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
1861	2026-05-18	SMART: Development and Application of a Multimodal Multi-organ Trauma Screening Model for Abdominal Injuries in Emergency Settings 2025-05, Academic radiology IF:3.8Q1 DOI:10.1016/j.acra.2024.11.056 PMID:39690074	研究论文	构建用于腹部创伤的多模态多器官创伤筛查模型SMART，整合非增强CT与文本数据，提升急诊诊断效率	首次将非增强CT影像与GPT-4文本嵌入进行多模态融合，构建急诊腹部创伤筛查模型，并显著缩短等待时间	研究样本来自单中心，且未详细说明模型在低资源环境或不同类型创伤中的泛化能力	通过深度学习构建多模态腹部创伤诊断模型，提升急诊中实体器官损伤的评估速度和准确性	腹部创伤患者	计算机视觉, 自然语言处理, 机器学习	腹部创伤	非增强CT, 文本数据	DenseNet, nnU-Net, GPT-4	影像, 文本	2638名患者（459例阳性，2179例阴性腹部创伤病例），其中1006名患者用于测试（1632个真实连续数据点）	PyTorch, GPT-4 API	DenseNet121, nnU-Net, GPT-4嵌入	敏感性, AUC	NA
1862	2026-05-18	Interpretable Deep-learning Model Based on Superb Microvascular Imaging for Noninvasive Diagnosis of Interstitial Fibrosis in Chronic Kidney Disease 2025-05, Academic radiology IF:3.8Q1 DOI:10.1016/j.acra.2024.11.067 PMID:39690075	研究论文	基于超微血管成像的可解释深度学习模型用于非侵入性诊断慢性肾脏病中的间质纤维化程度	首次开发基于超微血管成像的可解释深度学习模型，并利用SHAP方法生成饼图和热力图增强模型可解释性，揭示有助于诊断的图像区域	NA	开发基于超微血管成像的可解释深度学习模型，用于非侵入性诊断慢性肾脏病中间质纤维化程度	慢性肾病患者	数字病理	慢性肾病	超微血管成像、二维超声、超声影像组学、彩色多普勒超声	深度学习模型	图像	365例慢性肾病患者	NA	NA	AUC	NA
1863	2026-05-18	The Quality and Accuracy of Radiomics Model in Diagnosing Osteoporosis: A Systematic Review and Meta-analysis 2025-05, Academic radiology IF:3.8Q1 DOI:10.1016/j.acra.2024.11.065 PMID:39701845	meta分析	对放射组学模型诊断骨质疏松症的质量与准确性进行系统综述和荟萃分析	首次通过荟萃分析评估放射组学模型诊断骨质疏松症的整体性能，并对比不同影像模态和算法（如CT与深度学习）的异质性来源	纳入研究平均RQS评分仅为31.89%，提示放射组学研究方法学质量较低；不同影像模态构模型可能是异质性的来源	评估当前放射组学模型诊断骨质疏松症的诊断性能及研究质量	放射组学模型用于诊断骨质疏松症的相关研究	机器学习	骨质疏松症	放射组学	深度学习算法	医学影像（CT等）	24项研究共计1553名骨质疏松症患者和2200名非骨质疏松症患者	NA	NA	诊断优势比, 灵敏度, 特异性, AUC	NA
1864	2026-05-18	Deep Learning Model for the Differential Diagnosis of Nasal Polyps and Inverted Papilloma by CT Images: A Multicenter Study 2025-05, Academic radiology IF:3.8Q1 DOI:10.1016/j.acra.2024.12.011 PMID:39730250	研究论文	利用深度学习模型基于CT影像区分鼻息肉与内翻性乳头状瘤的多中心研究	首次评估3D Xception模型在CT影像上区分鼻息肉与内翻性乳头状瘤的性能，并整合蛋白质组学分析以解释模型的生物学基础	未提及具体限制	探索深度学习模型区分鼻息肉与内翻性乳头状瘤的可行性	鼻息肉和内翻性乳头状瘤患者的CT影像	计算机视觉	鼻部良性肿瘤（鼻息肉和内翻性乳头状瘤）	CT影像	深度学习模型（3D ResNet、3D Xception、HRNet）	CT图像	来自两家医院的1791名鼻部良性肿瘤患者（训练集、内部测试集和外部测试集），其中70例进行蛋白质组学分析	NA	3D ResNet、3D Xception、HRNet	受试者工作特征曲线下面积、准确率、敏感性、特异性	NA
1865	2026-05-18	Multimodal Deep Learning Fusing Clinical and Radiomics Scores for Prediction of Early-Stage Lung Adenocarcinoma Lymph Node Metastasis 2025-05, Academic radiology IF:3.8Q1 DOI:10.1016/j.acra.2024.12.018 PMID:39730249	研究论文	开发并验证一种基于CT影像和临床知识的多模态深度学习模型，用于预测早期肺腺癌淋巴结转移	提出基于InceptionResNetV2架构的多模态特征融合深度学习网络，有效整合临床特征、放射组学特征和影像特征，显著提升预测性能	未明确说明	建立多模态深度学习模型以准确预测早期肺腺癌淋巴结转移	724例经病理证实的早期浸润性肺腺癌患者	计算机视觉, 数字病理学	肺腺癌	CT影像, 放射组学特征提取	深度学习多模态融合网络, InceptionResNetV2	影像图像, 临床特征数据	724例患者（训练集418例，内部验证集106例，独立测试集200例）	NA	InceptionResNetV2	AUC, 灵敏度, 平均精确率	NA
1866	2026-05-18	Multi-Energy Evaluation of Image Quality in Spectral CT Pulmonary Angiography Using Different Strength Deep Learning Spectral Reconstructions 2025-05, Academic radiology IF:3.8Q1 DOI:10.1016/j.acra.2024.11.049 PMID:39732618	研究论文	评估不同强度的深度学习谱重建在双能CT肺血管造影中对虚拟单色图像质量的影响	首次比较标准与强深度学习谱重建在不同能量水平下对肺血管图像质量的提升效果	未提及具体限制	评估和比较不同能量水平的虚拟单色图像在使用标准与强深度学习谱重建时的图像质量	70名接受双能CT肺血管造影的患者（15例肺栓塞阳性，55例阴性）	数字病理学	肺栓塞	双能CT, 深度学习谱重建	深度学习谱重建	CT图像	70名患者	NA	深度学习谱重建	信号噪声比, 对比噪声比, 主观图像质量评分	NA
1867	2026-05-18	Radiomics and Deep Learning Model for Benign and Malignant Soft Tissue Tumors Differentiation of Extremities and Trunk 2025-05, Academic radiology IF:3.8Q1 DOI:10.1016/j.acra.2024.12.026 PMID:39753479	研究论文	基于脂肪饱和T2加权成像开发放射组学和深度学习模型，用于术前区分四肢和躯干软组织肿瘤的良恶性	结合放射组学特征和3D ResNet深度学习特征，构建融合模型（DLR），并在外部验证集上取得高AUC值（0.9410），实现非侵入性、低成本的术前诊断	样本量较小（训练集115例、外部验证集70例），且仅基于单序列脂肪抑制T2WI数据，可能限制模型泛化能力	建立术前区分良恶性软组织肿瘤的放射组学与深度学习模型	四肢和躯干软组织肿瘤患者	数字病理	软组织肿瘤	脂肪饱和T2加权成像	深度学习（3D ResNet）和机器学习算法	磁共振成像	训练集115例患者，外部验证集70例患者	PyTorch, Scikit-learn	3D ResNet	AUC, 决策曲线分析, 校准曲线	NA
1868	2026-05-18	Development and Validation of an AI-Based Multimodal Model for Pathological Staging of Gastric Cancer Using CT and Endoscopic Images 2025-05, Academic radiology IF:3.8Q1 DOI:10.1016/j.acra.2024.12.029 PMID:39753481	研究论文	开发并验证一种基于人工智能的多模态模型，利用CT和内镜图像实现胃癌术前病理分期	采用堆叠集成方法融合CT影像深度学习模型、CT手工放射组学特征机器学习模型以及内镜图像深度学习特征模型，构建多模态集成模型，显著提升胃癌术前分期性能	数据来源于单中心回顾性研究，可能存在选择偏倚；数据因伦理原因未公开，限制外部验证	开发并验证一种基于深度学习与放射组学的多模态模型，提高胃癌术前病理分期的准确性	胃癌患者的增强静脉期CT图像、内镜图像及术后病理结果	计算机视觉	胃癌	CT增强扫描、内镜检查	深度学习模型、机器学习算法、集成模型	CT图像、内镜图像	691名胃癌患者（2017年3月至2024年3月治疗）	PyTorch	DeepCT深度学习模型（9种架构，未具体说明）、ResNet-50、堆叠集成模型	ROC-AUC、敏感性、特异性	NA
1869	2026-05-18	Improved Image Quality Through Deep Learning Acceleration of Gradient-Echo Acquisitions in Uterine MRI: First Application with the Female Pelvis 2025-05, Academic radiology IF:3.8Q1 DOI:10.1016/j.acra.2024.12.021 PMID:39843279	研究论文	比较深度学习加速的VIBE序列与标准VIBE序列在子宫MRI中的图像质量	首次将深度学习加速的梯度回波采集应用于女性盆腔MRI，并证明其在图像质量、解剖结构和病变显示方面的显著优势	NA	评估深度学习加速的VIBE序列在子宫MRI中的图像质量改善效果	61名接受盆腔MRI的女性患者	机器学习	盆腔疾病	磁共振成像	深度学习模型	图像	61名女性患者（平均41±14岁），最终分析54名	NA	NA	Likert量表评分、图像质量、解剖结构显示、病变检测、运动伪影、噪声	1.5T MRI扫描仪
1870	2026-05-18	Non-invasive Assessment of Human Epidermal Growth Factor Receptor 2 Expression in Gastric Cancer Based on Deep Learning: A Computed Tomography-based Multicenter Study 2025-05, Academic radiology IF:3.8Q1 DOI:10.1016/j.acra.2024.12.041 PMID:39870563	研究论文	基于深度学习和CT影像开发并验证胃癌中HER2表达的非侵入性预测模型	首次基于CT影像的多中心研究，利用放射组学特征和多种特征选择方法结合逻辑回归构建HER2表达预测模型，并评估了模型的鲁棒性	为回顾性研究，样本量有限，且HER2阳性比例较低，可能影响模型泛化能力	开发和验证基于CT影像的HER2表达预测模型，用于胃癌治疗决策支持	胃癌患者的HER2表达状态	计算机视觉	胃癌	CT成像	逻辑回归	CT影像	1059名患者（训练集720例，外部测试集339例）	NA	NA	曲线下面积, 决策曲线分析	NA
1871	2026-05-18	Association Between Aortic Imaging Features and Impaired Glucose Metabolism: A Deep Learning Population Phenotyping Approach 2025-05, Academic radiology IF:3.8Q1 DOI:10.1016/j.acra.2025.01.032 PMID:39934079	研究论文	开发深度学习框架量化主动脉MRI特征，并研究其与葡萄糖代谢异常的关系	首次利用深度学习自动量化主动脉表型，发现主动脉长度和体积与糖代谢异常独立相关，超越传统心血管风险因素	基于单一队列（KORA研究），样本量有限（381人），且为横截面设计，无法推断因果关系	探究主动脉MRI特征与葡萄糖代谢异常之间的关联，并超越传统心血管风险因素的预测能力	来自KORA研究的381名参与者的主动脉MRI图像和葡萄糖代谢状态	计算机视觉	2型糖尿病	MRI	深度学习	图像（主动脉MRI）	381名参与者（58%男性，平均年龄56岁）	NA	NA	Dice系数	NA
1872	2026-05-18	Opportunistic assessment of steatotic liver disease in lung cancer screening eligible individuals 2025-03, Journal of internal medicine IF:9.0Q1 DOI:10.1111/joim.20053 PMID:39868889	研究论文	利用深度学习模型在肺癌筛查胸部CT中机会性评估脂肪肝病，并探究其在重度吸烟者中的预后价值	首次在肺癌筛查CT扫描中机会性评估脂肪肝病，发现其是重度吸烟者长期死亡率的独立预测因子，且与BMI交互作用显著	未能提供更多关于脂肪肝病变化的详细机制解释，且样本仅限于美国肺癌筛查试验参与者，可能存在选择偏倚	机会性评估脂肪肝病在肺癌筛查胸部CT中的预后价值，特别是在重度吸烟者中的长期死亡率预测	19,774名NLST参与者（年龄61.4±5.0岁，41.2%为女性）在基线及1年随访时的非增强胸部CT扫描	计算机视觉, 数字病理学	脂肪肝病	CT扫描, 深度学习分割	深度学习模型	影像	19,774名参与者，包括基线扫描和1年随访扫描（共约39,548次CT扫描）	NA	NA	风险比, 95%置信区间, p值	NA
1873	2026-05-18	Clinical 7 Tesla magnetic resonance imaging: Impact and patient value in neurological disorders 2025-03, Journal of internal medicine IF:9.0Q1 DOI:10.1111/joim.20059 PMID:39775908	综述	本文综述了7特斯拉磁共振成像在神经疾病中的诊断影响、患者价值及实际考量，强调其在早期诊断和改善护理方面的作用	基于超过1200次临床扫描经验，聚焦7T MRI在肌萎缩侧索硬化症、多发性硬化症等疾病中的新型生物标志物，如运动带征、中央静脉征和顺磁性边缘病变，并探讨离体超高分辨率研究的新可能	未明确提及，但作为综述，可能受限于现有研究数据量和不同疾病类型的应用成熟度	评估7T MRI的临床实用性，促进其在神经影像中的常规应用以改进了理解和治疗管理	神经疾病患者，包括肌萎缩侧索硬化症、癫痫、多发性硬化症、痴呆、帕金森病、肿瘤和血管疾病	医学影像	神经疾病	7T MRI	NA	医学影像	超过1200次临床扫描	NA	NA	NA	第二代7T系统
1874	2026-05-18	Application of one-class classification using deep learning technique improves the classification of subvisible particles 2025-02, Journal of pharmaceutical sciences IF:3.7Q2 DOI:10.1016/j.xphs.2024.11.023 PMID:39615881	研究论文	利用深度学习技术的单类分类方法改善亚可见颗粒的分类效果	首次将深度学习技术与单类分类器结合应用于亚可见颗粒图像分类，解决了传统方法在区分异质性稳定分布对象方面的不足	免疫球蛋白G来源聚集物和清蛋白来源聚集物的分类效果存在差异，前者更为满意，后者仍有改进空间	探究深度学习技术是否能提高单类分类器在亚可见颗粒图像分类中的性能	亚可见颗粒，包括硅油和两种蛋白聚集物（免疫球蛋白G来源聚集物和清蛋白来源聚集物）	数字病理学	NA	NA	深度学习模型（具体类型未明确指定）	图像	包含硅油和两种蛋白聚集物的数据集，具体数量未提及	NA	NA	分类分数	NA
1875	2026-05-17	Artificial Intelligence in Rhinoplasty: Precision or Over-Reliance? 2025-10, Aesthetic plastic surgery IF:2.0Q2 DOI:10.1007/s00266-025-04954-1 PMID:40389738	综述	探讨人工智能在鼻整形术中的应用，包括术前规划、患者沟通及术后效果模拟，并分析其局限性、伦理顾虑和数据隐私等问题	强调人工智能作为辅助工具而非替代品，提出需结合患者个体变量并优先考虑伦理医疗实践	无法预测个体愈合过程、组织行为及长期鼻部重塑；存在偏见、强化不可达到的审美标准、对患者心理影响及数据隐私与法律风险	评估人工智能在鼻整形术中的精准性与潜在过度依赖风险	人工智能驱动的模型在鼻整形术中的应用	计算机视觉	鼻部整形	NA	深度学习、生成对抗网络	图像	NA	NA	生成对抗网络	NA	NA
1876	2026-05-17	The REgistry of Flow and Perfusion Imaging for Artificial Intelligence with positron emission tomography (REFINE PET):Rationale and design 2025-Oct, Journal of nuclear cardiology : official publication of the American Society of Nuclear Cardiology IF:3.0Q2 DOI:10.1016/j.nuclcard.2025.102449 PMID:40774620	研究论文	建立多中心PET/CT影像与临床数据注册库，用于人工智能研究的验证与开发	整合多中心、大规模PET/CT影像与临床数据，结合深度学习和定量分析工具，建立首个支持心血管疾病诊断与风险分层的研究资源库	NA	验证和开发标准及新型心脏PET/CT处理方法，推动其在诊断和风险分层中的应用	心血管疾病患者，包括心肌灌注成像数据与临床结果	计算机视觉, 机器学习	心血管疾病	PET/CT成像, 深度学习	深度学习	图像, 临床数据	35595名患者来自14个中心	NA	深度学习	NA	NA
1877	2026-05-17	Artificial Intelligence-Assisted Visualized Microspheres for Biochemical Analysis: From Encoding to Decoding 2025-08-19, Accounts of chemical research IF:16.4Q1 DOI:10.1021/acs.accounts.5c00396 PMID:40748254	综述	总结课题组在人工智能辅助可视化微球用于生物化学分析方面的研究，重点介绍从编码到解码的策略与生化传感平台	系统整合了基于微球编码与人工智能解码的新型生物传感策略，涵盖多色/多尺寸微球编码、定制化高速解码算法（如计算机视觉、机器学习、深度学习）以及便携式成像设备，实现多重靶标快速灵敏检测	未明确讨论当前微球编码容量限制、算法泛化性及实际应用中的干扰因素	开发并优化人工智能辅助的可视化微球生物传感系统，实现快速、灵敏、多重靶标检测	蛋白质、细菌、病毒、抗生素等生化分析靶标	计算机视觉	NA	荧光微球编码、光学成像、生物识别分子修饰	CNN, LSTM, GAN	图像	NA	PyTorch, TensorFlow	ResNet, VGG, Transformer, U-Net, DenseNet, EfficientNet	准确率、精确率、召回率、F1分数、AUC、Dice系数	NVIDIA RTX 3090, V100, A100
1878	2026-05-17	Insights from the eyes: a systematic review and meta-analysis of the intersection between eye-tracking and artificial intelligence in dementia 2025-08, Aging & mental health IF:2.8Q2 DOI:10.1080/13607863.2025.2464704 PMID:39950960	meta分析	系统综述和荟萃分析关于眼动追踪与人工智能在痴呆检测中的交叉研究	首次系统评估眼动追踪与人工智能结合在痴呆检测中的性能，并进行了元分析	纳入研究数量有限，样本量较小，缺乏标准化指南，未涵盖所有痴呆类型	评估眼动追踪与人工智能在痴呆检测中的有效性	痴呆患者和健康对照者的眼动行为数据	机器学习	阿尔茨海默病	眼动追踪	机器学习模型, 深度学习模型	眼动数据	57至583名参与者	NA	NA	准确率, 灵敏度, 特异度	NA
1879	2026-05-17	Drawing as a means to characterize memory and cognition 2025-01, Memory & cognition IF:2.2Q2 DOI:10.3758/s13421-024-01618-4 PMID:39192141	评论	本文介绍绘画作为研究记忆和认知的工具，并概述了特刊中25项前沿研究，涉及不同人群和认知过程	将绘画作为表征记忆和认知的多功能工具，整合了多种认知过程，并采用心理物理实验、深度学习和神经成像等跨学科方法	特刊文章可能存在样本多样性限制，且绘画作为工具的解释范围有限，未详细讨论具体方法的局限性	探讨绘画如何用于揭示记忆、注意力、数学推理等认知机制	儿童、年轻人、老年人以及盲人、顺行性遗忘症、失用症和语义性痴呆等特殊人群	自然语言处理	老年性疾病	NA	深度学习	图像	多种人群，具体样本量未说明	NA	NA	NA	NA
1880	2026-05-17	Construction of a Multi-View Deep Learning Model for the Severity Classification of Acute Pancreatitis 2025-01, Discovery medicine IF:2.0Q3 DOI:10.24976/Discov.Med.202537192.7 PMID:39851225	研究论文	利用多视图深度学习模型，结合临床数据和CT图像，对急性胰腺炎严重程度进行分类预测	首次构建多视图深度学习模型，融合人口统计学信息、生命体征、实验室指标和CT图像两种数据，用于AP严重程度分类，优于传统单一数据模型	NA	建立更准确、数据兼容的急性胰腺炎严重程度预测方法	新入院急性胰腺炎患者的最终严重程度分类	计算机视觉, 机器学习	急性胰腺炎	深度学习	DNN, CNN	图像, 文本	NA	NA	DNN, CNN	准确率, 95%置信区间	NA