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
941	2026-05-04	Artificial intelligence in lymphedema: A systematic review of diagnostic and clinical applications 2026-Jan-06, Journal of plastic, reconstructive & aesthetic surgery : JPRAS DOI:10.1016/j.bjps.2025.12.035 PMID:42068963	综述	系统综述人工智能在淋巴水肿诊断和临床应用中的研究现状	首次系统评估AI在淋巴水肿全流程中的应用，涵盖风险预测、影像诊断、体积评估和临床决策支持	纳入研究缺乏外部验证，方法学异质性大，现有证据仍属初步阶段	评估人工智能在淋巴水肿诊断、风险预测、监测和手术规划中的临床价值	淋巴水肿患者的人工智能诊断与监测应用	机器学习	淋巴水肿	NGS	机器学习、深度学习	影像（超声、CT、MRI、临床照片）、人口统计学和临床数据	18项研究共8720名患者	NA	NA	AUC, 准确率, 相关系数	NA
942	2026-05-04	Accelerated magnetic resonance imaging of hippocampal sclerosis in pediatric patients with deep learning-based reconstruction: comparison of image quality and diagnostic performance with conventional reconstruction 2026-01, Pediatric radiology IF:2.1Q2 DOI:10.1007/s00247-025-06419-8 PMID:41081829	研究论文	比较深度学习重建与常规重建在儿童海马硬化加速磁共振成像中的图像质量和诊断性能	首次在儿童海马硬化患者中评估深度学习重建技术对加速MRI序列的图像质量和诊断性能的影响	NA	比较常规重建MRI与有无深度学习重建的加速序列在儿童海马硬化患者中的图像质量和诊断性能	68名确诊或疑似颞叶癫痫伴海马硬化的儿科患者	医学影像	颞叶癫痫伴海马硬化	MRI	深度学习重建模型	MRI图像	68名儿科患者	NA	NA	图像质量评分, 信噪比, Cohen's kappa系数	NA
943	2026-05-04	Enhanced convolutional block attention module with Learnable Gated Fusion (LGF-CBAM) for cocoa pod disease identification 2026, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0348147 PMID:42060662	研究论文	提出一种可学习门控融合卷积块注意力模块（LGF-CBAM）集成ResNetV2-101骨干网络，用于可可豆荚病害识别	通过可训练门控参数和softmax归一化，自适应平衡空间与通道注意力的重要性，克服标准CBAM顺序处理的局限性	在Coffee and Cocoa数据集上准确率降至94.00%，表明在高度多样性条件下泛化能力仍有不足	提高可可豆荚病害识别的准确率和鲁棒性，支持精准农业	可可豆荚病害图像	计算机视觉	植物病害	深度学习	CNN	图像	多个数据集：Cocoa_Pod_Disease_Gh（未明确数量）、Cocoa Diseases (YOLOv4)、Black and Borer Pod Rot、Cacao Diseases in Davao、Coffee and Cocoa数据集	NA	ResNetV2-101, LGF-CBAM	准确率、F1分数、PPV	NA
944	2026-05-04	A multi-modal deep learning framework with GAN-based fusion for enhanced landslide detection 2026, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0347324 PMID:42060708	研究论文	提出一种基于GAN融合的多模态深度学习框架，用于增强滑坡检测	首次在运营监测场景中结合多骨干网络特征融合与对抗性掩膜细化，创新性地整合四个预训练CNN（VGG16、DenseNet201、ResNet50和InceptionV3）与GAN对抗细化模块	未提及	实现高精度、可扩展的滑坡检测与分割，生成GIS就绪的概率图并支持低延迟推理	滑坡区域的遥感影像	计算机视觉	NA	遥感影像分析、GAN对抗细化	CNN（VGG16、DenseNet201、ResNet50、InceptionV3）和GAN	高分辨率卫星/UAV影像、中分辨率Sentinel-2影像、同震滑坡影像	三个基准数据集：CAS Landslide（高分辨率GF-2/UAV影像）、MS2LandsNet（中分辨率Sentinel-2）、GDCLD（同震滑坡）	NA	VGG16、DenseNet201、ResNet50、InceptionV3	F1分数、IoU、边界细化精度	NA
945	2026-05-04	A Lightweight Skeletal Muscle Intelligent Segmentation Network Based on Planning CT for Cervical Cancer Radiotherapy 2026 Jan-Dec, Technology in cancer research & treatment IF:2.7Q3 DOI:10.1177/15330338261446535 PMID:42041275	研究论文	提出一种轻量级深度学习网络SMA-Net，用于宫颈癌放疗患者第三腰椎水平骨骼肌的智能分割，并评估其性能	将轻量级Mamba架构引入UNet网络，并在跳跃连接上引入SAB和CAB注意力机制以抑制无关信息并突出重要局部特征	未提及具体限制	实现宫颈癌放疗患者L3骨骼肌的快速准确分割，辅助临床诊断肌少症	宫颈癌放疗患者的第三腰椎（L3）水平的骨骼肌	计算机视觉	宫颈癌，肌少症	NA	深度学习分割网络（SMA-Net）	计划CT图像	160例宫颈癌患者，分为训练集112例、验证集16例和测试集32例	PyTorch	UNet，Mamba，SAB，CAB	Dice相似系数，敏感性，阳性预测值，95% Hausdorff距离，准确率，精确率，召回率，F1分数，AUC	NA
946	2026-05-04	A Call for a Collaborative Framework for Automation in Adaptive Radiotherapy 2026 Jan-Dec, Technology in cancer research & treatment IF:2.7Q3 DOI:10.1177/15330338261449016 PMID:42068249	评论	呼吁建立协作框架以推动自适应放疗自动化发展	提出通过结构化透明和共享责任机制，将自动化从封闭架构转变为集体学习生态系统	未提及具体技术实现或实验验证	推动自适应放疗自动化从封闭系统向开放协作模式转变	自适应放疗技术和相关自动化框架	机器学习	NA	自适应放疗	NA	NA	NA	NA	NA	NA	NA
947	2026-05-04	Prenatal diagnosis of cerebellar hypoplasia in fetal ultrasound using deep learning under the constraint of the anatomical structures of the cerebellum and cistern 2025-11, Pediatric radiology IF:2.1Q2 DOI:10.1007/s00247-025-06376-2 PMID:40911057	研究论文	开发并验证一种受大脑解剖结构约束的深度学习模型，利用超声图像提高胎儿小脑发育不全的产前诊断准确性	提出双分支深度学习分类网络ASC-Net，将超声图像和脑部解剖结构掩膜作为独立输入，通过解剖结构约束提升诊断性能	研究为回顾性设计，样本来源单一，超声图像选择依赖医生经验，且小脑发育不全病例数有限（302例）可能影响模型泛化性	开发一个受胎儿小脑和后颅窝池解剖结构约束的人工智能模型，以改善超声成像中小脑发育不全的产前诊断准确性	胎儿小脑发育不全	计算机视觉	胎儿中枢神经系统发育异常	超声成像	深度学习分类网络	图像	302例小脑发育不全和549例正常妊娠病例	NA	ASC-Net (双分支网络)	准确率, AUC	NA
948	2026-05-04	Artificial Intelligence-Assisted Image Extraction in Neonatal Echocardiography for Congenital Heart Disease Diagnosis in Sub-Saharan Africa: Protocol for Model Development 2025-Oct-30, JMIR research protocols IF:1.4Q3 DOI:10.2196/75270 PMID:41167236	研究论文	提出一项在撒哈拉以南非洲地区利用人工智能辅助新生儿超声心动图诊断先天性心脏病的协议，旨在开发深度学习模型，使非专业操作者能有效提取心脏图像供远程解读	创新点在于构建一个整合卷积神经网络与卷积长短期记忆层的AI辅助超声系统，灵感来自交错视觉记忆框架，并结合强化学习动态使用特征提取器，以实现实时心脏视图检测，显著适应资源有限环境	局限性包括依赖有限地理来源的数据（仅喀麦隆和南非两家医院），可能限制模型泛化性；同时分两阶段的样本量（500例回顾性数据、1000例前瞻性数据）相对不大，且需考虑实时临床环境中的实际实施挑战	研究目的为开发AI辅助超声心动图系统，使护士、助产士和医生等非专家操作者能对疑似先天性心脏病的婴儿进行基本心脏超声扫查，提取准确心腔图像供儿科心脏病专家远程解读	新生儿（0-28天），疑似患有先天性心脏病的婴儿	计算机视觉	先天性心脏病	超声心动图	深度学习（卷积神经网络与卷积长短期记忆层）	超声心动图视频片段	第一阶段约500例回顾性数据，第二阶段1000例前瞻性数据	TensorFlow, PyTorch	卷积神经网络（CNN）, 卷积长短期记忆层	NA	NA
949	2026-05-04	Free-running isotropic three-dimensional cine magnetic resonance imaging with deep learning image reconstruction 2025-10, Pediatric radiology IF:2.1Q2 DOI:10.1007/s00247-025-06266-7 PMID:40442341	研究论文	评估结合深度学习图像重建的游离呼吸各向同性三维电影磁共振成像在先天性心脏病患者中的效率和准确性	首次利用深度学习重建技术结合Heart-NAV技术实现游离呼吸三维电影成像与血管造影同步采集，显著缩短采集时间并提高图像对比度	样本量较小（16例患者），且三维与二维电影成像在右心室收缩末期容积上存在显著差异，需进一步验证	评估深度学习重建的游离呼吸三维电影MRI序列在先天性心脏病患者中的功能与容积测量的准确性和效率	先天性心脏病患者	数字病理学	先天性心脏病	心血管磁共振（CMR）、深度学习图像重建	深度学习重建模型	图像（三维磁共振成像）	16名患者（7名男性，中位年龄6岁）	NA	深度学习重建网络	对比噪声比（CNR）、容积测量（心室容积、射血分数、质量）、横截面积（CSA）	NA
950	2026-05-04	Understanding Cancer Survivorship Care Needs Using Amazon Reviews: Content Analysis, Algorithm Development, and Validation Study 2025-Sep-23, JMIR cancer IF:3.3Q2 DOI:10.2196/71102 PMID:40986859	研究论文	利用亚马逊消费者评论作为新型数据源，通过内容分析、算法开发和验证研究，理解癌症幸存者的护理需求	首次提出将亚马逊消费者评论作为识别癌症幸存者护理需求的新型数据源，并开发了基于深度学习和大型语言模型的自然语言处理基线模型	未明确提及	展示使用亚马逊消费者评论识别癌症幸存者护理需求（特别是症状自我管理）的潜力	亚马逊健康相关产品评论中提及癌症的句子	自然语言处理	癌症	自然语言处理	Bert-base-cased, GPT-4	文本	159条评论，4703个句子，3349条评论，2589个独立产品	PyTorch	BERT, GPT-4	加权平均F1分数	NA
951	2026-05-04	An Artificial Intelligence-Based Framework for Predicting Emergency Department Overcrowding: Development and Evaluation Study 2025-Sep-17, JMIR medical informatics IF:3.1Q2 DOI:10.2196/73960 PMID:40961493	研究论文	开发并评估基于人工智能的框架，用于预测急诊科过度拥挤状况，支持主动资源分配	提出两种时间分辨率（每小时和每天）的等待人数预测模型，其中每小时模型使用时间序列视觉变换器（TSiTPlus），每天模型使用可解释卷积神经网络（XCMPlus），两者均优于传统预测方法	文章未明确提出局限性，但可能包括数据来自单一医院、预测准确性随时间变化（如晚上8点误差最大）、极端情况误差较大等	开发机器学习模型预测急诊科候诊室等待人数，分别在6小时后（每小时）和24小时平均（每天）两个时间分辨率上，以支持早期干预和缓解过度拥挤	美国东南部一家合作医院的急诊科数据	机器学习	NA	NA	TSiTPlus（时间序列视觉变换器），XCMPlus（可解释卷积神经网络）	数值数据（患者流量指标）	从一家医院急诊科整合内部与外部来源的数据，具体样本量未明确说明	NA	TSiTPlus, XCMPlus	平均绝对误差（MAE），均方误差（MSE）	代码公开在GitHub仓库，具体计算资源未说明
952	2026-05-04	Deep learning reconstruction for improving image quality of pediatric abdomen MRI using a 3D T1 fast spoiled gradient echo acquisition 2025-09, Pediatric radiology IF:2.1Q2 DOI:10.1007/s00247-025-06313-3 PMID:40679617	研究论文	比较基于深度学习重建方法与常规重建在儿童腹部MRI中的图像质量	首次在儿童队列中系统评估商用深度学习重建算法（AIR™ Recon DL）对3D快速扰相梯度回波序列腹部MRI图像质量的提升效果	样本量较小（38例），且重建方法为原型版本，可能无法完全反映最终产品性能	评估深度学习重建在儿童腹部MRI中的临床应用价值	儿童患者（年龄<18岁）的腹部MRI图像	计算机视觉	NA	MRI	深度学习重建模型（未明确具体类型，基于商用DL算法）	医学图像（MRI）	38例儿童患者（平均年龄8.6±5.7岁，23名男性）	GE HealthCare AIR™ Recon DL（商用深度学习算法）	NA	Likert评分（5分量表）、信噪比（SNR）、边缘数量（图像锐度逆相关）、Kendall秩相关系数（W）	NA
953	2026-05-04	Development and validation of a cranial ultrasound imaging-based deep learning model for periventricular-intraventricular haemorrhage detection and grading: a two-centre study 2025-09, Pediatric radiology IF:2.1Q2 DOI:10.1007/s00247-025-06327-x PMID:40728538	研究论文	开发并验证了一种基于颅脑超声图像的深度学习模型，用于新生儿脑室周围-脑室内出血的检测与分级，并进行了多中心验证	结合卷积块注意力模块机制构建深度学习模型，实现脑室周围-脑室内出血的自动检测与分级	NA	研究深度学习分析婴儿颅脑超声图像能否检测并分级脑室周围-脑室内出血	两家医院共1060例病例及健康对照，其中回顾性数据集773例，前瞻性多中心验证集287例	机器学习	新生儿疾病	颅脑超声成像	CNN（卷积神经网络）	图像	1060例（773例回顾性训练验证 + 287例前瞻性多中心验证）	NA	卷积块注意力模块	召回率、精确率、准确率、F1分数、AUC	NA
954	2026-05-04	Comparison of neural networks for classification of urinary tract dilation from renal ultrasounds: evaluation of agreement with expert categorization 2025-08, Pediatric radiology IF:2.1Q2 DOI:10.1007/s00247-025-06311-5 PMID:40613839	研究论文	比较不同深度学习模型在婴儿肾超声图像中分类尿路扩张的性能，并与专家分类进行一致性评估	首次系统比较多种深度学习模型在婴儿肾超声UTD分类中的表现，并评估其与专家标注的一致性	数据集来自单一机构，样本量有限（仅492个右肾和487个左肾），且仅由一位专家提供金标准标签	开发和评估深度学习模型在婴儿肾超声图像中自动分类尿路扩张的性能	3个月以下婴儿的肾超声图像	计算机视觉	尿路扩张	超声成像	深度神经网络	图像	492个右肾和487个左肾超声图像（共979个样本）	NA	NA	准确率, Kappa系数, 95%置信区间	NA
955	2026-05-04	Accelerated brain magnetic resonance imaging with deep learning reconstruction: a comparative study on image quality in pediatric neuroimaging 2025-08, Pediatric radiology IF:2.1Q2 DOI:10.1007/s00247-025-06314-2 PMID:40650736	研究论文	评估深度学习重建在儿科神经影像中加速脑MRI的临床可行性，并与传统MRI进行图像质量比较	首次在儿科神经影像中系统性评估深度学习重建加速MRI的图像质量，证明加速扫描可缩短43%时间且图像质量优于传统方法	回顾性研究设计、样本量有限（116例）、未评估运动伪影对加速序列的影响	评估深度学习重建加速脑MRI在儿科神经影像中的临床可行性及图像质量	116名儿科患者（平均年龄7.9±5.4岁）的常规脑MRI图像	医学影像	儿科神经疾病	MRI	深度学习重建	MRI图像	116名儿科参与者	NA	NA	图像质量评分、清晰度、伪影、噪声、病变显著性、噪声标准差、变异系数	NA
956	2026-05-04	Feasibility study of fully automatic measurement of adenoid size on lateral neck and head radiographs using deep learning 2025-08, Pediatric radiology IF:2.1Q2 DOI:10.1007/s00247-025-06332-0 PMID:40658209	研究论文	开发并验证了基于深度学习全自动测量侧位头颈X线片中腺样体大小的系统	首次利用RTMDet和RTMPose网络实现腺样体大小的全自动测量，替代传统人工测量方法	未在论文标题和摘要中明确说明局限性	开发并验证自动测量腺样体大小的深度学习系统	侧位头颈X线片中的腺样体、鼻咽及腺样体-鼻咽比	计算机视觉	腺样体肥大相关疾病	NA	深度学习模型	图像	711张侧位头颈X线片	NA	RTMDet, RTMPose	组内相关系数, 平均绝对差, 均方根, Bland-Altman图	NA
957	2026-05-04	Computer-Aided Technology for Bioactive Protein Design and Clinical Application 2025-07, Macromolecular bioscience IF:4.4Q1 DOI:10.1002/mabi.202500007 PMID:40260555	综述	综述计算机辅助蛋白质设计技术及其在生物活性蛋白设计和临床应用中的作用	整合深度学习预测和生成模型，提升了抗体、蛋白药物等治疗性蛋白的亲和力、特异性和低免疫原性	存在模型过拟合、稀有蛋白家族数据有限、实验验证效率不足等挑战	综述计算机辅助蛋白质设计（CAPD）在蛋白质工程和治疗开发中的应用与前景	单克隆抗体、蛋白药物、抗原、蛋白聚合物等蛋白质基治疗剂	机器学习	NA	计算机辅助设计、深度学习	CNN, LSTM, GAN	蛋白质序列、结构数据	NA	NA	NA	结合亲和力、特异性、免疫原性降低	NA
958	2026-05-04	Comparison of individualized facial growth prediction models using artificial intelligence and partial least squares based on the Mathews growth collection 2025-05-01, The Angle orthodontist DOI:10.2319/082124-687.1 PMID:39884314	研究论文	基于Mathews生长数据集，比较人工智能与偏最小二乘法在个性化面部生长预测中的表现	首次系统比较TabNet深度神经网络与偏最小二乘法在面部生长预测中的性能，并评估AI在不同训练轮次下的预测精度	样本量较小（33名受试者），且仅使用头颅侧位片，未纳入三维影像或其他生长阶段数据	开发并比较不同条件下AI面部生长预测模型与PLS模型的预测准确性	33名受试者的纵向头颅侧位片（1257对生长前后影像）	计算机视觉	不适用	无	TabNet深度神经网络	图像（头颅侧位片）	33名受试者，共1257对生长前后头颅侧位片	PyTorch	TabNet	预测误差（毫米）	不适用
959	2026-05-04	Model-Based Convolution Neural Network for 3D Near-Infrared Spectral Tomography 2025-05, IEEE transactions on medical imaging IF:8.9Q1 DOI:10.1109/TMI.2025.3529621 PMID:40031020	研究论文	开发一种将扩散方程模型与卷积神经网络集成的重建算法，用于三维近红外光谱断层成像	首次将扩散方程模型与卷积神经网络结合，通过深度学习学习正则化先验，在未使用真实患者数据训练的情况下，在真实数据上实现优于传统方法和纯深度学习算法的图像重建性能	模型基于数值仿真数据和简单几何形状的仿真体模训练，未在患者数据上进行训练，可能限制对复杂临床场景的泛化能力	解决近红外光谱断层成像重建中因光扩散和有限边界测量导致的病态和不适定问题	生物组织中的发色团浓度图像（总血红蛋白和水浓度）	计算机视觉, 机器学习	NA	近红外光谱断层成像	卷积神经网络	图像	数值仿真数据、物理体模数据和临床患者数据（具体数量未说明）	PyTorch	卷积神经网络	绝对偏差误差, 峰值信噪比	未说明
960	2026-05-04	Deep learning-based denoising image reconstruction of body magnetic resonance imaging in children 2025-05, Pediatric radiology IF:2.1Q2 DOI:10.1007/s00247-025-06230-5 PMID:40186652	研究论文	评估基于深度学习的去噪图像重建在儿童体部磁共振成像中的图像质量	首次系统评估深度学习去噪重建技术在儿童体部MRI中的应用效果，尤其是采用径向k空间采样（PROPELLER）的序列	样本量较小（21名儿童），且未包括非PROPELLER序列的比较	评估深度学习去噪重建技术对儿童体部MRI图像质量的影响	接受胸腹MRI检查的21名儿童（中位年龄7岁）	数字病理学	NA	MRI成像	深度学习去噪模型	图像	21名儿童（年龄范围1.5岁至15.8岁）	NA	NA	信噪比（SNR）、对比噪声比（CNR）、4点Likert量表	NA