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	2026-09-07	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
182	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
183	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
184	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
185	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
186	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
187	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
188	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
189	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
190	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
191	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
192	2026-09-07	GRASSP: RNA language model-enhanced graph attention with adaptive gating for RNA-small molecule binding site prediction 2026-Aug-31, Bioinformatics (Oxford, England) DOI:10.1093/bioinformatics/btag638 PMID:42633564	研究论文	开发了一个名为GRASSP的混合深度学习框架，结合预训练RNA语言模型表示和自适应图注意力机制，用于RNA-小分子结合位点预测，在多个基准数据集上取得领先性能	通过预训练RNA语言模型生成核苷酸嵌入和预测二级结构特征直接构建空间RNA图，并引入两阶段图注意力精炼模块，减少对复杂结构注释和多阶段预处理流程的依赖	未在摘要中明确提及局限性	提高RNA-小分子结合位点预测的准确性和效率	RNA-小分子结合位点，涉及TE18、HARIBOSS、TL12和JL10四个基准数据集	自然语言处理, 机器学习	NA	RNA语言模型	GRASSP框架（结合预训练RNA语言模型和图形神经网络）	序列数据、空间图数据	涉及四个基准数据集（TE18、HARIBOSS、TL12和JL10），具体样本数量未在摘要中说明	PyTorch	GRASSP架构（基于预训练RNA语言模型和图注意力机制）	AUC, MCC	NA
193	2026-09-07	Single domain generalized polyp detection in colonoscopy scene utilizing vision foundation models 2026-Aug-31, Medical image analysis IF:10.7Q1 DOI:10.1016/j.media.2026.104268 PMID:42700677	研究论文	本文提出一种基于视觉基础模型的新型息肉检测方法，用于在单源域泛化设置下提升结肠镜场景中的跨域检测性能	首次将视觉基础模型与可学习令牌驱动的适配器机制结合，用于单源域泛化的息肉检测，并引入高效变体E-GPDT，通过知识蒸馏统一高容量与低延迟检测器	未明确提及局限性，但可能受限于依赖预训练视觉基础模型和单源域数据的假设	解决结肠镜息肉检测中因数据分布偏移导致的泛化问题，提出在仅有一个源域可用的现实场景下提升跨域检测能力的方法	结肠镜场景中的结直肠息肉	计算机视觉, 数字病理	结直肠癌	NA	Transformer（检测器），视觉基础模型	图像	使用了两个多中心基准数据集PolypGen和REAL-Colon，具体样本量未在摘要中明确	PyTorch（推断）	GPDT（通用息肉检测Transformer），E-GPDT（高效变体），视觉基础模型，适配器	性能指标未明确列出，但提及了检测精度和速度	评估了边缘设备配置，具体GPU类型未在摘要中说明
194	2026-09-07	Automated reconstruction of dynamic 2D fetal cardiac MRI using deep learning in late third-trimester fetuses 2026-Aug-30, European journal of radiology IF:3.2Q1 DOI:10.1016/j.ejrad.2026.113197 PMID:42700702	研究论文	开发了一个基于nnU-Net的深度学习模型，用于自动选择胎儿心脏MRI中的感兴趣区域，并将其集成到电影重建流程中，以解决运动伪影和心脏门控挑战。	首次将nnU-Net模型用于自动选择胎儿心脏MRI中的感兴趣区域，消除了对手动选择的依赖，提高了临床可用性。	研究样本量较小（23例），且图像质量和取向差异可能限制模型的泛化能力。	开发并验证一种自动化的感兴趣区域选择方法，用于动态二维胎儿心脏MRI的电影重建，以减少手动干预并提高临床实用性。	23例晚期第三孕期（34-36周胎龄）的胎儿，包括21例健康胎儿和2例先天性心脏病胎儿，共2327张实时图像。	深度学习, 医学影像	先天性心脏病	胎儿心血管磁共振（CMR）	nnU-Net	图像	23例胎儿，2327张图像	NA	nnU-Net	Dice相似系数, 互信息, 定盲感知图像质量评估（PIQE）	NA
195	2026-09-07	BioDeformUNet: A Deep Learning Model for Biomechanically Informed Liver Image Registration 2026-Aug-27, medRxiv : the preprint server for health sciences DOI:10.64898/2026.08.03.26359612 PMID:42620482	研究论文	开发了一种基于3D U-Net的深度学习模型BioDeformUNet，用于预测肝脏变形矢量场，以实现近实时的最小消融边缘评估	提出了一种受生物力学模型指导的深度学习图像配准方法，通过定制损失函数聚焦大变形区域，实现了与生物力学模型相当的精度但计算速度显著提升	摘要中未提及明确局限性	构建近实时预测肝脏变形矢量场的模型，以高效评估肝脏消融治疗中的最小消融边缘	157名接受肝脏消融治疗患者的170对对比增强CT图像	深度学习	肝脏肿瘤（具体疾病未明确）	NA（未明确，可能涉及对比增强CT成像）	3D U-Net	CT图像	170对CECT图像，来自157名患者	NA（未明确，可能使用PyTorch或TensorFlow）	U-Net	目标配准误差（TRE），Dice相似系数（DSC），最小消融边缘（MAM），推理时间，映射误差	NA（未明确提及）
196	2026-09-07	Ai-assisted compressed sensing with deep learning reconstruction for accelerated rectal MRI: A prospective intra-individual study of image quality and preoperative staging 2026-Aug-25, European journal of radiology IF:3.2Q1 DOI:10.1016/j.ejrad.2026.113191 PMID:42700701	研究论文	本文旨在比较人工智能辅助压缩感知结合深度学习重建（ACS-DLR）与常规并行成像（PI）在直肠癌MRI中的图像质量和诊断性能	前瞻性个体内研究设计，比较了ACS-DLR三种重建强度水平与传统PI的图像质量及术前分期准确性	未提及	评估ACS-DLR在直肠癌MRI中能否提高图像质量和术前分期性能	107名经活检证实的直肠癌患者	医学影像	直肠癌	MRI	深度学习重建	MRI图像	107例直肠癌患者	NA	深度学习重建模型	信噪比（SNR）、对比噪声比（CNR）、主观图像质量评分（5点Likert量表）、T分期准确性、N分期准确性、EMVI敏感性、MRF受累评估	NA
197	2026-09-07	Gaps in AI-Driven Pharmacokinetic Property Prediction for Early Drug Development: A Scoping Review 2026-Aug-24, Journal of chemical information and modeling IF:5.6Q1 DOI:10.1021/acs.jcim.6c01331 PMID:42670843	综述	本文是一篇范围综述，探讨了机器学习方法在早期药物开发中预测小分子药代动力学（PK）特性的现状，并指出了限制预测模型发展的主要障碍及改进建议	提出结合协同联邦学习框架和深度学习模式识别能力与机理性方法生物可解释性，以实现准确性和可解释性之间的平衡	未提供具体实验数据或模型性能评估；文献范围可能受限于已发表研究，且未讨论所有潜在解决方案	调查药物发现中运用机器学习和混合模型进行小分子PK特性预测的现状，识别阻碍最优模型发展的关键问题	小分子药物的药代动力学特性预测模型，以及相关数据集和方法	机器学习	NA	NA	机器学习模型和混合机器学习-机制模型	文本（文献综述）	不适用（基于文献的综合分析）	NA	NA	NA	NA
198	2026-09-07	Artificial intelligence-enabled pediatric radiology in low-resource settings: addressing resource constraints in the African healthcare system 2026-Aug, Pediatric radiology IF:2.1Q2 DOI:10.1007/s00247-025-06504-y PMID:41569331	综述	探讨人工智能在儿科放射学中的应用潜力，并分析在资源受限的非洲医疗系统中实施所面临的挑战和机遇	针对低资源环境（特别是撒哈拉以南非洲）中儿科放射学AI应用的特殊障碍进行了综合分析，并提出了可行的解决方案	未提供具体实验结果或数据支持，仅基于文献和观察进行论述	识别AI在儿科放射学中应用于资源受限环境的主要障碍，并强调将其常规化的机会	儿科放射学中的AI应用及相关资源挑战	医学影像	儿科疾病	深度学习	深度学习模型	影像数据	不适用	不适用	不适用	不适用	高性能计算资源，GPU，云基础设施
199	2026-09-07	Foundation models in radiology: a primer for pediatric radiologists 2026-Aug, Pediatric radiology IF:2.1Q2 DOI:10.1007/s00247-026-06544-y PMID:41677830	综述	本文为儿科放射科医生介绍基础模型（FMs）的原理、架构及其在儿科放射学中的应用、挑战与未来方向	首次以儿科放射学为焦点，系统综述基础模型的应用，涵盖数据稀缺、罕见病理和解剖变异等独特挑战，并提出联邦学习、持续学习和合成数据生成等应对策略	基础模型面临幻觉、缺乏可解释性、资源差异和放射科医生技能退化风险，且缺乏儿科特异性验证	向儿科放射科医生介绍基础模型，促进其在儿科影像中的安全、公平和有效应用	儿科放射学中的基础模型及其在病理检测、分类、分割、报告生成和视觉问答等任务中的应用	放射学	儿科疾病	自监督学习	基础模型	影像数据	不适用	不适用	不适用	不适用	不适用
200	2026-09-07	Deep learning-based cerebellar segmentation on T2-weighted fluid-attenuated inversion recovery magnetic resonance imaging for detecting cerebellar hypoplasia/atrophy in infants 2026-Aug, Pediatric radiology IF:2.1Q2 DOI:10.1007/s00247-026-06545-x PMID:41686223	研究论文	开发并验证了一种基于深度学习的模型，用于婴儿脑MRI中的小脑分割，以检测小脑发育不全或萎缩	首次针对2岁以下婴儿的小脑分割，利用公开的558例新生儿MRI数据集训练，并在正常和异常独立数据集上验证，结合年龄预测提高诊断效能	未提及具体的局限性，如样本量较小或跨机构泛化等	开发和验证深度学习模型，用于婴儿脑MRI的小脑体积测量，并辅助检测小脑发育不全或萎缩	婴儿脑MRI图像，特别是2岁以下婴儿，包括正常和异常（小脑发育不全或萎缩）	深度学习	新生儿疾病	MRI	深度学习分割模型（具体如U-Net）	图像	训练集558例新生儿MRI；验证正常集492例，异常集40例	PyTorch	U-Net	Dice相似系数, ROC曲线下面积	NA