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
321	2026-06-30	Deep learning for early diagnosis of uveal melanoma: a systematic review and meta-analysis 2026-Jul, 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/s12094-025-04187-3 PMID:41615646	系统综述与荟萃分析	评估深度学习算法在葡萄膜黑色素瘤早期诊断中的准确性	首次系统评估深度学习在葡萄膜黑色素瘤鉴别诊断中的敏感性和特异性，提出通过眼底图像分析实现早期、非侵入性检测的可能性	纳入研究数量有限（仅5项），特异性异质性较高（I2=72.3%），且多模态成像临床应用受限	评估深度学习算法在葡萄膜黑色素瘤鉴别诊断中的准确性（灵敏度、特异性及F1分数）	葡萄膜黑色素瘤患者与健康个体或眼痣患者	机器学习	葡萄膜黑色素瘤	NA	深度学习算法	眼底图像	6388例患者（2981例葡萄膜黑色素瘤，2563例眼痣，844例健康）	NA	NA	敏感性, 特异性, F1分数	NA
322	2026-06-30	Disentangled generative uncertainty-aware multi-modal diffusion segmentation of medical images 2026-07, Medical image analysis IF:10.7Q1 DOI:10.1016/j.media.2026.104122 PMID:42096954	研究论文	提出一种解耦生成式不确定性感知多模态扩散分割框架，用于稳健的多模态医学图像分割	首次将生成式人工智能的生成式概率特性直接集成到解耦、自适应和不确定性感知的融合机制中，利用去噪扩散概率模型内在学习数据概率分布，无需事后应用不确定性量化	NA	实现稳健的多模态医学图像分割，提供校准良好且临床可解释的不确定性图	多模态医学图像	数字病理学	NA	去噪扩散概率模型	扩散模型	图像	NA	NA	去噪扩散概率模型	准确性、不确定性量化校准	NA
323	2026-06-30	No modality left behind: Adapting to missing modalities via knowledge distillation for brain tumor segmentation 2026-07, Medical image analysis IF:10.7Q1 DOI:10.1016/j.media.2026.104108 PMID:42107353	研究论文	提出了一种针对缺失模态场景的脑肿瘤分割框架AdaMM，通过知识蒸馏和三个协同模块提高分割准确性和鲁棒性	提出图引导的自适应细化模块、双瓶颈蒸馏模块和病变存在引导的可靠性模块，创新性地结合知识蒸馏处理缺失模态问题	未明确说明局限性，但可能依赖于特定数据集和模态组合的假设	解决多模态MRI中缺失模态导致的深度学习模型鲁棒性和泛化性不足问题	脑肿瘤MRI图像中的肿瘤区域分割	计算机视觉	脑肿瘤	多模态MRI	基于知识蒸馏的深度学习框架	图像	使用了Pretreat-MetsToBrain-Masks、BraTS 2018和BraTS 2024三个数据集	PyTorch	NA	分割准确率、鲁棒性	NA
324	2026-06-30	VQ-DoseNet: A vector quantized model for stochastic radiotherapy dose prediction 2026-07, Medical image analysis IF:10.7Q1 DOI:10.1016/j.media.2026.104123 PMID:42134284	research paper	提出了一种基于向量量化的随机剂量预测模型VQ-DoseNet，用于放射治疗计划中的剂量分布生成	首次在剂量预测中引入向量量化机制，通过扰动输入特征显式建模剂量分布的概率特性，生成多种合理的剂量分布以反映临床变异性	未提及模型在真实临床工作流中的实际计算开销和部署可行性，且仅针对特定体部（可能指头颈部等）验证了泛化性	解决传统深度学习模型确定性输出无法捕捉剂量分布固有变异性的问题，提升放射治疗计划效率	放射治疗中的剂量分布预测	machine learning	放射治疗相关疾病（未指定具体癌症类型）	放射治疗剂量预测	向量量化模型（VQ-DoseNet）	剂量分布数据	in-house数据集（未指明具体数量）和OpenKBP公共数据集	NA	向量量化模型	平均绝对误差（MAE）、剂量评分、DVH评分	NA
325	2026-06-30	An interpretable PET/CT-based radiomic-clinical model for predicting bone marrow involvement in follicular lymphoma: comparison of pelvic and spine-pelvis VOI frameworks 2026-Jul, European journal of nuclear medicine and molecular imaging IF:8.6Q1 DOI:10.1007/s00259-026-07918-y PMID:42142271	research paper	通过PET/CT影像组学与临床特征融合，构建可解释模型预测滤泡性淋巴瘤骨髓浸润，并比较骨盆与脊柱-骨盆感兴趣区框架的性能差异	首次比较两种不同的骨髓感兴趣区框架（骨盆与脊柱-骨盆）对预测滤泡性淋巴瘤骨髓浸润模型性能的影响，并通过SHAP分析增强模型可解释性	回顾性单中心研究，样本量有限（187例），且脊柱-骨盆框架的模型性能优势需要进一步在多中心数据集验证	开发基于基线18F-FDG PET/CT的非侵入性模型预测滤泡性淋巴瘤骨髓浸润，并评估不同骨髓感兴趣区框架的效果	新诊断的滤泡性淋巴瘤患者（187例，其中93例存在骨髓浸润）	machine learning	滤泡性淋巴瘤	18F-FDG PET/CT（正电子发射断层扫描/计算机断层扫描）	机器学习模型（梯度提升机、逻辑回归、支持向量机等七种）	影像数据（PET/CT影像特征）、临床数据	187例患者（93例有骨髓浸润）	NA	GBM, LR, SVM, NN, RF, KNN, AdaBoost	AUC, 准确率, 精确率, 灵敏度, 特异度, F1分数	NA
326	2026-06-30	Artificial intelligence-based anatomical recognition improves surgeon decision-making during robotic gastrectomy 2026-Jul, Gastric cancer : official journal of the International Gastric Cancer Association and the Japanese Gastric Cancer Association IF:6.0Q1 DOI:10.1007/s10120-026-01756-5 PMID:42154345	研究论文	开发基于人工智能的解剖识别模型，辅助机器人远端胃切除术中的术者决策	首次将AI解剖识别应用于机器人胃切除术中，并评估其对术者术中决策的临床效用	模型对左胃动脉和左胃静脉的识别IoU较低（0.216、0.232），需进一步优化	评估AI模型在机器人远端胃切除术中辅助术者进行解剖识别和决策的效用	机器人远端胃切除术中胰腺、肝总动脉、左胃动脉和左胃静脉的解剖结构识别	计算机视觉	胃癌	深度学习	深度学习模型	手术视频	67个手术视频（54个训练，13个测试），20名外科医生参与实验	NA	NA	交并比，5点量表评分，识别时间	NA
327	2026-06-30	Multi-Center Adversarial Bi-Phase Cross-Attention Network for Right Ventricular Segmentation and Functional Classification in Echocardiography 2026-Jul, Echocardiography (Mount Kisco, N.Y.) DOI:10.1111/echo.70527 PMID:42365531	研究论文	提出TACA-Net，一个统一的多中心框架，用于二维超声心动图中右心室心内膜分割和功能严重性分类	首次将域对抗学习、双向双相交叉注意力和多任务联合训练整合在一个框架中，同时解决右心室分割和功能分类问题，并在多中心超声设备上实现鲁棒泛化	数据来自单一三级医院网络内的三个临床站点，可能限制泛化性；未探讨模型在更广泛超声设备和人群中的表现	开发并前瞻性验证一个统一的多中心框架，用于自动右心室分割和功能分类，以克服形态复杂性和单中心模型的域脆弱性	二维心尖四腔超声心动图中的右心室	医学图像分析	右心室功能不全	二维超声心动图	深度学习模型	图像	训练和交叉验证集1240名患者（站点A和B），外部测试集320名患者（站点C）	PyTorch	TACA-Net（结合梯度反转层域判别器、双向双相交叉注意力模块、双头解码器）	Dice相似系数（DSC）、豪斯多夫距离95百分位（HD95）、宏平均AUC	NA
328	2026-06-29	Comment on "Automatic rib fracture detection on postmortem CT data using deep learning" 2026-Jul, International journal of legal medicine IF:2.2Q1 DOI:10.1007/s00414-026-03755-8 PMID:41731167	评论	对Lopez-Melia等人利用深度学习自动检测死后CT肋骨骨折研究的评论，并讨论其发现解释中的三个问题	指出前人研究对比不明确、参考标准可能存在循环性、以及领域偏移实验设计中的关键缺陷，并提出改进建议	参考标准由同一位放射科医生基于模型输出修订，可能导致循环验证；临床与死后CT数据间的领域偏移未充分处理	批判性分析自动肋骨骨折检测研究的有效性，并推动法医实践中的计算机辅助检测发展	死后CT肋骨骨折检测方法及临床与死后数据间的领域偏移影响	计算机视觉	肋骨骨折	死后CT成像	nnDetection（三维目标检测框架）	CT影像	未明确提及	nnDetection	无明确指定	未详细列出	未提及
329	2026-06-29	Deep learning in traditional Chinese medicine 2026-Jul, Journal of integrative medicine DOI:10.1016/j.joim.2026.03.001 PMID:41856852	综述	总结了深度学习在中医研究中的应用，包括医学图像处理、药物物质研究、数据融合和自然语言处理	首次系统综述深度学习在中医数据挖掘中的潜力与挑战	中医高质量数据仍不足，限制了深度学习技术的进一步发展	探讨深度学习在中医领域的应用现状与前景	中医领域的医学图像、药物物质、数据融合和自然语言处理数据	自然语言处理	NA	NA	深度学习	图像和文本	NA	NA	NA	NA	NA
330	2026-06-29	The effect of deep learning-based compressed sensing on the image quality of contrast-enhanced 3D T1-weighted images of the maxillofacial region 2026-Jul, Oral radiology IF:1.6Q3 DOI:10.1007/s11282-026-00913-x PMID:41886240	研究论文	对比基于深度学习的压缩感知与传统算法压缩感知在颌面部对比增强3D T1加权图像中的图像质量	首次系统评估深度学习压缩感知在高加速因子和低信噪比区域对颌面部图像质量的提升效果	NA	评估基于深度学习的压缩感知重建图像在颌面部对比增强3D T1加权像中的图像质量	32例患者经两种不同重建方法（传统算法压缩感知和深度学习压缩感知）获得的图像	计算机视觉	NA	压缩感知（CS）	深度学习模型	图像	32例患者的颌面部对比增强3D T1加权图像	NA	NA	信噪比（SNR）、结构相似性指数（SSIM）、主观噪声评分、解剖结构可视化评分、运动伪影评分	NA
331	2026-06-29	Development of a deep learning-based tool for coronary artery stenosis evaluation in forensic autopsies using whole slide imaging 2026-Jul, International journal of legal medicine IF:2.2Q1 DOI:10.1007/s00414-026-03800-6 PMID:41998396	研究论文	开发基于深度学习的工具，利用全切片图像在法医尸检中客观评估冠状动脉狭窄	首次将SegFormer-B0变压器模型应用于法医尸检中的冠状动脉狭窄评估，通过后处理强制解剖结构层次并生成混合置信度图，实现了快速、可审计和可重复的狭窄测量	样本量较小（仅来自98张切片和234个冠脉截面），且数据集分割中训练、验证和测试集数量有限，可能影响模型的泛化能力	开发一种基于全切片图像的AI驱动工具，用于法医尸检中客观评估冠状动脉狭窄，以克服主观视觉评估和观察者间变异性问题	法医尸检中苏木精-伊红染色的冠状动脉切片	数字病理学	冠状动脉疾病	全切片成像	SegFormer-B0变压器模型	图像	98张匿名化尸检切片（234个冠脉截面），选取103个高质量感兴趣区域，分为训练（82个）、验证（14个）和测试（7个）数据集	NA	SegFormer-B0	平均绝对误差、均方根误差、平均绝对百分比误差、相关系数、组内相关系数、Bland-Altman偏差	NA
332	2026-06-29	Automated periodontitis diagnosis and staging using an end-to-end deep learning model on panoramic dental radiographs 2026-Jul, Oral radiology IF:1.6Q3 DOI:10.1007/s11282-026-00921-x PMID:41998397	研究论文	利用YOLOv11深度学习模型，通过全景X光片自动分割牙齿、检测解剖标志并诊断牙周炎分期	首次采用YOLOv11实现端到端的牙周炎自动诊断和分期，包括牙齿分割、关键点检测和骨损失计算	研究仅使用单一类型影像数据（全景X光片），且样本量较小（607张），可能影响模型泛化性	开发和验证基于深度学习的牙周炎自动诊断与分期系统	人体全景X光片中的牙齿和牙周组织	计算机视觉	牙周炎	全景X光成像	YOLOv11	图像	607张全景X光片	NA	YOLOv11	精确率、召回率、F1分数、平均精度、皮尔逊相关系数、组内相关系数	NA
333	2026-06-29	Automated Dental Age Estimation from Panoramic Radiographs using an Interpretable Deep Learning Model 2026-Jul, International journal of legal medicine IF:2.2Q1 DOI:10.1007/s00414-026-03748-7 PMID:41845068	研究论文	开发了一种可解释的深度学习模型，用于从全景X光片中自动估计牙齿年龄	模型具有自评估置信度并提供预测区间，利用梯度加权类激活图提供生物可解释性，在准确性和处理速度上均优于专家评估	模型训练数据仅来自3.00–14.99岁个体，对年龄范围外个体的适用性未知	实现准确、高效且可解释的牙齿年龄自动估计，支持法医学和儿科牙科评估	牙齿发育状态	机器学习	NA	全景X光片成像	深度学习模型	图像	7207张全景X光片，来自3.00–14.99岁个体	PyTorch	NA	平均绝对误差, 均方根误差, R², 预测区间覆盖率	NA
334	2026-06-29	Multi-view deep fusion for forensic dental age estimation in tomographic imaging 2026-Jul, International journal of legal medicine IF:2.2Q1 DOI:10.1007/s00414-026-03749-6 PMID:41803444	研究论文	提出一种多视图深度学习融合方法，利用锥形束CT扫描和临床元数据法进行法医牙龄估计	首次将正交CBCT视图（冠状面和矢状面）与临床元数据（生物学性别及自动牙髓-牙齿比指数）融合，实现多模态深度牙龄估计	研究未提及具体的局限性（从摘要推断可能包括数据集规模或特定年龄组的泛化能力）	基于CBCT影像的法医牙龄估计，以提高年轻成人（18-32岁）的精度	上颌中切牙的CBCT影像及临床元数据（性别和牙髓-牙齿比指数）	计算机视觉	NA	CBCT成像	CNN（基于EfficientNet-V2）	影像（CBCT扫描），元数据（性别、PTR指数）	IPCTI数据集（未说明具体样本数）	PyTorch	EfficientNet-V2	MAE（平均绝对误差）	NA
335	2026-06-29	The "fat heat-up" phenotype: adipose tissue hypermetabolism on 18 F-FDG PET/CT predicts frailty in older patients with solid tumours 2026-Jul, European journal of nuclear medicine and molecular imaging IF:8.6Q1 DOI:10.1007/s00259-026-07843-0 PMID:41863605	研究论文	通过18F-FDG PET/CT测量脂肪组织代谢活动，研究其与老年实体瘤患者衰弱状态的关系	首次提出脂肪组织高代谢（“脂肪加热”表型）作为独立于体成分的衰弱影像标志物，利用深度学习和全身PET/CT常规图像进行客观量化	单中心研究、样本量较小（104例），需外部验证；绝对SUV值较低可能受技术因素影响；未包含其他代谢或炎症生物标志物对比	探究脂肪组织糖酵解活动与老年实体瘤患者衰弱状态的关联	104名50岁以上实体恶性肿瘤患者（中位年龄63.5岁）	计算机视觉, 自然语言处理, 机器学习, 数字病理学	实体肿瘤, 老年性疾病	18F-FDG PET/CT, 深度学习分割（TotalSegmentator）	深度学习分割模型	医学影像（PET/CT）	104例患者	NA	TotalSegmentator	准确率, 最大SUV值, 平均SUV值	NA
336	2026-06-29	A deep learning PET/CT biomarker for early progression (POD24) and survival stratification in follicular lymphoma: a multicenter study 2026-Jul, European journal of nuclear medicine and molecular imaging IF:8.6Q1 DOI:10.1007/s00259-026-07838-x PMID:41870550	研究论文	开发并验证一种基于基线[¹⁸F]FDG PET/CT的深度学习影像生物标志物，用于预测滤泡性淋巴瘤患者的24个月内疾病进展（POD24）和生存风险分层	首次采用表格深度学习（GAMformer模型）从PET/CT影像提取高通量放射组学特征，构建用于POD24预测和生存风险分层的多参数模型，并在多中心验证中优于传统临床评分系统（FLIPI、FLIPI-2、PRIMA-PI）	回顾性研究设计，样本量有限（309例），且未包含外部独立验证队列	开发可预测滤泡性淋巴瘤早期进展和生存风险的预后成像生物标志物，支持精准治疗决策	滤泡性淋巴瘤（FL）患者（1-3a级）的新诊断病例	机器学习	滤泡性淋巴瘤	PET/CT, 放射组学	表格深度学习模型, GAMformer	图像, 临床变量	309例滤泡性淋巴瘤患者（来自5个独立医学中心）	PyTorch, Scikit-learn	GAMformer, 随机森林, 支持向量机, XGBoost等传统机器学习算法	AUC, 校准曲线, 决策曲线分析	NA
337	2026-06-29	Radiographic choice for skeletal maturation assessment: a systematic review of Cervical Vertebrae Method and Middle Phalanx Method 2026-Jul, Oral radiology IF:1.6Q3 DOI:10.1007/s11282-026-00912-y PMID:41917479	系统综述	系统综述颈椎骨成熟度评估中颈椎骨法（CVM）和中指骨法（MPM）的放射影像选择，为临床医生提供指南	结合深度学习和人工智能技术，揭示了颈椎骨法在人工智能支持下准确率显著提升，且无需额外手-腕放射片	仅纳入近十年文献，可能遗漏早期研究；部分研究证据质量未充分评估	为临床医生选择最合适的骨龄评估放射影像方法及青春期生长突增时机提供更新指南	颈椎骨法（CVM）与中指骨法（MPM）的比较研究	医学影像	骨骼成熟评估	放射影像（X射线）	深度学习（DL）和人工智能（AI）系统	放射影像	13项研究	NA	NA	观察者间可靠性、准确率	NA
338	2026-06-28	Polygon-Aware Deep Learning Framework for Meal-Level Nutrition Estimation From Food Images 2026-Jul, Journal of food science IF:3.2Q2 DOI:10.1111/1750-3841.71236 PMID:42360400	研究论文	提出一种多边形感知的深度学习框架，通过精确的食物分割和区域特征提取实现膳食图像营养估计	首次将多边形感知的实例分割与区域特异性特征提取结合，显著提升营养估计精度（平均性能提升11.63%）	仅在FoodBD v2数据集上验证，未在多样化食物数据集和实际移动端部署中评估	实现从食物图像中准确估计餐级营养含量的自动化膳食评估方法	真实世界食物图像中的个体食物项目及其分割区域	计算机视觉	不适用	实例分割与多边形特征提取	YOLOv8n、随机森林、XGBoost、LightGBM、岭回归、CNN回归器	图像	FoodBD v2数据集（包含多边形标注和营养标签，20个代表性样本用于重叠分析）	PyTorch	YOLOv8n	mAP@0.5、mAP@0.5:0.95、平均交并比、F1分数	未明确说明
339	2026-06-26	scMapNet: Marker-based cell type annotation of scRNA-seq data via vision transfer learning with tabular-to-image transformations 2026-Jul, Journal of advanced research IF:11.4Q1 DOI:10.1016/j.jare.2025.10.056 PMID:41161490	研究论文	提出scMapNet方法，通过视觉迁移学习和表格到图像转换实现基于标记基因的单细胞RNA测序数据细胞类型注释	首次将掩码自编码器和视觉变换器应用于单细胞数据，通过树图变换整合细胞标记知识并利用未标记数据预训练	未讨论在极端稀疏数据或新发现细胞类型上的有效性，且依赖高质量标记基因数据库	开发一种能充分学习细胞标记知识和未标记数据信息的深度学习细胞类型注释方法	单细胞RNA测序数据的细胞类型注释任务	机器学习	NA	单细胞RNA测序	掩码自编码器与视觉变换器	表格数据（转化为图像）	多个公开数据集（具体数量未提及）	PyTorch	Vision Transformer, 掩码自编码器	准确性, 批次不敏感性	NA
340	2026-06-26	Deep‑learning‑based detection of open‑apex teeth on panoramic radiographs using YOLO models 2026-Jul, Oral radiology IF:1.6Q3 DOI:10.1007/s11282-025-00884-5 PMID:41432878	研究论文	利用YOLO深度学习模型在全景X光片中检测开放根尖牙齿，并比较不同模型性能	首次系统比较YOLOv3、YOLOv4和YOLOv5在开放根尖牙齿检测中的应用性能	仅基于全景X光片，未涉及其他影像模态；样本量相对有限	评估YOLO模型在检测开放根尖牙齿中的效果，以减少额外放射检查需求	开放根尖牙齿	计算机视觉	口腔疾病	NA	YOLO	图像	966张全景X光片	PyTorch	YOLOv3, YOLOv4, YOLOv5	精确率, 召回率, 平均精度（mAP）, F1分数	NA