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
7621	2026-03-09	Integrating Deep Feature Extraction and MRI Radiomics for Survival Prediction in Breast Cancer After Neoadjuvant Chemotherapy 2026-Mar, Academic radiology IF:3.8Q1 DOI:10.1016/j.acra.2025.10.050 PMID:41253608	研究论文	本研究通过整合深度学习特征提取与MRI影像组学，构建多模态Cox模型，以预测乳腺癌新辅助化疗后的生存期	首次将CNN提取的深度学习病理特征与多参数MRI影像组学融合，构建多模态预测模型，相比以往单模态研究或短期终点预测，显著提高了长期生存预测的准确性	研究为多中心回顾性设计，样本量相对有限（216例），且未在独立外部队列中进行验证	开发更精确的预后工具，以优化乳腺癌新辅助化疗后的临床决策	完成新辅助化疗的乳腺癌患者	数字病理学	乳腺癌	多参数MRI影像组学，深度学习特征提取	CNN, Cox比例风险模型	临床特征，病理图像，MRI图像	216例乳腺癌患者	NA	ResNet50	AUC, 校准曲线, 决策曲线分析	NA
7622	2026-03-09	PMI estimation with cross-species transfer learning and visual information generated by pathomics foundation model 2026-Mar, International journal of legal medicine IF:2.2Q1 DOI:10.1007/s00414-025-03659-z PMID:41258447	研究论文	本研究提出了一种基于病理学基础模型和跨物种迁移学习的死后间隔（PMI）估计框架，并利用可视化技术增强模型可解释性	提出了两阶段跨物种迁移学习策略，将动物数据先验知识与少量人类数据结合进行微调，并开发了全切片级别的可视化框架（概率图、类别图、分类比例直方图）以提高模型可解释性	人类样本数量有限（23例），可能影响模型泛化能力；研究主要针对肝脏组织，未验证其他器官的适用性	开发一种准确且可解释的AI工具，用于法医病理学中的死后间隔估计	猪肝脏全切片图像和人类肝脏全切片图像	数字病理学	NA	全切片成像	CNN, Vision Transformer	图像	16例猪样本和23例人类样本	NA	ResNet50, DenseNet121, SongCi, UNI	准确率	NA
7623	2026-03-09	Evaluating the Diagnostic Accuracy of Artificial Intelligence in Spondylolisthesis Detection: A Systematic Review and Meta-analysis 2026-Mar, Academic radiology IF:3.8Q1 DOI:10.1016/j.acra.2025.11.002 PMID:41290429	系统综述与荟萃分析	本文通过系统综述和荟萃分析评估了人工智能模型在检测脊椎滑脱症中的诊断准确性	首次对人工智能在脊椎滑脱症检测中的诊断准确性进行了系统综述和荟萃分析，比较了不同成像模态和模型类型的性能	研究存在显著的异质性，表明需要更多标准化的研究来确保结果的可比性和普适性	评估人工智能模型在脊椎滑脱症检测中的诊断准确性，并比较不同成像模态和模型类型的性能	脊椎滑脱症患者	医学影像分析	脊椎滑脱症	深度学习	深度学习模型	医学影像（如MRI、X光片）	24项研究（其中21项用于荟萃分析），共8029个观察值	NA	FAR网络, YOLOv8	灵敏度, 特异性, AUC	NA
7624	2026-03-09	Automatic rib fracture detection on postmortem CT data using deep learning 2026-Mar, International journal of legal medicine IF:2.2Q1 DOI:10.1007/s00414-025-03669-x PMID:41339543	研究论文	本研究评估了深度学习模型nnDetection在死后CT扫描数据上自动检测肋骨骨折的性能，并分析了临床与死后CT成像之间的领域偏移因素	首次将深度学习模型应用于死后CT数据的肋骨骨折检测，并系统分析了临床与死后CT成像之间的领域偏移因素，如手臂位置和医疗设备的存在	样本量相对较小（仅50例死后CT扫描），且未探索更先进的技术来克服领域偏移因素	评估深度学习模型在死后CT数据上自动检测肋骨骨折的性能，并识别临床与死后CT成像之间的领域偏移因素	死后CT扫描数据，用于肋骨骨折检测	计算机视觉	肋骨骨折	CT扫描	深度学习模型	CT图像	50例死后CT扫描（24%女性；平均年龄61岁，范围19-96岁）和660例临床CT扫描（36%女性；平均年龄55岁，范围21-94岁）	nnDetection	nnDetection	平均灵敏度, 平均精确度（在0.1交并比下）	NA
7625	2026-03-09	Deep Learning-Based Cardiac MRI Planning from Localizers to Cine Views Using Landmark Detection 2026-Mar, Academic radiology IF:3.8Q1 DOI:10.1016/j.acra.2025.11.028 PMID:41353071	研究论文	本研究评估了一种基于深度学习的全自动框架，用于提升心脏MRI规划的效率和准确性	提出了一种全自动深度学习框架，用于从定位器到电影视图的心脏MRI规划，通过地标检测实现自动化，提高了规划精度	研究为回顾性设计，数据来源于单一机构，未在外部数据集上进行验证	评估深度学习框架在心脏MRI规划中的自动化应用，以提升效率和准确性	1023名接受心脏MRI检查的患者（年龄8-90岁）的影像数据	计算机视觉	心血管疾病	心脏MRI	深度学习模型	图像	1023名患者	NA	NA	中位地标距离, 平面角度差	NA
7626	2026-03-09	Label Noise in Pathological Segmentation Is Overlooked, Leading to Potential Overestimation of Artificial Intelligence 2026-Mar, Cancer science IF:4.5Q1 DOI:10.1111/cas.70288 PMID:41433191	研究论文	本研究通过调查公共数据集和合成人工标签噪声，评估了标签噪声对病理分割模型的影响，揭示了模型易过拟合边界噪声并导致性能高估的风险	首次系统性地结合公共数据集调查与人工标签噪声合成，评估了病理分割中标签噪声的类型和影响，特别是边界依赖噪声（如扩张和收缩）对模型过拟合的显著作用	研究主要基于合成噪声和有限数据集（如乳腺癌语义分割数据集），可能未完全覆盖真实世界所有噪声类型；且未提出具体的噪声量化或缓解方法	评估病理分割中标签噪声对人工智能模型训练的影响，并探讨其导致的性能高估风险	病理分割AI模型，特别是用于乳腺癌语义分割的深度学习模型	数字病理	乳腺癌	语义分割	深度学习模型	图像	使用公共数据集和乳腺癌语义分割数据集，具体样本数量未明确说明	NA	NA	表现分数（包括真实世界条件下的表观性能分数和使用干净测试数据得到的真实性能分数）	NA
7627	2026-03-09	Explainable deep learning for predicting HER-2 expression in breast cancer: a multicenter study 2026-Mar, Acta radiologica (Stockholm, Sweden : 1987) DOI:10.1177/02841851251392501 PMID:41468007	研究论文	本研究开发了一个可解释的深度学习框架，用于非侵入性预测乳腺癌HER-2表达	结合深度学习模型与临床预测因子，构建可解释的预测框架，实现非侵入性HER-2表达预测	回顾性研究，样本量有限（450例），需进一步前瞻性验证	开发非侵入性预测乳腺癌HER-2表达的深度学习框架	450例经病理确认HER-2状态的乳腺癌患者	数字病理	乳腺癌	磁共振成像	深度学习	图像	450例患者	NA	ResNet	AUC	NA
7628	2026-03-09	Deep Learning Image Reconstruction Improves Image Quality in Dual-Low Dose Dual-Energy CT Portal Venography Compared to Adaptive Iterative Image Reconstruction Algorithm-Veo 2026-Mar, Academic radiology IF:3.8Q1 DOI:10.1016/j.acra.2025.11.047 PMID:41484021	研究论文	本研究比较了深度学习图像重建（DLIR）与自适应统计迭代重建（ASIR-V）在双低剂量双能CT门静脉成像（DE-CTPV）中的性能，旨在评估DLIR在降低对比剂用量和辐射剂量条件下对图像质量的改善效果	首次在双低剂量（低对比剂和低辐射剂量）条件下，将DLIR应用于DE-CTPV，并与ASIR-V进行系统比较，证实DLIR能显著提升多段门静脉血管的图像质量	研究为单中心设计，样本量相对有限，且未进行长期临床结局的随访验证	比较DLIR与ASIR-V在双低剂量DE-CTPV中的图像质量，以优化肝脏移植术前评估和术后监测的成像方案	接受DE-CTPV检查的患者	医学影像	肝脏疾病	双能CT门静脉成像（DE-CTPV），虚拟单能成像（VMI）	深度学习图像重建（DLIR）	CT图像	未明确说明具体患者数量，但提及与既往研究数据对比	NA	NA	图像噪声、对比噪声比（CNR）、信噪比（SNR）、主观评分（整体图像质量、图像噪声、血管边缘锐利度、诊断信心）	NA
7629	2026-03-09	Generalizability of deep learning-based dose conversion model in proton beam therapy 2026-Mar, Journal of applied clinical medical physics IF:2.0Q3 DOI:10.1002/acm2.70528 PMID:41755687	研究论文	本研究开发了一种基于深度学习的剂量转换模型，用于质子束治疗中将铅笔束算法计算的剂量转换为蒙特卡罗等效剂量，并评估其在不同肿瘤部位的泛化能力	首次训练了一个基于深度学习的剂量转换模型，该模型在四个代表性肿瘤部位（头颈、肺、肝和前列腺）上训练，并评估了其在未训练肿瘤部位（如食管、胰腺、结直肠、脑、乳腺、宫颈及肢体骨与软组织）的泛化性能	模型在接近肺部的食管、乳腺以及肢体骨与软组织等未训练肿瘤部位上表现出略低的通过率，泛化能力仍有提升空间	开发并评估一个基于深度学习的剂量转换模型在质子束治疗中的泛化能力，以解决计算精度与速度之间的权衡问题	质子束治疗中的剂量计算，特别是将铅笔束算法剂量转换为蒙特卡罗等效剂量	医学影像分析	多种癌症	质子束治疗，蒙特卡罗模拟，深度学习	深度学习模型	治疗计划CT图像和铅笔束剂量数据	339名患者（总计1147个射束）	NA	NA	3D γ分析通过率，Dice相似系数	NA
7630	2026-03-09	SMART: Self-Supervised Learning for Metal Artifact Reduction in Computed Tomography Using Range Null Space Decomposition 2026-Mar, IEEE transactions on medical imaging IF:8.9Q1 DOI:10.1109/TMI.2025.3616003 PMID:41052163	研究论文	提出一种基于自监督学习和范围零空间分解的CT金属伪影减少方法，旨在解决现有深度学习方法在临床应用中面临的挑战	利用范围零空间分解分别建模金属和组织线性衰减系数，并结合隐式神经表示以自监督方式学习其临床特征，同时整合多色光谱以实现动态适应	方法在临床数据集上的泛化性虽经测试，但可能仍需更多样化的数据验证其鲁棒性	开发一种自监督的CT金属伪影减少方法，以提升诊断准确性和临床决策支持	CT图像中的金属伪影	计算机视觉	NA	范围零空间分解，隐式神经表示	自监督学习模型	CT图像	一个合成数据集和两个临床数据集	NA	隐式神经表示	NA	NA
7631	2026-03-09	ESR Essentials: lung cancer screening with low-dose CT-practice recommendations by the European Society of Thoracic Imaging 2026-Mar, European radiology IF:4.7Q1 DOI:10.1007/s00330-025-11910-9 PMID:40848139	实践推荐	本文提供了欧洲胸科影像学会关于使用低剂量CT进行肺癌筛查的实践建议	整合了最新的低剂量CT筛查证据，并强调了深度学习算法在结节检测和体积生长测量中的应用	NA	为肺癌筛查提供基于证据的实践指导，以优化筛查效果并控制风险	高风险个体，特别是年龄在50至75岁之间、有至少20包年吸烟史的人群	数字病理学	肺癌	低剂量CT扫描	深度学习算法	CT图像	NA	NA	NA	NA	NA
7632	2026-03-09	AI sheds new light on genome editing 2026-Mar, Trends in biotechnology IF:14.3Q1 DOI:10.1016/j.tibtech.2025.07.011 PMID:40744834	综述	本文综述了人工智能如何通过深度学习加速下一代基因组编辑工具的发现、工程化与设计	系统阐述了AI在三个关键方面赋能基因组编辑：发现传统方法忽略的新型编辑器、工程化具有增强特性的编辑器、以及从头设计具有定制功能的全新编辑器	NA	探讨人工智能驱动的技术如何加速基因组编辑工具的开发与应用	基于CRISPR/Cas系统的基因组编辑工具	生命科学	NA	基因组编辑，深度学习	深度学习模型	结构数据，序列数据	NA	NA	NA	NA	NA
7633	2026-03-09	A Comparison of Different Radiomics Methods Predicting Cervical Lymph Node Metastasis in Papillary Thyroid Carcinoma 2026 Mar-Apr, Journal of clinical ultrasound : JCU IF:1.2Q3 DOI:10.1002/jcu.70102 PMID:41078274	研究论文	本研究比较了基于超声的手工放射组学模型、深度学习放射组学模型及组合模型在预测甲状腺乳头状癌颈淋巴结转移中的性能	开发并比较了手工放射组学、深度学习放射组学及两者组合模型，首次在甲状腺乳头状癌颈淋巴结转移预测中系统评估不同放射组学方法的效能	测试集中组合模型相比单一模型的AUC提升未达到统计学显著性，且深度学习模型在训练和测试集中的准确率均低于0.7	开发并比较不同放射组学方法，以更好地预测甲状腺乳头状癌患者的颈淋巴结转移	甲状腺乳头状癌患者	数字病理	甲状腺癌	超声成像	深度学习, 机器学习	图像	441名患者（训练集308例，测试集133例）	Pyradiomics	DenseNet121	AUC, 准确率	NA
7634	2026-03-09	Multimodal Predictive Modeling for Visual Quality Recovery After Keratorefractive Lenticule Extraction 2026-Mar, Journal of refractive surgery (Thorofare, N.J. : 1995) DOI:10.3928/1081597X-20260112-03 PMID:41793362	研究论文	本研究通过整合多模态数据，建立了一个预测角膜屈光透镜摘除术后视觉质量恢复的模型	首次将基于U-net的深度学习模型用于后透镜扫描图像的高精度分割，并结合放射组学特征、临床数据、手术参数、角膜地形图和生物力学等多模态数据，构建预测术后视觉质量的机器学习模型	研究为单中心、前瞻性非干预性研究，样本量相对较小（210只眼），且仅针对近视患者，可能限制了结果的普适性	研究角膜屈光透镜摘除术后视觉质量恢复的影响因素，并建立术后视觉质量的预测模型	105名近视患者的210只眼，这些患者接受了角膜屈光透镜摘除手术	数字病理学	近视	高精度图像分割，放射组学特征提取	U-net, ExtraTrees, AdaBoost, RidgeCV, LassoLarsIC	图像，临床数据，手术参数，角膜地形图，生物力学数据	210只眼（来自105名患者）	NA	U-net	AUC	NA
7635	2026-03-09	Integrating multimodal data and deep learning for functional assessment and rehabilitation prediction after cerebral hemorrhage 2026-Mar-01, Computer methods and programs in biomedicine IF:4.9Q1 DOI:10.1016/j.cmpb.2026.109306 PMID:41793967	研究论文	本研究开发并验证了一个整合CT影像、临床数据和康复评估的多模态预测模型，用于同时预测脑出血后的运动功能恢复和整体康复结局	提出了一个结合3D-DenseNet和MLP的晚期融合深度学习模型，用于多模态数据整合预测，相比单模态模型显著提高了预测准确性	研究为回顾性设计，样本量相对有限（739例患者），且仅基于单一中心数据，可能影响模型的泛化能力	开发一个多模态预测模型，以早期预测脑出血患者的运动功能恢复和整体康复结局，辅助临床决策和个性化康复策略制定	脑出血后接受康复治疗的患者	数字病理学	脑出血	CT成像, 临床数据采集, 康复评估	深度学习, 机器学习	CT影像, 临床数据, 实验室特征	739例患者（其中315例用于运动功能预测，424例用于康复结局评估）	NA	3D-DenseNet, Multi-Layer Perceptron (MLP), Gradient Boosting Decision Tree (GBDT)	AUC, R², F1分数	NA
7636	2026-03-09	Generative Modeling of Entangled Polymers with a Distance-Based Variational Autoencoder 2026-Feb-26, Journal of chemical theory and computation IF:5.7Q1 DOI:10.1021/acs.jctc.5c01953 PMID:41744221	研究论文	本文提出了一种基于距离矩阵的变分自编码器框架，用于学习和生成结构化聚合物球体的构型	结合卷积层和注意力层，将距离矩阵的结构模式编码为具有旋转平移不变性的低维潜空间，并通过后处理流程恢复具有物理意义的构型	解码器原始输出存在微小差异，需要分子动力学弛豫后处理	开发一种能够高效生成聚合物构型的生成模型	结构化聚合物球体（以聚乙烯为例）	机器学习	NA	粗粒度分子动力学	VAE	距离矩阵	NA	NA	结合卷积和注意力层的变分自编码器	能量、尺寸、缠结度等关键观测量的复现	NA
7637	2026-03-09	Deep Learning-Assisted Intelligent Liquid Crystal Elastomer Grippers Based on Autonomous Triboelectric Sensing 2026-Feb-26, ACS applied materials & interfaces IF:8.3Q1 DOI:10.1021/acsami.5c23348 PMID:41744968	研究论文	本文报道了一种集成双模式摩擦纳米发电机的液晶弹性体抓手，用于自供电目标识别，结合深度学习实现高精度材料分类	通过融合接触起电物理与深度学习，利用双模式摩擦纳米发电机实现自供电感知，克服了传统软抓手易受环境干扰的局限性	NA	开发具有自主感知能力的智能软抓手系统，用于目标识别与分类	液晶弹性体抓手与摩擦纳米发电机集成的软体机器人系统	机器人与智能感知	NA	摩擦纳米发电机，深度学习	CNN, LSTM	电压信号（摩擦电/静电特征）	NA	NA	混合卷积神经网络-长短期记忆网络架构	分类准确率	NA
7638	2026-03-09	Knowledge-guided graph machine learning for spatially distributed prediction of daily discharge and nitrogen export dynamics 2026-Feb-23, Water research IF:11.4Q1 DOI:10.1016/j.watres.2026.125613 PMID:41793808	研究论文	提出了一种名为HydroGraphNet的知识引导图机器学习框架，用于空间分布式预测日径流和氮输出动态	将过程知识和显式空间学习整合到时间建模中，通过有向图拓扑编码流域连通性和上游流入，并利用质量平衡约束提高物理一致性	在数据稀缺条件下的空间泛化能力受限，需要依赖合成数据进行预训练	实现农业流域的精准管理，通过空间分布式预测支持水质管理	流域的日径流和氮输出动态	机器学习	NA	SWAT+模拟	LSTM, 图机器学习	合成数据, 监测数据	44个HUC-12子流域（2001-2020年）	NA	HydroGraphNet	NSE, KGE	NA
7639	2026-03-09	Exploring Global Aerosol Size Dynamics from 2001 to 2024 Using the Pretrained Remote sensing pIxel-based Spatial-teMporal Deep Neural Network 2026-Feb-21, Environmental science & technology IF:10.8Q1 DOI:10.1021/acs.est.5c13469 PMID:41721765	研究论文	本研究提出了一种名为PRISM-DNN的深度学习框架，用于从2001年至2024年全球范围内反演细模态和粗模态气溶胶光学厚度	结合了在大量无标签卫星数据上的无监督预训练与基于地面测量的有监督微调，显著提升了气溶胶组分反演的精度和稳健性	未明确提及模型在特定极端环境或数据稀缺区域的泛化能力限制	通过深度学习改进全球气溶胶粒径分布的长期监测和理解	全球范围内的细模态气溶胶光学深度和粗模态气溶胶光学深度	遥感，地球系统科学	NA	卫星遥感，深度学习	深度神经网络	卫星遥感数据，地面测量数据	2001年至2024年的全球卫星数据及AERONET等地面网络测量数据	NA	Pretrained Remote sensing pIxel-based Spatial-teMporal Deep Neural Network	相关系数	NA
7640	2026-03-09	A CNN-RNN Siamese framework with multi-level aggregation for video-based person re-identification 2026-Feb-11, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-39277-x PMID:41673086	研究论文	本研究提出了一种结合CNN和RNN的紧凑型孪生网络框架，用于视频行人重识别，通过多级聚合有效融合空间和时间特征	提出了一种紧凑的CNN-GRU孪生网络框架，避免了基于Transformer的主干网络的深度和计算需求，同时通过多级相似性聚合有效结合了细粒度空间线索和长程时间模式	未明确说明在极端遮挡或视角变化下的性能，也未与其他最先进的Transformer方法进行详细比较	开发一种准确且资源高效的视频行人重识别方法，适用于现实世界中资源受限的环境	视频序列中的行人	计算机视觉	NA	NA	CNN, RNN, Siamese network	视频	NA	NA	CNN-GRU	NA	NA