell database auto-generated for histopathology 2026-Mar, Medical image analysis IF:10.7Q1 DOI:10.1016/j.media.2025.103905 PMID:41401636	研究论文	本文介绍了一种自动从H&E和多重免疫荧光染色组织切片生成大规模免疫细胞数据库的工作流程，并创建了Immunocto数据库	利用Segment Anything Model自动生成单细胞轮廓和标签，相比现有数据库需要最少人工干预，并整合了匹配的H&E和IF数据以提高鲁棒性	NA	为肿瘤免疫微环境研究提供自动生成的免疫细胞数据库，以支持计算病理学应用	人类组织切片中的免疫细胞，包括CD4 T细胞、CD8 T细胞、CD20 B细胞和CD68/CD163巨噬细胞	数字病理学	癌症	H&E染色、多重免疫荧光标记	深度学习模型	图像	6,848,454个细胞和对象，包括2,282,818个免疫细胞	NA	Segment Anything Model	NA	NA
4837	2026-02-09	BIASNet: A bidirectional feature alignment and semantics-guided network for weakly-supervised medical image registration 2026-Mar, Medical image analysis IF:10.7Q1 DOI:10.1016/j.media.2025.103913 PMID:41412021	研究论文	本文提出了一种名为BIASNet的双向特征对齐与语义引导网络，用于弱监督医学图像配准	提出了一种结合预训练VoCo模型、LoRA微调、双向对齐融合模块以及语义引导渐进配准框架的新方法，并引入了解剖区域形变一致性学习进行正则化	未明确说明方法在计算效率或实时性方面的表现，也未讨论对不同模态图像的泛化能力	改进弱监督医学图像配准的精度	医学图像	数字病理	NA	深度学习	CNN	图像	三个典型且具有挑战性的数据集	PyTorch	VoCo, BIASNet	NA	NA
4838	2026-02-09	Segmentation of the right ventricular myocardial infarction in multi-centre cardiac magnetic resonance images 2026-Mar, Medical image analysis IF:10.7Q1 DOI:10.1016/j.media.2025.103911 PMID:41412022	研究论文	本文提出了一种名为RVMISegNet的多阶段深度学习模型，用于分割多中心心脏磁共振图像中的右心室心肌梗死区域	首次公开了右心室心肌梗死分割领域的基准数据集，并提出了一种结合多阶段处理、迁移学习、伪标签生成和形态学后处理的新型模型架构，以解决类别极度不平衡和强度重叠的挑战	数据集仅包含来自3个中心的213名受试者，且设备仅限于Philips、GE和Siemens，可能限制了模型的泛化能力	开发一种能够准确分割心脏磁共振图像中右心室心肌梗死区域的自动化方法	来自多中心的心脏磁共振短轴图像，用于右心室心肌梗死分割	数字病理学	心血管疾病	心脏磁共振成像	深度学习	图像	来自3个中心的213名受试者的心脏磁共振短轴图像	NA	UNet++	NA	NA
4839	2026-02-09	Extreme cardiac MRI analysis under respiratory motion: Results of the CMRxMotion challenge 2026-Mar, Medical image analysis IF:10.7Q1 DOI:10.1016/j.media.2025.103883 PMID:41421267	研究论文	本文介绍了CMRxMotion挑战赛，旨在评估深度学习模型在呼吸运动伪影影响下的心脏磁共振图像质量评估和心肌分割的鲁棒性	首次公开了包含受控呼吸运动伪影的心脏磁共振数据集，并组织了专门的挑战赛来系统评估深度学习模型对运动伪影的鲁棒性	数据集仅包含40名健康志愿者的数据，可能无法完全代表临床患者群体的多样性	促进深度学习模型在存在呼吸运动伪影的心脏磁共振分析中的鲁棒性研究	心脏磁共振图像	数字病理学	心血管疾病	心脏磁共振成像	深度学习模型	图像	40名健康志愿者的320个心脏磁共振电影序列	NA	NA	NA	NA
4840	2026-02-09	CLIP-Guided Generative network for pathology nuclei image augmentation 2026-Mar, Medical image analysis IF:10.7Q1 DOI:10.1016/j.media.2025.103908 PMID:41421266	研究论文	本文提出了一种基于CLIP引导的生成网络，用于病理细胞核图像的数据增强，以提升细胞核分割与分类模型的性能	首次将预训练的病理CLIP文本和图像编码器集成到生成器和判别器中，利用多模态文本描述（包含组织类型、细胞计数和细胞核类型信息）引导生成逼真的合成组织病理学图像	未明确讨论生成图像在罕见细胞核类型或复杂组织背景下的泛化能力，也未详细分析计算成本	通过生成式数据增强解决病理细胞核图像标注数据稀缺的问题，提升深度学习模型在细胞核分割与分类任务上的性能	组织病理学图像中的细胞核	数字病理学	NA	生成对抗网络（GAN），视觉-语言基础模型	GAN	图像，文本	多个公开可用的病理细胞核数据集（具体数量未在摘要中说明）	PyTorch（根据代码仓库链接推断）	CLIP-guided Generative network，高分辨率图像判别器，CLIP图像编码器	定性分析，定量分析（具体指标未在摘要中说明，可能包括分割与分类任务的常用指标）	NA