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
4841	2026-02-06	Learning the anatomical topology consistency driven by Wasserstein distance for weakly supervised 3D pancreas registration in multi-phase CT images 2026-Feb-04, Biomedical physics & engineering express IF:1.3Q3 DOI:10.1088/2057-1976/ae3966 PMID:41544269	研究论文	提出了一种基于Wasserstein距离的弱监督三维胰腺配准框架，用于多期相CT图像中胰腺的精确配准	引入Wasserstein距离来强制胰腺解剖拓扑结构的一致性，并采用距离变换来构建胰腺的小型、不确定和复杂的解剖拓扑分布，从而克服了传统基于强度或分割的相似性度量的局限性	研究仅针对胰腺这一特定器官，且方法在胰腺肿瘤类型（PDAC、IPMN、MCN、SCN、SPT、CP、PNET）上的泛化能力有待进一步验证	实现增强CT与非增强CT图像之间胰腺的准确自动配准，以辅助胰腺癌的诊断和治疗	胰腺	医学图像处理	胰腺癌	CT成像	深度学习模型	3D CT图像	975对配对的增强CT-非增强CT图像，来自七种胰腺肿瘤类型（PDAC、IPMN、MCN、SCN、SPT、CP、PNET）的患者	NA	NA	Dice分数，假阳性分割率，Hausdorff距离	NA
4842	2026-02-06	Thermostability Prediction Powered by Synergistic Deep Learning at Experimental and Theoretical Levels for Nanobodies 2026-Feb-04, ACS applied materials & interfaces IF:8.3Q1 DOI:10.1021/acsami.5c19073 PMID:41564239	研究论文	本文提出了一种双尺度协同深度学习策略，用于预测纳米抗体的热稳定性	创新性地结合实验数据和理论模拟，通过双模型协同缓解数据稀缺问题，并构建了联合深度学习架构	实验数据量仍相对有限（514个样本），且模型泛化能力可能受小数据风险影响	提高纳米抗体热稳定性的预测可靠性，以支持其实际应用	纳米抗体	机器学习	NA	分子动力学模拟	深度学习	序列数据, 结构数据	514个实验熔解温度数据, 704个纳米抗体结构	NA	抗体语言模型集成到联合深度学习架构	Pearson相关系数, 准确率	NA
4843	2026-02-06	Hybrid GELAN-UNet: integrating medical priors for low-dose CT denoising 2026-Feb-04, Biomedical physics & engineering express IF:1.3Q3 DOI:10.1088/2057-1976/ae3b47 PMID:41564446	研究论文	提出一种融合医学先验的混合GELAN-UNet模型，用于提升低剂量CT图像的去噪性能	提出混合广义高效层聚合网络-UNet架构，通过浅层医学增强模块捕获细节、深层高效模块降低计算成本，并创新性地引入低频保留路径和边缘感知注意力机制	仅在公开Mayo Clinic数据集上进行评估，未在其他多中心或临床场景验证	开发兼顾去噪性能与计算效率的低剂量CT图像去噪方法	低剂量CT图像	计算机视觉	NA	低剂量计算机断层扫描	CNN	医学图像	公开Mayo Clinic数据集（具体数量未说明）	NA	GELAN-UNet	峰值信噪比	NA
4844	2026-02-06	Comprehensive segmentation of focal cortical dysplasia by combining surface-based and whole-brain MRI deep learning algorithms: a proof-of-concept study 2026-Feb-04, Biomedical physics & engineering express IF:1.3Q3 DOI:10.1088/2057-1976/ae3d3e PMID:41587495	研究论文	本研究通过结合表面基和全脑MRI深度学习算法，旨在提高局灶性皮质发育不良II型的分割准确性	创新性地整合了两种AI算法（MELD Graph和MindGlide），专注于白质病变分割以补充传统皮质特征分析，从而改善FCD II型病变的全面分割	MindGlide算法未在FCD数据上训练，改进效果有限（平均Dice分数仅增加0.033），样本量较小（49例），且为概念验证研究	提高局灶性皮质发育不良II型（FCD II）在MRI图像中的分割准确性，特别是其白质成分	49例具有放射学确认的跨脑室征的FCD II型病例	数字病理学	癫痫	T2-FLAIR磁共振成像（MRI）	深度学习	MRI图像	49例FCD II型病例	NA	MELD Graph, MindGlide	Dice相似系数, 分割体积	NA
4845	2026-02-06	Lightweight Truncated Fused-MirrorNet for Classification and Analysis of Histopathology Images 2026-Feb-04, Microscopy research and technique IF:2.0Q3 DOI:10.1002/jemt.70127 PMID:41636335	研究论文	本研究提出了一种轻量化的截断融合镜像网络，用于肾组织病理学图像的分类与分析	采用镜像架构、部分层冻结和特征融合方法提升性能，在保持分类精度的同时显著减少训练时间，适用于低端设备部署	未明确说明模型在更广泛数据集或临床环境中的泛化能力验证	开发一种轻量化的深度学习模型，用于肾组织病理学图像的自动分类，以克服传统手动方法的局限性	肾组织病理学图像	数字病理学	肾细胞癌	NA	CNN, 视觉Transformer	图像	来自两个数据集（TCGA kidney和BreakHis）的组织病理学图像	NA	Fused-MirrorNet	准确率	低端设备
4846	2026-02-06	Video-based diagnostics supported by artificial intelligence as an opportunity to address the epilepsy diagnostic gap: A narrative review 2026-Feb-04, Epilepsia IF:6.6Q1 DOI:10.1002/epi.70134 PMID:41636690	综述	本文是一篇叙述性综述，探讨了人工智能增强的视频诊断技术在解决癫痫诊断差距方面的潜力	提出了一个整合视频诊断到癫痫护理的框架，并综合了临床、技术和卫生经济学视角，强调了AI视频分析作为可扩展解决方案的未充分利用的机遇	AI算法在真实世界环境中的性能差异显著，存在数据稀缺、泛化性、监管框架和报销缺口等实施挑战	探索人工智能增强的视频诊断技术如何解决癫痫诊断差距，实现更早、更易获取的癫痫发作检测和分类	癫痫诊断，特别是资源有限环境下的诊断	计算机视觉	癫痫	视频记录，人工智能驱动的视频分析	深度学习算法	视频	综述了13项研究（n=682）的荟萃分析，以及8项关键验证研究	NA	NA	敏感性，特异性，假检测率	NA
4847	2026-02-06	Enhancing nail disease diagnosis: a capsule network with SE attention and dual backbone models 2026-Feb-04, Naunyn-Schmiedeberg's archives of pharmacology DOI:10.1007/s00210-025-04971-6 PMID:41636836	研究论文	提出了一种名为CapsuleSEDualNet的新型深度学习框架，用于实现稳健且可解释的多类别指甲疾病诊断	将胶囊网络头与SE注意力机制集成在结合MobileNetV2和DenseNet121的双主干架构中，SE块增强了特征区分能力，胶囊头保留了空间层次结构以提高可解释性	需要进一步的临床验证	实现自动化指甲疾病筛查，为早期和可及的皮肤病学评估提供关键临床解决方案	指甲疾病，包括真菌感染和恶性肿瘤	计算机视觉	皮肤病	深度学习	Capsule Network, CNN	图像	NA	NA	CapsuleSEDualNet, MobileNetV2, DenseNet121	分类准确率	NA
4848	2026-02-06	Shaping the future of myopia: artificial intelligence for vitreoretinal complications of high and pathologic myopia 2026-Feb-04, Graefe's archive for clinical and experimental ophthalmology = Albrecht von Graefes Archiv fur klinische und experimentelle Ophthalmologie DOI:10.1007/s00417-025-07098-9 PMID:41636834	综述	本文综述了人工智能（特别是深度学习）在检测高度近视和病理性近视的玻璃体视网膜并发症（如视网膜脱离、近视性黄斑变性和近视性牵引性黄斑病变）方面的应用现状	系统总结了深度学习在多种眼科成像模态（如OCT、眼底摄影）中对近视相关视网膜病变的分类与分割任务的应用，并指出从CNN架构向Transformer骨干网络及预训练/基础模型的发展趋势	研究间存在病例定义、数据集和评估方法的显著异质性，外部验证报告不一致，且需进一步工作以实现临床转化，包括稳健的外部验证、临床决策校准和前瞻性评估	评估人工智能在检测近视相关视网膜并发症方面的潜力，以缓解近视流行带来的医疗系统压力	高度近视和病理性近视患者的视网膜并发症，包括视网膜脱离、近视性黄斑变性和近视性牵引性黄斑病变	数字病理学	近视	OCT、眼底摄影、荧光素血管造影、超声检查	深度学习	图像	NA	NA	CNN, Transformer	AUC, 准确率, 灵敏度, 特异性	NA
4849	2026-02-06	A new model based on multi-axis vision transformer for chondromalacia patella diagnosis in magnetic resonance scans 2026-Feb-04, Physical and engineering sciences in medicine IF:2.4Q2 DOI:10.1007/s13246-026-01707-5 PMID:41637014	研究论文	本文提出了一种基于多轴视觉Transformer的深度学习架构，用于磁共振扫描中髌骨软骨软化症的诊断	首次将Multi-Axis Vision Transformer (MaxViT) 应用于髌骨软骨软化症的MRI图像分类，并与多种Transformer和CNN模型进行了对比	未提及模型在外部验证集上的泛化性能或临床部署的可行性	开发一种基于深度学习的准确诊断髌骨软骨软化症的方法	磁共振成像 (MRI) 扫描图像	计算机视觉	髌骨软骨软化症	磁共振成像 (MRI)	Transformer, CNN	图像	NA	NA	Multi-Axis Vision Transformer (MaxViT), Vision Transformer (ViT), Swin Transformer, GoogLeNet, ResNet18, MobileNetV2	准确率, 精确率, 召回率, F1分数	NA
4850	2026-02-06	3DFE-Net: Three-dimensional fusion enhancement network based on multi-attention mechanism for multi-modal magnetic resonance images 2026-Feb-04, Medical & biological engineering & computing IF:2.6Q3 DOI:10.1007/s11517-025-03499-4 PMID:41637028	研究论文	本文提出了一种基于多注意力机制的三维融合增强网络（3DFE-Net），用于多模态磁共振图像融合	首次提出基于深度学习的三维医学图像融合方法，设计了多感受野卷积块（MRFC）和多感受野瓶颈块（MRFB）替代传统卷积块，并构建了结合通道注意力、自注意力和空间注意力的多注意力融合模块	NA	解决深度学习在三维医学图像融合领域的空白，提升多模态磁共振图像的融合效果	多模态磁共振图像（MR-T1ce和MR-T2）	计算机视觉	胶质瘤	磁共振成像	CNN	三维医学图像	NA	NA	3DFE-Net	信息熵（EN）、互信息（MI）、标准差（SD）、二进制质量评估（Qabf）、视觉信息保真度（VIF）	NA
4851	2026-02-06	Rapid, label-free cancer detection in fresh pancreatic tissue using deep learning and multispectral Mueller matrix polarimetry 2026-Feb-04, IEEE transactions on bio-medical engineering DOI:10.1109/TBME.2026.3661029 PMID:41637699	研究论文	本研究提出了一种结合多光谱穆勒矩阵偏振测量和深度学习的方法，用于新鲜胰腺组织中快速、无标记的癌症检测	首次将多光谱穆勒矩阵偏振测量与深度学习结合，实现新鲜组织活检中像素级的癌症自动识别，无需染色或组织切片	研究主要针对胰腺导管腺癌，未涉及其他癌症类型；方法依赖于定制设备，可能限制广泛临床应用	开发一种快速、无标记的术中癌症检测方法，以替代传统冷冻切片评估	胰腺导管腺癌患者的新鲜组织活检样本	计算机视觉	胰腺癌	多光谱穆勒矩阵偏振测量	深度学习模型	偏振分辨的多光谱图像	来自胰腺导管腺癌患者的活检样本（具体数量未在摘要中说明）	NA	NA	分类性能（与临床常规冷冻切片评估相当）	NA
4852	2026-02-06	Robust Distance Estimation with Out-of-distribution Detection in Ophthalmic Surgery 2026-Feb-04, IEEE transactions on bio-medical engineering DOI:10.1109/TBME.2026.3661297 PMID:41637700	研究论文	本文提出了一种深度学习框架，用于在眼科手术中通过光学相干断层扫描（OCT）M扫描进行稳健的距离估计和分布外检测	结合自适应远程运动中心（RCM）视网膜建模和时间序列分析，有效检测和纠正分割错误，并估计距离及其置信水平	NA	提高眼科手术中器械到视网膜距离估计的准确性，以增强患者安全性	离体人眼	计算机视觉	眼科疾病	光学相干断层扫描（OCT）	深度学习	时间序列数据	NA	NA	NA	准确率, 平均绝对误差（MAE）	NA
4853	2026-02-06	Forensic Transcriptomics: Research Progress of the Past Two Decades 2026-Feb-04, Genomics, proteomics & bioinformatics DOI:10.1093/gpbjnl/qzag007 PMID:41639008	综述	本文回顾了过去二十年法医转录组学的研究进展，重点介绍了从靶向mRNA分型到高通量测序及非编码RNA应用的技术演变及其在法医实践中的潜力	整合了文献计量学分析，系统梳理了法医转录组学在多个法医领域的新范式与最新进展，并强调了结合深度学习与多模态分析的前沿方向	面临标准化、样本采集与处理、伦理及证据解释等实践瓶颈	总结法医转录组学的研究进展，展望其在法医实践中的应用前景与挑战	法医生物样本的转录组学特征，包括mRNA与非编码RNA	法医科学	NA	高通量测序、DNA微阵列、大规模并行测序	深度学习	转录组数据	NA	NA	NA	NA	NA
4854	2026-02-06	Development and interpretation of a dual-energy CT-based deep learning radiomics model for predicting new cerebral ischemic lesions after carotid artery stenting: a multicenter study 2026-Feb-04, European radiology IF:4.7Q1 DOI:10.1007/s00330-026-12351-8 PMID:41639308	研究论文	本研究开发了一种基于双能CT的深度学习放射组学模型，用于预测颈动脉支架植入术后新发同侧缺血性病变	首次构建了结合临床-影像学特征、手工放射组学特征和深度学习特征的组合模型，并利用SHAP分析提高了模型的可解释性	研究为回顾性设计，样本量有限（336例），且仅基于双能CT图像	开发可解释的预测模型，以识别颈动脉支架植入术后新发同侧缺血性病变的高风险患者	颈动脉支架植入术患者	数字病理学	心血管疾病	双能CT成像	深度学习, 支持向量机	医学影像	336例患者（训练集135例，内部验证集58例，外部测试集143例）	Scikit-learn	NA	AUC	NA
4855	2026-02-06	Comparison of Image Quality Reconstructed Using Iterative Reconstruction and Deep Learning Algorithms Under Varying Dose Reductions in Dual-Energy Carotid CT Angiography 2026-Feb-04, Journal of imaging informatics in medicine DOI:10.1007/s10278-026-01848-9 PMID:41639501	研究论文	本研究比较了在双能颈动脉CT血管成像中，使用迭代重建和深度学习算法在不同剂量降低下的图像质量	首次在双能颈动脉CTA中系统评估深度学习图像重建（DLIR-H）在低剂量和超低剂量协议下的性能，并与迭代重建（ASIR-V）进行对比	深度学习算法无法完全补偿当辐射和对比剂进一步减少时的图像质量下降	评估在降低辐射剂量和对比剂用量的情况下，深度学习图像重建算法在颈动脉CTA中维持图像质量的潜力	接受双能颈动脉CT血管成像的180名患者	医学影像	颈动脉疾病	双能CT血管成像	深度学习图像重建（DLIR-H）	CT图像	180名患者，分为对照组、低剂量组和超低剂量组	NA	DLIR-H	CT值、噪声、信噪比（SNR）、对比噪声比（CNR）、主观图像质量评分（5点Likert量表）	NA
4856	2026-02-06	Combined caLculation of Ultra-high field Biases (CLUB) With Sandwich: Fast, Simultaneous Estimation of 3D B0 and Multi-Channel B1 + Maps at 7 T 2026-Feb-04, Magnetic resonance in medicine IF:3.0Q2 DOI:10.1002/mrm.70289 PMID:41639931	研究论文	本文开发并验证了一种在超高场强下同时映射静态场和发射场不均匀性的方法，并评估了使用深度学习加速该序列的实用性	提出了一种名为CLUB-Sandwich的3D序列，通过将多回波读出结合到Sandwich B1+映射序列的非饱和段，实现了同时B0估计，并首次评估了深度学习与联合低秩张量补全重建方法在加速该序列中的应用	研究仅在11名健康志愿者中进行，未涉及患者群体或不同病理条件	开发一种快速、准确且能同时估计ΔB0和B1+映射的方法，以支持超高场磁共振应用中的快速在线不均匀性估计	超高场（7T）磁共振成像中的静态场（B0）和发射场（B1+）不均匀性	医学影像处理	NA	磁共振成像（MRI），多回波读出序列	深度学习模型	3D磁共振图像数据	11名健康志愿者	NA	NA	相关系数（r），平均体积均方根误差	NA
4857	2026-02-06	Automated Coregistered Segmentation for Volumetric Analysis of Multiparametric Renal MRI 2026-Feb-04, Magnetic resonance in medicine IF:3.0Q2 DOI:10.1002/mrm.70288 PMID:41639936	研究论文	本研究开发并评估了一个用于多参数肾脏MRI的全自动深度学习后处理流程，以实现肾脏对齐、分割和定量特征提取	提出了一种集成了分割、配准和特征提取的端到端全自动工作流程，显著提高了处理效率和准确性	样本量相对较小（34名受试者），且患者群体主要为前列腺癌或神经内分泌肿瘤患者，可能限制了结果的普适性	开发一个高效、准确的全自动后处理流程，用于多参数肾脏MRI的定量分析	肾脏（来自24名前列腺癌或神经内分泌肿瘤患者和10名健康受试者的多参数MRI图像）	数字病理学	肾脏疾病	多参数MRI	深度学习网络	医学图像（MRI）	34名受试者（24名患者，10名健康对照），每人进行重复扫描	NA	NA	相关性（r > 0.9），组内相关系数，偏差	NA
4858	2026-02-06	A Deep Learning Model to Detect Acute MCA Occlusion on High-Resolution Noncontrast Head CT 2026-Feb-03, AJNR. American journal of neuroradiology DOI:10.3174/ajnr.A8954 PMID:40780878	研究论文	本研究开发了一种深度学习模型，用于基于高分辨率非增强头部CT检测急性大脑中动脉闭塞	利用高分辨率非增强CT（NCCT）数据，通过3D深度学习模型进行逐体素血栓分割，以检测急性MCA闭塞，其准确性接近CTA，为资源有限环境下的卒中分诊提供了新工具	研究为回顾性设计，且性能在包含M2段闭塞时略有下降	评估深度学习模型使用高分辨率NCCT成像数据识别急性MCA闭塞的可行性和准确性	大脑中动脉（MCA）血栓	数字病理学	心血管疾病	高分辨率非增强CT（NCCT）， CT血管造影（CTA）	3D深度学习模型	医学影像（CT图像）	总计5659次连续检查（4648次用于训练和验证，1011次用于独立测试）	NA	NA	AUROC, 准确率, 灵敏度, 特异性	NA
4859	2026-02-06	Motion-Informed 3D Deep Learning Reconstruction in Patients with Cognitive Impairment 2026-Feb-03, AJNR. American journal of neuroradiology DOI:10.3174/ajnr.A8977 PMID:41062184	研究论文	本研究验证了一种集成回顾性运动校正的深度学习重建方法，用于3D T1加权脑部MRI，旨在改善认知障碍患者中的运动伪影问题	将回顾性运动校正机制整合到深度学习重建流程中，针对3D脑部MRI中的运动伪影进行校正，而传统深度学习方法主要关注提升信噪比	研究样本量相对较小（41名参与者），且仅在特定成像站点和时间内进行数据采集，可能限制结果的普遍适用性	验证一种集成运动校正的深度学习重建方法在3D T1加权脑部MRI中的效果，以改善运动伪影并提高图像质量	健康志愿者（控制运动队列）和因记忆丧失接受评估的患者（临床队列）	医学影像分析	认知障碍	3D MPRAGE序列，集成侦察加速运动估计与减少（SAMER）采集	深度学习	3D脑部MRI图像	41名参与者（15名女性，平均年龄58岁），共154个图像体积	NA	NA	分割误差，图像质量评分（5点Likert量表），组内相关系数	NA
4860	2026-02-06	Spine age derived from DXA vertebral fracture assessment images predicts incident fractures and mortality: the Manitoba Bone Mineral Density Registry 2026-Feb-03, Journal of bone and mineral research : the official journal of the American Society for Bone and Mineral Research IF:5.1Q1 DOI:10.1093/jbmr/zjaf194 PMID:41408721	研究论文	本研究利用深度学习从DXA椎体骨折评估图像中预测脊柱年龄，并探讨其与骨折和死亡风险的关联	首次通过深度学习从DXA VFA图像中估计脊柱年龄，并证明其能独立于年龄、椎体骨折和骨密度预测骨折和死亡风险	研究基于特定人群（加拿大马尼托巴省），可能限制结果的普适性；随访时间平均3.9年，相对较短	评估基于深度学习的脊柱年龄预测在骨折和死亡风险预测中的独立价值	年龄≥50岁、接受DXA VFA检查的成年人	数字病理学	骨质疏松症	DXA（双能X射线吸收法）椎体骨折评估	CNN	图像	训练集：韩国队列10,341人；测试集：加拿大马尼托巴省8,810人	NA	卷积神经网络	调整后风险比	NA