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	2026-08-16	MUnet: A model-based unrolled reconstruction framework for computational photoacoustic imaging 2026-Dec, Ultrasonics IF:3.8Q1 DOI:10.1016/j.ultras.2026.108164 PMID:42379009	研究论文	提出一种基于模型的展开式重建框架MUnet，用于计算光声成像，结合物理信息数据保真项与监督图像域增强模块，提升重建质量和计算效率	采用非可训练的解析更新与神经网络图像细化交替进行，替代显式正则化函数或近端算子的学习，融合模型可解释性和深度学习灵活性	未明确提及，但可能受限于体内数据实验的特定条件及对临床实时应用的进一步验证需求	解决光声成像在有限视角、稀疏采样和强噪声等实际条件下的鲁棒图像重建问题，实现快速高保真成像	体内光声成像数据	计算成像、深度学习	NA	计算光声成像	展开式网络架构	图像	体内光声成像数据（具体数量未在摘要中提供）	NA	MUnet，结合模型展开和U-Net风格网络	图像质量、计算时间	NA
2	2026-08-16	Spatially-informed deep learning for full-field ultrasonic nondestructive evaluation 2026-Dec, Ultrasonics IF:3.8Q1 DOI:10.1016/j.ultras.2026.108185 PMID:42425047	研究论文	提出一种结合空间信息的深度学习模型，用于从激光多普勒测振仪采集的全场稳态波场响应中估计结构件局部材料厚度	采用早期融合方法将全场正交分量与距离数据结合，提供检测环境的空间上下文；同时引入可变形卷积层，提升网络对表面位置变化的空间不变性	未明确提及具体局限性	开发一种能克服扫描表面位置和角度变化引起的响应扭曲和缩放问题的深度学习方法，实现准确的局部厚度估计	铝合金6061板材，厚度和取向随机变化	无损检测、深度学习	NA	超声波激励、扫描激光多普勒测振	深度学习模型（含可变形卷积）	全场稳态波场响应测量数据、深度场测量数据	仿真数据及两块实验板的多种扫描位置、取向和距离的测量	NA	可变形卷积层、早期融合网络	性能优于未使用或仅使用一种技术的模型配置；超越非机器学习基线	NA
3	2026-08-16	Diagnostic performance of artificial intelligence based on PET/CT for lymph node involvement in prostate cancer: A systematic review and meta-analysis 2026-Nov-01, International journal of medical informatics IF:3.7Q2 DOI:10.1016/j.ijmedinf.2026.106583 PMID:42456599	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
4	2026-08-16	Clinically-aligned explainable AI for atrial fibrillation detection: A U-Net inspired multi-lead ECG analysis framework 2026-Oct, Computer methods and programs in biomedicine IF:4.9Q1 DOI:10.1016/j.cmpb.2026.109474 PMID:42314562	研究论文	开发了一个基于U-Net的可解释深度学习框架，用于心房颤动的多导联ECG检测，并通过形态和节律特征提取阐明模型决策过程	提出将层间解释与临床ECG阅读顺序对齐，从QRS定位到P波形态，实现了高诊断性能与透明、临床对齐的可视化解释的结合	仍需外部验证才能确保更广泛的临床泛化性	开发一个临床可解释的U-Net启发式深度学习框架，用于心房颤动（AFib）检测，通过形态和节律特征提取阐明模型决策	12导联心电图（ECG）数据，特别是心房颤动相关的心律不齐模式	深度学习、医学图像分析	心房颤动	ECG信号处理、Grad-CAM可视化	U-Net（编码器-解码器）	12导联ECG信号	PTB-XL数据库（具体样本数未在摘要中提及）	未明确提及	U-Net	AUC、敏感性、特异性、阳性预测值（PPV）	未明确提及
5	2026-08-16	Short-term prediction of nitrate plus nitrite in riverine systems using hybrid deep learning models 2026-Oct-01, Water research IF:11.4Q1 DOI:10.1016/j.watres.2026.126320 PMID:42364502	研究论文	本研究开发了五种深度学习模型（CNN、LSTM、TGCN、CNN-LSTM和TGCN-LSTM），用于提前7天预测河流中硝酸盐加亚硝酸盐的日浓度，并在两条对比鲜明的中国河流上进行了评估	结合图卷积网络（TGCN）和长短期记忆网络（LSTM）的混合模型，利用低成本传感器数据（pH、溶解氧和水温）作为替代变量，同时采用蒙特卡洛丢弃集成提供预测区间，并在传感器故障时提供可操作的预测	部署时需要保持硝酸盐传感器的连续性，否则预测精度会降低；研究仅基于两条中国河流，可能限制泛化性	提高河流中硝酸盐加亚硝酸盐浓度的短期预测精度，利用低成本传感器网络实现实时水质监测	两条中国河流（受农业影响的黄甫川河和受城市影响的香溪河）的日硝酸盐加亚硝酸盐浓度数据（n = 1461天）	机器学习	不适用	不适用	混合深度学习模型（TGCN-LSTM、CNN-LSTM、TGCN、LSTM、CNN）	时间序列数据（水质指标）	每条河流四年的日数据，共1461个样本	TensorFlow	TGCN-LSTM、CNN-LSTM、TGCN、LSTM、CNN	决定系数（R²）、均方根误差（RMSE）、预测区间覆盖率	未提及
6	2026-08-16	Comment on "Automated detection of superior mesenteric artery occlusion on post-contrast CT using a 3D deep learning model" 2026-Oct, Clinical imaging IF:1.8Q3 DOI:10.1016/j.clinimag.2026.110883 PMID:42392008	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
7	2026-08-16	A temporal causal deep learning for real-time traffic risk prediction on freeway merging areas 2026-Oct, Accident; analysis and prevention DOI:10.1016/j.aap.2026.108669 PMID:42407355	研究论文	该研究提出了一种基于时间因果深度学习的框架，用于高速公路合流区域的实时交通风险预测，并验证了其高精度与因果可解释性	整合多尺度时间因果卷积和多头因果注意力机制的TC-iTransformer模型，并引入回归相关性传播（RRP）来推断跨时滞因果结构，增强了模型的因果可解释性	研究仅在两个高速公路合流点的轨迹数据上进行了验证，可能限制模型在不同交通场景下的泛化能力	实现高速合流区域交通冲突风险的实时预测，并提供因果解释以支持主动安全干预	高速合流区域的车辆轨迹数据，包括自我车辆行为、跟车交互以及多方向周围车辆交互	机器学习	NA	无（基于无人机高分辨率车辆轨迹数据）	TC-iTransformer（集成时间因果卷积和注意力机制的深度学习模型）	轨迹数据（时间序列）	两个高速合流点的轨迹数据	NA	iTransformer（TC-iTransformer）	平均绝对误差（MAE）、均方根误差（RMSE）	NA
8	2026-08-16	IMF-DDI: Information Mapping and Fusion Framework for Drug-drug Interaction Prediction 2026-Sep, Interdisciplinary sciences, computational life sciences DOI:10.1007/s12539-025-00781-9 PMID:41264226	研究论文	提出了一种基于信息映射与融合框架的深度学习模型IMF-DDI，用于预测药物-药物相互作用，通过整合多个外部实体的信息来提升预测性能。	提出了一种信息映射模块和多源信息融合模块，以捕捉药物分子与外部实体的关联并整合多源信息，克服了现有方法对连接信息的过度依赖，提高了模型的泛化能力。	摘要中未明确提及局限性，可能需要进一步评估模型在多样数据集上的泛化能力及计算成本。	开发一种计算机辅助的深度学习框架，以提高药物-药物相互作用预测的准确性，从而支持临床安全和药物发现。	药物分子的相互作用，具体涉及药物-药物相互作用预测任务。	机器学习	不适用	不适用	深度学习模型（具体架构未指明，可能涉及神经网络）	药物分子相关的数据，可能包括药物信息及相互作用网络数据。	不适用（摘要中未提及具体样本数量）	不适用	不适用（具体架构未在摘要中提及）	采用准确性等指标（具体未在摘要中详述）	不适用（摘要中未提及计算资源）
9	2026-08-16	Photo-Based Color Analysis in Restorative Dentistry: The Role of Artificial Intelligence Algorithms 2026-Sep, Journal of esthetic and restorative dentistry : official publication of the American Academy of Esthetic Dentistry ... [et al.] IF:3.2Q1 DOI:10.1111/jerd.70078 PMID:41420821	研究论文	本研究旨在开发和评估基于深度学习的模型，从标准化口外照片估计CIELAB牙齿颜色坐标，并以体内分光光度法测量作为参考标准，为修复牙科中的临床选色提供实用支持。	首次将卷积神经网络与牙齿解剖位置信息结合，从口外照片估计CIELAB颜色坐标，并与分光光度法参考标准进行对比验证，展示了在临床选色中的应用潜力。	研究样本限于特定人群，且前牙比后牙精度更高，可能受图像质量和光照条件影响，需进一步验证模型在不同临床环境中的泛化能力。	开发并评估基于深度学习模型的AI系统，以从标准化口外照片估计CIELAB牙齿颜色坐标，支持修复牙科中的临床选色。	102名参与者的上颌前牙图像及对应的体内CIELAB颜色坐标测量值。	计算机视觉	不适用	数字化摄影及分光光度法	卷积神经网络	图像	102名参与者的1031张标记并裁剪的牙齿图像	深度学习框架（未指定具体框架，如PyTorch或TensorFlow）	CustomCNN, ResNet18, EfficientNetB0, DenseNet121, MobileNetV2	平均绝对误差（MAE）, 决定系数（R²）, 估计准确率（基于ΔE≤2临床阈值）	未知
10	2026-08-16	Artificial intelligence for the prediction of synchronous and metachronous liver metastasis in colorectal cancer patients: a systematic review and meta-analysis 2026-Sep, Abdominal radiology (New York) DOI:10.1007/s00261-026-05433-0 PMID:41721867	系统综述和meta分析	本文通过系统综述和meta分析，评估了基于影像数据的AI模型（包括放射组学和深度学习）在预测结直肠癌患者同时性和异时性肝转移方面的性能。	首次对AI模型预测结直肠癌肝转移的文献进行系统综述和meta分析，综合评估了放射组学与深度学习模型的预测能力，并使用SROC曲线和临床效用指标进行了全面评价。	纳入研究的整体方法学质量和报告质量较差，样本量有限，可能导致结果存在偏倚和异质性。	评估AI模型（放射组学与深度学习）能否准确预测结直肠癌患者的同时性和异时性肝转移，以辅助临床诊断。	结直肠癌患者及其影像数据（如CT、MRI等）。	医学影像分析，人工智能	结直肠癌肝转移	影像组学，深度学习	放射组学模型，深度学习模型（具体未指明，但可能包括CNN等）	医学影像数据（如CT、MRI）	共纳入21项研究，涉及约6759项初步筛选的研究，具体患者数未在摘要中给出。	NA	NA	敏感性，特异性，SROC曲线下面积（AUC），阳性似然比（PLR），阴性似然比（NLR），阳性预测值（PPV），阴性预测值（NPV）	NA
11	2026-08-16	Applications of artificial intelligence algorithms in ultrasound-based kidney stone detection, classification, prediction, and management: a systematic review 2026-Sep, Abdominal radiology (New York) DOI:10.1007/s00261-026-05419-y PMID:41801379	系统综述	系统回顾和综合了人工智能和深度学习算法在基于超声的肾结石检测、分类、并发症预测和手术指导中的应用	首次按应用类型（检测/分割、预测建模、手术指导）分层分析AI/DL在超声肾结石管理中的性能，并采用QUADAS-2及AI扩展工具进行质量评估	数据集的异质性和验证不足限制了荟萃分析；证据确定性低至极低（基于GRADE评估）	系统评估AI/DL算法在超声肾结石检测、分类、并发症/结果预测及手术指导中的应用效果	9项原始同行评审研究，涉及AI/DL在超声肾结石诊断中的应用	医学影像分析	肾结石	超声成像	卷积神经网络（CNN）变体及机器学习集成模型	医学影像（超声图像）	9项研究，包括1,285条初始记录，涵盖检测/分割（3项）、预测建模（4项）和手术指导（2项）	未指定	CNN变体（如U-Net等）	准确率（最高96.54%）、AUC（>0.90）	未指定
12	2026-08-16	Development and validation of an interpretable MRI-based multimodal fusion model for predicting lymph node metastasis after neoadjuvant chemoradiotherapy in locally advanced rectal cancer: a multicenter study 2026-Sep, Abdominal radiology (New York) DOI:10.1007/s00261-026-05391-7 PMID:41801383	研究论文	开发并验证了一种基于MRI的多模态融合模型，用于预测局部晚期直肠癌患者在新辅助放化疗后的淋巴结转移情况	结合深度学习影像组学和Node-RADS评分构建可解释融合模型，并利用SHAP分析增强模型临床可信度	未提供具体局限性信息	开发一个可解释的多模态模型，整合MRI深度学习影像组学特征和Node-RADS评分，以预测局部晚期直肠癌患者新辅助放化疗后的淋巴结转移	190例来自三个独立中心的局部晚期直肠癌患者	医学影像分析	直肠癌	磁共振成像（MRI）	逻辑回归分类器	医学影像（MRI图像）	190例患者	未提及	深度学习影像组学特征与Node-RADS评分的组合	AUC	未提及
13	2026-08-16	Preoperative prediction of preserved renal parenchymal volume via multilevel CT feature fusion: a proof-of-concept study 2026-Sep, Abdominal radiology (New York) DOI:10.1007/s00261-026-05381-9 PMID:41714356	研究论文	本研究开发并验证了一种基于CT的多层次特征融合模型，用于术前准确预测部分肾切除术后保留肾实质体积	提出结合影像组学特征、手工特征和深度学习特征的多层次CT特征融合方法，并利用TabPFN回归器实现高精度预测	本研究为单中心回顾性研究，且为概念验证性质，多中心外部验证和前瞻性研究仍需进一步开展	开发并验证基于CT的多层次特征模型，以在术前准确预测部分肾切除术后保留的肾实质体积	2019至2023年间在中山大学肿瘤防治中心接受部分肾切除术的185例肾肿瘤患者	医学影像分析, 计算机视觉	肾肿瘤	CT影像分析, 放射组学, 深度学习	nnUNetV2, TabPFN	CT图像	185例患者的CT影像数据	PyRadiomics, PyTorch	nnUNetV2, 自定义深度学习网络, TabPFN, PyRadiomics特征提取	Dice相似系数, R², 平均绝对百分比误差（MAPE）	未在摘要中明确说明，可能为GPU集群（如NVIDIA V100或A100）
14	2026-08-16	MRI-based automated segmentation and multiparametric quantification for assessing orbital soft tissue involvement in thyroid eye disease 2026-Sep, European radiology IF:4.7Q1 DOI:10.1007/s00330-026-12599-0 PMID:42089968	研究论文	开发了一种基于深度学习的多模态框架TED-Net，用于自动分割眼眶软组织并进行多参数定量分析，以评估甲状腺眼病的严重程度	提出TED-Net，整合ConvNeXt和Transformer架构的深度学习模型，能够自动提取形态学（体积和体积比）和功能参数（水分数、脂肪分数和FS T2弛豫时间）	未在摘要中明确提及局限性	开发深度学习框架，实现眼眶软组织的自动分割和多参数定量分析，为甲状腺眼病严重程度提供客观评估的影像生物标志物	甲状腺眼病（TED）患者的眼眶软组织，包括眼外肌、泪腺、眶脂肪和眼球	医学影像分析	甲状腺眼病	MRI（水脂分离和脂肪抑制T2 mapping序列）	深度学习模型	MRI图像及相关定量参数	330名患者（主要中心）用于模型开发，113名患者（两个外部中心）用于验证；其中182例轻度、138例中重度TED用于进一步分析	NA	ConvNeXt、Transformer	Dice相似系数、组内相关系数、受试者工作特征曲线下面积、决策曲线分析	NA
15	2026-08-16	Immune Spatial Organization Predicts Distant Metastasis Risk in Aggressive Localized Prostate Cancer 2026-Aug-14, Clinical cancer research : an official journal of the American Association for Cancer Research IF:10.0Q1 DOI:10.1158/1078-0432.CCR-25-4900 PMID:42113020	研究论文	本研究利用计算病理学方法，从H&E染色的全切片图像中识别免疫细胞空间聚集，预测高风险局限性前列腺癌的远处转移风险。	提出了一种基于免疫微环境空间组织的新型可解释计算病理学生物标志物，不同于仅关注肿瘤形态的方法。	未明确提及，但可能受限于回顾性设计和样本量。	开发并验证一种可解释的、来源于免疫微环境的计算病理学生物标志物，用于改善前列腺癌的风险分层。	M0期前列腺癌患者，包括发现队列和验证队列（共490例）以及TCGA队列（326例）。	数字病理学	前列腺癌	H&E染色、深度学习（CellViT）、DBSCAN聚类、CIBERSORTx、TRUST4	深度学习模型（CellViT）	全切片图像（WSI）和批量测序数据	发现队列和验证队列共490例，TCGA队列326例	PyTorch（推断）	CellViT（基于ViT）	调整风险比（HR）、95%置信区间、P值	未明确提及
16	2026-08-16	Deep Learning Predicts Mutations and Outcomes in Gastrointestinal Stromal Tumors 2026-Aug-14, Cancer research IF:12.5Q1 DOI:10.1158/0008-5472.CAN-26-0132 PMID:42258704	研究论文	该研究利用深度学习对胃肠道间质瘤的全切片图像进行分析，预测基因突变、治疗敏感性和无复发生存期	首次在大型多中心队列中验证了深度学习可从全切片图像预测GIST的突变状态、治疗敏感性和预后，性能与现有风险评分相当	尚未提及具体限制，但可能包括对特定突变亚型预测性能较低（如KIT外显子11 del-ins 557-558的AUC仅为0.67）以及依赖高质量全切片图像和分子数据	评估深度学习在GIST中基于全切片图像预测分子改变、治疗敏感性和无复发生存期的可行性	胃肠道间质瘤患者的全切片图像、分子数据和临床随访记录	数字病理学	胃肠道间质瘤	全切片图像分析	深度学习模型（具体如卷积神经网络CNN）	图像（全切片图像）和临床数据	来自7个国家21个中心的8398例GIST病例，包括7238例有分子数据和2638例有临床随访	未明确提及	未明确提及	AUC，风险比（HR）	未明确提及
17	2026-08-16	A unified multi-task framework enables interpretable chest radiograph analysis 2026-Aug-14, Med (New York, N.Y.) DOI:10.1016/j.medj.2026.101223 PMID:42431195	研究论文	提出一种可解释的多任务胸部X光影像分析框架IMT-CXR，通过模拟放射科医生诊断流程，实现疾病识别、属性刻画和报告生成	提出统一的多任务Transformer框架，通过医学领域指令调优，首次将疾病分类、病灶定位、解剖分割和报告生成四个临床任务集成到一个可解释的决策路径中	未明确提及具体局限性，但实验仅基于胸部X光数据，泛化性有待验证	开发一种可解释的多任务胸部X光影像分析框架，弥合AI技术指标与临床实用性之间的差距，推进可信赖的医学成像AI系统	胸部X光影像及对应的临床报告	医学影像分析	胸部疾病	影像学检查	Transformer	影像数据，文本报告	160份来自四个医疗中心的历史报告用于盲评，另使用十个CXR基准数据集	未明确提及，推测为PyTorch或TensorFlow	统一Transformer架构	诊断清晰度（基于放射科医生盲评），另有基准测试指标未在摘要中详述	未明确提及
18	2026-08-16	Deep learning for classification of aggressive versus non-aggressive central giant cell granuloma using whole-slide histopathology images 2026-Aug, Virchows Archiv : an international journal of pathology IF:3.4Q1 DOI:10.1007/s00428-025-04160-z PMID:40576733	研究论文	使用深度学习算法分析侵袭性和非侵袭性中枢性巨细胞肉芽肿的全切片组织病理学图像，以评估其在预测该疾病生物学行为中的潜力	首次尝试使用深度学习模型基于全切片组织病理学图像区分侵袭性和非侵袭性中枢性巨细胞肉芽肿	模型预测性能不佳，可能因缺乏特定分割和技术染色问题所致；样本量有限且未进行高级预处理	评估深度学习作为一种工具在预测中枢性巨细胞肉芽肿生物学行为中的潜力	侵袭性和非侵袭性中枢性巨细胞肉芽肿（CGCG）患者	数字病理学	中枢性巨细胞肉芽肿	组织病理学成像，H&E染色	ResNet-50	图像	87例样本（侵袭性48例，非侵袭性39例），用于训练的切片4272张（侵袭性2629张，非侵袭性1643张），测试图像100张（各50张）	NA	ResNet-50	AUC、敏感性、特异性	NA
19	2026-08-16	GaitDynamics: a generative foundation model for analyzing human walking and running 2026-Aug, Nature biomedical engineering IF:26.8Q1 DOI:10.1038/s41551-025-01565-8 PMID:41491893	研究论文	开发了一个名为GaitDynamics的生成式基础模型，用于分析人类走路和跑步的动态，包括运动和力。	首次在大规模多样化步态数据集上训练生成式基础模型，支持灵活输入输出和临床应用。	未提及具体限制。	开发一个能够从运动学数据估计地面反作用力、预测步态修改对膝关节负荷的影响以及预测跑步速度增加时的运动和力的变化的模型。	人类步态，包括走路和跑步的运动学和动力学数据。	机器学习	NA	NA	生成式基础模型	数值数据（步态运动学和动力学）	大型多样化步态数据集（具体数量未提及）	NA	NA	准确性、效率（具体指标未提及）	NA
20	2026-08-16	Xeno-learning: knowledge transfer across species in deep learning-based spectral image analysis 2026-Aug, Nature biomedical engineering IF:26.8Q1 DOI:10.1038/s41551-025-01585-4 PMID:41588072	研究论文	提出'异种学习'概念，通过跨物种知识转移来利用动物数据改善基于深度学习的高光谱图像分析在临床应用中的表现	首次提出'异种学习'（xeno-learning）概念，灵感来源于异种移植，实现跨物种知识转移，并开发了'基于生理的数据增强'方法，使得从动物模型学到的病理变化知识可应用于人类数据	未提及具体局限性，但可能涉及跨物种谱线差异对转移效果的影响，以及需要进一步的临床验证	解决临床高光谱图像数据不足的问题，通过跨物种知识转移将丰富的临床前动物数据用于训练机器学习算法，以促进临床外科成像中的应用	人类、猪和大鼠模型的高光谱图像	计算机视觉	不适用（如缺血、对比剂注射等外科操作）	高光谱成像	深度学习模型（具体类型未提及）	图像数据	14,013张高光谱图像，来自人类、猪和大鼠模型	NA	NA	未明确提及，可能包含分类准确率、Dice系数等（但因摘要未提及，用NA）	NA