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	2026-07-22	Multi-center evaluation of radiomics and deep learning to stratify malignancy risk of IPMNs 2026-Aug, Abdominal radiology (New York) DOI:10.1007/s00261-025-05371-3 PMID:41524987	research paper	多中心评估影像组学和深度学习对IPMN进行恶性风险分层	首次利用囊肿水平的图像特征，结合影像组学和深度学习融合模型，在多中心数据集上实现对IPMN的恶性风险分层	模型性能仍需提升以支持独立临床使用	评估AI在预测IPMN异型增生级别中的可行性，提高诊断准确性并减少不必要的手术干预	低风险与高风险IPMN病变的囊肿级恶性风险分层	computer vision	NA	NA	fusion model	image	359张T2加权MRI图像，来自7个医疗中心	NA	2D和3D radiomics-only、DL-only以及radiomics-DL融合模型	AUC	NA
2	2026-07-22	Automated detection of gallbladder stones using a deep learning algorithm on computed tomography scans 2026-Aug, Abdominal radiology (New York) DOI:10.1007/s00261-025-05352-6 PMID:41524986	研究论文	开发并评估一种基于深度学习的算法，用于在CT扫描中自动检测胆囊结石	首次提出一种完整的深度学习流水线，结合胆囊分割和结石边界框检测，实现对CT图像中胆囊结石的自动化高灵敏度识别	回顾性单中心研究，样本量有限（90例测试集），对低密度或小尺寸结石的检测灵敏度较低，且未在外部数据集验证	评估深度学习算法在CT扫描中自动检测胆囊结石的诊断准确性	胆囊结石患者、非结石患者及胆囊切除术后的CT扫描图像	计算机视觉	胆囊结石	CT扫描	深度学习模型（分割与检测结合）	图像	1143例CT扫描（493例阳性、470例阴性、180例术后）用于训练，90例（每组30例）用于测试	NA	分割模型（U-Net相关）、检测模型（基于区域提议网络等）	Dice系数、灵敏度、特异度、ROC曲线分析	NA
3	2026-07-22	Deep learning in enhanced CT imaging: predicting invasion depth of rectal adenocarcinoma 2026-Aug, Abdominal radiology (New York) DOI:10.1007/s00261-025-05368-y PMID:41524989	研究论文	开发并评估深度学习模型RectoDepthAI，利用增强CT图像预测直肠腺癌的浸润深度	首次将ResNet-18与LSTM结合用于增强CT图像的序列处理，实现直肠腺癌浸润深度的精准分期	未提及外部验证或前瞻性研究，可能受限于单中心数据集	准确评估直肠腺癌肿瘤浸润深度，区分早期和晚期肿瘤	直肠腺癌患者	计算机视觉	直肠癌	增强CT成像	深度学习模型（CNN-LSTM）	图像（CT扫描）	934例患者	PyTorch	ResNet-18, LSTM	AUC, 准确率, 灵敏度, 特异性	NA
4	2026-07-22	ERBB2 as a Prognostic Biomarker in Prostate Cancer: Integration of Single-Cell Transcriptomics, Deep Learning, and Immunohistochemical Validation 2026-Aug, Biochemical genetics IF:2.1Q3 DOI:10.1007/s10528-026-11333-1 PMID:41701406	研究论文	整合单细胞转录组学、深度学习和免疫组化验证，探究ERBB2作为前列腺癌生化复发预后生物标志物的作用	首次结合单细胞转录组学、深度学习和免疫组化验证，揭示ERBB2在前列腺癌生化复发中的关键作用及其作为预后生物标志物的潜力	NA	识别与前列腺癌生化复发相关的关键基因，并验证其临床意义	前列腺癌患者，CD8 T细胞耗竭相关基因，转移性前列腺癌相关基因，ERBB2基因	机器学习	前列腺癌	单细胞RNA测序, 免疫组化	深度神经网络	单细胞转录组数据，临床病理数据	独立前列腺癌队列，具体数量未说明	NA	深度神经网络	生存分析，P值	NA
5	2026-07-22	Natural language processing tool for extracting information about opioid overdoses in the USA from case narratives in the violent death reporting system 2026-Jul-20, Injury prevention : journal of the International Society for Child and Adolescent Injury Prevention IF:2.5Q2 DOI:10.1136/ip-2024-045314 PMID:39762007	研究论文	开发基于自然语言处理的Excel提取器，用于从暴力死亡报告系统的案例叙述中提取药物过量相关信息	首次提出基于电子表格公式的自然语言处理工具，用于药物过量死亡记录的自动化信息提取，且规则方法在多数属性上表现优于深度学习	NA	改进药物过量监测基础设施，开发原型工具从死亡记录中提取关键信息	美国暴力死亡报告系统中的药物过量死亡案例叙述	自然语言处理	药物过量	NA	规则搜索与机器学习	文本	NA	Excel格式公式	Excel提取器	F1分数	NA
6	2026-07-22	Deep learning for histopathological diagnosis of esophageal squamous cell carcinoma in biopsies: A multicenter analysis 2026-04, Digestive and liver disease : official journal of the Italian Society of Gastroenterology and the Italian Association for the Study of the Liver IF:4.0Q1 DOI:10.1016/j.dld.2026.01.230 PMID:41692642	研究论文	开发基于深度学习的AI系统用于食管鳞状细胞癌活检组织病理诊断的多中心研究	利用iPad注释系统和DeepLab-v3模型，首次在多中心验证中证明AI系统在食管鳞癌活检诊断中可匹配初级病理医生准确率并缩短诊断时间	研究主要基于食管活检标本，且样本来自亚洲人群，可能限制在其他区域的应用；手术切除和ESD标本的AUC较低	开发并验证AI辅助诊断系统用于食管鳞状细胞癌活检的组织病理诊断	食管活检组织病理切片	数字病理学	食管鳞状细胞癌	H&E染色全切片成像	DeepLab-v3	全切片图像	训练集515张WSI，验证集50张WSI，内部测试集539张WSI，外部验证集945张WSI，手术切除和ESD标本173张WSI	PyTorch	DeepLab-v3, ResNet-50	AUC, 准确率, 敏感度, 特异度	NA
7	2026-07-22	Interpretable MRI-Based Machine Learning Model for Noninvasive Prediction of Axillary Lymph Node Metastasis After Neoadjuvant Chemotherapy in Breast Cancer 2026-Apr, Academic radiology IF:3.8Q1 DOI:10.1016/j.acra.2026.01.018 PMID:41633888	研究论文	开发一种可解释的机器学习模型，整合MRI影像组学、深度学习特征和Node-RADS评分，用于乳腺癌新辅助化疗后腋窝淋巴结转移的无创预测	首次将MRI影像组学、深度学习特征和Node-RADS评分整合到可解释的机器学习模型中，用于预测乳腺癌新辅助化疗后腋窝淋巴结转移	多中心回顾性研究设计，样本量有限，且模型在外部验证队列中的AUC值低于内部验证	开发一种可解释的机器学习模型，实现乳腺癌新辅助化疗后腋窝淋巴结转移的无创预测	641例经病理确诊的乳腺癌患者	机器学习	乳腺癌	MRI影像组学, 深度学习特征提取	机器学习算法	影像数据, 临床病理数据	641例患者，分为训练队列397例、内部验证队列99例、两个外部验证队列90例和55例	NA	ResNet50	AUC, 校准曲线, 决策曲线分析	NA
8	2026-07-22	Comprehensive 3D Optical Coherence Tomography Dataset for AMD and DME: Facilitating Deep-Learning-Based 3D Segmentation 2026-Feb-10, Scientific data IF:5.8Q1 DOI:10.1038/s41597-025-06497-1 PMID:41667492	研究论文	提出用于年龄相关性黄斑变性（AMD）和糖尿病性黄斑水肿（DME）的综合性3D光学相干断层扫描（OCT）数据集及一种基于BiFormer块的3D分割网络	首次构建包含224个3D OCT容积图像的AMD和DME综合数据集，并提出基于双级路由注意力机制的BiFormer块的新型3D分割网络	未提及具体局限性	解决AMD和DME领域缺乏3D数据集问题，促进深度学习3D分割技术发展	年龄相关性黄斑变性（AMD）和糖尿病性黄斑水肿（DME）患者	计算机视觉	年龄相关性黄斑变性, 糖尿病性黄斑水肿	光学相干断层扫描（OCT）	3D分割网络（基于BiFormer块）	3D OCT容积图像	224个容积图像（122个AMD，102个DME）	NA	BiFormer（基于双级路由注意力机制的神经网络结构）	NA	NA
9	2026-07-22	HBID24K: A New Benchmark Dataset for Vulnerable Houbara Bustard and Intruder Detection in Wildlife Monitoring 2026-Feb-10, Scientific data IF:5.8Q1 DOI:10.1038/s41597-025-06496-2 PMID:41667517	研究论文	提出了一个用于监测易危波斑鸨及其入侵者的大规模相机陷阱图像数据集HBID24K，并基准测试了10种目标检测模型	首次构建了针对波斑鸨和入侵者检测的专用基准数据集，涵盖14种相机模型及多年多时段采集的高多样性图像，并系统评估了YOLOv10等先进目标检测模型	NA	通过构建高质量数据集推动基于深度学习的目标检测在波斑鸨及入侵者监测中的应用，为野生动物保护提供自动化解决方案	易危波斑鸨及其巢穴入侵者	计算机视觉	NA	相机陷阱图像采集	YOLOv10	图像	24318张相机陷阱图像（其中波斑鸨图像15070张，入侵者图像9248张）	PyTorch	YOLOv10	NA	NA
10	2026-07-22	A fine-grained fundus image dataset for cataract severity assessment and diagnosis 2026-Feb-07, Scientific data IF:5.8Q1 DOI:10.1038/s41597-026-06684-8 PMID:41654552	研究论文	构建了一个用于白内障严重程度评估和诊断的细粒度眼底图像数据集，并提出了基于多模态大语言模型的诊断框架	首次将多模态大语言模型技术应用于精确的白内障量化诊断，提供了包含细粒度分类和专业诊断描述的高质量公开数据集	NA	解决现有方法仅能提供二分类评估的局限，实现多级严重程度评估和诊断建议生成	白内障患者的眼底图像	计算机视觉, 数字病理学	白内障	眼底图像采集	多模态大语言模型 (MLLM)	图像	187例眼底图像病例	NA	多模态大语言模型 (MLLM)	严重程度评估和诊断报告生成的质量指标，具体未提及	NA
11	2026-07-22	From pixels to prognosis: A QUADAS-2-Guided systematic review and meta-analysis of deep learning segmentation for DLBCL in PET and PET/CT 2026, Cancer treatment and research communications DOI:10.1016/j.ctarc.2026.101144 PMID:41719779	系统综述与Meta分析	本系统综述和Meta分析评估了深度学习模型在PET/CT成像中自动分割弥漫性大B细胞淋巴瘤的性能和方法学质量	首次使用QUADAS-2工具评估DLBCL分割研究的偏倚风险，并汇总多中心与单中心研究的分割性能差异	纳入研究异质性较高，多中心研究DSC值略低（≈0.78 vs 0.82），且约27-33%研究存在中或不明偏倚风险	系统评估深度学习模型自动分割弥漫性大B细胞淋巴瘤的性能和临床适用性	PET/CT影像上的弥漫性大B细胞淋巴瘤病灶	计算机视觉	弥漫性大B细胞淋巴瘤	PET/CT成像	深度学习模型	医学影像	15项符合条件的研究（11项定量综合，4项定性评估）	NA	NA	Dice相似系数	NA
12	2026-07-22	Integrative multi-omics and machine learning/deep learning approaches in cancer knowledge discovery: A scoping review 2026, Cancer treatment and research communications DOI:10.1016/j.ctarc.2026.101136 PMID:41740538	综述	对机器学习/深度学习在多组学整合癌症知识发现中的应用进行范围综述	系统评估了当前文献中多组学整合方法的有效性，并识别关键主题和知识空白	研究设计多样且数据类型差异大，导致研究间难以直接比较	评估多组学整合在癌症知识发现中的机器学习/深度学习方法效果并总结现状	70篇纳入研究的多组学整合方法与模型	机器学习	癌症	多组学（转录组学、基因组学、蛋白质组学）	机器学习、深度学习	多组学数据	70篇研究	NA	NA	NA	NA
13	2026-07-22	Emerging light-based strategies in cancer theranostics: Photodynamic therapy, nanomedicine, and precision oncology 2026, Cancer treatment and research communications DOI:10.1016/j.ctarc.2026.101150 PMID:41747470	综述	探讨人工智能在光疗和光动力疗法中增强精准医学与个性化治疗的应用	系统性地综述了人工智能（特别是深度学习）在光疗和光动力疗法中的整合应用，包括肿瘤成像、实时治疗监测、个性化剂量推荐及药物发现，展示了超过95%的诊断准确率	人工智能在光疗和光动力疗法中的应用仍处于早期阶段，面临算法优化、数据整合和临床验证等挑战	分析人工智能如何提升光疗和光动力疗法的精度、个性化水平及治疗效果	光疗和光动力疗法中的患者影像数据、遗传信息、治疗反应及光敏剂药物	自然语言处理	癌症	光疗	深度学习	影像数据	NA	NA	NA	准确率	NA
14	2026-07-22	An attention-guided residual 3D U-net with focal Tversky-Dice loss for multi-modal pancreatic tumor segmentation using synthetic volumetric imaging 2026, Cancer treatment and research communications DOI:10.1016/j.ctarc.2026.101146 PMID:41762607	研究论文	提出一种结合合成多模态成像和条件特异注意力机制的残差3D U-Net模型用于胰腺导管腺癌分割	首次将合成多模态成像与条件特异性注意力机制融入残差3D U-Net结构，并采用Focal Tversky-Dice混合损失函数处理类别不平衡和小肿瘤分割问题	未在真实临床多模态数据集上验证，仅使用合成CT数据进行评估	提高胰腺导管腺癌自动分割的准确性和可靠性	胰腺导管腺癌肿瘤区域的自动分割	数字病理学	胰腺癌	合成多模态成像	3D U-Net	合成多模态CT图像	NA	PyTorch	残差3D U-Net	Dice系数, IoU, VOE	NA
15	2026-07-22	Smartphone-based detection of COVID-19 and associated pneumonia using thermal imaging and a transfer learning algorithm 2025-12, Journal of biophotonics IF:2.0Q3 DOI:10.1002/jbio.202300486 PMID:38253344	研究论文	开发基于智能手机的热成像应用，结合迁移学习算法用于检测COVID-19及相关肺炎	利用便携式热成像摄像头和智能手机进行非医院环境下的COVID-19筛查	敏感性88.7%和特异性92.3%表明存在一定误诊率，可能需要进一步验证	探索非侵入性热成像技术在COVID-19及相关肺炎初级筛查中的应用	人类背部热成像图像	计算机视觉	COVID-19及相关肺炎	热成像	迁移学习算法	图像	未明确说明	NA	NA	敏感性, 特异性	智能手机
16	2026-07-22	AIRPred: A Deep Learning Model Predictor for Peptide Intensity Ratios in Cross-Linking Mass Spectrometry Improves Cross-Link Spectrum Matching 2025-11-25, Analytical chemistry IF:6.7Q1 DOI:10.1021/acs.analchem.5c03597 PMID:40864166	研究论文	提出深度学习模型AIRPred，通过预测交联肽对强度比来提高交联质谱中谱图匹配的准确性	首次利用深度学习预测交联肽对之间的碎片离子强度比，以提升交联谱图匹配的准确性	模型依赖于实验条件的一致性，可能在不同质谱平台或实验设置下表现不稳定	提高交联质谱数据中交联肽段谱图匹配的准确性	交联肽对的强度比	质谱分析、深度学习	NA	交联质谱（XL-MS）	卷积神经网络（CNN）、注意力机制	质谱数据（交联肽对强度）	未具体说明样本数量	NA	CNN块、注意力层	准确性	NA
17	2026-07-22	Subtyping-Directed Precision Treatment Refines Traditional One-Size-Fits-All Therapy for HR+/HER2- Breast Cancer 2025-10-15, Cancer research IF:12.5Q1 DOI:10.1158/0008-5472.CAN-24-5002 PMID:40824544	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
18	2026-07-22	Shear Wave Optical Coherence Elastography Imaging by Deep Learning 2025-09, Journal of biophotonics IF:2.0Q3 DOI:10.1002/jbio.70027 PMID:40210208	研究论文	提出一种将光学相干弹性成像与深度学习结合的方法，用于预测眼部组织生物力学特性	将深度学习网络（CPN）引入OCE数据处理流程，通过3D卷积神经网络直接预测样品浓度并计算杨氏模量，提高了效率和可重复性	NA	开发一种优化的工作流程，利用深度学习增强OCE在眼部组织力学特性预测中的效率和准确性	琼脂体模和猪角膜	机器学习	眼病	光学相干弹性成像	3D卷积神经网络（CPN）	图像	琼脂体模训练和测试数据，以及不同眼内压下的原位猪角膜	NA	3D卷积神经网络	平均绝对误差	NA
19	2026-07-22	GPS: Harnessing data fusion strategies to improve the accuracy of machine learning-based genomic and phenotypic selection 2025-08-11, Plant communications IF:9.4Q1 DOI:10.1016/j.xplc.2025.101416 PMID:40509592	研究论文	提出一种名为GPS的数据融合框架，通过整合基因组和表型数据提升机器学习的预测准确性	首次提出三种数据融合策略（数据融合、特征融合、结果融合）并全面比较，在四种作物种群上验证了数据融合策略的优越性	未提及具体局限性	提升基因组选择和表型选择在植物育种中的预测准确性、鲁棒性和可迁移性	四种作物物种（玉米、大豆、水稻、小麦）的基因组和表型数据	机器学习	NA	SNP基因分型	统计模型（GBLUP、BayesB）、机器学习模型（Lasso、RF、SVM、XGBoost、LightGBM）、深度学习模型（DNNGP）、表型辅助预测模型（MAK）	基因组数据（SNP标记）和表型数据	包含四种作物的大规模数据集，最小样本量为200	NA	Lasso_D（数据融合策略下优化的Lasso模型）	预测准确性	NA
20	2026-07-22	Chromatin accessibility dynamics and transcriptional regulatory networks underlying the primary nitrogen response in rice roots 2025-07-14, Plant communications IF:9.4Q1 DOI:10.1016/j.xplc.2025.101392 PMID:40468596	研究论文	通过时间序列ATAC-seq和RNA-seq分析，研究水稻根部在氮素重新供应后染色质可及性和基因表达的动态变化，揭示初级氮响应中的转录调控网络	首次在水稻中通过时间序列分析揭示初级氮响应过程中染色质可及性动态与转录调控网络的级联变化，并鉴定OsLBD38/39与OsbZIP23作为关键调控因子，其调控模式相反	研究主要关注根部，未涉及地上部分；分析基于两个水稻品种，可能无法完全代表所有亚种间的差异	阐明水稻根部初级氮响应的转录调控机制，特别是染色质可及性动态与基因表达变化之间的关系	水稻根部，包括两个品种（珍汕97和日本晴）	机器学习, 数字病理学	NA	ATAC-seq, RNA测序	深度学习模型	测序数据	两个水稻品种，在硝酸铵重新供应后2小时内进行时间序列采样	NA	NA	NA	NA