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
1881	2026-06-01	Automatic lateral ventricle and choroid plexus segmentation method in infant brain MR images 2026-04-03, BMC medical imaging IF:2.9Q2 DOI:10.1186/s12880-026-02335-x PMID:41933296	研究论文	提出一种用于婴儿脑MR图像中侧脑室和脉络丛分割的自动化深度学习方法	引入解剖感知损失函数，明确强制脉络丛位于侧脑室内的拓扑约束，无需手动标注即可确保解剖一致性	仅评估了T1加权MRI数据，未测试其他对比度序列；样本量相对较小（总n=206），且未探索对不同扫描仪或采集协议的可迁移性	实现婴儿脑MRI中侧脑室和脉络丛的联合精准分割，以支持脑脊液动力学和早期神经发育研究	婴儿脑MR图像中的侧脑室和脉络丛区域	数字病理学	神经发育疾病	MRI	深度学习	T1加权MR图像	公共数据集154例，内部回顾性数据集52例，共206例婴儿	NA	NA	Dice系数, 95%豪斯多夫距离, 平均对称表面距离	NA
1882	2026-06-01	Small-molecule binding and sensing with a designed protein family 2026-Mar-28, Nature communications IF:14.7Q1 DOI:10.1038/s41467-026-70953-8 PMID:41904144	研究论文	结合深度学习和物理方法设计小分子结合蛋白家族，并应用于传感器开发	首次将NTF2折叠与深度学习结合，设计出具有多样性和可设计性口袋几何结构的蛋白质家族，实现六种小分子靶标的计算设计，并利用皮质醇结合蛋白构建化学诱导二聚化系统用于生物传感器	未提及长期稳定性和体内应用验证	开发按需设计任意小分子传感器的通用平台	六种小分子靶标（包括皮质醇）及设计的蛋白质结合剂	蛋白质设计, 深度学习	NA	深度学习和物理方法	深度学习模型	蛋白质结构数据	六种小分子靶标	NA	NTF2折叠	纳摩尔至低微摩尔结合亲和力	NA
1883	2026-06-01	Segmentation and diagnosis of anterior cruciate ligament tear using deep learning and radiomics based on knee CT 2026-03-24, BMC medical imaging IF:2.9Q2 DOI:10.1186/s12880-026-02297-0 PMID:41877097	研究论文	基于膝关节CT使用深度学习和影像组学建立前交叉韧带撕裂的分割与诊断模型	首次基于膝关节CT而非MRI，结合深度学习和影像组学构建ACL分割与撕裂诊断模型	未提及外部验证的多样性及模型泛化性限制	建立ACL撕裂的CT分割与诊断AI系统，提高诊断准确性与便利性	前交叉韧带撕裂及其分割与诊断	计算机视觉	前交叉韧带撕裂	CT扫描	3D nnU-Net、支持向量机、随机森林、随机梯度下降	影像	469名患者用于分割模型，其中328名用于诊断模型	NA	3D nnU-Net、SVM、RF、SGD	Dice相似系数、AUC	NA
1884	2026-06-01	Comparing YOLO and U-net deep learning algorithms in chronic wound image segmentation 2026-03-19, BMC medical imaging IF:2.9Q2 DOI:10.1186/s12880-026-02266-7 PMID:41857518	研究论文	比较YOLO和U-Net深度学习算法在慢性伤口图像分割中的性能	首次系统比较YOLOv8和YOLO11与U-Net在伤口分割中的性能，并使用跨数据集验证确保模型鲁棒性	未提及计算资源消耗和临床应用验证	评估YOLO系列算法在慢性伤口图像分割中的有效性	慢性伤口图像	计算机视觉	慢性伤口	NA	卷积神经网络 (CNN)	图像	使用FUSeg和Wound Data两个数据库，具体样本数量未提及	NA	YOLOv8, YOLO11, U-Net	IoU, Precision, Recall, Dice相似系数 (DSC)	NA
1885	2026-06-01	Multiphase CT-based deep learning radiomics nomogram models for preoperative WHO/ISUP grading of clear cell renal cell carcinoma: a two-center validation study 2026-03-09, BMC medical imaging IF:2.9Q2 DOI:10.1186/s12880-026-02268-5 PMID:41803747	研究论文	基于多期CT的深度学习影像组学列线图模型用于术前预测肾透明细胞癌WHO/ISUP分级的两中心验证研究	首次整合多期CT影像的影像组学特征、深度学习特征和临床变量构建列线图模型，用于无创术前预测ccRCC核分级，并进行了双中心大样本验证	NA	开发和验证一种基于多期CT影像的深度学习影像组学列线图模型，用于术前无创预测肾透明细胞癌的WHO/ISUP核分级	1499例经组织学确诊的肾透明细胞癌患者	数字病理学	肾透明细胞癌	多期CT成像	列线图模型融合影像组学、深度学习与临床特征	CT影像与临床数据	1499例ccRCC患者（训练集929例，内部验证集398例，外部验证集172例）	NA	DenseNet201	AUC	NA
1886	2026-06-01	Ensemble Learning Model: A Novel Technique to Detect Malignancy in Effusion Cytology 2026-03, Cytopathology : official journal of the British Society for Clinical Cytology IF:1.2Q3 DOI:10.1111/cyt.70036 PMID:41205194	研究论文	本研究应用结合六种迁移学习架构的集成学习模型来检测积液细胞学中的恶性病变	这是首个在积液细胞学中应用六模型集成深度学习方法的创新研究	NA	开发用于积液细胞学恶性检测的集成学习模型	积液细胞学涂片的显微图像	数字病理学	积液细胞恶性病变	巴氏染色涂片显微摄影	集成学习模型（包含DenseNet121、Xception、ResNet50、MobileNetV2、InceptionV3和VGG16）	图像	110例积液细胞学病例（59例良性，51例恶性），共755张代表性显微照片	Jupyter Notebook	DenseNet121, Xception, ResNet50, MobileNetV2, InceptionV3, VGG16	灵敏度, 特异度, 准确率, 精确率, 阴性预测值, F1分数, AUROC	NA
1887	2026-06-01	Short-TR Acquisition Time-of-flight MR Angiography with Deep Learning Reconstruction: Technical Feasibility and Initial Clinical Evaluation in Moyamoya Disease 2026-Feb-26, Magnetic resonance in medical sciences : MRMS : an official journal of Japan Society of Magnetic Resonance in Medicine IF:2.5Q2 DOI:10.2463/mrms.mp.2025-0139 PMID:41535020	研究论文	结合短TR采集与深度学习重建的飞行时间磁共振血管成像技术，在烟雾病中实现扫描时间减半同时保持图像质量	提出STRA-TOF技术，首次将可变密度泊松圆盘采样与展开深度学习重建相结合，实现约50%扫描时间缩短并保持或改善图像质量	烟雾病患者样本量小（仅3例），缺乏大规模临床验证	开发并评估短TR采集时间飞行时间磁共振血管成像（STRA-TOF）在颅内血管可视化中的技术可行性和临床价值	颅内动脉血管的磁共振血管成像	计算机视觉	烟雾病	磁共振血管成像（MRA）	深度学习	图像	10名健康志愿者和3名烟雾病患者	TensorFlow, PyTorch, MONAI	展开深度学习重建	信噪比（SNR）, 对比噪声比（CNR）, 图像质量评分（3点量表）	NA
1888	2026-06-01	Novel algorithm for knee localization and diagnosis and grading of knee osteoarthritis based on a priori information: data from OAI 2026-02-17, BMC medical imaging IF:2.9Q2 DOI:10.1186/s12880-026-02235-0 PMID:41703497	研究论文	提出一种基于先验信息的深度学习算法，用于膝关节定位以及膝骨关节炎的诊断与分级，数据来自OAI	综合考了膝骨数据的先验信息，重新设计KOA评估流程，提出无锚点膝部概率计算网（AKPCNet）的膝关节感兴趣区域提取算法和基于注意力池化的低阶特征强化网络（APLFRNet），并引入注意力池化全局优化算法	未明确说明具体限制，但研究仅基于OAI数据集中的X光影像，可能存在数据来源单一和样本选择性偏倚	开发并评估一种基于深度学习的方法，实现膝关节全自动分割，并利用先验信息诊断和分级膝骨关节炎	膝骨关节炎患者的膝关节X光影像	计算机视觉	膝骨关节炎	X光影像	深度学习模型	图像	35,000张膝关节X光片（前后位视图）	NA	AKPCNet, APLFRNet	ROC AUC, 平衡准确率, 准确率	NA
1889	2026-06-01	Commercially Available Artificial Intelligence Solutions for Gynaecologic Cytology Screening and Their Integration Into Clinical Workflow 2026-01, Cytopathology : official journal of the British Society for Clinical Cytology IF:1.2Q3 DOI:10.1111/cyt.70023 PMID:41028901	综述	综述了商用人工智能软件在妇科细胞学筛查中的现状，并评估其临床应用中的能力、性能、影响以及整合挑战	系统评估商用AI工具在妇科细胞学筛查中的临床整合、监管合规性和伦理考量	未提及具体局限	探讨AI如何重塑妇科细胞学并改善女性健康管理	商用人工智能解决方案在妇科细胞学筛查中的应用	数字病理学	妇科癌症	人工智能、机器学习、深度学习	NA	图像	NA	NA	NA	准确性、一致性、效率	NA
1890	2026-06-01	Artificial Intelligence Supported Analysis of Anal Sphincter and Levator Ani Muscle Using Medical Imaging Techniques: A Systematic Review 2026-01, International urogynecology journal IF:1.8Q3 DOI:10.1007/s00192-025-06385-7 PMID:41165777	系统综述	系统综述了人工智能支持下的肛门括约肌和提肛肌医学影像分析研究	首次系统评估人工智能在盆底肌影像分析中的研究质量，使用TRIPOD-AI清单评价报告标准	多数模型尚未准备好广泛临床应用，数据集多样性不足，缺乏外部验证	回顾人工智能在肛门括约肌和提肛肌医学影像分析中的应用现状、优势、局限及知识缺口	肛门括约肌和提肛肌相关健康条件的医学影像数据	计算机视觉	盆底功能障碍	超声、磁共振成像	深度学习	影像	40项研究	NA	UNet	NA	NA
1891	2026-06-01	Machine learning-based prediction of hepatocellular carcinoma risk in steatotic liver disease: A nationwide cohort study 2026, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0349593 PMID:42207764	研究论文	基于机器学习开发预测脂肪肝疾病患者肝细胞癌风险的模型，并在全国队列中进行验证	利用可解释的机器学习模型和常规筛查数据，实现脂肪肝人群中肝细胞癌风险的高精度分层，并识别关键风险因素	研究基于韩国人群数据，模型需要外部验证才能推广至其他人群；队列数据限制了对混杂因素的控制	开发可解释的机器学习模型，预测脂肪肝疾病个体的肝细胞癌风险	20-79岁脂肪肝疾病成人，基于韩国国家健康保险服务数据库	机器学习	肝细胞癌，脂肪肝疾病	NA	深度神经网络集成，加权多头注意力机制	结构化数据（常规健康筛查指标）	1,241,560名脂肪肝成人，其中2,152例肝细胞癌	PyTorch	多头注意力深度神经网络	AUC，敏感性，特异性	NA
1892	2026-06-01	LoRA-based methods on Unet for transfer learning in aneurysmal subarachnoid hematoma segmentation 2025-12-26, BMC medical imaging IF:2.9Q2 DOI:10.1186/s12880-025-02116-y PMID:41454218	研究论文	本研究探讨了基于LoRA的方法在U-Net上对动脉瘤性蛛网膜下腔血肿分割进行迁移学习，比较了多种参数高效微调策略，并开发了新型CP-LoRA和DoRA变体方法	首次将LoRA方法应用于U-Net的动脉瘤性蛛网膜下腔血肿分割迁移学习，提出了基于张量CP分解的CP-LoRA方法以及将权重矩阵分解为幅度和方向分量的DoRA变体，证明过参数化（高秩）优于严格低秩适应	样本量较小（30例动脉瘤性SAH患者），使用3折交叉验证；对体积较小的血肿分割精度较低（Dice 0.107-0.361）；研究仅针对单一机构的数据集	探索迁移学习从创伤性脑损伤血肿到动脉瘤性蛛网膜下腔血肿分割的可行性，并评估LoRA方法相比传统微调策略的性能优势	动脉瘤性蛛网膜下腔血肿的CT扫描分割	数字病理学, 计算机视觉	脑血管疾病	CT扫描	U-Net, LoRA, DoRA	图像	124例创伤性脑损伤患者（预训练）+ 30例动脉瘤性SAH患者（微调）	PyTorch	U-Net	Dice系数	NA
1893	2026-06-01	Deep Transfer Learning Links Benign Glands to Prostate Cancer Progression via Transcriptomics 2025-Dec-22, Genomics, proteomics & bioinformatics DOI:10.1093/gpbjnl/qzaf119 PMID:41317378	研究论文	利用深度迁移学习框架DEGAS分析前列腺癌空间转录组数据，识别与癌症进展高度相关的细胞和组织，发现形态学良性腺体中MSMB表达下调与肿瘤侵袭性相关	首次将深度迁移学习应用于空间转录组学分析前列腺癌的区域效应，揭示良性腺体中MSMB下调与免疫微环境改变的关联	NA	利用深度迁移学习分析前列腺癌空间转录组，探索良性组织中的分子变化与癌症进展的关系	前列腺癌空间转录组样本及患者组织样本	机器学习	前列腺癌	空间转录组测序、单细胞转录组测序、免疫组化	深度迁移学习	空间转录组数据、单细胞转录组数据、蛋白表达数据	NA	DEGAS	NA	NA	NA
1894	2026-06-01	Progressive curriculum learning with Scale-Enhanced U-Net for continuous airway segmentation 2025-12-17, BMC medical imaging IF:2.9Q2 DOI:10.1186/s12880-025-02066-5 PMID:41408195	研究论文	提出一种渐进式课程学习流程和尺度增强U-Net，用于胸部CT图像中连续气道分割	直接通过端到端渐进式学习解决大小气道分支间的不平衡问题，并在第三阶段引入自适应拓扑响应损失（ATRL）以增强气道连续性	未在本文中明确说明	提高胸部CT图像中气道分割的连续性和准确性	胸部CT图像中的气道结构	计算机视觉	呼吸系统疾病	CT成像	U-Net	图像	ATM'22挑战数据集和内部数据集	NA	Scale-Enhanced U-Net (SE-UNet)	Tree length Detection rate (TD), Branch Detection rate (BD)	NA
1895	2026-06-01	CerviHFENet: hybrid feature extraction-based deep learning for multi-label classification of upper cervical spine abnormalities in X-ray imaging 2025-12-08, BMC medical imaging IF:2.9Q2 DOI:10.1186/s12880-025-02070-9 PMID:41361372	研究论文	提出CerviHFENet框架，基于混合特征提取的深度学习，对颈椎X光片进行多标签分类，识别六种上颈椎异常	首次整合混合特征提取机制，同时提取颈椎解剖特征和不同颈部位置下的骨结构动态变化；采用改进的focal loss函数学习六种异常间的互斥或条件依赖关系	样本量较小，仅249名患者参与；未提及模型在外部数据集上的泛化能力验证	开发深度学习模型，实现上颈椎X光片中多种异常的多标签分类，提高诊断准确性	患者上颈椎X光片（扩展位、中立位、屈曲位三视图）中的六种异常	计算机视觉	颈椎疾病	X光成像	CNN（混合特征提取模型）	图像	249名患者，747张X光图像	PyTorch	自适应ROI检测模块 + 混合特征提取机制（未具体说明基础架构）	AUC, mAP	NA
1896	2026-06-01	An integrated radiomics and deep learning model on multisequence MRI for preoperative prediction of lymphovascular space invasion in endometrial cancer 2025-12-08, BMC medical imaging IF:2.9Q2 DOI:10.1186/s12880-025-02091-4 PMID:41361391	研究论文	开发并验证一种整合多序列MRI放射组学特征和深度学习特征的多模态模型，用于术前预测子宫内膜癌患者的淋巴脉管间隙浸润	首次将放射组学特征与深度学习特征结合，构建多模态MRI模型用于术前无创预测子宫内膜癌LVSI，并在多中心数据中验证其优越性能	未在标题和摘要中明确提及局限性	开发并验证基于术前多序列MRI的整合放射组学和深度学习特征的多模态模型，用于预测子宫内膜癌患者的淋巴脉管间隙浸润	892例术后病理确诊的子宫内膜癌患者的多中心回顾性数据	计算机视觉, 数字病理学	子宫内膜癌	MRI多序列成像（T2加权成像、对比增强T1加权成像、表观扩散系数图）	CNN, 放射组学	图像（MRI）	892例患者（训练队列378例，内部验证160例，外部验证354例）	PyRadiomics	VGG 11, ResNet 101, DenseNet 121	AUC（受试者工作特征曲线下面积）	NA
1897	2026-06-01	Enhancing diagnosis of gout with deep learning in dual-energy computed tomography: a retrospective analysis of crystal and artefact differentiation 2025-Dec-01, Rheumatology (Oxford, England) DOI:10.1093/rheumatology/keae523 PMID:39565918	研究论文	利用深度学习在双能CT扫描中区分痛风结晶与伪影，提升诊断准确性	首次将深度学习算法应用于DECT中区分绿色编码的痛风石与块状伪影，并采用逐病灶和逐患者分析评估模型性能	未明确提及研究局限性	评估深度学习在DECT扫描中区分痛风石与伪影的诊断准确性	来自47名痛风患者和27名无痛风对照的DECT扫描中的18704个感兴趣区域	机器学习和医学影像	痛风	双能CT	CNN, SVM	图像	47名痛风患者和27名无痛风的对照者，共18704个感兴趣区域	NA	CNN, SVM	AUC, 灵敏度, 特异度, 阳性预测值, 阴性预测值, 准确率	NA
1898	2026-06-01	Foundation Model for Predicting Prognosis and Adjuvant Therapy Benefit From Digital Pathology in GI Cancers 2025-Nov-10, Journal of clinical oncology : official journal of the American Society of Clinical Oncology IF:42.1Q1 DOI:10.1200/JCO-24-01501 PMID:40168636	研究论文	提出一个基于组织病理学切片的基线AI模型，用于预测消化道癌症的预后和辅助化疗获益	利用超1.3亿张图像块进行自监督学习训练基础模型，并在多国队列中验证其预后预测及辅助化疗获益评估能力	尚需前瞻性验证以确认其临床适用性	开发一种能够从常规H&E染色组织病理学切片中预测消化系统癌症预后及辅助化疗获益的AI基础模型	胃癌和结直肠癌患者（共来自七个队列的4213例患者）	数字病理学	胃癌, 结直肠癌, 食管癌	NA	自监督学习, 深度学习	图像（组织病理学全切片图像）	训练集包括104,876张全切片图像（1.3亿图像块），验证集包括1,619例胃癌/食管癌和2,594例结直肠癌患者	PyTorch	Transformer, ResNet	一致性指数（Concordance index）, 5年生存率	NA
1899	2026-06-01	A Robust Deep Learning Framework for Detecting Bursts in Muscle Sympathetic Nerve Activity 2025-Jul, Annual International Conference of the IEEE Engineering in Medicine and Biology Society. IEEE Engineering in Medicine and Biology Society. Annual International Conference DOI:10.1109/EMBC58623.2025.11253957 PMID:41337229	研究论文	提出一种基于卷积神经网络的鲁棒深度学习框架，用于检测肌肉交感神经活动中的爆发信号	首次将集成肌肉交感神经活动和心电图活动的卷积神经网络用于爆发峰值检测	仅基于健康女性静息状态数据，可能无法推广到其他人群或动态条件	开发自动化方法替代专家手动检测，提高爆发检测效率并降低错误风险	41名健康女性参与者的静息自主神经系统记录	machine learning	NA	NA	CNN	生理信号	41名健康女性参与者	NA	卷积神经网络	F1-score	NA
1900	2026-06-01	Impact of Deep Learning-Based Computer-Aided Detection and Electronic Notification System for Pneumothorax on Time to Treatment: Clinical Implementation 2025-04, Journal of the American College of Radiology : JACR IF:4.0Q1 DOI:10.1016/j.jacr.2024.11.009 PMID:39566875	研究论文	评估结合深度学习计算机辅助检测和电子通知系统对气胸患者治疗时间的影响	在真实临床环境中引入深度学习计算机辅助检测与电子通知系统，同时通知放射科医生和转诊医生，评估其对气胸患者治疗时间的影响	仅对氧疗有显著效果，对其他治疗（如胸腔穿刺或胸管引流、胸心外科会诊）无显著改善	评估深度学习计算机辅助检测结合电子通知系统在真实临床实践中对气胸患者治疗时间的影响	气胸患者	计算机视觉	气胸	深度学习计算机辅助检测	深度学习	胸部X光图像	603,028次胸部X光检查，来自140,841名独特患者，气胸患病率2.0%	NA	NA	治疗时间减少分钟数、95%置信区间、P值	NA