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
541	2026-09-04	Renji endoscopic submucosal dissection video data set for colorectal neoplastic lesions 2025-08-06, Scientific data IF:5.8Q1 DOI:10.1038/s41597-025-05718-x PMID:40770268	研究论文	介绍了一个针对结直肠肿瘤病变的内镜黏膜下剥离术视频数据集，包含30个手术录像和130,298个阶段标注，并公开于Figshare平台	首次公开提供针对结直肠肿瘤病变治疗的内镜黏膜下剥离术视频数据集	NA	为深度学习算法在手术阶段识别中提供全面注释的数据集，并促进行业标准建立	结直肠肿瘤病变的内镜黏膜下剥离术视频记录	计算机视觉	结直肠肿瘤	NA	深度学习算法	手术视频	30个手术录像，130,298个阶段标注	NA	NA	NA	NA
542	2026-09-04	The First Seasonal Green View Index Mapping Dataset across Chinese cities powered by deep learning 2025-08-05, Scientific data IF:5.8Q1 DOI:10.1038/s41597-025-05706-1 PMID:40764774	research paper	介绍了一个基于多源遥感数据和深度学习生成的覆盖中国19个主要城市的季节绿色视图指数（SGVI-2023）映射数据集	首次构建了基于遥感数据的跨城市、季节分辨率的绿色视图指数数据集，克服了传统依赖街景图像方法在季节性和跨城市分析方面的局限	NA	开发一个基于遥感数据和深度学习的季节绿色视图指数映射数据集，以实现大规模的城市绿色度动态监测和城市规划支持	覆盖中国19个主要城市的季节绿色视图指数以及来自多源遥感数据的街道级绿色景观	computer vision	NA	遥感数据（包括卫星影像）和深度学习技术	深度学习模型（具体类型未提及）	多源遥感数据和街景图像	约1百万对配对的卫星影像和街景图像样本，从2019年至2023年收集，覆盖19个城市	NA	NA	Pearson相关系数（点尺度为0.867，街道尺度为0.918）	NA
543	2026-09-04	Fully Automated Online Adaptive Radiation Therapy Decision-Making for Cervical Cancer Using Artificial Intelligence 2025-07-15, International journal of radiation oncology, biology, physics DOI:10.1016/j.ijrobp.2025.04.012 PMID:40252932	研究论文	本研究探索利用人工智能进行宫颈癌在线自适应放射治疗的自动化决策，通过机器学习和深度学习方法识别需要重新计划的分次治疗	首次将人工智能应用于宫颈癌在线自适应放射治疗的决策，引入基于轮廓和剂量的深度学习模型，并与医生共识进行比较	本研究为单中心回顾性研究，样本量有限，且深度学习模型在整合额外剂量数据后性能略有下降，需进一步前瞻性验证	探讨利用人工智能辅助宫颈癌在线自适应放射治疗决策的可行性，提供决策支持工具以识别可能受益于自适应复位的治疗分次	宫颈癌患者及其每日扇束CT图像、计划靶区和剂量数据	医学影像分析	宫颈癌	扇束CT影像（FBCT）、自适应放射治疗计划	支持向量机（SVM）、李生网络（Siamese Network）	CT影像、轮廓、剂量数据	24名宫颈癌患者，671个分次的FBCT及计划数据（训练：21名患者588个分次，独立测试：3名患者83个分次）	NA	LASSO特征选择、SVM、李生网络	AUC、准确率、精确率、召回率	NA
544	2026-09-04	A longitudinal observational study with ecological momentary assessment and deep learning to predict non-prescribed opioid use, treatment retention, and medication nonadherence among persons receiving medication treatment for opioid use disorder 2025-06, Journal of substance use and addiction treatment DOI:10.1016/j.josat.2025.209685 PMID:40127869	研究论文	本研究使用生态瞬时评估和深度学习预测接受药物辅助治疗阿片类药物使用障碍患者的非处方阿片类药物使用、治疗保留率和药物不依从性	结合生态瞬时评估（EMA）与递归深度学习模型，实现实时预测阿片类药物使用障碍治疗中的关键结果	样本量较小（62名成人），且预测性能在不同EMA子类型和结果间存在差异，需进一步验证	预测接受MOUD患者的非处方阿片类药物使用、药物不依从性和治疗保留率，以支持个性化干预	接受药物辅助治疗阿片类药物使用障碍的成人患者	机器学习	阿片类药物使用障碍	生态瞬时评估（EMA）	循环深度学习模型（如长短期记忆网络）	生态瞬时评估数据、电子健康记录数据	62名成人，共14,322个观测	NA	递归神经网络（如LSTM）	AUC、SHAP值	NA
545	2026-09-04	Effectiveness and Implementation Outcomes of an mHealth App Aimed at Promoting Physical Activity and Improving Psychological Distress in the Workplace Setting: Cluster-Level Nonrandomized Controlled Trial 2025-05-06, JMIR mHealth and uHealth IF:5.4Q1 DOI:10.2196/70473 PMID:40327360	研究论文	本研究评估了mHealth应用ASHARE在日本职场环境中通过深度学习模型监测抑郁和焦虑并促进身体活动方面的有效性和实施结果	利用深度学习模型通过身体活动监测抑郁和焦虑，并采用混合有效性-实施试验设计	组间差异无统计学意义，且应用的3个月用户保留率较低，仅为20%	评估智能手机应用ASHARE在职场环境中促进身体活动并改善心理困扰的有效性和实施结果	日本职场环境中的员工，来自7个工作单位共84人	机器学习	心理健康问题（抑郁和焦虑）	深度学习模型	深度学习	身体活动数据，心理困扰数据	84名员工来自7个工作单位	NA	深度学习模型	P值、系数、标准误差、用户保留率、参与率	NA
546	2026-09-04	Enhancing thin slice 3D T2-weighted prostate MRI with super-resolution deep learning reconstruction: Impact on image quality and PI-RADS assessment 2025-04, Magnetic resonance imaging IF:2.1Q2 DOI:10.1016/j.mri.2024.110308 PMID:39667642	研究论文	本研究评估了超分辨率深度学习重建（SR-DLR）在改善前列腺薄层3D T2加权成像图像质量和PI-RADS评估中的效果	首次在薄层3D T2加权前列腺MRI中应用SR-DLR，无需延长采集时间即可提升图像质量和PI-RADS评分一致性	研究为回顾性设计，样本量较小且来自单中心，可能限制结果的泛化性	评估SR-DLR在提高薄层3D T2加权前列腺MRI图像质量和PI-RADS评估可行性方面的潜力	接受前列腺MRI且应用SR-DLR的患者	医学影像	前列腺癌	MRI	深度学习重构模型	影像数据	33例患者纳入，最终分析28例（平均年龄70.8岁）	NA	NA	对比度、对比噪声比、图像质量评分、kappa值	NA
547	2026-09-04	A lightweight adaptive spatial channel attention efficient net B3 based generative adversarial network approach for MR image reconstruction from under sampled data 2025-04, Magnetic resonance imaging IF:2.1Q2 DOI:10.1016/j.mri.2024.110281 PMID:39672285	研究论文	提出一种基于轻量级自适应空间通道注意力EfficientNet B3的生成对抗网络方法，用于从欠采样数据中重建磁共振图像	首次结合自适应空间通道注意力机制与EfficientNet B3的复合缩放策略，构建轻量级GAN模型，实现高倍欠采样下的高质量MR图像重建	未提及	解决传统CS-MRI在高加速因子下迭代慢和伪影问题，实现快速、高质量的MR图像重建	欠采样k空间数据采集的磁共振图像	计算机视觉, 数字病理学	不适用	压缩感知MRI, 深度学习	生成对抗网络, U-Net, ResNet, EfficientNet B3	图像	未提及	未提及	U-Net, ResNet, EfficientNet B3, 生成对抗网络	多个指标，具体未列出	未提及
548	2026-09-04	Conditional generative diffusion deep learning for accelerated diffusion tensor and kurtosis imaging 2025-04, Magnetic resonance imaging IF:2.1Q2 DOI:10.1016/j.mri.2024.110309 PMID:39675686	研究论文	开发了一种名为DiffDL的条件生成扩散深度学习模型，用于从减少的扩散加权图像集中生成高质量的DTI和DKI指标，以缩短采集时间并保持准确性。	利用生成扩散概率模型，能够从减少的DWI中生成高质量DTI/DKI指标，并通过多次预测实现不确定性量化，优于传统方法和基线UNet模型。	需要优化计算需求，并需在临床队列和标准MRI扫描仪上进一步验证。	开发并评估DiffDL模型，以减少扩散MRI的数据采集时间，同时保持DTI/DKI指标的质量和准确性。	人类连接组项目中的受试者（300个训练/验证和50个测试），产生的FA和MD图及DKI指标。	机器学习	不适用	扩散加权成像 (DWI)	生成扩散概率模型	图像（磁共振扩散加权图像）	350名受试者（300训练/验证，50测试）	NA	UNet	归一化平均绝对误差 (NMAE), 峰值信噪比 (PSNR), 皮尔逊相关系数 (PCC)	NA
549	2026-09-04	Predicting molecular subtypes of breast cancer based on multi-parametric MRI dataset using deep learning method 2025-04, Magnetic resonance imaging IF:2.1Q2 DOI:10.1016/j.mri.2024.110305 PMID:39681144	研究论文	开发了一种基于多参数MRI数据的深度学习模型，用于预测乳腺癌的分子亚型。	采用了五种MRI图像输入和集成学习方法融合多个基模型，以提高预测乳腺癌分子亚型的准确性。	未提供明确限制信息。	开发并验证一种多参数MRI模型，用于预测乳腺癌的四种分子亚型（Luminal A、Luminal B、HER2阳性、三阴性）。	325例经病理确诊的乳腺癌患者的临床数据和五种MRI图像。	医学影像	乳腺癌	NA	深度学习（ResNeXt50）	MRI图像	训练集260例，测试集65例；共325例乳腺癌患者。	PyTorch	ResNeXt50	准确率、敏感度、特异性、ROC曲线、AUC	NA
550	2026-09-04	Reliability of post-contrast deep learning-based highly accelerated cardiac cine MRI for the assessment of ventricular function 2025-04, Magnetic resonance imaging IF:2.1Q2 DOI:10.1016/j.mri.2024.110313 PMID:39708928	研究论文	本研究评估了基于深度学习的高度加速心脏电影MRI在对比剂注射前后采集的图像质量和双心室功能定量的一致性	首次在临床环境中评估对比剂后使用深度学习高度加速心脏电影成像的可靠性，以缩短非扫描时间	未提供明确的局限性信息	评估基于深度学习的二维心脏电影成像在对比剂注射前后的性能等效性，包括图像质量和双心室容积及功能定量	30名患者（20名男性，平均年龄53.7±17.8岁）的心脏磁共振图像	医学影像	心脏疾病	心脏磁共振成像	深度学习模型	图像	30名患者的双心室短轴电影图像	NA	NA	图像质量评分、EDV、ESV、SV、EF、LVM	NA
551	2026-09-04	Deep learning radiomics nomograms predict Isocitrate dehydrogenase (IDH) genotypes in brain glioma: A multicenter study 2025-04, Magnetic resonance imaging IF:2.1Q2 DOI:10.1016/j.mri.2024.110314 PMID:39708927	研究论文	本研究探索了基于深度学习放射组学列线图在预测脑胶质瘤IDH基因型中的应用	结合深度学习特征、放射组学特征和临床特征的多模态列线图模型，用于非侵入性预测IDH基因型，并在外部验证中展现出高性能	并未在摘要中明确指出，有待全文查看	评估深度学习放射组学列线图预测脑胶质瘤IDH基因型的能力	脑胶质瘤患者	医学影像分析	脑胶质瘤	磁共振成像	深度学习与放射组学混合模型	医学图像	共402名胶质瘤患者（训练组239名，内部验证组103名，外部验证组60名）	NA	NA	AUC	NA
552	2026-09-04	Combination of deep learning reconstruction and quantification for dynamic contrast-enhanced (DCE) MRI 2025-04, Magnetic resonance imaging IF:2.1Q2 DOI:10.1016/j.mri.2024.110310 PMID:39710009	研究论文	本研究提出了一种端到端的深度学习管道，结合新型重建网络DCE-Movienet和量化网络DCE-Qnet，用于快速、定量的动态对比增强磁共振成像（DCE-MRI）	提出DCE-Movienet，实现全采集数据的超快速重建（仅0.66秒），远快于压缩感知的10分钟级重建，且不影响图像质量	未提及局限性	提高DCE-MRI在临床环境中的速度和定量稳健性，以改善其临床应用表现	健康志愿者和宫颈癌患者	深度学习	癌症（宫颈癌）	DCE-MRI	深度学习网络	MRI图像	未提及具体数量	NA	DCE-Movienet, DCE-Qnet	未提及具体指标	NA
553	2026-09-04	Comparison of conventional diffusion-weighted imaging and multiplexed sensitivity-encoding combined with deep learning-based reconstruction in breast magnetic resonance imaging 2025-04, Magnetic resonance imaging IF:2.1Q2 DOI:10.1016/j.mri.2024.110316 PMID:39716684	研究论文	本研究比较了常规扩散加权成像与结合深度学习重建的多重敏感编码在乳腺磁共振成像中的应用效果。	首次将深度学习重建技术应用于MUSE序列的乳腺MRI，以提升图像质量并缩短扫描时间。	研究为单中心、样本量较小，且未评估DLR对诊断准确性的影响。	评估MUSE结合DLR在乳腺MRI中的可行性，并与常规DWI及单独MUSE进行比较。	2023年6月至12月接受乳腺MRI的女性参与者。	医学影像	乳腺癌	扩散加权成像，多重敏感编码，深度学习重建	深度学习	磁共振图像	51名女性参与者	NA	NA	信噪比，对比噪声比，表观扩散系数，图像质量评分，组内相关系数	NA
554	2026-09-04	Application of MRI-based tumor heterogeneity analysis for identification and pathologic staging of breast phyllodes tumors 2025-04, Magnetic resonance imaging IF:2.1Q2 DOI:10.1016/j.mri.2025.110325 PMID:39788394	研究论文	本研究探讨基于MRI的影像组学和深度学习模型在乳腺叶状肿瘤识别与病理分级中的应用价值。	结合传统影像组学、子区域影像组学和深度学习特征，构建融合模型以提高乳腺叶状肿瘤分类和鉴别诊断的准确性。	未提及。	评估基于MRI的影像组学和深度学习模型在乳腺叶状肿瘤识别与病理分级中的效能，并提供个性化治疗依据。	乳腺叶状肿瘤和乳腺纤维腺瘤患者。	影像组学, 医学影像分析	乳腺叶状肿瘤, 乳腺纤维腺瘤	MRI成像	深度学习模型	MRI图像	77例患者	NA	NA（未指定具体架构，但包括传统影像组学、子区域影像组学和深度学习特征模型）	ROC曲线, AUC, DeLong检验, 决策曲线, 校准曲线	NA
555	2026-09-04	Spatiotemporal Profiling Defines Persistence and Resistance Dynamics during Targeted Treatment of Melanoma 2025-03-03, Cancer research IF:12.5Q1 DOI:10.1158/0008-5472.CAN-24-0690 PMID:39700408	研究论文	利用空间转录组学在患者来源的异种移植模型中描绘黑色素瘤靶向治疗期间细胞持久性和耐药性的时空动态，揭示克隆进化和耐药机制	结合空间转录组学与深度学习组织病理学分析，以时空分辨率定义治疗期间的状态变化和谱系选择，识别潜在治疗干预的时间窗口	未明确提及局限性	理解黑色素瘤靶向治疗中持久细胞状态进入和退出的时间动态及特定通路，以制定预防治疗失败的策略	BRAF突变黑色素瘤患者来源的异种移植模型	空间转录组学	黑色素瘤	空间转录组学	深度学习模型	空间转录组数据、组织病理学图像	患者来源的异种移植模型（样本数量未明确）	NA	NA	NA	NA
556	2026-09-04	Multi-task magnetic resonance imaging reconstruction using meta-learning 2025-02, Magnetic resonance imaging IF:2.1Q2 DOI:10.1016/j.mri.2024.110278 PMID:39580007	研究论文	提出一种基于元学习的多任务磁共振成像重建方法，可同时处理不同成像序列和对比度的MRI数据	将元学习（学习到学习）策略与近端梯度下降启发的优化方法相结合，在多任务框架下同时从图像和k空间域学习特征，以提升多对比度MRI重建性能	文中未明确提及局限性	开发一种多任务元学习算法，以高效重建来自不同成像序列和对比度的MRI图像，并提高模型泛化性	多个MRI数据集，包含不同成像序列和对比度的图像	机器学习和医学影像	不适用	MRI重建	元学习模型	图像（MRI图像和k空间数据）	文中未明确提及样本数量（多个MRI数据集）	文中未明确提及具体框架	元学习网络与近端梯度下降启发方法	像素级误差、定性重建质量	文中未提及具体计算资源
557	2026-09-04	The Use of Artificial Intelligence and Wearable Inertial Measurement Units in Medicine: Systematic Review 2025-01-29, JMIR mHealth and uHealth IF:5.4Q1 DOI:10.2196/60521 PMID:39880389	系统综述	这项系统综述评估了人工智能模型与可穿戴惯性测量单元在医疗保健中的整合情况，识别了当前应用、挑战和未来机遇。	首次系统性地总结AI与可穿戴IMU在医学中的应用，并指出了数据集规模小、深度学习模型使用不足等问题，为未来研究提供了方向。	受限于综述性质，可能遗漏某些研究；数据集规模普遍较小，且多数研究在临床环境中进行，现实场景应用有限。	评估AI模型与可穿戴IMU在医疗保健中的整合，确定应用领域、模型使用情况和数据集特征。	关于AI和IMU在医学中应用的研究文章。	数字病理学	未特指	IMU（惯性测量单元）	机器学习模型（如线性回归、支持向量机、随机森林）	传感器数据	中位数为50名参与者	NA	NA	NA	NA
558	2026-09-04	Blip-up blip-down circular EPI (BUDA-cEPI) for distortion-free dMRI with rapid unrolled deep learning reconstruction 2025-01, Magnetic resonance imaging IF:2.1Q2 DOI:10.1016/j.mri.2024.110277 PMID:39566835	研究论文	开发了一种用于无畸变扩散MRI的快速展开深度学习重建管线，以促进BUDA-cEPI在临床和神经科学应用中的部署	提出了基于机器学习的展开重建框架RUN-UP，结合虚拟线圈概念改进重建质量，并包含快速的B0和涡流估计，重建速度比现有技术提高约88倍	未明确指出	开发快速重建管线和加速BUDA-cEPI数据的处理，使其适合常规临床和神经科学应用	扩散磁共振成像（dMRI）数据，包括含非扩散图像和扩散张量成像（DTI）应用	机器学习, 医学影像	NA	扩散磁共振成像（dMRI）	循环神经网络（展开网络）	图像	NA	NA	U-Net	归一化均方根误差	NA
559	2026-09-04	Cancer-Associated Lymphoid Aggregates in Histology Images: Manual and Deep Learning-Based Quantification Approaches 2025, Methods in molecular biology (Clifton, N.J.) DOI:10.1007/978-1-0716-4184-2_12 PMID:39527225	研究论文	本文提供了一套在癌症组织学图像中量化淋巴聚集物（包括生发中心的三级淋巴结构）的方法指南，涵盖手动和基于深度学习的自动量化技术。	提出了一种基于深度学习的算法HookNet-TLS，用于检测多种组织中的淋巴聚集物和生发中心，并提供了利用手动标注图像训练和实现该算法的具体指导。	未明确说明，但可推断依赖手动标注训练数据可能限制了算法的广泛应用。	为癌症组织学图像中的淋巴聚集物量化提供标准化指南，旨在开发预后和预测性组织生物标志物。	淋巴聚集物，包括具有生发中心的三级淋巴结构（TLS），在各种癌症组织学图像中。	数字病理学	癌症	苏木精-伊红染色	深度学习	组织学图像	未明确说明	NA	HookNet-TLS	未明确说明	未明确说明
560	2026-09-04	Deep learning models using intracranial and scalp EEG for predicting sedation level during emergence from anaesthesia 2024-Dec, BJA open DOI:10.1016/j.bjao.2024.100347 PMID:40018289	研究论文	本研究构建深度学习模型，结合颅内脑电图和头皮脑电图预测麻醉苏醒期间的镇静水平，并评估其性能	首次结合颅内脑电图和头皮脑电图构建深度学习模型预测镇静水平，并揭示两种模态结合可捕捉时空优势，提高预测准确性	样本量较小（七名患者），且颅内脑电图数据来自难治性癫痫患者，可能限制结果的普适性	评估颅内脑电图、头皮脑电图及其组合在预测不同镇静水平中的效能，以增强脑电图监测在麻醉深度管理中的应用	七名植入颅内电极的难治性癫痫患者和五名仅有头皮脑电图数据的患者	深度学习，神经科学	难治性癫痫	脑电图	深度学习模型	脑电图信号	七名患者（颅内+头皮脑电图），五名患者（仅头皮脑电图）	NA	NA	受试者工作特征曲线下面积	NA