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
1001	2026-05-03	Deep Learning-Based Denoising for High-Resolution Carotid Vessel Wall MRI Using Standard Neurovascular Coils 2026-May, Magnetic resonance in medicine IF:3.0Q2 DOI:10.1002/mrm.70226 PMID:41420073	研究论文	开发一种基于深度学习的去噪方法，以增强使用标准头颈临床线圈采集的高分辨率颈动脉血管壁MRI图像质量	使用残差UNet架构的监督深度学习模型，将标准头颈线圈的低SNR输入映射到高SNR参考，无需额外硬件即可达到与专用颈部表面线圈相当的图像质量	样本量有限，且依赖配对回顾性重建数据，可能未涵盖所有临床扫描场景	提高标准线圈获取的颈动脉血管壁MRI图像的信噪比，促进先进颈动脉成像的广泛应用	颈动脉血管壁MRI图像，包括2D T1和T2加权TSE、3D TOF-MRA和MPRAGE序列	计算机视觉	颈动脉疾病	MRI	CNN	图像	55次扫描，来自一项多中心研究	PyTorch	残差UNet	PSNR, SSIM, SNR, CNR, 平均边缘陡度距离（ERD）, Likert评分	NA
1002	2026-05-03	Teravoxel Microscopy Image Analysis for Neurological Diseases 2026-May, Annual review of biomedical engineering IF:12.8Q1 DOI:10.1146/annurev-bioeng-110824-012128 PMID:41666038	综述	本文综述了光片荧光显微镜在神经疾病研究中与深度学习结合的应用，分析现有计算流程并展望未来挑战	系统梳理了深度学习在太像素级脑成像分析中的流程，包括拼接、分割、分类、超分辨率和配准，并针对神经炎症和神经退行性疾病提出潜在解决方案	不同动物模型和脑结构的分析流程设计各异，导致可行性和兼容性不足	综述LSFM结合人工智能在神经疾病中的应用，分析现有挑战并指出未来方向	光片荧光显微镜获取的完整三维脑结构图像	数字病理学	神经炎症疾病, 神经退行性疾病	光片荧光显微镜	深度学习	图像	NA	NA	NA	NA	NA
1003	2026-05-03	Deep learning cascade networks for segmentation of fluorine-18 sodium fluoride positron emission tomography scans of equine metacarpo- and metatarsophalangeal joints outperform atlas-based method 2026-May-01, American journal of veterinary research IF:1.3Q2 DOI:10.2460/ajvr.25.11.0421 PMID:41702054	研究论文	使用深度级联网络对马掌指和跖趾关节的氟-18氟化钠正电子发射断层扫描图像进行分割，并评估其性能优于基于图谱的方法	首次构建马关节PET图像数据集并应用级联卷积神经网络进行分割，显著提高了分割精度和速度	样本量有限（仅84次扫描），且未提及模型在其他类型数据上的泛化能力	评估卷积神经网络在马掌指和跖趾关节PET图像分割中的准确性，并与基于图谱的方法比较	马掌指和跖趾关节（包括第三掌骨、近端指骨、近端籽骨和软组织）的PET图像	计算机视觉	马科动物关节疾病	PET-CT扫描	卷积神经网络（CNN）	图像（PET和CT扫描）	84次扫描（来自2家机构，测试集8次）	NA	级联卷积神经网络	Dice系数	NA
1004	2026-05-03	A Deep Learning Model for Artery of Adamkiewicz Detection in Bronchial Artery Embolization: A Multicenter Retrospective Study 2026-05, Journal of vascular and interventional radiology : JVIR IF:2.6Q2 DOI:10.1016/j.jvir.2026.108584 PMID:41740672	研究论文	评估深度学习模型在支气管动脉栓塞术中识别Adamkiewicz动脉和前脊髓动脉的效果	提出了一种结合感兴趣区域感知和渐进式精炼学习网络的深度学习框架，用于在支气管动脉栓塞术中检测脊髓动脉，以提高识别灵敏度和特异性	该研究为多中心回顾性研究，样本中仅有3.8%的患者可识别脊髓动脉，可能影响模型的泛化能力	评估深度学习模型在支气管动脉栓塞术中预防脊髓动脉非靶向栓塞的有效性	2036名2019年1月至2023年12月间因咯血接受初次支气管动脉栓塞术的患者	计算机视觉	咯血	血管造影	CNN	图像	2036名患者，其中78名（3.8%）可识别Adamkiewicz动脉和前脊髓动脉	NA	渐进式精炼学习网络	灵敏度、特异性	NA
1005	2026-05-03	Automated estimation of perivascular space and brain morphometry from deep learning-reconstructed three-dimensional T1-weighted MRI: comparison with the conventional technique 2026-May, Journal of neuroradiology = Journal de neuroradiologie DOI:10.1016/j.neurad.2026.101550 PMID:41887462	研究论文	评估基于深度学习重建的三维T1加权成像在自动估计脑形态测量和血管周围空间方面的效用	首次将深度学习重建技术应用于三维T1加权成像，并与传统技术比较其在精细结构描绘上的优势	未提及具体限制	评估深度学习重建的三维T1加权成像在改善脑结构描绘方面的能力	参与者（正常组和疾病组）及MRI可见的血管周围空间严重程度分组	计算机视觉	脑血管疾病	MRI, 深度学习重建	NA	图像	240名参与者（平均年龄40.8岁，其中正常组144人，疾病组96人，外部数据集63人）	NA	FreeSurfer	皮质厚度、脑体积、血管周围空间体积及变异性	NA
1006	2026-05-03	Longitudinal dispersion coefficient modeling in natural streams via newly proposed explainable ensemble learning (ExEL) framework 2026-May, Journal of contaminant hydrology IF:3.5Q2 DOI:10.1016/j.jconhyd.2026.104931 PMID:41905004	研究论文	提出可解释集成学习框架，结合多种机器学习模型来预测天然河流纵向弥散系数	首次将可解释性方法SHAP与集成学习结合用于纵向弥散系数建模，揭示了影响参数（渠道宽度W和水深H）在不同模型中的重要性差异	仅使用美国和英国天然河流数据，未验证其他地理区域；模型泛化能力可能受限于数据多样性	开发高精度且可解释的纵向弥散系数预测模型，用于河流污染物传输模拟	天然河流纵向弥散系数（Kₓ）	机器学习	NA	机器学习（集成学习框架）	前馈神经网络(FFNN)、自适应神经模糊推理系统(ANFIS)、支持向量回归(SVR)、卷积神经网络(CNN)、简单平均集成(SAE)、加权平均集成(WAE)、神经平均集成(NAE)	数值数据（河道宽度、水深、平均流速、剪切流速）	美国和英国天然河流数据（具体样本量未提及）	Scikit-learn, TensorFlow, PyTorch（推测）	FFNN, ANFIS, SVR, CNN, SAE, WAE, NAE	均方根误差(RMSE)、决定系数(DC)、曲线下面积(AUC)	NA
1007	2026-05-03	Construction of a deep learning-based predictive model for delayed graft function in kidney transplantation 2026-May, Current urology IF:0.9Q4 DOI:10.1097/CU9.0000000000000336 PMID:41969322	研究论文	开发并验证基于深度学习的肾移植术后延迟移植肾功能恢复预测模型	首次将CNN-BiGRU混合架构应用于肾移植术后DGF风险预测，并通过SMOTE技术处理类别不平衡问题	单中心回顾性研究，样本量有限，外部验证不足	构建基于深度学习的DGF风险预测模型，辅助临床决策与个体化治疗	接受尸体供肾移植的670名患者	机器学习	肾脏疾病	NA	CNN-BiGRU混合模型	临床数据	670例尸体供肾移植患者	NA	双向门控循环单元、卷积双向长短期记忆、卷积门控循环单元、CNN-双向门控循环单元、CNN-双向长短期记忆	AUC, Matthews相关系数, F1分数, 敏感性, 特异性	NA
1008	2026-05-03	Application of machine learning and deep learning in metabolic dysfunction-associated steatotic liver disease: a systematic review and meta-analysis 2026-May, Journal of advanced research IF:11.4Q1 DOI:10.1016/j.jare.2025.08.042 PMID:40850679	系统综述与meta分析	系统回顾和meta分析机器学习与深度学习在代谢功能障碍相关脂肪性肝病（MASLD）诊断中的应用	首次通过系统综述和meta分析比较机器学习与深度学习模型在MASLD相关脂肪性肝炎（MASH）和肝纤维化诊断中的性能，识别出最佳模型（如LightGBM、ResNet50、CatBoost）	多数研究可能来自不同队列，存在异质性，且纳入的深度学习研究数量较少（仅7篇）	比较不同机器学习与深度学习模型在诊断MASH及其相关肝纤维化中的性能，识别最优模型	代谢功能障碍相关脂肪性肝病（MASLD）患者	机器学习	代谢功能障碍相关脂肪性肝病（MASLD）	NA	机器学习（如Logistic回归、LightGBM、CatBoost）和深度学习（如神经网络、ResNet50）	NA	纳入35项研究（机器学习28项，深度学习7项）	NA	Logistic回归, 神经网络, LightGBM, ResNet50, CatBoost	AUROC, 准确率, 特异性, 敏感性, 阳性预测值, 阴性预测值	NA
1009	2026-05-03	Artificial Intelligence as the Ultimate Operative Assistant 2026-May, Clinics in colon and rectal surgery IF:1.2Q3 DOI:10.1055/a-2769-1318 PMID:41948160	综述	本文综述了人工智能在手术各阶段的应用，包括术前规划、术中辅助及机器人手术	系统性地梳理了AI在术前分割重建、术中实时决策支持及自主手术机器人等前沿领域的进展	指出数据治理、算法透明度、监管、模型泛化性及哲学伦理等问题仍未解决	探讨AI在外科领域的潜力与挑战	AI技术在术前、术中及机器人手术中的应用	机器学习	NA	NA	CNN, 大语言模型, GAN	图像, 文本, 视频	NA	NA	Transformer, U-Net, ResNet	准确率, 分割精度, 实时性	NA
1010	2026-05-03	Deep Learning-Based Prediction System for Surgical Difficulty in Rectal Cancer Patients Using MRI Pelvimetry 2026-May, Yonsei medical journal IF:2.6Q1 DOI:10.3349/ymj.2024.0293 PMID:42044985	研究论文	提出一种基于深度学习与MRI骨盆测量预测直肠癌患者手术难度的系统	首次将深度学习分割模型与统计分析结合，自动从MRI图像中完成骨盆参数测量并构建列线图，实现手术难度预测的自动化	未提及多中心验证及外部数据集测试，且完全自动化流程需后续开发用户界面	利用磁共振骨盆测量数据和临床特征，通过深度学习技术自动预测腹腔镜全直肠系膜切除术的难度	直肠癌患者的结直肠MRI数据和术前临床资料	计算机视觉	直肠癌	MRI骨盆测量	深度学习分割模型	图像（MRI）	未明确说明样本数量	NA	NA	Dice相似系数（DSC）、C指数	NA
1011	2026-05-03	Sex Prediction From the Clavicle Using Computerized Tomography Images via Traditional and Hybrid Deep Learning Models 2026-May-01, Clinical anatomy (New York, N.Y.) DOI:10.1002/ca.70130 PMID:42066111	research paper	利用传统和混合深度学习模型从锁骨CT图像进行性别预测，并评估模型性能	提出MobileNetV2+MLP和MobileNetV2+MLP+t-SNE混合深度学习模型，无需度量测量即可从锁骨CT图像直接进行性别预测，并实现特征收集、分类、可视化和误差观察	未提及模型的泛化能力验证及与其他骨骼区域或方法学的比较	实现高精度锁骨CT图像性别预测	807名女性和805名男性的锁骨CT图像	machine learning, computer vision	NA	CT成像	CNN, MLP, t-SNE	image	1612个锁骨CT图像样本（807名女性，805名男性）	NA	MobileNetV2, DenseNet201, ResNet101, 多层感知器	accuracy	NA
1012	2026-05-03	Robust denoising of low-fluence single-shot PAM using spatial attention-enhanced deep learning 2026-May-01, Optics letters IF:3.1Q2 DOI:10.1364/OL.591331 PMID:42066133	研究论文	提出一种基于空间注意力增强的3D U-Net深度学习框架，用于低剂量单次激发光声显微镜图像的鲁棒去噪	将空间注意力机制融入3D补丁学习，利用体积空间相关性区分血管特征与背景噪声；采用迁移学习策略，先以叶脉模型预训练再微调至小鼠耳部血管	NA	实现低激光剂量或快速采集场景下的高保真光声显微镜成像	小鼠耳部血管和叶脉模型	计算机视觉	NA	光声显微镜	3D U-Net	图像	NA	PyTorch	3D U-Net	峰值信噪比, 结构相似性指数, 信噪比	NA
1013	2026-05-03	Real-time Fabry-Pérot cavity length demodulation via deep learning-based compressed sensing 2026-May-01, Optics letters IF:3.1Q2 DOI:10.1364/OL.591519 PMID:42066143	研究论文	利用深度学习结合压缩感知算法，实现基于Vernier调谐分布反馈激光器的法布里-珀罗腔长度实时解调	提出了一种深度学习网络结合压缩感知算法的方法，实现了测量采样率高达10 MHz的实时腔长解调，比现有技术提升两个数量级	未提及具体限制	实现高速、高精度的法布里-珀罗腔长度实时解调技术	光纤法布里-珀罗传感器中的腔长解调	机器学习	NA	白光干涉测量	深度学习网络	光谱数据	NA	NA	NA	测量采样率	NA
1014	2026-05-03	Physics-driven self-supervised learning for non-modulated pyramid wavefront sensing 2026-May-01, Optics letters IF:3.1Q2 DOI:10.1364/OL.598879 PMID:42066150	研究论文	提出一种物理驱动自监督学习方法用于非调制金字塔波前传感，通过嵌入可微正向光学模型到U-Net中实现波前重建	首次将物理信息神经网络（PINN）与U-Net架构结合用于非调制金字塔波前传感器的自监督波前重建，无需配对训练数据，扩展线性动态范围	NA	解决非调制金字塔波前传感器强非线性和缺乏物理可解释性问题，提升极端自适应光学系统的波前重建性能	非调制金字塔波前传感器的波前重建和线性动态范围扩展	机器学习	NA	NA	U-Net	光强图像	NA	PyTorch	U-Net	残差均方根误差, 斯特列尔比稳定性	NA
1015	2026-05-03	Megahertz-rate down-sampled optical coherence tomography based on high-speed k-linear swept laser and deep learning 2026-May-01, Optics letters IF:3.1Q2 DOI:10.1364/OL.589042 PMID:42066200	研究论文	本文提出一种基于高速k线性扫频激光器和深度学习的下采样方法，在低带宽和采样率的采集传输系统上实现兆赫兹速率光学相干断层成像	利用声光偏转器实现窄带光谱扫描与线性波数特性，结合深度学习恢复高分辨率图像，硬件下采样方法大幅降低MHz-OCT系统成本	仅通过下采样信号恢复高分辨率图像，可能对系统噪声或非线性校正有潜在依赖，未提及临床验证或鲁棒性分析	降低MHz-OCT系统的采集和传输硬件成本，推动其在临床的广泛应用	兆赫兹速率光学相干断层成像系统	计算机视觉	不适用	光学相干断层成像	深度学习模型	图像	不适用	不适用	不适用	不适用	不适用
1016	2026-05-03	CARS-AMP: A Simple and Efficient Deep Learning Model for Antimicrobial Peptide Prediction 2026-May-01, Journal of chemical information and modeling IF:5.6Q1 DOI:10.1021/acs.jcim.6c00362 PMID:42066253	研究论文	提出了一种基于深度学习的高效抗菌肽预测模型CARS-AMP	结合卷积神经网络、循环神经网络和自注意力机制，使用小型但集中的数据集训练，实现了近最优的预测性能	模型在区分侧链大小和序列长度差异方面需要改进	构建高效且简单的深度学习模型用于抗菌肽预测	抗菌肽序列	自然语言处理	耐药菌感染	深度学习	卷积神经网络、循环神经网络、自注意力	文本	小型但集中的数据集	NA	CNN, RNN, Self-Attention	准确率	NA
1017	2026-05-03	Deep Learning-Based Comparison of Knee Minimum Joint Space Width in Patients with Rheumatoid Arthritis and Osteoarthritis Before Total Knee Arthroplasty 2026-May-01, The Journal of rheumatology IF:3.6Q2 DOI:10.3899/jrheum.2025-0951 PMID:42067217	研究论文	利用深度学习比较类风湿关节炎和骨关节炎患者在全膝关节置换术前的最小关节间隙宽度	首次使用深度学习自动量化方法比较类风湿关节炎与骨关节炎患者在全膝关节置换术前的最小关节间隙宽度模式	NA	比较类风湿关节炎与骨关节炎患者在全膝关节置换术前的关节间隙狭窄模式，并评估最小关节间隙宽度与疾病活动度的关联	接受全膝关节置换术的类风湿关节炎和骨关节炎患者	深度学习、医学影像分析	类风湿关节炎、骨关节炎	X射线成像	深度学习模型	膝关节前后位X射线图像	409例类风湿关节炎患者及其年龄性别匹配的骨关节炎患者	NA	NA	P值	NA
1018	2026-05-03	Physics-Informed Machine Learning in Biomedical Science and Engineering 2026-May, Annual review of biomedical engineering IF:12.8Q1 DOI:10.1146/annurev-bioeng-110824-124907 PMID:42067517	综述	综述物理信息机器学习在生物医学科学与工程中的应用，重点介绍三类主要框架及其在复杂生物系统建模中的作用	系统梳理了物理信息机器学习三大框架（PINNs、NODEs、NOs）在生物医学领域的应用，强调了物理可解释性、数据稀缺性和系统复杂性下的优势，并展望了与大语言模型整合的未来方向	未详细讨论各方法在不同生物医学场景中的具体局限性，且对计算成本、模型泛化能力等挑战仅做概括性说明	总结物理信息机器学习在生物医学科学与工程中的研究进展，识别开放挑战并指引未来方向	生物医学系统中的复杂建模问题，涉及生物固体力学、生物流体力学、机械生物学、医学影像、动态生理系统、药代动力学及细胞信号传导等	机器学习	NA	物理信息机器学习	PINNs, NODEs, 神经算子	NA	NA	NA	物理信息神经网络, 神经常微分方程, 神经算子	NA	NA
1019	2026-05-03	The impact of AI technology for ideological and political education teaching based on deep learning 2026-May-01, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-51233-3 PMID:42067547	研究论文	研究基于深度学习的AI技术对职业院校思想政治教育教学的影响，提出动态资源优化模型	结合图神经网络、多模态元学习框架和Transformer-XL，构建动态资源优化模型，实现跨特征交互与课程知识图谱映射，显著提升教学效果	未提及跨文化迁移测试的样本多样性、模型计算资源消耗及长期教学效果跟踪评估	解决传统思想政治教育中资源适应性不足和学生参与度低的问题	职业院校思想政治教育中的学习资源分配与学习者表现	机器学习	NA	深度学习	图神经网络、多模态元学习框架、Transformer-XL	异构数据（资源分配、学习者表现、环境因素）	42个特征涵盖三个维度，具体样本量未明确	PyTorch， TensorFlow	GNN， MMLF， Transformer-XL	预测准确率、知识获取提升率、行为转化率、课程完成率、资源冗余减少率、管理效率提升率	NA
1020	2026-05-03	A hybrid flower pollination algorithm-deep learning approach for strength prediction of sustainable recycled fine aggregate concrete with GUI-based implementation 2026-May-01, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-51308-1 PMID:42067580	研究论文	提出一种混合花授粉算法优化的深度神经网络（FPA-DNN）方法，用于预测含50%洗涤再生细骨料的可持续刚性路面混凝土抗压强度	开发了混合花授粉算法优化的深度神经网络（FPA-DNN），结合SHAP可解释性分析提升预测精度、噪声鲁棒性和可解释性，并构建了图形用户界面决策支持工具	固定50%洗涤再生细骨料替代率，且仅关注抗压强度建模，未涉及长期耐久性指标	评估和预测含再生骨料与辅助胶凝材料的可持续刚性路面混凝土抗压强度	含50%洗涤再生细骨料、氧化锆硅灰和钢渣的混凝土配合比	机器学习	NA	NA	深度神经网络（FPA优化DNN）	实验数据与文献数据（表格数据）	264个样本（103个实验室生成，161个来自文献筛选）	NA	DNN（深度神经网络）	R², RMSE, MAPE	NA