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
5001	2026-02-03	Comparison of Pathologist and Artificial Intelligence-based Grading for Prediction of Metastatic Outcomes After Radical Prostatectomy 2025-Feb, European urology oncology IF:8.3Q1 DOI:10.1016/j.euo.2024.08.004 PMID:39232875	研究论文	本研究比较了基于深度学习的AI分级与病理学家分级在预测前列腺癌根治术后转移结局方面的表现	首次直接评估AI分级算法与病理学家分级在预测前列腺癌转移结局方面的临床价值，而非仅关注分级一致性	研究样本量相对有限（777例患者），且仅基于单个代表性切片进行评估	评估AI分级系统在预测前列腺癌根治术后转移风险方面的临床有效性	前列腺癌患者	数字病理学	前列腺癌	苏木精-伊红染色	深度学习	全切片数字图像	777名独特患者	NA	NA	Harrell's C-index	NA
5002	2026-02-03	Deep Learning-Based Tract Classification of Preoperative DWI Tractography Advances the Prediction of Short-Term Postoperative Language Improvement in Children With Drug-Resistant Epilepsy 2025-02, IEEE transactions on bio-medical engineering DOI:10.1109/TBME.2024.3463481 PMID:39292577	研究论文	本研究开发了一种基于深度卷积神经网络的纤维束分类方法，用于利用术前全脑扩散加权成像连接组中的语言模块网络轴突连接标记，预测儿童耐药性癫痫患者术后短期语言功能改善	扩展了先前的DCNN纤维束分类方法，利用高质量开放数据库提高个体患者术前连接组中真实阳性纤维束的分类准确性，并结合心理测量驱动的连接组分析构建核心、表达性和接受性语言模块网络	研究样本量相对有限，且仅评估了短期（约两个月）术后语言改善，缺乏长期随访数据	提高儿童耐药性癫痫患者术后短期语言功能改善的预测准确性	耐药性癫痫儿童患者	医学影像分析	癫痫	扩散加权成像（DWI）、纤维束成像	深度卷积神经网络（DCNN）	医学影像（扩散加权成像连接组）	未明确说明具体样本数量，但包含独立验证队列	未明确说明	深度卷积神经网络（DCNN）	F统计量、准确率	NA
5003	2026-02-03	Improved patient identification by incorporating symptom severity in deep learning using neuroanatomic images in first episode schizophrenia 2025-Feb, Neuropsychopharmacology : official publication of the American College of Neuropsychopharmacology IF:6.6Q1 DOI:10.1038/s41386-024-02021-y PMID:39506100	研究论文	本研究开发了一种结合精神病症状严重程度的多任务深度学习模型，用于基于神经解剖图像识别首发精神分裂症患者	将症状严重程度回归任务整合到标准病例/对照识别中，提高了模型性能并增强了临床相关性	样本量相对有限，且主要针对药物初治的首发精神分裂症患者，可能限制了泛化能力	通过结合MRI和临床特征，建立影像生物标志物与症状表达之间的联系，以增强对急性精神病的机制理解	首发精神分裂症患者和健康对照者	医学影像分析	精神分裂症	MRI，基于体素的形态测量法（VBM），基于表面的形态测量法（SBM）	深度学习模型	神经解剖图像（MRI）	训练集包括286名药物初治首发精神分裂症患者和330名健康对照（来自两个数据集），独立验证集包括40名首发精神分裂症患者	NA	多任务深度学习模型	平衡准确率，灵敏度，特异性	NA
5004	2026-02-03	Deep learning based apparent diffusion coefficient map generation from multi-parametric MR images for patients with diffuse gliomas 2025-Feb, Medical physics IF:3.2Q1 DOI:10.1002/mp.17509 PMID:39514841	研究论文	本研究开发了一种基于深度学习的框架，利用多参数磁共振图像合成表观扩散系数图，用于弥漫性胶质瘤患者	提出了多参数残差视觉Transformer模型，结合了视觉Transformer的长距离上下文建模能力和卷积算子的精确性，并通过残差块显著增强了模型的表示能力	研究依赖于公开数据集的预处理ADC图作为金标准，模型性能可能受限于数据质量和预处理步骤	开发深度学习框架从多参数MRI图像合成ADC图，以克服DWI MRI耗时且易受伪影影响的问题	弥漫性胶质瘤患者	医学影像分析	胶质瘤	扩散加权磁共振成像，多参数磁共振成像	Transformer, CNN	磁共振图像	501例胶质瘤病例（训练集400例，验证集50例，测试集51例）	NA	MPR-ViT, Vision Convolutional Transformer, ResViT	峰值信噪比, 结构相似性指数, 均方误差	NA
5005	2026-02-03	Deep learning segmentation-based bone removal from computed tomography of the brain improves subdural hematoma detection 2025-Feb, Journal of neuroradiology = Journal de neuroradiologie DOI:10.1016/j.neurad.2024.101231 PMID:39521273	研究论文	本文探讨了基于深度学习分割的脑部CT骨去除算法在提高硬膜下血肿检测中的应用	开发了一种深度学习分割算法用于脑部非对比CT的骨去除，并证明其能显著提高放射科实习生的硬膜下血肿检测能力	研究样本量有限，仅使用了137例NCCTH，且主要评估对象为初级放射科实习生，未涵盖更广泛的经验水平	提高硬膜下血肿在脑部非对比CT中的检测准确性和效率	脑部非对比CT图像中的硬膜下血肿	数字病理学	脑部疾病	CT成像	深度学习分割算法	图像	137例NCCTH（100例用于训练，15例内部测试，22例外部测试）	NA	NA	Dice系数	NA
5006	2026-02-03	Spatial Architecture of Single-Cell and Vasculature in Tumor Microenvironment Predicts Clinical Outcomes in Triple-Negative Breast Cancer 2025-Feb, Modern pathology : an official journal of the United States and Canadian Academy of Pathology, Inc IF:7.1Q1 DOI:10.1016/j.modpat.2024.100652 PMID:39522644	研究论文	本研究利用成像质谱流式技术分析三阴性乳腺癌肿瘤微环境的单细胞空间结构，并开发深度学习模型预测患者治疗反应	首次在单细胞分辨率上系统量化三阴性乳腺癌肿瘤微环境的异质性，识别出10种可复现的细胞邻域，并发现B细胞、成纤维细胞与肿瘤细胞的相对空间共定位与良好临床结局显著相关	样本量相对有限（71例），深度学习模型的预测性能（平均AUC=0.71）仍有提升空间，且结论需在更大独立队列中验证	揭示三阴性乳腺癌肿瘤微环境的空间结构与临床结局的关联，并开发基于基线肿瘤微环境特征的疗效预测模型	三阴性乳腺癌患者的肿瘤组织样本	数字病理学	乳腺癌	成像质谱流式技术	深度学习模型	图像	71例三阴性乳腺癌患者标本	NA	NA	受试者工作特征曲线下面积	NA
5007	2026-02-03	Multi-task magnetic resonance imaging reconstruction using meta-learning 2025-Feb, Magnetic resonance imaging IF:2.1Q2 DOI:10.1016/j.mri.2024.110278 PMID:39580007	研究论文	提出一种基于元学习的多任务学习方法，用于同时重建不同成像序列采集的MRI图像	首次将元学习（学习如何学习）框架引入多任务MRI重建，并开发了跨图像域和k空间域的近端梯度下降优化方法	未明确说明方法在临床环境中的实时性能或计算效率	提高多序列MRI图像重建的泛化性和性能	多对比度磁共振成像数据	医学影像重建	NA	磁共振成像（MRI）	深度学习	k空间数据，图像数据	NA	NA	NA	像素级误差，定性性能	NA
5008	2026-02-03	Tumor aware recurrent inter-patient deformable image registration of computed tomography scans with lung cancer 2025-Feb, Medical physics IF:3.2Q1 DOI:10.1002/mp.17536 PMID:39589333	研究论文	本文提出了一种肿瘤感知的循环配准（TRACER）深度学习方法，用于肺癌患者间CT扫描的可变形图像配准，以支持基于体素的分析	开发了结合3D卷积长短期记忆网络（3D-CLSTM）的肿瘤感知循环配准方法，通过输入条件化（包括肿瘤分割）和双向肿瘤刚性、图像相似性及变形平滑度损失进行无监督优化	研究主要针对肺癌患者，未涉及其他癌症类型；样本量相对有限（训练集204对，测试集最多765对）	开发一种适用于基于体素分析的、能保持肿瘤拓扑结构的患者间可变形图像配准方法	肺癌患者的3D计算机断层扫描（CT）图像	计算机视觉	肺癌	CT扫描	深度学习	3D图像	训练集：204对3D CT图像；测试集：数据集I（308对）、数据集II（765对）、数据集III（42名患者）	NA	3D卷积长短期记忆网络（3D-CLSTM）	肿瘤体积差异百分比、CT强度均方误差、计划放疗肿瘤剂量差异	NA
5009	2026-02-03	Cross-shaped windows transformer with self-supervised pretraining for clinically significant prostate cancer detection in bi-parametric MRI 2025-Feb, Medical physics IF:3.2Q1 DOI:10.1002/mp.17546 PMID:39589390	研究论文	本研究提出了一种基于自监督预训练的CSwin UNet模型，用于双参数MRI中临床显著前列腺癌的检测	引入了新颖的端到端交叉窗口（CSwin）变换器UNet模型，并结合多任务自监督学习框架以利用未标记数据提升网络泛化能力	NA	增强前列腺癌在双参数MRI中的检测性能	临床显著前列腺癌（csPCa）	计算机视觉	前列腺癌	双参数磁共振成像（bpMRI）	Transformer	图像	PI-CAI数据集（1476名患者）和Prostate158数据集（158名患者）	NA	CSwin UNet	AUC, Average Precision	NA
5010	2026-02-03	A survey on deep learning in medical image registration: New technologies, uncertainty, evaluation metrics, and beyond 2025-Feb, Medical image analysis IF:10.7Q1 DOI:10.1016/j.media.2024.103385 PMID:39612808	综述	本文全面概述了基于深度学习的医学图像配准领域的最新进展，包括网络架构、损失函数、不确定性估计及评估指标	系统总结了深度学习在医学图像配准中的创新技术，如新型网络架构、配准专用损失函数和不确定性估计方法	NA	回顾和总结深度学习在医学图像配准领域的技术发展、应用及未来方向	医学图像配准技术及其在医学成像中的应用	计算机视觉	NA	深度学习	CNN, U-Net	医学图像	NA	NA	U-Net	NA	NA
5011	2026-02-03	Quantification of coronary artery calcification in systemic sclerosis using visual ordinal and deep learning scoring: Association with systemic sclerosis clinical features 2025-02, Seminars in arthritis and rheumatism IF:4.6Q1 DOI:10.1016/j.semarthrit.2024.152598 PMID:39613484	研究论文	本研究探讨系统性硬化症（SSc）临床特征与冠状动脉钙化（CAC）程度及进展之间的关联，并比较了视觉序数评分和深度学习评分方法	首次结合视觉序数评分和深度学习（DeepCAC）方法量化SSc患者的冠状动脉钙化，并分析其与临床特征的关联	单中心回顾性研究，样本量有限（主要目标86例，次要目标171例），可能存在选择偏倚	研究系统性硬化症临床特征与冠状动脉钙化程度及进展的关联	系统性硬化症患者	数字病理学	系统性硬化症	CT影像分析，深度学习	深度学习模型	医学影像（CT扫描）	主要目标86例SSc患者，次要目标171例SSc患者	NA	DeepCAC	回归系数，95%置信区间，p值	NA
5012	2026-02-03	Deep learning-based overall survival prediction in patients with glioblastoma: An automatic end-to-end workflow using pre-resection basic structural multiparametric MRIs 2025-Feb, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2024.109436 PMID:39637462	研究论文	本研究开发了一种基于深度学习的端到端工作流程，用于利用术前基本结构多参数磁共振图像预测胶质母细胞瘤患者的总体生存期	提出了一种结合颅骨剥离、肿瘤亚区分割和对比学习集成预测的端到端自动化工作流程，仅使用术前基本结构多参数MRI进行生存预测	机构临床试验数据集样本量较小（19例），且多参数MRI协议存在较大差异可能影响模型泛化能力	开发自动化早期生存预测系统以辅助胶质母细胞瘤患者的及时治疗决策	胶质母细胞瘤患者	数字病理学	胶质母细胞瘤	多参数磁共振成像	深度学习模型	磁共振图像	多机构公开数据集235例患者，机构临床试验数据集19例患者	NA	集成学习模型，对比学习模型	AUC，Dice系数	NA
5013	2026-02-03	ItpCtrl-AI: End-to-end interpretable and controllable artificial intelligence by modeling radiologists' intentions 2025-02, Artificial intelligence in medicine IF:6.1Q1 DOI:10.1016/j.artmed.2024.103054 PMID:39689443	研究论文	提出了一种名为ItpCtrl-AI的端到端可解释且可控的AI框架，通过模拟放射科医生的决策过程来诊断胸部X光片中的发现	开发了一个能模拟放射科医生眼动模式以生成注意力热图的端到端框架，使模型决策过程可解释且允许用户通过方向输入进行控制	未在摘要中明确说明	解决高级深度学习模型在医学诊断中缺乏可解释性的问题，提高计算机辅助诊断系统的透明度和可控性	胸部X光片中的医学发现	计算机视觉	NA	深度学习	NA	图像, 眼动数据	未在摘要中明确说明	NA	NA	准确性	未在摘要中明确说明
5014	2026-02-03	TransformerLSR: Attentive joint model of longitudinal data, survival, and recurrent events with concurrent latent structure 2025-02, Artificial intelligence in medicine IF:6.1Q1 DOI:10.1016/j.artmed.2024.103056 PMID:39705769	研究论文	本文提出了一种基于Transformer的深度学习框架TransformerLSR，用于联合建模纵向数据、生存数据和复发事件	将深度时间点过程整合到联合建模框架中，并引入新的轨迹表示和模型架构以纳入已知潜在结构	未明确提及具体局限性	联合建模纵向测量、复发事件和生存数据，以解决生物医学研究中的依赖性问题	肾移植术后患者	机器学习	肾移植相关疾病	深度学习	Transformer	纵向数据，生存数据，复发事件数据	NA	NA	Transformer	NA	NA
5015	2026-02-03	Concordance-based Predictive Uncertainty (CPU)-Index: Proof-of-concept with application towards improved specificity of lung cancers on low dose screening CT 2025-02, Artificial intelligence in medicine IF:6.1Q1 DOI:10.1016/j.artmed.2024.103055 PMID:39721356	研究论文	本文提出了一种基于一致性的预测不确定性指数，用于改进低剂量CT肺癌筛查的风险评估	提出了一种结合亚组分析和个性化AI时间-事件模型的新型预测不确定性指数，通过衡量两者预测一致性来评估偏差-方差权衡，提高了预测的透明度和可靠性	研究依赖于回顾性数据，且模型可能受到删失数据偏差的影响	改进肺癌筛查的风险评估特异性	低剂量CT筛查中的肺癌患者	数字病理学	肺癌	低剂量CT，放射组学特征提取	神经网络多任务逻辑回归时间-事件模型	CT图像，患者人口统计学数据	3,326名在2015年1月1日至2020年6月30日期间接受低剂量CT筛查并在一年内经病理证实为肺癌的患者	MONAI	预训练的深度学习模型	AUC，假阳性率，假阴性率	NA
5016	2026-02-03	Deep learning model for automatic detection of different types of microaneurysms in diabetic retinopathy 2025-Feb, Eye (London, England) DOI:10.1038/s41433-024-03585-1 PMID:39789187	研究论文	本研究开发了一种基于深度学习的软件，用于在非增殖性糖尿病视网膜病变患者的结构光学相干断层扫描图像中自动检测和区分低反射和高反射微动脉瘤	首次在结构OCT图像上使用深度学习模型（特别是DETR）自动检测和分类不同类型的微动脉瘤（低反射与高反射）	自动化方法与手动标注之间的差异主要源于自动化方法错误选择了正常视网膜血管，且YOLO模型性能较差	开发能够自动检测和区分糖尿病视网膜病变中不同类型微动脉瘤的深度学习软件，以辅助临床早期检测和监测	非增殖性糖尿病视网膜病变患者的结构OCT图像及其中的微动脉瘤	计算机视觉	糖尿病视网膜病变	结构光学相干断层扫描	YOLO, DETR	图像	249名患者（498只眼睛）	NA	YOLO, DETR	AUC	NA
5017	2026-02-03	AI-based methods for biomolecular structure modeling for Cryo-EM 2025-Feb, Current opinion in structural biology IF:6.1Q1 DOI:10.1016/j.sbi.2025.102989 PMID:39864242	综述	本文综述了人工智能（特别是深度学习）在冷冻电镜数据处理关键步骤（如大分子结构建模和异质性分析）中的应用	总结了当前最先进的AI技术在冷冻电镜数据处理中的创新应用，特别是深度学习对结构建模和异质性分析性能的提升	NA	探讨AI方法在冷冻电镜生物分子结构建模领域的应用与进展	冷冻电镜数据处理中的大分子结构建模和异质性分析	结构生物学	NA	冷冻电镜	深度学习	图像	NA	NA	NA	NA	NA
5018	2026-02-03	Foundation Models in Radiology: What, How, Why, and Why Not 2025-Feb, Radiology IF:12.1Q1 DOI:10.1148/radiol.240597 PMID:39903075	综述	本文综述了放射学领域基础模型的基本概念、训练要求、能力及评估策略，旨在统一技术进展与临床需求，以安全、负责任地训练和应用这些模型	系统性地阐述了放射学领域基础模型的训练路径、潜力与挑战，并特别关注了训练数据要求、模型训练范式、能力及评估策略，为放射科医生理解这一变革性技术提供了全面指导	本文为综述性文章，未提出新的具体模型或实验，主要基于现有文献进行归纳和展望	解释放射学中基础模型的基本概念和术语，并探讨其安全、负责任训练的路径，以最终使患者、医疗服务提供者和放射科医生受益	放射学领域的基础模型	放射学	NA	NA	基础模型	文本和影像数据	NA	NA	NA	NA	NA
5019	2026-02-03	Association of Epicardial Adipose Tissue Changes on Serial Chest CT Scans with Mortality: Insights from the National Lung Screening Trial 2025-Feb, Radiology IF:12.1Q1 DOI:10.1148/radiol.240473 PMID:39964263	研究论文	本研究通过分析国家肺癌筛查试验的连续低剂量CT扫描数据，探讨了心外膜脂肪组织（EAT）在2年间的变化与全因死亡率、心血管死亡率和肺癌死亡率之间的关联	首次在大型肺癌筛查队列中，利用经过验证的自动化深度学习算法，量化了连续CT扫描中心外膜脂肪组织（EAT）体积和密度的纵向变化，并将其与长期死亡率结局相关联	研究为二次分析，可能存在未测量的混杂因素；EAT的测量依赖于自动化算法，可能存在技术误差；结果主要基于特定筛查人群，外推性需谨慎	探究在肺癌筛查人群中，心外膜脂肪组织（EAT）的纵向变化是否与死亡率风险相关	参加国家肺癌筛查试验（NLST）并接受连续低剂量CT扫描的个体	数字病理学	肺癌, 心血管疾病	低剂量CT扫描, 深度学习算法	深度学习算法	医学影像（CT扫描）	20661名参与者（平均年龄61.4岁，男性12237人）	NA	NA	风险比（HR）, 95%置信区间（CI）	NA
5020	2026-02-03	Binary Classification of Laryngeal Images Utilising ResNet-50 CNN Architecture 2025-Feb, Indian journal of otolaryngology and head and neck surgery : official publication of the Association of Otolaryngologists of India DOI:10.1007/s12070-024-05202-9 PMID:40070749	研究论文	本研究提出了一种利用ResNet-50 CNN架构对喉部内窥镜图像进行二分类（癌变与非癌变）的新方法，以辅助喉癌的早期检测	在印度喉癌高发且缺乏先进NBI设备和专业知识的背景下，首次将ResNet-50 CNN架构应用于喉部内窥镜图像的二分类任务，并针对数据稀缺问题将九类形态学分类简化为癌变/非癌变二分类	原始研究计划对九种形态学类别进行分类，但因各类别数据不足而简化为二分类；研究仅使用单一医疗中心的数据，可能影响模型泛化能力	开发基于深度学习的喉癌早期检测与分类系统	喉部内窥镜图像中的癌变与非癌变病变区域	计算机视觉	喉癌	内窥镜成像，图像处理技术	CNN	图像	来自960名患者的1978张内窥镜图像（其中测试集197张，含43张癌变图像和154张非癌变图像）	NA	ResNet-50	ROC曲线下面积（AUC），准确率	NA