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	2026-05-24	An automatic detection model for spread through air spaces in postoperative pathological sections based on deep learning in NSCLC 2026-Dec, Computer assisted surgery (Abingdon, England) DOI:10.1080/24699322.2026.2674321 PMID:42172197	研究论文	提出基于深度学习的非小细胞肺癌术后病理切片气腔扩散自动检测模型	结合肿瘤区域分割算法与改进的目标检测算法，首次实现气腔扩散（STAS）的自动检测与量化	外部验证中精度和召回率有所下降，且在肺鳞癌中准确性低于肺腺癌	开发基于深度学习的AI框架，自动检测和量化非小细胞肺癌全切片图像中的气腔扩散（STAS）	91名STAS阳性非小细胞肺癌患者的129张病理切片	数字病理学	非小细胞肺癌	深度学习	目标检测模型	病理图像	129张病理切片（来自91名患者）	PyTorch	分割算法、改进的目标检测模型	Jaccard相似度、精确率、召回率、平均精度（AP）、F1分数、组内相关系数	NA
2	2026-05-24	Deep learning-based non-contrast cine CMR for optimized prediction of left ventricular adverse remodeling after ST-elevation myocardial infarction 2026-Aug-15, International journal of cardiology IF:3.2Q2 DOI:10.1016/j.ijcard.2026.134499 PMID:42031064	研究论文	评估基于非对比心脏磁共振的深度学习模型预测ST段抬高型心肌梗死后左心室不良重构的可行性	首次提出基于非对比CMR的深度学习框架，无需钆对比剂即可预测LVAR，并整合影像、形态和运动特征提升预测性能	回顾性研究且样本量较小（n=252），可能限制模型泛化能力；未进行外部独立验证	开发一种无创、无对比剂的工具用于STEMI患者LVAR风险分层和个性化管理	252例急性STEMI患者（来自两个医疗中心）	数字病理学	ST段抬高型心肌梗死	心脏磁共振	3D U型网络和分类模型	影像、形态和运动特征	252例STEMI患者（训练组176例，测试组76例）	NA	3D U型网络	AUC, 准确率, 灵敏度, 特异度, F1分数	NA
3	2026-05-24	TAPSeg: An open-source deep learning tool for instance-level tooth and pulp segmentation in CBCT 2026-Aug, Journal of dentistry IF:4.8Q1 DOI:10.1016/j.jdent.2026.106643 PMID:41865812	研究论文	开发了一款基于深度学习的开源一键式CBCT牙齿和牙髓自动分割工具TAPSeg，并在三维切片器软件中实现集成分割与重建	提出了结合V-Net和nnU-Net的混合框架，实现牙齿实例级分割和牙髓语义分割，并以3D Slicer插件形式提供一键式操作，降低了临床使用门槛	未提及开放根尖未成熟恒牙分割的具体局限性，可能涉及模型对特殊病例的泛化能力不足	开发并验证基于深度学习的CBCT自动分割工具，实现牙齿和牙髓的集成分割与重建，支持临床数字化牙科工作流程	CBCT扫描中的牙齿和牙髓结构	数字病理学	口腔疾病	锥形束CT（CBCT）	V-Net, nnU-Net	图像	牙齿分割198例，牙髓分割148例	NA	V-Net, nnU-Net	Dice相似系数(DSC), 95% Hausdorff距离(HD95), 灵敏度, 精确度	NA
4	2026-05-24	AI-driven target definition using CE-T1w and black blood sequence imaging in stereotactic radiosurgery for brain metastases 2026-Aug, European journal of radiology IF:3.2Q1 DOI:10.1016/j.ejrad.2026.112891 PMID:42066626	研究论文	开发并评估一种基于深度学习的方法，用于在立体定向放射外科治疗脑转移瘤时，从对比增强T1加权（CE-T1w）和黑血（BB）MR扫描中自动检测和勾画病灶	首次结合CE-T1w和黑血序列成像用于脑转移瘤的自动检测与靶区勾画，并基于nnUNet模型实现高精度，能够识别专家遗漏的3.0%病灶	模型对小病灶（<0.1 cc）的检测灵敏度低于专家（0.83 vs 0.95），需要进一步优化以适用于临床	优化立体定向放射外科治疗脑转移瘤的规划流程	206名立体定向放射外科患者的CE-T1w和BB CE-T1w扫描图像及手动勾画	数字病理学	脑转移瘤	MRI（CE-T1w和黑血序列）	nnUNet	图像	206名患者（162名训练集，44名测试集）	PyTorch	nnUNet	F1分数, 灵敏度, 阳性预测值, Dice系数, Hausdorff距离	NA
5	2026-05-24	A hybrid deep learning framework for accurate N6,2'-O-Dimethyladenosine site prediction 2026-Aug, Biophysical chemistry IF:3.3Q2 DOI:10.1016/j.bpc.2026.107639 PMID:42054815	研究论文	提出一个混合深度学习框架用于精确预测RNA中的N6,2'-O-二甲基腺苷（mAm）修饰位点	整合多种序列衍生特征并结合SHAP进行分析以提升模型效率和可解释性	未提及	开发准确且可解释的mAm位点预测方法，推动表观转录组学研究	RNA中的N6,2'-O-二甲基腺苷（mAm）修饰位点	机器学习, 生物信息学	NA	RNA测序	深度神经网络 (DNN)	RNA序列数据	NA	NA	深度神经网络 (DNN)	准确率	NA
6	2026-05-24	Clinical evaluation of deep learning accelerated 3D magnetic resonance cholangiopancreatography at 1.5 T and 3 T 2026-Aug, European journal of radiology IF:3.2Q1 DOI:10.1016/j.ejrad.2026.112906 PMID:42070421	研究论文	评估深度学习加速的3D磁共振胆胰管成像在1.5T和3T磁场下的临床可行性	利用新型深度学习加速方法Sonic DLTM 3D（SDL）显著缩短扫描时间至11-17秒，同时保持或提升图像质量	放射科医生之间的图像质量评分存在差异，且SDL MRCP并非在所有评估特征类别中均优于标准技术	评估深度学习加速3D MRCP的临床可行性	接受MRCP扫描的患者	机器学习	胆胰系统疾病	MRI	深度学习模型	图像	96名患者（64名1.5T扫描，32名3T扫描）	NA	NA	整体图像质量、图像噪声、图像锐度、伪影	NA
7	2026-05-24	MRI-based interpretable deep learning radiomics for predicting treatment response in axial spondyloarthritis 2026-Aug, European journal of radiology IF:3.2Q1 DOI:10.1016/j.ejrad.2026.112903 PMID:42085769	研究论文	开发并验证基于MRI的可解释深度学习放射组学模型，用于预测强直性脊柱炎患者对抗肿瘤坏死因子抑制剂的治疗反应	首次将深度学习与放射组学结合并加入可解释性分析，用于预测强直性脊柱炎患者的TNFi治疗反应，并整合临床数据构建DLRC模型	单中心研究、样本量相对较小（183例），且未进行外部验证	建立基于MRI的DLR模型以预测axSpA患者的TNFi治疗反应，实现治疗前精准分层	初次使用TNFi治疗前的强直性脊柱炎患者	医学影像分析, 机器学习	强直性脊柱炎	MRI	深度学习与放射组学结合	图像（骶髂关节MRI）	183例患者（平均年龄26.5岁，男性占66.1%）	NA	深度学习特征提取网络	AUC, 校准曲线, 决策曲线分析, 综合判别改善指数	NA
8	2026-05-24	Ultra-low-dose CT for malignant metastasis screening using a deep learning image reconstruction algorithm 2026-Aug, European journal of radiology IF:3.2Q1 DOI:10.1016/j.ejrad.2026.112896 PMID:42102570	research paper	评估使用超分辨率深度学习重建算法的超低剂量CT在恶性转移筛查中的可行性和诊断性能	首次将超分辨率深度学习重建算法应用于超低剂量CT的恶性转移筛查，实现了约70%的辐射剂量降低的同时保持优越的图像质量和诊断性能	未提及具体限制	评估超低剂量CT结合超分辨率深度学习重建在癌症患者恶性转移筛查中的表现	271名癌症患者（平均年龄66.3岁，134名男性），其中56人需要治疗干预	computer vision	恶性转移	CT	深度学习重建算法	图像	271名癌症患者，17种原发癌和178处转移病灶，1264个良性病变	NA	超分辨率深度学习重建	图像质量评分、病变检出率、诊断性能	NA
9	2026-05-24	Interpretable machine learning and deep learning model for discriminating pheochromocytoma from adrenocortical adenoma based on CT: A multicenter study 2026-Aug, European journal of radiology IF:3.2Q1 DOI:10.1016/j.ejrad.2026.112902 PMID:42107147	研究论文	基于CT影像的机器学习和深度学习模型用于区分嗜铬细胞瘤与肾上腺皮质腺瘤的多中心研究	首次系统对比多种机器学习与深度学习架构在嗜铬细胞瘤和肾上腺皮质腺瘤鉴别诊断中的效能，并应用SHAP解释性方法构建临床列线图	样本量相对较小，且为回顾性研究，可能存在选择偏倚	通过基准测试不同机器学习和深度学习架构，确定术前区分嗜铬细胞瘤与肾上腺皮质腺瘤的最优诊断策略	来自两个医疗中心的401例患者的双期CT影像数据及临床信息	数字病理	肾上腺肿瘤（嗜铬细胞瘤与肾上腺皮质腺瘤）	CT影像组学	逻辑回归、SqueezeNet	医学图像	401例患者（中心1: 331例，中心2: 70例）	NA	逻辑回归、SqueezeNet	AUC、准确率、决策曲线分析	NA
10	2026-05-24	A CT-based deep learning model to differentiate between benign and malignant adrenal lesions 2026-Aug, European journal of radiology IF:3.2Q1 DOI:10.1016/j.ejrad.2026.112907 PMID:42107149	研究论文	开发一种基于CT的深度学习模型，用于区分肾上腺病变的良恶性	结合临床、生物学和影像学特征的深度学习模型，在初次CT检查中高效区分肾上腺良恶性病变	未在论文摘要中明确提及	开发深度学习模型以区分肾上腺良性病变与恶性病变	肾上腺病变患者	机器学习	肾上腺病变	CT	深度学习模型	图像	380名患者，385个经病理证实的肾上腺病变（101个恶性，284个良性）	NA	NA	敏感性、特异性、准确性、AUC	NA
11	2026-05-24	Rapid multi-parametric quantitative MRI via deep learning-based synthetic-to-real reconstruction and 3D SSFP-MOLED imaging 2026-Jul-15, NeuroImage IF:4.7Q1 DOI:10.1016/j.neuroimage.2026.121985 PMID:42107614	研究论文	提出一种结合深度学习的合成到真实重建与3D SSFP-MOLED的快速多参数定量磁共振成像方法	首次将相位调制三维稳态自由进动与多重叠回波分离（3D SSFP-MOLED）信号编码方法与基于物理约束的合成数据管道和深度学习重建相结合，实现快速、高精度的多参数定量成像	NA	解决多参数定量磁共振成像扫描时间长、对非理想信号条件敏感的问题	磁共振成像中的多参数定量映射	机器学习	肿瘤、出血	磁共振成像（MRI）	深度学习网络	磁共振图像	体模、健康志愿者及肿瘤/出血患者	NA	NA	准确度、可重复性	NA
12	2026-05-24	Editorial for the Special Issue on Harmonization Techniques for MRI 2026-Jul-15, NeuroImage IF:4.7Q1 DOI:10.1016/j.neuroimage.2026.121979 PMID:42128316	评论	介绍神经影像协调化的专刊，总结多站点MRI分析中的协调化方法及其挑战	系统梳理协调化方法的主要类别（包括统计方法、深度学习和域泛化策略），并强调网络感知协调化技术超越体素的创新方向	未涉及具体方法的实验验证；跨模态性能、生物信息保留和隐私保护框架的挑战尚未完全解决	推动多站点神经影像数据的可重复性和泛化性研究	多站点MRI数据中的协调化技术	机器学习	NA	MRI	深度学习模型（如ComBat家族、深度学习方法）	神经影像数据（包括体素、连接组数据）	NA	NA	ComBat, 深度学习网络（未具体说明）	NA	NA
13	2026-05-24	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	评估深度学习模型在不同MRI序列、肿瘤类型和解剖位置上对软组织肉瘤分割的性能	系统分析MRI序列、解剖位置和组织学亚型对深度学习自动分割准确性的影响，并发现单序列T1模型优于多模态融合方法	未提及具体限制	评估深度学习模型对软组织肉瘤自动分割的性能，并探究不同MRI序列、解剖位置和组织学亚型的影响	299例软组织肉瘤患者的术前MRI图像	数字病理学, 计算机视觉	软组织肉瘤	MRI	cnn	影像	299例患者（平滑肌肉瘤67例，粘液纤维肉瘤55例，粘液样脂肪肉瘤60例，未分化多形性肉瘤70例，肌内粘液瘤47例）	NA	nnU-Net	Dice系数, F2分数, 平均对称表面距离, 95百分位豪斯多夫距离	NA
14	2026-05-24	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	开发并验证用于膝关节MRI上异常胫前动脉自动检测的深度学习模型	首次将人工智能应用于膝关节MRI上异常胫前动脉的自动检测	外部验证集精确度下降，假阳性增加；临床部署前需更广泛的多中心验证	开发深度学习方法自动检测膝关节MRI上的异常胫前动脉，以辅助术前风险评估和手术规划	膝关节MRI图像中的异常胫前动脉	计算机视觉	NA	MRI	卷积神经网络	图像	70260张MRI图像来自2315次检查（1441次无异常胫前动脉，874次有异常胫前动脉）	PyTorch	NA	F1分数, AUC	NA
15	2026-05-24	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	综述了用于膝关节的快速MRI技术及其优势与局限性	强调了深度学习重建技术在高加速因子下实现高质量成像的突破性进展，并系统总结了加速策略的技术原理、临床验证及实施考量	未深入探讨深度学习算法在不同患者群体或MRI设备中的泛化性，且对成本效益分析较为简略	评估快速MRI协议在膝关节成像中的技术进展、临床可行性和未来前景	膝关节MRI加速技术，包括并行成像、同时多层采集、压缩感知和深度学习重建	自然语言处理	膝关节疾病	并行成像、同时多层采集、压缩感知、深度学习重建	深度学习重建模型	MRI图像	NA	NA	NA	成像质量、诊断性能、扫描时间	NA
16	2026-05-24	Toward clinical value, not just accuracy: deep learning segmentation of soft tissue sarcoma 2026-Jul, Skeletal radiology IF:1.9Q3 DOI:10.1007/s00256-026-05227-x PMID:42029683	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
17	2026-05-24	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	提出基于任务相似性迁移学习的框架TS-GTL，结合分子图与理化性质预测人体口服生物利用度	提出任务相似性引导的迁移学习框架TS-GTL，包含融合分子描述符的知识驱动Transformer模型PGnT，以及用于量化任务相似性的MoTSE方法	NA	提高小样本数据场景下人体口服生物利用度预测的准确性和可解释性	药物分子的口服生物利用度属性	机器学习	NA	NA	图神经网络（GNN）、Transformer	分子图数据、分子描述符	NA	PyTorch	PGnT（pKa图知识驱动Transformer）	NA	NA
18	2026-05-24	Zero Echo Time Magnetic Resonance Imaging of the Spine 2026-Jun, Seminars in musculoskeletal radiology IF:0.9Q4 DOI:10.1055/a-2803-1958 PMID:41839202	综述	综述零回波时间磁共振成像在脊柱成像中的技术基础、临床应用及新兴角色	综合阐述了零回波时间脊柱成像的序列设计、深度学习重建策略、解读陷阱，以及CT样骨可视化在避免电离辐射下的应用优势	空间分辨率有限，存在气体模拟钙化、金属相关伪影等解读陷阱	总结零回波时间脊柱成像的技术原理和临床应用，为减少CT依赖和推动无电离辐射MRI诊断流程提供依据	脊柱（包括创伤、退变、炎症、肿瘤、感染、发育性病变及儿童/胎儿脊柱评估等）	计算机视觉	脊柱疾病	零回波时间磁共振成像	NA	图像	NA	NA	NA	NA	NA
19	2026-05-24	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、政治和环境变量的框架，通过回归导向的混合模型预测国家旅游收入	方法论创新在于两阶段残差提升设计：先以Transformer作为主要预测器，再用LightGBM拟合残差以校正系统误差，最终得到分解预测，实现比以往深度学习堆叠混合模型更透明的误差归因	实证结果为相关性且反映预测关联，不应解释为政策干预的因果效应	通过系统比较机器学习、深度学习及混合架构，提升国家旅游收入预测的准确性和解释性，并为旅游经济学提供方法创新，为政策制定者提供财政规划、政治稳定和环境可持续性方面的可操作指导	国家旅游收入	机器学习	NA	NA	LightGBM, Transformer	面板数据（国家-年份）	NA	NA	LightGBM, Transformer	平均绝对误差, 均方根误差, 平均绝对百分比误差	NA
20	2026-05-24	MRI-driven multimodal deep learning approach for predicting pathological complete response after neoadjuvant chemoradiotherapy in locally advanced rectal cancer: A multicenter study 2026-Jun, European journal of surgical oncology : the journal of the European Society of Surgical Oncology and the British Association of Surgical Oncology DOI:10.1016/j.ejso.2026.111796 PMID:41996781	研究论文	开发一种基于多参数磁共振成像的临床深度学习影像组学模型，用于预测局部进展期直肠癌患者在新辅助放化疗后是否达到病理完全缓解	创新性地将影像组学特征与深度学习特征融合，并结合SHAP分析和Grad-CAM方法实现模型可解释性，且采用多中心外部验证	回顾性设计、样本量相对较小、需进一步前瞻性验证	开发无创性预测模型以识别新辅助放化疗后能达到病理完全缓解的局部进展期直肠癌患者，从而支持器官保留策略	180名接受新辅助放化疗后手术的局部进展期直肠癌患者，来自三个医疗中心	医学影像分析, 数字病理学	直肠癌	MRI	ResNet50, GoogLeNet, ResNet18, VGG16	MRI影像（T2加权和弥散加权成像序列）	180名患者（训练队列92例，外部验证队列88例）	NA	ResNet50, GoogLeNet, ResNet18, VGG16	AUC	NA