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
241	2026-01-20	Accelerating myelin defect detection in neurodegenerative disorders: a human-in-the-loop deep learning approach with birefringence microscopy 2025-Oct, Neurophotonics IF:4.8Q1 DOI:10.1117/1.NPh.12.4.045007 PMID:41195092	研究论文	本文提出了一种人机交互的深度学习方法，用于加速神经退行性疾病中髓鞘缺陷的检测	采用人机交互的深度学习框架，结合YOLOv8模型和迭代专家验证，显著提高了髓鞘缺陷检测的速度和准确性	样本量较小（仅15名受试者），且仅针对特定脑区（背外侧前额叶皮层）进行研究	开发并评估一种快速、准确且可扩展的髓鞘缺陷检测方法，以加速神经退行性疾病的研究进展	来自15名受试者（包括5名对照、5名阿尔茨海默病患者和5名慢性创伤性脑病患者）的脑组织样本	数字病理学	神经退行性疾病	RGB圆交叉偏振双折射显微镜成像	CNN	图像	15名受试者的脑组织样本，包含5600个手动标注的髓鞘缺陷	NA	YOLOv8	mAP@50	NA
242	2026-01-19	EgoVision a YOLO-ViT hybrid for robust egocentric object recognition 2025-Oct-06, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-18341-y PMID:41053140	研究论文	提出一种名为EgoVision的新型轻量级混合深度学习框架，用于解决第一人称视角下的静态物体识别问题	首次将YOLOv8与Vision Transformers融合的架构应用于HOI4D数据集上的静态物体识别，并针对机器人和增强现实应用进行实时优化	仅处理静态图像帧，未涉及连续视频流中的时序建模	开发适用于可穿戴和边缘设备的实时第一人称物体识别系统	静态自我中心视角图像中的物体	计算机视觉	NA	关键帧提取策略，特征金字塔网络	CNN, Transformer	图像	HOI4D数据集中的静态图像	NA	YOLOv8, Vision Transformer (ViT)	准确率	可穿戴设备，边缘设备
243	2026-01-16	An accurate prediction for respiratory diseases using deep learning on bronchoscopy diagnosis images 2025-Oct, Journal of advanced research IF:11.4Q1 DOI:10.1016/j.jare.2024.11.023 PMID:39571731	研究论文	本文提出了一种多尺度注意力残差网络（MARN），用于通过支气管镜图像诊断肺部疾病，旨在提高诊断准确性	设计了多尺度卷积块注意力模块（MCBAM），通过增强空间和通道特征来精确聚焦病变区域，并使用Grad-CAM提高诊断结果的可解释性	研究仅基于单一医疗中心的615个病例（2900张图像），样本规模有限，可能影响模型的泛化能力	开发一种基于深度学习的支气管镜图像诊断系统，以提高气管、支气管和肺部疾病的诊断准确性	支气管镜诊断图像，包括正常、良性病变和恶性病变的图像	计算机视觉	肺癌	支气管镜检查	CNN	图像	615个病例，共2900张图像	NA	多尺度注意力残差网络（MARN），包含多尺度卷积块注意力模块（MCBAM）	准确率，AUC	NA
244	2026-01-15	[Prospects for development of new traditional Chinese medicine drugs based on human use experience empowered by artificial intelligence] 2025-Oct, Zhongguo Zhong yao za zhi = Zhongguo zhongyao zazhi = China journal of Chinese materia medica DOI:10.19540/j.cnki.cjcmm.20250708.601 PMID:41508193	综述	本文系统回顾了人工智能在基于人用经验的中药新药全周期研发中的关键作用，并提出了构建集成智能中药新药研发平台的展望	提出了基于人用经验与人工智能深度融合的中药新药研发新范式，构建了“数据驱动、模型支持、智能决策”的闭环系统，推动中药研发从经验推理向高维知识图谱、专家-AI协同学习和多源证据整合驱动的转变	NA	探讨人工智能如何赋能基于人用经验的中药新药研发，以提升其全球竞争力	中药新药研发的全周期过程，包括候选药物选择、证据结构化、安全性预测、临床试验设计、监管提交、上市后风险识别和二次开发	自然语言处理, 机器学习	NA	自然语言处理, 大语言模型, 统计学习, 深度学习, 多模态学习, 强化学习	NA	文本, 图像（舌象）, 电子病历, 多模态异构数据	NA	NA	NA	NA	NA
245	2026-01-14	Localized identification of seepage and ponding in earthen embankment using infrared thermography assimilated with different deep learning frameworks 2025-Oct-15, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-13258-y PMID:41093858	研究论文	本研究通过将被动红外热成像技术与深度学习算法结合，提出了一种用于识别土堤渗漏和积水的高级方法	将土堤渗漏识别任务转化为图像分类问题，并利用深度学习框架处理热图像序列以高精度预测渗漏和积水范围	NA	解决土堤长期渗漏和积水导致的失效问题，以增强堤坝安全和洪水易发区的灾害预防策略	土堤（土质堤坝）	计算机视觉	NA	红外热成像技术	深度学习算法	热图像序列	NA	NA	NA	准确度	NA
246	2026-01-12	[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	本研究探讨了可解释深度学习算法在诊断肺占位性病变良恶性及肺癌病理亚型分类中的性能，提出了一种基于Tab-Transformer和ResMLP的混合架构TT-ResMLP	提出了一种结合Tab-Transformer和ResMLP的混合架构TT-ResMLP，用于处理多源临床数据，并利用SHAP分析增强模型的可解释性，揭示了关键预测特征及其交互机制	研究样本量相对较小（345例患者），且未提及外部验证集，可能影响模型的泛化能力	开发可解释的深度学习模型，以区分肺占位性病变的良恶性并分类肺癌的病理亚型	345例经病理证实的肺占位性病变患者	机器学习	肺癌	深度学习	Tab-Transformer, ResMLP, TT-ResMLP	表格数据（包括影像学特征、病史和实验室检查结果）	345例患者	NA	Tab-Transformer, ResMLP, TT-ResMLP	AUC, 准确率, 特异性, 敏感性, 微平均ROC	NA
247	2026-01-11	The potential role of machine learning and deep learning in differential diagnosis of Alzheimer's disease and FTD using imaging biomarkers: A review 2025-Oct, The neuroradiology journal DOI:10.1177/19714009251313511 PMID:39787363	综述	本文综述了机器学习和深度学习在利用影像生物标志物区分阿尔茨海默病与额颞叶痴呆中的潜在作用	系统梳理并比较了2012年至2024年间31篇相关研究，特别指出了SVM在机器学习方法中以及ResNet在深度学习方法中的优越性能	强调仍需结合临床检查和患者症状评估以确保诊断的全面性和准确性，暗示现有AI方法尚不能完全替代传统诊断流程	探讨人工智能在辅助诊断额颞叶痴呆和阿尔茨海默病中的应用潜力	针对额颞叶痴呆和阿尔茨海默病的影像生物标志物	医学影像分析	阿尔茨海默病, 额颞叶痴呆	MRI, DTI, fMRI, PET, SPECT	SVM, CNN	影像数据	基于31篇文献的综合分析，未提供具体样本总数	NA	ResNet	NA	NA
248	2026-01-11	3D auto-segmentation of pancreas cancer and surrounding anatomical structures for surgical planning 2025-Oct-01, International journal of surgery (London, England) DOI:10.1097/JS9.0000000000002835 PMID:40576127	研究论文	本研究开发了一种基于深度学习的自动分割模型，用于从CT图像中分割胰腺癌及周围解剖结构，以辅助手术规划	采用分层Swin Transformer V2模型进行胰腺癌及周围结构的三维自动分割，并在多中心数据集上验证了其稳健性能	模型在胰腺癌分割上的准确性相对较低（DSC约54.5-57.0%），且分割性能受肿瘤大小影响	开发用于胰腺癌手术规划的深度学习自动分割模型	胰腺癌患者及其周围解剖结构	数字病理学	胰腺癌	计算机断层扫描（CT）	Transformer	图像	275名患者（176名训练组，59名内部验证组，40名外部验证组）	NA	Swin Transformer V2	Dice相似系数（DSC），定性评估（完全分割、部分分割、缺失分割）	NA
249	2026-01-11	Development and validation of a deep learning ultrasound radiomics model for predicting drug resistance in lymph node tuberculosis a multicenter study 2025-Oct-01, International journal of surgery (London, England) DOI:10.1097/JS9.0000000000002850 PMID:40607926	研究论文	开发并验证了一种基于深度学习超声影像组学模型，用于预测淋巴结结核的药物耐药性	首次将集成机器学习算法与AdaBoost结合应用于超声影像组学，以预测淋巴结结核的耐药性，并通过多中心数据进行了内部和外部验证	研究为回顾性设计，样本量相对有限（234例），且仅针对宫颈淋巴结结核，可能限制了模型的泛化能力	预测淋巴结结核的药物耐药性	淋巴结结核患者	数字病理学	结核病	超声影像	集成机器学习, AdaBoost	图像	234例宫颈淋巴结结核患者（来自一个中心），以及来自另外两个中心的外部测试集	NA	NA	AUC, 准确率, 精确率, 召回率, F1分数, 决策曲线分析	NA
250	2026-01-11	Multichannel deep learning prediction of major pathological response after neoadjuvant immunochemotherapy in lung cancer: a multicenter diagnostic study 2025-Oct-01, International journal of surgery (London, England) DOI:10.1097/JS9.0000000000002821 PMID:40607969	研究论文	本研究开发了一种基于治疗前CT的多通道预测器，整合了Transformer模型编码的深度学习特征，用于术前诊断非小细胞肺癌患者在接受新辅助免疫化疗后的主要病理缓解	创新性地将多通道深度学习与Transformer编码器融合，用于预测肺癌新辅助免疫化疗后的主要病理缓解，相比传统影像组学模型显著提升了分类准确率	研究为回顾性设计，样本量相对有限（332例），且仅基于CT影像，未整合其他模态数据	开发一种术前诊断工具，预测非小细胞肺癌患者接受新辅助免疫化疗后的主要病理缓解，以改善手术规划和治疗结果	非小细胞肺癌患者	数字病理学	肺癌	CT影像分析	深度学习	图像	332例非小细胞肺癌患者（来自四个中心）	NA	GoogLeNet, Transformer	AUC, 敏感性, 特异性, F1分数, 混淆矩阵, 校准曲线, 决策曲线分析, 综合判别改善, 净重分类改善, DeLong检验	NA
251	2025-07-12	Letter to Editor "Predicting NSCLC surgical outcomes using deep learning on histopathological images: development and multi-omics validation of Sr-PPS model" 2025-Oct-01, International journal of surgery (London, England) DOI:10.1097/JS9.0000000000002840 PMID:40643594	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
252	2026-01-10	Development and validation of a predictive model for adherent perirenal fat based on CT radiomics and deep learning 2025-Oct-29, World journal of urology IF:2.8Q2 DOI:10.1007/s00345-025-06049-7 PMID:41160174	研究论文	本研究旨在开发并验证一个结合CT影像组学和深度学习的模型，用于术前预测肾周脂肪粘连	首次将CT影像组学与深度学习结合，开发了用于预测肾周脂肪粘连的预测模型，并在多中心数据集中进行了验证	外部测试集样本量较小（43例），可能影响模型的泛化能力评估	开发并验证一个用于术前预测肾周脂肪粘连的预测模型	肾肿瘤患者	数字病理学	肾癌	CT影像	深度学习, 逻辑回归	CT图像	460例患者（291例交叉验证集，126例内部测试集，43例外部测试集）	NA	3D-UNet	Dice相似系数, AUC	NA
253	2026-01-10	The CT-based deep learning model outperforms traditional anatomical classification models in preoperatively predicting complications and risk grade in partial nephrectomy 2025-Oct-25, World journal of urology IF:2.8Q2 DOI:10.1007/s00345-025-05893-x PMID:41137930	研究论文	本研究开发了一种整合CT影像组学和临床特征的深度学习模型，用于预测肾部分切除术患者的围手术期并发症和风险等级，并与传统解剖分类模型进行比较	首次将CT影像组学与临床特征结合，利用深度学习模型预测肾部分切除术的并发症和风险等级，并在外部验证中显示出优于传统RENAL和PADUA评分模型的性能	模型在中高风险组患者中的预测性能与传统模型无显著差异，且研究为回顾性设计	开发并验证一种基于深度学习的模型，以更准确地预测肾部分切除术患者的围手术期并发症和手术风险等级	被诊断为肾细胞癌或肾囊肿并接受肾部分切除术的患者	数字病理学	肾细胞癌	CT影像组学	深度学习	CT图像, 临床数据	1214名患者（训练/内部验证）和260名患者（外部验证）	PyTorch, pyradiomics	nnU-Net	AUC, 准确率	NA
254	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
255	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
256	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
257	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
258	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
259	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
260	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