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
161	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
162	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
163	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
164	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
165	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
166	2026-05-30	Multimodal deep learning for laryngeal squamous cell carcinoma staging using CT and laryngoscopy 2026-Jun, European radiology IF:4.7Q1 DOI:10.1007/s00330-025-12315-4 PMID:41617832	研究论文	开发并验证一种整合临床数据、增强CT和喉镜图像的多模态深度学习模型，用于区分早期和晚期喉鳞状细胞癌	首次将临床数据、增强CT和喉镜图像进行特征级融合，构建多模态深度学习模型用于喉癌术前分期，相较于单一模态方法显著提高诊断准确性和预后分层能力	NA	开发并验证一种多模态深度学习模型，整合临床数据、增强CT和喉镜图像，用于术前准确区分早期和晚期喉鳞状细胞癌	喉鳞状细胞癌患者	计算机视觉, 数字病理学	喉鳞状细胞癌	增强CT, 白喉镜	深度学习, 多示例学习, 逻辑回归	图像, 临床数据	450名患者（训练集235人，内部验证集101人，外部验证集114人）	PyTorch	CT深度学习模型, 喉镜多示例学习模型, 临床逻辑回归模型, 随机梯度下降分类器	AUC, 准确率, 灵敏度, 特异性, 校准曲线, 决策曲线分析, 一致性指数(C-index)	NA
167	2026-05-30	Auto-LSN: fully automated liver surface nodularity quantification in CT based on deep learning for the evaluation of advanced chronic liver disease 2026-Jun, European radiology IF:4.7Q1 DOI:10.1007/s00330-026-12346-5 PMID:41642300	研究论文	提出基于深度学习的全自动肝脏表面结节性（LSN）量化算法auto-LSN，用于评估晚期慢性肝病	首次实现LSN量化的全自动化流程，并证明其诊断性能非劣于FDA批准的半自动化软件	回顾性双中心研究设计，样本量相对较小（127例）	验证全自动LSN算法在慢性肝病纤维化分期中的诊断效能，并评估其非劣效性	慢性肝病患者的肝脏CT图像和肝活检组织	计算机视觉	晚期慢性肝病、肝硬化	CT	深度学习	CT图像	127例患者（平均年龄68±12岁，97名男性）	NA	NA	AUC、Spearman相关系数、非劣效性检验	NA
168	2026-05-26	Interpretable Deep Regression Models With Interval-Censored Failure Time Data 2026-Jun, Statistics in medicine IF:1.8Q1 DOI:10.1002/sim.70609 PMID:42179352	研究论文	提出一种结合深度神经网络与部分线性变换模型的区间删失失效时间数据回归框架	首次将可解释的深度回归模型扩展至区间删失数据，兼顾关键参数的线性可解释性和干扰协变量的非线性灵活性	未详细讨论模型在高维协变量场景下的计算效率和可扩展性	建立用于区间删失失效时间数据的可解释深度回归模型	区间删失失效时间数据	机器学习	阿尔茨海默病	NA	深度神经网络	NA	NA	NA	NA	NA	NA
169	2026-05-26	An upper limb stroke rehabilitation exercise video dataset 2026-Jun, Data in brief IF:1.0Q3 DOI:10.1016/j.dib.2026.112819 PMID:42181301	研究论文	提出一个用于上肢中风康复运动视频数据集，包含491个视频和四种上肢肌肉强化运动，由十名志愿者在多种背景和光照条件下使用RGB相机录制	第一个专门针对家庭康复场景、包含四种不同上肢肌肉强化运动、由普通RGB相机拍摄并具有详细标注的视频数据集	样本量有限（仅十名志愿者），运动种类较少（仅四种），未提及患者实际康复效果验证	为开发基于深度学习的低成本远程康复系统提供数据支持，改善中低收入国家中风患者的康复护理可及性	中风患者上肢康复运动视频	计算机视觉	中风	RGB视频录制	深度学习（通用，未指定具体模型）	视频	491个视频，来自10名志愿者	NA	NA	NA	NA
170	2026-05-26	Predicting Visual Field Loss in Glaucoma Using OCT and Deep Learning: A Comparative Study of U-Net Variants 2026-Jun, Ophthalmology science IF:3.2Q1 DOI:10.1016/j.xops.2026.101169 PMID:42181664	研究论文	本研究使用三种深度学习模型（R2 U-Net、Dense U-Net 和 Nested U-Net++）基于OCT图像预测青光眼患者的视野缺损	首次应用生成式人工智能模型（如R2 U-Net）基于OCT数据预测视野缺损	样本来自单一三级转诊中心，仅分析左眼以避免眼间相关性，未涉及多中心验证	评估不同U-Net变体在基于OCT的视网膜神经纤维层厚度图预测视野结果中的性能	1640名青光眼患者的OCT和视野数据	计算机视觉	青光眼	OCT	深度学习生成模型（U-Net变体）	图像（OCT视网膜神经纤维层厚度图）	1640名青光眼患者，每例分析一只左眼	NA	R2 U-Net, Dense U-Net, Nested U-Net (UNet++)	均方误差(MSE), 平均绝对误差(MAE), 峰值信噪比(PSNR), 结构相似性指数(SSIM), Fréchet初始距离(FID)	NA
171	2026-05-26	Content matters, context matters: unraveling behavior dynamics in an online health community for tobacco cessation 2026-Jun, JAMIA open IF:2.5Q3 DOI:10.1093/jamiaopen/ooag068 PMID:42181702	研究论文	探索在线健康社区中关于戒烟交流的内容和上下文对信息传播及行为动态的影响	将大型语言模型与网络分析相结合，利用随机行动者导向模型分析内容和上下文对社交网络拓扑与行为动态的交互影响	未提及	研究在线健康社区中关于烟草使用交流的信息扩散模式，以及内容和特定上下文因素对行为动态的影响	在线戒烟论坛QuitNet中的社区成员及消息	自然语言处理	烟草成瘾及戒烟行为	大型语言模型，社交网络分析	大型语言模型（LLMs）	文本	64,632名成员，239万条消息（2000-2015年），三个波次分别有3055、2475和2289名成员	NA	大型语言模型（LLMs）	F1分数	NA
172	2026-05-25	Oral bioavailability property prediction based on task similarity transfer learning 2026-Jun, Molecular diversity IF:3.9Q2 DOI:10.1007/s11030-025-11345-w PMID:40928678	研究论文	基于任务相似性迁移学习预测人类口服生物利用度，以优化药物候选分子并提高临床成功率	提出相似性引导的迁移学习框架TS-GTL，包含PGnT深度模型，结合分子图与外部知识，并引入MoTSE量化理化性质与HOB的相似性，实现数据稀缺场景下的高效预测	未提及具体局限性，但可能面临数据依赖性问题的挑战	提高人类口服生物利用度预测的准确性与可解释性，为药物ADMET性质研究提供高效方法	药物分子的口服生物利用度及其相关理化性质	机器学习	药物研发	分子图表示学习	深度学习模型（PGnT）	分子结构与理化性质数据	未提供具体样本数量	NA	GNN, Transformer编码器	准确率	NA
173	2026-05-25	Automated Coregistered Segmentation for Volumetric Analysis of Multiparametric Renal MRI 2026-06, Magnetic resonance in medicine IF:3.0Q2 DOI:10.1002/mrm.70288 PMID:41639936	研究论文	开发并评估了一个全自动深度学习驱动后处理流程，用于多参数肾脏MRI，实现准确的肾脏对齐、分割和定量特征提取	提出了一种集成深度学习分割网络与图像配准的全自动流程，在单一高效工作流中完成多参数肾脏MRI的配准、分割和定量分析，显著提高了处理速度和准确性	未明确提及局限性，但样本量相对较小（24名患者和10名健康受试者），且仅在肾脏MRI数据集上验证，泛化性有待进一步研究	开发并评估用于多参数肾脏MRI的自动化深度学习后处理流程，以支持肾脏疾病的诊断和治疗规划	肾脏结构的分割与对齐，以及多参数MRI的定量特征提取	计算机视觉, 数字病理学	前列腺癌, 神经内分泌肿瘤, 肾脏疾病	MRI（多参数磁共振成像）	深度学习分割网络，深度学习图像配准模型	医学图像（多参数肾脏MRI）	24名前列腺癌或神经内分泌肿瘤患者及10名健康受试者，每人进行重复扫描	NA	分割网络，深度学习配准网络	相关系数（r > 0.9），组内相关系数，偏差	每扫描约需15秒处理时间，未指定具体GPU或云平台
174	2026-05-25	K-CC-MoCo: A Fast k-Space-Based Respiratory Motion Correction for Highly Accelerated First-Pass Perfusion Cardiovascular MR 2026-Jun, Magnetic resonance in medicine IF:3.0Q2 DOI:10.1002/mrm.70287 PMID:41664248	研究论文	提出一种名为K-CC-MoCo的快速k空间呼吸运动校正方法，用于高加速首过灌注心血管磁共振成像	在k空间直接进行呼吸运动校正，避免了图像域方法对初始重建的依赖；通过归一化互相关目标函数处理动态对比变化；通过基于感兴趣区域的线圈压缩聚焦心脏区域	方法为刚性运动校正，可能无法完美处理非刚性运动；仅在自由呼吸FPP-CMR中验证，未在更广泛临床应用评估	解决自由呼吸首过灌注心血管磁共振成像中的呼吸运动校正问题，支持基于模型或深度学习的重建	自由呼吸FPP-CMR的呼吸运动	机器学习	冠状动脉疾病	K空间运动校正	归一化互相关（NCC）	MRI图像	数字体模及真实自由呼吸FPP-CMR数据（不同加速因子）	NA	NA	SSIM	NA
175	2026-05-25	Accelerating MRI With Longitudinally-Informed Latent Posterior Sampling 2026-06, Magnetic resonance in medicine IF:3.0Q2 DOI:10.1002/mrm.70257 PMID:41724725	研究论文	提出一种基于扩散模型的重建框架，利用纵向既往扫描加速MRI采集，无需配对训练数据	不需要纵向配对训练数据，能够整合受试者既往扫描的DICOM格式幅度图像以指导随访重建，并开放多会话配对数据集	未明确提及，但可能依赖于既往扫描与随访扫描的结构相似性，在解剖或病理变化较大时效果可能受影响	加速MRI采集，通过整合受试者既往扫描提高重建质量	MRI纵向成像中的受试者，包括既往扫描和随访扫描	计算机视觉	NA	扩散模型	扩散模型	磁共振成像（MRI）图像和k空间数据	开放获取的临床数据集，包含多会话对的既往DICOM和随访k空间	NA	扩散模型	SSIM, PSNR	NA
176	2026-05-25	TabulaTime: Novel multimodal deep learning for Acute Coronary Syndrome prediction through environmental and clinical data integration 2026-06, Artificial intelligence in medicine IF:6.1Q1 DOI:10.1016/j.artmed.2026.103395 PMID:41825437	研究论文	提出TabulaTime，一种多模态深度学习框架，通过整合临床和环境数据增强急性冠脉综合征风险预测	三方面创新：多模态时间序列环境与临床数据整合；采用PatchRWKV以线性计算复杂度提取复杂时间模式；通过注意力机制增强可解释性	NA	增强急性冠脉综合征风险预测	急性冠脉综合征患者，包括STEMI和NSTEMI	机器学习	心血管疾病	NA	深度学习	时间序列数据和临床数据	NA	NA	PatchRWKV	准确率	NA
177	2026-05-25	PatientFlow: Learning to generate mixed-type longitudinal clinical data with flow matching 2026-06, Artificial intelligence in medicine IF:6.1Q1 DOI:10.1016/j.artmed.2026.103392 PMID:41830733	研究论文	提出PatientFlow方法，结合变分自编码器和流匹配，生成混合类型纵向临床数据，以支持深度学习在医疗中的应用	首次将变分自编码器与流匹配结合用于纵向临床数据的生成，能处理静态和时序混合类型数据，且生成的数据在临床终点预测上堪比甚至超越真实数据	仅在肌萎缩侧索硬化症一个队列（N=1560）上验证，可能需在其他疾病中进一步测试其泛化能力	生成高保真的合成纵向临床数据，以解锁大规模深度学习模型在复杂疾病中的应用并保护患者隐私	肌萎缩侧索硬化症患者的纵向临床数据，包括静态和时序混合类型成分	机器学习	肌萎缩侧索硬化症	NA	变分自编码器、流匹配	纵向临床数据（静态和时序混合类型）	1560名肌萎缩侧索硬化症患者	NA	变分自编码器、流匹配	临床专家验证、预后模型性能（五个临床终点）	NA
178	2026-05-25	AI-Based Forecasting of National Tourism Revenues: Integrating Economic, Fiscal, Political, and Environmental Determinants Through Regression-Oriented Hybrid Models 2026-Jun, Big data IF:2.6Q2 DOI:10.1177/2167647X261431683 PMID:41902908	研究论文	提出一个集成经济、财政、政治和环境因素的混合模型框架，用于预测国家旅游收入	提出回归导向的两阶段残差提升设计，先以Transformer作为主要预测器，再以LightGBM拟合残差校正系统误差，实现透明错误归因，超越以往的DL-DL堆叠混合模型	实证结果为相关性和预测关联，不应解读为政策干预的因果效应	提升国家旅游收入预测的准确性和可解释性，为政策制定提供指导	国家层面的旅游收入预测	机器学习	NA	NA	混合模型（LightGBM + Transformer）	面板数据	国家-年份面板数据（未明确具体样本量）	NA	Transformer, LightGBM	平均绝对误差, 均方根误差, 平均绝对百分比误差	NA
179	2026-05-25	Spectral Representation of Neurochemicals With Phase, Frequency Offset, and Lineshape Invariance: Application to JPRESS for In Vivo Concentration and T2 Mapping by Deep Learning 2026-06, Magnetic resonance in medicine IF:3.0Q2 DOI:10.1002/mrm.70291 PMID:41654995	研究论文	利用深度学习模型从JPRESS数据中直接映射神经化学物质浓度和平均横向弛豫时间（T2），并实现对相位偏移、频率偏移和线型变化的鲁棒性	提出了一个对相位偏移、频率偏移和线型变化具有不变性的谱表示方法，并利用WaveNet和门控循环单元（GRU）的组合从时间域JPRESS数据中提取TE特定表示，实现无需光谱编辑即可检测低浓度神经化学物质（如GABA）	NA	开发一种基于人工智能的表示方法，直接输出神经化学物质浓度和代谢物级平均横向弛豫时间（T2），并提高实际应用中的可行性	神经化学物质（包括GABA等低浓度物质）和代谢物级平均T2值	机器学习	NA	JPRESS光谱	神经网络	时间域光谱数据（JPRESS）	计算机合成数据用于训练，未涉及具体体内样本数量	NA	WaveNet, 门控循环单元（GRU）	文献对比验证一致性和鲁棒性	NA
180	2026-05-25	Twin cross contrastive learning with multi-modality fusion for drug-target affinity prediction 2026-06, Artificial intelligence in medicine IF:6.1Q1 DOI:10.1016/j.artmed.2026.103394 PMID:41806518	研究论文	提出一种基于双交叉对比学习与多模态融合的药物-靶标结合亲和力预测框架TCCL	首次引入双交叉对比学习架构，同时从分子尺度和网络尺度提取语义与结构信息，并通过多模态融合增强表征能力	未在更多真实场景或更大规模数据集上进行验证，计算资源需求未明确说明	提升药物-靶标结合亲和力预测的准确性和泛化能力	药物分子与靶标蛋白	机器学习	NA	NA	双编码器神经网络	分子结构数据、拓扑图数据	两个基准数据集	NA	双流编码器、双交叉对比学习架构	准确率、F1分数、AUC	NA