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
1	2026-01-01	Conformal uncertainty quantification to evaluate predictive fairness of foundation AI model for skin lesion classes across patient demographics 2026-Dec, Health information science and systems IF:4.7Q1 DOI:10.1007/s13755-025-00412-z PMID:41458068	研究论文	本研究使用保形分析量化基于视觉Transformer（ViT）的基础模型在皮肤病变分类任务中，针对不同患者人口统计学特征（性别、年龄、种族）的预测不确定性，以评估模型公平性	首次将保形分析应用于基础AI模型（Google DermFoundation）的公平性评估，提供群体覆盖保证和个体不确定性评分，并提出基于动态F1分数的采样方法缓解类别不平衡	研究依赖于公开基准数据集，这些数据集存在严重的类别不平衡问题；保形分析虽然提供不确定性量化，但未完全解决基础模型嵌入不可解释的根本问题	评估基础AI模型在皮肤病变分类中的预测公平性和可信度	皮肤病变图像数据及对应的患者人口统计学信息（性别、年龄、种族）	计算机视觉	皮肤病变	保形分析（conformal analysis），自监督学习	Vision Transformer (ViT)	医学图像（皮肤病变图像）	多个公开基准数据集，包含数百万数据点	NA	Vision Transformer (ViT), Google DermFoundation	F1-score, 不确定性评分, 覆盖率保证	NA
2	2026-01-01	Denoising Low-Power CEST Imaging Using a Deep Learning Approach With a Dual-Power Feature Preparation Strategy 2026-Mar, Magnetic resonance in medicine IF:3.0Q2 DOI:10.1002/mrm.70124 PMID:41082398	研究论文	本研究提出了一种基于深度学习的双功率特征准备策略，用于去噪低功率化学交换饱和转移成像的Z谱	利用高饱和功率的高对比度噪声比和低饱和功率的增强峰分辨率，通过双功率特征准备策略结合自编码器进行去噪	方法在模拟和BSA体模数据上验证，但实际生物组织中的复杂环境可能影响性能	开发一种深度学习方法来去噪低功率CEST Z谱，以提高图像质量和CEST效应的量化	模拟CEST数据、BSA体模、大鼠大脑和腿部肌肉的测量数据	医学影像处理	NA	化学交换饱和转移成像	自编码器	Z谱图像	模拟数据、BSA体模数据、大鼠大脑和腿部肌肉数据	NA	自编码器	峰值信噪比	NA
3	2026-01-01	Multi-Frame Image Registration for Automated Ventricular Function Assessment in Single Breath-Hold Cine MRI Using Limited Labels 2026-Mar, Magnetic resonance in medicine IF:3.0Q2 DOI:10.1002/mrm.70137 PMID:41108653	研究论文	本研究开发了一种基于深度学习的自动化框架，用于从高度加速的磁共振图像中评估心脏心室功能	提出了一种将图像配准、运动补偿重建和分割集成在协同循环中的多任务深度学习框架，可在有限标注下实现稳健的心室功能分析	评估仅在内部数据集上进行，未在公开数据集或更大规模队列中验证	开发操作者独立的自动化心脏心室功能评估框架	健康受试者和心血管疾病患者的心脏磁共振图像	医学图像分析	心血管疾病	单次屏气电影磁共振成像	深度学习	磁共振图像	内部数据集（健康与心血管疾病受试者）	NA	NA	Dice相似系数, 射血分数相关性, 径向和圆周应变	NA
4	2026-01-01	GeoAI-based 3D spatial distribution modeling of PAHs in industrial contaminated soils 2026-Feb-01, Environmental pollution (Barking, Essex : 1987) DOI:10.1016/j.envpol.2025.127440 PMID:41308730	研究论文	本文提出了一种基于GeoAI的三维深度克里金神经网络模型，用于工业污染土壤中多环芳烃的空间分布建模	结合深度学习与地统计学原理，开发了3D-DKNN模型，以提升异质环境中污染物插值的准确性	未明确说明模型在其他污染物或不同工业场地的泛化能力	提高工业污染土壤中污染物三维分布建模的准确性，以指导针对性修复	工业遗留场地土壤中的多环芳烃污染物	机器学习	NA	地统计学插值，深度学习建模	神经网络	空间污染数据	未明确说明样本数量，但基于典型工业场地数据	未明确指定	三维深度克里金神经网络	RMSE, MAE, 相关系数	未明确说明
5	2026-01-01	Graph neural networks for fMRI functional brain networks: A survey 2026-Feb, Neural networks : the official journal of the International Neural Network Society IF:6.0Q1 DOI:10.1016/j.neunet.2025.108137 PMID:41066997	综述	本文综述了基于图神经网络的功能性大脑网络分析方法，涵盖不同维度的方法、挑战和数据集	从计算机科学角度全面总结了功能性大脑网络分析的最新研究进展，填补了该领域缺乏系统性综述的空白	NA	总结和评估基于图神经网络的功能性大脑网络分析方法	功能性大脑网络	机器学习	精神障碍	神经影像技术	图神经网络	图数据	NA	NA	NA	NA	NA
6	2026-01-01	Protein-Ligand Structure and Affinity Prediction in CASP16 Using a Geometric Deep Learning Ensemble and Flow Matching 2026-Jan, Proteins IF:3.2Q2 DOI:10.1002/prot.26827 PMID:40195868	研究论文	本文介绍了MULTICOM_ligand，一种基于深度学习的蛋白质-配体结构和结合亲和力预测集成方法，在CASP16中表现优异	提出了结合结构共识排序的无监督姿态排序方法，以及用于联合结构和结合亲和力预测的新型深度生成流匹配模型	NA	预测蛋白质-配体结构和结合亲和力，以支持药物发现	蛋白质-配体复合物	机器学习	NA	几何深度学习，流匹配	深度学习集成，生成模型	蛋白质-配体结构数据	NA	NA	流匹配模型	CASP16排名	NA
7	2026-01-01	Improving AlphaFold2- and AlphaFold3-Based Protein Complex Structure Prediction With MULTICOM4 in CASP16 2026-Jan, Proteins IF:3.2Q2 DOI:10.1002/prot.26850 PMID:40452318	研究论文	本文介绍了MULTICOM4系统，通过整合AlphaFold2、AlphaFold3及内部技术，提升蛋白质复合物结构预测精度，并在CASP16评估中表现优异	整合基于Transformer的AlphaFold2和基于扩散模型的AlphaFold3，结合蛋白质复合物化学计量比预测、多样多序列比对生成、建模异常处理及深度学习模型质量评估等内部技术	未明确提及具体局限性	提高蛋白质复合物结构预测的准确性	多链蛋白质复合物（多聚体）	计算生物学	NA	多序列比对（MSA）、深度学习模型质量评估	Transformer, 扩散模型	蛋白质序列和结构数据	在CASP16评估中进行了盲测，具体样本数量未明确	AlphaFold2, AlphaFold3	AlphaFold2, AlphaFold3	TM-score, DockQ score	未明确提及
8	2026-01-01	Ultrasound Displacement Tracking Techniques for Post-Stroke Myofascial Shear Strain Quantification 2026-Jan, IEEE transactions on bio-medical engineering DOI:10.1109/TBME.2025.3582275 PMID:40553666	研究论文	本文评估了四种超声位移跟踪技术在量化中风后肌筋膜剪切应变中的可靠性，以验证临床假设	提出了一种新的临床假设，即中风后肌筋膜疼痛患者的患侧肩部肌肉间剪切应变低于非患侧，并比较了四种位移估计算法（包括基于L1和L2范数正则化的优化方法）在该假设下的性能	L1-SOUL-Search方法运行时间较慢，可能影响实时应用	评估超声位移跟踪技术在中风后肌筋膜剪切应变量化中的可靠性，以支持肌筋膜功能障碍的诊断	十名患有中风后肩部肌筋膜疼痛的研究参与者	医学影像分析	中风后肌筋膜疼痛	超声位移跟踪，T1ρ磁共振成像	NA	超声图像，磁共振图像	十名研究参与者	NA	NA	位移导数均值和方差，视觉检查，定量T1ρ磁共振成像验证	NA
9	2026-01-01	Multicenter Validation of Video-based Deep Learning to Evaluate Defecation Patterns on 3-dimensional High-definition Anorectal Manometry 2026-Jan, Clinical gastroenterology and hepatology : the official clinical practice journal of the American Gastroenterological Association IF:11.6Q1 DOI:10.1016/j.cgh.2025.06.038 PMID:40706732	研究论文	本研究通过多中心验证，评估了基于视频的深度学习算法在三维高清肛门直肠测压中分析排便模式的性能	开发了一种能够进行时空分析的深度学习算法，并在多中心环境中验证其性能，同时通过高斯混合模型聚类揭示了两种新的排便协同失调亚型	研究仅基于2018年至2022年的数据，且算法在不同医疗中心的性能存在差异（AUC从0.79到0.99不等）	验证深度学习算法在三维高清肛门直肠测压中评估排便模式的诊断准确性	1214例连续进行的肛门直肠测压研究	数字病理学	胃肠道动力障碍	三维高清肛门直肠测压	深度学习	视频	1214例肛门直肠测压研究	NA	混合深度学习算法	AUC	NA
10	2026-01-01	GastroNet-5M: A Multicenter Dataset for Developing Foundation Models in Gastrointestinal Endoscopy 2026-Jan, Gastroenterology IF:25.7Q1 DOI:10.1053/j.gastro.2025.07.030 PMID:40749857	研究论文	本研究介绍了GastroNet-5M数据集，包含约500万张内窥镜图像，用于开发胃肠道内窥镜基础模型	提出了一个大规模、多中心的内窥镜图像数据集，并基于此通过自监督学习开发了基础模型，该模型在多种下游AI应用中表现出优越性能	数据集主要来自荷兰的8家医院，可能在地域和人群多样性上存在限制	开发用于胃肠道内窥镜的基础模型，以提升AI系统的诊断准确性、数据效率和鲁棒性	胃肠道内窥镜图像	数字病理学	胃肠道疾病	自监督学习	基础模型	图像	4,820,653张内窥镜图像，来自约500,000次检查	NA	NA	分类准确率, 分割准确率, 数据效率, 鲁棒性	NA
11	2026-01-01	Structure Modeling Protocols for Protein Multimer and RNA in CASP16 With Enhanced MSAs, Model Ranking, and Deep Learning 2026-Jan, Proteins IF:3.2Q2 DOI:10.1002/prot.70033 PMID:40751131	研究论文	本文介绍了在CASP16竞赛中，我们团队在蛋白质复合物和RNA结构预测方面的方法与成果	整合了多种最先进的深度学习模型，并采用基于共识的评分方法，同时利用大型宏基因组序列数据库增强多序列比对，改进了模型排名策略	存在需要进一步改进的领域，特别是在某些目标上与其它团队预测结果存在显著差异	提高蛋白质复合物和RNA结构预测的准确性	蛋白质复合物和RNA分子	计算生物学	NA	多序列比对，深度学习	深度学习模型	序列数据，结构数据	NA	NA	NuFold	排名（第一和第三）	NA
12	2026-01-01	Progress and Bottlenecks for Deep Learning in Computational Structure Biology: CASP Round XVI 2026-Jan, Proteins IF:3.2Q2 DOI:10.1002/prot.70076 PMID:41178755	综述	本文回顾了CASP16社区实验在计算结构生物学领域的最新进展，重点评估了深度学习方法在蛋白质单体、复合物、RNA结构、大分子集合及配体-蛋白质结构等方面的表现	深度学习方法（特别是AlphaFold变体）在大多数计算结构生物学领域占据主导地位，但在RNA结构预测方面仍不成功，且传统方法与深度学习的结合以及训练数据的增加被视为突破剩余障碍的潜在趋势	对于RNA结构，深度学习方法目前效果不佳，不优于传统方法；在没有结构同源性的情况下，两种方法结果均较差；大分子集合的目标集较小限制了结论的普适性；配体-蛋白质结构的预测结果常未达到实验精度	评估计算结构生物学领域，特别是深度学习方法，在蛋白质结构预测、RNA结构、大分子集合及配体-蛋白质相互作用等方面的最新进展与瓶颈	蛋白质单体结构、蛋白质复合物、RNA结构、大分子集合、有机配体-蛋白质结构及亲和力	计算结构生物学	NA	深度学习方法，传统物理启发方法	AlphaFold变体	蛋白质结构数据，RNA结构数据，配体-蛋白质相互作用数据	CASP16目标集（具体样本数量未在摘要中明确说明）	NA	AlphaFold	结构一致性，界面准确性，实验精度对比	NA
13	2026-01-01	Geometric evaluation of a deep learning method for segmentation of urinary OARs on magnetic resonance imaging for prostate cancer radiotherapy 2026-Jan, Clinical and translational radiation oncology IF:2.7Q2 DOI:10.1016/j.ctro.2025.101091 PMID:41458146	研究论文	本研究提出了一种基于nnU-Net的深度学习模型，用于前列腺癌放疗中磁共振图像上泌尿器官风险区域的自动分割	首次提出使用nnU-Net深度学习模型进行多中心、多设备来源的泌尿器官风险区域分割，并基于已验证的图谱进行训练	模型在泌尿器官风险区域的分割中表现出局部不匹配（豪斯多夫距离4.0-10.3毫米），可能由患者间大解剖变异引起，需进一步评估其剂量学影响	开发一种自动分割方法，以减少前列腺癌放疗中泌尿器官风险区域勾画的时间和观察者间变异性	前列腺癌患者的磁共振图像，重点关注膀胱三角区和前列腺内尿道等泌尿器官风险区域	数字病理学	前列腺癌	磁共振成像	CNN	图像	265例磁共振图像	nnU-Net	nnU-Net	Dice分数系数, 表面距离, 豪斯多夫距离	NA
14	2026-01-01	MRI segmentation of head and neck tumors using hybrid attention mechanism and dense dilated spatial pyramid pooling 2026-Jan, Journal of applied clinical medical physics IF:2.0Q3 DOI:10.1002/acm2.70426 PMID:41459735	研究论文	本研究提出了一种改进的SCDU-Net模型，通过集成空间-通道注意力机制和密集空洞空间金字塔池化技术，用于头颈部肿瘤的MRI图像分割	在解码路径中引入了空间-通道双重注意力模块（SC），通过自适应通道权重调整机制增强关键肿瘤特征表达，并利用坐标轴注意力捕获长程空间依赖关系以提高小病灶定位精度；在网络瓶颈层嵌入了密集连接的空洞空间金字塔池化模块（DenseASPP），通过多尺度感受野融合策略增强边缘轮廓细节感知	NA	显著提高头颈部肿瘤MRI图像的分割准确性和鲁棒性，以支持放射治疗中的精确靶区勾画	头颈部肿瘤的MRI图像	计算机视觉	头颈癌	MRI	深度学习	医学图像（MRI）	基于公开数据集HNTS-MRG2024进行评估	NA	SCDU-Net（基于U-Net改进）	NA	NA
15	2026-01-01	A deep-learning framework for the prediction of the type of adaptive strategy of MR-guided prostate radiotherapy 2026-Jan, Journal of applied clinical medical physics IF:2.0Q3 DOI:10.1002/acm2.70395 PMID:41459741	研究论文	本研究开发了一个深度学习框架，用于预测MR引导前列腺放疗中的自适应策略类型（ATP与ATS）	提出了一种基于深度学习的方法，直接使用图像作为输入数据，避免了传统方法中耗时的形变图像配准处理，实现了快速且准确的自适应策略预测	研究为回顾性设计，样本量相对较小（36名患者），且仅针对前列腺癌患者，可能限制了模型的泛化能力	开发一个快速且准确的深度学习模型，以优化MR引导自适应放疗中的自适应策略选择过程	前列腺癌患者	数字病理	前列腺癌	MR-guided adaptive radiotherapy (MRgART)	深度学习模型	图像	36名前列腺癌患者的180个分次数据	NA	多阶段网络方法，包括深度学习图像配准网络和自适应策略预测模型	AUC, 准确率, 灵敏度, 特异性	NA
16	2026-01-01	In Vivo Demonstration of Deep Learning-Based Photoacoustic Visual Servoing System 2026-Jan, IEEE transactions on bio-medical engineering DOI:10.1109/TBME.2025.3584076 PMID:40577292	研究论文	本文开发了一种基于深度学习的声光视觉伺服系统，用于实时三维跟踪导管尖端	首次提出结合点源定位和混合位置-力控制的深度学习声光视觉伺服系统	实例分割方法的推理时间较长，可能影响实时性；系统优化尚未完全实现	开发实时三维跟踪手术工具尖端的视觉伺服系统	心脏导管尖端	计算机视觉	心血管疾病	声光成像	深度学习	图像	9次视觉伺服试验（包括塑料模型和活体猪实验）	NA	NA	检测率, 跟踪误差, 推理时间, 接触保持率	NA
17	2026-01-01	Histopathology Images-Based Deep Learning Prediction of Histological Types in Endometrial Cancer 2026-Jan, Cancer medicine IF:2.9Q2 DOI:10.1002/cam4.71509 PMID:41469815	研究论文	本文开发并验证了基于深度学习模型EC-AIHIS，用于从子宫内膜癌H&E染色图像中预测侵袭性与非侵袭性组织学类型	首次提出EC-AIHIS深度学习模型，能够跨多个队列验证其泛化能力，并探索模型预测与EC分子亚型的相关性，在临床模拟中显示出比病理学家更高的灵敏度	模型在外部验证中的AUC略低于内部验证（0.859 vs 0.911），且样本量相对有限（1187例标本）	开发深度学习模型以准确预测子宫内膜癌的组织学类型，优化治疗策略并预测患者结局	子宫内膜癌（EC）的H&E染色组织病理学图像	数字病理学	子宫内膜癌	H&E染色	CNN	图像	1187例子宫内膜癌标本	NA	EC-AIHIS	AUC, 灵敏度, 特异性	NA
18	2026-01-01	DL-QC-fNIRS: a deep learning tool for automated quality control in functional near-infrared spectroscopy signals 2026-Jan, Neurophotonics IF:4.8Q1 DOI:10.1117/1.NPh.13.1.015001 PMID:41472700	研究论文	本文介绍了一种基于深度学习的工具DL-QC-fNIRS，用于自动评估功能性近红外光谱信号的通道级质量	提出了一种结合连续小波变换和特定受试者心频率提取的深度学习方法，用于改进fNIRS信号质量控制的生理特异性，并提供了开源MATLAB图形界面	未明确说明模型在更广泛或临床环境中的泛化能力，以及计算效率的具体评估	开发一个自动化、标准化的工具，以提高功能性近红外光谱信号质量控制的可靠性和可重复性	功能性近红外光谱信号	机器学习	NA	功能性近红外光谱	CNN	图像	两个独立数据集和一个组合异构数据集	NA	GoogLeNet, ResNet-50, SqueezeNet, EfficientNet-B0	准确率, 敏感性, 特异性, F1分数	NA
19	2026-01-01	A generalizable dose prediction model for automatic radiotherapy planning based on physics-informed priors and large-kernel convolutions 2026-Jan, Medical physics IF:3.2Q1 DOI:10.1002/mp.70272 PMID:41474032	研究论文	本研究开发了一种基于物理信息先验和大核卷积的通用剂量预测模型，用于自动放疗计划，并在不同肿瘤部位、照射技术和处方剂量下实现高精度预测	提出了一个通用剂量预测模型，首次结合物理信息先验（如归一化距离感知射束板和密度图）与大核卷积及UpKern初始化策略，以增强模型泛化能力和预测精度	研究仅基于GDP-HMM数据集（3234个计划），未涵盖所有肿瘤类型或照射技术，且自动计划可行性仅在四个代表性病例中演示	开发一个通用剂量预测模型，以支持自动放疗计划，提高计划效率、一致性和质量	头颈癌和肺癌的放疗计划，包括IMRT和VMAT照射技术	数字病理	肺癌	放疗计划，剂量预测	CNN	3D医学图像数据（如剂量分布图、距离感知射束板、密度图）	3234个放疗计划（2878个用于训练，356个用于评估）	PyTorch	3D MedNeXt	剂量体积直方图（DVH）指标误差百分比、平均绝对误差（MAE）	NA
20	2026-01-01	Convolutional recurrent U-net for cardiac cine MRI reconstruction via effective spatio-temporal feature exploitation 2026-Jan, Medical physics IF:3.2Q1 DOI:10.1002/mp.70245 PMID:41474064	研究论文	本文提出了一种名为CRUNet-MR的新型深度学习模型，通过结合卷积循环操作与U-Net架构，有效利用心脏电影MRI的时空特征，以提升高加速条件下的图像重建质量	将卷积循环操作集成到U-Net架构中，以连续提取时空特征，并结合空洞卷积扩大空间感受野，从而更有效地利用心脏电影MRI的固有时空信息进行图像重建	模型在公开数据集上表现良好，但内部验证数据集规模较小，可能影响泛化能力的全面评估；未详细讨论计算资源需求或实时性能	提升心脏电影MRI在高速成像条件下的重建性能，通过更有效地利用时空特征来减少采集时间并保持图像质量	心脏电影MRI序列，特别是动态心脏区域	计算机视觉	心血管疾病	心脏电影MRI	CNN, 循环神经网络	图像序列	公开数据集CMRxRecon2023包含120名受试者用于训练，60名用于验证，120名用于测试；另有一个小型内部LUMC数据集用于验证	NA	U-Net, 卷积循环网络	SSIM	NA