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
1821	2026-05-08	Deep learning-driven false-lumen volumes predict adverse remodeling better than diameter in patients with residual aortic dissection on CT 2026-Apr, European radiology IF:4.7Q1 DOI:10.1007/s00330-025-12116-9 PMID:41201600	研究论文	开发深度学习分割模型，自动测量残余主动脉夹层CT血管造影中的直径和假腔体积，并评估其对不良重构的预测价值	首次证明局部假腔体积（最大直径周围3厘米）比传统直径和全局体积能更好地预测残余主动脉夹层的不良重构	文章未提及具体限制	开发深度学习分割模型并评估其测量值对残余主动脉夹层不良重构的预测能力	残余主动脉夹层患者的CT血管造影数据	计算机视觉, 数字病理学	主动脉夹层	NC	深度学习分割模型	CT血管造影图像	322名患者（训练120，内部测试30，外部测试10，临床验证83+79）	NC	NC	Dice相似系数, AUC, 敏感性, 特异性	NC
1822	2026-05-08	Attention-based deep learning network for predicting World Health Organization meningioma grade and Ki-67 expression based on magnetic resonance imaging 2026-Apr, European radiology IF:4.7Q1 DOI:10.1007/s00330-025-11958-7 PMID:40836018	研究论文	基于注意力的深度学习网络用于预测WHO脑膜瘤分级和Ki-67表达	提出了全自动、基于注意力的2.5D深度学习网络，结合nn-Unet分割和注意力机制，实现了对WHO脑膜瘤分级和Ki-67表达的准确预测	NA	开发全自动注意力深度学习网络，用于预测WHO脑膜瘤分级和Ki-67表达	脑膜瘤患者	机器学习	脑膜瘤	磁共振成像	注意力增强的nn-Unet、ResNet50、Swin Transformer	磁共振图像	952名脑膜瘤患者，包括训练集542例、内部验证集96例、外部测试集314例	PyTorch	nn-Unet, ResNet50, Swin Transformer	Dice系数, AUC	NA
1823	2026-05-08	VIBESegmentator: full body MRI segmentation for the NAKO and UK Biobank 2026-Apr, European radiology IF:4.7Q1 DOI:10.1007/s00330-025-12035-9 PMID:41068435	研究论文	提出一个公开可用的基于深度学习的全身MRI分割模型，该模型提供全面的体素级覆盖，包括延伸到解剖隔室边界的 delineation	首次提供全躯干MRI和CT图像的完整分割模型，覆盖71-72个结构，在全身边界划分上优于现有方法	NA	开发全躯干MRI和CT图像的语义分割模型，用于大规模流行病学研究和临床应用	MRI和CT图像中的器官、肌肉、血管、骨骼、椎间盘、脊髓、椎管及身体成分	计算机视觉	NA	MRI, CT	nnUNet	图像	训练集：来自626名受试者的2897个序列（290名女性；平均年龄53±16）；内部测试集：来自12名受试者的36个序列（6名男性；平均年龄60±11）	PyTorch	nnUNet	Dice分数	NA
1824	2026-05-08	Diagnostic performance of a coronary CT angiography-based deep learning model for the prediction of vessel-specific ischemia 2026-Apr, European radiology IF:4.7Q1 DOI:10.1007/s00330-025-12048-4 PMID:41076470	研究论文	基于冠状动脉CT血管造影的深度学习模型用于预测血管特异性心肌缺血	采用深度学习模型CT-FFRAI从CCTA图像非侵入性地预测血管特异性缺血，并与有创FFR和iFR测量进行对比，展示了高诊断性能	冠状动脉钙化显著降低诊断准确性，提示需进一步改进空间分辨率	评估CT-FFRAI深度学习模型预测血管特异性心肌缺血的诊断性能	275名患者的322支血管，这些患者同时接受了CCTA和有创FFR/iFR测量	计算机视觉	心血管疾病	冠状动脉CT血管造影	深度学习模型	图像	275名患者的322支血管（来自两个中心）	NA	NA	敏感性、特异性、阳性预测值、阴性预测值、诊断准确性	NA
1825	2026-05-08	Comprehensive deep learning-assisted multi-condition analysis of knee MRI studies improves resident radiologist performance 2026-Apr, European radiology IF:4.7Q1 DOI:10.1007/s00330-025-12052-8 PMID:41107495	研究论文	开发深度学习模型用于膝关节MRI的多组织、多条件自动分析，并评估其对放射科住院医师诊断性能的提升效果	首次提出基于3D切片变换网络的综合深度学习模型，能同时分析膝关节MRI中软骨、半月板、骨髓、韧带等23种病理条件，并系统性评估模型辅助对不同经验水平住院医师诊断性能的影响	模型对细微或罕见条件的预测精度不足，需进一步优化以实现更精细的预测	开发并验证深度学习模型用于膝关节MRI的自动多条件分析，提升放射科医师的诊断效率和准确性	膝关节MRI影像及对应的23种病理标注（涵盖软骨、半月板、骨髓、韧带等软组织）	计算机视觉, 数字病理学	膝关节疾病	MRI	3D切片变换网络	影像	3121例MRI研究（来自3018名成人），外部测试集448例MRI研究（429名成人）	PyTorch	3D切片变换网络	AUC, 灵敏度, 特异度	NA
1826	2026-05-08	The Rise of Intelligent Plastic Surgery: A 10-Year Bibliometric Journey Through AI Applications, Challenges, and Transformative Potential 2026-Mar, Aesthetic plastic surgery IF:2.0Q2 DOI:10.1007/s00266-025-05068-4 PMID:40660032	综述	通过文献计量分析，梳理2016至2024年间人工智能在整形外科领域的研究趋势、挑战与变革潜力	首次利用CiteSpace和VOSviewer对235篇文献进行共被引、关键词共现和突发检测分析，揭示AI在乳房重建、面部分析和自动分级系统中的创新应用，并指出西方中心审美偏见等伦理问题	仅分析Web of Science核心合集文献，可能遗漏其他数据库或非英文研究；跨机构合作有限且数据集多样性不足，影响结果普适性	系统评估AI与整形外科整合的研究趋势，识别技术难点、伦理挑战及未来方向	Web of Science核心合集2016-2024年发表的235篇AI整形外科相关文献	文献计量学	NA	NA	深度学习	文献数据	235篇文献	CiteSpace, VOSviewer	NA	中心性指标	NA
1827	2026-05-08	What are you looking at? Modality contribution in multimodal medical deep learning 2026-Mar, International journal of computer assisted radiology and surgery IF:2.3Q2 DOI:10.1007/s11548-025-03523-w PMID:41037211	研究论文	提出了一种基于遮挡的模态贡献度方法，定量评估多模态医学深度学习模型中各模态的重要性	提出一种与模型和性能无关的模态贡献度测量方法，可揭示模型对单一模态的偏好及数据集的内在偏差	论文中未明确提及外部验证或多中心数据验证，可能限制了方法的泛化性能评估	探究多模态医学深度学习模型如何从不同数据源中处理信息并量化各模态的贡献	多模态医学问题中的深度学习模型（如使用图像、文本等多模态数据的诊断模型）	机器学习	NA	NA	深度神经网络	多模态数据（如医学图像、临床文本等）	NA	PyTorch（依据代码仓库推测）	NA	NA	NA
1828	2026-05-08	Detailed Delineation of the Fetal Brain in Diffusion MRI via Multi-Task Learning 2026-Mar, IEEE transactions on medical imaging IF:8.9Q1 DOI:10.1109/TMI.2025.3619809 PMID:41066289	研究论文	提出一个统一的计算框架，通过多任务深度学习在扩散MRI中详细描绘胎儿大脑结构	首次实现胎儿大脑在扩散MRI中的组织分割、白质纤维束分割和脑区分区的统一多任务深度学习框架	NA	开发并验证自动化方法以快速、准确、可重复地分析胎儿大脑扩散MRI数据	胎儿大脑	机器学习, 数字病理学	NA	扩散加权MRI	多任务深度学习	扩散MRI图像	97个胎儿大脑	NA	NA	Dice相似系数	NA
1829	2026-05-08	A robust sampling technique for realistic distribution simulation in federated learning 2026-Mar, International journal of computer assisted radiology and surgery IF:2.3Q2 DOI:10.1007/s11548-025-03504-z PMID:40892192	研究论文	提出一种鲁棒的采样技术，用于在联邦学习中模拟现实分布，以分析临床环境中标签分布偏差对全局模型的影响	结合卡方和基尼不纯度指标，高效优化多组标签分布，实现符合指定均值和标准差的数据子集采样，且对网络架构和目标任务具有无关性	仅通过一个实际应用场景（3D相机体重身高估计）验证，未在多种任务或更复杂非独立同分布条件下测试	研究联邦学习中客户端标签分布偏差对全局模型性能的危害，并提供一个高效的采样算法用于事前分析	联邦学习中的标签分布模拟及临床环境下的体重身高估计数据	机器学习	NA	NA	CNN（3D相机体重身高估计基础模型）	图像（3D相机数据）	临床环境下的体重和身高估计数据集（未具体说明数量）	NA	NA（声明技术对网络架构无关）	体重估计误差（25.3%恶化）、身高估计误差（28.7%恶化）	NA
1830	2026-05-08	External evaluation of an open-source deep learning model for prostate cancer detection on bi-parametric MRI 2026-Feb, European radiology IF:4.7Q1 DOI:10.1007/s00330-025-11865-x PMID:40753327	研究论文	评估一个开源深度学习模型在双参数MRI中检测临床显著前列腺癌的诊断准确性	首次对外部验证开源深度学习模型在前列腺癌检测中的性能，并强调了模型代码和权重共享的重要性	样本量相对较小，仅包含151名生物男性患者；模型特异性较低（0.53），可能导致较多假阳性结果	评估开源深度学习模型在双参数MRI中检测临床显著前列腺癌的诊断准确性，并确定促进模型共享和外部评估的必要组件	151名生物男性患者的双参数MRI检查数据	计算机视觉	前列腺癌	双参数MRI	深度学习模型	图像	151名生物男性患者的双参数MRI检查数据	NA	NA	AUC、敏感性、特异性、Fleiss' kappa	NA
1831	2026-05-08	Assessment of a Deep Learning Model Trained on Permanent Pathology for the Classification of Squamous Cell Carcinoma in Mohs Frozen Sections: Lessons Learned 2026-01-01, Dermatologic surgery : official publication for American Society for Dermatologic Surgery [et al.] IF:2.5Q1 DOI:10.1097/DSS.0000000000004758 PMID:40631753	研究论文	评估一个在永久病理学上训练的深度学习模型用于Mohs冰冻切片中鳞状细胞癌分类的性能及局限性	首次对永久病理学训练的模型应用于Mohs冰冻切片进行分类的定性评估，揭示模型在分布外数据上的不足，并提出微调方向	样本量小（仅15个Mohs冰冻切片），且未进行模型重训练或微调，仅进行定性分析	评估永久病理学训练的深度学习模型在Mohs冰冻切片上分类鳞状细胞癌的表现，以识别模型缺陷并指导后续优化	鳞状细胞癌肿瘤分类以及冰冻切片中的正常组织、炎症、肌肉和神经等非肿瘤结构	数字病理学	鳞状细胞癌	H&E染色切片数字化	深度学习模型（未指定具体类型）	组织病理图像	746张皮肤活检切片（训练），15张Mohs手术冰冻切片（测试）	NA	NA	AUC-ROC	NA
1832	2026-05-06	A Deep Learning Model for Second-Molar Lesions Related to Impacted Third Molars 2026-Jun, International dental journal IF:3.2Q1 DOI:10.1016/j.identj.2026.109467 PMID:41764935	研究论文	开发了一种基于深度学习的自动化系统，用于在全景X光片上检测和分类与阻生第三磨牙相关的第二磨牙病变	提出增强型SMM-YOLOv8n模型，融合了Slim-Neck优化和多维注意力机制，显著优于基线YOLOv8模型	未在外部数据集上验证，且仅评估了内部测试集性能	开发自动化深度学习系统，提高第二磨牙病变诊断准确性并辅助临床决策	全景X光片中的第二磨牙与阻生第三磨牙	数字病理学	口腔疾病	全景X光成像	CNN（卷积神经网络）	图像	1170张全景X光片	PyTorch	YOLOv8, SMM-YOLOv8n	mAP@50, precision, recall, F1-score	NA
1833	2026-05-06	Mapping Artificial Intelligence Research in Oral and Maxillofacial Surgery: A Bibliometric Analysis 2026-Jun, International dental journal IF:3.2Q1 DOI:10.1016/j.identj.2026.109456 PMID:41775013	综述	通过文献计量分析绘制口腔颌面外科中人工智能研究的现状、热点和新兴趋势	首次系统运用文献计量学方法对口腔颌面外科中人工智能研究进行全景分析，揭示从传统机器学习到深度学习与Transformer模型的范式转移，以及非影像应用（如路径分析和预后分析）作为新兴方向	仅基于Web of Science和Scopus数据库，可能遗漏其他来源文献；文献计量分析本身的局限性，无法深入评估每项研究的临床实用性	映射口腔颌面外科中人工智能研究的当前状态、热点和新兴趋势	Web of Science核心合集和Scopus中关于人工智能和口腔颌面外科的出版物	自然语言处理, 机器翻译	头颈癌	文献计量分析	Transformer	文本	5267篇文献	NA	Transformer	NA	NA
1834	2026-05-06	Automated Segmentation of Augmented Bone After Transalveolar Sinus Floor Elevation Using Deep Learning 2026-Jun, International dental journal IF:3.2Q1 DOI:10.1016/j.identj.2026.109468 PMID:41795243	研究论文	评估深度学习模型在经牙槽嵴上颌窦底提升术后增强骨分割中的性能	首次使用多种深度学习模型（UNETR++、Swin Transformer、U-Net、3D-VNet）对经牙槽嵴上颌窦底提升术后的增强骨进行自动化分割，并揭示UNETR++在精度和效率上的显著优势	样本量较小（103例患者），且仅基于锥形束CT数据，可能限制模型泛化性	探索深度学习在口腔颌面外科术后影像分割中的应用，以提升增强骨分析的准确性和效率	经牙槽嵴上颌窦底提升术患者的锥形束CT影像数据	计算机视觉	口腔颌面疾病	锥形束CT	UNETR++、Swin Transformer、U-Net、3D-VNet	图像（锥形束CT扫描）	103例患者，每个患者包含术前（T0）和术后即刻（T1）两组影像	NA	UNETR++、Swin Transformer、U-Net、3D-VNet	Dice相似系数、交并比、灵敏度、精确率、95% Hausdorff距离、准确率	NA
1835	2026-05-06	Automated Tooth Detection and Caries Identification in CBCT With Deep Learning 2026-Jun, International dental journal IF:3.2Q1 DOI:10.1016/j.identj.2026.109508 PMID:41850174	研究论文	开发了一种用于锥形束CT图像中牙齿检测、编号和龋齿识别的两阶段深度学习框架	首次提出了一种两阶段深度学习框架，用于自动化定位和编号龋齿，并结合多个分类网络进行龋齿识别，填补了CBCT图像中自动化龋齿分析的空白	样本量较小（65名患者），类别不平衡，需要外部多中心前瞻性验证以确认临床实用性	开发自动化工具，支持机会性龋齿筛查，优先处理疑似龋齿病变的CBCT扫描	65名患者的CBCT图像中的牙齿和龋齿	计算机视觉, 医学影像分析	龋齿（蛀牙）	锥形束计算机断层扫描（CBCT）	卷积神经网络（CNN）	医学图像（CBCT轴向切片）	65名患者	PyTorch	YOLOv3, Cascade R-CNN, DenseNet169, MobileNet_V2, ResNet50	平均精度均值（mAP）、平均精度（AP）、平衡准确率、敏感性、特异性、阳性预测值（PPV）、阴性预测值（NPV）、马修斯相关系数（MCC）、精确率-召回率曲线下面积（AUC-PR）	NA
1836	2026-05-06	Artificial Intelligence-Driven Segmentation of Three Oral Diseases: Enabling Precision Diagnosis and Decision Support 2026-Jun, International dental journal IF:3.2Q1 DOI:10.1016/j.identj.2026.109486 PMID:41880827	研究论文	介绍了一个包含三种口腔黏膜疾病的高质量数据集，并评估了五种深度学习模型在病变分割和分类中的表现	提出了一个精心整理的数据集，涵盖三种常见口腔黏膜疾病，并对五种深度学习模型进行了全面评估，聚焦于同步病灶分割和分类	NA	推动AI辅助口腔疾病诊断的发展，提供标准化基准和可重复的框架	三种口腔黏膜疾病：口腔扁平苔藓、口腔白斑和口腔良性溃疡	计算机视觉	口腔黏膜疾病	NA	深度学习	图像	808张高分辨率临床图像	NA	五种深度学习架构	Dice系数, 准确率	NA
1837	2026-05-06	Association of MRI-Visible Perivascular Spaces With Longitudinal Cognitive Decline Over a Decade 2026-May-12, Neurology IF:7.7Q1 DOI:10.1212/WNL.0000000000214803 PMID:42030516	研究论文	探究MRI可见的血管周围间隙（PVS）与十年间纵向认知功能下降之间的关系	独立于其他小血管疾病标志物，证明基底节区PVS负荷对执行功能和视空间技能纵向下降的独立贡献	无法建立因果关系	明确PVS作为独立小血管疾病标志物在纵向认知下降中的临床意义	无卒中或痴呆的老年参与者	机器学习	脑血管疾病	3T MRI, 深度学习	深度学习算法	医学影像	750名参与者（平均年龄68岁，52%女性）	NA	NA	NA	NA
1838	2026-05-06	Uncertainty Exploration of Deep Learning Enabled Fast Multidimensional NMR Spectroscopy of Proteins 2026-May-05, Analytical chemistry IF:6.7Q1 DOI:10.1021/acs.analchem.5c07201 PMID:41844363	研究论文	通过建模内部不确定性，为深度学习加速的蛋白质多维核磁共振波谱重建提供无参考质量评估基准	首次将深度集成、蒙特卡洛丢弃和证据深度学习三种不确定性量化框架整合到核磁共振重建骨干网络中，实现无需参考即可评估全局和频率级细节的预测可靠性	未明确提及局限性，但可能依赖特定蛋白质的二维和三维核磁共振谱数据，泛化性需进一步验证	提高深度学习在核磁共振波谱中的可靠性，通过不确定性估计回答“是否、何处、为何信任”的关键问题	蛋白质的二维和三维核磁共振波谱数据	深度学习，核磁共振波谱	不适用	核磁共振波谱	深度集成，蒙特卡洛丢弃，证据深度学习	核磁共振波谱数据（2D和3D）	不适用（文章中未明确样本数量）	NA	深度重建骨干网络，具体架构未指定	重建精度，不确定性图与重建残差的一致性，与参考度量的相关性	不适用（文章中未明确）
1839	2026-05-06	TPP-Fabricated All-Fiber Nanoforce Sensor with Deep Learning Analysis Enables Ultrasensitive Cancer Cell Mechanophenotyping 2026-May-05, Analytical chemistry IF:6.7Q1 DOI:10.1021/acs.analchem.6c00152 PMID:41996553	研究论文	报道了一种集成双光子聚合微悬臂梁的全光纤纳力传感器，结合深度学习分析实现癌症细胞机械表型的超灵敏测量	首次将双光子聚合微悬臂梁集成于多模光纤端面，并结合EfficientNet回归模型对力依赖多模散斑图进行定量解码，实现高精度力读取（R²=0.9999，平均绝对误差<0.2%）	未提及	开发一种低成本、可更换探头的紧凑型全光纤纳力传感器，用于高精度微纳力表征及细胞力学定量分析	A549和HepG2细胞在不同侵袭阶段的机械表型	机器视觉	癌症	双光子聚合	EfficientNet	图像	A549和HepG2细胞	PyTorch	EfficientNet	R², 平均绝对误差	NA
1840	2026-05-06	Deep Learning-Aided SERS Detection of Microplastics in Water Samples with a Hierarchically Porous Gold Sponge Substrate 2026-May-05, Analytical chemistry IF:6.7Q1 DOI:10.1021/acs.analchem.5c06552 PMID:42010957	研究论文	提出一种结合多孔金海绵基底与深度学习框架的无预处理微塑料SERS检测方法	创新性地将静电功能化SERS基底与可解释深度学习框架结合，实现无预处理的复杂水样中微塑料分类检测	未提及对更广泛环境水样（如海水、废水）的验证以及不同尺寸微塑料的定量分析能力	开发一种无预处理的微塑料SERS检测方法，结合深度学习实现准确分类与化学可解释性	五种代表性微塑料：聚四氟乙烯、聚丙烯、聚苯乙烯、聚氯乙烯、聚对苯二甲酸乙二醇酯	机器学习	NA	表面增强拉曼散射（SERS）	卷积神经网络（CNN）	光谱数据	在拉曼数据集上评估，具体样本量未提及	NA	二值卷积神经网络（模块化一对其余架构）	精确率	NA