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
1401	2026-02-03	Improving sign Language recognition system for assisting deaf and dumb people using pathfinder algorithm with representation learning model 2025-Dec-29, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-34283-x PMID:41461898	研究论文	本研究提出了一种基于路径寻找算法和特征提取模型的美国手语识别系统，旨在通过优化策略提升识别准确性和鲁棒性	整合路径寻找算法与SE-DenseNet特征提取模型及Elman神经网络分类器，通过参数调优提升手语识别性能	仅在美国手语数据集上进行测试，未涉及其他手语变体或真实复杂场景验证	提高手语识别系统的准确性和实用性，以辅助聋哑人士沟通	美国手语手势图像数据	计算机视觉	NA	高斯滤波去噪，深度学习特征提取与分类	Elman神经网络	图像	未明确指定样本数量，使用美国手语数据集	未明确指定，可能涉及自定义实现	SE-DenseNet, Elman神经网络	准确率	NA
1402	2026-02-03	An open bone marrow megakaryocyte dataset for automated morphologic studies 2025-Dec-16, Scientific data IF:5.8Q1 DOI:10.1038/s41597-025-06450-2 PMID:41402328	研究论文	本文介绍了首个公开的骨髓巨核细胞亚型分类数据集MK-11，用于自动形态学评估的开发与评估	首次提供了高质量、开放许可的骨髓巨核细胞图像数据集，解决了该领域数据稀缺问题，并建立了基于深度学习的分类基准	数据集规模相对有限（7,204张图像），可能影响模型泛化能力；且仅基于Wright-Giemsa染色图像，未涵盖其他染色技术	开发用于骨髓巨核细胞亚型自动分类的深度学习模型，以辅助血液疾病的诊断与研究	骨髓中的巨核细胞亚型，涉及11种临床相关亚型	数字病理学	骨髓增生异常综合征（MDS）及其他血小板相关疾病	Wright-Giemsa染色	CNN, Transformer	图像	7,204张单细胞图像	NA	卷积神经网络, Transformer	NA	NA
1403	2026-02-03	A practical guide to the implementation of artificial intelligence in orthopaedic research-Part 3: How orthopaedic research benefits from the implementation of artificial intelligence 2025-Oct, Journal of experimental orthopaedics IF:2.0Q2 DOI:10.1002/jeo2.70481 PMID:41180563	综述	本文概述了人工智能在骨科研究中的益处，并讨论了在快速发展领域中开展高质量AI研究的挑战	提供了骨科领域AI实施的实用指南，强调了AI在图像评估、手术规划、结果预测等方面的成功应用	未具体说明研究中的样本大小或数据细节，主要关注概述性内容	概述人工智能在骨科领域的益处，并解决高质量AI研究面临的挑战	骨科研究中的AI应用，包括图像评估、手术规划、结果预测等	机器学习	骨科疾病	NA	NA	图像、文本（电子病历）	NA	NA	NA	NA	NA
1404	2026-02-03	Enhancing deep neural networks through complex-valued representations and Kuramoto synchronization dynamics 2025-Aug-04, ArXiv PMID:40799806	研究论文	本文研究如何通过结合复数表示和Kuramoto同步动力学来增强深度神经网络在复杂视觉分类任务中的性能	受神经科学启发，首次将复数表示与Kuramoto动力学相结合，通过相位对齐机制促进特征分组，以解决深度学习模型中的对象绑定问题	未明确说明模型的计算复杂度、训练时间以及在大规模数据集上的可扩展性	探索基于同步的机制是否能增强人工模型在视觉分类中的对象编码能力	多对象图像，包括重叠手写数字、噪声输入和分布外变换	计算机视觉	NA	NA	前馈模型, 循环模型	图像	NA	NA	NA	NA	NA
1405	2026-02-03	Advanced Distance-Resolved Evaluation of the Perienhancing Tumor Areas with FLAIR Hyperintensity Indicates Different ADC Profiles by MGMT Promoter Methylation Status in Glioblastoma 2025-Feb-03, AJNR. American journal of neuroradiology DOI:10.3174/ajnr.A8493 PMID:39848779	研究论文	本研究利用一种新颖的距离分辨3D评估方法，分析了胶质母细胞瘤（GBM）强化周围浸润区的ADC值，并探讨其与MGMT启动子甲基化状态的关系	首次采用距离分辨的3D体积分析方法，量化了GBM肿瘤核心周围不同距离子体积的ADC值，揭示了传统MRI人眼无法察觉的组织特征差异	研究为回顾性分析，样本量相对有限（101例），且仅分析了IDH野生型GBM	探究MGMT启动子甲基化状态是否反映在GBM的MRI标记物（特别是ADC值）上	IDH野生型胶质母细胞瘤（GBM）患者	数字病理学	胶质母细胞瘤	MRI（包括FLAIR序列和ADC图），深度学习分割	深度学习模型（具体类型未在摘要中指定）	3D MRI图像	101名患者（其中MGMT启动子甲基化[mMGMT] 43例，未甲基化[uMGMT] 58例）	NA	NA	Wilcoxon符号秩检验的P值	NA
1406	2026-02-03	Whole-body low-dose computed tomography in patients with newly diagnosed multiple myeloma predicts cytogenetic risk: a deep learning radiogenomics study 2025-Feb, Skeletal radiology IF:1.9Q3 DOI:10.1007/s00256-024-04733-0 PMID:38937291	研究论文	本研究开发了一种基于全身低剂量CT的深度学习模型，用于预测多发性骨髓瘤患者的细胞遗传学异常风险	首次利用全身低剂量CT扫描结合深度学习技术预测多发性骨髓瘤的细胞遗传学风险，实现了无创性风险分层	样本量相对较小（151例患者），且仅基于单中心数据，可能影响模型的泛化能力	开发深度学习模型以通过影像学特征预测多发性骨髓瘤的细胞遗传学异常	新诊断的多发性骨髓瘤患者	数字病理学	多发性骨髓瘤	荧光原位杂交（FISH），全身低剂量CT（WBLDCT）	深度学习模型	医学影像（CT扫描）	151例多发性骨髓瘤患者	NA	NA	AUROC（受试者工作特征曲线下面积）	NA
1407	2026-02-03	Comparison of Pathologist and Artificial Intelligence-based Grading for Prediction of Metastatic Outcomes After Radical Prostatectomy 2025-Feb, European urology oncology IF:8.3Q1 DOI:10.1016/j.euo.2024.08.004 PMID:39232875	研究论文	本研究比较了基于深度学习的AI分级与病理学家分级在预测前列腺癌根治术后转移结局方面的表现	首次直接评估AI分级算法与病理学家分级在预测前列腺癌转移结局方面的临床价值，而非仅关注分级一致性	研究样本量相对有限（777例患者），且仅基于单个代表性切片进行评估	评估AI分级系统在预测前列腺癌根治术后转移风险方面的临床有效性	前列腺癌患者	数字病理学	前列腺癌	苏木精-伊红染色	深度学习	全切片数字图像	777名独特患者	NA	NA	Harrell's C-index	NA
1408	2026-02-03	Deep Learning-Based Tract Classification of Preoperative DWI Tractography Advances the Prediction of Short-Term Postoperative Language Improvement in Children With Drug-Resistant Epilepsy 2025-02, IEEE transactions on bio-medical engineering DOI:10.1109/TBME.2024.3463481 PMID:39292577	研究论文	本研究开发了一种基于深度卷积神经网络的纤维束分类方法，用于利用术前全脑扩散加权成像连接组中的语言模块网络轴突连接标记，预测儿童耐药性癫痫患者术后短期语言功能改善	扩展了先前的DCNN纤维束分类方法，利用高质量开放数据库提高个体患者术前连接组中真实阳性纤维束的分类准确性，并结合心理测量驱动的连接组分析构建核心、表达性和接受性语言模块网络	研究样本量相对有限，且仅评估了短期（约两个月）术后语言改善，缺乏长期随访数据	提高儿童耐药性癫痫患者术后短期语言功能改善的预测准确性	耐药性癫痫儿童患者	医学影像分析	癫痫	扩散加权成像（DWI）、纤维束成像	深度卷积神经网络（DCNN）	医学影像（扩散加权成像连接组）	未明确说明具体样本数量，但包含独立验证队列	未明确说明	深度卷积神经网络（DCNN）	F统计量、准确率	NA
1409	2026-02-03	Improved patient identification by incorporating symptom severity in deep learning using neuroanatomic images in first episode schizophrenia 2025-Feb, Neuropsychopharmacology : official publication of the American College of Neuropsychopharmacology IF:6.6Q1 DOI:10.1038/s41386-024-02021-y PMID:39506100	研究论文	本研究开发了一种结合精神病症状严重程度的多任务深度学习模型，用于基于神经解剖图像识别首发精神分裂症患者	将症状严重程度回归任务整合到标准病例/对照识别中，提高了模型性能并增强了临床相关性	样本量相对有限，且主要针对药物初治的首发精神分裂症患者，可能限制了泛化能力	通过结合MRI和临床特征，建立影像生物标志物与症状表达之间的联系，以增强对急性精神病的机制理解	首发精神分裂症患者和健康对照者	医学影像分析	精神分裂症	MRI，基于体素的形态测量法（VBM），基于表面的形态测量法（SBM）	深度学习模型	神经解剖图像（MRI）	训练集包括286名药物初治首发精神分裂症患者和330名健康对照（来自两个数据集），独立验证集包括40名首发精神分裂症患者	NA	多任务深度学习模型	平衡准确率，灵敏度，特异性	NA
1410	2026-02-03	Deep learning based apparent diffusion coefficient map generation from multi-parametric MR images for patients with diffuse gliomas 2025-Feb, Medical physics IF:3.2Q1 DOI:10.1002/mp.17509 PMID:39514841	研究论文	本研究开发了一种基于深度学习的框架，利用多参数磁共振图像合成表观扩散系数图，用于弥漫性胶质瘤患者	提出了多参数残差视觉Transformer模型，结合了视觉Transformer的长距离上下文建模能力和卷积算子的精确性，并通过残差块显著增强了模型的表示能力	研究依赖于公开数据集的预处理ADC图作为金标准，模型性能可能受限于数据质量和预处理步骤	开发深度学习框架从多参数MRI图像合成ADC图，以克服DWI MRI耗时且易受伪影影响的问题	弥漫性胶质瘤患者	医学影像分析	胶质瘤	扩散加权磁共振成像，多参数磁共振成像	Transformer, CNN	磁共振图像	501例胶质瘤病例（训练集400例，验证集50例，测试集51例）	NA	MPR-ViT, Vision Convolutional Transformer, ResViT	峰值信噪比, 结构相似性指数, 均方误差	NA
1411	2026-02-03	Deep learning segmentation-based bone removal from computed tomography of the brain improves subdural hematoma detection 2025-Feb, Journal of neuroradiology = Journal de neuroradiologie DOI:10.1016/j.neurad.2024.101231 PMID:39521273	研究论文	本文探讨了基于深度学习分割的脑部CT骨去除算法在提高硬膜下血肿检测中的应用	开发了一种深度学习分割算法用于脑部非对比CT的骨去除，并证明其能显著提高放射科实习生的硬膜下血肿检测能力	研究样本量有限，仅使用了137例NCCTH，且主要评估对象为初级放射科实习生，未涵盖更广泛的经验水平	提高硬膜下血肿在脑部非对比CT中的检测准确性和效率	脑部非对比CT图像中的硬膜下血肿	数字病理学	脑部疾病	CT成像	深度学习分割算法	图像	137例NCCTH（100例用于训练，15例内部测试，22例外部测试）	NA	NA	Dice系数	NA
1412	2026-02-03	Spatial Architecture of Single-Cell and Vasculature in Tumor Microenvironment Predicts Clinical Outcomes in Triple-Negative Breast Cancer 2025-Feb, Modern pathology : an official journal of the United States and Canadian Academy of Pathology, Inc IF:7.1Q1 DOI:10.1016/j.modpat.2024.100652 PMID:39522644	研究论文	本研究利用成像质谱流式技术分析三阴性乳腺癌肿瘤微环境的单细胞空间结构，并开发深度学习模型预测患者治疗反应	首次在单细胞分辨率上系统量化三阴性乳腺癌肿瘤微环境的异质性，识别出10种可复现的细胞邻域，并发现B细胞、成纤维细胞与肿瘤细胞的相对空间共定位与良好临床结局显著相关	样本量相对有限（71例），深度学习模型的预测性能（平均AUC=0.71）仍有提升空间，且结论需在更大独立队列中验证	揭示三阴性乳腺癌肿瘤微环境的空间结构与临床结局的关联，并开发基于基线肿瘤微环境特征的疗效预测模型	三阴性乳腺癌患者的肿瘤组织样本	数字病理学	乳腺癌	成像质谱流式技术	深度学习模型	图像	71例三阴性乳腺癌患者标本	NA	NA	受试者工作特征曲线下面积	NA
1413	2026-02-03	Multi-task magnetic resonance imaging reconstruction using meta-learning 2025-Feb, Magnetic resonance imaging IF:2.1Q2 DOI:10.1016/j.mri.2024.110278 PMID:39580007	研究论文	提出一种基于元学习的多任务学习方法，用于同时重建不同成像序列采集的MRI图像	首次将元学习（学习如何学习）框架引入多任务MRI重建，并开发了跨图像域和k空间域的近端梯度下降优化方法	未明确说明方法在临床环境中的实时性能或计算效率	提高多序列MRI图像重建的泛化性和性能	多对比度磁共振成像数据	医学影像重建	NA	磁共振成像（MRI）	深度学习	k空间数据，图像数据	NA	NA	NA	像素级误差，定性性能	NA
1414	2026-02-03	Tumor aware recurrent inter-patient deformable image registration of computed tomography scans with lung cancer 2025-Feb, Medical physics IF:3.2Q1 DOI:10.1002/mp.17536 PMID:39589333	研究论文	本文提出了一种肿瘤感知的循环配准（TRACER）深度学习方法，用于肺癌患者间CT扫描的可变形图像配准，以支持基于体素的分析	开发了结合3D卷积长短期记忆网络（3D-CLSTM）的肿瘤感知循环配准方法，通过输入条件化（包括肿瘤分割）和双向肿瘤刚性、图像相似性及变形平滑度损失进行无监督优化	研究主要针对肺癌患者，未涉及其他癌症类型；样本量相对有限（训练集204对，测试集最多765对）	开发一种适用于基于体素分析的、能保持肿瘤拓扑结构的患者间可变形图像配准方法	肺癌患者的3D计算机断层扫描（CT）图像	计算机视觉	肺癌	CT扫描	深度学习	3D图像	训练集：204对3D CT图像；测试集：数据集I（308对）、数据集II（765对）、数据集III（42名患者）	NA	3D卷积长短期记忆网络（3D-CLSTM）	肿瘤体积差异百分比、CT强度均方误差、计划放疗肿瘤剂量差异	NA
1415	2026-02-03	Cross-shaped windows transformer with self-supervised pretraining for clinically significant prostate cancer detection in bi-parametric MRI 2025-Feb, Medical physics IF:3.2Q1 DOI:10.1002/mp.17546 PMID:39589390	研究论文	本研究提出了一种基于自监督预训练的CSwin UNet模型，用于双参数MRI中临床显著前列腺癌的检测	引入了新颖的端到端交叉窗口（CSwin）变换器UNet模型，并结合多任务自监督学习框架以利用未标记数据提升网络泛化能力	NA	增强前列腺癌在双参数MRI中的检测性能	临床显著前列腺癌（csPCa）	计算机视觉	前列腺癌	双参数磁共振成像（bpMRI）	Transformer	图像	PI-CAI数据集（1476名患者）和Prostate158数据集（158名患者）	NA	CSwin UNet	AUC, Average Precision	NA
1416	2026-02-03	A survey on deep learning in medical image registration: New technologies, uncertainty, evaluation metrics, and beyond 2025-Feb, Medical image analysis IF:10.7Q1 DOI:10.1016/j.media.2024.103385 PMID:39612808	综述	本文全面概述了基于深度学习的医学图像配准领域的最新进展，包括网络架构、损失函数、不确定性估计及评估指标	系统总结了深度学习在医学图像配准中的创新技术，如新型网络架构、配准专用损失函数和不确定性估计方法	NA	回顾和总结深度学习在医学图像配准领域的技术发展、应用及未来方向	医学图像配准技术及其在医学成像中的应用	计算机视觉	NA	深度学习	CNN, U-Net	医学图像	NA	NA	U-Net	NA	NA
1417	2026-02-03	Quantification of coronary artery calcification in systemic sclerosis using visual ordinal and deep learning scoring: Association with systemic sclerosis clinical features 2025-02, Seminars in arthritis and rheumatism IF:4.6Q1 DOI:10.1016/j.semarthrit.2024.152598 PMID:39613484	研究论文	本研究探讨系统性硬化症（SSc）临床特征与冠状动脉钙化（CAC）程度及进展之间的关联，并比较了视觉序数评分和深度学习评分方法	首次结合视觉序数评分和深度学习（DeepCAC）方法量化SSc患者的冠状动脉钙化，并分析其与临床特征的关联	单中心回顾性研究，样本量有限（主要目标86例，次要目标171例），可能存在选择偏倚	研究系统性硬化症临床特征与冠状动脉钙化程度及进展的关联	系统性硬化症患者	数字病理学	系统性硬化症	CT影像分析，深度学习	深度学习模型	医学影像（CT扫描）	主要目标86例SSc患者，次要目标171例SSc患者	NA	DeepCAC	回归系数，95%置信区间，p值	NA
1418	2026-02-03	Deep learning-based overall survival prediction in patients with glioblastoma: An automatic end-to-end workflow using pre-resection basic structural multiparametric MRIs 2025-Feb, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2024.109436 PMID:39637462	研究论文	本研究开发了一种基于深度学习的端到端工作流程，用于利用术前基本结构多参数磁共振图像预测胶质母细胞瘤患者的总体生存期	提出了一种结合颅骨剥离、肿瘤亚区分割和对比学习集成预测的端到端自动化工作流程，仅使用术前基本结构多参数MRI进行生存预测	机构临床试验数据集样本量较小（19例），且多参数MRI协议存在较大差异可能影响模型泛化能力	开发自动化早期生存预测系统以辅助胶质母细胞瘤患者的及时治疗决策	胶质母细胞瘤患者	数字病理学	胶质母细胞瘤	多参数磁共振成像	深度学习模型	磁共振图像	多机构公开数据集235例患者，机构临床试验数据集19例患者	NA	集成学习模型，对比学习模型	AUC，Dice系数	NA
1419	2026-02-03	ItpCtrl-AI: End-to-end interpretable and controllable artificial intelligence by modeling radiologists' intentions 2025-02, Artificial intelligence in medicine IF:6.1Q1 DOI:10.1016/j.artmed.2024.103054 PMID:39689443	研究论文	提出了一种名为ItpCtrl-AI的端到端可解释且可控的AI框架，通过模拟放射科医生的决策过程来诊断胸部X光片中的发现	开发了一个能模拟放射科医生眼动模式以生成注意力热图的端到端框架，使模型决策过程可解释且允许用户通过方向输入进行控制	未在摘要中明确说明	解决高级深度学习模型在医学诊断中缺乏可解释性的问题，提高计算机辅助诊断系统的透明度和可控性	胸部X光片中的医学发现	计算机视觉	NA	深度学习	NA	图像, 眼动数据	未在摘要中明确说明	NA	NA	准确性	未在摘要中明确说明
1420	2026-02-03	TransformerLSR: Attentive joint model of longitudinal data, survival, and recurrent events with concurrent latent structure 2025-02, Artificial intelligence in medicine IF:6.1Q1 DOI:10.1016/j.artmed.2024.103056 PMID:39705769	研究论文	本文提出了一种基于Transformer的深度学习框架TransformerLSR，用于联合建模纵向数据、生存数据和复发事件	将深度时间点过程整合到联合建模框架中，并引入新的轨迹表示和模型架构以纳入已知潜在结构	未明确提及具体局限性	联合建模纵向测量、复发事件和生存数据，以解决生物医学研究中的依赖性问题	肾移植术后患者	机器学习	肾移植相关疾病	深度学习	Transformer	纵向数据，生存数据，复发事件数据	NA	NA	Transformer	NA	NA