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
5341	2026-02-02	Enhancement of phonocardiogram segmentation using convolutional neural networks with Fourier transform module 2025-Mar, Biomedical engineering letters IF:3.2Q2 DOI:10.1007/s13534-025-00458-8 PMID:40026887	研究论文	本研究提出了一种结合卷积傅里叶变换模块的深度学习模型，用于增强心音图信号中第一和第二心音的自动分割	引入了卷积傅里叶变换模块，能够有效区分心音与背景噪声，提高了在心杂音存在下的分割准确性和鲁棒性	未提及模型在更广泛或多样化临床数据集上的泛化能力评估	开发一种能够准确分割心音图信号中S1和S2心音的自动化方法，以辅助心脏瓣膜疾病的检测	心音图信号	数字病理学	心血管疾病	心音图	CNN	信号数据	使用了内部数据集、PhysioNet 2016、PhysioNet 2022和Asan Medical Center数据集	未明确提及	卷积傅里叶变换模块	F1分数	NA
5342	2026-02-02	Automatic detection of main pancreatic duct dilation and pancreatic parenchymal atrophy based on a shape feature in abdominal contrast-enhanced CT images 2025-Jan, Journal of medical imaging (Bellingham, Wash.) DOI:10.1117/1.JMI.12.1.014504 PMID:39895855	研究论文	本研究开发了一种基于腹部增强CT图像的形状特征算法，用于自动检测主胰管扩张和胰腺实质萎缩	提出了一种结合深度学习分割与中心线估计的自动化形状特征（90th DP ratio）计算方法，用于同时检测MPDD和PPA	仅使用56例公开数据进行验证，样本量有限；未在外部数据集上进行测试	开发自动检测胰腺形态异常（主胰管扩张和胰腺实质萎缩）的算法	腹部增强CT图像中的胰腺区域	计算机视觉	胰腺疾病	腹部对比增强CT成像	CNN	医学影像（CT图像）	56例腹部增强CT图像（48例有MPDD，8例无MPDD；31例有PPA，25例无PPA）	未明确说明	未明确说明具体架构（仅提及深度学习CNN）	统计显著性检验（p值），90th DP ratio的均值比较	NA
5343	2026-02-02	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	提出一种结合遗传算法、双向长短期记忆网络和自回归积分滑动平均模型的混合模型（GA-BiLSTM-ARIMA），用于预测传染病时间序列数据	提出了一种新型混合模型GA-BiLSTM-ARIMA，通过遗传算法系统性地优化模型参数，整合了BiLSTM处理序列数据的能力和ARIMA捕捉时间趋势的优势	研究仅使用日本COVID-19病例数据进行验证，未在其他地区或传染病数据集上进行测试，模型泛化能力有待进一步验证	提高传染病疫情发展的预测准确性，为制定防控策略提供支持	COVID-19疫情时间序列数据	机器学习	传染病	时间序列分析	混合模型（BiLSTM, ARIMA, GA）	时间序列数据	日本COVID-19病例数据（具体样本数量未明确说明）	NA	BiLSTM, ARIMA	RMSE, MAE, MAPE, R²	NA
5344	2026-02-02	Epilepsy detection based on spatiotemporal feature interaction fusion of EEG signals 2025, Frontiers in neurology IF:2.7Q3 DOI:10.3389/fneur.2025.1478718 PMID:41613177	研究论文	本文提出了一种结合图注意力网络和Transformer网络的自动癫痫检测方法，用于从多通道EEG信号中提取时空特征	结合GAT和Transformer网络，首次在癫痫检测中同时关注EEG通道间的空间拓扑结构和时间序列关系，弥补了现有方法对通道间关系关注不足的缺陷	未提及模型在实时检测或临床环境中的泛化能力，也未讨论计算复杂度或资源需求	开发一种自动癫痫检测方法，以更充分地提取多通道EEG信号的时空信息	癫痫患者的EEG信号	机器学习	癫痫	EEG信号分析	GAT, Transformer	EEG信号	CHB-MIT和TUH数据集，采用十倍交叉验证	NA	图注意力网络, Transformer网络	准确率	NA
5345	2026-02-02	Neurologists-level interpretable CT-based deep neural network for prediction of hemorrhagic transformation after ischemic stroke 2025, Frontiers in neuroscience IF:3.2Q2 DOI:10.3389/fnins.2025.1753071 PMID:41613258	研究论文	本研究开发了一种基于CT扫描的深度学习模型，用于预测缺血性卒中后的出血转化	结合平扫CT与深度学习方法，开发出具有临床可解释性的模型，在测试中显示出优于临床医生和现有类似模型的性能	研究为回顾性分析，样本量相对有限（474例病例），且数据来自单一中心，可能影响模型的泛化能力	预测急性缺血性卒中后的出血转化，以改善临床预后	急性缺血性卒中患者	计算机视觉	心血管疾病	CT扫描	CNN	图像	474例急性缺血性卒中病例（231例HT，243例非HT），共613张CT扫描	NA	ResNet	F1分数, AUC, 灵敏度, 准确度	NA
5346	2026-02-02	Enhancing online adaptive radiotherapy with uncertainty based segmentation error and out-of-distribution detection 2025, Frontiers in oncology IF:3.5Q2 DOI:10.3389/fonc.2025.1637198 PMID:41613551	研究论文	本研究探讨了深度学习分割模型的不确定性估计与分割正确性之间的关系，并测试了其检测分布外数据的能力	利用蒙特卡洛dropout方法估计分割不确定性，并首次将预测熵和互信息应用于在线自适应放疗中，以区分正确与错误预测及分布内外数据	研究样本量较小（训练集151次扫描，测试集65次扫描），且仅针对前列腺癌的MR图像，未验证其他癌症类型或成像模态	研究深度学习分割模型的不确定性估计与分割正确性的关联，并探索其在检测分布外数据方面的能力	磁共振引导放疗的前列腺癌图像，包括临床靶区、膀胱和直肠的分割	医学图像分析	前列腺癌	磁共振成像（MRI），平衡稳态自由进动MRI	深度学习模型	医学图像（T2 MR扫描）	训练/验证集：26名患者的151次扫描；测试集：10名患者的65次扫描；分布外数据：10名健康志愿者的MRI扫描	NA	NA	Dice系数	NA
5347	2026-02-02	Effective deep convolutional neural network with attention mechanism for Alzheimer disease classification 2025, Frontiers in radiology DOI:10.3389/fradi.2025.1698760 PMID:41613767	研究论文	本文提出了一种结合注意力机制的深度卷积神经网络，用于阿尔茨海默病的多阶段分类	通过引入注意力机制增强模型对诊断相关区域的关注，提高了分类准确性和可解释性	模型仅在OASIS数据集上进行训练和评估，缺乏外部验证和临床实际应用的广泛测试	开发一种高效的深度学习模型，用于阿尔茨海默病的早期检测和多阶段分类	阿尔茨海默病患者的大脑MRI图像	计算机视觉	阿尔茨海默病	MRI成像	CNN	图像	OASIS数据集中的受试者级别数据	NA	深度卷积神经网络（Deep-CNN）	准确率	NA
5348	2026-02-02	Deep learning-enabled hybrid systems for accurate recognition of text in seal images 2025, Frontiers in big data IF:2.4Q2 DOI:10.3389/fdata.2025.1753871 PMID:41613994	研究论文	本文提出了一种混合模型，用于解决中文印章文本识别中的挑战，包括背景文字、高噪声和图像特征简化等问题	整合了针对真实印章的预处理技术、基于深度学习的位置校正模型、圆形文本展开模型和OCR文本识别，并引入了创新的图像去噪算法和合成数据集	未明确提及模型在极端噪声或复杂背景下的泛化能力限制	提高中文印章文本识别的准确性	中文印章图像	计算机视觉	NA	OCR, 图像去噪, 极坐标变换	深度学习	图像	NA	NA	NA	准确性	NA
5349	2026-01-30	Spin and Gradient Multiple Overlapping-Echo Detachment Imaging (SAGE-MOLED): Highly Efficient T2, T 2 * $$ {T}_2^{\ast } $$ , and M0 Mapping for Simultaneous Perfusion and Permeability Measurements 2026-Apr, Magnetic resonance in medicine IF:3.0Q2 DOI:10.1002/mrm.70165 PMID:41177950	研究论文	本研究开发了一种基于多重重叠回波分离的SAGE-MOLED技术，用于高效、无失真的T2、T2*和M0映射，以同时测量灌注和渗透性参数	通过优化回波时间采样和集成多序列反向EPI，开发了SAGE-MOLED技术，有效校正了几何失真并提高了时间信噪比，同时结合深度学习模型实现了高效的多参数量化	研究在初步临床验证中样本量有限，需要进一步的大规模临床研究来验证其广泛适用性	开发一种高效、无失真的磁共振成像技术，用于同时量化组织的T2、T2*和M0参数，以支持灌注和渗透性的精确测量	水模实验、健康志愿者和初步临床研究中的患者	医学影像	NA	磁共振成像（MRI），包括自旋回波和梯度回波EPI（SAGE-EPI）以及多重重叠回波分离（MOLED）技术	深度学习模型	磁共振图像数据	水模实验、健康志愿者和初步临床研究中的患者（具体数量未在摘要中明确说明）	NA	端到端深度学习模型	皮尔逊相关系数（用于T2和T2*映射的验证）	NA
5350	2026-01-30	Accelerated Chemical Exchange Saturation Transfer Imaging With Deep Unrolling Networks and Synthetic Brain Tumor Datasets 2026-Apr, Magnetic resonance in medicine IF:3.0Q2 DOI:10.1002/mrm.70172 PMID:41193413	研究论文	本研究开发了一种基于模型的深度展开网络（MoDL-ADMM），用于加速多通道化学交换饱和转移（CEST）成像的高质量图像重建，并设计了一个合成脑肿瘤数据集（BraTS-CEST）用于训练	将交替方向乘子法（ADMM）优化展开为深度网络（MoDL-ADMM），并创建了大规模合成脑肿瘤CEST数据集（BraTS-CEST）以解决训练数据不足的问题	未明确说明合成数据与真实数据之间的域适应挑战或模型在更广泛病理类型中的泛化能力	开发一种高效的深度学习方法，以从欠采样的多通道数据中重建高质量的CEST源图像和酰胺质子转移加权（APTw）图	健康志愿者和脑肿瘤患者的CEST成像数据	医学影像重建	脑肿瘤	化学交换饱和转移（CEST）成像，Bloch-McConnell模拟	深度展开网络	多通道CEST图像数据	使用公开的BraTS和fastMRI数据集通过模拟生成的大规模合成数据，并在健康志愿者和脑肿瘤患者数据上进行评估	NA	MoDL-ADMM（基于MoDL框架并展开ADMM优化），包含选择性核网络和可学习的稀疏变换	重建误差	NA
5351	2026-01-30	ASL 4D MRA Intracranial Vessel Segmentation With Deep Learning U-Nets 2026-Apr, Magnetic resonance in medicine IF:3.0Q2 DOI:10.1002/mrm.70173 PMID:41207868	研究论文	提出一种基于时空U-Net的网络（4DST），用于ASL无对比增强4D MRA血管分割，利用时空信息并避免内存密集的4D卷积层	设计了一种避免内存密集型4D卷积层的时空U-Net变体（4DST），在ASL 4D MRA血管分割中结合空间和动态信息	研究样本量有限（35名健康志愿者和5名动静脉畸形患者），且未在更广泛疾病群体或不同成像协议下验证	开发一种高效的深度学习模型，用于ASL无对比增强4D MRA颅内血管分割	健康志愿者和动静脉畸形患者的颅内血管	医学图像分析	动静脉畸形	脉冲ASL无对比增强4D MRA	U-Net	4D MRA图像	40名受试者（35名健康志愿者和5名动静脉畸形患者）	NA	U-Net, 4DST	Dice-Sørensen系数, 中心线Dice, Hausdorff距离, 精确度, 准确度, 特异性, 灵敏度	NA
5352	2026-01-30	Deep Learning Reconstruction for 129Xe Diffusion-Weighted MRI Enables Use of Natural Abundant Xenon and Improved Image Acceleration 2026-Apr, Magnetic resonance in medicine IF:3.0Q2 DOI:10.1002/mrm.70194 PMID:41266932	研究论文	本研究评估了深度学习重建在129Xe扩散加权MRI中的应用，旨在保留定量指标并探索使用天然丰度氙气及提高加速因子的可行性	首次将深度学习重建（包括压缩感知、去噪和去环）应用于129Xe扩散加权MRI，实现了对天然丰度氙气的使用和更高的加速因子，显著降低了成本并提高了临床可行性	深度学习重建在ADC和LmD值上存在轻微偏差（分别为5.4%和0.8%），且样本量相对较小，需进一步验证	评估深度学习加速采集和重建是否定量保留129Xe表观扩散系数和扩散长度尺度指标，并探索使用天然丰度氙气进行扩散加权成像的可行性	哮喘、慢性阻塞性肺疾病和特发性肺纤维化患者，以及健康志愿者	医学影像处理	肺部疾病	129Xe扩散加权MRI，压缩感知加速	深度学习模型	三维MRI图像	患者队列（具体数量未明确）和3名健康志愿者	NA	NA	ADC，LmD，SNR，图像清晰度	NA
5353	2026-01-30	Artificial intelligence in chronic obstructive pulmonary disease: recent advances in imaging and physiological monitoring 2026-Mar-01, Current opinion in pulmonary medicine IF:2.8Q2 DOI:10.1097/MCP.0000000000001228 PMID:41208246	综述	本文综述了人工智能在慢性阻塞性肺疾病（COPD）影像学和生理监测中的最新应用进展	总结了人工智能在COPD影像诊断、疾病特征量化、临床结局预测及新型数据流（如咳嗽声音和可穿戴设备）分析方面的最新趋势	大多数应用仍处于早期发展阶段，面临临床验证不足、算法偏见和标准化评估指标缺失等关键挑战	探讨人工智能如何应对COPD诊断和管理中的挑战，推动疾病护理向主动化和个性化方向发展	慢性阻塞性肺疾病（COPD）患者	医学影像分析，生理监测	慢性阻塞性肺疾病	深度学习，机器学习	深度学习模型，机器学习算法	胸部X光片，计算机断层扫描，肺功能测试数据，咳嗽声音，可穿戴设备数据	NA	NA	NA	准确性	NA
5354	2026-01-30	Artificial intelligence in quantitative chest imaging analysis for occupational lung disease: appraisal of its current status 2026-Mar-01, Current opinion in pulmonary medicine IF:2.8Q2 DOI:10.1097/MCP.0000000000001240 PMID:41376109	综述	本文综述了人工智能在职业性肺病定量胸部影像分析中的最新进展，重点关注胸片和CT扫描的应用	总结了三维深度学习模型、基于Transformer的因子化编码器以及新提出的Kolmogorov-Arnold Networks在职业性肺病检测中的创新应用	研究多依赖国际劳工组织尘肺病影像分类系统作为参考标准，这可能限制了AI在CT影像分析中的进一步发展	评估人工智能在职业性肺病定量胸部影像分析中的当前应用状态和发展前景	职业性肺病（特别是尘肺病）的胸部影像（胸片和CT扫描）	计算机视觉	职业性肺病	胸部X光摄影、计算机断层扫描	CNN, Transformer, GAN, KAN	图像	NA	NA	卷积神经网络, CycleGAN, Transformer-based factorized encoders, Kolmogorov-Arnold Networks	NA	NA
5355	2026-01-30	Artificial intelligence (AI) uses in stereotactic radiosurgery (SRS): outcome prediction with brain metastasis (BM) - A systematic review 2026-Mar, Journal of clinical neuroscience : official journal of the Neurosurgical Society of Australasia IF:1.9Q4 DOI:10.1016/j.jocn.2026.111854 PMID:41500171	系统综述	本文系统综述了人工智能在脑转移瘤立体定向放射外科预后预测中的应用现状	首次系统性地总结了2018-2024年间AI在脑转移瘤SRS预后预测中的应用，重点关注了基于影像的机器学习和深度学习工具在多模态数据整合及纵向动态预测方面的进展	纳入研究数量有限（21项），存在发表偏倚风险，且大多数模型尚未在临床工作流中得到广泛验证和应用	评估人工智能在脑转移瘤立体定向放射外科治疗预后预测中的应用效果和潜力	接受立体定向放射外科治疗的脑转移瘤患者	数字病理	脑转移瘤	MRI影像分析，放射组学	CNN, RNN, SVM, 集成方法	医学影像（MRI），临床数据	21项研究（2018-2024年）的综合分析	NA	Conv-GRU	AUC	NA
5356	2026-01-30	Granular Machine Learning-Based Computed Tomography Contrast Phase Prediction 2026-Mar, Mayo Clinic proceedings. Digital health DOI:10.1016/j.mcpdig.2025.100332 PMID:41607507	研究论文	开发并评估了一种基于机器学习的框架，用于检测腹部CT扫描中的静脉对比剂并区分八个细粒度肾脏对比剂阶段，以改善肾脏评估	结合ConvNeXt-Femto深度学习模型和随机森林回归模型，实现自动化细粒度肾脏对比剂阶段预测，减少评估者间差异	研究为回顾性设计，数据来自单一机构，可能限制模型的泛化能力	改进腹部CT扫描中肾脏对比剂阶段的自动化识别，以支持人工智能辅助的医学图像解释	腹部CT扫描图像	计算机视觉	肾细胞癌	计算机断层扫描	CNN, 随机森林	图像	训练集：3033次扫描来自1017名患者；验证集：8856个系列来自4760名患者	PyTorch, Scikit-learn	ConvNeXt-Femto	准确率, 平均绝对误差, κ值	NA
5357	2026-01-30	Predicting Cardiac Magnetic Resonance-Derived Ejection Fraction from Echocardiogram Via Deep Learning Approach in Tetralogy of Fallot 2026-Feb, Pediatric cardiology IF:1.5Q2 DOI:10.1007/s00246-025-03802-y PMID:40038120	研究论文	本研究通过深度学习模型，利用超声心动图视频预测心脏磁共振衍生的左心室射血分数，特别针对法洛四联症患者	采用迁移学习方法，将EchoNet-Dynamic/EchoNet-Peds模型微调，以心脏磁共振衍生的LVEF为金标准，预测法洛四联症患者的超声心动图LVEF	模型在A4C视图上的预测性能（R²=0.53）相对较低，可能受限于视图特异性或数据质量	开发一种基于深度学习的混合方法，利用心脏磁共振标签和超声心动图视频，提高法洛四联症患者收缩功能评估的准确性	法洛四联症患者的超声心动图视频和心脏磁共振成像数据	计算机视觉	心血管疾病	超声心动图、心脏磁共振成像	CNN	视频	NA	NA	EchoNet-Dynamic, EchoNet-Peds	R², MAE, ROC曲线	NA
5358	2026-01-30	Comprehensive benchmarking of deep learning approaches for automated astrocyte segmentation in traumatic brain injury 2026-Feb-01, Journal of neuropathology and experimental neurology IF:3.2Q2 DOI:10.1093/jnen/nlaf114 PMID:41144310	研究论文	本文系统评估了多种深度学习架构在创伤性脑损伤中星形胶质细胞自动分割任务上的性能	首次对六种深度学习分割架构与七种常见骨干网络进行系统性组合评估，并建立了专门的星形胶质细胞分割基准测试	数据集规模相对有限（220张图像），且训练数据仅来自单一TBI病例	开发自动化星形胶质细胞分割方法以评估创伤性脑损伤严重程度和进展	GFAP染色的雪貂脑组织图像中的星形胶质细胞	数字病理学	创伤性脑损伤	免疫组织化学染色（GFAP）	CNN	图像	220张手动标注的GFAP染色雪貂脑图像（182张训练，38张测试），涉及18只雪貂	NA	U-Net, U-Net++, FPN, MANet, LinkNet, PSPNet, ResNet50, ResNet101, ResNet152, MobileNetV2, VGG16, VGG19, EfficientNet-b4	Dice系数, IoU, 精确率, 准确率, 特异度, 敏感度	NA
5359	2026-01-30	Constructing a deep learning-assisted smartphone application for intelligent recognition of steak doneness during cooking 2026-Feb, Meat science IF:5.7Q1 DOI:10.1016/j.meatsci.2025.109995 PMID:41241987	研究论文	本研究构建了一个深度学习驱动的智能手机应用，用于在烹饪过程中智能识别牛排熟度	结合深度学习模型与理化性质数据，开发移动端边缘计算应用，实现实时牛排熟度识别	NA	开发智能烹饪设备，提高牛排熟度识别的准确性和实用性	牛排	计算机视觉	NA	图像采集，理化性质分析	CNN	图像	1803张图像（来自601块不同牛排）和153个样本的理化性质数据（来自51块不同牛排）	NA	DenseNet121	准确率	移动优化边缘计算
5360	2026-01-30	Evaluation of trajectory analysis for disease risk assessment: a scoping review 2026-Feb-01, Journal of the American Medical Informatics Association : JAMIA IF:4.7Q1 DOI:10.1093/jamia/ocaf208 PMID:41293989	综述	本文通过范围综述评估了利用纵向电子健康记录进行疾病风险预测的轨迹分析方法的研究特征、模型类型及性能表现	首次对利用患者轨迹进行疾病风险预测的研究进行系统性范围综述，识别了该领域的研究趋势、模型应用差异及性能提升潜力	研究领域尚处于早期阶段，缺乏对初级护理数据集的广泛应用、疾病多样性不足、外部验证有限且临床适用性考虑不充分	评估轨迹分析在疾病风险评估中的应用现状，总结研究特征、模型类型及性能报告情况	使用时间序列电子健康记录识别疾病特征或预测疾病存在的研究	机器学习	心血管疾病	NA	深度学习模型, 统计方法	电子健康记录	62项研究	NA	NA	AUC	NA