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
2001	2026-08-17	Autosegmentation for thoracic radiation treatment planning: A grand challenge at AAPM 2017 2018-Oct, Medical physics IF:3.2Q1 DOI:10.1002/mp.13141 PMID:30144101	研究论文	本文介绍2017年AAPM年会举办的胸部自动分割挑战赛的方法和结果，评估胸部CT图像中危及器官自动分割算法的性能	提供了一个公开的基准数据集和平台，用于评估胸部CT中OAR自动分割方法，并比较深度学习方法与传统方法的表现	未明确说明，但挑战赛数据仅来自三个机构，且食管分割难度大，可能影响泛化性	评估和比较不同自动分割算法在胸部CT图像中分割危及器官（左肺、右肺、心脏、食管、脊髓）的性能	胸部CT扫描图像中的危及器官（左肺、右肺、心脏、食管、脊髓）	计算机视觉、数字病理	胸部肿瘤（如肺癌）	CT成像、深度学习、多图谱分割	深度学习模型（如CNN）、多图谱方法	图像（CT扫描）	60例胸部CT扫描（36训练、12离线测试、12在线测试）	未明确说明	未明确说明，但深度学习算法可能包含CNN架构	Dice系数、Hausdorff距离、平均表面距离	未明确说明
2002	2026-08-17	Development of deep neural network for individualized hepatobiliary toxicity prediction after liver SBRT 2018-Oct, Medical physics IF:3.2Q1 DOI:10.1002/mp.13122 PMID:30098025	研究论文	开发深度神经网络模型来预测肝脏立体定向体部放疗后的个体化肝胆毒性风险	提出超越传统剂量体积直方图指标的预测范式，利用深度学习从3D剂量计划中提取毒性相关模式，并结合临床数值特征进行综合预测，同时通过显著性图自动识别关键保护的解剖区域	基于单一机构的数据集，样本量有限（125例），需要外部验证	提高肝脏SBRT后肝胆毒性的预测准确性，减少假阳性预测并自动识别需要保护的解剖区域	肝脏SBRT患者的3D剂量计划、CT图像和临床数值特征	医学影像分析、深度学习	肝肿瘤（包括肝转移癌、肝细胞癌、胆管癌）	放射治疗、CT成像	卷积神经网络（CNN）、全连接神经网络（FCN）、迁移学习	3D剂量计划图像、CT图像、临床数值数据	125例肝脏SBRT患者，以及2644个人体器官的CT图像用于预训练	NA	CNN、全连接神经网络	AUC、假阳性率、假阴性率、风险评分	NA
2003	2026-08-16	MUnet: A model-based unrolled reconstruction framework for computational photoacoustic imaging 2026-Dec, Ultrasonics IF:3.8Q1 DOI:10.1016/j.ultras.2026.108164 PMID:42379009	研究论文	提出一种基于模型的展开式重建框架MUnet，用于计算光声成像，结合物理信息数据保真项与监督图像域增强模块，提升重建质量和计算效率	采用非可训练的解析更新与神经网络图像细化交替进行，替代显式正则化函数或近端算子的学习，融合模型可解释性和深度学习灵活性	未明确提及，但可能受限于体内数据实验的特定条件及对临床实时应用的进一步验证需求	解决光声成像在有限视角、稀疏采样和强噪声等实际条件下的鲁棒图像重建问题，实现快速高保真成像	体内光声成像数据	计算成像、深度学习	NA	计算光声成像	展开式网络架构	图像	体内光声成像数据（具体数量未在摘要中提供）	NA	MUnet，结合模型展开和U-Net风格网络	图像质量、计算时间	NA
2004	2026-08-16	Spatially-informed deep learning for full-field ultrasonic nondestructive evaluation 2026-Dec, Ultrasonics IF:3.8Q1 DOI:10.1016/j.ultras.2026.108185 PMID:42425047	研究论文	提出一种结合空间信息的深度学习模型，用于从激光多普勒测振仪采集的全场稳态波场响应中估计结构件局部材料厚度	采用早期融合方法将全场正交分量与距离数据结合，提供检测环境的空间上下文；同时引入可变形卷积层，提升网络对表面位置变化的空间不变性	未明确提及具体局限性	开发一种能克服扫描表面位置和角度变化引起的响应扭曲和缩放问题的深度学习方法，实现准确的局部厚度估计	铝合金6061板材，厚度和取向随机变化	无损检测、深度学习	NA	超声波激励、扫描激光多普勒测振	深度学习模型（含可变形卷积）	全场稳态波场响应测量数据、深度场测量数据	仿真数据及两块实验板的多种扫描位置、取向和距离的测量	NA	可变形卷积层、早期融合网络	性能优于未使用或仅使用一种技术的模型配置；超越非机器学习基线	NA
2005	2026-08-16	Diagnostic performance of artificial intelligence based on PET/CT for lymph node involvement in prostate cancer: A systematic review and meta-analysis 2026-Nov-01, International journal of medical informatics IF:3.7Q2 DOI:10.1016/j.ijmedinf.2026.106583 PMID:42456599	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
2006	2026-08-16	Clinically-aligned explainable AI for atrial fibrillation detection: A U-Net inspired multi-lead ECG analysis framework 2026-Oct, Computer methods and programs in biomedicine IF:4.9Q1 DOI:10.1016/j.cmpb.2026.109474 PMID:42314562	研究论文	开发了一个基于U-Net的可解释深度学习框架，用于心房颤动的多导联ECG检测，并通过形态和节律特征提取阐明模型决策过程	提出将层间解释与临床ECG阅读顺序对齐，从QRS定位到P波形态，实现了高诊断性能与透明、临床对齐的可视化解释的结合	仍需外部验证才能确保更广泛的临床泛化性	开发一个临床可解释的U-Net启发式深度学习框架，用于心房颤动（AFib）检测，通过形态和节律特征提取阐明模型决策	12导联心电图（ECG）数据，特别是心房颤动相关的心律不齐模式	深度学习、医学图像分析	心房颤动	ECG信号处理、Grad-CAM可视化	U-Net（编码器-解码器）	12导联ECG信号	PTB-XL数据库（具体样本数未在摘要中提及）	未明确提及	U-Net	AUC、敏感性、特异性、阳性预测值（PPV）	未明确提及
2007	2026-08-16	Short-term prediction of nitrate plus nitrite in riverine systems using hybrid deep learning models 2026-Oct-01, Water research IF:11.4Q1 DOI:10.1016/j.watres.2026.126320 PMID:42364502	研究论文	本研究开发了五种深度学习模型（CNN、LSTM、TGCN、CNN-LSTM和TGCN-LSTM），用于提前7天预测河流中硝酸盐加亚硝酸盐的日浓度，并在两条对比鲜明的中国河流上进行了评估	结合图卷积网络（TGCN）和长短期记忆网络（LSTM）的混合模型，利用低成本传感器数据（pH、溶解氧和水温）作为替代变量，同时采用蒙特卡洛丢弃集成提供预测区间，并在传感器故障时提供可操作的预测	部署时需要保持硝酸盐传感器的连续性，否则预测精度会降低；研究仅基于两条中国河流，可能限制泛化性	提高河流中硝酸盐加亚硝酸盐浓度的短期预测精度，利用低成本传感器网络实现实时水质监测	两条中国河流（受农业影响的黄甫川河和受城市影响的香溪河）的日硝酸盐加亚硝酸盐浓度数据（n = 1461天）	机器学习	不适用	不适用	混合深度学习模型（TGCN-LSTM、CNN-LSTM、TGCN、LSTM、CNN）	时间序列数据（水质指标）	每条河流四年的日数据，共1461个样本	TensorFlow	TGCN-LSTM、CNN-LSTM、TGCN、LSTM、CNN	决定系数（R²）、均方根误差（RMSE）、预测区间覆盖率	未提及
2008	2026-08-16	Comment on "Automated detection of superior mesenteric artery occlusion on post-contrast CT using a 3D deep learning model" 2026-Oct, Clinical imaging IF:1.8Q3 DOI:10.1016/j.clinimag.2026.110883 PMID:42392008	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
2009	2026-08-16	A temporal causal deep learning for real-time traffic risk prediction on freeway merging areas 2026-Oct, Accident; analysis and prevention DOI:10.1016/j.aap.2026.108669 PMID:42407355	研究论文	该研究提出了一种基于时间因果深度学习的框架，用于高速公路合流区域的实时交通风险预测，并验证了其高精度与因果可解释性	整合多尺度时间因果卷积和多头因果注意力机制的TC-iTransformer模型，并引入回归相关性传播（RRP）来推断跨时滞因果结构，增强了模型的因果可解释性	研究仅在两个高速公路合流点的轨迹数据上进行了验证，可能限制模型在不同交通场景下的泛化能力	实现高速合流区域交通冲突风险的实时预测，并提供因果解释以支持主动安全干预	高速合流区域的车辆轨迹数据，包括自我车辆行为、跟车交互以及多方向周围车辆交互	机器学习	NA	无（基于无人机高分辨率车辆轨迹数据）	TC-iTransformer（集成时间因果卷积和注意力机制的深度学习模型）	轨迹数据（时间序列）	两个高速合流点的轨迹数据	NA	iTransformer（TC-iTransformer）	平均绝对误差（MAE）、均方根误差（RMSE）	NA
2010	2026-08-16	IMF-DDI: Information Mapping and Fusion Framework for Drug-drug Interaction Prediction 2026-Sep, Interdisciplinary sciences, computational life sciences DOI:10.1007/s12539-025-00781-9 PMID:41264226	研究论文	提出了一种基于信息映射与融合框架的深度学习模型IMF-DDI，用于预测药物-药物相互作用，通过整合多个外部实体的信息来提升预测性能。	提出了一种信息映射模块和多源信息融合模块，以捕捉药物分子与外部实体的关联并整合多源信息，克服了现有方法对连接信息的过度依赖，提高了模型的泛化能力。	摘要中未明确提及局限性，可能需要进一步评估模型在多样数据集上的泛化能力及计算成本。	开发一种计算机辅助的深度学习框架，以提高药物-药物相互作用预测的准确性，从而支持临床安全和药物发现。	药物分子的相互作用，具体涉及药物-药物相互作用预测任务。	机器学习	不适用	不适用	深度学习模型（具体架构未指明，可能涉及神经网络）	药物分子相关的数据，可能包括药物信息及相互作用网络数据。	不适用（摘要中未提及具体样本数量）	不适用	不适用（具体架构未在摘要中提及）	采用准确性等指标（具体未在摘要中详述）	不适用（摘要中未提及计算资源）
2011	2026-08-16	Photo-Based Color Analysis in Restorative Dentistry: The Role of Artificial Intelligence Algorithms 2026-Sep, Journal of esthetic and restorative dentistry : official publication of the American Academy of Esthetic Dentistry ... [et al.] IF:3.2Q1 DOI:10.1111/jerd.70078 PMID:41420821	研究论文	本研究旨在开发和评估基于深度学习的模型，从标准化口外照片估计CIELAB牙齿颜色坐标，并以体内分光光度法测量作为参考标准，为修复牙科中的临床选色提供实用支持。	首次将卷积神经网络与牙齿解剖位置信息结合，从口外照片估计CIELAB颜色坐标，并与分光光度法参考标准进行对比验证，展示了在临床选色中的应用潜力。	研究样本限于特定人群，且前牙比后牙精度更高，可能受图像质量和光照条件影响，需进一步验证模型在不同临床环境中的泛化能力。	开发并评估基于深度学习模型的AI系统，以从标准化口外照片估计CIELAB牙齿颜色坐标，支持修复牙科中的临床选色。	102名参与者的上颌前牙图像及对应的体内CIELAB颜色坐标测量值。	计算机视觉	不适用	数字化摄影及分光光度法	卷积神经网络	图像	102名参与者的1031张标记并裁剪的牙齿图像	深度学习框架（未指定具体框架，如PyTorch或TensorFlow）	CustomCNN, ResNet18, EfficientNetB0, DenseNet121, MobileNetV2	平均绝对误差（MAE）, 决定系数（R²）, 估计准确率（基于ΔE≤2临床阈值）	未知
2012	2026-08-16	Development and validation of an interpretable MRI-based multimodal fusion model for predicting lymph node metastasis after neoadjuvant chemoradiotherapy in locally advanced rectal cancer: a multicenter study 2026-Sep, Abdominal radiology (New York) DOI:10.1007/s00261-026-05391-7 PMID:41801383	研究论文	开发并验证了一种基于MRI的多模态融合模型，用于预测局部晚期直肠癌患者在新辅助放化疗后的淋巴结转移情况	结合深度学习影像组学和Node-RADS评分构建可解释融合模型，并利用SHAP分析增强模型临床可信度	未提供具体局限性信息	开发一个可解释的多模态模型，整合MRI深度学习影像组学特征和Node-RADS评分，以预测局部晚期直肠癌患者新辅助放化疗后的淋巴结转移	190例来自三个独立中心的局部晚期直肠癌患者	医学影像分析	直肠癌	磁共振成像（MRI）	逻辑回归分类器	医学影像（MRI图像）	190例患者	未提及	深度学习影像组学特征与Node-RADS评分的组合	AUC	未提及
2013	2026-08-16	Preoperative prediction of preserved renal parenchymal volume via multilevel CT feature fusion: a proof-of-concept study 2026-Sep, Abdominal radiology (New York) DOI:10.1007/s00261-026-05381-9 PMID:41714356	研究论文	本研究开发并验证了一种基于CT的多层次特征融合模型，用于术前准确预测部分肾切除术后保留肾实质体积	提出结合影像组学特征、手工特征和深度学习特征的多层次CT特征融合方法，并利用TabPFN回归器实现高精度预测	本研究为单中心回顾性研究，且为概念验证性质，多中心外部验证和前瞻性研究仍需进一步开展	开发并验证基于CT的多层次特征模型，以在术前准确预测部分肾切除术后保留的肾实质体积	2019至2023年间在中山大学肿瘤防治中心接受部分肾切除术的185例肾肿瘤患者	医学影像分析, 计算机视觉	肾肿瘤	CT影像分析, 放射组学, 深度学习	nnUNetV2, TabPFN	CT图像	185例患者的CT影像数据	PyRadiomics, PyTorch	nnUNetV2, 自定义深度学习网络, TabPFN, PyRadiomics特征提取	Dice相似系数, R², 平均绝对百分比误差（MAPE）	未在摘要中明确说明，可能为GPU集群（如NVIDIA V100或A100）
2014	2026-08-16	MRI-based automated segmentation and multiparametric quantification for assessing orbital soft tissue involvement in thyroid eye disease 2026-Sep, European radiology IF:4.7Q1 DOI:10.1007/s00330-026-12599-0 PMID:42089968	研究论文	开发了一种基于深度学习的多模态框架TED-Net，用于自动分割眼眶软组织并进行多参数定量分析，以评估甲状腺眼病的严重程度	提出TED-Net，整合ConvNeXt和Transformer架构的深度学习模型，能够自动提取形态学（体积和体积比）和功能参数（水分数、脂肪分数和FS T2弛豫时间）	未在摘要中明确提及局限性	开发深度学习框架，实现眼眶软组织的自动分割和多参数定量分析，为甲状腺眼病严重程度提供客观评估的影像生物标志物	甲状腺眼病（TED）患者的眼眶软组织，包括眼外肌、泪腺、眶脂肪和眼球	医学影像分析	甲状腺眼病	MRI（水脂分离和脂肪抑制T2 mapping序列）	深度学习模型	MRI图像及相关定量参数	330名患者（主要中心）用于模型开发，113名患者（两个外部中心）用于验证；其中182例轻度、138例中重度TED用于进一步分析	NA	ConvNeXt、Transformer	Dice相似系数、组内相关系数、受试者工作特征曲线下面积、决策曲线分析	NA
2015	2026-08-16	A unified multi-task framework enables interpretable chest radiograph analysis 2026-Aug-14, Med (New York, N.Y.) DOI:10.1016/j.medj.2026.101223 PMID:42431195	研究论文	提出一种可解释的多任务胸部X光影像分析框架IMT-CXR，通过模拟放射科医生诊断流程，实现疾病识别、属性刻画和报告生成	提出统一的多任务Transformer框架，通过医学领域指令调优，首次将疾病分类、病灶定位、解剖分割和报告生成四个临床任务集成到一个可解释的决策路径中	未明确提及具体局限性，但实验仅基于胸部X光数据，泛化性有待验证	开发一种可解释的多任务胸部X光影像分析框架，弥合AI技术指标与临床实用性之间的差距，推进可信赖的医学成像AI系统	胸部X光影像及对应的临床报告	医学影像分析	胸部疾病	影像学检查	Transformer	影像数据，文本报告	160份来自四个医疗中心的历史报告用于盲评，另使用十个CXR基准数据集	未明确提及，推测为PyTorch或TensorFlow	统一Transformer架构	诊断清晰度（基于放射科医生盲评），另有基准测试指标未在摘要中详述	未明确提及
2016	2026-08-16	Deep Learning Assisted Heteroporous Covalent Organic Framework Hydrogels Enable Dual-Mode Tracking and Analysis to Parkinson's Management 2026-Aug, Small (Weinheim an der Bergstrasse, Germany) DOI:10.1002/smll.74297 PMID:42360202	研究论文	本文介绍了一种可穿戴水凝胶（Gel@COF），用于同时监测帕金森病的多巴胺水平和静止性震颤，并结合卷积神经网络实现早期检测与干预	首次将具有分形和异质孔结构的共价有机框架（COF-101）封装于自交联水凝胶中，实现多巴胺和震颤的双模式传感，并集成CNN算法将预测准确率提升至95%以上	摘要中未提及研究的局限性，可能包括临床转化中需要进一步验证，以及水凝胶在长期穿戴中的稳定性等问题	开发一种双功能可穿戴水凝胶，用于帕金森病的早期检测和干预，通过同时监测多巴胺水平和静止性震颤	帕金森病患者，特别是早期患者，以及用于传感的水凝胶材料	数字病理学	帕金森病	共价有机框架合成、水凝胶制备	卷积神经网络（CNN）	传感信号（应变、荧光）	未在摘要中明确说明样本数量，可能涉及患者样本或传感器测试样本	NA	卷积神经网络（CNN）	准确率（>95%）、灵敏度（1%应变）、响应/恢复时间（16.0毫秒）	NA
2017	2026-08-16	Deep Learning Interpretation of Echocardiographic Images Predicts Incident Heart Failure and Subtypes 2026-Jul-15, Journal of cardiac failure IF:6.7Q1 DOI:10.1016/j.cardfail.2026.07.003 PMID:42457081	研究论文	本文开发并验证了一种深度学习模型（Echo2HF），利用超声心动图图像预测心力衰竭（HF）的10年发病风险。	首次利用大规模超声心动图视频数据训练深度学习模型，以预测心力衰竭及其亚型，优于传统临床风险评分。	研究为回顾性分析，且外部验证仅限于单一医疗系统；未来工作需评估AI风险分层在临床实践中的广泛适用性。	评估深度学习模型从超声心动图图像预测心力衰竭发病风险的准确性和泛化能力。	接受纵向门诊护理的患者，包括MGH的内部测试集和BWH的外部测试集。	计算机视觉、数字病理学	心力衰竭	深度学习	深度学习模型	超声心动图视频	70,763名患者（内部开发），34,802名患者（外部验证）	NA	NA	AUC	NA
2018	2026-08-16	Acanthamoeba keratitis: Insights into diagnostic challenges and treatment advances 2026-Jul-14, Survey of ophthalmology IF:5.1Q1 DOI:10.1016/j.survophthal.2026.07.006 PMID:42448152	综述	本文综述了棘阿米巴角膜炎的诊断挑战和治疗方法的最新进展	强调深度学习图像分析作为未来诊断方向的潜力	未具体说明局限性	讨论棘阿米巴角膜炎的最新诊断和治疗方法，并阐明现有挑战	棘阿米巴角膜炎	医学影像分析	棘阿米巴角膜炎	NA	深度学习	图像	NA	NA	NA	NA	NA
2019	2026-08-16	Positional interpretation of cis-regulatory code and nucleosome organization with deep learning models 2026-Jul-04, Nature communications IF:14.7Q1 DOI:10.1038/s41467-026-74807-1 PMID:42401553	研究论文	本文介绍了一种名为PISA的深度学习方法，用于解释序列到功能神经网络在基因组数据上的预测，特别是核小体占据和顺式调控代码。	PISA通过成对影响分析，能够组合解码特定基因组坐标上碱基对输出的贡献，识别复杂贡献模式的未发现基序，并揭示实验偏差，从而改进核小体预测模型。	未明确提及局限性。	开发一种可解释的深度学习工具，以理解顺式调控代码和核小体组织。	基因组序列及其相关的实验数据，特别是MNase-seq数据。	深度学习	不适用	MNase-seq	神经网络	基因组序列和MNase-seq数据	不明确，但涉及多个基因组数据集。	未明确指定，但可能使用PyTorch或TensorFlow。	未明确指定，但涉及序列到功能的神经网络。	未明确指定，但可能包括准确性、AUC等。	未明确提及。
2020	2025-12-29	Deep Learning-Based denoising improves myocardial late enhancement imaging with spectral photon-counting CT 2026 Jul-Aug, Journal of cardiovascular computed tomography IF:5.5Q1 DOI:10.1016/j.jcct.2025.12.002 PMID:41455687	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA