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
961	2026-08-03	Adaptive boundary-enhanced Dice loss for image segmentation 2025-Aug, Biomedical signal processing and control IF:4.9Q1 DOI:10.1016/j.bspc.2025.107741 PMID:40061446	研究论文	本文提出一种自适应边界增强Dice（ABeDice）损失函数，结合指数递归互补函数与传统Dice损失，以提升医学图像分割的准确性	创新性地引入指数递归互补函数，动态调整预测概率分布，优先高概率像素，增强边界检测与定位，提高网络的量化潜力和收敛速度	摘要未提供明确的局限性信息	改进医学图像分割的损失函数，以提高分割准确性	医学图像分割任务，特别是眼底图像（REFUGE）、皮肤病变图像（ISIC2018）和眼部图像（RIT-Eyes）	计算机视觉	眼病和皮肤病（具体疾病未知）	深度学习	Swin-Unet（基于Transformer的U-Net变体）	图像	三个公开数据集：REFUGE、ISIC2018、RIT-Eyes（具体样本数未提供）	NA	Swin-Unet	Dice相似系数	NA
962	2026-08-03	Improved Spiral Projection MR Fingerprinting via Memory-Efficient Synergic Optimization of 3D Spiral Trajectory, Image Reconstruction and Parameter Estimation (SOTIP) 2025-08, IEEE transactions on medical imaging IF:8.9Q1 DOI:10.1109/TMI.2025.3559467 PMID:40208770	研究论文	本研究开发了一种基于模型的深度学习图像重建框架及联合优化框架，以提升高分辨率3D螺旋轨迹磁共振指纹的扫描效率和计算效率	通过参数估计损失联合优化图像重建和参数量化网络，并基于解剖特异性时空稀疏性数据驱动优化3D螺旋轨迹旋转角，实现端到端联合优化	未提供具体局限性信息	提高3D定量MRI的参数量化准确性和缩短重建时间	健康受试者和患者的模拟及体内MRF数据	深度学习	不适用	MRF	MBDL	图像	未明确说明，涉及健康受试者和患者	NA	NA	NRMSE, p值	NA
963	2026-08-03	Physically grounded deep learning-enabled gold nanoparticle localization and quantification in photonic resonator absorption microscopy for digital resolution molecular diagnostics 2025-Aug-01, Biosensors & bioelectronics IF:10.7Q1 DOI:10.1016/j.bios.2025.117455 PMID:40233489	研究论文	提出一种基于物理约束的深度学习增强金纳米颗粒定位与定量方法，与光子谐振吸收显微镜结合，实现数字分辨率分子诊断	通过物理建模获取点扩散函数，生成真实训练数据，利用上下文感知网络提升检测精度，克服传统图像处理在高密度条件下的不足	未提及具体局限，可能依赖高质量的PRAM与SEM图像配对，影响泛化性	实现数字分辨率的生物标志物检测，提高分子诊断的灵敏度和准确性	金纳米颗粒和基于光子谐振吸收显微镜的生物分子检测	计算机视觉，数字病理学	未指定	点扩散函数测量，扫描电子显微镜，光子谐振吸收显微镜	深度学习模型	图像	未指定	未指定	上下文感知网络	准确性，灵敏度，亚像素分辨率	未指定
964	2026-08-03	Artificial intelligence automated solution for hazard annotation and eye tracking in a simulated environment 2025-Aug, Accident; analysis and prevention DOI:10.1016/j.aap.2025.108075 PMID:40339543	研究论文	提出一种基于人工智能的自动化解决方案，用于驾驶模拟环境中的危险标注和视线追踪，以简化数据分析流程	在以往仅进行危险检测的基础上，集成了危险标注与视线追踪数据，并结合车辆操作参数提供驾驶员行为的统一视图	摘要未提及明确的局限性	自动化驾驶模拟实验中的危险标注和视线追踪任务，以加速研究进程并增强对驾驶行为的理解	驾驶模拟环境中的驾驶员行为、道路危险和干扰因素	计算机视觉	不适用	深度学习	不明确	图像、时间序列数据（如视线追踪和车辆操作数据）	不明确	不明确	不明确	不明确	不明确
965	2026-08-03	SASWISE-UE: Segmentation and synthesis with interpretable scalable ensembles for uncertainty estimation 2025-Aug, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.110258 PMID:40460564	研究论文	提出了一种高效的子模型集成框架SASWISE-UE，通过生成不确定性图来提高医学深度学习模型的可解释性和临床适用性	提出从单个训练良好的检查点生成多样化模型的策略，实现高效的子模型集成，并用于不确定性估计	未在更广泛的任务和模型上验证，且未与更多现有不确定性方法进行对比	通过不确定性估计增强医学深度学习模型的可解释性，以提高其临床适用性	CT身体分割和MR-CT合成任务中的医学图像	计算机视觉	不适用	深度学习	U-Net, UNETR	图像	未明确	不适用	U-Net, UNETR	Dice系数, 平均绝对误差	不适用
966	2026-08-03	Cutoff SUVR of [18F]Florapronol PET for Differentiating Alzheimer's Dementia from Normal Controls: Insights from ROC Analysis and Partial Volume Correction 2025-Aug, Nuclear medicine and molecular imaging IF:1.3Q3 DOI:10.1007/s13139-025-00911-7 PMID:40686829	研究论文	本研究旨在通过[18F]Florapronol PET成像和深度学习自动量化软件，建立区分阿尔茨海默病（AD）患者与正常对照（NC）的SUVR截断值，并评估部分体积校正（PVC）对诊断准确性的提升作用。	利用深度学习自动量化软件和PVC调整，建立了可靠的SUVR截断值，并验证了与视觉分析高度一致性，为淀粉样蛋白PET成像提供了标准化的客观诊断方法。	未提供具体局限性信息。	建立可靠的SUVR截断值以区分AD（排除MCI）与NC，并评估PVC对诊断准确性的提升。	阿尔茨海默病（AD）患者和正常对照（NC）个体。	医学影像分析	阿尔茨海默病	PET成像	深度学习模型	图像	共141名参与者，包括55名AD患者和86名正常对照。	未明确	未明确	敏感性、特异性、ROC分析	未明确
967	2026-08-03	Modern statistical techniques for cardiothoracic surgeons: Part 8-Bayesian analysis and beyond 2025-Aug, Indian journal of thoracic and cardiovascular surgery IF:0.7Q4 DOI:10.1007/s12055-025-01941-8 PMID:40693004	评述	本文介绍了贝叶斯分析和机器学习在心胸外科研究中的现代统计技术，包括其原理、应用及潜力	强调贝叶斯与机器学习结合，为心胸外科提供动态决策和个性化治疗新视角	未详细讨论实际应用的挑战或局限性	阐述贝叶斯分析和机器学习在心胸外科中的应用价值	心胸外科临床研究	机器学习	NA	贝叶斯分析、机器学习、深度学习、聚类分析	贝叶斯模型、深度学习模型	临床数据	NA	NA	NA	NA	NA
968	2026-08-03	Single-cell image-based screens identify host regulators of Ebola virus infection dynamics 2025-Aug, Nature microbiology IF:20.5Q1 DOI:10.1038/s41564-025-02034-3 PMID:40707832	研究论文	本文通过基于图像的基因组规模CRISPR筛选，识别了埃博拉病毒感染的998个宿主调控因子，并使用深度学习模型和随机森林模型关联病毒复制步骤及调控机制	首次将图像为基础的基因组规模CRISPR筛选与深度学习模型结合，应用于埃博拉病毒研究，并在单细胞水平上识别宿主调控因子及其与病毒复制步骤的关联	未提及具体限制，但可推断为依赖体外实验，可能无法完全模拟体内感染环境	识别埃博拉病毒感染的宿主调控因子，为抗病毒药物靶点提供潜在候选	埃博拉病毒（EBOV）及其宿主细胞，包括UQCRB和STRAP等宿主因子	数字病理学	埃博拉病毒病（埃博拉出血热）	CRISPR筛选	深度学习模型、随机森林模型	图像	39,085,093个细胞	NA	深度学习模型（未指定具体架构）、随机森林模型	NA	NA
969	2026-08-03	Toward Precision Diagnosis of Maxillofacial Pathologies by Artificial Intelligence Algorithms: A Systematic Review 2025-Aug, Journal of maxillofacial and oral surgery DOI:10.1007/s12663-025-02664-4 PMID:40756906	综述	本综述系统评估了人工智能算法在口腔颌面病理学精确诊断中的应用，重点比较了机器学习与深度学习模型在不同影像技术下的性能表现	首次系统综述了AI算法在口腔颌面病理学多种影像模态（CT、CBCT、MRI）中的应用，并对比了不同算法架构的诊断效能	仅限于2010-2024年间的文献，可能遗漏最新进展；综述结果受所选研究质量差异影响	评估人工智能算法在提高口腔颌面疾病诊断准确性和可靠性方面的潜力	口腔颌面部疾病（如牙根纵裂、牙源性囊肿、转移性淋巴结）及其影像数据	医学影像分析	口腔颌面疾病	CT、CBCT、MRI、全景X线摄影	深度学习（DL）和机器学习（ML）	医学影像（CT、CBCT、MRI、全景X线图像）	概述中未提供具体样本量，但涉及多种临床影像数据集	NA	GoogLeNet Inception v3, U-Net	准确性、敏感性、特异性、AUC、召回率、精确率、F1分数	NA
970	2026-08-03	MRI-based Ovarian Lesion Classification via a Foundation Segmentation Model and Multimodal Analysis: A Multicenter Study 2025-08, Radiology IF:12.1Q1 DOI:10.1148/radiol.243412 PMID:40762846	研究论文	本研究开发了一种基于MRI的卵巢病变分类流程，采用基础分割模型和深度学习进行多中心验证，实现高效准确的良恶性鉴别	首次将Meta的Segment Anything Model与DenseNet-121深度学习模型结合用于MRI卵巢病变分割与分类，并通过多中心外部验证证明其泛化性，同时显著缩短分割时间	研究为回顾性设计，未提供具体计算资源细节，且外部数据集样本量相对较小	开发一种高效、可泛化的MRI卵巢病变分类流程，并评估其与放射科医生诊断性能的对比	卵巢病变患者的多参数MRI图像及临床数据，以及放射科医生的主观评估	计算机视觉	卵巢癌	MRI	深度学习模型（DenseNet-121）和基础分割模型（SAM）	图像（MRI）和临床数据	主要数据集534个病灶（448名女性），外部数据集58个病灶（55名女性）和29个病灶（29名女性）	NA	DenseNet-121, SAM	Dice系数, AUC	NA
971	2026-08-03	External Testing of a Deep Learning Model for Lung Cancer Risk from Low-Dose Chest CT 2025-08, Radiology IF:12.1Q1 DOI:10.1148/radiol.243393 PMID:40762850	研究论文	该研究在亚洲健康体检人群中外部验证了深度学习模型Sybil用于低剂量CT肺癌风险预测的性能。	首次在亚洲健康体检人群中外部验证Sybil模型，并评估其在从不吸烟或轻度吸烟史个体中的性能。	研究为单中心回顾性研究，可能限制结果的普适性。	外部测试Sybil模型在亚洲健康体检人群中识别肺癌高风险个体的能力，并评估其在无吸烟或轻度吸烟史亚组中的表现。	年龄50-80岁、接受低剂量CT检查且至少有一次随访扫描的亚洲个体。	深度学习	肺癌	低剂量CT	深度学习模型	图像	共18,057人，其中确诊92例肺癌。	NA	Sybil	时间依赖性曲线下面积（AUC）	NA
972	2026-08-03	Development and in silico imaging trial evaluation of a deep-learning-based transmission-less attenuation compensation method for DaT SPECT 2025-Aug, Medical physics IF:3.2Q1 DOI:10.1002/mp.17976 PMID:40781836	研究论文	开发并评估一种基于深度学习的无透射衰减补偿方法（DaT-CTLESS），用于多巴胺转运蛋白单光子发射计算机断层扫描（DaT SPECT）成像，并通过计算机模拟影像试验验证其在临床现实环境中的可靠性	结合物理和深度学习概念，提出了一种无透射衰减补偿方法（DaT-CTLESS），该方法利用散射能量窗口投影重建初始衰减图，并通过基于U-net的网络进行区域分割，无需CT扫描即可实现衰减补偿，克服了传统CTAC方法的局限性	摘要中未明确提及局限性	开发一种无需CT扫描的传输无衰减补偿方法，用于DaT SPECT成像，并在临床现实环境中验证其性能，以克服CTAC方法的挑战	虚拟患者群体的DaT SPECT扫描图像，这些图像源自真实患者的CT和MR图像，并使用来自两个供应商的模拟SPECT扫描仪生成	医学影像	帕金森病	单光子发射计算机断层扫描（SPECT），计算机断层扫描（CT），磁共振成像（MR）	U-net	图像	150名虚拟患者用于训练，另外47名用于评估	NA	U-net	组内相关系数（ICC），保真度指标（FoMs）	NA
973	2026-08-03	Sampling Conformational Ensembles of Highly Dynamic Proteins via Generative Deep Learning 2025-Mar-10, Journal of chemical information and modeling IF:5.6Q1 DOI:10.1021/acs.jcim.4c01838 PMID:39984300	研究论文	本文介绍了一种基于深度学习的模型ICoN，用于从分子动力学模拟数据中学习构象变化原理，并快速生成高度动态蛋白质的合成构象，实现了对Aβ42单体构象景观的全面采样	首次将深度学习用于从分子动力学数据中学习构象变化物理原理，并通过潜在空间插值快速识别具有大规模侧链和骨架排列的新型合成构象	未提及	通过深度学习模型对高度动态蛋白质的构象系综进行采样，以理解无序蛋白的调控和疾病相关聚集机制	高度动态的淀粉样蛋白Aβ42单体	机器学习	阿尔茨海默病	分子动力学模拟	深度学习模型（ICoN）	分子动力学模拟数据	未提及	未提及	内部坐标网络（ICoN）	未提及	未提及
974	2026-08-03	Photoplethysmogram based vascular aging assessment using the deep convolutional neural network 2022-07-05, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-022-15240-4 PMID:35790836	研究论文	本研究提出了一种基于光电容积脉搏波（PPG）和深度卷积神经网络的无创血管老化评估方法，用于年龄估计。	使用可解释的人工智能模型（Grad-Cam）解释PPG波形特征对血管年龄估计的贡献，并采用端到端学习方式，无需额外特征检测过程。	研究样本量有限（752名成年人），且为单中心研究，可能影响模型的泛化能力。	通过深度学习模型从PPG信号中估计年龄，以非侵入性评估血管老化。	752名年龄在20-89岁之间的成年人。	机器学习	心血管疾病	光电容积脉搏波（PPG）	卷积神经网络（CNN）	图像	752名成年人（年龄20-89岁）	NA	卷积层和全连接层（具体架构未指定，但包含三个卷积层和两个全连接层）	平均绝对误差（MAE）、均方根误差（RMSE）、皮尔逊相关系数（r）、决定系数（R²）	NA
975	2026-08-02	3-dimensional gradient and spin-echo magnetic resonance cholangiopancreatography with deep learning reconstruction at 3T: Achieving superior image quality with reduced acquisition time 2026-Nov, Magnetic resonance imaging IF:2.1Q2 DOI:10.1016/j.mri.2026.110726 PMID:42264279	研究论文	本研究评估了3T下使用梯度自旋回波（GRASE）结合深度学习重建（DLR）的三维磁共振胰胆管成像（MRCP）的图像质量和临床可行性，并与无DLR的GRASE及使用涡轮自旋回波序列结合DLR（TSE-DLR）进行比较	首次将深度学习重建技术应用于GRASE序列的3D-MRCP，显著缩短采集时间并提升图像质量，特别是在屏气能力差的患者中表现出明显优势	回顾性研究设计，样本量相对较小（n=65），且未对不同疾病亚型进行详细分层分析	评估GRASE-DLR在3T下MRCP的图像质量、采集时间和诊断性能，并与传统TSE-DLR和GRASE进行比较	65例接受MRCP检查的患者，其中8例屏气能力差	医学影像	胆胰疾病	磁共振胆胰管成像（MRCP），深度学习重建（DLR）	深度学习重建模型	磁共振图像	65例患者	NA	深度学习重建网络	采集时间、图像质量评分、伪影评分、壶腹及胰胆管可视化评分、诊断敏感性、特异性、准确性、AUC	未指定，可能使用标准医学影像工作站
976	2026-08-02	Compressed sensing magnetization-prepared 2 rapid gradient-echo for accelerated hip cartilage T1 mapping and deep learning-based 3D segmentation of hip cartilage and labrum 2026-Nov, Magnetic resonance imaging IF:2.1Q2 DOI:10.1016/j.mri.2026.110725 PMID:42264278	研究论文	本研究验证了压缩感知MP2RAGE序列在髋关节软骨T1 mapping和软骨及盂唇3D分割中的加速可行性，并与标准序列进行对比评估	首次将压缩感知技术与MP2RAGE结合用于髋关节软骨成像，在缩短采集时间的同时保持T1值和三维形态学参数的测量准确性，并联合深度学习实现自动分割	需要进一步的前瞻性验证才能进行更广泛的临床应用	验证压缩感知MP2RAGE序列相比标准序列在髋关节软骨T1 mapping和髋关节软骨及盂唇自动3D分割中的一致性与可行性	髋关节软骨和盂唇，共18例患者	医学影像处理	髋关节疾病	压缩感知MP2RAGE	深度学习	磁共振图像	18例患者	未提及	3D U-Net	配对t检验，Bland-Altman分析，Dice相似系数，Spearman相关系数，相对误差	NA
977	2026-08-02	Deep learning-enhanced zero echo time MRI for femoral cortical bone quantification: A technical validation against CT 2026-Nov, Magnetic resonance imaging IF:2.1Q2 DOI:10.1016/j.mri.2026.110748 PMID:42472589	研究论文	本研究比较了零回波时间MRI与CT在股骨皮质骨定量测量中的表现，并验证了深度学习重建技术的有效性	首次将深度学习重建技术应用于零回波时间MRI，以增强股骨皮质骨定量分析的CT一致性，并引入化学位移校正和自动背景去除	样本量较小，且仅针对股骨近端单一解剖部位进行验证	评估深度学习增强的零回波时间MRI在股骨皮质骨定量测量中与CT的一致性，并探索其作为无辐射替代方案的可行性	股骨皮质骨，涉及30例髋关节撞击综合征患者	医学影像分析	髋关节撞击综合征	零回波时间MRI，CT成像	深度学习重建模型	医学影像（MRI和CT图像）	30例患者	NA	NA	归一化信号强度分析，组内相关系数	NA
978	2026-08-02	Gait-Semantic Relational Knowledge Distillation for Ground Reaction Force Estimation 2026-Nov, Advanced engineering informatics IF:8.0Q1 DOI:10.1016/j.aei.2026.105063 PMID:42529416	研究论文	提出一种基于步态语义关系知识蒸馏的框架，用于从可穿戴鞋垫传感器数据中估计地面反作用力	在教师-学生蒸馏过程中引入步态相位感知的语义指导，通过将中间表示分解为相位特定组件并与文本语义表示对齐，利用文本语义作为锚点弥合师生表示差距	需要更多样化的人群、传感器配置和真实环境下的进一步验证以评估泛化性和实际适用性	提高轻量级学生模型从可穿戴鞋垫传感器数据估算地面反作用力的性能，同时降低计算开销并增强对步态序列语义结构的理解	地面反作用力估计的轻量级学生模型及教师-学生架构	机器学习	不适用	可穿戴鞋垫传感器	知识蒸馏模型	时间序列信号	不适用	不适用	教师-学生架构，文本编码器	估计性能指标（如均方误差等，具体未明确）	不适用
979	2026-08-02	DHG-EPI: A dual-stream hypergraph learning framework with multi-level gating for essential protein identification 2026-Oct, Computational biology and chemistry IF:2.6Q2 DOI:10.1016/j.compbiolchem.2026.109171 PMID:42288106	research paper	提出了一种名为DHG-EPI的双流超图学习框架，用于识别必需蛋白质，通过并行双流架构和多级门控机制提高识别性能。	采用三角形模体构建超图以捕获高阶拓扑结构，并结合多级门控机制（节点级向量门控和分支级门控注意力）实现自适应融合GO、亚细胞定位和蛋白质复合物等多模态信息。	未明确提及局限性。	提高必需蛋白质识别的准确性和鲁棒性，以支持药物靶标发现和细胞机制理解。	必需蛋白质识别，涉及蛋白质相互作用网络中的蛋白质节点。	机器学习	NA	超图卷积、多模态数据融合（GO、亚细胞定位、蛋白质复合物）	超图学习、门控注意力	蛋白质相互作用网络数据、生物语义数据	使用DIP、Krogan和BioGRID三个数据集	NA	双流架构（拓扑流和语义流），包含节点级向量门控模块和分支级门控注意力模块	准确性、富集分析	NA
980	2026-08-02	An advanced ensemble deep learning framework for accurate multi-class lung cancer classification using IUNet++ and MResNext 2026-Oct, Computational biology and chemistry IF:2.6Q2 DOI:10.1016/j.compbiolchem.2026.109189 PMID:42302349	研究论文	提出了一种集成深度学习框架，用于从CT扫描图像中进行多类肺癌分类，结合IUNet++和MResNeXt模型	结合改进的UNet++（IUNet++）与卷积块注意力模块（CBAM）进行肿瘤区域分割，使用增强大象群优化算法（EEHOA）进行特征选择，并改进了ResNeXt架构（MResNeXt）以提高分类性能，同时降低模型复杂度和提升训练效率	未在摘要中明确提及局限性	开发一个自动化的、计算高效的肺癌诊断框架，用于从CT图像中准确分类肺癌为良性、恶性或正常	CT扫描图像中的肺癌区域	计算机视觉	肺癌	CT成像	集成深度学习模型（IUNet++和MResNeXt）	图像	使用公开的IQ-OTH/NCCD肺癌CT数据集（未明确样本数量）	NA	IUNet++, MResNeXt, CBAM, EEHOA	准确率，精确率，召回率，F1分数	NA