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
4361	2026-04-21	Establishment of CT diagnostic reference levels (DRLs) in Tokyo 2026-May, European radiology IF:4.7Q1 DOI:10.1007/s00330-025-12194-9 PMID:41359161	研究论文	本研究旨在调查东京地区医疗机构的特征和CT扫描仪性能如何影响诊断参考水平，以优化CT检查中的辐射剂量	首次在东京地区基于大规模调查（100家医疗机构、176台CT扫描仪）建立诊断参考水平，并系统评估了包括放射科医师、认证CT技师、医院规模、扫描仪规格和图像重建方法在内的多种影响因素	双能CT的数据有限，仅针对对比增强肺动脉扫描建立了诊断参考水平；研究范围局限于东京地区，可能无法完全代表其他地区的实际情况	优化CT检查中的辐射剂量，通过建立诊断参考水平并识别影响因素来提升患者安全	东京地区的医疗机构、CT扫描仪及接受常见CT检查方案的成年患者（体重50-70公斤）	医学影像学	NA	CT扫描、剂量调查、统计分析	NA	剂量数据（CTDIvol、DLP）、设施特征数据	100家医疗机构、176台CT扫描仪	NA	NA	75百分位数（用于定义诊断参考水平）	NA
4362	2026-04-21	Deep learning-based assessment of paraspinal muscle degeneration and its relationships to muscle function and disability outcomes in chronic low back pain: a prospective study 2026-May, European radiology IF:4.7Q1 DOI:10.1007/s00330-025-12171-2 PMID:41405693	研究论文	本研究利用深度学习模型评估慢性腰痛患者椎旁肌脂肪分数，并探讨其与肌肉功能和功能障碍结局的关系	开发了一种基于深度学习和Otsu阈值分割的模型，用于从3D T2加权图像中量化肌肉脂肪分数和功能肌肉体积，并与Dixon MRI金标准进行对比验证	样本量相对有限（共182名参与者），且为单中心前瞻性研究，可能影响结果的普适性	评估深度学习模型在量化椎旁肌脂肪分数方面的准确性，并探索肌肉功能在肌肉退变与功能障碍结局关系中的间接作用	慢性腰痛患者（96名）和健康参与者（86名）	数字病理学	慢性腰痛	3T MRI, Dixon MRI, 3D T2加权成像	深度学习模型	医学图像	182名参与者（96名慢性腰痛患者，86名健康对照）	NA	深度学习结合Otsu阈值分割模型	Lin's一致性相关系数, Bland-Altman分析, Passing-Bablok分析	NA
4363	2026-04-21	Conjugate gradient and deep learning reconstructions: reduced time without affecting image quality and nodule detection 2026-May, European radiology IF:4.7Q1 DOI:10.1007/s00330-025-12153-4 PMID:41444395	研究论文	本研究评估了共轭梯度重建和深度学习重建在肺部超短回波时间MRI中减少扫描时间的同时保持图像质量和结节检测能力的效用	结合共轭梯度重建和深度学习重建，在减少扫描时间的同时保持图像质量和结节检测能力，为肺部MRI提供了一种高效的重建方法	研究样本量较小（35名患者），且仅针对肺部结节进行评估，可能限制了结果的普适性	评估共轭梯度重建和深度学习重建在肺部超短回波时间MRI中减少扫描时间的效果	NEMA体模和35名肺部结节患者	医学影像	肺癌	超短回波时间MRI	深度学习重建	MRI图像	35名患者和NEMA体模	NA	NA	信噪比, 图像质量评分, 曲线下面积	NA
4364	2026-04-21	Computed Tomography-Pathology Deep Learning Model for the Precise Prediction of Recurrence in Pathological Stage IA Lung Adenocarcinoma 2026-May, Annals of surgical oncology IF:3.4Q1 DOI:10.1245/s10434-025-18946-7 PMID:41449240	研究论文	本研究开发了一种结合CT影像和病理分级的深度学习模型，用于精确预测IA期肺腺癌术后的复发风险	提出了一种新型的ResNet 3D-Pathology Fusion模型，首次将三维ResNet骨干网络与影像-病理融合模块结合，用于肺腺癌复发预测	研究为单中心回顾性分析，样本量相对有限，且仅针对IA期肺腺癌患者	开发精确的深度学习模型以改善IA期肺腺癌术后复发风险的预测和分层	IA期肺腺癌患者	数字病理学	肺癌	计算机断层扫描, 国际肺癌研究协会分级	CNN	图像	551名患者（训练集368人，验证集183人）	NA	ResNet	AUC, 风险比, 5年无复发生存率	NA
4365	2026-04-21	Automatic measurement and evaluation of anterior segment anatomical structures via UBM images using a deep learning-based approach 2026-May, Graefe's archive for clinical and experimental ophthalmology = Albrecht von Graefes Archiv fur klinische und experimentelle Ophthalmologie DOI:10.1007/s00417-025-07070-7 PMID:41507579	研究论文	本研究开发了一种基于深度学习的模型，用于从植入式Collamer镜（ICL）手术候选者的术前超声生物显微镜（UBM）图像中自动测量前段解剖结构参数	首次应用YOLOv8-pose算法于UBM图像，实现前段解剖关键点的自动识别和参数计算，精度与经验丰富的眼科医生相当	研究为横断面回顾性设计，样本量相对有限（320名受试者），且仅基于单一医疗中心的数据	开发深度学习模型以自动测量前段解剖参数，辅助ICL手术的尺寸选择和拱高预测	植入式Collamer镜（ICL）手术候选者的术前UBM图像	计算机视觉	眼科疾病	超声生物显微镜（UBM）成像	深度学习	图像	1,480张术前全景UBM图像，来自320名受试者的638只眼睛	YOLOv8-pose	YOLOv8-pose	组内相关系数（ICC），平均欧几里得距离，平均相对误差	NA
4366	2026-04-21	AI-FLEET: Phase I-Multimodal Deep Learning Model for Phyllodes Tumor Classification 2026-May, Annals of surgical oncology IF:3.4Q1 DOI:10.1245/s10434-026-19179-y PMID:41649783	研究论文	本研究开发了一个多模态深度学习模型AI-FLEET，用于区分乳腺叶状肿瘤的良性与交界性/恶性类型	首次将超声图像与临床变量结合，通过多模态深度学习模型提高叶状肿瘤分类的准确性	样本量较小（81例患者），且交界性和恶性叶状肿瘤被合并为一组，可能影响分类的精细度	提高乳腺纤维上皮性病变的诊断准确性，减少术前评估的不确定性	经组织学确认的乳腺叶状肿瘤患者	数字病理学	乳腺癌	超声成像	CNN	图像, 临床数据	81例患者（65例良性，16例交界性/恶性），共1638张超声图像	NA	ConvNeXt, ResNet18	准确率, AUC	NA
4367	2026-04-21	Explainable multimodal deep learning models for variable-length sequences in critically ill patients 2026-May, Journal of biomedical informatics IF:4.0Q2 DOI:10.1016/j.jbi.2026.105001 PMID:41747919	研究论文	本研究开发了一种可解释的多模态深度学习框架，用于处理重症监护患者可变长度的电子健康记录数据，以预测临床事件	提出了两种多模态循环神经网络融合架构（Pre-RNN和Post-RNN），结合了结构化数据和非结构化临床笔记，并利用集成梯度方法实现时间步级别的特征重要性解释	性能提升对于短期事件较为有限（ΔAUPRC < 0.01），且研究依赖于公开数据集，可能受数据质量和通用性限制	开发一个可解释的多模态深度学习框架，以处理重症监护中可变长度的时序数据，并提升临床事件预测的准确性和可解释性	重症监护患者的电子健康记录数据，包括结构化变量和非结构化临床笔记	自然语言处理, 机器学习	危重病	电子健康记录分析, 多模态数据融合	RNN	结构化数据, 文本	使用公开的电子健康记录数据集，具体样本数量未明确说明	未明确指定，可能基于TensorFlow或PyTorch	Time2Vec, RNN	AUPRC	未明确说明
4368	2026-04-21	Improved sub-visible particle classification in flow imaging microscopy via generative AI-based image synthesis 2026-May, Journal of pharmaceutical sciences IF:3.7Q2 DOI:10.1016/j.xphs.2026.104225 PMID:41763492	研究论文	本文开发了一种基于生成式AI的图像合成方法，用于改善流式成像显微镜中的亚可见颗粒分类，通过生成高保真图像解决数据不平衡问题	利用最先进的扩散模型生成高保真颗粒图像，以增强训练数据集，从而有效训练多类别深度神经网络，并公开了模型和接口以促进开放研究	未明确提及具体局限性，但可能涉及生成图像的真实性验证范围或模型在更广泛颗粒类型上的泛化能力	解决流式成像显微镜中因数据稀缺和类别不平衡导致的亚可见颗粒分类问题	亚可见颗粒，包括硅油、气泡和蛋白质颗粒	计算机视觉	NA	流式成像显微镜	扩散模型, 深度神经网络	图像	验证数据集包含500,000张蛋白质颗粒图像	NA	NA	分类性能	NA
4369	2026-04-21	Classification of small specimen uranium ores using LIBS combined with machine learning and deep learning algorithms 2026-Apr-20, The Analyst DOI:10.1039/d5an01326g PMID:41699974	研究论文	本研究提出了一种结合激光诱导击穿光谱技术与机器学习和深度学习算法的分类模型，用于实现小样本铀矿石的快速高精度分类	首次将LIBS技术与多种机器学习及深度学习算法结合，并系统比较了不同特征提取方法（LASSO和PCA）在小样本铀矿石分类中的性能，发现基于PCA特征的深度学习模型能实现100%分类准确率	研究仅针对12种铀矿石类型，样本多样性有限；RF模型在小训练集下存在明显过拟合问题	开发快速准确的小样本铀矿石分类方法	12种铀矿石样品	机器学习	NA	激光诱导击穿光谱	随机森林,前馈神经网络,卷积神经网络,长短期记忆网络	光谱数据	12种铀矿石样品的光谱数据	NA	FNN, CNN, LSTM	分类准确率	NA
4370	2026-04-21	Association of initial core volume on non-contrast CT using a deep learning algorithm with clinical outcomes in acute ischemic stroke: a potential tool for selection and prognosis? 2026-Apr-16, Journal of neurointerventional surgery IF:4.5Q1 DOI:10.1136/jnis-2025-023897 PMID:40707242	研究论文	本研究评估了基于深度学习的非对比计算机断层扫描初始核心体积测量与接受再灌注治疗的急性缺血性卒中患者临床结局的关联	利用深度学习算法从非对比CT中自动测量初始核心体积，作为预测再灌注治疗患者长期结局和症状性颅内出血的潜在工具，尤其在资源有限地区具有应用价值	研究为观察性设计，可能存在选择偏倚；深度学习算法（Methinks）为先前验证，但在此特定人群中的性能需进一步确认；样本来自三个卒中中心，可能限制普遍性	评估非对比CT上通过深度学习算法测量的初始核心体积与接受再灌注治疗的卒中患者临床结局之间的关联	接受再灌注治疗的急性缺血性卒中患者	数字病理学	心血管疾病	非对比计算机断层扫描	深度学习算法	图像	658名患者	NA	Methinks	调整后的比值比, 95%置信区间	NA
4371	2026-04-21	Deep-learning-based single-domain and multidomain protein structure prediction with D-I-TASSER 2026-Apr, Nature biotechnology IF:33.1Q1 DOI:10.1038/s41587-025-02654-4 PMID:40410405	研究论文	本文提出了一种名为D-I-TASSER的混合方法，通过整合多源深度学习势能与迭代穿线片段组装模拟，构建原子级蛋白质结构模型	提出了一种结合深度学习与传统基于物理的折叠模拟的混合方法，并引入了用于大型多域蛋白质结构自动建模的域拆分与组装协议	未明确提及	开发一种高精度的蛋白质结构预测方法，适用于单域和多域蛋白质	蛋白质结构，特别是单域和多域蛋白质	机器学习	NA	深度学习，迭代穿线片段组装模拟	深度学习模型	蛋白质序列与结构数据	在人类蛋白质组中测试了蛋白质域和全长序列	NA	D-I-TASSER	基准测试结果，与AlphaFold2和AlphaFold3的比较	NA
4372	2026-04-21	Convolutional Autoencoder for Automated Pre-Processing of Tumor Cell and Tissue Raman Spectra 2026-Apr, Applied spectroscopy IF:2.2Q2 DOI:10.1177/00037028261422275 PMID:41622963	研究论文	本文提出了一种卷积自编码器用于自动化预处理肿瘤细胞和组织的拉曼光谱，以提高光谱质量	使用卷积自编码器实现单步自动化预处理，替代传统多步骤方法，并应用于临床前和临床拉曼光谱数据	未明确提及模型在更广泛数据集或不同癌症类型上的泛化能力	开发深度学习框架以高效自动化预处理用于辐射响应监测的肿瘤细胞和组织拉曼光谱	肿瘤细胞（临床前单细胞系和异种移植组织）和临床前列腺肿瘤活检组织	机器学习	前列腺癌	拉曼光谱	自编码器	光谱数据	约11000个光谱（包括临床前和临床数据）	NA	卷积自编码器	均方根误差, 百分比均方根差异, CR去除率	无需GPU，在2.4秒内处理约11000个光谱
4373	2026-04-21	Detection of Prostate Cancer in 3-Dimensional Pathology Datasets via Generative Immunolabeling 2026-Apr, Modern pathology : an official journal of the United States and Canadian Academy of Pathology, Inc IF:7.1Q1 DOI:10.1016/j.modpat.2026.100975 PMID:41692323	研究论文	本文提出了一种名为SIGHT的3D计算流程，通过生成式免疫标记自动检测前列腺癌在3D病理数据集中的区域	开发了基于深度学习的3D图像转换模型，将H&E模拟3D病理数据转换为多路复用3D免疫荧光数据，以促进肿瘤检测，并生成可解释的3D热图	未明确提及具体限制，但依赖于病理学家的地面真实注释进行验证，且样本量相对较小（75名患者）	自动化和改进在3D病理数据集中区分良性和前列腺癌富集区域的过程，以支持基于3D病理数据的前列腺癌风险分层	前列腺组织样本，包括癌症和良性腺体	数字病理学	前列腺癌	3D病理学，免疫荧光，H&E染色	深度学习图像转换模型	3D图像数据	75名患者	NA	NA	F1分数	NA
4374	2026-04-21	Dual-Stream Deep Feature and Cell Phenotype Fusion Model for the Diagnosis of Myeloproliferative Neoplasms 2026-Apr, Laboratory investigation; a journal of technical methods and pathology DOI:10.1016/j.labinv.2026.106090 PMID:41722652	研究论文	本研究提出了一种新颖的双流深度特征与细胞表型融合模型（DS-DFCPF），用于改进骨髓增殖性肿瘤（MPNs）的诊断	通过整合全切片图像的深度学习特征与细胞成分（特别是巨核细胞）的详细表型数据，采用双流方法融合多源信息，显著提升了MPN亚型区分能力	未明确提及模型在外部验证集上的泛化性能或计算效率的具体限制	提高骨髓增殖性肿瘤（MPNs）亚型诊断的准确性和自动化水平	骨髓增殖性肿瘤（MPNs）患者样本，重点关注巨核细胞等细胞成分	数字病理学	骨髓增殖性肿瘤	全切片图像分析，高级图像处理技术	CNN	图像	411个患者样本，带有详细的临床和组织病理学注释	NA	NA	NA	NA
4375	2026-04-21	Interpretable MRI-Based Machine Learning Model for Noninvasive Prediction of Axillary Lymph Node Metastasis After Neoadjuvant Chemotherapy in Breast Cancer 2026-Apr, Academic radiology IF:3.8Q1 DOI:10.1016/j.acra.2026.01.018 PMID:41633888	研究论文	本研究开发了一种可解释的机器学习模型，整合MRI影像组学、深度学习特征和Node-RADS评分，用于乳腺癌新辅助化疗后腋窝淋巴结转移的非侵入性预测	首次将MRI影像组学特征、ResNet50深度学习特征和Node-RADS评分结合，构建可解释的临床-深度学习-影像组学（CDLR）模型，用于乳腺癌新辅助化疗后腋窝淋巴结转移预测	研究为回顾性多中心设计，可能存在选择偏倚；样本量相对有限；模型性能在外部验证队列中有所下降	开发可解释的机器学习模型，用于乳腺癌新辅助化疗后腋窝淋巴结转移的非侵入性预测	641例经病理确诊的乳腺癌患者，接受新辅助化疗和手术治疗	数字病理学	乳腺癌	动态对比增强MRI	机器学习	MRI影像	641例患者（训练队列397例，内部验证99例，外部验证145例）	Scikit-learn	ResNet50	AUC, 校准曲线, 决策曲线分析	NA
4376	2026-04-21	Novel deep learning CCTA-FFR for detecting functionally significant coronary stenosis: Comparison with iFR 2026 Mar-Apr, Journal of cardiovascular computed tomography IF:5.5Q1 DOI:10.1016/j.jcct.2025.12.007 PMID:41519628	研究论文	本研究评估了一种新型的基于深度学习的现场冠状动脉CT血管造影血流储备分数算法与有创瞬时无波比在检测功能性显著冠状动脉狭窄方面的诊断性能	开发并验证了一种现场深度学习CT-FFR算法，可在工作站实现近实时生理评估，相比传统CCTA狭窄评估提供了显著的增量诊断价值	研究为回顾性分析，样本量较小（44例患者，44个病变），需要更大规模的多中心研究来验证结果并明确其临床作用	评估新型现场深度学习CT-FFR算法与有创iFR相比，在检测功能性显著冠状动脉狭窄方面的诊断性能	接受临床指征冠状动脉CT血管造影和有创iFR测量的患者及其冠状动脉病变	数字病理学	心血管疾病	冠状动脉CT血管造影，深度学习血流储备分数计算	深度学习	医学影像（冠状动脉CT血管造影图像）	44例患者，44个冠状动脉病变	NA	cFFR v6	敏感性，特异性，阳性预测值，阴性预测值，准确率，ROC曲线下面积，Pearson相关系数	现场工作站集成系统
4377	2026-04-21	Machine learning to identify hypoxic-ischemic brain injury on early head CT after pediatric cardiac arrest 2025-10, Resuscitation IF:6.5Q1 DOI:10.1016/j.resuscitation.2025.110693 PMID:40582483	研究论文	本研究利用深度学习模型检测儿童院外心脏骤停后早期CT扫描中的缺氧缺血性脑损伤，并探索模型是否能识别放射科医生视觉未察觉的损伤	首次应用深度学习模型在儿童院外心脏骤停后早期CT图像中自动检测缺氧缺血性脑损伤，并证明模型能识别放射科医生视觉未发现的损伤	样本量较小（117例），且为回顾性研究，可能存在选择偏倚	开发深度学习模型以早期检测儿童心脏骤停后的缺氧缺血性脑损伤	儿童院外心脏骤停患者及其早期CT扫描图像	计算机视觉	缺氧缺血性脑损伤	CT扫描	深度学习模型	图像	117例儿童院外心脏骤停病例及年龄匹配的对照组	NA	NA	AUC	NA
4378	2026-04-21	Multimodal profiling of Pepcan-CB1 receptor structure-activity relationships: integrating molecular dynamics simulations, biological profiling, and the deep learning model MuMoPepcan 2025-10, Bioorganic chemistry IF:4.5Q1 DOI:10.1016/j.bioorg.2025.109027 PMID:41005111	研究论文	本文提出了一种结合分子动力学模拟与湿实验数据的深度学习框架MuMoPepcan，用于预测肽类与大麻素受体CB1的生物活性，并发现了潜在镇痛化合物RD-pepcan-11	将分子动力学模拟数据作为数据增强方法，整合到肽类生物活性预测中，提高了模型在有限实验数据下的泛化能力和准确性	研究主要针对CB1受体和pepcans，可能不直接适用于其他受体或肽类体系；数据规模虽通过模拟扩大，但实验验证样本量有限	开发一种结合干湿实验的框架，以改善药物发现中机器学习在有限数据下的预测性能	大麻素受体CB1及其配体pepcans肽类	机器学习	NA	分子动力学模拟，生物筛选，深度学习	深度学习模型	分子构象数据，生物活性数据	45种合成pepcans肽类，以及数百万分子动力学模拟生成的构象数据	NA	MuMoPepcan	预测误差	NA
4379	2026-04-21	The Efficacy of Artificial Intelligence in the Detection and Management of Atrial Fibrillation 2025-Jan, Cureus DOI:10.7759/cureus.77135 PMID:39925585	系统综述	本文系统评估了人工智能在心房颤动风险预测、监测和管理中的应用	首次全面评估了人工智能与心房颤动领域的交叉应用，并识别了现有研究中的关键差距	由于数据异质性和方法学不一致，人工智能工具的可靠性和一致性在不同研究中存在差异	评估人工智能在心房颤动检测和管理中的效能	心房颤动患者及相关医疗数据	机器学习	心血管疾病	NA	机器学习, 深度学习, 人工神经网络	心电图数据, 可穿戴设备数据	39项符合纳入标准的研究	NA	最优时变机器学习模型, 观察性医疗结果伙伴关系通用数据模型	灵敏度, 特异性	NA
4380	2026-04-21	Multicentric clinical evaluation of a computed tomography-based fully automated deep neural network for aortic maximum diameter and volumetric measurements 2024-06, Journal of vascular surgery IF:3.9Q1 DOI:10.1016/j.jvs.2024.01.214 PMID:38325564	研究论文	本研究评估了一种基于深度学习的全自动方法（ARVA）用于主动脉分割及直径和体积测量	开发了一种全自动深度学习模型，能够同时进行主动脉分割、最大直径测量和体积计算，并在多中心临床数据上验证其性能	研究仅基于350例CTA扫描，样本量相对有限，且未涉及更广泛的主动脉疾病亚型	评估深度学习模型在主动脉影像分析中的准确性和临床适用性	主动脉CTA扫描图像	数字病理学	心血管疾病	计算机断层扫描血管造影（CTA）	深度神经网络	医学影像	350例CTA扫描，来自216名患者	NA	深度神经网络	绝对直径差异中位数，体积相似性误差，临床可接受范围比例	NA