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
181	2026-07-01	Prediction of immunochemotherapy response for diffuse large B-cell lymphoma using artificial intelligence digital pathology 2024-05, The journal of pathology. Clinical research DOI:10.1002/2056-4538.12370 PMID:38584594	研究论文	利用数字病理学和深度学习预测弥漫性大B细胞淋巴瘤免疫化疗反应	结合对比学习特征提取、多模态预测模型和知识蒸馏技术，基于病理图像独立预测药物反应	样本量有限且为回顾性研究，缺乏大规模前瞻性验证	开发基于人工智能的免疫化疗反应预测工具，辅助DLBCL临床管理	弥漫性大B细胞淋巴瘤患者的免疫化疗反应	数字病理学	弥漫性大B细胞淋巴瘤	数字病理学	深度学习模型	组织病理学图像	216名DLBCL患者的251张切片图像	NA	对比学习模型	AUC	NA
182	2026-07-01	Classification of white blood cells (leucocytes) from blood smear imagery using machine and deep learning models: A global scoping review 2024, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0292026 PMID:38885231	综述	对2006年至2023年间白细胞的机器学习和深度学习分类方法进行了全球范围综合回顾	首次系统性地综述了机器学习和深度学习在白细胞的分类中的应用，并对比了不同模型在数据集大小变化下的表现差异	部分传统机器学习模型在小数据集上精度下降，数据集可用性仍是主要挑战，建议通过数据增强技术解决	全面识别、探索和对比用于白细胞分类的机器学习和深度学习方法	136篇2006年至2023年间的全球研究文献	计算机视觉	血液相关疾病	血涂片成像	深度学习模型（特别是CNN）	图像	来自26个国家的136篇研究，其中美国32篇，荷兰26篇	NA	卷积神经网络	准确率	NA
183	2026-07-01	A multifaceted suite of metrics for comparative myoelectric prosthesis controller research 2024, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0291279 PMID:38739557	研究论文	提出一套全面的肌电假肢控制器评估指标，并通过实时控制实验验证其有效性	首次提出涵盖任务表现、控制特性和用户体验的多维度肌电假肢控制器评估指标套件	仅涉及8名无上肢损伤的参与者，且实验使用模拟假肢，未在真实患者中验证	开发更全面的肌电假肢控制器评估方法，以弥补传统评估指标的不足	深度学习控制器（RCNN-TL）与传统控制器（LDA）在肌电假肢控制中的表现比较	机器学习	假肢康复	肌电图	循环卷积神经网络与迁移学习（RCNN-TL）、线性判别分析（LDA）	肌电信号	8名无上肢损伤参与者	NA	RCNN, LDA	任务表现、控制特性、用户体验	NA
184	2026-07-01	Enhanced multimodal biometric recognition systems based on deep learning and traditional methods in smart environments 2024, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0291084 PMID:38358992	研究论文	基于深度学习和传统方法的智能环境中增强型多模态生物识别系统研究	提出并行与顺序多模态融合策略，结合心电图信号和指纹，使用卷积神经网络和传统方法进行特征提取和分类，并在增强数据集上评估性能	未提及具体局限性	评估基于CNN的多模态生物识别系统在智能环境中的准确率和检测率，并与传统方法比较	心电图信号和指纹数据	机器学习	NA	CNN	CNN	信号和图像	使用了MIT-BIH心电图数据库和FVC2004指纹数据库，以及虚拟数据集（未增强和增强）	NA	CNN	AUC（曲线下面积）	NA
185	2026-07-01	Long-Term Follow-Up of Interstitial Lung Abnormality: Implication in Follow-Up Strategy and Risk Thresholds 2023-10-15, American journal of respiratory and critical care medicine IF:19.3Q1 DOI:10.1164/rccm.202303-0410OC PMID:37590877	研究论文	探讨肺间质异常的最佳随访CT间隔及其与预后的关系	首次基于深度学习量化肺间质异常，提出以纤维化范围和蜂窝征为基础的风险分层及3年随访间隔建议	单中心回顾性研究，人群为自选筛查者，可能选择偏倚；中位随访11.3年，但部分结局事件数较少	确定肺间质异常在CT上的最佳随访策略和与预后相关的范围阈值	年龄≥50岁、包括非吸烟者的自选筛查参与者	机器学习	肺间质疾病	CT成像	深度学习模型	CT图像	305名参与者	NA	深度学习模型（未具体说明）	风险比、10年总体生存率	NA
186	2026-06-30	Electrochemically induced CoNiOOH Nanosheets enabling nitrite detection through a catalytic reduction mechanism and machine learning-based concentration prediction 2026-Aug-01, Food chemistry IF:8.5Q1 DOI:10.1016/j.foodchem.2026.149691 PMID:42184523	研究论文	通过电化学诱导的CoNiOOH纳米片实现对亚硝酸盐的检测，并结合机器学习进行浓度预测	首次将CoNiOOH/CC自支撑电极与Inception-Time-Moment深度学习模型结合，实现亚硝酸盐的高选择性检测和智能浓度预测	未明确说明实际水样验证及长期稳定性测试	开发高灵敏、高选择性且智能化的亚硝酸盐检测平台	亚硝酸盐检测	机器学习	NA	电化学氧化	Inception-Time-Moment深度学习模型	原始线性扫描伏安信号	NA	NA	Inception-Time-Moment	R²	NA
187	2026-06-30	Future cardiovascular events prediction from invasive coronary angiography: A graph representation learning perspective 2026-07, Medical image analysis IF:10.7Q1 DOI:10.1016/j.media.2026.104079 PMID:42061118	研究论文	提出基于图神经网络的框架，从有创冠状动脉造影中预测患者未来心血管事件	首次利用图神经网络从冠状动脉造影中学习几何感知的病变表示，并通过掩码注意力机制融合病变级嵌入实现患者级预测	患者级预测的AUC仅为0.70，且仅在两个小型临床队列中验证，泛化性和临床实用性需进一步评估	开发一种创新方法，利用冠状动脉造影的几何信息预测患者未来心血管事件，改善冠心病风险分层	患有冠状动脉疾病的患者及其冠状动脉病变	机器学习	冠状动脉疾病	有创冠状动脉造影	图神经网络	图像	两个临床队列：FAME2队列563名患者、1551处狭窄；FCL队列83名患者、382处狭窄	NA	图神经网络	AUC	NA
188	2026-06-30	STAGE challenge: Structural-Functional Transition in Glaucoma Assessment 2026-07, Medical image analysis IF:10.7Q1 DOI:10.1016/j.media.2026.104128 PMID:42143993	研究论文	STAGE挑战赛利用结构性OCT图像预测青光眼的功能性视野指标，并评估了七支决赛队伍的方法	首次建立将结构性OCT图像与功能性视野结果联系起来的标准化基准，并发布了包含401个OCT体积数据集和标准化评估框架	本研究仅总结了七支决赛队伍的方法，未探索更多潜在模型架构；数据集规模相对有限（401个OCT体积）	探索从结构性OCT图像直接预测功能性视野指标，以简化青光眼诊断流程	青光眼患者的功能性视野指标（平均偏差、灵敏度图和模式偏差概率图）与结构性OCT图像	数字病理学	青光眼	OCT成像	双分支架构	图像，表格数据	401个OCT体积（每个含256个横截面图像）	NA	双分支架构，任务专用OCT模型	NA	NA
189	2026-06-30	Autodidactic dense anatomical models 2026-07, Medical image analysis IF:10.7Q1 DOI:10.1016/j.media.2026.104117 PMID:42229212	研究论文	提出了一种自监督学习框架Adam-v2，通过学习医学图像中的部分-整体层次结构，实现了对解剖结构的深入理解	首次在自监督学习框架中明确编码医学图像固有的部分-整体层次结构，通过三大分支（局部性、可组合性、可分解性）实现解剖结构的多层次学习	文中未明确提及局限性	提升深度模型对医学图像中解剖层次结构的编码能力，实现零样本的解剖理解与泛化性能	医学图像中的解剖结构	计算机视觉, 数字病理学	未指定	自监督学习	Adam-v2	图像	未明确提及	NA	NA	少样本学习、全迁移学习、新颖性与异常检测性能	NA
190	2026-06-30	3D craniofacial generative model for surgical planning in mandibular reconstruction 2026-07, Medical image analysis IF:10.7Q1 DOI:10.1016/j.media.2026.104136 PMID:42235113	研究论文	提出一种统一的颅面生成框架，将下颌骨缺损补全、腓骨截骨手术规划及术后面部预测整合至单一流水线中	首次将3D潜在扩散模型与补丁编码策略结合，利用无肿瘤受试者的大规模队列预训练鲁棒的解剖形状先验，并通过动态规划几何优化算法自动生成符合重建轮廓的手术方案，实现从缺损补全到术后疗效预测的端到端集成	未明确说明，但可能受限于训练数据的多样性及临床验证样本量较小	开发一种高效、美学感知的计算机辅助手术规划方法，用于口腔肿瘤切除术后的下颌骨重建	下颌骨缺损患者（模拟及临床数据集）的颅面结构及术后面部软组织形态	3D医学影像分析、计算机视觉	口腔肿瘤相关下颌骨缺损	3D位置编码、动态规划几何优化	3D潜在扩散模型（Latent Diffusion Model）	3D医学影像（CT扫描或重建后的颅面点云/网格）	模拟及临床数据集，具体数量未明示	PyTorch	3D潜在扩散模型（基于补丁编码的变体）	Dice系数、Chamfer距离（CD）、体积比、轮廓误差、最大投影	GPU（具体型号未提及）
191	2026-06-30	Simultaneous multi-slice Cardiac Diffusion Tensor Imaging with variable CAIPIRINHA shifts and artefact-aware AI 2026-07, Medical image analysis IF:10.7Q1 DOI:10.1016/j.media.2026.104115 PMID:42155271	研究论文	提出ORCAS框架，结合可变CAIPIRINHA采集与伪影感知AI重建，实现心脏扩散张量成像的18倍加速	首次融合可变CAIPIRINHA方案与双域深度学习模型，协同抑制SMS伪影和低SNR问题，并通过患者特异性单频辅助数据保持解剖保真度	可能依赖特定成像参数与训练数据，未提及在活体心脏中的验证情况	缩短心脏扩散张量成像采集时间，推动其临床转化	离体心脏样本（含正常与异常病例）	机器学习和数字病理学	心血管疾病	扩散张量成像	双域深度学习模型	图像	离体心脏样本（正常与异常，具体数量未提及）	NA	双域深度学习模型	分数各向异性误差	NA
192	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
193	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
194	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
195	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
196	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
197	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
198	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
199	2026-06-30	A system-level DOI discrimination method based on SSDA for a brain-dedicated DOI-PET scanner 2026-Jun-29, Physics in medicine and biology IF:3.3Q1 DOI:10.1088/1361-6560/ae7eed PMID:42309149	研究论文	提出一种基于半监督域适应（SSDA）的系统级DOI鉴别方法，用于脑专用DOI-PET扫描仪，以降低校准成本并保持高性能	仅需少量探测器（甚至一个）的侧照射数据作为标记数据，大幅减少校准时间和人力，实现系统级校准的高效性和实用性	NA	开发一种高效、实用的系统级DOI校准方法，用于下一代高性能脑专用PET扫描仪	脑专用DOI-PET扫描仪中的探测器阵列和PET原型扫描仪（含72个探测器）	机器学习	NA	PET成像、DOI测量	半监督域适应（SSDA）	图像（洪水图和空间分辨率数据）	使用一个探测器阵列（两层结构：顶层16×16阵列，底层8×8阵列），以及含72个探测器的PET原型扫描仪	NA	NA	准确率、洪水图像质量（k值、MAE）、误分类晶体簇比例、径向空间分辨率	NA
200	2026-06-30	RTsDEN: reverse task attention enabled deep learning model for lung cancer detection using computed tomography 2026-Jun-29, Expert review of anticancer therapy IF:2.9Q2 DOI:10.1080/14737140.2026.2689719 PMID:42312470	研究论文	提出了一种基于反向任务注意力机制的分布式Elman卷积神经网络模型，用于CT图像的肺癌检测	结合反向任务注意力模块和分布式Elman概念，通过自适应叶和多粒度结节分割阶段，有效捕捉复杂背景和不同环境下的疾病模式	未提及模型在真实临床环境中的泛化能力和实时部署性能限制	提高肺癌CT图像检测的性能，降低计算复杂度，实现实时应用	肺部CT图像中的结节检测	计算机视觉	肺癌	CT成像	卷积神经网络	图像	LUNA 16 数据集和 LIDC-IDRI 数据集	NA	分布式Elman卷积神经网络	准确率, 精确率, 召回率	NA