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
4921	2026-02-05	A dual-branch encoder network based on squeeze-and-excitation UNet and transformer for 3D PET-CT image tumor segmentation 2026-Jan, Medical & biological engineering & computing IF:2.6Q3 DOI:10.1007/s11517-025-03427-6 PMID:40911253	研究论文	本文提出了一种基于SE-UNet和Transformer的双分支编码器网络TASE-UNet，用于3D PET-CT图像的肿瘤自动分割	设计了结合SE-UNet和Transformer的双分支编码器，在跳跃连接中引入3D CBAM注意力模块，并采用BCE损失函数提升分割精度	仅在HECKTOR2022数据集上进行测试，未在其他多中心数据集验证泛化能力	实现PET-CT图像中肿瘤的自动精确分割	3D PET-CT医学图像中的肿瘤区域	数字病理学	肿瘤（未特指具体类型）	PET-CT影像技术	深度学习模型	3D医学图像（PET-CT融合影像）	HECKTOR2022数据集（具体样本数未说明）	未明确说明	SE-UNet, Transformer, 3D CBAM	DSC（戴斯系数）, HD95（豪斯多夫距离95百分位）	未明确说明
4922	2026-02-05	Integrating CT image reconstruction, segmentation, and large language models for enhanced diagnostic insight 2026-Jan, Medical & biological engineering & computing IF:2.6Q3 DOI:10.1007/s11517-025-03446-3 PMID:40993406	研究论文	本研究开发了一个整合CT图像重建、分割和大语言模型的四步医学图像分析框架，旨在提升图像质量并生成自动化文本描述以辅助诊断	提出一个将CT图像重建、预处理、分割和图像描述生成集成的端到端框架，并引入FuseCap模型为分割后的图像生成自动化文本描述，以辅助放射科医生	未明确说明框架在临床环境中的实际验证情况，以及自动化描述生成的准确性和临床实用性有待进一步评估	开发一个医学图像分析框架，以提升CT图像质量、减少重建时间，并通过自动化描述为医疗专家提供决策支持工具	骨盆CT图像	医学影像分析	癌症	CT成像	CNN	CT图像	NA	NA	NA	峰值信噪比, 归一化均方误差, 结构相似性指数	NA
4923	2026-02-05	Emerging trends and clinical challenges in AI-enhanced emotion diagnosis using physiological data 2026-Jan, Medical & biological engineering & computing IF:2.6Q3 DOI:10.1007/s11517-025-03435-6 PMID:41026457	综述	本文综述了生理参数与情绪之间的关系，以及机器学习在情绪识别中的潜在价值、应用及挑战	将心率变异性（HRV）识别为情绪识别和生理参数分析的关键指标，并探讨了将其纳入模型以提升情绪管理精度的潜力	面临生理数据收集、隐私安全以及个体差异导致的个性化调整需求等多重挑战	探索生理参数与情绪之间的关联，并评估机器学习在情绪识别领域的应用价值与前景	心率、呼吸、血压、皮肤电反应、脑电图和心率变异性等生理参数，以及抑郁、焦虑、双相情感障碍和边缘型人格障碍等情绪障碍	机器学习	情绪障碍	机器学习，深度学习	NA	生理数据	NA	NA	NA	NA	NA
4924	2026-02-05	Deep learning-based high precision 3D ultrasound imaging for large size organ 2026-Jan, Medical & biological engineering & computing IF:2.6Q3 DOI:10.1007/s11517-025-03453-4 PMID:41075113	研究论文	本研究提出了一种基于深度学习的高精度三维超声成像方法，用于大型器官成像，通过改进标签策略和扫描轨迹规划来减少累积误差	提出了基于超声图像坐标系的标签策略以提高网络预测精度，并通过预规划扫描轨迹指导网络预测，显著降低了累积误差	未明确说明方法在其他组织或网络架构中的泛化能力验证细节	开发一种高精度的三维超声成像方法，以改善大型器官成像中的累积误差问题	健康志愿者和脊柱侧弯患者的脊柱	计算机视觉	脊柱侧弯	三维超声成像	深度学习网络	图像	健康志愿者和脊柱侧弯患者（具体数量未明确）	NA	NA	预测精度，累积误差	NA
4925	2026-02-05	Artifact-robust Deep Learning-based Segmentation of 3D Phase-contrast MR Angiography: A Novel Data Augmentation Approach 2025-Dec-25, Magnetic resonance in medical sciences : MRMS : an official journal of Japan Society of Magnetic Resonance in Medicine IF:2.5Q2 DOI:10.2463/mrms.tn.2024-0211 PMID:40619248	研究论文	本研究提出了一种新颖的数据增强方法，用于改善受搏动伪影影响的3D相位对比磁共振血管成像图像的深度学习分割效果	通过向k空间幅度添加周期性误差来模拟搏动伪影，从而创建了一种专门针对PC-MRA图像伪影的数据增强技术	研究仅在16名志愿者的数据集上进行评估，样本量相对较小	提高受搏动伪影影响的3D相位对比磁共振血管成像图像的血管分割准确性	3D相位对比磁共振血管成像图像	医学图像分析	心血管疾病	相位对比磁共振血管成像	深度学习模型	3D医学图像	16名志愿者的PC-MRA数据集	NA	NA	Dice-Sørensen系数, Intersection over Union, 平均对称表面距离	NA
4926	2025-09-10	Correction to: Deep Learning in High-Resolution Anoscopy: Assessing the Impact of Staining and Therapeutic Manipulation on Automated Detection of Anal Cancer Precursors 2025-09-01, Clinical and translational gastroenterology IF:3.0Q2 DOI:10.14309/ctg.0000000000000894 PMID:40920629	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
4927	2026-02-05	Role of artificial intelligence in advancing immunology 2025-Apr-24, Immunologic research IF:3.3Q3 DOI:10.1007/s12026-025-09632-7 PMID:40272607	综述	本文综述了人工智能在免疫学领域的应用，包括疫苗开发、免疫疗法、过敏治疗及疾病诊断	系统总结了AI在免疫学中的最新工具和应用，强调了其在加速科学发现和临床诊断方面的潜力	作为综述文章，未提供原创实验数据或具体模型性能验证	探讨人工智能如何推动免疫学研究和医疗保健发展	免疫学相关研究，包括疫苗、免疫疗法、过敏原及免疫性疾病	机器学习	自身免疫性疾病, 免疫缺陷	基因组测序, 蛋白质结构分析	机器学习, 深度学习	基因组序列, 蛋白质结构, 患者病史, 实验室结果	NA	NA	NA	NA	NA
4928	2026-02-05	Estimating Uncertainty of Geographic Atrophy Segmentations with Bayesian Deep Learning 2025 Jan-Feb, Ophthalmology science IF:3.2Q1 DOI:10.1016/j.xops.2024.100587 PMID:39380882	研究论文	本研究应用贝叶斯深度学习方法量化地理萎缩（GA）分割的不确定性，并与传统深度学习模型进行比较	首次将蒙特卡洛dropout和集成两种近似贝叶斯深度学习技术应用于GA分割的不确定性量化，同时提高了模型性能	研究为回顾性分析，样本量相对有限（126只眼），且仅基于单一队列（SWAGGER）的SS-OCT图像	通过量化GA分割的不确定性，提高模型的可信度并辅助临床决策	年龄相关性黄斑变性（AMD）患者的地理萎缩（GA）病变	数字病理学	年龄相关性黄斑变性	扫频源光学相干断层扫描（SS-OCT）	深度学习分割模型	医学图像（OCT图像）	126只眼（来自87名参与者）	NA	NA	Dice系数	NA
4929	2026-02-05	Deep learning CT image restoration using system blur and noise models 2025-Jan, Journal of medical imaging (Bellingham, Wash.) DOI:10.1117/1.JMI.12.1.014003 PMID:39906485	研究论文	本文提出了一种结合系统模糊和噪声模型的深度学习CT图像恢复方法	通过整合系统模糊和噪声的辅助输入，将建模与深度学习结合，而非仅依赖图像输入进行盲恢复	未明确说明模型在极端噪声或模糊条件下的泛化能力，且可能依赖于准确的系统参数估计	提高CT图像恢复的质量，通过利用系统模糊和噪声特性来增强深度学习模型性能	受模糊和噪声影响的CT图像	计算机视觉	NA	CT成像	CNN	图像	NA	NA	卷积神经网络	平均峰值信噪比, 结构相似性指数	NA
4930	2026-02-05	Will Artificial Intelligence Be "Better" Than Humans in the Management of Syncope? 2024-Sep, JACC. Advances DOI:10.1016/j.jacadv.2024.101072 PMID:39372450	综述	本文探讨了人工智能（包括机器学习、深度学习和自然语言处理）在晕厥诊断、管理和研究中的潜在应用、优势、局限性及解决方案	系统性地将AI技术（ML、DL、NLP）应用于晕厥这一临床挑战领域，并探讨其在临床决策、研究和教育三个维度的潜力，提出了从因果关系分析向相关性分析的模式转变	未提供具体实验数据或模型性能验证，主要基于理论探讨和潜在应用分析	评估人工智能在晕厥管理中的潜在作用，并探讨其是否可能优于人类临床决策	晕厥（一种短暂的意识丧失）患者的诊断、风险分层、临床管理和教育	自然语言处理, 机器学习	心血管疾病	机器学习, 深度学习, 自然语言处理	NA	临床数据, 文本数据	NA	NA	NA	NA	NA
4931	2026-02-05	Coronary Artery Stenosis and High-Risk Plaque Assessed With an Unsupervised Fully Automated Deep Learning Technique 2024-Sep, JACC. Advances DOI:10.1016/j.jacadv.2024.100861 PMID:39372456	研究论文	本研究开发并验证了一种全自动无监督深度学习系统，用于在冠状动脉CT血管造影（CCTA）中评估冠状动脉狭窄严重程度和高风险斑块	提出了一种全自动、无监督的深度学习技术，能够快速、准确地评估冠状动脉狭窄和高风险斑块，克服了传统CCTA评估耗时且需专业培训的限制	研究样本量有限，特别是高风险斑块的测试集仅包含45名患者（325条血管），可能影响模型的泛化能力	开发并验证一个全自动深度学习系统，用于在CCTA扫描中自动评估冠状动脉狭窄严重程度和表征高风险斑块	冠状动脉CT血管造影（CCTA）扫描图像	计算机视觉	心血管疾病	冠状动脉CT血管造影（CCTA）	深度学习	医学影像（CT图像）	训练集：570名患者；测试集：狭窄评估769名患者（3,012条血管），高风险斑块评估45名患者（325条血管）	NA	NA	敏感性, 特异性, 阳性预测值, 阴性预测值, 曲线下面积（AUC）	NA
4932	2026-02-05	Automated Assessment of Right Atrial Pressure From Ultrasound Videos Using Machine Learning 2024-Sep, JACC. Advances DOI:10.1016/j.jacadv.2024.101192 PMID:39372459	研究论文	本文开发了一种基于机器学习的全自动深度学习模型，用于从超声心动图视频中自动评估右心房压力	首次提出全自动深度学习模型，能够从超声心动图视频中自动识别下腔静脉扫描并估计右心房压力，其性能与心脏病专家评估相当，并具有良好的泛化能力	模型在测试数据集上与心脏病专家估计的一致性为80.3%，虽然高于文献报道的操作者间一致性（70-75%），但仍存在一定误差；外部验证数据集规模较小（仅来自另一机构）	评估机器学习是否能够准确估计超声心动图测量的右心房压力，以实现自动化的血管内容积状态评估	超声心动图视频中的下腔静脉扫描，以及与之耦合的心脏病专家评估的右心房压力估计和右心导管测量的右心房压力	医学影像分析	心血管疾病	超声心动图，右心导管术	深度学习模型	视频	15,828个下腔静脉超声视频和319个右心导管测量的右心房压力数据	NA	NA	一致性百分比，受试者工作特征曲线下面积，P值	NA
4933	2026-02-05	Impact of Case and Control Selection on Training Artificial Intelligence Screening of Cardiac Amyloidosis 2024-Sep, JACC. Advances DOI:10.1016/j.jacadv.2024.100998 PMID:39372462	研究论文	本研究评估了基于心电图波形的人工智能模型在心脏淀粉样变性筛查中的性能，并探讨了不同病例和对照组定义标准对模型训练的影响	首次系统评估了病例和对照组选择策略对罕见疾病（心脏淀粉样变性）AI筛查模型性能的影响，揭示了模型在匹配测试集与真实世界人群中的泛化能力差异	研究主要基于单一医疗中心（Cedars-Sinai）的数据，可能限制结果的普适性；未详细说明模型的具体架构和超参数设置	评估心电图AI模型在心脏淀粉样变性筛查中的性能，并优化病例与对照组的选择策略	约130万份心电图记录，来自341,989名患者	机器学习	心脏淀粉样变性	心电图波形分析	深度学习模型	心电图波形数据	约130万份心电图，来自341,989名患者	NA	NA	AUC	NA
4934	2026-02-05	Machine-Learning for Phenotyping and Prognostication of Myocardial Infarction and Injury in Suspected Acute Coronary Syndrome 2024-Sep, JACC. Advances DOI:10.1016/j.jacadv.2024.101011 PMID:39372465	研究论文	本研究开发了机器学习模型，用于对疑似急性冠脉综合征患者的心肌损伤和梗死进行数字表型分析，并预测30天内的死亡或心肌梗死事件	首次利用机器学习和深度学习模型，根据第四版通用心肌梗死定义，对疑似ACS患者进行心肌损伤和梗死的数字表型分析，并预测短期临床结局	模型需要在随机临床试验中进行外部验证以评估其临床影响，且数据主要来自南澳大利亚医院，可能存在地域局限性	开发机器学习模型以改善疑似急性冠脉综合征患者的诊断表型分析和预后预测	疑似急性冠脉综合征患者	机器学习	心血管疾病	电子健康记录分析	XGBoost, 深度学习	电子健康记录数据	训练集6,722名参与者，测试集8,869名参与者	Python 3.6	XGBoost, 深度学习模型	AUC	NA
4935	2024-10-08	Electrocardiographic Risk Stratification in Critically Ill Cardiac Patients: Can Deep Learning Fulfill its Promise? 2024-Sep, JACC. Advances DOI:10.1016/j.jacadv.2024.101168 PMID:39372472	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
4936	2026-02-05	Enhancing Periodontal Treatment Through the Integration of Deep Learning-Based Detection with Bayesian Network Models 2024-08-22, Studies in health technology and informatics DOI:10.3233/SHTI240758 PMID:39176544	研究论文	本研究将深度学习用于牙周病检测，并整合到贝叶斯网络临床决策支持模型中，以实现全面的牙周护理	结合深度学习（Faster R-CNN）与贝叶斯网络模型，用于牙周病检测和治疗计划推荐，提高了模型的准确性	NA	通过整合深度学习检测与贝叶斯网络模型，增强牙周治疗的效果	牙周病患者及其放射影像数据	计算机视觉	牙周病	放射影像分析	CNN, 贝叶斯网络	图像	NA	NA	Faster R-CNN	ROC曲线分析, 准确性	NA
4937	2026-02-05	Deep Learning in High-Resolution Anoscopy: Assessing the Impact of Staining and Therapeutic Manipulation on Automated Detection of Anal Cancer Precursors 2024-Apr-01, Clinical and translational gastroenterology IF:3.0Q2 DOI:10.14309/ctg.0000000000000681 PMID:38270249	研究论文	本研究开发了一种基于深度学习的卷积神经网络系统，用于在高分辨率肛门镜检查图像中自动区分高级别与低级别肛门鳞状上皮内病变，并评估了染色技术和肛门操作对算法性能的影响	首次评估了染色技术（如醋酸、卢戈氏碘液）和肛门操作对人工智能算法在高分辨率肛门镜检查中检测肛门癌前病变性能的影响，并展示了算法在不同条件下的优异表现	研究样本量相对有限（88名患者，103次检查），且未在外部数据集上进行验证，可能影响模型的泛化能力	开发并评估一个深度学习系统，用于在高分辨率肛门镜检查图像中自动区分高级别与低级别肛门鳞状上皮内病变	肛门鳞状细胞癌前病变，具体为高级别和低级别肛门鳞状上皮内病变	数字病理学	肛门癌	高分辨率肛门镜检查	CNN	图像	来自88名患者的103次高分辨率肛门镜检查，共计27,770张图像	NA	NA	灵敏度, 特异度, 准确度, 阳性预测值, 阴性预测值, AUC	NA
4938	2026-02-05	Clinical correlates of CT imaging-derived phenotypes among lean and overweight patients with hepatic steatosis 2024-01-02, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-023-49470-x PMID:38167550	研究论文	本研究利用深度学习从腹部CT扫描中提取脾-肝衰减差作为肝脂肪变性的定量指标，并基于BMI分层分析瘦与超重患者中肝脂肪变性与临床表型的关联	首次在大型生物样本库中，通过深度学习量化CT影像特征，系统比较瘦与超重患者肝脂肪变性的流行病学差异及其与心血管、肾脏等疾病的关联	研究为回顾性设计，可能受选择偏倚影响；CT衍生的肝脂肪变性指标虽经验证，但非金标准；未考虑其他混杂因素如生活方式或遗传背景	定义肝脂肪变性的CT影像表型，并探究其与患者临床特征（特别是瘦与超重人群差异）的关联	肝脂肪变性患者，包括瘦（BMI < 25 kg/m²）和超重（BMI ≥ 25 kg/m²）个体	数字病理学	肝脂肪变性	腹部CT扫描	深度学习	医学影像（CT图像）	8914名患者，包括278名瘦且伴有脂肪变性、1867名瘦无脂肪变性、1863名超重伴有脂肪变性、4906名超重无脂肪变性	NA	NA	p值	NA
4939	2026-02-05	Toward an intelligent computing system for the early diagnosis of Alzheimer's disease based on the modular hybrid growing neural gas 2024 Jan-Dec, Digital health IF:2.9Q2 DOI:10.1177/20552076241284349 PMID:39381826	研究论文	本文开发了一个基于模块化混合增长神经气体（MyGNG）的智能计算系统，用于阿尔茨海默病的早期诊断，通过分类任务（MCI-AD和CN-MCI-AD）实现	提出了一种混合和个体发育神经架构MyGNG，结合GNG聚类和感知机标记，在阿尔茨海默病早期诊断中表现优于其他机器学习方法	未明确说明数据集的局限性或模型在其他数据集上的泛化能力	开发智能计算系统以解决阿尔茨海默病的早期诊断问题	阿尔茨海默病患者，包括轻度认知障碍（MCI）和认知正常（CN）个体	机器学习	阿尔茨海默病	神经影像数据	混合神经网络架构（GNG和感知机）	结构化数据（患者特征）	MCI-AD任务495名患者，CN-MCI-AD任务819名患者，均来自ADNI数据库，每名患者有211个特征	NA	模块化混合增长神经气体（MyGNG），包含增长神经气体（GNG）和感知机	AUC, 敏感度	NA
4940	2026-02-05	Differential diagnosis of frontotemporal dementia subtypes with explainable deep learning on structural MRI 2024, Frontiers in neuroscience IF:3.2Q2 DOI:10.3389/fnins.2024.1331677 PMID:38384484	研究论文	本研究提出了一种基于结构MRI的可解释深度学习框架，用于自动区分额颞叶痴呆的三种临床亚型	采用多类型并行特征嵌入框架和集成梯度方法进行特征可视化，实现了对额颞叶痴呆亚型的可解释性分类	样本量相对较小且存在不平衡，数据来自多中心可能存在扫描仪差异的残留影响	自动区分额颞叶痴呆的三种临床表型，以辅助早期精确诊断和干预规划	277名额颞叶痴呆患者，包括行为变异型额颞叶痴呆、语义变异型原发性进行性失语和非流利变异型原发性进行性失语	数字病理学	老年疾病	结构MRI	深度神经网络	图像	277名患者（173名行为变异型额颞叶痴呆，63名非流利变异型原发性进行性失语，41名语义变异型原发性进行性失语）	NA	多类型并行特征嵌入框架	平衡准确度	NA