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
961	2026-03-14	Image-based detection of the internal carotid arteries and sella turcica in endoscopic endonasal transsphenoidal surgery 2025-07-01, Neurosurgical focus IF:3.3Q1 DOI:10.3171/2025.4.FOCUS24940 PMID:40591959	研究论文	本研究评估了基于深度学习的YOLOv5s模型在内窥镜经鼻蝶手术视频中检测鞍区和双侧颈内动脉的性能	首次将YOLOv5s目标检测架构应用于内窥镜经鼻蝶手术视频，以自动识别关键的鞍区和颈内动脉解剖标志，旨在预防术中致命性损伤	模型需要来自不同手术环境的新未见数据进行泛化验证和迁移学习优化，当前研究为回顾性队列设计	开发并评估一个深度学习模型，用于在内窥镜经鼻蝶手术视频中自动检测鞍区和双侧颈内动脉，以识别关键解剖标志并预防致命并发症	内窥镜经鼻蝶手术视频中的鞍区和双侧颈内动脉解剖结构	计算机视觉	鞍区及鞍旁区域疾病	内窥镜视频成像	CNN	图像	98名患者的內窺鏡手術視頻圖像	PyTorch	YOLOv5s	精确率, 召回率, mAP@0.5, mAP@0.5:0.95, AUC, 准确率	NA
962	2026-03-14	Open-source AI-assisted rapid 3D color multimodal image fusion and preoperative augmented reality planning of extracerebral tumors 2025-07-01, Neurosurgical focus IF:3.3Q1 DOI:10.3171/2025.4.FOCUS24557 PMID:40591963	研究论文	本研究开发了一种基于开源人工智能辅助的快速3D彩色多模态图像融合与增强现实规划方法，用于脑外肿瘤手术的术前规划和手术引导	整合开源AI工具（FastSurfer/Raidionics）与增强现实可视化，创建高效的3D彩色多模态图像融合工作流，通过颜色编码功能映射和血管关系可视化增强解剖理解	研究仅针对脑外肿瘤患者，样本量为130例，可能未涵盖所有肿瘤类型或复杂情况	开发用于脑外肿瘤手术术前规划和手术引导的先进方法	130名脑外肿瘤患者	数字病理	脑外肿瘤	多模态图像融合, 增强现实	深度学习	3D图像	130名患者	FastSurfer, Raidionics-Slicer	NA	Dice相似系数, 95% Hausdorff距离, 手术时间, 术中失血量, 全切除率, 并发症发生率, 改良Rankin量表评分	NA
963	2026-03-14	Generation of synthetic CT-like imaging of the spine from biplanar radiographs: comparison of different deep learning architectures 2025-07-01, Neurosurgical focus IF:3.3Q1 DOI:10.3171/2025.4.FOCUS25170 PMID:40591967	研究论文	本研究比较了生成对抗网络（GANs）和卷积神经网络结合隐式神经表示（CNN-INRs）两种深度学习架构，用于从双平面X光片生成脊柱合成CT（sCT）图像	首次系统比较了GAN和CNN-INR两种架构在从双平面X光片生成脊柱sCT图像方面的性能，并评估了其作为潜在术中成像技术的临床可行性	两种模型均未达到临床级输出水平，且研究样本量有限（共270例）	识别从双平面X光片生成脊柱sCT图像的最鲁棒且临床可行的深度学习方法	脊柱CT图像及其对应的数字重建X光片（DRRs）	计算机视觉	NA	数字重建X光片（DRRs）生成	GAN, CNN	图像（CT图像、X光片）	216个训练案例和54个验证案例	NA	生成对抗网络（GANs），卷积神经网络结合隐式神经表示（CNN-INRs）	结构相似性指数（SSIM），峰值信噪比（PSNR），余弦相似度（CS）	NA
964	2026-03-14	Deep learning-based clinical decision support system for intracerebral hemorrhage: an imaging-based AI-driven framework for automated hematoma segmentation and trajectory planning 2025-07-01, Neurosurgical focus IF:3.3Q1 DOI:10.3171/2025.5.FOCUS25246 PMID:40591968	研究论文	本文介绍了一种基于深度学习的临床决策支持系统，用于脑出血的自动血肿分割和手术轨迹规划	提出了一个集成的AI驱动框架，结合了nnU-Net自动分割、基于眼部标志物的CT重定向、双解剖走廊安全区划定以及优先考虑最大血肿穿行和关键结构避开的轨迹优化	系统在幕下血肿的处理上仍存在局限	开发一个深度学习决策支持和规划系统，以普及手术规划并减少对操作者的依赖	脑出血患者	数字病理学	脑出血	CT成像	深度学习	医学图像	347名患者（31,024个CT切片）	nnU-Net	U-Net	Dice相似系数, 组内相关系数	NA
965	2026-03-14	A novel deep learning system for automated diagnosis and grading of lumbar spinal stenosis based on spine MRI: model development and validation 2025-07-01, Neurosurgical focus IF:3.3Q1 DOI:10.3171/2025.4.FOCUS24670 PMID:40591977	研究论文	本文开发了一种基于脊柱MRI的深度学习系统，用于自动诊断和分级腰椎管狭窄症	设计了一种改进的单阶段YOLOv5网络，用于同时检测感兴趣区域和对腰椎中央管狭窄、侧隐窝狭窄及腰椎间孔狭窄进行多级分级	研究为回顾性设计，且外部测试集样本量较小（50例患者），可能影响模型的泛化能力评估	开发一个深度学习筛查系统，用于自动进行腰椎管狭窄症的二元和多级分级	接受腰椎MRI检查的住院患者	计算机视觉	腰椎管狭窄症	MRI	CNN	图像	内部数据集420例患者，外部测试集50例患者	PyTorch	YOLOv5	召回率, AUC, 灵敏度, kappa系数	NA
966	2026-03-14	Preliminary phantom study of four-dimensional computed tomographic angiography for renal artery mapping: Low-tube voltage and low-contrast volume imaging with deep learning-based reconstruction 2025-05, Radiography (London, England : 1995) DOI:10.1016/j.radi.2025.102929 PMID:40147091	研究论文	本研究通过体模实验评估了低管电压、低对比剂剂量的四维CT血管成像结合深度学习重建在肾动脉成像中的可行性	首次将低管电压、低对比剂剂量的4D-CTA与深度学习重建技术结合用于肾动脉成像，探索减少辐射剂量和对比剂用量的新方法	研究基于体模实验，尚未进行临床验证，需要进一步临床研究确认结果	评估低管电压、低对比剂剂量的4D-CTA结合深度学习重建在选择性肾动脉栓塞术中的可行性	模拟对比增强血管的定制体模	医学影像	肾动脉疾病	四维CT血管成像，深度学习重建	深度学习	CT图像	定制体模扫描	NA	NA	峰值对比噪声比，图像噪声，定性评估（4分制）	NA
967	2026-03-14	Devising a novel evaluation method for computed tomography images containing metal artifacts from titanium seed implants: Application to virtual monochromatic imaging energy optimization 2025-05, Radiography (London, England : 1995) DOI:10.1016/j.radi.2025.102944 PMID:40199192	研究论文	本研究提出了一种新的评估方法，用于评估含有钛种子植入物金属伪影的CT图像，并确定了虚拟单色成像（VMI）的最佳能量水平以减少金属伪影并增强信号可检测性	开发了一种新的对比伪影比（CAR）评估方法，用于定量评估金属伪影对信号检测的影响，并结合Gumbel评估方法和对比噪声比（CNR）优化VMI能量水平	研究基于模拟放射性种子的体模进行，可能未完全反映临床实际患者数据的复杂性；仅针对钛种子植入物和骨盆区域，结果可能不适用于其他金属植入物或身体部位	研究旨在减少CT图像中金属伪影并优化信号可检测性，通过开发新的评估方法和确定VMI最佳能量水平	含有钛种子植入物金属伪影的CT图像，特别是骨盆区域包括前列腺的模拟体模	医学影像处理	前列腺癌	双能CT系统、虚拟单色成像（VMI）、金属伪影减少（MAR）技术	深度学习算法	CT图像	基于模拟放射性种子插入前列腺区域的体模进行研究，具体样本数量未明确说明	NA	NA	对比噪声比（CNR）、对比伪影比（CAR）、Gumbel评估方法的位置参数	NA
968	2026-03-14	Reduction of radiation exposure in chest radiography using deep learning-based noise reduction processing: A phantom and retrospective clinical study 2025-05, Radiography (London, England : 1995) DOI:10.1016/j.radi.2025.102958 PMID:40280035	研究论文	本研究评估了基于深度学习的智能降噪技术在平面胸部X光摄影中降低患者辐射剂量的效果	首次结合体模和回顾性临床研究，验证了智能降噪技术可在保持图像质量的同时平均降低35%的辐射剂量	研究仅针对特定设备（佳能开发的INR）和胸部X光，样本量有限（100例患者），且为回顾性设计	评估智能降噪技术在平面胸部X光摄影中降低患者辐射剂量的可行性和效果	Lungman体模（模拟肺部肿瘤）和100例患者的临床胸部X光图像	数字病理	肺癌	平面X光摄影，智能降噪处理	深度学习模型	X光图像	100例患者的配对胸部X光图像（对照组和评估组各100张）	NA	NA	平均意见评分，盲/无参考图像空间质量评估器评分，入口表面剂量	NA
969	2026-03-14	Automated acute skin toxicity scoring in a mouse model through deep learning 2025-03, Radiation and environmental biophysics IF:1.5Q3 DOI:10.1007/s00411-024-01096-x PMID:39503921	研究论文	本研究通过先进的成像设置和深度学习，提出了一种在小鼠临床前放疗试验中自动评估皮肤毒性的新方法	开发了一个结合物体检测和分类的两步深度学习框架，用于自动化皮肤毒性评分，并展示了其在减少观察者间变异和提高评估效率方面的潜力	模型在特定毒性等级的分类上仍存在细微挑战，未来需要通过扩展训练数据集来改进系统	开发一种客观、可重复的皮肤毒性评估方法，以解决临床前放疗试验中手动评分方法的不足	小鼠（160只）在质子/电子放疗试验中右后肢的急性皮肤毒性反应	计算机视觉	皮肤毒性（作为放疗副作用）	先进成像设置	物体检测模型, 分类模型	图像	160只小鼠，来自4项研究，共7542张图像	NA	NA	准确率	NA
970	2026-03-14	The use of artificial intelligence to aid the diagnosis of lung cancer - A retrospective-cohort study 2025-03, Radiography (London, England : 1995) DOI:10.1016/j.radi.2025.01.011 PMID:39890480	研究论文	本研究通过回顾性队列分析，评估了基于深度学习的AI软件在胸部X光片上辅助诊断肺癌的性能，并探讨了其在临床实践中的潜在应用价值	首次在临床环境中系统验证了商用AI软件对肺癌早期检测的敏感性和时间效益，特别是在临床报告阴性的病例中AI能提前识别结节	研究为单中心回顾性设计，样本量有限（208名患者），且未评估AI对临床决策和患者预后的长期影响	评估AI软件在胸部X光片上辅助诊断肺癌的临床有效性，并分析其对诊断时间和检测率的潜在影响	105名肺癌阳性患者和103名阴性对照患者的胸部X光片及对应CT扫描	数字病理学	肺癌	胸部X光成像，CT扫描	深度学习自动检测算法	医学影像（胸部X光片）	208名患者（105例肺癌，103例对照），共320张胸部X光片	NA	NA	敏感性，假阳性率，诊断时间减少	NA
971	2026-03-14	The potential use of deep learning in performing autocorrection of setup errors in patients receiving radiotherapy 2025-03, Radiography (London, England : 1995) DOI:10.1016/j.radi.2025.01.016 PMID:39892051	研究论文	本研究探讨了使用深度学习在放疗中自动校正患者摆位误差的可行性	利用人工智能辅助校正放疗中的摆位误差，推动放疗服务的自动化进程	需要进一步研究以验证该方法在临床实践中的有效性	探索人工智能在放疗患者摆位校正中的潜在应用	接受放疗的脑部和气道消化道恶性肿瘤患者	计算机视觉	脑肿瘤, 气道消化道恶性肿瘤	放疗验证技术	神经网络	图像	156名患者	NA	NA	平均绝对误差, 均方误差	NA
972	2026-03-14	Accuracy of deep learning-based attenuation correction in 99mTc-GSA SPECT/CT hepatic imaging 2025-01, Radiography (London, England : 1995) DOI:10.1016/j.radi.2024.11.002 PMID:39549604	研究论文	本研究利用深度学习生成伪CT图像进行衰减校正，评估了在99mTc-GSA SPECT/CT肝成像中深度学习衰减校正的准确性	首次使用CycleGAN从非衰减校正SPECT图像生成伪CT图像进行衰减校正，避免了CT检查带来的辐射暴露	研究仅纳入正常和异常肝功能患者各一例，样本量小，且未涵盖多种肝病和肝脏形态变化	评估深度学习生成的伪CT图像在99mTc-GSA SPECT/CT成像中衰减校正的准确性	99mTc-GSA SPECT/CT肝成像数据	医学影像分析	肝病	SPECT/CT成像	GAN	医学影像（SPECT和CT图像）	2例患者（正常和异常肝功能各一例）	NA	CycleGAN	总肝计数、结构相似性指数（SSIM）、变异系数（%CV）	NA
973	2026-03-14	Breath-hold diffusion-weighted MR imaging (DWI) using deep learning reconstruction: Comparison with navigator triggered DWI in patients with malignant liver tumors 2025-01, Radiography (London, England : 1995) DOI:10.1016/j.radi.2024.11.027 PMID:39667265	研究论文	本研究探讨了使用深度学习重建的单次屏气扩散加权磁共振成像在恶性肝肿瘤患者中的可行性，并与导航触发扩散加权成像进行比较	首次将深度学习重建技术应用于单次屏气扩散加权磁共振成像，以改善图像质量并可能作为导航触发成像的补充	研究未明确深度学习重建的具体模型架构和计算资源，且样本量相对有限（91例患者）	比较单次屏气扩散加权磁共振成像与导航触发扩散加权成像在恶性肝肿瘤患者中的图像质量和可行性	恶性肝肿瘤患者	医学影像分析	肝恶性肿瘤	扩散加权磁共振成像，深度学习重建	深度学习模型	磁共振图像	91例患者	NA	NA	信噪比，对比噪声比，表观扩散系数值	NA
974	2026-03-14	Analyzing the TotalSegmentator for facial feature removal in head CT scans 2025-01, Radiography (London, England : 1995) DOI:10.1016/j.radi.2024.12.018 PMID:39754865	研究论文	本研究评估了使用TotalSegmentator进行头部CT扫描面部特征去除的流程，以降低再识别风险并保护数据隐私	首次将TotalSegmentator应用于头部CT扫描的面部特征去除，并与现有先进算法进行比较，展示了其在隐私保护方面的优越性	研究仅基于单一数据集（UCLH EIT Stroke数据集），样本量为1404个渲染图像，可能无法完全代表所有临床场景	评估面部识别技术在医学影像中的隐私风险，并开发一种有效的去面部特征流程以降低再识别风险	头部CT扫描的渲染图像，包括去面部特征前后的对比	医学影像分析	卒中	CT扫描，深度学习模型	深度学习模型，支持向量机	图像	1404个高质量渲染图像，来自UCLH EIT Stroke数据集	NA	NA	ROC-AUC, 准确率	NA
975	2026-03-14	Constructing a Predictive Model for STH and Schistosomiasis Classification From Microscopic Images 2025, BioMed research international IF:2.6Q3 DOI:10.1155/bmri/8074581 PMID:41321694	研究论文	本研究开发了一种结合机器学习和深度学习的创新系统，用于分析寄生虫卵的显微镜图像，以提高诊断速度和准确性	提出了一种混合CNN-ML方法，相比传统纯CNN方法，在寄生虫分类任务中实现了更高的准确率	数据集较小、存储时间较长、多样性有限且可能存在退化，这可能影响模型的泛化能力	构建一个预测模型，用于从显微镜图像中对土壤传播蠕虫和血吸虫病进行分类，以改善在资源有限环境下的诊断	显微镜图像中的寄生虫卵，包括钩虫、血吸虫病等类别以及阴性样本	计算机视觉	寄生虫病	显微镜成像	CNN, ViT, SVM, XGBoost, KNN, RF, DT	图像	1490张图像，来自埃塞俄比亚公共卫生研究所	TensorFlow, PyTorch, Scikit-learn	VGG16, ResNet50, DenseNet121, MobileNetV2, EfficientNetB0, ViT	准确率	NA
976	2026-03-13	[Diagnosis and treatment of liver diseases in the era of artificial intelligence] 2025-Dec-20, Zhonghua gan zang bing za zhi = Zhonghua ganzangbing zazhi = Chinese journal of hepatology DOI:10.3760/cma.j.cn501113-20250910-00376 PMID:41461549	综述	本文综述了人工智能在肝病领域，特别是大数据分析、转化研究和影像病理解读中的应用进展与挑战	系统分析了AI在肝病诊疗中整合多模态数据（病史、体征、实验室数据、影像、病理）的潜力，并指出了当前技术无法有效支持真实世界临床决策的核心痛点	当前AI工具尚不成熟，无法真正独立可靠地辅助复杂临床评估；模型个性化、碎片化，难以整合成广泛适用的多中心通用模型；未能有效减轻医生工作量	探讨人工智能在肝病诊断与治疗中的应用现状、挑战及未来发展方向	肝病领域的人工智能应用，包括大数据分析、转化研究、影像和病理解读	数字病理	肝病	NA	机器学习, 深度学习	多模态数据（病史、体征、实验室数据、影像、病理）	NA	NA	NA	NA	NA
977	2026-03-13	IRIS: Interpretable Risk Clustering Intelligence for Survival Analysis 2025-Dec, Proceedings : ... IEEE International Conference on Big Data. IEEE International Conference on Big Data DOI:10.1109/bigdata66926.2025.11402028 PMID:41809690	研究论文	提出了一种用于生存分析的新型可解释风险聚类智能框架IRIS，旨在直接学习有意义的患者风险分组并提供透明的特征重要性解释	与传统生存模型进行事后风险聚类不同，IRIS能够直接从数据中学习患者风险聚类，并通过特征贡献函数提供透明的特征重要性估计，在保持预测性能的同时显著提升可解释性	与最先进方法相比，在事件发生时间预测准确性方面有轻微下降	开发一个既能进行风险聚类又能提供可解释性的生存分析框架，为临床治疗规划和资源分配提供可操作的见解	患者生存数据	机器学习	阿尔茨海默病	生存分析	深度学习模型	电子健康记录，基准数据集	多个基准数据集、一个真实世界阿尔茨海默病数据集和一个电子健康记录数据集	NA	IRIS框架	风险聚类性能，预测可靠性，事件发生时间预测准确性	NA
978	2026-03-13	An Explainable Deep Model for Risk Scoring and Accurate Radionecrosis Identification Following Brain Metastasis Stereotactic Radiosurgery 2025-Nov-27, International journal of radiation oncology, biology, physics DOI:10.1016/j.ijrobp.2025.11.038 PMID:41317799	研究论文	本文开发了一种可解释的深度学习模型，用于非侵入性区分非小细胞肺癌患者脑转移立体定向放射外科治疗后的放射性坏死与局部复发	设计了一种二阶重球神经常微分方程深度学习框架，整合磁共振、临床和基因组特征到统一的图像-基因组-临床空间，并应用层相关传播量化非成像特征的贡献，构建风险评分模型	数据集仅包含103名非小细胞肺癌患者的142个脑转移病灶，样本量相对有限，且仅针对特定癌症类型	开发可解释的深度学习模型以准确区分脑转移立体定向放射外科治疗后的放射性坏死与局部复发	非小细胞肺癌患者的脑转移病灶	数字病理学	肺癌	磁共振成像, 基因组生物标志物分析	深度学习, 神经常微分方程	图像, 临床数据, 基因组数据	103名非小细胞肺癌患者的142个脑转移病灶	自定义深度学习框架	二阶重球神经常微分方程, 深度神经网络	准确性, 精确度, 召回率, F1分数, AUC	NA
979	2026-03-13	A vessel bifurcation landmark pair dataset for abdominal CT deformable image registration (DIR) validation 2025-Jul, Medical physics IF:3.2Q1 DOI:10.1002/mp.17907 PMID:40437735	研究论文	本文介绍了一个用于腹部CT可变形图像配准验证的首个血管分叉标志点对数据集	首次提供了专门针对腹部CT可变形图像配准验证的高精度血管分叉标志点对基准数据集	数据集仅包含30名患者的腹部CT图像，可能样本量有限，且主要关注血管分叉点，未涵盖其他解剖结构	开发一个用于验证腹部CT可变形图像配准算法质量的基准数据集	腹部CT图像中的血管分叉点	医学图像处理	NA	CT成像，深度学习分割，可变形图像配准	深度学习模型	CT图像	30名患者的腹部CT图像对	NA	NA	标志点对精度（0.7 mm ± 1.2 mm）	NA
980	2026-03-13	Domain-Randomized Deep Learning for Neuroimage Analysis: Selecting Training Strategies, Navigating Challenges, and Maximizing Benefits 2025-Jul, IEEE signal processing magazine IF:9.4Q1 DOI:10.1109/MSP.2025.3590806 PMID:41306561	教程论文	本文综述了基于合成图像的领域随机化深度学习策略在神经影像分析中的原理、实施与潜力	提出通过合成具有随机强度和解剖内容的图像来训练深度神经网络，以解决模型泛化问题，无需重新训练或微调即可处理未见过的图像类型	增加了计算需求，且可能依赖于合成数据的质量	探讨领域随机化策略以提升深度学习模型在神经影像分析中的鲁棒性和泛化能力	神经影像数据，包括MRI、CT、PET、OCT等模态	神经影像分析	NA	领域随机化，合成图像生成	深度神经网络	图像	NA	NA	NA	NA	NA