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
901	2026-05-30	TomoRay cranial: synthesis of cranial CT imaging from biplanar radiographs using a generative adversarial network 2026-Jun, European radiology IF:4.7Q1 DOI:10.1007/s00330-025-12253-1 PMID:41537782	研究论文	探索利用生成对抗网络从双平面X光片合成颅脑CT图像的可行性研究	首次使用深度学习从双平面X光片生成合成颅脑CT图像	合成的CT图像与真实CT图像的一致性不佳，使用真实X光片时更具挑战	探索利用深度学习从成人神经外科患者的双平面X光片生成合成颅脑CT图像的可行性	成人神经外科患者的颅脑图像	计算机视觉	神经外科疾病	X光成像, CT成像	生成对抗网络	图像	模型1使用235张来自三个中心的图像；模型2使用1323张来自一个中心的图像	NA	NA	峰值信噪比, 结构相似性指数	NA
902	2026-05-30	Deep learning-based automated contrast enema analysis to improve the assessment of Hirschsprung disease 2026-Jun, European radiology IF:4.7Q1 DOI:10.1007/s00330-025-12267-9 PMID:41572045	研究论文	使用深度学习自动分析对比灌肠图像以改善先天性巨结肠的诊断评估	首次将预训练的DenseNet121深度学习模型应用于对比灌肠图像的自动分析，用于诊断先天性巨结肠，并与放射科专家的评估进行对比，显示模型在特异性上优于放射科医生	研究为单中心回顾性观察研究，样本量有限，模型敏感性较低（58.5%），且与放射科医生的诊断一致性仅为中等	比较深度学习模型与放射科专家在对比灌肠图像中诊断先天性巨结肠的准确性和性能	2011年1月至2023年12月期间因疑似先天性巨结肠或其他临床适应症接受对比灌肠的221例儿科患者（278次对比灌肠）	医疗影像分析	先天性巨结肠	对比灌肠成像	深度神经网络	图像	221例患者（278次对比灌肠），平均年龄4.14岁，中位年龄2.65岁，男性64.8%，女性35.2%	PyTorch	DenseNet121	平衡准确率、敏感性、特异性、AUC-ROC、AUC-PR	NA
903	2026-05-30	A comprehensive multi-task deep learning model for kidney cancer: histological subtyping, clinical staging, and anatomical complexity grading 2026-Jun, European radiology IF:4.7Q1 DOI:10.1007/s00330-026-12322-z PMID:41606245	研究论文	开发并验证了一个基于多相增强CT的多任务深度学习模型，用于同时评估恶性肾肿瘤的组织学亚型、临床分期和解剖复杂度分级	提出渐进式分层提取的多任务深度学习模型，通过共享特征同时完成三个预测任务，相比单任务模型在临床分期上表现更优，并减少了68%内存使用和提升60%速度	仅纳入两个中心的回顾性数据，样本量有限，未涉及多中心验证及前瞻性研究	实现术前对恶性肾肿瘤的组织学亚型、临床分期和解剖复杂度进行快速准确的综合评估，辅助手术方案优化	实体恶性肾肿瘤患者及其术前肾脏多相增强CT图像	计算机视觉, 数字病理学	肾癌	CT增强成像	多任务深度学习	CT图像	798名患者（中心A 620例，中心B 178例）	NA	渐进式分层提取网络	AUC, 决策曲线分析	NA
904	2026-05-30	Development and interpretation of a dual-energy CT-based deep learning radiomics model for predicting new cerebral ischemic lesions after carotid artery stenting: a multicenter study 2026-Jun, European radiology IF:4.7Q1 DOI:10.1007/s00330-026-12351-8 PMID:41639308	研究论文	开发并解释基于双能CT的深度学习影像组学模型，用于预测颈动脉支架置入术后新发脑缺血性病变的多中心研究	首次结合双能CT多参数影像的深度学习特征、手工影像组学特征及临床影像危险因素，构建可解释的预测模型，并应用SHAP分析实现全局和局部解释	未明确提及局限性；可能受限于回顾性设计、样本量有限及外部验证仅一个中心	早期识别颈动脉支架置入术后发生新同侧缺血性病变的高危患者，以优化预防性治疗策略	三个中心接受颈动脉支架置入术的患者共336例	数字病理学、计算机视觉	脑血管疾病	双能CT成像	深度学习影像组学、支持向量机	图像（双能CT多参数图像）、临床影像数据	336例患者（训练集135例，内部验证集58例，外部测试集143例）	NA	NA	曲线下面积（AUC）	NA
905	2026-05-30	Automatic hepatic steatosis quantification using low-dose CT with deep learning-based noise reduction and CT fat fraction analysis software 2026-Jun-01, The British journal of radiology DOI:10.1093/bjr/tqag054 PMID:41787978	研究论文	利用深度学习降噪和CT脂肪分数分析软件，评估低剂量CT自动量化肝脂肪变性的准确性	首次评估深度学习降噪重建对低剂量CT中CT衍生脂肪分数准确性的提升效果，并系统分析不同辐射剂量下的诊断性能	未提及具体限制	评估CT衍生脂肪分数软件在不同辐射剂量下量化肝脂肪变性的准确性，并考察深度学习降噪的影响	肝移植活体供者候选人的肝脂肪变性	计算机视觉	肝脂肪变性	非对比CT、MRI、深度学习降噪重建	深度学习噪声降低模型	CT图像、MRI图像	125名参与者（平均年龄38±10岁，77名男性），29人（23%）有肝脂肪变性	NA	深度学习降噪重建网络	皮尔逊相关系数、受试者工作特征曲线下面积	NA
906	2026-05-30	A multi-toxicity deep learning approach for normal tissue complication probability modelling in head and neck cancer patients receiving radiotherapy 2026-Jun, Radiotherapy and oncology : journal of the European Society for Therapeutic Radiology and Oncology IF:4.9Q1 DOI:10.1016/j.radonc.2026.111486 PMID:41856253	研究论文	开发一种多毒性深度学习模型，用于预测头颈癌患者放疗后正常组织并发症概率	首次利用多任务深度学习建模多种毒性同时发生的关系，提升预测性能	多毒性模型在所有终点上并非一致提升，部分毒性预测性能低于单任务模型	通过同时预测多种放射性毒性，捕捉毒性间的关系以提高正常组织并发症概率建模性能	头颈癌患者放疗后的五种毒性：误吸、吞咽困难、唾液粘稠、味觉改变和口干症	机器学习	头颈癌	NA	深度学习模型	3D剂量分布、CT扫描、器官危象分割、患者特征	1418例头颈癌患者（多机构队列）	NA	NA	AUC	NA
907	2026-05-30	Enhancing Drug Response Prediction in Epilepsy with Emerging Multimodal Models: Focus on Clinical, Pharmacologic, and Genomic Factors 2026-Jun, CNS drugs IF:7.4Q1 DOI:10.1007/s40263-026-01295-8 PMID:42143205	综述	本文综述了新兴多模态模型在增强癫痫药物反应预测中的应用，重点关注临床、药理学和基因组因素	提出了利用人工智能和深度学习模型整合患者基因组风险因素与临床特征（如癫痫类型、MRI/EEG发现）进行多模态建模的新策略，并探讨了AI基础模型在癫痫小队列中的压缩表示能力	模型评估、数据可用性、伦理考虑和临床转化障碍等持续存在的挑战	探讨如何利用新兴技术（特别是AI和深度学习）提高癫痫药物反应预测的准确性，推动个体化抗癫痫药物处方	癫痫患者、抗癫痫药物、临床特征（癫痫类型、MRI/EEG发现）、基因组风险因素	机器学习	癫痫	NA	深度学习模型，AI基础模型	临床数据、药理学数据、基因组数据	NA	NA	NA	NA	NA
908	2026-05-30	Development of a quantitative multiparametric ultrasound and deep learning classifier for the detection of prostate cancer 2026-Jun, European radiology IF:4.7Q1 DOI:10.1007/s00330-026-12323-y PMID:41612079	研究论文	开发了一种基于定量多参数超声和深度学习的分类器，用于检测临床显著性前列腺癌	首次利用3D多参数超声提取定量特征，结合深度学习分类器在较大规模的多中心前瞻性队列中准确检测临床显著性前列腺癌，并在外部数据集上验证了良好的泛化性能	未明确说明	开发一种基于深度学习的分类器，利用3D多参数超声的定量特征预测临床显著性前列腺癌的存在	327名疑似前列腺癌患者的前瞻性多中心队列	机器学习	前列腺癌	3D多参数超声，包括动态对比增强超声和剪切波弹性成像	3D深度学习分类器	定量超声特征	327名患者（250名用于训练和内部评估，77名用于外部评估）	NA	NA	受试者工作特征曲线下面积（ROC AUC）	NA
909	2026-05-30	Multimodal deep learning for laryngeal squamous cell carcinoma staging using CT and laryngoscopy 2026-Jun, European radiology IF:4.7Q1 DOI:10.1007/s00330-025-12315-4 PMID:41617832	研究论文	开发并验证一种整合临床数据、增强CT和喉镜图像的多模态深度学习模型，用于区分早期和晚期喉鳞状细胞癌	首次将临床数据、增强CT和喉镜图像进行特征级融合，构建多模态深度学习模型用于喉癌术前分期，相较于单一模态方法显著提高诊断准确性和预后分层能力	NA	开发并验证一种多模态深度学习模型，整合临床数据、增强CT和喉镜图像，用于术前准确区分早期和晚期喉鳞状细胞癌	喉鳞状细胞癌患者	计算机视觉, 数字病理学	喉鳞状细胞癌	增强CT, 白喉镜	深度学习, 多示例学习, 逻辑回归	图像, 临床数据	450名患者（训练集235人，内部验证集101人，外部验证集114人）	PyTorch	CT深度学习模型, 喉镜多示例学习模型, 临床逻辑回归模型, 随机梯度下降分类器	AUC, 准确率, 灵敏度, 特异性, 校准曲线, 决策曲线分析, 一致性指数(C-index)	NA
910	2026-05-30	Auto-LSN: fully automated liver surface nodularity quantification in CT based on deep learning for the evaluation of advanced chronic liver disease 2026-Jun, European radiology IF:4.7Q1 DOI:10.1007/s00330-026-12346-5 PMID:41642300	研究论文	提出基于深度学习的全自动肝脏表面结节性（LSN）量化算法auto-LSN，用于评估晚期慢性肝病	首次实现LSN量化的全自动化流程，并证明其诊断性能非劣于FDA批准的半自动化软件	回顾性双中心研究设计，样本量相对较小（127例）	验证全自动LSN算法在慢性肝病纤维化分期中的诊断效能，并评估其非劣效性	慢性肝病患者的肝脏CT图像和肝活检组织	计算机视觉	晚期慢性肝病、肝硬化	CT	深度学习	CT图像	127例患者（平均年龄68±12岁，97名男性）	NA	NA	AUC、Spearman相关系数、非劣效性检验	NA
911	2026-05-30	Predictions from deep learning propose substantial protein-carbohydrate interplay 2026-May-26, Proceedings of the National Academy of Sciences of the United States of America IF:9.4Q1 DOI:10.1073/pnas.2523342123 PMID:42150072	研究论文	开发了深度学习模型PiCAP和CAPSIF2，预测蛋白质与碳水化合物的非共价相互作用，并发现约35-40%的蛋白质可能结合碳水化合物	提出了全新的蛋白质-碳水化合物结合预测方法PiCAP，并首次使用深度学习大规模预测蛋白质组中碳水化合物结合蛋白的比例，挑战了传统认为<5%蛋白质结合碳水化合物的观点	模型预测依赖人工标注数据集，可能受数据偏差影响；残基级预测CAPSIF2的Dice系数仅0.57，仍有改进空间	研发计算方法预测蛋白质与碳水化合物的非共价相互作用，揭示蛋白质-碳水化合物相互作用组	蛋白质与碳水化合物的相互作用，包括细胞表面蛋白和六种蛋白质组	机器学习	NA	NA	神经网络	蛋白质序列数据	手动整理的数据集包括已知碳水化合物结合蛋白和可能结合蛋白（转录因子、细胞骨架成分、小分子结合蛋白）	NA	PiCAP和CAPSIF2	平衡准确率、Dice系数	NA
912	2026-05-30	Opportunistic Cardiovascular Risk Assessment Using Routine Head CT in the Emergency Department 2026-May-26, Journal of the American College of Cardiology IF:21.7Q1 DOI:10.1016/j.jacc.2026.02.5095 PMID:41949516	研究论文	利用急诊科常规头部CT扫描进行机会性心血管风险评估	首次研究常规头部CT在心血管风险评估中的效用，并开发深度学习模型预测心血管疾病和估算冠状动脉钙化评分	回顾性研究设计，样本来自单一医疗机构（斯坦福医疗保健急诊科），可能存在选择偏倚	开发和验证从头部CT预测心血管疾病和估算冠状动脉钙化评分的深度学习模型，并评估其相对于临床风险因素的表现	无已知心血管疾病的成年急诊科患者	计算机视觉, 机器学习	心血管疾病	CT成像	深度学习模型	图像（CT扫描）	心血管疾病队列：27,990例患者；冠状动脉钙化队列：2,313例患者	NA	NA	一致性指数（C-index）, 受试者工作特征曲线下面积（AUC）	NA
913	2026-05-30	'Man vs. Machine: can ML algorithms diagnose headaches as accurately as clinicians? A systematic review.' 2026-May-26, Journal of neurology IF:4.8Q1 DOI:10.1007/s00415-026-13853-7 PMID:42189256	系统综述	系统评估基于人工智能和机器学习模型在成人头痛疾病分类诊断中的准确性、方法学质量和临床适用性，并与临床医生诊断进行比较	首次系统综述人工智能/机器学习模型与临床医生在头痛诊断中的准确性对比，并采用QUADAS-AI工具评估方法学质量	纳入研究普遍存在高偏倚风险，缺乏独立外部验证，导致诊断准确性估计不可靠	评估人工智能/机器学习模型诊断头痛障碍的准确性、方法学质量和临床适用性	成人头痛疾病分类诊断模型	机器学习	头痛障碍	机器学习、深度学习	传统机器学习, 深度学习, 混合或基于规则的方法	神经影像, 多模态数据, 神经生理信号, 临床问卷	74项研究共154,856名参与者	NA	NA	敏感度, 特异度, 受试者工作特征曲线下面积	NA
914	2026-05-30	Retraction Note: Structural configuration of sustainable sports industry based on deep learning and genetic algorithm 2026-May-26, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-54673-z PMID:42191804	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
915	2026-05-30	Detection of maxillary sinusitis of endodontic origin in cone-beam CT images using deep learning algorithms 2026-05-26, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-52147-w PMID:42192120	研究论文	利用深度学习算法在锥形束CT图像中检测牙源性上颌窦炎	提出了一种定制化的模型工作流程，包括解剖分类、分割和特征提取，最终实现多视图分类，能够区分正常上颌窦、牙源性上颌窦炎和非牙源性上颌窦炎	NA	开发并评估基于深度学习的模型，以自动检测锥形束CT图像中的牙源性上颌窦炎	锥形束CT扫描图像，包括正常上颌窦、牙源性上颌窦炎和非牙源性上颌窦炎病例	计算机视觉	上颌窦炎	锥形束CT	CNN	图像	NA	NA	ResNet, U-Net	准确率, 精确率, 召回率, F1分数, DICE系数	NA
916	2026-05-30	Two-Step Ensemble Convolutional Neural Networks for Colonoscopic Biopsy Classification Resembling Pathologists' Process 2026-May-25, Journal of Korean medical science IF:3.0Q1 DOI:10.3346/jkms.2026.41.e152 PMID:42190697	研究论文	提出一种两阶段集成卷积神经网络管道，用于结肠镜活检分类，模拟病理学家的分析过程	设计了一个与病理学家分析流程相似的两阶段集成深度学习管道，先过滤低质量全切片图像，再结合聚类约束注意力多实例学习模型和EfficientNet完成五大诊断类别分类	研究中未详细说明低质量WSI的过滤标准及对最终性能的影响，且未与其他方法进行广泛比较	开发一种自动分类结肠癌五种诊断类别的集成深度学习管道，提高诊断准确性和可靠性	结直肠癌全切片图像，涵盖非肿瘤、增生性息肉、腺瘤、腺癌和神经内分泌肿瘤五种类别	数字病理学	结直肠癌	NA	CNN（卷积神经网络）	图像（全切片图像）	18,922张结直肠癌全切片图像	NA	EfficientNet、聚类约束注意力多实例学习模型	微平均F1分数、宏平均F1分数、加权F1分数	NA
917	2026-05-30	Maximizing pancreatic carcinoma classification performance using parrot optimized vision transformer 2026-May-21, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-53240-w PMID:42168286	研究论文	提出一种基于鹦鹉优化视觉Transformer的胰腺癌分类模型，利用CT图像数据集实现高精度分类	首次将鹦鹉元启发式优化算法与视觉Transformer结合，优化分类性能，并采用YOLOv11进行特征提取	仅基于Kaggle中的1411张CT图像数据集，样本量有限，且未探讨模型在不同临床场景下的泛化能力	开发一种基于人工智能的自动化胰腺癌分类模型，提高早期诊断准确性	胰腺CT图像中的癌变区域	计算机视觉, 机器学习	胰腺癌	CT成像, 数据增强, Gabor滤波	视觉Transformer, YOLOv11, UNet, 鹦鹉优化算法	图像	1411张胰腺CT图像	NA	视觉Transformer, UNet, YOLOv11, 随机森林, 卷积神经网络, 深度信念网络, 支持向量机	准确率, 精确率, 召回率, F1分数, 马修斯相关系数, 真阳性率, 假阳性率	NA
918	2026-05-30	From Traditional Risk Factors to Machine Learning Models: Advancing the Prediction of Anastomotic Leak and Other Major Complications in Colorectal Cancer Surgery 2026-May-21, Cancers IF:4.5Q1 DOI:10.3390/cancers18101668 PMID:42193025	综述	系统评估人工智能（特别是机器学习和深度学习算法）在预测结直肠癌手术后吻合口漏及其他主要并发症方面的应用	系统比较了机器学习和深度学习算法与传统风险因素模型在预测术后并发症方面的性能，强调了AI在个性化围手术期管理中的潜力	存在较高的偏倚风险、有限的外部验证、异质性的结果定义以及不一致的报告，需要进行更稳健的前瞻性多中心研究	评估AI模型在预测结直肠癌手术后吻合口漏及其他主要并发症方面的应用效果	结直肠癌手术后患者	机器学习	结直肠癌	NA	机器学习（ML）、深度学习（DL）	临床数据	15,105名患者（来自13项研究）	NA	NA	预测性能（未具体列出指标）	NA
919	2026-05-30	RNNet-MST: A ResNet-50 with Multi-Scale Transformer Blocks for Pulmonary Nodule Classification and Attention-Based Localization on Chest X-Ray Images 2026-May-21, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics16101574 PMID:42196940	研究论文	提出一种结合ResNet-50与多尺度Transformer块的RNNet-MST模型，用于胸部X光图像中肺结节的分类与弱监督定位	将多尺度Transformer块集成到ResNet-50中以增强全局上下文建模，并设计自定义空间注意力机制实现病灶区域的弱监督定位	仅基于NODE21数据集进行验证，未在更大规模和多样化的临床数据集上测试	提高肺结节分类和定位的敏感性，减少假阴性诊断，辅助早期肺癌检测	NODE21胸部X光数据集中的肺结节	计算机视觉	肺癌	NA	CNN与Transformer混合模型	图像	基于NODE21胸部X光数据集（具体样本数未提及）	PyTorch	ResNet-50, Transformer	召回率, 精确率, F1分数, 敏感度	NA
920	2026-05-30	Enhanced Prediction of Cardiovascular Disease Through Integrated Machine Learning Models Combining Clinical and Demographic Characteristics 2026-May-21, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics16101572 PMID:42196938	研究论文	结合临床与人口统计学特征，利用决策树、随机森林和深度学习等机器学习技术，构建心力衰竭预测模型，以提升诊断和预后预测的准确性	将临床指标与人口统计学因素结合，构建混合模型，显著提高心力衰竭短期和长期结局预测能力，优于仅依赖临床指标的模型	NA	开发一种结合临床和人口统计学特征的心力衰竭预测模型，为个体化医疗干预提供可靠工具	心力衰竭患者	机器学习	心血管疾病	NA	决策树、随机森林、深度学习	临床数据（超声心动图、生物标志物、心电图特征）和人口统计学数据	大量心力衰竭受试者数据集（具体数量未说明）	NA	决策树、随机森林、深度学习混合模型	准确性	NA