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
1221	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
1222	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
1223	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
1224	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
1225	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
1226	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
1227	2026-05-27	DGAT: A Dual-Graph Attention Network for Inferring Spatial Protein Landscapes from Transcriptomics 2025-Jul-09, bioRxiv : the preprint server for biology DOI:10.1101/2025.07.05.662121 PMID:40672156	研究论文	提出一种名为DGAT的双图注意力网络，从转录组学数据推断空间蛋白质景观	首次提出双图注意力网络框架，通过整合转录组、蛋白质组和空间信息的异构图，从仅转录组学空间数据中精确推断蛋白质表达	依赖空间CITE-seq数据集进行RNA-蛋白质关系学习，可能受限于训练数据的覆盖范围和质量	从仅转录组学空间转录组数据中推断蛋白质表达，填补空间组学中蛋白质水平信息缺失的空白	空间转录组数据、空间蛋白质表达	数字病理学	扁桃体疾病、乳腺癌、胶质母细胞瘤、恶性间皮瘤	空间转录组学、空间CITE-seq	图注意力网络	图像、文本（基因表达数据）	公开和内部数据集，包括扁桃体、乳腺癌、胶质母细胞瘤和恶性间皮瘤样本	NA	双图注意力网络	蛋白质推断准确率	NA
1228	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
1229	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
1230	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
1231	2026-05-27	Automated Fast Prediction of Bone Mineral Density From Low-dose Computed Tomography 2025-07, Academic radiology IF:3.8Q1 DOI:10.1016/j.acra.2025.02.041 PMID:40082126	研究论文	本研究探讨利用深度学习方法基于低剂量CT扫描建立骨密度预测和骨质疏松分类系统	提出了一种基于单张2D低剂量CT切片进行椎体分割和骨密度预测的快速自动化系统	未在标题和摘要中明确说明	研究基于低剂量CT扫描进行体积骨密度预测和骨质疏松分类的可行性	腰椎椎体	数字病理学	骨质疏松症	CT	CNN	图像	551名受试者的低剂量CT和QCT数据	NA	U-Net	Dice相似系数, 灵敏度, 阳性预测值, Hausdorff距离, 均方根误差, R平方, 曲线下面积, 准确率	NA
1232	2026-05-27	Deep Learning and Radiomics Discrimination of Coronary Chronic Total Occlusion and Subtotal Occlusion using CTA 2025-07, Academic radiology IF:3.8Q1 DOI:10.1016/j.acra.2025.03.011 PMID:40164533	研究论文	利用深度学习和影像组学模型，基于冠状动脉CT血管造影（CCTA）鉴别慢性完全闭塞与次全闭塞病变	首次在CCTA图像上结合深度学习和影像组学方法进行CTO与STO的精准鉴别，并证明其性能优于传统方法	未明确说明	开发并验证基于CCTA的深度学习和影像组学模型，用于区分CTO和STO病变，并与传统方法比较性能	冠状动脉慢性完全闭塞（CTO）和次全闭塞（STO）病变	计算机视觉，数字病理学	心血管疾病	CCTA	深度学习模型，影像组学模型	图像	581名参与者，含600个病变（403个CTO，197个STO）	NA	NA	AUC	NA
1233	2026-05-27	A Deep Learning Approach for Nerve Injury Classification in Brachial Plexopathies Using Magnetic Resonance Neurography with Modified Hiking Optimization Algorithm 2025-07, Academic radiology IF:3.8Q1 DOI:10.1016/j.acra.2025.04.004 PMID:40300994	研究论文	提出一种结合深度学习与改进远足优化算法的框架，利用磁共振神经成像数据分类臂丛神经损伤类型	首次将改进远足优化算法与MobileNetV4结合用于神经损伤分类，并在多序列MRI数据上实现高精度	样本量较小（仅39名患者），且未明确说明模型的外部验证或泛化能力	提高臂丛神经损伤诊断的准确性和减少诊断变异性	臂丛神经损伤患者（神经失用、轴突断裂、神经断裂）	机器学习	臂丛神经病变	磁共振神经成像	卷积神经网络（基于MobileNetV4）	MRI图像（STIR、T2、T1、DWI序列）	39名确诊臂丛神经病变患者	PyTorch	MobileNetV4	准确率、敏感性、特异性	NA
1234	2026-05-27	Deep Learning Image Reconstruction (DLIR) Algorithm to Maintain High Image Quality and Diagnostic Accuracy in Quadruple-low CT Angiography of Children with Pulmonary Sequestration: A Case Control Study 2025-07, Academic radiology IF:3.8Q1 DOI:10.1016/j.acra.2025.05.005 PMID:40410108	研究论文	评估深度学习图像重建算法在儿童肺隔离症四低CT血管成像中维持高图像质量和诊断准确性的效果	首次将深度学习图像重建算法应用于儿童肺隔离症的四低CT血管成像，实现辐射剂量、对比剂剂量、注射流速和压力的同时降低，并保持高诊断准确性	样本量较小（各53例），为回顾性病例对照研究，未进行多中心验证	评估四低CT血管成像结合深度学习图像重建在儿童肺隔离症诊断中的图像质量和诊断准确性	疑似肺隔离症的儿童患者	医学影像	肺隔离症	CT血管成像	深度学习图像重建	CT图像	106名儿童患者（四低组53例，常规组53例）	NA	深度学习图像重建算法	信噪比、边缘上升距离、主观图像质量评分、灵敏度、特异性	NA
1235	2026-05-27	Point-Based Shape Representation Generation with a Correspondence-Preserving Diffusion Model 2025-Jul, Proceedings of machine learning research PMID:42180650	研究论文	提出一种基于扩散模型的点云形状表示生成方法，能够保持点之间的对应关系	首次在深度生成模型中引入点对应关系保持机制，现有深度学习方法仅处理无序点云而忽略对应关系	未提及具体局限性	开发能够生成保留点对应关系的真实点云形状的扩散模型	基于OASIS-3数据集的 hippocampal 形状表示	计算机视觉	阿尔茨海默病	扩散模型	扩散模型	点云（点形状表示）	OASIS-3数据集中的海马形状数据	PyTorch	扩散模型（未指定具体架构名称）	NA	NA
1236	2026-05-27	Multimodal deep learning for predicting neoadjuvant treatment outcomes in breast cancer: a systematic review 2025-06-23, Biology direct IF:5.7Q1 DOI:10.1186/s13062-025-00661-8 PMID:40551237	综述	系统综述多模态深度学习在乳腺癌新辅助治疗病理完全缓解预测中的应用，并比较其与单模态方法的性能	首次系统性比较多模态与单模态深度学习在乳腺癌新辅助治疗pCR预测中的性能，纳入51项研究并分析多种数据模态整合效果	研究间方法异质性大、依赖回顾性数据、外部验证有限，多组学和临床文本数据作为主要输入的情况较少	评估多模态深度学习预测乳腺癌新辅助治疗疗效的准确性并对比单模态方法	乳腺癌患者接受新辅助治疗后病理完全缓解的预测模型	机器学习	乳腺癌	NA	CNN	影像、数字病理、多组学、临床记录	51项研究，中位队列281例	NA	卷积神经网络	AUC	NA
1237	2026-05-27	Expanded AI learning: AI as a Tool for Human Learning 2025-06, Academic radiology IF:3.8Q1 DOI:10.1016/j.acra.2025.03.040 PMID:40210520	研究论文	演示深度学习模型可作为教学工具，在无AI直接辅助的情况下提升放射科医生执行成像任务的能力	首次提出将人工智能作为教学工具来提升放射科医生的内在能力，这一观点在放射学文献中尚未被提出过	NA	证明深度学习模型可用作教学工具，在影像判读时无需额外AI辅助即可提升放射科医生的判读能力	放射科医生及其对膝关节X光片的性别分类能力	数字病理学	NA	深度学习（卷积神经网络）	CNN	图像（膝关节X光片）	50张训练用膝关节X光片和50张测试用新X光片，3名人类读者	NA	NA	准确率，置信区间	NA
1238	2026-05-27	Predictions from Deep Learning Propose Substantial Protein-Carbohydrate Interplay 2025-Mar-15, bioRxiv : the preprint server for biology DOI:10.1101/2025.03.07.641884 PMID:40161692	研究论文	开发了PiCAP和CAPSIF2两个深度学习模型，用于预测蛋白质与碳水化合物的非共价相互作用及其残基位点	提出新型数据集和神经网络架构PiCAP，首次实现高准确度蛋白质-碳水化合物结合预测，并开发残基级预测模型CAPSIF2超越现有方法	NA	通过计算方法大规模预测蛋白质-碳水化合物相互作用，揭示细胞功能中未充分认识的蛋白质-碳水化合物交互网络	蛋白质与碳水化合物的非共价结合作用	机器学习	NA	深度学习	卷积神经网络	蛋白质序列数据	基于已知碳水化合物结合蛋白数据集训练，对人神经细胞表面蛋白及三个蛋白质组进行预测	NA	PiCAP, CAPSIF2	平衡准确率, Dice系数	NA
1239	2026-05-27	Melanoma classification using generative adversarial network and proximal policy optimization 2025 Mar-Apr, Photochemistry and photobiology IF:2.6Q3 DOI:10.1111/php.14006 PMID:39080818	研究论文	提出一种基于生成对抗网络和近端策略优化的深度学习框架，用于黑色素瘤分类	引入离线策略近端策略优化算法处理数据不平衡，结合生成对抗网络进行数据增强以提升泛化能力	未提及具体局限性	提高黑色素瘤早期检测的准确性，支持临床治疗决策	黑色素瘤皮肤病变图像	计算机视觉	黑色素瘤	深度学习图像分类	生成对抗网络、近端策略优化	图像	使用SIIM-ISIC黑色素瘤分类挑战赛-ISIC-2020数据集	NA	三扩张卷积层，生成对抗网络	F-measure, 几何均值	NA
1240	2026-05-27	Self-Attention Mechanisms-Based Laryngoscopy Image Classification Technique for Laryngeal Cancer Detection 2025-03, Head & neck DOI:10.1002/hed.27999 PMID:39526389	研究论文	提出一种基于自注意力机制的喉镜图像分类技术，用于喉癌检测	基于Swin-Transformer构建智能喉癌检测系统（ILCDS），在喉镜图像分类中取得优于传统CNN模型及专业喉科医生的性能	外部队列测试性能略有下降	开发高精度、高灵敏度的深度学习模型辅助喉癌早期检测	喉镜图像	计算机视觉	喉癌	NA	Swin-Transformer	图像	1462名患者的5768张喉镜图像	NA	Swin-Transformer	准确率, AUC	NA