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
1	2026-02-20	MRI-based deep learning radiomics in predicting histological differentiation of oropharyngeal cancer: a multicenter cohort study 2026-Mar, Clinical & translational oncology : official publication of the Federation of Spanish Oncology Societies and of the National Cancer Institute of Mexico IF:2.8Q2 DOI:10.1007/s12094-025-04042-5 PMID:40903693	研究论文	本研究开发并评估了一种基于MRI的深度学习放射组学框架，用于预测口咽癌的组织学分化等级	首次将放射组学特征与深度学习特征相结合，构建了深度学习放射组学模型，用于预测口咽癌的组织学分化，并在多中心数据上验证了其性能优于单独的放射组学或深度学习模型	回顾性研究，样本量相对较小（122例），仅在中国三家医疗机构进行，需要更大规模的前瞻性研究进一步验证	预测口咽癌的组织学分化等级，以辅助术前精准诊断和临床决策	口咽癌患者	数字病理学	口咽癌	磁共振成像	深度学习	医学影像	122例口咽癌患者（来自三家医疗机构），其中训练集85例，测试集37例	NA	深度学习放射组学模型	AUC, 决策曲线分析	NA
2	2026-02-20	Classification of major depressive disorder using vertex-wise brain sulcal depth, curvature, and thickness with a deep and a shallow learning model 2026-Mar, Molecular psychiatry IF:9.6Q1 DOI:10.1038/s41380-025-03273-w PMID:41044403	研究论文	本研究使用深度学习模型DenseNet和浅层学习模型SVM，基于顶点水平的脑沟深度、曲率和厚度等形态学特征，对重度抑郁症患者和健康对照者进行分类	首次在全球代表性多中心ENIGMA-MDD数据集上，结合顶点水平的多种皮层形态特征，系统比较了深度学习和传统机器学习模型在MDD分类中的性能	基于当前特征和分类器的组合未能有效区分MDD与健康对照，分类性能接近随机水平，表明单模态形态学特征可能不足以捕捉MDD的异质性	开发重度抑郁症的客观诊断生物标志物，评估深度学习在神经影像数据分析中的应用潜力	重度抑郁症患者和健康对照者	神经影像分析	重度抑郁症	结构磁共振成像	DenseNet, SVM	神经影像特征数据	7012名参与者（2772名MDD患者，4240名健康对照），来自31个研究中心	NA	DenseNet	平衡准确率	NA
3	2026-02-20	Deep learning-based obstructive coronary artery disease prediction from myocardial perfusion SPECT 2026-Mar, European journal of nuclear medicine and molecular imaging IF:8.6Q1 DOI:10.1007/s00259-025-07655-8 PMID:41247514	研究论文	本文应用深度学习技术，基于心肌灌注SPECT数据预测阻塞性冠状动脉疾病，旨在替代侵入性冠状动脉造影作为诊断金标准	首次将深度学习应用于心肌灌注SPECT数据的衰减校正和CAD预测，结合临床因素提升预测性能，并在多中心外部数据集验证	研究为回顾性设计，样本量有限（515例），且仅使用特定放射性示踪剂（Tc-99m-sestamibi或Tl-201），可能影响泛化能力	开发基于深度学习的非侵入性方法，用于预测阻塞性冠状动脉疾病，减少对侵入性冠状动脉造影的依赖	来自3个临床中心的515名匿名患者的心肌灌注SPECT数据	医学影像分析	冠状动脉疾病	心肌灌注SPECT（MP-SPECT），使用Tc-99m-sestamibi或Tl-201示踪剂	深度学习模型	医学影像（SPECT图像）	515名患者（主要数据集212例，外部数据集1为108例，外部数据集2为195例）	NA	NA	AUC（曲线下面积），准确度	NA
4	2026-02-20	Total-body [18F]FDG-PET/CT imaging of healthy volunteers with minimal effective dose 2026-Mar, European journal of nuclear medicine and molecular imaging IF:8.6Q1 DOI:10.1007/s00259-025-07644-x PMID:41251746	研究论文	本研究探索了结合全身PET与深度学习生成的衰减图，以最小化健康受试者在[18F]FDG-PET/CT成像中的有效辐射剂量	首次将全身PET与深度学习生成的合成CT衰减图结合，实现了极低放射性注射剂量下的可靠器官水平量化，有效剂量可低至约0.45 mSv	研究仅针对健康高加索人群，样本量有限（47人），且未评估在疾病状态或不同种族群体中的适用性	开发一种最小化辐射暴露的全身PET/CT成像协议，用于健康受试者的参考数据集创建	47名健康高加索志愿者（25名女性，22名男性，BMI：24±3 kg/m²）	医学影像	NA	全身正电子发射断层扫描/计算机断层扫描（TB-PET/CT），[18F]氟脱氧葡萄糖（[18F]FDG）成像，深度学习	深度学习模型	PET原始数据，CT图像，合成CT图像	47名健康志愿者	NA	NA	标准化摄取值（SUVbw），变异系数（CV），百分比差异	NA
5	2026-02-20	Low-count whole-body PET denoising with deep learning in a multicenter, multi-tracer and externally validated study 2026-Mar, European journal of nuclear medicine and molecular imaging IF:8.6Q1 DOI:10.1007/s00259-025-07672-7 PMID:41261209	研究论文	本研究通过多中心、多示踪剂和外部验证的方式，评估了一种基于深度学习的低计数全身PET去噪软件（NUCLARITY）的临床性能	首次在欧洲临床环境中，对PET去噪算法进行了盲法、多中心、多示踪剂评估，并纳入了未见过的扫描仪技术	诊断图像质量和信心在低计数增强扫描中略低于标准计数扫描，且仅一位读者明确偏好标准计数扫描	评估深度学习去噪算法在低计数PET扫描中的临床效用，以降低示踪剂剂量或扫描时间	来自三家欧洲医院的65次PET扫描数据，包括[1⁸F]FDG、[1⁸F]PSMA、[68 Ga]PSMA和[68 Ga]DOTATATE示踪剂	数字病理学	NA	PET扫描	深度学习	图像	65次扫描，涉及243个病灶	NA	NA	RMSE, PSNR, SSIM, SUVmean, SUVmax, MTV, 灵敏度, 特异性, 一致性相关系数	NA
6	2026-02-20	Dynamic frame-by-frame motion correction for 18F-flurpiridaz PET-MPI using convolution neural network 2026-Mar, European journal of nuclear medicine and molecular imaging IF:8.6Q1 DOI:10.1007/s00259-025-07660-x PMID:41261210	研究论文	本文提出了一种基于深度学习的自动运动校正框架，用于18F-flurpiridaz PET心肌灌注成像，以改善心肌血流量和血流储备的量化准确性	首次将3D-ResNet架构应用于18F-flurpiridaz PET的动态帧间运动校正，实现了自动化的校正过程，减少了人工干预和观察者间变异性	研究基于单中心临床试验数据，样本量相对有限，且依赖于模拟向量进行数据增强，可能无法完全覆盖真实世界中的运动变异	开发一种自动化的运动校正方法，以提高18F-flurpiridaz PET中心肌血流量和血流储备量化的准确性和效率	18F-flurpiridaz PET心肌灌注成像数据，来自32个站点的III期临床试验患者	数字病理学	心血管疾病	PET成像	CNN	3D图像	来自32个站点的III期临床试验数据，具体样本数量未明确说明	NA	3D-ResNet	AUC, 95%置信限, 平均差异	NA
7	2026-02-20	[Wolff-Parkinson-White syndrome : Comparison of different algorithms] 2026-Mar, Herzschrittmachertherapie & Elektrophysiologie DOI:10.1007/s00399-025-01128-z PMID:41575500	综述	本文系统比较了用于Wolff-Parkinson-White综合征旁路定位的不同心电图算法，包括经典规则、现代规则以及深度学习模型	首次系统性地综述并比较了经典、现代规则算法与深度学习模型在WPW综合征旁路定位中的性能，并强调了人工智能与多模态方法整合的未来潜力	NA	评估和比较不同心电图算法在Wolff-Parkinson-White综合征旁路定位中的准确性和临床价值	Wolff-Parkinson-White综合征患者的心电图数据及旁路定位算法	医学信息学	心血管疾病	心电图分析	深度学习模型	心电图数据	NA	NA	NA	准确率, 敏感性, 特异性, AUROC	NA
8	2026-02-20	Deep Learning Artificial Intelligence and Restriction Spectrum Imaging for Patient-level Detection of Clinically Significant Prostate Cancer on Biparametric Magnetic Resonance Imaging 2026-Mar, European urology open science IF:3.2Q1 DOI:10.1016/j.euros.2026.01.014 PMID:41695400	研究论文	本研究评估了结合限制谱成像最大限制分数与深度学习模型，在双参数磁共振成像上提升患者层面临床显著性前列腺癌检测性能的效果	首次将快速获取的限制谱成像序列与3D深度学习架构（3D-DenseNet）相结合，并采用留一中心交叉验证方法，用于增强基于PI-RADS标准的临床显著性前列腺癌患者层面检测	参考标准（活检）存在不完美性，排除了髋关节植入物病例，缺乏外部校准，RSI序列可用性有限，且缺少个体放射科医生及其专业知识的病例层面信息	评估结合RSIrsmax与深度学习模型是否能提升患者层面临床显著性前列腺癌的检测性能	接受磁共振成像并经由活检确诊前列腺癌的患者	数字病理学	前列腺癌	磁共振成像，限制谱成像	CNN	图像	来自7个机构的1892名患者，其中876名活检确诊患者用于模型性能评估	PyTorch	3D-DenseNet	AUC, 敏感性, 特异性, 净重分类改善, 综合判别改善	NA
9	2026-02-20	Clinical evaluation of deep learning-based CT-free PET reconstruction image: a dual-center study 2026-Mar, European journal of nuclear medicine and molecular imaging IF:8.6Q1 DOI:10.1007/s00259-025-07618-z PMID:41091188	研究论文	本研究通过双中心回顾性分析，评估了基于深度学习的CT-free PET重建图像在临床诊断中的性能，并与传统方法进行比较	提出了一种新颖的基于分解的深度学习算法，用于CT-free PET重建，并在多扫描仪和多示踪剂场景下进行了全面临床评估	研究为回顾性分析，且Decomposition-based DL方法在部分半定量指标上未始终表现出最低误差	评估基于深度学习的PET重建技术能否在无需CT衍生的衰减和散射校正的情况下，维持足够的图像质量以支持可靠的临床诊断	359名患者的原始PET/CT数据，涉及4台扫描仪和4种示踪剂	医学影像分析	NA	PET/CT成像，深度学习重建	深度学习	PET/CT图像数据	359名患者	NA	Decomposition-based DL算法，传统2D-DL，传统3D-DL	视觉评分（5点Likert量表），诊断准确性（基于病灶的假阳性/假阴性率），半定量指标（SUVmax一致性）	NA
10	2026-02-19	Leveraging human pose estimation for diagnostic feedback: Action research on instructional mediation and sustainable learning in coach education 2026-Mar, Acta psychologica IF:2.1Q2 DOI:10.1016/j.actpsy.2025.106128 PMID:41520452	研究论文	本研究探讨了在大学体育实践课程中整合人体姿态估计工具，以提升学生的诊断推理、反思参与和教学互动	将AI辅助视觉反馈与教学策略结合，支持从工具表面使用到概念理解和应用生物力学推理的发展转变，并提出了AI增强的认知学徒模型	研究样本仅包括31名本科生，时间跨度为三周，可能限制结果的普遍性	旨在通过整合人体姿态估计工具，增强体育教育中的诊断推理、反思学习和教学互动	31名大学本科生在体育实践课程中的学习过程	计算机视觉	NA	人体姿态估计	NA	诊断报告、学生反思、教师日志	31名本科生	NA	NA	NA	NA
11	2026-02-19	Comparison of VADER and TextBlob labeling for sentiment analysis using machine learning and deep learning models: A study on generative AI user experience 2026-Mar, Acta psychologica IF:2.1Q2 DOI:10.1016/j.actpsy.2026.106268 PMID:41570547	研究论文	本研究通过情感分析探讨生成式AI的用户体验，比较了VADER和TextBlob两种情感标注方法在机器学习和深度学习模型中的表现	比较了VADER和TextBlob两种情感标注方法对机器学习与深度学习模型性能的影响，发现TextBlob标注的数据集能提升分类效果	研究仅基于88,343条用户评论，可能未覆盖所有生成式AI用户群体，且情感标注方法比较有限	通过情感分析研究生成式AI的用户体验，以提升服务交付和吸引新用户	生成式AI（特别是ChatGPT）的用户评论	自然语言处理	NA	情感分类、主题建模、情感分析	GRU, SVM	文本	88,343条用户评论	NA	GRU, SVM	准确率	NA
12	2026-02-19	Deep Learning-Based Detection of Papilledema on Retinal Photographs From Handheld Cameras: A Prospective Study 2026-Mar-01, Journal of neuro-ophthalmology : the official journal of the North American Neuro-Ophthalmology Society IF:2.0Q2 DOI:10.1097/WNO.0000000000002394 PMID:40867029	研究论文	本研究评估了一种深度学习系统在手持相机采集的视网膜照片上检测视盘水肿和其他视神经病变的性能	首次在大型前瞻性数据集中使用深度学习系统对手持非散瞳相机采集的视网膜照片进行视盘水肿检测，并实现了优异的诊断性能	研究主要基于特定手持相机（Aurora, Optomed, Finland）采集的数据，可能在其他设备或条件下的泛化能力有待验证	评估深度学习系统在神经眼科临床环境中自动检测视盘水肿和其他视神经病变的准确性和可行性	视网膜照片，包括来自全球31个中心的20,533张照片（10,647名患者）	计算机视觉	视神经病变	视网膜摄影	深度学习系统	图像	20,533张视网膜照片（10,647名患者），包括18,981张散瞳照片（9,830名患者）用于训练和内部验证，1,552张前瞻性采集的非散瞳照片（817名患者）用于外部测试	NA	NA	AUC, 敏感性, 特异性, 准确率	NA
13	2026-02-19	AI-driven emotional intelligence in piano education: Deep learning models for expressive performance coaching 2026-Mar, Acta psychologica IF:2.1Q2 DOI:10.1016/j.actpsy.2026.106264 PMID:41558311	研究论文	本研究开发了一个基于AI的钢琴演奏表现力评估系统，通过对比实验验证了AI反馈在提升学生钢琴演奏情感表达方面的有效性	首次将现代BiLSTM注意力技术应用于钢琴演奏表现力分析，并设计了结合客观分析与专家评估的混合评分系统进行实证研究	研究样本仅限中国本科生，年龄范围较窄（18-22岁），且训练周期仅为三个月	评估AI驱动的反馈系统是否能比传统教学更有效地提升钢琴演奏的表现力	290名中国本科钢琴专业学生	机器学习	NA	深度学习	BiLSTM	音频	290名本科生（实验组145人，对照组145人）	NA	BiLSTM with attention	混合100分评分系统，效应量d值	NA
14	2026-02-19	High-speed quantitative X-ray multi-contrast imaging with deep learning based modulated pattern analysis 2026-Mar-01, Journal of synchrotron radiation IF:2.4Q3 DOI:10.1107/S1600577526000846 PMID:41701528	研究论文	本文介绍了一种基于深度学习的增强扫描模式成像神经网络（ESPINNet），用于实现高速、高分辨率的X射线多对比度定量成像	ESPINNet相比基于相关的散斑跟踪方法（如XSVT和UMPA）速度更快，且通过使用更少的扫描图像在分辨率和数据采集速度之间取得平衡；相比先前开发的神经网络，它新增了生成暗场图像的能力，并显著提升了分辨率和测量精度	NA	开发一种高效的工具，以解决X射线调制模式测量和分析效率低的问题，实现高分辨率原位成像	材料和生物样本的内部结构	计算机视觉	NA	X射线多对比度成像	深度学习神经网络	X射线调制模式图像	NA	NA	ESPINNet	分辨率, 速度	NA
15	2026-02-19	Automated neural network femur segmentation performance in computed tomography images of older adults with obesity 2026-Mar, JBMR plus IF:3.4Q2 DOI:10.1093/jbmrpl/ziag015 PMID:41704480	研究论文	本研究评估了为冰岛老年人开发的卷积神经网络（CNN）在美国肥胖老年人CT图像中进行股骨分割的可行性	将已开发的股骨分割CNN模型应用于新的临床人群（美国肥胖老年人），验证其跨数据集的泛化能力	模型在股骨头边界描绘和骨赘检测方面存在轻微错误，需要在预处理和后处理阶段进行人工干预	评估深度学习模型在肥胖老年人CT图像中自动分割股骨的性能	166例美国肥胖老年人的CT扫描图像	数字病理	老年疾病	CT扫描	CNN	图像	166例CT扫描	NA	NA	Dice相似系数, 95% Hausdorff距离	NA
16	2026-02-19	Automated Nonperfusion Quantification in Diabetic Retinopathy on Ultra-Widefield Swept-Source OCT Angiography 2026-Mar, Ophthalmology science IF:3.2Q1 DOI:10.1016/j.xops.2025.101059 PMID:41704649	研究论文	本研究开发了一种基于多尺度U-Net的深度学习算法，用于在超广角扫频源OCTA图像上自动分割无灌注区，并评估其在糖尿病视网膜病变严重程度分级中的效用	首次在超广角扫频源OCTA上应用带有挤压-激励注意力的多尺度U-Net进行无灌注区自动分割，并整合结构OCT图像以区分真实无灌注区与阴影伪影	研究为横断面设计，未进行纵向验证；样本量相对有限（180只眼）	开发自动化算法用于糖尿病视网膜病变中无灌注区的定量分析	糖尿病视网膜病变患者的超广角扫频源OCTA图像	数字病理学	糖尿病视网膜病变	超广角扫频源OCT血管成像	CNN	图像	122名参与者的180只眼，涵盖所有糖尿病视网膜病变严重程度分级	未明确提及	多尺度U-Net	F1分数, Bland-Altman分析, 组内相关系数	NA
17	2026-02-18	Emerging Trends and Innovations in Radiologic Diagnosis of Thoracic Diseases 2026-Mar-01, Investigative radiology IF:7.0Q1 DOI:10.1097/RLI.0000000000001179 PMID:40106831	综述	本文总结了胸部影像学领域的关键进展，包括成像模态、计算工具和临床应用，并概述了未来方向	整合了人工智能驱动的计算机辅助检测系统、放射组学分析、光子计数探测器CT和低场MRI等新兴成像技术，以提升胸部疾病的诊断和管理	作为一篇综述文章，未涉及原始研究数据，且可能未涵盖所有最新技术进展	回顾和总结胸部疾病放射学诊断的新兴趋势和创新技术	胸部疾病，包括肺癌、肺结节、间质性肺病、慢性阻塞性肺病、COVID-19肺炎和肺栓塞	医学影像	肺癌	CT纹理分析、灌注成像、光子计数探测器CT、低场MRI、双能CT、暗场放射摄影	深度学习	图像	NA	NA	NA	NA	NA
18	2026-02-18	Clinical Neuroimaging Over the Last Decade: Achievements and What Lies Ahead 2026-Mar-01, Investigative radiology IF:7.0Q1 DOI:10.1097/RLI.0000000000001192 PMID:40239043	综述	本文回顾了过去十年临床神经影像学的关键进展，包括技术革新、科学发现及其对临床实践和研究的影响	整合了光子计数CT、高低场磁共振成像、对比剂、定量成像技术以及深度学习和医学信息学等数据分析方法的进展，并强调了如类淋巴系统等基础神经科学发现	作为综述文章，主要基于已发表文献进行总结，可能未涵盖所有最新研究或技术细节	回顾临床神经影像学在过去十年的成就，并展望未来发展方向	临床神经影像学领域的技术、方法及基础科学发现	数字病理学	NA	光子计数计算机断层扫描、低场和高场磁共振成像、对比剂、定量成像技术	深度学习	图像	NA	NA	NA	NA	NA
19	2026-02-18	Multimodal-based crystal graph convolution neural networks for predicting soil toxicity to earthworms 2026-Mar-01, Environmental research IF:7.7Q1 DOI:10.1016/j.envres.2026.123770 PMID:41577106	研究论文	本研究开发了一种基于多模态深度学习的模型，用于预测土壤中化学物质对蚯蚓的毒性，通过整合分子级特征、暴露条件及生物与化学物质的内在特性来提高预测准确性	提出了一种结合晶体图卷积神经网络与宏观暴露条件等多尺度特征的多模态深度学习框架，用于土壤毒性预测，并提供了可解释性分析	数据集规模有限，仅基于文献数据，可能影响模型的泛化能力	开发一个集成多尺度特征的模型以预测土壤化学毒性，特别是对蚯蚓的致死浓度	14种化学物质对蚯蚓的毒性数据	机器学习	NA	晶体图卷积神经网络	CNN	分子结构数据、暴露条件数据、土壤和生物相关数据	14种化学物质	NA	晶体图卷积神经网络	决定系数、交叉验证平均值	NA
20	2026-02-17	Elevated Retinal Neovascularization on Widefield Optical Coherence Tomography Angiography Predicts Complications in High-Risk Proliferative Diabetic Retinopathy 2026-Mar, American journal of ophthalmology IF:4.1Q1 DOI:10.1016/j.ajo.2025.12.017 PMID:41453592	研究论文	本研究探讨了基于单次拍摄广域扫频源光学相干断层扫描血管成像（SS-OCTA）的视网膜新生血管（RNV）指标是否能预测高风险增殖性糖尿病视网膜病变（PDR）患者后续发生视力威胁性并发症的风险	首次利用广域SS-OCTA结合深度学习算法自动分割和量化RNV膜及血管区域，并基于RNV与内界膜（ILM）的轴向关系（抬高型与附着型）来预测并发症，为PDR的临床分期提供了新的影像学生物标志物	样本量较小（仅18只眼），随访时间中位数为291天，可能不足以全面评估长期并发症风险，且为单中心前瞻性病例系列研究，结果需更大规模研究验证	评估广域SS-OCTA衍生的RNV指标在预测高风险PDR患者发生玻璃体出血（VH）或牵引性视网膜脱离（TRD）等并发症方面的预测价值	临床分级为高风险PDR的眼部，来自三级医疗中心，并随访至少6个月	数字病理学	糖尿病视网膜病变	单次拍摄26×21毫米广域扫频源光学相干断层扫描血管成像（SS-OCTA）	深度学习算法	OCTA图像	18只高风险PDR眼	NA	NA	AUC, 敏感性, 特异性	NA