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
6021	2026-01-21	Comparing prostate diffusion weighted images reconstructed with a commercial deep-learning product to a deep learning phase corrected model at 1.5 T 2026-Feb, Clinical imaging IF:1.8Q3 DOI:10.1016/j.clinimag.2025.110681 PMID:41297172	研究论文	本研究比较了商业深度学习产品与新型深度学习相位校正模型在1.5T场强下重建前列腺扩散加权图像的质量	提出了一种新型深度学习相位校正重建模型，在1.5T场强下相比商业深度学习产品能显著降低图像噪声并提高信噪比	研究样本量较小（仅30例患者），且为单中心回顾性研究，可能影响结果的普遍性	评估新型深度学习相位校正模型在提升前列腺扩散加权图像质量方面的效果	接受前列腺多参数磁共振成像的30例连续患者	医学影像分析	前列腺癌	扩散加权成像，多参数磁共振成像	深度学习模型	磁共振图像	30例患者	NA	深度学习相位校正模型	信噪比，表观扩散系数值，图像噪声评估，定性图像评分	NA
6022	2026-01-21	Quantification differences between supine and prone CT in interstitial lung disease 2026-Feb, Clinical imaging IF:1.8Q3 DOI:10.1016/j.clinimag.2025.110697 PMID:41418638	研究论文	本研究评估了间质性肺病患者仰卧位与俯卧位CT扫描在定量测量中的变异性和可重复性	首次系统比较了仰卧位与俯卧位CT在间质性肺病定量评估中的测量差异，并识别了影响体位间变异性的关键因素	研究为回顾性设计，样本仅来自单一机构，且未评估体位变化对临床决策的直接影响	评估俯卧位CT定量测量在间质性肺病评估中的可靠性与变异性	间质性肺病患者	数字病理学	间质性肺病	定量计算机断层扫描，深度学习软件分析	深度学习模型	CT图像	277名患者	NA	NA	组内相关系数，Bland-Altman分析，Pearson相关系数，Steiger's Z检验	NA
6023	2026-01-21	Global trends and collaboration networks in radiology: A bibliometric analysis of the 500 most-cited articles in web of science 2026-Feb, Clinical imaging IF:1.8Q3 DOI:10.1016/j.clinimag.2025.110700 PMID:41455150	研究论文	本研究通过文献计量学方法分析了Web of Science核心合集中被引次数最高的500篇放射学、核医学和医学影像学文章，以揭示全球研究趋势和合作网络	首次对放射学领域高被引文献进行大规模文献计量分析，识别了关键机构、国家、作者和新兴研究主题（如深度学习和人工智能）	分析仅基于被引次数最高的500篇文章，可能无法代表整个放射学研究领域的全貌；数据截止到2025年6月，可能无法反映最新动态	分析放射学、核医学和医学影像学领域的全球研究趋势、合作网络和新兴方向	Web of Science核心合集中被引次数最高的500篇放射学相关文章	医学影像学	NA	文献计量分析	NA	文献元数据	500篇高被引文章	Biblioshiny, VOSviewer 1.6.20, Python 3.13.3	NA	被引次数、平均被引影响、关键词出现频率	NA
6024	2026-01-21	Semantic segmentation deep learning model boosts surgeons' organ recognition in minimally invasive hysterectomy - a prospective multi-center reader performance study using pre-selected video clips 2026-Jan-20, International journal of surgery (London, England) DOI:10.1097/JS9.0000000000004606 PMID:41427529	研究论文	本研究评估了一种基于深度学习的解剖识别系统在提升外科医生于微创子宫切除术中识别输尿管和膀胱能力方面的效果	开发并前瞻性验证了一种基于语义分割的深度学习模型，用于辅助不同经验水平的外科医生在手术视频中识别输尿管和膀胱，特别是在经验较少的医生中显示出显著的敏感性提升	研究使用了预先筛选的视频片段，可能无法完全代表实时手术场景的复杂性；模型在膀胱分割上的Dice系数相对较低（0.62）	评估人工智能辅助系统是否能提高外科医生在微创子宫切除术中对输尿管和膀胱的识别能力，同时不降低特异性	微创子宫切除术中的输尿管和膀胱	计算机视觉	妇科疾病	深度学习	语义分割深度学习模型	图像，手术视频	来自41个机构的13,934张输尿管图像和4,940张膀胱图像；涉及8个机构的16名外科医生	NA	NA	Dice系数，敏感性，特异性	NA
6025	2026-01-08	Correction to "Time-Lapse Deep Learning for Single-Cell Subcellular Structural Phenotypic Antimicrobial Susceptibility Testing" 2026-Jan-20, Analytical chemistry IF:6.7Q1 DOI:10.1021/acs.analchem.5c07908 PMID:41493771	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
6026	2026-01-21	CTSSP: A temporal-spectral-spatial joint optimization algorithm for motor imagery EEG decoding 2026-Jan-20, Journal of neural engineering IF:3.7Q2 DOI:10.1088/1741-2552/ae34ea PMID:41499961	研究论文	本文提出了一种名为CTSSP的联合优化算法，用于解码运动想象脑电图信号	提出了一个统一的框架，联合优化时域、频域和空域滤波器，克服了现有方法特征优化碎片化的问题	NA	提升运动想象脑机接口在噪声和非平稳环境下的解码性能	运动想象脑电图信号	机器学习	NA	脑电图	NA	脑电图信号	五个公共数据集	NA	CTSSP	准确率	NA
6027	2026-01-21	Deep Learning Models: A Lens Worth Sharpening for Cancer Prognostication 2026-Jan-20, Annals of surgical oncology IF:3.4Q1 DOI:10.1245/s10434-026-19099-x PMID:41555132	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
6028	2026-01-21	Classification of Alzheimer's Disease by Modeling Brain Networks as Signed Networks under Deep Learning Frameworks 2026-Jan-19, IEEE transactions on computational biology and bioinformatics DOI:10.1109/TCBBIO.2026.3655150 PMID:41553900	研究论文	本文通过构建带符号的脑网络模型并利用带符号图神经网络技术，提出了一种创新的阿尔茨海默病预测与分析方法	将脑网络建模为包含正负相关性的带符号图，并应用带符号图卷积网络处理这些网络，显著提升了阿尔茨海默病预测的准确性	未明确提及研究的局限性	预测和分析阿尔茨海默病，提高其诊断准确性	阿尔茨海默病患者相关的脑网络数据	机器学习	阿尔茨海默病	带符号图神经网络技术	GCN	脑网络数据	NA	NA	图卷积网络及其变体	诊断精度	NA
6029	2026-01-21	A General Image Fusion Approach Exploiting Gradient Transfer Learning and Fusion Rule Unfolding 2026-Jan-19, IEEE transactions on pattern analysis and machine intelligence IF:20.8Q1 DOI:10.1109/TPAMI.2026.3655694 PMID:41553895	研究论文	本文提出了一种基于梯度迁移学习和融合规则展开的通用图像融合框架，旨在通过单一模型处理多种图像融合任务	引入了序列梯度迁移框架以利用不同任务间的互补信息，并通过将基本融合规则集成到深度均衡模型中，实现了超越启发式网络设计的更高效、通用的图像融合网络	未明确提及	开发一个能够统一处理多种图像融合任务的深度学习模型，以促进模型在实际应用中的部署	多焦点图像融合、多曝光图像融合、红外与可见光图像融合以及医学图像融合	计算机视觉	NA	深度学习	深度均衡模型	图像	未明确提及	未明确提及	未明确提及	客观指标	未明确提及
6030	2026-01-21	EEGMoE: A Domain-Decoupled Mixture-of-Experts Model for Self-Supervised EEG Representation Learning 2026-Jan-19, IEEE transactions on neural networks and learning systems IF:10.2Q1 DOI:10.1109/TNNLS.2026.3652277 PMID:41553887	研究论文	提出了一种用于自监督脑电图表征学习的领域解耦混合专家模型EEGMoE	引入了基于Transformer的领域解耦编码器，通过特定专家组和共享专家组的混合专家块，同时学习领域共享和领域特定的表征	未明确说明模型在跨被试或跨数据集场景下的具体性能限制	开发一种具有强泛化能力的自监督脑电图表征学习模型	大规模多任务脑电图数据	机器学习	NA	脑电图	Transformer, MoE	脑电图信号	NA	NA	Transformer-based domain-decoupled encoder, Mixture-of-Experts block	NA	NA
6031	2026-01-21	Model uncertainty estimates for deep learning mammographic density prediction using ordinal and classification approaches 2026-Jan-19, Biomedical physics & engineering express IF:1.3Q3 DOI:10.1088/2057-1976/ae39e2 PMID:41554181	研究论文	本研究开发了基于深度学习的乳腺密度预测模型，并引入模型不确定性估计，以提升临床和研究应用价值	通过分类和序数分类方法为深度学习模型提供不确定性估计，同时保持预测性能不下降	未明确说明模型在外部数据集上的泛化能力或临床部署的具体挑战	开发具有内置不确定性估计的深度学习模型，用于乳腺密度预测	超过150,000张乳腺X光图像及其专家评分的连续密度值	计算机视觉	乳腺癌	深度学习	分类模型, 序数分类模型, 回归模型	图像	超过150,000张乳腺X光图像	未明确指定	未明确指定	均方根误差	未明确指定
6032	2026-01-21	CT deep learning radiomics and genomics for predicting staging of epithelial ovarian cancer 2026-Jan-19, International journal of surgery (London, England) DOI:10.1097/JS9.0000000000004924 PMID:41556167	研究论文	本研究开发并验证了一种结合CT影像组学特征、深度学习特征和转录组学数据的模型，用于预测上皮性卵巢癌的分期	创新性地将CT影像组学、深度学习特征与转录组学数据相结合，构建多模态预测模型，并探索了与肿瘤微环境中免疫浸润模式的关联	样本量相对有限，且外部验证集来自公开数据库，可能影响模型泛化能力	开发并验证一种预测上皮性卵巢癌分期的多模态模型，以辅助个性化治疗策略制定	上皮性卵巢癌患者	数字病理学	卵巢癌	CT成像, RNA测序	逻辑回归	CT图像, 转录组学数据	训练集160例，内部验证集41例，外部验证集84例	NA	NA	AUC, 校准曲线, 决策曲线分析	NA
6033	2026-01-21	Fetal Sleep: A Cross-Species Review of Physiology, Measurement, and Classification 2026-Jan-14, Sleep IF:5.3Q1 DOI:10.1093/sleep/zsag003 PMID:41530894	综述	本文首次整合了超过七十年的研究，提供了一个跨物种的胎儿睡眠生理学、测量与分类的统一综述	首次将跨物种研究整合为统一的胎儿睡眠综述，并探讨了从侵入性神经生理学到非侵入性监测及深度学习框架的方法学演变	缺乏统一的、临床验证的胎儿睡眠状态定义框架，限制了向常规产科实践的转化	整合跨物种证据，为开发客观、多模态、非侵入性的胎儿睡眠监测技术提供科学基础，以支持早期神经损伤检测和及时产前干预	人类胎儿及动物模型（如绵羊和狒狒）的胎儿睡眠	NA	NA	非侵入性监测，深度学习框架	NA	信号数据	基于171项研究，涉及胎儿睡眠相关生理学、睡眠状态分类或基于信号的监测	NA	NA	NA	NA
6034	2026-01-21	BOLD-GPCRs: A Transformer-Powered App for Predicting Ligand Bioactivity and Mutational Effects across Class A GPCRs 2026-Jan-14, Journal of chemical information and modeling IF:5.6Q1 DOI:10.1021/acs.jcim.5c01858 PMID:41532426	研究论文	本文介绍了BOLD-GPCRs，一个基于Transformer的深度学习框架，用于预测A类GPCRs的配体生物活性和突变效应	结合了Transformer蛋白质语言模型与密集神经网络分类器，通过迁移学习利用已知配体、受体序列和突变数据，提升了对A类GPCRs配体生物活性和突变效应的预测能力，尤其适用于数据有限的受体亚型	主要关注A类GPCRs，未涵盖其他GPCR类别；依赖于现有数据集的完整性和准确性	开发一个深度学习框架，以准确预测A类GPCRs的配体生物活性和突变效应，支持药物发现	A类G蛋白偶联受体（GPCRs）及其配体	自然语言处理	NA	深度学习，迁移学习	Transformer, 密集神经网络	序列数据（受体序列），配体生物活性数据，突变数据	NA	NA	Transformer, 密集神经网络	NA	NA
6035	2026-01-21	Ultrasound in medicine from 2014 to 2024: A bibliometric review 2026-Jan-09, Medicine IF:1.3Q2 DOI:10.1097/MD.0000000000046890 PMID:41517659	综述	本文通过文献计量学方法，回顾了2014年至2024年间超声技术在医学领域的研究现状、热点及前沿	利用CiteSpace和VOSviewer软件对超声医学领域进行全面的文献计量分析，识别出新兴研究方向如超声刺激和药物递送	研究仅基于Web of Science核心合集数据库，可能未涵盖所有相关文献，且为回顾性分析，无法预测未来具体技术发展	调查超声技术在医学应用中的当前研究状态、重点领域和前沿方向	2014年至2024年间发表的2459篇超声医学相关学术文章	医学影像	NA	文献计量分析	NA	文本数据（学术文章元数据）	2459篇文章	CiteSpace, VOSviewer	NA	NA	NA
6036	2026-01-21	Deep Learning-Based Collateral Scoring on Multiphase CTA in Patients with Acute Ischemic Stroke in the MCA Region 2026-Jan-05, AJNR. American journal of neuroradiology DOI:10.3174/ajnr.A8911 PMID:40623825	研究论文	本研究开发了一种基于深度学习的自动化方法，用于评估和量化急性缺血性卒中患者多期相CTA图像中的侧支循环状态	提出了一种结合定制预处理模块的深度学习分类方法，用于自动评估多期相CTA中的侧支循环，旨在减少观察者变异并提高诊断效率	研究为回顾性设计，样本量相对有限（420例患者），且依赖于手动评估作为金标准，可能存在主观偏差	开发自动化评估急性缺血性卒中患者侧支循环的方法，以辅助临床决策	急性缺血性卒中患者的多期相CTA图像	医学影像分析	急性缺血性卒中	多期相CTA	深度学习分类模型	医学影像（多期相CTA图像）	420例患者	NA	NA	准确率, F1分数, 精确率, 灵敏度, 特异度, AUC, ICC, κ系数	NA
6037	2026-01-21	Dual energy CT and deep learning for an automated volumetric segmentation of the major intracranial tissues: Feasibility and initial findings 2026-Jan, Medical physics IF:3.2Q1 DOI:10.1002/mp.70217 PMID:41423435	研究论文	本研究探讨了使用深度学习模型和双能CT虚拟单能成像对颅内灰质、白质和脑脊液进行自动化体积分割的可行性	首次将双能CT的虚拟单能成像与深度学习模型结合，用于颅内组织的自动化体积分割，并利用多能量VMIs作为输入数据增强来提升分割性能	样本量较小（仅26名患者），且仅使用单一CT扫描仪和MRI作为金标准，可能限制模型的泛化能力	评估基于CT和深度学习的颅内组织分割的可行性，以在MRI不适用时改善患者管理	颅内灰质、白质和脑脊液	计算机视觉	NA	双能CT虚拟单能成像	深度学习	医学图像	26名患者（21名用于训练/验证，5名用于测试）	NA	U-Net++, U-Net	Dice相似系数, 体积准确度	NA
6038	2026-01-21	Continuous sPatial-temporal deformable image registration and 4D frame interpolation 2026-Jan, Medical physics IF:3.2Q1 DOI:10.1002/mp.70248 PMID:41452345	研究论文	提出了一种基于隐式神经表示的连续时空可变形图像配准和4D帧插值方法，以提高放疗中解剖运动分析的准确性和效率	利用隐式神经表示连续建模患者解剖运动，统一了欧拉和拉格朗日规范，实现了空间和时间连续的运动建模与帧插值	方法在具有挑战性的分次间腹部配准场景中性能仍有提升空间，且未明确说明训练数据的依赖性或泛化能力	开发一种连续时空可变形图像配准模型，以更准确地分析放疗中的解剖变化和运动模式	DIR-Lab数据集和Abdominal-DIR-QA数据集中的医学图像	计算机视觉	NA	可变形图像配准，4D帧插值	多层感知机网络	医学图像	DIR-Lab数据集和Abdominal-DIR-QA数据集	NA	隐式神经表示	目标配准误差，Dice系数，平均绝对误差，峰值信噪比	NA
6039	2026-01-21	A dual-interactive fusion network for low-dose CT image denoising 2026-Jan, Medical physics IF:3.2Q1 DOI:10.1002/mp.70253 PMID:41457826	研究论文	本文提出了一种用于低剂量CT图像去噪的双交互融合网络框架	提出了集成双阶段去噪架构、上下文感知训练策略和组合双阶段损失函数的DIFNet框架，在平衡性能、鲁棒性和计算效率方面取得进展	未明确说明模型在不同厂商扫描仪和协议间的泛化能力的具体量化结果	提升低剂量CT图像质量以改善诊断准确性	低剂量CT图像	计算机视觉	NA	低剂量CT成像	深度学习网络	医学图像	两个内部LDCT数据集（使用不同飞利浦扫描仪采集）和公开Mayo-2016基准数据集（使用西门子扫描仪采集）	NA	Dual-Interactive Fusion Network, Dual-Phase Denoising Architecture	定性评估, 定量指标	NA
6040	2026-01-21	A generalizable dose prediction model for automatic radiotherapy planning based on physics-informed priors and large-kernel convolutions 2026-Jan, Medical physics IF:3.2Q1 DOI:10.1002/mp.70272 PMID:41474032	研究论文	本研究开发了一种基于物理信息先验和大核卷积的通用剂量预测模型，用于自动放疗计划，并在不同肿瘤部位、照射技术和处方剂量下验证了其准确性和通用性	提出了首个能够跨多种肿瘤部位、照射技术和处方剂量进行准确剂量预测的通用模型，并集成了物理信息先验（如归一化距离感知射野板和质量密度图）以及大核卷积与UpKern初始化策略来提升性能	模型在GDP-HMM数据集（3234个计划）上开发和评估，虽然涵盖了头颈癌和肺癌，但尚未扩展到更多肿瘤类型或更大规模的外部验证	开发一个通用的剂量预测模型，以实现跨肿瘤部位、照射技术和处方剂量的高精度剂量分布预测，并验证基于该模型的通用自动放疗计划的可行性	放疗计划中的剂量分布	数字病理	肺癌, 头颈癌	IMRT, VMAT	CNN	图像	3234个放疗计划（2878个用于训练，356个用于测试）	PyTorch	3D MedNeXt	剂量体积直方图（DVH）指标误差（百分比点），平均绝对误差（MAE）	NA