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
1161	2026-03-19	ECG Semantic Integrator (ESI): A Foundation ECG Model Pretrained with LLM-Enhanced Cardiological Text 2024-Oct, Transactions on machine learning research PMID:41816367	研究论文	提出了一种名为ECG语义集成器（ESI）的新型多模态对比预训练框架，用于从心电图信号和相关文本描述中学习稳健表示	首次将基于检索增强生成（RAG）的大型语言模型（LLM）管道（Cardio Query Assistant）用于生成心电图文本描述，并构建了大规模多模态数据集进行对比预训练	未明确说明模型在临床环境中的实际部署验证情况	解决心电图分析领域缺乏大规模标注数据时学习稳健表示的关键挑战	12导联心电图信号及相关文本描述	机器学习	心血管疾病	检索增强生成（RAG）、大型语言模型（LLM）	多模态对比学习模型	心电图信号、文本	超过66万个心电图-文本对	未明确说明	ECG语义集成器（ESI）	未明确说明具体指标	NA
1162	2026-03-19	SASAN: ground truth for the effective segmentation and classification of skin cancer using biopsy images 2024-08-01, Diagnosis (Berlin, Germany) DOI:10.1515/dx-2024-0012 PMID:38487874	研究论文	本研究提出了一种基于活检图像的皮肤癌诊断方法，通过引入SASAN分割数据集来提取感兴趣区域（ROI），以提升分类模型在复杂皮肤癌病例上的性能	针对现有数据集多关注平坦皮肤表面而忽略器官或邻近病变等复杂病例的不足，提出了SASAN分割数据集，专注于基于ROI提取的分类方法，使模型能聚焦关键区域并忽略噪声特征	未明确说明SASAN数据集的具体样本规模及噪声特征的详细定义，且未与其他公开数据集进行广泛对比验证	开发一种自动化皮肤癌诊断系统，通过改进数据集和分割方法提升复杂病例的诊断准确性	皮肤癌活检图像，特别是器官或邻近病变等复杂病例	计算机视觉	皮肤癌	活检图像分析	深度学习分割模型	图像	NA	NA	UNet, LinkNet, PSPNet, FPN	NA	NA
1163	2026-03-19	Open-Source 3D Morphing Software for Facial Plastic Surgery and Facial Landmark Detection Research and Open Access Face Data Set Based on Deep Learning (Artificial Intelligence) Generated Synthetic 3D Models 2024 Mar-Apr, Facial plastic surgery & aesthetic medicine IF:1.6Q2 DOI:10.1089/fpsam.2023.0030 PMID:37751224	研究论文	本文介绍了一种开源3D变形软件，用于生成面部3D数据集，并提供了一个基于深度学习生成的合成3D模型的大型样本数据集	开发了开源3D变形软件，通过批量改变地标位置生成3D面部数据集，并基于深度学习生成的合成3D模型创建了包含980个模型的大型开放数据集，无需伦理审查	数据集基于合成3D模型，可能无法完全代表真实面部多样性；样本量虽大但仅基于20个初始合成模型生成	为面部整形外科和面部地标检测研究提供开源工具和数据集	3D面部模型和面部地标	计算机视觉	NA	深度学习	NA	3D模型	980个3D面部模型，每个模型包含28个地标位置	NA	NA	NA	NA
1164	2026-03-19	Application of artificial intelligence for the classification of the clinical outcome and therapy in patients with viral infections: The case of COVID-19 2024, Technology and health care : official journal of the European Society for Engineering and Medicine IF:1.4Q3 DOI:10.3233/THC-230917 PMID:37840512	研究论文	本研究应用人工神经网络对COVID-19患者的临床严重程度进行分类，以支持诊断和治疗决策	创新点在于不仅分类疾病存在，还扩展至疾病严重程度（轻度、中度、重度）的分类，为患者分诊提供了关键的决策支持系统基础	NA	旨在通过人工智能技术增强对病毒感染者（特别是COVID-19）的诊断、预测和个性化治疗，改善临床结果	COVID-19患者，根据临床严重程度分为轻度、中度和重度三类	机器学习	COVID-19	深度学习	人工神经网络	临床数据	1000名在波斯尼亚和黑塞哥维那Tešanj总医院诊断和治疗的患者	NA	人工神经网络	准确率	NA
1165	2026-03-19	Lung cancer detection based on computed tomography image using convolutional neural networks 2024, Technology and health care : official journal of the European Society for Engineering and Medicine IF:1.4Q3 DOI:10.3233/THC-230810 PMID:37955065	研究论文	本研究基于卷积神经网络（CNN）利用计算机断层扫描（CT）图像进行肺癌检测，旨在区分良性和恶性肺部病变	采用GoogLeNet架构的深度学习方法来最大化图像推断并最小化人工控制，在肺癌分类中实现了高准确率	研究为回顾性病例对照分析，可能存在选择偏倚，且未提及外部验证或泛化能力评估	通过深度学习方法和卷积神经网络对良性和恶性肺部病变进行分类，以辅助肺癌的早期诊断	肺部CT扫描图像，包括良性和恶性病变	计算机视觉	肺癌	计算机断层扫描（CT）	CNN	图像	4459张CT扫描（良性2242张，恶性2217张），其中训练集3567张，测试集892张	NA	GoogLeNet	准确率, 灵敏度, 特异性, 阳性预测值, 阴性预测值	NA
1166	2026-03-19	The Impact of Stability Considerations on Genetic Fine-Mapping 2023-Apr-13, bioRxiv : the preprint server for biology DOI:10.1101/2023.04.11.536456 PMID:37090514	研究论文	本文提出了一种基于稳定性考虑的遗传精细定位方法，以补充传统基于残差化的方法，提高识别功能遗传变异的能力	引入稳定性指导的精细定位方法，不依赖残差化，通过跨不同遗传背景或环境的一致性来识别变异，并整合深度学习功能注释进行评估	方法依赖于GEUVADIS数据集和特定功能注释，可能在其他数据集或注释体系中泛化能力有限，且未详细讨论计算复杂度	改进遗传精细定位方法，以更准确地识别与复杂性状相关的遗传变异	遗传变异（特别是eQTLs）和人类基因组功能注释	机器学习	NA	遗传精细定位、功能注释分析、深度学习	NA	遗传数据、功能注释数据	基于GEUVADIS数据，具体样本数未明确说明	NA	Enformer（深度学习模型）	功能注释富集分析	NA
1167	2026-03-19	Recent advancements in machine vision methods for product code recognition: A systematic review 2022, F1000Research DOI:10.12688/f1000research.124796.1 PMID:37767074	综述	本文系统回顾了过去八年中用于识别产品表面制造标记文本的机器视觉方法的发展，并探讨了该领域最常见的挑战	系统梳理了从光学字符识别到深度学习方法的演进，特别强调了使用两个连续深度学习网络（一个用于检测文本区域，另一个用于识别字符）的最新方法	符合纳入标准的研究数量有限，仅筛选出10篇相关论文	评估用于识别产品表面制造标记文本的机器视觉方法的发展	产品表面印刷的制造标记文本，特别是药品和易腐食品上的代码	计算机视觉	NA	机器视觉，光学字符识别，深度学习	CNN, DNN	图像	NA	NA	卷积神经网络	NA	NA
1168	2026-03-19	Pancreatic cancer grading in pathological images using deep learning convolutional neural networks 2021, F1000Research DOI:10.12688/f1000research.73161.2 PMID:37767358	研究论文	本文提出了一种基于深度学习卷积神经网络的胰腺癌病理图像自动分级系统	首次基于病理图像进行胰腺癌分级，而先前研究仅关注检测（良性或恶性）或放射学图像	样本集较小	开发自动化的胰腺癌分级系统以辅助病理学家	胰腺癌病理图像	数字病理学	胰腺癌	病理染色	CNN	图像	小样本集	NA	DenseNet	准确率	NA
1169	2026-03-19	Hippocampus segmentation on noncontrast CT using deep learning 2020-Jul, Medical physics IF:3.2Q1 DOI:10.1002/mp.14098 PMID:32065401	研究论文	本研究开发了一种基于深度学习的注意力门控3D ResNet模型，用于仅使用非对比CT图像自动分割海马体，以支持海马回避全脑放疗	提出了一种新的注意力门控3D ResNet模型，首次实现了仅基于非对比CT图像进行海马体自动分割，无需MRI图像融合	研究为回顾性设计，样本量相对有限（390例），且模型性能可能受CT图像质量影响	开发一种仅使用CT图像的自动化海马体分割方法，以简化放疗计划流程并降低成本	390例接受伽玛刀治疗的患者的高分辨率CT和MR图像	数字病理学	脑部疾病	深度学习，图像分割	CNN	3D图像	390例患者	NA	Attention-Gated 3D ResNet, 3D ResNet	100% Hausdorff距离, 通过率	NA
1170	2026-03-18	Morphological classification of Schizochytrium and mutagenic selection of high-oil-producing strains based on deep learning 2026-Jun, Microbiological research IF:6.1Q1 DOI:10.1016/j.micres.2026.128464 PMID:41666518	研究论文	本研究开发了一种基于深度学习的裂殖壶菌形态分类系统，并利用该系统筛选出高产油突变菌株	提出了一个包含13种形态类型的新型分类系统，整合了细胞分裂特征和脂滴参数，并构建了一个定制的目标检测架构（增强型MLC-YOLO框架）	未明确提及研究的局限性	优化裂殖壶菌的发酵过程，筛选高产油菌株，以推动工业级omega-3产品的智能生物制造	裂殖壶菌	计算机视觉	NA	形态计量分析，发酵监测	目标检测模型	图像	NA	YOLO	MLC-YOLO, YOLOv8s	平均精度均值	NA
1171	2026-03-18	A comprehensive review on wine authentication and traceability: Current issues, solutions and future perspectives 2026-Apr-15, Food chemistry IF:8.5Q1 DOI:10.1016/j.foodchem.2026.148456 PMID:41719666	综述	本文全面总结了葡萄酒认证和溯源领域当前面临的问题、现有解决方案及未来展望	强调了深度学习与传统分析技术的融合、葡萄酒指纹数据库的构建以及区块链技术在供应链透明度中的应用	NA	提升葡萄酒的真实性验证和产地溯源能力	葡萄酒	机器学习	NA	光谱学、色谱法、质谱法、智能传感技术	深度学习	NA	NA	NA	NA	NA	NA
1172	2026-03-18	Leveraging deep learning and spectral information for enhanced variety identification of safflower seeds 2026-Apr-15, Food chemistry IF:8.5Q1 DOI:10.1016/j.foodchem.2026.148514 PMID:41724145	研究论文	本研究基于近红外光谱结合化学计量学方法，构建了红花种子品种的快速无损识别模型	将神经网络的深度学习能力与近红外光谱固有优势协同整合，为红花种子种质鉴定建立了一个强大的分析框架	NA	实现红花种子的快速无损品种识别	红花种子	机器学习和化学计量学	NA	近红外光谱	BPNN, CNN	光谱数据	NA	NA	BPNN, CNN	预测准确率	NA
1173	2026-03-18	Automated Operative Phase and Step Recognition in Vestibular Schwannoma Surgery: Development and Preclinical Evaluation of a Deep Learning Neural Network (IDEAL Stage 0) 2026-Apr-01, Neurosurgery IF:3.9Q1 DOI:10.1227/neu.0000000000003466 PMID:40304484	研究论文	本研究开发并评估了一个深度学习神经网络，用于自动识别经乙状窦后入路前庭神经鞘瘤切除术中的手术阶段和步骤	首次将机器学习工作流预测平台应用于长时间（中位数超过5小时）、数据量大的手术视频分析，以前庭神经鞘瘤切除术为例，扩展了现有研究	个体步骤分类仍有改进空间，且数据集规模较小（仅21例手术视频），可能限制模型的泛化能力	开发并评估一个能够自动识别经乙状窦后入路前庭神经鞘瘤切除术手术工作流的机器学习模型	21例经乙状窦后入路前庭神经鞘瘤切除术的显微镜手术视频	计算机视觉	前庭神经鞘瘤	手术视频分析	CNN, RNN	视频	21例手术视频	NA	卷积神经网络与循环神经网络组合	准确率, 精确率, 召回率, F1分数	NA
1174	2026-03-18	AFTS: A patient-agnostic encoder-decoder architecture with directional attention for blood glucose forecasting 2026-Apr, Journal of biomedical informatics IF:4.0Q2 DOI:10.1016/j.jbi.2026.104998 PMID:41687901	研究论文	本文提出了一种名为AFTS的患者无关编码器-解码器架构，结合双向LSTM与级联方向表示模块，用于血糖预测	引入了专门设计的轴级注意力机制，分别处理时间和特征维度，旨在分离趋势演变与潜在特征幅度	未明确提及具体局限性	开发一种患者无关的深度学习架构，用于准确预测血糖水平	血糖数据	机器学习	糖尿病	连续血糖监测	LSTM, Transformer, RNN	时间序列数据	两个真实世界CGM数据集（KDD18和CDD23）	NA	双向LSTM编码器-解码器	MAE	NA
1175	2026-03-18	MRI-based Radiomics and volumetrics for predicting the onset of Alzheimer's Disease with explainable machine learning 2026-Apr-01, NeuroImage IF:4.7Q1 DOI:10.1016/j.neuroimage.2026.121813 PMID:41698489	研究论文	本文提出了一种基于MRI的放射组学和体积测量方法，结合可解释机器学习预测阿尔茨海默病的发病风险	通过结合放射组学特征和可解释机器学习（SHAP）来预测阿尔茨海默病的发病时间，并揭示MRI纹理、形状和体积等特征对疾病风险的复杂关联	外部验证时数据分布存在差异，模型的可重复性为中等至高	预测阿尔茨海默病的发病风险	阿尔茨海默病患者	机器学习	阿尔茨海默病	结构磁共振成像（MRI）	时间到事件模型	图像, 临床数据	ADNI数据集（训练和内部验证），AIBL和OASIS-3数据集（外部验证）	NA	NA	Brier分数	NA
1176	2026-03-18	Cerebrovascular 5D flow MRI 2026-Apr-01, NeuroImage IF:4.7Q1 DOI:10.1016/j.neuroimage.2026.121828 PMID:41730486	研究论文	本文开发了一种5D相位对比血流MRI框架，用于量化脑血管中的呼吸血流调制	结合深度学习图像重建和分析方法，首次实现了高空间和心脏分辨率下脑血管呼吸血流调制的全场量化	样本量较小（仅10名健康志愿者），且未在患者群体中验证	研究脑血管中的呼吸血流调制，以增进对血管耦合和脑循环的理解	健康志愿者的脑血管血流	医学影像	NA	5D相位对比血流MRI	深度学习	MRI图像	10名健康志愿者	NA	NA	Pearson相关系数, 偏差	NA
1177	2026-03-18	Deep Learning Myocardial Segmentation in 3D Whole-Heart Joint T1/T2 Mapping: Comparison of nnU-Net and MA-SAM 2026-Apr, NMR in biomedicine IF:2.7Q1 DOI:10.1002/nbm.70252 PMID:41790043	研究论文	本研究比较了nnU-Net和MA-SAM两种深度学习模型在3D全心T1/T2映射中左心室心肌自动分割的性能	首次在3D全心联合T1/T2映射数据上系统比较nnU-Net和MA-SAM的分割性能与计算效率	样本量较小（仅55名受试者），且仅使用第四交错体积进行分割	评估深度学习模型在心脏MRI分割中的性能与临床适用性	左心室心肌	医学图像分析	心血管疾病	3D全心联合T1/T2映射	深度学习	3D医学图像	55名受试者（15名健康，40名疑似心血管疾病患者）	NA	nnU-Net, MA-SAM	Dice相似系数, IoU, 95% Hausdorff距离	NA
1178	2026-03-18	Highly Accelerated 3D MRI of Brain Tumors Using Deep Modular Reconstruction Networks 2026-Apr, NMR in biomedicine IF:2.7Q1 DOI:10.1002/nbm.70260 PMID:41792051	研究论文	本研究开发了一种名为ADMIRE的深度学习框架，用于加速脑肿瘤3D MRI的采集，通过去混叠和增强网络处理欠采样k空间数据	提出了一种两阶段深度学习框架ADMIRE，首次结合去混叠和图像增强网络，实现了比现有临床加速技术更高的k空间欠采样因子，从而显著缩短采集时间	研究样本量相对较小（15名患者），且仅基于GE Healthcare扫描器的特定序列（BRAVO和MPRAGE），可能限制了泛化能力	加速脑肿瘤3D MRI的采集，超越现有临床加速技术，以缩短成像时间并保持图像质量	脑肿瘤患者的增强后3D T1加权MRI图像	医学影像分析	脑肿瘤	3D T1加权MRI，k空间欠采样	深度学习网络	3D MRI图像，k空间数据	训练数据：136例（BRAVO和MPRAGE序列）；测试数据：15名脑部增强病变患者	NA	去混叠网络，增强网络	图像质量评分，诊断置信度，非劣效性检验（Wilcoxon符号秩检验）	NA
1179	2026-03-18	A Unified Deep Learning Framework for Liver MR Elastography Postprocessing: Proof-of-Concept Study 2026-Apr, NMR in biomedicine IF:2.7Q1 DOI:10.1002/nbm.70258 PMID:41800652	研究论文	本研究开发了一个统一的深度学习框架，用于肝脏磁共振弹性成像（MRE）的后处理，旨在实现从数据采集到肝脏硬度量化的全自动化	提出了一个单一的深度学习管道，能够直接从幅度和相位图像重建硬度图并生成肝脏分割掩码，在概念验证环境中实现了肝脏MRE后处理的全自动化	研究使用了来自健康志愿者或早期疾病患者的同质队列，需要在多样化的临床人群中进行进一步验证才能更广泛地推广	评估在受控的概念验证环境中，使用单一深度学习管道完全自动化肝脏MRE后处理过程的可行性	83名成年志愿者（56名女性，27名男性；中位年龄21岁），主要代表健康个体或早期疾病患者	医学影像分析	肝纤维化	磁共振弹性成像（MRE）	CNN	图像（幅度和相位图像）	83名成年志愿者	NA	U-Net, ResNet, CycleGAN	偏差百分比，组内相关系数（ICC）	NA
1180	2026-03-18	Deep Learning-Based Inner Ear Subregion Segmentation in 3D T2-Weighted MRI Using Label-Preserving Data Augmentation 2026-Apr, NMR in biomedicine IF:2.7Q1 DOI:10.1002/nbm.70266 PMID:41821500	研究论文	本研究提出了一种基于深度学习的3D T2加权MRI内耳亚区分割方法，并引入了一种标签保留数据增强策略以提升对薄壁复杂结构的分割性能	提出了一种标签保留数据增强策略，专门针对内耳中薄且复杂的半规管结构进行优化，相比传统数据增强方法显著提升了分割的鲁棒性和准确性	训练数据量相对有限（共74例内部数据），且外部验证集仅包含8例样本	开发一种自动、准确的内耳亚区分割方法，以支持听觉相关疾病的诊断和治疗规划	内耳的三个亚区：耳蜗底转、耳蜗中至顶转、以及包含半规管的前庭	医学图像分析	听觉相关疾病（如梅尼埃病）	3D T2加权磁共振成像	基于Transformer的深度学习模型	3D医学图像	内部数据集：74例3D T2加权MRI（50例训练，24例内部测试）；外部数据集：8例来自公开Vestibular-Schwannoma-SEG数据集的MRI	NA	3D Transformer	Dice相似系数, 交并比, 豪斯多夫距离	NA