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
21	2026-05-15	Enhancing Outcome Prediction in Intracerebral Hemorrhage Through Deep Learning: A Retrospective Multicenter Study 2025-03, Academic radiology IF:3.8Q1 DOI:10.1016/j.acra.2024.07.025 PMID:39095262	研究论文	利用深度学习技术分析并验证一种自动预后生物标志物，以预测脑出血（ICH）后的结果	首次结合Resnet50深度学习方法和逻辑回归，构建基于血肿和血肿周围水肿区域特征的90天预后预测模型	未明确提及局限性	提高脑出血后预后预测的准确性	脑出血（ICH）患者	深度学习、数字病理学	脑出血	NA	Resnet50	图像	1098名患者（652名男性，446名女性）	NA	Resnet50	AUC	NA
22	2026-05-15	Advances in spatial resolution and radiation dose reduction using super-resolution deep learning-based reconstruction for abdominal computed tomography: A phantom study 2025-03, Academic radiology IF:3.8Q1 DOI:10.1016/j.acra.2024.09.012 PMID:39304377	研究论文	该研究评估了超分辨率深度学习重建（SR-DLR）在腹部计算机断层扫描（CT）中提升图像质量的表现，并比较了其与混合迭代重建（HIR）和常规分辨率DLR（NR-DLR）的效果	首次将超分辨率深度学习重建技术应用于腹部CT，在降低辐射剂量的同时保持或提升空间分辨率	该研究基于体模实验，可能无法完全反映临床中的实际效果	评估超分辨率深度学习重建在CT图像质量增强中的性能	Catphan体模	计算机视觉	NA	CT成像	深度学习重建网络	CT图像	Catphan体模（配备外部环）	NA	SR-DLR, NR-DLR	噪声幅度比（NMR）、中心频率比（CFR）、高对比度值	NA
23	2026-05-15	Ultrasound-based artificial intelligence model for prediction of Ki-67 proliferation index in soft tissue tumors 2025-03, Academic radiology IF:3.8Q1 DOI:10.1016/j.acra.2024.09.067 PMID:39406581	研究论文	利用超声图像结合深度学习、影像组学及临床特征构建融合模型，预测软组织肿瘤中Ki-67增殖指数	首次将深度学习特征与影像组学特征及临床特征融合，构建多特征融合模型用于预测软组织肿瘤的Ki-67表达水平	样本量有限（394例），且为回顾性研究，可能存在选择偏倚	评估深度学习结合影像组学及临床与影像特征预测软组织肿瘤Ki-67增殖指数的价值	394例软组织肿瘤患者的超声图像及临床数据	机器学习	软组织肿瘤	超声成像	支持向量机	图像	394例患者，训练集323例，外部验证集71例	NA	NA	AUC	NA
24	2026-05-15	Enhancing Radiologists' Performance in Detecting Cerebral Aneurysms Using a Deep Learning Model: A Multicenter Study 2025-03, Academic radiology IF:3.8Q1 DOI:10.1016/j.acra.2024.09.038 PMID:39406577	研究论文	研究开发深度学习模型辅助放射科医生检测脑动脉瘤的多中心评估	首次系统评估深度学习模型对低年资和高年资放射科医生检测脑动脉瘤性能的提升，并量化分析工作流程效率的改善	未在不同影像设备或更低资源设置下验证模型泛化性	评估深度学习模型辅助放射科医生检测脑动脉瘤的诊断性能和工作流程效率	放射科医生（4名初级、6名高级）及深度学习模型	机器学习	脑血管疾病	深度学习	CNN	医学影像（CTA?）	训练集3829名患者（11个中心），测试集484名患者（3个机构）	PyTorch	NA	AUC, 敏感性, 特异性	NA
25	2026-05-15	A Multicenter Cohort Study on Ultrasound-based Deep Learning Nomogram for Predicting Post-Neoadjuvant Chemotherapy Axillary Lymph Node Status in Breast Cancer Patients 2025-03, Academic radiology IF:3.8Q1 DOI:10.1016/j.acra.2024.09.065 PMID:39406583	研究论文	评估基于超声深度学习的列线图在预测乳腺癌患者新辅助化疗后腋窝淋巴结状态的性能及其对放射科医生诊断的辅助作用	基于超声深度学习列线图预测新辅助化疗后腋窝淋巴结状态，并证明其能显著提升放射科医生的诊断能力	NA	评估基于超声的深度学习列线图预测乳腺癌患者新辅助化疗后腋窝淋巴结状态的能力及其辅助诊断的潜力	535例淋巴结阳性乳腺癌患者	计算机视觉, 数字病理学	乳腺癌	超声成像	CNN	图像	535例患者（培训队列288例，内部验证队列123例，外部验证队列124例）	PyTorch	ResNet 34, ResNet 50, VGG19, GoogLeNet, DenseNet 121	AUC	NA
26	2026-05-15	Multiparametric MRI-Based Deep Learning Models for Preoperative Prediction of Tumor Deposits in Rectal Cancer and Prognostic Outcome 2025-03, Academic radiology IF:3.8Q1 DOI:10.1016/j.acra.2024.10.004 PMID:39438175	研究论文	基于多参数MRI的深度学习模型用于术前预测直肠癌肿瘤沉积和预后	首次结合多参数MRI深度特征与临床特征构建列线图，实现对直肠癌肿瘤沉积的术前无创预测及预后分层	NA	评估基于多参数MRI的深度学习模型在预测直肠癌肿瘤沉积中的价值及其对患者预后的影响	直肠癌患者	计算机视觉, 机器学习	直肠癌	MRI	深度学习模型	图像	529例直肠癌患者，其中中心1的379例（训练集265例，内部验证集114例），中心2的150例（外部验证集）	NA	ResNet-101	AUC, 决策曲线分析, 临床影响曲线, 德隆检验, Kaplan-Meier生存分析	NA
27	2026-05-15	Combination of Deep Learning Grad-CAM and Radiomics for Automatic Localization and Diagnosis of Architectural Distortion on DBT 2025-03, Academic radiology IF:3.8Q1 DOI:10.1016/j.acra.2024.10.031 PMID:39496537	研究论文	结合深度学习Grad-CAM和影像组学，用于自动定位和诊断数字乳腺断层合成中的结构扭曲	首次将深度学习Grad-CAM与影像组学结合，实现DBT中AD的自动定位和诊断，并与手动ROI进行比较	在纯AD情况下，深度学习生成的ROI诊断性能不如伴随其他特征的AD	利用人工智能技术提高DBT中AD的检测和诊断准确率	DBT图像中的结构扭曲（AD）病例	计算机视觉, 数字病理学	乳腺疾病	数字乳腺断层合成	深度学习（CNN）	图像	500例AD病例（292例训练，208例测试）	TensorFlow, PyTorch	Grad-CAM	AUC, 灵敏度, 特异度	GPU
28	2026-05-15	A Stacked Multimodality Model Based on Functional MRI Features and Deep Learning Radiomics for Predicting the Early Response to Radiotherapy in Nasopharyngeal Carcinoma 2025-03, Academic radiology IF:3.8Q1 DOI:10.1016/j.acra.2024.10.011 PMID:39496536	研究论文	构建并评估一种整合磁共振成像深度学习影像组学、功能成像和临床指标的模型，用于预测鼻咽癌放疗早期疗效	首次将功能MRI特征（ADC、TBF）与深度学习影像组学特征结合，利用堆叠算法构建多模态模型，提升预测性能	未提及	预测鼻咽癌放疗早期疗效，为个性化治疗提供指导	鼻咽癌患者	数字病理学	鼻咽癌	磁共振成像（MRI），扩散加权成像（DWI），动脉自旋标记（ASL）	逻辑回归（LR），XGBoost，支持向量机（SVM），K近邻（KNN）	影像数据，临床指标	训练集194例（医院I），内部验证集82例（医院I），外部验证集40例（医院II）	NA	堆叠集成模型（Stacking）	受试者工作特征曲线下面积（AUC），决策曲线分析	NA
29	2026-05-15	Feasibility of Ultra-low Radiation and Contrast Medium Dosage in Aortic CTA Using Deep Learning Reconstruction at 60 kVp: An Image Quality Assessment 2025-03, Academic radiology IF:3.8Q1 DOI:10.1016/j.acra.2024.10.042 PMID:39542806	研究论文	评估在主动脉CTA中使用60 kVp低管电压和深度学习重建算法实现超低辐射和对比剂用量的可行性	首次将60 kVp低管电压与新型深度学习图像重建算法（DLIR-CI）结合应用于主动脉CTA，在保证图像质量的同时实现辐射剂量和对比剂用量的大幅降低	仅针对非肥胖患者，未评估在肥胖患者或更广泛人群中的适用性	评估主动脉CTA中超低辐射和对比剂用量方案的可行性	非肥胖患者主动脉CTA图像质量	计算机视觉	心血管疾病	CT血管成像	深度学习	图像	非肥胖受试者（前瞻性分配到两组）	NA	ClearInfinity (DLIR-CI)	CT衰减值, 图像噪声, 信噪比 (SNR), 对比噪声比 (CNR), 主观图像质量评分, Cohen's kappa系数	NA
30	2026-05-15	BMSMM-Net: A Bone Metastasis Segmentation Framework Based on Mamba and Multiperspective Extraction 2025-03, Academic radiology IF:3.8Q1 DOI:10.1016/j.acra.2024.11.018 PMID:39617656	研究论文	提出一种基于Mamba和多视角提取的骨转移分割框架BMSMM-Net，用于骨转移瘤的精确分割	在骨干网络中集成新型Bottleneck Gating Mamba层以增强深层特征图中的长距离依赖；在跳跃连接上设计Skip-Mamba模块促进多尺度特征融合时的长距离建模；在特征提取阶段采用多视角提取模块，利用三种不同大小的卷积核提升对骨转移的敏感性	未在标题和摘要中明确提及	实现骨转移瘤的快速、精确分割，提高患者生存率和治疗效果	骨转移瘤（包括成骨性、溶骨性或混合性病变）的分割	计算机视觉	骨转移瘤（骨癌）	深度学习	Mamba	医学图像	使用BM-Seg数据集（未具体说明样本数量）	NA	Bottleneck Gating Mamba (BGM), Skip-Mamba (SKM), 多视角提取 (MPE)	F1分数，mIoU	NA
31	2026-05-15	Non-invasive Prediction of Lymph Node Metastasis in NSCLC Using Clinical, Radiomics, and Deep Learning Features From 18F-FDG PET/CT Based on Interpretable Machine Learning 2025-03, Academic radiology IF:3.8Q1 DOI:10.1016/j.acra.2024.11.037 PMID:39665892	研究论文	开发并评估一种结合临床、影像组学和深度学习特征的机器学习模型，用于预测非小细胞肺癌患者的淋巴结转移，并利用SHAP增强模型可解释性	首次将临床、PET/CT影像组学和ResNet50深度学习特征结合，通过XGBoost算法构建综合预测模型，并运用SHAP方法提升模型可解释性，为术前无创预测淋巴结转移提供新方法	样本量相对较小（248例），且为单中心回顾性研究，可能限制模型的泛化能力	开发一种可解释的机器学习模型，通过整合PET/CT影像中的临床、影像组学和深度学习特征，提高非小细胞肺癌淋巴结转移预测的准确性	非小细胞肺癌患者术前18F-FDG PET/CT影像数据及其临床信息	机器学习	肺癌	18F-FDG PET/CT影像学	XGBoost	医学影像（PET/CT）	248例非小细胞肺癌患者	NA	ResNet50	AUC, Accuracy, F1-score, Sensitivity, Specificity	NA
32	2026-05-15	Early and noninvasive prediction of response to neoadjuvant therapy for breast cancer via longitudinal ultrasound and MR deep learning: A multicentre study 2025-03, Academic radiology IF:3.8Q1 DOI:10.1016/j.acra.2024.10.033 PMID:39542804	研究论文	本研究基于乳腺MRI和超声的纵向多模态深度学习，预测乳腺癌患者新辅助化疗后的病理完全缓解	首次利用纵向多模态深度学习（结合MRI和超声）预测乳腺癌新辅助化疗反应，并整合临床数据构建堆叠模型实现高精度预测	NA	早期无创预测乳腺癌患者新辅助化疗的反应，以制定个性化治疗方案	乳腺癌患者的新辅助化疗反应（病理完全缓解）	医学影像分析，深度学习	乳腺癌	MRI，超声	ResNet50，堆叠模型	图像（MRI和超声）	448例患者，来自三个中心	NA	ResNet50	AUC，准确率，灵敏度，特异度	NA
33	2026-05-15	Machine Learning in Drug Development for Neurological Diseases: A Review of Blood Brain Barrier Permeability Prediction Models 2025-Mar, Molecular informatics IF:2.8Q2 DOI:10.1002/minf.202400325 PMID:40146590	综述	综述了使用机器学习方法预测血脑屏障通透性的最新进展	全面梳理了机器学习在神经系统疾病药物开发中预测血脑屏障通透性的最新应用，强调其作为传统细胞和动物模型的高效替代方案	未提及具体模型性能比较或局限性分析，可能因综述范围所致	回顾和总结机器学习在预测血脑屏障通透性方面的应用，以提高药物开发效率和准确性	血脑屏障通透性预测模型	机器学习	神经系统疾病	NA	机器学习、深度学习	NA	NA	NA	NA	NA	NA
34	2026-05-08	Differential diagnosis of multiple system atrophy with predominant parkinsonism and Parkinson's disease using neural networks (part II) 2025-03-15, Journal of the neurological sciences IF:3.6Q2 DOI:10.1016/j.jns.2025.123411 PMID:39893881	研究论文	利用神经网络对帕金森病和多系统萎缩帕金森型进行鉴别诊断	使用基于体素的形态测量数据作为输入，考虑多系统萎缩病变的异质性和随机分布，通过神经网络区分早期帕金森病和多系统萎缩帕金森型	未提及具体限制	区分帕金森病和多系统萎缩帕金森型以改善早期诊断	帕金森病和多系统萎缩帕金森型患者	机器学习	帕金森病，多系统萎缩帕金森型	磁共振成像	神经网络	影像数据	未提及	NA	神经网络	准确率	NA
35	2026-05-08	Spatiotemporal Profiling Defines Persistence and Resistance Dynamics during Targeted Treatment of Melanoma 2025-Mar-03, Cancer research IF:12.5Q1 DOI:10.1158/0008-5472.CAN-24-0690 PMID:39700408	研究论文	通过时空谱分析，研究黑色素瘤靶向治疗过程中细胞的持久性状态与耐药动态	整合空间转录组学和深度学习分析，首次在患者来源异种移植模型中追踪靶向治疗期间的克隆谱系演变，揭示了持久状态的空间梯度（中心到外周）和特定治疗敏感的时间窗口	NA	探究黑色素瘤靶向治疗中持久状态的时间动态和进入/退出该状态的特定通路，以识别治疗失败预防策略	BRAF突变黑色素瘤细胞在靶向治疗中的持久状态	数字病理学	黑色素瘤	空间转录组学、深度学习、组织病理学分析	深度学习模型	空间转录组数据、组织病理学图像	患者来源异种移植模型	NA	NA	NA	NA
36	2026-05-08	Role of artificial intelligence in treatment planning and outcome prediction of jaw corrective surgeries by using 3-D imaging: a systematic review 2025-03, Oral surgery, oral medicine, oral pathology and oral radiology DOI:10.1016/j.oooo.2024.09.010 PMID:39701860	系统综述	系统评价人工智能在利用三维影像进行颌骨矫正手术的治疗计划与结果预测中的作用	首次系统综述AI在三维影像辅助颌骨矫正手术规划与结果预测中的应用，强调该领域仍处于概念验证阶段	因纳入研究间异质性大和数据报告不足，未进行meta分析，且多为概念验证性研究	评估AI在三维影像辅助颌骨矫正手术治疗规划与结果预测中的应用现状	利用三维影像进行颌骨矫正手术的AI模型研究	医学影像分析	颌骨畸形	CT影像	深度学习, 机器学习	三维影像	14项研究（含5项治疗规划、2项结果预测研究）	NA	NA	预测误差(毫米), Dice系数, 准确率	NA
37	2026-05-08	Predicting craniofacial fibrous dysplasia growth status: an exploratory study of a hybrid radiomics and deep learning model based on computed tomography images 2025-03, Oral surgery, oral medicine, oral pathology and oral radiology DOI:10.1016/j.oooo.2024.11.002 PMID:39725588	研究论文	本文基于CT图像开发了三种模型（放射组学模型、深度学习模型以及混合放射组学与深度学习模型），用于区分颅面纤维异常增殖症的青少年活动性病变进展与成人稳定病变进展	首次结合放射组学与深度学习构建混合模型，用于预测颅面纤维异常增殖症的生长状态，并优于单一模型	样本量较小（148例），且为单中心回顾性研究，可能影响模型的泛化性	评估基于CT图像的混合放射组学与深度学习模型在区分颅面纤维异常增殖症患者病变进展状态方面的能力	148例颅面纤维异常增殖症患者的术前CT图像	计算机视觉, 数字病理学	颅面纤维异常增殖症	CT成像	放射组学模型, 深度学习模型, 混合模型	图像	148例患者	NA	NA	AUC, 敏感性, 特异性, F1分数	NA
38	2026-05-06	Toward understanding the role of genomic repeat elements in neurodegenerative diseases 2025-Mar-01, Neural regeneration research IF:5.9Q1 DOI:10.4103/NRR.NRR-D-23-01568 PMID:38886931	综述	探讨基因组重复元件在神经退行性疾病中的作用	综述了长读长测序技术和深度学习语言模型在重复元件变异研究中的最新应用	仅回顾现有研究，未提出新的实验数据或验证	理解基因组重复元件与神经退行性疾病的关系	基因组重复元件及其变异	自然语言处理, 机器学习	神经退行性疾病	全基因组关联研究, 靶向测序, 长读长测序	深度学习语言模型	基因组序列数据	NA	NA	NA	NA	NA
39	2026-05-06	Conditioning generative latent optimization for sparse-view computed tomography image reconstruction 2025-Mar, Journal of medical imaging (Bellingham, Wash.) DOI:10.1117/1.JMI.12.2.024004 PMID:40177097	研究论文	提出一种条件生成隐变量优化方法，用于稀疏视角CT图像重建，无需训练数据且独立于实验设置	提出无需训练数据且独立于实验设置的cGLO方法，可同时重建多个切片，在稀疏视角全剂量CT重建中性能优于现有方法	在极稀疏角度条件下性能可能下降，文中未详细讨论多种噪声场景下的鲁棒性	开发一种无需训练数据且对采集协议不敏感的稀疏视角CT图像重建方法	全剂量稀疏视角计算机断层扫描（CT）图像	计算机视觉	NA	NA	条件生成隐变量优化（cGLO）	图像	未明确说明样本数量，涉及全剂量稀疏视角CT投影数据集	PyTorch	解码器（Decoder）	峰值信噪比（PSNR）、结构相似性（SSIM）	NA
40	2026-05-02	Prediction of testicular histology in azoospermia patients through deep learning-enabled two-dimensional grayscale ultrasound 2025-03-01, Asian journal of andrology IF:3.0Q1 DOI:10.4103/aja202480 PMID:39363830	研究论文	开发了一种基于深度学习的模型，通过二维灰度超声图像预测无精子症患者的睾丸组织学结果	首次利用深度学习融合超声图像和睾丸体积数据，无创区分无精子症患者的精子存在与缺失，并进一步分类成熟停滞和仅支持细胞综合征	未提供具体局限性信息	建立睾丸灰度超声图像与睾丸组织学之间的关联，避免不必要的睾丸活检	无精子症患者的睾丸组织学类型，包括精子存在（SPP）和精子缺失（SAP）以及成熟停滞（MA）和仅支持细胞综合征（SCOS）	机器学习	无精子症	二维灰度超声	深度学习	图像	353名男性，共4357张图像	NA	NA	AUC、准确率、灵敏度、特异度	NA