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
101	2026-07-01	Comparison of multistage and single-stage framework for automated landmark localization and radiologic measurement: a case of the C1-2 complex on cervical spine lateral radiographs 2026-04-24, BMC medical imaging IF:2.9Q2 DOI:10.1186/s12880-026-02323-1 PMID:42032488	研究论文	比较多阶段与单阶段框架在颈椎侧位X线片上自动标志点定位和放射学测量的表现，以C1-2复合体为例	系统性地比较了多阶段与单阶段深度学习框架在X线图像分析中的性能差异，并采用解剖感知多术语损失函数提升定位精度	数据集仅来自两家机构，外部验证规模有限；未提及多阶段框架的计算效率及实时性评估	明确多阶段与单阶段框架在颈椎X线图像分析中的优劣，为深度学习模型架构设计提供依据	C1-2复合体上的8个标志点和14个放射学指标	计算机视觉	颈椎疾病	深度学习	CNN	图像	1200对动态颈椎X线和MRI配对数据（来自一家三级医疗机构），300例外部验证数据（来自另一家机构）	NA	多阶段框架：粗到细定位网络；单阶段框架：全区域处理网络	标志点定位误差、Dice相似系数（DSC）、交并比（IoU）、角度测量平均误差、距离测量平均误差	NA
102	2026-07-01	Decoupling MCI-specific signatures from shared neurobiological substrates of cognitive aging via deep learning 2026-Apr-23, NPJ digital medicine IF:12.4Q1 DOI:10.1038/s41746-026-02597-3 PMID:42026117	研究论文	利用条件变分自编码器从脑结构MRI中解耦轻度认知障碍（MCI）特异性特征，以区分其与正常认知老化的神经生物学基础	首次使用条件变分自编码器（CVAE）系统性地分离衰老相关的认知衰退与MCI特异性认知损伤，并隐式解缠潜在混杂效应，从而识别MCI特异性的脑结构改变	未明确说明局限性，但可能受限于样本来源（中国与北美人群）及MRI扫描参数的差异，以及仅使用T1结构MRI数据	解耦MCI特异性脑结构改变与正常认知老化的神经生物学底物，并构建预测阿尔茨海默病转化风险的个体化评分	轻度认知障碍（MCI）患者及健康对照的脑结构MRI数据	机器学习, 数字病理学, 计算机视觉	阿尔茨海默病, 老年疾病	T1结构MRI	条件变分自编码器（CVAE）	图像（T1加权MRI）	BABRI数据集918例，ADNI数据集1293例	NA	条件变分自编码器（CVAE）	AUC, p值	NA
103	2026-07-01	Physical mechanisms governing generalization and hallucination in deep learning for imaging through scattering media 2026-Apr-23, Nature communications IF:14.7Q1 DOI:10.1038/s41467-026-72304-z PMID:42026070	研究论文	基于散射介质的物理引导框架，揭示了深度学习在计算成像中泛化能力与幻觉现象的物理机制	通过散射介质作为可控模型系统，首次建立了泛化极限与幻觉起源之间的物理机制联系，并发现残余弹道光可作为稳定预测的锚点	依赖散射介质的简化模型，实际复杂散射环境的验证尚需进一步研究	阐明深度学习在散射成像场景中泛化与幻觉的物理机制，并设计可靠性提升策略	散射介质中的光传输过程以及基于深度学习的成像模型	计算成像、机器学习	NA	波光学仿真、散射介质光传输矩阵	深度学习模型	图像	NA	NA	NA	NA	NA
104	2026-07-01	Deep learning prediction of contrast extravasation versus intracranial hemorrhage after thrombectomy in patients with acute stroke 2026-04-22, BMC medical imaging IF:2.9Q2 DOI:10.1186/s12880-026-02298-z PMID:42021187	研究论文	利用深度学习预测急性中风患者取栓后造影剂外渗与颅内出血的区分	首次基于卷积神经网络开发两种深度学习模型，用于区分急性中风患者血管内取栓术后计算机断层扫描上的造影剂外渗与颅内出血，并证明其性能优于支持向量机和递归分区回归树模型	样本量较小，可能影响模型的泛化能力；未提及外部验证或多中心验证	探究并验证基于机器学习算法在术后即时计算机断层扫描中区分造影剂外渗与颅内出血的可行性	血管内取栓术后计算机断层扫描显示高密度影的急性中风患者	计算机视觉、机器学习	急性中风	计算机断层扫描	卷积神经网络、支持向量机、递归分区回归树	图像	106名患者中，63名为造影剂外渗，43名为颅内出血	NA	卷积神经网络	AUC	NA
105	2026-07-01	Diagnostic accuracy of ovarian cancer using convolutional neural network: a systematic review and meta-analysis 2026-04-18, BMC medical informatics and decision making IF:3.3Q2 DOI:10.1186/s12911-026-03462-9 PMID:42001040	系统综述与荟萃分析	评估卷积神经网络算法在卵巢癌诊断中的表现，综合分析了47项研究，显示高灵敏度与特异度	首次对CNN在卵巢癌诊断中的多种成像模态、架构及学习策略进行系统性亚组比较，并量化了MRI、CT等模态的诊断优势	纳入研究间存在显著异质性，且Deeks检验提示可能的发表偏倚，缺乏标准化的成像协议和外部验证	评估卷积神经网络算法识别卵巢癌的诊断性能	卵巢癌诊断研究中应用的CNN算法	计算机视觉	卵巢癌	NA	卷积神经网络	医学影像	系统综述纳入47项研究，荟萃分析纳入20项研究	R	ResNet, DenseNet, 其他架构	灵敏度, 特异度, 曲线下面积	NA
106	2026-07-01	CycleGAN-based image-to-image translation for synthetic contrast enhancement in non-contrast cardiac CT: a ViT-CNN hybrid deep learning approach 2026-04-16, BMC medical informatics and decision making IF:3.3Q2 DOI:10.1186/s12911-026-03446-9 PMID:41992180	研究论文	提出一种基于CycleGAN的ViT-CNN混合深度学习架构RICAUNet-v2，用于非对比剂增强心脏CT到对比剂增强CT的无配对图像转换，实现合成对比增强	将Vision Transformer层与RICA模块集成到CycleGAN框架中，实现局部与全局特征联合捕获，并通过相似性引导采样提升无配对转换的感知真实性	诊断实用性尚需进一步临床验证，且假阳性误分类可能源于保守或预期偏差而非缺乏真实性	开发无需造影剂的CT对比增强方法，解决造影剂过敏患者无法进行增强CT的问题	心脏非对比剂增强CT图像与对比剂增强CT图像之间的无配对转换	计算机视觉	心血管疾病	CT成像	CycleGAN	图像	未在摘要中明确说明	PyTorch	RICAUNet-v2（含RICA块和Vision Transformer层）	平均绝对误差, 峰值信噪比, 结构相似性指数, 弗雷歇初始距离	NA
107	2026-07-01	Deep Learning for Detection of Corneal Perforation on Anterior Segment Optical Coherence Tomography in Microbial Keratitis 2026-Apr-16, medRxiv : the preprint server for health sciences DOI:10.64898/2026.04.14.26350795 PMID:42170634	研究论文	基于深度学习模型，利用前段光学相干断层扫描图像自动检测微生物性角膜炎中的角膜穿孔	首次开发并评估利用ASOCT图像深度学习模型自动检测微生物性角膜炎中角膜穿孔，并分析健康对照包含与晶状体遮挡对模型性能的影响	单中心回顾性研究，样本量有限（150名患者），且需外部验证；模型依赖医师分级作为金标准，可能存在主观偏差	开发和评估深度学习模型用于自动检测微生物性角膜炎中角膜穿孔，以支持临床决策	微生物性角膜炎患者的ASOCT图像，以及对侧健康眼作为对照	计算机视觉	角膜疾病，感染性角膜炎	前段光学相干断层扫描	卷积神经网络	图像	150名患者（微生物性角膜炎），对侧健康眼为对照	NA	ResNet	AUC，敏感性，特异性	NA
108	2026-07-01	Differentiation of adrenal metastases and adenomas based on clinical characteristics, deep learning features, and radiomics features derived from ultrasound imaging 2026-04-14, BMC medical imaging IF:2.9Q2 DOI:10.1186/s12880-026-02343-x PMID:41981403	研究论文	开发整合临床特征、深度学习特征和超声放射组学特征的列线图，用于鉴别肾上腺转移瘤与肾上腺腺瘤	首次将临床特征、深度学习影像特征和超声放射组学特征整合为列线图，用于鉴别肾上腺转移瘤与腺瘤	回顾性研究，样本量相对较小，且未提及外部验证	建立并验证一个整合临床特征、深度学习特征和超声放射组学特征的列线图，以准确区分肾上腺转移瘤与肾上腺腺瘤	肾上腺转移瘤和肾上腺腺瘤患者	机器学习	肾上腺肿瘤	超声成像	深度学习模型（未明确具体类型）	图像（超声图像）和临床数据	449例（228例转移瘤，221例腺瘤），按7:3分为训练集和测试集	NA	NA	曲线下面积AUC	NA
109	2026-07-01	Multimodal deep learning with missing data robustness for enhanced early diagnosis of coronary artery disease using CCTA, clinical, and ECG data 2026-04-13, BMC medical informatics and decision making IF:3.3Q2 DOI:10.1186/s12911-026-03466-5 PMID:41975401	研究论文	提出一种多模态深度学习模型，整合CCTA影像、临床数据和心电图数据，以提升冠心病早期诊断准确率，并能耐受50%的数据缺失	首次整合三种类型数据（影像、临床、心电图）并采用加权融合策略，模型可容忍最多50%的缺失数据，显著提高冠心病诊断率（绝对提高10.43个百分点）	未提及具体限制，可能包括外部验证数据集规模有限或模型对极端缺失情况的鲁棒性不足	开发一种对缺失数据具有鲁棒性的多模态深度学习模型，以提升冠心病早期诊断准确率	接受冠脉CTA检查的连续患者	计算机视觉, 机器学习	冠心病	CCTA, ECG, 临床实验室检测	卷积神经网络	图像, 临床数据, 心电图数据	2022年2月至2023年8月期间接受冠脉CTA检查的连续患者，内部分割比例为7:1.5:1.5，并包含独立外部验证数据集	NA	卷积神经网络	AUC-ROC, Kappa系数	NA
110	2026-07-01	Deep learning‑based ultra-high-resolution CT imaging of viral pneumonia at admission and after discharge 2026-04-04, BMC medical imaging IF:2.9Q2 DOI:10.1186/s12880-026-02320-4 PMID:41935266	研究论文	本研究比较了基于深度学习的超高分辨率CT与高分辨率CT在病毒性肺炎入院和出院后的影像表现	利用深度学习超分辨率模型生成超高分辨率CT图像，显著提高图像清晰度和信噪比，更精确地显示病毒性肺炎的急性期炎症和恢复期早期纤维化改变	NA	比较深度学习超高分辨率CT与高分辨率CT在病毒性肺炎入院和出院后的影像特征	病毒性肺炎患者	计算机视觉	病毒性肺炎	超分辨率深度学习模型	超分辨率模型	CT图像	51名住院患者，102次CT扫描	NA	双分支架构（超分辨率与梯度引导）	信噪比、五点Likert评分	NA
111	2026-07-01	Multimodal model integrating ultrasound and demographic data for the diagnosis of knee osteoarthritis 2026-04-02, BMC medical imaging IF:2.9Q2 DOI:10.1186/s12880-026-02249-8 PMID:41922978	research paper	开发并评估多模态卷积神经网络模型，集成超声影像和人口统计学数据用于膝骨关节炎的诊断与严重程度分类	首次系统评估多模态CNN模型整合人口统计学因素（年龄、性别、BMI）对膝OA诊断性能的提升效果，并比较11种预训练架构的性能差异	人口统计学因素贡献较小，多模态模型仅在AlexNet架构上显示显著统计学改善，其他架构无显著差异	开发整合超声影像与人口统计学数据的多模态CNN模型，评估其对膝骨关节炎诊断及严重程度分类的实用性	膝骨关节炎患者的超声影像和人口统计学数据	machine learning, digital pathology	knee osteoarthritis	超声成像（Ultrasonography, US）	CNN	image、text（人口统计学数据）	491例肢体样本，其中318例确诊为膝骨关节炎	PyTorch（基于预训练的ImageNet模型）	AlexNet, ResNet50, ResNet152, GoogLeNet, VGG16（及其他共11种架构）	AUC（曲线下面积）、sensitivity（灵敏度）、specificity（特异性）、positive predictive value（阳性预测值）、negative predictive value（阴性预测值）、F1 score（F1分数）	NVIDIA GPU（未具体指定型号）
112	2026-07-01	A Deep Learning Tool for Hip Minimum Joint Space Width Calculation on Antero-posterior Pelvis Radiographs 2026-04, The Journal of arthroplasty IF:3.4Q1 DOI:10.1016/j.arth.2025.08.023 PMID:40848813	研究论文	开发一种深度学习工具，用于在骨盆前后位X光片上自动计算髋关节最小关节间隙宽度	提出了一种端到端的自动化算法，结合深度学习分割模型和计算机视觉算法，用于测量髋关节最小关节间隙宽度，并在外部验证中表现良好	未提及具体限制	开发并验证一种自动化算法，用于在骨盆前后位X光片上测量原生髋关节的最小关节间隙宽度	骨盆前后位X光片中的髋关节最小关节间隙宽度	计算机视觉	骨关节炎	NA	深度学习分割模型	图像	300张用于训练和验证的X光片，375张用于开发计算机视觉算法的额外图像，75张来自骨关节炎倡议的外部验证图像	NA	NA	平均绝对误差, Dice系数	NA
113	2026-07-01	AI-powered hierarchical classification of ampullary neoplasms: a deep learning approach using white-light and narrow-band imaging 2026-Apr, Surgical endoscopy DOI:10.1007/s00464-025-12534-2 PMID:41532990	研究论文	开发了一个基于AI的分层深度学习框架，利用白光和窄带成像逐步分类壶腹肿瘤	首次提出分层深度学习框架结合双模态成像（白光和窄带成像）和生成对抗网络合成数据增强，用于壶腹病变的逐步分类	样本来自单一中心，数据量有限，且模型对高分级异型增生和癌症的敏感性仍有提升空间	提高壶腹病变的内镜诊断准确性，特别是高风险异型增生病变的检测	瓦特壶腹病变	计算机视觉	壶腹肿瘤	内镜成像（白光和窄带成像）	卷积神经网络（EfficientNet-B4）和生成对抗网络（StyleGAN2-ADA）	内镜图像	464名患者的4244张内镜图像（训练/验证/测试：2693/833/718张）	PyTorch	EfficientNet-B4, StyleGAN2-ADA	准确率、敏感度、特异度、AUROC	NA
114	2026-07-01	Effect of Helicobacter pylori infection on deep learning-assisted detection of gastric neoplastic lesions under white light endoscopy 2026-Apr, Surgical endoscopy DOI:10.1007/s00464-025-12560-0 PMID:41535450	研究论文	评估幽门螺杆菌感染对深度学习辅助白光内镜下胃肿瘤病变检测的影响	首次系统评估了幽门螺杆菌感染对人工智能模型在胃肿瘤检测中诊断性能的影响，并发现根除感染可恢复模型性能	回顾性研究设计，样本来自单一医疗中心，可能限制外推性	探究幽门螺杆菌感染是否影响深度学习模型在白光内镜下对胃肿瘤病变的诊断准确性	幽门螺杆菌感染状态与人工智能模型检测胃肿瘤（低级别上皮内瘤变、高级别上皮内瘤变、早期胃癌）的关联	计算机视觉	胃癌	白光内镜	深度卷积神经网络	图像	训练集：563例患者的2347张图像；验证集：117例患者的447张图像	NA	深度卷积神经网络	准确率、灵敏度、特异度、阳性预测值、阴性预测值	NA
115	2026-07-01	The first reported case using real-time artificial intelligence with single-port robotics for colorectal surgery 2026-Apr, Surgical endoscopy DOI:10.1007/s00464-026-12688-7 PMID:41840080	研究论文	首次将基于计算机视觉和深度学习的实时人工智能技术与单端口机器人平台结合，成功应用于结直肠手术	首次实现AI实时视觉提示与单端口机器人系统的集成，在腹部手术中识别组织并辅助解剖，利用原有造口部位避免新增切口	仅报告单例患者，缺乏大规模验证和长期随访数据	探索AI实时视觉提示与单端口机器人平台在结直肠手术中的可行性	一位接受末端回肠造口还纳术的患者	计算机视觉	结直肠疾病	NA	深度学习模型（未具体说明架构）	图像	1例患者	NA	NA	NA	NA
116	2026-07-01	LEARNABLE HIERARCHICAL VISUAL CONTEXTS FOR TUMOR SEGMENTATION IN COMPUTED TOMOGRAPHY IMAGES 2026-Apr, Proceedings. IEEE International Symposium on Biomedical Imaging DOI:10.1109/isbi61048.2026.11515689 PMID:42367197	研究论文	提出一种可学习的层次化视觉上下文方法（LeVal），通过任务无关的语义上下文标记与任务相关的查询标记，优化CT图像中肿瘤分割的注意力机制	首次将可学习语义上下文与任务查询标记结合，通过2阶段预训练（自监督学习与多器官分割监督预训练）提升肿瘤分割性能，实现更强的肿瘤与健康组织嵌入分离	NA	提高CT图像中肿瘤自动分割的准确性，应对肿瘤形状、外观多变及边界模糊的挑战	CT影像中的胰腺、结肠、肾上腺及头颈部肿瘤	计算机视觉	胰腺癌, 结肠癌, 肾上腺癌, 头颈部肿瘤	NA	3D Swin Transformer, 可学习查询标记, 交叉注意力机制	CT图像	14000张未标记CT用于自监督学习，以及多个公开数据集（胰腺、结肠、肾上腺、头颈部癌症）	PyTorch	3D Swin Transformer, 交叉注意力模块	分割精度, 嵌入分离度	NA
117	2026-07-01	Configuration identification of on-demand variable stiffness strain-limiting layers in zig-zag soft pneumatic actuators using deep learning methods 2026-Apr, The International journal of robotics research DOI:10.1177/02783649251364287 PMID:41958848	研究论文	提出基于深度学习的方法识别可变刚度应变限制层配置以实现软气动执行器的按需轨迹	无需重新制造即可通过预测应变限制层配置实现多种轨迹，结合前馈神经网络和卷积神经网络解决逆运动学问题	当前研究仅针对细长软气动执行器，未明确提及对其他类型执行器的泛化性验证	开发预测软气动执行器所需应变限制层配置的方法，避免重复制造	可变刚度应变限制层的软气动执行器（如内窥镜原型、软体抓取系统、手指运动模拟）	机器学习	NA	NA	前馈神经网络（FFNN）、卷积神经网络（CNN）	执行器轨迹数据（笛卡尔空间坐标）	针对细长软气动执行器进行了验证，具体样本量未说明	NA	前馈神经网络、卷积神经网络	平均误差（1.65%）、轨迹预测精度	NA
118	2026-06-30	Automatic sleep staging from CPAP airflow using a dual fusion multi-period convolutional neural network 2026-04-29, Physiological measurement IF:2.3Q3 DOI:10.1088/1361-6579/ae60df PMID:41990791	研究论文	提出一种双融合多周期卷积神经网络（DFMP-CNN），用于从CPAP气流信号自动进行睡眠分期	利用多周期卷积核和双融合机制，编码CPAP-flow中已知的短程和长程时间依赖，克服传统固定尺度模型限制	未提及具体限制	实现基于CPAP设备的无创睡眠监测，用于治疗和纵向评估的双重目的	CPAP设备记录的气流信号（CPAP-flow）以及多周期时间依赖性	机器学习	阻塞性睡眠呼吸暂停低通气综合征	CPAP气流监测	卷积神经网络	时间序列信号	两个数据集：Yale数据集和Duke数据集，具体样本量未说明	PyTorch	DFMP-CNN	准确率，Cohen's kappa系数	NA
119	2026-06-30	Artificial intelligence-assisted risk prediction of postoperative pulmonary complications in non-small cell lung cancer surgery 2026-Apr-29, Journal of cardiothoracic surgery IF:1.5Q3 DOI:10.1186/s13019-026-04249-9 PMID:42057157	研究论文	开发并评估人工智能模型以预测非小细胞肺癌手术患者术后肺部并发症的风险	利用全连接深度神经网络结合十折交叉验证，在包含临床、实验室、呼吸功能、肿瘤放射学、手术和病理参数的多样化输入变量基础上进行预测	NA	预测非小细胞肺癌手术后肺部并发症，以优化围手术期护理并降低发病率	2001年至2023年间接受肺切除术和纵隔淋巴结清扫的非小细胞肺癌患者	机器学习, 数字病理学	肺癌	NA	深度神经网络	结构化数据	953名患者	NA	全连接深度神经网络	特异性, 敏感性, 阴性预测值, 阳性预测值, 准确率, F1分数, AUC, 决策曲线分析	NA
120	2026-06-30	From local textures to global attention: a hybrid feature fusion network for skin lesion classification 2026-Apr-24, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-48260-5 PMID:42014488	research paper	提出一种混合特征融合网络，集成深度学习方法实现对皮肤镜病变图像的精确分类	将局部纹理特征提取与全局注意力机制相结合，通过VGG-16、ResNet-50和视觉Transformer（ViT）三种定制化深度学习架构进行特征级融合，并利用HDFNet进行最终分类	NA	解决皮肤病变分类中病变外观变异、皮肤类型差异和临床可解释性等挑战	皮肤镜图像中的皮肤病变	computer vision	皮肤癌	深度学习、图像预处理、特征融合	深度学习神经网络、视觉Transformer	RGB图像	四个公开数据集，包括ISIC 2019、ISIC 2020、PAD-UFES和DermQuest DERMIS	Keras, TensorFlow	VGG-16、ResNet-50、Vision Transformer、HDFNet	准确率、AUC-ROC	NA