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
1481	2026-05-04	A Lightweight Skeletal Muscle Intelligent Segmentation Network Based on Planning CT for Cervical Cancer Radiotherapy 2026 Jan-Dec, Technology in cancer research & treatment IF:2.7Q3 DOI:10.1177/15330338261446535 PMID:42041275	研究论文	提出一种轻量级深度学习网络SMA-Net，用于宫颈癌放疗患者第三腰椎水平骨骼肌的智能分割，并评估其性能	将轻量级Mamba架构引入UNet网络，并在跳跃连接上引入SAB和CAB注意力机制以抑制无关信息并突出重要局部特征	未提及具体限制	实现宫颈癌放疗患者L3骨骼肌的快速准确分割，辅助临床诊断肌少症	宫颈癌放疗患者的第三腰椎（L3）水平的骨骼肌	计算机视觉	宫颈癌，肌少症	NA	深度学习分割网络（SMA-Net）	计划CT图像	160例宫颈癌患者，分为训练集112例、验证集16例和测试集32例	PyTorch	UNet，Mamba，SAB，CAB	Dice相似系数，敏感性，阳性预测值，95% Hausdorff距离，准确率，精确率，召回率，F1分数，AUC	NA
1482	2026-05-04	A Call for a Collaborative Framework for Automation in Adaptive Radiotherapy 2026 Jan-Dec, Technology in cancer research & treatment IF:2.7Q3 DOI:10.1177/15330338261449016 PMID:42068249	评论	呼吁建立协作框架以推动自适应放疗自动化发展	提出通过结构化透明和共享责任机制，将自动化从封闭架构转变为集体学习生态系统	未提及具体技术实现或实验验证	推动自适应放疗自动化从封闭系统向开放协作模式转变	自适应放疗技术和相关自动化框架	机器学习	NA	自适应放疗	NA	NA	NA	NA	NA	NA	NA
1483	2026-05-04	Prenatal diagnosis of cerebellar hypoplasia in fetal ultrasound using deep learning under the constraint of the anatomical structures of the cerebellum and cistern 2025-11, Pediatric radiology IF:2.1Q2 DOI:10.1007/s00247-025-06376-2 PMID:40911057	研究论文	开发并验证一种受大脑解剖结构约束的深度学习模型，利用超声图像提高胎儿小脑发育不全的产前诊断准确性	提出双分支深度学习分类网络ASC-Net，将超声图像和脑部解剖结构掩膜作为独立输入，通过解剖结构约束提升诊断性能	研究为回顾性设计，样本来源单一，超声图像选择依赖医生经验，且小脑发育不全病例数有限（302例）可能影响模型泛化性	开发一个受胎儿小脑和后颅窝池解剖结构约束的人工智能模型，以改善超声成像中小脑发育不全的产前诊断准确性	胎儿小脑发育不全	计算机视觉	胎儿中枢神经系统发育异常	超声成像	深度学习分类网络	图像	302例小脑发育不全和549例正常妊娠病例	NA	ASC-Net (双分支网络)	准确率, AUC	NA
1484	2026-05-04	Artificial Intelligence-Assisted Image Extraction in Neonatal Echocardiography for Congenital Heart Disease Diagnosis in Sub-Saharan Africa: Protocol for Model Development 2025-Oct-30, JMIR research protocols IF:1.4Q3 DOI:10.2196/75270 PMID:41167236	研究论文	提出一项在撒哈拉以南非洲地区利用人工智能辅助新生儿超声心动图诊断先天性心脏病的协议，旨在开发深度学习模型，使非专业操作者能有效提取心脏图像供远程解读	创新点在于构建一个整合卷积神经网络与卷积长短期记忆层的AI辅助超声系统，灵感来自交错视觉记忆框架，并结合强化学习动态使用特征提取器，以实现实时心脏视图检测，显著适应资源有限环境	局限性包括依赖有限地理来源的数据（仅喀麦隆和南非两家医院），可能限制模型泛化性；同时分两阶段的样本量（500例回顾性数据、1000例前瞻性数据）相对不大，且需考虑实时临床环境中的实际实施挑战	研究目的为开发AI辅助超声心动图系统，使护士、助产士和医生等非专家操作者能对疑似先天性心脏病的婴儿进行基本心脏超声扫查，提取准确心腔图像供儿科心脏病专家远程解读	新生儿（0-28天），疑似患有先天性心脏病的婴儿	计算机视觉	先天性心脏病	超声心动图	深度学习（卷积神经网络与卷积长短期记忆层）	超声心动图视频片段	第一阶段约500例回顾性数据，第二阶段1000例前瞻性数据	TensorFlow, PyTorch	卷积神经网络（CNN）, 卷积长短期记忆层	NA	NA
1485	2026-05-04	Free-running isotropic three-dimensional cine magnetic resonance imaging with deep learning image reconstruction 2025-10, Pediatric radiology IF:2.1Q2 DOI:10.1007/s00247-025-06266-7 PMID:40442341	研究论文	评估结合深度学习图像重建的游离呼吸各向同性三维电影磁共振成像在先天性心脏病患者中的效率和准确性	首次利用深度学习重建技术结合Heart-NAV技术实现游离呼吸三维电影成像与血管造影同步采集，显著缩短采集时间并提高图像对比度	样本量较小（16例患者），且三维与二维电影成像在右心室收缩末期容积上存在显著差异，需进一步验证	评估深度学习重建的游离呼吸三维电影MRI序列在先天性心脏病患者中的功能与容积测量的准确性和效率	先天性心脏病患者	数字病理学	先天性心脏病	心血管磁共振（CMR）、深度学习图像重建	深度学习重建模型	图像（三维磁共振成像）	16名患者（7名男性，中位年龄6岁）	NA	深度学习重建网络	对比噪声比（CNR）、容积测量（心室容积、射血分数、质量）、横截面积（CSA）	NA
1486	2026-05-04	Understanding Cancer Survivorship Care Needs Using Amazon Reviews: Content Analysis, Algorithm Development, and Validation Study 2025-Sep-23, JMIR cancer IF:3.3Q2 DOI:10.2196/71102 PMID:40986859	研究论文	利用亚马逊消费者评论作为新型数据源，通过内容分析、算法开发和验证研究，理解癌症幸存者的护理需求	首次提出将亚马逊消费者评论作为识别癌症幸存者护理需求的新型数据源，并开发了基于深度学习和大型语言模型的自然语言处理基线模型	未明确提及	展示使用亚马逊消费者评论识别癌症幸存者护理需求（特别是症状自我管理）的潜力	亚马逊健康相关产品评论中提及癌症的句子	自然语言处理	癌症	自然语言处理	Bert-base-cased, GPT-4	文本	159条评论，4703个句子，3349条评论，2589个独立产品	PyTorch	BERT, GPT-4	加权平均F1分数	NA
1487	2026-05-04	An Artificial Intelligence-Based Framework for Predicting Emergency Department Overcrowding: Development and Evaluation Study 2025-Sep-17, JMIR medical informatics IF:3.1Q2 DOI:10.2196/73960 PMID:40961493	研究论文	开发并评估基于人工智能的框架，用于预测急诊科过度拥挤状况，支持主动资源分配	提出两种时间分辨率（每小时和每天）的等待人数预测模型，其中每小时模型使用时间序列视觉变换器（TSiTPlus），每天模型使用可解释卷积神经网络（XCMPlus），两者均优于传统预测方法	文章未明确提出局限性，但可能包括数据来自单一医院、预测准确性随时间变化（如晚上8点误差最大）、极端情况误差较大等	开发机器学习模型预测急诊科候诊室等待人数，分别在6小时后（每小时）和24小时平均（每天）两个时间分辨率上，以支持早期干预和缓解过度拥挤	美国东南部一家合作医院的急诊科数据	机器学习	NA	NA	TSiTPlus（时间序列视觉变换器），XCMPlus（可解释卷积神经网络）	数值数据（患者流量指标）	从一家医院急诊科整合内部与外部来源的数据，具体样本量未明确说明	NA	TSiTPlus, XCMPlus	平均绝对误差（MAE），均方误差（MSE）	代码公开在GitHub仓库，具体计算资源未说明
1488	2026-05-04	Deep learning reconstruction for improving image quality of pediatric abdomen MRI using a 3D T1 fast spoiled gradient echo acquisition 2025-09, Pediatric radiology IF:2.1Q2 DOI:10.1007/s00247-025-06313-3 PMID:40679617	研究论文	比较基于深度学习重建方法与常规重建在儿童腹部MRI中的图像质量	首次在儿童队列中系统评估商用深度学习重建算法（AIR™ Recon DL）对3D快速扰相梯度回波序列腹部MRI图像质量的提升效果	样本量较小（38例），且重建方法为原型版本，可能无法完全反映最终产品性能	评估深度学习重建在儿童腹部MRI中的临床应用价值	儿童患者（年龄<18岁）的腹部MRI图像	计算机视觉	NA	MRI	深度学习重建模型（未明确具体类型，基于商用DL算法）	医学图像（MRI）	38例儿童患者（平均年龄8.6±5.7岁，23名男性）	GE HealthCare AIR™ Recon DL（商用深度学习算法）	NA	Likert评分（5分量表）、信噪比（SNR）、边缘数量（图像锐度逆相关）、Kendall秩相关系数（W）	NA
1489	2026-05-04	Development and validation of a cranial ultrasound imaging-based deep learning model for periventricular-intraventricular haemorrhage detection and grading: a two-centre study 2025-09, Pediatric radiology IF:2.1Q2 DOI:10.1007/s00247-025-06327-x PMID:40728538	研究论文	开发并验证了一种基于颅脑超声图像的深度学习模型，用于新生儿脑室周围-脑室内出血的检测与分级，并进行了多中心验证	结合卷积块注意力模块机制构建深度学习模型，实现脑室周围-脑室内出血的自动检测与分级	NA	研究深度学习分析婴儿颅脑超声图像能否检测并分级脑室周围-脑室内出血	两家医院共1060例病例及健康对照，其中回顾性数据集773例，前瞻性多中心验证集287例	机器学习	新生儿疾病	颅脑超声成像	CNN（卷积神经网络）	图像	1060例（773例回顾性训练验证 + 287例前瞻性多中心验证）	NA	卷积块注意力模块	召回率、精确率、准确率、F1分数、AUC	NA
1490	2026-05-04	Comparison of neural networks for classification of urinary tract dilation from renal ultrasounds: evaluation of agreement with expert categorization 2025-08, Pediatric radiology IF:2.1Q2 DOI:10.1007/s00247-025-06311-5 PMID:40613839	研究论文	比较不同深度学习模型在婴儿肾超声图像中分类尿路扩张的性能，并与专家分类进行一致性评估	首次系统比较多种深度学习模型在婴儿肾超声UTD分类中的表现，并评估其与专家标注的一致性	数据集来自单一机构，样本量有限（仅492个右肾和487个左肾），且仅由一位专家提供金标准标签	开发和评估深度学习模型在婴儿肾超声图像中自动分类尿路扩张的性能	3个月以下婴儿的肾超声图像	计算机视觉	尿路扩张	超声成像	深度神经网络	图像	492个右肾和487个左肾超声图像（共979个样本）	NA	NA	准确率, Kappa系数, 95%置信区间	NA
1491	2026-05-04	Accelerated brain magnetic resonance imaging with deep learning reconstruction: a comparative study on image quality in pediatric neuroimaging 2025-08, Pediatric radiology IF:2.1Q2 DOI:10.1007/s00247-025-06314-2 PMID:40650736	研究论文	评估深度学习重建在儿科神经影像中加速脑MRI的临床可行性，并与传统MRI进行图像质量比较	首次在儿科神经影像中系统性评估深度学习重建加速MRI的图像质量，证明加速扫描可缩短43%时间且图像质量优于传统方法	回顾性研究设计、样本量有限（116例）、未评估运动伪影对加速序列的影响	评估深度学习重建加速脑MRI在儿科神经影像中的临床可行性及图像质量	116名儿科患者（平均年龄7.9±5.4岁）的常规脑MRI图像	医学影像	儿科神经疾病	MRI	深度学习重建	MRI图像	116名儿科参与者	NA	NA	图像质量评分、清晰度、伪影、噪声、病变显著性、噪声标准差、变异系数	NA
1492	2026-05-04	Feasibility study of fully automatic measurement of adenoid size on lateral neck and head radiographs using deep learning 2025-08, Pediatric radiology IF:2.1Q2 DOI:10.1007/s00247-025-06332-0 PMID:40658209	研究论文	开发并验证了基于深度学习全自动测量侧位头颈X线片中腺样体大小的系统	首次利用RTMDet和RTMPose网络实现腺样体大小的全自动测量，替代传统人工测量方法	未在论文标题和摘要中明确说明局限性	开发并验证自动测量腺样体大小的深度学习系统	侧位头颈X线片中的腺样体、鼻咽及腺样体-鼻咽比	计算机视觉	腺样体肥大相关疾病	NA	深度学习模型	图像	711张侧位头颈X线片	NA	RTMDet, RTMPose	组内相关系数, 平均绝对差, 均方根, Bland-Altman图	NA
1493	2026-05-04	Computer-Aided Technology for Bioactive Protein Design and Clinical Application 2025-07, Macromolecular bioscience IF:4.4Q1 DOI:10.1002/mabi.202500007 PMID:40260555	综述	综述计算机辅助蛋白质设计技术及其在生物活性蛋白设计和临床应用中的作用	整合深度学习预测和生成模型，提升了抗体、蛋白药物等治疗性蛋白的亲和力、特异性和低免疫原性	存在模型过拟合、稀有蛋白家族数据有限、实验验证效率不足等挑战	综述计算机辅助蛋白质设计（CAPD）在蛋白质工程和治疗开发中的应用与前景	单克隆抗体、蛋白药物、抗原、蛋白聚合物等蛋白质基治疗剂	机器学习	NA	计算机辅助设计、深度学习	CNN, LSTM, GAN	蛋白质序列、结构数据	NA	NA	NA	结合亲和力、特异性、免疫原性降低	NA
1494	2026-05-04	Comparison of individualized facial growth prediction models using artificial intelligence and partial least squares based on the Mathews growth collection 2025-05-01, The Angle orthodontist DOI:10.2319/082124-687.1 PMID:39884314	研究论文	基于Mathews生长数据集，比较人工智能与偏最小二乘法在个性化面部生长预测中的表现	首次系统比较TabNet深度神经网络与偏最小二乘法在面部生长预测中的性能，并评估AI在不同训练轮次下的预测精度	样本量较小（33名受试者），且仅使用头颅侧位片，未纳入三维影像或其他生长阶段数据	开发并比较不同条件下AI面部生长预测模型与PLS模型的预测准确性	33名受试者的纵向头颅侧位片（1257对生长前后影像）	计算机视觉	不适用	无	TabNet深度神经网络	图像（头颅侧位片）	33名受试者，共1257对生长前后头颅侧位片	PyTorch	TabNet	预测误差（毫米）	不适用
1495	2026-05-04	Model-Based Convolution Neural Network for 3D Near-Infrared Spectral Tomography 2025-05, IEEE transactions on medical imaging IF:8.9Q1 DOI:10.1109/TMI.2025.3529621 PMID:40031020	研究论文	开发一种将扩散方程模型与卷积神经网络集成的重建算法，用于三维近红外光谱断层成像	首次将扩散方程模型与卷积神经网络结合，通过深度学习学习正则化先验，在未使用真实患者数据训练的情况下，在真实数据上实现优于传统方法和纯深度学习算法的图像重建性能	模型基于数值仿真数据和简单几何形状的仿真体模训练，未在患者数据上进行训练，可能限制对复杂临床场景的泛化能力	解决近红外光谱断层成像重建中因光扩散和有限边界测量导致的病态和不适定问题	生物组织中的发色团浓度图像（总血红蛋白和水浓度）	计算机视觉, 机器学习	NA	近红外光谱断层成像	卷积神经网络	图像	数值仿真数据、物理体模数据和临床患者数据（具体数量未说明）	PyTorch	卷积神经网络	绝对偏差误差, 峰值信噪比	未说明
1496	2026-05-04	Deep learning-based denoising image reconstruction of body magnetic resonance imaging in children 2025-05, Pediatric radiology IF:2.1Q2 DOI:10.1007/s00247-025-06230-5 PMID:40186652	研究论文	评估基于深度学习的去噪图像重建在儿童体部磁共振成像中的图像质量	首次系统评估深度学习去噪重建技术在儿童体部MRI中的应用效果，尤其是采用径向k空间采样（PROPELLER）的序列	样本量较小（21名儿童），且未包括非PROPELLER序列的比较	评估深度学习去噪重建技术对儿童体部MRI图像质量的影响	接受胸腹MRI检查的21名儿童（中位年龄7岁）	数字病理学	NA	MRI成像	深度学习去噪模型	图像	21名儿童（年龄范围1.5岁至15.8岁）	NA	NA	信噪比（SNR）、对比噪声比（CNR）、4点Likert量表	NA
1497	2026-05-04	A magnetic resonance image-based deep learning radiomics nomogram for hepatocyte cytokeratin 7 expression: application to predict cholestasis progression in children with pancreaticobiliary maljunction 2025-05, Pediatric radiology IF:2.1Q2 DOI:10.1007/s00247-025-06225-2 PMID:40186654	研究论文	开发基于磁共振图像的深度学习影像组学列线图，用于术前识别儿童胰胆管合流异常患者肝细胞角蛋白7表达并预测胆汁淤积进展	首次结合深度学习特征、影像组学特征和临床特征构建集成列线图，实现无创评估CK7表达状态	仅回顾性纳入180例患者，样本量有限；验证队列较小（n=36），可能影响模型泛化性	建立非侵入性方法评估胰胆管合流异常患者肝细胞CK7表达，预测胆汁淤积进展	儿童胰胆管合流异常患者	机器学习	肝胆疾病	MRI, 免疫组化分析	深度学习模型（ResNet50）	磁共振图像	180例患者（训练集144例，验证集36例）	Pyradiomics	ResNet50	AUC	NA
1498	2026-05-04	Exploring Deep Learning Applications using Ultrasound Single View Cines in Acute Gallbladder Pathologies: Preliminary Results 2025-02, Academic radiology IF:3.8Q1 DOI:10.1016/j.acra.2024.08.061 PMID:39306521	研究论文	利用超声单视图动态影像开发深度学习模型，以区分正常胆囊、非紧急胆石症和需紧急干预的急性结石性胆囊炎	首次使用超声单视图动态影像进行深度学习建模，区分胆囊正常、非紧急胆石症和需紧急干预的急性胆囊炎，具有高精度和特异性	初步研究，样本量有限（186名患者，266个动态影像），仅使用单视图动态影像，可能无法代表完整临床场景	开发深度学习模型，利用超声单视图动态影像区分正常胆囊、非紧急胆石症和需紧急干预的急性结石性胆囊炎	急诊科出现右上腹疼痛的成年患者的超声单视图动态影像，涵盖正常、非紧急胆石症和急性胆囊炎三类	计算机视觉	胆囊疾病	超声成像	深度学习模型（未明确具体类型，如CNN）	超声动态影像（单视图）	186名患者，共266个动态影像（正常：52人/104个，非紧急胆石症：73人/88个，急性胆囊炎：61人/74个）	NA	NA	准确率、特异性	NA
1499	2026-05-04	Large Language Models can Help with Biostatistics and Coding Needed in Radiology Research 2025-02, Academic radiology IF:3.8Q1 DOI:10.1016/j.acra.2024.09.042 PMID:39406582	研究论文	评估大型语言模型在放射学研究中的统计和深度学习代码生成能力	首次系统评估 ChatGPT 和 Gemini 在放射学研究中生成统计测试、R 语言代码和深度学习模型代码的性能	LLM 存在幻觉风险、代码生成错误，需要用户验证和优化代码，且受数据隐私法规限制	测试 LLM 在放射学研究中提供统计解决方案和深度学习代码的能力	ChatGPT-4o、ChatGPT-3.5 和 Google Gemini	自然语言处理	NA	NA	大型语言模型	文本	8 个统计问题，1 个深度学习任务	PyTorch	Vision Transformer (ViT-B/16)	代码正确率、运行时错误次数	网络聊天界面，未指定 GPU
1500	2026-05-04	A Deep Learning-Based Framework for Predicting Intracerebral Hematoma Expansion Using Head Non-contrast CT Scan 2025-01, Academic radiology IF:3.8Q1 DOI:10.1016/j.acra.2024.07.039 PMID:39107191	研究论文	基于深度学习的框架，利用头部非对比CT扫描预测脑内血肿扩展	开发了一个全自动的两阶段深度学习框架，用于仅使用临床非对比CT扫描预测血肿扩展，并在大型多中心数据集上验证其性能优于常用的BAT评分	NA	开发并验证一个基于深度学习的全自动框架，用于预测脑内出血患者的血肿扩展	脑内出血患者的头部非对比CT扫描图像	机器学习，计算机视觉	脑内出血	非对比CT扫描	深度学习模型	图像	回顾性数据集2484例来自84个中心，前瞻性数据集500例来自26个中心	NA	两阶段框架	AUC，敏感性，特异性	NA