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
1001	2026-06-02	Estimating mechanical impedance from hydrophone measurements 2026-Jun-01, The Journal of the Acoustical Society of America IF:2.1Q1 DOI:10.1121/10.0043957 PMID:42223265	研究论文	提出一种利用稀疏水听器测量估算薄球壳机械阻抗的方法	无需训练阶段即可高效计算机械阻抗，适用于实时和低能耗场景	性能受频率升高引起的指向性限制	开发无需额外训练步骤的低能耗实时阻抗估算方法	薄球壳散射体的机械阻抗	机器学习	NA	水听器测量	NA	水听器测量数据	10个水听器	NA	NA	绝对百分比误差	NA
1002	2026-06-02	Evaluation of super-resolution deep learning reconstruction on three-dimensional constructive interference in steady state for enhanced visualization of vestibular schwannomas 2026-Jun-01, Radiological physics and technology IF:1.7Q3 DOI:10.1007/s12194-026-01073-7 PMID:42223818	研究论文	评估超分辨率深度学习重建在三维稳态干涉序列中增强前庭神经鞘瘤可视化的效果	首次将超分辨率深度学习重建应用于前庭神经鞘瘤的3D-CISS MRI，相比传统DLR和ZIP显著提升图像锐度和病变可见性	未提及算法局限性或计算资源需求，可能样本量较小（39例）	比较SR-DLR、DLR和ZIP三种重建技术在前庭神经鞘瘤可视化中的表现	39例前庭神经鞘瘤患者的三维稳态干涉MRI图像	计算机视觉, 医学影像	前庭神经鞘瘤	3D-CISS MRI	超分辨率深度学习重建	图像	39例前庭神经鞘瘤患者	NA	NA（未指定具体架构）	锐度评分, 边缘上升距离, 边缘上升斜率, 信噪比, 对比噪声比, 对比度比	NA
1003	2026-06-02	Attention-Guided Multi-View Contrastive Learning for Predicting Sparse Drug-Gene Associations 2026-Jun-01, Interdisciplinary sciences, computational life sciences DOI:10.1007/s12539-026-00843-6 PMID:42223887	研究论文	提出了一种注意力引导的多视图对比学习方法（AMCL），用于预测稀疏的药物-基因关联	提出注意力引导的多视图对比学习方法，整合多尺度特征学习和动态超图学习模块来捕获高阶依赖关系，并利用LCA偏置注意力机制提升模型区分能力	NA	提高现有预测模型在稀疏数据下的性能和泛化能力，用于药物发现和再利用	药物-基因相互作用关系	机器学习	NA	对比学习、图卷积网络、超图学习	对比学习模型	表格数据（稀疏的药物-基因关联数据）	三个数据集：DGIdb 5.0, ChEMBL和Guide to Pharmacology	NA	Multi-View Contrastive Learning, Graph Convolutional Network, Dynamic Hypergraph Learning, LCA-biased Attention	NA	NA
1004	2026-06-01	Comparison of machine learning and deep learning models in manual strength prediction using anthropometric variables 2026-Jun, International journal of occupational safety and ergonomics : JOSE IF:1.6Q3 DOI:10.1080/10803548.2025.2554461 PMID:41021732	研究论文	使用人体测量学变量评估机器学习与深度学习模型在手动力量预测中的表现	比较了传统机器学习与多种深度学习模型（包括TabNet、TabPFN和定制卷积神经网络）在手动力量预测中的性能，并结合SHAP分析解释特征重要性	深度学习模型在特定任务中表现优异，但线性回归在泛化方面更为稳健，且集成方法存在过拟合倾向	评估机器学习与深度学习模型在利用人体测量学变量预测手动力量方面的性能	墨西哥坎佩切经济活动人口中的382名参与者	机器学习	NA	NA	线性回归、随机森林、AdaBoost、极限梯度提升、TabNet、TabPFN、卷积神经网络	数值型数据（人体测量学变量和力量数据）	382名参与者（男性和女性）	NA	线性回归、随机森林、AdaBoost、XGBoost、TabNet、TabPFN、自定义卷积神经网络	平均绝对误差、均方误差、解释方差分数	NA
1005	2026-06-01	Artificial intelligence-based approaches to augmenting and automating surgical training 2026-Jun, BJU international IF:3.7Q1 DOI:10.1111/bju.70229 PMID:41817162	综述	综述了人工智能在手术技能评估与反馈中自动化改进手术训练的最新进展	系统总结了AI通过运动学、统计指标、计算机视觉和手势分析等多种方法自动化评估手术技能，并进一步用于生成自动反馈以改善手术表现	当前AI模型主要能检测较大技能差异并提供基础反馈，尚需开发能进行更精细技能评估和生成更详细建设性反馈的模型	探讨如何利用人工智能自动化手术技能评估与反馈，以改善手术训练中的不足	2015年至2025年间发表的关于AI用于手术训练的研究文献	计算机视觉,自然语言处理,机器学习	不适用	运动学分析,统计指标分析,计算机视觉,手势分析	深度学习模型（具体未指明）	手术视频,运动学数据,手势数据	不适用（综述，具体样本数量未提及）	不适用	不适用	与人类评分员的一致性	不适用
1006	2026-06-01	Artificial Intelligence in Spine Imaging Interpretation 2026-Jun, Seminars in musculoskeletal radiology IF:0.9Q4 DOI:10.1055/a-2836-8033 PMID:41980600	综述	本文综述了人工智能在脊柱影像解读中的最新应用，包括椎体骨折、脊柱畸形、退行性疾病、骨骼肿瘤、炎症性疾病和机会性筛查等病理领域	以病理为导向系统梳理了人工智能在脊柱影像中的创新应用，为肌肉骨骼放射科医生提供了全面的技术概览	作为叙述性综述，未进行系统性的文献检索或定量分析，可能遗漏部分最新研究	为放射科医生提供脊柱影像中人工智能应用的最新综述，促进临床采纳	脊柱影像解读中的人工智能应用，涵盖多种脊柱疾病	计算机视觉、机器学习	脊柱疾病	NA	深度学习、传统机器学习	影像	NA	NA	NA	NA	NA
1007	2026-05-31	LRF-CNN: An explainable lightweight receptive field-based CNN for colorectal cancer histopathological image classification 2026-Jun-19, iScience IF:4.6Q1 DOI:10.1016/j.isci.2026.115997 PMID:42211130	研究论文	提出了一种轻量级可解释感受野卷积神经网络（LRF-CNN），用于结直肠癌组织病理图像分类	集成了多分支轻量级感受野模块和注意力模块，并通过事后激活量化和多阶段特征图可视化提升模型可解释性	未提及具体局限性	开发一种准确、高效且可解释的深度学习模型，用于结直肠癌组织病理图像分类	结直肠癌组织病理图像	数字病理学	结直肠癌	组织病理学图像分析	卷积神经网络	图像	公共五类结直肠组织病理图像数据集	NA	轻量级感受野卷积神经网络	准确率	NA
1008	2026-05-31	Distinguishing lumpy skin disease from coat patterns using morphological priors in deep learning 2026-Jun, Veterinary journal (London, England : 1997) DOI:10.1016/j.tvjl.2026.106630 PMID:41780580	研究论文	开发基于形态学先验的深度学习模型，用于区分牛结节性皮肤病与皮毛图案	提出形态学驱动的图像分析框架，包含局部纹理细化模块和全局形态一致性模块，模拟兽医视觉判断过程，有效区分结节病变与复杂的皮毛纹理	输出为图像级分类（健康/病变），不能替代临床检查和实验室检测，仅作为辅助筛查工具	开发实用的形态学驱动筛查工具，用于牛群层面的图像监测，及早发现牛结节性皮肤病病变	牛结节性皮肤病（LSD）的图像检测	计算机视觉, 数字病理学	牛结节性皮肤病	形态学驱动的图像分析	CNN	图像	基于典型农场条件的多个数据集	NA	包含局部纹理细化模块和全局形态一致性模块的特定架构	图像级分类准确率	NA
1009	2026-05-31	LLM predicts human behavior: A BERT-based approach for conscientiousness personality trait detection from online content 2026-Jun, Acta psychologica IF:2.1Q2 DOI:10.1016/j.actpsy.2026.106832 PMID:42025613	研究论文	利用BERT模型从社交媒体内容中预测尽责性人格特质	采用BERT大型语言模型从在线文本中自动预测尽责性人格特质，准确率达97%，优于传统机器学习和深度学习结合特征工程的方法	NA	从社交媒体内容中自动识别尽责性人格特质，以分析用户行为	社交媒体用户的尽责性人格特质（判断型或感知型）	自然语言处理	NA	NA	BERT	文本	MBTI数据集	NA	BERT	准确率	NA
1010	2026-05-30	Fully automated quantification of net water uptake in acute ischemic stroke using only non-contrast CT imaging 2026-Jun, European radiology IF:4.7Q1 DOI:10.1007/s00330-025-12238-0 PMID:41444396	研究论文	提出一种仅基于非增强CT图像的急性缺血性脑卒中净水摄取量全自动量化方法	首次实现无需深度学习组件、仅依赖专家定义启发式规则的全自动NWU量化，避免了对CT灌注或扩散加权成像的依赖	分割精度中等（Dice系数约0.48），方法依赖于专家定义规则可能限制泛化能力	实现急性缺血性脑卒中病灶进展的自动化、可重复评估	急性缺血性脑卒中患者的非增强CT影像数据	计算机视觉	脑血管疾病	非增强CT成像	基于规则的图像处理流程	图像	内部数据集185例（排除后155例），外部测试51例（排除后46例）	OpenCV	无，使用专家定义启发式规则	病灶检出率、平均绝对NWU误差、Dice相似系数、平均精度均值	NA
1011	2026-05-30	MRI-to-PET synthesis via deep learning for amyloid-β quantification in Alzheimer's disease 2026-Jun, European radiology IF:4.7Q1 DOI:10.1007/s00330-025-12251-3 PMID:41495456	研究论文	构建深度学习模型，从结构MRI生成3D合成Aβ PET图像，用于阿尔茨海默病中淀粉样蛋白-β的量化	提出ShareGAN模型，在整张三维体积上操作而非2D切片，并利用共享参数生成对抗网络，真实再现邻接图像平面之间的微小差异	NA	提供安全、低成本的Aβ状态可视化工具，辅助早期阿尔茨海默病检测，减少不必要的PET扫描	阿尔茨海默病患者的Aβ PET和配对MRI图像	计算机视觉	阿尔茨海默病	MRI, PET	生成对抗网络	图像	1009对Aβ PET和MRI图像	NA	ShareGAN	结构相似性指数测量, 峰值信噪比, 平均绝对误差, 标准化摄取值比, 诊断准确率	NA
1012	2026-05-30	Deep learning-based automatic measurement of the femoral head ossification center in healthy Korean children: development of a novel radiographic growth chart 2026-Jun, European radiology IF:4.7Q1 DOI:10.1007/s00330-025-12263-z PMID:41528475	研究论文	基于深度学习的自动测量健康韩国儿童股骨头骨化中心大小并建立AI驱动的生长图表	首次开发基于深度学习的全自动测量股骨头骨化中心大小的算法，并利用AI测量数据建立标准化生长图表	NA	开发和验证基于深度学习的自动测量股骨头骨化中心大小算法，并建立AI驱动的生长图表	健康韩国儿童的股骨头骨化中心	计算机视觉	儿科髋关节发育异常	骨盆X线摄影	深度学习算法（三阶段）	图像	1705名健康韩国儿童（平均年龄5.1±3.3岁，女性841名，男性864名）	NA	感兴趣区域检测、股骨头骨化中心分割、基于标志点的尺寸计算	一致性相关系数、皮尔逊相关系数、平均绝对误差、均方根误差、Bland-Altman分析、配对t检验、Fisher Z检验、调整R²	NA
1013	2026-05-30	TomoRay cranial: synthesis of cranial CT imaging from biplanar radiographs using a generative adversarial network 2026-Jun, European radiology IF:4.7Q1 DOI:10.1007/s00330-025-12253-1 PMID:41537782	研究论文	探索利用生成对抗网络从双平面X光片合成颅脑CT图像的可行性研究	首次使用深度学习从双平面X光片生成合成颅脑CT图像	合成的CT图像与真实CT图像的一致性不佳，使用真实X光片时更具挑战	探索利用深度学习从成人神经外科患者的双平面X光片生成合成颅脑CT图像的可行性	成人神经外科患者的颅脑图像	计算机视觉	神经外科疾病	X光成像, CT成像	生成对抗网络	图像	模型1使用235张来自三个中心的图像；模型2使用1323张来自一个中心的图像	NA	NA	峰值信噪比, 结构相似性指数	NA
1014	2026-05-30	Deep learning-based automated contrast enema analysis to improve the assessment of Hirschsprung disease 2026-Jun, European radiology IF:4.7Q1 DOI:10.1007/s00330-025-12267-9 PMID:41572045	研究论文	使用深度学习自动分析对比灌肠图像以改善先天性巨结肠的诊断评估	首次将预训练的DenseNet121深度学习模型应用于对比灌肠图像的自动分析，用于诊断先天性巨结肠，并与放射科专家的评估进行对比，显示模型在特异性上优于放射科医生	研究为单中心回顾性观察研究，样本量有限，模型敏感性较低（58.5%），且与放射科医生的诊断一致性仅为中等	比较深度学习模型与放射科专家在对比灌肠图像中诊断先天性巨结肠的准确性和性能	2011年1月至2023年12月期间因疑似先天性巨结肠或其他临床适应症接受对比灌肠的221例儿科患者（278次对比灌肠）	医疗影像分析	先天性巨结肠	对比灌肠成像	深度神经网络	图像	221例患者（278次对比灌肠），平均年龄4.14岁，中位年龄2.65岁，男性64.8%，女性35.2%	PyTorch	DenseNet121	平衡准确率、敏感性、特异性、AUC-ROC、AUC-PR	NA
1015	2026-05-30	A comprehensive multi-task deep learning model for kidney cancer: histological subtyping, clinical staging, and anatomical complexity grading 2026-Jun, European radiology IF:4.7Q1 DOI:10.1007/s00330-026-12322-z PMID:41606245	研究论文	开发并验证了一个基于多相增强CT的多任务深度学习模型，用于同时评估恶性肾肿瘤的组织学亚型、临床分期和解剖复杂度分级	提出渐进式分层提取的多任务深度学习模型，通过共享特征同时完成三个预测任务，相比单任务模型在临床分期上表现更优，并减少了68%内存使用和提升60%速度	仅纳入两个中心的回顾性数据，样本量有限，未涉及多中心验证及前瞻性研究	实现术前对恶性肾肿瘤的组织学亚型、临床分期和解剖复杂度进行快速准确的综合评估，辅助手术方案优化	实体恶性肾肿瘤患者及其术前肾脏多相增强CT图像	计算机视觉, 数字病理学	肾癌	CT增强成像	多任务深度学习	CT图像	798名患者（中心A 620例，中心B 178例）	NA	渐进式分层提取网络	AUC, 决策曲线分析	NA
1016	2026-05-30	Development and interpretation of a dual-energy CT-based deep learning radiomics model for predicting new cerebral ischemic lesions after carotid artery stenting: a multicenter study 2026-Jun, European radiology IF:4.7Q1 DOI:10.1007/s00330-026-12351-8 PMID:41639308	研究论文	开发并解释基于双能CT的深度学习影像组学模型，用于预测颈动脉支架置入术后新发脑缺血性病变的多中心研究	首次结合双能CT多参数影像的深度学习特征、手工影像组学特征及临床影像危险因素，构建可解释的预测模型，并应用SHAP分析实现全局和局部解释	未明确提及局限性；可能受限于回顾性设计、样本量有限及外部验证仅一个中心	早期识别颈动脉支架置入术后发生新同侧缺血性病变的高危患者，以优化预防性治疗策略	三个中心接受颈动脉支架置入术的患者共336例	数字病理学、计算机视觉	脑血管疾病	双能CT成像	深度学习影像组学、支持向量机	图像（双能CT多参数图像）、临床影像数据	336例患者（训练集135例，内部验证集58例，外部测试集143例）	NA	NA	曲线下面积（AUC）	NA
1017	2026-05-30	Automatic hepatic steatosis quantification using low-dose CT with deep learning-based noise reduction and CT fat fraction analysis software 2026-Jun-01, The British journal of radiology DOI:10.1093/bjr/tqag054 PMID:41787978	研究论文	利用深度学习降噪和CT脂肪分数分析软件，评估低剂量CT自动量化肝脂肪变性的准确性	首次评估深度学习降噪重建对低剂量CT中CT衍生脂肪分数准确性的提升效果，并系统分析不同辐射剂量下的诊断性能	未提及具体限制	评估CT衍生脂肪分数软件在不同辐射剂量下量化肝脂肪变性的准确性，并考察深度学习降噪的影响	肝移植活体供者候选人的肝脂肪变性	计算机视觉	肝脂肪变性	非对比CT、MRI、深度学习降噪重建	深度学习噪声降低模型	CT图像、MRI图像	125名参与者（平均年龄38±10岁，77名男性），29人（23%）有肝脂肪变性	NA	深度学习降噪重建网络	皮尔逊相关系数、受试者工作特征曲线下面积	NA
1018	2026-05-30	A multi-toxicity deep learning approach for normal tissue complication probability modelling in head and neck cancer patients receiving radiotherapy 2026-Jun, Radiotherapy and oncology : journal of the European Society for Therapeutic Radiology and Oncology IF:4.9Q1 DOI:10.1016/j.radonc.2026.111486 PMID:41856253	研究论文	开发一种多毒性深度学习模型，用于预测头颈癌患者放疗后正常组织并发症概率	首次利用多任务深度学习建模多种毒性同时发生的关系，提升预测性能	多毒性模型在所有终点上并非一致提升，部分毒性预测性能低于单任务模型	通过同时预测多种放射性毒性，捕捉毒性间的关系以提高正常组织并发症概率建模性能	头颈癌患者放疗后的五种毒性：误吸、吞咽困难、唾液粘稠、味觉改变和口干症	机器学习	头颈癌	NA	深度学习模型	3D剂量分布、CT扫描、器官危象分割、患者特征	1418例头颈癌患者（多机构队列）	NA	NA	AUC	NA
1019	2026-05-30	Enhancing Drug Response Prediction in Epilepsy with Emerging Multimodal Models: Focus on Clinical, Pharmacologic, and Genomic Factors 2026-Jun, CNS drugs IF:7.4Q1 DOI:10.1007/s40263-026-01295-8 PMID:42143205	综述	本文综述了新兴多模态模型在增强癫痫药物反应预测中的应用，重点关注临床、药理学和基因组因素	提出了利用人工智能和深度学习模型整合患者基因组风险因素与临床特征（如癫痫类型、MRI/EEG发现）进行多模态建模的新策略，并探讨了AI基础模型在癫痫小队列中的压缩表示能力	模型评估、数据可用性、伦理考虑和临床转化障碍等持续存在的挑战	探讨如何利用新兴技术（特别是AI和深度学习）提高癫痫药物反应预测的准确性，推动个体化抗癫痫药物处方	癫痫患者、抗癫痫药物、临床特征（癫痫类型、MRI/EEG发现）、基因组风险因素	机器学习	癫痫	NA	深度学习模型，AI基础模型	临床数据、药理学数据、基因组数据	NA	NA	NA	NA	NA
1020	2026-05-30	Development of a quantitative multiparametric ultrasound and deep learning classifier for the detection of prostate cancer 2026-Jun, European radiology IF:4.7Q1 DOI:10.1007/s00330-026-12323-y PMID:41612079	研究论文	开发了一种基于定量多参数超声和深度学习的分类器，用于检测临床显著性前列腺癌	首次利用3D多参数超声提取定量特征，结合深度学习分类器在较大规模的多中心前瞻性队列中准确检测临床显著性前列腺癌，并在外部数据集上验证了良好的泛化性能	未明确说明	开发一种基于深度学习的分类器，利用3D多参数超声的定量特征预测临床显著性前列腺癌的存在	327名疑似前列腺癌患者的前瞻性多中心队列	机器学习	前列腺癌	3D多参数超声，包括动态对比增强超声和剪切波弹性成像	3D深度学习分类器	定量超声特征	327名患者（250名用于训练和内部评估，77名用于外部评估）	NA	NA	受试者工作特征曲线下面积（ROC AUC）	NA