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
121	2026-08-22	Enhancing trustworthiness of Arabic online health information quality evaluation using an enhanced BERT architecture with PCA and ICA feature weighting 2026-Mar-06, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-43158-8 PMID:41792455	研究论文	本研究利用增强版阿拉伯语BERT架构结合PCA和ICA特征加权，评估在线健康信息的质量，以提高其可信度	提出了一种增强版阿拉伯语BERT用于医疗数据，结合PCA和ICA特征提取技术，并使用基于信息熵的修改损失函数来提升模型在文档分类中的确定性和校准能力	未明确提及，可能受限于单一数据集和特定语言（阿拉伯语）	利用深度学习方法评估在线健康信息的质量，为其可信度提供可靠评估工具	在线健康信息的质量评估，特别是阿拉伯语环境中的健康信息	自然语言处理	NA	PCA, ICA, 信息熵	BERT	文本	NA	NA	BERT	准确率	NA
122	2026-08-22	High-resolution Annotated Dataset of Girvanella Boundstone Microfacies from the Xiannüdong Formation, China 2026-Mar-05, Scientific data IF:5.8Q1 DOI:10.1038/s41597-026-06958-1 PMID:41786785	研究论文	本研究提供高分辨率数据集，将寒武系第二统仙女洞组的Girvanella骨架灰岩岩相切片图像分割为114×114像素的瓦片，并通过点计数自动化标注微相成分，用于深度学习碳酸盐岩微相分类。	创新点在于创建了高分辨率的Girvanella骨架灰岩微相数据集，并采用点计数自动化标注方法，适用于深度学习训练。	摘要中未提及局限性。	提供可用于深度学习训练的数据集，以支持碳酸盐岩微相分类，并促进早期海洋生态系统演化及碳酸盐岩台地结构研究。	研究对象为寒武系第二系仙女洞组的Girvanella骨架灰岩微相。	数字病理学	不适用	图像分割、点计数自动化标注	不适用	图像（PNG）和CSV文件	大型岩板图像分割成114×114像素瓦片，具体样本数量未说明	不适用	不适用	不适用	不适用
123	2026-08-22	Clinical and economic impact of deep learning-enhanced opportunistic osteoporosis screening using chest radiographs with and without the osteoporosis self-assessment tool for Asians (OSTA) 2026-Mar, Osteoporosis international : a journal established as result of cooperation between the European Foundation for Osteoporosis and the National Osteoporosis Foundation of the USA IF:4.2Q1 DOI:10.1007/s00198-026-07858-1 PMID:41563407	研究论文	本研究评估了利用深度学习增强的机会性骨质疏松筛查方法（基于胸部X光片）在50岁及以上新加坡女性中的临床和经济影响，并探讨了结合OSTA工具的附加价值	首次将深度学习增强的机会性骨质疏松筛查与OSTA工具结合进行成本效益分析，证明仅使用深度学习筛查即可有效减少骨折并增加质量调整生命年，且成本可接受	研究基于新加坡特定人群，可能不适用于其他地区或族裔；且未涵盖男性及不同年龄段人群	评估深度学习增强的机会性骨质疏松筛查（基于胸部X光片）在临床和经济上的影响，并比较单独使用深度学习与结合OSTA工具的筛查策略	50岁及以上新加坡女性，骨质疏松患者或高风险人群	医学影像分析, 深度学习	骨质疏松	胸部X光片分析	深度学习模型	胸部X光图像	未明确，但为新加坡50岁及以上女性人群	未明确	未明确	骨折发生率, 质量调整生命年(QALYs), 成本效益比	未明确
124	2026-08-21	DisConST: Distribution-aware Contrastive Learning for Spatial Domain Identification 2026-03-27, Genomics, proteomics & bioinformatics DOI:10.1093/gpbjnl/qzaf085 PMID:40990806	研究论文	介绍了一种名为DisConST的分布感知对比学习深度学习方法，用于提高空间转录组学数据中空间域识别的准确性	创新性地结合了零膨胀负二项分布和图像对比学习，以生成更具信息量的潜在表示，有效整合空间位置、转录组谱和细胞类型比例	未在摘要中明确提及局限	改进空间转录组学中的空间域识别，以探索组织结构、生物发育和疾病机制	来自不同测序平台的组织、器官和胚胎的正常和疾病状态空间转录组数据集	机器学习	不适用	空间转录组学	对比学习模型	基因表达数据和空间位置数据	多个空间转录组数据集，涵盖不同组织、器官和胚胎，未给出具体数量	未指定	图对比学习网络	空间域识别准确率	未提及
125	2026-08-20	Clinically significant prostate cancer detection with deep learning in a multi-center magnetic resonance imaging study 2026-Mar-26, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-42214-7 PMID:41888535	研究论文	本研究提出一种基于深度学习的AI方法，利用MRI数据检测临床显著性前列腺癌，并在多中心数据集上验证其性能	使用3D EfficientNet-B7和堆叠元学习器集成多模型，结合迁移学习和合成ADC图的数据增强策略，提高检测准确性	未提及具体限制	提高临床显著性前列腺癌的早期检测准确性，利用AI和MRI技术改善诊断效果	临床显著性前列腺癌	机器学习, 医学影像	前列腺癌	MRI	CNN（3D EfficientNet-B7）	MRI图像	超过9000个MRI会话，来自16个医疗中心	NA	EfficientNet-B7, nnUNet	AUC	NA
126	2026-08-20	Deep Learning Based Multiomics Model for Risk Stratification of Postoperative Distant Metastasis in Colorectal Cancer 2026-03, Academic radiology IF:3.8Q1 DOI:10.1016/j.acra.2025.08.040 PMID:40912950	研究论文	开发基于深度学习的多组学模型，用于预测结直肠癌患者术后远处转移并评估生存预后	结合影像组学与病理组学，利用深度特征（ResNet-101）构建多组学模型，显著优于传统模型	未提及	预测结直肠癌术后远处转移并评估生存预后，建立风险分层模型	521名接受根治性手术的结直肠癌患者	计算机视觉, 数字病理学	结直肠癌	CT成像, HE染色	深度学习模型（ResNet-101）	医学图像（CT和HE染色切片）	521名患者（381名训练/内验证，140名外部验证）	NA	ResNet-101	AUC	NA
127	2026-08-20	Performance of Machine Learning Models Based on Medical Imaging in Predicting the expression of PD-L1 and CD8+TILs in Thoracic cancer: A Systematic Review and Meta-Analysis 2026-03, Academic radiology IF:3.8Q1 DOI:10.1016/j.acra.2025.10.002 PMID:41206268	系统综述与荟萃分析	本研究系统综述并荟萃分析了基于医学影像的机器学习模型在预测胸部肿瘤中PD-L1表达和CD8+肿瘤浸润淋巴细胞（TILs）的性能	首次对基于医学影像的AI模型预测胸部肿瘤免疫微环境（尤其是PD-L1和CD8+TILs）的性能进行系统综述和荟萃分析，并探讨了多模态成像和深度学习模型的改进效果	研究间存在显著异质性（I²>75%），可能影响结果的通用性	评估基于医学影像的AI模型预测胸部肿瘤免疫微环境（PD-L1表达和CD8+TILs）的性能	胸部肿瘤（包括肺癌等）中的PD-L1表达和CD8+TILs	医学影像分析、机器学习	胸部肿瘤	医学影像（多模态成像）	机器学习模型（包括深度学习模型）	医学影像数据（如CT、PET等）	68项研究纳入，其中25项用于荟萃分析	NA	NA	AUC、灵敏度、特异度	NA
128	2026-08-20	A Multi-view Deep Survival Combined Model for Predicting Stroke Recurrence in Symptomatic Intracranial Atherosclerosis 2026-03, Academic radiology IF:3.8Q1 DOI:10.1016/j.acra.2025.10.052 PMID:41242896	研究论文	本研究开发了一种多视图深度生存组合模型，用于预测症状性颅内动脉粥样硬化患者的卒中复发风险	结合视觉Transformer、影像组学和DeepSurv生存分析，扩展传统Cox比例风险模型的建模能力，实现自动化的多视图深度特征学习	未在摘要中明确说明局限性	开发并验证一种基于HR-VWI图像的多视图深度生存组合模型，以提高症状性颅内动脉粥样硬化患者卒中复发风险的预测准确性	363例来自2个医疗机构的症状性颅内动脉粥样硬化患者的HR-VWI图像	医学影像分析	脑血管疾病	高分辨率血管壁成像(HR-VWI)	视觉Transformer、DeepSurv	磁共振图像	363例患者（79例复发，284例未复发），分为训练/验证集(n=290)和测试集(n=73)	NA	视觉Transformer、DeepSurv	C-index、时间依赖性ROC曲线、AUC、决策曲线分析、校准曲线	NA
129	2026-08-20	Integrating Deep Feature Extraction and MRI Radiomics for Survival Prediction in Breast Cancer After Neoadjuvant Chemotherapy 2026-03, Academic radiology IF:3.8Q1 DOI:10.1016/j.acra.2025.10.050 PMID:41253608	研究论文	本研究提出一种整合深度学习特征提取与MRI影像组学的多模态Cox模型，用于乳腺癌新辅助化疗后的生存预测	与以往主要聚焦单模态输入或短期终点（如病理完全缓解）的研究不同，本研究创新性地整合了临床特征、病理组学特征、深度学习病理特征（通过ResNet50）和多参数MRI影像组学数据，构建多模态Cox模型预测长期生存	摘要中未明确提及研究局限性	开发更精确的预后工具，以优化乳腺癌新辅助化疗患者的临床决策	216名完成新辅助化疗的乳腺癌患者	医学影像分析，数字病理学，机器学习	乳腺癌	磁共振成像（MRI），病理图像分析	Cox模型，卷积神经网络（CNN）	临床数据，病理图像，MRI影像	216名乳腺癌患者	NA	ResNet50	AUC，校准曲线，决策曲线分析	NA
130	2026-08-20	Evaluating the Diagnostic Accuracy of Artificial Intelligence in Spondylolisthesis Detection: A Systematic Review and Meta-analysis 2026-03, Academic radiology IF:3.8Q1 DOI:10.1016/j.acra.2025.11.002 PMID:41290429	系统综述与荟萃分析	评估人工智能在椎体滑脱检测中的诊断准确性，并汇总现有证据	首次通过系统综述和荟萃分析评估AI模型在椎体滑脱检测中的诊断准确性，包括多种成像模态，并通过随机效应模型进行统计分析	研究间存在显著异质性，需要标准化研究以增强结果可靠性	综合评估AI模型在椎体滑脱检测中的诊断性能，并探讨其作为临床辅助工具的潜力	椎体滑脱患者，涉及多种成像模态（如MRI和X线）	机器学习, 医学影像分析	椎体滑脱	NA	深度学习模型	医学图像	24项研究，其中21项用于荟萃分析，共8029个观察数据	NA	FAR网络, YOLOv8	敏感性, 特异性, AUC	NA
131	2026-08-20	Advancing Stroke Diagnosis: A Comprehensive Review of Artificial Intelligence in Detecting Early Ischemic Changes on Noncontrast CT (NCCT) 2026-03, Academic radiology IF:3.8Q1 DOI:10.1016/j.acra.2025.11.015 PMID:41290431	综述	本文综述了人工智能在非对比CT图像上检测早期缺血性改变的应用，重点关注自动计算ASPECTS和基于深度学习的检测方法。	系统总结了AI在NCCT上检测EIC的两大发展方向：自动ASPECTS计算和深度学习方法，并强调其在资源有限环境中的辅助诊断潜力。	现有AI模型存在性能指标不一致、缺乏大规模外部验证、对细微病变的检测仍受限于数据质量和标注差异。	评估AI在急性缺血性卒中NCCT图像上检测早期缺血性改变的现状、方法论和未来方向，以改善患者管理和临床决策。	急性缺血性卒中患者的非对比CT图像及早期缺血性改变特征。	医学影像分析	急性缺血性卒中	计算机断层扫描（CT）	机器学习、深度学习（如卷积神经网络）	非对比CT图像	不适用（综述文章，未涉及具体样本）	未提及	未提及	准确性、敏感性、特异性、Dice系数等（原文未具体列出，此处基于综述内容推测）	未提及
132	2026-08-20	Enhancing Pediatric Fracture Detection: Multicenter Evaluation of a Deep Learning AI Model and Its Impact on Radiologist Performance 2026-03, Academic radiology IF:3.8Q1 DOI:10.1016/j.acra.2025.11.022 PMID:41320594	研究论文	本研究评估了深度学习AI模型在儿科骨折检测中的效能，并分析了AI辅助对放射科医生诊断表现的影响。	首次在美国4个影像中心对深度学习AI模型在儿科骨折检测中的多中心评估，并量化了AI辅助对放射科医生诊断准确性和速度的提升。	文章未在摘要中明确提及局限性，可能需要阅读全文获取相关信息。	评估深度学习AI模型在儿科骨折检测中的独立性能，以及AI辅助对放射科医生诊断准确性和效率的影响。	儿科骨折患者，包括不同年龄、性别、解剖部位和骨折类型。	计算机视觉	骨折	深度学习	卷积神经网络	影像数据	研究第一阶段含3016张儿科肌肉骨骼放射影像，来自4个影像中心；第二阶段含189例病例。	NA	卷积神经网络	准确率、灵敏度、特异度	NA
133	2026-08-20	Deep Learning-Based Cardiac MRI Planning from Localizers to Cine Views Using Landmark Detection 2026-03, Academic radiology IF:3.8Q1 DOI:10.1016/j.acra.2025.11.028 PMID:41353071	研究论文	本研究评估了一种基于深度学习的全自动心脏MRI规划框架，利用标志点检测技术提高规划效率和准确性。	提出了一种全自动化的深度学习框架，用于心脏MRI规划，通过标志点检测提高规划精度。	未明确提及局限性。	评估自动化深度学习框架在心脏MRI规划中的效率和准确性，以提升临床工作流程。	心脏MRI数据，包括冠状面、矢状面、轴向定位像以及短轴和长轴电影图像。	医学影像分析	NA	NA	深度学习模型（具体类型未提及）	影像数据（磁共振成像）	1023名患者（年龄8-90岁）的心脏MRI数据	NA	NA	中位标志点距离、平面角度差异	NA
134	2026-08-20	Deep Learning Radiomics Based on Preoperational Ultrasound Images for Predicting Ipsilateral Ischemic Stroke in Patients with Carotid Artery Stenting: A Multicenter Study 2026-03, Academic radiology IF:3.8Q1 DOI:10.1016/j.acra.2025.12.006 PMID:41455622	研究论文	本研究开发并验证了一种整合临床、影像组学和深度学习特征的模型，用于预测颈动脉支架植入术后患者的同侧缺血性卒中风险	首次基于术前超声图像结合深度学习影像组学与临床特征，构建多中心验证的预测模型用于颈动脉支架术后长期卒中风险分层	未提及	开发并验证一种整合临床、影像组学和深度学习特征的模型，以预测颈动脉支架植入术后长期同侧缺血性卒中的风险	接受颈动脉支架植入术的患者	医学影像分析	缺血性卒中	超声成像	Cox回归与随机生存森林	超声图像及临床数据	802例患者，来自三个中心（2018-2024年）	NA	NA	C指数，Kaplan-Meier分析	NA
135	2026-08-20	Deep Learning Image Reconstruction Improves Image Quality in Dual-Low Dose Dual-Energy CT Portal Venography Compared to Adaptive Iterative Image Reconstruction Algorithm-Veo 2026-03, Academic radiology IF:3.8Q1 DOI:10.1016/j.acra.2025.11.047 PMID:41484021	研究论文	本研究比较了深度学习图像重建（DLIR）与自适应统计迭代重建（ASIR-V）在双低剂量双能CT门静脉成像中的图像质量表现，发现DLIR能显著提高图像质量	首次在双低剂量双能CT门脉成像中评估DLIR性能，并系统比较了多个门静脉血管段的图像质量	研究未提及具体局限性，但可能包括样本量有限、单中心设计或缺乏长期随访数据	比较DLIR和ASIR-V在双低剂量DE-CTPV中的图像质量，重点关注门静脉系统的多个血管段	接受双能CT门静脉成像的患者，包括门静脉主干、左/右门静脉、脾静脉和肠系膜上静脉	医学影像	肝脏疾病（肝移植相关评估）	双能CT门静脉成像	深度学习图像重建（DLIR）	CT图像	未提供具体患者数量，但涉及多血管段评估	NA	DLIR-M、DLIR-H和ASIR-V	图像噪声、对比噪声比（CNR）、信噪比（SNR）、主观评分（包括整体图像质量、图像噪声、血管边缘锐度、诊断信心）	NA
136	2026-08-20	Pixel-level Radiomics and Deep Learning for Predicting Ki-67 Expression in Breast Cancer Based on Dual-modal Ultrasound Images 2026-03, Academic radiology IF:3.8Q1 DOI:10.1016/j.acra.2025.12.047 PMID:41539915	研究论文	本研究开发了一种基于像素级放射组学和双模态超声图像的深度学习模型，用于预测乳腺癌中Ki-67的表达水平	引入像素级放射组学特征图与超声图像整合的新型深度学习方法，结合Vision-Mamba架构，提高了预测准确性	摘要中未明确提及局限性	开发深度学习模型，基于二维和应变弹性超声图像预测乳腺癌Ki-67表达，辅助个体化治疗决策	乳腺癌患者的二维超声和应变弹性超声图像，以及相关临床数据	医学影像分析、深度学习	乳腺癌	超声成像（二维和应变弹性成像）、像素级放射组学	深度学习模型（Vision-Mamba）	超声图像、临床数据、放射组学特征图	共1031例乳腺癌患者，分为训练集（616例）、内部验证集（265例）、外部测试集（150例），另加63例前瞻性验证患者	未指定	Vision-Mamba	ROC曲线下面积（AUC）、校准曲线、决策曲线分析（DCA）	未指定
137	2026-08-20	Generalizable Deep Learning for Prostate Cancer Risk Stratification: Multicenter Study Integrating 18F-PSMA-1007 PET/CT and mpMRI 2026-03, Academic radiology IF:3.8Q1 DOI:10.1016/j.acra.2025.12.050 PMID:41547629	研究论文	本研究开发了一种少样本深度学习模型（CL-MGNET），整合多模态影像和临床数据，以预测前列腺癌高风险生物学特征，并在多中心研究中验证其泛化能力	提出了一种专门设计的少样本深度学习网络CL-MGNET，在仅有30例训练数据的情况下，通过融合PET/CT、mpMRI和临床变量，显著提升了对高风险前列腺癌特征（ISUP分级、EPE和PSM）的预测性能，且优于单模态模型和临床模型	摘要中未明确提及局限性	开发并验证一个少样本深度学习模型，用于整合多模态影像和临床数据预测前列腺癌高风险生物学特征，以改善诊断和风险分层	前列腺癌患者	医学影像分析	前列腺癌	PET/CT成像、多参数MRI	少样本深度学习网络	图像（PET/CT、mpMRI）和临床变量	377例患者，其中341例来自初始医疗中心（A中心），36例来自独立外部验证队列（B中心）	NA	CL-MGNET	AUC	NA
138	2026-08-20	Deep Learning-Enhanced Diffusion-Weighted Imaging of the Abdomen at 0.55 T: Image Quality and Apparent Diffusion Coefficient Calculation Interchangeability in Healthy Volunteers 2026-03, Academic radiology IF:3.8Q1 DOI:10.1016/j.acra.2025.11.039 PMID:41391962	研究论文	本研究评估了深度学习增强的0.55 T腹部扩散加权成像的技术可行性、图像质量和表观弥散系数可靠性	首次在低场强（0.55 T）下应用深度学习超分辨率重建技术，提高腹部DWI图像质量和采集速度，同时保证ADC值的可互换性	样本量较小，仅包含健康志愿者，未包含患者群体，且未评估诊断性能	评估深度学习增强的0.55 T腹部DWI的图像质量和ADC计算可靠性	33名健康志愿者的腹部MRI图像，包括肝脏、脾脏和胸椎椎体	医学影像	不适用（健康志愿者）	扩散加权成像（DWI）	深度学习超分辨率重建模型	MRI图像	33名健康志愿者（平均年龄30±4岁，13名男性）	NA	超分辨率重建网络（具体架构未指定）	图像质量评分（Likert量表）、信噪比、ADC值、相关系数、Bland-Altman分析	NA
139	2026-08-20	A RRA Perspective on AI and Machine Learning Applications in Radiology: From Experimental to Clinically Viable Solutions 2026-03, Academic radiology IF:3.8Q1 DOI:10.1016/j.acra.2025.11.021 PMID:41781091	综述	本文是放射学研究联盟（RRA）关于新兴技术七部分系列综述的第一篇，探讨了人工智能和机器学习在放射学中的诊断解读、工作流程优化和报告生成三个领域的应用，并讨论了其从实验阶段向临床可行解决方案的转变。	从RRA视角系统综述AI和ML在放射学中的三类应用，强调放射科医生与AI协作的最佳效果，并突出向临床可行技术的转变。	综述中提及挑战包括性能不稳定、泛化能力有限和工作流程整合障碍，但未详细阐述具体解决方案或量化比较。	评估AI和ML在放射学中的应用现状，并探讨其从实验性创新向临床可行技术的过渡。	AI和ML在放射学中的应用，涵盖诊断解读、工作流程优化和报告生成。	医学影像	不适用	深度学习、多模态大型语言模型、自然语言处理	大型语言模型、深度学习模型	不明确（可能涉及影像、文本）	不适用（综述论文）	NA	NA	准确性、效率、报告质量	NA
140	2026-08-19	AI-driven drug-target interaction prediction: current progress, challenges, and future roadmap for precision medicine 2026-03-31, Journal of computer-aided molecular design IF:3.0Q2 DOI:10.1007/s10822-026-00798-2 PMID:41910880	综述	本文系统综述了计算药物-靶点相互作用（DTI）预测的最新进展，涵盖基于配体、靶点、网络、机器学习、深度学习及混合多组学模型，并探讨了挑战与未来方向	全面整合多组学数据的混合模型，引入图神经网络和Transformer架构，并展望联邦学习、AlphaFold对接和量子模拟等前沿趋势	存在数据稀疏性、模型可解释性和泛化能力等关键挑战	为DTI预测研究提供路线图，推动精准医学中的转化应用	药物-靶点相互作用及其预测方法	计算机视觉,自然语言处理,机器学习	精准医学相关疾病	NA	图神经网络,Transformer	多组学数据（基因组、转录组、蛋白质组、相互作用组）	NA	NA	图神经网络,Transformer	NA	NA