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
1601	2026-08-20	High-fidelity super-resolution microscopy datasets spanning multispectral to hyperspectral domains via diffractive optics 2026-May-25, Scientific data IF:5.8Q1 DOI:10.1038/s41597-026-07467-x PMID:42185325	研究论文	提出一种通过衍射光学结构光照生成的高保真超分辨率数据集，涵盖多光谱到高光谱域，用于推动数据驱动显微成像研究	区别于基于退化模型的合成数据集，采用物理驱动的调制方式生成高保真图像，并首次提供包含多光谱和高光谱域的全新配对数据集，含系统点扩散函数	NA	为图像恢复、光谱解混和跨模态深度学习算法提供严格基准，促进从标准光学装置中提取纳米尺度信息	牛肺动脉内皮细胞及标记的细胞器、细胞丝状结构	计算光学成像	NA	衍射光学结构光照、傅里叶叠层显微术、晶格结构光照显微术	NA	图像	包含五个数据集记录，涵盖4通道多光谱校准数据集、3通道生物数据集、两个空间超分辨率数据集及一个高光谱数据集（503-689纳米，6纳米间隔，63组）	NA	NA	NA	NA
1602	2026-08-20	SurgWound-Bench: a benchmark for surgical wound diagnosis 2026-May-23, NPJ digital medicine IF:12.4Q1 DOI:10.1038/s41746-026-02791-3 PMID:42177302	研究论文	该文提出了首个开源的手术伤口数据集SurgWound，并构建了包含视觉问答和报告生成任务的手术伤口诊断基准，同时提出了三阶段学习框架WoundQwen。	首次提供了涵盖多种手术伤口类型的公共数据集，并构建了首个手术伤口诊断基准，包含视觉问答和报告生成任务，以及创新的三阶段多模态学习框架。	未提及	解决手术伤口诊断中数据隐私和高注释成本限制，推动开源手术伤口筛查工具的发展。	手术伤口图像	计算机视觉，数字病理学	手术部位感染	深度学习	多模态大型语言模型（MLLM）	图像	包含686张手术伤口图像，由三位专业外科医生注释了八个细粒度临床属性。	NA	WoundQwen	NA	NA
1603	2026-08-20	Integrating multimodal data and deep learning for functional assessment and rehabilitation prediction after cerebral hemorrhage 2026-May-15, Computer methods and programs in biomedicine IF:4.9Q1 DOI:10.1016/j.cmpb.2026.109306 PMID:41793967	研究论文	本研究开发并验证了一种整合CT影像、临床数据和康复评估的多模态预测模型，用于同时预测脑出血后运动功能恢复和整体康复结果	首次将多模态数据（CT影像、临床和实验室特征）与深度学习和机器学习结合，同时预测脑出血后的运动恢复和整体功能结果，超越了单一模态模型的预测性能	未明确说明	开发并验证一种多模态预测模型，该模型整合CT影像、临床数据和康复评估，以同时预测脑出血后的运动恢复和整体康复结果	739名脑出血后接受康复治疗的患者（315名用于运动功能预测，424名用于康复结果评估）	数字病理学, 机器学习	脑出血	CT影像	3D-DenseNet、多层感知机（MLP）、梯度提升决策树（GBDT）	影像、临床数据、实验室数据	739名患者（315名用于运动功能预测，424名用于康复结果评估）	PyTorch, Scikit-learn	3D-DenseNet, 多层感知机, 梯度提升决策树, 支持向量回归, 随机森林, AdaBoost	AUC、F1分数、R²	未明确说明
1604	2026-08-20	An integrated AI-driven vaccine design process: a systematic review of workflows from generative design to translational prediction 2026-May-07, Immunologic research IF:3.3Q3 DOI:10.1007/s12026-026-09763-5 PMID:42095951	系统综述	本文基于PRISMA框架对2015至2024年间文献进行系统分析，综述了从抗原发现到临床转化的疫苗设计全流程中AI技术的整合情况，并提出了一个全面的集成式AI工作流程路线图。	首次系统性地整合了疫苗设计过程中从生成式设计到转化预测的各种AI技术，突出了从预测性AI向生成式AI的范式转变，并强调了集成工作流对于下一代疫苗开发的重要性。	文献综述仅限于2015至2024年间发表的19篇文章，可能遗漏某些新兴技术或非英语文献，且主要关注技术进展，对实际临床应用的效果评估不够深入。	为下一代疫苗发现和大流行病应对提供AI技术集成应用的战略路线图，促进从抗原发现到临床转化的无缝衔接。	疫苗设计过程中的各种AI技术及应用，包括抗原发现、表位预测、结构建模、新抗原设计、分子动力学模拟等。	机器学习	传染病	人工智能（生成式AI、深度学习、分子动力学模拟、数字孪生）	Transformer模型、蛋白质语言模型、AlphaFold2、生成对抗网络	文献数据	19篇文献	不适用	Transformer、蛋白质语言模型、AlphaFold2	不适用	不适用
1605	2026-08-20	Deep Learning Analysis Based on Dual-energy CT-Derived Iodine Map for Predicting PD-L1 Expression in Gastric Cancer: A Multicenter Study 2026-04, Academic radiology IF:3.8Q1 DOI:10.1016/j.acra.2025.12.033 PMID:41547630	研究论文	本研究探讨了基于双能CT碘图的深度学习分析在预测胃癌中PD-L1表达水平的价值，通过多中心数据验证了模型的有效性。	首次利用双能CT衍生的碘图结合深度学习预测胃癌PD-L1表达，并开发了融合临床特征的模型，提高了预测性能。	未提及明确的局限性。	评估基于双能CT碘图的深度学习模型在非侵入性预测胃癌PD-L1表达中的价值。	胃癌患者，共267例，来自多个中心，均接受胃切除术和术前双能CT检查。	医学影像分析、深度学习	胃癌	双能CT成像	残差网络（ResNet）	医学影像（碘图图像）	267例胃癌患者，分为训练集（143例）、内部验证集（60例）和外部验证集（64例）。	未明确，但使用了机器学习方法	50层残差网络	AUC、校准度、临床实用性	未明确
1606	2026-08-20	Clinically significant prostate cancer detection with deep learning in a multi-center magnetic resonance imaging study 2026-Mar-26, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-42214-7 PMID:41888535	研究论文	本研究提出一种基于深度学习的AI方法，利用MRI数据检测临床显著性前列腺癌，并在多中心数据集上验证其性能	使用3D EfficientNet-B7和堆叠元学习器集成多模型，结合迁移学习和合成ADC图的数据增强策略，提高检测准确性	未提及具体限制	提高临床显著性前列腺癌的早期检测准确性，利用AI和MRI技术改善诊断效果	临床显著性前列腺癌	机器学习, 医学影像	前列腺癌	MRI	CNN（3D EfficientNet-B7）	MRI图像	超过9000个MRI会话，来自16个医疗中心	NA	EfficientNet-B7, nnUNet	AUC	NA
1607	2026-08-20	Deep Learning Based Multiomics Model for Risk Stratification of Postoperative Distant Metastasis in Colorectal Cancer 2026-03, Academic radiology IF:3.8Q1 DOI:10.1016/j.acra.2025.08.040 PMID:40912950	研究论文	开发基于深度学习的多组学模型，用于预测结直肠癌患者术后远处转移并评估生存预后	结合影像组学与病理组学，利用深度特征（ResNet-101）构建多组学模型，显著优于传统模型	未提及	预测结直肠癌术后远处转移并评估生存预后，建立风险分层模型	521名接受根治性手术的结直肠癌患者	计算机视觉, 数字病理学	结直肠癌	CT成像, HE染色	深度学习模型（ResNet-101）	医学图像（CT和HE染色切片）	521名患者（381名训练/内验证，140名外部验证）	NA	ResNet-101	AUC	NA
1608	2026-08-20	Performance of Machine Learning Models Based on Medical Imaging in Predicting the expression of PD-L1 and CD8+TILs in Thoracic cancer: A Systematic Review and Meta-Analysis 2026-03, Academic radiology IF:3.8Q1 DOI:10.1016/j.acra.2025.10.002 PMID:41206268	系统综述与荟萃分析	本研究系统综述并荟萃分析了基于医学影像的机器学习模型在预测胸部肿瘤中PD-L1表达和CD8+肿瘤浸润淋巴细胞（TILs）的性能	首次对基于医学影像的AI模型预测胸部肿瘤免疫微环境（尤其是PD-L1和CD8+TILs）的性能进行系统综述和荟萃分析，并探讨了多模态成像和深度学习模型的改进效果	研究间存在显著异质性（I²>75%），可能影响结果的通用性	评估基于医学影像的AI模型预测胸部肿瘤免疫微环境（PD-L1表达和CD8+TILs）的性能	胸部肿瘤（包括肺癌等）中的PD-L1表达和CD8+TILs	医学影像分析、机器学习	胸部肿瘤	医学影像（多模态成像）	机器学习模型（包括深度学习模型）	医学影像数据（如CT、PET等）	68项研究纳入，其中25项用于荟萃分析	NA	NA	AUC、灵敏度、特异度	NA
1609	2026-08-20	A Multi-view Deep Survival Combined Model for Predicting Stroke Recurrence in Symptomatic Intracranial Atherosclerosis 2026-03, Academic radiology IF:3.8Q1 DOI:10.1016/j.acra.2025.10.052 PMID:41242896	研究论文	本研究开发了一种多视图深度生存组合模型，用于预测症状性颅内动脉粥样硬化患者的卒中复发风险	结合视觉Transformer、影像组学和DeepSurv生存分析，扩展传统Cox比例风险模型的建模能力，实现自动化的多视图深度特征学习	未在摘要中明确说明局限性	开发并验证一种基于HR-VWI图像的多视图深度生存组合模型，以提高症状性颅内动脉粥样硬化患者卒中复发风险的预测准确性	363例来自2个医疗机构的症状性颅内动脉粥样硬化患者的HR-VWI图像	医学影像分析	脑血管疾病	高分辨率血管壁成像(HR-VWI)	视觉Transformer、DeepSurv	磁共振图像	363例患者（79例复发，284例未复发），分为训练/验证集(n=290)和测试集(n=73)	NA	视觉Transformer、DeepSurv	C-index、时间依赖性ROC曲线、AUC、决策曲线分析、校准曲线	NA
1610	2026-08-20	Integrating Deep Feature Extraction and MRI Radiomics for Survival Prediction in Breast Cancer After Neoadjuvant Chemotherapy 2026-03, Academic radiology IF:3.8Q1 DOI:10.1016/j.acra.2025.10.050 PMID:41253608	研究论文	本研究提出一种整合深度学习特征提取与MRI影像组学的多模态Cox模型，用于乳腺癌新辅助化疗后的生存预测	与以往主要聚焦单模态输入或短期终点（如病理完全缓解）的研究不同，本研究创新性地整合了临床特征、病理组学特征、深度学习病理特征（通过ResNet50）和多参数MRI影像组学数据，构建多模态Cox模型预测长期生存	摘要中未明确提及研究局限性	开发更精确的预后工具，以优化乳腺癌新辅助化疗患者的临床决策	216名完成新辅助化疗的乳腺癌患者	医学影像分析，数字病理学，机器学习	乳腺癌	磁共振成像（MRI），病理图像分析	Cox模型，卷积神经网络（CNN）	临床数据，病理图像，MRI影像	216名乳腺癌患者	NA	ResNet50	AUC，校准曲线，决策曲线分析	NA
1611	2026-08-20	Evaluating the Diagnostic Accuracy of Artificial Intelligence in Spondylolisthesis Detection: A Systematic Review and Meta-analysis 2026-03, Academic radiology IF:3.8Q1 DOI:10.1016/j.acra.2025.11.002 PMID:41290429	系统综述与荟萃分析	评估人工智能在椎体滑脱检测中的诊断准确性，并汇总现有证据	首次通过系统综述和荟萃分析评估AI模型在椎体滑脱检测中的诊断准确性，包括多种成像模态，并通过随机效应模型进行统计分析	研究间存在显著异质性，需要标准化研究以增强结果可靠性	综合评估AI模型在椎体滑脱检测中的诊断性能，并探讨其作为临床辅助工具的潜力	椎体滑脱患者，涉及多种成像模态（如MRI和X线）	机器学习, 医学影像分析	椎体滑脱	NA	深度学习模型	医学图像	24项研究，其中21项用于荟萃分析，共8029个观察数据	NA	FAR网络, YOLOv8	敏感性, 特异性, AUC	NA
1612	2026-08-20	Advancing Stroke Diagnosis: A Comprehensive Review of Artificial Intelligence in Detecting Early Ischemic Changes on Noncontrast CT (NCCT) 2026-03, Academic radiology IF:3.8Q1 DOI:10.1016/j.acra.2025.11.015 PMID:41290431	综述	本文综述了人工智能在非对比CT图像上检测早期缺血性改变的应用，重点关注自动计算ASPECTS和基于深度学习的检测方法。	系统总结了AI在NCCT上检测EIC的两大发展方向：自动ASPECTS计算和深度学习方法，并强调其在资源有限环境中的辅助诊断潜力。	现有AI模型存在性能指标不一致、缺乏大规模外部验证、对细微病变的检测仍受限于数据质量和标注差异。	评估AI在急性缺血性卒中NCCT图像上检测早期缺血性改变的现状、方法论和未来方向，以改善患者管理和临床决策。	急性缺血性卒中患者的非对比CT图像及早期缺血性改变特征。	医学影像分析	急性缺血性卒中	计算机断层扫描（CT）	机器学习、深度学习（如卷积神经网络）	非对比CT图像	不适用（综述文章，未涉及具体样本）	未提及	未提及	准确性、敏感性、特异性、Dice系数等（原文未具体列出，此处基于综述内容推测）	未提及
1613	2026-08-20	Enhancing Pediatric Fracture Detection: Multicenter Evaluation of a Deep Learning AI Model and Its Impact on Radiologist Performance 2026-03, Academic radiology IF:3.8Q1 DOI:10.1016/j.acra.2025.11.022 PMID:41320594	研究论文	本研究评估了深度学习AI模型在儿科骨折检测中的效能，并分析了AI辅助对放射科医生诊断表现的影响。	首次在美国4个影像中心对深度学习AI模型在儿科骨折检测中的多中心评估，并量化了AI辅助对放射科医生诊断准确性和速度的提升。	文章未在摘要中明确提及局限性，可能需要阅读全文获取相关信息。	评估深度学习AI模型在儿科骨折检测中的独立性能，以及AI辅助对放射科医生诊断准确性和效率的影响。	儿科骨折患者，包括不同年龄、性别、解剖部位和骨折类型。	计算机视觉	骨折	深度学习	卷积神经网络	影像数据	研究第一阶段含3016张儿科肌肉骨骼放射影像，来自4个影像中心；第二阶段含189例病例。	NA	卷积神经网络	准确率、灵敏度、特异度	NA
1614	2026-08-20	Deep Learning-Based Cardiac MRI Planning from Localizers to Cine Views Using Landmark Detection 2026-03, Academic radiology IF:3.8Q1 DOI:10.1016/j.acra.2025.11.028 PMID:41353071	研究论文	本研究评估了一种基于深度学习的全自动心脏MRI规划框架，利用标志点检测技术提高规划效率和准确性。	提出了一种全自动化的深度学习框架，用于心脏MRI规划，通过标志点检测提高规划精度。	未明确提及局限性。	评估自动化深度学习框架在心脏MRI规划中的效率和准确性，以提升临床工作流程。	心脏MRI数据，包括冠状面、矢状面、轴向定位像以及短轴和长轴电影图像。	医学影像分析	NA	NA	深度学习模型（具体类型未提及）	影像数据（磁共振成像）	1023名患者（年龄8-90岁）的心脏MRI数据	NA	NA	中位标志点距离、平面角度差异	NA
1615	2026-08-20	Deep Learning Radiomics Based on Preoperational Ultrasound Images for Predicting Ipsilateral Ischemic Stroke in Patients with Carotid Artery Stenting: A Multicenter Study 2026-03, Academic radiology IF:3.8Q1 DOI:10.1016/j.acra.2025.12.006 PMID:41455622	研究论文	本研究开发并验证了一种整合临床、影像组学和深度学习特征的模型，用于预测颈动脉支架植入术后患者的同侧缺血性卒中风险	首次基于术前超声图像结合深度学习影像组学与临床特征，构建多中心验证的预测模型用于颈动脉支架术后长期卒中风险分层	未提及	开发并验证一种整合临床、影像组学和深度学习特征的模型，以预测颈动脉支架植入术后长期同侧缺血性卒中的风险	接受颈动脉支架植入术的患者	医学影像分析	缺血性卒中	超声成像	Cox回归与随机生存森林	超声图像及临床数据	802例患者，来自三个中心（2018-2024年）	NA	NA	C指数，Kaplan-Meier分析	NA
1616	2026-08-20	Deep Learning Image Reconstruction Improves Image Quality in Dual-Low Dose Dual-Energy CT Portal Venography Compared to Adaptive Iterative Image Reconstruction Algorithm-Veo 2026-03, Academic radiology IF:3.8Q1 DOI:10.1016/j.acra.2025.11.047 PMID:41484021	研究论文	本研究比较了深度学习图像重建（DLIR）与自适应统计迭代重建（ASIR-V）在双低剂量双能CT门静脉成像中的图像质量表现，发现DLIR能显著提高图像质量	首次在双低剂量双能CT门脉成像中评估DLIR性能，并系统比较了多个门静脉血管段的图像质量	研究未提及具体局限性，但可能包括样本量有限、单中心设计或缺乏长期随访数据	比较DLIR和ASIR-V在双低剂量DE-CTPV中的图像质量，重点关注门静脉系统的多个血管段	接受双能CT门静脉成像的患者，包括门静脉主干、左/右门静脉、脾静脉和肠系膜上静脉	医学影像	肝脏疾病（肝移植相关评估）	双能CT门静脉成像	深度学习图像重建（DLIR）	CT图像	未提供具体患者数量，但涉及多血管段评估	NA	DLIR-M、DLIR-H和ASIR-V	图像噪声、对比噪声比（CNR）、信噪比（SNR）、主观评分（包括整体图像质量、图像噪声、血管边缘锐度、诊断信心）	NA
1617	2026-08-20	Pixel-level Radiomics and Deep Learning for Predicting Ki-67 Expression in Breast Cancer Based on Dual-modal Ultrasound Images 2026-03, Academic radiology IF:3.8Q1 DOI:10.1016/j.acra.2025.12.047 PMID:41539915	研究论文	本研究开发了一种基于像素级放射组学和双模态超声图像的深度学习模型，用于预测乳腺癌中Ki-67的表达水平	引入像素级放射组学特征图与超声图像整合的新型深度学习方法，结合Vision-Mamba架构，提高了预测准确性	摘要中未明确提及局限性	开发深度学习模型，基于二维和应变弹性超声图像预测乳腺癌Ki-67表达，辅助个体化治疗决策	乳腺癌患者的二维超声和应变弹性超声图像，以及相关临床数据	医学影像分析、深度学习	乳腺癌	超声成像（二维和应变弹性成像）、像素级放射组学	深度学习模型（Vision-Mamba）	超声图像、临床数据、放射组学特征图	共1031例乳腺癌患者，分为训练集（616例）、内部验证集（265例）、外部测试集（150例），另加63例前瞻性验证患者	未指定	Vision-Mamba	ROC曲线下面积（AUC）、校准曲线、决策曲线分析（DCA）	未指定
1618	2026-08-20	Generalizable Deep Learning for Prostate Cancer Risk Stratification: Multicenter Study Integrating 18F-PSMA-1007 PET/CT and mpMRI 2026-03, Academic radiology IF:3.8Q1 DOI:10.1016/j.acra.2025.12.050 PMID:41547629	研究论文	本研究开发了一种少样本深度学习模型（CL-MGNET），整合多模态影像和临床数据，以预测前列腺癌高风险生物学特征，并在多中心研究中验证其泛化能力	提出了一种专门设计的少样本深度学习网络CL-MGNET，在仅有30例训练数据的情况下，通过融合PET/CT、mpMRI和临床变量，显著提升了对高风险前列腺癌特征（ISUP分级、EPE和PSM）的预测性能，且优于单模态模型和临床模型	摘要中未明确提及局限性	开发并验证一个少样本深度学习模型，用于整合多模态影像和临床数据预测前列腺癌高风险生物学特征，以改善诊断和风险分层	前列腺癌患者	医学影像分析	前列腺癌	PET/CT成像、多参数MRI	少样本深度学习网络	图像（PET/CT、mpMRI）和临床变量	377例患者，其中341例来自初始医疗中心（A中心），36例来自独立外部验证队列（B中心）	NA	CL-MGNET	AUC	NA
1619	2026-08-20	Deep Learning-Enhanced Diffusion-Weighted Imaging of the Abdomen at 0.55 T: Image Quality and Apparent Diffusion Coefficient Calculation Interchangeability in Healthy Volunteers 2026-03, Academic radiology IF:3.8Q1 DOI:10.1016/j.acra.2025.11.039 PMID:41391962	研究论文	本研究评估了深度学习增强的0.55 T腹部扩散加权成像的技术可行性、图像质量和表观弥散系数可靠性	首次在低场强（0.55 T）下应用深度学习超分辨率重建技术，提高腹部DWI图像质量和采集速度，同时保证ADC值的可互换性	样本量较小，仅包含健康志愿者，未包含患者群体，且未评估诊断性能	评估深度学习增强的0.55 T腹部DWI的图像质量和ADC计算可靠性	33名健康志愿者的腹部MRI图像，包括肝脏、脾脏和胸椎椎体	医学影像	不适用（健康志愿者）	扩散加权成像（DWI）	深度学习超分辨率重建模型	MRI图像	33名健康志愿者（平均年龄30±4岁，13名男性）	NA	超分辨率重建网络（具体架构未指定）	图像质量评分（Likert量表）、信噪比、ADC值、相关系数、Bland-Altman分析	NA
1620	2026-08-20	A RRA Perspective on AI and Machine Learning Applications in Radiology: From Experimental to Clinically Viable Solutions 2026-03, Academic radiology IF:3.8Q1 DOI:10.1016/j.acra.2025.11.021 PMID:41781091	综述	本文是放射学研究联盟（RRA）关于新兴技术七部分系列综述的第一篇，探讨了人工智能和机器学习在放射学中的诊断解读、工作流程优化和报告生成三个领域的应用，并讨论了其从实验阶段向临床可行解决方案的转变。	从RRA视角系统综述AI和ML在放射学中的三类应用，强调放射科医生与AI协作的最佳效果，并突出向临床可行技术的转变。	综述中提及挑战包括性能不稳定、泛化能力有限和工作流程整合障碍，但未详细阐述具体解决方案或量化比较。	评估AI和ML在放射学中的应用现状，并探讨其从实验性创新向临床可行技术的过渡。	AI和ML在放射学中的应用，涵盖诊断解读、工作流程优化和报告生成。	医学影像	不适用	深度学习、多模态大型语言模型、自然语言处理	大型语言模型、深度学习模型	不明确（可能涉及影像、文本）	不适用（综述论文）	NA	NA	准确性、效率、报告质量	NA