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	2026-08-22	Deep learning based on CD3 histological slides for prediction of colon cancer outcome: analysis of three international stage III colon cancer cohorts 2026-Dec-31, Oncoimmunology IF:6.5Q1 DOI:10.1080/2162402X.2026.2668797 PMID:42100890	研究论文	该研究开发了一种基于CD3组织学切片的深度学习模型，用于预测III期结肠癌患者的预后，并在三个国际队列中验证了其有效性	首次将深度学习模型应用于CD3染色切片的自动化分析，以改善III期结肠癌的预后预测，且不依赖于染色和扫描差异，具有鲁棒性和可重复性	未明确提及具体限制，但可能包括跨队列的性能变异性（如TC分析中外部队列p值不显著）以及模型依赖高质量CD3染色切片	开发并验证一个深度学习模型，用于自动化分析CD3组织学切片，以提升III期结肠癌的预后分层准确性	来自三个国际队列（PETACC08、PRODIGE-13和HARMONY）的1737例III期结肠癌患者的CD3染色组织学切片	数字病理学	结肠癌	组织学切片CD3免疫组化染色	卷积神经网络（CNN）	组织学图像（CD3染色切片）	1737例患者（来自PETACC08、PRODIGE-13和HARMONY三个国际队列）	NA	VGG19, UNI	无病生存期（DFS），p值	NA
2	2026-08-22	Feasibility of predicting vertical cephalometric angles from panoramic radiographs using deep learning 2026-Sep, International orthodontics IF:1.8Q2 DOI:10.1016/j.ortho.2026.101156 PMID:41747359	研究论文	本研究探讨了利用深度学习从全景X光片中预测垂直头影测量角度的可行性，评估了多种卷积神经网络架构的性能	首次探索使用全景X光片而非侧位头影测量片来预测垂直骨骼角度，并采用了集成平均和Grad-CAM解释性分析	预测误差尚不足以替代传统的头影测量分析，需要更大数据集和外部验证	评估人工智能是否能够从全景X光片中准确预测垂直骨骼角度，以辅助正畸诊断和治疗规划	715名患者的侧位头影测量片和全景X光片	计算机视觉	口腔正畸疾病	X光影像	卷积神经网络（CNN）	图像	715名患者	未明确提及	EfficientNet-B3, DenseNet121/169, ResNet-50/101, VGG16/19	平均绝对误差（MAE）、决定系数（R²）、组内相关系数（ICC）	未明确提及
3	2026-08-22	Habitat-informed MRI Radiomics and Deep Learning Fusion for Short-Term Survival Prediction in Patients with Glioblastoma: Exploratory Radiogenomic and Immune Correlates 2026-Sep, Academic radiology IF:3.8Q1 DOI:10.1016/j.acra.2026.04.035 PMID:42177147	研究论文	开发并外部验证了一种整合无监督生境影像组学和深度学习的术前多对比MRI堆叠模型，用于预测胶质母细胞瘤患者的短期生存，并探索转录组和免疫相关因素	首次将无监督生境影像组学与深度学习（3D ResNet-50）融合，采用两级堆叠集成策略，并在配对RNA测序队列中探索DLK1表达与免疫浸润的相关性	配对RNA测序队列规模较小，且转录组和免疫关联分析属于探索性研究，需进一步验证；模型在外部验证队列中的性能存在差异	开发并验证一种基于术前多对比MRI的融合模型，用于胶质母细胞瘤短期生存预测，并探究其潜在的生物学基础	胶质母细胞瘤患者（共468例，包括训练队列196例和三个外部验证队列66、185、21例）及其术前多对比MRI影像和配对RNA测序数据	数字病理学	胶质母细胞瘤	MRI影像组学、RNA测序	CNN（3D ResNet-50）、集成模型（堆叠）	多对比MRI图像、RNA测序数据	468例胶质母细胞瘤患者（训练：196例；外部验证1：66例；外部验证2：185例；外部验证3：21例）	NA	ResNet-50（3D）	AUC、决策曲线分析（净收益）	NA
4	2026-08-22	Realization of long axial field-of-view PET technology in the clinic and research environment 2026-Sep-01, The British journal of radiology DOI:10.1093/bjr/tqag096 PMID:42046230	综述	本文讨论长轴向视野PET-CT技术在临床和研究环境中的实现方式，包括其技术优势、实际考虑、替代设计及深度学习应用	探讨了长轴向视野PET系统在临床和科研中的具体应用，以及如何利用深度学习进一步优化图像质量和扫描时间	未明确提及具体局限性，但可能涉及高成本和技术普及的挑战	阐述长轴向视野PET技术的临床实现和科研应用，并展望未来发展方向	长轴向视野PET-CT仪器及其在临床和科研中的应用	医学影像	不适用	PET-CT成像	深度学习模型	医学图像	不适用	不适用	不适用	不适用	不适用
5	2026-08-22	Detecting Uniformity Artifacts in Ultrasound Transducers: Insights from Clinical Median Images and Deep Learning for Automatic Detection 2026-Sep, Journal of ultrasound in medicine : official journal of the American Institute of Ultrasound in Medicine IF:2.1Q2 DOI:10.1002/jum.70239 PMID:41919451	研究论文	本研究开发了一种基于临床中值图像和深度学习框架的超声换能器均匀性伪影自动检测方法，以提高质量控制效率。	首次利用临床中值图像（通过堆叠共配准灰度图像计算中值强度）训练深度学习模型，用于超声换能器均匀性伪影检测，并验证了其泛化能力。	未提及具体限制，如样本量大小、伪影类型覆盖范围或计算资源需求。	开发一个深度学习框架，用于自动检测超声换能器中的均匀性伪影，补充传统质量控制方法。	线性与曲线超声换能器，以及其采集的临床中值图像。	深度学习、医学影像分析	不适用（质量控制相关，非特定疾病）	临床中值图像生成（基于超声图像栈的中值计算）	ResNet-18（预训练模型微调）	灰度超声图像（临床中值图像）	训练/验证/测试集包含线性与曲线换能器图像；独立测试集为396张经过模型验证的图像。	未指定（可能使用PyTorch或TensorFlow，但未在摘要中提及）	ResNet-18	准确率、敏感性、特异性	未提及
6	2026-08-22	Utilizing Deep Learning-based Computed Tomography Fractional Flow Reserve on Coronary Artery Disease Diagnosis and Treatment: 1-year Clinical Application From a Chinese Major Hospital 2026-Sep-01, Journal of thoracic imaging IF:2.0Q3 DOI:10.1097/RTI.0000000000000881 PMID:41943563	研究论文	本研究基于深度学习计算的冠状动脉CT血流储备分数（CT-FFR）在中国主要医院的实际临床应用，评估其诊断准确性和对临床决策的影响	首次在中国患者群体中全面描述CT-FFR的常规临床应用，并结合侵入性冠状动脉造影作为参考标准评估其诊断效能，提出了CT-FFR与CCTA联合应用提高诊断效力的新见解	回顾性单中心研究设计可能存在选择偏倚，缺乏长期随访数据验证临床结局	探讨基于深度学习的CT-FFR在中国冠心病患者中的临床应用价值，评估其诊断准确性及对临床决策的影响	中国冠心病患者及其心外膜冠状动脉血管	医学影像分析	冠状动脉疾病	冠状动脉CT血管成像（CCTA）和CT血流储备分数（CT-FFR）	深度学习模型	影像数据	4564名患者，其中906名患者的2718条血管用于诊断分析	NA	NA	诊断准确性、敏感性、特异性、AUC	NA
7	2026-08-22	From pixels to polygons: A survey of deep learning approaches for medical image-to-mesh reconstruction 2026-Sep, Medical image analysis IF:10.7Q1 DOI:10.1016/j.media.2026.104153 PMID:42259178	综述	系统综述了基于深度学习的医学图像到网格重建方法，将其分为模板模型、统计模型、生成模型和隐式模型四类，并评估了其性能、数据集、评价指标和应用场景	首次系统分类并全面比较了四类深度学习方法在医学图像到网格重建中的应用，并汇总了公开数据集与评价指标	对部分方法的实际临床部署与鲁棒性探讨不足，且未深入分析多模态集成的具体挑战	为医学图像分析和计算医学领域的研究者提供全面的参考，梳理现有方法并指出未来研究方向	医学图像到网格重建的深度学习方法，涉及多种解剖结构（如心脏、神经）和成像模态	医学图像分析	NA	深度学习	模板模型、统计模型、生成模型、隐式模型	医学成像数据（如图像）	NA	NA	NA	标准评价指标（如几何精度）	NA
8	2026-08-22	Multiscale Prediction of Tumor Micronecrosis and Progression in Clear Cell Renal Cell Carcinoma Based on Artificial Intelligence: A Multicenter Cohort Study 2026-Sep, Academic radiology IF:3.8Q1 DOI:10.1016/j.acra.2026.04.051 PMID:42265018	研究论文	本研究基于多中心队列，开发并验证了一种整合影像组学与深度学习的多模态预测系统，用于无创预测透明细胞肾细胞癌的肿瘤微坏死及进展	首次构建了整合影像组学和深度学习模型的多模态预测系统，并采用堆叠集成学习策略，以提高对肿瘤微坏死的预测准确性	未在文中明确提及局限性	开发并验证一种多模态预测系统，用于无创评估透明细胞肾细胞癌的肿瘤微坏死及其进展，以支持个体化治疗决策	透明细胞肾细胞癌患者	医学影像分析	透明细胞肾细胞癌	NA	机器学习、深度学习模型	医学影像数据	468例患者（训练集198例，验证集85例，外部测试集185例）	NA	ResNet34	AUC	NA
9	2026-08-22	DynMoCo: A novel AI framework to reveal modular substructures of protein from molecular dynamics 2026-Aug-18, Biophysical journal IF:3.2Q2 DOI:10.1016/j.bpj.2026.03.034 PMID:41863076	研究论文	本文提出了一个名为DynMoCo的新型深度学习框架，用于从分子动力学模拟中揭示蛋白质的模块化子结构	借鉴社交网络科学方法，将分子建模为时间演化图，并结合图卷积网络与循环模型进行端到端的动态社区检测	未提及具体局限性	通过动态社区检测，将高维分子动力学数据简化为可解释的社区结构，以理解复杂生物分子系统的动态功能	三整合素系统的力-拉动和力-钳制分子动力学模拟	数字病理学	不适用	分子动力学模拟	图卷积网络、循环模型	分子动力学轨迹	三个整合素系统	PyTorch	图卷积网络-循环模型	不适用	不适用
10	2026-08-22	Multi-center evaluation of radiomics and deep learning to stratify malignancy risk of IPMNs 2026-08, Abdominal radiology (New York) DOI:10.1007/s00261-025-05371-3 PMID:41524987	研究论文	该研究评估了放射组学和深度学习在多中心队列中对胰腺导管内乳头状黏液性肿瘤（IPMN）进行囊性级别恶性风险分层的能力。	首次在多中心队列中利用囊性级别的图像特征，结合放射组学和深度学习对IPMN的异型增生等级进行预测，并比较了2D和3D放射组学、深度学习及融合模型。	模型性能仍需改进以供独立临床使用，且仅使用T2加权和T1加权MRI序列，专家评分准确性差异大。	评估人工智能在IPMN的恶性风险分层中的应用可行性，以改善诊断准确性并减少不必要的手术干预。	来自7个中心的359张T2加权MRI图像中的IPMN囊性病变。	医学影像分析	胰腺导管内乳头状黏液性肿瘤（IPMN）	MRI（T2加权）成像	放射组学、深度学习、融合模型（2D和3D）	MRI图像	359张T2加权MRI图像，来自7个中心	未明确指定，可能涉及多种框架（如PyTorch或TensorFlow）	放射组学模型、深度学习模型（可能是CNN架构）、融合模型	AUC、准确率、加权Cohen's kappa系数	未明确提及，可能使用GPU进行计算
11	2026-08-22	Interpretable machine learning and deep learning model for discriminating pheochromocytoma from adrenocortical adenoma based on CT: A multicenter study 2026-Aug, European journal of radiology IF:3.2Q1 DOI:10.1016/j.ejrad.2026.112902 PMID:42107147	研究论文	本研究通过比较多种机器学习和深度学习方法，基于CT影像组学特征和临床数据，构建并验证了用于鉴别嗜铬细胞瘤与肾上腺皮质腺瘤的可解释性模型	首次系统比较了八种机器学习分类器与深度学习模型在鉴别PHEO和ACA中的性能，并利用SHAP方法对最佳模型进行解释，构建了临床列线图以提供个性化、透明的风险评估	未在摘要中明确提及局限性，可能包括回顾性设计、样本量有限或外部验证仅来自单一中心	确定术前区分嗜铬细胞瘤与肾上腺皮质腺瘤的最佳诊断策略	嗜铬细胞瘤和肾上腺皮质腺瘤患者	医学影像分析	嗜铬细胞瘤、肾上腺皮质腺瘤	CT影像组学	机器学习分类器及深度学习模型（包括逻辑回归和基于SqueezeNet的深度学习模型）	双期CT图像	401例患者（中心1: 331例，中心2: 70例）	NA	逻辑回归、SqueezeNet	AUC、准确率、决策曲线分析	NA
12	2026-08-22	Topology-Aware Deep Learning on Higher-Order Structures for Drug Response Prediction 2026-Aug, Advanced science (Weinheim, Baden-Wurttemberg, Germany) DOI:10.1002/advs.75816 PMID:42199168	研究论文	提出一种拓扑感知的深度学习框架TopDr，编码药物和细胞系的多尺度单纯复形结构，以提高抗癌药物反应预测的准确性和可解释性	首次将药物和细胞系建模为多尺度单纯复形，同时利用0、1和2阶单纯形级别的局部高阶邻域和全局拓扑结构进行药物反应预测	摘要中未明确说明局限性	通过建模高阶拓扑结构提高抗癌药物反应预测的准确性、鲁棒性和生物学可解释性	抗癌药物和细胞系	机器学习	癌症	NA	深度学习模型（具体类型未指定）	药物和细胞系的表征数据	六个基准数据集	NA	NA	回归和分类任务中的性能指标（具体未指定，如准确率、AUC等）	NA
13	2026-08-22	Artificial Intelligence in Minimally Invasive Gynecological Surgery: A Systematic Review of Task-Specific Performance and Clinical Translational Readiness 2026-Aug, Journal of minimally invasive gynecology IF:3.5Q1 DOI:10.1016/j.jmig.2026.04.015 PMID:42035795	系统综述	系统评估人工智能在微创妇科手术围手术期各阶段的任务特定性能和临床转化就绪度	首次系统评估AI在微创妇科手术中的任务特定性能并利用PROBAST-AI框架评估偏倚风险	证据主要为观察性研究，偏倚风险高，外部验证有限	系统评估AI在微创妇科手术术前、术中和术后阶段的任务特定性能和临床转化就绪度	微创妇科手术中的AI应用，包括腹腔镜、宫腔镜和机器人手术	机器学习	妇科疾病（包括子宫内膜异位症、附件扭转、宫腔肌瘤、宫腔粘连）	NA	深度学习模型	临床数据	8项研究涉及6577名患者	NA	深度学习	敏感性、特异性、曲线下面积、手术时间、术中出血量	NA
14	2026-08-22	CellFuse Enables Multimodal Integration of Single-Cell and Spatial Proteomics Data for Systems-Level Analysis in Cancer 2026-07-15, Cancer research IF:12.5Q1 DOI:10.1158/0008-5472.CAN-25-3699 PMID:42084223	研究论文	开发了CellFuse，一种基于深度学习的多模态整合框架，用于统一基于抗体的蛋白质组学数据，包括单细胞和空间蛋白质组学，以实现癌症的系统级分析	提出了一种利用监督对比学习的整合框架，能够处理低维蛋白质组数据，支持跨模态细胞类型预测和标签转移，并在多种癌症数据集中验证了其优于现有方法	摘要中未明确提及局限性，可能包括对高通量数据的计算需求或对特定抗体panel的依赖	开发一种可扩展、模态无关的整合工具，以联合单细胞和空间蛋白质组学数据，揭示肿瘤免疫生态系统的结构及相关细胞状态	肿瘤样本中的多种细胞类型，包括恶性细胞、基质细胞和免疫细胞，以及来自外周血、骨髓和淋巴瘤的数据	机器学习	癌症	抗体为基础的蛋白质组学，包括高维细胞计数法、CITE-seq和空间蛋白质组学	深度学习模型（利用监督对比学习）	蛋白质组数据（单细胞和空间）	多个数据集，涵盖外周血、骨髓和淋巴瘤样本，具体样本数量未在摘要中说明	NA	NA	细胞类型预测准确性、标签转移稳健性以及临床相关群体的恢复能力	NA
15	2026-08-22	De novo design of RNA pseudoknots with deep learning 2026-Jul-03, bioRxiv : the preprint server for biology DOI:10.64898/2026.05.21.726960 PMID:42239184	研究论文	本文展示了利用深度学习工具准确从头设计RNA假结二级结构，并在Eterna竞赛中通过生成式AI方法成功解决多数盲测挑战，生成具有精确二级结构和良好三维折叠的RNA分子	首次证明无需精确预测RNA三维结构，仅基于二级结构设计即可生成复杂假结RNA，且AI生成分子具有非经典三级相互作用稳定性，RNet基础模型利用化学图谱数据指导设计	未明确提及，但依赖化学图谱数据训练，可能受限于数据覆盖范围和设计任务的通用性，且三维折叠验证仅针对少数生成分子	探索通过深度学习工具进行RNA假结的从头设计，评估生成式AI在RNA设计任务中的有效性，并研究是否可绕过三维结构预测	RNA假结二级结构，包括57个假结设计挑战中的生成分子	深度学习、计算生物学、RNA设计	不适用	化学图谱（chemical mapping）、补偿突变分析、冷冻电子显微镜、深度学习生成模型	生成式AI、RNet基础模型	RNA序列、化学图谱数据、突变数据、冷冻电镜结构数据	57个假结设计挑战，具体分子数量未提及	未明确提及	RNet基础模型	单核苷酸分辨率化学图谱匹配、补偿突变成功率、冷冻电镜结构验证	未明确提及
16	2026-08-22	Enhancing the detection of LTP through lyophilized protein samples and NIR spectroscopy with explainable deep learning 2026-Jun-10, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-56935-2 PMID:42265268	研究论文	本研究开发了一种结合近红外光谱、深度学习和可解释性方法的集成框架，用于准确且可解释地检测食物中的脂质转移蛋白过敏原	将纯化蛋白嵌入信息与1D卷积自编码器降维和SHAP/LIME可解释性方法相结合，显著提高了复杂食品基质中过敏原检测的性能和鲁棒性	未提及	提高复杂食品基质中脂质转移蛋白的检测准确性和可解释性	脂质转移蛋白及其在食品基质中的混合物	机器学习	食物过敏	近红外光谱	卷积神经网络和TabTransformer	光谱数据	11,688个光谱测量样本	未提及	1D卷积自编码器、CNN、TabTransformer	准确率、精确率、F1分数、AUC-ROC	未提及
17	2026-08-22	Hematopoietic Stem Cell Transplant and Brain Volume Changes in Adults With Sickle Cell Disease 2026-Jun-09, Neurology IF:7.7Q1 DOI:10.1212/WNL.0000000000218050 PMID:42133908	研究论文	本研究评估了成人镰状细胞病（SCD）患者接受造血干细胞移植（HSCT）后脑体积和脑白质高信号（WMH）的变化，发现成功移植与脑体积保存相关，但WMH增长未受影响。	首次在成人SCD患者中纵向评估HSCT对脑萎缩和WMH增长的影响，并结合深度学习和FreeSurfer分割方法，为评估HSCT的神经保护作用提供了新证据。	研究为单中心队列，样本量有限（77名参与者），移植失败组人数较少，可能影响统计效力；未评估认知功能变化，且随访时间不等。	探讨成功HSCT是否与成人SCD患者较低的脑萎缩或WMH增长速率相关。	成人严重镰状细胞病患者，接受自体基因治疗、HLA匹配供者或半相合供者的HSCT。	医学影像分析, 数字病理学	镰状细胞病	MRI（T1加权和FLAIR序列）	深度学习算法（用于WMH分割），FreeSurfer分割（非深度学习）	MRI图像	77名参与者（平均年龄32岁，43%女性），随访中位5.3年	NA	NA	脑实质分数（BPF）和WMH体积的变化率（%/年）	NA
18	2026-08-22	Probabilistic deep learning framework for dynamic carbon emission accounting of electric buses under grid uncertainty 2026-Jun-09, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-49360-y PMID:42265148	研究论文	本研究建立了一个动态且考虑不确定性的框架，用于电动公交系统的碳排放核算，结合混合深度学习架构和概率性电网排放模型	提出了集成时间卷积网络、双向长短期记忆网络和注意力机制的混合深度学习架构，并引入了随时间变化的概率性电网排放模型，通过蒙特卡洛模拟传播不确定性	未明确提及局限性	开发一个动态、不确定性的电动公交碳排放核算框架，以克服静态电网排放因子和确定性模型的局限性	深圳市的十辆电动公交汽车	机器学习	不适用	遥测技术	混合深度学习模型（TCN、BiLSTM、注意力机制）	高频运行遥测数据	十辆电动公交汽车	不适用	TCN、BiLSTM、注意力机制	R²、均方根误差	不适用
19	2026-08-22	Hybrid deep ensemble architecture for robust diabetic retinopathy classification: leveraging transfer learning and CNN-transformer synergy 2026-Jun-09, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-55085-9 PMID:42265162	研究论文	本研究提出一种结合卷积神经网络、视觉变换器、迁移学习和集成技术的深度学习框架，用于改进糖尿病视网膜病变的检测。	创新点在于将CNN和Transformer以并行和顺序方式融合，并采用软投票集成策略，以提高DR检测的准确性和稳定性。	局限性未在摘要中明确说明，可能包括依赖单一数据集（APTOS 2019）和计算资源需求高等。	旨在开发一个可靠、自动化的糖尿病视网膜病变检测系统，以辅助医生进行临床诊断。	研究对象为糖尿病视网膜病变患者的眼底图像。	计算机视觉	糖尿病视网膜病变	迁移学习	CNN, Transformer, 集成模型	图像	APTOS 2019数据集，具体样本数量未明确	NA	CNN, Vision Transformer, 混合架构（并行和顺序组合）	准确率, ROC AUC, F1分数	NA
20	2026-08-22	HOG-supervised compact CNNs for real-time visual place recognition 2026-Jun-09, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-54833-1 PMID:42265161	研究论文	本文提出HOGNet，一种高效的深度学习框架，旨在复制并改进方向梯度直方图（HOG）特征用于视觉地点识别（VPR），通过结合手工特征描述符与CNN实现准确性、可解释性和计算效率的平衡。	通过HOG监督训练紧凑CNN，减少对大量标注数据和计算资源的需求，并能在不同计算环境中灵活实现。	标题和摘要未提供明确的局限性信息。	开发一种高效、实时且资源受限的视觉地点识别框架，利用HOG特征监督提升CNN性能。	视觉地点识别任务中的图像数据。	计算机视觉	NA	方向梯度直方图（HOG）特征	卷积神经网络（CNN）	图像	Nordland数据集和印度驾驶数据集（IDD-VPR）	NA	HOGNet_441, HOGNet_1764, VGG16, ResNet101, MobileNet	验证准确率，Recall@20，FPS	NA