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
1341	2026-07-10	Deep learning for liver lesion segmentation and classification on staging CT scans of colorectal cancer patients: a multi-site technical validation study 2025-06, Clinical radiology IF:2.1Q2 DOI:10.1016/j.crad.2025.106914 PMID:40327945	研究论文	验证基于深度学习模型在结直肠癌患者分期CT扫描中检测和分割肝脏病灶的性能	首次在多中心技术验证中评估深度学习模型对亚厘米级肝脏病灶的检测和分割能力，并报告100%阴性预测值表明其作为结直肠癌分期筛查工具的潜力	分类准确率中等（75.4%病灶级、64.5%患者级），特异性较低（65.7%病灶级、27.1%患者级），且仅基于单机构测试数据	验证UNet深度学习模型在结直肠癌患者分期CT上检测、分割和分类肝脏病灶的性能	结直肠癌患者的分期CT扫描图像中的肝脏病灶（包括恶性与良性）	计算机视觉	结直肠癌	CT扫描	CNN	图像	训练集272例公开肝脏肿瘤CT，测试集220例结直肠癌分期CT（含884个病灶）	NA	UNet	检测率, Dice相似系数, Bland-Altman一致性界限, 组内相关系数, 灵敏度, 特异性, 阳性预测值, 阴性预测值, 准确率	NA
1342	2026-07-10	A Deep Learning-Based Artificial Intelligence Model Assisting Thyroid Nodule Diagnosis and Management: Pilot Results for Evaluating Thyroid Malignancy in Pediatric Cohorts 2025-06, Thyroid : official journal of the American Thyroid Association IF:5.8Q1 DOI:10.1089/thy.2024.0627 PMID:40454939	研究论文	评估基于深度学习的AI模型在儿科甲状腺结节恶性风险预测中的表现	首次在儿科队列中验证基于成人数据训练的深度学习模型（AI-Thyroid）的诊断性能，并与放射科医生使用的TIRADS系统进行比较	回顾性设计、样本量有限、不同年龄组间模型性能存在差异（<14岁优于≥14岁）	评估深度学习模型在儿科甲状腺结节恶性诊断中的适用性	两家医院的儿科患者（n=128，平均年龄15.5岁，103名女性）的甲状腺结节超声图像	计算机视觉	甲状腺癌	NA	深度学习模型	超声图像	156个甲状腺结节（其中47个恶性，占30.1%）来自128名患者	NA	AI-Thyroid	AUROC, 敏感性, 特异性	NA
1343	2026-07-10	MSTNet: Multi-scale spatial-aware transformer with multi-instance learning for diabetic retinopathy classification 2025-05, Medical image analysis IF:10.7Q1 DOI:10.1016/j.media.2025.103511 PMID:40020421	研究论文	提出一种多尺度空间感知Transformer网络MSTNet,结合多实例学习,用于糖尿病视网膜病变分类	提出多尺度空间感知Transformer网络,引入空间感知模块捕获空间局部信息,并采用多实例学习策略增强对细微病变区域的关联性	未提及明显局限性,但可能受限于数据集规模	提高糖尿病视网膜病变分类的准确性	糖尿病视网膜病变患者的眼底图像	计算机视觉	糖尿病视网膜病变	眼底成像	Transformer	图像	四个公开数据集:APTOS2019, RFMiD2020, Messidor, IDRiD	NA	MSTNet, SAM, MIL	ACC, F1分数	NA
1344	2026-07-10	Deep learning based coronary vessels segmentation in X-ray angiography using temporal information 2025-05, Medical image analysis IF:10.7Q1 DOI:10.1016/j.media.2025.103496 PMID:40049029	研究论文	提出一种基于时序信息的深度学习网络TVS-Net，用于X射线血管造影中的冠状动脉分割	融合时序ICA信息到新型密集连接3D编码器-2D解码器结构，并采用基于弹性相互作用的损失函数	NA	提高冠状动脉血管分割的准确性和鲁棒性，应对运动伪影和对比度不均等挑战	冠状动脉血管分割	计算机视觉	心血管疾病	NA	CNN	图像	323个ICA样本，分为训练集173个、验证集82个、测试集68个；另外60张外部医院图像	NA	TVS-Net (密集连接3D编码器-2D解码器)	Dice系数, 召回率	NA
1345	2026-07-10	UniSAL: Unified Semi-supervised Active Learning for histopathological image classification 2025-05, Medical image analysis IF:10.7Q1 DOI:10.1016/j.media.2025.103542 PMID:40101375	研究论文	提出统一半监督主动学习框架UniSAL，用于组织病理图分类，减少标注成本	首次将半监督学习与主动学习统一，采用双视角高置信度伪训练和伪标签引导的类对比学习，设计不一致感知不确定性与致密选择器	未提及	通过主动学习减少组织病理图像标注的人力与时间成本，提高分类效率	组织病理图像分类数据集	数字病理学	癌症	NA	深度神经网络	图像	CRC5000（5000张）、Chaoyang（尺寸未指定）、CRC100K（10万张）三个公共数据集	PyTorch（按常见实践推断）	双网络架构（具体未指定，可能为ResNet等通用架构）	分类性能（具体指标如准确率等未明确）	NA
1346	2026-07-10	Combining Ultrasound Imaging and Molecular Testing in a Multimodal Deep Learning Model for Risk Stratification of Indeterminate Thyroid Nodules 2025-05, Thyroid : official journal of the American Thyroid Association IF:5.8Q1 DOI:10.1089/thy.2024.0584 PMID:40256961	研究论文	提出一种结合超声影像和分子检测的多模态深度学习模型，用于甲状腺结节不确定细胞学的风险分层	首次整合超声影像和分子检测数据，通过多模态深度学习显著提高阳性预测值和特异性，同时保持高灵敏度	单中心数据集、缺乏外部验证、使用二值化分子检测结果而非细粒度恶性风险概率	改善甲状腺不确定结节的恶性风险分层，减少良性结节手术切除	甲状腺不确定细胞学（Bethesda III和IV级）患者	数字病理学、机器学习	甲状腺癌	超声影像、下一代测序	多模态深度学习模型	超声影像、分子检测数据	333例患者（259例良性，74例恶性）	NA	集成模型（综合全帧超声图像、256×256补丁、128×128补丁三种配置）	AUROC、灵敏度、特异度、阳性预测值	NA
1347	2026-07-10	A deep learning pipeline for systematic and accurate vertebral fracture reporting in computed tomography 2025-04, Clinical radiology IF:2.1Q2 DOI:10.1016/j.crad.2025.106827 PMID:39970769	研究论文	介绍了一种用于在CT图像中系统且准确地检测脊椎骨折的深度学习流水线	提出了一种端到端的深度学习流水线，结合分割和分类网络，能够自动处理来自不同视野的CT脊柱图像，提高了骨折检测的效率和准确性	样本量相对较小，且仅针对腰椎/胸腰椎CT图像进行训练和测试，可能在其他脊柱区域或不同患者群体中表现有限	开发一种自动化的深度学习流水线，用于在CT扫描中机会性检测脊椎骨折，以减少系统文档记录的时间和遗漏	脊柱骨折患者与无骨折患者的CT脊柱图像	计算机视觉	脊椎骨折	NA	CNN	图像	452例CT扫描（405例用于训练/验证，47例用于测试）	PyTorch	ResNet18, nnU-Net	灵敏度、特异性、准确率	NA
1348	2026-07-10	Automated vertebral compression fracture detection and quantification on opportunistic CT scans: a performance evaluation 2025-04, Clinical radiology IF:2.1Q2 DOI:10.1016/j.crad.2025.106831 PMID:40010260	研究论文	基于深度学习的算法在机会性CT扫描中自动检测和量化椎体压缩性骨折的性能评估	开发了结合2D/3D U-Net的深度学习算法，能够在机会性CT扫描中自动筛查椎体压缩性骨折，并测量椎体高度损失和平均亨氏单位，提高骨质疏松症的诊断率	样本量较小（100名患者），需进一步在更大数据集验证；算法与放射科医师的一致性存在一定偏差（95%一致性界限为-9.3到8.6）	评估深度学习算法在机会性CT扫描中自动检测和量化椎体压缩性骨折的性能	椎体压缩性骨折、椎体高度损失、骨衰减（平均亨氏单位）	机器学习、数字病理	骨质疏松症、椎体压缩性骨折	CT扫描	CNN	图像	100名患者（平均年龄76.6岁，72%为女性）	PyTorch	2D/3D U-Net	椎体标记一致性（94.9%）、椎体高度损失（VHL）一致性界限、平均亨氏单位（Pearson相关系数0.89）、敏感性（92.3%）、特异性（91.7%）	NA
1349	2026-07-10	Prediction of malnutrition in kids by integrating ResNet-50-based deep learning technique using facial images 2025-Mar-06, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-91825-z PMID:40050339	研究论文	利用基于ResNet-50的深度学习技术通过面部图像预测儿童营养不良	使用面部图像结合ResNet-50模型替代传统文本数据和手动诊断测试，消除梯度消失问题，提高营养不良预测效率	未提及在多样化人群或不同光照条件下的泛化能力，也未讨论数据集的偏差或伦理问题	简化营养不良的预测过程，减少对多次手动诊断测试和医疗专家访问的依赖	5岁以下儿童，特别是印度农村地区面临严重急性营养不良风险的儿童	计算机视觉	儿童营养不良	图像分割	ResNet-50	面部图像	未明确提及样本数量	NA	ResNet-50, XG Boost, VGG16, Xception, MobileNet	准确率	NA
1350	2026-07-10	Image quality assessment and white matter hyperintensity quantification in two accelerated high-resolution 3D FLAIR techniques: Wave-CAIPI and deep learning-based SPACE 2025-03, Clinical radiology IF:2.1Q2 DOI:10.1016/j.crad.2024.106783 PMID:39842179	研究论文	比较两种加速高分辨率三维FLAIR技术——深度学习重建SPACE和Wave-CAIPI FLAIR在脑部成像中的图像质量及白质高信号量化	首次系统比较深度学习重建SPACE与Wave-CAIPI FLAIR在加速高分辨率三维FLAIR成像中的图像质量和白质高信号体积量化差异	回顾性研究设计可能引入选择偏倚，且样本量有限	评估两种加速高分辨率三维FLAIR技术在脑部成像中的图像质量和白质高信号量化的性能	123名接受DL-SPACE和Wave-CAIPI FLAIR脑部成像的参与者	医学影像分析	脑血管疾病	磁共振成像，FLAIR序列	深度学习模型	图像	123名参与者	NA	SPACE	图像质量评分、信噪比、对比度噪声比、白质高信号体积	NA
1351	2026-07-10	Deciphering glioblastoma: Unveiling imaging markers for predicting MGMT promoter methylation status 2025-02, Current problems in cancer IF:2.5Q3 DOI:10.1016/j.currproblcancer.2024.101156 PMID:39531875	综述	探讨利用影像特征预测胶质母细胞瘤MGMT启动子甲基化状态的潜力	结合新兴影像组学和深度学习模型，提出综合诊断方法以早期预测MGMT甲基化状态	模型仍需进一步开发、标准化和实施，以提高个体化治疗水平	探索影像特征预测MGMT启动子甲基化状态的能力	胶质母细胞瘤患者	机器学习	胶质母细胞瘤	影像组学	深度学习模型	影像数据	NA	NA	NA	NA	NA
1352	2026-07-09	Explainable AI for Healthcare 2025-Oct-03, Studies in health technology and informatics DOI:10.3233/SHTI251454 PMID:41728714	综述	综述可解释人工智能在医疗健康领域的应用、方法及挑战	系统性分析了不同数据模态（时间序列、医学文本、医学图像、音频）下可解释AI的独特需求与挑战，并探讨了未来研究方向	未深入讨论具体实现技术细节和定量性能比较	阐述可解释AI的基本概念，分析其在医疗健康领域的方法、应用、限制和未来方向	医疗健康领域的可解释AI应用	机器学习	NA	NA	NA	时间序列数据、医学文本、医学图像、音频数据	NA	NA	NA	NA	NA
1353	2026-07-09	Deep Learning-Based Sleep Apnea Classification with Hybrid 1D-CNN-LSTM and 1D-CNN-GRU Models 2025-Oct-03, Studies in health technology and informatics DOI:10.3233/SHTI251462 PMID:41728721	研究论文	提出两种混合深度学习架构（1D-CNN-LSTM和1D-CNN-GRU），基于心电图信号进行睡眠呼吸暂停分类	结合一维卷积神经网络（1D-CNN）与LSTM/GRU，同时提取空间特征和时间依赖关系，实现高精度睡眠呼吸暂停分类	未提及	开发高效鲁棒的睡眠呼吸暂停自动检测系统，实现早期诊断和实时监测	PhysioNet Apnea-ECG数据库中的心电图信号，包括R-R间期和R波振幅特征	机器学习	睡眠呼吸暂停	NA	混合深度学习模型（1D-CNN-LSTM、1D-CNN-GRU）	心电图信号	使用PhysioNet Apnea-ECG数据库，样本量未明确具体数量	NA	1D-CNN, LSTM, GRU	准确率、灵敏度、特异度、F1分数	NA
1354	2026-07-07	On the Completeness of Existing RNA Fragment Structures 2025-12-22, Genomics, proteomics & bioinformatics DOI:10.1093/gpbjnl/qzaf127 PMID:41414643	研究论文	评估RNA片段结构空间的完整性，探讨深度学习在RNA结构预测中的潜力	首次系统评估RNA在二核苷酸至五核苷酸水平片段结构的完整性，并发现四核苷酸和五核苷酸水平上非冗余结构片段数量正指数增长，表明当前RNA结构空间远未完成	NA	研究RNA片段结构空间的完整性，为深度学习预测RNA结构提供基础	RNA片段结构，包括二核苷酸、三核苷酸、四核苷酸和五核苷酸水平	机器学习	NA	NA	NA	结构数据	NA	NA	NA	NA	NA
1355	2026-07-07	Deep learning-based diffusion-weighted imaging vs. conventionally obtained diffusion-weighted imaging in prostate cancer extracapsular extension detection: a multicenter retrospective study 2025-12-10, BMC medical imaging IF:2.9Q2 DOI:10.1186/s12880-025-02109-x PMID:41372855	研究论文	基于深度学习的扩散加权成像在检测前列腺癌包膜外侵犯中的诊断性能优于常规扩散加权成像	首次在大规模多中心回顾性研究中验证深度学习生成的扩散加权图像（DL-DWI）在提高图像质量、观察者一致性和诊断准确性方面的优势	回顾性研究设计可能引入选择偏倚；样本量有限（252例）；未评估深度学习模型在低场强MRI或不同人群中的泛化能力	评估深度学习生成的扩散加权成像（DL-DWI）与常规扩散加权成像（C-DWI）在前列腺癌包膜外侵犯（ECE）检测中的性能比较	临床怀疑前列腺癌的连续患者（252例）的术前多参数MRI和根治性前列腺切除术后病理数据	计算机视觉, 数字病理学	前列腺癌	MRI扩散加权成像, 深度学习	去噪扩散概率模型（DDPM）	医学影像（MRI扩散加权图像）	252例患者（来自五个中心）	PyTorch	DDPM（去噪扩散概率模型）	AUC, 加权kappa, Fleiss kappa, 信噪比(SNR), 对比噪声比(CNR), 边缘上升距离(ERD), 边缘上升斜率(ERS)	未指定
1356	2026-07-07	Anatomically Based Multitask Deep Learning Radiomics Nomogram Predicts the Implant Failure Risk in Sinus Floor Elevation 2025-11, Clinical oral implants research IF:4.8Q2 DOI:10.1111/clr.70011 PMID:40702787	研究论文	开发并评估基于解剖学的多任务深度学习影像组学列线图（AMDRN）系统，用于预测上颌窦底提升术前的种植失败风险	首次将解剖结构自动分割与多任务深度学习影像组学结合，构建集成列线图系统同时实现预测和可视化决策支持	NA	开发一种能预测上颌窦底提升术种植失败风险并支持临床决策的系统	上颌窦、施奈德黏膜、残余牙槽骨等关键解剖结构	数字病理学	口腔疾病	锥形束CT	nn-UNet v2、3D-Attention-ResNet、逻辑回归	影像数据、电子病历文本数据	回顾性收集患者术前锥形束CT影像和电子病历，未明确样本数量	NA	nn-UNet v2、3D-Attention-ResNet	DICE系数、准确率、曲线下面积	NA
1357	2026-07-07	Development of a PANoptosis-Related Pathomics Prognostic Model in Ovarian Cancer: A Multi-Omics Study 2025-11, Journal of cellular and molecular medicine IF:4.3Q2 DOI:10.1111/jcmm.70958 PMID:41284376	研究论文	开发基于PANoptosis的卵巢癌病理组学预后模型	首次探索PANoptosis在卵巢癌预后中的作用，并构建了基于深度学习的PANoptosis相关病理组学预后模型（PANPM）	NA	阐明PANoptosis在卵巢癌预后中的作用并开发预后模型	卵巢癌的转录组数据、单细胞RNA测序数据、空间数据和病理图像	数字病理学, 机器学习	卵巢癌	RNA-seq, 单细胞RNA测序, 空间转录组学, 病理图像分析	深度学习模型（ResNet-50）	转录组数据, 单细胞RNA测序数据, 空间数据, 病理图像	TCGA和GTEx卵巢数据、GSE184880单细胞RNA测序数据集、10X Genomics网站和GDC Portal的空间数据和病理图像	NA	ResNet-50, CellProfiler	NA	NA
1358	2026-07-07	Automated analysis of C. elegans behavior by LabGym: an open-source, AI-powered platform 2025-Sep-03, bioRxiv : the preprint server for biology DOI:10.1101/2025.08.28.672961 PMID:40950071	研究论文	介绍了一个开源、基于人工智能的平台LabGym，用于自动化分析秀丽隐杆线虫行为	开发了基于深度学习的自动化平台，能够高精度分类和量化多蠕虫视频中的多种用户定义行为参数	未在摘要中明确提及限制	为秀丽隐杆线虫行为分析提供经济、易用且全面的自动化方法	秀丽隐杆线虫	计算机视觉、机器学习	不适用	深度学习、视频分析	深度学习模型	视频数据	多蠕虫视频（具体数量未提及）	PyTorch	卷积神经网络	准确率（具体指标未列出）	未提及
1359	2026-07-07	Artificial intelligence in muscle-invasive bladder cancer: opportunities, challenges, and clinical impact 2025-09-01, Current opinion in urology IF:2.1Q2 DOI:10.1097/MOU.0000000000001309 PMID:40765429	综述	全面回顾人工智能在肌层浸润性膀胱癌诊断、治疗和反应评估中的应用现状与未来潜力	系统总结了AI在MIBC全程管理中的应用机会，包括诊断、治疗规划和反应评估，并探讨了数据异构、工作流程整合等挑战	未提及具体的验证数据集规模或前瞻性临床试验证据，挑战分析偏向定性描述	评估AI在MIBC管理中的应用现状、挑战及临床影响	肌层浸润性膀胱癌患者的诊断、治疗及反应评估	机器学习	膀胱癌	NA	深度学习模型、机器学习算法	影像数据、临床数据	NA	NA	NA	准确率	NA
1360	2026-07-07	On the use of generative models for evolutionary inference of malaria vectors from genomic data 2025-Jun-27, bioRxiv : the preprint server for biology DOI:10.1101/2025.06.26.661760 PMID:40667127	研究论文	利用生成式深度学习算法推断疟疾病媒蚊的进化历史	开发了新的模型选择方法，发现含迁移的进化模型优于无迁移模型，并证明生成模型在捕获种群遗传分化方面优于基于摘要统计的方法	未知	通过机器学习和生成模型推断疟疾病媒蚊的种群进化历史，协助疟疾控制干预	撒哈拉以南非洲的疟疾病媒蚊（尤以冈比亚按蚊复合体）及西非几内亚和布基纳法索的蚊虫种群	机器学习	疟疾	无监督机器学习及生成式深度学习算法	生成模型	基因组数据	未知	NA	NA	NA	NA