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
281	2026-09-07	Multichannel deep learning-based MRI model for predicting breast cancer axillary lymph node invasion: a comparative study to Node-RADS 2026-Sep-01, Quantitative imaging in medicine and surgery IF:2.9Q2 DOI:10.21037/qims-2026-0851 PMID:42701503	研究论文	本研究开发了一种基于多通道多尺度深度学习模型，利用动态对比增强磁共振成像预测乳腺癌患者腋窝淋巴结转移，并与Node-RADS系统进行比较	创新性地整合了轴位、矢状位、冠状位及多平面重建DCE-MRI图像的多通道多尺度深度学习框架，并采用Transformer融合模块增强特征提取能力	未提供明确的局限性信息	开发并验证用于乳腺癌患者术前预测腋窝淋巴结转移的深度学习模型	乳腺癌患者及其腋窝淋巴结状态	医学影像分析	乳腺癌	动态对比增强磁共振成像	深度学习模型	医学影像	训练和内部验证队列735例，外部验证队列148例	PyTorch	ResNet101、Transformer	AUC、敏感性、特异性、准确率、Kappa系数	NA
282	2026-09-07	SynQ-Breast: a flexible deep learning framework for quantitative MRI of breast tumors via synthetic data with IVIM-MRI validation 2026-Sep-01, Quantitative imaging in medicine and surgery IF:2.9Q2 DOI:10.21037/qims-2026-1-0275 PMID:42701520	研究论文	提出一种基于合成数据的深度学习框架SynQ-Breast，用于乳腺肿瘤定量MRI参数估计，并通过IVIM-MRI数据验证其稳健性和高效性	创新点在于利用合成数据训练深度学习模型，结合空间纹理和复杂参数分布生成逼真的合成数据，并模拟临床采集中的Rician噪声，使模型学习抗噪声映射，显著加速了qMRI参数估计	未在更大规模的多中心数据集上验证，且依赖合成数据的质量，可能无法完全模拟临床环境的复杂性	开发一种灵活、稳健的深度学习框架，用于乳腺肿瘤定量MRI参数估计，解决低信噪比和训练数据稀缺的问题	49例乳腺肿瘤患者的IVIM-MRI数据	医学影像分析	乳腺肿瘤	磁共振成像（MRI）	U-Net	图像	49例乳腺肿瘤患者	未提及	U-Net	对比噪声比（CNR）、AUC、统计分析的P值	未提及
283	2026-09-07	FEANet: Frequency-Enhanced Attention Network with detail-preserving fusion for pulmonary disease classification 2026-Sep-01, Quantitative imaging in medicine and surgery IF:2.9Q2 DOI:10.21037/qims-2026-0735 PMID:42701522	研究论文	提出一种频域增强的注意力网络（FEANet），用于多种医学影像模态下的肺部疾病分类，通过离散小波变换分离高低频信息并融合，提升分类性能。	引入双分支架构结合离散小波变换分离高低频信息，设计了三个模块（WASCA、FGDA、FCFA）分别建模全局语义、增强高频细节和融合互补频率特征，充分挖掘频域信息。	未在更多样化的外部数据集上验证泛化性，且模型复杂度可能增加计算成本。	开发并验证一种频域增强的深度学习框架，以实现对异质影像数据的稳健肺部疾病分类。	肺部疾病图像，包括肺部CT、COVID-19胸部X光片和临床COPD CT数据集。	计算机视觉	肺部疾病（包括肺癌、COVID-19、慢性阻塞性肺病）	NA	注意力网络	图像（CT和X光片）	三个数据集：肺癌CT、COVID-19 X射线、COPD CT，具体样本数量未提供。	NA	FEANet，包含离散小波变换、WASCA、FGDA、FCFA模块	准确率、AUC、F1分数	NA
284	2026-09-07	Impact of CT slice thickness reduction algorithm on AI-based lung nodule detection in chest CTs of colorectal cancer patients 2026-Sep-01, Quantitative imaging in medicine and surgery IF:2.9Q2 DOI:10.21037/qims-2026-0880 PMID:42701524	研究论文	该回顾性多中心研究评估了基于深度学习的超分辨率重建技术对厚层胸部CT图像中肺结节检测性能的提升效果	首次应用深度学习超分辨率重建技术补偿厚层CT中丢失的结构细节，以提高AI辅助检测系统对结直肠癌患者肺结节的检出率	样本量有限，需在更大规模人群中进一步验证；超分辨率重建可能产生幻觉结节	评估超分辨率重建是否能够增强厚层胸部CT中的结构显著性并提高AI肺结节检测系统的性能	96例结直肠癌患者的胸部CT图像中的肺结节	计算机视觉	结直肠癌	CT成像	深度学习	图像	96例患者，105个参考结节	NA	NA	敏感性，阳性预测值，影像噪声，形态一致性	NA
285	2026-09-07	Quantitative generation of diffusion-weighted imaging from non-contrast CT in acute ischemic stroke: a multi-scanner deep-learning model with external validation 2026-Sep-01, Quantitative imaging in medicine and surgery IF:2.9Q2 DOI:10.21037/qims-2025-2000 PMID:42701528	研究论文	本研究探讨使用深度学习技术将急性缺血性卒中患者的非对比CT图像转换为DWI图像，并采用多扫描仪外部验证的改良ControlNet模型	提出了使用改良ControlNet模型将非对比CT图像转换为DWI图像，这是首次在多扫描仪场景下验证该方法的可行性	未明确提及局限性，但研究样本量较小（224例），且为单中心研究，可能影响泛化性	评估深度学习技术是否能将急性缺血性卒中患者的非对比CT图像转换为合成的DWI图像，以提供高诊断准确性的床边决策支持	急性缺血性卒中患者的非对比CT图像和DWI图像	深度学习	急性缺血性卒中	CT成像和MRI的DWI序列	ControlNet（基于U-Net架构的变体）	医学图像（CT和MRI）	224例患者的图像，分为训练集180例、验证集20例和测试集24例	未明确提及特定框架	ControlNet	峰值信噪比（PSNR）、结构相似性指数（SSIM）、归一化均方误差（NMSE）、面积曲线下面积（AUC）、Bland-Altman分析、放射科医师定性评分	未明确提及具体GPU类型或其他资源
286	2026-09-07	Artificial intelligence in computed tomography imaging for pulmonary embolism: a narrative review from computed tomography pulmonary angiography to non-contrast computed tomography 2026-Sep-01, Quantitative imaging in medicine and surgery IF:2.9Q2 DOI:10.21037/qims-2026-1-0293 PMID:42701562	综述	本文叙述性综述了人工智能在CT肺动脉造影和非对比CT中对肺栓塞评估的应用，比较其临床角色并指出证据缺口	总结了AI在CTPA和NCCT中的应用进展，首次对比两者的临床作用并探讨合成影像的安全性	文献选择可能存在偏差，部分研究数据异质且缺乏多中心验证，亚段PE检测和合成影像安全性不确定	总结AI在CTPA和NCCT中评估肺栓塞的应用，比较临床角色并识别翻译证据缺口	肺栓塞患者和相关CT影像数据	医学影像分析	肺栓塞	CTPA, NCCT	深度学习, 机器学习	CT影像	NA	NA	NA	NA	NA
287	2026-09-07	Parotid gland tumor computed tomography image segmentation and benign-malignant differentiation diagnosis 2026-Sep-01, Quantitative imaging in medicine and surgery IF:2.9Q2 DOI:10.21037/qims-2026-0691 PMID:42701554	研究论文	本研究提出改进的PT-TransUNet模型实现CT图像中腮腺肿瘤的精确分割，并结合临床文本信息进行良恶性鉴别诊断	在TransUNet架构中加入可学习的DoG边缘增强模块和PSA-CBAM模块，并构建融合CT图像与临床文本的双向跨模态注意力多模态诊断模型	未提供明确局限性说明	开发基于改进TransUNet的解决方案，实现腮腺肿瘤的精确分割和自动良恶性鉴别	腮腺肿瘤CT图像和临床文本数据	计算机视觉，医学图像分析	腮腺肿瘤	CT成像	TransUNet，Transformer	图像，文本	158张CT图像	NA	TransUNet，PSA-CBAM，BERT	Dice系数，95%豪斯多夫距离（HD95），准确率，灵敏度	NA
288	2026-09-07	Spatially and temporally resolved assessment of quantitative skeletal muscle perfusion with non-contrast MRI in patients with PAD and healthy controls 2026-Sep-01, Quantitative imaging in medicine and surgery IF:2.9Q2 DOI:10.21037/qims-2026-0675 PMID:42701578	研究论文	本研究利用动态动脉自旋标记MRI和深度学习重建，评估外周动脉疾病患者与健康对照者小腿骨骼肌灌注的空间和时间特征，发现运动后恢复动力学是微血管功能障碍的敏感标志	首次结合深度学习重建的动态ASL MRI，在空间和时间域上区分PAD与健康对照，特别是识别出非静态峰值灌注指标所能显示的运动诱导灌注减弱和延迟恢复	样本量小（各10例），且未包含胫骨前肌的显著差异，可能需要更大规模验证	确定动态ASL MRI能否在空间和时间域上区分外周动脉疾病患者与健康对照者	外周动脉疾病患者和健康对照者的小腿骨骼肌（腓肠肌内侧、比目鱼肌、腓肠肌外侧、胫骨前肌和外侧肌群）	医学影像	外周动脉疾病	动脉自旋标记磁共振成像	卷积神经网络	MRI图像（动态ASL数据）	10名轻至重度PAD患者和10名年龄性别匹配的健康志愿者	NA	卷积神经网络	Bland-Altman分析、线性混合效应模型、P值	NA
289	2026-09-07	Dry eye detection based on multidimensional temporal features of fluorescein tear film videos 2026-Sep-01, Quantitative imaging in medicine and surgery IF:2.9Q2 DOI:10.21037/qims-2026-0950 PMID:42701606	研究论文	提出了一种基于泪膜荧光素视频多维时间特征的干眼症自动检测系统，结合分割与分类网络实现高精度诊断	首次将多注意力分割网络与跨注意力Transformer分类网络结合，利用多维时间特征（形态与纹理）融合进行干眼症自动检测	未明确提及局限性，但可能依赖标注数据的质量和临床评估标准	开发基于深度学习模型的系统，通过荧光素泪膜破裂视频自动检测干眼症	148例干眼症和100例非干眼症的荧光素泪膜视频，以及2543帧带注释的视频片段	计算机视觉	干眼症	视频分析	卷积神经网络（分割网络）与Transformer（分类网络）	视频和图像数据	包含148个干眼症和100个非干眼症的视频，以及2543帧标注片段	PyTorch	多注意力分割网络（MASN）、跨注意力Transformer分类网络（CATCN）、PyRadiomics特征提取	准确率（ACC）、敏感性（SE）、曲线下面积（AUC）	NA
290	2026-09-07	Artificial intelligence in assisted localization of fetal ultrasound standard planes: a narrative review 2026-Sep-01, Quantitative imaging in medicine and surgery IF:2.9Q2 DOI:10.21037/qims-2025-aw-2271 PMID:42701600	综述	本文系统综述了人工智能在胎儿超声标准切面自动定位中的研究进展与方法，并讨论了临床应用中的挑战与未来方向。	综述了从手工特征到卷积神经网络和强化学习的演进，强调了多器官模型的趋势及轻量级网络设计等创新解决方案。	现有模型泛化能力不足，数据稀缺，临床实际整合面临挑战。	总结AI在胎儿超声标准切面自动定位中的研究进展，并探讨其临床应用的挑战和未来方向。	胎儿超声标准切面（包括腹部、面部、脑部和心脏视图），以及成人的肝胆和甲状腺成像作为补充	计算机视觉	不适用	超声成像	卷积神经网络、强化学习	超声图像	不适用	不适用	卷积神经网络（CNN）、强化学习模型	不适用	不适用
291	2026-09-07	Deep forecasting architectures mirror ecological time scales in water quality prediction 2026-Sep, Environmental science and ecotechnology IF:14.0Q1 DOI:10.1016/j.ese.2026.100755 PMID:42701673	研究论文	系统剖析九种预测架构在不同生态时间尺度下的水质量预测表现，揭示了深度学习模块与生态时间尺度之间的基本架构-生态二元性	揭示补丁嵌入作为通用时间算子可降低噪声并提升预测精度，并发现通道独立架构擅长短期预测而跨变量注意力架构擅长中期预测	NA	探究深度学习架构模块如何与水体环境固有的生态时间尺度相互作用，建立可解释、可适应预测时域的人工智能框架	两个生态对比水库的叶绿素动态	深度学习	NA	NA	时间序列预测模型	水质监测时间序列数据	两个水库	NA	补丁嵌入、通道独立架构、跨变量注意力架构	纳什-萨特克利夫效率	NA
292	2026-09-06	Developing a Histology-Based Artificial Intelligence Biomarker to Predict Adjuvant Chemotherapy Benefit in Pancreatic Cancer 2026-Sep-10, Journal of clinical oncology : official journal of the American Society of Clinical Oncology IF:42.1Q1 DOI:10.1200/JCO-26-00327 PMID:42507965	研究论文	开发基于组织学的人工智能生物标志物，以预测胰腺癌辅助化疗的相对获益	首次利用深度学习分析全切片图像，从肿瘤形态学中提取预测辅助化疗（吉西他滨 vs mFOLFIRINOX）相对获益的生物标志物	未在摘要中提及具体局限性	开发并验证一种基于组织学图像的生物标志物，用于预测胰腺导管腺癌患者接受辅助化疗的相对获益	胰腺导管腺癌（PDAC）患者	数字病理学	胰腺癌	组织学全切片图像（WSI）	深度学习模型	组织学图像	训练集231例，外部验证集313例（来自随机临床试验PRODIGE-24/CCTG PA6）	NA	卷积神经网络（CNN）	风险比（HR）、P值、交互作用P值	NA
293	2026-09-06	Systematic discovery of circular permutations across the protein universe using CIRPIN 2026-Sep-08, Proceedings of the National Academy of Sciences of the United States of America IF:9.4Q1 DOI:10.1073/pnas.2605178123 PMID:42696540	研究论文	提出了一种环状排列不变的图神经网络（CIRPIN），用于发现蛋白质宇宙中的环状排列关系，并构建了包含1830万对蛋白质的数据库CIRPIN-DB。	通过合成环状排列的数据增强策略，使图神经网络学习对环状排列不变的蛋白质表示，从而识别结构相似但末端位置不同的蛋白质。	摘要未提及局限性。	开发一种工具，以发现蛋白质中因环状排列而具有相似结构但拓扑不同的关系，并探索其进化机制。	蛋白质结构数据库中的蛋白质，包括SCOP和AlphaFold Cluster Representatives以及CATH数据库中的拓扑结构。	机器学习	NA	NA	图神经网络（GNN）	蛋白质结构数据	1830万对蛋白质，覆盖CATH数据库中的845个独特拓扑结构	NA	图神经网络	NA	NA
294	2026-09-06	Deep learning in breast cancer histopathology: predicting and detecting axillary lymph node metastasis 2026-Sep-04, Virchows Archiv : an international journal of pathology IF:3.4Q1 DOI:10.1007/s00428-026-04711-y PMID:42696054	综述	本文是一篇叙事性综述，总结了深度学习在乳腺癌组织病理学中预测和检测腋窝淋巴结转移的最新进展	综述了两种互补的应用方向，即通过淋巴结切片检测转移灶和通过原发肿瘤组织学预测淋巴结状态，并比较了两种方法的性能和临床可行性	文献检索为非系统性且聚焦范围有限，预测研究的端点定义不一致，部分研究未明确区分孤立肿瘤细胞、微转移或宏转移	评估深度学习在乳腺癌腋窝淋巴结转移预测和检测中的应用现状与潜力	乳腺癌患者的苏木精-伊红染色组织病理切片	数字病理学	乳腺癌	苏木精-伊红染色	深度学习模型	图像	不适用	不适用	不适用	AUC, 灵敏度	不适用
295	2026-09-06	Attention-Driven Framework for Non-Rigid Medical Image Registration 2026-Sep-04, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2026.3730918 PMID:42696627	研究论文	提出了一种基于注意力驱动的非刚性医学图像配准框架AD-RegNet，用于提高大形变下的配准精度和变形合理性	引入了双向交叉注意力建立多尺度对应，以及区域自适应注意力和多分辨率变形场合成策略，以改善配准并减少不真实扭曲	未在摘要中明确提及局限性	实现非刚性医学图像配准，特别是在大解剖变形下保持变形合理性的同时提高配准精度	3D医学图像，包括胸部CT和脑部MRI	医学图像分析	未指定（涉及一般医学图像配准）	NA	深度学习模型（3D U-Net结合注意力机制）	图像（CT和MRI）	DIRLab 4D CT数据集和IXI MRI数据集（具体样本数未给出）	NA	3D U-Net，双向交叉注意力，区域自适应注意力，多分辨率变形场	目标配准误差（TRE），Dice相似系数（DSC），负雅可比行列式百分比，归一化互相关（NCC），均方误差（MSE），结构相似性（SSIM）	NA
296	2026-09-06	Digital Predictive Technologies for Fall Risk Assessment, Prediction, and Prevention in Long-Term Care: A Scoping Review 2026-Sep-04, Journal of the American Medical Directors Association IF:4.2Q2 DOI:10.1016/j.jamda.2026.106433 PMID:42696799	综述	本综述旨在梳理长期护理环境中老年人跌倒风险评估、预测和预防支持的数字预测技术的现有证据。	全面综述了多种数字预测技术（如人工智能、机器学习、深度学习、可穿戴设备、电子健康记录预测模型等）在长期护理跌倒风险中的应用，并强调了将这些技术作为决策支持工具而非替代临床判断的视角。	证据基础仍然较小、异质性高且大多处于开发阶段，直接评估跌倒减少或持续临床结果的研究有限。	绘制数字预测技术在长期护理环境中用于跌倒风险评估、预测和预防支持的现有证据图谱。	长期护理环境中（包括养老院、住宿式老年护理机构、辅助生活设施、专业护理设施等）的老年人或居民。	数字健康	跌倒	人工智能，机器学习，深度学习，可穿戴传感器，惯性测量单元，被动传感器，物联网系统，电子健康记录预测模型，最小数据集分析，预测仪表板，临床决策支持系统	未明确	电子健康记录、最小数据集记录、药物数据、功能评估、跌倒史、生命体征、可穿戴传感器数据、惯性传感器数据、被动传感器数据、仪表板关联数据流	纳入11项研究	未明确	未明确	区分度、准确性	未明确
297	2026-09-06	Deep learning on contrast-enhanced computed tomography for parotid tumor classification: Providing crucial diagnostic information beyond clinical and radiologic evaluation 2026-Sep-04, Oral oncology IF:4.0Q2 DOI:10.1016/j.oraloncology.2026.108122 PMID:42696858	研究论文	本研究探讨了深度学习在增强CT图像上对腮腺肿瘤进行术前良恶性分类的性能，并与传统临床和影像学评估进行比较	首次将三维卷积神经网络应用于增强CT的腮腺肿瘤体积分割和分类，证明其性能优于传统临床和影像学检查	研究样本量较小，且为单中心回顾性研究，可能存在选择偏倚	评估深度学习模型在术前区分良恶性腮腺肿瘤的诊断性能，作为传统诊断方法的非侵入性辅助工具	66例接受腮腺切除术的患者（33例恶性，33例良性，人口统计学匹配）	深度学习	腮腺肿瘤	增强CT成像	三维卷积神经网络（3D CNN）	CT影像数据	66例患者的增强CT图像	NA	NA	ROC曲线下面积（AUC）、灵敏度、特异性	NA
298	2026-09-06	A deep learning framework for oligopeptide candidate discovery across metabolism-related contexts 2026-Sep-04, Cell reports methods IF:4.3Q2 DOI:10.1016/j.crmeth.2026.101577 PMID:42697196	研究论文	提出基于深度学习的Deepeptide流水线，用于发现代谢相关环境中的寡肽候选物	利用疾病适应症、生物学过程和分子功能之间的内在关系，在数据稀缺的代谢相关环境中进行寡肽发现，并通过多场景验证证明其普适性	未明确提及局限性	开发并验证一种能跨越多种代谢相关环境（如血管生成、脂质代谢等）进行寡肽候选物发现的深度学习方法	代谢相关疾病环境及其相关寡肽候选物	机器学习	代谢相关疾病	NA	深度学习	NA	涵盖五种代表性疾病相关环境（血管生成、脂质代谢、成骨、葡萄糖代谢、抗血管生成）	NA	NA	生物活性率（62%）、效能比较	NA
299	2026-09-06	A deep unrolling network based on cartoon texture decomposition for low-dose CT reconstruction 2026-Sep-04, Physics in medicine and biology IF:3.3Q1 DOI:10.1088/1361-6560/aea2ec PMID:42697236	研究论文	提出了一种基于卡通纹理分解的深度展开网络CTDNet，用于低剂量CT重建，通过将正则项和保真项同时展开到卷积神经网络中以提高重建质量	在展开数据保真项的基础上，进一步将正则项也展开到CNN中，提供了一种新的展开策略	未在摘要中明确提及	提高低剂量CT重建中深度展开网络的性能，有效去除噪声和伪影并保留纹理结构	低剂量CT图像和投影数据	计算机视觉、数字病理？不，应为医学图像重建，但给定的字段类别中无此项，可归为机器学习或计算机视觉？摘要未指定，但通常属于计算机视觉或医学图像处理。结合选项，这里用“计算机视觉”或“机器学习”可能合适，但摘要显示是深度学习方法，用于CT重建，属于计算成像。由于选项有限，选择“机器学习”可能更贴近，但许多CT重建被列为计算机视觉。我选“计算机视觉”	不适用（因为低剂量CT重建可能用于多种疾病检测，摘要未指定具体疾病）但选项中包含肺癌、前列腺癌等，可能不直接适用，因此用“NA”	低剂量CT成像，深度展开网络	深度展开网络（基于CNN）	CT图像和投影数据	使用“低剂量CT图像和投影数据”数据集和“小猪数据集”，但未提及具体样本数量	未在摘要中指定，故输出“NA”	CTDNet（基于卡通纹理分解和Chambolle-Pock算法展开）	客观指标（如PSNR、SSIM等，但摘要未具体列出，故可能输出“客观指标”或直接NA？但由于摘要提到“客观指标”，可写“视觉效果和客观指标”，但为了具体，写“客观指标”并说明未列具体？最好列出常见指标，但摘要未给。因此根据摘要说“视觉评估和客观指标”，但为保险输出“客观指标”作为占位，但不如给出典型指标？为准确，输出“客观指标（如PSNR、SSIM等，未明确列出）”但中文表述。由于要求不要添加猜测，故输出“NA”因为摘要未公布具体指标值，但提到“客观指标”。所以我写“客观指标”作为类别。可能允许。	NA（摘要未提及）
300	2026-09-06	Digital pathology, image analysis, and artificial intelligence in liver disease 2026-Sep-04, The Lancet. Digital health DOI:10.1016/j.landig.2026.101017 PMID:42697794	综述	本文综述了数字病理学、图像分析和人工智能在肝脏疾病中的应用进展，包括诊断、移植评估及临床实践中的挑战与解决方案。	总结了近年来深度学习和高分辨率全切片图像在肝脏病理中的最新进展，并讨论了实际临床应用中的关键问题。	需要进一步评估AI工具在真实世界中的有效性、临床安全性和实施情况。	回顾数字病理、图像分析和AI技术在肝脏疾病研究和临床实践中的现状与未来方向。	肝脏疾病（包括肝癌和肝病）的组织样本和全切片图像。	数字病理学	肝脏疾病	数字病理学，图像分析	NA	图像	NA	NA	NA	NA	NA