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	2026-05-25	Tackling small sample survival analysis via transfer learning: A study of colorectal cancer prognosis 2026-08, Artificial intelligence in medicine IF:6.1Q1 DOI:10.1016/j.artmed.2026.103426 PMID:42019107	研究论文	通过迁移学习解决小样本生存分析问题，并以结直肠癌预后为研究案例	针对Cox-CC、DeepSurv、DeepHit等参数模型应用标准迁移学习技术，并为非参数随机生存森林模型提出新型迁移生存森林模型	未提及具体局限性	利用迁移学习提高小样本生存分析在癌症预后中的性能	结直肠癌患者的生存预后	机器学习	结直肠癌	转移学习	Cox-CC、DeepSurv、DeepHit、随机生存森林、迁移生存森林	临床数据	源数据：27,379例SEER结直肠癌I期患者；目标数据：728例华西医院结直肠癌I期患者；小样本实验使用50例	NA	Cox-CC、DeepSurv、DeepHit、随机生存森林、迁移生存森林	C指数	NA
2	2026-05-25	Systematic review of machine learning and deep learning models for EEG-based detection of depression 2026-Aug, Journal of psychiatric research IF:3.7Q1 DOI:10.1016/j.jpsychires.2026.04.030 PMID:42056808	研究论文	系统综述机器学习和深度学习模型在基于脑电图的抑郁症检测中的应用	对2020至2024年间发表的42项研究进行系统性比较，重点分析机器学习与深度学习方法的性能差异及影响因素	多数研究样本量小且验证策略局限，存在过拟合风险；纳入研究质量参差不齐，偏倚风险较高	评估并比较机器学习与深度学习模型在脑电图数据中检测抑郁症的效果与可靠性	抑郁症患者及健康对照者的脑电图信号数据	机器学习	抑郁症	定量脑电图	机器学习模型，深度学习模型	脑电图信号	42项研究，样本量从数十到数百不等	NA	NA	分类准确率，均值准确率	NA
3	2026-05-25	DARE: A Deformable Adaptive Regularization Estimator for learning-based medical image registration 2026-08, Artificial intelligence in medicine IF:6.1Q1 DOI:10.1016/j.artmed.2026.103440 PMID:42085854	研究论文	提出了一种自适应正则化框架DARE，用于学习驱动的医学图像配准，以提高配准精度和解剖合理性	创新性地根据形变场梯度范数动态调整弹性正则化，整合应变和剪切能量项，并引入折叠预防机制以惩罚负雅可比区域	未明确提及潜在局限性	提高医学图像配准的鲁棒性和解剖合理性	大脑MRI图像配准	医学图像分析, 深度学习	NA	图像配准, 自适应正则化	深度学习配准网络	图像 (MRI)	IXI, OASIS, MUI-P三个数据集	NA	NA	Dice分数, 形变折叠伪影, 应变能, 体积变化	NA
4	2026-05-25	Evidential reasoning-enabled deep learning for reliable treatment outcome prediction in cancer therapy 2026-08, Artificial intelligence in medicine IF:6.1Q1 DOI:10.1016/j.artmed.2026.103445 PMID:42114397	研究论文	提出一种基于证据推理的深度学习方法，用于癌症治疗中可靠的治疗结果预测	结合卷积神经网络图像特征提取、数据增强、蒙特卡洛丢弃、测试时增强和证据推理规则融合，生成具有不确定性感知的预测	未提及	实现个性化癌症治疗中的可靠治疗结果预测	三阴性乳腺癌患者和头颈癌患者	数字病理学	三阴性乳腺癌，头颈癌	NA	深度神经网络（证据推理规则驱动的深度神经网络）	图像	NA	NA	卷积神经网络（CNN），ER-DNN	预测性能，置信估计校准	NA
5	2026-05-25	Explainable 3D VGG-style convolutional neural network for pediatric hydrocephalus detection on computed tomography: A segmentation-free and fully volumetric deep learning framework 2026-Jul-03, Neuroscience IF:2.9Q2 DOI:10.1016/j.neuroscience.2026.04.027 PMID:42049087	研究论文	开发并评估了一种无需分割的全三维卷积神经网络用于儿童CT图像中的脑积水检测	首次提出一种轻量级VGG风格的三维卷积神经网络，无需分割即可对儿童CT进行全容积的自动脑积水检测，并采用三维Grad-CAM提供可解释性分析	样本量较小（98例内部、118例外部），且外部验证为初步结果，仍需较大规模多中心验证才能用于临床	开发一种可解释的、无需分割的自动化方法，用于儿童CT上脑积水的检测	儿童头部CT扫描（共98例内部数据集，48例脑积水、50例正常；以及118例外部验证集，56例脑积水、62例正常）	计算机视觉	儿科疾病	CT成像	三维卷积神经网络（3D CNN）	CT图像	内部数据集98例（48例脑积水，50例正常），外部验证集118例（56例脑积水，62例正常）	NA	VGG风格的三维卷积神经网络	AUC-ROC, 准确率, 敏感度, 特异性, F1分数, 马修斯相关系数（MCC）, 科恩kappa系数, Brier分数	NA
6	2026-05-25	Performance of deep learning-based segmentation of soft tissue sarcoma by MRI sequence, tumor type and location 2026-Jul, Skeletal radiology IF:1.9Q3 DOI:10.1007/s00256-026-05178-3 PMID:41776099	研究论文	评估基于深度学习的软组织肉瘤MRI分割性能，探讨MRI序列、肿瘤类型和位置对模型精度的影响	系统揭示了不同MRI序列（T1、T2）及多模态融合对肉瘤分割效果的差异，发现单序列T1模型优于多模态方法，且性能受肿瘤位置和组织学亚型显著影响	样本量有限（299例），未包含所有罕见肉瘤亚型；多模态融合反而降低边界精度，需进一步优化融合策略	评估深度学习模型在不同MRI序列、解剖位置和组织学亚型下分割软组织肉瘤的准确性，为手术规划提供自动化工具	299例软组织肉瘤患者的术前MRI图像，包括5种组织学亚型（平滑肌肉瘤、黏液纤维肉瘤、黏液样脂肪肉瘤、未分化多形性肉瘤、肌内黏液瘤）	计算机视觉, 数字病理学	软组织肉瘤	MRI	CNN (3D nnU-Net)	图像（MRI）	299例患者（5种组织学亚型）	NA	nnU-Net	Dice系数, F2分数, 平均对称表面距离（ASSD）, 95% Hausdorff距离（HD95）	NA
7	2026-05-25	Deep learning-based identification of aberrant anterior tibial artery on knee MRI: a brazilian multicenter study 2026-Jul, Skeletal radiology IF:1.9Q3 DOI:10.1007/s00256-026-05198-z PMID:41870548	研究论文	开发并验证了一个深度学习模型，用于在膝关节MRI轴向T2加权图像上检测异常胫前动脉	首次应用人工智能自动检测膝关节MRI上的异常胫前动脉，填补了自动检测工具的空白	外部测试集因假阳性导致精确度下降，临床部署前需进行更广泛的多中心验证	开发用于膝关节MRI中异常胫前动脉自动检测的深度学习模型，以增强术前风险评估和手术规划	来自巴西多中心的2315次膝关节MRI检查的70260张图像	计算机视觉	血管异常	MRI	卷积神经网络	图像	2315次检查（1441次无AATA，874次有AATA）的70260张MRI图像	PyTorch	卷积神经网络	F1分数, AUC	NA
8	2026-05-25	Best fast MRI protocols for the knee: advantages and limitations 2026-Jul, Skeletal radiology IF:1.9Q3 DOI:10.1007/s00256-026-05197-0 PMID:41874638	综述	综述现代膝关节快速MRI加速技术的原理、临床应用、优势及挑战，包括并行成像、多层同时采集、压缩感知和深度学习重建	系统总结了深度学习重建在膝关节MRI中的突破性应用，尤其是加速因子达六倍的PIxSMS协议可在五分钟内完成高质量扫描，并展望了各向同性三维成像的未来前景	未在论文中提供定量比较或原始数据，基于现有证据的总结可能受限于已发表研究的异质性，且对硬件成本和临床工作流优化缺乏深入分析	综述膝关节快速MRI加速策略的技术原理、验证研究证据及临床实施注意事项	膝关节快速MRI的加速技术及其临床应用	机器学习	NA	MRI	深度学习重建	图像	NA	NA	NA	诊断性能、图像质量	NA
9	2026-05-25	Predicting mortality risk in pediatric severe pneumonia using a CNN-BiLSTM model with dynamic clinical indicators 2026-Jul, Respiratory medicine IF:3.5Q2 DOI:10.1016/j.rmed.2026.108891 PMID:42134457	研究论文	利用CNN-BiLSTM模型结合动态临床指标预测儿童重症肺炎的死亡风险	首次将CNN-BiLSTM深度学习模型应用于儿童重症肺炎的住院死亡率预测，并从纵向实验室数据中动态筛选出11个关键预测指标	需要未来多中心研究验证模型有效性	探索儿童重症肺炎的有效预后生物标志物，并构建深度学习模型预测住院死亡率，支持临床决策	5岁以下儿童重症肺炎患者	机器学习	儿童重症肺炎	NA	CNN-BiLSTM	临床数据（包括纵向实验室指标）	来自儿科重症监护数据库（PIC）的5岁以下重症肺炎儿童	PyTorch	CNN-BiLSTM	AUC，灵敏度，特异度	NA
10	2026-05-25	Oral bioavailability property prediction based on task similarity transfer learning 2026-Jun, Molecular diversity IF:3.9Q2 DOI:10.1007/s11030-025-11345-w PMID:40928678	研究论文	基于任务相似性迁移学习预测人类口服生物利用度，以优化药物候选分子并提高临床成功率	提出相似性引导的迁移学习框架TS-GTL，包含PGnT深度模型，结合分子图与外部知识，并引入MoTSE量化理化性质与HOB的相似性，实现数据稀缺场景下的高效预测	未提及具体局限性，但可能面临数据依赖性问题的挑战	提高人类口服生物利用度预测的准确性与可解释性，为药物ADMET性质研究提供高效方法	药物分子的口服生物利用度及其相关理化性质	机器学习	药物研发	分子图表示学习	深度学习模型（PGnT）	分子结构与理化性质数据	未提供具体样本数量	NA	GNN, Transformer编码器	准确率	NA
11	2026-05-25	Automated Coregistered Segmentation for Volumetric Analysis of Multiparametric Renal MRI 2026-06, Magnetic resonance in medicine IF:3.0Q2 DOI:10.1002/mrm.70288 PMID:41639936	研究论文	开发并评估了一个全自动深度学习驱动后处理流程，用于多参数肾脏MRI，实现准确的肾脏对齐、分割和定量特征提取	提出了一种集成深度学习分割网络与图像配准的全自动流程，在单一高效工作流中完成多参数肾脏MRI的配准、分割和定量分析，显著提高了处理速度和准确性	未明确提及局限性，但样本量相对较小（24名患者和10名健康受试者），且仅在肾脏MRI数据集上验证，泛化性有待进一步研究	开发并评估用于多参数肾脏MRI的自动化深度学习后处理流程，以支持肾脏疾病的诊断和治疗规划	肾脏结构的分割与对齐，以及多参数MRI的定量特征提取	计算机视觉, 数字病理学	前列腺癌, 神经内分泌肿瘤, 肾脏疾病	MRI（多参数磁共振成像）	深度学习分割网络，深度学习图像配准模型	医学图像（多参数肾脏MRI）	24名前列腺癌或神经内分泌肿瘤患者及10名健康受试者，每人进行重复扫描	NA	分割网络，深度学习配准网络	相关系数（r > 0.9），组内相关系数，偏差	每扫描约需15秒处理时间，未指定具体GPU或云平台
12	2026-05-25	K-CC-MoCo: A Fast k-Space-Based Respiratory Motion Correction for Highly Accelerated First-Pass Perfusion Cardiovascular MR 2026-Jun, Magnetic resonance in medicine IF:3.0Q2 DOI:10.1002/mrm.70287 PMID:41664248	研究论文	提出一种名为K-CC-MoCo的快速k空间呼吸运动校正方法，用于高加速首过灌注心血管磁共振成像	在k空间直接进行呼吸运动校正，避免了图像域方法对初始重建的依赖；通过归一化互相关目标函数处理动态对比变化；通过基于感兴趣区域的线圈压缩聚焦心脏区域	方法为刚性运动校正，可能无法完美处理非刚性运动；仅在自由呼吸FPP-CMR中验证，未在更广泛临床应用评估	解决自由呼吸首过灌注心血管磁共振成像中的呼吸运动校正问题，支持基于模型或深度学习的重建	自由呼吸FPP-CMR的呼吸运动	机器学习	冠状动脉疾病	K空间运动校正	归一化互相关（NCC）	MRI图像	数字体模及真实自由呼吸FPP-CMR数据（不同加速因子）	NA	NA	SSIM	NA
13	2026-05-25	Accelerating MRI With Longitudinally-Informed Latent Posterior Sampling 2026-06, Magnetic resonance in medicine IF:3.0Q2 DOI:10.1002/mrm.70257 PMID:41724725	研究论文	提出一种基于扩散模型的重建框架，利用纵向既往扫描加速MRI采集，无需配对训练数据	不需要纵向配对训练数据，能够整合受试者既往扫描的DICOM格式幅度图像以指导随访重建，并开放多会话配对数据集	未明确提及，但可能依赖于既往扫描与随访扫描的结构相似性，在解剖或病理变化较大时效果可能受影响	加速MRI采集，通过整合受试者既往扫描提高重建质量	MRI纵向成像中的受试者，包括既往扫描和随访扫描	计算机视觉	NA	扩散模型	扩散模型	磁共振成像（MRI）图像和k空间数据	开放获取的临床数据集，包含多会话对的既往DICOM和随访k空间	NA	扩散模型	SSIM, PSNR	NA
14	2026-05-25	TabulaTime: Novel multimodal deep learning for Acute Coronary Syndrome prediction through environmental and clinical data integration 2026-06, Artificial intelligence in medicine IF:6.1Q1 DOI:10.1016/j.artmed.2026.103395 PMID:41825437	研究论文	提出TabulaTime，一种多模态深度学习框架，通过整合临床和环境数据增强急性冠脉综合征风险预测	三方面创新：多模态时间序列环境与临床数据整合；采用PatchRWKV以线性计算复杂度提取复杂时间模式；通过注意力机制增强可解释性	NA	增强急性冠脉综合征风险预测	急性冠脉综合征患者，包括STEMI和NSTEMI	机器学习	心血管疾病	NA	深度学习	时间序列数据和临床数据	NA	NA	PatchRWKV	准确率	NA
15	2026-05-25	PatientFlow: Learning to generate mixed-type longitudinal clinical data with flow matching 2026-06, Artificial intelligence in medicine IF:6.1Q1 DOI:10.1016/j.artmed.2026.103392 PMID:41830733	研究论文	提出PatientFlow方法，结合变分自编码器和流匹配，生成混合类型纵向临床数据，以支持深度学习在医疗中的应用	首次将变分自编码器与流匹配结合用于纵向临床数据的生成，能处理静态和时序混合类型数据，且生成的数据在临床终点预测上堪比甚至超越真实数据	仅在肌萎缩侧索硬化症一个队列（N=1560）上验证，可能需在其他疾病中进一步测试其泛化能力	生成高保真的合成纵向临床数据，以解锁大规模深度学习模型在复杂疾病中的应用并保护患者隐私	肌萎缩侧索硬化症患者的纵向临床数据，包括静态和时序混合类型成分	机器学习	肌萎缩侧索硬化症	NA	变分自编码器、流匹配	纵向临床数据（静态和时序混合类型）	1560名肌萎缩侧索硬化症患者	NA	变分自编码器、流匹配	临床专家验证、预后模型性能（五个临床终点）	NA
16	2026-05-25	AI-Based Forecasting of National Tourism Revenues: Integrating Economic, Fiscal, Political, and Environmental Determinants Through Regression-Oriented Hybrid Models 2026-Jun, Big data IF:2.6Q2 DOI:10.1177/2167647X261431683 PMID:41902908	研究论文	提出一个集成经济、财政、政治和环境因素的混合模型框架，用于预测国家旅游收入	提出回归导向的两阶段残差提升设计，先以Transformer作为主要预测器，再以LightGBM拟合残差校正系统误差，实现透明错误归因，超越以往的DL-DL堆叠混合模型	实证结果为相关性和预测关联，不应解读为政策干预的因果效应	提升国家旅游收入预测的准确性和可解释性，为政策制定提供指导	国家层面的旅游收入预测	机器学习	NA	NA	混合模型（LightGBM + Transformer）	面板数据	国家-年份面板数据（未明确具体样本量）	NA	Transformer, LightGBM	平均绝对误差, 均方根误差, 平均绝对百分比误差	NA
17	2026-05-25	Spectral Representation of Neurochemicals With Phase, Frequency Offset, and Lineshape Invariance: Application to JPRESS for In Vivo Concentration and T2 Mapping by Deep Learning 2026-06, Magnetic resonance in medicine IF:3.0Q2 DOI:10.1002/mrm.70291 PMID:41654995	研究论文	利用深度学习模型从JPRESS数据中直接映射神经化学物质浓度和平均横向弛豫时间（T2），并实现对相位偏移、频率偏移和线型变化的鲁棒性	提出了一个对相位偏移、频率偏移和线型变化具有不变性的谱表示方法，并利用WaveNet和门控循环单元（GRU）的组合从时间域JPRESS数据中提取TE特定表示，实现无需光谱编辑即可检测低浓度神经化学物质（如GABA）	NA	开发一种基于人工智能的表示方法，直接输出神经化学物质浓度和代谢物级平均横向弛豫时间（T2），并提高实际应用中的可行性	神经化学物质（包括GABA等低浓度物质）和代谢物级平均T2值	机器学习	NA	JPRESS光谱	神经网络	时间域光谱数据（JPRESS）	计算机合成数据用于训练，未涉及具体体内样本数量	NA	WaveNet, 门控循环单元（GRU）	文献对比验证一致性和鲁棒性	NA
18	2026-05-25	Twin cross contrastive learning with multi-modality fusion for drug-target affinity prediction 2026-06, Artificial intelligence in medicine IF:6.1Q1 DOI:10.1016/j.artmed.2026.103394 PMID:41806518	研究论文	提出一种基于双交叉对比学习与多模态融合的药物-靶标结合亲和力预测框架TCCL	首次引入双交叉对比学习架构，同时从分子尺度和网络尺度提取语义与结构信息，并通过多模态融合增强表征能力	未在更多真实场景或更大规模数据集上进行验证，计算资源需求未明确说明	提升药物-靶标结合亲和力预测的准确性和泛化能力	药物分子与靶标蛋白	机器学习	NA	NA	双编码器神经网络	分子结构数据、拓扑图数据	两个基准数据集	NA	双流编码器、双交叉对比学习架构	准确率、F1分数、AUC	NA
19	2026-05-25	Precise estimation of tissue microstructure with hybrid graph transformer 2026-06, Artificial intelligence in medicine IF:6.1Q1 DOI:10.1016/j.artmed.2026.103390 PMID:41806520	研究论文	结合混合图Transformer精准估计组织微结构	提出混合图Transformer，同时考虑q-空间和图卷积网络以及x-空间残差密集Transformer块，实现空间域和扩散波矢量域的联合信息利用	未在更多样化的数据集或更低采样率下验证模型泛化能力	通过高度欠采样弥散磁共振成像数据精准估计组织微结构	组织微结构	计算机视觉、自然语言处理、机器学习	帕金森病	弥散磁共振成像	图卷积网络和Transformer	弥散磁共振成像数据	人类连接组项目和帕金森病高质量弥散加权成像数据	PyTorch	混合图Transformer（包括图卷积网络和残差密集Transformer块）	NA	NA
20	2026-05-25	A systematic review of machine and deep learning techniques for acute lymphoblastic leukemia diagnosis 2026-06, Artificial intelligence in medicine IF:6.1Q1 DOI:10.1016/j.artmed.2026.103393 PMID:41806519	综述	系统综述机器学习和深度学习方法在急性淋巴细胞白血病诊断中的应用	全面分析了传统机器学习和先进深度学习架构在ALL检测和分类中的应用，包括预处理、特征提取和细胞定量等关键阶段	未提及具体的技术局限性	评估并比较机器学习和深度学习技术在ALL诊断中的性能	急性淋巴细胞白血病（ALL）诊断中的淋巴细胞和淋巴母细胞	机器学习	急性淋巴细胞白血病	NA	机器学习模型和深度学习模型	NA	NA	NA	NA	准确性	NA