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
541	2026-05-15	A Multicenter Cohort Study on Ultrasound-based Deep Learning Nomogram for Predicting Post-Neoadjuvant Chemotherapy Axillary Lymph Node Status in Breast Cancer Patients 2025-03, Academic radiology IF:3.8Q1 DOI:10.1016/j.acra.2024.09.065 PMID:39406583	研究论文	评估基于超声深度学习的列线图在预测乳腺癌患者新辅助化疗后腋窝淋巴结状态的性能及其对放射科医生诊断的辅助作用	基于超声深度学习列线图预测新辅助化疗后腋窝淋巴结状态，并证明其能显著提升放射科医生的诊断能力	NA	评估基于超声的深度学习列线图预测乳腺癌患者新辅助化疗后腋窝淋巴结状态的能力及其辅助诊断的潜力	535例淋巴结阳性乳腺癌患者	计算机视觉, 数字病理学	乳腺癌	超声成像	CNN	图像	535例患者（培训队列288例，内部验证队列123例，外部验证队列124例）	PyTorch	ResNet 34, ResNet 50, VGG19, GoogLeNet, DenseNet 121	AUC	NA
542	2026-05-15	Multiparametric MRI-Based Deep Learning Models for Preoperative Prediction of Tumor Deposits in Rectal Cancer and Prognostic Outcome 2025-03, Academic radiology IF:3.8Q1 DOI:10.1016/j.acra.2024.10.004 PMID:39438175	研究论文	基于多参数MRI的深度学习模型用于术前预测直肠癌肿瘤沉积和预后	首次结合多参数MRI深度特征与临床特征构建列线图，实现对直肠癌肿瘤沉积的术前无创预测及预后分层	NA	评估基于多参数MRI的深度学习模型在预测直肠癌肿瘤沉积中的价值及其对患者预后的影响	直肠癌患者	计算机视觉, 机器学习	直肠癌	MRI	深度学习模型	图像	529例直肠癌患者，其中中心1的379例（训练集265例，内部验证集114例），中心2的150例（外部验证集）	NA	ResNet-101	AUC, 决策曲线分析, 临床影响曲线, 德隆检验, Kaplan-Meier生存分析	NA
543	2026-05-15	Combination of Deep Learning Grad-CAM and Radiomics for Automatic Localization and Diagnosis of Architectural Distortion on DBT 2025-03, Academic radiology IF:3.8Q1 DOI:10.1016/j.acra.2024.10.031 PMID:39496537	研究论文	结合深度学习Grad-CAM和影像组学，用于自动定位和诊断数字乳腺断层合成中的结构扭曲	首次将深度学习Grad-CAM与影像组学结合，实现DBT中AD的自动定位和诊断，并与手动ROI进行比较	在纯AD情况下，深度学习生成的ROI诊断性能不如伴随其他特征的AD	利用人工智能技术提高DBT中AD的检测和诊断准确率	DBT图像中的结构扭曲（AD）病例	计算机视觉, 数字病理学	乳腺疾病	数字乳腺断层合成	深度学习（CNN）	图像	500例AD病例（292例训练，208例测试）	TensorFlow, PyTorch	Grad-CAM	AUC, 灵敏度, 特异度	GPU
544	2026-05-15	A Stacked Multimodality Model Based on Functional MRI Features and Deep Learning Radiomics for Predicting the Early Response to Radiotherapy in Nasopharyngeal Carcinoma 2025-03, Academic radiology IF:3.8Q1 DOI:10.1016/j.acra.2024.10.011 PMID:39496536	研究论文	构建并评估一种整合磁共振成像深度学习影像组学、功能成像和临床指标的模型，用于预测鼻咽癌放疗早期疗效	首次将功能MRI特征（ADC、TBF）与深度学习影像组学特征结合，利用堆叠算法构建多模态模型，提升预测性能	未提及	预测鼻咽癌放疗早期疗效，为个性化治疗提供指导	鼻咽癌患者	数字病理学	鼻咽癌	磁共振成像（MRI），扩散加权成像（DWI），动脉自旋标记（ASL）	逻辑回归（LR），XGBoost，支持向量机（SVM），K近邻（KNN）	影像数据，临床指标	训练集194例（医院I），内部验证集82例（医院I），外部验证集40例（医院II）	NA	堆叠集成模型（Stacking）	受试者工作特征曲线下面积（AUC），决策曲线分析	NA
545	2026-05-15	Feasibility of Ultra-low Radiation and Contrast Medium Dosage in Aortic CTA Using Deep Learning Reconstruction at 60 kVp: An Image Quality Assessment 2025-03, Academic radiology IF:3.8Q1 DOI:10.1016/j.acra.2024.10.042 PMID:39542806	研究论文	评估在主动脉CTA中使用60 kVp低管电压和深度学习重建算法实现超低辐射和对比剂用量的可行性	首次将60 kVp低管电压与新型深度学习图像重建算法（DLIR-CI）结合应用于主动脉CTA，在保证图像质量的同时实现辐射剂量和对比剂用量的大幅降低	仅针对非肥胖患者，未评估在肥胖患者或更广泛人群中的适用性	评估主动脉CTA中超低辐射和对比剂用量方案的可行性	非肥胖患者主动脉CTA图像质量	计算机视觉	心血管疾病	CT血管成像	深度学习	图像	非肥胖受试者（前瞻性分配到两组）	NA	ClearInfinity (DLIR-CI)	CT衰减值, 图像噪声, 信噪比 (SNR), 对比噪声比 (CNR), 主观图像质量评分, Cohen's kappa系数	NA
546	2026-05-15	BMSMM-Net: A Bone Metastasis Segmentation Framework Based on Mamba and Multiperspective Extraction 2025-03, Academic radiology IF:3.8Q1 DOI:10.1016/j.acra.2024.11.018 PMID:39617656	研究论文	提出一种基于Mamba和多视角提取的骨转移分割框架BMSMM-Net，用于骨转移瘤的精确分割	在骨干网络中集成新型Bottleneck Gating Mamba层以增强深层特征图中的长距离依赖；在跳跃连接上设计Skip-Mamba模块促进多尺度特征融合时的长距离建模；在特征提取阶段采用多视角提取模块，利用三种不同大小的卷积核提升对骨转移的敏感性	未在标题和摘要中明确提及	实现骨转移瘤的快速、精确分割，提高患者生存率和治疗效果	骨转移瘤（包括成骨性、溶骨性或混合性病变）的分割	计算机视觉	骨转移瘤（骨癌）	深度学习	Mamba	医学图像	使用BM-Seg数据集（未具体说明样本数量）	NA	Bottleneck Gating Mamba (BGM), Skip-Mamba (SKM), 多视角提取 (MPE)	F1分数，mIoU	NA
547	2026-05-15	Non-invasive Prediction of Lymph Node Metastasis in NSCLC Using Clinical, Radiomics, and Deep Learning Features From 18F-FDG PET/CT Based on Interpretable Machine Learning 2025-03, Academic radiology IF:3.8Q1 DOI:10.1016/j.acra.2024.11.037 PMID:39665892	研究论文	开发并评估一种结合临床、影像组学和深度学习特征的机器学习模型，用于预测非小细胞肺癌患者的淋巴结转移，并利用SHAP增强模型可解释性	首次将临床、PET/CT影像组学和ResNet50深度学习特征结合，通过XGBoost算法构建综合预测模型，并运用SHAP方法提升模型可解释性，为术前无创预测淋巴结转移提供新方法	样本量相对较小（248例），且为单中心回顾性研究，可能限制模型的泛化能力	开发一种可解释的机器学习模型，通过整合PET/CT影像中的临床、影像组学和深度学习特征，提高非小细胞肺癌淋巴结转移预测的准确性	非小细胞肺癌患者术前18F-FDG PET/CT影像数据及其临床信息	机器学习	肺癌	18F-FDG PET/CT影像学	XGBoost	医学影像（PET/CT）	248例非小细胞肺癌患者	NA	ResNet50	AUC, Accuracy, F1-score, Sensitivity, Specificity	NA
548	2026-05-15	Early and noninvasive prediction of response to neoadjuvant therapy for breast cancer via longitudinal ultrasound and MR deep learning: A multicentre study 2025-03, Academic radiology IF:3.8Q1 DOI:10.1016/j.acra.2024.10.033 PMID:39542804	研究论文	本研究基于乳腺MRI和超声的纵向多模态深度学习，预测乳腺癌患者新辅助化疗后的病理完全缓解	首次利用纵向多模态深度学习（结合MRI和超声）预测乳腺癌新辅助化疗反应，并整合临床数据构建堆叠模型实现高精度预测	NA	早期无创预测乳腺癌患者新辅助化疗的反应，以制定个性化治疗方案	乳腺癌患者的新辅助化疗反应（病理完全缓解）	医学影像分析，深度学习	乳腺癌	MRI，超声	ResNet50，堆叠模型	图像（MRI和超声）	448例患者，来自三个中心	NA	ResNet50	AUC，准确率，灵敏度，特异度	NA
549	2026-05-15	Machine Learning in Drug Development for Neurological Diseases: A Review of Blood Brain Barrier Permeability Prediction Models 2025-Mar, Molecular informatics IF:2.8Q2 DOI:10.1002/minf.202400325 PMID:40146590	综述	综述了使用机器学习方法预测血脑屏障通透性的最新进展	全面梳理了机器学习在神经系统疾病药物开发中预测血脑屏障通透性的最新应用，强调其作为传统细胞和动物模型的高效替代方案	未提及具体模型性能比较或局限性分析，可能因综述范围所致	回顾和总结机器学习在预测血脑屏障通透性方面的应用，以提高药物开发效率和准确性	血脑屏障通透性预测模型	机器学习	神经系统疾病	NA	机器学习、深度学习	NA	NA	NA	NA	NA	NA
550	2026-05-15	An explainable deep learning model for diabetic foot ulcer classification using swin transformer and efficient multi-scale attention-driven network 2025-02-03, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-87519-1 PMID:39900977	研究论文	提出一种基于Swin Transformer和高效多尺度注意力驱动网络的双轨融合模型，用于糖尿病足溃疡分类，并集成可解释人工智能	首次采用Swin Transformer与Efficient Multi-Scale Attention-Driven Network (EMADN) 双轨架构进行糖尿病足溃疡分类，结合轻量级多尺度可变形混洗和全局扩张注意力模块进行特征提取，并引入Grad-CAM可解释人工智能方法	NA	开发一种高效自动化的深度学习模型，用于糖尿病足溃疡的准确分类，辅助医疗专业人员诊断	糖尿病足溃疡分类任务，使用DFUC-2021数据集	计算机视觉	糖尿病	NA	混合模型（Swin Transformer与CNN组合）	图像	NA（使用DFUC-2021数据集）	NA	Swin Transformer, Efficient Multi-scale Attention-Driven Network (EMADN), Grad-CAM	准确率, 宏观F1分数	NA
551	2026-05-15	Enhancing depression recognition through a mixed expert model by integrating speaker-related and emotion-related features 2025-02-03, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-88313-9 PMID:39900968	研究论文	提出一种混合专家模型，通过整合说话人相关和情感相关特征来提升抑郁症识别性能	首次在抑郁症识别中分离并融合说话人相关特征和情感相关特征，采用混合专家模型和多领域自适应算法，在跨语言数据集中表现优异	仅使用语音信号，未结合其他模态信息；自建中文数据集规模可能有限；MAE值在AVEC2014数据集上仍有优化空间	通过融合说话人相关和情感相关的语音特征，提高抑郁症自动识别的准确性并解决跨语言文化差异问题	抑郁症患者的语音信号	机器学习	抑郁症	语音特征提取、迁移学习、多领域自适应	混合专家模型（MoE）	语音数据	自建中文抑郁症数据集（数量未明确）和AVEC2014数据集	PyTorch	时延神经网络（TDNN）	准确率、平均绝对误差（MAE）	NA
552	2026-05-15	Synchronization-based graph spatio-temporal attention network for seizure prediction 2025-02-03, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-88492-5 PMID:39901056	研究论文	提出了一种基于同步的图时空注意力网络用于癫痫发作预测	首次将图时空注意力网络与同步机制相结合，有效捕捉癫痫发作期间的时空相关性和个体间差异	未提及计算资源需求及模型泛化性验证	提高癫痫发作预测的准确性和可靠性，特别是针对难以分类的受试者	癫痫患者脑电图（EEG）记录中的发作前兆信号	机器学习	癫痫	EEG记录	图注意力网络	脑电图信号	CHB-MIT公共数据集	NA	图时空注意力网络（SGSTAN）	准确率, 特异度, 灵敏度	NA
553	2026-05-15	Intratumoral and Peritumoral Radiomics for Predicting the Prognosis of High-grade Serous Ovarian Cancer Patients Receiving Platinum-Based Chemotherapy 2025-02, Academic radiology IF:3.8Q1 DOI:10.1016/j.acra.2024.09.001 PMID:39289095	研究论文	开发深度学习预后模型，评估肿瘤内及瘤周影像组学在预测高级别浆液性卵巢癌患者铂类化疗预后中的意义	首次系统评估肿瘤内和瘤周影像组学特征在深度学习模型中的综合预测价值，并分析了不同扩张像素对预测准确性的影响	外部测试集样本量较小（N=26），可能影响模型泛化能力的全面评估	构建基于深度学习的预后模型，预测接受铂类化疗的高级别浆液性卵巢癌患者的无进展生存期	474例高级别浆液性卵巢癌患者的非增强CT扫描图像，来自两个医疗机构	计算机视觉, 数字病理学	卵巢癌	CT扫描	深度学习模型	图像	474例患者（训练集362例，内部测试集86例，外部测试集26例）	NA	NA	风险比, 受试者工作特征曲线	NA
554	2026-05-15	Deep Learning and Habitat Radiomics for the Prediction of Glioma Pathology Using Multiparametric MRI: A Multicenter Study 2025-02, Academic radiology IF:3.8Q1 DOI:10.1016/j.acra.2024.09.021 PMID:39322536	研究论文	通过多参数MRI结合深度学习与生境影像组学预测胶质瘤病理结果的多中心研究	将生境分析与深度学习相结合，提取成像特征并联合临床特征建模，以预测胶质瘤病理结果，较传统影像组学方法获得更好预测性能	临床特征对预测的辅助证据相对较弱	实现更好的胶质瘤病理结果预测	原发性胶质瘤患者的MRI影像、病理报告和临床病史	数字病理学、机器学习	胶质瘤	多参数MRI（T1对比增强和T2加权序列）	LightGBM, SVM, MLP, DenseNet161, ResNet50, Inception_v3	医学影像、文本（病理报告和临床病史）	387例原发性胶质瘤，来自三家医院，其中264例训练集、82例测试集、41例验证集	NA	DenseNet161, ResNet50, Inception_v3, LightGBM, SVM, MLP	NA	NA
555	2026-05-15	Clinical Pilot of a Deep Learning Elastic Registration Algorithm to Improve Misregistration Artifact and Image Quality on Routine Oncologic PET/CT 2025-02, Academic radiology IF:3.8Q1 DOI:10.1016/j.acra.2024.09.044 PMID:39462735	研究论文	基于深度学习弹性配准算法改进常规肿瘤PET/CT配准伪影和图像质量的临床试点研究	首次将深度学习弹性配准方法应用于临床常规肿瘤PET/CT，评估其减少配准伪影和改善图像质量的效果	样本量较小（仅30名患者），且未涉及不同示踪剂和扫描协议的广泛验证	评估深度学习弹性配准算法在减少PET/CT配准伪影和改善图像质量方面的临床潜力	30名接受常规肿瘤检查的患者（20例18F-FDG PET/CT和10例64Cu-DOTATATE PET/CT）	计算机视觉	肿瘤	PET/CT	深度学习弹性配准算法	图像	30名患者（20例18F-FDG PET/CT和10例64Cu-DOTATATE PET/CT）	NA	弹性配准网络	图像质量Likert评分、标准化摄取值、信噪比、肝肺指数	NA
556	2026-05-15	A Multimodal Deep Learning Nomogram for the Identification of Clinically Significant Prostate Cancer in Patients with Gray-Zone PSA Levels: Comparison with Clinical and Radiomics Models 2025-02, Academic radiology IF:3.8Q1 DOI:10.1016/j.acra.2024.10.009 PMID:39496535	研究论文	建立了一种多模态深度学习列线图，用于预测灰色区域PSA水平患者中的临床显著性前列腺癌，并与临床和影像组学模型进行比较	首次将深度学习特征、PI-RADS评分和临床变量通过混合融合方法整合为多模态列线图，在预测临床显著性前列腺癌方面显著优于传统影像组学和临床模型	未提及模型的外部验证和前瞻性研究设计	建立用于预测灰色区域PSA水平患者中临床显著性前列腺癌的多模态深度学习列线图	2018年1月至2022年12月期间有病理结果的303名PSA处于灰色区域的患者	数字病理学	前列腺癌	NA	深度学习模型、支持向量机（SVM）、XGBoost	双参数磁共振成像（bp-MRI）图像、临床变量、PI-RADS评分	303名患者	NA	NA	AUC、决策曲线分析	NA
557	2026-05-15	Deep Learning-Assisted Label-Free Parallel Cell Sorting with Digital Microfluidics 2025-01, Advanced science (Weinheim, Baden-Wurttemberg, Germany) DOI:10.1002/advs.202408353 PMID:39497614	研究论文	提出一种基于深度学习和数字微流控的无标记并行细胞分选方法	将深度学习图像识别与微流控操控结合，利用YOLOv8目标检测模型实现精确液滴分类，并结合安全区间路径规划算法实现多目标、无碰撞的液滴路径规划	未提及具体局限性	实现基于形态学的高精度、无标记细胞分选，以支持诊断、治疗和基础细胞生物学研究	HeLa细胞、聚苯乙烯微珠、红细胞、Jurkat细胞、HL-60细胞	计算机视觉, 数字病理学	不适用	数字微流控（AM-DMF）	YOLOv8（目标检测模型）	图像	HeLa细胞和聚苯乙烯微珠用于初步实验，后续扩展至红细胞、Jurkat细胞和HL-60细胞；具体数量未提及	PyTorch（推测，基于YOLOv8框架）	YOLOv8	分选精度（98.5%）、纯度（96.49%）、回收率（80%）	未提及
558	2026-05-15	How to accurately predict nanobody structure: Classical physics-based simulations or deep learning approaches 2025, Advances in protein chemistry and structural biology DOI:10.1016/bs.apcsb.2024.12.001 PMID:40973396	研究论文	本文系统比较了基于物理的模拟和深度学习方法在预测不同类别纳米抗体结构中的准确性	针对纳米抗体CDR3结构预测难题，首次系统性比较经典物理模拟（同源建模+分子动力学）与深度学习（AlphaFold2和RoseTTAFold）两种策略在三种结构类别（凹面、环状、凸面）纳米抗体上的表现，并提出纳米抗体与靶蛋白结合需诱导契合机制的观点	仅选取了三种代表性纳米抗体（Nb32、Nb80、Nb35）进行研究，样本量有限	评估不同预测策略对纳米抗体结构预测的准确性，特别是CDR3区域，并为不同类别纳米抗体提供最佳预测方法建议	三种代表性纳米抗体（Nb32、Nb80、Nb35），分别代表凹面、环状和凸面结构类别	机器学习, 计算机视觉	NA	NA	深度学习模型	蛋白质结构数据	3种纳米抗体（Nb32、Nb80、Nb35）	AlphaFold2, RoseTTAFold	AlphaFold2, RoseTTAFold	预测准确度（通过与实验结构比较）	NA
559	2026-05-15	MDL-CA: a multimodal deep learning approach with a cross attention mechanism for accurate brain cancer diagnosis 2025, Frontiers in public health IF:3.0Q2 DOI:10.3389/fpubh.2025.1687335 PMID:41561860	研究论文	提出一种名为MDL-CA的多模态深度学习框架，通过交叉注意力机制整合基因组和MRI数据，用于脑癌诊断	首次将图注意力网络提取的基因组图嵌入与3D DenseNet的MRI特征图通过交叉注意力机制融合，并采用Entmax sigmoid函数增强分类稀疏性和可解释性	论文未明确提及局限性	提高脑癌诊断的准确性、全面性和可解释性	脑癌患者基因组数据和MRI图像	数字病理学	脑癌	MRI, 基因组测序	图注意力网络, 3D DenseNet, 交叉注意力机制	图像（MRI），基因组数据	四个基准数据集，具体数量未提及	PyTorch	GAT, 3D DenseNet, 交叉注意力	准确率, F1分数	NA
560	2026-05-15	Accelerated 2D radial Look-Locker T1 mapping using a deep learning-based rapid inversion recovery sampling technique 2024-12, NMR in biomedicine IF:2.7Q1 DOI:10.1002/nbm.5266 PMID:39358992	研究论文	开发一种基于深度学习的快速反转恢复采样技术，用于加速二维径向Look-Locker T1映射	通过结合快速T1恢复曲线采样、切片选择性反转、优化切片交错和卷积神经网络T1估计，实现单次屏气内的全腹部T1映射	NA	开发一种能够在单次屏气内高效覆盖腹部的T1映射框架	腹部器官的T1值估计	数字病理学	NA	T1映射	卷积神经网络	图像	21个切片，单次屏气20秒	NA	卷积神经网络	皮尔逊相关系数、重复性系数、变异系数	NA