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
1841	2026-03-13	Comparison of deep learning reconstruction and iterative reconstruction algorithms for virtual monoenergetic image quality in overweight and obese patients with triple-low scan protocol dual-energy carotid computed tomography angiography 2026-Mar-01, Quantitative imaging in medicine and surgery IF:2.9Q2 DOI:10.21037/qims-2025-856 PMID:41816026	研究论文	本研究比较了深度学习重建算法与迭代重建算法在超重和肥胖患者中，采用三低扫描协议的双能颈动脉CT血管成像虚拟单能图像质量的效果	首次在超重和肥胖患者中，结合三低扫描协议（低辐射剂量、低对比剂用量、低注射速率）和双能CT血管成像，评估了高设置深度学习图像重建算法在提升虚拟单能图像质量方面的潜力	样本量相对较小（62名患者），且研究仅针对特定BMI范围（>25 kg/m²）的患者，结果可能无法推广到所有人群	评估高设置深度学习图像重建算法在降低辐射剂量和对比剂用量的同时，改善超重和肥胖患者颈动脉CT血管成像图像质量的有效性	超重和肥胖患者（BMI >25 kg/m²）的颈动脉血管	医学影像分析	心血管疾病	双能CT血管成像，虚拟单能图像重建	深度学习图像重建算法	CT图像	62名患者	NA	NA	有效剂量，对比剂剂量，CT值，标准差，对比噪声比，信噪比	NA
1842	2026-03-13	Prediction of tumor grade in endometrioid carcinoma using a deep learning radiomics model from ultrasound images: a multicenter study 2026-Mar-01, Quantitative imaging in medicine and surgery IF:2.9Q2 DOI:10.21037/qims-2025-1932 PMID:41816038	研究论文	本研究开发并验证了一种基于术前经阴道超声图像的深度学习放射组学模型，用于无创区分子宫内膜样腺癌的肿瘤分级	结合了深度学习自动特征提取和放射组学量化肿瘤异质性的优势，构建了深度学习放射组学模型，用于从常规超声图像中挖掘预后信息	研究样本量相对有限，且为回顾性多中心研究，可能存在选择偏倚	开发并验证一种基于术前经阴道超声图像的深度学习放射组学模型，用于子宫内膜样腺癌肿瘤分级的无创区分	子宫内膜样腺癌患者	数字病理学	子宫内膜癌	经阴道超声	深度学习, 机器学习	图像	训练队列297例（来自8个中心），外部测试队列129例（来自3个独立中心）	XGBoost, PyTorch（推断自ResNet-50）	ResNet-50	AUC, ROC曲线分析, 决策曲线分析	NA
1843	2026-03-13	Deep learning-assisted prediction of hydrocephalus in preoperative-subarachnoid hemorrhage: a multi-center study 2026-Mar-01, Quantitative imaging in medicine and surgery IF:2.9Q2 DOI:10.21037/qims-2025-994 PMID:41816050	研究论文	本研究开发了一种基于深度学习的模型DeepSH，用于预测蛛网膜下腔出血后迟发性脑积水的发生	结合超分辨率生成对抗网络和影像组学模型，构建了多中心、多模态的预测框架，显著提升了预测性能	研究仅基于中国三家医院的数据，样本量相对有限，且未进行长期随访验证	预测蛛网膜下腔出血患者迟发性脑积水的发生，以辅助早期临床决策	861名蛛网膜下腔出血患者的非增强CT图像及临床特征	医学影像分析	脑血管疾病	非增强CT成像	CNN, GAN, 传统机器学习模型	医学影像（CT图像）	861名患者	NA	SRGAN, 支持向量机	ROC曲线下面积, 校准曲线, 决策曲线分析	NA
1844	2026-03-13	Automated segmentation and quantitative measurement of cervical nerves in ultrasound images using an SZJ-SEG-based deep learning framework 2026-Mar-01, Quantitative imaging in medicine and surgery IF:2.9Q2 DOI:10.21037/qims-2025-aw-2434 PMID:41816069	研究论文	本研究开发了一种基于深度学习框架SZJ-SEG的智能全自动系统，用于超声图像中颈神经的精确分割和定量测量	提出了一种结合YOLOv11网络进行有效成像区域定位和OCR模块自动提取深度尺度信息的全自动分析框架，并设计了基于ResNet50骨干网络、结合Deconv Block和高效上采样卷积块（EUCB）的新型分割网络SZJ-SEG，在保证高分割精度的同时降低了计算成本	研究仅基于200名健康志愿者的数据，未涉及病理状态下的颈神经图像，可能限制了模型在疾病诊断中的泛化能力	开发一个智能、全自动的系统，用于超声图像中颈神经的精确分割和定量测量，以辅助超声引导神经阻滞、术前评估和周围神经病变诊断	颈神经（特别是C5-C7神经根）在超声图像中的形态结构	计算机视觉	周围神经病变	超声成像	CNN	图像	200名健康志愿者的117,729张超声图像	NA	YOLOv11, ResNet50, SZJ-SEG	mIoU, MAE, MAPE, Pearson相关系数	NA
1845	2026-03-13	Association between CT-based adrenal gland volume and 10-year cardiovascular disease risk in patients with diabetes mellitus 2026-Mar-01, Quantitative imaging in medicine and surgery IF:2.9Q2 DOI:10.21037/qims-2025-2027 PMID:41816070	研究论文	本研究探讨了糖尿病患者肾上腺体积与10年心血管疾病风险之间的关联	首次使用基于深度学习的nnU-Net算法从非增强CT图像中自动测量肾上腺体积，并评估其与Framingham风险评分及高心血管疾病风险的相关性	研究为回顾性设计，样本量相对较小（223例），且仅限于糖尿病患者，可能限制结果的普适性	探究肾上腺体积与糖尿病患者10年心血管疾病风险之间的关联	223名无既往心血管疾病的糖尿病患者（年龄30-74岁）	数字病理学	心血管疾病	非增强计算机断层扫描（CT）	深度学习	医学影像（CT图像）	223名糖尿病患者	nnU-Net	nnU-Net	AUC, 敏感性, 特异性	NA
1846	2026-03-13	An interpretable cascaded residual iterative network for sparse-view spectral CT imaging 2026-Mar-01, Quantitative imaging in medicine and surgery IF:2.9Q2 DOI:10.21037/qims-2025-1895 PMID:41816077	研究论文	本研究提出了一种可解释的级联残差迭代网络（ICRIN），用于稀疏视图能谱CT成像，以解决图像重建和材料分解中的挑战	ICRIN是一个通用的迭代框架，集成了物理模型驱动、压缩感知和数据驱动的先验知识，并采用残差迭代机制和Transformer注意力模块来增强特征提取，同时通过可解释的目标函数和反馈机制优化能谱图像和分解材料	未明确提及具体局限性，但可能包括对计算资源的需求或模型在更广泛数据集上的泛化能力验证	建立一个通用的框架，用于整合多场景能谱成像问题，同时处理能谱成像中的一系列依赖任务	能谱CT图像重建和材料分解	计算机视觉	NA	能谱CT成像	深度学习网络	CT图像	8名患者的数值模拟和126个小鼠切片的真实临床前实验	NA	级联残差迭代网络（ICRIN），结合Transformer注意力模块	峰值信噪比（PSNR），结构相似性指数（SSIM）	NA
1847	2026-03-13	Developing a segmentation cascade deep learning network based on automated prompts 2026-Mar-01, Quantitative imaging in medicine and surgery IF:2.9Q2 DOI:10.21037/qims-2025-1163 PMID:41816085	研究论文	本研究提出了一种基于自动提示的两阶段深度学习级联框架，用于提高鼻咽癌大体肿瘤体积（GTVnx）自动分割的准确性	通过策略性地将粗定位与边界细化解耦，并引入定位提示生成单元和精细分割单元，结合注意力引导机制，显著提升了分割精度，同时保持了计算效率	研究仅基于276名鼻咽癌患者的数据集，样本量相对有限，且未在更广泛的多中心数据上进行验证	开发一种高精度、高效率的鼻咽癌大体肿瘤体积自动分割方法	鼻咽癌（NPC）患者的大体肿瘤体积（GTVnx）	数字病理	鼻咽癌	深度学习	CNN	医学影像	276名鼻咽癌患者	NA	级联网络，包含定位提示生成单元和精细分割单元	Dice相似系数（DSC），95%豪斯多夫距离（HD95），平均一致性距离（MDA）	NA
1848	2026-03-13	Machine Learning-Based Risk Prediction Models for Pregnancy-Related Syndromes 2026-Mar, Birth defects research IF:1.6Q4 DOI:10.1002/bdr2.70038 PMID:41817044	综述	本文综述了机器学习在产科护理中的应用，特别是针对妊娠相关综合征的风险预测模型	整合了多模态数据（如电子健康记录、生化标志物、多组学和影像），并采用了联邦学习保护隐私和偏差缓解策略以提高模型在不同人群中的泛化能力	需要外部验证和监管框架以确保临床采用	开发和应用机器学习模型以预测和预防妊娠相关综合征，改善围产期结局	妊娠相关综合征，如高血压疾病、妊娠期糖尿病和早产	机器学习	妊娠相关综合征	多模态数据整合（电子健康记录、生化标志物、多组学、影像）	集成方法（如随机森林、XGBoost）、深度学习（如CNN）	多模态数据（电子健康记录、生化标志物、多组学、影像）	NA	NA	随机森林, XGBoost, CNN	AUC	NA
1849	2026-03-13	Prediction of bacterial protein-compound interactions with only positive samples 2026-Feb-28, Bioinformatics (Oxford, England) DOI:10.1093/bioinformatics/btag067 PMID:41706651	研究论文	本文提出了一种名为BIN-PU的新型正样本-未标记学习框架，用于仅使用正样本预测细菌蛋白质-化合物相互作用	提出BIN-PU框架，通过从已知正相互作用数据生成伪正负标签，解决了细菌CPI预测中缺乏负样本的问题	未明确说明模型在其他类型细菌蛋白质或更广泛化合物库上的泛化能力	开发一种仅使用正样本的细菌蛋白质-化合物相互作用预测方法	细菌蛋白质（如细胞色素P450）与化合物的相互作用	机器学习	NA	深度学习	深度学习模型	相互作用数据	使用细菌细胞色素P450数据、文献综述获得的额外细菌蛋白质、人类CYP数据集以及未整理数据进行验证	NA	NA	NA	NA
1850	2026-03-13	Bridging innovation and clinical reality: Interpreting the comparative study of deep learning models for multi-class upper gastrointestinal disease segmentation 2026-Feb-28, World journal of gastroenterology IF:4.3Q1 DOI:10.3748/wjg.v32.i8.115297 PMID:41809884	评论	本文评论了一项关于深度学习模型在上消化道疾病多类别分割中的比较研究，强调其从技术突破向临床验证的关键转变	该研究首次进行了最全面的深度学习模型比较，使用了一个新颖的3313张图像、九类临床数据集，并提出了面向临床部署的验证框架	NA	加速安全、可泛化且符合伦理的自动化内窥镜辅助系统的临床采用	上消化道疾病的多类别分割	计算机视觉	上消化道疾病	NA	深度学习模型	图像	3313张图像，包含九类临床数据，以及公开的EDD2020基准数据集	NA	Swin-UMamba-D, SegFormer	分割准确性	NA
1851	2026-03-13	Enhanced CT-based deep learning radiomics and biological correlations for predicting immunotherapy efficacy in advanced non-small cell lung cancer 2026-Feb-28, Translational cancer research IF:1.5Q4 DOI:10.21037/tcr-2025-aw-2287 PMID:41815118	研究论文	本研究构建了一个结合临床特征、增强CT影像组学和深度学习特征的预测模型，用于评估晚期非小细胞肺癌患者免疫治疗的持久临床获益	整合临床特征、增强CT影像组学特征和深度学习特征，并利用放射基因组数据提供预测的生物学解释	研究为回顾性分析，样本量有限（201名患者），且数据部分来源于公共数据库	预测晚期非小细胞肺癌患者免疫治疗的疗效	晚期非小细胞肺癌患者	数字病理学	肺癌	增强CT成像，转录组测序	深度学习，影像组学	CT图像，临床数据，转录组数据	201名晚期非小细胞肺癌患者	PyTorch（推断自ResNet使用），Scikit-learn（推断自LASSO使用）	ResNet-34	AUC	NA
1852	2026-03-13	Multi-parameter magnetic resonance imaging (MRI) deep learning radiomics predicts complete response after induction immunochemotherapy in locally advanced nasopharyngeal carcinoma 2026-Feb-28, Translational cancer research IF:1.5Q4 DOI:10.21037/tcr-2025-1945 PMID:41815125	研究论文	本研究开发并验证了一个多模态融合模型，结合传统MRI影像组学特征与深度学习影像组学特征，用于预测局部晚期鼻咽癌患者在接受诱导免疫化疗后早期达到完全缓解的可能性	首次将传统MRI影像组学特征与深度学习影像组学特征进行多模态融合，以预测局部晚期鼻咽癌患者诱导免疫化疗后的完全缓解，为个性化治疗决策提供新工具	研究为单中心回顾性分析，样本量相对有限（230例），且缺乏外部验证队列，未来需要多中心前瞻性研究进一步验证模型的泛化能力	开发并验证一个能够预测局部晚期鼻咽癌患者在接受诱导免疫化疗后早期达到完全缓解的预测模型	局部晚期鼻咽癌患者	数字病理学	鼻咽癌	多参数磁共振成像	机器学习算法	MRI图像	230例经活检确诊的局部晚期鼻咽癌患者	NA	NA	AUC, 95%置信区间, 决策曲线分析	NA
1853	2026-03-13	Metastatic patterns, prognostic factors, and deep learning model development in primary gastrointestinal melanoma: a retrospective cohort analysis 2026-Feb-28, Translational cancer research IF:1.5Q4 DOI:10.21037/tcr-2025-1701 PMID:41815154	研究论文	本研究通过回顾性队列分析，探讨了原发性胃肠道黑色素瘤的转移模式、预后因素，并开发了深度学习模型用于预测生存率	首次系统分析了原发性胃肠道黑色素瘤的转移模式和预后因素，并开发了深度学习模型进行生存预测	研究基于回顾性数据库（SEER），可能存在选择偏倚，且未详细说明深度学习模型的具体架构	调查原发性胃肠道黑色素瘤的转移模式、预后因素，并开发预测总体生存率和癌症特异性生存率的深度学习模型	原发性胃肠道黑色素瘤患者	数字病理学	黑色素瘤	回顾性队列分析，Cox回归分析	深度学习模型	临床数据	来自SEER数据库的患者队列，具体数量未明确说明，但分为发现队列（80%）和验证队列（20%）	NA	NA	AUC	NA
1854	2026-03-13	A multimodal fusion model for bone tumor benign and malignant diagnosis: development and validation with clinical text and radiographs 2026-Feb-28, Translational cancer research IF:1.5Q4 DOI:10.21037/tcr-2025-1832 PMID:41815162	研究论文	本研究开发并验证了一种融合深度学习与Dempster-Shafer证据理论的多模态模型，用于术前区分良性与中间型/恶性骨肿瘤	首次将深度学习与Dempster-Shafer证据理论结合，融合临床文本和X射线图像进行骨肿瘤良恶性诊断，相比单模态方法和其他基线融合模型性能更优	单中心回顾性研究，样本量有限（319例），需多中心前瞻性研究进一步验证	开发并验证一种精确的术前诊断工具，用于区分良性与中间型/恶性骨肿瘤	319例经病理确诊的骨肿瘤患者	数字病理	骨肿瘤	深度学习, Dempster-Shafer证据理论	多模态融合模型	文本, 图像	319例患者（含文本数据和X射线图像）	NA	NA	AUC, 准确率, 精确率, 召回率, F1分数	NA
1855	2026-03-13	Narrative review: the research advances of artificial intelligence in the prediction of pulmonary nodule growth 2026-Feb-28, Journal of thoracic disease IF:2.1Q3 DOI:10.21037/jtd-2025-1580 PMID:41816407	综述	本文是一篇叙述性综述，总结了人工智能在预测CT图像上肺结节生长方面的研究进展、模型性能比较以及临床转化中的关键挑战与未来方向	系统综述了AI在肺结节生长预测中的三类工作流程（基线CT模型、纵向CT模型、基于生长相关替代指标的模型），并强调了可解释AI框架在识别关键特征、提升模型可信度方面的新兴作用	现有模型多为回顾性、单中心研究，使用异质性协议和非标准化的生长定义，缺乏外部或前瞻性验证，限制了其普适性；同时面临PACS集成、敏感性与特异性平衡、过度诊断和假性进展等实际挑战	总结当前基于人工智能的方法在CT上预测肺结节生长的研究，比较模型性能，并讨论临床转化的关键挑战和未来方向	肺结节	数字病理	肺癌	动态计算机断层扫描（CT）	机器学习（ML）、深度学习（DL）	CT图像	NA	NA	NA	NA	NA
1856	2026-03-13	Narrative review of the ethics of artificial intelligence: are we ready for artificial intelligence in surgery? 2026-Feb-28, Journal of thoracic disease IF:2.1Q3 DOI:10.21037/jtd-2025-1814 PMID:41816458	综述	本文探讨了人工智能在手术领域应用中的伦理挑战，并评估了手术界在机构和个人层面应对这些问题的准备情况	系统性地回顾了人工智能在手术全流程中的应用及其伴随的伦理问题，强调了算法偏见、透明度、知情同意和责任归属等关键挑战	基于有限文献（2018-2025年间14项关键研究）的回顾，可能未涵盖所有最新进展或伦理争议	评估手术界对人工智能伦理挑战的准备程度，并探讨其应用中的伦理原则	人工智能在手术护理中的应用及其伦理影响	NA	NA	NA	深度学习	NA	NA	NA	NA	NA	NA
1857	2026-03-13	Transforming lung transplantation with artificial intelligence: a narrative review from organ allocation to post-transplant management 2026-Feb-28, Journal of thoracic disease IF:2.1Q3 DOI:10.21037/jtd-2025-aw-2395 PMID:41816476	综述	本文综述了人工智能在肺移植全流程中的应用现状、技术机制及未来生态系统，涵盖器官分配、手术辅助、并发症预测和个性化用药管理	全面评估AI在肺移植从器官分配到术后管理各阶段的应用潜力，并强调构建基于FAIR原则的数据生态系统以推动临床整合	数据质量异质性、模型可解释性不足以及临床整合复杂性是阻碍AI广泛应用的主要障碍	评估人工智能在肺移植临床路径中的应用现状、技术机制及未来发展方向	肺移植的临床流程，包括器官分配、手术过程及术后管理	数字病理学	肺移植相关疾病	NA	机器学习, 深度学习	时间序列数据, 图像数据	NA	NA	NA	NA	NA
1858	2026-03-13	AI and Wearables for Early Detection of Cognitive Impairment and Dementia: Systematic Review 2026-Feb-23, Journal of medical Internet research IF:5.8Q1 DOI:10.2196/86262 PMID:41730193	系统综述	本文系统综述了可穿戴设备和人工智能在认知障碍和痴呆早期检测中的应用，评估了设备类别、认知结局、分析方法和预防相关性	从描述性关联转向数字表型框架，评估临床前窗口期人工智能驱动的预测，区分直接预测证据与间接相关发现，并批判性评估方法学成熟度	样本量小、监测持续时间短、外部验证有限，且由于设备、结局和分析方法的异质性，无法进行定量荟萃分析	综合并批判性评估可穿戴设备在认知障碍和痴呆早期检测和预防中的最新证据	年龄≥50岁的人类参与者，使用可穿戴设备连续收集≥24小时数据，并具有经过验证的认知结局	数字病理学	老年疾病	可穿戴设备连续监测（睡眠、身体活动、昼夜节律）	机器学习, 深度学习	连续可穿戴衍生数据（行为标记）	49项研究，样本量范围14至91,948名参与者（总计>200,000），中位样本量145	NA	NA	曲线下面积（AUC）	NA
1859	2026-03-13	Balanced deep learning on multi-omics networks identifies molecular subgroups of pathological brain aging 2026-Feb-19, medRxiv : the preprint server for health sciences DOI:10.64898/2026.02.18.26346567 PMID:41757211	研究论文	本研究开发了一种网络引导的多组学整合框架，用于识别病理性脑老化的分子亚群	结合数据驱动的分子网络与多组学数据，通过图嵌入、特征平衡和自编码器学习，系统识别出与认知和神经病理学显著相关的五个分子亚群	研究基于特定队列（ROS/MAP），样本量相对有限，且未在更广泛的外部数据集中验证	识别神经退行性疾病（特别是阿尔茨海默病）的分子亚群，以超越临床诊断，揭示疾病异质性	来自宗教秩序研究和拉什记忆与衰老项目（ROS/MAP）的356名参与者的脑转录组、蛋白质组和代谢组数据	机器学习	阿尔茨海默病	转录组学、蛋白质组学、代谢组学、图嵌入	自编码器	多组学网络数据	356名参与者（发现队列），327名参与者（验证队列）	NA	自编码器	Spearman相关系数	NA
1860	2026-03-13	Coupling Remote Sensing and Artificial Intelligence: Mapping Hydrological Variables with GEE and Predicting Surface-water Extent with Neural Networks 2026-Feb-18, Environmental management IF:2.7Q3 DOI:10.1007/s00267-026-02404-5 PMID:41706178	研究论文	本研究开发了一个名为RSAI的可重复计算工作流，结合Google Earth Engine和深度学习模型，用于绘制水文变量时空趋势并预测月度地表水范围	首次将Google Earth Engine与深度学习模型耦合，创建了一个可转移的工作流，用于数据有限地区的水文监测和预测	研究仅应用于阿尔及尔沿海盆地一个区域，需要更多地区验证其可转移性	开发一个可重复的工作流，用于水资源稀缺地区的水文监测和可靠预测	阿尔及尔沿海盆地(02 A)2001-2022期间的水文变量	机器学习	NA	遥感, 时间序列分析	ANN, DNN, LSTM	遥感时间序列数据	2001-2022期间月度数据	Google Earth Engine, 未指定深度学习框架	人工神经网络, 深度神经网络, 长短期记忆网络	相关系数(R), 平均绝对误差(MAE), 均方根误差(RMSE), 传播因子	未明确指定，但使用了Google Earth Engine平台