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
1081	2026-02-14	Optimizing S-detect classification accuracy for BI-RADS 4 breast nodules using multimodal ultrasound parameters 2026-Feb-01, Quantitative imaging in medicine and surgery IF:2.9Q2 DOI:10.21037/qims-2025-1092 PMID:41669442	研究论文	本研究通过整合多模态超声参数优化了基于深度学习的S-detect工具对BI-RADS 4乳腺结节的分类准确性	首次将多模态超声参数（如弹性应变比、血管指数等）与S-detect深度学习工具结合，显著提升了BI-RADS 4乳腺结节的鉴别诊断特异性	单中心回顾性研究设计，未来需要多中心前瞻性研究进一步验证	提高S-detect工具在区分良恶性BI-RADS 4乳腺结节中的诊断准确性	231名被诊断为BI-RADS 4型乳腺结节的女性患者	数字病理学	乳腺癌	多模态超声（包括灰度超声、血流分级、血管阻力指数、钙化、弹性评分、弹性应变比、血管指数等）	深度学习	图像	231例患者	NA	S-detect	敏感性, 特异性, 准确率, ROC曲线, AUC	NA
1082	2026-02-14	Mamba-based brain tumor segmentation of incomplete multi-modal MR images 2026-Feb-01, Quantitative imaging in medicine and surgery IF:2.9Q2 DOI:10.21037/qims-2025-1913 PMID:41669445	研究论文	本文提出了一种基于Mamba的新型融合网络，用于处理模态不完整的多模态MRI图像，以提升脑肿瘤分割的准确性	引入了新颖的Mamba融合网络和跨层级不确定性约束，利用上下文学习机制从低层级数据中捕获全局特征，以应对模态缺失的挑战	NA	提升在模态不完整情况下的脑肿瘤分割性能	多模态磁共振成像中的脑肿瘤	数字病理学	脑肿瘤	磁共振成像	深度学习网络	图像	BraTS2018和BraTS2020数据集	NA	Mamba融合网络	平均Dice相似系数	NA
1083	2026-02-14	Alzheimer's disease prediction algorithm based on hippocampal longitudinal hybrid morphological features 2026-Feb-01, Quantitative imaging in medicine and surgery IF:2.9Q2 DOI:10.21037/qims-2025-377 PMID:41669460	研究论文	本文提出了一种基于海马体纵向混合形态特征的深度学习框架，用于预测阿尔茨海默病的临床进展	开发了一个结合多视图特征融合卷积网络和双向门控循环单元的纵向预测框架，首次充分探索了海马体形态特征的时空相关性，并引入了厚度特征和热核签名来编码海马体形态萎缩特征	研究样本量相对较小（n=221），且仅使用了ADNI数据库的T1加权MRI数据，未在其他独立数据集上进行验证	开发一个能够捕捉海马体形态变化时空相关性的阿尔茨海默病临床进展预测模型	阿尔茨海默病患者的海马体形态变化	数字病理学	阿尔茨海默病	结构磁共振成像	CNN, RNN	三维MRI图像	221名来自阿尔茨海默病神经影像学倡议的受试者	NA	多视图特征融合卷积网络, 双向门控循环单元	均方根误差, 相关系数, 95%置信区间	NA
1084	2026-02-14	Nonlinear inversion model-driven deep learning method for magnetic resonance imaging (MRI) quantitative susceptibility mapping imaging 2026-Feb-01, Quantitative imaging in medicine and surgery IF:2.9Q2 DOI:10.21037/qims-2025-1851 PMID:41669455	研究论文	本文提出了一种结合非线性物理模型与数据驱动正则化的模型驱动深度学习方法（NSIDL），用于磁共振定量磁化率成像，以提高定量精度并抑制伪影	将非线性磁化率反演模型集成到卷积神经网络中，并采用近端梯度下降法求解优化问题，在网络中显式地强制执行偶极子模型数据保真度	未明确提及方法在更广泛疾病类型或更大规模数据集上的泛化能力限制	开发一种模型驱动的深度学习方法，以提升磁共振定量磁化率成像的定量准确性和图像质量，抑制伪影	多方向梯度回波磁共振成像数据集、重建挑战数据集、体内数据以及患有出血、钙化和多发性硬化症的患者数据	医学影像分析	多发性硬化症, 脑出血, 脑钙化	多方向梯度回波磁共振成像	卷积神经网络	磁共振图像	使用了多方向梯度回波MRI数据集进行训练和验证，并利用重建挑战数据集和体内数据进行评估，临床评估涉及出血、钙化和多发性硬化症患者	NA	非线性磁化率反演深度学习模型	拟合斜率, R2, 归一化均方根误差, 高频误差范数, 峰值信噪比	NA
1085	2026-02-14	Histopathologic basis of a deep learning pelvic computed tomography model for prognostic prediction among patients with advanced high-grade serous ovarian carcinoma 2026-Feb-01, Quantitative imaging in medicine and surgery IF:2.9Q2 DOI:10.21037/qims-2025-297 PMID:41669468	研究论文	本研究基于术前CT图像，利用深度学习模型提取高级别浆液性卵巢癌的组织病理学特征，并通过无监督聚类分析验证其与患者预后及风险因素的关联	首次将深度学习模型从CT图像中提取的特征与具体的组织病理学标志物（如P53、P16、Ki-67）及侵袭部位（如网膜、直肠、盆腔壁）进行关联分析，为深度学习模型的“黑箱”输出提供了组织病理学证据，并构建了一个基于聚类的分析框架来识别卵巢癌风险患者	研究为回顾性设计，样本来自三个三级医疗中心，可能存在选择偏倚；深度学习模型的具体架构和特征提取细节未详细说明；未进行外部验证	为基于术前CT的深度学习预后预测模型提供组织病理学证据支持，并构建一个识别卵巢癌风险患者的分析框架	接受根治性肿瘤切除术的高级别浆液性卵巢癌患者	数字病理学	卵巢癌	计算机断层扫描（CT）	深度学习模型	图像	418名患者（中位年龄55岁，IQR 30-77岁）	NA	NA	比值比（OR），置信区间（CI），P值，生存分析	NA
1086	2026-02-14	Diagnostic performance of coronary computed tomography (CT) angiography without electrocardiographic (ECG)-gating: comparison with invasive coronary angiography 2026-Feb-01, Quantitative imaging in medicine and surgery IF:2.9Q2 DOI:10.21037/qims-2025-1338 PMID:41669466	研究论文	本研究评估了非心电图门控冠状动脉CT血管成像（ECG-less CCTA）在诊断阻塞性冠状动脉疾病中的准确性，并与侵入性冠状动脉造影（ICA）作为参考标准进行比较	开发并验证了一种不依赖心电图门控的CCTA协议，通过模拟ECG信号、深度学习重建和运动校正技术，提高了在心律失常、高心率或急诊情况下的可行性	这是一项回顾性单中心研究，样本量相对较小（110名患者），且钙化负担高（Agatston >400）时特异性会降低	评估非心电图门控CCTA在诊断阻塞性冠状动脉疾病中的诊断性能，旨在克服传统CCTA对ECG门控的依赖	疑似冠状动脉疾病的患者	医学影像	心血管疾病	冠状动脉CT血管成像（CCTA），侵入性冠状动脉造影（ICA），深度学习图像重建，运动校正	深度学习模型（TrueFidelity™）	CT图像	110名患者	NA	TrueFidelity™（深度学习重建），SnapShot Freeze 2（运动校正）	敏感性，特异性，阴性预测值（NPV）	NA
1087	2026-02-14	Epicardial and paracardial adipose tissue quantification in short-axis cardiac cine MRI using deep learning 2026-Feb, Magma (New York, N.Y.) DOI:10.1007/s10334-025-01288-6 PMID:40848085	研究论文	本研究开发了一种基于深度学习的神经网络，用于在短轴心脏电影磁共振成像中自动分割和量化心外膜和心旁脂肪组织	提出了一种改进的U-Net架构，集成了多分辨率卷积、运动信息提取、特征融合和双重注意力机制，以利用心脏运动信息提高分割精度	未提及外部验证数据集或跨中心泛化能力评估	开发自动化工具以快速准确地量化心脏周围的脂肪组织，辅助心脏病学临床诊断	心外膜脂肪组织和心旁脂肪组织	计算机视觉	心血管疾病	心脏磁共振成像	深度学习	图像	未明确说明	未明确说明	改进的U-Net	Dice指数, 决定系数	未明确说明
1088	2026-02-13	CT-free attenuation and scatter correction of [11C]CFT brain PET using a Bi-directional matching network 2026-Feb-15, NeuroImage IF:4.7Q1 DOI:10.1016/j.neuroimage.2026.121721 PMID:41539466	研究论文	本研究提出并扩展了一种基于双向匹配网络的CT-free衰减和散射校正方法，用于[11C]CFT脑部PET成像，旨在避免CT相关的辐射暴露	采用双向离散过程匹配网络，通过离散一致性约束在未校正和完全校正的PET图像之间建立可逆变换，无需生成伪CT或依赖解剖先验信息	研究仅在90名帕金森综合征患者中进行评估，样本量相对有限，且方法在其他PET示踪剂或疾病中的泛化能力尚未验证	开发一种无需CT扫描的PET衰减和散射校正方法，以减少辐射暴露并保持定量准确性	帕金森综合征患者的[11C]CFT脑部PET图像	医学影像分析	帕金森病	PET成像，深度学习	Bi-DPM网络	PET图像	90名帕金森综合征患者	NA	Bi-DPM网络	MAE, PSNR, SSIM, CCC, PCC, Dice系数	NA
1089	2026-02-13	Intelligent navigation of potential energy surfaces: leveraging deep reinforcement learning paradigms for accelerated discovery of stable nickel nanoclusters 2026-Feb-12, Nanoscale IF:5.8Q1 DOI:10.1039/d5nr04468e PMID:41532242	研究论文	本文提出了一种名为Deepcluster的深度强化学习框架，用于高效导航复杂高维势能面，以发现镍纳米团簇的全局能量最小结构	结合深度强化学习与原子中心对称函数，实现无需预定义数据集的自主探索与优化，超越传统全局优化算法的局限	方法依赖于特定势能模型（如EMT），且在大规模或更复杂体系中的普适性有待进一步验证	加速复杂功能纳米材料（如镍纳米团簇）的稳定结构发现，用于催化和能源应用	镍纳米团簇（Ni_n，n=特定尺寸）	机器学习	NA	深度强化学习，原子中心对称函数（ACSFs），有效介质理论（EMT）势，BFGS算法	深度强化学习（基于actor-critic网络），多层感知机（MLP）	结构配置数据（能量、力、结构标志）	一系列镍纳米团簇（Ni_n，具体尺寸未明确数量，但涉及多个n值）	TensorFlow或PyTorch（未明确指定，但基于深度神经网络），TRPO算法	多层感知机（MLP），actor-critic网络	全局能量最小结构的发现准确性，结合能，热稳定性（通过分子动力学模拟验证）	NA（未明确指定GPU或云平台，但涉及并行遗传算法和第一性原理计算）
1090	2026-02-13	Polarization-Programmable 2D Sb2S2O Photodetectors for High-Precision Object Identification 2026-Feb-12, The journal of physical chemistry letters IF:4.8Q1 DOI:10.1021/acs.jpclett.5c04042 PMID:41631389	研究论文	本文报道了一种新型二维三元锑硫族氧化物Sb2S2O，并展示了其在宽光谱范围内优异的光响应性能和偏振角依赖的灵敏度，结合深度学习算法，实现了高精度物体识别	首次报道了具有低对称性层状结构和显著面内各向异性的新型二维三元锑硫族氧化物Sb2S2O，并利用其偏振角可调特性实现了光探测器的双模式智能成像	NA	开发用于下一代智能光电探测和自适应视觉技术的新型二维材料及器件	二维三元锑硫族氧化物Sb2S2O材料及其光电器件	机器学习	NA	NA	NA	图像	NA	NA	NA	响应度(11.3 A/W)，比探测率(6.5×10^? Jones)，二向色比(约1.48)	NA
1091	2026-02-13	Foundation models in radiology: a primer for pediatric radiologists 2026-Feb-12, Pediatric radiology IF:2.1Q2 DOI:10.1007/s00247-026-06544-y PMID:41677830	综述	本文介绍了基础模型在放射学，特别是儿科放射学中的应用原理、现状、挑战及未来方向	系统性地将基础模型这一前沿人工智能范式引入儿科放射学领域，并针对该领域特有的数据稀缺、罕见病理和解剖变异等挑战，探讨了其作为灵活骨干网络的适应性潜力	儿科影像数据有限、疾病谱和解剖结构独特、缺乏儿科特异性验证、存在模型幻觉、可解释性不足、资源分配不均以及可能导致放射科医生技能退化的风险	探讨基础模型在儿科放射学中的原理、应用、挑战及未来发展方向，以促进其在临床实践中的安全、公平和有效整合	基础模型及其在儿科放射学中的应用	放射学	儿科疾病	自监督学习，迁移学习，参数高效微调，联邦学习，持续学习，合成数据生成	基础模型	影像数据，文本报告	NA	NA	NA	NA	NA
1092	2026-02-13	ChronicDPipredictor: an interpretable deep learning framework for chemical chronic and subchronic toxicity assessment 2026-Feb-12, Molecular diversity IF:3.9Q2 DOI:10.1007/s11030-026-11482-w PMID:41678082	研究论文	本研究开发了一个名为ChronicDPipredictor的可解释深度学习框架，用于评估化学物质的慢性和亚慢性毒性	开发了一个结合可解释性（如SHAP分析）和结构警报提取的深度学习框架，用于化学毒性评估，并提供了公开可用的网络服务器	模型性能在亚慢性毒性的多类分类中相对较低（准确率0.80），且可能受限于所使用的指纹表示和数据集	评估化学物质的慢性和亚慢性毒性，以支持化合物重复剂量毒性的风险评估	化学物质	机器学习	NA	NA	深度学习	化学指纹（MACCS、PubChem、KRFP）	NA	NA	NA	准确率	NA
1093	2026-02-13	OmniHD-Scenes: A Next-Generation Multimodal Dataset for Autonomous Driving 2026-Feb-11, IEEE transactions on pattern analysis and machine intelligence IF:20.8Q1 DOI:10.1109/TPAMI.2026.3663672 PMID:41671126	研究论文	本文提出了一个用于自动驾驶的大规模多模态数据集OmniHD-Scenes，并建立了相应的评估基准	提出了首个结合128线激光雷达、六台相机和六台4D成像雷达的全方位高清多模态数据集，并引入了新颖的4D标注流程和密集占据地面真值自动生成管道	目前仅标注了200个片段（共1501个），标注覆盖范围有待扩展	为自动驾驶算法开发提供全面、高质量的多模态数据支持	自动驾驶场景的多模态感知数据	计算机视觉	NA	多传感器融合（LiDAR、相机、4D成像雷达）	NA	图像、点云、雷达数据	1501个片段（每个约30秒），超过45万帧同步数据，585万个同步传感器数据点	NA	NA	3D检测和语义占据预测的基准评估指标	NA
1094	2026-02-13	NeuroCLIP: A Multimodal Contrastive Learning Method for rTMS-treated Methamphetamine Addiction Analysis 2026-Feb-11, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2026.3663869 PMID:41671129	研究论文	本文提出了一种名为NeuroCLIP的新型深度学习框架，通过整合EEG和fNIRS数据，用于分析经rTMS治疗的甲基苯丙胺成瘾	提出了一种结合EEG和fNIRS的多模态对比学习框架，采用渐进学习策略，提高了成瘾识别的鲁棒性和可靠性	未明确说明样本量大小或数据收集的具体限制，可能依赖于特定实验设置	开发一种客观、数据驱动的生物标志物，用于评估甲基苯丙胺成瘾及rTMS治疗效果	甲基苯丙胺依赖个体和健康对照者	机器学习	药物成瘾	EEG, fNIRS	深度学习框架	多模态神经影像数据（EEG和fNIRS）	NA	NA	NeuroCLIP	区分能力，与渴求评分的相关性	NA
1095	2026-02-13	Subject-Adaptive EEG Decoding via Filter-Bank Neural Architecture Search for BCI Applications 2026-Feb-11, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2026.3663725 PMID:41671134	研究论文	本文提出了一种基于滤波器组神经架构搜索的EEG解码框架，用于自动设计适应个体差异的脑机接口解码模型	首次将神经架构搜索应用于EEG解码领域，通过多路径NAS算法自动优化多尺度特征提取架构，实现从专家驱动到机器辅助的模型设计范式转变	未明确说明计算成本和时间消耗，跨数据集性能差异较大（68.38%-79.78%）	解决脑机接口中个体差异导致的解码性能下降问题	脑电图信号	机器学习	NA	脑电图	NAS,CNN	时序信号	三个EEG数据集（BCIC-IV-2a, OpenBMI, SEED）	NA	包含扩张卷积核的时序单元	解码准确率	NA
1096	2026-02-13	State and Diffusion of National Institutes of Health Funding of AI in Radiology 2026-Feb-11, Journal of imaging informatics in medicine DOI:10.1007/s10278-026-01870-x PMID:41673229	研究论文	本研究回顾性分析了美国国立卫生研究院（NIH）对放射学领域人工智能研究的资助状况与扩散趋势	首次利用自动化大型语言模型流程对NIH资助项目进行主题提取和分类，并量化分析了AI在放射学领域的扩散速率与阶段	仅基于NIH RePORTER和ExPORTER数据库的公开数据，未涵盖其他资助来源；研究为回顾性分析，无法预测未来政策变化的影响	了解NIH对放射学AI研究的资助模式、趋势和重点领域，为研究者、机构和政策制定者提供战略决策参考	NIH在2015-2024年间资助的放射学AI研究项目	数字病理学	NA	NA	NA	文本数据（项目数据库）	截至2025年1月的活跃NIH资助项目及过去十年（2015-2024）的时间序列数据	NA	NA	复合年增长率（CAGR）、渗透率、倍增时间	NA
1097	2026-02-13	Deep Learning Identification of Clear Cell Renal Cell Carcinoma on MR Imaging 2026-Feb-09, Journal of computer assisted tomography IF:1.0Q4 DOI:10.1097/RCT.0000000000001848 PMID:41656681	研究论文	本研究探讨了多种卷积神经网络在MRI上识别透明细胞肾细胞癌的性能，并与放射科医生使用的透明细胞可能性评分算法进行了比较	首次系统比较了多种CNN模型在ccRCC识别中的表现，并融合了三种不同类型的MR图像以提高分类鲁棒性	研究为回顾性设计，样本量相对有限（310例患者），且仅针对cT1期（≤7 cm）的肾肿块，未涵盖更晚期或不同大小的肿瘤	评估CNN模型在MRI上识别透明细胞肾细胞癌的诊断性能，并与放射科医生的表现进行对比	经病理证实的肾肿块患者（cT1期，≤7 cm）的MR图像	计算机视觉	肾细胞癌	MRI成像（包括T2加权、T1加权反相/同相、皮质髓质期对比增强）	CNN	图像	310例患者，共480个CNN模型训练	NA	多种卷积神经网络架构（具体未指定）	AUC	NA
1098	2026-02-13	Primary tumor-derived, multiparametric MRI-based deep learning-radiomics-clinical model for predicting lymph node metastasis in early-stage cervical cancer 2026-Feb-09, Insights into imaging IF:4.1Q1 DOI:10.1186/s13244-026-02211-w PMID:41661434	研究论文	本研究开发并验证了一种基于原发肿瘤多参数MRI的深度学习-影像组学-临床（DLRC）模型，用于预测早期宫颈癌的盆腔淋巴结转移	首次整合了原发肿瘤的深度学习特征、影像组学特征和临床特征，构建了一个多中心验证的、用于术前预测早期宫颈癌淋巴结转移的综合性模型	研究为回顾性设计，可能存在选择偏倚；模型性能仍需在前瞻性研究中进一步验证	开发一个术前预测早期宫颈癌盆腔淋巴结转移的稳健且可推广的工具	早期宫颈癌患者	数字病理学	宫颈癌	多参数MRI（包括CE-T1WI, DWI, FS-T2WI序列）	深度学习模型, 影像组学模型, 整合模型	医学影像（MRI）	1095名患者（来自五个中心），分为训练队列（n=481）、内部验证队列（n=204）和外部验证队列（n=410）	NA	NA	AUC, 校准曲线, 决策曲线分析	NA
1099	2026-02-13	Spectral CT imaging in colorectal cancer: current applications, limitations, and future perspectives 2026-Feb-09, Insights into imaging IF:4.1Q1 DOI:10.1186/s13244-026-02212-9 PMID:41661515	综述	本文综述了光谱CT在结直肠癌中的当前应用、局限性和未来前景	系统总结了光谱CT在结直肠癌检测、分期、预后评估及与基因突变等生物标志物关联方面的最新应用证据，并展望了与人工智能结合的未来方向	大多数研究样本量小且为观察性，缺乏标准化，图像分割耗时限制了广泛应用	总结光谱CT在结直肠癌中的临床应用现状并探讨其未来发展方向	结直肠癌患者及其原发性和转移性病灶	数字病理	结直肠癌	光谱CT（包括双层光谱CT、双能光谱CT）	NA	CT影像	NA	NA	NA	NA	NA
1100	2026-02-13	A tissue-informed deep learning-based method for positron range correction in preclinical 68Ga PET imaging 2026-Feb-06, ArXiv PMID:41675347	研究论文	提出一种基于深度学习的组织信息引导方法，用于临床前68Ga PET成像中的正电子射程校正	首次将组织依赖的解剖信息通过u图依赖的损失函数整合到3D残差编码器-解码器卷积神经网络中，用于正电子射程校正	在真实数据中缺乏金标准验证，未来需要通过领域适应和混合训练策略提高模型泛化能力	提高68Ga PET成像的空间分辨率和定量准确性	68Ga-FH和68Ga-PSMA-617小鼠研究的合成和真实PET采集数据	医学影像分析	NA	PET成像，CT成像	CNN	图像	模拟PET数据集及小鼠研究的真实采集数据	NA	3D RED-CNN, Single-channel, Two-channel, DualEncoder	MAE, SSIM, CR, CNR	NA