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
81	2026-04-14	Combining 3D iterative image reconstruction and deep learning to improve image quality of knee joint MRI fast sequences: a focus on meniscal injury evaluation 2026-Apr-01, Quantitative imaging in medicine and surgery IF:2.9Q2 DOI:10.21037/qims-2025-1845 PMID:41972033	研究论文	本研究探讨了结合三维迭代图像重建与深度学习的方法，以提升膝关节MRI快速序列的图像质量，并评估其在半月板损伤诊断中的性能	首次将三维迭代重建与深度学习模块（iQMR™）结合应用于加速膝关节MRI，在显著缩短扫描时间的同时，保持了与传统序列相当的图像质量和诊断一致性	研究为回顾性设计，样本量相对有限（116例患者），且仅评估了特定加速因子下的GRAPPA序列，未涵盖其他加速技术或更广泛的病理类型	旨在通过混合重建与深度学习流程，改善加速膝关节MRI的图像质量，并验证其在半月板损伤评估中的诊断效能	116例疑似膝关节病变患者（53男，63女，平均年龄53.7±16.9岁）的MRI图像	数字病理学	半月板损伤	磁共振成像（MRI），包括T1加权成像（T1WI）、质子密度加权成像（PDWI）及加速GRAPPA序列	深度学习	图像	116例患者	NA	NA	信噪比（SNR）、对比噪声比（CNR）、定性图像质量评分（5点Likert量表）、Stoller分级一致性（加权Kappa、组内相关系数ICC）	NA
82	2026-04-14	A comparative study of magnetic resonance imaging image-based deep learning and conventional turbo spin echo sequence in tumor-node staging of rectal cancer 2026-Apr-01, Quantitative imaging in medicine and surgery IF:2.9Q2 DOI:10.21037/qims-2025-1884 PMID:41972022	研究论文	本研究比较了深度学习重建的TSE序列与传统TSE序列在直肠癌肿瘤-淋巴结分期中的诊断性能、分期准确性和采集时间	首次将深度学习重建技术应用于直肠癌MRI的TSE序列，显著提高了T分期和N分期的准确性，并减少了扫描时间	样本量较小（60名患者），且为单中心研究，可能影响结果的普适性	比较深度学习重建TSE序列与传统TSE序列在直肠癌TN分期中的诊断性能	直肠癌患者的MRI图像	数字病理学	直肠癌	磁共振成像，深度学习图像重建	深度学习模型	MRI图像	60名直肠癌患者	NA	NA	准确性，敏感性，特异性，Kappa一致性系数	NA
83	2026-04-14	Development and validation of a deep learning radiomics model for predicting capsular invasion in small renal masses: a multicenter retrospective study 2026-Apr-01, Quantitative imaging in medicine and surgery IF:2.9Q2 DOI:10.21037/qims-2025-1-2539 PMID:41972042	研究论文	本研究开发并验证了一种基于CT图像的深度学习放射组学模型，用于无创预测小肾肿瘤的包膜侵犯	结合了放射组学特征和深度学习特征，并利用SHAP进行模型可解释性分析，为小肾肿瘤的术前评估提供了新的多中心验证工具	模型在外部测试集上的性能未显著优于单独的放射组学或深度学习迁移模型，且为回顾性研究	术前无创预测小肾肿瘤的肾包膜侵犯，以辅助治疗规划	小肾肿瘤患者	数字病理学	肾癌	CT成像	深度学习, 放射组学	CT图像	来自三个中心的413个小肾肿瘤样本（训练集330例，外部测试集83例）	PyRadiomics	ResNet50	AUC, 校准曲线, 决策曲线	NA
84	2026-04-14	Validation and feasibility of fast knee MRI using a deep learning-assisted 3D iterative image enhancement system 2026-Apr-01, Quantitative imaging in medicine and surgery IF:2.9Q2 DOI:10.21037/qims-2025-2099 PMID:41972050	研究论文	本研究探讨了使用深度学习辅助的三维迭代图像增强系统实现膝关节高分辨率快速MRI的可行性	首次将深度学习辅助的三维迭代图像增强系统应用于膝关节快速MRI，以在加速扫描的同时提升图像质量	研究为单中心前瞻性研究，样本量相对有限，且未评估长期临床影响	验证深度学习辅助的三维迭代图像增强系统在膝关节快速MRI中的可行性和图像质量提升效果	计划进行膝关节MRI平扫的患者	医学影像	膝关节疾病	磁共振成像	深度学习模型	MRI图像	134名患者	NA	NA	峰值信噪比, 多尺度结构相似性指数, 信噪比, 对比噪声比	NA
85	2026-04-14	Enhancing vision Mamba with two-dimensional position embedding and multiscale fusion for medical image segmentation 2026-Apr-01, Quantitative imaging in medicine and surgery IF:2.9Q2 DOI:10.21037/qims-2025-aw-2178 PMID:41972053	研究论文	本文提出了一种增强的视觉Mamba模型，通过引入二维位置嵌入和多尺度融合模块来提升医学图像分割的精度和计算效率	首次将二维位置嵌入和专门设计的多尺度特征融合块集成到视觉状态空间模型中，以解决Mamba顺序处理中细节信息丢失的问题	仅在三个公开数据集上进行了验证，未在更多样化的临床场景和私有数据上进行测试	设计一个既能准确识别目标病灶又能保证计算效率的医学图像分割模型	医学图像中的感兴趣区域和细粒度病灶	计算机视觉	NA	深度学习	视觉状态空间模型	医学图像	三个公开数据集	NA	Vision Mamba	Dice相似系数, 体积重叠误差, 对象间平均表面距离, Jaccard系数, 召回率	NA
86	2026-04-14	WENet: a lightweight dermoscopic image segmentation network with wide edge assistance generated by morphological erosion 2026-Apr-01, Quantitative imaging in medicine and surgery IF:2.9Q2 DOI:10.21037/qims-2025-1946 PMID:41972052	研究论文	本文提出了一种轻量级皮肤镜图像分割网络WENet，通过形态学腐蚀生成宽边缘辅助，以同时解决边缘分割挑战并保持低计算复杂度	设计了宽边缘辅助的轻量级分割网络，结合了挤压双路径卷积、统计多特征自适应通道重校准注意力模块以及宽边界生成器，在保持模型紧凑的同时显著提升了边缘分割性能	未明确说明模型在更广泛或更具挑战性的临床数据集上的泛化能力，也未详细讨论实时部署在边缘设备上的具体性能指标	设计一个同时解决边缘分割挑战并保持低计算复杂度的皮肤镜图像分割模型	皮肤镜图像中的病变区域	计算机视觉	皮肤病变	形态学腐蚀	CNN	图像	ISIC2017、ISIC2018和PH2数据集中的皮肤镜图像	NA	WENet	mIoU, 特异性	NA
87	2026-04-14	Hybrid CNN-GCN framework for brain tumor MRI classification: A graph-based approach to smart healthcare diagnostics 2026-Apr, Journal of applied clinical medical physics IF:2.0Q3 DOI:10.1002/acm2.70560 PMID:41972366	研究论文	本研究提出并验证了一种融合卷积神经网络和图卷积网络的混合计算框架，用于从磁共振成像中自动分类脑肿瘤	提出了一种新颖的混合CNN-GCN框架，将CNN的层次特征提取与GCN的关系推理相结合，并利用粒子群优化算法进行超参数调优以提高泛化能力	研究使用了公开的Kaggle数据集，可能无法完全代表临床实践中遇到的所有肿瘤形态和成像条件	开发一个自动化、高精度的脑肿瘤分类系统，以支持临床决策和智能医疗诊断	脑部磁共振成像	计算机视觉	脑肿瘤	磁共振成像	CNN, GCN	图像	未明确指定具体数量，但使用了公开的Kaggle MRI数据集，包含四类：胶质瘤、脑膜瘤、垂体瘤和无肿瘤	TensorFlow, PyTorch	InceptionV3	准确率, F1分数	NA
88	2026-04-14	[Gynecology, Obstetrics and Fertility - Reborn in the Digital Revolution] 2026-Apr, Harefuah PMID:41972445	综述	本文综述了人工智能（包括机器学习、深度学习和大型语言模型）在妇产科及生殖医学领域的应用进展，如图像处理、并发症预测和临床决策支持	强调了人工智能在提升胎儿异常检测、胚胎质量分类和妇科病理早期识别方面的变革性作用，并讨论了其在以色列独特医疗环境中的创新潜力	人工智能仅作为辅助工具，无法替代医学判断；模型可靠性、数据隐私安全及多语言（如希伯来语）应用有限仍是挑战	回顾人工智能工具在妇产科领域的植入进展，以促进个性化医疗和优化公共卫生资源利用	妇产科及生殖医学中的临床数据、医学影像（如产前超声）、病理样本及医疗记录	数字病理学	妇科疾病	机器学习, 深度学习, 大型语言模型	NA	图像, 文本	NA	NA	NA	诊断准确性, 假阳性率	NA
89	2026-04-14	Future-informed FOCAL MODE: a multimodal deep learning framework for forecasting dissolved oxygen in reservoirs 2026-Mar-30, Environmental monitoring and assessment IF:2.9Q3 DOI:10.1007/s10661-026-15096-5 PMID:41912727	研究论文	提出一种名为Future-informed FOCAL MODE的多模态深度学习框架，用于预测水库溶解氧浓度	设计了一种双通道架构，结合历史多模态观测数据与基于物理模型的未来预测输入，将数据驱动学习与物理洞察相统一，增强对气候变化情景的适应性	仅在美国田纳西州Watts Bar Dam进行了案例研究，未在其他水库或区域验证模型的泛化能力	开发准确的长周期溶解氧预测模型，以支持水库管理中及时且经济有效的增氧干预	水库溶解氧浓度	机器学习	NA	多模态观测数据采集	LSTM, 注意力机制	多模态环境数据（历史观测数据与物理模型预测数据）	NA	NA	双通道LSTM结合傅里叶变换与跨模态注意力机制	RMSE	NA
90	2026-04-14	Virtual histology imaging of lymph nodes via dynamic full-field optical coherence tomography and deep learning to differentiate metastasis 2026-Mar-28, Cancer biology & medicine IF:5.6Q1 DOI:10.20892/j.issn.2095-3941.2025.0747 PMID:41906333	研究论文	本研究验证了动态全场光学相干断层扫描（D-FFOCT）结合深度学习在乳腺癌淋巴结转移检测中的应用，提供了一种快速、无标记的虚拟组织学成像方法	首次将D-FFOCT与深度学习结合用于淋巴结转移的虚拟组织学成像，实现了无需组织制备或消耗的快速评估	研究仅针对乳腺癌患者，样本量有限（155例患者），且依赖前瞻性双中心队列，可能影响泛化性	开发并验证一种用于淋巴结转移检测的快速、无标记虚拟病理工具	乳腺癌患者的淋巴结组织	数字病理学	乳腺癌	动态全场光学相干断层扫描（D-FFOCT）	深度学习模型	图像	155例乳腺癌患者，共747个新鲜切片的淋巴结玻片	NA	NA	灵敏度, 特异性, 受试者工作特征曲线下面积（AUC）	NA
91	2026-04-14	Measuring the Impact of AI on Report-Drafting Efficiency in Chest Computed Tomography Interpretation: Retrospective Analysis 2026-Mar-27, Journal of medical Internet research IF:5.8Q1 DOI:10.2196/77967 PMID:41894678	研究论文	本研究通过回顾性分析评估了AI系统在胸部CT肺结节诊断中对放射科医师报告起草效率的影响	采用双重差分设计，结合非等效比较组，首次量化了AI实施前后及长期（长达两年）报告起草时间的变化，并揭示了医院间实施动态的异质性	研究仅基于两家医院的数据，结果可能无法推广到其他医疗机构；且未能详细控制所有可能影响报告时间的混杂因素	评估AI系统对放射科医师在胸部CT肺结节诊断中报告起草效率的影响	来自北京安贞医院和清华长庚医院的185,044份胸部CT报告	医学影像分析	肺结节	胸部CT成像	深度学习	医学图像（胸部CT）	185,044份报告	NA	NA	报告起草时间（分钟）	NA
92	2026-04-14	Cost-effective assessment of effluent COD and total nitrogen using routine online monitoring data: a hybrid deep learning strategy 2026-Mar-25, Environmental monitoring and assessment IF:2.9Q3 DOI:10.1007/s10661-026-15228-x PMID:41876866	研究论文	本研究提出了一种基于常规在线监测数据的混合深度学习策略，用于经济高效地评估废水处理厂出水化学需氧量和总氮浓度	开发了一种新颖的混合深度学习框架，将长短期记忆网络与极端梯度提升算法相结合，仅利用常规在线传感器数据（流量、氨氮、总磷、pH）作为替代指标来估计复杂水质参数	研究基于单一污水处理厂的长期数据，模型在其他处理厂或不同工艺条件下的泛化能力尚未验证	开发经济高效的废水处理厂出水水质评估方法，减少对实验室检测的依赖	废水处理厂出水化学需氧量和总氮浓度	机器学习	NA	在线水质监测	LSTM, XGBoost	时间序列数据	来自实际规模污水处理厂的长期时间序列数据	NA	LSTM-XGBoost混合架构	决定系数	NA
93	2026-04-14	Explainable deep learning framework for fecal contamination detection on chicken eggshells via portable fluorescence imaging under ambient light 2026-Mar-25, Poultry science IF:3.8Q1 DOI:10.1016/j.psj.2026.106868 PMID:41967323	研究论文	本研究评估了使用便携式荧光成像设备结合优化深度学习架构，在环境光下原位检测鸡蛋壳上粪便污染以提升食品安全的效果	开发了一种基于便携式荧光成像和可解释AI框架的深度学习系统，能在环境光下稳定检测鸡蛋壳上的粪便污染，无需严格暗室环境	NA	增强食品安全，通过原位检测鸡蛋壳上的粪便污染	鸡蛋壳（包括棕色和白色鸡蛋）上的粪便污染	计算机视觉	NA	便携式荧光成像，405 nm和365 nm激发光	深度学习	荧光图像	NA	NA	MobileNet, ViT Base 384	准确率, SSIM	NA
94	2026-04-14	Machine learning for evolutionary genetics and molecular evolution 2026-Mar-24, Trends in genetics : TIG IF:13.6Q1 DOI:10.1016/j.tig.2026.01.013 PMID:41881768	综述	本文综述了机器学习在进化遗传学和分子进化领域的应用进展与挑战	强调了人工智能在连接基因型、表型和进化历史方面的潜力	NA	探讨机器学习在遗传学和进化研究中的应用	进化遗传学和分子进化	机器学习	NA	NA	深度学习	大规模数据	NA	NA	NA	NA	NA
95	2026-04-14	Cardiovascular and Autonomic Phenotypes Reveal Distinct Mechanisms of Sepsis Decompensation via Deep Learning 2026-Mar-23, Research square DOI:10.21203/rs.3.rs-9136766/v1 PMID:41928797	研究论文	本文开发了一种深度学习框架，利用ICU患者的生理波形数据识别脓毒症的四种生理表型，揭示了不同的自主神经和外周血管特征，并关联了临床结局	首次利用深度学习从连续记录的生理波形（如心电图、光电容积脉搏波和呼吸阻抗）中提取脓毒症生理表型，超越了传统间歇性临床变量的依赖，并实现了实时床边表型分类	研究基于ICU患者的回顾性数据，可能受限于样本选择和波形质量，且表型的普适性需在更广泛人群中验证	识别脓毒症的异质性生理表型，以支持精准医疗和改善临床结局	符合Sepsis-3标准的ICU患者	机器学习	脓毒症	深度学习，特征提取，聚类分析	Transformer	生理波形数据（心电图、光电容积脉搏波、呼吸阻抗）	2,174名ICU患者	NA	Feature Tokenizer Transformer encoder	死亡率，休克发生率，血管加压药使用率，机械通气率，28天生存轨迹	NA
96	2026-04-14	Opioid Overdose Death Prediction with Graph Neural Networks 2026-Mar-22, medRxiv : the preprint server for health sciences DOI:10.64898/2026.03.18.26348454 PMID:41890993	研究论文	本文提出了一种时空图神经网络框架，用于预测美国俄亥俄州县级阿片类药物过量死亡人数	结合图神经网络捕捉县级空间关系与LSTM网络建模时序动态，并采用基于分类的策略提升小县预测性能	研究仅针对俄亥俄州88个县，模型在其他地区的泛化能力未经验证	提升县级阿片类药物过量死亡的预测准确性，以支持及时的公共卫生干预	美国俄亥俄州各县的阿片类药物过量死亡数据	机器学习	药物滥用	时空数据建模	GNN, LSTM	时序数据，空间数据	88个县从2017年第一季度至2023年第二季度的季度数据	NA	时空图神经网络	NA	NA
97	2026-04-14	Simultaneous multi-disease detection from the same leaf: a generalized approach using deep learning and image splitting 2026-Mar-20, Environmental monitoring and assessment IF:2.9Q3 DOI:10.1007/s10661-026-15141-3 PMID:41857409	研究论文	提出一种基于深度学习的通用方法，用于从同一叶片上同时检测多种植物病害	通过图像分割和隔离方法，实现了对同一叶片上多种病害的独立识别与流行率计算，并能泛化到训练中未见过的新作物	在受控环境下表现良好，但在真实田间条件下的稳定性仍需进一步研究	开发一种通用的植物多病害同时检测方法	植物叶片图像	计算机视觉	植物病害	NA	CNN	图像	基于PlantVillage数据集创建的新版本数据集	NA	Small Inception, MiniVGGNet, LeNet5	分类性能	NA
98	2026-04-14	Deep learning approach to identify histological features associated with lymph node metastasis following primary tumor excision in patients with tongue squamous cell carcinoma 2026-Mar-19, Oral surgery, oral medicine, oral pathology and oral radiology DOI:10.1016/j.oooo.2026.03.006 PMID:41968024	研究论文	本研究开发了一种基于深度学习的半自动检测器，用于量化舌鳞状细胞癌HE切片中的低分化巢，以评估其与宫颈淋巴结转移的关联	首次应用Faster R-CNN深度学习模型自动量化舌鳞状细胞癌HE切片中的低分化巢，探索其作为术后淋巴结转移风险分层的新生物标志物	回顾性单中心研究，样本量有限（115例），独立验证队列较小（20例），模型特异性相对较低	评估深度学习量化低分化巢与舌鳞状细胞癌宫颈淋巴结转移的关联，探索术后风险分层方法	舌鳞状细胞癌患者	数字病理学	舌鳞状细胞癌	HE染色	CNN	图像	115例舌鳞状细胞癌患者（1998-2016年），外加20例独立验证病例	NA	Faster R-CNN	AUC, 敏感性, 特异性	NA
99	2026-04-14	Radiomics and deep learning fusion model based on multiphasic CT for predicting HER2 expression status in bladder urothelial carcinoma: a multicenter study 2026-Mar-15, Translational andrology and urology IF:1.9Q3 DOI:10.21037/tau-2025-1-899 PMID:41971125	研究论文	本研究基于多期相CT构建了一个融合放射组学和深度学习的多模态模型，用于预测膀胱尿路上皮癌的HER2表达状态	首次将2.5D ResNet50深度学习模型与放射组学特征及临床特征融合，用于基于多期相CT非侵入性预测BLCA的HER2表达状态，并在多中心数据上验证了其优越性能	研究为回顾性设计，可能存在选择偏倚；模型性能仍需在前瞻性队列和更广泛人群中进一步验证	构建一个非侵入性的影像学多模态模型，以预测膀胱尿路上皮癌的HER2表达状态，辅助ADC疗法患者选择	膀胱尿路上皮癌患者	数字病理学	膀胱癌	多期相增强CT成像，免疫组织化学	CNN	医学影像	来自三个机构的411名患者	NA	ResNet50	AUC, 准确率, 灵敏度, 特异性	NA
100	2026-04-14	Hydrogeochemical assessment and groundwater fluoride prediction in Bathinda district using deep learning 2026-Mar-14, Environmental monitoring and assessment IF:2.9Q3 DOI:10.1007/s10661-026-15160-0 PMID:41832344	研究论文	本研究利用深度学习技术预测印度巴廷达地区地下水氟化物污染，并结合水化学评估与空间分析	首次在巴廷达地区整合统一空间采样、水化学评估与深度学习预测模型，并应用数据增强技术提升模型鲁棒性	研究局限于巴廷达地区，样本量相对较小，且模型在其他地理区域的泛化能力未经验证	自动化预测地下水氟化物浓度，评估季节性水化学变化，以支持地下水管理与公共健康规划	巴廷达地区的地下水样本	机器学习	NA	水化学参数分析（APHA标准）、GIS空间采样、数据增强（最近邻插值）	CNN, LSTM, DNN, 混合CNN-LSTM	水化学参数数据、空间数据	226个地下水样本（雨季前后），通过数据增强生成30,000个合成点	NA	卷积神经网络、长短期记忆网络、深度神经网络、混合CNN-LSTM	R值（相关系数）	NA