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
5261	2026-07-03	A robust deep learning framework for cerebral microbleeds recognition in GRE and SWI MRI 2025, NeuroImage. Clinical DOI:10.1016/j.nicl.2025.103873 PMID:40886589	研究论文	提出一种用于GRE和SWI MRI中脑微出血识别的稳健深度学习框架	结合3D CNN和YOLO方法，在公共和私有数据集上有效降低假阳性率，提升检测鲁棒性	未提及具体局限性	提高脑微出血自动检测的准确性，减少假阳性，确保临床和正常病例的鲁棒性	脑微出血病灶	计算机视觉, 数字病理学	脑血管疾病, 神经系统疾病	GRE, SWI MRI	3D CNN, YOLO	影像	涉及ADNI、AIBL、OATS和MAS四个数据集	NA	3D CNN, YOLO	平衡准确率, AUC, 精确率, 敏感度, F1分数	NA
5262	2026-07-03	Predicting language outcome after stroke using machine learning: in search of the big data benefit 2025, NeuroImage. Clinical DOI:10.1016/j.nicl.2025.103858 PMID:40773787	研究论文	利用机器学习预测中风后语言恢复结果，并探索大样本数据效益	通过学习曲线方法系统评估样本量对逻辑回归与深度学习模型性能的影响，发现神经影像数据维度可大幅降低而不显著损失精度，提示分类可能依赖于简单模式如病变大小	当前数据集大小可能限制了进一步精度提升，且未达到绝对分类性能上限	探索样本量对机器学习模型预测中风后语言结局性能的影响及大数据的潜在优势	758名英语中风患者	机器学习	中风	神经影像	逻辑回归，ResNet-18	表格数据、神经影像数据	758名中风患者	NA	逻辑回归，ResNet-18	准确率	NA
5263	2026-07-03	Infectious disease prediction model based on optimized deep learning algorithm 2025, Frontiers in public health IF:3.0Q2 DOI:10.3389/fpubh.2025.1703506 PMID:41613087	研究论文	提出基于遗传算法优化的GA-BiLSTM-ARIMA混合模型，用于传染病时间序列预测，并在日本COVID-19病例数据上验证其优越性	首次将遗传算法、双向长短期记忆网络与自回归积分滑动平均模型系统融合，通过智能优化策略实现混合模型的自动参数寻优，显著提升传染病预测的准确性和鲁棒性	仅基于日本COVID-19病例数据验证，未检验模型在不同国家或不同类型传染病中的泛化能力	开发一种高精度、鲁棒的传染病预测模型，以支持疫情防控策略的制定和早期预警	日本COVID-19疫情时间序列数据（病例数）	机器学习	COVID-19（传染病）	NA	混合模型（遗传算法+双向LSTM+ARIMA）	时间序列数据	NA（未明确样本量，仅提及日本病例数据）	NA	GA-BiLSTM-ARIMA, BiLSTM, ARIMA	RMSE, MAE, MAPE, R²	NA
5264	2026-07-03	Autonomous detection of nail disorders using a hybrid capsule CNN: a novel deep learning approach for early diagnosis 2024-12-30, BMC medical informatics and decision making IF:3.3Q2 DOI:10.1186/s12911-024-02840-5 PMID:39736622	研究论文	提出一种混合胶囊CNN模型，用于自动识别六种指甲疾病，实现早期诊断	首次将混合胶囊CNN模型应用于指甲疾病分类，克服了传统CNN的空间层次缺陷，并通过动态路由增强对图像变换的鲁棒性	NA	开发基于深度学习的自动分类系统，用于早期诊断六种指甲疾病	六种指甲疾病：蓝指甲、杵状指、凹点、甲钩、肢端黑色素瘤和正常指甲	计算机视觉	指甲疾病	NA	混合胶囊CNN	图像	使用指甲疾病检测数据集，具体样本数未提及	NA	混合胶囊CNN、基础CNN	分类准确率、精确率、召回率	NA
5265	2026-07-03	Target informed client recruitment for efficient federated learning in healthcare 2024-12-18, BMC medical informatics and decision making IF:3.3Q2 DOI:10.1186/s12911-024-02798-4 PMID:39696193	研究论文	提出一种基于本地硬件和目标分布信息的高效联邦学习客户端招募方法，用于医疗场景	将本地目标分布偏差、样本量和硬件效率整合到客户端代表性评估中，实现联邦学习子集招募，显著降低训练时间而不损害预测性能	可能依赖特定硬件环境，且需客户端提供本地分布信息，存在隐私泄露风险	优化联邦学习中的客户端选择和通信效率，减少训练时间和数据需求	医疗领域的回归和分类任务	机器学习	NA	NA	NA	NA	NA	NA	NA	预测性能、训练时间	NA
5266	2026-07-03	Reduced-dose deep learning iterative reconstruction for abdominal computed tomography with low tube voltage and tube current 2024-12-18, BMC medical informatics and decision making IF:3.3Q2 DOI:10.1186/s12911-024-02811-w PMID:39696218	研究论文	研究深度学习迭代重建算法在低管电压和低管电流下减少腹部CT辐射剂量并提高图像质量的可行性	首次在低管电压（80 kV）和低管电流条件下应用深度学习迭代重建（Deep IR）算法，实现辐射剂量降低69.94%同时改善图像质量	研究样本量较小（60例患者），且未对比其他深度学习重建方法或更高管电压设置	验证Deep IR算法在低辐射剂量腹部CT中的临床应用价值	60例接受腹部门静脉期CT检查的患者	计算机视觉	NA	腹部CT扫描	深度学习迭代重建（Deep IR）	CT图像	60例患者（男/女：36/24，年龄57.72±10.19岁）	NA	深度学习迭代重建（Deep IR）	CT值标准差、信噪比、对比噪声比、主观评分（5分制）	NA
5267	2026-07-03	Early prediction of mortality upon intensive care unit admission 2024-12-18, BMC medical informatics and decision making IF:3.3Q2 DOI:10.1186/s12911-024-02807-6 PMID:39696315	研究论文	开发和验证机器学习模型，在入住重症监护室时即预测成年危重患者的死亡率	首次在ICU入院时刻即利用机器学习模型预测死亡率，并对比了逻辑回归、梯度提升树和深度学习算法的性能	数据仅来自两家教学医院，可能影响泛化性；预测性能对于死亡率较低的群体仍有提升空间	早期预测危重患者ICU死亡风险	入住ICU的成年危重患者	机器学习	重症监护	NA	逻辑回归、梯度提升树、深度学习	表格数据	79,657次入院记录	NA	NA	AUC-ROC、AUC-PR	NA
5268	2026-07-03	Application of deep learning in wound size measurement using fingernail as the reference 2024-12-18, BMC medical informatics and decision making IF:3.3Q2 DOI:10.1186/s12911-024-02778-8 PMID:39696347	研究论文	提出一种结合三个深度学习模型、以指甲为参照的自动伤口尺寸测量系统	以指甲作为参照物，无需手动描画伤口和参考标记，实现自动伤口尺寸测量，提升家庭护理场景的便捷性和可及性	未明确提及局限性，但可推测系统依赖于照片质量及指甲宽度转换准确性，可能受拍摄条件影响	开发一种快速、易用的自动伤口尺寸测量系统，改善慢性伤口护理中的用户体验	慢性伤口照片和指甲图像	计算机视觉	慢性伤口	深度学习	CNN（卷积神经网络）	图像	248张图像用于模型训练和评估，30名参与者用于用户体验分析	NA	Mask R-CNN, Yolov5, U-Net	Pearson相关系数, 平均精度均值, 交并比, 像素准确率	NA
5269	2026-07-03	A prior-knowledge-guided dynamic attention mechanism to predict nocturnal hypoglycemic events in type 1 diabetes 2024-12-18, BMC medical informatics and decision making IF:3.3Q2 DOI:10.1186/s12911-024-02761-3 PMID:39696373	研究论文	提出了一种结合先验知识引导的动态注意力机制的深度学习框架，用于预测1型糖尿病患者的夜间低血糖事件	提出了先验知识引导的动态注意力机制，增强了网络的学习能力和可解释性，实现了从多尺度多维数据中全面提取信息	仅使用一个公开临床数据集进行验证，可能限制了模型的泛化能力和在不同人群中的适用性	通过深度学习框架改进夜间低血糖事件的预测准确性和实用性	1型糖尿病患者的夜间低血糖事件	机器学习	1型糖尿病	NA	深度学习	临床数据	一个公开临床数据集	NA	动态注意力机制	F1分数	NA
5270	2026-07-03	Deep caries detection using deep learning: from dataset acquisition to detection 2024-12-02, Clinical oral investigations IF:3.1Q1 DOI:10.1007/s00784-024-06068-5 PMID:39621193	研究论文	提出基于深度学习的龋齿检测方法，利用最新YOLO模型从图像数据集中学习以提升早期龋齿诊断的准确性	首次将YOLOv7、YOLOv8和YOLOv9应用于龋齿检测，通过对比分析展示YOLOv8的最高性能（mAP@0.5为0.982），并强调其在资源受限环境中的临床潜力	仅依赖3200余张图像数据集，未提及外部验证或跨人群泛化性评估，且模型对早期龋齿的灵敏度未明确分析	通过深度学习技术提高龋齿早期检测的准确性和效率，特别是在低收入和中等收入国家中减少未治疗龋齿带来的健康负担	牙科龋齿病变，包括普通龋齿、深龋及排除类别	计算机视觉	龋齿	NA	卷积神经网络（CNN-based目标检测）	口腔X线图像（咬翼片）	超过3200张牙科X线图像	PyTorch	YOLOv7, YOLOv8, YOLOv9	平均精度均值（mAP@0.5 IoU）	NA
5271	2026-07-03	Automatic jawbone structure segmentation on dental CBCT images via deep learning 2024-11-28, Clinical oral investigations IF:3.1Q1 DOI:10.1007/s00784-024-06061-y PMID:39604672	研究论文	提出一种基于深度学习的双阶段系统，用于自动分割牙颌骨结构，包括下颌皮质骨、下颌松质骨、上颌皮质骨和上颌松质骨	开发了针对锥形束CT图像中牙颌骨结构的双阶段深度学习自动分割系统，并评估了牙齿和质量异常对分割性能的影响	未明确提及训练数据多样性或模型泛化性的具体局限	开发和评估一种自动分割牙颌骨结构的深度学习系统，以提高数字牙科工作流的效率和准确性	下颌皮质骨、下颌松质骨、上颌皮质骨和上颌松质骨在锥形束CT图像上的分割	计算机视觉	牙科疾病	锥形束计算机断层扫描（CBCT）	深度学习模型	图像	155例锥形束CT扫描，采集参数不同	NA	NA	Dice相似系数（DSC），平均对称表面距离（ASSD）	NA
5272	2026-07-03	Longitudinal Assessment of Tumor-Infiltrating Lymphocytes in Primary Breast Cancer Following Neoadjuvant Radiation Therapy 2024-11-01, International journal of radiation oncology, biology, physics DOI:10.1016/j.ijrobp.2024.04.065 PMID:38677525	研究论文	该论文通过临床样本纵向分析，研究新辅助放疗对乳腺癌肿瘤浸润淋巴细胞动态变化的影响	首次纵向评估新辅助放疗前后及期间肿瘤浸润淋巴细胞的动态变化，并结合深度学习进行细胞级与组织级联合分析	NA	探究新辅助放疗对乳腺癌肿瘤免疫微环境（尤其是肿瘤浸润淋巴细胞）的影响及其与病理完全缓解和长期预后的关联	来自PRADA和Neo-RT临床试验的乳腺癌患者样本，包括肿瘤组织及外周血	数字病理学, 机器学习	乳腺癌	NA	深度学习模型	图像（病理组织切片）, 数值（外周血淋巴细胞计数）	PRADA和Neo-RT临床试验中的乳腺癌患者队列	NA	SuperTIL深度学习模型（细胞级与组织级组合分析）	病理完全缓解预测的一致性, 手动评分与深度学习评分的一致性	NA
5273	2026-07-03	Adversarial EM for variational deep learning: Application to semi-supervised image quality enhancement in low-dose PET and low-dose CT 2024-10, Medical image analysis IF:10.7Q1 DOI:10.1016/j.media.2024.103291 PMID:39121545	研究论文	提出了一种基于对抗期望最大化的变分深度学习框架，用于低剂量PET和CT图像质量提升	首次将对抗学习与期望最大化结合到变分深度神经网络中，提出多尺度潜空间编码器-解码器架构，并使用广义高斯模型实现数据特定的鲁棒统计建模，同时开发了半监督版本以减少对正常剂量图像的依赖	未明确讨论计算复杂度或大规模临床验证，且模型性能可能受限于训练数据分布和超参数调优	开发新的深度学习框架以提升低剂量PET和CT图像质量，同时减少对配对正常剂量图像的依赖	低剂量PET和CT图像的质量增强	数字病理学, 计算机视觉	NA	PET, CT	变分自编码器, 生成对抗网络	图像	真实世界PET和CT数据（具体样本量未说明）	PyTorch	编码器-解码器, 多尺度潜空间	峰值信噪比, 结构相似性指数, 均方误差	NA
5274	2026-07-03	SDF4CHD: Generative modeling of cardiac anatomies with congenital heart defects 2024-10, Medical image analysis IF:10.7Q1 DOI:10.1016/j.media.2024.103293 PMID:39146700	research paper	提出一种类型和形状解耦的生成方法，用于捕捉先天性心脏病患者心脏解剖结构的显著拓扑变异，并生成不同的心脏解剖结构	提出类型和形状解耦的生成方法，首次能够捕捉先天性心脏病不同类型的心脏解剖拓扑变异，并生成保留特定类型独特拓扑的解剖结构	数据集仅包含67名患者，覆盖6种CHD类型和14种组合，样本量较小，可能限制模型泛化能力	开发一种生成模型，用于合成先天性心脏病患者心脏解剖结构，以辅助诊断、治疗规划和图像分割数据增强	先天性心脏病患者的心脏解剖结构	computer vision	congenital heart disease	NA	deep learning	image	67名患者，覆盖6种CHD类型和14种组合	NA	NA	CHD类型正确性、形状合理性、分割准确性	NA
5275	2026-07-03	Multimodal representations of biomedical knowledge from limited training whole slide images and reports using deep learning 2024-10, Medical image analysis IF:10.7Q1 DOI:10.1016/j.media.2024.103303 PMID:39154617	研究论文	提出一种多模态架构，从有限训练的全切片图像和报告中创建鲁棒的生物医学数据表示，并提高分类性能和数据利用效率	结合监督与自监督学习应对数据稀缺，通过架构设计实现多模态数据检索和图文概念关联而无需额外训练，多模态表示能减半所需数据量并降低计算碳足迹	NA	开发一种多模态深度学习架构，有效整合医学图像与文本报告，创建强大的生物医学数据表示	结肠全切片图像及其对应的病理报告	数字病理学, 计算机视觉, 自然语言处理	结肠癌	全切片成像	CNN, Transformer	图像, 文本	超过6000对结肠全切片图像和对应报告，来自两个数字病理工作流程	PyTorch	ResNet, Transformer	分类准确率, 数据利用效率	NA
5276	2026-07-03	TS-AI: A deep learning pipeline for multimodal subject-specific parcellation with task contrasts synthesis 2024-10, Medical image analysis IF:10.7Q1 DOI:10.1016/j.media.2024.103297 PMID:39154619	研究论文	提出了一种名为TS-AI的两阶段深度学习网络模型，通过合成任务对比图实现个体化的大脑皮质图谱划分	首次在不获取实际任务fMRI扫描数据的情况下，利用合成的任务对比图实现个体化脑图谱划分，并设计特征一致性损失函数提高个体特异性	未提及具体局限性	开发一种基于深部学习的多模态个性化脑图谱划分方法，以解决任务功能MRI数据获取耗时且成本高的问题	大脑皮质表面的功能亚区个体化划分	机器学习	阿尔茨海默病	fMRI、任务功能磁共振成像、静息态网络、解剖连接	深度学习网络	任务fMRI数据、静息态网络信号、解剖连接数据	未明确说明样本数量，但涉及多个参考图谱和数据集	NA	两阶段网络模型	测试-重测可靠性、同质性、认知行为预测	NA
5277	2026-07-03	Results of an Artificial Intelligence-Based Image Review System to Detect Patient Misalignment Errors in a Multi-institutional Database of Cone Beam Computed Tomography-Guided Radiation Therapy 2024-09-01, International journal of radiation oncology, biology, physics DOI:10.1016/j.ijrobp.2024.02.065 PMID:38485098	研究论文	应用基于深度学习的图像误配准检测算法对多机构锥形束CT引导放疗数据库进行全自动回顾性错误搜索，以确定患者摆位误差率	首次使用深度学习算法对临床放疗数据库进行全自动回顾性错误搜索，代替传统手动审查，能够发现既往未报告的错误案例	假阳性案例常因图像伪影、患者旋转及软组织解剖变化导致，需人工复核	评估深度学习误配准检测算法自动检测患者摆位误差的临床实用性，并确定绝对粗大误差发生率	2016-2017年及2021-2022年间两家放疗机构共17612次配准记录	计算机视觉	NA	锥形束CT图像引导放疗	CNN	图像	680名患者，17612次配准记录	NA	深度学习误配准检测算法	受试者工作特征曲线分析、标记率、错误检出率、假阳性率	NA
5278	2026-07-03	Deep-Learning for Rapid Estimation of the Out-of-Field Dose in External Beam Photon Radiation Therapy - A Proof of Concept 2024-09-01, International journal of radiation oncology, biology, physics DOI:10.1016/j.ijrobp.2024.03.007 PMID:38554830	研究论文	提出基于深度学习的3D U-Net模型，用于快速估算外部束光子放疗中的场外剂量，作为概念验证	首次利用深度学习实现场外剂量图的快速估算，展示出前所未有的泛化能力，并接近临床应用可行性	模型性能仍有限，尤其对未见放疗设备的数据集泛化能力需进一步提升	开发适合临床实施的场外剂量估算工具，替代蒙特卡罗模拟和分析方法的不足	3151名儿童患者的全身剂量图，来自FCCSS数据库及5个临床中心	机器学习, 数字病理学	NA	NA	CNN	图像	3151名儿童患者（训练验证），433名患者（测试，分为5个子数据集）	NA	3D U-Net	均方根偏差	NA
5279	2026-07-03	A benchmarked comparison of software packages for time-lapse image processing of monolayer bacterial population dynamics 2024-08-06, Microbiology spectrum IF:3.7Q2 DOI:10.1128/spectrum.00032-24 PMID:38980028	研究论文	比较四种用于单层细菌群体动态时间序列图像分析的软件包性能	首次对四种软件包（CellProfiler、SuperSegger-Omnipose、DeLTA和FAST）进行基准化比较，发现深度学习分割优于传统方法，但传统方法在目标跟踪上表现更好	仅针对单层细菌群体动态，未涵盖三维图像或其他应用场景	评估和指导研究人员选择合适的图像处理软件包	大肠杆菌群体的时间序列显微镜图像	计算机视觉	NA	时间序列显微镜技术	深度学习分割模型	图像	NA	NA	NA	分割性能、跟踪性能、计算效率	NA
5280	2026-07-03	Deep Learning for Automatic Gross Tumor Volumes Contouring in Esophageal Cancer Based on Contrast-Enhanced Computed Tomography Images: A Multi-Institutional Study 2024-08-01, International journal of radiation oncology, biology, physics DOI:10.1016/j.ijrobp.2024.02.035 PMID:38432286	研究论文	基于深度学习开发并外部验证了用于食管鳞状细胞癌大体肿瘤体积自动勾画的AI工具	开发了一个三维深度学习模型用于GTV自动勾画，并在多中心数据上验证；AI工具显著提高了专家勾画性能并减少了观察者间变异，同时在放射组学分析中显示出稳定可重复性	未明确说明限制	开发并验证用于食管癌GTV自动勾画的AI工具，辅助新辅助或根治性放疗治疗计划	食管鳞状细胞癌患者的增强CT图像	机器学习	食管癌	对比增强CT成像	三维深度学习模型	图像	580名食管鳞状细胞癌患者	NA	NA	Dice相似系数，平均表面距离	NA