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	2026-04-25	Deep learning for automatic detection of hepatocellular carcinoma in dynamic contrast-enhanced MRI 2026-Jun, Abdominal radiology (New York) DOI:10.1007/s00261-025-05249-4 PMID:41217478	研究论文	开发一种基于注意力U-Net的深度学习模型，用于在动态对比增强MRI中自动检测肝细胞癌，并在患者和病变水平评估其性能	利用大规模公开数据集进行预训练，并结合注意力U-Net架构显著提升检测性能，在病变水平上超越当前最先进的nnU-Netv2	研究为回顾性设计，样本量相对有限（363名患者），且仅使用细胞外对比剂，可能影响泛化能力	开发并验证用于肝细胞癌自动检测的深度学习模型，评估其在模拟筛查条件下的患者级和病变级性能	肝细胞癌患者和阴性对照患者的T1加权动态对比增强肝MRI图像	计算机视觉	肝细胞癌	MRI动态对比增强成像	注意力U-Net	MRI图像	共363名患者（58±11岁；284名男性；247个病灶），其中训练组51例HCC阳性患者（113个病灶），肝细胞癌监测测试组245例（12例HCC阳性，233例阴性），消融前测试组67例HCC阳性患者（113个病灶）	PyTorch	注意力U-Net, nnU-Netv2	敏感度, 特异性, 平均每患者假阳性数, 阳性预测值, 阴性预测值, FROC曲线下面积, ROC曲线下面积	NA
2	2026-04-25	Analysis of deep learning-based segmentation of lymph nodes on full-dose and reduced-dose body CT 2026-Jun, Abdominal radiology (New York) DOI:10.1007/s00261-025-05253-8 PMID:41251734	研究论文	验证基于深度学习的全身CT淋巴结分割模型在完整剂量和模拟低剂量图像上的性能	首次评估nnU-Net模型在低剂量CT下淋巴结检测与分割的性能，并探讨剂量降低对模型表现的影响	低剂量CT图像质量下降影响淋巴结轮廓描绘，模型在外部数据集上的性能有所下降	评估自动化深度学习模型在完整剂量和低剂量CT上检测与分割淋巴结的性能	淋巴结	数字病理学	NA	CT成像	3D nnU-Net	CT图像	151例患者CT（训练90例，验证61例）含15,341个淋巴结标注，外部验证120例CT	NA	3D nnU-Net	精确率、灵敏度、Dice相似系数、豪斯多夫距离	NA
3	2026-04-25	Feasibility of deep learning-accelerated HASTE-FS for pancreatic cystic lesion surveillance: comparison with conventional HASTE and MRCP 2026-Jun, Abdominal radiology (New York) DOI:10.1007/s00261-025-05265-4 PMID:41251737	研究论文	比较深度学习加速的HASTE-FS与常规HASTE及MRCP在胰腺囊性病变监测中的可行性	首次评估深度学习重建的HASTE-FS技术在胰腺囊性病变检测与特征描述中的性能，并探讨其替代MRCP进行监测的潜力	回顾性研究，样本量有限（91例），且仅在一个中心进行	评估深度学习加速的脂肪饱和单次激发T2加权序列在胰腺囊性病变监测中的表现	胰腺囊性病变患者	医学影像	胰腺囊肿病变	MRI	深度学习重建模型	图像	91名连续患者	NA	NA	Likert量表评分	3T腹部MRI扫描仪
4	2026-04-25	Abdominal multi-organ segmentation on 3D negative-contrast CT cholangiopancreatography: a comparative study of deep learning methods 2026-Jun, Abdominal radiology (New York) DOI:10.1007/s00261-025-05273-4 PMID:41251738	研究论文	比较多种深度学习模型在3D负性对比CT胆胰管成像上进行腹部多器官分割的性能	首次系统比较了2D与3D深度学习模型在3D-nCTCP数据上的腹部多器官分割效果，发现3D Swin-UNETR优于2D模型，尤其在小而复杂器官上的表现	样本量较小（111名患者），且仅针对恶性低位胆道梗阻患者，泛化性有待验证	自动化分割3D负性对比CT胆胰管成像中的胆胰系统，以改进术前规划和诊断	111名恶性低位胆道梗阻患者的门脉期双相增强CT数据	医学图像分割	恶性低位胆道梗阻	CT成像	深度学习模型（卷积神经网络与Transformer混合模型）	3D CT图像	111名患者（训练验证91名，测试20名，共25,700张图像）	NA	TransUNet 2D, nnU-Net 2D, Swin-UNETR 2D, Swin-UNETR 3D	Dice相似系数 (DSC), 平均对称表面距离 (ASSD), 观察者间变异 (IOV)	NA
5	2026-04-25	Deep learning for non-invasive detection of steatosis and fibrosis in MASLD: a multicenter study with a new fibroscan-labelled ultrasound dataset 2026-Jun, Abdominal radiology (New York) DOI:10.1007/s00261-025-05309-9 PMID:41284028	研究论文	利用深度学习模型通过传统B超图像非侵入性评估MASLD患者的肝脏脂肪变性和纤维化	首次使用Fibroscan标注的超声数据集训练深度学习模型，并在多中心数据上验证，模型表现优于专家放射科医生	NA	开发和验证用于非侵入性评估肝脏脂肪变性和纤维化的深度学习模型	MASLD患者的肝脏超声图像	计算机视觉	代谢相关脂肪性肝病	超声成像	EfficientNet-B4、Vision Transformers	图像	DS1: 111名患者1131张图像, DS2: 95名患者1328张图像, DS3: 18名患者185张图像, DS4: 23名患者155张图像	NA	EfficientNet-B4、Vision Transformers	AUROC	NA
6	2026-04-25	Physics-aware imaging AI for quantitative MASLD biomarker mapping: a systematic review of deep learning and radiomics across ultrasound, CT, and MRI 2026-Jun, Abdominal radiology (New York) DOI:10.1007/s00261-025-05317-9 PMID:41291295	综述论文	系统综述了物理感知人工智能在医学影像中用于代谢功能障碍相关脂肪性肝病定量生物标志物映射的应用，重点涵盖深度学习与影像组学在超声、CT和MRI中的研究	聚焦物理感知人工智能设计在MASLD定量生物标志物映射中的系统评价，比较了超声、CT和MRI三种模态的物理基础、自动化分割及量化技术，并识别了部署就绪度最高的管道	关键空白包括标准化纵向管道、多供应商协调整合以及MASLD特异性纤维化验证，证据强度最强的CT和MRI自动化方法在超声领域泛化能力仍在提升中	评估物理感知人工智能在医学影像中对MASLD/MASH进行定量生物标志物映射的当前研究景观	MASLD及其进展形式MASH患者的医学影像数据（超声、CT、MRI）	医学影像分析	代谢功能障碍相关脂肪性肝病	深度学习、影像组学、物理感知人工智能	NA	影像数据（超声、CT、MRI）	系统综述纳入33项研究，共计842项记录	NA	NA	NA	NA
7	2026-04-25	MRDT-GAN: generative adversarial network with multi-scale residual dense transformer generator for low-dose CT denoising 2026-Apr-24, Physics in medicine and biology IF:3.3Q1 DOI:10.1088/1361-6560/ae28b0 PMID:41349217	研究论文	提出一种基于多尺度残差密集变换器生成对抗网络的低剂量CT去噪方法	在生成器中采用MRDT Block作为核心单元，将多尺度策略引入残差密集网络以减少过度平滑并保留精细细节，同时结合补丁变换器模块捕获长距离依赖，减轻卷积神经网络局部感受野引起的失真；引入混合注意力模块处理空间、频率和对比度信息，实现更好的噪声抑制和对比度均匀性；判别器在全局、像素和子尺度上对抗性探索去噪LDCT与正常剂量CT的差异，以更好捕捉结构变化	未提及具体局限性	开发一种低剂量CT去噪框架，在增强噪声抑制的同时保留解剖细节和结构保真度	低剂量CT图像	计算机视觉	NA	低剂量CT	生成对抗网络	图像	NIH-AAPM-Mayo Clinic低剂量CT数据集和真实世界数据集	NA	多尺度残差密集变换器生成对抗网络	NA	NA
8	2026-04-25	Deep-Learning Accelerated Vessel Wall Imaging Using T1-SPACE at Ultra-High-Field Strength MRI 2026-Apr-23, AJNR. American journal of neuroradiology DOI:10.3174/ajnr.A9097 PMID:41213815	研究论文	评估在7T超高场强MRI下，使用深度学习加速的T1-SPACE序列进行颅内血管壁成像的可行性和技术性能	首次在7T场强下评估深度学习加速后处理T1-SPACE序列用于颅内血管壁成像，并与标准治疗方案进行对比	单中心回顾性研究，样本量较小（36名患者）	评估使用深度学习图像重建的T1-SPACE序列在7T下进行颅内血管壁成像的可行性和技术性能	36名接受颅内血管壁成像的患者（21名女性，平均年龄53.3±16.2岁）	深度学习，磁共振成像	脑血管疾病	T1-SPACE序列，深度学习图像重建	深度学习模型	MRI图像	36名患者	NA	NA	图像质量评分（噪声、伪影、锐度、整体质量），壁和管腔可视化评分，优势比，P值，百分一致率	NA
9	2026-04-25	Comparative Evaluation of Deep Learning Models for 3D Segmentation and Volumetry of Vestibular Schwannomas Using Large Heterogeneous Data Sets with External Validation 2026-Apr-23, AJNR. American journal of neuroradiology DOI:10.3174/ajnr.A9112 PMID:41260669	研究论文	比较评估五种深度学习模型在三维分割和体积测量前庭神经鞘瘤中的性能，使用大型异质性数据集并进行了外部验证	系统比较了五种深度学习模型（nnUNet、U-Mamba、UNETR和MedSAM）在VS分割中的表现，并考察了模型对采集异质性的鲁棒性和外部泛化能力	未明确提及，但可能受限于数据集的异质性和肿瘤体积的分布	评估和比较深度学习模型在VS三维分割和体积测量中的准确性及临床适用性	前庭神经鞘瘤（VS）患者的T1对比增强MRI图像	计算机视觉	前庭神经鞘瘤	MRI	卷积神经网络（CNN）、Transformer网络、基础模型	医学图像（MRI）	内部数据集：训练集2692次扫描（383名患者），测试集277次扫描（97名患者）；外部测试集241次扫描	NA	nnUNet、U-Mamba、UNETR、MedSAM	Dice相似系数、豪斯多夫距离、表面到表面距离、相对体积误差	NA
10	2026-04-25	Comparative Analysis of Artificial Intelligence-Based Quantification versus Visual Rating of Enlarged Perivascular Spaces in the Multi-Ethnic Study of Atherosclerosis Cohort 2026-Apr-23, AJNR. American journal of neuroradiology DOI:10.3174/ajnr.A9129 PMID:41397892	研究论文	比较基于人工智能的量化方法与视觉评分在评估血管周围间隙扩大及其与血管风险因素和认知表现关联中的效果	首次在大规模动脉粥样硬化多民族研究队列中系统性对比AI自动量化与专家视觉评分在PVS检测中的敏感性，发现AI方法在识别血管风险因素和认知结果关联方面更敏感	横断面研究设计限制了因果推断，样本量相对较小且来自单一队列，视觉评分由单一专家执行可能引入主观偏差	评估AI量化方法相比传统视觉评分在PVS与血管风险因素和认知表现关联研究中的敏感性	动脉粥样硬化多民族研究队列中235名参与者的脑MRI图像及临床数据	计算机视觉	心血管疾病	脑MRI	深度学习算法	图像	235名参与者	NA	全自动深度学习算法	序数逻辑回归系数、线性回归系数、95%置信区间	NA
11	2026-04-25	Deep Learning Model for Histologic Diagnosis of Dysplastic Barrett's Esophagus: Multisite Cohort External Validation 2026-Apr-01, The American journal of gastroenterology DOI:10.14309/ajg.0000000000003495 PMID:40267276	研究论文	通过多中心外部验证，评估用于巴雷特食管异型增生组织学诊断的深度学习模型性能	对之前交叉验证的BE异型增生深度学习模型进行多中心外部验证，采用生成对抗网络归一化染色特性，结合YOLO和ResNet101的集成方法	NA	外部验证用于巴雷特食管异型增生分级诊断的深度学习模型	巴雷特食管的病理全切片图像	数字病理学	食管腺癌、巴雷特食管	全切片图像数字化	CNN、生成对抗网络	图像	489张全切片图像	NA	You Only Look Once, ResNet101	敏感性、特异性、F1分数	NA
12	2026-04-25	In Silico Digital Breast Tomosynthesis Dataset for the Comparative Analysis of Deep Learning Models in Tumor Segmentation 2026-Apr, Journal of imaging informatics in medicine DOI:10.1007/s10278-025-01626-z PMID:40760265	研究论文	评估计算机生成的数字乳腺断层合成（DBT）数据作为肿瘤分割深度学习模型训练源的可行性	首次系统探究将计算机模拟生成的DBT数据用于多种深度学习模型的训练与领域泛化评估，验证其在数据稀缺环境下的辅助价值	实验规模较小（230个ROI），且未在完全真实的临床数据集上验证模型性能	评估计算机生成的DBT数据在乳腺肿瘤分割任务中作为训练资源的可行性	230个二维感兴趣区域（ROIs），涵盖不同乳腺密度和肿瘤复杂度	计算机视觉	乳腺癌	数字乳腺断层合成	深度学习模型	图像	230个二维感兴趣区域	PyTorch, MONAI	U-Net, FCN, DeepLabv3, DeepLabv3+, ResNet50, ResNet101	F1分数, 交并比, 精确率, 召回率	NVIDIA RTX 3090 GPU
13	2026-04-25	Advancements in Caries Diagnostics Using Bitewing Radiography: A Systematic Review of Deep Learning Approaches 2026, Caries research IF:2.9Q1 DOI:10.1159/000546448 PMID:40544827	综述	系统综述深度学习技术在咬翼片放射影像中龋齿诊断的应用进展	首次系统性地综述了深度学习在咬翼片放射影像龋齿诊断中的最新进展，总结了不同深度学习架构的性能优势	综述可能受限于纳入研究的异质性及部分研究缺乏外部验证	评估深度学习技术在咬翼片放射影像中辅助龋齿诊断的现状与潜力	咬翼片放射影像中的龋齿病变检测与诊断	计算机视觉	龋齿	NA	深度学习	影像	NA	NA	NA	NA	NA
14	2026-04-25	Utilising Cot-Side Cameras in Neonatal Intensive Care Unit for Deep Learning-Assisted General Movement Assessment 2026-01, Acta paediatrica (Oslo, Norway : 1992) DOI:10.1111/apa.70319 PMID:41025287	综述	本文探讨利用新生儿重症监护室的床边摄像头结合深度学习辅助进行全身运动评估	首次系统总结了床边摄像头在新生儿重症监护室中用于自动全身运动评估的潜力，并结合深度学习技术提出非侵入性、可扩展的解决方案	未提供实际实验数据或性能评估，仅基于文献综述，缺乏验证的临床结果	评估床边摄像头与深度学习结合在新生儿全身运动评估中的可行性与应用前景	床边摄像头获取的新生儿RGB视频数据	计算机视觉	新生儿神经系统疾病	深度学习	NA	视频数据	NA	NA	NA	NA	NA
15	2026-04-25	An ancient recombination desert is a speciation supergene in placental mammals 2026-01, Nature IF:50.5Q1 DOI:10.1038/s41586-025-09740-2 PMID:41225009	研究论文	利用深度学习方法研究胎盘哺乳动物中一个古老的重组荒漠作为物种形成的超级基因	首次通过深度学习从22个胎盘哺乳动物物种的基因组比对中推断重组景观的进化，并发现X连锁重组荒漠是一个古老且反复出现的基因流屏障，保留了物种历史	NA	理解减数分裂重组率在物种形成早期对基因流的影响，并应用重组感知的系统发育分析准确推断物种关系	胎盘哺乳动物物种	机器学习	NA	基因组比对	深度学习	基因组比对数据	22个胎盘哺乳动物物种用于初始分析，94个物种用于系统发育分析	PyTorch	NA	NA	NA
16	2026-04-25	Advancing biological taxonomy in the AI era: deep learning applications, challenges, and future directions 2026-01, Science China. Life sciences DOI:10.1007/s11427-025-3074-8 PMID:41136689	综述	综述了深度学习在生物分类学中的应用、挑战与未来方向	提出将基因组视为“语言”的基础模型，以及整合因果关系的全集成模型可能为物种界定带来阶跃变化	存在数据质量、算法鲁棒性、参考文库完整性、模型透明度和共享标准等关键挑战	探讨人工智能尤其是深度学习如何推动生物分类学的发展，并分析其潜在变革与挑战	生物分类学，包括基于图像、生物声学、基因序列和物种性状的分类方法	机器学习	NA	深度学习	基础模型	图像、声音、基因序列	NA	NA	NA	NA	NA
17	2026-04-25	An epilepsy prediction and management system based on federated learning combined with hybrid harmony search and mutual information (HAS-MI)-based feature selection approach 2025-Dec-29, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-30919-0 PMID:41461827	研究论文	提出一种基于联邦学习和混合谐波搜索与互信息特征选择的癫痫预测与管理系统，实现高精度癫痫发作检测	首次将联邦学习与混合谐波搜索-互信息特征选择方法结合，并设计EpilepNet-LD架构，同时捕获EEG信号的时间依赖性和层次空间特征，在保护隐私的前提下实现高精度癫痫发作检测	NA	开发一个实时、高精度的癫痫发作检测系统，克服现有方法适用性差、误报率高和特征选择效率低的问题	癫痫患者的脑电图（EEG）数据	机器学习	神经系统疾病	EEG	LSTM, DenseNet	信号	NA	NA	EpilepNet-LD (LSTM + DenseNet-121)	accuracy, sensitivity	NA
18	2026-04-25	Colorectal disease diagnosis with deep triple-stream fusion and attention refinement 2025-Dec, Computerized medical imaging and graphics : the official journal of the Computerized Medical Imaging Society IF:5.4Q1 DOI:10.1016/j.compmedimag.2025.102669 PMID:41240487	研究论文	提出一种名为TripleFusionNet的深度学习框架，融合多流架构与注意力机制，用于结直肠疾病分类	提出TripleFusionNet三重流架构，结合EfficientNetB3、ResNet50和DenseNet121的多级特征提取，并集成多尺度注意力模块和挤压激励精化块以增强特征判别力，同时采用渐进门控融合机制动态加权融合特征	在CRCCD_V1数据集上，基于嵌入的分类器性能略优于端到端模型，表明端到端学习仍有提升空间	开发一种鲁棒的早期诊断方法，用于从组织病理和内镜图像中分类结直肠疾病	结直肠癌症的组织病理和内镜图像	计算机视觉, 数字病理学	结直肠癌	NA	CNN	图像	CRCCD_V1数据集包含14个类别，LC25000数据集为二分类	PyTorch	EfficientNetB3, ResNet50, DenseNet121, 多尺度注意力模块, 挤压激励精化块, 渐进门控融合	准确率, 宏F1分数, 精确率, 召回率, ROC-AUC	NA
19	2026-04-25	Automatic detection of arterial input function for brain DCE-MRI in multi-site cohorts 2025-Dec, Magnetic resonance in medicine IF:3.0Q2 DOI:10.1002/mrm.70020 PMID:40808286	研究论文	提出一种鲁棒深度学习模型，用于从多中心DCE-MRI脑部影像中自动提取动脉输入函数	采用3D UNet模型结合额外卷积核和修正Huber损失函数，在多样多中心队列中实现动脉输入函数自动提取	非所有参与者数据均用于血脑屏障通透性测量，可能影响模型泛化性	开发并验证一种高精度动脉输入函数自动提取方法，用于脑部DCE-MRI定量药代动力学建模	人类脑部DCE-MRI影像及动脉输入函数区域	计算机视觉	脑血管疾病	DCE-MRI成像	3D UNet	医学图像	训练集：289名参与者共384次扫描；独立验证集：326名参与者共421次扫描	NA	3D UNet	AIFitness评分、Ktrans值、组内相关系数	NA
20	2026-04-25	Comparative Performance of YOLO Models in the Automated Segmentation of Dental Traumas on Panoramic Radiographs 2025-Nov-26, Dental traumatology : official publication of International Association for Dental Traumatology IF:2.3Q2 DOI:10.1111/edt.70034 PMID:41305998	研究论文	比较YOLOv8、YOLOv11和YOLOv12三种深度学习模型在儿童全景X光片上自动分割牙科创伤的性能	首次系统比较YOLO系列最新版本（YOLOv8、YOLOv11、YOLOv12）在牙科创伤分割任务中的表现，发现YOLOv12在硬组织和软组织损伤检测方面均优于前代模型	人工智能在牙科创伤学中尚未达到完美性能，需要与专家牙医合作开发以更好地支持临床决策	评估并比较基于YOLO的深度学习模型在儿童全景X光片上自动分割牙科创伤的能力	6-13岁牙科创伤儿童的牙科全景X光片	自然语言处理	牙科创伤	深度学习	YOLOv8, YOLOv11, YOLOv12	影像	未在标题和摘要中明确说明	NA	YOLOv8, YOLOv11, YOLOv12	AUC, F1-score	NA