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
1601	2026-09-07	Towards integrating domain knowledge, AutoML and few-shot learning for medical image analysis: a mini review of current trends and research gaps 2026-Sep, Radiological physics and technology IF:1.7Q3 DOI:10.1007/s12194-026-01077-3 PMID:42250205	综述	本文对医学图像分析中领域知识、自动化机器学习（AutoML）和少样本学习（FSL）的集成趋势与研究空白进行了结构化综述。	首次系统梳理FSL、AutoML与领域知识在医学图像分析中的集成潜力，识别出三者在现有研究中主要被独立或部分组合使用的情况。	文献方法碎片化，缺乏标准化评估协议和高计算效率的流水线，且多技术集成研究有限。	探讨如何集成领域知识、AutoML和FSL以提升医学图像分析在数据受限环境中的性能、可解释性和临床可靠性。	医学图像分析中使用的机器学习模型，特别是FSL和AutoML方法。	医学图像分析, 机器学习	不适用	不适用	基于度量的少样本学习方法	医学图像	不适用	不适用	不适用	不适用	不适用
1602	2026-07-18	Deep Learning Improves Sensitivity to Change in Sinus Computed Tomography: Evidence From Two Randomized Controlled Trials 2026-Sep, International forum of allergy & rhinology IF:7.2Q1 DOI:10.1002/alr.70218 PMID:42461843	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
1603	2026-09-07	Deep learning-based multi-modality image conversion for evaluating dose calculation and position correction accuracy in image-guided radiation therapy 2026-Sep, Radiological physics and technology IF:1.7Q3 DOI:10.1007/s12194-026-01108-z PMID:42518091	研究论文	本文提出一种基于深度学习的多模态图像合成框架，利用条件生成对抗网络将CBCT转换为合成CT和将CT转换为合成MRI，以提高图像引导放疗中剂量计算和位置校正的准确性	开发了两种条件生成对抗网络模型（CBCT-to-CT和CT-to-MRI），用于多模态图像合成，显著提升图像质量并改善剂量计算和位置校正精度	该研究基于有限样本（80例训练，20例测试），可能未涉及更广泛的患者异质性或长期临床验证	提高自适应放疗和图像引导放疗的可行性，通过生成高保真图像改善剂量计算和位置校正准确性	锥形束CT图像、CT图像、剂量分布及位置校正精度	计算机视觉、医学图像处理	NA	锥形束CT、CT、MRI、生成对抗网络	条件生成对抗网络	图像（CBCT、CT、MRI）	100例（80例训练，20例测试）	PyTorch	条件生成对抗网络	结构相似性指数、峰值信噪比、伽马通过率、位置差异	NA
1604	2026-09-07	Establishing discard criteria for lead aprons using deep learning-based quantification of defect area on X-ray fluoroscopic video 2026-Sep, Radiological physics and technology IF:1.7Q3 DOI:10.1007/s12194-026-01086-2 PMID:42319669	研究论文	本文建立了一种基于深度学习量化缺陷面积的铅围裙废弃标准框架，并关联其对辐射剂量的影响。	提出了一种将X射线透视视频中缺陷面积的量化与辐射剂量影响相结合的自动废弃决定框架，并采用预测区间设定保守阈值。	研究局限于特定条件（如ERCP模拟）和特定样本（18件围裙），可能不适用于其他临床场景或不同材质的围裙。	建立客观的铅围裙废弃标准，通过量化缺陷面积并关联剂量影响，实现自动化、可定制的废弃决策。	具有0.25毫米铅当量的铅围裙及其X射线透视视频中的缺陷。	计算机视觉	不适用	X射线透视	YOLOv8实例分割模型	X射线透视视频	18件铅围裙的透视视频	PyTorch	YOLOv8	平均精度（AP@0.5）	不适用
1605	2026-09-07	Quantifying the spatial information loss of Dose-Volume Histograms in Gamma Knife radiosurgery via unsupervised 3D dose geometry embedding 2026-Sep, Radiological physics and technology IF:1.7Q3 DOI:10.1007/s12194-026-01093-3 PMID:42474981	研究论文	本研究量化了伽玛刀放射外科中剂量-体积直方图（DVH）丢失空间信息的程度，并提出了TopoGK，一种无监督的3D剂量几何嵌入深度学习框架。	引入了新的无监督深度学习框架TopoGK，通过3D卷积变分自编码器对3D剂量图进行空间嵌入，并提出了空间不一致指数（SDI）来量化DVH的空间信息损失。	作为概念验证，仅针对单次分割的 vestibular schwannoma 放射外科病例，且样本量较小（96例），需要进一步研究以推广到其他类型的立体定向放射外科。	量化DVH在伽玛刀放射外科中的空间信息损失，并验证所提出的3D剂量几何嵌入框架能够捕捉空间变化。	96个 vestibular schwannoma 放射治疗计划。	医学影像分析	前庭神经鞘瘤	放射外科治疗计划分析	3D卷积变分自编码器	3D剂量分布图	96个 vestibular schwannoma 治疗计划	NA	3D卷积变分自编码器	相关性系数、中位物理位移、90百分位位移、空间不一致指数（SDI）、结构相似性指数（SSIM）、多变量回归系数	NA
1606	2026-09-07	A radiology-aware fuzzy deep learning framework with entropy-guided feature selection for robust multi-disease chest X-ray classification across multiple magnifications 2026-Sep, Radiological physics and technology IF:1.7Q3 DOI:10.1007/s12194-026-01110-5 PMID:42530795	研究论文	提出一种放射学感知的模糊深度学习框架，通过熵引导特征选择实现多种胸部X射线疾病的稳健分类	集成了放射学感知的数据增强、灰度优化且带空间通道注意力的ResNet-50骨干网络、熵引导递归特征消除以及混合模糊神经分类器	未提及	提高胸部X射线多疾病分类在不同图像放大倍数下的准确性、鲁棒性和可解释性	胸部X射线图像	计算机视觉	胸部疾病（包括COVID-19、肺结核和肺炎）	X射线成像	模糊深度学习框架	图像	使用四个公开数据集：COVID-19 Radiography、Tuberculosis CXR、CXR Pneumonia和CXR COVID-19 Pneumonia	未提及	ResNet-50	准确率、F1分数、召回率	未提及
1607	2026-09-07	Anatomy-aware fusion attention network for high-precision prostate MRI segmentation 2026-Sep, Medical physics IF:3.2Q1 DOI:10.1002/mp.70669 PMID:42693769	研究论文	提出一种集成解剖感知融合注意力（AAFA）模块的前列腺MRI分割框架，通过多级特征交叉注意力和分阶段学习策略提升分割精度	提出解剖感知融合注意力模块，利用解剖模板建立多级特征交叉注意力机制，增强前列腺区域的全局上下文建模，并引入分阶段学习策略应对临床MRI数据中的无效或噪声样本	未明确提及具体局限性	解决前列腺MRI分割中低软组织对比度和结构模糊问题，提高分割精度和鲁棒性	前列腺MRI图像	计算机视觉	前列腺癌	MRI	注意力网络	图像	PROMISE12和MSD Prostate数据集（具体样本数未说明）	NA	AAFA	Dice相似系数、交并比、精确率、95%豪斯多夫距离	NA
1608	2026-09-07	Interpretable graph-conditioned CNNs for dose-volume histogram prediction in radiotherapy 2026-Sep, Medical physics IF:3.2Q1 DOI:10.1002/mp.70663 PMID:42693797	研究论文	提出一种结合三维卷积神经网络与图神经网络的新框架，直接从CT和结构轮廓预测放射治疗中多个危及器官的剂量体积直方图	创新性地直接预测完整DVH，避免了传统先预测体素剂量再后处理的累积误差，并通过图神经网络显式学习剂量-体积依赖关系，提升了临床可解释性	标题和摘要未提及限制	提出一种直接从CT和结构预测完整DVH的新深度学习框架，以降低误差并提升临床解释性	鼻咽癌和直肠癌患者	医学图像分析, 深度学习	鼻咽癌, 直肠癌	放射治疗计划	三维卷积神经网络和图神经网络	CT图像和结构轮廓	外部机构的鼻咽癌病例和附属医院的直肠癌病例	未明确指定	三维卷积神经网络和图神经网络	剂量预测误差, 平均剂量误差, 统计临床指标	未提及
1609	2026-09-07	Performance of Machine Learning Models Based on Medical Imaging in Predicting Pathological Grade of Clear Cell Renal Cell Carcinoma 2026-Sep, Cancer medicine IF:2.9Q2 DOI:10.1002/cam4.72226 PMID:42693958	meta-analysis	系统评估基于医学影像的机器学习模型在术前预测透明细胞肾细胞癌病理分级方面的诊断准确性与临床实用性	首次对放射组学和深度学习模型在ccRCC病理分级预测中的诊断性能进行系统性荟萃分析，并纳入决策曲线分析和Fagan列线图以评估临床效用	纳入研究的异质性明显，外部验证性能低于独立验证，可能限制结果的泛化性	评估机器学习影像模型预测ccRCC病理分级的诊断准确性及临床效用	透明细胞肾细胞癌（ccRCC）患者	机器学习, 医学影像	透明细胞肾细胞癌	医学影像（放射组学、深度学习）	机器学习模型（包括深度学习和放射组学模型）	医学影像数据	43项研究，共12,675名患者	NA	NA	合并灵敏度和特异度、阳性/阴性似然比、诊断评分、诊断优势比、SROC曲线下面积、决策曲线分析、Fagan列线图	NA
1610	2026-09-07	Deep Learning-Based Monitoring of European Hamster Activity 2026-Sep, Ecology and evolution IF:2.3Q2 DOI:10.1002/ece3.74267 PMID:42699261	研究论文	本研究探索使用深度学习（YOLO）辅助相机陷阱监测欧洲仓鼠活动，模型在检测欧洲仓鼠方面取得了高F1分数和准确率，并揭示了其活动模式。	首次应用YOLO物体检测模型高效分析大量视频数据，用于监测濒危欧洲仓鼠的活动，并通过与人为评估对比验证其可靠性。	研究中未提及具体限制，但可能包括数据集仅来自2023年夏季，模型对其他季节或环境的适用性未知。	评估深度学习在相机陷阱监测中的应用潜力，以追踪欧洲仓鼠活动并支持保护工作。	欧洲仓鼠（欧洲仓鼠）及其活动模式。	计算机视觉	NA	相机陷阱	YOLO（物体检测模型）	视频数据（相机陷阱图像）	2023年夏季的视频数据（未指定具体数量）	未在摘要中说明（可能是YOLO实现的框架如Darknet或PyTorch）	YOLO	F1-score（加权平均）、准确率	未在摘要中说明
1611	2026-09-07	Deep learning for predicting transvalvular gradient outcomes for patients undergoing transcatheter aortic valve replacement for native aortic stenosis 2026-Sep, JTCVS structural and endovascular DOI:10.1016/j.xjse.2026.100142 PMID:42699366	研究论文	开发基于深度学习的预测模型，利用术前超声心动图信息预测经导管主动脉瓣置换术（TAVR）后的跨瓣梯度波形	首次利用深度学习从术前跨瓣梯度波形直接推断完整的术后压力梯度模式，适用于球囊扩张式和自膨胀式经导管心脏瓣膜，辅助决策以预防TAVR后并发症	样本量较小（共146例），且未考虑其他瓣膜类型在特定部署场景下的梯度变化，需进一步研究	建立术前预测TAVR后跨瓣梯度波形的深度学习模型，以支持临床决策并预防术后并发症	接受TAVR的主动脉瓣狭窄患者，包括使用Edwards SAPIEN 3（69例）和Medtronic Evolut（77例）的患者	机器学习	主动脉瓣狭窄	超声心动图	深度机器学习模型	波形数据（压力梯度波形）	146例患者（SAPIEN 3组69例，Evolut组77例），外加33例前瞻队列验证	NA	NA	准确率、平均预测误差、平均梯度误差、峰值梯度误差、Bland-Altman分析一致性	NA
1612	2026-09-07	AI-Enabled Shrinkage Analysis and Morphology Control in Food Processing: Mechanisms, Multimodal Perception, Modeling, and Intelligent Regulation 2026-Sep, Comprehensive reviews in food science and food safety IF:12.0Q1 DOI:10.1111/1541-4337.70640 PMID:42700106	综述	系统总结人工智能在食品加工中收缩表征、预测建模与智能调控方面的进展，涵盖多物理机制、多模态感知、建模方法和智能调节策略	首次系统性地整合AI与食品形态工程，提出多模态感知框架和从传统机器学习到PINNs的建模演进，并展望数字孪生等未来方向	现有模型在机制可解释性和跨域泛化能力方面存在局限，且当前应用多集中于实验室阶段，工业落地尚需验证	提供食品形态工程智能化的综合理论与技术框架，推动精确食品制造发展	食品加工和储存中的收缩及形态畸变现象及其调控方法	机器学习	不适用	多模态成像、声学感知、光谱分析、微结构成像	传统机器学习、深度学习、物理信息神经网络（PINNs）	图像、声学信号、光谱数据、微结构图像	不适用	不适用	不适用	不适用	不适用
1613	2026-09-07	Structural T-Cell Receptor Analysis in the Age of Machine Learning 2026-Sep, Immunological reviews IF:7.5Q1 DOI:10.1111/imr.70168 PMID:42700152	综述	本文就机器学习时代下T细胞受体结构预测的最新进展进行展望，涵盖相关生物学原理、现有资源与工具，并探讨其在TCR特异性推断及设计等领域的应用前景	首次从机器学习视角，系统梳理了结构TCR免疫信息学领域的基本原理、计算工具及其在抗体研究中的交叉机遇	未对具体TCR预测工具的性能进行定量比较或实证分析	回顾并展望基于机器学习的TCR结构预测方法及其在免疫信息学研究中的应用潜力	T细胞受体及其与配体或抗体相关的研究方向	自然语言处理	NA	NA	深度学习模型（具体类型未在摘要中明确）	文本	NA	NA	NA	NA	NA
1614	2026-09-07	Adaptive deep learning for quantification and spatial distribution of abdominal adipose tissue from magnetic resonance imaging proton density fat fraction in adults with a body mass index ≥24 kg/m2 2026-Sep-01, Quantitative imaging in medicine and surgery IF:2.9Q2 DOI:10.21037/qims-2026-1-0094 PMID:42701445	研究论文	评估基于自适应深度学习框架在BMI≥24 kg/m2成年人中，利用MRI PDFF图像自动定量和空间分布腹部脂肪组织的可行性	提出基于nnU-Net的自适应深度学习模型，实现腹部内脏脂肪和皮下脂肪的自动分割及空间分布图谱构建，并细化分析性别和年龄差异	单中心回顾性研究，需进行多中心外部验证	评估自适应深度学习框架在BMI≥24 kg/m2成人中自动定量和空间映射腹部脂肪组织的可行性	238例BMI≥24 kg/m2成人的腹部MRI PDFF数据集	医学影像分析, 深度学习	肥胖相关代谢疾病	MRI质子密度脂肪分数（PDFF）, mDixon序列	深度学习分割模型（nnU-Net）	医学图像（MRI PDFF）	238例腹部MRI PDFF数据集	NA	nnU-Net	Dice系数, 相对体积误差	NA
1615	2026-09-07	Development and validation of an ultrasound-based deep learning radiomics nomogram for risk assessment of lymph node metastasis in papillary thyroid microcarcinoma 2026-Sep-01, Quantitative imaging in medicine and surgery IF:2.9Q2 DOI:10.21037/qims-2026-1-0135 PMID:42701453	研究论文	开发并验证一种基于超声的深度学习影像组学列线图，整合瘤内、瘤周及临床特征，用于甲状腺微小乳头状癌淋巴结转移风险的个体化术前评估	首次多中心整合瘤内影像组学和瘤周深度学习特征，构建机器学习预测评分及列线图，用于PTMC的LNM风险预测	未明确提及局限性	开发并验证一种非侵入性工具，以在术前准确预测甲状腺微小乳头状癌的颈部淋巴结转移风险	来自三家医院的甲状腺微小乳头状癌患者	医学影像分析	甲状腺微小乳头状癌	超声影像	机器学习模型，包括支持向量机等12种算法	超声图像及临床数据	训练集763例，外部测试集118例，前瞻性验证集94例，共975例	未明确提及	支持向量机（SVM）	AUC、决策曲线分析、临床影响曲线、校准曲线、Hosmer-Lemeshow检验	未明确提及
1616	2026-09-07	Effects of convolutional neural network models on the segmentation of the interscalene brachial plexus in ultrasound imaging for radiomics 2026-Sep-01, Quantitative imaging in medicine and surgery IF:2.9Q2 DOI:10.21037/qims-2026-0588 PMID:42701471	研究论文	本文开发并验证了基于YOLACT算法的超声图像中臂丛神经自动分割模型，并将其性能与U-Net模型进行了比较	首次将YOLACT算法应用于锁骨上至肌间沟臂丛神经阻滞的超声图像分割，涵盖从锁骨上窝到C7椎体水平的解剖范围	需要更大规模的数据集来进一步明确该方法的临床适用性	开发并验证用于肌间沟臂丛神经阻滞的自动分割模型，以提高超声引导区域麻醉的准确性和安全性	臂丛神经、前斜角肌、中斜角肌和锁骨下动脉	计算机视觉	NA	超声成像	YOLACT、U-Net	图像	1,100名患者，共6,600张超声图像	NA	YOLACT、U-Net	IoU、DSC、Hausdorff距离、IoU>0.5的图像比例、分割准确度	NA
1617	2026-09-07	Deep learning-based computed tomography detection of early lymph node metastasis in head and neck cancer 2026-Sep-01, Quantitative imaging in medicine and surgery IF:2.9Q2 DOI:10.21037/qims-2026-0585 PMID:42701491	研究论文	本研究开发并验证了一种基于深度学习的模型DL-CervLNM，用于自动检测头颈癌增强CT图像中的早期淋巴结转移	引入了一种非对称上下文感知级联检测（ACCD）框架，该框架结合了注意力增强的YOLOv8阶段和基于区域的Faster R-CNN细化阶段，以解决小病灶检测、观察者间差异和诊断效率的挑战	该研究为回顾性研究，且数据来源于单一医院，可能需要外部验证以评估泛化性	旨在开发并验证一种基于深度学习的模型，以提高头颈鳞状细胞癌CT图像中颈部淋巴结转移检测的准确性、效率和一致性	481例头颈鳞状细胞癌患者的6860张对比增强CT扫描图像	计算机视觉	头颈癌	CT成像	深度学习模型	图像	481例患者的6860张CT扫描图像	NA	YOLOv8, Faster R-CNN	平均精度(mAP), AUC, F1分数, 敏感性, 特异性, 准确率, 帧率	未提供具体信息
1618	2026-09-07	A radiomics-based machine learning model for the preoperative differentiation of lung adenocarcinoma subtypes 2026-Sep-01, Quantitative imaging in medicine and surgery IF:2.9Q2 DOI:10.21037/qims-2026-0779 PMID:42701493	研究论文	本研究开发了一个融合临床、瘤周、影像组学和深度学习特征的多模态模型，用于肺腺癌亚型的术前无创鉴别，以提高诊断准确性。	提出了一种可解释的多模态融合模型，结合了临床特征、瘤周影像组学特征和深度学习特征，并利用SHAP和ICE分析增强了模型的可解释性，优于单一模态模型。	摘要未明确提及局限性。	开发并验证一个可解释的多模态模型，用于术前准确区分肺腺癌亚型，以支持个性化治疗决策。	来自四家医院的3038例肺腺癌患者，术前CT图像及临床数据。	医学影像分析，机器学习	肺癌（肺腺癌）	计算机断层扫描（CT）	多模态融合模型（结合逻辑回归、支持向量机、极端梯度提升等）	临床数据、CT图像（影像组学特征和深度学习特征）	3038例患者（训练集1822例，测试集608例，验证集608例）	NA	ResNet-101 (用于深度学习特征提取)	Obuchowski指数、准确率、F1分数、校准曲线、决策曲线分析、SHAP、ICE	未提及（可能使用标准CPU/GPU，但未在摘要中说明）
1619	2026-09-07	Multichannel deep learning-based MRI model for predicting breast cancer axillary lymph node invasion: a comparative study to Node-RADS 2026-Sep-01, Quantitative imaging in medicine and surgery IF:2.9Q2 DOI:10.21037/qims-2026-0851 PMID:42701503	研究论文	本研究开发了一种基于多通道多尺度深度学习模型，利用动态对比增强磁共振成像预测乳腺癌患者腋窝淋巴结转移，并与Node-RADS系统进行比较	创新性地整合了轴位、矢状位、冠状位及多平面重建DCE-MRI图像的多通道多尺度深度学习框架，并采用Transformer融合模块增强特征提取能力	未提供明确的局限性信息	开发并验证用于乳腺癌患者术前预测腋窝淋巴结转移的深度学习模型	乳腺癌患者及其腋窝淋巴结状态	医学影像分析	乳腺癌	动态对比增强磁共振成像	深度学习模型	医学影像	训练和内部验证队列735例，外部验证队列148例	PyTorch	ResNet101、Transformer	AUC、敏感性、特异性、准确率、Kappa系数	NA
1620	2026-09-07	SynQ-Breast: a flexible deep learning framework for quantitative MRI of breast tumors via synthetic data with IVIM-MRI validation 2026-Sep-01, Quantitative imaging in medicine and surgery IF:2.9Q2 DOI:10.21037/qims-2026-1-0275 PMID:42701520	研究论文	提出一种基于合成数据的深度学习框架SynQ-Breast，用于乳腺肿瘤定量MRI参数估计，并通过IVIM-MRI数据验证其稳健性和高效性	创新点在于利用合成数据训练深度学习模型，结合空间纹理和复杂参数分布生成逼真的合成数据，并模拟临床采集中的Rician噪声，使模型学习抗噪声映射，显著加速了qMRI参数估计	未在更大规模的多中心数据集上验证，且依赖合成数据的质量，可能无法完全模拟临床环境的复杂性	开发一种灵活、稳健的深度学习框架，用于乳腺肿瘤定量MRI参数估计，解决低信噪比和训练数据稀缺的问题	49例乳腺肿瘤患者的IVIM-MRI数据	医学影像分析	乳腺肿瘤	磁共振成像（MRI）	U-Net	图像	49例乳腺肿瘤患者	未提及	U-Net	对比噪声比（CNR）、AUC、统计分析的P值	未提及