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	2026-09-08	The Role of Artificial Intelligence Combined With Digital Cholangioscopy for Indeterminant and Malignant Biliary Strictures: A Systematic Review and Meta-analysis 2026-10-01, Journal of clinical gastroenterology IF:2.8Q2 DOI:10.1097/MCG.0000000000002148 PMID:39998988	系统综述和荟萃分析	本文通过系统综述和荟萃分析评估了结合人工智能的数字胆道镜检查在诊断不确定或恶性胆道狭窄中的性能	首次系统性地评估AI结合数字胆道镜检查在胆道狭窄诊断中的表现，并汇总了深度学习和CNN模型的数据	仅纳入五项研究，样本量有限，可能影响结果的普遍性	评估AI辅助胆道镜检查在诊断不确定或恶性胆道狭窄中的诊断性能	胆道狭窄病变	计算机视觉	胆道狭窄	数字胆道镜检查	卷积神经网络（CNN）	图像	5项研究，675个病变，共2,685,674张胆道镜图像	NA	CNN	敏感性、特异性、诊断优势比、SROC	NA
2	2026-09-08	Evaluation method for driver comfort under multi axis coherent vibration of seats 2026-Oct, Ergonomics IF:2.0Q3 DOI:10.1080/00140139.2025.2553136 PMID:40901779	研究论文	该研究利用深度学习方法评估座椅多轴相干振动对驾驶员舒适度的影响，并通过道路试验验证了主观与客观数据的一致性	提出了一种融合多模态相干特征的深度学习模型，用于量化评估座椅多轴振动下的驾驶员舒适度，其性能与人体工程学专家评估相当	未明确提及局限性	开发一种基于深度学习的驾驶员舒适度评估方法，以提升座椅设计与驾驶员健康和舒适性	座椅多轴相干振动对驾驶员舒适度的影响	机器学习	不适用	不适用	深度学习模型	振动信号和主观评价数据	未明确说明样本数量	未明确说明	未明确说明	R²（超过70%），以及指标（0.931、0.096、0.071）	未明确说明
3	2026-09-08	Integrating molecular generation and fingerprints transferring for single-molecule theranostics targeting endoplasmic reticulum stress 2026-04, Journal of advanced research IF:11.4Q1 DOI:10.1016/j.jare.2025.07.042 PMID:40721023	研究论文	本研究提出了一种结合分子生成和指纹转移的AI驱动策略，用于设计靶向内质网应激的单分子诊疗试剂，实现精准成像和调控	提出了一种新的AI驱动的双靶向策略，结合“被动+主动”机制，通过指纹转移和三维分子生成模型PM-1设计靶向Grp78的多功能诊疗分子，实现了原子级精准靶向	信息不足	设计能精准靶向并调控内质网应激的多功能诊疗分子，解决被动富集与精准调控之间的平衡，用于肿瘤等疾病的成像和治疗	内质网应激和Grp78蛋白作为关键生物标志物，目标分子为荧光探针ABT-CN2	分子生成、机器学习、深度学习	肿瘤	分子指纹转移、三维分子生成	机器学习模型和深度学习模型PM-1	分子结构数据、生物医学数据	信息不足	信息不足	深度学习模型PM-1	皮尔逊相关系数、IC50	信息不足
4	2026-09-08	Attention-Based Whole-Slide Image Compression Achieves Pathologist-Level Prescreening of Multiorgan Routine Histopathology Biopsies 2025-11, Modern pathology : an official journal of the United States and Canadian Academy of Pathology, Inc IF:7.1Q1 DOI:10.1016/j.modpat.2025.100827 PMID:40562215	研究论文	本文提出了一种基于注意力机制的神经图像压缩方法（NIC-A），用于全玻片图像分析，在多种器官的常规病理活检中达到病理学家级别的预筛选性能	首次将基于注意力的神经图像压缩用于全玻片图像的弱监督分类，并引入了切片打包方法，将同一组织块的多张切片合并为一张图像，结合块级标签进行训练	未明确提及，但可能包括对多中心数据泛化性的进一步验证需求以及模型在不同组织类型上的扩展性	开发一种弱监督的深度学习方法来自动化检测和分类全玻片图像中的癌症及癌前病变，以辅助病理学家进行预筛选并减少常规诊断工作负担	结直肠、宫颈和十二指肠活检的组织切片全玻片图像	数字病理学	结直肠癌、宫颈癌、腹腔疾病	全玻片成像	基于注意力的神经网络	图像（全玻片图像）	9,141个组织块的12,580张全玻片图像，以及用于验证的独立队列	未提及	基于注意力机制的神经图像压缩模型（NIC-A）	准确性、灵敏度、特异性，以及与病理学家小组比较的性能	未提及
5	2026-09-08	End-to-End Deep Learning-Based Motion Correction and Reconstruction for Accelerated Whole-Heart Joint T1/T2 Mapping 2025-09, Magnetic resonance imaging IF:2.1Q2 DOI:10.1016/j.mri.2025.110396 PMID:40268172	研究论文	该文提出一种端到端深度学习算法，用于加速3D全心联合T1/T2成像，通过联合运动估计和模型驱动的运动校正重建，实现多对比欠采样数据的高质量图像重建与定量分析	创新性地使用端到端非刚性运动校正重建网络，直接从八组多对比欠采样数据中估计高质量运动校正重建图像，无需单独运动估计步骤，并显著提升重建速度超过370倍	因分析基于标题和摘要，具体限制未提及，但可能涉及小样本验证、临床泛化性及与参考方法相比的定量差异（如-6.35毫秒和-1.8毫秒偏差）	加速3D全心联合T1/T2成像，用于心肌组织表征，通过实现快速且准确的运动校正重建	3D全心联合T1/T2成像的多对比欠采样数据，采集自自由呼吸高分辨率运动补偿序列，共八个不同对比度体积	机器学习和医学影像	心血管疾病	磁共振成像（T1/T2 mapping，多对比序列）	深度学习网络（端到端非刚性运动校正重建网络）	多对比欠采样MRI图像	未在标题和摘要中明确提供，标注为“NA”	未明确提及框架，但可能基于特定深度学习框架，标记为“NA”	端到端非刚性运动校正重建网络	视觉一致性、T1和T2图的定量偏差（-6.35毫秒和-1.8毫秒）、重建时间	未在标题和摘要中明确，标注为“NA”
6	2026-09-08	Quantitative susceptibility mapping in magnetically inhomogeneous tissues 2025-Sep, Magnetic resonance in medicine IF:3.0Q2 DOI:10.1002/mrm.30537 PMID:40312865	研究论文	本文提出并评估了DEEPOLE，一种基于深度学习的方法，通过将宏观非偶极拉莫尔频移整合到定量磁化率成像中，以提高磁化率图的质量和准确性	DEEPOLE将QUASAR模型整合到深度卷积神经网络中，考虑了常规QSM方法忽略的频率贡献，从而在具有微观结构效应的区域减少了伪影并提高了定量准确性	未明确提及，但可能包括对合成训练数据的依赖以及需要进一步验证其在更广泛临床环境中的适用性	开发并评估一种新的深度学习QSM方法，以改善磁不均匀组织中的磁化率图质量，特别是在神经退行性和脱髓鞘疾病研究中	数字大脑模型（有和无微观结构效应）和活体人脑数据	医学影像分析	神经退行性疾病	磁共振成像（QSM）	深度卷积神经网络	图像	数字大脑模型和活体人脑数据（具体数量未提供）	深度学习框架（具体未指明，如PyTorch或TensorFlow）	卷积神经网络（整合QUASAR模型）	准确率（磁化率估计准确性）、伪影减少、解剖一致性	未明确提及
7	2026-09-08	Self-supervised learning for MRI reconstruction through mapping resampled k-space data to resampled k-space data 2025-09, Magnetic resonance imaging IF:2.1Q2 DOI:10.1016/j.mri.2025.110404 PMID:40324545	研究论文	提出一种自监督深度学习MRI重建方法，通过将重采样的k-space数据映射到重采样的k-space数据，无需全采样参考数据即可高效重建图像	创新性地采用随机自监督学习与数据欠采样（RSSDU）方法，双重重采样k-space数据以避免对全采样数据的需求	未提供具体限制信息	开发一种无需全采样参考数据即可准确有效的MRI图像重建自监督方法	MRI重建中的k-space数据和图像	计算机视觉	不适用	MRI数据欠采样及自监督学习	深度学习网络（具体模型未指明）	MRI k-space数据	不适用	不适用	不适用	峰值信噪比（PSNR）和结构相似性指数（SSIM）	不适用
8	2026-09-08	Groupwise image registration with edge-based loss for low-SNR cardiac MRI 2025-Sep, Magnetic resonance in medicine IF:3.0Q2 DOI:10.1002/mrm.30486 PMID:40353517	研究论文	本文提出一种基于边缘检测损失的深度学习群组图像配准方法（AiM-ED），用于低信噪比心脏MRI的单次采集图像配准和平均	使用噪声鲁棒的预训练边缘检测器定义训练损失，并联合配准多个含噪源图像到目标图像，以应对低信噪比问题	方法仅在有限样本（24个健康切片、5个患者切片、6个0.55T扫描切片）上验证，泛化能力有待进一步研究	开发一种快速、鲁棒的图像配准方法，用于改善低信噪比单次采集心脏MRI的图像质量	心脏MRI图像，包括合成LGE图像（MRXCAT体模）和自由呼吸单次采集LGE图像（健康受试者和患者）	医学影像分析	心血管疾病（涉及心脏MRI，但非特定疾病）	MRI（心脏MRI，低场强度0.55T）	深度学习（基于卷积网络，类似VoxelMorph的配准网络）	图像（MRI图像）	健康受试者24个切片、患者5个切片（0.55T扫描6个切片）、MRXCAT体模合成图像	NA（未被明确提到）	AiM-ED（基于边缘检测的配准网络），可能类似VoxelMorph架构	恢复信噪比（recovery SNR）和三个感知图像质量指标	NA（未被明确提到）
9	2026-09-08	Enhancing deep neural networks through complex-valued representations and Kuramoto synchronization dynamics 2025-Aug-04, ArXiv PMID:40799806	research paper	本文研究如何通过复数值表示和Kuramoto同步动力学增强深度神经网络在视觉分类任务中的对象编码能力	将神经科学中的神经同步机制引入深度学习，通过复数值表示与Kuramoto动力学促进相位对齐，实现特征分组以增强多对象图像的处理能力	未在摘要中明确提及局限性	探究基于同步的机制是否能够提升人工模型在多对象视觉分类中的对象编码能力、鲁棒性和泛化性	深度神经网络（前馈模型和带反馈连接的递归模型）	computer vision	NA	NA	递归神经网络和复值神经网络	多目标图像	NA	NA	NA	准确性、鲁棒性、泛化性	NA
10	2026-09-08	mamp-ml: A deep learning approach to epitope immunogenicity in plants 2025-Jul-15, bioRxiv : the preprint server for biology DOI:10.1101/2025.07.11.664399 PMID:40791437	研究论文	开发了名为mamp-ml的深度学习框架，用于预测植物受体与配体（如病原体相关分子模式）的免疫原性相互作用	利用大型蛋白质语言模型ESM-2并结合超过二十年的功能数据，首次实现了无需实验结构即可高准确率预测植物受体-配体相互作用	未提及具体局限性，但可能受限于现有功能数据的覆盖范围及预测准确率（73%）	建立计算框架，用于高通量筛选植物LRR受体与配体组合，并支持工程化植物免疫系统	植物LRR受体与配体（如PAMP）间的免疫原性相互作用	深度学习, 生物信息学	植物病害	蛋白质语言模型	机器学习框架，可能基于深度学习模型	蛋白质序列和功能注释数据	NA（未在标题和摘要中提供具体样本量）	NA（未指定，但可能使用PyTorch）	ESM-2	准确率	NA（未提及具体计算资源）
11	2026-09-08	Deformable image registration with strategic integration pyramid framework for brain MRI 2025-07, Magnetic resonance imaging IF:2.1Q2 DOI:10.1016/j.mri.2025.110386 PMID:40122188	研究论文	提出一种基于策略性整合金字塔框架的脑部MRI可变形图像配准网络，以提升大形变下的配准精度和鲁棒性	提出基于金字塔结构的策略性整合配准网络，包括不同尺度特征融合和不同神经网络结构整合，并引入最低尺度渐进优化迭代以解决金字塔结构的误差累积问题	摘要中未明确说明，可能未详细讨论计算资源或更广泛数据集上的泛化性	提升脑部MRI图像在大形变条件下的配准精度和鲁棒性	脑部MRI图像	计算机视觉、数字病理学	不适用	不适用（基于图像配准技术）	CNN和Transformer混合模型	图像	多个脑部MRI数据集，具体样本量未提及	不适用	CNN编码器、Transformer解码器、金字塔结构	配准精度、鲁棒性	不适用
12	2026-09-08	DCE-MRI based deep learning analysis of intratumoral subregion for predicting Ki-67 expression level in breast cancer 2025-06, Magnetic resonance imaging IF:2.1Q2 DOI:10.1016/j.mri.2025.110370 PMID:40089082	研究论文	基于动态对比增强MRI的肿瘤内亚区深度学习分析用于预测乳腺癌Ki-67表达水平	利用k-means聚类将肿瘤分为两个亚区，并基于3D ResNet18预训练模型提取深度学习特征，构建结合两个亚区的联合模型以提高预测能力	未在摘要中明确说明局限性	评估基于DCE-MRI的肿瘤内亚区深度学习分析是否能帮助预测乳腺癌Ki-67表达水平	来自两家医院的290例乳腺癌患者	医学影像分析	乳腺癌	DCE-MRI	深度学习模型，逻辑回归	医学影像	290例乳腺癌患者	NA	3D ResNet18	AUC，决策曲线分析	NA
13	2026-09-08	Deep learning-based free-water correction for single-shell diffusion MRI 2025-04, Magnetic resonance imaging IF:2.1Q2 DOI:10.1016/j.mri.2025.110326 PMID:39827997	研究论文	提出了一种基于深度学习的方法，用于单壳扩散MRI的自由水校正，以改善扩散属性估计和白质纤维追踪的准确性	首次使用深度学习框架处理单壳扩散MRI的自由水校正，通过数据驱动方式推断自由水体积，克服了传统双室模型需要多壳数据的限制	未在文中明确提及，可能需要依赖训练数据的多样性来保证泛化能力	开发一种可泛化的深度学习框架，用于单壳扩散MRI的自由水校正，以提高扩散属性估计的准确性和白质纤维追踪的清晰度	人类连接组计划青年成人（HCP-ya）、人类连接组计划老化数据集（HCP-a）和脑肿瘤连接组学数据（BTC）	机器学习	NA	扩散磁共振成像（dMRI）	深度学习模型	扩散加权图像（DWI）	未明确提及，涉及HCP-ya、HCP-a和BTC数据集	NA	NA	属性估计一致性、神经通路识别准确性、白质纤维可视化清晰度	NA
14	2026-09-08	An AI-assisted explainable mTMCNN architecture for detection of mandibular third molar presence from panoramic radiography 2025-03, International journal of medical informatics IF:3.7Q2 DOI:10.1016/j.ijmedinf.2024.105724 PMID:39626596	研究论文	本研究设计并系统评估了一种名为可解释下颌第三磨牙卷积神经网络（E-mTMCNN）的架构，用于在全景放射片中检测下颌第三磨牙的存在	提出了一种新的可解释AI架构E-mTMCNN，整合了LIME解释技术，并创建了公开可访问的下颌第三磨牙（m-TM）数据集	未明确提及具体局限性，但可能受限于单一数据集和特定临床环境	提高早期检测准确性，改善临床决策和治疗规划	下颌第三磨牙在全景放射片中的存在情况	计算机视觉、数字病理	牙科疾病	全景放射摄影	卷积神经网络（CNN）	图像	基于UESB数据集的原始全景放射图像，经专家标注构建新数据集（具体样本数量未提供）	未指定，使用了迁移学习（TL）方法	GoogLeNet	准确率、敏感度、特异性、精确率、F1分数、曲线下面积（AUC）	未指定
15	2026-09-08	Balancing accuracy and Interpretability: An R package assessing complex relationships beyond the Cox model and applications to clinical prediction 2025-02, International journal of medical informatics IF:3.7Q2 DOI:10.1016/j.ijmedinf.2024.105700 PMID:39546831	研究论文	开发了一个R包“survcompare”，旨在评估Cox比例风险模型与基于树和深度学习的生存模型在临床预测中的性能，平衡准确性和可解释性	提出了一个公开可用的R包，通过集成学习和嵌套交叉验证系统地比较传统Cox模型与机器学习生存模型，并整合Cox-PH与SRF或DeepHit的集成方法来量化边际价值	未明确提及具体限制，但可能包括对模拟和临床数据的依赖以及计算复杂度	探索Cox-PH在临床预测建模中相对于树基和深度学习模型的性能极限，帮助研究人员评估准确性-可解释性权衡	Cox-PH、Cox-Lasso、生存随机森林（SRF）、DeepHit模型，以及它们的集成方法	机器学习	NA	生存分析	Cox比例风险模型、Lasso、随机森林、深度生存模型（DeepHit）	临床表格数据、影像和模拟数据	样本量从少到多，包括≥500的模拟数据集和不同复杂度的临床数据集（具体数量未在标题/摘要中提供）	R语言环境	Cox-PH、Cox-Lasso、SRF、DeepHit	一致性指数（C-index），时间依赖性AUC-ROC，校准斜率	未明确提及具体计算资源
16	2026-09-08	Imatinib adherence prediction using machine learning approach in patients with gastrointestinal stromal tumor 2025-Jan-01, Cancer IF:6.1Q1 DOI:10.1002/cncr.35548 PMID:39238433	研究论文	本研究利用机器学习和深度学习技术预测胃肠道间质瘤（GIST）患者对伊马替尼的服药依从性，并识别相关风险因素。	首次在实际临床环境中应用机器学习技术预测GIST患者伊马替尼不依从的风险因素	摘要未提及局限性	评估GIST患者伊马替尼依从率，并开发基于ML和DL的模型以预测不依从风险	胃肠道间质瘤患者，共397名	机器学习	胃肠道间质瘤	问卷调查	机器学习与深度学习模型，包括梯度提升机、随机森林、支持向量机、人工神经网络、多层感知器、朴素贝叶斯、TabNet和Wide&Deep	问卷数据	397名GIST患者	未提及	XGBoost、LGBM、CatBoost、随机森林、支持向量机、人工神经网络、多层感知器、朴素贝叶斯、TabNet、Wide&Deep	F1分数	未提及
17	2026-09-08	Post-Cardiac arrest outcome prediction using machine learning: A systematic review and meta-analysis 2025-01, International journal of medical informatics IF:3.7Q2 DOI:10.1016/j.ijmedinf.2024.105659 PMID:39481177	系统综述与荟萃分析	一项系统综述和荟萃分析，评估基于机器学习和深度学习模型使用结构化数据预测心脏骤停后临床结局的有效性	综合评估多种机器学习与深度学习模型在不同时间点预测心脏骤停后结局的性能，并采用CHARMS和PROBAST工具进行标准化评估	存在显著异质性和高风险偏倚，主要由缺失数据处理不当和缺少校准图引起	评估机器学习和深度学习模型在预测心脏骤停后自主循环恢复、生存和神经学结局方面的性能，并与传统回归算法进行比较	心脏骤停患者及其临床结局（自主循环恢复、生存/死亡、神经学结局）	机器学习	心脏骤停后疾病	NA	机器学习模型, 深度学习模型	结构化数据	41项研究，共97个机器学习模型和16个深度学习模型	NA	NA	曲线下面积(AUC)	NA
18	2026-09-08	Cross-modal similar clinical case retrieval using a modular model based on contrastive learning and k-nearest neighbor search 2025-01, International journal of medical informatics IF:3.7Q2 DOI:10.1016/j.ijmedinf.2024.105680 PMID:39500035	研究论文	开发了一种基于对比学习和k近邻搜索的模块化跨模态相似病例检索模型，用于从不同数据模态中检索相似临床病例。	提出了一种模块化的CRMR模型，首次实现了跨模态临床病例检索，通过对比学习和k近邻搜索结合的方式，解决了多模态数据检索的挑战。	摘要中未明确提及局限性。	开发一种跨模态临床病例检索模型，以支持临床决策。	使用公共MIMIC-CXR数据集的胸部X光图像和相关临床文本记录。	机器学习	NA	对比学习、k近邻搜索	模块化模型（包含特征提取、特征转换和检索模型）	图像和文本	使用MIMIC-CXR数据集，具体样本量未在摘要中提供。	NA	特征提取模型、特征转换模型、特征转换优化模型、病例检索模型	平均检索精度（AP@k），检索时间	NA
19	2026-09-08	Expert opinion elicitation for assisting deep learning based Lyme disease classifier with patient data 2025-01, International journal of medical informatics IF:3.7Q2 DOI:10.1016/j.ijmedinf.2024.105682 PMID:39504916	研究论文	本研究通过征求十五位专家医生的意见，从患者数据中计算莱姆病红斑迁移（EM）概率评分，以辅助基于深度学习的图像分类器。	首次通过专家意见征询从患者数据中计算莱姆病概率评分，并提出结合多模态独立概率估计的算法。	未明确提及，可能受限于专家意见的主观性和样本量。	利用患者数据辅助深度学习模型进行莱姆病诊断，提高图像预筛查的稳健性。	莱姆病红斑迁移（EM）皮肤病变及其相关的患者数据。	机器学习	莱姆病	NA	高斯混合模型、决策树	患者问卷数据	未明确说明样本量，涉及十五位专家医生。	NA	NA	NA	NA
20	2026-09-08	Enhanced NSCLC subtyping and staging through attention-augmented multi-task deep learning: A novel diagnostic tool 2025-01, International journal of medical informatics IF:3.7Q2 DOI:10.1016/j.ijmedinf.2024.105694 PMID:39515045	研究论文	本研究开发了一种结合注意力机制和多任务学习的深度学习模型，用于非小细胞肺癌的组织学亚型和临床分期分类，并显示出优于现有模型的表现	将注意力编码器模块整合到多任务学习网络中，显著提高了非小细胞肺癌组织学分型和临床分期的准确性，减少了对放射科医生精确标注的依赖	未明确说明	开发一种具有注意力编码器的多任务学习方法，用于非小细胞肺癌组织学亚型和临床分期的分类，并取得优于当前流行深度学习模型的性能	758例非小细胞肺癌患者（平均年龄66.2岁±10.3，其中男性473名），涵盖腺癌和鳞状细胞癌病例	计算机视觉	非小细胞肺癌	CT成像	多任务学习模型，基于MobileNet架构	CT图像	758例患者，4548张CT切片	NA	MobileNet，注意力机制（如注意力编码器）	AUC	NA