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
101	2026-07-01	CycleGAN-based image-to-image translation for synthetic contrast enhancement in non-contrast cardiac CT: a ViT-CNN hybrid deep learning approach 2026-04-16, BMC medical informatics and decision making IF:3.3Q2 DOI:10.1186/s12911-026-03446-9 PMID:41992180	研究论文	提出一种基于CycleGAN的ViT-CNN混合深度学习架构RICAUNet-v2，用于非对比剂增强心脏CT到对比剂增强CT的无配对图像转换，实现合成对比增强	将Vision Transformer层与RICA模块集成到CycleGAN框架中，实现局部与全局特征联合捕获，并通过相似性引导采样提升无配对转换的感知真实性	诊断实用性尚需进一步临床验证，且假阳性误分类可能源于保守或预期偏差而非缺乏真实性	开发无需造影剂的CT对比增强方法，解决造影剂过敏患者无法进行增强CT的问题	心脏非对比剂增强CT图像与对比剂增强CT图像之间的无配对转换	计算机视觉	心血管疾病	CT成像	CycleGAN	图像	未在摘要中明确说明	PyTorch	RICAUNet-v2（含RICA块和Vision Transformer层）	平均绝对误差, 峰值信噪比, 结构相似性指数, 弗雷歇初始距离	NA
102	2026-07-01	Diagnostic performance of artificial intelligence versus conventional imaging for differentiating G2/G3 from G1 pancreatic neuroendocrine tumors: a systematic review and meta-analysis 2026-04-16, BMC medical imaging IF:2.9Q2 DOI:10.1186/s12880-026-02347-7 PMID:41992154	系统综述与荟萃分析	系统评估人工智能与传统影像学在区分胰腺神经内分泌肿瘤G2/G3与G1中的诊断性能	首次通过荟萃分析比较机器学习/深度学习算法与传统影像专家解读在胰腺神经内分泌肿瘤分级中的诊断性能，并提出AI高灵敏度初筛结合专家高特异度复核的序贯诊断策略	纳入研究数量有限（17项），且多数研究为单中心，存在异质性和潜在发表偏倚	评估影像学方法（特别是人工智能算法）在胰腺神经内分泌肿瘤术前分级中的诊断准确性	胰腺神经内分泌肿瘤患者的影像学数据（CT、MRI或内镜超声）	机器学习	胰腺神经内分泌肿瘤	CT、MRI、内镜超声	机器学习/深度学习模型	医学影像	17项研究，共928名患者	NA	NA	敏感度、特异度、曲线下面积	NA
103	2026-07-01	Deep Learning for Detection of Corneal Perforation on Anterior Segment Optical Coherence Tomography in Microbial Keratitis 2026-Apr-16, medRxiv : the preprint server for health sciences DOI:10.64898/2026.04.14.26350795 PMID:42170634	研究论文	基于深度学习模型，利用前段光学相干断层扫描图像自动检测微生物性角膜炎中的角膜穿孔	首次开发并评估利用ASOCT图像深度学习模型自动检测微生物性角膜炎中角膜穿孔，并分析健康对照包含与晶状体遮挡对模型性能的影响	单中心回顾性研究，样本量有限（150名患者），且需外部验证；模型依赖医师分级作为金标准，可能存在主观偏差	开发和评估深度学习模型用于自动检测微生物性角膜炎中角膜穿孔，以支持临床决策	微生物性角膜炎患者的ASOCT图像，以及对侧健康眼作为对照	计算机视觉	角膜疾病，感染性角膜炎	前段光学相干断层扫描	卷积神经网络	图像	150名患者（微生物性角膜炎），对侧健康眼为对照	NA	ResNet	AUC，敏感性，特异性	NA
104	2026-07-01	Differentiation of adrenal metastases and adenomas based on clinical characteristics, deep learning features, and radiomics features derived from ultrasound imaging 2026-04-14, BMC medical imaging IF:2.9Q2 DOI:10.1186/s12880-026-02343-x PMID:41981403	研究论文	开发整合临床特征、深度学习特征和超声放射组学特征的列线图，用于鉴别肾上腺转移瘤与肾上腺腺瘤	首次将临床特征、深度学习影像特征和超声放射组学特征整合为列线图，用于鉴别肾上腺转移瘤与腺瘤	回顾性研究，样本量相对较小，且未提及外部验证	建立并验证一个整合临床特征、深度学习特征和超声放射组学特征的列线图，以准确区分肾上腺转移瘤与肾上腺腺瘤	肾上腺转移瘤和肾上腺腺瘤患者	机器学习	肾上腺肿瘤	超声成像	深度学习模型（未明确具体类型）	图像（超声图像）和临床数据	449例（228例转移瘤，221例腺瘤），按7:3分为训练集和测试集	NA	NA	曲线下面积AUC	NA
105	2026-07-01	Multimodal deep learning with missing data robustness for enhanced early diagnosis of coronary artery disease using CCTA, clinical, and ECG data 2026-04-13, BMC medical informatics and decision making IF:3.3Q2 DOI:10.1186/s12911-026-03466-5 PMID:41975401	研究论文	提出一种多模态深度学习模型，整合CCTA影像、临床数据和心电图数据，以提升冠心病早期诊断准确率，并能耐受50%的数据缺失	首次整合三种类型数据（影像、临床、心电图）并采用加权融合策略，模型可容忍最多50%的缺失数据，显著提高冠心病诊断率（绝对提高10.43个百分点）	未提及具体限制，可能包括外部验证数据集规模有限或模型对极端缺失情况的鲁棒性不足	开发一种对缺失数据具有鲁棒性的多模态深度学习模型，以提升冠心病早期诊断准确率	接受冠脉CTA检查的连续患者	计算机视觉, 机器学习	冠心病	CCTA, ECG, 临床实验室检测	卷积神经网络	图像, 临床数据, 心电图数据	2022年2月至2023年8月期间接受冠脉CTA检查的连续患者，内部分割比例为7:1.5:1.5，并包含独立外部验证数据集	NA	卷积神经网络	AUC-ROC, Kappa系数	NA
106	2026-07-01	Deep learning‑based ultra-high-resolution CT imaging of viral pneumonia at admission and after discharge 2026-04-04, BMC medical imaging IF:2.9Q2 DOI:10.1186/s12880-026-02320-4 PMID:41935266	研究论文	本研究比较了基于深度学习的超高分辨率CT与高分辨率CT在病毒性肺炎入院和出院后的影像表现	利用深度学习超分辨率模型生成超高分辨率CT图像，显著提高图像清晰度和信噪比，更精确地显示病毒性肺炎的急性期炎症和恢复期早期纤维化改变	NA	比较深度学习超高分辨率CT与高分辨率CT在病毒性肺炎入院和出院后的影像特征	病毒性肺炎患者	计算机视觉	病毒性肺炎	超分辨率深度学习模型	超分辨率模型	CT图像	51名住院患者，102次CT扫描	NA	双分支架构（超分辨率与梯度引导）	信噪比、五点Likert评分	NA
107	2026-07-01	Multimodal model integrating ultrasound and demographic data for the diagnosis of knee osteoarthritis 2026-04-02, BMC medical imaging IF:2.9Q2 DOI:10.1186/s12880-026-02249-8 PMID:41922978	research paper	开发并评估多模态卷积神经网络模型，集成超声影像和人口统计学数据用于膝骨关节炎的诊断与严重程度分类	首次系统评估多模态CNN模型整合人口统计学因素（年龄、性别、BMI）对膝OA诊断性能的提升效果，并比较11种预训练架构的性能差异	人口统计学因素贡献较小，多模态模型仅在AlexNet架构上显示显著统计学改善，其他架构无显著差异	开发整合超声影像与人口统计学数据的多模态CNN模型，评估其对膝骨关节炎诊断及严重程度分类的实用性	膝骨关节炎患者的超声影像和人口统计学数据	machine learning, digital pathology	knee osteoarthritis	超声成像（Ultrasonography, US）	CNN	image、text（人口统计学数据）	491例肢体样本，其中318例确诊为膝骨关节炎	PyTorch（基于预训练的ImageNet模型）	AlexNet, ResNet50, ResNet152, GoogLeNet, VGG16（及其他共11种架构）	AUC（曲线下面积）、sensitivity（灵敏度）、specificity（特异性）、positive predictive value（阳性预测值）、negative predictive value（阴性预测值）、F1 score（F1分数）	NVIDIA GPU（未具体指定型号）
108	2026-07-01	A Deep Learning Tool for Hip Minimum Joint Space Width Calculation on Antero-posterior Pelvis Radiographs 2026-04, The Journal of arthroplasty IF:3.4Q1 DOI:10.1016/j.arth.2025.08.023 PMID:40848813	研究论文	开发一种深度学习工具，用于在骨盆前后位X光片上自动计算髋关节最小关节间隙宽度	提出了一种端到端的自动化算法，结合深度学习分割模型和计算机视觉算法，用于测量髋关节最小关节间隙宽度，并在外部验证中表现良好	未提及具体限制	开发并验证一种自动化算法，用于在骨盆前后位X光片上测量原生髋关节的最小关节间隙宽度	骨盆前后位X光片中的髋关节最小关节间隙宽度	计算机视觉	骨关节炎	NA	深度学习分割模型	图像	300张用于训练和验证的X光片，375张用于开发计算机视觉算法的额外图像，75张来自骨关节炎倡议的外部验证图像	NA	NA	平均绝对误差, Dice系数	NA
109	2026-07-01	AI-powered hierarchical classification of ampullary neoplasms: a deep learning approach using white-light and narrow-band imaging 2026-Apr, Surgical endoscopy DOI:10.1007/s00464-025-12534-2 PMID:41532990	研究论文	开发了一个基于AI的分层深度学习框架，利用白光和窄带成像逐步分类壶腹肿瘤	首次提出分层深度学习框架结合双模态成像（白光和窄带成像）和生成对抗网络合成数据增强，用于壶腹病变的逐步分类	样本来自单一中心，数据量有限，且模型对高分级异型增生和癌症的敏感性仍有提升空间	提高壶腹病变的内镜诊断准确性，特别是高风险异型增生病变的检测	瓦特壶腹病变	计算机视觉	壶腹肿瘤	内镜成像（白光和窄带成像）	卷积神经网络（EfficientNet-B4）和生成对抗网络（StyleGAN2-ADA）	内镜图像	464名患者的4244张内镜图像（训练/验证/测试：2693/833/718张）	PyTorch	EfficientNet-B4, StyleGAN2-ADA	准确率、敏感度、特异度、AUROC	NA
110	2026-07-01	Effect of Helicobacter pylori infection on deep learning-assisted detection of gastric neoplastic lesions under white light endoscopy 2026-Apr, Surgical endoscopy DOI:10.1007/s00464-025-12560-0 PMID:41535450	研究论文	评估幽门螺杆菌感染对深度学习辅助白光内镜下胃肿瘤病变检测的影响	首次系统评估了幽门螺杆菌感染对人工智能模型在胃肿瘤检测中诊断性能的影响，并发现根除感染可恢复模型性能	回顾性研究设计，样本来自单一医疗中心，可能限制外推性	探究幽门螺杆菌感染是否影响深度学习模型在白光内镜下对胃肿瘤病变的诊断准确性	幽门螺杆菌感染状态与人工智能模型检测胃肿瘤（低级别上皮内瘤变、高级别上皮内瘤变、早期胃癌）的关联	计算机视觉	胃癌	白光内镜	深度卷积神经网络	图像	训练集：563例患者的2347张图像；验证集：117例患者的447张图像	NA	深度卷积神经网络	准确率、灵敏度、特异度、阳性预测值、阴性预测值	NA
111	2026-07-01	The first reported case using real-time artificial intelligence with single-port robotics for colorectal surgery 2026-Apr, Surgical endoscopy DOI:10.1007/s00464-026-12688-7 PMID:41840080	研究论文	首次将基于计算机视觉和深度学习的实时人工智能技术与单端口机器人平台结合，成功应用于结直肠手术	首次实现AI实时视觉提示与单端口机器人系统的集成，在腹部手术中识别组织并辅助解剖，利用原有造口部位避免新增切口	仅报告单例患者，缺乏大规模验证和长期随访数据	探索AI实时视觉提示与单端口机器人平台在结直肠手术中的可行性	一位接受末端回肠造口还纳术的患者	计算机视觉	结直肠疾病	NA	深度学习模型（未具体说明架构）	图像	1例患者	NA	NA	NA	NA
112	2026-07-01	LEARNABLE HIERARCHICAL VISUAL CONTEXTS FOR TUMOR SEGMENTATION IN COMPUTED TOMOGRAPHY IMAGES 2026-Apr, Proceedings. IEEE International Symposium on Biomedical Imaging DOI:10.1109/isbi61048.2026.11515689 PMID:42367197	研究论文	提出一种可学习的层次化视觉上下文方法（LeVal），通过任务无关的语义上下文标记与任务相关的查询标记，优化CT图像中肿瘤分割的注意力机制	首次将可学习语义上下文与任务查询标记结合，通过2阶段预训练（自监督学习与多器官分割监督预训练）提升肿瘤分割性能，实现更强的肿瘤与健康组织嵌入分离	NA	提高CT图像中肿瘤自动分割的准确性，应对肿瘤形状、外观多变及边界模糊的挑战	CT影像中的胰腺、结肠、肾上腺及头颈部肿瘤	计算机视觉	胰腺癌, 结肠癌, 肾上腺癌, 头颈部肿瘤	NA	3D Swin Transformer, 可学习查询标记, 交叉注意力机制	CT图像	14000张未标记CT用于自监督学习，以及多个公开数据集（胰腺、结肠、肾上腺、头颈部癌症）	PyTorch	3D Swin Transformer, 交叉注意力模块	分割精度, 嵌入分离度	NA
113	2026-07-01	Configuration identification of on-demand variable stiffness strain-limiting layers in zig-zag soft pneumatic actuators using deep learning methods 2026-Apr, The International journal of robotics research DOI:10.1177/02783649251364287 PMID:41958848	研究论文	提出基于深度学习的方法识别可变刚度应变限制层配置以实现软气动执行器的按需轨迹	无需重新制造即可通过预测应变限制层配置实现多种轨迹，结合前馈神经网络和卷积神经网络解决逆运动学问题	当前研究仅针对细长软气动执行器，未明确提及对其他类型执行器的泛化性验证	开发预测软气动执行器所需应变限制层配置的方法，避免重复制造	可变刚度应变限制层的软气动执行器（如内窥镜原型、软体抓取系统、手指运动模拟）	机器学习	NA	NA	前馈神经网络（FFNN）、卷积神经网络（CNN）	执行器轨迹数据（笛卡尔空间坐标）	针对细长软气动执行器进行了验证，具体样本量未说明	NA	前馈神经网络、卷积神经网络	平均误差（1.65%）、轨迹预测精度	NA
114	2026-07-01	Modeling gene regulatory perturbations via deep learning from high-throughput reporter assays 2026-Mar-31, bioRxiv : the preprint server for biology DOI:10.64898/2026.03.27.714770 PMID:41959049	研究论文	提出一个可重训练的预测建模框架BlueSTARR，利用高通量报告分析数据模拟基因调控扰动	提出轻量级、可重训练的预测建模框架BlueSTARR，能够从全基因组STARR-seq数据中学习基因调控变异的效应，并发现与纯化选择一致的全局特征	不同深度学习架构在该单一数据模态上性能差异不大，且即使使用更大的模型和数据，预测精度仍有很大提升空间	开发可用于优先化未在实验中直接观察到的非编码变异体的预测模型，并探究基因调控扰动的潜在信号	来自两个细胞系和一个药物处理的全基因组STARR-seq数据	机器学习	NA	STARR-seq, MPRA	深度学习模型（多种架构）	基因组序列数据	两个细胞系和一个药物处理的全基因组STARR-seq数据	NA	多种深度学习架构	预测精度	NA
115	2026-07-01	How deep resolve affects the stability of texture features for different MR image acceleration methods - a phantom and a human brain study 2026-03-30, BMC medical imaging IF:2.9Q2 DOI:10.1186/s12880-026-02317-z PMID:41913146	研究论文	评估深度学习重建方法Deep Resolve在不同MR加速技术（GRAPPA和SMS）下对纹理特征稳定性的影响，基于体模和人类脑部研究	首次系统评估深度学习重建方法Deep Resolve对MRI纹理特征稳定性的影响，并对比不同加速技术的效果	研究仅使用1.5T系统，可能限制结果推广至更高场强；体模和健康志愿者数据有限，未涉及真实病变情况	评估深度学习重建方法Deep Resolve在不同MR加速技术下对纹理特征稳定性的影响，以了解其对诊断相关图像纹理的保持能力	体模和健康志愿者脑部的T2加权及FLAIR图像纹理特征	计算机视觉	NA	MRI	深度学习	图像	体模和健康志愿者（具体数量未明确）	NA	Deep Resolve	Lin一致性相关系数, Wilcoxon秩和检验	NA
116	2026-07-01	Artificial intelligence and radiomics on computed tomography for differentiating hepatocellular carcinoma and intrahepatic cholangiocarcinoma: a multimodal integration approach 2026-03-28, BMC medical imaging IF:2.9Q2 DOI:10.1186/s12880-026-02305-3 PMID:41904405	研究论文	通过对比增强CT的放射组学和人工智能多模态融合方法区分肝细胞癌与肝内胆管癌	构建了融合放射组学、临床和深度学习特征的多模态融合神经网络，在内部验证集AUC达0.99，外部验证集AUC达0.95，优于单一模态模型	需要进一步使用自动分割和可解释工具进行验证，以确认更广泛的泛化性并促进临床采纳	开发非侵入性方法区分肝细胞癌和肝内胆管癌，以支持早期个体化治疗规划	186例经病理确诊的肝细胞癌（111例）和肝内胆管癌（75例）患者	计算机视觉, 机器学习	肝癌	对比增强CT（CECT）	混合神经网络，支持向量机	放射组学特征，临床数据，CT图像	186例患者（中心A 134例，中心B 52例）	NA	自设计混合神经网络，融合神经网络	曲线下面积（AUC）	NA
117	2026-07-01	Construction and validation of high altitude pulmonary edema prediction models based on deep learning and quantitative analysis of X-ray images 2026-03-27, BMC medical imaging IF:2.9Q2 DOI:10.1186/s12880-026-02309-z PMID:41896774	研究论文	本研究基于深度学习与X光影像定量分析，构建并验证了高原肺水肿预测模型	采用适应医学图像回归的Vision Transformer架构，整合肺野分割、混合局部-全局特征提取和相对位置编码，增强对早期病理变化的敏感性，实现无创定量预测EVLWI	未提及具体限制	验证基于深度学习的无创定量预测框架，从胸部X光图像预测EVLWI，作为高原肺水肿的早期预警和决策支持工具	胸部X光图像数据及对应的EVLWI值	计算机视觉	高原肺水肿	X光影像	Vision Transformer	图像	训练和评估数据集 n=1,280（来自青海高原医疗中心）；外部验证独立队列 n=1,646（来自西藏）	PyTorch	Vision Transformer	Pearson相关系数（0.921），均方根误差RMSE（1.324 mL/m²），R²（0.832）	NA
118	2026-07-01	Impact of scanning parameters on deep learning coronary artery calcium scoring in non‑gated chest CT 2026-03-26, BMC medical imaging IF:2.9Q2 DOI:10.1186/s12880-026-02306-2 PMID:41888686	研究论文	评估非心电门控胸部CT中深度学习冠脉钙化评分的准确性，并分析CT采集参数对其影响	系统分析了CT采集参数（如准直宽度、旋转时间、重建层厚和重建核）对深度学习冠脉钙化评分准确性的独立预测作用	研究为单中心回顾性设计，且未评估不同厂商设备间的算法鲁棒性	探究深度学习冠脉钙化评分在非心电门控胸部CT中的应用准确性及其对采集参数的敏感性	1213名患者的心电门控心脏CT和非门控胸部CT图像	计算机视觉	心血管疾病	CT扫描	深度学习模型	图像	1213名患者的CT图像	NA	NA	斯皮尔曼相关系数、Bland-Altman分析、Kappa系数、AUC	NA
119	2026-07-01	Comparative evaluation of a deep learning method QNet and LCModel for MRS quantification on the cloud computing platform CloudBrain-MRS 2026-03-24, BMC medical imaging IF:2.9Q2 DOI:10.1186/s12880-026-02292-5 PMID:41877086	研究论文	通过云计算平台CloudBrain-MRS比较深度学习方法QNet与经典方法LCModel在人类脑部磁共振波谱代谢物定量中的表现	首次在云计算平台上比较深度学习QNet与传统LCModel方法，并展示了QNet在定量合理性上更优	样本量较小（15名健康志愿者），且仅评估了三种代谢物（tNAA、tCho、Ins），可能无法推广到其他代谢物或疾病状态	评估深度学习QNet与传统LCModel在人类脑部MRS代谢物定量中的一致性和合理性	15名健康志愿者（12女3男，年龄21-35岁）的脑部前扣带回皮质区域的MRS数据	深度学习	不适用（健康志愿者）	MRS（磁共振波谱成像）	QNet（深度学习方法）	MR波谱数据	15名健康志愿者，共122个体内1H MR谱（来自两台3T MRI扫描仪）	PyTorch（假设，基于QNet是深度学习模型）	QNet	Bland-Altman一致性分析、Pearson相关性系数、定量合理性对比	CloudBrain-MRS云计算平台
120	2026-07-01	An interpretable machine learning model based on habitat radiomics combined with deep learning for predicting the WHO/ISUP grade of patients with clear cell renal cell carcinoma 2026-03-21, BMC medical imaging IF:2.9Q2 DOI:10.1186/s12880-026-02285-4 PMID:41864916	研究论文	构建结合生境影像组学和深度学习的可解释机器学习模型，用于预测透明细胞肾细胞癌的WHO/ISUP分级	首次将生境影像组学与深度学习融合，并利用SHAP增强模型可解释性，用于预测ccRCC的WHO/ISUP分级	回顾性研究设计可能引入选择偏倚，且样本量有限，需要外部验证	评估生境影像组学与深度学习融合模型预测透明细胞肾细胞癌WHO/ISUP分级的性能	透明细胞肾细胞癌(ccRCC)患者	数字病理学	肾细胞癌	增强CT	逻辑回归	图像	646名患者	NA	NA	AUC, 校准曲线, 决策曲线分析	NA