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
661	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
662	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
663	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
664	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
665	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
666	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
667	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
668	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
669	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
670	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
671	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
672	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
673	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
674	2026-01-30	Ensemble transfer learning for classifying physical examinations in GP consultation: a multi-model approach to human-object and human-to-human activity recognition 2026-Feb-01, Journal of the American Medical Informatics Association : JAMIA IF:4.7Q1 DOI:10.1093/jamia/ocaf196 PMID:41299889	研究论文	本研究开发了一种集成迁移学习框架，用于自动分类全科医生咨询中的体格检查活动，区分人-物交互和人-人交互类型	提出了一种结合空间与时间特征分析的多组件集成迁移学习框架，通过融合CNN-LSTM模块与多种预训练网络（EfficientNet-B7、DenseNet-121、Inception-v3），并引入注意力机制优化特征融合，显著提升了分类性能	未明确提及数据集的规模限制、模型在未见环境下的泛化能力或计算资源需求的具体分析	自动分类全科医生咨询中的体格检查活动，以支持远程医疗和诊断研究	全科医生咨询视频中的体格检查活动，包括人-物交互（如血压测量）和人-人交互（如腺体触诊）	计算机视觉	NA	深度学习融合模型，迁移学习	CNN, LSTM	视频	未明确提及具体样本数量，但使用了五折分层视频级交叉验证	未明确指定，但可能基于TensorFlow或PyTorch等深度学习框架	EfficientNet-B7, DenseNet-121, Inception-v3, CNN-LSTM	精确度, 召回率, F1分数, 特异性, Cohen's κ, PR-AUC	未明确提及具体GPU类型或云平台，但使用了预训练网络和迁移学习
675	2026-01-30	Deep learning based CT grading system for sacroiliitis: a multi-center studydemonstrating superior accuracy and efficiency compared to human readers 2026-Feb, European journal of radiology IF:3.2Q1 DOI:10.1016/j.ejrad.2025.112557 PMID:41330312	研究论文	本研究开发并验证了一种基于深度卷积神经网络的自动化骶髂关节炎分级系统，用于轴型脊柱关节炎的CT图像分析	首次采用3D-ResNet50模型对骶髂关节炎进行自动化CT分级，并在多中心验证中显示出比人类阅片者更高的准确性和效率	对于IV级骶髂关节炎的分级改进未达到统计学显著性（p > 0.05），且模型在更广泛人群中的泛化能力仍需进一步验证	开发并验证一个深度学习模型，用于自动化骶髂关节炎的CT图像分级	轴型脊柱关节炎患者的CT图像	数字病理学	轴型脊柱关节炎	CT成像	CNN	图像	总计1590名患者（包括1341名用于模型开发的axSpA患者，130名内部验证患者，以及249名来自两家三级医院的外部验证患者）	NA	3D-ResNet50	准确率, AUC	NA
676	2026-01-30	Interpretable fusion deep learning on super-resolution MRI for perineural invasion prediction in pancreatic ductal adenocarcinoma: a multicenter study 2026-Feb, European journal of radiology IF:3.2Q1 DOI:10.1016/j.ejrad.2025.112610 PMID:41418691	研究论文	本研究开发了一种基于超分辨率MRI的可解释融合深度学习模型，用于预测胰腺导管腺癌的术前神经侵犯，并评估其在指导术后预后和治疗决策中的作用	提出了一种融合临床、放射组学和深度迁移学习的可解释模型，用于预测胰腺导管腺癌的神经侵犯，并在多中心研究中验证了其在预后分层和辅助治疗个性化中的价值	研究为回顾性设计，可能存在选择偏倚；模型性能需在前瞻性研究中进一步验证	开发并验证一种基于超分辨率MRI的融合深度学习模型，用于预测胰腺导管腺癌的神经侵犯，以指导术后预后评估和治疗决策	胰腺导管腺癌患者	数字病理学	胰腺癌	超分辨率MRI	深度学习, 机器学习	MRI图像	714名患者（608名用于开发/内部验证，106名来自三个外部中心用于外部验证）	NA	融合临床-放射组学-深度迁移学习模型	AUC	NA
677	2026-01-30	Accuracy of fully automated iliac artery tortuosity measurements in patients with abdominal aortic aneurysm using deep learning 2026-Feb, European journal of radiology IF:3.2Q1 DOI:10.1016/j.ejrad.2025.112609 PMID:41422647	研究论文	本研究通过深度学习算法PRAEVAorta 2对腹主动脉瘤患者的CT血管造影图像进行髂动脉弯曲度的自动测量，并与手动参考测量进行外部验证	首次在腹主动脉瘤患者中外部验证了基于深度学习的髂动脉弯曲度自动测量工具PRAEVAorta 2的准确性	研究中21.1%的扫描因明显的分割错误被排除，且自动报告仍需经验丰富的观察者进行关键审查	验证深度学习算法在腹主动脉瘤患者髂动脉弯曲度测量中的准确性	腹主动脉瘤患者的CT血管造影图像	数字病理学	腹主动脉瘤	CT血管造影	深度学习	医学图像	270例CTA扫描（最终分析213例）	NA	PRAEVAorta 2	Pearson相关系数, Intraclass Correlation, Bland-Altman分析偏差	NA
678	2026-01-30	Sex-specific cardiovascular risk prediction using AI-derived epicardial adipose tissue measurements on CT calcium scoring exams 2026-Feb, American journal of preventive cardiology IF:4.3Q1 DOI:10.1016/j.ajpc.2025.101367 PMID:41509672	研究论文	本研究评估了将心外膜脂肪组学特征与冠状动脉钙化评分结合，用于改善女性心血管事件预测的效能	首次在大型队列中验证心外膜脂肪组学特征对女性心血管风险预测的增量价值，并开发了性别特异性模型	随访时间相对较短（平均1.7年），且为回顾性研究设计	提高女性心血管风险预测的准确性和公平性	接受CT钙化评分检查的个体	数字病理学	心血管疾病	CT钙化评分，深度学习分割	深度学习模型	CT图像	40,851名个体（其中49.4%为女性），测试集8,169人	NA	NA	C-index，校准曲线，决策曲线	NA
679	2026-01-30	[Artificial intelligence in diagnostics-a pathology perspective] 2026-Feb, Pathologie (Heidelberg, Germany) DOI:10.1007/s00292-025-01524-9 PMID:41396309	综述	本文从病理学角度综述了人工智能在诊断中的应用，特别是数字病理学的发展、算法创新及临床实施前景	讨论了从卷积神经网络向Vision Transformer模型的转变，以及基础模型和视觉语言模型在病理学中的新兴应用，强调了多模态数据整合的潜力	指出技术、法律和社会心理障碍仍需克服，以实现广泛的临床采用	探讨人工智能在肿瘤诊断和治疗个性化背景下的应用，以提升病理学诊断的效率和敏感性	数字病理学中的全切片图像和文本数据	数字病理学	肿瘤	数字全切片成像	CNN, Vision Transformer, 基础模型, 视觉语言模型	图像, 文本	NA	NA	Vision Transformer	效率, 敏感性	NA
680	2026-01-30	Development and validation of a transformer-based deep learning model for predicting distant metastasis in non-small cell lung cancer using 18FDG PET/CT images 2026-Feb, Clinical & translational oncology : official publication of the Federation of Spanish Oncology Societies and of the National Cancer Institute of Mexico IF:2.8Q2 DOI:10.1007/s12094-025-04014-9 PMID:40779149	研究论文	本研究开发并验证了一种结合卷积神经网络和视觉Transformer的混合深度学习模型，用于基于18F-FDG PET/CT图像预测非小细胞肺癌患者的远处转移	首次将CNN与ViT架构结合用于NSCLC远处转移预测，并证明其优于单独使用PET或CT特征以及传统CNN模型（如ResNet 50）	研究为回顾性分析，样本量较小（167例患者），未来需要通过更大规模的前瞻性研究进行验证	预测非小细胞肺癌患者的远处转移，以辅助个性化治疗策略的制定	新诊断且未经治疗的非小细胞肺癌患者	计算机视觉	肺癌	18F-FDG PET/CT成像	CNN, ViT	图像	167例患者	NA	ResNet 50, Vision Transformer	AUC, ROC曲线	NA