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
6761	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
6762	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
6763	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
6764	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
6765	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
6766	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
6767	2026-01-15	A Multimodal Feature Fusion Model for Predicting Secondary Loss of Response After Infliximab Treatment in Crohn's Disease Patients: A Multicenter Study 2026-Jan, Digestive endoscopy : official journal of the Japan Gastroenterological Endoscopy Society IF:5.0Q1 DOI:10.1111/den.70097 PMID:41499486	研究论文	本研究开发并验证了一种多模态深度学习模型，利用基线内镜溃疡病灶预测克罗恩病患者英夫利西单抗治疗后的继发性失应答	结合深度学习溃疡检测模型自动识别病灶，并融合内镜图像与临床数据构建多模态模型进行早期预测，通过Grad-CAM提供模型可解释性	回顾性研究设计，样本量相对有限（385例患者），需进一步前瞻性验证	早期预测克罗恩病患者接受英夫利西单抗治疗后发生继发性失应答，以优化治疗策略	克罗恩病患者	数字病理学	克罗恩病	内镜检查	深度学习	图像, 临床数据	385名来自三个中心的克罗恩病患者，涉及12,092张内镜图像	NA	NA	精确度, ROC曲线下面积	NA
6768	2026-01-15	Detection of Hypergranulation Tissue in Chronic Wound Images Using Artificial Intelligence Algorithms 2026 Jan-Feb, Wound repair and regeneration : official publication of the Wound Healing Society [and] the European Tissue Repair Society IF:3.8Q1 DOI:10.1111/wrr.70125 PMID:41518268	研究论文	本研究提出了一种基于深度学习的方法，用于区分慢性伤口图像中的过度肉芽组织和非过度肉芽组织	首次利用大型平衡数据集进行深度学习研究，以检测慢性伤口中的过度肉芽组织，并评估了包括ViT、VGG16、RepVGG、MobileViT和RepGhost在内的多种架构	未明确提及研究的具体局限性	开发一种人工智能工具，以辅助临床医生早期检测慢性伤口中的过度肉芽组织，改善伤口治疗结果	慢性伤口图像，特别是包含过度肉芽组织和非过度肉芽组织的图像	计算机视觉	慢性伤口	深度学习	CNN, Transformer	图像	6235张伤口图像，来自Hospital de la Santa Creu de Vic (Catalonia, Spain) 和 DFUC 2022 数据集，类别平衡	NA	ViT, VGG16, RepVGG, MobileViT, RepGhost	准确率, AUC	NA
6769	2026-01-15	Contrastive report and multiparametric dual-region magnetic resonance imaging learning for the preoperative prediction of axillary lymph node metastasis in breast cancer 2026-Jan-01, Quantitative imaging in medicine and surgery IF:2.9Q2 DOI:10.21037/qims-2025-1485 PMID:41522005	研究论文	本研究开发了一种多模态深度学习模型，结合乳腺肿瘤和腋窝淋巴结的MRI特征及临床诊断报告文本特征，用于术前预测乳腺癌腋窝淋巴结转移	首次构建了结合视觉-语言模型（BALN-CLIP）和多模态融合网络（MM-AXLNet）的深度学习框架，通过双区域对比学习策略整合多参数MRI和临床报告信息	研究为回顾性设计，样本量相对有限（804例），且未在外部验证集上测试模型泛化能力	开发一种能够准确术前预测乳腺癌腋窝淋巴结转移的多模态深度学习模型，以辅助临床治疗决策	乳腺癌患者（804例，其中396例有腋窝淋巴结转移，408例无转移）	数字病理	乳腺癌	磁共振成像（MRI），包括动态对比增强序列和T2加权成像序列	Vision Transformer, BioClinicalBERT, 多模态深度学习模型	图像（MRI序列），文本（临床诊断报告）	804例乳腺癌患者	PyTorch（基于Transformer架构推断）	Vision Transformer, BioClinicalBERT, 正交融合模块, 交叉注意力模块	准确率, 灵敏度, 特异性, AUC, 精确率, F1分数	未明确指定，但基于深度学习模型推断需要GPU资源
6770	2026-01-15	Automated method for quantitative analysis of iris fluorescein angiography based on machine learning 2026-Jan-01, Quantitative imaging in medicine and surgery IF:2.9Q2 DOI:10.21037/qims-2025-480 PMID:41522026	研究论文	本研究提出了一种基于深度学习的自动化方法，用于分析虹膜荧光素血管造影图像，以检测和量化作为虹膜新生血管关键指标的瞳孔周围渗漏	开发了一种基于YOLOv8n的分割模型用于精确瞳孔定位，并创新性地结合了渗漏圆形度检测算法来量化瞳孔周围荧光素渗漏，相比传统人工诊断方法，显著提高了量化的一致性和准确性	算法的交并比略低于临床专家，表明在空间分割精度上存在轻微的错位，需要进一步优化以提高空间分割的准确性	开发一种自动化、基于机器学习的定量分析方法，用于早期检测和量化虹膜新生血管的瞳孔周围荧光素渗漏	虹膜荧光素血管造影图像	计算机视觉	糖尿病视网膜病变	虹膜荧光素血管造影	CNN	图像	训练集2,449张IFA图像，独立测试集131张临床标准化IFA图像	NA	YOLOv8n	平均绝对误差, 平均绝对百分比误差, 交并比	NA
6771	2026-01-15	Artiﬁcial intelligence model outperformed experienced clinicians in differentiating the aetiology of pneumonia on chest computed tomography: a retrospective study 2026-Jan-01, Quantitative imaging in medicine and surgery IF:2.9Q2 DOI:10.21037/qims-24-2129 PMID:41522044	研究论文	本研究开发并验证了两种深度学习模型，用于在胸部CT图像上区分十种肺炎病因，并在性能上超越了经验丰富的临床医生	提出了一种新颖的大型视觉模型（LVM）用于肺炎病因分类，并与经典3D-DenseNet模型及临床医生进行了比较，展示了AI在肺炎病因诊断中的优势	研究为回顾性设计，且样本量相对有限（共1091名患者），可能影响模型的泛化能力	开发并验证深度学习模型，以快速、精确地诊断肺炎的病因	肺炎患者及其胸部计算机断层扫描（CT）图像	计算机视觉	肺炎	胸部计算机断层扫描（CT）成像	深度学习模型	图像	1091名肺炎患者（训练/验证集），183名非重叠患者（外部测试集）	未明确指定，但可能基于PyTorch或TensorFlow等深度学习框架	3D-DenseNet, 大型视觉模型（LVM）	曲线下面积（AUC）, 准确率（Top1, Top2, Top3诊断）	NA
6772	2026-01-15	Cross-domain dynamic routing decoders for multi-domain generalization in ultrasound imaging 2026-Jan-01, Quantitative imaging in medicine and surgery IF:2.9Q2 DOI:10.21037/qims-2025-521 PMID:41522047	研究论文	本文提出了一种名为USHydraNet的新型多解码器框架，旨在处理多区域超声图像在医学图像分析中的异质性问题	引入动态路由范式，通过分析图像级和特征级统计矩来选择最优解码器输出，从而适应不同数据质量水平	NA	开发能够跨不同医疗基础设施区域减少性能差异的鲁棒人工智能系统	多区域医疗超声图像	医学图像分析	NA	超声成像	Vision Transformer, UNet	图像	四个公共数据集和一个私有医疗数据集	NA	Vision Transformer, UNet	Dice系数, IoU, 准确率, 精确率, 召回率, F1分数	NA
6773	2026-01-15	Interpretable deep learning framework based on contrast-enhanced MRI for predicting histological grade of hepatocellular carcinoma 2026-Jan-01, Quantitative imaging in medicine and surgery IF:2.9Q2 DOI:10.21037/qims-2025-269 PMID:41522043	研究论文	本研究开发了一种基于多期相增强MRI的可解释深度学习模型iHCG-Net，用于术前预测肝细胞癌的组织学分级	基于概念瓶颈模型框架，结合临床放射学特征，提供模型可解释性，并识别出瘤内动脉作为预测分级的最重要特征	回顾性研究设计，样本量相对有限，且仅使用单一机构的MRI数据	开发可解释的深度学习模型，用于术前预测肝细胞癌的组织学分级	肝细胞癌患者	数字病理学	肝细胞癌	多期相增强磁共振成像	深度学习模型	图像	370例肝细胞癌患者（训练队列259例，验证队列111例）	PyTorch	DenseNet-121	AUC, ROC曲线分析, DeLong检验	NA
6774	2026-01-15	MMD-Net: a weakly supervised solution for quantification of nonalcoholic fatty liver biopsies 2026-Jan-01, Quantitative imaging in medicine and surgery IF:2.9Q2 DOI:10.21037/qims-2025-981 PMID:41522057	研究论文	本研究提出了一种名为MMD-Net的弱监督框架，用于非酒精性脂肪性肝病活检的量化评估，以减少病理学家的标注工作量	首次将多实例学习与多任务学习结合，建立弱监督框架，无需像素级标注即可同时评估脂肪变性、炎症和气球样变	研究依赖于公开数据集，未在更大规模或更多样化的临床数据上进行验证	开发一种临床适用的弱监督诊断方法，用于非酒精性脂肪性肝病的组织病理学评估	非酒精性脂肪性肝病患者的肝活检组织	数字病理学	非酒精性脂肪性肝病	组织病理学成像	深度学习	图像	使用Heinemann等人于2023年7月在OSF平台发布的肝细胞病理学数据集	NA	MMD-Net	准确率, 精确率, 召回率, F1分数, Cohen's κ系数	NA
6775	2026-01-15	Early assessment of myocardial injury in patients with coronavirus disease 2019 using a two-stage deep learning framework based on non-contrast chest computed tomography 2026-Jan-01, Quantitative imaging in medicine and surgery IF:2.9Q2 DOI:10.21037/qims-2025-449 PMID:41522060	研究论文	本研究开发了一种基于非对比胸部CT的两阶段深度学习框架，用于早期评估COVID-19患者的心肌损伤	提出了一种两阶段深度学习框架，首次利用非对比胸部CT进行一站式心肌损伤预测，无需额外对比剂，实现了早期筛查	研究为回顾性设计，样本量相对较小（453例），且仅针对COVID-19患者，模型泛化能力需进一步验证	开发深度学习框架，利用非对比胸部CT实现COVID-19患者心肌损伤的早期预测和风险分层	COVID-19患者，包括230例心肌损伤患者和223例非心肌损伤患者	数字病理学	心血管疾病	非对比胸部CT成像	CNN	图像	453例COVID-19患者（230例心肌损伤，223例非心肌损伤）	PyTorch	FCN-ResNet-101, DenseNet-121	IoU, ACC, Dice系数, AUC, 灵敏度, 特异性, F1分数	NA
6776	2026-01-15	Diabetic retinopathy detection and grading system using deep learning approach 2026 Jan-Dec, Digital health IF:2.9Q2 DOI:10.1177/20552076251410982 PMID:41522450	研究论文	本文提出了一种基于深度学习的糖尿病视网膜病变检测与分级系统	应用深度学习技术自动检测和分级糖尿病视网膜病变，提高早期筛查效率	NA	开发一个自动化的糖尿病视网膜病变检测与分级系统，以辅助早期诊断	糖尿病患者的视网膜图像	计算机视觉	糖尿病视网膜病变	深度学习	CNN	图像	NA	NA	NA	NA	NA
6777	2026-01-15	XMP-Net: An XAI-Based Modified Xception Model for Recognizing Monkeypox and Other Skin Diseases 2026, BioMed research international IF:2.6Q3 DOI:10.1155/bmri/1113178 PMID:41522723	研究论文	本研究提出了一种基于Xception改进的深度学习模型XMP-Net，用于识别猴痘及其他皮肤疾病，并利用可解释人工智能技术增强模型预测的可信度	提出了一种改进的Xception架构（XMP-Net），并首次将Grad-CAM和LIME两种可解释人工智能技术同时应用于猴痘等皮肤疾病的分类任务中，为临床诊断提供可视化解释	模型在麻疹和水痘类别上的准确率相对较低（分别为84.21%和77.27%），且未提及数据集的具体来源、规模及外部验证情况	开发一种可靠、可解释且适用于资源有限环境的皮肤疾病诊断工具，特别关注猴痘的识别	皮肤图像，包括正常皮肤、水痘、麻疹和猴痘四种类别	计算机视觉	皮肤疾病（猴痘、水痘、麻疹）	深度学习，可解释人工智能	CNN	图像	NA	NA	Xception（改进版）	准确率，精确率，召回率，F1分数	NA
6778	2026-01-15	From fibers to cells: Fourier-based registration enables virtual Cresyl violet staining from 3D polarized light imaging 2026, Imaging neuroscience (Cambridge, Mass.) DOI:10.1162/IMAG.a.1079 PMID:41523213	研究论文	本文提出了一种基于深度学习和傅里叶配准的方法，从3D偏振光成像数据生成虚拟的Cresyl violet染色，以实现细胞和纤维结构的空间对齐	利用傅里叶配准在训练过程中高效处理局部图像块的对齐，从而从3D-PLI数据生成细胞级别的虚拟染色	组织切片后染色的处理复杂性限制了样本数量，且染色过程引入的失真需要跨模态配准	通过虚拟染色技术，在相同切片中建立纤维和细胞结构之间的直接联系，以研究大脑微结构的详细关系	大脑切片，特别是细胞体和神经纤维的微结构	数字病理学	NA	3D偏振光成像，Cresyl violet染色	深度学习，图像到图像转换	图像	有限数量的大脑切片样本	NA	NA	NA	NA
6779	2026-01-15	A multi-stage deep learning network for prenatal diagnosis of coarctation of the aorta 2026-Jan, Medical physics IF:3.2Q1 DOI:10.1002/mp.70230 PMID:41532285	研究论文	本研究提出了一种名为CoA-Net的多阶段深度学习网络，通过局部-全局特征整合，用于胎儿主动脉缩窄的产前诊断	开发了一个多阶段深度学习网络CoA-Net，集成了局部特征提取器和全局特征提取器，并引入了局部注意力机制和稀疏全局注意力机制，以从复杂的胎儿超声心动图分布中提取有意义的特征	研究未明确提及外部验证数据集的使用，可能影响模型的泛化能力；样本量相对有限（488个样本）	开发一种深度学习网络，通过整合局部和全局特征，从胎儿超声心动图中提取判别性特征，以实现胎儿主动脉缩窄的精确产前诊断	胎儿主动脉缩窄病例及健康对照的胎儿超声心动图图像	计算机视觉	心血管疾病	胎儿超声心动图	CNN	图像	488个样本（包括主动脉缩窄病例和健康对照）	NA	CoA-Net	平衡准确率, F1分数, Matthews相关系数, AUC	NA
6780	2026-01-15	Single shot full plan deep learning dose computation for radiation therapy using spherical harmonics 2026-Jan, Medical physics IF:3.2Q1 DOI:10.1002/mp.70223 PMID:41532338	研究论文	本文提出了一种基于物理信息深度学习的AI剂量计算方法，用于快速且准确地计算放射治疗中多野VMAT和IMRT计划的剂量分布	引入了一种新颖的两阶段方法，结合球谐函数系数和图像到图像的神经网络，实现了单次全计划剂量计算	方法仅在三个身体部位的临床计划上进行了大规模数据生成和评估，可能未覆盖所有治疗区域	开发一种快速且准确的放射治疗剂量计算方法，以应对日益增长的病例数量	放射治疗计划中的剂量计算，特别是针对VMAT和IMRT计划	机器学习	NA	深度学习	图像到图像的神经网络	CT图像和球谐函数系数	1641个临床计划，通过数据增强生成超过100,000个训练输入/输出	NA	NA	伽马通过率，相对误差，绝对误差，剂量剖面	NVIDIA RTX 4090 GPU