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
1	2026-05-18	AI model using CT-based imaging biomarkers to predict hepatocellular carcinoma in patients with chronic hepatitis B 2025-06, Journal of hepatology IF:26.8Q1 DOI:10.1016/j.jhep.2024.12.029 PMID:39710148	研究论文	开发基于CT影像生物标志物的人工智能模型，用于预测慢性乙型肝炎患者的肝细胞癌风险	整合深度学习CT自动分割软件提取的影像生物标志物与临床变量，提出PLAN-B-DF模型，显著优于仅基于临床数据的传统预测模型	未提及具体限制，但可能包括对CT图像质量依赖性强、外部验证队列的中位随访时间较短	开发并验证基于CT影像生物标志物的人工智能肝细胞癌风险预测模型	慢性乙型肝炎患者的肝细胞癌风险预测	机器学习	肝细胞癌	CT自动分割（DeepFore软件），梯度提升机算法	梯度提升机	图像（CT影像）和临床数据	训练和内部验证集5,585例，外部验证集2,883例慢性乙型肝炎患者	NA	梯度提升机	c-index, Hosmer-Lemeshow检验	NA
2	2026-05-18	Development and Validation of Multiparametric MRI-based Interpretable Deep Learning Radiomics Fusion Model for Predicting Lymph Node Metastasis and Prognosis in Rectal Cancer: A Two-center Study 2025-05, Academic radiology IF:3.8Q1 DOI:10.1016/j.acra.2024.11.045 PMID:39638641	研究论文	开发并验证基于多参数MRI的可解释深度学习影像组学融合模型，用于预测直肠癌淋巴结转移和预后	结合深度学习特征和影像组学特征构建融合模型，并使用SHAP工具增强模型可解释性，提升放射科医师的诊断性能	未明确说明	开发可解释的机器学习模型，利用多参数MRI的深度学习和影像组学特征预测直肠癌术前淋巴结转移	直肠癌患者	数字病理学	直肠癌	多参数磁共振成像	深度学习模型	影像	286名来自中心1（训练集）和66名来自中心2（外部测试集）的癌症患者	NA	MobileNet-V3-large, Inception-V3, ResNet50, VGG16	AUC	NA
3	2026-05-18	Deep Learning for Contrast Enhanced Mammography - A Systematic Review 2025-05, Academic radiology IF:3.8Q1 DOI:10.1016/j.acra.2024.11.035 PMID:39643464	综述	系统综述深度学习在对比增强乳腺摄影中的应用	首次系统综述深度学习在对比增强乳腺摄影中的应用，总结了模型在病变分类、检测和分割方面的性能	研究数量较少，大多数为回顾性研究，缺乏前瞻性临床验证	探讨深度学习如何提升对比增强乳腺摄影的诊断潜力	对比增强乳腺摄影图像中的病变（分类、检测、分割）	计算机视觉、医学影像分析	乳腺癌	对比增强乳腺摄影	卷积神经网络，注意力机制	医学影像	16项相关研究，时间跨度2018至2024年	NA	CNN, 注意力机制模型	AUC, 准确率	NA
4	2026-05-18	SMART: Development and Application of a Multimodal Multi-organ Trauma Screening Model for Abdominal Injuries in Emergency Settings 2025-05, Academic radiology IF:3.8Q1 DOI:10.1016/j.acra.2024.11.056 PMID:39690074	研究论文	构建用于腹部创伤的多模态多器官创伤筛查模型SMART，整合非增强CT与文本数据，提升急诊诊断效率	首次将非增强CT影像与GPT-4文本嵌入进行多模态融合，构建急诊腹部创伤筛查模型，并显著缩短等待时间	研究样本来自单中心，且未详细说明模型在低资源环境或不同类型创伤中的泛化能力	通过深度学习构建多模态腹部创伤诊断模型，提升急诊中实体器官损伤的评估速度和准确性	腹部创伤患者	计算机视觉, 自然语言处理, 机器学习	腹部创伤	非增强CT, 文本数据	DenseNet, nnU-Net, GPT-4	影像, 文本	2638名患者（459例阳性，2179例阴性腹部创伤病例），其中1006名患者用于测试（1632个真实连续数据点）	PyTorch, GPT-4 API	DenseNet121, nnU-Net, GPT-4嵌入	敏感性, AUC	NA
5	2026-05-18	Interpretable Deep-learning Model Based on Superb Microvascular Imaging for Noninvasive Diagnosis of Interstitial Fibrosis in Chronic Kidney Disease 2025-05, Academic radiology IF:3.8Q1 DOI:10.1016/j.acra.2024.11.067 PMID:39690075	研究论文	基于超微血管成像的可解释深度学习模型用于非侵入性诊断慢性肾脏病中的间质纤维化程度	首次开发基于超微血管成像的可解释深度学习模型，并利用SHAP方法生成饼图和热力图增强模型可解释性，揭示有助于诊断的图像区域	NA	开发基于超微血管成像的可解释深度学习模型，用于非侵入性诊断慢性肾脏病中间质纤维化程度	慢性肾病患者	数字病理	慢性肾病	超微血管成像、二维超声、超声影像组学、彩色多普勒超声	深度学习模型	图像	365例慢性肾病患者	NA	NA	AUC	NA
6	2026-05-18	The Quality and Accuracy of Radiomics Model in Diagnosing Osteoporosis: A Systematic Review and Meta-analysis 2025-05, Academic radiology IF:3.8Q1 DOI:10.1016/j.acra.2024.11.065 PMID:39701845	meta分析	对放射组学模型诊断骨质疏松症的质量与准确性进行系统综述和荟萃分析	首次通过荟萃分析评估放射组学模型诊断骨质疏松症的整体性能，并对比不同影像模态和算法（如CT与深度学习）的异质性来源	纳入研究平均RQS评分仅为31.89%，提示放射组学研究方法学质量较低；不同影像模态构模型可能是异质性的来源	评估当前放射组学模型诊断骨质疏松症的诊断性能及研究质量	放射组学模型用于诊断骨质疏松症的相关研究	机器学习	骨质疏松症	放射组学	深度学习算法	医学影像（CT等）	24项研究共计1553名骨质疏松症患者和2200名非骨质疏松症患者	NA	NA	诊断优势比, 灵敏度, 特异性, AUC	NA
7	2026-05-18	Deep Learning Model for the Differential Diagnosis of Nasal Polyps and Inverted Papilloma by CT Images: A Multicenter Study 2025-05, Academic radiology IF:3.8Q1 DOI:10.1016/j.acra.2024.12.011 PMID:39730250	研究论文	利用深度学习模型基于CT影像区分鼻息肉与内翻性乳头状瘤的多中心研究	首次评估3D Xception模型在CT影像上区分鼻息肉与内翻性乳头状瘤的性能，并整合蛋白质组学分析以解释模型的生物学基础	未提及具体限制	探索深度学习模型区分鼻息肉与内翻性乳头状瘤的可行性	鼻息肉和内翻性乳头状瘤患者的CT影像	计算机视觉	鼻部良性肿瘤（鼻息肉和内翻性乳头状瘤）	CT影像	深度学习模型（3D ResNet、3D Xception、HRNet）	CT图像	来自两家医院的1791名鼻部良性肿瘤患者（训练集、内部测试集和外部测试集），其中70例进行蛋白质组学分析	NA	3D ResNet、3D Xception、HRNet	受试者工作特征曲线下面积、准确率、敏感性、特异性	NA
8	2026-05-18	Multimodal Deep Learning Fusing Clinical and Radiomics Scores for Prediction of Early-Stage Lung Adenocarcinoma Lymph Node Metastasis 2025-05, Academic radiology IF:3.8Q1 DOI:10.1016/j.acra.2024.12.018 PMID:39730249	研究论文	开发并验证一种基于CT影像和临床知识的多模态深度学习模型，用于预测早期肺腺癌淋巴结转移	提出基于InceptionResNetV2架构的多模态特征融合深度学习网络，有效整合临床特征、放射组学特征和影像特征，显著提升预测性能	未明确说明	建立多模态深度学习模型以准确预测早期肺腺癌淋巴结转移	724例经病理证实的早期浸润性肺腺癌患者	计算机视觉, 数字病理学	肺腺癌	CT影像, 放射组学特征提取	深度学习多模态融合网络, InceptionResNetV2	影像图像, 临床特征数据	724例患者（训练集418例，内部验证集106例，独立测试集200例）	NA	InceptionResNetV2	AUC, 灵敏度, 平均精确率	NA
9	2026-05-18	Multi-Energy Evaluation of Image Quality in Spectral CT Pulmonary Angiography Using Different Strength Deep Learning Spectral Reconstructions 2025-05, Academic radiology IF:3.8Q1 DOI:10.1016/j.acra.2024.11.049 PMID:39732618	研究论文	评估不同强度的深度学习谱重建在双能CT肺血管造影中对虚拟单色图像质量的影响	首次比较标准与强深度学习谱重建在不同能量水平下对肺血管图像质量的提升效果	未提及具体限制	评估和比较不同能量水平的虚拟单色图像在使用标准与强深度学习谱重建时的图像质量	70名接受双能CT肺血管造影的患者（15例肺栓塞阳性，55例阴性）	数字病理学	肺栓塞	双能CT, 深度学习谱重建	深度学习谱重建	CT图像	70名患者	NA	深度学习谱重建	信号噪声比, 对比噪声比, 主观图像质量评分	NA
10	2026-05-18	Radiomics and Deep Learning Model for Benign and Malignant Soft Tissue Tumors Differentiation of Extremities and Trunk 2025-05, Academic radiology IF:3.8Q1 DOI:10.1016/j.acra.2024.12.026 PMID:39753479	研究论文	基于脂肪饱和T2加权成像开发放射组学和深度学习模型，用于术前区分四肢和躯干软组织肿瘤的良恶性	结合放射组学特征和3D ResNet深度学习特征，构建融合模型（DLR），并在外部验证集上取得高AUC值（0.9410），实现非侵入性、低成本的术前诊断	样本量较小（训练集115例、外部验证集70例），且仅基于单序列脂肪抑制T2WI数据，可能限制模型泛化能力	建立术前区分良恶性软组织肿瘤的放射组学与深度学习模型	四肢和躯干软组织肿瘤患者	数字病理	软组织肿瘤	脂肪饱和T2加权成像	深度学习（3D ResNet）和机器学习算法	磁共振成像	训练集115例患者，外部验证集70例患者	PyTorch, Scikit-learn	3D ResNet	AUC, 决策曲线分析, 校准曲线	NA
11	2026-05-18	Development and Validation of an AI-Based Multimodal Model for Pathological Staging of Gastric Cancer Using CT and Endoscopic Images 2025-05, Academic radiology IF:3.8Q1 DOI:10.1016/j.acra.2024.12.029 PMID:39753481	研究论文	开发并验证一种基于人工智能的多模态模型，利用CT和内镜图像实现胃癌术前病理分期	采用堆叠集成方法融合CT影像深度学习模型、CT手工放射组学特征机器学习模型以及内镜图像深度学习特征模型，构建多模态集成模型，显著提升胃癌术前分期性能	数据来源于单中心回顾性研究，可能存在选择偏倚；数据因伦理原因未公开，限制外部验证	开发并验证一种基于深度学习与放射组学的多模态模型，提高胃癌术前病理分期的准确性	胃癌患者的增强静脉期CT图像、内镜图像及术后病理结果	计算机视觉	胃癌	CT增强扫描、内镜检查	深度学习模型、机器学习算法、集成模型	CT图像、内镜图像	691名胃癌患者（2017年3月至2024年3月治疗）	PyTorch	DeepCT深度学习模型（9种架构，未具体说明）、ResNet-50、堆叠集成模型	ROC-AUC、敏感性、特异性	NA
12	2026-05-18	Improved Image Quality Through Deep Learning Acceleration of Gradient-Echo Acquisitions in Uterine MRI: First Application with the Female Pelvis 2025-05, Academic radiology IF:3.8Q1 DOI:10.1016/j.acra.2024.12.021 PMID:39843279	研究论文	比较深度学习加速的VIBE序列与标准VIBE序列在子宫MRI中的图像质量	首次将深度学习加速的梯度回波采集应用于女性盆腔MRI，并证明其在图像质量、解剖结构和病变显示方面的显著优势	NA	评估深度学习加速的VIBE序列在子宫MRI中的图像质量改善效果	61名接受盆腔MRI的女性患者	机器学习	盆腔疾病	磁共振成像	深度学习模型	图像	61名女性患者（平均41±14岁），最终分析54名	NA	NA	Likert量表评分、图像质量、解剖结构显示、病变检测、运动伪影、噪声	1.5T MRI扫描仪
13	2026-05-18	Non-invasive Assessment of Human Epidermal Growth Factor Receptor 2 Expression in Gastric Cancer Based on Deep Learning: A Computed Tomography-based Multicenter Study 2025-05, Academic radiology IF:3.8Q1 DOI:10.1016/j.acra.2024.12.041 PMID:39870563	研究论文	基于深度学习和CT影像开发并验证胃癌中HER2表达的非侵入性预测模型	首次基于CT影像的多中心研究，利用放射组学特征和多种特征选择方法结合逻辑回归构建HER2表达预测模型，并评估了模型的鲁棒性	为回顾性研究，样本量有限，且HER2阳性比例较低，可能影响模型泛化能力	开发和验证基于CT影像的HER2表达预测模型，用于胃癌治疗决策支持	胃癌患者的HER2表达状态	计算机视觉	胃癌	CT成像	逻辑回归	CT影像	1059名患者（训练集720例，外部测试集339例）	NA	NA	曲线下面积, 决策曲线分析	NA
14	2026-05-18	Association Between Aortic Imaging Features and Impaired Glucose Metabolism: A Deep Learning Population Phenotyping Approach 2025-05, Academic radiology IF:3.8Q1 DOI:10.1016/j.acra.2025.01.032 PMID:39934079	研究论文	开发深度学习框架量化主动脉MRI特征，并研究其与葡萄糖代谢异常的关系	首次利用深度学习自动量化主动脉表型，发现主动脉长度和体积与糖代谢异常独立相关，超越传统心血管风险因素	基于单一队列（KORA研究），样本量有限（381人），且为横截面设计，无法推断因果关系	探究主动脉MRI特征与葡萄糖代谢异常之间的关联，并超越传统心血管风险因素的预测能力	来自KORA研究的381名参与者的主动脉MRI图像和葡萄糖代谢状态	计算机视觉	2型糖尿病	MRI	深度学习	图像（主动脉MRI）	381名参与者（58%男性，平均年龄56岁）	NA	NA	Dice系数	NA
15	2026-05-18	Opportunistic assessment of steatotic liver disease in lung cancer screening eligible individuals 2025-03, Journal of internal medicine IF:9.0Q1 DOI:10.1111/joim.20053 PMID:39868889	研究论文	利用深度学习模型在肺癌筛查胸部CT中机会性评估脂肪肝病，并探究其在重度吸烟者中的预后价值	首次在肺癌筛查CT扫描中机会性评估脂肪肝病，发现其是重度吸烟者长期死亡率的独立预测因子，且与BMI交互作用显著	未能提供更多关于脂肪肝病变化的详细机制解释，且样本仅限于美国肺癌筛查试验参与者，可能存在选择偏倚	机会性评估脂肪肝病在肺癌筛查胸部CT中的预后价值，特别是在重度吸烟者中的长期死亡率预测	19,774名NLST参与者（年龄61.4±5.0岁，41.2%为女性）在基线及1年随访时的非增强胸部CT扫描	计算机视觉, 数字病理学	脂肪肝病	CT扫描, 深度学习分割	深度学习模型	影像	19,774名参与者，包括基线扫描和1年随访扫描（共约39,548次CT扫描）	NA	NA	风险比, 95%置信区间, p值	NA
16	2026-05-18	Clinical 7 Tesla magnetic resonance imaging: Impact and patient value in neurological disorders 2025-03, Journal of internal medicine IF:9.0Q1 DOI:10.1111/joim.20059 PMID:39775908	综述	本文综述了7特斯拉磁共振成像在神经疾病中的诊断影响、患者价值及实际考量，强调其在早期诊断和改善护理方面的作用	基于超过1200次临床扫描经验，聚焦7T MRI在肌萎缩侧索硬化症、多发性硬化症等疾病中的新型生物标志物，如运动带征、中央静脉征和顺磁性边缘病变，并探讨离体超高分辨率研究的新可能	未明确提及，但作为综述，可能受限于现有研究数据量和不同疾病类型的应用成熟度	评估7T MRI的临床实用性，促进其在神经影像中的常规应用以改进了理解和治疗管理	神经疾病患者，包括肌萎缩侧索硬化症、癫痫、多发性硬化症、痴呆、帕金森病、肿瘤和血管疾病	医学影像	神经疾病	7T MRI	NA	医学影像	超过1200次临床扫描	NA	NA	NA	第二代7T系统
17	2026-05-18	Application of one-class classification using deep learning technique improves the classification of subvisible particles 2025-02, Journal of pharmaceutical sciences IF:3.7Q2 DOI:10.1016/j.xphs.2024.11.023 PMID:39615881	研究论文	利用深度学习技术的单类分类方法改善亚可见颗粒的分类效果	首次将深度学习技术与单类分类器结合应用于亚可见颗粒图像分类，解决了传统方法在区分异质性稳定分布对象方面的不足	免疫球蛋白G来源聚集物和清蛋白来源聚集物的分类效果存在差异，前者更为满意，后者仍有改进空间	探究深度学习技术是否能提高单类分类器在亚可见颗粒图像分类中的性能	亚可见颗粒，包括硅油和两种蛋白聚集物（免疫球蛋白G来源聚集物和清蛋白来源聚集物）	数字病理学	NA	NA	深度学习模型（具体类型未明确指定）	图像	包含硅油和两种蛋白聚集物的数据集，具体数量未提及	NA	NA	分类分数	NA
18	2026-05-18	Advancements in microneedle fabrication techniques: artificial intelligence assisted 3D-printing technology 2024-06, Drug delivery and translational research IF:5.7Q1 DOI:10.1007/s13346-023-01510-9 PMID:38218999	综述	综述了人工智能辅助3D打印技术在微针制造中的应用，包括预测药物释放模式、质量控制及生物标志物水平预测，并讨论了物联网与机器学习集成的自主3D打印系统	系统探讨了人工智能（机器学习和深度学习）与3D打印技术在微针制造中的协同作用，特别是其在预测药物释放、质量控制和生物传感方面的应用潜力	未深入讨论实际应用中的挑战，如材料生物相容性、大规模生产的成本效益及临床转化障碍	总结人工智能在3D打印微针装置中的角色，包括预测药物释放模式、质量控制及生物标志物水平，并探讨自主3D打印和生物传感应用	基于微针的装置和人工智能工具（机器学习、深度学习、物联网）	机器学习	NA	3D打印	NA	NA	NA	NA	NA	NA	NA
19	2026-05-18	aiGeneR 1.0: An Artificial Intelligence Technique for the Revelation of Informative and Antibiotic Resistant Genes in Escherichia coli 2024-02-22, Frontiers in bioscience (Landmark edition) DOI:10.31083/j.fbl2902082 PMID:38420832	研究论文	提出了首个基于深度学习的人工智能系统aiGeneR，用于识别大肠杆菌中抗生素抗性基因	首次将深度学习模型应用于细菌抗生素抗性基因的检测和分类，提出了假设并验证了非线性深度学习模型优于机器学习模型	未在外部独立数据集或临床样本上进行验证，仅基于基因表达数据	利用深度学习技术从基因表达数据中检测和识别大肠杆菌的抗生素抗性基因	大肠杆菌中的抗生素抗性基因（如tetM）及相关通路和枢纽基因	机器学习	尿路感染	基因表达测序	深度学习模型	基因表达数据	NA	NA	NA	准确率, 精确率, 召回率, F1分数, AUC	NA
20	2026-05-18	A Comparative Study of Deep Learning Algorithms for Detecting Food Intake 2022-07, 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/EMBC48229.2022.9871278 PMID:36085821	研究论文	比较多种深度学习算法在利用可穿戴传感器信号检测食物摄入上的性能	首次系统比较了多种先进时域深度学习算法（MLP、time-CNN、FCN、ResNet和Inception）在基于可穿戴传感器信号的食物摄入分类任务中的表现，并发现ResNet效果最优	样本量较小（17名受试者，23天数据），可能影响模型的泛化能力	比较不同深度学习算法在食物摄入分类中的性能，以确定最优算法	可穿戴传感器（AIM-2）采集的咀嚼肌活动信号	机器学习	不适用	可穿戴传感器（光学和3轴加速度计）	MLP, time-CNN, FCN, ResNet, Inception	时序信号	17名受试者，23天自由生活数据	不适用	MLP, time-CNN, FCN, ResNet, Inception	平衡分类准确率	不适用