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
8741	2026-05-27	Artificial intelligence in multi-omics analysis of heart diseases 2026, Progress in molecular biology and translational science DOI:10.1016/bs.pmbts.2026.03.011 PMID:42173636	综述论文	探讨人工智能在多组学分析心脏病中的应用，通过整合基因组、转录组、蛋白质组和代谢组等多组学数据，发现不同疾病亚型的关键分子标志物	系统总结了AI驱动的心血管疾病研究框架，包括深度学习、集成与混合模型、可解释AI技术、整合性多组学算法和高级网络分析等前沿方法	未提及具体限制	提升心血管疾病的早期诊断、风险预测和患者分层能力，推动精准医疗发展	心血管疾病及其亚型（如早期心脏代谢疾病）	机器学习	心血管疾病	NA	深度学习、集成模型、混合模型	多组学数据（基因组、转录组、蛋白质组、代谢组等）	NA	NA	NA	NA	NA
8742	2026-05-27	AI in multi-omics analysis in AMR 2026, Progress in molecular biology and translational science DOI:10.1016/bs.pmbts.2026.02.001 PMID:42173634	综述	探讨人工智能在多组学分析抗菌药物耐药性中的作用	系统评述了AI驱动多组学分析在AMR研究中的概念基础、方法进展、代表性应用及转化意义	AI策略面临的局限包括数据标准化不足、稳健验证缺乏以及跨学科协作需求	综述AI在多组学分析AMR中的角色与前景	抗菌药物耐药性及其多组学数据	机器学习	抗菌药物耐药性	多组学技术（基因组学、转录组学、蛋白质组学、代谢组学）	NA	多组学数据（基因组、转录组、蛋白质组、代谢组）	NA	NA	NA	NA	NA
8743	2026-05-27	Artificial intelligence in multi-omics analysis of neurological diseases 2026, Progress in molecular biology and translational science DOI:10.1016/bs.pmbts.2026.01.016 PMID:42173630	综述	探讨人工智能在多组学分析神经退行性疾病中的应用与进展	系统整合人工智能在神经系统疾病研究中的发展历程，从传统规则系统到深度学习基础模型，并提供组学组合与AI方法匹配的实用指南	未提及具体研究案例的局限性及临床转化中的实际困难	为神经科学研究者提供多组学与AI结合的理论知识和实践指导	阿尔茨海默病、帕金森病、多发性硬化症、精神分裂症等神经系统疾病的多组学数据	machine learning	神经系统疾病	多组学测序	深度学习框架、基础模型	基因表达、蛋白质组、代谢组等多模态组学数据	NA	NA	NA	NA	NA
8744	2026-05-27	AI-powered epidemic control: Deepseek's role in global health resilience 2025-Dec-16, Journal of translational medicine IF:6.1Q1 DOI:10.1186/s12967-025-07082-1 PMID:41402882	研究论文	利用DeepSeek平台通过整合多源实时数据与深度学习模型来实现流行病管理	提出基于AI的流行病管理平台，结合LSTM与Transformer模型并融入可解释决策框架，提升公共卫生响应能力	数据隐私和模型准确性的挑战	增强全球健康韧性	流行病管理过程	机器学习	NA	NA	LSTM, Transformer	流行病学数据、社交媒体数据、移动性数据	NA	NA	LSTM, Transformer	NA	NA
8745	2026-05-27	SleepPPG-Net2: deep learning generalization for sleep staging from photoplethysmography 2025-12-08, Physiological measurement IF:2.3Q3 DOI:10.1088/1361-6579/ae1a34 PMID:41172609	研究论文	提出SleepPPG-Net2深度学习模型，利用光电容积描记术原始时间序列进行四类睡眠分期，提高外部泛化能力	采用多源域训练方法提升跨域泛化性能，评估人口学因素和阻塞性睡眠呼吸暂停对模型表现的影响	NA	改进基于光电容积描记术的睡眠分期方法，增强模型在未知数据集上的泛化能力	睡眠分期（清醒、浅睡、深睡、快速眼动期）	机器学习	睡眠障碍	光电容积描记术	深度学习	时间序列	NA	NA	SleepPPG-Net2	Cohen's kappa系数	NA
8746	2026-05-27	A Fusion Model of ResNet and Vision Transformer for Efficacy Prediction of HIFU Treatment of Uterine Fibroids 2025-12, Academic radiology IF:3.8Q1 DOI:10.1016/j.acra.2025.08.054 PMID:40935773	研究论文	提出一种融合ResNet和Vision Transformer的深度学习模型用于预测高强度聚焦超声治疗子宫肌瘤的疗效	首次将ResNet的局部纹理特征提取与ViT的全局空间特征表征进行并行融合，验证协同表征策略可提高HIFU疗效预测精度	未提及模型在多中心或更大规模数据集上的泛化性验证，以及特征贡献度分析可能受限于SHAP方法的线性近似假设	验证局部纹理与全局空间特征的协同表征能否提高高强度聚焦超声治疗子宫肌瘤疗效预测的准确性	接受高强度聚焦超声治疗的子宫肌瘤患者	计算机视觉	子宫肌瘤	磁共振成像	ResNet与Vision Transformer并行融合模型	图像	训练集272例，内部验证集92例，外部测试集125例	PyTorch	ResNet-18, Vision Transformer	AUC	NA
8747	2026-05-27	Granulocyte abundance and maturation state at diagnosis predicts treatment-free remission in CML 2025-12, Leukemia IF:12.8Q1 DOI:10.1038/s41375-025-02769-2 PMID:40958033	研究论文	探索诊断时骨髓细胞形态学特征预测慢性粒细胞白血病患者治疗无缓解的潜力	利用深度学习图像分析技术数字化骨髓细胞形态学涂片，发现中性粒细胞丰度和粒细胞成熟度与持续治疗无缓解相关联，并证明其独立于已知临床因素的影响	未提及	识别能够预测慢性粒细胞白血病患者治疗无缓解的标准化生物标志物	113例慢性期慢性粒细胞白血病患者的诊断性骨髓抽吸样本	数字病理学	慢性粒细胞白血病	深度学习图像分析	NA	图像	113例慢性期CML患者及942例对照骨髓样本	NA	NA	NA	NA
8748	2026-05-27	A Cascaded Segmentation-Classification Deep Learning Framework for Preoperative Prediction of Occult Peritoneal Metastasis and Early Recurrence in Advanced Gastric Cancer 2025-11, Academic radiology IF:3.8Q1 DOI:10.1016/j.acra.2025.08.006 PMID:40912952	研究论文	开发了一种级联深度学习框架，结合肿瘤分割和转移风险分层，用于术前预测晚期胃癌的隐匿性腹膜转移和早期复发	提出了一种两阶段级联深度学习框架，先进行V-Net肿瘤分割，再进行基于深度学习的转移风险分类，并整合临床病理预测因子构建组合模型，首次实现术前预测晚期胃癌隐匿性腹膜转移和早期腹膜复发的双重任务	未提及具体局限性	开发并验证一种基于CT的级联深度学习框架，用于术前预测晚期胃癌的隐匿性腹膜转移和早期复发，以优化个性化治疗路径	来自三个医疗中心的765例晚期胃癌患者	计算机视觉	胃癌	CT成像	V-Net	图像	765例晚期胃癌患者，内部分为训练集和验证集（OPM 168例，早期PR 212例），外部验证集57例	NA	V-Net	AUC、灵敏度、特异度	NA
8749	2026-05-27	A Deep Learning Model for Preoperative Prediction of Lymph Node Metastasis in cT1-Stage Lung Adenocarcinoma: A Multicenter External Validation Study 2025-10, Academic radiology IF:3.8Q1 DOI:10.1016/j.acra.2025.06.001 PMID:40651922	研究论文	开发并验证一种用于预测cT1期肺腺癌淋巴结转移的深度学习模型，并在多中心外部验证中比较其与语义和影像组学模型的性能	首次基于残差网络构建ResLNM模型，并在多中心大样本中证明其优于传统语义和影像组学方法，且联合淋巴结短径标准可进一步提升预测性能	未提及具体局限性	开发可用于术前预测cT1期肺腺癌淋巴结转移的深度学习模型，以优化手术决策并减少过度治疗	cT1期肺腺癌患者的CT影像数据	计算机视觉	肺癌	NA	CNN（卷积神经网络）	图像	2503例患者，2568个病理确诊的cT1期肺腺癌结节，来自8个机构	PyTorch	ResLNM（基于残差网络）	AUC, 决策曲线分析	NA
8750	2026-05-27	2.5D Deep Learning-Based Prediction of Pathological Grading of Clear Cell Renal Cell Carcinoma Using Contrast-Enhanced CT: A Multicenter Study 2025-10, Academic radiology IF:3.8Q1 DOI:10.1016/j.acra.2025.06.056 PMID:40683765	研究论文	开发并验证基于增强CT动脉期图像的深度学习模型，用于预测透明细胞肾细胞癌的病理分级	采用2.5D模型结合三切片输入的CT图像，提升了预测性能，并在多中心外部验证中显著优于传统2D模型和影像组学MLP模型	未明确提及，但可能受限于回顾性设计和样本分布不均	预测透明细胞肾细胞癌的WHO/ISUP病理分级	564例透明细胞肾细胞癌患者的动脉期增强CT图像	深度学习，医学影像	透明细胞肾细胞癌	增强CT（动脉期）	CNN（2.5D深度学习模型）	CT图像（三切片输入）	564例患者，来自5家医院，分为训练集283例、内部测试集122例、外部验证集1 60例、验证集2 38例、验证集3 61例	NA	2.5D CNN（三切片输入），2D CNN，多层感知机（MLP）	AUC，准确率，灵敏度	NA
8751	2026-05-27	A Multicentre Comparative Analysis of Radiomics, Deep-learning, and Fusion Models for Predicting Postpartum Hemorrhage 2025-10, Academic radiology IF:3.8Q1 DOI:10.1016/j.acra.2025.05.068 PMID:40562675	研究论文	本研究比较了二维和三维深度学习、影像组学及融合模型在预测产后出血方面的能力	首次系统比较2D/3D深度学习、影像组学及两种融合策略（早期和晚期融合）在预测产后出血中的表现	未提及，从摘要推断可能为单模态MRI数据、回顾性设计	评估不同模型（影像组学、深度学习及融合模型）基于MRI图像预测产后出血的性能	疑似胎盘植入谱系障碍的孕妇	数字病理学	产后出血	MRI	深度学习（2D/3D）、影像组学、融合模型	MRI图像（矢状T2加权）	581名孕妇（训练集421，验证集160）	NA	无特定架构名称，但提及2D和3D深度学习模型	ROC曲线、AUC、灵敏度、特异性、校准曲线、决策曲线分析	NA
8752	2026-05-27	A Novel Model for Predicting Microsatellite Instability in Endometrial Cancer: Integrating Deep Learning-Pathomics and MRI-Based Radiomics 2025-10, Academic radiology IF:3.8Q1 DOI:10.1016/j.acra.2025.07.050 PMID:40866275	研究论文	提出一种整合深度学习病理组学和MRI影像组学的新模型，用于预测子宫内膜癌微卫星不稳定性状态	首次将深度学习病理组学特征与MRI影像组学特征通过多层感知机融合，构建联合预测模型（DLPRM），并结合SHAP解释模型预测机制	本回顾性研究样本量有限（136例），且未进行外部验证	开发并验证基于多参数MRI和全玻片图像的模型，用于预测子宫内膜癌患者微卫星不稳定性状态	136例术后确诊的子宫内膜癌患者的术前多参数MRI图像和全玻片病理图像	医学影像分析, 数字病理学	子宫内膜癌	多参数MRI、全玻片成像、ResNet50深度学习、Pyradiomics影像组学	多层感知机（MLP）	图像（MRI图像、全玻片病理图像）	136例（子宫内膜癌患者，训练集96例、验证集40例）	Pyradiomics	ResNet50, 多层感知机	AUC、准确率、灵敏度、特异度、阳性预测值、阴性预测值、F1分数	NA
8753	2026-05-27	A Novel Two-step Classification Approach for Differentiating Bone Metastases From Benign Bone Lesions in SPECT/CT Imaging 2025-09, Academic radiology IF:3.8Q1 DOI:10.1016/j.acra.2025.06.010 PMID:40610298	研究论文	提出一种新型两步深度学习框架，用于SPECT/CT成像中骨转移瘤的自动检测、分割和分类，以区分恶性与良性骨病变	结合多尺度注意力融合模块和三重注意力机制的分割模型，以及基于影像组学的集成学习分类器，实现代谢和纹理特征融合	NA	开发并验证两步深度学习框架，提升骨转移瘤早期诊断和个性化治疗规划	SPECT/CT图像中的骨病变	计算机视觉	骨转移瘤	SPECT/CT成像	CNN	图像	机构内部SPECT/CT数据集，分为训练集和测试集	NA	BL-Seg	Dice系数, 灵敏度, 特异度, AUC	NA
8754	2026-05-27	A Deep Learning Model for Comprehensive Automated Bone Lesion Detection and Classification on Staging Computed Tomography Scans 2025-09, Academic radiology IF:3.8Q1 DOI:10.1016/j.acra.2025.06.021 PMID:40634223	研究论文	开发了一种用于分期计算机断层扫描（CT）中自动检测和分类骨病变的深度学习模型	首次开发并验证了全面自动检测和分类骨病变的深度学习模型，可区分良恶性骨病变，并提高了检测和分类的准确性	模型在某些良性病例中产生假阳性结果，且需要在更大规模、更多样化的数据集以及临床实践中进一步验证	提升骨病变在分期CT中的检测和分类效率与准确性	402名患者的CT影像，包括前列腺癌患者（有良性或恶性成骨细胞性骨病变）以及多种原发癌患者（有良性或恶性溶骨性骨病变）	计算机视觉，医学影像分析	骨转移瘤，前列腺癌，多种癌症	计算机断层扫描（CT）	nnUNet	CT影像	训练集402名患者，独立测试集69名患者（其中32名有骨转移）	PyTorch	nnUNet	检测率，准确率，灵敏度，特异度， AUC	NA
8755	2026-05-27	A High-resolution T2WI-based Deep Learning Model for Preoperative Discrimination Between T2 and T3 Rectal Cancer: A Multicenter Study 2025-08, Academic radiology IF:3.8Q1 DOI:10.1016/j.acra.2025.03.048 PMID:40221285	研究论文	基于高分辨率T2加权图像的深度学习模型用于术前区分直肠癌T2和T3分期，并与经验丰富的放射科医生进行性能比较	首次基于高分辨率T2WI构建DenseNet深度学习模型，并在多中心数据上证明其在区分直肠癌T2和T3分期方面优于经验丰富的放射科医生	外部测试集样本量较小（仅26例患者），可能影响模型泛化能力的评估	构建深度学习模型用于术前准确区分直肠癌T2和T3分期，以改善治疗决策	281例经病理确诊的直肠癌患者，来自四个中心	数字病理学，计算机视觉	直肠癌	高分辨率T2加权成像	卷积神经网络（CNN）	医学图像（高分辨率T2加权MRI）	281例患者（255例用于模型开发与内部验证，26例用于外部测试）	PyTorch	DenseNet	准确率，灵敏度，特异度，受试者工作特征曲线下面积（AUC）	NA
8756	2026-05-27	Automated Evaluation of Female Pelvic Organ Descent on Transperineal Ultrasound: Model Development and Validation 2025-08, International urogynecology journal IF:1.8Q3 DOI:10.1007/s00192-025-06211-0 PMID:40580222	研究论文	开发并验证一种基于经会阴超声图像的多任务深度学习模型，用于自动评估女性盆腔器官脱垂	首次利用多任务深度学习模型，通过单个ResNet34特征提取器和四个平行全连接层，同时评估膀胱膨出、子宫脱垂、直肠膨出和会阴体过度活动四种盆腔器官脱垂类型	未明确说明限制，可能包括样本量有限、单中心研究或缺乏外部验证	开发并验证一种自动评估女性盆腔器官脱垂的深度学习模型，减少诊断差异	1340名女性患者的经会阴超声图像	计算机视觉	盆腔器官脱垂	经会阴超声	卷积神经网络	图像	1340名女性患者的1340张超声图像（1072张用于训练，268张用于验证）	PyTorch	ResNet34	准确率、AUC	NA
8757	2026-05-27	Pediatric pancreas segmentation from MRI scans with deep learning 2025-Aug, Pancreatology : official journal of the International Association of Pancreatology (IAP) ... [et al.] IF:2.8Q2 DOI:10.1016/j.pan.2025.06.006 PMID:40645819	研究论文	评估和验证用于儿童胰腺MRI分割的深度学习算法PanSegNet在急性胰腺炎、慢性胰腺炎和健康对照组中的性能	首个经过验证的用于胰腺MRI分割的深度学习解决方案，在健康和疾病状态下均达到专家级性能，并公开提供工具和标注数据集	NA	评估和验证儿童胰腺MRI分割的深度学习算法	儿童胰腺MRI扫描图像	数字病理学	胰腺炎	MRI	深度学习算法	图像	84个MRI扫描（42名急性胰腺炎/慢性胰腺炎患儿，42名健康儿童）	NA	PanSegNet	Dice相似系数，95百分位Hausdorff距离，Cohen's kappa	NA
8758	2026-05-27	Accelerated Multi-b-Value DWI Using Deep Learning Reconstruction: Image Quality Improvement and Microvascular Invasion Prediction in BCLC Stage A Hepatocellular Carcinoma 2025-07, Academic radiology IF:3.8Q1 DOI:10.1016/j.acra.2025.01.043 PMID:39955255	研究论文	研究利用深度学习重建加速多b值DWI，评估其对图像质量改善及BCLC A期肝细胞癌微血管侵犯预测的影响	首次系统性比较深度学习加速多b值DWI与标准序列在图像质量和MVI预测能力上的差异，证明深度学习重建可大幅缩短采集时间同时保持诊断效能	NA	评估深度学习多b值DWI在BCLC A期肝细胞癌MVI预测中的加速效果、图像质量改善及预测效能	BCLC A期肝细胞癌患者的微血管侵犯（MVI）状态	机器学习	肝细胞癌	多b值DWI	深度学习重建模型	磁共振DWI图像	118名患者，其中48例MVI阳性	NA	深度学习重建网络	AUC, 信号噪声比, 对比度噪声比	NA
8759	2026-05-27	A Preoperative CT-based Multiparameter Deep Learning and Radiomic Model with Extracellular Volume Parameter Images Can Predict the Tumor Budding Grade in Rectal Cancer Patients 2025-07, Academic radiology IF:3.8Q1 DOI:10.1016/j.acra.2025.02.028 PMID:40055057	研究论文	研究基于术前CT的深度学习与放射组学融合模型预测直肠癌患者肿瘤出芽等级	首次将细胞外体积参数图像与深度学习及放射组学特征结合，构建多参数融合模型预测直肠癌肿瘤出芽等级	样本量较小（仅135例），且为单中心回顾性研究，可能影响模型的泛化性	开发一种无创的基于CT的多参数深度学习-放射组学模型，用于术前预测直肠癌患者的肿瘤出芽等级	直肠癌患者的术前CT图像及肿瘤出芽等级	医学影像分析	直肠癌	CT成像, 细胞外体积参数图像, 深度学习, 放射组学	深度学习模型, 放射组学模型	CT图像	135例直肠癌患者（Bd1+2组85例，Bd3组50例）	NA	NA	AUC, 校准曲线, 决策曲线分析	NA
8760	2026-05-27	Dual-Modality Virtual Biopsy System Integrating MRI and MG for Noninvasive Predicting HER2 Status in Breast Cancer 2025-07, Academic radiology IF:3.8Q1 DOI:10.1016/j.acra.2025.02.039 PMID:40068996	研究论文	开发并验证一种基于深度学习的双模态虚拟活检系统，整合MRI和MG影像特征，用于无创预测乳腺癌HER2状态	首次整合MRI放射组学特征和MG深度学习特征，构建XGBoost三元分类模型，实现HER2-zero/low/positive三种状态的精准预测	HER2-zero与HER2-low组间影像特征无显著差异，可能影响临床决策边界；需更大规模多中心验证	开发无创预测乳腺癌HER2状态的决策支持系统，指导靶向治疗	550例乳腺癌患者的MRI和MG影像数据	数字病理学, 机器学习	乳腺癌	MRI放射组学, MG深度学习特征提取	XGBoost, 深度学习模型（未明确指定类型）	MRI影像, MG影像	550例乳腺癌患者（训练集、内部验证集、外部验证集）	NA	放射组学模型（MRI）, 深度学习模型（MG）, XGBoost集成模型	AUC, 准确率	NA