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
521	2026-05-15	petBrain: a new pipeline for amyloid, Tau tangles and neurodegeneration quantification using PET and MRI 2025-09-30, Alzheimer's research & therapy DOI:10.1186/s13195-025-01839-y PMID:41029733	研究论文	介绍petBrain，一个利用PET和MRI进行淀粉样蛋白、Tau蛋白缠结和神经退行性变定量分析的新流程	提出端到端处理流程，整合深度学习分割和标准化生物标志物定量，以网络形式实现，无需本地基础设施或软件知识	未在摘要中明确说明	实现阿尔茨海默病A/T2/N生物标志物的标准化、快速定量分析	阿尔茨海默病患者的淀粉样蛋白PET、tau-PET和结构MRI数据	数字病理学	阿尔茨海默病	PET, MRI	深度学习	图像	未明确说明	NA	NA	与ADNI数据库的一致性、与脑脊液/血浆生物标志物、临床状态和认知表现的符合度	网络形式，无需本地计算基础设施
522	2026-05-15	Centiloid values from deep learning-based CT parcellation: a valid alternative to freesurfer 2025-09-30, Alzheimer's research & therapy DOI:10.1186/s13195-025-01860-1 PMID:41029783	研究论文	开发并验证了一种基于深度学习的CT分割管线，作为FreeSurfer的替代方法，用于标准化阿尔茨海默病淀粉样蛋白PET/CT图像中的Centiloid值计算	首次利用深度学习从PET/CT中的CT图像进行脑区分割，替代MRI-based FreeSurfer管线，实现无MRI的Centiloid定量	未明确提及，可能包括样本量有限、需进一步验证在不同PET示踪剂和临床场景中的泛化性	评估深度学习CT分割管线在Centiloid定量中的准确性，验证其作为MRI-free替代方案的可靠性	306名参与者（23名年轻对照组和283名患者）的18F-FBB PET/CT和MRI数据	计算机视觉, 数字病理学, 机器学习	阿尔茨海默病	PET/CT成像，深度学习CT分割	深度学习模型（具体类型未明确）	图像（CT和PET图像）	306名参与者（23名年轻对照组，283名患者）	NA	NA	R², 效应量, 方差, ROC分析中的准确性和阈值	未提及
523	2026-05-15	Longitudinal structural MRI-based deep learning and radiomics features for predicting Alzheimer's disease progression 2025-08-07, Alzheimer's research & therapy DOI:10.1186/s13195-025-01827-2 PMID:40775357	研究论文	利用纵向结构MRI的深度学习和影像组学特征预测阿尔茨海默病进展	结合3D残差网络和注意力机制的时间感知LSTM模型，首次在纵向MRI中融合深度学习嵌入与灰质影像组学特征	样本量有限，计算资源不足，需更大规模、更多样化的研究来验证结果	预测轻度认知障碍向阿尔茨海默病的转化	阿尔茨海默病神经影像学倡议中的228名轻度认知障碍参与者	数字病理学、机器学习	阿尔茨海默病	结构磁共振成像	3D残差网络、长短期记忆网络	T1加权MRI图像	228名MCI参与者	PyTorch	ResNet3D, LSTM	c-index, AUC	NA
524	2026-05-15	Improved Spiral Projection MR Fingerprinting via Memory-Efficient Synergic Optimization of 3D Spiral Trajectory, Image Reconstruction and Parameter Estimation (SOTIP) 2025-08, IEEE transactions on medical imaging IF:8.9Q1 DOI:10.1109/TMI.2025.3559467 PMID:40208770	研究论文	通过记忆高效协同优化三维螺旋轨迹、图像重建和参数估计，改进螺旋投影磁共振指纹成像	提出了一种计算高效的基于模型的深度学习图像重建框架，并联合优化图像重建、定量参数估计和k空间采样轨迹，通过参数估计损失联合优化图像重建和参数量化网络，以及基于数据驱动的全3D螺旋轨迹旋转角度优化	未明确说明限制	提高高分辨率磁共振指纹成像的扫描效率并克服计算挑战	健康受试者和患者的模拟及在体磁共振指纹数据	计算机视觉	NA	磁共振指纹成像	基于模型的深度学习	图像	模拟数据和在体数据（健康受试者和患者）	NA	MBDL	归一化均方根误差（NRMSE）、重建时间	NA
525	2026-05-15	MRI-based Ovarian Lesion Classification via a Foundation Segmentation Model and Multimodal Analysis: A Multicenter Study 2025-08, Radiology IF:12.1Q1 DOI:10.1148/radiol.243412 PMID:40762846	研究论文	基于MRI的卵巢病变分类，通过基础分割模型和多模态分析的多中心研究	利用Meta的Segment Anything Model进行自动分割，结合DenseNet-121深度学习模型和多模态数据（影像和临床数据），实现高效、可泛化的卵巢病变鉴别	外部数据集样本量较小（58例和29例），可能影响模型泛化性能的评估	开发一个高效且可泛化的MRI卵巢病变分类流程	卵巢病变患者的MRI扫描数据	computer vision, digital pathology	卵巢病变	MRI成像	CNN (DenseNet-121)	图像, 临床数据	主要机构534个病灶（448名女性），外部机构B 58个病灶（55名女性），外部机构C 29个病灶（29名女性）	NA	DenseNet-121	Dice系数, AUC	NA
526	2026-05-15	External Testing of a Deep Learning Model for Lung Cancer Risk from Low-Dose Chest CT 2025-08, Radiology IF:12.1Q1 DOI:10.1148/radiol.243393 PMID:40762850	研究论文	外部测试深度学习模型Sybil在亚洲健康体检人群中识别肺癌高风险个体的有效性	首次对深度学习模型Sybil在亚洲非吸烟或轻度吸烟人群中进行外部测试，评估其在低剂量CT筛查中的泛化性能	研究仅限于单一医学检查机构的数据，且样本中肺癌发生率较低（0.5%），可能影响统计效能	验证开源深度学习模型Sybil在亚洲健康体检人群中识别肺癌高风险个体的性能，特别是非吸烟或轻度吸烟亚组	2004年1月至2021年12月期间收集的50-80岁亚洲健康体检人群的低剂量CT扫描数据	计算机视觉	肺癌	低剂量CT扫描	深度学习模型	图像	18,057人（男性11,267人，中位年龄56岁）	NA	Sybil	时间依赖性受试者工作特征曲线下面积(AUC)	NA
527	2026-05-15	Harmonization in Magnetic Resonance Imaging: A Survey of Acquisition, Image-level, and Feature-level Methods 2025-Jul-22, ArXiv PMID:40740518	综述	全面概述磁共振成像中图像协调的关键概念、方法进展、公开数据集、当前挑战及未来方向	系统分类了全成像流程中的协调方法，包括前瞻性采集与重建策略、回顾性图像级与特征级方法以及基于旅行受试者的技术，并特别强调基于深度学习的方法	未提供详尽调查，仅关注代表性方法；未深入分析所有方法的优劣对比	综述磁共振图像协调领域的方法论进展，旨在消除或减轻站点相关偏差，提升数据可比性和一致性	磁共振成像数据中因不同扫描仪、采集协议或成像站点引起的非生物变异（批次效应或站点效应）	计算机视觉	NA	磁共振成像（MRI）	深度学习模型（如CNN等）	医学图像	NA	NA	NA	NA	NA
528	2026-05-15	Deep Learning-Derived Cardiac Chamber Volumes and Mass From PET/CT Attenuation Scans: Associations With Myocardial Flow Reserve and Heart Failure 2025-Jul, Circulation. Cardiovascular imaging DOI:10.1161/CIRCIMAGING.124.018188 PMID:40357553	research paper	基于深度学习方法从PET/CT衰减矫正扫描中提取心脏腔室容积和质量，并探究其与心肌血流储备和心力衰竭住院的关联	首次利用深度学习从超低剂量CT衰减矫正扫描中提取心脏腔室容积和质量，并验证其与心力衰竭住院和心肌血流储备降低的独立预测关系	NA	评估深度学习从PET/CT衰减矫正扫描中提取的心脏腔室容积和质量与心肌血流储备和心力衰竭住院的关联	接受心脏PET/CT检查的患者	computer vision, machine learning	cardiovascular disease	PET/CT	CNN	image	18079名患者（来自6个中心）	NA	deep learning model	hazard ratio, odds ratio	NA
529	2026-05-15	Harnessing chemically crosslinked microbubble clusters using deep learning for ultrasound contrast imaging 2025-Jul, Journal of medical imaging (Bellingham, Wash.) DOI:10.1117/1.JMI.12.4.047001 PMID:40656209	研究论文	利用深度学习分析化学交联微泡簇的独特声学特性，以提高超声造影成像中造影剂的检测和定位能力	首次通过化学交联微泡簇结合异常检测模型（基于自编码器）来增强超声造影成像中造影剂的检测能力，并利用机器学习区分簇状与非簇状微泡	论文未明确提及局限性	研究化学交联微泡簇的独特声学特性，并通过机器学习技术（特别是自编码器异常检测模型）在超声造影成像中实现高灵敏度的造影剂检测	化学交联微泡簇与非簇状微泡	机器学习, 数字病理学	不适用	超声成像	自编码器	射频数据	不适用	不适用	自编码器	特异性	不适用
530	2026-05-15	Can graph similarity metrics be helpful for analogue identification as part of a read-across approach? 2025-Jun, Computational toxicology (Amsterdam, Netherlands) DOI:10.1016/j.comtox.2025.100353 PMID:41816015	综述	综述图相似度度量在化学品交叉参照中用于识别相似化合物的方法	首次系统比较了图核、图嵌入和深度学习等图相似度方法与传统化学指纹方法在交叉参照中识别源类似物的效果	仅评估了有限的数据集，且图嵌入方法在所有评估数据集中效果不佳	探讨图相似度度量方法在交叉参照中用于识别源类似物的可行性	五种不同大小和多样性的毒性数据集，包括皮肤致敏性、皮肤刺激性、水生毒性、遗传毒性等	机器学习	NA	化学指纹、图核、图嵌入、深度学习	图卷积网络	化学分子结构数据	五个毒性数据集，具体数量未说明	NA	图核、图嵌入、图卷积网络	相似度比较	NA
531	2026-05-15	Toward Accurate Deep Learning-Based Prediction of Ki67, ER, PR, and HER2 Status From H&E-Stained Breast Cancer Images 2025-05-01, Applied immunohistochemistry & molecular morphology : AIMM IF:1.3Q3 DOI:10.1097/PAI.0000000000001258 PMID:40143808	研究论文	构建大规模乳腺癌H&E与IHC配对图像数据集，利用视觉Transformer预测Ki67、ER、PR和HER2分子状态	首次利用视觉Transformer（ViT）从H&E染色图像预测四种乳腺癌分子标志物，并构建包含185,538对图像的大规模公开数据集	ViT的热力图未能明显匹配高诊断价值子区域，AI的可解释性有待提升	从H&E染色组织图像准确预测乳腺癌的Ki67、ER、PR和HER2分子状态	乳腺癌患者的H&E染色图像和对应的IHC标记（Ki67、ER、PR、HER2）	数字病理学	乳腺癌	全切片成像	视觉Transformer (ViT)	图像	185,538对H&E与IHC图像	PyTorch	视觉Transformer, CLAM	AUC-ROC	NA
532	2026-05-15	Advancements in automated nuclei segmentation for histopathology using you only look once-driven approaches: A systematic review 2025-May, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.110072 PMID:40138968	综述	对基于YOLO框架的组织病理学核分割方法进行系统综述，评估其进展、挑战和应用	首次系统性地综述YOLO变体在组织病理学核分割中的应用，提供与传统分割方法的对比分析，并总结YOLO高效检测和核结构描绘的独特特性	YOLO在处理核外观变异、优化针对组织病理图像的模型架构以及提升跨数据集的泛化能力方面仍存在挑战	全面探索和评估YOLO方法在组织病理图像核分割中的进展、挑战和应用	基于YOLO变体的核分割方法及其在组织病理学中的应用	计算机视觉, 数字病理学	NA	NA	YOLO, 卷积神经网络（CNN）	组织病理图像	NA	NA	YOLO变体	准确率, 精确率, 召回率, F1分数（在综述中提及评估指标）	NA
533	2026-05-15	Deep learning in the precise assessment of primary Sjögren's syndrome based on ultrasound images 2025-04-01, Rheumatology (Oxford, England) DOI:10.1093/rheumatology/keae312 PMID:38830044	research paper	本研究旨在探讨基于灰度超声图像的深度学习模型在原发性干燥综合征（pSS）精准评估和准确诊断中的价值	首次将基于灰度超声图像的深度学习模型应用于pSS的精准评估，并在多中心前瞻性分析中证明其优于传统放射科医生评估	NA	研究深度学习模型在基于灰度超声图像的pSS精准评估中的诊断潜力	原发性干燥综合征患者和健康对照者	digital pathology	primary Sjögren's syndrome	灰度超声成像	CNN	image	模型开发：72名pSS患者和72名健康对照者，共864张灰度超声图像；验证：41名患者和41名健康对照者，共164张图像	PyTorch	ResNet 50	AUC、校准曲线	NA
534	2026-05-15	Computational Pathology Detection of Hypoxia-Induced Morphologic Changes in Breast Cancer 2025-04, The American journal of pathology DOI:10.1016/j.ajpath.2024.10.023 PMID:39732389	研究论文	提出弱监督深度学习模型HypOxNet，通过H&E染色全切片图像检测乳腺癌缺氧引发的形态学变化	首次将人工智能应用于计算病理学评估乳腺癌缺氧状态，仅需常规H&E染色切片即可实现，无需额外基因表达检测	NA	利用深度学习从病理图像中检测肿瘤缺氧微环境相关的形态学变化	乳腺癌原发部位H&E染色全切片图像	计算病理学	乳腺癌	H&E染色全切片图像分析	弱监督深度学习模型	图像（H&E染色全切片图像）	1016张乳腺癌原发部位全切片图像	NA	NA	平均AUC（0.82），细胞形态学差异分析	NA
535	2026-05-15	Deep Learning for Classification of Inflammatory Bowel Disease Activity in Whole Slide Images of Colonic Histopathology 2025-04, The American journal of pathology DOI:10.1016/j.ajpath.2024.12.010 PMID:39800054	研究论文	开发深度学习模型用于分类炎症性肠病（IBD）在结肠组织病理学全切片图像中的活动性等级	利用Transformer模型和注意力机制对IBD活动性进行四分类（非活动、轻度活动、中度活动、重度活动），并通过注意力图提升模型可解释性，同时结合HoVer-Net分析中性粒细胞分布与活动性等级的关系	未明确说明（根据摘要无具体提及）	通过深度学习模型自动分类IBD活动性等级，提高诊断一致性和效率，辅助普通病理学家进行标准化评估	炎症性肠病（IBD）患者的结肠组织病理学全切片图像	数字病理学	炎症性肠病	H&E染色组织病理学成像	Transformer模型	图像（全切片图像）	来自636位患者的2077张全切片图像	NA	Transformer, HoVer-Net	AUC（曲线下面积）、精确率、召回率、F1分数	NA
536	2026-05-15	Trends and Gaps in Public Perception of Genetic Testing for Dementia Risk: Unsupervised Deep Learning of Twitter Posts From 2010 to 2023 2025 Apr-Jun 01, Alzheimer disease and associated disorders DOI:10.1097/WAD.0000000000000667 PMID:40371554	研究论文	利用推特数据分析公众对痴呆症遗传检测看法的趋势与空白	首次大规模使用无监督深度学习（BERT模型）分析推特数据，揭示公众对痴呆症遗传检测看法的趋势、争议和误信息传播	推特数据代表性有限（主要来自英语用户），主题建模的轮廓系数较低（0.19），可能影响分类准确性	分析公众对痴呆症遗传检测的看法趋势与空白	2010年至2023年间包含相关关键词的英文推文	自然语言处理	痴呆症	NA	BERT	文本	3045条原始/来源推文	PyTorch	BERT	轮廓系数	NA
537	2026-05-15	Enhancing Outcome Prediction in Intracerebral Hemorrhage Through Deep Learning: A Retrospective Multicenter Study 2025-03, Academic radiology IF:3.8Q1 DOI:10.1016/j.acra.2024.07.025 PMID:39095262	研究论文	利用深度学习技术分析并验证一种自动预后生物标志物，以预测脑出血（ICH）后的结果	首次结合Resnet50深度学习方法和逻辑回归，构建基于血肿和血肿周围水肿区域特征的90天预后预测模型	未明确提及局限性	提高脑出血后预后预测的准确性	脑出血（ICH）患者	深度学习、数字病理学	脑出血	NA	Resnet50	图像	1098名患者（652名男性，446名女性）	NA	Resnet50	AUC	NA
538	2026-05-15	Advances in spatial resolution and radiation dose reduction using super-resolution deep learning-based reconstruction for abdominal computed tomography: A phantom study 2025-03, Academic radiology IF:3.8Q1 DOI:10.1016/j.acra.2024.09.012 PMID:39304377	研究论文	该研究评估了超分辨率深度学习重建（SR-DLR）在腹部计算机断层扫描（CT）中提升图像质量的表现，并比较了其与混合迭代重建（HIR）和常规分辨率DLR（NR-DLR）的效果	首次将超分辨率深度学习重建技术应用于腹部CT，在降低辐射剂量的同时保持或提升空间分辨率	该研究基于体模实验，可能无法完全反映临床中的实际效果	评估超分辨率深度学习重建在CT图像质量增强中的性能	Catphan体模	计算机视觉	NA	CT成像	深度学习重建网络	CT图像	Catphan体模（配备外部环）	NA	SR-DLR, NR-DLR	噪声幅度比（NMR）、中心频率比（CFR）、高对比度值	NA
539	2026-05-15	Ultrasound-based artificial intelligence model for prediction of Ki-67 proliferation index in soft tissue tumors 2025-03, Academic radiology IF:3.8Q1 DOI:10.1016/j.acra.2024.09.067 PMID:39406581	研究论文	利用超声图像结合深度学习、影像组学及临床特征构建融合模型，预测软组织肿瘤中Ki-67增殖指数	首次将深度学习特征与影像组学特征及临床特征融合，构建多特征融合模型用于预测软组织肿瘤的Ki-67表达水平	样本量有限（394例），且为回顾性研究，可能存在选择偏倚	评估深度学习结合影像组学及临床与影像特征预测软组织肿瘤Ki-67增殖指数的价值	394例软组织肿瘤患者的超声图像及临床数据	机器学习	软组织肿瘤	超声成像	支持向量机	图像	394例患者，训练集323例，外部验证集71例	NA	NA	AUC	NA
540	2026-05-15	Enhancing Radiologists' Performance in Detecting Cerebral Aneurysms Using a Deep Learning Model: A Multicenter Study 2025-03, Academic radiology IF:3.8Q1 DOI:10.1016/j.acra.2024.09.038 PMID:39406577	研究论文	研究开发深度学习模型辅助放射科医生检测脑动脉瘤的多中心评估	首次系统评估深度学习模型对低年资和高年资放射科医生检测脑动脉瘤性能的提升，并量化分析工作流程效率的改善	未在不同影像设备或更低资源设置下验证模型泛化性	评估深度学习模型辅助放射科医生检测脑动脉瘤的诊断性能和工作流程效率	放射科医生（4名初级、6名高级）及深度学习模型	机器学习	脑血管疾病	深度学习	CNN	医学影像（CTA?）	训练集3829名患者（11个中心），测试集484名患者（3个机构）	PyTorch	NA	AUC, 敏感性, 特异性	NA