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
1301	2026-09-21	Improved quantification in end-to-end deep learning FastPET reconstruction using multi-view histo-images of attenuation correction factors 2026-Jan, IEEE transactions on radiation and plasma medical sciences IF:4.6Q1 DOI:10.1109/trpms.2025.3569198 PMID:41625252	研究论文	本文提出使用多视角衰减校正因子直方图图像改进端到端深度学习PET重建的量化精度	提出使用多视角衰减校正因子直方图图像替代传统的衰减图作为网络输入，并探索了将其作为独立通道、用于预校正数据或两者兼用的方式，显著提高了图像量化精度	未明确说明局限性，可能包括方法在更广泛数据集上的泛化能力、计算复杂度等	改进端到端深度学习PET重建的量化精度，减少重建图像中的偏差	PET图像重建	计算机视觉	NA	PET重建	CNN	图像	NA	NA	NA	相对差异、绝对偏差、p值	NA
1302	2026-09-20	Advancing Point-of-Care Still's Murmur Identification: Evaluating the Efficacy of ConvNets and Transformers Using the StethAid Multicenter Heart Sound Database 2026-Apr, IEEE transactions on bio-medical engineering DOI:10.1109/TBME.2025.3606341 PMID:40907040	研究论文	该研究收集了一个大型儿科心音数据集，并评估了卷积神经网络和Transformer模型在识别Still杂音方面的性能	收集了专门用于儿科Still杂音的大型数据集，并设计了SQ-NET架构，同时首次系统比较了ConvNets和Transformers在Still杂音识别中的效果	结果反映的是事后比较，样本量相对有限（StethAid数据集527例），且仅来自四个儿科医疗中心	评估深度学习模型在儿科患者中从心音图识别Still杂音的效果	儿科患者的心音图数据	数字病理学	心血管疾病	数字听诊	CNN, Transformer	音频	StethAid数据集527例心音图，Littmann 4100数据集1450例心音记录，总计超过2小时的心音数据	NA	SQ-NET, ResNet18, AST, DeiT, Swin Transformer, DINO	灵敏度, 特异度, 准确率	NA
1303	2026-09-20	Bias in deep learning-based image quality assessments of T2-weighted imaging in prostate MRI 2026-04, Abdominal radiology (New York) DOI:10.1007/s00261-025-05163-9 PMID:40853469	研究论文	本研究旨在确定基于深度学习的T2加权图像质量评估是否会受到临床显著性前列腺癌存在的影响	首次探讨了基于深度学习的图像质量评估在T2加权成像中可能受到临床显著性前列腺癌的偏倚影响	模型与放射科医生的一致性仅为中等水平（二次加权kappa值为0.53），且研究为回顾性设计	确定基于深度学习的T2加权图像质量评估是否会因临床显著性前列腺癌的存在而产生偏倚	前列腺MRI的T2加权图像序列及相关患者	医学图像分析	前列腺癌	深度学习图像质量评估	CNN	图像	开发集1719个序列，测试集386个序列，外部验证集11723例检查	NA	NA	二次加权kappa值，卡方检验，比例差异	NA
1304	2026-09-20	Artificial intelligence in age-related macular degeneration: Advancing diagnosis, prognosis, and treatment 2026 Mar-Apr, Survey of ophthalmology IF:5.1Q1 DOI:10.1016/j.survophthal.2025.09.007 PMID:40975441	综述	本文综述了人工智能在年龄相关性黄斑变性（AMD）的诊断、预后和治疗中的最新进展，并讨论了其临床应用的局限性	系统总结了AI在AMD早期检测、分类、疾病进展预测和治疗反应预测中的应用，并关注了算法偏见、泛化性有限和黑箱问题等最新研究进展	AI模型的临床整合仍面临可解释性不足、跨人群验证不充分等挑战，需要进一步研究以支持其在真实世界中的循证应用	总结AI在AMD管理中的最新进展，评估其临床效用，并指出在真实世界广泛应用中的关键限制	年龄相关性黄斑变性（AMD）患者及相关AI研究	医学人工智能	年龄相关性黄斑变性	机器学习，深度学习	NA	医学影像，临床数据	筛查193条记录，纳入47项研究（其中19项关于早期检测/分类，28项关于疾病进展/治疗反应预测）	NA	NA	准确率	NA
1305	2026-09-20	A deep learning-based radiomics model for noninvasive diagnosis of melanoma 2026-02-01, Melanoma research IF:1.5Q4 DOI:10.1097/CMR.0000000000001071 PMID:41201865	研究论文	该研究开发了一种结合深度学习和放射组学的无创诊断模型，用于提高早期黑色素瘤诊断的准确性和临床实用性	整合了深度学习和放射组学特征，构建了基于随机森林的无创诊断模型，并识别了关键预测指标如熵、长游程强调和小波对比度	回顾性研究设计，样本量有限，模型性能AUC最高为0.794，可能受数据异质性影响，需进一步外部验证	开发一种无创诊断模型，以提高早期黑色素瘤诊断的准确性和临床实用性	350名皮肤色素性病变患者	数字病理学	黑色素瘤	放射组学	随机森林, 支持向量机, K近邻	图像	350名患者（训练集245名，验证集105名）	scikit-learn	ResNet50	AUC	NA
1306	2026-09-20	CalDiff: Calibrating Uncertainty and Accessing Reliability of Diffusion Models for Trustworthy Lesion Segmentation 2026-Feb, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2025.3624331 PMID:41129433	研究论文	提出CalDiff框架，通过校准扩散模型的不确定性来实现可信的病变分割，利用多专家标注的不确定性来捕捉真实世界的诊断变异性。	提出了双步骤和序列感知的校准机制，基于扩散模型的序列特性，首次系统性地解决了多标注和多预测场景下不确定性校准和模型可靠性评估的挑战。	未明确说明具体的局限性	开发一个可靠的病变分割模型，利用多标注中的不确定性，捕捉真实世界的诊断变异性，并提供更具信息量的预测结果	病变分割数据集中的医学图像	数字病理学	NA	扩散模型	扩散模型	图像	两个病变分割数据集	NA	扩散模型	定量分析，可视化分析，不确定性校准评估	NA
1307	2026-09-20	Engaging the Community: CASP Special Interest Groups 2026-Jan, Proteins IF:3.2Q2 DOI:10.1002/prot.26833 PMID:40304050	评论	本文介绍了CASP社区于2023年成立的特别兴趣小组（SIGs），旨在通过在线研讨会系列促进社区持续对话和跨学科交流	CASP特别兴趣小组（SIGs）的建立，通过在线研讨会系列促进社区持续交流和跨学科讨论，打破了传统上仅限于预测季和会议期间的交流模式	摘要未提及具体参与数据、研讨会的具体效果评估以及可能存在的技术或参与障碍	促进CASP社区的持续对话和跨学科交流，推动准确预测算法的发展	CASP社区成员，包括深度学习专家、NMR专家等跨学科科学家	计算生物学	NA	NA	NA	文本	NA	NA	NA	NA	NA
1308	2026-09-20	Structure Modeling Protocols for Protein Multimer and RNA in CASP16 With Enhanced MSAs, Model Ranking, and Deep Learning 2026-Jan, Proteins IF:3.2Q2 DOI:10.1002/prot.70033 PMID:40751131	研究论文	该文章介绍了在CASP16中蛋白质复合物和RNA结构预测的方法与结果，结合了多种深度学习模型、共识评分和增强的MSA策略	整合多种最先进深度学习模型与共识评分方法，利用大型宏基因组序列数据库增强MSA深度，在共识排名方法中增加更多评分项，并基于文献证据进行人工精修；对于RNA，采用以NuFold框架为中心的集成方法	部分靶标预测仍需进一步改进，且人工精修依赖文献证据，可能存在局限性	在CASP16中提升蛋白质多聚体和RNA结构预测的准确性	CASP16中的蛋白质复合物和RNA靶标	机器学习	NA	NA	深度学习模型（具体未指定）	序列数据（蛋白质和RNA序列）	NA	NA	NuFold	NA	NA
1309	2026-09-20	Performance of Artificial Intelligence Models in Predicting Responsiveness of Hepatocellular Carcinoma to Transarterial Chemoembolization (TACE): A Systematic Review and Meta-Analysis 2026-01, Journal of the American College of Radiology : JACR IF:4.0Q1 DOI:10.1016/j.jacr.2025.08.028 PMID:40889566	系统综述与荟萃分析	本文系统综述并荟萃分析了人工智能模型（包括手工放射组学和深度学习）在预测肝细胞癌患者经动脉化疗栓塞治疗反应中的表现	首次系统比较了手工放射组学与深度学习模型在预测肝细胞癌TACE治疗反应中的性能，并评估了内部验证与外部验证的差异	研究间存在异质性，需要进一步研究	评估人工智能模型在预测肝细胞癌患者接受经动脉化疗栓塞治疗疗效中的预测性能	确诊为肝细胞癌并接受经动脉化疗栓塞治疗的患者	数字病理学	肝癌	NA	CNN	图像	27项研究，其中11项纳入TACE治疗反应模型荟萃分析	NA	NA	AUC	NA
1310	2026-09-20	Progress and Bottlenecks for Deep Learning in Computational Structure Biology: CASP Round XVI 2026-01, Proteins IF:3.2Q2 DOI:10.1002/prot.70076 PMID:41178755	综述	本文评估了CASP16中深度学习方法在计算结构生物学多个领域的进展和瓶颈，包括蛋白质单体、复合物、RNA、大分子集合以及配体-蛋白质结构和亲和力预测	提供了CASP16竞赛的最新评估结果，展示了深度学习在蛋白质复合物界面精度选择方面的有效性，并指出了传统物理方法与深度学习结合以及训练数据增加这两个有前景的趋势	对于RNA结构预测，深度学习方法目前不成功且不优于传统方法；在没有结构同源性的情况下，两种方法结果都很差；大分子集合的CASP目标集有限，难以得出结论；配体-蛋白质复合物预测结果往往达不到实验精度	严格评估计算结构生物学领域的最新方法水平，特别是深度学习方法在CASP16中的表现	CASP16竞赛中的蛋白质单体结构、蛋白质复合物、RNA结构、大分子集合、有机配体-蛋白质结构和亲和力预测目标	计算结构生物学	NA	深度学习，传统物理方法，结构同源性建模	AlphaFold变体	结构数据	NA	NA	AlphaFold	与实验结构的一致性，界面精度	NA
1311	2026-09-20	Identification of potent high-affinity secondary nucleation inhibitors of Aβ42 aggregation from an ultra-large chemical library using deep docking 2026-Jan, Molecular systems biology IF:8.5Q1 DOI:10.1038/s44320-025-00159-5 PMID:41193694	研究论文	本文开发了一个开源Deep Docking流程，从超过5.39亿化合物的超大型化学库中筛选Aβ42聚集的二次成核抑制剂，并通过体外实验验证了候选化合物的抑制活性	将可筛选化合物数量提高了4个数量级，开发了开源Deep Docking流程，并从超大型化学库中成功发现了效力优于adapalene的高亲和力Aβ42聚集抑制剂	候选化合物仅通过体外实验验证，尚未进行细胞实验或动物模型验证，且未评估化合物的药代动力学性质和血脑屏障穿透能力	利用基于深度学习的结构对接方法，从超大型化学库中快速、经济地识别针对蛋白质错误折叠疾病的强效先导化合物，特别是Aβ42聚集的二次成核抑制剂	Aβ42肽的聚集过程及其二次成核抑制剂，超大型化学库中的化合物	药物发现，机器学习	阿尔茨海默病	Deep Docking，分子对接，表面等离子共振	深度学习模型	分子结构数据，化合物库数据	超过5.39亿个化合物（超大型化学库），35个候选化合物进行体外测试，其中19个具有抑制活性	NA	NA	命中率（54%），平衡解离常数（低纳摩尔范围）	NA
1312	2026-09-20	Application of deep learning in evaluating the anatomical relationship between the mandibular third molar and inferior alveolar nerve: A scoping review 2026-Jan-01, Medicina oral, patologia oral y cirugia bucal DOI:10.4317/medoral.27584 PMID:41108775	综述	本综述旨在识别和比较用于下颌第三磨牙手术影像评估的深度学习模型，重点关注AI模型类型、关键性能指标、影像模态和临床适用性	首次对深度学习在下颌第三磨牙与下牙槽神经解剖关系评估中的应用进行范围综述，系统比较了不同AI模型的性能并揭示了当前研究的局限性	大多数研究依赖二维影像且聚焦于检测和分割，预测建模和三维CBCT分析相对有限；数据集大小、验证流程和性能指标存在显著差异，模型泛化性不一致	识别和比较用于下颌第三磨牙手术影像评估的深度学习模型，评估其临床适用性	2015至2024年间发表的关于深度学习应用于下颌第三磨牙影像分析的研究	计算机视觉, 数字病理学	口腔疾病	全景X线摄影, 锥形束计算机断层扫描(CBCT)	CNN	图像	16篇符合纳入标准的研究	NA	U-Net, CNN	准确率, 灵敏度, 特异度	NA
1313	2026-09-19	Automatic Generation of Liver Virtual Models With Artificial Intelligence: Application to Liver Resection Complexity Prediction 2026-10-01, Annals of surgery IF:7.5Q1 DOI:10.1097/SLA.0000000000006722 PMID:40211963	研究论文	本文旨在仅使用术前CT扫描，通过人工智能自动生成肝脏三维虚拟模型，并预测肝切除术的术中复杂度	提出了一种新的解剖参考框架——肝中央区，并开发了全自动流程来生成肝中央区并量化肿瘤相对于它的位置，用于预测肝切除术复杂度，其预测性能优于外科医生	未明确提及	从术前CT扫描预测术中肝切除术复杂度，以辅助肿瘤外科手术规划	肝细胞癌患者	数字病理学, 计算机视觉	肝癌	深度学习, CT扫描, 三维重建	深度学习模型	图像	145名肝细胞癌患者	NA	NA	Dice分数, 准确率, AUC	NA
1314	2026-09-19	Association of Deep Learning Imaging Algorithm Measures of Microbial Keratitis With Vision Outcomes 2026-Oct-01, Cornea IF:1.9Q2 DOI:10.1097/ICO.0000000000004029 PMID:41247284	研究论文	该研究比较了基于人工智能图像算法的测量与临床医生测量在预测微生物性角膜炎患者90天视力结果方面的关联	开发了一种新型的人工智能图像分割算法，用于量化角膜形态特征，并验证了其预测视力结果的能力与临床医生测量相当	研究样本仅来自美国和印度两个国家，可能限制结果的普遍性；未提及算法的具体架构和计算资源	比较人工智能图像算法预测的角膜变化与临床医生测量的角膜变化与90天视力结果的关联	微生物性角膜炎患者	医学图像分析	微生物性角膜炎	人工智能图像分割	NA	图像	479名参与者（美国138名，印度341名）	NA	NA	模型估计值（β）和95%置信区间	NA
1315	2026-09-19	Leveraging quantum chemical properties in transfer learning for predicting blood-brain barrier permeability of drugs 2026-06, Drug delivery and translational research IF:5.7Q1 DOI:10.1007/s13346-025-02005-5 PMID:41160380	研究论文	本文利用机器学习、深度学习和迁移学习模型预测药物分子的血脑屏障渗透性，并通过PAMPA-BBB实验进行验证。	将量子化学性质（如极化率和偶极矩）作为迁移学习中的预训练特征，用于血脑屏障渗透性预测，并证明其超越了传统分子描述符（如LogP和分子量）的预测价值。	未明确说明，但可能受限于体外PAMPA-BBB实验与体内血脑屏障的差异，以及数据集规模和多样性。	开发计算模型以快速筛选药物分子的血脑屏障渗透性，加速中枢神经系统药物的开发。	药物分子（化合物），包括来自B3DB的约8000个化合物和来自EEBL的18个化合物。	机器学习	中枢神经系统疾病	PAMPA-BBB体外实验	SVM, DNN, D-MPNN, 迁移学习	分子结构数据（2D RDKit和Morgan指纹）、量子化学性质数据	约8000个来自B3DB的化合物用于训练和测试，18个来自EEBL的化合物用于实验验证	NA	支持向量机 (SVM), 深度神经网络 (DNN), 直接消息传递神经网络 (D-MPNN)	准确率, ROC-AUC	NA
1316	2026-09-19	Multimodal CT Perfusion-Based Deep Learning for Predicting Stroke Lesion Outcomes in Complete and No Recanalization Scenarios 2026-04-02, AJNR. American journal of neuroradiology DOI:10.3174/ajnr.A9016 PMID:40973461	研究论文	该研究开发了基于多模态CT灌注成像的深度学习模型，用于预测急性缺血性卒中在完全再通和无再通情况下的最终梗死病灶	针对完全再通和无再通两种再灌注场景分别开发专门的深度学习模型，并采用多模态CTP参数图进行预测，超越了传统单一技术阈值方法的准确性	研究未明确说明模型的泛化能力、外部验证结果以及在不同临床场景下的适用性限制	预测急性缺血性卒中患者的最终梗死病灶位置和体积，以辅助临床治疗决策	急性缺血性卒中患者，包括完全再通组（n=350）和无再通组（n=138）	医学图像分析	卒中	CT灌注成像	深度学习	图像	完全再通组350例，无再通组138例，共488例患者	NA	3D nnU-Net	Dice系数	NA
1317	2026-09-19	Robust Deep Learning for Pulse-Echo Speed of Sound Imaging via Time-Shift Maps 2026-Feb, IEEE transactions on medical imaging IF:8.9Q1 DOI:10.1109/TMI.2025.3602000 PMID:40844937	研究论文	本文开发了一种基于时间偏移图的鲁棒深度学习方法来估计脉冲回波模式下的声速分布，通过两阶段训练策略和SSIM损失函数提高了重建精度和鲁棒性	学习时间偏移与声速之间的非线性映射而不受特定前向模型约束；采用共同中角度配置计算时间偏移图；归一化复波束形成超声数据；在相位偏移转时间偏移时考虑深度依赖频率；将结构相似性指数测量SSIM纳入损失函数学习全局结构；采用两阶段训练策略结合射线追踪合成预训练和全波模拟微调	摘要中未明确提及局限性	实现脉冲回波模式下的声速成像，提高成像精度和诊断价值	超声脉冲回波数据、体模实验数据	医学影像、计算机视觉	NA	超声脉冲回波成像、深度学习	深度学习	图像、时间偏移图、超声数据	NA	NA	NA	结构相似性指数测量SSIM、重建精度、对比度噪声比	NA
1318	2026-09-19	Enhancing Newborn Health Assessment: Ultrasound-based Body Composition Prediction Using Deep Learning Techniques 2026-Jan, Ultrasound in medicine & biology DOI:10.1016/j.ultrasmedbio.2025.09.016 PMID:41102035	研究论文	本研究利用深度学习模型，通过超声图像预测新生儿的体成分（脂肪量和去脂体重），以改善新生儿健康评估	首次将改进的U-Net架构应用于超声图像预测新生儿体成分，并结合Grad-CAM可视化关键区域	样本量较小（65名早产儿），仅使用超声图像，未与其他模态或更大群体验证	探讨深度学习通过超声预测体成分的可行性，以提高新生儿健康评估	65名早产儿的721张超声图像（肱二头肌、股四头肌和腹部）	医学图像分析	新生儿健康	超声成像	CNN	图像	65名早产儿，721张超声图像	NA	U-Net	MAE, MSE, RMSE, MAPE, Bland-Altman图	NA
1319	2026-09-19	Vision-Guided Surgical Navigation Using Computer Vision for Dynamic Intraoperative Imaging Updates 2026-Jan, International forum of allergy & rhinology IF:7.2Q1 DOI:10.1002/alr.70000 PMID:40847589	研究论文	该研究提出了一种基于计算机视觉的无传感器、视频驱动方法，利用神经辐射场（NeRF）从单目内窥镜视频生成3D重建，动态更新术中CT，以评估内窥镜鼻窦手术（ESS）中的切除进展	首次将NeRF应用于内窥镜鼻窦手术的术中CT动态更新，无需外部跟踪设备，仅通过单目视频实现高精度3D重建和CT更新	研究仅基于三个3D打印模型（共6侧），样本量小，未在真实患者中验证，且存在体积低估的倾向	开发一种无传感器、基于视频的术中CT更新方法，以动态反映手术切除变化，提高手术完整性	三个3D打印的鼻窦模型（双侧，共6侧）	计算机视觉	慢性鼻窦炎	神经辐射场（NeRF）、计算机视觉、内窥镜视频处理	NeRF	视频、图像（CT扫描、内窥镜视频）	6侧（来自3个3D打印模型）	NA	NeRF	Hausdorff距离、Dice相似系数（DSC）、Bland-Altman分析	NA
1320	2026-09-19	A deep learning framework to iDentify prOgnostically releVant cancEr Regions (DOVER) within whole slide histopathology images 2026-Jan-01, Cancer letters IF:9.1Q1 DOI:10.1016/j.canlet.2025.218134 PMID:41238099	研究论文	该论文提出了一个深度学习框架DOVER，用于在全切片组织病理图像中识别具有预后相关性的癌症区域，从而提升患者预后预测的准确性	首次提出从组织微阵列（TMA）斑点中学习预后相关形态模式，并将其映射到全切片图像（WSI）中以定位预后相关癌症区域的方法，解决了肿瘤内部形态异质性导致预后区域难以确定的问题	需要在更多独立队列中进行额外验证，当前研究样本主要集中于NSCLC和OPSCC两种癌症类型	从全切片组织病理图像中识别具有预后相关性的癌症区域，以改进患者临床结局的预测	全切片组织病理图像（WSIs）、组织微阵列（TMA）斑点、NSCLC和OPSCC患者的肿瘤组织	数字病理学	肺癌, 头颈部鳞状细胞癌	全切片图像分析, 组织微阵列, 定量免疫荧光（QIF）成像	CNN	图像	2041例患者（NSCLC：n=1141；OPSCC：n=900）	NA	NA	c-index	NA