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
141	2026-10-01	Developing an Artificial Intelligence Solution to Autosegment the Edentulous Maxillary Bone for Implant Planning 2026-Oct, European journal of dentistry DOI:10.1055/s-0046-1818558 PMID:41962579	研究论文	本研究开发了一种基于U-Net架构的深度学习系统，用于自动分割无牙上颌骨以支持种植牙规划	首次将基于U-Net的卷积神经网络应用于无牙上颌骨种植规划中的自动分割，使用MONAI框架，并在某些情况下模型提供了比手动分割更高的解剖精度	数据集较小（仅77例），类别不平衡（后牙区无牙占多数），手动标注协议存在不一致性（如排除狭窄骨区、不规则窦底、平滑处理等）	开发一个深度学习系统来自动分割无牙上颌嵴，以支持自动化种植牙规划	无牙上颌骨区域	计算机视觉	无牙颌	锥形束计算机断层扫描	CNN	图像	209例CBCT扫描中77例符合纳入标准	MONAI	U-Net	Dice相似系数	NA
142	2026-10-01	Withdrawn as duplicate: Pulmonary Blood Volumes on CT Predict Residual Pulmonary Hypertension Post-Pulmonary Endarterectomy 2026-Oct-01, American journal of respiratory cell and molecular biology IF:5.9Q1 DOI:10.1093/ajrcmb/aanaf026 PMID:42085489	撤稿	该研究探讨了基于CTPA的肺血容量（PBV）在评估肺动脉内膜剥脱术（PEA）后血流动力学结局中的应用，利用深度学习模型自动测量PBV并预测残余肺动脉高压	首次应用深度学习自动分割CTPA中的肺动脉和肺静脉，并提取PBV指标（中央肺动脉体积和动静脉体积比）来预测PEA术后残余肺动脉高压	文章已被撤回（重复发表），无法获取完整研究细节；样本量相对有限；未提及外部验证或多中心验证	研究基于CTPA的PBV在评估慢性血栓栓塞性肺动脉高压（CTEPH）患者PEA术后血流动力学结局中的价值	接受PEA手术的CTEPH患者	数字病理学	心血管疾病	CTPA	逻辑回归	图像	发现队列71例，验证队列102例，共173例CTEPH患者	NA	深度学习分割模型（具体架构未提及）	AUROC	NA
143	2026-10-01	Optimization and technological advances in cardiovascular magnetic resonance to improve access and screening 2026-Oct-01, The British journal of radiology DOI:10.1093/bjr/tqag016 PMID:41581217	综述	本文综述了心血管磁共振在优化和技术进步方面的进展，旨在改善其可及性和筛查应用	系统总结了从患者准备、快速成像协议、序列开发到基于深度学习的图像加速与重建以及自动化图像分析和报告生成的多种优化方法，并展望了其在高通量CMR研究和人群筛查中的潜力	作为叙述性综述，未进行系统性的文献检索和定量分析，可能未全面覆盖所有相关技术进展	概述优化CMR工作流程和图像采集的不同概念和技术，并探讨其支持以患者为中心的心血管护理的机会	心血管磁共振（CMR）的临床工作流程、成像技术及相关算法	医学影像	心血管疾病	心血管磁共振（CMR）	NA	图像	NA	NA	NA	NA	NA
144	2026-10-01	Imaging Immune Heterogeneity in Nasopharyngeal Carcinoma: A Multidimensional Radiomics Perspective 2026-Oct, Academic radiology IF:3.8Q1 DOI:10.1016/j.acra.2026.03.035 PMID:41986218	综述	本文综述了影像组学在鼻咽癌免疫异质性无创评估中的应用，从空间、分子和时间多维角度总结了相关研究进展	从多维影像组学视角系统整合鼻咽癌免疫异质性的无创评估方法，提出多模态影像融合和基于深度学习的虚拟免疫表型分析等新兴方向	影像组学在标准化、可重复性和临床验证方面仍面临挑战，距离稳健的临床转化尚有差距	总结鼻咽癌免疫异质性的生物学基础，评估影像组学在无创免疫表征方面的最新进展	鼻咽癌及其肿瘤免疫微环境	数字病理学	鼻咽癌	影像组学，多模态影像，深度学习	NA	图像	NA	NA	NA	NA	NA
145	2026-10-01	Deep Learning Informed by Contrast-enhanced MRI Allows for Precise Segmentation of the Choroid Plexus in Non-contrast Data 2026-Oct, Academic radiology IF:3.8Q1 DOI:10.1016/j.acra.2026.03.042 PMID:41982037	研究论文	该研究开发了一种基于深度学习的脉络丛自动分割方法，并在对比增强和非对比MRI数据中与FreeSurfer进行了比较	开发了一种深度神经补丁网络（DNP），利用对比增强MRI信息，在非对比数据中也能精确分割脉络丛，性能显著优于FreeSurfer	样本量有限（199例），且未在独立外部数据集上验证	开发并评估一种深度学习方法，用于在对比增强和非对比脑MRI中自动分割脉络丛	199例接受立体定向干预前的患者（平均年龄57岁，范围1-83岁，43%女性）的脑部MRI数据	计算机视觉, 医学图像分割	神经系统疾病	对比增强MRI, 非对比MRI, 3D T1w, T2w	深度神经补丁网络（DNP）	3D MRI图像	199例患者的脑部MRI数据集（149例训练，50例测试）	NA	深度神经补丁网络（DNP）	Dice系数	NA
146	2026-10-01	Non-invasive CT-based Deep Learning for Human Papillomavirus Status Prediction in Oropharyngeal Cancer 2026-Oct, Academic radiology IF:3.8Q1 DOI:10.1016/j.acra.2026.04.016 PMID:42036264	研究论文	本文开发了一种基于CT图像的非侵入式深度学习模型，用于预测口咽癌患者的HPV状态。	采用孪生神经网络框架，结合3D DenseNet主干网络，并引入肿瘤掩膜和频域表示作为额外模态，实现了端到端训练，在CT-based HPV预测方法中达到SOTA性能。	未明确提及	开发一种非侵入、快速的HPV状态预测方法，无需额外检查即可达到与临床标准相当的性能，以支持治疗规划和患者管理。	口咽癌患者	医学影像分析	口咽癌	CT成像	孪生神经网络	图像	1612例有效病例，来自三个独立数据集	NA	3D DenseNet	AUC, Precision, Recall, AUPRC	NA
147	2026-10-01	Assessment of pre-trained deep learning models in the detection of metal artifacts in axial cone-beam tomography slices 2026-Oct-01, Dento maxillo facial radiology DOI:10.1093/dmfr/twag037 PMID:42190112	研究论文	评估三种预训练深度学习模型（ResNet50、MobileNetV2和EfficientNetB0）在轴向锥形束CT切片中检测金属伪影的性能	首次系统比较三种预训练模型在轴向CBCT切片中检测和分类金属伪影的性能，并进行了外部验证	数据集来自单一机构，样本量有限（1000张切片），仅评估了三种预训练模型	评估预训练深度学习模型在轴向锥形束CT切片中检测金属伪影的性能，以辅助临床决策和质量评估	轴向锥形束CT切片中的金属伪影	计算机视觉	NA	锥形束CT	CNN	图像	1000张轴向CBCT切片（200张冠和修复体相关伪影、200张正畸托槽相关伪影、200张种植体相关伪影、200张根管充填相关伪影、200张无伪影）	NA	ResNet50, MobileNetV2, EfficientNetB0	准确率, 精确率, 召回率, F1分数, AUC-ROC	NA
148	2026-10-01	Artificial intelligence for reducing metal artifacts in dental CBCT images: a systematic review 2026-Oct-01, Dento maxillo facial radiology DOI:10.1093/dmfr/twag034 PMID:42203681	系统综述	评估人工智能技术在减少牙科CBCT图像中金属伪影方面的有效性	系统性地评估了AI技术在牙科CBCT金属伪影减少中的应用，发现基于Transformer和物理信息双域网络在定量保真度和视觉伪影抑制方面优于传统的仅图像U-Net方法	大多数纳入研究存在高偏倚风险，缺乏标准化评估协议，需要开放式数据集训练模型，且需要进一步试验验证诊断影响和泛化能力	评估AI技术在减少牙科CBCT图像金属伪影方面的有效性	牙科CBCT图像中的金属伪影	计算机视觉	NA	锥形束计算机断层扫描（CBCT）	深度学习	图像	10项研究（2019年至2025年发表）	NA	U-Net, GAN, Transformer	SSIM, PSNR, RMSE	NA
149	2026-10-01	Automatic detection of panoramic positioning errors and development of an objective image quality scoring system using deep learning 2026-Oct-01, Dento maxillo facial radiology DOI:10.1093/dmfr/twag038 PMID:42265989	研究论文	开发了一种基于深度学习的模型，用于自动检测全景放射图像中的常见定位错误，并建立了一个基于错误的客观10分制图像质量评分系统。	提出了一个错误特异性的、数据驱动的框架，用于客观评估全景图像采集质量，增强了图像质量评估的可解释性和标准化。	未明确提及	开发一个深度学习模型，能够自动检测全景放射图像中的常见定位错误，并建立一个与专家评估一致的、基于错误的客观10分制图像质量评分系统。	全景放射图像	计算机视觉	NA	深度学习	CNN	图像	4390张全景放射图像用于训练和标注，510张图像用于独立测试和主观评分	NA	修改的残差网络	准确率, AUC, Kappa, ICC, 相关系数r	NA
150	2026-10-01	SinusNet+: deep condition-label-free segmentation of maxillary sinus conditions in cone-beam CT images 2026-Oct-01, Dento maxillo facial radiology DOI:10.1093/dmfr/twag040 PMID:42275161	研究论文	本研究开发并评估了一种无需条件标签的深度学习框架SinusNet+，用于在锥形束CT图像中分割上颌窦病变。	提出了一种无需条件标签的深度学习框架，通过合成条件生成器模拟正常上颌窦内的病变，避免了对上颌窦病变的手动标注。	在数据集准备过程中仍然需要正常上颌窦的解剖标注。	开发和评估无需条件标签的深度学习框架，用于上颌窦病变分割，以支持上颌后牙区的术前评估。	锥形束CT图像中的上颌窦病变。	计算机视觉	上颌窦病变	锥形束CT	CNN	图像	NA	NA	SinusNet+	Dice相似系数, 精确率, 召回率	NA
151	2026-10-01	The Value of Deep Learning in Differentiating Thyroid Adenomatoid Nodules on Ultrasound: A Dual-Center Study 2026-Oct, Academic radiology IF:3.8Q1 DOI:10.1016/j.acra.2026.06.047 PMID:42493350	研究论文	本研究开发并验证了一种基于深度迁移学习的模型，用于在超声图像上区分甲状腺腺瘤样结节的良恶性。	提出了一种仅基于深度迁移学习的签名，无需整合临床和影像组学特征，简化了诊断流程并保持高性能。	未明确提及。	开发并验证一种新模型，以优化区分良恶性甲状腺腺瘤样结节的工作流程。	甲状腺腺瘤样结节。	计算机视觉	甲状腺癌	超声，细针穿刺细胞学检查	深度学习	图像	648个甲状腺腺瘤样结节	PyRadiomics	ResNet	AUC，特异性，准确率	NA
152	2026-09-28	Global characterization strategy for chemical constituent of traditional Chinese medicine formulas based on online comprehensive 2DLC-Q-TOF-MS/MS combined with deep learning clustering driven dual-mode acquisition: A case study of Qishen Yiqi Dropping Pills 2026-Oct-25, Journal of chromatography. A DOI:10.1016/j.chroma.2026.467401 PMID:42721874	研究论文	本文提出了一种基于在线全面二维液相色谱-四极杆飞行时间串联质谱（2DLC-Q-TOF-MS/MS）结合深度学习聚类驱动的双模式采集策略，用于中药复方化学组成的全面表征，并以芪参益气滴丸为例进行了验证	创新性地将深度学习辅助的质量亏损过滤（MDF）与基于Python的PyMassTime-Cluster系统相结合，通过保留时间聚类将高度重叠的共流出预测离子重新分配为平衡的子优先级离子捕获（sub-PIC）列表，引导逐步数据依赖采集（DDA），并辅以数据非依赖采集（DIA）作为互补模式，从而显著提高了高丰度和低丰度成分的碎片离子覆盖度	摘要中未提及该方法的局限性，如是否适用于其他类型中药复方、对未知化合物的鉴定能力、以及深度学习模型的泛化性能等均未讨论	解决中药复方复杂化学成分全面表征的难题，提高高丰度和低丰度共流出化合物的碎片离子信息获取效率，以阐明其药效物质基础和作用机制	芪参益气滴丸（Qishen Yiqi Dropping Pills, QSYQDP）中的化学成分	分析化学、中药化学、机器学习	心血管疾病	在线全面二维液相色谱-四极杆飞行时间串联质谱（2DLC-Q-TOF-MS/MS）、数据依赖采集（DDA）、数据非依赖采集（DIA）、深度学习辅助质量亏损过滤（MDF）	深度学习聚类模型	质谱数据	未提及具体样本数量，但从中表征出181种化合物	PyMassTime-Cluster（基于Python）	深度学习聚类	未提及具体的性能评估指标，仅报告了表征出的化合物数量及类别	未提及具体的计算资源信息
153	2026-09-27	Deep learning-derived magnetic resonance imaging masseter muscle volume is associated with oral impairment and cognitive frailty in older Japanese adults 2026-Oct-15, Experimental gerontology IF:3.3Q2 DOI:10.1016/j.exger.2026.113302 PMID:42648504	研究论文	该研究开发了一种卷积神经网络（CNN）用于在T1加权磁共振图像上分割咬肌，并分析了CNN得出的咬肌体积与日本老年人中口腔功能受损和认知衰弱的关联	开发了一种基于CNN的自动化咬肌分割方法，通过人机协同迭代过程进行训练，能够从磁共振图像中提取可扩展和客观的咬肌体积参数，并用于大规模流行病学研究	咬肌体积与认知衰弱的关联在完全调整后不显著，研究仅基于日本老年人，可能缺乏普遍性	开发CNN模型分割咬肌，并探讨其体积与口腔功能受损和认知衰弱的关联	日本老年人，平均年龄69.9±4.1岁	计算机视觉	老年疾病	磁共振成像	CNN	图像	2077名参与者	NA	卷积神经网络	比值比（OR）、95%置信区间、p值	NA
154	2026-09-26	FocFormer-UNet: UNet With Focal Modulation and Transformers for Ultrasound Needle Tracking Using Photoacoustic Ground Truth 2026-Oct, IEEE transactions on bio-medical engineering DOI:10.1109/TBME.2026.3652428 PMID:41525612	研究论文	本文提出了一种名为FocFormer-UNet的深度学习网络，利用光声图像的针头影像作为真实标注来训练模型，从而在超声图像中实现针头追踪，无需人工标注	创新性地使用光声图像作为真实标注来训练深度学习模型，无需人工标注，并提出了FocFormer-UNet网络架构，将焦点调制与Transformer相结合用于超声针头追踪	未明确说明模型的泛化能力是否在更多不同超声系统和更大规模数据集上进行了验证，光声成像的临床可用性可能限制该方法的广泛应用	提高超声引导下针头追踪的准确性和可视化效果，减少对人工标注的依赖，提升超声引导针头插入手术的精度和可靠性	超声图像中的针头，使用光声图像作为真实标注	计算机视觉, 医学图像分析	NA	光声成像, 超声成像	CNN, Transformer	图像	人类临床数据集（具体样本数量未提及）	NA	UNet, Transformer, Focal Modulation	修正Hausdorff距离, 靶向误差	NA
155	2026-09-26	SW-VEI-Net: A Physics-Informed Deep Neural Network for Shear Wave Viscoelasticity Imaging 2026-Oct, IEEE transactions on bio-medical engineering DOI:10.1109/TBME.2026.3652121 PMID:41525619	研究论文	该文章提出了一种物理信息神经网络SW-VEI-Net，通过将粘弹性波方程集成到双网络架构中，同时重建剪切弹性模量和粘性模量，用于剪切波粘弹性成像	创新点包括：将粘弹性波方程集成到双网络架构中实现物理信息神经网络；采用双损失函数平衡数据保真度和物理正则化；能够同时评估剪切弹性模量和粘性模量；相比基于线性弹性模型的SWENet，在剪切弹性模量重建上达到更高精度；相比基于粘弹性模型的色散拟合方法，展现出更强的鲁棒性和一致性	摘要中未明确提及研究局限性	解决剪切波弹性成像中定量粘弹性成像面临的复杂波物理和传统重建方法局限性问题，实现剪切弹性模量和粘性模量的同时重建	组织模拟体模、大鼠肝纤维化模型、临床病例以及健康志愿者	医学影像分析	肝纤维化	剪切波弹性成像	物理信息神经网络	超声图像	NA	NA	双网络架构	AUC	NA
156	2026-09-26	Fusing Tabular Features and Deep Learning for Fetal Heart Rate Analysis: A Clinically Interpretable Model for Fetal Compromise Detection 2026-Oct, IEEE transactions on bio-medical engineering DOI:10.1109/TBME.2026.3652309 PMID:41525620	研究论文	本研究提出Fusion ResNet模型，融合胎心率时间序列与表格临床特征，用于预测胎儿窘迫，并在内部及外部数据集上验证其性能与可解释性	提出融合残差卷积网络与表格特征并行网络的Fusion ResNet架构，同时结合SHAP与Grad-CAM实现临床可解释性	内部验证使用私有数据集，外部验证数据集规模较小（552例），未提及多中心前瞻性验证	开发可解释的深度学习模型，融合胎心率时间序列与表格临床特征，提高胎儿窘迫（脐动脉pH<7.05）的预测准确性	胎心率记录及相关的表格临床特征数据	机器学习	胎儿窘迫	胎心监护（CTG）	CNN	时间序列, 表格数据	内部私有数据集9,887条胎心率记录，外部CTU-UHB数据集552条记录	NA	ResNet	AUC	NA
157	2026-09-26	uPVC-Net: A Universal Premature Ventricular Contraction Detection Deep Learning Algorithm 2026-Oct, IEEE transactions on bio-medical engineering DOI:10.1109/TBME.2026.3655531 PMID:41557574	研究论文	本文开发了一种通用的深度学习模型uPVC-Net，用于从任意单导联心电图记录中检测室性早搏	提出了自定义架构和多源、多导联训练策略，能够在不同导联配置和人群中实现强泛化，并在可穿戴单导联心电图数据上达到高AUC	摘要中未明确提及研究的局限性	开发一个通用的深度学习模型，用于从任何单导联心电图记录中准确检测室性早搏，并评估其在不同数据集上的泛化能力	心电图记录中的室性早搏	机器学习	心血管疾病	深度学习	CNN	心电图信号	四个独立心电图数据集，共830万次心搏，来自Holter监测器和现代可穿戴心电图贴片	NA	自定义架构	AUC	NA
158	2026-09-25	Vis-NIR spectroscopy and deep learning for non-invasive in vivo detection of acute liver injury 2026-Oct-05, Spectrochimica acta. Part A, Molecular and biomolecular spectroscopy DOI:10.1016/j.saa.2026.127888 PMID:41990513	研究论文	该研究利用可见-近红外漫反射光谱（350-2500 nm）结合可解释深度学习框架，对乙酰氨基酚诱导的小鼠急性肝损伤进行无创经皮检测，并识别出与脂质、蛋白质及血流动力学相关的稳定波长簇	采用嵌入式可解释深度学习框架实现端到端光谱特征选择，解决高维小样本和低信噪比问题；发现1680-1689 nm和2130-2139 nm等稳定波长簇而非孤立峰，作为急性肝损伤的生物学合理标志物；证明无需一一对应的分子指认即可通过皮肤无创检测急性肝损伤	研究仅基于小鼠模型，样本量有限，未在人体中验证；光谱数据存在强散射、背景干扰和光谱冗余；未进行具体的分子指认；仅使用单一造模药物（对乙酰氨基酚）	探究可见-近红外漫反射光谱在体内无创表征急性肝损伤相关光谱特征的能力，并开发可解释的深度学习方法来识别生物学相关的光谱标志物	通过腹腔注射300 mg/kg对乙酰氨基酚建立急性肝损伤模型的小鼠，以及其经皮腹部漫反射光谱	医学光谱学，深度学习	急性肝损伤	可见-近红外漫反射光谱（Vis-NIR diffuse reflectance spectroscopy），经皮无创检测	深度学习	光谱数据	小鼠模型（具体数量未提及），光谱数据为高维小样本	NA	NA	召回率，F1分数	NA
159	2026-09-25	Risk stratification of IDH-wildtype glioblastoma: Deep learning on histopathology images and biological interpretation 2026-Oct, European journal of surgical oncology : the journal of the European Society of Surgical Oncology and the British Association of Surgical Oncology DOI:10.1016/j.ejso.2026.112036 PMID:42520553	研究论文	本研究利用深度学习从组织病理学图像中提取特征，构建IDH野生型胶质母细胞瘤的预后模型，并探索其生物学相关性	结合深度学习提取的病理特征与临床信息构建预后模型，并通过基因集富集分析将病理特征与肿瘤相关生物学通路关联	样本量相对有限，外部验证仅使用TCGA数据集，模型性能有待进一步验证	开发基于深度学习病理特征的预后模型，并表征其生物学相关性	IDH野生型胶质母细胞瘤患者	数字病理学	胶质母细胞瘤	深度学习	CNN	病理图像	1038例来自郑州大学第一附属医院的患者（训练集839例，内部验证集199例）以及144例TCGA病例用于外部验证	NA	NA	C-index, log-rank P值	NA
160	2026-09-25	Prenatal serotonin reuptake inhibitor exposure and maternal depression symptoms are associated with altered fetal brain and placental development 2026-Oct, Neuropsychopharmacology : official publication of the American College of Neuropsychopharmacology IF:6.6Q1 DOI:10.1038/s41386-026-02436-9 PMID:42106476	研究论文	一项观察性队列研究，比较产前暴露于5-羟色胺再摄取抑制剂（SRI）与未暴露的胎儿在脑和胎盘发育上的差异，并按母亲抑郁症状严重程度分层分析	首次在按母亲抑郁症状严重程度（EPDS评分）分层的条件下，系统比较SRI暴露与未暴露胎儿的脑体积、皮层折叠及胎盘体积和微结构扩散的差异，并发现SRI暴露与胎儿海马体积减小、皮层成熟改变及胎盘体积和扩散增加相关	观察性研究设计无法确定因果关系；样本量相对有限；这些结构改变的临床意义和长期神经发育后果尚不明确，仍在研究中	探讨产前SRI暴露及母亲抑郁症状与胎儿脑发育和胎盘发育之间的关系	182名孕妇及其胎儿，其中62名为SRI暴露（59名SSRIs，3名SNRIs），120名为无精神疾病或抗抑郁药暴露的对照组	数字病理学	老年疾病	胎儿MRI，T2加权成像，扩散加权成像，基于深度学习的脑分割，切片到体积配准	深度学习分割模型	图像	182名孕妇（62名SRI暴露，120名对照）	NA	NA	NA	NA