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	2026-01-09	[Application of Explainable Deep Learning in Differentiating Benign from Malignant  Pulmonary Space-occupying Lesions and Classifying Pathological Subtypes of Lung Cancer] 2025-Oct-20, Zhongguo fei ai za zhi = Chinese journal of lung cancer DOI:10.3779/j.issn.1009-3419.2025.102.36 PMID:41500778	研究论文	本研究探讨了基于Tab-Transformer和ResMLP的混合可解释深度学习模型（TT-ResMLP）在鉴别肺部占位性病变良恶性及肺癌病理亚型分类中的性能	提出了一种结合Tab-Transformer（用于表格数据）和ResMLP的混合架构（TT-ResMLP），用于处理多源临床数据，并通过SHAP分析增强了模型的可解释性，揭示了关键预测特征及其交互机制	样本量相对较小（345例患者），且研究为单中心回顾性分析，可能影响模型的泛化能力	评估可解释深度学习算法在肺部占位性病变良恶性诊断及肺癌病理亚型分类中的性能，并识别关键预测特征	345例经病理证实的肺部占位性病变患者	机器学习	肺癌	放射学特征、病史、实验室检查等多源临床数据整合分析	Tab-Transformer, ResMLP, TT-ResMLP	表格数据（临床特征）	345例患者，按8:2比例随机分为开发集和测试集	未明确提及，但可能基于PyTorch或TensorFlow（因使用Transformer架构）	Tab-Transformer, ResMLP, TT-ResMLP（混合架构）	ROC曲线, AUC, 准确率, 特异性, 敏感性, 微平均ROC	NA
2	2026-01-09	Establishing prospective performance monitoring for real-world implementation of deep learning-based auto-segmentation in prostate cancer radiotherapy 2025-Oct, Physics and imaging in radiation oncology DOI:10.1016/j.phro.2025.100886 PMID:41488801	研究论文	本研究开发了一个基于回顾性数据的实用框架，用于前列腺癌放疗中深度学习自动分割模型的实时性能监测	首次提出将统计过程控制图应用于深度学习自动分割模型的性能监控，以检测数据漂移和临床实践变化	研究基于回顾性数据，且仅针对前列腺癌放疗场景，未在其他疾病或医疗环境中验证	建立深度学习自动分割模型在前列腺癌放疗中的前瞻性性能监控框架	前列腺癌放疗患者的临床轮廓分割	数字病理学	前列腺癌	深度学习自动分割	U-Net	医学图像	464例前列腺癌病例，时间跨度为20个月	NA	2D U-Net, 3D U-Net	Dice相似系数, 95百分位Hausdorff距离, 表面DSC	NA
3	2026-01-08	Using Deep Learning to Simultaneously Reduce Noise and Motion Artifacts in Brain MR Imaging 2025-Oct-24, Magnetic resonance in medical sciences : MRMS : an official journal of Japan Society of Magnetic Resonance in Medicine IF:2.5Q2 DOI:10.2463/mrms.mp.2024-0098 PMID:39938896	研究论文	本文提出了一种使用深度学习同时减少脑部MRI中噪声和运动伪影的方法	针对T1W、T2W和FLAIR序列分别构建独立的训练模型，能够独立于成像方向和伪影方向去除噪声和运动伪影	研究仅基于20名健康志愿者的模拟图像数据，未在真实患者数据上进行广泛验证	通过深度学习提升脑部MRI的图像质量，促进其临床实用性	脑部T1加权、T2加权和FLAIR图像	计算机视觉	NA	MRI成像	深度学习模型	医学图像	20名健康志愿者的脑部MRI图像，生成115200个模拟图像样本	NA	NA	结构相似性指数(SSIM), 峰值信噪比(PSNR), 视觉评估	NA
4	2026-01-08	Improved Assessment of Juxtacortical Lesions in Multiple Sclerosis Using Highly-accelerated High-resolution Double Inversion Recovery MR Imaging with Deep Learning-based Reconstruction 2025-Oct-24, Magnetic resonance in medical sciences : MRMS : an official journal of Japan Society of Magnetic Resonance in Medicine IF:2.5Q2 DOI:10.2463/mrms.mp.2024-0126 PMID:39971311	研究论文	本研究开发了一种基于深度学习重建的高分辨率双反转恢复磁共振成像技术，用于改进多发性硬化症皮质旁病灶的评估	首次将深度学习重建技术应用于高分辨率双反转恢复磁共振成像，实现了在5分钟内完成全脑扫描，显著提高了皮质旁病灶的检测能力	研究为回顾性分析，样本量较小（25例患者），需要更大规模的前瞻性研究验证	比较深度学习重建双反转恢复成像与传统双反转恢复成像在多发性硬化症皮质旁病灶检测中的诊断性能	多发性硬化症患者的磁共振成像数据	医学影像分析	多发性硬化症	磁共振成像, 双反转恢复序列, 深度学习重建	深度学习模型	磁共振图像	25例多发性硬化症患者	NA	NA	病灶计数, Wilcoxon符号秩检验	NA
5	2026-01-08	Deep Neural Network-Based Risk Prediction of Glioblastoma Multiforme Recurrence 2025-Oct-02, Journal of molecular neuroscience : MN IF:2.8Q2 DOI:10.1007/s12031-025-02412-w PMID:41037206	研究论文	本研究开发并评估了一种基于深度神经网络和混合差分进化神经网络的模型，用于准确预测多形性胶质母细胞瘤的复发风险	采用混合差分进化神经网络框架优化深度神经网络架构，用于预测晚期疾病阶段患者的GBM复发风险，并在多模态数据集上实现了优于传统方法的性能	研究主要依赖于TCGA和机构存储库的数据，样本量为780名患者，可能存在数据来源和样本规模的限制	开发高精度预测多形性胶质母细胞瘤复发风险的深度学习模型，以增强个体化治疗策略并改善患者预后	多形性胶质母细胞瘤患者	机器学习	脑肿瘤	基因组测序、影像学分析	DNN	基因组图谱、影像学指标、纵向临床记录	780名GBM患者	Python	混合差分进化神经网络	准确率、精确率、召回率、F1分数、AUC-ROC	NA
6	2026-01-08	Fully Automated Anatomy Labeling for Intracardiac Echocardiography Using Deep Learning 2025-Oct, JACC. Clinical electrophysiology DOI:10.1016/j.jacep.2025.06.009 PMID:40767798	研究论文	本文开发了一种基于深度学习的全自动算法，用于从右心房心内超声图像中检测解剖结构	首次提出全自动深度学习算法用于心内超声图像的解剖结构标注，作为教育或导航工具辅助电生理手术	算法仅针对右心房解剖结构，且部分结构识别精度未达到70%	开发自动化工具以辅助心内超声图像在电生理手术中的解剖结构识别	心内超声图像中的解剖结构	计算机视觉	心血管疾病	心内超声	深度学习	图像	605次电生理手术，196,768张图像	NA	NA	精确率, 召回率	NA
7	2026-01-08	Automating Brachial Plexus Scan: Wireless Handheld Ultrasound with Deep Learning over Ten Locations 2025 Oct-Dec, Journal of medical ultrasound IF:0.9Q4 DOI:10.4103/jmu.jmu_61_24 PMID:41488171	研究论文	本研究提出了一种适用于低分辨率超声图像的图像分割模型，用于自动化臂丛神经扫描	针对低分辨率手持超声设备，开发了一种新颖的两阶段卷积神经网络架构，结合了图像分类和分割，并引入质心细化，显著提升了在便携设备上的臂丛神经定位性能	研究样本量较小（30名患者），且模型仅在特定预定义位置进行测试，可能限制了其泛化能力	开发一种适用于低分辨率手持超声设备的自动化臂丛神经扫描模型，以辅助区域麻醉中的神经可视化	臂丛神经的超声图像	计算机视觉	NA	B型超声成像	CNN	图像, 视频	30名成年患者，共60,000张图像	NA	两阶段卷积神经网络（第一阶段用于图像分类，第二阶段用于分割与质心细化）	灵敏度, 特异度, 中位距离误差, 平均对称表面距离, 豪斯多夫距离, 交并比	NA
8	2026-01-08	Artificial intelligence-assisted glaucoma detection on color fundus images: with comorbidity and cross-institutional analysis 2025-Oct-01, Journal of the Chinese Medical Association : JCMA IF:1.9Q2 DOI:10.1097/JCMA.0000000000001289 PMID:41102915	研究论文	本研究开发了一种基于人工智能的青光眼检测系统，通过彩色眼底图像进行青光眼筛查，并在跨机构和共病条件下验证其可靠性	采用分步AI流程结合图像增强、视神经区域自动识别和深度学习分类，首次在跨区域数据集和共病眼病图像上验证了系统的一致高性能	研究未提及系统在极低质量图像或罕见共病组合下的表现，且外部数据集数量可能有限	开发并验证一种能在不同临床环境和共病条件下可靠检测青光眼的人工智能系统	彩色眼底图像，包括来自不同医院、种族、相机类型和图像质量的样本，以及伴有其他视网膜疾病的图像	计算机视觉	青光眼	彩色眼底摄影	深度学习	图像	训练集：1696张图像（来自台北荣民总医院）；测试集：五个跨区域外部数据集及151张共病眼病内部图像	NA	NA	平衡准确率, AUC	NA
9	2026-01-07	Multimodal pathomics and clinical features predict postresection permanent hydrocephalus in pediatric medulloblastoma 2025-Oct-31, Journal of neuro-oncology IF:3.2Q2 DOI:10.1007/s11060-025-05263-y PMID:41171470	研究论文	本研究通过整合深度学习提取的病理组学特征与临床变量，预测儿童髓母细胞瘤术后永久性脑积水的风险	首次将深度学习提取的病理组学特征与临床特征结合，构建多模态模型以改善儿童髓母细胞瘤术后永久性脑积水的风险分层	研究样本量较小（90例患者），且为单中心回顾性研究，可能限制模型的泛化能力	预测儿童髓母细胞瘤患者术后永久性脑积水的风险，以改善风险分层和个性化管理	18岁以下接受治疗的髓母细胞瘤患者	数字病理学	髓母细胞瘤	H&E染色切片分析	CNN, 逻辑回归	图像, 临床数据	90例患者	PyTorch	ResNet-18	AUC, 平均精确率	NA
10	2026-01-05	AAPM CT metal artifact reduction grand challenge 2025-Oct, Medical physics IF:3.2Q1 DOI:10.1002/mp.70050 PMID:41058545	研究论文	本文介绍了AAPM CT金属伪影减少大挑战，旨在创建和分发一个临床代表性的2D MAR性能基准，并邀请参与者基于此基准客观比较其MAR方法的性能	通过混合数据模拟框架生成了大规模真实数据集，并提供了一个临床相关的通用MAR基准，以客观比较不同MAR方法	挑战仅涉及2D MAR性能评估，可能未覆盖3D或更复杂的临床场景	创建和分发一个临床代表性的CT金属伪影减少性能基准，促进MAR方法的客观比较和开发	CT图像中的金属伪影，如牙科填充物、髋关节假体、脊柱螺钉/杆和金基准标记引入的条纹伪影	医学影像处理	NA	CT成像，混合数据模拟框架	深度学习模型，包括UNet, ResNet, GAN, 扩散模型, 变换器	CT图像，正弦图	14,000个CT训练数据集，29个临床未校正数据集	NA	UNet, ResNet, GAN, 扩散模型, 变换器	八种临床相关的图像质量指标	NA
11	2026-01-04	Assessing body composition using auto-segmentations of muscle and subcutaneous adipose tissue in prostate cancer patients receiving magnetic resonance-guided radiotherapy 2025-Oct, Physics and imaging in radiation oncology DOI:10.1016/j.phro.2025.100882 PMID:41476866	研究论文	本研究利用深度学习框架对前列腺癌患者磁共振引导放疗图像进行自动分割，以评估身体成分变化	首次在磁共振引导放疗背景下，开发了用于肌肉和皮下脂肪组织自动分割的深度学习模型，并比较了使用肠道和骨骼掩模对性能的影响	样本量较小（71例患者），且仅针对中危前列腺癌患者，可能限制了结果的普适性	评估前列腺癌患者在接受磁共振引导放疗期间的身体成分变化，以早期发现肌肉减少症风险	接受磁共振引导放疗的中危前列腺癌患者	数字病理学	前列腺癌	磁共振成像（MRI），T2加权图像	深度学习模型	医学图像	71例中危前列腺癌患者	NA	NA	平均表面距离，95百分位Hausdorff距离，Dice相似系数	NA
12	2026-01-03	AI-driven precision in prostate brachytherapy: A systematic review of 70 studies 2025-Oct-01, Journal of cancer research and therapeutics IF:1.4Q4 DOI:10.4103/jcrt.jcrt_1996_25 PMID:41474559	综述	本文系统回顾了70项关于人工智能在前列腺近距离放射治疗中应用的研究，评估了其在影像、治疗计划、施源器重建和结果预测等方面的进展与挑战	首次对70项AI在前列腺近距离放射治疗中的应用研究进行系统性综述，全面评估了U-Net和深度强化学习等技术在分割、剂量优化和质量保证方面的性能提升	纳入研究存在数据集多样性有限、模型泛化能力不足以及临床整合困难等挑战	评估人工智能技术在前列腺近距离放射治疗中的应用现状、效果及未来发展方向	前列腺癌患者及其放射治疗过程	数字病理学	前列腺癌	NA	机器学习, 深度学习	医学影像数据	基于70项研究的汇总数据	NA	U-Net	灵敏度, 时间节省百分比, 错误减少百分比	NA
13	2026-01-03	Diagnostic performance of the deep learning method trained using MRI and F-18 FDG-PET/CT images in the evaluation of axillary lymph node metastasis in breast cancer patients 2025-Oct-01, Journal of cancer research and therapeutics IF:1.4Q4 DOI:10.4103/jcrt.jcrt_493_25 PMID:41474563	研究论文	本研究探讨了使用MRI和F-18 FDG-PET/CT图像训练的深度学习模型在评估乳腺癌患者腋窝淋巴结转移中的诊断性能	结合MRI和F-18 FDG-PET/CT多模态图像训练CNN模型，用于非侵入性检测腋窝淋巴结转移，并显示其性能优于单一模态的专家解读	研究为回顾性设计，样本量相对较小（177例患者），且模型尚未能替代前哨淋巴结活检等侵入性程序	评估深度学习模型在乳腺癌患者腋窝淋巴结转移诊断中的性能	被诊断为乳腺癌并接受手术的成年患者	数字病理学	乳腺癌	MRI, F-18 FDG-PET/CT	CNN	图像	177例患者	NA	CNN	灵敏度, 特异度, 准确率, F1分数	NA
14	2026-01-02	Advancements in artificial intelligence for prostate cancer: Optimizing diagnosis, treatment, and prognostic assessment 2025-Oct, Asian journal of urology IF:2.4Q2 DOI:10.1016/j.ajur.2024.12.001 PMID:41467190	综述	本文综述了人工智能在前列腺癌管理中的当前研究进展，重点探讨其在优化诊断、改善医疗图像质量、促进风险分层和辅助预后方面的潜力	强调了人工智能在提升前列腺癌诊断准确性、实现个性化治疗计划以及改善患者预后方面的创新应用，特别是在医学图像分析和手术技能评估方面的实证证据	需要更大规模、更多样化的数据集，并面临临床实施中的障碍	全面概述人工智能在前列腺癌管理中的研究现状，探讨其临床整合的机遇与挑战	前列腺癌管理，包括诊断、治疗和预后评估	数字病理学	前列腺癌	NA	机器学习, 深度学习	医学图像	NA	NA	NA	敏感性, 特异性	NA
15	2026-01-01	Deep learning-based autonomous weld quality inspection in battery pack manufacturing using a two-stage model 2025 Oct-Dec, Science progress IF:2.6Q2 DOI:10.1177/00368504251409224 PMID:41442326	研究论文	本研究提出了一种基于深度学习的两阶段模型，用于电池包制造中的激光焊缝质量自主检测	提出了一种两阶段深度学习框架，即使在缺陷数据稀缺的情况下也能保持有效；第一阶段使用仅基于正常数据训练的CNN自编码器，并引入了一种新颖的损失函数来捕捉分布特征；第二阶段利用第一阶段的编码器和瓶颈层作为共享骨干网络进行多类缺陷分类	未明确说明模型在更广泛工业环境或不同焊接工艺中的泛化能力	开发一种自动化、智能化的焊缝质量检测解决方案，以替代传统人工检测方法	电池包制造中的激光焊缝	计算机视觉	NA	激光焊接	CNN, 自编码器	图像	来自实际工业环境的高质量数据集（具体数量未说明）	NA	自编码器	准确率, F1分数	NA
16	2025-12-31	Potential of artificial intelligence in the diagnosis and treatment of vertebral compression fractures: A 20-year bibliometric analysis (2004-2023) 2025-Oct-03, Medicine IF:1.3Q2 DOI:10.1097/MD.0000000000044876 PMID:41054042	综述	本文通过文献计量学分析，探讨了人工智能在椎体压缩性骨折诊断与治疗中的应用潜力和研究趋势	首次对2004年至2023年间人工智能在椎体压缩性骨折领域的应用进行了系统的文献计量分析，揭示了研究热点的演变和关键贡献者	分析仅基于Web of Science核心合集中的英文文章，可能遗漏其他语言或数据库中的相关研究	通过文献计量学方法，绘制人工智能在椎体压缩性骨折领域应用的知识图谱，识别研究趋势和关键影响因素	2004年至2023年间发表的462篇关于人工智能在椎体压缩性骨折诊断与治疗中应用的英文文章	医学信息学	椎体压缩性骨折	文献计量分析	NA	文本数据（文献元数据）	462篇文章	CiteSpace	NA	NA	NA
17	2025-12-30	SpaGene: A Deep Adversarial Framework for Spatial Gene Imputation 2025-Oct-06, bioRxiv : the preprint server for biology DOI:10.1101/2025.10.03.680242 PMID:41278680	研究论文	本文提出了一种名为SpaGene的深度学习框架，用于整合单细胞RNA测序和空间转录组学数据，以填补空间转录组数据中缺失的基因表达信息	SpaGene是一种新颖的深度学习框架，通过两个编码器-解码器对、两个翻译器和两个判别器的组合，有效整合scRNA-seq和空间转录组学数据，实现了对空间转录组数据中缺失基因表达的高精度填补	未在摘要中明确提及	整合单细胞RNA测序和空间转录组学数据，以增强对组织生物学、细胞相互作用和疾病进展的理解	单细胞RNA测序数据和空间转录组学数据	机器学习	肺癌	单细胞RNA测序（scRNA-seq），空间转录组学	GAN	基因表达数据	NA	NA	编码器-解码器对	皮尔逊相关系数（PCC），结构相似性指数（SSIM），均方根误差（RMSE）	NA
18	2025-12-28	Precision TAVR quantification- AI-accelerated TAVR planning reduces assessment time by 80% in bicuspid aortic stenosis 2025-Oct, European heart journal. Imaging methods and practice DOI:10.1093/ehjimp/qyaf153 PMID:41445779	研究论文	本研究开发了一种名为Cardioverse的全自动深度学习算法，用于二叶式主动脉瓣狭窄患者的TAVR术前解剖评估，显著提升了评估效率	开发了首个用于二叶式主动脉瓣TAVR术前解剖评估的全自动深度学习算法，实现了80%的评估时间减少和85%的用户交互减少	研究为回顾性多中心研究，未来需要前瞻性临床试验进一步验证	开发并验证一种全自动深度学习算法，以提升二叶式主动脉瓣狭窄患者TAVR术前解剖评估的效率和准确性	二叶式主动脉瓣狭窄患者	数字病理学	心血管疾病	深度学习	深度学习算法	医学影像数据	1147例连续患者（来自16个中国中心），包括内部验证组437例和外部验证组110例	NA	Cardioverse	Dice相似系数, 相关系数	NA
19	2025-12-27	Evaluating the quality of multiple automatically produced segmentation variants of the prostate on Magnetic Resonance Imaging scans for brachytherapy 2025-Oct, Physics and imaging in radiation oncology DOI:10.1016/j.phro.2025.100852 PMID:41439244	研究论文	评估一种基于深度学习的（半）自动医学图像分割方法在MRI前列腺分割中的质量，并与传统DL方法进行比较	提出了一种能生成多个分割变体（反映手动分割的变异）的新型DL方法，而非仅单一分割结果，旨在提高临床医生偏好自动分割的可能性	研究为回顾性设计，样本量较小（仅13名前列腺癌患者），可能限制结果的普遍性	评估新型DL分割方法在前列腺MRI分割中的质量，并探讨其临床应用的潜力	前列腺癌患者的MRI扫描图像	数字病理	前列腺癌	MRI扫描	深度学习（DL）	图像	13名前列腺癌患者	NA	NA	手动校正需求等级（无校正、不可接受等），偏好排名	NA
20	2025-12-25	A deep learning framework for understanding cochlear implants 2025-Oct-17, bioRxiv : the preprint server for biology DOI:10.1101/2025.07.16.665227 PMID:40777303	研究论文	本文提出一个深度学习框架，用于评估人工耳蜗等感觉假体的性能限制，通过模拟听觉神经输入训练人工神经网络进行语音识别和声音定位	首次使用深度学习框架模拟人工耳蜗输入，通过任务优化解码器评估感觉假体的最佳性能极限，为理解设备限制和潜力提供模型指导方法	研究基于模拟的听觉神经输入而非真实患者数据，可能无法完全反映实际临床情况	评估感觉假体（特别是人工耳蜗）的性能限制，理解刺激策略、神经退化和大脑解码对感知恢复的影响	人工耳蜗（治疗耳聋的标准方法）及其模拟听觉神经输入	机器学习	耳聋	深度学习模拟	人工神经网络	模拟的听觉神经输入数据	NA	NA	NA	语音识别准确率, 声音定位精度	NA