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
881	2026-03-28	Automated analysis of paraspinal muscles: segmentation and multi-parameter quantification in lumbar CT using convolutional neural network 2026-Mar, European spine journal : official publication of the European Spine Society, the European Spinal Deformity Society, and the European Section of the Cervical Spine Research Society IF:2.6Q1 DOI:10.1007/s00586-025-09541-1 PMID:41191112	研究论文	本文开发了一种基于卷积神经网络的深度学习算法，用于在腰椎CT中自动分割和量化八块脊柱旁肌肉	首次提出使用深度学习算法自动分割和量化八块腰椎脊柱旁肌肉，并计算多个肌肉参数，克服了手动方法的耗时和变异性问题	样本量相对较小（100例CT扫描），且未提及外部验证或跨中心数据测试	开发自动分割和量化腰椎脊柱旁肌肉的深度学习工具，以支持大规模流行病学研究	腰椎CT图像中的八块脊柱旁肌肉（双侧腰大肌、腰方肌、竖脊肌和多裂肌）	数字病理学	脊柱相关疾病	CT成像	CNN	图像	100例腰椎CT扫描（年龄55.02±16.2岁，62名女性）	NA	TransUNet	Dice相似系数, Hausdorff距离, 平均交并比, 组内相关系数	NA
882	2026-03-28	External validation of SpineNetv2 deep learning system for automated lumbar spine MRI analysis: A multi-pathology diagnostic agreement study 2026-Mar, European spine journal : official publication of the European Spine Society, the European Spinal Deformity Society, and the European Section of the Cervical Spine Research Society IF:2.6Q1 DOI:10.1007/s00586-025-09543-z PMID:41204023	研究论文	本研究对公开可用的深度学习系统SpineNetv2在腰椎MRI多病理自动分析方面进行了独立外部验证，并与专家评估进行了对比	首次对SpineNetv2深度学习系统在多种腰椎病理诊断方面进行了独立外部验证，并系统比较了其与初级骨科医生的性能差异	Pfirrmann分级在老年患者和上腰椎间盘中的一致性下降，系统存在特异性导向特征，假阴性超过假阳性，不推荐依赖阴性结果	验证深度学习系统在腰椎MRI多病理自动分析中的诊断性能	491名患者的2,455个腰椎间盘（L1/2-L5/S1）	数字病理学	腰椎退行性疾病	磁共振成像（MRI）	深度学习系统	医学影像（MRI图像）	491名患者，2,455个腰椎间盘	NA	SpineNetv2	敏感性, 特异性, 阳性预测值, 阴性预测值, F1分数, Matthews相关系数, 精确一致性, 加权kappa, 平均绝对误差	NA
883	2026-03-28	Deep learning model for osteoporosis screening on chest CT with low tube voltage 2026-Mar, European spine journal : official publication of the European Spine Society, the European Spinal Deformity Society, and the European Section of the Cervical Spine Research Society IF:2.6Q1 DOI:10.1007/s00586-025-09540-2 PMID:41207963	研究论文	本研究开发了一种基于低管电压胸部CT图像的深度学习模型，用于骨质疏松筛查	利用低管电压（100 kV）胸部CT图像，结合两级网络（Bone-PSPNet和Ost-ClassNet）自动识别骨质疏松，为骨质疏松筛查提供了新的无创方法	研究为回顾性设计，样本量相对有限（649例），且仅基于单一机构的患者数据，可能影响模型的泛化能力	开发基于低管电压胸部CT的深度学习模型，用于骨质疏松的自动筛查	接受低管电压胸部CT和腰椎定量CT（QCT）检查的患者	计算机视觉	骨质疏松	低管电压CT（100 kV），定量CT（QCT）	深度学习模型	CT图像	649例患者（训练集518例，测试集131例）	NA	Bone-PSPNet, Ost-ClassNet	灵敏度, AUC	NA
884	2026-03-28	Spinal Cord Segmentation and Injury Detection based on Siamese Conventional WideRes Network using CT Image 2026-Mar, European spine journal : official publication of the European Spine Society, the European Spinal Deformity Society, and the European Section of the Cervical Spine Research Society IF:2.6Q1 DOI:10.1007/s00586-025-09587-1 PMID:41266913	研究论文	提出了一种基于Siamese卷积WideRes网络（SCWRes-Net）的深度学习新方法，用于CT图像中的脊髓分割和损伤检测	提出了一种新颖的SCWRes-Net模型，该模型集成了Siamese卷积神经网络（SCNN）和宽残差网络（WideResNet），用于解决脊髓损伤检测中的类别不平衡和图像变异性问题	NA	开发一种用于脊髓分割和损伤检测的深度学习模型	CT图像中的脊髓区域	计算机视觉	脊髓损伤	CT成像	CNN, Siamese网络	图像	NA	NA	Mask R-CNN, WideResNet, Siamese CNN	准确率, 真阴性率, 真阳性率	NA
885	2026-03-28	Application and assessment of deep learning to routine 2D T2 FLEX spine imaging at 1.5T 2026-Mar, European spine journal : official publication of the European Spine Society, the European Spinal Deformity Society, and the European Section of the Cervical Spine Research Society IF:2.6Q1 DOI:10.1007/s00586-025-09305-x PMID:40892229	研究论文	本研究评估了深度学习重建技术在1.5T磁共振脊柱成像中的应用效果，比较了DL重建与非DL重建的2D T2 FLEX图像质量	首次系统评估深度学习重建（AIR™ Recon DL）在1.5T磁共振常规脊柱2D T2 FLEX成像中的诊断图像质量和定量指标表现	样本量较小（41例患者），仅评估了特定病理类型，需要更大规模和多样化的队列研究来验证结果	比较深度学习重建与非深度学习重建的脊柱2D T2 FLEX磁共振图像的诊断质量和定量指标	41例临床需要进行颈椎或腰椎磁共振检查的患者	医学影像分析	脊柱疾病	2D T2 FLEX磁共振成像，DIXON型脂肪抑制技术	深度学习重建模型	磁共振图像	41例患者，39个病例评估	AIR™ Recon DL（GE HealthCare专有框架）	NA	信噪比（SNR），总变差（TV），边缘数量，脂肪分数（FF），诊断偏好评分	1.5T Voyager磁共振扫描仪（GE HealthCare），具体计算资源未明确说明
886	2026-03-28	Multi-class cervical spine fracture classification using deep ensemble model based on CT images 2026-Mar, European spine journal : official publication of the European Spine Society, the European Spinal Deformity Society, and the European Section of the Cervical Spine Research Society IF:2.6Q1 DOI:10.1007/s00586-025-09415-6 PMID:41057591	研究论文	本研究提出了一种基于CT图像的多类别颈椎骨折分类深度集成模型，用于精确识别骨折类型	提出了一种结合增强维纳滤波预处理、改进残差块辅助ResUNet分割、以及VGG16/ResNet深度特征与LGTrP纹理特征融合的集成分类框架，采用软投票策略整合多个分类器的概率输出	未明确说明模型在外部验证集上的泛化性能，也未讨论不同CT扫描参数对模型性能的影响	开发精确有效的颈椎骨折自动分类方法以辅助临床诊断	颈椎CT图像	计算机视觉	颈椎骨折	CT成像	集成模型, CNN	医学图像（CT）	NA	NA	ResUNet, VGG16, ResNet, LeNet, ShuffleNet, DCNN	准确率, 精确率, NPV	NA
887	2026-03-28	Artificial Intelligence in Proton Therapy: What Works, What Does Not, and What Is Next 2026 Mar-Apr 01, Cancer journal (Sudbury, Mass.) DOI:10.1097/PPO.0000000000000821 PMID:41880273	综述	本文综述了人工智能在质子治疗中的当前与新兴应用，包括成像、治疗计划、质量保证、自适应工作流程和结果建模	强调了现代AI方法（如机器学习和深度学习）在整合异构数据和捕捉临床工作流程中复杂关系方面的能力，特别是在应对质子治疗中范围不确定性、解剖变异和生物异质性等挑战方面	NA	总结和讨论人工智能在质子治疗中的应用现状、挑战及未来方向	质子治疗中的临床工作流程，包括成像、治疗计划、质量保证、自适应策略和结果建模	医疗人工智能	癌症（泛指，未特指具体类型）	NA	机器学习, 深度学习	异构数据（可能包括图像、剂量数据、临床参数等）	NA	NA	NA	NA	NA
888	2026-03-28	Dual HER2/ERα Inhibitors for Breast and Ovarian Cancer: An Integrated Computational Study on 1,2,4-Oxadiazole Derivatives 2026-Mar, Chemistry & biodiversity IF:2.3Q3 DOI:10.1002/cbdv.202503520 PMID:41889096	研究论文	本研究通过综合计算策略评估了一系列1,2,4-恶二唑衍生物作为HER2和ERα双重抑制剂的潜力	采用集成计算策略（包括DFT、分子对接、动力学模拟、药代动力学分析和机器学习模型）来评估1,2,4-恶二唑衍生物作为HER2/ERα双重抑制剂，并利用机器学习和深度学习模型进行化合物活性分类	研究结果需要后续实验验证，计算模型的预测性能可能受限于训练数据	评估1,2,4-恶二唑衍生物作为HER2和ERα双重抑制剂的潜力，以加速靶向癌症疗法的发现	1,2,4-恶二唑衍生物	机器学习	乳腺癌,卵巢癌	密度泛函理论（DFT）、分子对接、分子动力学模拟、药代动力学分析、机器学习	机器学习模型,深度学习模型	化学结构数据,计算模拟数据	一系列1,2,4-恶二唑衍生物	NA	NA	预测结合亲和力,复合物稳定性,口服生物利用度,心脏毒性风险,分类性能	NA
889	2026-03-28	Anomaly detection in brain MRI: a comprehensive review 2026-Mar, Biomedical engineering letters IF:3.2Q2 DOI:10.1007/s13534-026-00551-6 PMID:41890248	综述	本文全面回顾了脑部MRI异常检测领域，涵盖传统统计方法、经典机器学习及当代深度学习范式	系统地将深度学习工作组织为重建、生成和自监督三大范式，并强调了新兴策略如混合学习、多模态整合和基于生物学的指标（如脑年龄差距）在提升鲁棒性和临床相关性方面的潜力	现有方法仍面临高误报率、异常定义不明确、可解释性有限以及对领域偏移的脆弱性等关键挑战	为研究人员和临床医生提供实用且全面的指南，以推进可靠、可扩展的脑部MRI异常检测	脑部MRI图像	数字病理学	神经系统疾病	磁共振成像（MRI）	NA	图像	NA	NA	NA	NA	NA
890	2026-03-28	Data augmentation method for computer-aided diagnosis using specular reflection 2026-Mar, Biomedical engineering letters IF:3.2Q2 DOI:10.1007/s13534-025-00533-0 PMID:41890266	研究论文	本研究开发了一种利用镜面反射的数据增强技术，旨在提高结肠镜计算机辅助诊断中深度学习模型的鲁棒性和性能	提出了一种结合镜面反射生成与修复的数据增强方法，专门针对结肠镜CADx场景，尤其在训练数据有限时表现出优越性	研究仅基于2,616张NBI图像进行，未涉及其他结肠镜成像模式或更大规模的外部验证	开发并评估一种数据增强技术，以提升深度学习模型在结肠镜计算机辅助诊断中的性能	结肠息肉在窄带成像下的图像	计算机视觉	结直肠癌	窄带成像	CNN, Vision Transformer	图像	2,616张NBI图像	NA	卷积神经网络, Vision Transformer	准确率	NA
891	2026-03-28	Deep Learning-Based Diagnostic Model for Ocular Surface Neoplastic Diseases 2026-Feb-24, American journal of ophthalmology IF:4.1Q1 DOI:10.1016/j.ajo.2026.02.033 PMID:41748055	研究论文	本研究开发了一种基于深度学习的诊断模型，用于识别眼表肿瘤性疾病，并评估其诊断性能	首次应用YOLOv5深度学习模型于眼表肿瘤的自动诊断，并通过与不同级别眼科专家的比较验证了其高诊断准确性	对于罕见恶性肿瘤（如黑色素瘤和MALT淋巴瘤）的诊断性能有限，需要进一步优化	开发并评估一个深度学习模型，用于辅助诊断眼表肿瘤性疾病	眼表肿瘤图像，包括痣、角膜缘皮样瘤、MALT淋巴瘤、眼表鳞状上皮瘤、黑色素瘤、睑裂斑和翼状胬肉	计算机视觉	眼表肿瘤性疾病	裂隙灯显微镜成像	CNN	图像	1491张眼表图像，代表7种疾病，外部验证使用299张图像	PyTorch	YOLOv5	阳性预测值, 曲线下面积, 敏感性, 特异性	NA
892	2026-03-28	Graph Learning in Bioinformatics: A Survey of Graph Neural Network Architectures, Biological Graph Construction and Bioinformatics Applications 2026-02-23, Biomolecules IF:4.8Q1 DOI:10.3390/biom16020333 PMID:41750401	综述	本文综述了图神经网络在生物信息学中的应用，涵盖图构建、架构设计和生物医学应用	提供了一个结构化框架，从图构建、GNN架构到生物医学应用三个维度系统梳理GNN在生物信息学中的方法与应用，并强调图质量、架构选择和训练动态对性能的联合影响	NA	为理解和应用图神经网络在生物信息学中提供一个系统框架	生物系统，包括蛋白质相互作用网络、基因调控回路、分子图和多组学整合等	生物信息学	NA	图神经网络	GNN, GCN, GAT, GraphSAGE, GIN	图数据	NA	NA	Graph Convolutional Networks, Graph Attention Networks, Graph Sample and AggregatE, Graph Isomorphism Network	NA	NA
893	2026-03-28	Novel algorithm for knee localization and diagnosis and grading of knee osteoarthritis based on a priori information: data from OAI 2026-Feb-17, BMC medical imaging IF:2.9Q2 DOI:10.1186/s12880-026-02235-0 PMID:41703497	研究论文	本文提出了一种基于先验信息的深度学习算法，用于膝关节的自动分割、诊断和分级膝骨关节炎	提出Anchor-free Knee Probability Calculation Net (AKPCNet)膝关节感兴趣区域提取算法和Attention Pooling全局池化优化算法，结合低阶特征强化网络(APLFRNet)提高KL分级准确性	NA	开发并评估一种基于深度学习的全自动膝关节分割方法，用于膝骨关节炎的诊断和分级	膝骨关节炎患者的X光图像	计算机视觉	膝骨关节炎	X光成像	深度学习	图像	35,000张膝关节X光片（前后位视图）	NA	AKPCNet, APLFRNet	ROC AUC, 平衡准确率	NA
894	2026-02-18	Exploring deep learning and data requirements through image classification of Erigeron annuus and Erigeron philadelphicus 2026-Feb-16, BMC research notes IF:1.6Q2 DOI:10.1186/s13104-026-07719-4 PMID:41699726	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
895	2026-03-28	Detection of esophageal varices and prediction of hepatic decompensation in unresectable hepatocellular carcinoma using AI 2026-Feb-10, Journal of hepatology IF:26.8Q1 DOI:10.1016/j.jhep.2026.01.021 PMID:41679555	研究论文	本研究开发并外部验证了基于AI的非侵入性模型，用于检测食管静脉曲张和预测肝失代偿，以改善不可切除肝细胞癌患者的预后评估	首次将基础模型HepatoSageCT应用于常规增强CT图像，结合临床数据，实现了对食管静脉曲张和肝失代偿风险的准确非侵入性预测	研究为回顾性设计，需要前瞻性验证来进一步确认模型的临床适用性	开发非侵入性模型以检测食管静脉曲张并预测肝失代偿风险，减少不必要的内镜检查并改善不可切除肝细胞癌患者的预后评估	接受阿特珠单抗-贝伐珠单抗治疗的不可切除肝细胞癌患者	数字病理学	肝细胞癌	对比增强CT	深度学习	图像, 临床数据	489名患者（开发队列279名，外部验证队列210名）	NA	HepatoSageCT	AUROC, 敏感性, 特异性, C指数, 风险比	NA
896	2026-03-28	QPred: A Quantum Mechanical Property Predictor for Small Molecules 2026-Jan-26, Journal of chemical information and modeling IF:5.6Q1 DOI:10.1021/acs.jcim.5c02864 PMID:41490442	研究论文	本文提出了一种名为QPred的新型量子力学性质预测器，用于小分子的高通量筛选	提出了一种解耦的深度学习架构，能够自适应地利用2D拓扑图或3D几何信息进行分子性质预测，并引入了基于环的半主节点增强的MPNN和具有解耦更新机制的等变网络	未在摘要中明确说明	开发一种高效、高精度且可解释的分子性质预测方法，以加速分子发现过程	小分子的物理化学性质	机器学习	NA	深度学习	MPNN, 等变网络	2D拓扑图, 3D几何信息	NA	NA	Message Passing Neural Network (MPNN), 等变网络	NA	NA
897	2026-03-28	Automated 3D segmentation of human vagus nerve fascicles and epineurium from micro-computed tomography images using anatomy-aware neural networks 2026-Jan-20, Journal of neural engineering IF:3.7Q2 DOI:10.1088/1741-2552/ae33f6 PMID:41494208	研究论文	本研究提出了一种基于深度学习的方法，用于从高分辨率微计算机断层扫描图像中自动三维分割人类迷走神经束和神经外膜	引入了新颖的解剖感知损失函数，确保预测结果符合神经拓扑结构，并开发了多类3D U-Net模型，显著提高了分割精度和解剖保真度	研究仅基于5名受试者的100个微CT体积数据，样本量相对较小，且未明确提及模型在其他神经类型或成像模态上的泛化能力	旨在通过自动化三维分割技术，精确量化神经形态，以支持有效的周围神经刺激疗法设计	人类迷走神经束和神经外膜	数字病理学	NA	微计算机断层扫描	U-Net	图像	100个微CT体积数据，来自5名受试者的颈部和胸部迷走神经	NA	3D U-Net, 2D U-Net	Dice相似系数, 体积重叠, 边界描绘, 神经束实例检测	NA
898	2026-03-28	Deep learning feature-based model on abdominal radiography outperforms experts for early necrotizing enterocolitis diagnosis in neonates 2026-Jan-13, European radiology IF:4.7Q1 DOI:10.1007/s00330-025-12264-y PMID:41528473	研究论文	本研究开发了一种基于腹部平片和深度学习特征的模型，用于辅助新生儿坏死性小肠结肠炎（NEC）的早期诊断，并在外部验证中表现优于人类专家	首次将深度学习特征提取（使用DenseNet121）与放射组学模型（逻辑回归和随机森林）结合，应用于腹部平片以诊断早期NEC，并在多中心数据中验证其性能超越人类专家	研究为回顾性设计，样本量相对有限（共680例），且仅基于两家中心的数据，未来需要前瞻性研究和更大规模的外部验证	探索深度学习模型在辅助新生儿坏死性小肠结肠炎（NEC）早期诊断中的应用	接受腹部平片检查的新生儿	数字病理学	坏死性小肠结肠炎	腹部平片放射成像	CNN, 机器学习模型	图像	共680名新生儿（训练队列380例，外部验证队列300例）	PyTorch（推断自DenseNet121的常见实现）, Scikit-learn	DenseNet121	AUC, 准确率	NA
899	2026-03-28	A Deep Learning Model to Identify Mitral Valve Prolapse From the Echocardiogram 2026-Jan, JACC. Cardiovascular imaging DOI:10.1016/j.jcmg.2025.08.011 PMID:41031982	研究论文	本研究开发了一种名为DROID-MVP的深度学习模型，用于从超声心动图视频中自动识别二尖瓣脱垂	首次提出一个深度学习模型DROID-MVP，能够从超声心动图视频中自动诊断二尖瓣脱垂，并与临床终点（如二尖瓣反流严重程度和未来手术需求）相关联	模型主要基于单一医疗中心（MGH）的数据进行训练，外部验证虽包含BWH数据，但样本量相对较小，可能存在泛化性限制	开发一个深度学习模型，以自动化二尖瓣脱垂的诊断过程，减少对专业知识和时间的依赖	心脏科患者和初级保健患者的超声心动图视频数据	计算机视觉	心血管疾病	超声心动图	深度学习模型	视频	总计1,043,893个超声心动图视频（来自48,829项研究），涉及16,902名MGH心脏科患者、8,888名MGH初级保健患者和257名BWH初级保健患者	未明确提及	DROID-MVP（未指定具体架构如ResNet、CNN等）	AUROC, 平均精度	未明确提及
900	2026-03-28	DRFC: An efficient cloud-based feature reduction and clustering algorithm for agricultural product and remote-sensing imagery 2026, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0344526 PMID:41880308	研究论文	本文提出了一种高效的云原生特征降维与聚类算法DRFC，用于处理农业产品和遥感图像，以解决深度学习模型在资源受限环境中的部署问题	DRFC算法结合轻量级降维与动态资源流管理，能动态分配云资源并保持高维数据结构的判别性，在资源效率上优于传统方法	算法主要针对资源受限环境设计，可能不适用于需要极高精度的复杂深度学习任务	开发一种可扩展、资源高效的解决方案，用于处理农业近距离图像和高尺度遥感图像	农业产品图像（如水果）和遥感图像（如农作物数据）	计算机视觉	NA	特征降维与聚类算法	NA	图像	两个基准数据集：Fruits-360（产品级分类）和USDA Cropland Data Layer/BigEarthNet（作物级分析）	NA	NA	准确率, F1分数, mAP, 资源效率指标	云原生环境，分布式节点