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
7641	2026-03-09	High-Resolution 3T MRI of the Membranous Labyrinth Using Deep Learning Reconstruction 2026-Mar-04, AJNR. American journal of neuroradiology DOI:10.3174/ajnr.A8989 PMID:40876943	研究论文	本研究评估了结合深度学习重建的高分辨率3D T2加权MRI序列在显示迷路结构方面的表现，并与传统序列进行比较	首次将深度学习重建技术应用于高分辨率3D T2加权MRI序列，旨在在不增加采集时间的情况下提升空间分辨率，以更详细地观察迷路微解剖结构	深度学习重建尚不能提供完整的解剖评估，部分结构（如球囊、半规管顶端）的可视化仍受限，分辨率相对于某些结构的直径仍显不足	评估深度学习重建高分辨率3D T2加权MRI序列在可视化迷路结构方面的效果，旨在改善空间分辨率而不延长采集时间	患者的内耳迷路结构，包括螺旋板、鼓阶、前庭阶、中阶、椭圆囊、球囊、椭圆囊和球囊斑、膜性半规管以及壶腹神经	医学影像	NA	3D T2加权涡轮自旋回波序列、深度学习重建、9.4T离体MRI	深度学习	MRI图像	患者（具体数量未在摘要中明确说明）	NA	NA	定性评分（4点量表）	NA
7642	2026-03-09	MRI In Vivo Detection of Amyloid-β Protein Deposition in Different Brain Regions of Patients with AD and MCI 2026-Mar-04, Brain topography IF:2.3Q3 DOI:10.1007/s10548-026-01184-9 PMID:41779032	研究论文	本研究开发了一种基于MRI的非侵入性人工智能方法，用于检测阿尔茨海默病和轻度认知障碍患者不同脑区的淀粉样蛋白沉积	结合深度学习脑区分割（VB-Net）与多种机器学习回归模型，并构建了轻量级Transformer深度学习模型，实现了仅基于MRI定量检测Aβ蛋白沉积	样本量相对有限（共142名患者），深度学习模型在测试集上性能较差（RS和PCC为负值），且MRI与PET检查间隔可能引入变异	开发一种非侵入性的MRI方法，用于检测AD和MCI患者脑内Aβ蛋白沉积	80名MCI患者和62名AD患者	数字病理学	阿尔茨海默病	磁共振成像, 正电子发射断层扫描	深度学习, 机器学习	图像	142名患者（80名MCI，62名AD）	NA	VB-Net, Transformer	平均绝对误差, 均方误差, R分数, 皮尔逊相关系数	NA
7643	2026-03-06	Disease- and gene-specific deep learning for pathogenicity prediction of rare missense variants in cancer predisposition genes 2026-Mar-04, BioData mining IF:4.0Q1 DOI:10.1186/s13040-026-00533-5 PMID:41781977	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
7644	2026-03-09	Using deep learning to predict the sex of human embryos 2026-Mar-04, Open biology IF:4.5Q1 DOI:10.1098/rsob.250419 PMID:41784403	研究论文	本研究结合手动标注与深度学习分析，利用515个胚胎延时摄影视频数据集，探究出生性别是否影响人类胚胎早期发育动态	首次将深度学习应用于人类胚胎延时摄影视频进行性别预测，并发现八细胞期后是性别预测的关键时期，揭示了人类胚胎发育第3天左右可能开始出现细微的性别相关差异	样本量相对有限（515个胚胎视频），预测准确率仅为61%，虽然具有统计学意义但临床实用性有待提高，且未明确识别出具体的可区分性别差异的发育时序参数	探究人类胚胎早期发育中是否存在性别差异，并开发早期非侵入性性别预测工具	人类胚胎（来自体外受精环境）	计算机视觉	NA	延时摄影	深度学习模型	视频（胚胎延时摄影）	515个胚胎延时摄影视频	NA	NA	准确率	NA
7645	2026-03-09	A multi-gradient microfluidic chip-based neutrophil chemotaxis analysis for sepsis auxiliary diagnosis and prognostic monitoring 2026-Mar-04, Biosensors & bioelectronics IF:10.7Q1 DOI:10.1016/j.bios.2026.118593 PMID:41795443	研究论文	本文开发了一种多梯度微流控芯片用于中性粒细胞趋化性分析，以辅助脓毒症的诊断和预后监测	开发了一种能同时生成三种趋化因子梯度的微流控芯片，并整合多个参数构建了中性粒细胞功能分析指数，结合深度学习直接分析趋化轨迹	样本量相对较小（总样本数50，独立队列10），且为手动提取参数，可能引入人为误差	开发一种基于中性粒细胞趋化性分析的脓毒症辅助诊断和预后监测平台	健康个体和脓毒症患者的中性粒细胞	数字病理学	脓毒症	微流控芯片技术，深度学习	深度学习模型	中性粒细胞趋化轨迹数据	健康个体25例，脓毒症患者25例，独立队列10例	NA	NA	AUC, 特异性, 敏感性, 准确率	NA
7646	2026-03-09	Deep learning ultrasonic computed tomography for non-destructive testing of workpieces 2026-Mar-04, Ultrasonics IF:3.8Q1 DOI:10.1016/j.ultras.2026.108044 PMID:41795454	研究论文	本文提出了一种集成注意力机制的神经网络反演方法（HAU2Net）及硬件系统，用于工件超声层析成像，实现从数据采集到快速截面图像重建的全过程	提出了一种结合注意力机制的HAU2Net网络，在U2Net的不同编码和解码层引入注意力头，并采用动态调整的损失函数约束进行训练，显著提升了成像精度和速度	未明确说明该方法对复杂内部结构或多种材料工件的适用性及泛化能力	解决工业超声无损检测中成像精度与成像速度的双重挑战，实现高效高精度的在线检测	工业工件	计算机视觉	NA	超声层析成像	深度学习，神经网络	超声信号矩阵	NA	NA	U2Net，HAU2Net	PSNR，SSIM，模型大小，预测时间	NA
7647	2026-03-09	Gene driven analytical learning model for accurate breast cancer diagnosis 2026-Mar-03, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-39430-6 PMID:41776259	研究论文	本研究开发了一种结合CNN和BiLSTM的集成深度学习模型，用于基于基因表达数据准确诊断乳腺癌	提出了一种结合CNN和BiLSTM的混合模型，通过Pearson相关性分析筛选出236个基因集，并在噪声扰动下表现出高稳定性和泛化能力	研究主要基于TCGA-BRCA和METABRIC数据集，可能需要在更广泛、多中心的数据上进行验证以进一步确认其普适性	开发一种精准的乳腺癌诊断工具，提高基于基因表达数据的预后预测准确性	乳腺癌患者的基因表达数据	机器学习	乳腺癌	基因表达分析	CNN, BiLSTM	基因表达数据	TCGA-BRCA和METABRIC数据集中的乳腺癌样本	TensorFlow, PyTorch	CNN BiLSTM混合模型	Recall, ROC AUC, F1分数	双NVIDIA Tesla T4 GPU阵列
7648	2026-03-09	Deep Learning-Derived Sarcopenia Marker Predicts Benefit from Anti-EGFR Therapy in Patients with RAS Wild-type Metastatic Colorectal Cancer 2026-Mar-02, Clinical cancer research : an official journal of the American Association for Cancer Research IF:10.0Q1 DOI:10.1158/1078-0432.CCR-25-3080 PMID:41489691	研究论文	本研究探讨了基于深度学习从CT图像自动计算的肌肉/骨骼比（MBR）作为肌肉减少症标志物，在RAS野生型转移性结直肠癌患者中对抗EGFR治疗获益的预测价值	首次利用深度学习自动从CT图像中提取肌肉/骨骼比作为肌肉减少症标志物，并验证其在预测转移性结直肠癌患者对抗EGFR治疗反应中的预后和预测价值	研究样本量有限（PanaMa研究中仅189例患者有可用CT图像），且为回顾性验证，需要进一步前瞻性研究确认	评估肌肉/骨骼比（MBR）作为肌肉减少症标志物在转移性结直肠癌患者中的预后和预测价值，特别是对抗EGFR治疗的反应	RAS野生型转移性结直肠癌患者	数字病理学	结直肠癌	计算机断层扫描（CT）	深度学习模型	CT图像	PanaMa研究中的189例患者（来自248例随机患者）及一个真实世界验证队列	NA	NA	风险比（HR）, 95%置信区间（CI）, P值	NA
7649	2026-03-09	EnDeep4mC predicts DNA N 4-methylcytosine sites using a dual-adaptive feature encoding framework in deep ensembles 2026-Mar-02, Genome research IF:6.2Q1 DOI:10.1101/gr.280977.125 PMID:41702707	研究论文	本文提出了一种名为EnDeep4mC的双自适应特征编码框架，用于预测DNA N4-甲基胞嘧啶位点，并通过集成深度学习架构优化特征编码方案	提出了一种结合物种特异性建模与集成深度学习架构的双自适应框架，系统优化特征编码方案，并在跨物种验证中展示了强大的可迁移性	未明确提及具体的数据集大小或计算资源限制，可能依赖于现有实验数据的可用性	开发高效的计算方法来检测DNA N4-甲基胞嘧啶位点，以克服实验方法的限制	DNA N4-甲基胞嘧啶位点	机器学习	NA	DNA测序	集成深度学习	DNA序列数据	涉及六个物种的数据，但未指定具体样本数量	NA	NA	预测性能指标，但未具体说明如准确率、AUC等	NA
7650	2026-03-09	Microstructure-informed deep learning improves thalamic atrophy segmentation and clinical associations in multiple sclerosis and related neuroimmunological diseases 2026-Mar-02, NeuroImage. Clinical DOI:10.1016/j.nicl.2026.103982 PMID:41795481	研究论文	本研究比较了多种算法在丘脑萎缩分割中的性能，并评估了定量R1映射对分割效果及临床关联性的影响	首次系统比较了基于图谱约束算法与深度学习算法在丘脑分割中的表现，并探索了定量MRI（R1映射）在提升分割精度和临床关联性方面的潜力	R1映射输入对分割性能提升有限，且研究基于单扫描仪队列，可能限制泛化性	改进多发性硬化及相关神经免疫性疾病中丘脑萎缩的分割方法，并增强其与临床指标的关联	多发性硬化及相关疾病患者以及健康对照者的丘脑结构	数字病理学	多发性硬化	定量磁共振成像（qMRI），包括T1加权、FLAIR和R1映射	深度学习模型	磁共振图像	基线321名参与者（包括患者和健康对照），1年随访234名，其中50名多发性硬化患者用于手动标注	NA	MindGlide, DBSegment	Dice相似系数, 灵敏度, 精确度	NA
7651	2026-03-09	Deep Learning-Based Analysis of Glottal Attack and Offset Times in Adductor Laryngeal Dystonia 2026-Mar, Journal of voice : official journal of the Voice Foundation IF:2.5Q1 DOI:10.1016/j.jvoice.2023.10.011 PMID:37977969	研究论文	本文开发了一种基于深度学习的自动化方法，用于从高速视频内窥镜数据中测量声门攻击时间和声门偏移时间，以辅助内收肌喉肌张力障碍的诊断	首次提出使用深度学习框架自动分割声门区域并检测声带边缘，从而自动化测量GAT和GOT，为内收肌喉肌张力障碍提供客观的生物标志物	研究样本量有限，仅包括正常成人和AdLD患者，且未与其他声音障碍进行对比，自动化测量与手动分析结果虽强相关但存在微小差异	开发自动化测量声门攻击时间和声门偏移时间的方法，以促进内收肌喉肌张力障碍的客观诊断	正常成人和内收肌喉肌张力障碍患者	数字病理学	喉肌张力障碍	高速视频内窥镜	深度学习框架	视频	正常成人和AdLD患者（具体数量未在摘要中明确）	NA	NA	相关性	NA
7652	2026-03-09	Identification of drug use degree by integrating multi-modal features with dual-input deep learning method 2026-Mar, Computer methods in biomechanics and biomedical engineering IF:1.7Q3 DOI:10.1080/10255842.2024.2417206 PMID:39468790	研究论文	提出一种双输入双模态融合算法，结合脑电图和近红外光谱数据，对药物使用程度进行客观定量评估	首次提出优化的双输入多模态TiCBnet网络，用于提取双模态信号的深度编码特征，并通过特征融合与筛选提升分类性能	未提及样本规模的具体细节或外部验证结果，可能影响方法的泛化能力	开发客观定量的药物使用程度评估方法	药物使用者的脑电图和近红外光谱信号	机器学习	药物滥用	脑电图, 近红外光谱	深度学习	脑电图信号, 近红外光谱信号	NA	NA	TiCBnet	分类准确率	NA
7653	2026-03-09	Deep Learning Based Multiomics Model for Risk Stratification of Postoperative Distant Metastasis in Colorectal Cancer 2026-Mar, Academic radiology IF:3.8Q1 DOI:10.1016/j.acra.2025.08.040 PMID:40912950	研究论文	本研究开发了基于深度学习的多组学模型，用于预测结直肠癌患者术后远处转移并评估生存预后	结合放射组学和病理组学的深度特征，构建了集成模型（Nomogram 1和Nomogram 2），显著提升了术后远处转移预测的准确性	研究为回顾性设计，样本量相对有限（521例），且仅来自两个中心，可能存在选择偏倚	预测结直肠癌患者术后远处转移并进行生存预后风险分层	接受根治性手术的结直肠癌患者	数字病理学	结直肠癌	CT成像, HE染色	深度学习	图像	521例患者（中心1：381例，中心2：140例）	NA	ResNet-101	AUC, DeLong检验, Kaplan-Meier分析	NA
7654	2026-03-09	A multi-class segmentation model of deep learning on contrast-enhanced computed tomography to segment and differentiate lipid-poor adrenal nodules: a dual-center study 2026-Mar, European radiology IF:4.7Q1 DOI:10.1007/s00330-025-12007-z PMID:40981992	研究论文	本研究开发了一种基于深度学习的多类分割模型，用于在增强CT图像上分割并区分脂质贫乏肾上腺结节	提出了一种新颖的基于状态空间模型的多类分割方法Mamba-USeg，能够同时进行分割和分类，在性能上显著优于现有模型	研究为回顾性双中心设计，样本量相对有限（共164例患者），且仅针对特定类型的肾上腺结节	开发一种深度学习模型，用于在增强CT图像上自动分割肾上腺并区分脂质贫乏腺瘤和结节性增生	经病理证实的脂质贫乏肾上腺腺瘤和结节性增生患者的增强CT图像	计算机视觉	肾上腺疾病	对比增强计算机断层扫描	深度学习, 状态空间模型	医学图像	164例患者（内部中心128例用于训练，外部中心36例用于验证）	NA	Mamba-USeg, MultiResUNet, CPFNet	平均Dice相似系数, 敏感性, 特异性, 准确率	NA
7655	2026-03-09	A Multi-view Deep Survival Combined Model for Predicting Stroke Recurrence in Symptomatic Intracranial Atherosclerosis 2026-Mar, Academic radiology IF:3.8Q1 DOI:10.1016/j.acra.2025.10.052 PMID:41242896	研究论文	本文提出了一种多视图深度生存组合模型，用于预测症状性颅内动脉粥样硬化患者的卒中复发风险	结合Vision Transformer、影像组学和DeepSurv，开发了一种自动化多视图深度特征学习与生存分析融合的模型，以客观预测卒中复发风险，超越了传统依赖主观评估的方法	研究为回顾性设计，样本量相对有限（363例患者），且仅来自两家医疗机构，可能存在选择偏倚	开发一种客观、自动化的工具，用于症状性颅内动脉粥样硬化患者的卒中复发风险分层	症状性颅内动脉粥样硬化狭窄患者	数字病理学	心血管疾病	高分辨率血管壁成像	Vision Transformer, DeepSurv	图像	363例患者（79例复发，284例未复发），分为训练/验证集（290例）和测试集（73例）	NA	Vision Transformer	C-index, 时间依赖性受试者工作特征曲线下面积	NA
7656	2026-03-09	Integrating Deep Feature Extraction and MRI Radiomics for Survival Prediction in Breast Cancer After Neoadjuvant Chemotherapy 2026-Mar, Academic radiology IF:3.8Q1 DOI:10.1016/j.acra.2025.10.050 PMID:41253608	研究论文	本研究通过整合深度学习特征提取与MRI影像组学，构建多模态Cox模型，以预测乳腺癌新辅助化疗后的生存期	首次将CNN提取的深度学习病理特征与多参数MRI影像组学融合，构建多模态预测模型，相比以往单模态研究或短期终点预测，显著提高了长期生存预测的准确性	研究为多中心回顾性设计，样本量相对有限（216例），且未在独立外部队列中进行验证	开发更精确的预后工具，以优化乳腺癌新辅助化疗后的临床决策	完成新辅助化疗的乳腺癌患者	数字病理学	乳腺癌	多参数MRI影像组学，深度学习特征提取	CNN, Cox比例风险模型	临床特征，病理图像，MRI图像	216例乳腺癌患者	NA	ResNet50	AUC, 校准曲线, 决策曲线分析	NA
7657	2026-03-09	PMI estimation with cross-species transfer learning and visual information generated by pathomics foundation model 2026-Mar, International journal of legal medicine IF:2.2Q1 DOI:10.1007/s00414-025-03659-z PMID:41258447	研究论文	本研究提出了一种基于病理学基础模型和跨物种迁移学习的死后间隔（PMI）估计框架，并利用可视化技术增强模型可解释性	提出了两阶段跨物种迁移学习策略，将动物数据先验知识与少量人类数据结合进行微调，并开发了全切片级别的可视化框架（概率图、类别图、分类比例直方图）以提高模型可解释性	人类样本数量有限（23例），可能影响模型泛化能力；研究主要针对肝脏组织，未验证其他器官的适用性	开发一种准确且可解释的AI工具，用于法医病理学中的死后间隔估计	猪肝脏全切片图像和人类肝脏全切片图像	数字病理学	NA	全切片成像	CNN, Vision Transformer	图像	16例猪样本和23例人类样本	NA	ResNet50, DenseNet121, SongCi, UNI	准确率	NA
7658	2026-03-09	Evaluating the Diagnostic Accuracy of Artificial Intelligence in Spondylolisthesis Detection: A Systematic Review and Meta-analysis 2026-Mar, Academic radiology IF:3.8Q1 DOI:10.1016/j.acra.2025.11.002 PMID:41290429	系统综述与荟萃分析	本文通过系统综述和荟萃分析评估了人工智能模型在检测脊椎滑脱症中的诊断准确性	首次对人工智能在脊椎滑脱症检测中的诊断准确性进行了系统综述和荟萃分析，比较了不同成像模态和模型类型的性能	研究存在显著的异质性，表明需要更多标准化的研究来确保结果的可比性和普适性	评估人工智能模型在脊椎滑脱症检测中的诊断准确性，并比较不同成像模态和模型类型的性能	脊椎滑脱症患者	医学影像分析	脊椎滑脱症	深度学习	深度学习模型	医学影像（如MRI、X光片）	24项研究（其中21项用于荟萃分析），共8029个观察值	NA	FAR网络, YOLOv8	灵敏度, 特异性, AUC	NA
7659	2026-03-09	Automatic rib fracture detection on postmortem CT data using deep learning 2026-Mar, International journal of legal medicine IF:2.2Q1 DOI:10.1007/s00414-025-03669-x PMID:41339543	研究论文	本研究评估了深度学习模型nnDetection在死后CT扫描数据上自动检测肋骨骨折的性能，并分析了临床与死后CT成像之间的领域偏移因素	首次将深度学习模型应用于死后CT数据的肋骨骨折检测，并系统分析了临床与死后CT成像之间的领域偏移因素，如手臂位置和医疗设备的存在	样本量相对较小（仅50例死后CT扫描），且未探索更先进的技术来克服领域偏移因素	评估深度学习模型在死后CT数据上自动检测肋骨骨折的性能，并识别临床与死后CT成像之间的领域偏移因素	死后CT扫描数据，用于肋骨骨折检测	计算机视觉	肋骨骨折	CT扫描	深度学习模型	CT图像	50例死后CT扫描（24%女性；平均年龄61岁，范围19-96岁）和660例临床CT扫描（36%女性；平均年龄55岁，范围21-94岁）	nnDetection	nnDetection	平均灵敏度, 平均精确度（在0.1交并比下）	NA
7660	2026-03-09	Deep Learning-Based Cardiac MRI Planning from Localizers to Cine Views Using Landmark Detection 2026-Mar, Academic radiology IF:3.8Q1 DOI:10.1016/j.acra.2025.11.028 PMID:41353071	研究论文	本研究评估了一种基于深度学习的全自动框架，用于提升心脏MRI规划的效率和准确性	提出了一种全自动深度学习框架，用于从定位器到电影视图的心脏MRI规划，通过地标检测实现自动化，提高了规划精度	研究为回顾性设计，数据来源于单一机构，未在外部数据集上进行验证	评估深度学习框架在心脏MRI规划中的自动化应用，以提升效率和准确性	1023名接受心脏MRI检查的患者（年龄8-90岁）的影像数据	计算机视觉	心血管疾病	心脏MRI	深度学习模型	图像	1023名患者	NA	NA	中位地标距离, 平面角度差	NA