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
941	2026-07-07	Challenges in AI-driven Biomedical Multimodal Data Fusion and Analysis 2025-05-10, Genomics, proteomics & bioinformatics DOI:10.1093/gpbjnl/qzaf011 PMID:40036568	综述	综述了人工智能驱动的生物医学多模态数据融合与分析中的挑战	全面概述了生物医学数据模态、多模态表示学习方法及AI在整合分析中的应用，并提出通过模型预训练和知识集成推动生物医学研究的未来方向	未提供具体实证研究，仅讨论一般性挑战和未来方向	探讨AI在生物医学多模态数据融合与分析中的挑战和未来方向	生物医学多模态数据，包括分子、细胞、影像和电子健康记录数据	机器学习	NA	深度学习，多模态表示学习，模型预训练	大型语言模型，视觉模型，深度神经网络	多模态数据（分子、细胞、影像、电子健康记录）	NA	NA	NA	NA	NA
942	2026-07-07	Artificial Intelligence in Detecting and Segmenting Vertical Misfit of Prosthesis in Radiographic Images of Dental Implants: A Cross-Sectional Analysis 2025-05, Clinical oral implants research IF:4.8Q2 DOI:10.1111/clr.14406 PMID:39840554	研究论文	评估ResNet-50和U-Net模型在牙科种植体根尖放射影像中检测和分割垂直不吻合的性能	首次利用深度学习模型自动检测和分割牙科种植体牙冠的垂直不吻合，并与临床医生的表现进行直接比较	未在摘要中明确说明局限性	评估人工智能模型在牙科种植体根尖放射影像中检测和分割垂直不吻合的效果	牙科种植体牙冠的根尖放射影像	计算机视觉	牙科种植体垂直不吻合	放射影像	深度学习	图像	638张根尖放射影像	NA	ResNet-50, U-Net	准确率, 精确率, 灵敏度, 特异度, Dice系数, 损失, Kappa值	NA
943	2026-07-07	Geometric and Dosimetric Evaluation of a RayStation Deep Learning Model for Auto-Segmentation of Organs at Risk in a Real-World Head and Neck Cancer Dataset 2025-05, Clinical oncology (Royal College of Radiologists (Great Britain)) DOI:10.1016/j.clon.2025.103796 PMID:40120536	研究论文	评估RayStation深度学习模型在真实世界头颈癌数据集中自动分割危及器官的几何精度和剂量学影响	在大规模、多样化的头颈癌患者数据集上，首次使用3D U-Net模型自动分割30个危及器官，并综合评估几何精度与剂量学影响，考虑了术后、修复皮瓣、口含咬合器等复杂临床因素	模型在11例存在显著解剖挑战和伪影的患者中失败；对某些器官（如食管和喉）的剂量学误差较大（平均Dmean增加高达837.14 cGyRBE）	评估深度学习自动分割模型在头颈癌调强质子治疗中针对危及器官的准确性和效率	124例接受调强质子治疗的头颈癌患者的CT数据集	计算机视觉	头颈癌	CT成像, 调强质子治疗	U-Net	CT图像	124例头颈癌患者	RayStation	3D U-Net	Dice相似系数, Hausdorff距离, 平均剂量差, 最大剂量差	NA
944	2026-07-07	A deep learning method for the recovery of standard-dose imaging quality from ultra-low-dose PET on wavelet domain 2025-04, European journal of nuclear medicine and molecular imaging IF:8.6Q1 DOI:10.1007/s00259-024-06994-2 PMID:39585354	研究论文	开发了一种基于小波的深度学习方法WaveNet，能够从超低剂量PET扫描中恢复标准剂量成像质量	与传统的空间域去噪不同，WaveNet在频率域进行去噪，通过输入小波分解的PET成像频率分量来提升降噪效果	未明确提及具体局限性	旨在开发一种能够从超低剂量PET扫描中恢复高质量成像的小波深度学习法	总身体18F-FDG PET图像，包含1447个样本	计算机视觉	不适用	PET成像，小波变换	深度学习模型（WaveNet）	图像	1447个总身体PET图像	不适用	WaveNet, UNet	加权全局物理指标，局部指标，p值	不适用
945	2026-07-07	Robust and interpretable deep learning system for prognostic stratification of extranodal natural killer/T-cell lymphoma 2025-04, European journal of nuclear medicine and molecular imaging IF:8.6Q1 DOI:10.1007/s00259-024-07024-x PMID:39714634	研究论文	开发并验证DeepENKTCL，一个用于结外自然杀伤/T细胞淋巴瘤预后风险分层的可解释深度学习预测系统	结合肿瘤分割模型、PET/CT融合模型和预后预测模型，并利用放射组学和拓扑特征及SHAP分析增强可解释性，构建FusionScore模型	未在文中明确提及	开发一个鲁棒且可解释的深度学习系统，用于ENKTCL的预后风险分层	来自四个中心的562例ENKTCL患者	数字病理学	淋巴瘤	PET/CT成像	深度学习（CNN等）	图像（PET/CT）	562例患者	NA	肿瘤分割模型、PET/CT融合模型、预后预测模型（具体架构未明确）	AUC, 时间依赖C指数, 临床决策曲线, Kaplan-Meier曲线	NA
946	2026-07-07	Mapping the knowledge landscape of the PET/MR domain: a multidimensional bibliometric analysis 2025-04, European journal of nuclear medicine and molecular imaging IF:8.6Q1 DOI:10.1007/s00259-024-07043-8 PMID:39754665	综述	对2010至2024年间PET/MR领域的研究趋势、合作模式和新兴主题进行文献计量分析	首次系统采用多维文献计量方法绘制PET/MR领域知识图谱，揭示AI整合对影像重建和诊断准确性的推动作用	仅基于Web of Science核心合集数据库，可能遗漏部分灰色文献和非英语文献	探索PET/MR领域的研究现状、国际合作网络及未来发展方向	PET/MR领域的4349篇已发表文献	自然语言处理, 文献计量学	前列腺癌, 阿尔茨海默病, 乳腺癌, 心血管疾病	NA	NA	文本, 文献记录	4349篇出版物	NA	NA	NA	NA
947	2026-07-07	Automated classification of chest X-rays: a deep learning approach with attention mechanisms 2025-03-04, BMC medical imaging IF:2.9Q2 DOI:10.1186/s12880-025-01604-5 PMID:40038588	研究论文	提出一种结合视觉Transformer和DenseNet201的深度学习模型，用于自动分类胸部X光片中的肺部疾病	首次将视觉Transformer捕获长距离依赖的能力与DenseNet201的强特征提取能力以及全局平均池化保留空间细节的优势无缝结合，构建了鲁棒且可解释的分类系统	未明确讨论模型在不同人群或医疗环境中的泛化能力，且依赖单一数据集	开发一种超越现有方法的自动化胸部X光片分类模型，提高COVID-19、肺实变和病毒性肺炎等肺部疾病的诊断准确性	胸部X光片图像数据	计算机视觉, 数字病理学	肺部疾病	NA	深度学习模型	图像	21165张胸部X光片	PyTorch	Vision Transformer, DenseNet201	准确率, F1分数	NA
948	2026-07-07	Development and validation of a deep learning algorithm for prediction of pediatric recurrent intussusception in ultrasound images and radiographs 2025-03-03, BMC medical imaging IF:2.9Q2 DOI:10.1186/s12880-025-01582-8 PMID:40033220	研究论文	开发并验证一种基于腹部超声图像和X光片的深度学习算法，用于预测儿童复发性肠套叠	首次使用多模态医学影像（超声和X光片）融合方法预测儿童复发性肠套叠，并比较了平均融合与堆叠融合两种策略，其中堆叠融合通过LightGBM元模型显著提升性能	单中心回顾性研究，样本量有限，模型性能在超声图像上相对较低（AUC 0.669），可能因超声图像特征不够显著	开发可预测儿童复发性肠套叠的深度学习预测模型	2017年1月至2022年12月期间收集的3665例肠套叠病例的腹部超声图像和腹部X光片	计算机视觉	儿科疾病	医学影像分析	深度学习模型（VGG11, ResNet18, LightGBM）	图像（超声图像和X光片）	3665例肠套叠病例	PyTorch, LightGBM	VGG11, ResNet18, LightGBM	AUC, 95%置信区间	NA
949	2026-07-07	Using deep learning to differentiate among histology renal tumor types in computed tomography scans 2025-02-26, BMC medical imaging IF:2.9Q2 DOI:10.1186/s12880-025-01606-3 PMID:40011809	研究论文	使用深度学习模型区分计算机断层扫描中肾脏肿瘤的组织学亚型	首次使用深度学习模型对增强CT图像中的多种肾脏肿瘤亚型（包括血管平滑肌脂肪瘤、嗜酸细胞瘤、透明细胞肾细胞癌、嫌色细胞肾细胞癌和乳头状肾细胞癌）进行分类	需要进一步开发以提高临床适用性	利用卷积神经网络分析增强CT图像，区分肾脏肿瘤的组织学亚型	肾脏肿瘤患者的增强CT图像	计算机视觉	肾细胞癌	CT扫描	卷积神经网络（CNN）	图像	554名患者，共4238张CT图像	NA	Inception V3, ResNet50	准确率	NA
950	2026-07-07	Comparison of the impact of rectal susceptibility artifacts in prostate magnetic resonance imaging on subjective evaluation and deep learning: a two-center retrospective study 2025-02-25, BMC medical imaging IF:2.9Q2 DOI:10.1186/s12880-025-01602-7 PMID:40000986	研究论文	比较直肠磁敏感伪影对前列腺磁共振成像主观评估和深度学习诊断前列腺癌的影响	首次系统比较直肠伪影对资深放射科医生、初级放射科医生和深度学习模型诊断前列腺癌的不同影响	NA	评估直肠磁敏感伪影对前列腺癌MRI诊断中主观评估和深度学习性能的影响	2019年11月至2023年11月期间因临床疑似前列腺癌而接受MRI和活检的1052名患者	数字病理学	前列腺癌	MRI	深度学习模型	图像	1052名患者	NA	NA	AUC	NA
951	2026-07-07	Deep learning models for differentiating three sinonasal malignancies using multi-sequence MRI 2025-02-21, BMC medical imaging IF:2.9Q2 DOI:10.1186/s12880-024-01517-9 PMID:39984860	研究论文	开发基于多序列MRI的深度学习模型，用于区分三种鼻窦恶性肿瘤（鳞状细胞癌、腺样囊性癌和嗅神经母细胞瘤），并评估模型对放射科医生诊断性能的提升	首次利用多序列MRI（T2WI、CE-T1WI和ADC）结合ResNet101网络区分三种鼻窦恶性肿瘤，并验证AI辅助下不同经验水平放射科医生的诊断性能提升	NA	开发基于MRI的深度学习模型以区分三种鼻窦恶性肿瘤，并评估其对放射科医生诊断性能的改善作用	465例鼻窦恶性肿瘤患者（229例鳞状细胞癌、128例腺样囊性癌和108例嗅神经母细胞瘤）	计算机视觉	鼻窦恶性肿瘤	MRI（T2加权成像、增强T1加权成像、表观扩散系数）	深度学习模型（ResNet101、ResNet50、DenseNet121）	图像	465例患者（训练集325例、验证集47例、外部测试集93例）	NA	ResNet101、ResNet50、DenseNet121	曲线下面积(AUC)、准确率、召回率、精确率、F1分数	NA
952	2026-07-07	Comparative analysis of intestinal tumor segmentation in PET CT scans using organ based and whole body deep learning 2025-02-17, BMC medical imaging IF:2.9Q2 DOI:10.1186/s12880-025-01587-3 PMID:39962481	研究论文	对比分析基于器官和全身深度学习方法在PET CT扫描中分割肠道肿瘤的效果	提出一种新型器官聚焦方法，通过限制训练数据为肠道肿瘤病例以提高数据同质性，从而提升分割性能	未在论文中明确说明局限性	评估训练数据同质性在准确识别肠道肿瘤中的有效性，并比较器官聚焦方法与全身训练方法的分割性能	肠道肿瘤患者（弥漫性大B细胞淋巴瘤和滤泡性淋巴瘤患者）	医学图像分析、深度学习	肠道肿瘤、弥漫性大B细胞淋巴瘤、非霍奇金淋巴瘤	FDG-PET/CT扫描	深度学习（卷积神经网络等）	PET/CT医学影像	来自大型多中心临床试验（NCT01287741）的弥漫性大B细胞淋巴瘤患者，以及非霍奇金淋巴瘤滤泡性淋巴瘤患者的独立试验	NA	NA	Dice系数、精确度、召回率、F1分数	NA
953	2026-07-07	Predicting the Price of Molecules Using Their Predicted Synthetic Pathways 2025-Feb, Molecular informatics IF:2.8Q2 DOI:10.1002/minf.202400039 PMID:39887833	研究论文	利用预测的合成路径来预测分子价格的深度学习方法	首次提出基于预测的逆合成路径和起始原料价格来预测分子价格的模型	NA	提升虚拟分子库中化合物价格的预测能力，以加速成本决策过程	虚拟分子及其预测的合成路径与起始原料价格	机器学习	NA	计算机辅助合成规划	深度学习	分子结构数据	NA	NA	RetroPriceNet	测试集性能优于现有模型	NA
954	2026-07-07	Towards unbiased skin cancer classification using deep feature fusion 2025-01-31, BMC medical informatics and decision making IF:3.3Q2 DOI:10.1186/s12911-025-02889-w PMID:39891245	研究论文	介绍了SkinWiseNet（SWNet），一种用于皮肤癌检测和自动分类的深度卷积神经网络，通过多路径特征提取和特征融合提升效率并减少偏见	通过多路径特征提取和网络宽度增强优化特征提取，并引入特征融合以降低对深色皮肤或毛发过多患者的偏见	未提及具体的局限性	开发一种能够无偏检测和分类皮肤癌的深度学习模型	皮肤癌图像，包括良性和恶性类别	计算机视觉	皮肤癌	深度特征融合	卷积神经网络（CNN）	图像	四个数据集：Mnist-HAM10000、ISIC2019、ISIC2020和黑色素瘤皮肤癌	NA	SWNet	准确率、F1分数	NA
955	2026-07-07	Towards a decision support system for post bariatric hypoglycaemia: development of forecasting algorithms in unrestricted daily-life conditions 2025-01-20, BMC medical informatics and decision making IF:3.3Q2 DOI:10.1186/s12911-025-02856-5 PMID:39833876	研究论文	基于线性与深度学习模型开发用于预测日常自由生活条件下胃旁路术后低血糖事件的决策支持系统	首次在真实日常自由生活条件下评估多种算法预测胃旁路术后低血糖事件的能力，并发现递归自回归模型优于深度学习方法	仅使用连续血糖监测数据作为单一输入，未纳入其他生理或行为参数；深度学习方法性能受限	开发短期预测胃旁路术后低血糖事件的决策支持系统	50名接受Roux-en-Y胃旁路术后出现低血糖的患者	机器学习	胃旁路术后低血糖	连续血糖监测	递归自回归模型, 深度学习模型	血糖时间序列数据	50名患者，每名患者监测最多50天	NA	递归自回归模型（rAR），深度学习模型（具体架构未指定）	精确率，召回率，F1分数，每日误报次数，时间增益	NA
956	2026-07-07	iMFP-LG: Identify Novel Multi-functional Peptides Using Protein Language Models and Graph-based Deep Learning 2025-01-15, Genomics, proteomics & bioinformatics DOI:10.1093/gpbjnl/qzae084 PMID:39585308	研究论文	提出基于蛋白质语言模型和图注意网络的iMFP-LG方法，用于识别多功能肽	将蛋白质语言模型与图注意网络结合用于多功能肽识别，优于现有方法，并具备可解释性	未提及性能泛化性验证或跨数据集测试的局限性	开发高效准确的多功能肽识别方法，促进肽相关药物设计	多功能肽（包括多功能生物活性肽和多功能治疗肽）	机器学习	NA	蛋白质语言模型、图注意网络	图注意网络	肽序列数据	UniRef90数据库中数百万已知肽，筛选出8个候选肽，其中1个经实验验证	PyTorch	图注意网络	准确率、精确率、召回率、F1分数	NA
957	2026-07-07	Machine learning and deep learning models for the diagnosis of apical periodontitis: a scoping review 2024-10-18, Clinical oral investigations IF:3.1Q1 DOI:10.1007/s00784-024-05989-5 PMID:39419893	综述	评估机器学习与深度学习模型在诊断根尖周炎中的应用现况	系统性地总结了AI模型在根尖周炎诊断中的表现，特别是强调了AI辅助对临床医生诊断敏感性的提升作用	研究间数据集大小、标注技术和算法配置差异显著，且缺乏统一的方法学和性能指标报告标准	评估机器学习与深度学习模型在人类根尖周炎诊断中的应用效果	根尖周炎患者及对应的牙科X光影像	机器学习	根尖周炎	NA	机器学习与深度学习模型	牙科X光影像	纳入19篇研究，具体样本量未统一说明	NA	NA	敏感性，特异性	NA
958	2026-07-07	Deep learning-based detection of indicator species for monitoring biodiversity in semi-natural grasslands 2024-Sep, Environmental science and ecotechnology IF:14.0Q1 DOI:10.1016/j.ese.2024.100419 PMID:38706811	研究论文	开发了基于深度学习的物体检测模型，用于识别半天然草地中的指示物种，以监测生物多样性	首次利用温室培育的标本进行实地植物识别，克服了数据稀缺问题，并实现了从温室到实地条件的成功迁移	未明确说明，但可能受限于温室条件与自然环境的差异、以及数据集的规模	利用深度学习技术检测指示物种，以支持半天然草地的生物多样性监测和保护工作	指示物种（一组维管植物物种），作为高自然价值草原生物多样性评估的替代指标	计算机视觉	NA	物体检测	基于深度学习的物体检测模型	图像	温室培育的指示植物数据集、实验草地和自然草地的小型数据集	NA	物体检测模型（具体架构未在摘要中指定）	平均精度	NA
959	2026-07-07	Extent and Topography of Subretinal Drusenoid Deposits Associate With Rod-Mediated Vision in Aging and AMD: ALSTAR2 Baseline 2024-08-01, Investigative ophthalmology & visual science IF:5.0Q1 DOI:10.1167/iovs.65.10.25 PMID:39163034	研究论文	利用监督深度学习量化视网膜下玻璃疣样沉积物（SDD）面积，并分析其与年龄相关性黄斑变性（AMD）中视杆介导视觉的关系	首次使用监督深度学习对55°宽近红外反射图像进行SDD分割量化，并结合OCT手动校对，系统评估SDD面积与视杆视觉功能及地形分布的关系	未说明	研究SDD负担与视杆介导的暗适应及视网膜光感受器地形分布之间的关联	年龄≥60岁的正常、早期AMD和中期AMD眼睛	数字病理学	年龄相关性黄斑变性	光学相干断层扫描	卷积神经网络	图像	428人428只眼（正常218眼，早期AMD 120眼，中期AMD 90眼）	NA	卷积神经网络	Dice系数	NA
960	2026-07-07	Association of Retinal Biomarkers With the Subtypes of Ischemic Stroke and an Automated Classification Model 2024-07-01, Investigative ophthalmology & visual science IF:5.0Q1 DOI:10.1167/iovs.65.8.50 PMID:39083310	研究论文	利用OCTA图像通过深度学习模型自动识别缺血性卒中及其亚型，并探索视网膜生物标志物与卒中亚型的关联	首次将深度学习模型应用于OCTA图像以区分缺血性卒中的腔隙性和非腔隙性亚型，并揭示了浅层血管丛的迂曲度和FAZ圆形度与卒中亚型的相关性	外部数据验证中模型AUC略低于内部验证，可能存在数据集偏差；视网膜生物标志物的临床解释需进一步验证	研究基于OCTA图像的深度学习模型在缺血性卒中检测及其亚型分类中的可行性，以及视网膜微血管变化与卒中亚型的关联	865名参与者的1730只眼睛，包括缺血性卒中患者和健康对照者	计算机视觉	缺血性卒中	OCTA成像	深度学习模型	图像	1730只眼睛（来自865名参与者）	PyTorch	ResNet	AUC	NA