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
5721	2026-01-26	Non-Invasive Screen Exposure Time Assessment Using Wearable Sensor and Object Detection 2022-07, Annual International Conference of the IEEE Engineering in Medicine and Biology Society. IEEE Engineering in Medicine and Biology Society. Annual International Conference DOI:10.1109/EMBC48229.2022.9871903 PMID:36086530	研究论文	本文提出了一种使用可穿戴传感器和计算机视觉技术测量屏幕暴露时间的新方法	结合定制化轻量级可穿戴传感器与基于深度学习的物体检测模块，实现非侵入性、客观且鲁棒的屏幕暴露时间评估	未在摘要中明确说明具体限制	开发一种非侵入性、客观且准确的屏幕暴露时间测量方法，用于行为研究	儿童和成人（包括所有人群）的屏幕暴露行为	计算机视觉	NA	可穿戴传感器、计算机视觉、深度学习	深度学习物体检测模块	以自我为中心的图像	未在摘要中明确说明具体样本数量	NA	NA	NA	NA
5722	2026-01-25	Integrated region-specific modeling of H5 avian influenza in Asia using ENSO-based forecasts 2026-Jun, One health (Amsterdam, Netherlands) DOI:10.1016/j.onehlt.2026.101322 PMID:41567856	研究论文	本研究通过整合ENSO气候预测与分层统计模型，量化了亚洲地区H5高致病性禽流感的气候驱动动态，并利用深度学习进行风险预测	首次将ENSO指数作为主要预测因子，结合区域-宿主分层GAM模型与RNN预测框架，构建了气候驱动的禽流感动态预测系统	模型主要依赖气候变量，未充分考虑人为干预、家禽贸易网络等社会因素对疫情传播的影响	开发气候驱动的H5高致病性禽流感风险预测框架，支持亚洲地区的早期预警和针对性防控策略	亚洲地区的家禽和野生鸟类种群中的H5高致病性禽流感疫情事件	机器学习	禽流感	广义加性模型（GAM）、递归神经网络（RNN）、多变量ENSO指数（MEI）分析	GAM, RNN	气候指数时间序列、疫情事件记录	亚洲七个区域-宿主分层的数据（具体样本数未明确说明）	NA	NA	NA	NA
5723	2026-01-25	Machine learning-based multi-class classification of bladder pathologies using fused 3D CT radiomic and 3D auto-encoder deep features 2026-Jun, European journal of radiology open IF:1.8Q3 DOI:10.1016/j.ejro.2026.100728 PMID:41568074	研究论文	本文提出了一种结合放射组学和深度学习特征的自动化分析框架，用于基于非增强CT图像对膀胱病理进行多类别分类	开发了一种集成3D放射组学特征和3D自编码器深度特征的混合特征提取方法，并利用XGBoost进行多类别分类，通过SHAP分析提供了模型的可解释性	研究为回顾性设计，样本量相对有限，且仅使用非增强CT图像，未对比其他影像模态	开发自动化分析框架，实现对膀胱病理（正常、结石、癌症、膀胱炎）的多类别分类	膀胱CT扫描图像	数字病理学	膀胱癌	CT成像	3D-UNet, 3D卷积自编码器, XGBoost	3D CT图像	902例CT扫描（584例正常，142例结石，66例癌症，110例膀胱炎）	PyTorch, Scikit-learn, XGBoost	3D-UNet, 3D卷积自编码器	AUROC	NA
5724	2026-01-25	Automated diagnosis of usual interstitial pneumonia on chest CT via the mean curvature of isophotes 2026-Jun, European journal of radiology open IF:1.8Q3 DOI:10.1016/j.ejro.2025.100723 PMID:41568076	研究论文	本研究探讨了使用等照度线平均曲率（MCI）这一几何图像变换技术，以改进胸部CT上寻常型间质性肺炎（UIP）的自动检测性能	首次将MCI这一几何图像变换应用于胸部CT图像，以增强AI系统对UIP的自动检测能力，并展示了其在多个分类模型上的性能提升	研究为回顾性设计，数据来源于两个机构，可能存在选择偏倚；未在更大规模或更多样化的外部数据集上进行验证	评估MCI变换是否能提高胸部CT上UIP自动检测的分类性能	234名患者的胸部CT扫描图像	计算机视觉	间质性肺疾病	胸部CT成像	CNN, 非深度学习模型	图像	234名患者（123名女性，111名男性；平均年龄61.6岁；年龄范围18-90岁）的胸部CT扫描	TensorFlow, PyTorch, Scikit-learn	EfficientNet-V2	召回率-宏平均, 精确率-宏平均, F1分数-宏平均	NA
5725	2026-01-25	A droplet digital LAMP-based lab-on-a-disc system for multiplex allele-specific detection of tumor-derived DNA mutations 2026-Apr-01, Biosensors & bioelectronics IF:10.7Q1 DOI:10.1016/j.bios.2025.118367 PMID:41500045	研究论文	本研究开发了一种基于多重液滴数字LAMP的盘上实验室系统，用于快速、等位基因特异性检测肿瘤来源的DNA突变	开发了全自动、集成的样本到结果平台，结合了改进的等位基因特异性LAMP检测、微流体自动化和人工智能辅助液滴成像，实现了单核苷酸分辨的突变定量	未明确说明系统在更广泛突变类型或癌症类型中的验证范围，以及长期稳定性和大规模临床应用的可行性	开发一种准确、快速、全自动且经济高效的肿瘤衍生DNA突变检测方法，以促进癌症生物标志物的临床转化	乳腺癌组织和血浆样本中的PIK3CA点突变	数字病理	乳腺癌	液滴数字环介导等温扩增，微流体技术，人工智能辅助成像	深度学习模型	液滴图像数据	乳腺癌组织和血浆样本（具体数量未明确说明）	NA	NA	灵敏度，特异性，重现性，线性范围，检测限	NA
5726	2026-01-25	FTIR spectroscopy combined with machine learning reveals molecular signatures distinguishing three phenotypes of endometriosis 2026-Apr, Analytical biochemistry IF:2.6Q2 DOI:10.1016/j.ab.2026.116047 PMID:41500442	研究论文	本研究结合FTIR光谱与机器学习，揭示了区分子宫内膜异位症三种表型的分子特征	首次应用FTIR光谱结合机器学习方法，系统分析并区分子宫内膜异位症的三种临床表型，发现了表型特异的脂质和碳水化合物组成变化	研究样本量有限，且深部浸润型子宫内膜异位症的分子机制仍不完全清楚，需要更大规模的研究验证	探索子宫内膜异位症不同表型的生化差异，并开发基于光谱的鉴别工具	子宫内膜异位症的三种表型：浅表腹膜病变、卵巢子宫内膜异位囊肿和深部浸润型子宫内膜异位症	机器学习	子宫内膜异位症	傅里叶变换红外光谱	深度学习, 支持向量机, 极端梯度提升	光谱数据	NA	NA	NA	NA	NA
5727	2026-01-25	Transforming Gynecologic Cancer Care Through Artificial Intelligence: A Clinician's Guide to the Evolving Landscape 2026-Mar-01, Clinical obstetrics and gynecology IF:1.4Q3 DOI:10.1097/GRF.0000000000000985 PMID:41363042	综述	本文是一篇面向临床医生的综述，系统阐述了人工智能在妇科肿瘤全程诊疗中的应用现状与前景	全面整合了AI在妇科肿瘤预防、筛查、诊断、预后及治疗各环节的最新证据，并提出了临床整合路径与伦理监管框架	作为综述文章，未开展原始研究，未来需前瞻性试验和真实世界数据验证	指导临床医生理解AI在妇科肿瘤诊疗中的演变格局与应用路径	妇科肿瘤（如宫颈癌、卵巢癌等）的诊疗流程	数字病理学, 医学影像分析, 机器学习	妇科肿瘤	深度学习, 多模态模型, 液体活检, 影像组学	深度学习模型	临床数据, 影像数据, 组织病理学图像, 基因组数据	NA	NA	NA	准确性, 速度, 可重复性	NA
5728	2026-01-25	Artificial Intelligence in Obstetrics: Current Applications, Opportunities, and Clinical Implementation Challenges 2026-Mar-01, Clinical obstetrics and gynecology IF:1.4Q3 DOI:10.1097/GRF.0000000000000980 PMID:41431393	综述	本文综述了人工智能在产科中的当前应用、机遇及临床实施挑战	系统性地总结了AI在产科多个临床领域的应用，并强调了技术、伦理和实施方面的持续障碍	存在外部验证有限和算法偏见等关键挑战	探讨人工智能在产科实践中的转化应用、机遇及临床实施所面临的挑战	产科临床实践，包括诊断影像、风险预测和临床决策	机器学习	产科疾病	深度学习	NA	影像数据	NA	NA	NA	诊断准确性	NA
5729	2026-01-25	K-means++ guided multi-view CNN with channel attention for EEG emotion recognition 2026-Mar-01, Brain research IF:2.7Q3 DOI:10.1016/j.brainres.2026.150160 PMID:41520860	研究论文	本文提出了一种基于通道注意力的多视图深度卷积神经网络（MVACNN），用于脑电图（EEG）情绪识别	采用K-means++聚类引导的多视图CNN，结合通道注意力机制，以更密集地提取特定脑区的协同特征并减少无关噪声干扰	NA	提高EEG情绪识别的准确性和鲁棒性	脑电图（EEG）信号	机器学习	NA	EEG信号处理	CNN	脑电图信号	NA	NA	多视图CNN, 残差块	NA	NA
5730	2026-01-25	Advancements in radiation dose reduction for pediatric CT head Imaging: A scoping review of emerging Technologies, Protocols, and optimization strategies 2026-Mar, Technical innovations & patient support in radiation oncology DOI:10.1016/j.tipsro.2026.100374 PMID:41567817	综述	本文是一篇范围综述，重点回顾了儿科头部CT成像中用于降低辐射剂量的先进技术、协议和优化策略	系统性地综述了人工智能驱动的深度学习图像重建（DLIR）算法在儿科超低剂量CT协议中的应用，相较于传统技术，能在降低辐射剂量的同时保持甚至提升诊断图像质量	作为一篇范围综述，其结论基于对现有文献的总结，而非原始研究数据，且纳入的文献数量有限（24篇），可能未涵盖所有相关技术	评估儿科头部CT成像中先进的辐射剂量降低技术、协议和优化策略，旨在实现最佳辐射剂量与诊断图像质量的平衡	儿科患者群体	数字病理	NA	计算机断层扫描（CT）、迭代重建（IR）、深度学习图像重建（DLIR）	深度学习算法	医学影像（CT图像）	基于24篇纳入文献的研究数据	NA	NA	辐射剂量参数、诊断图像质量	NA
5731	2026-01-25	SiQDs and [Ru(bpy)2(phen-NH2)]2+ based ratiometric fluorescence probe for point-of-care testing of 6PPD-quinone with 3D-printing portable devices 2026-Feb-15, Analytica chimica acta IF:5.7Q1 DOI:10.1016/j.aca.2026.345075 PMID:41577417	研究论文	本研究提出了一种基于深度学习和智能手机的比率荧光传感器，用于现场检测环境污染物6PPD-Q	结合硅量子点和钌配合物构建双发射比率荧光探针，并集成YOLOv5算法与3D打印便携设备，实现可视化实时检测	检测范围分为两个线性区间（0.0066-2 μg/mL和2-7 μg/mL），可能在实际应用中需要分段校准	开发快速、高响应、特异性的6PPD-Q现场检测方法	轮胎衍生的新兴污染物N-苯基-N'-(1,3-二甲基丁基)-对苯二胺-醌（6PPD-Q）	环境分析化学	NA	比率荧光传感，智能手机成像，3D打印设备制造	深度学习，目标检测	荧光图像，RGB数值	NA	PyTorch	YOLOv5	检测限（LOD），线性关系	智能手机处理器，3D打印便携设备
5732	2026-01-25	Rapid MR examination with deep learning reconstruction improves diagnosis of complicated acute appendicitis 2026-Feb, European journal of radiology IF:3.2Q1 DOI:10.1016/j.ejrad.2025.112554 PMID:41289720	研究论文	本研究评估了采用深度学习重建的非对比快速磁共振成像协议在诊断急性阑尾炎并发症方面的性能	首次将深度学习重建技术应用于非对比快速MRI协议，以提高对复杂阑尾炎的诊断准确性	样本量较小（仅62名患者），且部分患者仅接受MRI检查，缺乏完全一致的比较组	评估深度学习重建在快速MRI中诊断复杂阑尾炎的效果	急性阑尾炎患者，包括孕妇	医学影像分析	急性阑尾炎	磁共振成像（T2加权、T1加权、扩散加权成像）、深度学习重建	深度学习模型	医学影像（MRI图像）	62名患者，其中55名确诊急性阑尾炎	NA	NA	敏感性、阴性预测值、受试者工作特征分析、kappa统计	NA
5733	2026-01-25	Deep learning-reconstructed hepatobiliary MRI: Enhancing biliary delineation, lesion margin sharpness, and small lesion detection 2026-Feb, European journal of radiology IF:3.2Q1 DOI:10.1016/j.ejrad.2025.112574 PMID:41314015	研究论文	本研究评估了深度学习重建的T1加权VIBE序列在肝胆MRI中相对于传统VIBE序列在胆道可视化、病灶检测和伪影抑制方面的性能	首次将深度学习重建技术应用于肝胆MRI的T1加权VIBE序列，实现了更薄的1.5毫米层厚扫描，显著提升了三级胆管显示、病灶边缘锐利度和小病灶检测能力	纹理自然度略有降低，且研究为回顾性设计，样本量相对有限	评估深度学习重建的MRI序列在肝胆成像中的临床应用价值	疑似肝脏病变的患者及其MRI图像	医学影像分析	肝脏疾病	钆塞酸增强MRI，深度学习图像重建	深度学习模型	MRI图像	94名患者，145个病灶	NA	NA	边缘上升距离，对比噪声比，检测率	NA
5734	2026-01-25	Personalized adrenal gland volume reference ranges and development of a fully automated deep learning screening tool 2026-Feb, European journal of radiology IF:3.2Q1 DOI:10.1016/j.ejrad.2025.112591 PMID:41352231	研究论文	本研究开发了一种基于低剂量CT的全自动深度学习工具，用于筛查肾上腺体积异常并建立个性化参考范围，以辅助诊断肾上腺疾病	首次基于低剂量CT开发了全自动深度学习工具，并建立了考虑年龄、性别、体表面积和血液标志物等个体化因素的肾上腺体积参考范围	研究仅基于低剂量非增强胸部CT数据，未包含其他影像模式；异常检测系统在肾上腺增生验证集中的检出率为77.09%，仍有提升空间	开发自动化肾上腺体积测量工具并建立个性化参考范围，以辅助肾上腺疾病的筛查和诊断	接受低剂量非增强胸部CT检查的成年人（≥18岁），包括健康参考组、高血压/糖尿病验证组和肾上腺异常验证组	数字病理学	肾上腺疾病	低剂量CT	深度学习	CT图像	训练集400张低剂量胸部CT图像，验证集550张图像；总研究人群18,538名成年人，其中健康参考组7,907人	nnU-Net	nnU-Net	Dice相似系数, ICC	NA
5735	2026-01-25	Usefulness of metal artifact reduction on CT angiography after massive coil embolization in peripheral AVM 2026-Feb, European journal of radiology IF:3.2Q1 DOI:10.1016/j.ejrad.2025.112606 PMID:41406589	研究论文	本研究评估了三种CT重建方法结合智能金属伪影减少技术在处理外周动静脉畸形线圈栓塞后CT血管造影图像质量方面的效果	首次比较了滤波反投影、自适应统计迭代重建和深度学习重建结合智能金属伪影减少技术在外周动静脉畸形栓塞后评估中的应用	单中心研究，样本量较小（30例患者），可能限制结果的普遍性	评估不同CT重建方法结合金属伪影减少技术对栓塞后动静脉畸形图像质量的改善效果	接受线圈栓塞治疗的外周动静脉畸形患者	医学影像	外周动静脉畸形	双能CT血管造影，虚拟单能成像	深度学习重建	CT图像	30例患者	NA	NA	标准差，伪影指数，对比噪声比，主观评分	NA
5736	2026-01-25	The effect of spatial and intensity level augmentation of structural magnetic resonance images on autism diagnosis model 2026-Feb, Asian journal of psychiatry IF:3.8Q1 DOI:10.1016/j.ajp.2026.104830 PMID:41499905	研究论文	本研究探讨了结构磁共振图像的空间和强度水平增强对自闭症诊断模型性能的影响	提出了结合空间和强度水平增强的数据增强方法，并发现特定增强技术（如随机噪声注入）能提升模型性能，而左右翻转则降低性能	未详细说明数据稀缺的具体原因或样本来源的局限性，且增强方法的泛化性可能受限于特定数据集	通过数据增强提高深度学习模型在自闭症诊断中的鲁棒性和泛化能力	结构磁共振图像	医学影像分析	自闭症	结构磁共振成像	深度学习模型	图像	NA	NA	NA	AUC	NA
5737	2026-01-25	Acceleration of chemical shift encoding-based water-fat imaging for pancreatic proton density fat fraction mapping in a single breath-hold: Data from the LION study 2026-Feb, European journal of radiology IF:3.2Q1 DOI:10.1016/j.ejrad.2025.112641 PMID:41499911	研究论文	本研究评估了使用压缩感知和深度学习辅助重建算法加速基于化学位移编码的胰腺质子密度脂肪分数成像技术，以实现单次屏气高分辨率脂肪定量	首次将深度学习辅助重建算法应用于加速的化学位移编码水脂分离成像，用于胰腺脂肪定量，提高了成像速度和图像质量	研究样本仅限于无糖尿病的肥胖成年人，且仅使用单一MRI设备，可能限制结果的普适性	开发并评估加速的胰腺脂肪定量成像技术，以用于肥胖和代谢疾病研究	71名无糖尿病的肥胖成年人的腹部MRI数据集	医学影像	代谢综合征	化学位移编码水脂分离成像，压缩感知，深度学习重建	深度学习辅助重建算法	MRI图像	104个腹部MRI数据集，来自71名成年人	NA	NA	线性度（R2），组内相关系数，噪声水平	3T MRI设备（Philips Ingenia Elition X）
5738	2026-01-25	Deep learning image reconstruction improves 40 keV virtual monoenergetic image quality in rectal cancer 2026-Feb, European journal of radiology IF:3.2Q1 DOI:10.1016/j.ejrad.2025.112646 PMID:41520415	研究论文	本研究评估了深度学习图像重建（DLIR）在直肠癌40 keV虚拟单能成像（VMI）中的图像质量和诊断性能	首次将DLIR应用于直肠癌40 keV VMI，并与ASIR-V重建方法进行比较，以改善低能量VMI的图像噪声和诊断性能	样本量较小（62例患者），且DLIR在诊断性能（如T分期）上的提升有限（AUC=0.592）	评估DLIR对40 keV VMI图像质量的影响及其在评估直肠癌壁外静脉侵犯（EMVI）和T分期中的诊断性能	62例直肠腺癌患者	医学影像	直肠癌	双能计算机断层扫描（DECT）、虚拟单能成像（VMI）、深度学习图像重建（DLIR）	深度学习模型	CT图像	62例患者	NA	NA	CT衰减值、图像噪声、对比噪声比（CNR）、信噪比（SNR）、边缘上升斜率（ERS）、噪声功率谱（NPS）曲线下面积、受试者工作特征曲线下面积（AUC）	NA
5739	2026-01-25	Assessing greenspace and cardiovascular disease risk through deep learning analysis of street-view imagery in the US-based nationwide Nurses' Health Study 2026-Feb, Environmental epidemiology (Philadelphia, Pa.) DOI:10.1097/EE9.0000000000000442 PMID:41567830	研究论文	本研究利用深度学习分析美国护士健康研究中的街景图像，评估特定绿化类型（如树木、草地）与心血管疾病风险之间的关联	首次在大规模前瞻性队列中，使用深度学习从街景图像中提取特定绿化类型（树木、草地等）的暴露数据，而非传统的卫星植被指数，减少了暴露分类错误并提高了政策相关性	研究仅针对美国女性护士群体，可能限制了结果的普适性；绿化暴露估计基于街景图像，可能无法完全捕捉私人庭院或室内绿化	评估街景绿化措施与心血管疾病发病率之间的关联	美国护士健康研究中的女性护士参与者	计算机视觉	心血管疾病	街景图像分析	深度学习模型	图像	88,788名参与者，基于3.5亿张街景图像	NA	NA	风险比, 置信区间	NA
5740	2026-01-25	Deep learning reconstruction enhances 1.5T MR angiography beyond 3T in vascular visualization for Moyamoya disease 2026-Jan-24, Japanese journal of radiology IF:2.9Q2 DOI:10.1007/s11604-025-01945-9 PMID:41579320	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA