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
141	2025-12-18	Clinical value of the 70-kVp ultra-low-dose CT pulmonary angiography with deep learning image reconstruction 2026-Jan, European radiology IF:4.7Q1 DOI:10.1007/s00330-025-11764-1 PMID:40603771	研究论文	本研究评估了基于深度学习图像重建算法的低辐射剂量和低对比剂剂量的CT肺动脉造影的可行性	结合70 kVp超低剂量协议与深度学习图像重建算法，实现了辐射剂量和对比剂剂量的双重降低，同时保持了图像质量并提高了肺动脉远端分支的可视性	样本量相对较小（100名患者），且研究为单中心前瞻性设计，可能限制了结果的普遍适用性	评估深度学习图像重建算法在低剂量CT肺动脉造影中的临床应用价值	连续100名接受CT肺动脉造影的患者	数字病理学	心血管疾病	CT肺动脉造影	深度学习图像重建算法	CT图像	100名患者（50名常规剂量组，50名低剂量组）	NA	NA	CT值、标准差、信噪比、对比噪声比、图像质量评分	NA
142	2025-12-18	Motion artifacts and image quality in stroke MRI: associated factors and impact on AI and human diagnostic accuracy 2026-Jan, European radiology IF:4.7Q1 DOI:10.1007/s00330-025-11807-7 PMID:40664863	研究论文	评估疑似卒中患者MRI中运动伪影的患病率、相关因素及其对AI和放射科医生诊断准确性的影响	首次在疑似卒中患者队列中系统评估运动伪影的患病率，并比较其对AI工具和放射科医生诊断准确性的不同影响	回顾性单中心研究，可能限制结果的普适性；样本量相对有限	确定卒中MRI中运动伪影的相关因素及其对诊断准确性的影响	疑似卒中成年患者的脑部MRI扫描	医学影像分析	卒中	脑部MRI	深度学习工具	医学影像	775名患者（平均年龄68岁，420名女性）	NA	NA	诊断准确性	NA
143	2025-12-18	Super-resolution deep learning in pediatric CTA for congenital heart disease: enhancing intracardiac visualization under free-breathing conditions 2026-Jan, European radiology IF:4.7Q1 DOI:10.1007/s00330-025-11800-0 PMID:40670764	研究论文	本研究评估了超分辨率深度学习重建（SR-DLR）、传统深度学习重建（C-DLR）和混合迭代重建（HIR）在自由呼吸条件下增强儿科先天性心脏病（CHD）CT血管造影（CCTA）图像质量和诊断性能的效果	在儿科自由呼吸CCTA中应用超分辨率深度学习重建（SR-DLR），显著提升了图像质量和对小病灶（如多孔房间隔缺损和室间隔缺损）的检测灵敏度，诊断准确率接近超声水平	研究样本量相对较小（91例），且仅针对1-10岁疑似先天性心脏病的儿科患者，未涵盖更广泛的年龄组或疾病类型	评估和比较不同图像重建算法在儿科先天性心脏病CT血管造影中的图像质量和诊断性能	91名1-10岁疑似先天性心脏病的儿科患者，在自由呼吸条件下接受心脏CT血管造影检查	医学影像分析	先天性心脏病	CT血管造影（CCTA），超分辨率深度学习重建（SR-DLR），传统深度学习重建（C-DLR），混合迭代重建（HIR）	深度学习模型（具体架构未明确说明）	医学影像（CT图像）	91名儿科患者	NA	NA	准确率, 灵敏度, 阴性预测值, 标准差（SD）, 信噪比（SNR）, 对比噪声比（CNR）	NA
144	2025-12-18	Deep learning-based ultrasound diagnostic model for follicular thyroid carcinoma 2026-Jan, European radiology IF:4.7Q1 DOI:10.1007/s00330-025-11840-6 PMID:40681777	研究论文	本研究开发了一种基于深度学习的端到端超声诊断模型，用于术前区分甲状腺良性肿瘤、滤泡状甲状腺癌（FTC）和其他恶性肿瘤	提出了一种新颖的数据增强方法和混合损失函数，以解决数据集不平衡问题，并将其应用于预训练的卷积神经网络和Transformer模型，有效提取图像特征，直接识别FTC	回顾性多中心研究，可能存在选择偏倚；FTC样本数量相对较少（测试集中仅占3.6%）	开发一种基于深度学习的超声诊断模型，以提高滤泡状甲状腺癌的术前诊断准确性	甲状腺肿瘤患者的超声图像	计算机视觉	甲状腺癌	常规超声成像	CNN, Transformer	图像	10771名连续成年患者（2018年1月至2021年9月期间接受常规超声和术后病理检查）	NA	预训练的卷积神经网络和Transformer模型	平衡准确度, AUC, 敏感性, 特异性	NA
145	2025-12-18	Diagnostic interchangeability of deep-learning based Synth-STIR images generated from T1 and T2 weighted spine images 2026-Jan, European radiology IF:4.7Q1 DOI:10.1007/s00330-025-11827-3 PMID:40681776	研究论文	本研究评估了通过深度学习从T1和T2加权脊柱图像生成的合成短时反转恢复（Synth-STIR）图像的质量和诊断可互换性	利用深度学习从T1和T2加权图像生成Synth-STIR，显著减少扫描时间约180秒，同时提高信噪比和对比噪声比	研究为前瞻性单中心设计，样本量有限（199名参与者），且未明确说明深度学习模型的具体架构和训练细节	评估深度学习生成的Synth-STIR图像在脊柱MRI中的图像质量和诊断可互换性，以提高临床效率	脊柱MRI图像，包括标准STIR和从T1/T2加权图像生成的Synth-STIR	医学影像分析	脊柱异常	深度学习，MRI成像（T1WI, T2WI, STIR）	深度学习模型	医学图像（MRI）	199名参与者（106名男性，平均年龄46.8±16.9岁）	NA	NA	信噪比（SNR），对比噪声比（CNR），主观图像质量评估，个体等效指数（IEI），Kappa系数，Kendall一致性系数，McNemar检验	NA
146	2025-12-18	Advances in IPMN imaging: deep learning-enhanced HASTE improves lesion assessment 2026-Jan, European radiology IF:4.7Q1 DOI:10.1007/s00330-025-11857-x PMID:40691513	研究论文	本研究评估了深度学习加速的HASTE MRI序列在胰腺导管内乳头状黏液性肿瘤成像中的性能，发现其在图像质量、病灶显影和小囊肿检测方面优于标准序列	首次将深度学习加速的HASTE序列应用于IPMN的MRI评估，并证明了其在提升图像质量、缩短扫描时间和提高小病灶检测能力方面的优势	研究为回顾性设计，样本量较小（59例患者），且仅使用3-Tesla扫描器，结果可能无法推广到其他场强设备	评估深度学习加速的MRI新技术在胰腺导管内乳头状黏液性肿瘤成像和评估中的临床应用价值	接受腹部MRI检查的胰腺导管内乳头状黏液性肿瘤患者	医学影像分析	胰腺肿瘤	深度学习加速的半傅里叶单次激发快速自旋回波序列	深度学习模型	MRI图像	59例患者	NA	NA	图像质量评分、病灶显影度、最小可检测囊肿尺寸、观察者间一致性	3-Tesla MRI扫描器
147	2025-12-18	Deep learning reconstruction of zero echo time magnetic resonance imaging: diagnostic performance in axial spondyloarthritis 2026-Jan, European radiology IF:4.7Q1 DOI:10.1007/s00330-025-11843-3 PMID:40707731	研究论文	本研究比较了深度学习重建的零回波时间MRI在诊断中轴型脊柱关节炎患者结构病变方面的诊断性能，以CT为参考标准	首次将深度学习重建技术应用于零回波时间MRI，以增强对骶髂关节骨硬化和骨侵蚀等微小结构病变的检测能力	样本量较小（仅26名患者），且研究为单中心设计，可能限制结果的普遍性	评估深度学习重建的零回波时间MRI在中轴型脊柱关节炎结构病变诊断中的性能	中轴型脊柱关节炎患者的骶髂关节（包括52个关节和104个象限）	医学影像分析	中轴型脊柱关节炎	零回波时间磁共振成像，深度学习重建	深度学习模型	MRI图像	26名患者（52个骶髂关节，104个象限）	NA	NA	诊断性能（敏感性、特异性等），加权Kappa系数（用于评估读者间一致性）	NA
148	2025-09-05	From detection to decision: Can deep learning-based CADx meet the challenge of incidental pulmonary nodules? 2026-Jan, European radiology IF:4.7Q1 DOI:10.1007/s00330-025-11935-0 PMID:40906185	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
149	2025-12-18	GIMS: Image matching system based on adaptive graph construction and graph neural network 2026-Jan, Neural networks : the official journal of the International Neural Network Society IF:6.0Q1 DOI:10.1016/j.neunet.2025.108030 PMID:40907360	研究论文	本文提出了一种基于自适应图构建和图神经网络的图像匹配系统，通过结合GNN和Transformer提升匹配性能	引入了创新的自适应图构建方法，利用基于距离和动态阈值相似性的过滤机制，并融合GNN的顶点处理能力和Transformer的全局感知能力	NA	提升基于特征的图像匹配性能	图像中的关键点	计算机视觉	NA	NA	GNN, Transformer	图像	广泛图像数据集	NA	GNN, Transformer	整体匹配性能提升倍数	多GPU技术
150	2025-12-18	Multimodal self-supervised retinal vessel segmentation 2026-Jan, Neural networks : the official journal of the International Neural Network Society IF:6.0Q1 DOI:10.1016/j.neunet.2025.108011 PMID:40921125	研究论文	本文提出了一种新颖的自监督预训练框架，利用未标记的多模态眼底图像对来提升视网膜血管分割的准确性	提出了一种利用多模态图像互补差异构建血管信息融合图的自监督预训练框架，通过Vision Transformer编码和相关性滤波实现，并在INFOMAX损失指导下学习实例级判别特征	未明确说明框架在计算资源需求方面的具体限制，也未讨论在不同临床环境中的泛化能力	开发一种减少标注依赖的视网膜血管自动分割方法	视网膜眼底图像	计算机视觉	NA	自监督学习，多模态特征融合	Vision Transformer	多模态眼底图像	未在摘要中明确说明	NA	Vision Transformer	NA	NA
151	2025-12-18	Dynamic network compression via probabilistic channel pruning 2026-Jan, Neural networks : the official journal of the International Neural Network Society IF:6.0Q1 DOI:10.1016/j.neunet.2025.108080 PMID:40925121	研究论文	本文提出了一种基于概率通道剪枝的动态网络压缩方法，以减少深度学习模型的参数数量并提升效率	开发了概率连接模块，能在训练期间动态激活和停用通道连接，无需对剪枝后模型进行微调，并通过卷积分解有效诱导稀疏性	未明确提及具体局限性，但可能包括对特定模型架构的依赖或泛化能力的验证不足	解决神经网络压缩问题，以克服计算密集型深度学习模型的限制	深度学习模型，特别是ResNet-56和VGG-19架构	机器学习	NA	网络剪枝	CNN	NA	NA	NA	ResNet, VGG	准确率	NA
152	2025-12-18	Learning in PINNs: Phase transition, diffusion equilibrium, and generalization 2026-Jan, Neural networks : the official journal of the International Neural Network Society IF:6.0Q1 DOI:10.1016/j.neunet.2025.107983 PMID:40884895	研究论文	本文通过神经梯度信噪比研究全连接神经网络的学习动态，识别出扩散平衡相，并提出样本重加权方案以改善泛化能力	识别出训练中的扩散平衡相，提出样本重加权方案以提高残差同质性和泛化能力，并发现激活饱和驱动的信息压缩现象	研究主要基于物理信息神经网络，可能在其他网络架构或任务中的普适性有待验证	研究非凸目标中一阶优化器的行为，探索神经网络学习动态与泛化能力的关系	全连接神经网络的学习动态，特别是梯度对齐和残差同质性	机器学习	NA	NA	全连接神经网络	NA	NA	NA	NA	NA	NA
153	2025-12-18	Integrating multi-polygenic scores for enhanced prediction of antidepressant treatment outcomes in an East Asian population 2026-Jan, Neuropsychopharmacology : official publication of the American College of Neuropsychopharmacology IF:6.6Q1 DOI:10.1038/s41386-025-02269-y PMID:41152404	研究论文	本研究通过整合多基因风险评分，旨在提升对东亚人群选择性5-羟色胺再摄取抑制剂抗抑郁治疗结局的预测能力	首次在东亚人群中系统评估多基因风险评分对SSRI治疗结局的预测价值，并整合多祖先数据及早期症状改善信息以提升预测准确性	样本量相对有限，且仅针对东亚人群，未来需要更大规模、更多样化的队列及额外生物标志物验证	提升抗抑郁治疗结局的预测准确性，推动个体化治疗策略	接受SSRI治疗的台湾地区抑郁症患者队列	机器学习	抑郁症	全基因组关联研究，多基因风险评分	广义线性混合模型，机器学习算法，深度学习算法	基因组数据，临床变量，人口统计学数据	两个台湾队列共422名患者（VGHTP队列177人，NHRI队列245人）	PRS-CS, PRS-CSx, glmmLasso	NA	曲线下面积	NA
154	2025-12-18	Integration of radiomics, habitat imaging, and deep learning for MRI-based prediction of parametrial invasion in cervical cancer: A dual-center study 2026-Jan, Magnetic resonance imaging IF:2.1Q2 DOI:10.1016/j.mri.2025.110542 PMID:41173217	研究论文	本研究评估了放射组学、生境成像和2.5D深度学习模型在基于MRI预测宫颈癌宫旁浸润中的诊断性能，并探讨了多模态整合模型的临床效用	首次将放射组学、生境成像和2.5D深度学习模型结合，构建多模态整合模型用于预测宫颈癌宫旁浸润，并在双中心数据中验证其优越性能	研究为回顾性设计，样本量相对有限（共290例患者），且仅基于MRI数据，未来需前瞻性多中心验证并整合更多模态信息	评估多模态模型在预测宫颈癌宫旁浸润中的诊断性能，以优化术前评估和临床决策	FIGO分期为IB1-IIB的宫颈癌患者	医学影像分析	宫颈癌	MRI成像, k-means聚类, 放射组学特征提取	深度学习模型, 机器学习模型	MRI图像	290例患者（中心A: 227例，中心B: 63例）	NA	2.5D深度学习模型	AUC, 准确率	NA
155	2025-12-18	Economic Value of AI in Radiology: A Systematic Review 2026-Jan, Radiology. Artificial intelligence DOI:10.1148/ryai.250090 PMID:41258794	系统综述	本文对2010年至2024年间发表的关于人工智能在放射学工作流程中经济价值的原始研究进行了系统性回顾	首次系统性地总结了AI在放射学领域经济价值的证据，明确了其价值实现取决于任务复杂性、检查量和实施模式等具体情境	纳入研究数量有限（仅21项），且研究质量参差不齐，可能影响结论的普遍性	评估人工智能在放射学工作流程中的经济价值	涉及人工智能经济价值的原始研究文章	医疗人工智能	NA	机器学习、深度学习、计算机辅助诊断、自然语言处理	NA	NA	从1879项初始搜索结果中筛选出21项研究	NA	NA	成本节约、增量成本效益比	NA
156	2025-12-18	Dual-channel hierarchical interactive learning for the prediction of Protein-Ligand binding affinity 2026-Jan, Neural networks : the official journal of the International Neural Network Society IF:6.0Q1 DOI:10.1016/j.neunet.2025.107982 PMID:40845562	研究论文	本文提出了一种名为双通道分层交互学习（DHIL）的新方法，用于更全面地建模蛋白质-配体相互作用，以提高结合亲和力预测的准确性	采用双通道编码结构同时学习分子内和分子间相互作用，并设计了分层交互学习范式，在多个层次上促进两类相互作用之间的信息交换，模拟了生物系统从局部到全局的工作机制	由于多尺度图构建和跨层消息传递，该框架引入了显著的计算开销；并且对输入3D结合构象的质量敏感，可能影响其在实际应用中的鲁棒性	提高蛋白质-配体结合亲和力（PLBA）的预测准确性，以支持药物筛选和发现	蛋白质-配体复合物	机器学习	NA	NA	深度学习	3D结构数据	NA	NA	双通道分层交互学习（DHIL）	准确性	NA
157	2025-12-18	ITSEF: Inception-based two-stage ensemble framework for P300 detection 2026-Jan, Neural networks : the official journal of the International Neural Network Society IF:6.0Q1 DOI:10.1016/j.neunet.2025.108014 PMID:40857922	研究论文	本文提出了一种基于Inception的两阶段集成框架（ITSEF），用于提高P300脑机接口中P300信号的检测准确率	设计了一种结合Inception卷积神经网络（ICNN）进行多尺度特征提取和跨通道学习的两阶段集成框架，并采用预训练和微调策略，通过动态加权两个分支的预测结果，使模型学习重点从多数类逐渐转向少数类，从而提升分类性能和泛化能力	NA	解决P300脑机接口中信号信噪比低、被试个体差异大以及类别不平衡的问题，以提高P300检测准确率	P300脑电信号	脑机接口	NA	脑电图（EEG）	CNN, 集成学习	脑电信号数据	两个数据集：BCI Competition III的Dataset II和BCIAUT-P300数据集	NA	Inception-based CNN (ICNN)	分类准确率	NA
158	2025-12-18	Hypothesis spaces for deep learning 2026-Jan, Neural networks : the official journal of the International Neural Network Society IF:6.0Q1 DOI:10.1016/j.neunet.2025.107995 PMID:40882408	研究论文	本文为基于深度神经网络（DNNs）的深度学习引入了一个假设空间，通过将DNN视为输入变量和参数变量的函数，构建了一个Banach空间，并证明其为再生核Banach空间（RKBS），进而研究了正则化学习和最小范数插值问题	提出将DNN视为双变量函数来构建假设空间，并证明该空间为RKBS，为深度学习提供了新的理论框架	未在具体数据集或实际应用中验证理论框架的有效性	为深度学习建立理论假设空间并研究学习模型	深度神经网络（DNNs）及其参数空间	机器学习	NA	NA	深度神经网络（DNNs）	NA	NA	NA	NA	NA	NA
159	2025-12-18	AutoProfile: Automated profiling in deep learning-based side-channel analysis 2026-Jan, Neural networks : the official journal of the International Neural Network Society IF:6.0Q1 DOI:10.1016/j.neunet.2025.108009 PMID:40882410	研究论文	本文提出了一种名为AutoProfile的新方法，用于增强基于深度学习的侧信道分析中配置攻击的效果	AutoProfile针对侧信道分析定制了贝叶斯优化的两个核心组件：建模策略和获取函数，从而显著提升了攻击性能	NA	提高基于深度学习的侧信道分析在强密码系统中的攻击效率	公开可用的真实侧信道测量数据集	机器学习	NA	深度学习	NA	侧信道测量数据	NA	NA	NA	攻击所需轨迹数量减少百分比	NA
160	2025-12-18	Spatial-frequency domain aggregation upsampling for pan-sharpening 2026-Jan, Neural networks : the official journal of the International Neural Network Society IF:6.0Q1 DOI:10.1016/j.neunet.2025.108007 PMID:40884893	研究论文	本文提出了一种新颖的空间-频域聚合上采样方法，用于提升全色锐化的性能	提出了空间-频域聚合上采样方法，包含双域非线性融合、区域特定注意力机制和自适应特征融合门三个核心模块，有效平衡空间与光谱信息	NA	提升遥感图像全色锐化的质量，生成高分辨率多光谱图像	高分辨率全色图像与低分辨率多光谱图像	计算机视觉	NA	深度学习	CNN	图像	NA	PyTorch	SFAU	NA	NA