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
2321	2026-01-15	Characterization of the 3D-Optical Properties of van der Waals Materials with Deep Learning-Based Coherent Fourier Scatterometry 2026-Jan-07, ACS photonics IF:6.5Q1 DOI:10.1021/acsphotonics.5c02153 PMID:41522620	研究论文	本文提出了一种结合相干傅里叶散射测量与深度学习的框架，用于快速、无标记表征各向异性薄膜的面内和面外折射率	利用深度学习增强的相干傅里叶散射测量技术，实现了对范德华材料三维光学各向异性的单次、无损、局部区域表征，克服了传统光谱椭偏仪在测量面外各向异性和需要大面积均匀薄膜方面的限制	方法基于模拟数据进行训练，可能在实际复杂样品或噪声环境下存在泛化性挑战；目前验证集中于特定材料（如h-BN和α-MoO），需进一步扩展到更广泛的材料体系	开发一种高效、精确的表征技术，用于测量低维范德华材料的光学各向异性，以支持基础研究和纳米光子学应用	各向异性薄膜，特别是单轴六方氮化硼和双轴α-氧化钼薄片	光学计量学	NA	相干傅里叶散射测量，4×4 Berreman矩阵形式主义模拟	深度神经网络	模拟的远场角谱数据	多种厚度变化的h-BN和α-MoO薄片	NA	AnisoVision	折射率检索准确性，光学常数一致性	NA
2322	2026-01-15	Systemic and local vascular features in branch retinal vein occlusion: analysis of the retinal age gap and crossing pattern 2026-Jan-06, BMJ open ophthalmology IF:2.0Q2 DOI:10.1136/bmjophth-2025-002610 PMID:41500614	研究论文	本研究通过分析视网膜年龄差和动静脉交叉模式，评估了系统性血管脆弱性和局部血管解剖在分支视网膜静脉阻塞发病中的各自作用	首次结合深度学习估计的视网膜年龄差（作为系统性血管脆弱性的替代标志）和OCTA分类的动静脉交叉模式，共同探讨BRVO的发病机制，特别是在年轻患者中的应用	视网膜年龄差是基于深度学习模型的预测，而非直接的生物学测量，结果需谨慎解释	评估系统性血管脆弱性和局部血管解剖在分支视网膜静脉阻塞发病中的各自作用	202名单侧BRVO患者和100名年龄、性别、眼轴长度匹配的健康对照者	数字病理学	视网膜静脉阻塞	光学相干断层扫描血管成像	深度学习模型	彩色眼底图像	202名BRVO患者和100名健康对照者	NA	NA	NA	NA
2323	2026-01-15	CRViT-YOLO: A method for multi-morphological blood cell detection using convolution-restructured vision transformer 2026-Jan-06, Tissue & cell IF:2.7Q3 DOI:10.1016/j.tice.2026.103312 PMID:41529371	研究论文	本文提出了一种基于YOLOv9架构的新型检测框架CRViT-YOLO，用于多形态血细胞检测，以提高医学诊断中血细胞计数的准确性和效率	提出了结合卷积重构视觉变换器（CRViT）模块和特征增强模块（FEM）的检测框架，并引入EIoU损失函数以提升密集或重叠细胞在不同尺度和类型下的定位精度	未明确说明模型在极端或罕见病理细胞形态下的泛化能力，以及计算资源消耗的具体评估	开发一种高精度、高效率的深度学习方法来检测多形态血细胞，以辅助医学诊断	多形态血细胞，包括健康细胞和病理细胞	计算机视觉	血液疾病	深度学习	CNN, Transformer	图像	四个公开数据集（BCCD、BCDD、LISC、BBBC041）	PyTorch	YOLOv9, CRViT, FEM	mAP@50	NA
2324	2026-01-15	Protein foundation models: a comprehensive survey 2026-Jan-05, Science China. Life sciences DOI:10.1007/s11427-025-3147-2 PMID:41530646	综述	本文全面综述了蛋白质基础模型（pFMs）的发展、应用、挑战与前景	系统性地探索了pFMs在自编码、自回归、扩散和流匹配模型方面的进展，并突出了其在基础生物学研究、蛋白质发现与工程以及生物医学应用中的代表性应用	讨论了数据瓶颈、评估复杂性和模型可解释性等主要挑战	为计算生物学家提供路线图，并为实验工作者提供应用pFMs的战略框架	蛋白质基础模型（pFMs）	机器学习	NA	深度学习	自编码模型, 自回归模型, 扩散模型, 流匹配模型	蛋白质序列, 三维结构, 功能注释, 相互作用网络	NA	NA	NA	NA	NA
2325	2026-01-15	Deep learning analysis of MRI accurately detects early-stage perihilar cholangiocarcinoma in patients with primary sclerosing cholangitis 2026-Jan-01, Hepatology (Baltimore, Md.) DOI:10.1097/HEP.0000000000001314 PMID:40112296	研究论文	本研究开发了一种基于3D DenseNet-121的深度学习模型，用于分析MRI图像以检测原发性硬化性胆管炎患者中的早期肝门部胆管癌	首次利用深度学习模型在MRI图像上检测早期肝门部胆管癌，并在无肿块情况下仍保持高灵敏度，优于专家放射科医生	研究为回顾性多中心队列研究，可能存在选择偏倚，且模型性能需在前瞻性研究中进一步验证	创建深度学习模型以通过MRI检测早期肝门部胆管癌，并比较其与专家放射科医生的诊断性能	原发性硬化性胆管炎患者中的早期肝门部胆管癌	医学影像分析	肝门部胆管癌	对比增强MRI	深度学习	MRI图像	398名患者（训练队列150人，测试队列248人），其中230人患有肝门部胆管癌	NA	3D DenseNet-121	灵敏度, 特异性, 接收者操作特征曲线下面积	NA
2326	2026-01-15	Highly Tunable Synaptic Modulation in Photo-Activated Remote Charge Trap Memory for Hardware-Based Fault-Tolerant Learning 2026-Jan, Advanced materials (Deerfield Beach, Fla.) DOI:10.1002/adma.202515140 PMID:41041969	研究论文	本文提出了一种基于硬件的人工突触可调突触操作的容错学习算法，用于处理带有噪声标签的数据集，以提高内存计算系统中的训练效率	利用基于缺陷工程六方氮化硼的光激活远程电荷陷阱存储器实现高突触可调比（4380），选择性抑制错误标签数据引起的权重更新信号	研究主要基于MNIST数据集进行验证，未在更复杂或大规模数据集上测试	开发硬件容错学习算法以应对内存计算中噪声标签导致的识别效率问题	人工突触设备与带有噪声标签的MNIST数据集	机器学习	NA	光激活远程电荷陷阱存储技术	NA	图像数据	MNIST数据集	NA	NA	识别准确率	NA
2327	2026-01-15	Performance of Artificial Intelligence Models in Predicting Responsiveness of Hepatocellular Carcinoma to Transarterial Chemoembolization (TACE): A Systematic Review and Meta-Analysis 2026-Jan, Journal of the American College of Radiology : JACR IF:4.0Q1 DOI:10.1016/j.jacr.2025.08.028 PMID:40889566	系统综述与荟萃分析	本文通过系统综述和荟萃分析，评估了人工智能模型（包括手工放射组学和深度学习）在预测肝细胞癌患者经动脉化疗栓塞治疗反应方面的性能	首次对基于人工智能的模型在预测TACE治疗反应中的性能进行了全面的系统综述和荟萃分析，并比较了深度学习与手工放射组学模型、以及是否整合临床数据模型的差异	纳入研究存在异质性，强调了需要进一步研究以验证和标准化	评估人工智能模型在预测肝细胞癌患者经动脉化疗栓塞治疗疗效方面的预测性能	接受经动脉化疗栓塞治疗的肝细胞癌患者	数字病理学	肝细胞癌	放射组学分析	深度学习, 手工放射组学模型	医学影像	NA	NA	NA	受试者工作特征曲线下面积	NA
2328	2026-01-15	Impact of deep learning on CT-based organ-at-risk delineation for flank irradiation in paediatric renal tumours: a SIOP-RTSG radiotherapy committee study 2026-Jan, Clinical and translational radiation oncology IF:2.7Q2 DOI:10.1016/j.ctro.2025.101051 PMID:41141653	研究论文	本研究评估了深度学习辅助的器官风险自动勾画在儿童肾肿瘤侧腹放疗中的应用，重点关注勾画时间、准确性和观察者间变异	首次在儿童放疗中系统评估深度学习自动勾画结合人工修订对器官风险勾画效率与准确性的影响	样本量较小，仅针对特定年龄段的肾肿瘤患者，且仅使用非增强CT图像	评估深度学习在儿童放疗器官风险勾画中的临床应用价值	儿童肾肿瘤患者的八个胸腹部器官风险结构	数字病理	肾肿瘤	深度学习	深度学习模型	CT图像	122个手动勾画和254个深度学习修订勾画	NA	NA	Dice相似系数, 95% Hausdorff距离, 平均表面距离	NA
2329	2026-01-15	New Advances in Imaging-Based Preoperative Prediction of STAS in Lung Adenocarcinoma: From CT and PET/CT to Radiomics and Deep Learning 2026-Jan, Academic radiology IF:3.8Q1 DOI:10.1016/j.acra.2025.10.009 PMID:41162298	综述	本文系统回顾了基于CT、PET/CT影像结合人工智能（包括放射组学和深度学习）在肺腺癌STAS术前预测中的应用与最新进展	聚焦于影像学与人工智能结合在肺腺癌STAS术前预测中的系统综述，探讨了其在评估个性化治疗模式和临床价值中的作用，并展望了未来多模态影像与大数据的融合发展趋势	STAS诊断的金标准仍依赖于术后病理，存在诊断延迟问题，且当前基于影像和AI的预测方法仍需进一步验证其临床广泛适用性	探讨影像学结合人工智能在肺腺癌STAS术前预测中的应用、进展及临床价值	肺腺癌及其STAS现象	数字病理	肺癌	CT, PET/CT, 放射组学, 深度学习	机器学习, 深度学习	影像	NA	NA	NA	NA	NA
2330	2026-01-15	Random Convolutions for Domain Generalization of Deep Learning-based Medical Image Segmentation Models 2026-Jan, Radiology. Artificial intelligence DOI:10.1148/ryai.240502 PMID:41258795	研究论文	本研究评估了随机卷积作为一种数据增强策略，用于提升基于深度学习的医学图像分割模型的领域泛化能力	提出并验证了随机卷积增强策略，能显著提升分割模型在未见领域的泛化性能，优于现有基线模型	未明确说明随机卷积的具体配置参数如何优化，且样本量在不同数据集间存在差异	评估随机卷积增强策略对医学图像分割模型领域泛化能力的改进效果	腹部器官（CT和MRI图像）和脑组织（T1加权和T2加权图像）的分割	计算机视觉	NA	CT扫描，MRI扫描	深度学习模型	图像	腹部CT图像361例，腹部CT和MRI扫描357例，脑部T1加权图像504例，配对T1/T2加权图像146例	NA	U-Net	Dice系数	NA
2331	2026-01-15	Deep learning [18F]-FDG-PET/CT‑based algorithm for tumor burden estimation in metastatic melanoma patients under immunotherapy 2026-Jan, Clinical and translational radiation oncology IF:2.7Q2 DOI:10.1016/j.ctro.2025.101063 PMID:41281625	研究论文	本研究评估了一种基于[18F]-FDG-PET/CT的深度学习模型（PARS）在转移性黑色素瘤患者免疫治疗中，用于病灶检测、分割和肿瘤负荷估计的性能	首次将深度学习算法PARS应用于转移性黑色素瘤患者的肿瘤负荷估计，特别是在免疫治疗背景下，评估其在多部位病灶检测和体积量化中的性能	模型在肿瘤负荷估计上表现出高变异性（中位绝对相对百分比差异达68.6%）和一致性差（组内相关系数仅0.28），且检测精度有限（总体精度46.8%），骨病灶性能最低（精度32.9%）	评估深度学习模型在肿瘤负荷自动估计中的准确性与临床适用性	165名IV期转移性黑色素瘤患者	数字病理	黑色素瘤	[18F]-FDG-PET/CT成像	深度学习模型	医学影像（PET/CT）	165名患者	NA	PARS（PET-Assisted Reporting System）	召回率（灵敏度）、精确度、中位相对百分比差异、组内相关系数、中位绝对相对百分比差异	NA
2332	2026-01-15	Development and evaluation of an AI model for dental implant type detection: A comparison of diagnostic accuracy between a deep learning model and dental professionals 2026-Jan, Journal of prosthodontics : official journal of the American College of Prosthodontists DOI:10.1111/jopr.70064 PMID:41305904	研究论文	本研究开发并评估了一个用于从根尖周X光片中识别五种牙科种植体品牌的深度学习系统，并将其诊断准确性与牙科专业人员进行了比较	首次比较了连续YOLO架构（v7-v12）在牙科种植体品牌检测任务中的性能，并证明YOLOv12x模型在准确性和推理速度之间取得了最佳平衡，且其诊断准确性显著优于所有临床医生亚组	缺乏外部验证，且数据集存在不平衡问题	开发一个深度学习系统，用于从根尖周X光片中自动识别牙科种植体品牌，并评估其相对于牙科专业人员的诊断性能	牙科种植体品牌（Adin, Dentium, Noris, OSSTEM, Straumann）	计算机视觉	NA	深度学习，目标检测	YOLO, DETR	图像（根尖周X光片）	5851张根尖周X光片	NA	YOLOv7, YOLOv8, YOLOv9, YOLOv10, YOLOv11, YOLOv12x, DF-DETR	mAP@50, mAP@50-95, 精确率, 召回率, 准确率	NA
2333	2026-01-15	A systematic review about the evolving role of artificial intelligence in various fields of forensic medicine 2026-Jan, Journal of forensic and legal medicine IF:1.2Q3 DOI:10.1016/j.jflm.2025.103043 PMID:41314025	系统综述	本文系统综述了人工智能在法医学多个领域中的应用、影响及其面临的挑战	系统性地将AI在法医学中的应用归纳为关键领域，并总结了其在准确性、可重复性和效率方面的改进，同时指出了当前挑战	数据集规模小且缺乏代表性，外部验证有限，存在伦理问题	综述人工智能在法医学中的应用及其影响	法医学领域，包括个人识别、法医病理学、放射学与影像学、数字取证、毒理学和法医人类学	法医学	NA	机器学习，深度学习，神经网络	NA	多模态数据（包括影像、数字数据等）	约100篇符合纳入标准的文章（源自约1000篇初步检索文章）	NA	NA	准确性，可重复性，效率，平均误差减少	NA
2334	2026-01-15	Deep Learning-Based Prediction Model for Cardiac Resynchronization Therapy Responders Using Electrocardiogram Data 2026-Jan, Journal of cardiovascular electrophysiology IF:2.3Q2 DOI:10.1111/jce.70212 PMID:41331773	研究论文	本研究开发并评估了基于深度学习模型，利用植入前心电图数据预测心脏再同步化治疗响应者的方法	首次结合自监督学习增强的ResNet-18模型与心电图图像数据，以及LightGBM模型与时间序列心电图数据，用于CRT响应者预测，并通过Grad-CAM进行模型可解释性分析	研究为回顾性分析，样本量相对较小（285例患者），且仅基于单中心数据，可能影响模型的泛化能力	开发并评估基于深度学习模型，利用植入前心电图数据预测心脏再同步化治疗响应者，以改善患者选择和个性化治疗策略	接受心脏再同步化治疗植入并完成6个月随访的285例患者	机器学习	心血管疾病	心电图	CNN, LightGBM	图像, 时间序列数据	285例患者	PyTorch, LightGBM	ResNet-18	准确率, 阳性预测值, 阴性预测值	NA
2335	2026-01-15	Beyond conventional images: AI-driven biotechnologies for oral cancer diagnosis - a systematic review 2026-Jan, European journal of cancer (Oxford, England : 1990) DOI:10.1016/j.ejca.2025.116118 PMID:41344069	综述	本文对利用人工智能驱动的生物技术进行口腔癌早期诊断的原创研究进行了系统性回顾，分析了不同技术类别的诊断性能	首次系统性地将AI驱动的口腔癌生物诊断技术分为分子生物学、其他生物标志物、光谱分析和多光谱自发荧光寿命成像四类，并进行组间性能比较与质量评估	纳入研究存在外部验证缺失（90.5%）、模型架构定义不清（20%）、数据集构成与划分不明确、以及新型AI架构探索有限等问题	评估人工智能与生物技术结合在口腔癌早期诊断中的应用现状与性能	口腔癌	数字病理学	口腔癌	分子生物学技术、光谱分析、多光谱自发荧光寿命成像	传统机器学习方法、深度学习	生物标志物数据、光谱数据、成像数据	42项研究（具体样本数量未在摘要中明确给出）	NA	NA	准确率	NA
2336	2026-01-15	Deep Imputation for Skeleton data (DISK) for behavioral science 2026-Jan, Nature methods IF:36.1Q1 DOI:10.1038/s41592-025-02893-y PMID:41345771	研究论文	本文提出了一种名为DISK的深度学习方法，用于填补动物骨架数据中的缺失跟踪数据，无需手动标注	DISK通过深度学习揭示关键点及其动态之间的依赖关系，实现无监督的缺失数据填补，并能学习到捕捉潜在动作的有意义数据表示	NA	开发一种深度学习方法以填补动物骨架数据中的缺失跟踪数据，提升行为科学实验数据的可用性和分析效果	动物骨架数据，包括多动物设置下的七种动物骨架	计算机视觉	NA	姿态估计方法，运动捕捉系统	深度学习	骨架数据	七种动物骨架的数据记录，包括多动物设置	NA	NA	NA	NA
2337	2026-01-15	The role of AI in optimizing CMR image quality: A scoping review 2026-Jan, Journal of medical imaging and radiation sciences IF:1.3Q3 DOI:10.1016/j.jmir.2025.102135 PMID:41365091	综述	本文是一篇范围综述，总结了人工智能在优化心脏磁共振图像质量方面的应用方法	系统性地将AI在CMR图像质量优化中的应用分为扫描加速、伪影检测、伪影减少和图像重建四个主题，并综合了现有研究结果	NA	总结AI在改善CMR图像质量方面的不同方法，包括缩短扫描时间作为减少伪影的关键因素	心脏磁共振图像	计算机视觉	心血管疾病	心脏磁共振成像	CNN, GAN	图像	NA	NA	NA	准确率, 结构相似性指数	NA
2338	2026-01-15	Application of deep learning in evaluating the anatomical relationship between the mandibular third molar and inferior alveolar nerve: A scoping review 2026-Jan-01, Medicina oral, patologia oral y cirugia bucal DOI:10.4317/medoral.27584 PMID:41108775	综述	本文通过范围综述，系统回顾并比较了深度学习模型在评估下颌第三磨牙与下牙槽神经解剖关系中的临床应用	首次对深度学习在下颌第三磨牙手术影像评估中的应用进行全面综述，并比较了不同AI模型的性能、影像模态及临床适用性	纳入研究在数据集大小、验证流程和性能指标上存在显著差异，模型泛化能力存在不一致性	识别和比较用于下颌第三磨牙手术影像学评估的深度学习模型	使用全景X光片和锥形束计算机断层扫描（CBCT）图像进行AI分析的研究	计算机视觉	口腔颌面外科	全景X光片，锥形束计算机断层扫描（CBCT）	CNN	图像	16篇符合纳入标准的研究（初始948篇）	NA	U-Net	准确率，灵敏度，特异性	NA
2339	2026-01-15	Geometric evaluation of a deep learning method for segmentation of urinary OARs on magnetic resonance imaging for prostate cancer radiotherapy 2026-Jan, Clinical and translational radiation oncology IF:2.7Q2 DOI:10.1016/j.ctro.2025.101091 PMID:41458146	研究论文	本研究提出了一种基于nnU-Net的深度学习模型，用于在磁共振成像上分割前列腺癌放疗中的泌尿器官风险结构，并在多中心数据集上进行了几何评估	首次提出使用nnU-Net深度学习模型在多中心磁共振成像数据集上分割泌尿器官风险结构，适用于不同图像数据集	模型在泌尿器官风险结构分割中存在局部不匹配，主要由于患者间较大的解剖变异，且需进一步评估不同临床场景下的剂量学影响	开发并评估一种深度学习模型，用于自动分割前列腺癌放疗中磁共振成像上的泌尿器官风险结构，以减少临床实践中的人工勾画时间和观察者间变异性	前列腺癌放疗中的泌尿器官风险结构，包括膀胱三角区和前列腺内尿道等	数字病理学	前列腺癌	磁共振成像	CNN	图像	265例磁共振成像	nnU-Net	nnU-Net	Dice分数系数, 表面距离, Hausdorff距离	NA
2340	2026-01-15	CT-Based Radiomics and Deep Learning for Preoperative Thyroid Nodule Classification: A Systematic Review, Meta-analysis, and Radiologist Comparison 2026-Jan, Academic radiology IF:3.8Q1 DOI:10.1016/j.acra.2025.09.045 PMID:41107124	系统综述与荟萃分析	本文系统综述并荟萃分析了基于CT的影像组学和深度学习方法在甲状腺结节术前分类中的诊断性能	首次对CT影像组学和深度学习在甲状腺结节分类中的应用进行系统综述和荟萃分析，并比较了AI模型与放射科医生的诊断性能	深度学习模型存在显著的异质性，可能源于验证方法、分割技术、METRICS质量和参考标准的差异	评估影像组学和深度学习方法使用CT成像进行术前甲状腺结节分类的诊断性能	甲状腺结节	医学影像分析	甲状腺癌	CT成像	深度学习模型	CT图像	NA	NA	NA	灵敏度, 特异度, 阳性似然比, 阴性似然比, 诊断比值比, AUC	NA