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	2026-07-30	The perspective of artificial intelligence for NMR 2027-Feb, Magnetic resonance letters DOI:10.1016/j.mrl.2026.200290 PMID:42518522	综述	本文综述了人工智能（特别是深度学习）在核磁共振波谱技术中的应用，重点探讨了其在代谢物研究中解决灵敏度低、峰重叠严重和数据解析困难等核心挑战的创新方向	系统梳理了AI驱动NMR在代谢物研究中的三个技术革新方向：低场谱高场化、纯位移谱优化以缓解谱峰拥挤、以及代谢组学中代谢物与生物标志物的智能识别	NA	概述AI与NMR协同作用在代谢物研究中的进展，并展望其在代谢组学、精准医学等领域的应用潜力	核磁共振波谱数据与代谢物相关研究，包括低场NMR谱、纯位移谱及代谢组学数据	机器学习	高脂血症（文中提及脂蛋白代谢标志物）	核磁共振波谱，深度学习	深度学习模型	NMR波谱数据	NA	NA	NA	NA	NA
2	2026-07-30	From annotation to analysis: a deep-learning pipeline for optical coherence tomography (OCT)-based measurements of biofilm morphology 2026-Dec, Biofilm IF:5.9Q1 DOI:10.1016/j.bioflm.2026.100383 PMID:42518799	研究论文	提出基于深度学习的管道，利用光学相干断层扫描（OCT）成像和自动图像处理流程，快速表征生物膜形态	首次将YOLOv8和SegFormer两种先进分割模型应用于生物膜OCT图像，并开发完整框架从分割图像提取厚度、粗糙度和密度分布等关键形态特征	未提及模型的泛化能力验证及计算资源需求，未比较方法与传统手动标注的时间成本差异	实现基于OCT图像的高通量、自动化生物膜形态表征	四种分类学上不同的多物种生物膜	计算机视觉、数字病理学	不适用	光学相干断层扫描（OCT）	YOLOv8, SegFormer	图像	八种挑战性生物膜条件及四种多物种生物膜	PyTorch	YOLOv8, SegFormer	准确率、交并比（IoU）	不适用
3	2026-07-30	Methods for Uncertainty Quantification in Dictionary Matching to Advance Reliability of Quantitative MRI 2026-Oct, Magnetic resonance in medicine IF:3.0Q2 DOI:10.1002/mrm.70459 PMID:42252544	研究论文	提出两种用于定量磁共振成像中字典匹配的不确定性量化方法，以评估参数图的可靠性	针对现代重建技术引入的非独立同分布噪声，提出了频率学派似然比检验和贝叶斯边际后验方法，实现了统计上可解释的不确定性量化	未详细讨论方法在高维参数空间或实时临床应用的扩展性	为定量磁共振成像中的字典匹配开发不确定性量化框架，提升临床可靠性	T1和T2映射中的参数估计，包括模拟、体模和体内实验	机器学习	NA	定量磁共振成像, 径向涡轮自旋回波, 径向Look-Locker	频率学派似然比检验, 贝叶斯边际后验	图像	模拟数据、体模实验及体内实验（具体数量未明确）	NA	NA	覆盖率, 置信区间宽度	NA
4	2026-07-30	Denoising of ASL Data Using Deep Learning Priors Generated From Distribution Remapping 2026-Oct, Magnetic resonance in medicine IF:3.0Q2 DOI:10.1002/mrm.70471 PMID:42272040	研究论文	提出一种基于分布重映射生成深度学习先验的方法，用于去噪动脉自旋标记（ASL）数据	通过分布重映射增强数据以克服训练数据有限时的过拟合和泛化问题，并分别去噪目标灌注加权图像的同分布和异分布分量	未提及具体局限性，但可能依赖公开ASL数据集的质量和数量	开发一种有效的基于深度学习的方法去噪ASL数据，以提高图像质量和临床实用性	ASL数据，包括模拟数据和体内数据（如中风患者数据）	机器学习, 数字病理	心血管疾病	ASL	U-Net	图像	使用公开ASL数据集进行训练，体内实验包括中风患者数据（使用总平均的六分之一）	PyTorch	U-Net	SNR, 比较CBF图	NA
5	2026-07-30	Fourier Shell Analysis: k-Space-Based Metrics for Assessing Super-Resolution in 4D Flow MRI 2026-Oct, Magnetic resonance in medicine IF:3.0Q2 DOI:10.1002/mrm.70478 PMID:42277983	研究论文	提出傅里叶壳层分析方法，用于评估4D flow MRI中的超分辨率技术	首次在4D flow MRI超分辨率评估中引入k空间傅里叶壳层分析，能区分分辨率提升和去噪效果	仅使用合成数据验证，未在真实临床数据中测试	为4D flow MRI超分辨率评估提供新指标，解决现有图像指标无法区分分辨率提升与去噪的问题	胸主动脉4D flow MRI数据	机器学习和医学成像	心血管疾病	4D flow MRI	深度学习超分辨率网络(4DFlowNet)	合成4D flow MRI图像	合成数据集包含不同程度的狭窄，具体样本数未明确说明	NA	4DFlowNet	绝对相对均数配对差异	NA
6	2026-07-30	T1-weighting in Steady-State FLASH MRI-Diffusion Is Not Only Supportive but Mandatory for the Contrast 2026-Oct, Magnetic resonance in medicine IF:3.0Q2 DOI:10.1002/mrm.70443 PMID:42324643	研究论文	探究扩散在稳态FLASH MRI对比形成中的作用及其对模拟和测量的影响	揭示了扩散在稳态FLASH MRI中不仅是辅助因素，而是实现T1加权对比所必需的因素	未明确提及实验方法的局限性和样本量的影响	研究扩散在稳态FLASH MRI对比形成中的作用及其对基于模拟的建模和测量的影响	脑脊液（CSF）、白质（WM）等组织信号及3D打印脑模型	磁共振成像	NA	稳态FLASH MRI	神经网络（NN）	合成脑模型数据、体内测量数据	一个3D打印脑模型	NA	分割网络（未指定具体架构）	泛化能力	NA
7	2026-07-30	Deep learning of pretreatment ascites cytopathology for platinum-resistance risk stratification in advanced epithelial ovarian cancer 2026-Sep, Neoplasia (New York, N.Y.) DOI:10.1016/j.neo.2026.101330 PMID:42365738	研究论文	提出OVCAP深度学习框架，分析晚期上皮性卵巢癌患者治疗前腹水细胞学全切片图像，以评估铂类耐药风险	首次系统利用腹水细胞学形态信息预测铂类耐药风险，结合注意力引导的细胞病理学回顾和单细胞RNA测序分析揭示耐药生物学特征	未在文中明确提及局限性	利用治疗前腹水细胞学病理图像进行铂类耐药风险分层，改善晚期上皮性卵巢癌患者的预后预测	晚期上皮性卵巢癌患者（FIGO IIIB-IV期）的腹水细胞学全切片图像	数字病理学	卵巢癌	细胞学病理全切片成像，单细胞RNA测序	深度学习框架（多尺度）	图像（全切片病理图像）	438名FIGO IIIB-IV期上皮性卵巢癌患者	PyTorch	NA	ROC-AUC	NA
8	2026-07-30	Cross-modal mapping of cancer stem-like cell plasticity using deep learning 2026-Sep, NAR cancer IF:3.4Q2 DOI:10.1093/narcan/zcag015 PMID:42516214	研究论文	开发ACSCeND框架，利用深度学习实现跨模态的癌症干细胞样细胞可塑性映射	提出统一机器学习框架ACSCeND，整合单细胞RNA测序的监督分类器与注意引导自编码器，实现高分辨率CSC状态分类与组织级去卷积，首次将单细胞精度与批量级适用性结合，并验证CSC状态作为泛癌生物标志物的临床意义	未提及具体的局限性，但模型中依赖的注释数据质量和泛化性可能受限于训练用的scRNA-seq数据集	开发可扩展工具以在单细胞和批量转录组数据中一致地分析癌症干细胞状态，并揭示其临床相关性	癌症干细胞样细胞（CSCs）及其分子可塑性	机器学习, 数字病理学	泛癌（包括肺癌、前列腺癌等）	RNA测序（单细胞RNA测序、批量RNA测序）	深度神经网络（自编码器、分类器）	转录组数据（scRNA-seq和bulk RNA-seq）	超过25000个肿瘤样本（来自TCGA、PRECOG、肿瘤复发和检查点抑制剂研究）	PyTorch	注意引导自编码器、监督分类器	准确性	NA
9	2026-07-30	Classification of neurodevelopmental disorders and typical development using deep learning and a portable patch-type electroencephalography device 2026-Sep, Neuroimage. Reports DOI:10.1016/j.ynirp.2026.100384 PMID:42518329	研究论文	利用便携式贴片脑电图设备和深度学习模型区分神经发育障碍与典型发育儿童	首次将便携式额部三通道脑电图设备与一维卷积神经网络结合Transformer的深度学习模型用于识别神经发育障碍，降低了参与者的检查负担并提升了诊断可及性	样本量有限（仅163名参与者）且未进行独立外部验证，模型对共病（自闭症合并多动症）的分类性能较低（AUC 0.667）	开发一种更易获取的神经发育障碍诊断辅助工具	典型发育儿童与神经发育障碍儿童（包括自闭症、多动症及两者共病）	医疗机器学习	神经发育障碍	便携式脑电图记录	一维卷积神经网络与Transformer编码器	脑电图信号	163名参与者（87名典型发育，76名神经发育障碍）	NA	一维卷积神经网络、Transformer编码器	AUC、平衡准确率（bACC）	NA
10	2026-07-30	Machine Learning and Deep Learning for Neurological Disease Analysis: A Systematic Review Across Five Major Disorders 2026-Aug-28, Neuroscience IF:2.9Q2 DOI:10.1016/j.neuroscience.2026.05.036 PMID:42250854	综述	系统回顾机器学习与深度学习方法在五种主要神经系统疾病（阿尔茨海默病、中风、帕金森病、脑肿瘤和创伤性脑损伤）中的应用	综合分析了2021年至2026年间206篇相关文献，重点突出了卷积架构和编码器-解码器架构在影像任务中的主导地位，以及联邦学习、自监督学习和基础模型等新兴范式在解决数据稀缺、隐私和跨机构变异方面的进展	可推广性、可解释性和临床转化方面的挑战仍然存在，需要更稳健和临床可靠的AI系统	综合总结近5年机器学习和深度学习在五种主要神经系统疾病分析中的最新进展	神经系统疾病（阿尔茨海默病、中风、帕金森病、脑肿瘤和创伤性脑损伤）相关的机器学习与深度学习研究	机器学习	神经系统疾病	NA	卷积神经网络, 编码器-解码器架构, 变压器模型, 混合模型, 多模态模型	影像, 临床数据, 传感器数据	206篇相关文献	NA	卷积神经网络, 编码器-解码器, 变压器, 混合模型	NA	NA
11	2026-07-30	Impact of built environment on elderly walking in community life circles: age-friendly perspective, Wuchang District, Wuhan 2026-Aug-21, iScience IF:4.6Q1 DOI:10.1016/j.isci.2026.116721 PMID:42519040	研究论文	研究武汉武昌区新旧社区5、10、15分钟生活圈建成环境特征对老年人步行活动的影响	首次在多尺度社区生活圈（5、10、15分钟）框架下，对比分析新旧社区建成环境对老年人步行影响的差异，并融合街景图像语义分割与GIS空间分析	基于横截面调查数据，无法推断因果；样本局限在武昌区，推广性受限；未考虑主观感知与季节变化等因素	从年龄友好视角，探索不同社区类型中生活圈建成环境对老年人步行行为的影响机制	武汉市武昌区1965名老年人	机器学习	老年性疾病	街景图像语义分割、深度学习、地理信息系统空间分析	有序逻辑回归模型	图像、文本、数值	1965名老年人	NA	有序逻辑回归模型	NA	NA
12	2026-07-30	Development and clinical assessment of a novel AI-based diagnostic model for Hirschsprung's disease 2026-Aug, Updates in surgery IF:2.4Q2 DOI:10.1007/s13304-025-02284-0 PMID:40913191	研究论文	基于深度学习开发了一种新型的AI诊断模型，用于通过对比灌肠图像诊断先天性巨结肠症	首次将YOLOv8算法应用于先天性巨结肠症的对比灌肠图像诊断，提供了一种非侵入性且高准确性的筛查方法	NA（摘要中未明确提及局限性）	提高先天性巨结肠症诊断准确性的同时减少侵入性	先天性巨结肠症患者	计算机视觉	先天性巨结肠症	对比灌肠成像	YOLOv8	图像	725张对比灌肠图像	PyTorch	YOLOv8	平均精度均值（mAP）、精确率、召回率、F1分数、灵敏度、特异度、准确率	NA（摘要中未提及）
13	2026-07-30	Harnessing Artificial Intelligence for Regeneration of Endometrium in Asherman's Syndrome 2026-Aug, Tissue engineering and regenerative medicine IF:4.4Q2 DOI:10.1007/s13770-026-00810-8 PMID:42240941	综述	该综述批判性评估了宫腔粘连综合征的不同治疗策略，并探讨了人工智能在诊断和治疗中的作用	创新性地将人工智能（包括机器学习和深度学习）引入宫腔粘连的预测、分类和识别，以及其在改善生物材料性能、增强干细胞活性和优化诊疗策略中的应用	未明确提及具体局限性，但作为综述可能受限于现有文献的质量和数量	评估宫腔粘连的治疗策略，并探索人工智能在再生医学中的应用	宫腔粘连综合征患者及用于子宫内膜再生的各种聚合物材料	机器学习	宫腔粘连综合征	NA	机器学习和深度学习算法	NA	NA	NA	NA	NA	NA
14	2026-07-30	Advancing Tumor Treatment Through Artificial Intelligence and Mathematical Modeling: A Comprehensive Review 2026-Aug, Health science reports IF:2.1Q3 DOI:10.1002/hsr2.72884 PMID:42517025	综述	综述人工智能和数学建模在肿瘤诊断和治疗中的最新进展、挑战及未来方向	系统分析了人工智能与数学模型混合框架在肿瘤诊治中的应用，并针对数据驱动方法的局限性提出可解释性和鲁棒性改进建议	缺乏定量性能比较；未深入探讨临床部署的具体障碍；数据质量、解释性和泛化能力仍是主要限制	探讨人工智能和数学建模在神经外科肿瘤学中的应用现状，并指出关键限制与未来发展方向	实体肿瘤的生长机制、抗肿瘤药物研发、临床治疗方案优化	机器学习	肿瘤	NA	机器学习，深度学习	NA	NA	NA	NA	NA	NA
15	2026-07-30	Colorectal cancer detection using noncontrast CT and deep learning: a multicenter and international cohort study 2026-Aug, Annals of oncology : official journal of the European Society for Medical Oncology IF:56.7Q1 DOI:10.1016/j.annonc.2026.04.009 PMID:42025761	研究论文	开发并验证了一种基于非对比CT和深度学习的新型结直肠癌检测方法COCA，在多中心和国际队列中表现出高准确性	首次提出基于非对比CT和深度学习、联合病灶分割与分类的混合监督学习架构，用于大规模机会性结直肠癌筛查，无需肠道准备或侵入性操作	回顾性研究设计可能存在选择偏倚；非对比CT图像质量受患者体型和扫描参数影响；未纳入不同种族人群进行外部验证	开发一种非侵入性、低成本、可扩展的结直肠癌筛查方法，提高早期筛查率并减少漏诊	来自多个中心和国家的结直肠癌患者及正常对照受试者	计算机视觉, 数字病理学	结直肠癌	CT扫描	深度学习分割与分类联合模型	腹部和盆腔非对比CT图像、胸部CT图像	开发阶段2678例（1321名患者和1357名正常对照），验证阶段包括2053名患者和27433名连续患者的真实世界队列	PyTorch	联合病灶分割与分类架构	AUC, 灵敏度, 特异性, 阳性预测值	NA
16	2026-07-30	Artificial intelligence-assisted diagnosis and subtype differentiation of infectious keratitis 2026-Aug, Eye (London, England) DOI:10.1038/s41433-026-04491-4 PMID:42104023	研究论文	开发深度学习模型用于感染性角膜炎的检测及亚型区分	利用裂隙灯照片实现了对四种感染性角膜炎亚型（细菌性、真菌性、棘阿米巴性、单纯疱疹性）的自动分类，并通过外部验证证实了模型的泛化能力	回顾性设计、单中心数据为主、未评估模型在真实临床场景中的决策辅助效果	开发基于裂隙灯照片的深度学习模型以检测感染性角膜炎并区分其常见亚型	感染性角膜炎患者（细菌性、真菌性、棘阿米巴性、单纯疱疹性）的裂隙灯照片，以及健康对照和角膜瘢痕图像	数字病理学	感染性角膜炎	NA	深度学习	图像	13,953张图像（模型训练），外部验证665张图像（96名患者）	NA	NA	准确率、ROC-AUC、宏观F1值、召回率、灵敏度	NA
17	2026-07-30	AI-assisted VMAT planning incorporating deep learning-based dose prediction for head and neck cancer: feasibility of quality standardization and human intervention for irregular cases 2026-Aug, Journal of applied clinical medical physics IF:2.0Q3 DOI:10.1002/acm2.70715 PMID:42503595	研究论文	评估人工智能辅助容积旋转调强治疗计划在头颈癌中的临床实用性和泛化能力，探索通过人类介入实现治疗质量标准化	首次系统评估深度学习剂量预测辅助的VMAT计划在不规则解剖变异（如巨大肿瘤和肿瘤破裂）中的鲁棒性，并提出通过人类介入的重优化实现质量标准化	样本量较小（11例患者12个计划），未涉及多中心验证，人类介入的耗时和可重复性需进一步评估	评估AI辅助VMAT计划在头颈癌中的临床实用性和鲁棒性，探索质量标准化可行性	头颈癌患者（包括复杂解剖变异如巨大肿瘤和肿瘤破裂的病例）	机器学习	头颈癌	深度学习剂量预测、VMAT计划优化	深度学习模型（具体架构未指定）	治疗计划数据（剂量分布、轮廓等）	11例头颈癌患者的12个VMAT计划	NA	NA	剂量指标（PTV覆盖、OAR剂量）、Paddick符合性指数、监测单位MU	NA
18	2026-07-30	Cross-Stream and Cross-Channel Attention Networks for Surgical Skill Classification in Open Surgery From Hand Kinematics 2026-Aug, The international journal of medical robotics + computer assisted surgery : MRCAS DOI:10.1002/rcs.70215 PMID:42504036	研究论文	提出跨流与跨通道注意力网络，基于手部运动学对开放式手术技能进行分类	整合跨流和跨通道注意力机制，捕捉手间、手内及运动层次的交互特征	未明确说明局限性，可能受限于样本量小或任务特定性	利用手部运动学数据对开放式手术技能进行自动分类评估	20名受训者的打结、连续缝合和间断缝合任务中的手部运动学数据	机器学习	NA	手部运动学分析	LSTM, Transformer	运动学数据	20名受训者，201次试验	NA	LSTM, Transformer	准确率, 与独立评审员的一致性	NA
19	2026-07-30	Applications of Artificial Intelligence in Cancer Diagnosis and Treatment 2026-Aug, Cancer medicine IF:2.9Q2 DOI:10.1002/cam4.72143 PMID:42504045	综述	综述人工智能在癌症诊断与治疗中的应用进展，涵盖筛查、诊断、治疗决策及存在的挑战	系统梳理AI在癌症全程管理中的现有限制与潜力，强调临床转化需跨学科协作，并指出基础模型与生成式AI的新挑战	数据偏差、模型可解释性不足、临床可靠性与泛化性有限，以及监管和伦理问题尚未解决	评估AI在癌症筛查、诊断、诊疗及治疗中的实用性，明确证据充分的领域与证据不足的领域	癌症诊断与治疗中的人工智能应用	机器学习	癌症	NA	机器学习、深度学习	临床数据、影像数据、多模态数据	NA	NA	NA	NA	NA
20	2026-07-30	Explainable deep learning techniques for microscopic fungi classification using a learnable threshold-based ReLULeaky activation function and transfer learning 2026-Aug, Journal of pathology informatics DOI:10.1016/j.jpi.2026.100683 PMID:42518512	研究论文	提出一种可解释的深度学习方法，结合可学习阈值ReLULeaky激活函数和迁移学习，用于显微镜真菌图像分类	将可学习阈值机制的ReLULeaky激活函数集成到ResNet34中，动态调整激活水平以增强特征表示和分类性能，同时加入可解释性分析确保模型关注生物显著形态特征	未明确提及局限性	提高显微镜真菌分类的准确性和速度，实现早期感染检测	显微镜图像中的真菌类别	计算机视觉	真菌感染	显微成像	CNN (卷积神经网络)	图像	未明确提及	PyTorch	ResNet34	准确率, F1-score, 精确率, AUC	NA