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
17721	2026-01-09	Explainable Artificial Intelligence Framework for Predicting Treatment Outcomes in Age-Related Macular Degeneration 2025-Nov-11, Sensors (Basel, Switzerland) DOI:10.3390/s25226879 PMID:41305085	研究论文	本文提出了一种结合神经符号推理和大语言模型的混合框架，用于预测年龄相关性黄斑变性（AMD）的治疗结果，并提供可解释的风险评估	提出了一种混合神经符号与大语言模型（LLM）的框架，将机制性疾病知识与多模态眼科数据相结合，实现了可解释的AMD治疗预后预测	研究受限于单中心范围和短期随访	开发一个可解释的人工智能框架，用于预测年龄相关性黄斑变性（AMD）的治疗结果	年龄相关性黄斑变性（AMD）患者	数字病理学	年龄相关性黄斑变性	光学相干断层扫描、眼底荧光素血管造影、扫描激光检眼镜、眼部/浅表B超	神经符号模型, 大语言模型（LLM）	图像, 文本	10名手术治疗的AMD患者（6名男性，4名女性；平均年龄67.8±6.3岁），包含30份结构化临床文档和100个配对成像序列	NA	NA	AUROC, AUPRC, Brier分数	NA
17722	2026-01-09	Establishing prospective performance monitoring for real-world implementation of deep learning-based auto-segmentation in prostate cancer radiotherapy 2025-Oct, Physics and imaging in radiation oncology DOI:10.1016/j.phro.2025.100886 PMID:41488801	研究论文	本研究开发了一个基于回顾性数据的实用框架，用于前列腺癌放疗中深度学习自动分割模型的实时性能监测	首次提出将统计过程控制图应用于深度学习自动分割模型的性能监控，以检测数据漂移和临床实践变化	研究基于回顾性数据，且仅针对前列腺癌放疗场景，未在其他疾病或医疗环境中验证	建立深度学习自动分割模型在前列腺癌放疗中的前瞻性性能监控框架	前列腺癌放疗患者的临床轮廓分割	数字病理学	前列腺癌	深度学习自动分割	U-Net	医学图像	464例前列腺癌病例，时间跨度为20个月	NA	2D U-Net, 3D U-Net	Dice相似系数, 95百分位Hausdorff距离, 表面DSC	NA
17723	2026-01-09	Multimodal Data and Deep Learning-Driven Diagnostic and Therapeutic Assistance Framework for Patellar Dislocation 2025-Jul, Annual International Conference of the IEEE Engineering in Medicine and Biology Society. IEEE Engineering in Medicine and Biology Society. Annual International Conference DOI:10.1109/EMBC58623.2025.11253687 PMID:41336970	研究论文	本研究结合多模态数据和人工智能算法，构建了一个用于识别解剖风险因素、预测复发风险和评估术后结果的模型	提出了一个整合术前、术中和术后信息的三阶段建模框架，并在复发风险预测模块中首次纳入了脂质代谢谱和临床变量	未来工作需纳入真实世界影像数据以提升影像分析组件的性能	构建一个全面的多模态融合模型，为髌骨脱位的诊断、预后和治疗提供更准确和个体化的临床决策支持	髌骨脱位患者	机器学习	骨科疾病	多模态数据整合	深度学习	多模态数据（包括临床变量、脂质代谢谱等）	NA	NA	NA	AUC, F1-score, 敏感性	NA
17724	2026-01-09	Segmenting the Inferior Alveolar Canal in CBCTs Volumes: The ToothFairy Challenge 2025-04, IEEE transactions on medical imaging IF:8.9Q1 DOI:10.1109/TMI.2024.3523096 PMID:40030587	研究论文	本文介绍了在MICCAI 2023会议上组织的ToothFairy挑战赛，该挑战赛旨在促进下牙槽神经管（IAC）在锥形束计算机断层扫描（CBCT）中的分割研究，并发布了最大的公开数据集用于比较评估	组织了首个针对IAC分割的公开挑战赛，并发布了该领域最大的公开标注数据集，首次在共同基准上对多种算法进行了全面的比较评估	数据集仅包含443个CBCT扫描，其中仅153个具有体素级标注，可能限制了某些深度学习模型的训练效果	促进下牙槽神经管（IAC）在CBCT扫描中的自动分割算法的研究与发展，并建立公共基准用于比较评估	锥形束计算机断层扫描（CBCT）中的下牙槽神经管（IAC）	数字病理学	NA	锥形束计算机断层扫描（CBCT）	NA	3D医学影像（CBCT扫描）	443个CBCT扫描（其中153个具有体素级标注）	NA	NA	NA	NA
17725	2026-01-09	Long-Term Carotid Plaque Progression and the Role of Intraplaque Hemorrhage: A Deep Learning-Based Analysis of Longitudinal Vessel Wall Imaging 2025-Feb-19, medRxiv : the preprint server for health sciences DOI:10.1101/2024.12.09.24318661 PMID:39711698	研究论文	本研究利用深度学习分割技术分析纵向血管壁成像数据，评估颈动脉斑块内出血对长期斑块负荷进展的影响	首次结合深度学习分割与纵向多对比磁共振血管壁成像，量化分析颈动脉斑块内出血的长期动态变化及其对斑块进展的加速作用	样本量较小（28名无症状受试者），且为观察性研究，无法确定因果关系	评估颈动脉斑块内出血对长期斑块负荷进展的影响	无症状颈动脉粥样硬化受试者的颈动脉斑块	数字病理学	心血管疾病	多对比磁共振血管壁成像	深度学习分割模型	磁共振图像	28名无症状受试者，共50条动脉，平均每名受试者接受4.7次扫描，随访时间平均5.8年	NA	NA	NA	NA
17726	2026-01-09	Deep Learning Enabled Scoring of Pancreatic Neuroendocrine Tumors Based on Cancer Infiltration Patterns 2025-Jan-23, Endocrine pathology IF:11.3Q1 DOI:10.1007/s12022-025-09846-3 PMID:39847242	研究论文	本研究提出了一种基于深度学习的计算流程，首次自动分类胰腺神经内分泌肿瘤，通过细胞实体图构建和图神经网络整合病理学领域知识	首次将病理学领域知识整合到图神经网络的构建和训练中，以更深入地利用肿瘤微环境及其结构变化进行肿瘤分类	研究仅基于105张HE染色全切片图像，样本量相对有限，且未提及外部验证或泛化能力评估	开发自动化系统以减少观察者变异性，实现胰腺神经内分泌肿瘤的客观分类	胰腺神经内分泌肿瘤的组织样本	数字病理学	胰腺神经内分泌肿瘤	HE染色	图神经网络	图像	105张HE染色全切片图像	NA	图神经网络	F1分数	NA
17727	2026-01-09	ESA-YOLOv5m: a lightweight spatial and improved attention-driven detection for brain tumor MRI analysis 2025, Frontiers in medicine IF:3.1Q1 DOI:10.3389/fmed.2025.1733180 PMID:41488085	研究论文	本研究提出了一种集成增强空间注意力（ESA）的YOLOv5m轻量级框架，用于MRI扫描中的脑肿瘤检测	在YOLOv5m架构中引入轻量级ESA模块，置于SPPF层后，以增强特征判别能力并抑制背景噪声，提高定位精度而不增加计算复杂度	未明确提及，但可能包括数据集规模有限或仅针对特定MRI数据类型的泛化能力	开发一种轻量级且高效的脑肿瘤检测模型，以支持实时临床部署和边缘医疗应用	脑肿瘤MRI图像，包括胶质瘤、脑膜瘤和垂体瘤三类	计算机视觉	脑肿瘤	MRI	CNN	图像	Figshare脑肿瘤MRI数据集，具体样本数未明确，包含三类肿瘤	PyTorch	YOLOv5m, ESA	精确率, 召回率, mAP@0.5	未明确指定GPU类型，但提及实时推理和边缘应用，暗示可能使用常见GPU或嵌入式设备
17728	2026-01-09	The apple detection method based on multimodal features 2025, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0334911 PMID:41129553	研究论文	本文提出了一种基于多模态特征融合的苹果检测方法，旨在提升复杂环境下的检测性能	通过融合RGB图像、颜色与边缘特征图、深度特征图和点云四种互补模态，而非激进的结构修改，来增强特征表示和模型鲁棒性	NA	提高复杂环境下苹果和其他水果的检测准确性	苹果和其他水果	计算机视觉	NA	双目主动红外立体相机	YOLOv5	图像, 点云	NA	NA	YOLOv5	精确率, 召回率, F1分数	NA
17729	2026-01-09	Accurate classification of major brain cell types using in vivo imaging and neural network processing 2023-11, PLoS biology IF:7.8Q1 DOI:10.1371/journal.pbio.3002357 PMID:37943858	研究论文	本文介绍了一种结合活体双光子成像和深度学习的方法，用于无创分类小鼠大脑中的主要细胞类型	开发了NuCLear方法，首次实现基于活体成像和深度学习对大脑细胞类型进行非侵入性分类和三维定位	仅使用单一标记（组蛋白2B-eGFP），可能限制对其他细胞特征的识别；方法目前仅在小鼠次级运动皮层验证	开发一种非侵入性方法，用于长期研究生理和病理条件下大脑细胞类型组成的变化	小鼠次级运动皮层中的细胞核	数字病理学	NA	活体双光子成像，组蛋白2B-eGFP标记	深度学习	图像	约25,000个细胞（来自0.25 mm³成像体积）	NA	NA	NA	NA
17730	2026-01-08	Investigation of cervical cell image segmentation technology based on deep learning and non-coding RNAs 2026-Apr, Non-coding RNA research IF:5.9Q1 DOI:10.1016/j.ncrna.2025.09.009 PMID:41488159	综述	本文综述了基于深度学习和非编码RNA的宫颈细胞图像分割技术，探讨了其在医学诊断中的应用与挑战	结合深度学习方法（如CNN、U-Net）与非编码RNA研究，以提升宫颈细胞图像分割的精度和效率	本文为综述性文章，未涉及具体实验数据或模型验证，主要基于文献调研，缺乏原创性实证研究	探索深度学习技术在宫颈细胞图像分割中的应用，并比较不同模型（如CNN、全卷积网络、U-Net）的特点和性能	宫颈细胞图像	计算机视觉	宫颈癌	NA	CNN, 全卷积网络, U-Net	图像	NA	NA	CNN, 全卷积网络, U-Net	NA	NA
17731	2026-01-08	Reply to comment on impact of deep learning on CT-based organ-at-risk delineation for flank irradiation in paediatric renal tumours: A SIOP-RTSG radiotherapy committee 2026-Mar, Clinical and translational radiation oncology IF:2.7Q2 DOI:10.1016/j.ctro.2025.101087 PMID:41487396	回复	本文是对评论的回应，澄清了关于深度学习在儿童肾肿瘤侧腹放疗中CT自动轮廓勾画研究的方法学和临床方面	通过回应评论，强调了研究中对STAPLE共识轮廓偏见的处理，并解释了为何剂量分析和不确定性量化在当前阶段非必需	研究在受控的研讨会环境中进行，未能完全反映真实世界的临床工作流程	评估深度学习在儿童肾肿瘤侧腹放疗中器官风险自动轮廓勾画的影响	儿童肾肿瘤患者	数字病理学	肾肿瘤	CT成像	深度学习	CT图像	NA	NA	NA	几何评估	NA
17732	2026-01-08	Toward accurate breast cancer classification: A review of multi-modal machine learning approaches 2026-Feb, Methods (San Diego, Calif.) DOI:10.1016/j.ymeth.2025.10.011 PMID:41265505	综述	本文综述了多模态机器学习方法在乳腺癌分类中的应用，包括恶性与良性分类及分子亚型分类	探讨了多模态数据融合技术、注意力机制Transformer架构在WSI标注中的应用，以及模型可解释性工具	NA	提高乳腺癌分类准确性，推动精准肿瘤学发展	乳腺癌分类及分子亚型识别	机器学习	乳腺癌	转录组学、影像学、基因组学	深度学习算法、传统模型、机器学习模型	图像、转录组数据、基因组数据	NA	NA	注意力机制Transformer、多实例学习架构	NA	NA
17733	2026-01-08	Battery SOH estimation based on thermodynamic parameters from an electrochemical fractional-order model and LSTM 2026-Jan-16, iScience IF:4.6Q1 DOI:10.1016/j.isci.2025.114234 PMID:41488788	研究论文	本文提出了一种基于电化学分数阶模型热力学参数和LSTM的锂离子电池健康状态估计方法	结合电池机理模型与深度学习，利用热力学参数替代传统外部特征，提高了估计精度和可解释性	未明确说明模型在极端工况或不同电池类型上的泛化能力	提高锂离子电池健康状态估计的准确性和可解释性	锂离子电池	机器学习	NA	电化学分数阶模型	LSTM	热力学参数	8个验证电池	NA	LSTM	均方根误差	NA
17734	2026-01-08	Robust CNN multi-nested-LSTM framework with compound loss for patch-based multi-push ultrasound shear wave imaging and segmentation 2026-Jan-07, Physics in medicine and biology IF:3.3Q1 DOI:10.1088/1361-6560/ae2db8 PMID:41401501	研究论文	提出了一种新颖的两阶段深度学习框架，用于解决超声剪切波成像中的噪声敏感性、多推策略效率低和标注数据有限等问题，实现稳健的弹性重建和病灶分割	提出了一种结合CNN和多嵌套LSTM的两阶段深度学习框架，采用基于块的训练策略和复合损失函数，有效解决了数据稀缺和噪声敏感性问题	方法在模拟和体模数据上验证，虽在猪肝数据上测试，但临床人体数据验证仍需进一步研究	开发一种稳健的深度学习框架，用于超声剪切波弹性成像的重建和病灶分割	超声剪切波弹性成像数据	医学影像分析	组织病理学评估	超声剪切波弹性成像	CNN, LSTM	超声运动数据	模拟数据、CIRS体模数据和猪肝实验数据	NA	ResNet3D, Nested CNN-LSTM	峰值信噪比, 对比度噪声比, 交并比	NA
17735	2026-01-08	Deep Learning-Based Detection of Root Numbers in Maxillary Premolars 2026-Jan-06, International endodontic journal IF:5.4Q1 DOI:10.1111/iej.70091 PMID:41493350	研究论文	本研究利用深度学习模型在曲面断层片上检测上颌前磨牙的牙根数量	首次将深度学习模型应用于曲面断层片自动检测上颌前磨牙牙根数量，并采用集成模型提升性能	研究为回顾性设计，样本量有限，且仅针对上颌前磨牙，外部验证集规模较小	开发一种基于深度学习的自动化工具，辅助临床医生从曲面断层片中准确识别上颌前磨牙的牙根数量	上颌前磨牙	数字病理学	NA	曲面断层摄影，锥形束CT	CNN	图像	925颗上颌前磨牙（来自350名患者），包含内部数据集和外部验证集	NA	AlexNet, DenseNet-121, EfficientNet-B0	准确率, 灵敏度, 特异性, F1分数, AUC	NA
17736	2026-01-08	Dual vision transformer with bio-inspired optimization for explainable keratoconus classification 2026-Jan-06, International ophthalmology IF:1.4Q3 DOI:10.1007/s10792-025-03929-0 PMID:41493655	研究论文	本研究提出了一种基于角膜地形图图像的增强深度学习框架，用于圆锥角膜（KCN）分期分类，采用双视觉变换器（DViT）捕获局部和全局空间特征，并利用电鳗觅食优化器（EEFO）优化模型性能，同时通过LIME和SHAP增强模型可解释性	结合双视觉变换器（DViT）与生物启发优化器（EEFO）进行注意力权重和超参数调优，并集成LIME和SHAP实现模型决策的可视化解释	未提及研究的具体局限性，如数据集规模、泛化能力或临床验证的不足	开发一种高精度且可解释的圆锥角膜（KCN）分期分类方法，以支持早期诊断和治疗规划	圆锥角膜（KCN）患者的角膜地形图图像	计算机视觉	圆锥角膜	角膜地形图成像	Transformer	图像	未在摘要中明确提及具体样本数量	未在摘要中指定具体框架（如PyTorch或TensorFlow）	Dual Vision Transformer (DViT)	准确率, 召回率, 精确率	未在摘要中提及具体计算资源（如GPU类型或云平台）
17737	2026-01-08	A multimodal vision-language model for generalizable annotation-free pathology localization 2026-Jan-06, Nature biomedical engineering IF:26.8Q1 DOI:10.1038/s41551-025-01574-7 PMID:41495192	研究论文	本文提出了一种无需标注的通用病理定位视觉语言模型AFLoc，通过多级语义结构对比学习实现病理定位与分类	采用基于多级语义结构的对比学习，全面对齐多粒度医学概念与丰富图像特征，无需专家图像标注即可适应病理的多样化表达	NA	开发一种无需标注的通用病理定位模型，以降低标注需求并适应复杂临床环境	胸部X光图像、组织病理学图像和视网膜眼底图像中的病理区域	计算机视觉	胸部疾病	NA	视觉语言模型	图像-报告对	220,000对胸部X光图像-报告，并在8个外部数据集上验证，涵盖34种胸部病理类型	NA	AFLoc	定位精度、分类准确率	NA
17738	2026-01-08	Deep Learning-Based Acceleration in MRI: Current Landscape and Clinical Applications in Neuroradiology 2026-Jan-05, AJNR. American journal of neuroradiology DOI:10.3174/ajnr.A8943 PMID:40721279	综述	本文综述了深度学习在加速磁共振成像（MRI）中的当前应用，特别是在神经放射学领域的临床实践	探讨了深度学习图像重建（DLBIR）技术如何从2D到3D采集的演进，结合自监督学习的进展，以在减少扫描时间的同时保持或提升图像质量	存在跨扫描器和成像条件的泛化性挑战、对伪影的敏感性、病理表征可能被改变，以及供应商特定闭源算法的训练数据、底层算法和临床验证信息有限	回顾深度学习加速MRI的技术现状、临床应用及未来趋势	神经放射学中的MRI图像	医学影像	NA	深度学习图像重建（DLBIR）	深度学习模型	图像	NA	NA	NA	图像质量、病变显著性、噪声抑制、诊断准确性	NA
17739	2026-01-08	Enhanced Neurovascular Imaging Using Ultra-High-Resolution CT and Deep Learning-Based Image Reconstruction 2026-Jan-05, AJNR. American journal of neuroradiology DOI:10.3174/ajnr.A8964 PMID:41436283	研究论文	本研究评估了基于深度学习的图像重建在超高清CT神经血管成像中的诊断优势	首次将深度学习重建算法应用于超高清CT神经血管成像，并与标准混合迭代重建进行对比	单中心回顾性研究，样本量有限，仅使用特定供应商的深度学习算法	评估深度学习重建在神经血管成像中的诊断效益	100名因急性神经症状接受颅脑CT和CTA检查的患者	医学影像分析	脑血管疾病	CTA, 超高清CT, 深度学习图像重建	深度学习算法	CT图像	100名患者	Matlab	供应商特定的深度学习算法	SNR, CNR, 斜率评估, 图像质量评分	NA
17740	2026-01-05	YOLO-based deep learning framework for real-time multi-class plant health monitoring in precision agriculture 2026-Jan-03, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-29132-w PMID:41484288	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA