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
601	2026-05-31	Disrupted Association of Sensory Neurons With Enveloping Satellite Glial Cells in Fragile X Mouse Model 2021, Frontiers in molecular neuroscience IF:3.5Q2 DOI:10.3389/fnmol.2021.796070 PMID:35058748	研究论文	在脆性X综合征小鼠模型中，感觉神经元与包裹的卫星胶质细胞之间的关联被破坏	首次揭示卫星胶质细胞在脆性X综合征感觉缺陷中的潜在贡献，结合单细胞RNA测序和深度学习网络进行结构功能分析	NA	探索脆性X综合征中感觉外周系统的功能障碍，特别是卫星胶质细胞对感觉缺陷的贡献	脆性X综合征小鼠模型的背根神经节中的感觉神经元和卫星胶质细胞	机器学习	脆性X综合征	单细胞RNA测序、荧光显微镜、qPCR、高分辨率透射电子显微镜、深度学习网络	深度学习网络	图像、基因表达数据	NA	NA	深度学习网络	NA	NA
602	2026-05-31	High compression deep learning based single-pixel hyperspectral macroscopic fluorescence lifetime imaging in vivo 2020-Oct-01, Biomedical optics express IF:2.9Q2 DOI:10.1364/BOE.396771 PMID:33149959	研究论文	提出一种基于高压缩深度学习的高光谱宏观荧光寿命单像素成像方法，用于活体成像	结合压缩感知和卷积神经网络，实现仅需1%测量即可重建128×128像素的强度和寿命图像，无需实验训练数据集	未提及模型在更低压缩率或更高分辨率下的表现，以及潜在的计算资源限制	加速单像素宏观荧光寿命成像的采集和处理速度，提高分辨率，以促进其活体应用	用于活体小鼠成像，监测肝脏和膀胱中的受体-配体相互作用，以及HER2阳性乳腺肿瘤异种移植中曲妥珠单抗药物的细胞内递送	计算机视觉	未明确指定疾病类型，但涉及肿瘤（乳腺肿瘤异种移植）	荧光寿命成像、压缩感知	卷积神经网络 (CNN)	荧光寿命图像	包括合成数据、体外数据和活体小鼠数据，具体数量未提及	PyTorch	NetFLICS-CR	强度重建和寿命重建精度，具体指标未提及但可能包括结构相似性等	未提及具体GPU类型或平台
603	2026-05-31	Real-time, wide-field and high-quality single snapshot imaging of optical properties with profile correction using deep learning 2020-Oct-01, Biomedical optics express IF:2.9Q2 DOI:10.1364/BOE.397681 PMID:33149980	研究论文	提出一种基于深度学习和GPU的单次快照光学特性成像方法，实现实时、宽场、高质量成像及表面轮廓校正	在滤波阶段结合深度学习网络和GPU，实现高视觉质量图像重建、表面轮廓校正和实时光学特性提取，处理时间仅18毫秒，性能接近传统轮廓校正SFDI方法	相对SFDI方法的误差小于10%，未提及对其他组织类型或临床场景的泛化能力	开发实时、宽场、定量的漫反射光学成像方法，用于图像引导手术等临床应用中可视化活体组织的功能和结构生物标志物	活体组织的光学特性和表面轮廓	计算机视觉	不适用	空间频域成像（SFDI）	深度学习网络	图像	不适用	不适用	深度学习网络（未具体指定架构类型）	处理时间，相对误差	GPU（未具体指定类型）
604	2026-05-31	UNMIX-ME: spectral and lifetime fluorescence unmixing via deep learning 2020-Jul-01, Biomedical optics express IF:2.9Q2 DOI:10.1364/BOE.391992 PMID:33014571	研究论文	提出基于深度学习的UNMIX-ME方法，同时利用光谱和时间特征进行荧光解混	首次同时利用光谱和时间特征进行定量荧光解混，克服传统独立解混方法的局限性	可能依赖特定压缩超光谱荧光寿命成像平台的数据采集框架，通用性需进一步验证	开发基于深度学习的荧光解混方法，实现多荧光团定量成像	模拟的三指数和四指数样本，以及近红外FRET临床前应用样本	机器学习	NA	超光谱荧光寿命成像	深度学习模型	光谱-时间荧光衰减数据	模拟样本（三指数和四指数），以及临床前FRET样本	NA	UNMIX-ME	NA	NA
605	2026-05-31	Fast fit-free analysis of fluorescence lifetime imaging via deep learning 2019-11-26, Proceedings of the National Academy of Sciences of the United States of America IF:9.4Q1 DOI:10.1073/pnas.1912707116 PMID:31719196	研究论文	提出了一种基于深度学习的免拟合方法进行荧光寿命成像分析	首次实现了无需复杂数据拟合的荧光寿命成像分析，通过深度学习网络FLI-Net同时量化整个图像的荧光衰减，速度快且无需参数设置	文中未明确提及局限性	实现快速、免拟合的荧光寿命成像分析，以提升该技术在生物医学应用中的可重复性和速度	荧光寿命成像数据，包括可见光和近红外荧光寿命显微成像及近红外门控宏观荧光寿命成像	机器学习, 数字病理学	NA	荧光寿命成像	深度神经网络	图像	NA	NA	FLI-Net	准确度	NA
606	2026-05-31	MR image reconstruction using deep learning: evaluation of network structure and loss functions 2019-Sep, Quantitative imaging in medicine and surgery IF:2.9Q2 DOI:10.21037/qims.2019.08.10 PMID:31667138	研究论文	评估用于加速心脏磁共振成像的卷积神经网络重建方法，包括网络结构和损失函数	发现ResNet在参数数量仅为Unet十分之一的情况下达到相似的图像质量，且感知损失函数在放射科医生评分中表现最佳	具体局限未在摘要中明确说明	在实际临床背景下评估用于加速心脏磁共振成像的卷积神经网络重建方法	心脏磁共振成像的重建方法	机器学习	心血管疾病	MRI	CNN	图像	回顾性和前瞻性欠采样心脏磁共振数据	NA	Unet, ResNet	放射科医生定量和定性评估	NA
607	2026-05-30	Comparing AI-driven approaches for predicting river water quality: a systematic review of water quality indices and remote sensing methods 2026-Aug-15, Water research IF:11.4Q1 DOI:10.1016/j.watres.2026.126047 PMID:42114478	综述论文	系统综述AI驱动在河流水质预测中的方法，比较传统水质指数与遥感技术的应用	首次系统比较两种主流AI方法（WQI和RS）在河流水质预测中的应用，识别了地理偏差、参数选择差异和标准化缺失等关键知识缺口	研究主要集中于亚洲（83%），其他地区代表性不足，且多数研究缺乏灵敏度分析和不确定性量化	综合、比较并识别AI驱动河流水质预测研究中的知识缺口，为开发更可迁移、更可靠的预测框架提供证据基础和优先研究方向	2018年至2024年间发表的71篇同行评审案例研究	机器学习	NA	NA	机器学习或深度学习模型	水质指标数据和遥感影像数据	71篇案例研究（其中44篇基于WQI方法，27篇基于RS方法）	NA	NA	准确率等常规指标	NA
608	2026-05-30	Deep learning algorithms for license plate recognition: A review 2026-Aug, Neural networks : the official journal of the International Neural Network Society IF:6.0Q1 DOI:10.1016/j.neunet.2026.108842 PMID:41846120	综述	对深度学习车牌识别技术进行系统性综述，涵盖技术演进、性能评估与未来方向	首次系统梳理了从传统特征工程方法到深度学习端到端检测框架的技术演进路径，并整合了跨区域模型、轻量级网络及多模态融合等新兴方向	未涉及具体算法复现验证，对不同复杂场景下的量化对比分析不够深入	理清车牌识别技术发展脉络，评估各类方法在复杂场景下的效果与局限，指明未来研究方向	车牌检测与识别算法、公共车牌图像数据集	计算机视觉	NA	NA	CNN	图像	NA	NA	深度学习端到端检测框架	鲁棒性	NA
609	2026-05-30	Fully automated quantification of net water uptake in acute ischemic stroke using only non-contrast CT imaging 2026-Jun, European radiology IF:4.7Q1 DOI:10.1007/s00330-025-12238-0 PMID:41444396	研究论文	提出一种仅基于非增强CT图像的急性缺血性脑卒中净水摄取量全自动量化方法	首次实现无需深度学习组件、仅依赖专家定义启发式规则的全自动NWU量化，避免了对CT灌注或扩散加权成像的依赖	分割精度中等（Dice系数约0.48），方法依赖于专家定义规则可能限制泛化能力	实现急性缺血性脑卒中病灶进展的自动化、可重复评估	急性缺血性脑卒中患者的非增强CT影像数据	计算机视觉	脑血管疾病	非增强CT成像	基于规则的图像处理流程	图像	内部数据集185例（排除后155例），外部测试51例（排除后46例）	OpenCV	无，使用专家定义启发式规则	病灶检出率、平均绝对NWU误差、Dice相似系数、平均精度均值	NA
610	2026-05-30	MRI-to-PET synthesis via deep learning for amyloid-β quantification in Alzheimer's disease 2026-Jun, European radiology IF:4.7Q1 DOI:10.1007/s00330-025-12251-3 PMID:41495456	研究论文	构建深度学习模型，从结构MRI生成3D合成Aβ PET图像，用于阿尔茨海默病中淀粉样蛋白-β的量化	提出ShareGAN模型，在整张三维体积上操作而非2D切片，并利用共享参数生成对抗网络，真实再现邻接图像平面之间的微小差异	NA	提供安全、低成本的Aβ状态可视化工具，辅助早期阿尔茨海默病检测，减少不必要的PET扫描	阿尔茨海默病患者的Aβ PET和配对MRI图像	计算机视觉	阿尔茨海默病	MRI, PET	生成对抗网络	图像	1009对Aβ PET和MRI图像	NA	ShareGAN	结构相似性指数测量, 峰值信噪比, 平均绝对误差, 标准化摄取值比, 诊断准确率	NA
611	2026-05-30	Deep learning-based automatic measurement of the femoral head ossification center in healthy Korean children: development of a novel radiographic growth chart 2026-Jun, European radiology IF:4.7Q1 DOI:10.1007/s00330-025-12263-z PMID:41528475	研究论文	基于深度学习的自动测量健康韩国儿童股骨头骨化中心大小并建立AI驱动的生长图表	首次开发基于深度学习的全自动测量股骨头骨化中心大小的算法，并利用AI测量数据建立标准化生长图表	NA	开发和验证基于深度学习的自动测量股骨头骨化中心大小算法，并建立AI驱动的生长图表	健康韩国儿童的股骨头骨化中心	计算机视觉	儿科髋关节发育异常	骨盆X线摄影	深度学习算法（三阶段）	图像	1705名健康韩国儿童（平均年龄5.1±3.3岁，女性841名，男性864名）	NA	感兴趣区域检测、股骨头骨化中心分割、基于标志点的尺寸计算	一致性相关系数、皮尔逊相关系数、平均绝对误差、均方根误差、Bland-Altman分析、配对t检验、Fisher Z检验、调整R²	NA
612	2026-05-30	TomoRay cranial: synthesis of cranial CT imaging from biplanar radiographs using a generative adversarial network 2026-Jun, European radiology IF:4.7Q1 DOI:10.1007/s00330-025-12253-1 PMID:41537782	研究论文	探索利用生成对抗网络从双平面X光片合成颅脑CT图像的可行性研究	首次使用深度学习从双平面X光片生成合成颅脑CT图像	合成的CT图像与真实CT图像的一致性不佳，使用真实X光片时更具挑战	探索利用深度学习从成人神经外科患者的双平面X光片生成合成颅脑CT图像的可行性	成人神经外科患者的颅脑图像	计算机视觉	神经外科疾病	X光成像, CT成像	生成对抗网络	图像	模型1使用235张来自三个中心的图像；模型2使用1323张来自一个中心的图像	NA	NA	峰值信噪比, 结构相似性指数	NA
613	2026-05-30	Deep learning-based automated contrast enema analysis to improve the assessment of Hirschsprung disease 2026-Jun, European radiology IF:4.7Q1 DOI:10.1007/s00330-025-12267-9 PMID:41572045	研究论文	使用深度学习自动分析对比灌肠图像以改善先天性巨结肠的诊断评估	首次将预训练的DenseNet121深度学习模型应用于对比灌肠图像的自动分析，用于诊断先天性巨结肠，并与放射科专家的评估进行对比，显示模型在特异性上优于放射科医生	研究为单中心回顾性观察研究，样本量有限，模型敏感性较低（58.5%），且与放射科医生的诊断一致性仅为中等	比较深度学习模型与放射科专家在对比灌肠图像中诊断先天性巨结肠的准确性和性能	2011年1月至2023年12月期间因疑似先天性巨结肠或其他临床适应症接受对比灌肠的221例儿科患者（278次对比灌肠）	医疗影像分析	先天性巨结肠	对比灌肠成像	深度神经网络	图像	221例患者（278次对比灌肠），平均年龄4.14岁，中位年龄2.65岁，男性64.8%，女性35.2%	PyTorch	DenseNet121	平衡准确率、敏感性、特异性、AUC-ROC、AUC-PR	NA
614	2026-05-30	A comprehensive multi-task deep learning model for kidney cancer: histological subtyping, clinical staging, and anatomical complexity grading 2026-Jun, European radiology IF:4.7Q1 DOI:10.1007/s00330-026-12322-z PMID:41606245	研究论文	开发并验证了一个基于多相增强CT的多任务深度学习模型，用于同时评估恶性肾肿瘤的组织学亚型、临床分期和解剖复杂度分级	提出渐进式分层提取的多任务深度学习模型，通过共享特征同时完成三个预测任务，相比单任务模型在临床分期上表现更优，并减少了68%内存使用和提升60%速度	仅纳入两个中心的回顾性数据，样本量有限，未涉及多中心验证及前瞻性研究	实现术前对恶性肾肿瘤的组织学亚型、临床分期和解剖复杂度进行快速准确的综合评估，辅助手术方案优化	实体恶性肾肿瘤患者及其术前肾脏多相增强CT图像	计算机视觉, 数字病理学	肾癌	CT增强成像	多任务深度学习	CT图像	798名患者（中心A 620例，中心B 178例）	NA	渐进式分层提取网络	AUC, 决策曲线分析	NA
615	2026-05-30	Development and interpretation of a dual-energy CT-based deep learning radiomics model for predicting new cerebral ischemic lesions after carotid artery stenting: a multicenter study 2026-Jun, European radiology IF:4.7Q1 DOI:10.1007/s00330-026-12351-8 PMID:41639308	研究论文	开发并解释基于双能CT的深度学习影像组学模型，用于预测颈动脉支架置入术后新发脑缺血性病变的多中心研究	首次结合双能CT多参数影像的深度学习特征、手工影像组学特征及临床影像危险因素，构建可解释的预测模型，并应用SHAP分析实现全局和局部解释	未明确提及局限性；可能受限于回顾性设计、样本量有限及外部验证仅一个中心	早期识别颈动脉支架置入术后发生新同侧缺血性病变的高危患者，以优化预防性治疗策略	三个中心接受颈动脉支架置入术的患者共336例	数字病理学、计算机视觉	脑血管疾病	双能CT成像	深度学习影像组学、支持向量机	图像（双能CT多参数图像）、临床影像数据	336例患者（训练集135例，内部验证集58例，外部测试集143例）	NA	NA	曲线下面积（AUC）	NA
616	2026-05-30	Automatic hepatic steatosis quantification using low-dose CT with deep learning-based noise reduction and CT fat fraction analysis software 2026-Jun-01, The British journal of radiology DOI:10.1093/bjr/tqag054 PMID:41787978	研究论文	利用深度学习降噪和CT脂肪分数分析软件，评估低剂量CT自动量化肝脂肪变性的准确性	首次评估深度学习降噪重建对低剂量CT中CT衍生脂肪分数准确性的提升效果，并系统分析不同辐射剂量下的诊断性能	未提及具体限制	评估CT衍生脂肪分数软件在不同辐射剂量下量化肝脂肪变性的准确性，并考察深度学习降噪的影响	肝移植活体供者候选人的肝脂肪变性	计算机视觉	肝脂肪变性	非对比CT、MRI、深度学习降噪重建	深度学习噪声降低模型	CT图像、MRI图像	125名参与者（平均年龄38±10岁，77名男性），29人（23%）有肝脂肪变性	NA	深度学习降噪重建网络	皮尔逊相关系数、受试者工作特征曲线下面积	NA
617	2026-05-30	A multi-toxicity deep learning approach for normal tissue complication probability modelling in head and neck cancer patients receiving radiotherapy 2026-Jun, Radiotherapy and oncology : journal of the European Society for Therapeutic Radiology and Oncology IF:4.9Q1 DOI:10.1016/j.radonc.2026.111486 PMID:41856253	研究论文	开发一种多毒性深度学习模型，用于预测头颈癌患者放疗后正常组织并发症概率	首次利用多任务深度学习建模多种毒性同时发生的关系，提升预测性能	多毒性模型在所有终点上并非一致提升，部分毒性预测性能低于单任务模型	通过同时预测多种放射性毒性，捕捉毒性间的关系以提高正常组织并发症概率建模性能	头颈癌患者放疗后的五种毒性：误吸、吞咽困难、唾液粘稠、味觉改变和口干症	机器学习	头颈癌	NA	深度学习模型	3D剂量分布、CT扫描、器官危象分割、患者特征	1418例头颈癌患者（多机构队列）	NA	NA	AUC	NA
618	2026-05-30	Enhancing Drug Response Prediction in Epilepsy with Emerging Multimodal Models: Focus on Clinical, Pharmacologic, and Genomic Factors 2026-Jun, CNS drugs IF:7.4Q1 DOI:10.1007/s40263-026-01295-8 PMID:42143205	综述	本文综述了新兴多模态模型在增强癫痫药物反应预测中的应用，重点关注临床、药理学和基因组因素	提出了利用人工智能和深度学习模型整合患者基因组风险因素与临床特征（如癫痫类型、MRI/EEG发现）进行多模态建模的新策略，并探讨了AI基础模型在癫痫小队列中的压缩表示能力	模型评估、数据可用性、伦理考虑和临床转化障碍等持续存在的挑战	探讨如何利用新兴技术（特别是AI和深度学习）提高癫痫药物反应预测的准确性，推动个体化抗癫痫药物处方	癫痫患者、抗癫痫药物、临床特征（癫痫类型、MRI/EEG发现）、基因组风险因素	机器学习	癫痫	NA	深度学习模型，AI基础模型	临床数据、药理学数据、基因组数据	NA	NA	NA	NA	NA
619	2026-05-30	Development of a quantitative multiparametric ultrasound and deep learning classifier for the detection of prostate cancer 2026-Jun, European radiology IF:4.7Q1 DOI:10.1007/s00330-026-12323-y PMID:41612079	研究论文	开发了一种基于定量多参数超声和深度学习的分类器，用于检测临床显著性前列腺癌	首次利用3D多参数超声提取定量特征，结合深度学习分类器在较大规模的多中心前瞻性队列中准确检测临床显著性前列腺癌，并在外部数据集上验证了良好的泛化性能	未明确说明	开发一种基于深度学习的分类器，利用3D多参数超声的定量特征预测临床显著性前列腺癌的存在	327名疑似前列腺癌患者的前瞻性多中心队列	机器学习	前列腺癌	3D多参数超声，包括动态对比增强超声和剪切波弹性成像	3D深度学习分类器	定量超声特征	327名患者（250名用于训练和内部评估，77名用于外部评估）	NA	NA	受试者工作特征曲线下面积（ROC AUC）	NA
620	2026-05-30	Multimodal deep learning for laryngeal squamous cell carcinoma staging using CT and laryngoscopy 2026-Jun, European radiology IF:4.7Q1 DOI:10.1007/s00330-025-12315-4 PMID:41617832	研究论文	开发并验证一种整合临床数据、增强CT和喉镜图像的多模态深度学习模型，用于区分早期和晚期喉鳞状细胞癌	首次将临床数据、增强CT和喉镜图像进行特征级融合，构建多模态深度学习模型用于喉癌术前分期，相较于单一模态方法显著提高诊断准确性和预后分层能力	NA	开发并验证一种多模态深度学习模型，整合临床数据、增强CT和喉镜图像，用于术前准确区分早期和晚期喉鳞状细胞癌	喉鳞状细胞癌患者	计算机视觉, 数字病理学	喉鳞状细胞癌	增强CT, 白喉镜	深度学习, 多示例学习, 逻辑回归	图像, 临床数据	450名患者（训练集235人，内部验证集101人，外部验证集114人）	PyTorch	CT深度学习模型, 喉镜多示例学习模型, 临床逻辑回归模型, 随机梯度下降分类器	AUC, 准确率, 灵敏度, 特异性, 校准曲线, 决策曲线分析, 一致性指数(C-index)	NA