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
1	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
2	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
3	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
4	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
5	2026-07-07	Challenges in AI-driven Biomedical Multimodal Data Fusion and Analysis 2025-05-10, Genomics, proteomics & bioinformatics DOI:10.1093/gpbjnl/qzaf011 PMID:40036568	综述	综述了人工智能驱动的生物医学多模态数据融合与分析中的挑战	全面概述了生物医学数据模态、多模态表示学习方法及AI在整合分析中的应用，并提出通过模型预训练和知识集成推动生物医学研究的未来方向	未提供具体实证研究，仅讨论一般性挑战和未来方向	探讨AI在生物医学多模态数据融合与分析中的挑战和未来方向	生物医学多模态数据，包括分子、细胞、影像和电子健康记录数据	机器学习	NA	深度学习，多模态表示学习，模型预训练	大型语言模型，视觉模型，深度神经网络	多模态数据（分子、细胞、影像、电子健康记录）	NA	NA	NA	NA	NA
6	2026-07-07	Artificial Intelligence in Detecting and Segmenting Vertical Misfit of Prosthesis in Radiographic Images of Dental Implants: A Cross-Sectional Analysis 2025-05, Clinical oral implants research IF:4.8Q2 DOI:10.1111/clr.14406 PMID:39840554	研究论文	评估ResNet-50和U-Net模型在牙科种植体根尖放射影像中检测和分割垂直不吻合的性能	首次利用深度学习模型自动检测和分割牙科种植体牙冠的垂直不吻合，并与临床医生的表现进行直接比较	未在摘要中明确说明局限性	评估人工智能模型在牙科种植体根尖放射影像中检测和分割垂直不吻合的效果	牙科种植体牙冠的根尖放射影像	计算机视觉	牙科种植体垂直不吻合	放射影像	深度学习	图像	638张根尖放射影像	NA	ResNet-50, U-Net	准确率, 精确率, 灵敏度, 特异度, Dice系数, 损失, Kappa值	NA
7	2026-07-07	Geometric and Dosimetric Evaluation of a RayStation Deep Learning Model for Auto-Segmentation of Organs at Risk in a Real-World Head and Neck Cancer Dataset 2025-05, Clinical oncology (Royal College of Radiologists (Great Britain)) DOI:10.1016/j.clon.2025.103796 PMID:40120536	研究论文	评估RayStation深度学习模型在真实世界头颈癌数据集中自动分割危及器官的几何精度和剂量学影响	在大规模、多样化的头颈癌患者数据集上，首次使用3D U-Net模型自动分割30个危及器官，并综合评估几何精度与剂量学影响，考虑了术后、修复皮瓣、口含咬合器等复杂临床因素	模型在11例存在显著解剖挑战和伪影的患者中失败；对某些器官（如食管和喉）的剂量学误差较大（平均Dmean增加高达837.14 cGyRBE）	评估深度学习自动分割模型在头颈癌调强质子治疗中针对危及器官的准确性和效率	124例接受调强质子治疗的头颈癌患者的CT数据集	计算机视觉	头颈癌	CT成像, 调强质子治疗	U-Net	CT图像	124例头颈癌患者	RayStation	3D U-Net	Dice相似系数, Hausdorff距离, 平均剂量差, 最大剂量差	NA
8	2026-07-01	Uncertainty-Aware Deep Learning Characterization of Knee Radiographs for Large-Scale Registry Creation 2025-05, The Journal of arthroplasty IF:3.4Q1 DOI:10.1016/j.arth.2024.10.103 PMID:39477040	研究论文	提出一个自动化图像处理流程，用于膝关节放射影像注册，整合多标签图像语义分类器与共形预测不确定性量化及物体检测模型	首次将共形预测不确定性量化整合到膝关节放射影像多标签分类中，并结合物体检测模型用于大型注册库的自动化构建	NA	开发一个用于膝关节放射影像注册的自动化图像处理流程，提升大规模注册库创建的效率和透明度	膝关节放射影像	计算机视觉	膝关节疾病	NA	EfficientNet、物体检测模型	图像	26,000张膝关节图像用于分类，11,841张用于物体检测	NA	EfficientNet	F1分数、准确率、敏感度、特异性、边际覆盖率、效率、平均精确度	NA
9	2026-06-30	Deep learning MRI-based radiomic models for predicting recurrence in locally advanced nasopharyngeal carcinoma after neoadjuvant chemoradiotherapy: a multi-center study 2025-05-15, Clinical & experimental metastasis IF:4.2Q2 DOI:10.1007/s10585-025-10349-y PMID:40369240	研究论文	基于深度学习的MRI放射组学模型预测局部晚期鼻咽癌新辅助放化疗后复发的前瞻性多中心研究	首次将深度学习提取的MRI放射组学特征与传统放射组学特征结合，并联合临床特征构建综合预测模型，用于预测局部晚期鼻咽癌患者新辅助放化疗后的复发情况	未提及外部验证队列的独立验证，且样本量相对有限，可能影响模型的泛化性	验证基于深度学习的MRI放射组学模型在预测局部晚期鼻咽癌患者新辅助放化疗后复发中的临床价值	局部晚期鼻咽癌患者	医学影像分析，机器学习	鼻咽癌	MRI影像、放射组学特征提取	随机森林、机器学习分类器	MRI图像（对比增强T1加权和T2加权序列）	328名鼻咽癌患者（训练集229例，验证集99例）	NA	随机森林	受试者工作特征曲线下面积、准确率、灵敏度、特异度	NA
10	2026-06-30	Leukaemia Stem Cells and Their Normal Stem Cell Counterparts Are Morphologically Distinguishable by Artificial Intelligence 2025-05, Journal of cellular and molecular medicine IF:4.3Q2 DOI:10.1111/jcmm.70564 PMID:40387596	研究论文	利用人工智能深度学习结合19个卷积神经网络模型，通过分析单细胞图像以高准确度区分白血病干细胞与正常干细胞	首次证明白血病干细胞具有独特的形态学特征，且人工智能能够提取和识别这些特征，而病理学家的显微镜观察无法做到	NA	利用人工智能识别白血病干细胞并监测其数量，以指导治疗选择和评估治疗反应及疾病预后	白血病干细胞（LSCs）和正常干细胞，以及真性红细胞增多症（PV）小鼠模型中的其他细胞谱系	数字病理学	血液系统恶性肿瘤（急性髓系白血病、骨髓增生性肿瘤）	单细胞成像	卷积神经网络（CNN）	图像	来自JAK2V617F敲入小鼠和健康小鼠的细胞样本（未明确具体数量）	NA	19个卷积神经网络组合，具体架构未明确	准确率（>99%）	NA
11	2026-06-19	The role of artificial intelligence in occupational health in radiation exposure: a scoping review of the literature 2025-05-16, Environmental health : a global access science source IF:5.3Q1 DOI:10.1186/s12940-025-01186-3 PMID:40380224	综述	系统回顾了人工智能在职业辐射暴露评估、监测、控制和防护中的应用现状	首次按照PRISMA指南系统梳理AI在职业辐射暴露管理中的三大应用类别（监督评估、检测监测、防护控制）	缺乏高质量训练数据、复杂AI算法可解释性不足、与安全标准契合度待验证、现有系统集成困难、跨学科专业知识匮乏	评估人工智能在职业辐射暴露管理中的应用潜力与现有挑战	职业辐射暴露场景下的AI工具（专家系统、机器学习、深度学习等）	机器学习	NA	NA	专家系统、机器学习、深度学习	文献文本	59篇合格文献	NA	NA	NA	NA
12	2026-06-19	Injury degree appraisal of large language model based on retrieval-augmented generation and deep learning 2025 May-Jun, International journal of law and psychiatry IF:1.4Q3 DOI:10.1016/j.ijlp.2025.102070 PMID:39970564	研究论文	提出一种结合检索增强生成、图知识库和深度学习的创新方法，提升大语言模型在法医损伤程度鉴定任务中的表现	首次将检索增强生成与图知识库和深度学习相结合，针对中国《人体损伤程度鉴定标准》实现法医损伤鉴定，并展现出良好的跨领域迁移能力	未提及	提升大语言模型在法医损伤鉴定等专业领域的应用性能	法医损伤鉴定案例数据集和九种主流大语言模型	自然语言处理	法医损伤	NA	RoBERTa-CNN	文本	26,199个真实损伤鉴定案例	PyTorch	RoBERTa, CNN	准确率	NA
13	2026-06-18	Electroencephalography estimates brain age in infants with high precision: Leveraging advanced machine learning in healthcare 2025-05-15, NeuroImage IF:4.7Q1 DOI:10.1016/j.neuroimage.2025.121200 PMID:40216216	研究论文	利用脑电图和机器学习/深度学习模型高精度估算婴儿大脑年龄，并验证脑年龄差距在评估早期神经发育中的应用	首次将深度学习网络应用于脑电图估算婴儿脑年龄，实现平均绝对误差仅为一个月的高精度预测，并验证了脑年龄差距在临床风险人群（巨头症）中的有效性	NA	开发可靠的脑电图基脑年龄估算方法，量化生物年龄与时序年龄的差距，作为加速或减缓大脑发育的标志	219名3至14个月典型发育婴儿的脑电图记录（深度学习网络使用2628个样本）以及巨头症临床风险人群	机器学习	神经发育疾病	脑电图	深度学习网络	脑电图信号	219名婴儿（2628个记录样本）	NA	深度学习网络	平均绝对误差、相关系数	NA
14	2026-06-18	A CVAE-based generative model for generalized B1 inhomogeneity corrected chemical exchange saturation transfer MRI at 5 T 2025-05-15, NeuroImage IF:4.7Q1 DOI:10.1016/j.neuroimage.2025.121202 PMID:40268259	研究论文	提出基于条件变分自编码器的生成模型，用于5T磁共振化学交换饱和转移成像中的B1场不均匀性校正	首次将条件变分自编码器（CVAE）应用于CEST MRI的B1场不均匀性校正，实现了从单次采集生成校正后的Z谱，并且能够泛化到训练集中未包含的B1水平	未提及具体限制	开发一种适用于不同B1水平、无需多次采集的通用B1场不均匀性校正方法	健康人脑的5T磁共振CEST成像数据，以及数值模拟数据	磁共振成像	NA	化学交换饱和转移（CEST）磁共振成像	条件变分自编码器（CVAE）	磁共振Z谱图像数据	数值模拟数据及5T健康人脑成像数据	NA	条件变分自编码器（CVAE）	MTR, [Formula: see text]（3.5 ppm处）	NA
15	2026-06-18	A Novel Management Challenge in Age-Related Macular Degeneration: Artificial Intelligence and Expert Prediction of Geographic Atrophy 2025-05, Ophthalmology. Retina DOI:10.1016/j.oret.2024.10.029 PMID:39522752	研究论文	本研究评估了眼科医生与人工智能在预测年龄相关性黄斑变性继发的地理萎缩（GA）进展速度方面的能力，并比较了它们的预测性能	首次直接比较眼科医生与深度学习算法在预测GA个体进展速度上的表现，展示了AI在仅使用OCT影像时的优势	研究样本量有限（134只眼），且来自单一临床试验，可能影响结果的泛化性；AI仅基于OCT影像，未使用其他成像模态	评估眼科医生和人工智能在预测年龄相关性黄斑变性继发的地理萎缩个体进展速度方面的价值与差异	年龄相关性黄斑变性继发的地理萎缩（GA）患者的眼	计算机视觉	年龄相关性黄斑变性	OCT、FAF、NIR成像	深度学习	OCT影像、FAF影像、NIR+OCT影像的组合	134名患者的134只眼，其中53只来自假处理组，81只来自未治疗对侧眼	NA	深度学习算法（未具体说明）	准确率、加权κ系数、一致性指数（c-index）	NA
16	2026-06-17	Deep learning for cerebral vascular occlusion segmentation: A novel ConvNeXtV2 and GRN-integrated U-Net framework for diffusion-weighted imaging 2025-05-14, Neuroscience IF:2.9Q2 DOI:10.1016/j.neuroscience.2025.04.010 PMID:40204150	研究论文	提出一种结合ConvNeXtV2和GRN的U-Net深度学习框架，用于脑血管闭塞的MRI图像分割	首次将ConvNeXtV2架构应用于脑血管闭塞分割领域，通过GRN增强多层感知机提升低对比度区域的分割精度，同时保持高计算效率	高计算成本、难以分割小或不规则病变区域，以及需要提前移除≤5像素的小病灶	开发用于脑血管闭塞MRI图像分割的快速准确计算机辅助诊断系统	脑部磁共振弥散加权成像（DWI）中的脑血管闭塞病变区域	计算机视觉, 数字病理学	脑卒中（缺血性卒中）	MRI（磁共振成像）	CNN	图像（MRI-DWI）	ISLES 2022数据集（未明确样本数量）	PyTorch	U-Net, ConvNeXtV2, 多层感知机（GRN-MLP）	IoU, Dice系数	未明确说明
17	2026-06-17	A fully automatic radiomics pipeline for postoperative facial nerve function prediction of vestibular schwannoma 2025-05-14, Neuroscience IF:2.9Q2 DOI:10.1016/j.neuroscience.2025.04.008 PMID:40210197	研究论文	提出一种基于多序列MRI的全自动深度学习流程，用于预测前庭神经鞘瘤术后面部神经功能	首次将2.5D Trans-UNet分割网络与1DCNN-GRU分类网络结合，构建全自动影像组学流程，实现术前MRI预测术后面神经功能	未提及潜在的数据集规模限制或模型泛化性验证不足	开发全自动深度学习模型预测前庭神经鞘瘤术后面部神经功能	前庭神经鞘瘤患者的多序列MRI影像数据	数字病理学、计算机视觉	前庭神经鞘瘤	多序列磁共振成像（MRI）	2.5D Trans-UNet、1DCNN-GRU	医学影像（MRI）	公开数据集和私有数据集（具体数量未在摘要中说明）	NA	2.5D Trans-UNet, 1DCNN, GRU	准确率	NA
18	2026-06-17	IBDome: An integrated molecular, histopathological, and clinical atlas of inflammatory bowel diseases 2025-May-06, Research square DOI:10.21203/rs.3.rs-6443303/v1 PMID:40386420	研究论文	对炎症性肠病（IBD）患者进行多组学和多模态综合分析，构建综合分子、组织病理学和临床图谱	整合全外显子测序、RNA测序、血清蛋白质组学和组织病理学图像等多模态数据，开发炎症蛋白严重性评分及基于基础模型的深度学习工具用于组织学疾病活动度评分	NA	通过多组学和多模态分析增进对炎症性肠病的理解，改进诊断并推动个性化治疗策略	1,002名临床注释的炎症性肠病患者和非IBD对照	数字病理学	炎症性肠病	全外显子测序, RNA测序, 血清蛋白质组学, H&E染色图像评估	基础模型深度学习	基因表达数据, 蛋白质组学数据, 组织病理学图像	1,002名患者和对照的肠道组织样本及血清样本	NA	基础模型	NA	NA
19	2026-06-17	Automated Joint Space Detection Improves Bone Segmentation Accuracy 2025-May-06, bioRxiv : the preprint server for biology DOI:10.1101/2025.04.30.651481 PMID:40654621	研究论文	提出一种自动关节间隙检测方法，利用深度学习模型提高显微CT图像中小鼠爪骨分割的准确性	在传统半自动标记分水岭算法基础上，新增结构增强、张量投票和输出扩张技术，结合3D U-Net（ResNet-18主干）进行关节间隙预测，显著提升分割精度	在疾病严重程度较高和年龄较大样本中精度下降，且灵活应用于新数据集时性能降低	开发自动关节间隙检测方法，提高复杂骨结构分割的准确性	小鼠后爪和前爪的显微CT数据集（30-33块骨头）	计算机视觉	炎性侵蚀性关节炎	显微CT	3D U-Net	图像	野生型和肿瘤坏死因子转基因小鼠不同性别和年龄的后爪和前爪样本	NA	3D U-Net, ResNet-18	分割准确率	NA
20	2026-06-17	Harnessing omics data for drug discovery and development in ovarian aging 2025-05-01, Human reproduction update IF:14.8Q1 DOI:10.1093/humupd/dmaf002 PMID:39977580	综述	本文综述了多组学数据在卵巢衰老药物发现和开发中的应用，探讨了从基因组学到微生物组的多层面数据如何助力识别新药物靶点和治疗策略	整合了从组织水平到单细胞的多组学数据，系统梳理了基因组、转录组、蛋白质组、代谢组和微生物组数据在卵巢衰老药物靶点发现中的作用，并特别强调了单细胞技术和空间转录组学与人工智能模型融合的前景	作为综述，未提供原始实验数据或计算模型验证；文献检索截止2024年9月，可能遗漏最新进展	综合多组学数据资源，探索如何利用这些数据识别卵巢衰老的新药物靶点并指导治疗策略	卵巢衰老相关的多组学数据，包括基因组、转录组、蛋白质组、代谢组和微生物组数据，以及单细胞水平研究	机器学习	妇科疾病	多组学技术, 单细胞技术, 空间转录组学	NA	组学数据	NA	NA	NA	NA	NA