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
741	2026-09-07	AI-based large-scale screening of gastric cancer from noncontrast CT imaging 2025-Sep, Nature medicine IF:58.7Q1 DOI:10.1038/s41591-025-03785-6 PMID:40555751	研究论文	开发并验证了一种基于非增强CT影像和深度学习的人工智能程序（GRAPE），用于大规模胃癌筛查，并在真实世界的机会性筛查中评估了其效能	首次利用非增强CT影像和深度学习技术，开发出面向大规模胃癌筛查的人工智能程序（GRAPE），并在多中心大规模队列（包括超过10万例CT扫描）中进行了全面验证，证明了其显著优于放射科医生的性能，且能独立于肿瘤位置检测胃癌，并能在早期阶段发现放射科医生漏诊的病例	摘要中未明确提及局限性	开发并验证一种基于非增强CT影像和深度学习的大规模胃癌筛查方法，以提高早期胃癌的检出率	胃癌患者和非胃癌对照人群的非增强CT影像	计算机视觉, 深度学习	胃癌	非增强CT成像，深度学习	深度学习模型	非增强CT影像	包含来自中国2个中心的3,470例胃癌和3,250例非胃癌病例的开发队列；内部验证集1,298例；来自16个中心的独立外部验证队列18,160例；真实世界机会性筛查队列包含来自1个综合癌症中心和2个独立地区医院的78,593次连续非增强CT扫描	NA	NA	曲线下面积（AUC）、灵敏度、特异度	NA
742	2026-09-07	Repeatability-encouraging self-supervised learning reconstruction for quantitative MRI 2025-08, Magnetic resonance in medicine IF:3.0Q2 DOI:10.1002/mrm.30478 PMID:40014485	研究论文	提出一种鼓励可重复性的自监督学习重建方法用于定量MRI，以提高T1 mapping的测量可重复性并加速重建。	通过最小化k-t空间数据两个互斥子集之间的跨数据一致性，鼓励重建的可重复性，无需标注训练数据。	未提及	开发一种无需标注训练数据的自监督学习重建方法，以提高定量MRI的测量可重复性并缩短重建时间。	心脏MR多任务T1 mapping数据。	计算机视觉, 机器学习, 医学影像	心脏病	MRI k-t空间数据	自监督学习重建网络	MRI图像数据	未提及具体样本数量，但使用60秒心脏MR多任务T1 mapping数据中的子集进行训练和评估。	未提及	未提及	Bland-Altman一致性限值, 变异系数, 重建图像清晰度	未提及
743	2026-09-07	Establishing a Deep Learning Model That Integrates Pretreatment and Midtreatment Computed Tomography to Predict Treatment Response in Non-Small Cell Lung Cancer 2025-08-01, International journal of radiation oncology, biology, physics DOI:10.1016/j.ijrobp.2025.03.012 PMID:40089073	研究论文	本研究旨在开发一种整合治疗前和治疗中CT的深度学习模型，以预测非小细胞肺癌患者对放疗的反应。	首次将治疗前和治疗中的CT图像结合起来，利用变长时间间隔的LSTM网络预测放疗反应，并提出基于模型推导的个性化剂量递增策略。	研究为回顾性设计，样本量相对较小（168例），且个性化剂量递增策略尚未在临床实践中验证。	开发一种深度学习模型，整合治疗前和治疗中的CT图像，预测非小细胞肺癌患者的放疗反应，并探索个性化剂量递增的可能性。	168例接受放疗的非小细胞肺癌患者。	医学影像分析	非小细胞肺癌	CT成像	LSTM	图像	168例患者（训练集128例，外部验证集40例）	未提及，可能使用PyTorch或TensorFlow，但未明确说明。	变长时间间隔LSTM网络	AUC、预测绝对误差	未提及具体计算资源。
744	2026-09-07	Accurate and real-time brain tumour detection and classification using optimized YOLOv5 architecture 2025-Jul-12, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-07773-1 PMID:40651993	研究论文	提出一种结合FCNN和YOLOv5的优化架构，用于脑肿瘤的实时检测与分类，实现高准确率	将全卷积神经网络与YOLOv5结合，并采用改进的RMSProp优化器，实现分类与检测的联合框架，提高脑肿瘤识别准确率	未提及具体局限性	提高脑肿瘤在MRI图像中的检测和分类准确性，并实现实时性能	MRI图像中的脑肿瘤，包括良性胶质瘤、腺瘤、垂体瘤和脑膜瘤	计算机视觉	脑肿瘤	MRI成像	全卷积神经网络（FCNN）和YOLOv5	MRI图像	未提及	未提及	FCNN和YOLOv5	精确度、召回率、F1系数、特异性、准确率	未提及
745	2026-09-07	Embryonic cranial cartilage defects in the Fgfr3Y367C /+ mouse model of achondroplasia 2025-07, Anatomical record (Hoboken, N.J. : 2007) DOI:10.1002/ar.25327 PMID:37747411	研究论文	本研究利用Fgfr3Y367C/+小鼠模型，结合深度学习三维分割技术，分析了软骨发育不全症相关的胚胎颅面软骨发育缺陷	首次应用深度学习方法对磷钨酸增强的三维微CT图像进行自动分割，量化了胚胎期颅软骨和梅克尔软骨的差异	摘要未提及研究局限	探究软骨发育不全症小鼠模型中胚胎期颅部软骨和咽部软骨的发育异常	Fgfr3Y367C/+小鼠的胚胎颅软骨（软颅）和梅克尔软骨	数字病理学	软骨发育不全症	微CT成像	深度学习三维分割模型	三维图像	Fgfr3Y367C/+小鼠及未受影响的同窝对照，胚胎期E14.5和E16.5	未指定	未指定	统计显著差异	未指定
746	2026-09-07	Generalizable, sequence-invariant deep learning image reconstruction for subspace-constrained quantitative MRI 2025-07, Magnetic resonance in medicine IF:3.0Q2 DOI:10.1002/mrm.30433 PMID:39834093	研究论文	本文提出了一种对比度不变的分量级联网络结构，用于实现跨不同脉冲序列的定量MRI图像重建，并与传统的时空多分量网络进行了比较。	提出了一种对比度不变的逐分量（CBC）网络结构，该结构能够泛化到不同的脉冲序列，支持通用监督深度子空间学习，解决了数据稀缺问题。	未提及明确的局限性。	开发一种能够跨越不同脉冲序列工作的深度子空间学习网络，并评估其性能、泛化能力和数据稀缺处理的优势。	使用T1、T1-T2和T1-T2-T2*-脂肪分数（FF）映射序列进行MR多任务成像，涉及130、167和16名受试者。	磁共振成像重建，深度学习	不适用于特定疾病	定量MRI（MR多任务成像）	深度学习网络（CBC和MC结构）	图像（MRI图像）	共313名受试者（130名T1序列、167名T1-T2序列、16名T1-T2-T2*-FF序列）	未明确指定	对比度不变的逐分量（CBC）网络和时空多分量（MC）网络	归一化均方根误差（NRMSE），Bland-Altman分析	未明确指定
747	2026-09-07	EUP: Enhanced cross-species prediction of ubiquitination sites via a conditional variational autoencoder network based on ESM2 2025-07, PLoS computational biology IF:3.8Q1 DOI:10.1371/journal.pcbi.1013268 PMID:40668800	研究论文	介绍了一种基于条件变分自动编码器和预训练语言模型ESM2的泛素化位点预测在线服务器EUP，实现了跨物种的高效预测和模型解释。	利用条件变分推理降低ESM2特征的维度，构建跨物种泛素化位点预测模型，提高了预测性能和推断速度，并识别跨物种共享的关键特征以增强模型可解释性。	未明确提及具体限制，可能依赖于预训练模型和特征维度压缩，对少量标签场景的适应性待进一步验证。	开发一种能够跨物种预测泛素化位点并具有高可解释性的深度学习模型，解决传统监督模型在标签稀缺场景下的局限性。	动物、植物和微生物的泛素化位点。	机器学习	NA	预训练语言模型ESM2	条件变分自动编码器（CVAE）	氨基酸序列数据	未明确提及样本数量，涉及动物、植物和微生物的多物种数据	NA	CVAE, ESM2	性能指标未在摘要中明确，但可能包括AUC、准确率等	未明确提及，但提供在线服务器（https://eup.aibtit.com/）
748	2025-10-06	A variational deep-learning approach to modeling memory T cell dynamics 2025-07, PLoS computational biology IF:3.8Q1 DOI:10.1371/journal.pcbi.1013242 PMID:40705818	研究论文	提出一种结合深度学习和随机变分推断的方法，用于建模肺组织中记忆T细胞的动态变化	同时推断动态模型参数和群体结构，直接基于单细胞流式细胞术数据训练，而非预定义细胞簇的动力学	研究仅限于小鼠流感病毒感染模型，尚未验证在其他生物系统的适用性	开发能够处理高维数据的可解释数学模型，研究免疫记忆的动态机制	小鼠肺组织驻留记忆CD4和CD8 T细胞	机器学习	流感病毒感染	单细胞流式细胞术	深度学习, 变分推断	流式细胞术数据	NA	NA	NA	NA	NA
749	2026-09-07	Multitask deep learning for the emulation and calibration of an agent-based malaria transmission model 2025-07, PLoS computational biology IF:3.8Q1 DOI:10.1371/journal.pcbi.1013330 PMID:40743314	研究论文	本文提出了一种多任务深度学习方法，用于模拟和校准基于个体的疟疾传播模型，通过训练神经网络模拟器来捕捉免疫参数与流行病学结果之间的关系，并结合参数估计技术进行模型校准。	首次将多任务深度学习应用于复杂的基于个体的疟疾传播模型的模拟和校准，展现了机器学习指导复杂科学过程模拟器设计的潜力。	摘要中未明确提及局限性。	利用多任务深度学习高效模拟和校准复杂的基于个体的疟疾传播模型，以便更好地理解疾病动态和规划干预措施。	EMOD疟疾模型，一种基于个体的疟疾传播动力学模型，以及八个撒哈拉以南非洲研究地点的年龄分层发病率和患病率。	机器学习	疟疾	NA	神经网络	模拟数据	来自EMOD模型的大量模拟数据集，覆盖八个撒哈拉以南非洲研究地点。	NA	多任务神经网络，具体架构未在摘要中指定。	未在摘要中明确指定。	NA
750	2026-09-07	Incorporating Radiologist Knowledge Into MRI Quality Metrics for Machine Learning Using Rank-Based Ratings 2025-06, Journal of magnetic resonance imaging : JMRI IF:3.3Q1 DOI:10.1002/jmri.29672 PMID:39690114	研究论文	本研究提出一种基于放射科医生图像排序和深度学习模型的MRI图像质量度量方法，用于优化深度学习任务	开发了专门针对MRI的图像质量度量，利用放射科医生对图像对的排序训练DL模型，优于传统MSE和SSIM指标	未在文中明确提及限制，但可能受限于排序的主观性和数据来源的特定性	开发一种特定于MRI的图像质量度量，使用放射科医生的排序和深度学习模型，以改进图像质量评估和深度学习优化	来自NYU fastMRI Initiative神经数据库的2916对独特图像对，共19344个排序	医学影像分析、深度学习	不适用	磁共振成像（MRI）	深度学习模型（IQ-Net和EfficientNet）	MRI图像	2916对图像对（用于排序），7名放射科医生（其中2名使用李克特量表）	NA	IQ-Net、EfficientNet	准确率、加权Cohen's kappa、均方误差（MSE）、结构相似性（SSIM）	NA
751	2026-09-07	Leveraging Social Media Data to Understand the Impact of COVID-19 on Residents' Dietary Behaviors: Observational Study 2025-05-23, Journal of medical Internet research IF:5.8Q1 DOI:10.2196/51638 PMID:40409748	研究论文	本研究利用社交媒体数据（Twitter）分析COVID-19疫情期间及之后居民饮食行为的变化，并通过图像分类和情感分析探讨其与肥胖率及情绪的关系	结合Twitter图像和文本数据，采用迁移学习和预训练的ResNet-101模型对食物图像进行健康分类，并与州级肥胖率关联分析，首次系统揭示疫情期间饮食时间变化和零食消费增加	依赖Twitter用户数据可能存在选择偏差，且社交媒体的表达方式不完全代表实际饮食行为	探索疫情引起的饮食行为变化及其与肥胖和情绪的关系，以指导干预措施和了解社会对饮食习惯的影响	Twitter上于2019、2020和2021年5月至7月间发布的食品相关帖子（约200,000条）及其用户	自然语言处理、计算机视觉	肥胖	文本分析、情感分析、图像分类	深度学习模型	图像和文本数据	约200,000条Twitter帖子（食品相关）	PyTorch	ResNet-101	相关性系数（r）、P值、百分比	NA
752	2026-09-07	PackPPI: An integrated framework for protein-protein complex side-chain packing and ΔΔG prediction based on diffusion model 2025-05, Protein science : a publication of the Protein Society IF:4.5Q1 DOI:10.1002/pro.70110 PMID:40260988	研究论文	提出一个集成框架PackPPI，利用扩散模型和邻近优化算法改进蛋白质复合物侧链预测，并预测突变引起的ΔΔG变化	首次将侧链打包和突变效应预测整合于同一框架，并采用邻近优化算法作为后处理以减少空间冲突	未提及具体限制	开发一个统一的蛋白质复合物侧链打包和ΔΔG预测工具，提高预测构象的合理性	蛋白质复合物及其多突变体	机器学习	NA	扩散模型，邻近优化算法	扩散模型	蛋白质结构数据	CASP15数据集，SKEMPI v2.0数据集	NA	NA	原子RMSD，ΔΔG预测性能（如准确性）	NA
753	2026-09-07	Training, Validating, and Testing Machine Learning Prediction Models for Endometrial Cancer Recurrence 2025-May, JCO precision oncology IF:5.3Q1 DOI:10.1200/PO-24-00859 PMID:40324114	研究论文	该研究利用机器学习与深度学习方法，在大型综合数据集中训练、验证和测试子宫内膜癌复发预测模型	首次在子宫内膜癌复发预测中综合使用临床、病理、基因组及遗传数据，并比较了多种机器学习和深度学习算法的表现	需要前瞻性验证以确定临床实用性	准确预测子宫内膜癌患者的复发风险，以优化辅助治疗选择	子宫内膜癌患者，分为低风险、高风险和非子宫内膜样组织学三组	机器学习	子宫内膜癌	基因组数据分析（包括microRNA、长非编码RNA、异构体、假基因表达以及单核苷酸变异和拷贝数变异）	Lasso回归、机器学习、深度学习	临床、病理、基因组及遗传数据	低风险组329例，高风险组324例，非子宫内膜样组织学组239例	MATLAB、TensorFlow	NA	AUC	NA
754	2026-09-07	An end-to-end neural network for 4D cardiac CT reconstruction using single-beat scans 2025-Apr-22, Physics in medicine and biology IF:3.3Q1 DOI:10.1088/1361-6560/adcafb PMID:40203865	研究论文	提出了一种基于深度学习的端到端框架，利用单次心跳快速CT扫描数据进行四维心脏CT重建，以减轻运动伪影	首次提出仅依赖单周期扫描数据且对心率无显式限制的端到端深度重建框架，将去噪网络与配准网络联合训练，实现运动补偿重建	模型使用真实患者的模拟投影数据进行训练，尚未在真实临床扫描数据上进行验证	开发一种深度学习端到端重建框架，利用单次心跳扫描数据进行动态心脏CT成像，以减少运动伪影并提高图像质量	30名真实患者的模拟投影数据，来自不同机构的模拟数据集以及XCAT生成的连续体模	计算机视觉, 医学影像	心脏疾病	心脏CT成像	深度学习网络（包含去噪网络和配准网络）	CT投影数据, 图像	30名真实患者及不同机构模拟数据集和XCAT连续体模	NA	NA	结构相似性指数(SSIM), 峰值信噪比(PSNR), 均方根误差(RMSE), Dice相似系数(DSC)	NA
755	2026-09-07	Generalizable Magnetic Resonance Imaging-based Nasopharyngeal Carcinoma Delineation: Bridging Gaps Across Multiple Centers and Raters With Active Learning 2025-04-01, International journal of radiation oncology, biology, physics DOI:10.1016/j.ijrobp.2024.11.064 PMID:39557309	研究论文	开发一种利用主动学习和无源域适应的深度学习方法，用于鼻咽癌大体肿瘤体积分割，解决多中心和多名标注者环境中的模型部署变异性和不准确性。	结合主动学习和无源域适应技术，以有限标注目标样本（仅20%）实现多中心和多名标注者域的有效适应，并达到与全监督U-Net相当的性能。	依赖有限标注样本的主动学习，可能影响极端情况下的泛化；未详细说明跨中心标注差异的其他潜在影响。	提高磁共振成像中鼻咽癌大体肿瘤体积分割模型在多中心和多名标注者场景下的准确性和可泛化性。	鼻咽癌患者的磁共振成像扫描及其大体肿瘤体积标注数据。	数字病理学	鼻咽癌	磁共振成像	深度学习模型（U-Net）	医学图像（磁共振成像扫描）	1057例多中心患者扫描和170例多标注者患者扫描	未指定（标题和摘要中未提及具体框架）	U-Net	Dice相似系数（DSC）、95%豪斯多夫距离（HD95）	未指定（标题和摘要中未提及主要计算资源）
756	2026-09-07	Prior Knowledge-Guided U-Net for Automatic Clinical Target Volume Segmentation in Postmastectomy Radiation Therapy of Breast Cancer 2025-04-01, International journal of radiation oncology, biology, physics DOI:10.1016/j.ijrobp.2024.11.104 PMID:39667584	研究论文	本文设计了一种先验知识引导的U-Net（PK-UNet），用于乳腺癌术后放疗中的临床靶区自动分割，并验证其在分割性能和临床效率上的优势	将医学先验知识创新性地整合到深度学习分割框架中，通过两阶段过程（先定位网络生成先验知识标签，再指导分割网络）提高分割精度，特别是在边界不连续和上下极区域表现优异	未在摘要中明确提及局限性，需全文确认	开发并评估PK-UNet方法以实现乳腺癌术后放疗中临床靶区的精准自动分割	乳腺癌术后患者的计算机断层扫描（CT）影像中的临床靶区，包括胸壁、锁骨上区和腋窝III组	医学影像分析（放射治疗靶区分割）	乳腺癌	计算机断层扫描（CT）	U-Net	影像（CT图像）	102例乳腺癌术后患者的CT扫描，其中80例用于训练（5折交叉验证），22例用于独立测试	NA	U-Net（PK-UNet，含两阶段分割网络）	Dice相似系数（DSC）、95%豪斯多夫距离、平均表面距离、表面Dice系数	NA
757	2026-09-07	Artificial intelligence in medical imaging: From task-specific models to large-scale foundation models 2025-Mar-20, Chinese medical journal IF:7.5Q1 DOI:10.1097/CM9.0000000000003489 PMID:40008785	综述	本文回顾了医学影像中任务专用模型和大规模基础模型的应用，并比较了它们的差异、互补性及临床相关性	从任务专用模型转向大规模基础模型的角度，探讨其在医学影像中的临床应用，并强调两者互补而非替代的关系	未提及具体实验或量化比较，主要基于文献回顾和理论分析	综述医学影像中任务专用模型和基础模型的临床应用、差异及未来研究方向	医学影像中的人工智能模型，包括任务专用模型和基础模型	计算机视觉	NA	NA	深度学习模型，包括任务专用模型和基础模型	医学影像，包括X射线、CT、MRI、超声、PET及病理图像	NA	NA	NA	NA	NA
758	2026-09-07	Dimensionality reduction in 3D causal deep learning for neuroimage generation: an evaluation study 2025-Mar, Journal of medical imaging (Bellingham, Wash.) DOI:10.1117/1.JMI.12.2.024506 PMID:40276097	研究论文	本研究评估了五种降维技术在三维因果深度学习中对神经影像生成的影响，并比较了它们在生成反事实图像时的性能。	首次系统比较多种降维方法（如2.5D PCA和3D PCA）在因果深度学习中的应用，用于高效生成三维反事实神经图像。	研究仅基于单一数据集，且未探索其他可能的降维技术或深度学习架构。	比较不同降维方法对因果神经图像生成的影响，以确定最佳的方法。	23,692幅三维脑部图像。	计算机视觉	不适用	生成式深度学习	卷积神经网络	图像	23,692幅三维脑部图像	不适用	自编码器、变分自编码器（VAE）、卷积神经网络	平均绝对误差(MAE)、分类准确率	不适用
759	2026-09-07	Enhanced Detection of Colon Diseases via a Fused Deep Learning Model with an Auxiliary Fusion Layer and Residual Blocks on Endoscopic Images 2025, Current medical imaging IF:1.1Q3 DOI:10.2174/0115734056353246241209060804 PMID:39757657	研究论文	本文提出了一种融合深度学习模型，通过结合EfficientNetB0、MobileNetV2和ResNet50V2架构，并加入辅助融合层和残差块，用于内窥镜图像中结肠疾病的自动检测。	创新点在于采用辅助融合层和融合残差块，整合多种CNN架构的特征，以增强分类准确性和鲁棒性，同时利用残差连接缓解梯度消失问题，实现轻量级且稳定的模型训练。	NA	旨在通过融合深度学习模型提高内窥镜图像中胃肠道异常或疾病的诊断准确性，实现自动检测结肠疾病。	结肠疾病（胃肠道异常）的内窥镜图像。	计算机视觉	结肠疾病	NA	CNN（EfficientNetB0、MobileNetV2、ResNet50V2）	图像（内窥镜图像）	广泛的内窥镜图像（具体数量未提供）	NA	EfficientNetB0、MobileNetV2、ResNet50V2	准确率、鲁棒性（具体指标如精确率、召回率、F1分数、AUC等未指定）	NA
760	2026-09-06	YOLOv12 Algorithm-Aided Detection and Classification of Lateral Malleolar Avulsion Fracture and Subfibular Ossicle Based on CT Images: Multicenter Study 2025-10-03, JMIR medical informatics IF:3.1Q2 DOI:10.2196/79064 PMID:40924436	研究论文	本研究评估了多种深度卷积神经网络在CT图像上检测和分类外踝撕脱性骨折与腓下小骨的表现，并以MRI诊断作为金标准，其中YOLOv12算法性能最佳。	首次使用最新的YOLOv12算法在CT图像上检测和分类外踝撕脱性骨折与腓下小骨，并以MRI诊断为金标准进行多中心验证，且模型性能优于放射科医生单独解读CT的结果。	研究为回顾性设计，样本来自中国两家医院，可能限制结果的普适性；同时，CT图像的人工标注可能存在主观性。	评估深度卷积神经网络（包括最新YOLOv12算法）在CT图像上检测和分类外踝撕脱性骨折与腓下小骨的能力，并与放射科医生单独阅读CT的性能进行比较。	外踝撕脱性骨折（LMAFs）和腓下小骨（SFOs）的患者。	计算机视觉	骨科疾病	CT成像	深度卷积神经网络	图像（CT图像）	1918名患者（外踝撕脱性骨折1253例，占65.3%；腓下小骨665例，占34.7%），来自中国两家医院，分为训练集（n=1092）、内部验证集（n=476）和外部测试集（n=350）。	NA	Faster R-CNN, SSD, RetinaNet, YOLOv12	mAP50, AUC, 准确率, 敏感性, 特异性	NA