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	2026-08-23	Automated Tissue Classification and Candidate Biomarker Feature Extraction in Mass Spectrometry Imaging Based on Interpretable Deep Learning Algorithm 2026-Nov-15, Rapid communications in mass spectrometry : RCM IF:1.8Q2 DOI:10.1002/rcm.70168 PMID:42625524	研究论文	本研究开发了一个基于可解释深度学习算法的自动化质谱成像组织分类和候选生物标志物特征提取流程	创新性地结合CNN与Grad-CAM和SHAP解释方法，用于MSI数据的组织层分类和判别性m/z特征提取，并对比了重要性分数与传统强度值在离子图像中的表现	跨患者泛化能力在不同数据源间存在差异，独立结直肠癌数据集的测试准确率仅为0.758	开发一个准确且可解释的深度学习框架，用于MSI数据的组织层分类和生物标志物特征提取	小鼠膀胱MSI数据集和独立的结直肠癌数据集	深度学习、质谱成像	膀胱癌、结直肠癌	质谱成像（MSI）	卷积神经网络（CNN）	质谱成像数据	公共小鼠膀胱MSI数据集及独立结直肠癌数据集	NA	CNN	训练准确率、测试准确率	NA
2	2026-08-23	LncPNdeep: A long non-coding RNA classifier based on large language model with peptide and nucleotide embedding 2026-Oct, Non-coding RNA research IF:5.9Q1 DOI:10.1016/j.ncrna.2026.06.004 PMID:42621896	研究论文	开发了LncPNdeep，一种整合核苷酸和肽段嵌入的深度学习框架，用于准确区分长链非编码RNA与编码RNA，并在人类转录组和跨物种数据上取得了最优性能	首次结合掩码语言模型提取的核苷酸和肽段双模态嵌入，利用BigBird、Longformer和ProtTrans的上下文表示，通过拼接神经网络架构增强lncRNA分类能力	未在摘要中明确提及具体局限性，但可能包括对大规模计算资源的需求或对特定物种的依赖	开发一种整合核苷酸和肽段特征的长链非编码RNA分类工具，以提高分类准确性和跨物种泛化能力	人类转录组及跨物种数据集中的长链非编码RNA与编码RNA序列	机器学习	NA	掩码语言模型（BigBird、Longformer、ProtTrans）	深度学习模型	核苷酸序列和肽段序列数据	人类转录组数据集及跨物种数据集，具体数量未在摘要中说明	NA	BigBird、Longformer、ProtTrans、拼接神经网络	准确率、F1分数	NA
3	2026-08-23	Artificial intelligence in onco-anaesthesia: Current applications, challenges, and future directions 2026-Sep-20, World journal of methodology DOI:10.5662/wjm.117916 PMID:42625971	综述	本文综述了人工智能在肿瘤麻醉学中的当前应用、面临的挑战及未来发展方向，涵盖术前、术中和术后的围手术期癌症管理路径。	系统性地总结了AI在肿瘤麻醉学中的应用，包括术中闭环麻醉系统、预测性血流动力学监测及多模态数据整合，并探讨了AI在验证“肿瘤麻醉假说”中的作用。	存在数据异质性、泛化性有限、算法不透明、监管不确定性和伦理问题等挑战，且需要大型前瞻性研究验证。	探讨人工智能如何变革肿瘤麻醉实践，从反应性生理管理转向预测性和精准化护理，并识别未来发展的关键方向。	围手术期癌症患者，涵盖术前风险评估、术中麻醉管理及术后并发症监测。	机器学习、数字病理	癌症（多种类型）	电子健康记录表型分析、基因组学、放射组学、可穿戴生物信号、高分辨率生理波形分析	机器学习、深度学习模型（具体类型未指定）	电子健康记录、影像数据、基因组数据、生物信号、生理波形	不适用（综述文章，未涉及具体样本）	NA	NA	NA	NA
4	2026-08-23	A comparative analysis of YOLOv8 and nnU-Net v2 based pipelines for sex and age estimation from maxillary sinus morphometry on panoramic radiographs 2026-Sep, International journal of legal medicine IF:2.2Q1 DOI:10.1007/s00414-026-03825-x PMID:42104112	研究论文	本研究比较了YOLOv8-Hybrid和nnU-Net v2两种基于深度学习的分割-影像组学流程，用于全景X线片上颌窦形态测量的性别分类和年龄估计	首次系统比较YOLOv8和nnU-Net v2在法医上颌窦分析中的应用，并引入120多个形态学和影像组学特征建立自动化生物特征分析框架	外部验证样本量较小（50张图像），且研究局限于单一机构的数据集	开发并比较两种深度学习分割-影像组学流程，实现全景X线片上颌窦形态测量的自动化性别分类和年龄估计	上颌窦形态学特征，包括双侧面积差异等形态学和影像组学特征	计算机视觉、数字病理学	不适用（法医人类学应用）	全景X线摄影、影像组学分析	YOLOv8、nnU-Net、U-Net、CatBoost、XGBoost	图像（全景X光片）	1,024张全景X线片（512名男性，512名女性；年龄18-81岁）及50张独立外部验证图像	PyTorch	YOLOv8n-seg、U-Net、2D U-Net、CatBoost、XGBoost	AUC、MAE、mAP@50、准确率、F1分数、Cohen's d	未指定（推测使用GPU加速，具体型号未在标题和摘要中提及）
5	2026-08-23	INTELCAPE: A Deep Learning-Powered System for Automated, High-Accuracy Crohn's Disease Diagnosis via Capsule Endoscopy 2026-Sep, Clinical gastroenterology and hepatology : the official clinical practice journal of the American Gastroenterological Association IF:11.6Q1 DOI:10.1016/j.cgh.2026.02.026 PMID:41861933	研究论文	介绍了一种基于深度学习的INTELCAPE系统，用于通过胶囊内镜自动、高精度诊断克罗恩病。	开发了整合ResNet、Transformer和EfficientNet架构的多任务深度学习框架，实现小肠分割、病变检测和疾病诊断的自动化，性能优于初级医生且速度更快。	未明确提及局限性。	利用人工智能自动化胶囊内镜视频分析，提高克罗恩病诊断的准确性和效率。	来自两家中国医院的757名（队列1）和115名（队列2）患者的胶囊内镜视频。	计算机视觉、数字病理学	克罗恩病	胶囊内镜检查	深度学习模型（多任务框架）	视频	队列1为757名患者，队列2为115名患者	NA	ResNet, Transformer, EfficientNet	交并比, 曲线下面积, 分类准确率, 诊断准确率, 时间	NA
6	2026-08-23	Artificial intelligence in forensic science: a systematic review. Part I: personal identification 2026-Sep, International journal of legal medicine IF:2.2Q1 DOI:10.1007/s00414-026-03855-5 PMID:42236556	系统综述	本文基于PRISMA指南对2012年至2026年间89项研究进行系统综述，评估人工智能在法医个人识别中的模型应用、方法学特征及性能表现。	首次对法医个人识别中的AI应用进行全面系统综述，涵盖多种任务（性别估计、人类识别、祖先估计、亲属关系验证）及多种数据类型（成像和非成像），并量化报告了模型性能中位数和四分位数范围。	研究存在方法学异质性、数据集集中于特定人群（人口特异性）、外部验证不足，以及性能报告不统一（仅部分研究报告单一准确率指标）等挑战。	综合评估人工智能在法医个人识别中的实际应用，包括模型性能、方法学特征及验证策略，并识别未来研究方向。	法医个人识别任务，包括性别估计、人类识别、祖先估计、多任务预测和亲属关系验证。	机器学习, 数字病理学	NA	CT成像, 放射影像	深度学习模型, 传统机器学习模型	图像（主要为CT和X射线影像）	共纳入89项研究，样本大小未明确	NA	NA	准确率（中位数91.4%，四分位数范围88.9%-95.0%）	NA
7	2026-08-23	An augmentation-enhanced transformer model for forensic identification using panoramic dental x-rays 2026-Sep, International journal of legal medicine IF:2.2Q1 DOI:10.1007/s00414-026-03852-8 PMID:42246972	研究论文	本文提出了一种基于增强Transformer的牙科X光片法医鉴定系统DentID-Net，用于从全景牙科X光片中自动识别个体身份	创新点包括形态学增强方法DentAug-Min以应对有限数据、双分支编码器结合卷积和Transformer建模牙齿细节与颌骨形态，以及基于胶囊的身份匹配器IDMatch-Caps利用形态一致性损失保持解剖联系	未在摘要中明确提及局限，但可能受限于小样本量和特定牙科影像数据	开发一种可靠、可泛化的法医牙科身份识别系统，以在真实法医环境中自动识别个体	全景牙科X光片（来自活体和死者）	计算机视觉	不适用	X光成像	Transformer, CNN, 胶囊网络	图像（全景牙科X光片）	未指定具体样本数量，但提及小样本量	未指定	Transformer, 卷积神经网络（可能为ResNet等）, 胶囊网络	准确率、特异性、AUC	未指定
8	2026-08-23	Deep Learning for Fetal Left Ventricular Outflow Tract Assessment: Opportunities and Challenges 2026-Sep, Journal of ultrasound in medicine : official journal of the American Institute of Ultrasound in Medicine IF:2.1Q2 DOI:10.1002/jum.70240 PMID:41863022	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
9	2026-08-23	Artificial intelligence in forensic science: a systematic review. Part II: long-range postmortem interval estimation 2026-Sep, International journal of legal medicine IF:2.2Q1 DOI:10.1007/s00414-026-03856-4 PMID:42277392	系统综述	本文系统回顾了人工智能在法医学中用于长时间死后间隔（PMI）估计的应用，评估了基于AI模型的证据。	首次对依赖真实死后数据集的AI模型在PMI估计中进行了系统综述，涵盖了多模态数据（如微生物组、代谢组学和影像）。	证据受限于异质性方法论、小数据集和缺乏外部验证。	评估AI和机器学习模型在PMI估计中的当前证据和应用。	用于PMI估计的AI模型，包括基于微生物组、代谢组学、蛋白质组学和影像的模型。	法医学，机器学习	NA	微生物组测序，代谢组学，蛋白质组学，影像学	随机森林	微生物组数据，代谢组学数据，蛋白质组学数据，影像数据	64项研究	NA	随机森林	准确性，预测误差	NA
10	2026-08-23	IBS-CNN: a novel computer vision-based kinship classification model for high-density SNP microarray 2026-Sep, International journal of legal medicine IF:2.2Q1 DOI:10.1007/s00414-026-03874-2 PMID:42319452	研究论文	提出了一种基于计算机视觉的IBS-CNN模型，用于高密度SNP微阵列数据的亲缘关系分类，并在中国人群中验证其性能。	创新性地将计算机视觉与身份一致性（IBS）理论结合，创建IBS热图识别模型，直接处理由VCF文件转换的图像，并对数据异质性具有更高的鲁棒性，同时提供比原始DNA数据更安全、存储高效的传输格式。	未明确提及局限性。	探索基于机器学习和深度学习的新颖亲缘关系分类策略，以解决法医系谱学在中国人群中的应用挑战。	来自1000基因组项目的汉族参考数据及19个家系的汉族志愿者，包括一至五度亲属对和无关个体。	计算机视觉、机器学习	不适用	ASA基因分型芯片、VCF数据处理、IBS状态编码	CNN	基因型数据（图像转换）	70,000对一至五度亲属和无关个体（模拟），以及19个家系的汉族志愿者（实验验证）	未明确提及	CNN（具体架构未指定）	准确率（94.56%）	未明确提及
11	2026-08-23	Diagnostic performance of artificial intelligence models trained on scattered single-cell images is not preserved for hyperchromatic crowded cell groups in cervical cytology 2026-Sep, Cancer cytopathology IF:2.6Q2 DOI:10.1002/cncy.70140 PMID:42566440	研究论文	本研究量化了基于散在单细胞图像训练的人工智能模型在应用于宫颈细胞学中的深染拥挤细胞团时的性能损失	首次系统评估了从散在单细胞图像训练的AI模型直接应用于深染拥挤细胞团时的性能下降，并强调了直接验证和模型设计需考虑HCG的必要性	研究仅涉及二分类任务，且HCG独立数据集规模较小，未进行重新训练或阈值调整	评估基于散在单细胞图像训练的AI模型在宫颈细胞学HCG上的泛化性能，并强调直接验证的重要性	宫颈液基细胞学图像，包括散在单细胞和深染拥挤细胞团	计算机视觉	宫颈癌	NA	卷积神经网络	图像	散在细胞数据集101例（1062张图像），HCG独立数据集48例（330张图像）	NA	ResNet-50, ResNeXt-50, ConvNeXt-Tiny, EfficientNet-B3, VGG-19, GoogLeNet	曲线下面积（AUC）	NA
12	2026-08-23	Deep learning auto-contouring of target and organs-at-risk on post-catheter implant CT images for prostate HDR brachytherapy 2026-Sep, Journal of applied clinical medical physics IF:2.0Q3 DOI:10.1002/acm2.70748 PMID:42613795	研究论文	开发并验证了一种基于3D深度学习（nnU-Net）的前列腺高剂量率近距离治疗中靶区和危及器官自动勾画模型，其在术后导管CT图像上的表现优于商业模型	专门针对前列腺HDR近距离治疗后导管CT图像设计，使用自配置U-Net架构（nnU-Net），在几何和剂量学指标上均优于商业模型，支持临床可行性	未明确提及局限性，可能包括样本量有限、单中心数据等（标题和摘要未提供详细信息）	开发并验证一种用于前列腺HDR近距离治疗中靶区和危及器官自动勾画的3D深度学习模型，以提高准确性和效率	前列腺PTV、膀胱、直肠和尿道（经Foley导管识别）	深度学习，医学图像分割	前列腺癌	CT成像	CNN（基于U-Net）	图像（CT图像）	206例训练病例，36例测试病例	PyTorch（基于nnU-Net实现，通常使用PyTorch）	nnU-Net	Dice系数（DSC），Hausdorff距离（HD95%），平均表面距离（ASD），剂量学指标（PTV V100%，膀胱和直肠D1cc，尿道D0.1cc）	未在标题和摘要中提及具体GPU类型或资源
13	2026-08-23	Dual-view scout scans with deep learning for ultra-low dose attenuation correction in PET 2026-Sep, Medical physics IF:3.2Q1 DOI:10.1002/mp.70647 PMID:42613818	研究论文	本文提出利用双视图侦察扫描结合深度学习进行PET超低剂量衰减校正，以替代CT衰减校正。	创新性地将双视图侦察扫描的组织密度信息作为补充输入，结合NAC PET预测传输图像，显著降低辐射剂量并提高泛化能力。	未明确提及局限性，但可能包括对侦察扫描与PET配准的要求，以及不同扫描仪的可移植性。	通过结合双视图侦察扫描与深度学习，实现无需全CT的准确定量PET重建，减少辐射剂量和伪影。	来自PennPET Explorer的53个研究扫描，涵盖四种示踪剂，另加三种示踪剂用于测试。	医学影像	不适用	PET成像，双视图侦察扫描	深度学习模型（未指定具体类型）	图像（PET、侦察扫描）	53个研究扫描（训练与测试），另加三种示踪剂用于测试	未提及	未提及	NRMSE%, SUV偏差	未提及
14	2026-08-23	Efficient and rapid generation of high-quality CT images from CBCT using a flow matching model 2026-Sep, Medical physics IF:3.2Q1 DOI:10.1002/mp.70637 PMID:42613830	研究论文	本文提出了一种基于流匹配模型的CBCT到CT图像转换方法，旨在快速高效地生成高质量的合成CT图像，用于在线自适应放射治疗等临床应用	首次将流匹配模型应用于CBCT到CT的图像转换，该模型构建连续轨迹从先验分布转换到目标分布，相比传统扩散模型需要更少的采样步骤即可获得更优性能，提高了计算效率	摘要中未提及明确的局限性，但可能包括对特定解剖区域（腹部-盆腔）的验证，以及模拟CBCT成像过程可能不完全代表真实临床数据	利用流匹配模型实现CBCT到CT的转换，快速生成高质量CT图像，以满足在线自适应放疗等时效性强的临床需求	腹部-盆腔CT扫描，共135例，用于模型训练（95例）、验证（15例）和测试（25例），并生成配对CBCT-CT图像用于评估	计算机视觉	NA	CBCT成像模拟，深度学习生成模型	流匹配模型	图像（CT和CBCT）	135例腹部-盆腔CT扫描，其中训练95例、验证15例、测试25例	NA	流匹配模型	平均绝对误差（MAE）、结构相似性指数（SSIM）、峰值信噪比（PSNR）、图像清晰度指标	NA
15	2026-08-23	A coarse-to-fine framework combining deep learning and Monte Carlo for BNCT patient position optimization toward inverse planning 2026-Sep, Medical physics IF:3.2Q1 DOI:10.1002/mp.70642 PMID:42623144	研究论文	提出一种结合深度学习和蒙特卡洛的粗到细框架，用于硼中子俘获治疗患者定位优化，实现高效逆向计划	首次将深度学习剂量预测模型与GPU加速蒙特卡洛引擎集成到贝叶斯优化框架中，实现BNCT患者定位的自动逆计划	未提及	开发自动化的患者定位优化框架，以克服蒙特卡洛模拟的计算瓶颈，实现BNCT高效逆向计划	229例胶质母细胞瘤患者（GLIS-RT开放数据集）	医学图像计算，深度学习，优化	胶质母细胞瘤	蒙特卡洛模拟	3D U-Net	医学图像（CT等）	229例胶质母细胞瘤患者，按70:20:10分为训练、验证和测试集	未提及	3D U-Net	目标剂量（mean target dose）、均匀性指数（HI）、优化时间加速比	GPU加速，具体型号未提及
16	2026-08-23	An Explainable Deep Learning Framework Integrating DNA Sequence and Transcription Initiation Signals for Gene Expression Prediction 2026-Aug-21, ACS synthetic biology IF:3.7Q1 DOI:10.1021/acssynbio.6c00275 PMID:42384944	研究论文	提出一个可解释的深度学习框架，整合DNA序列、mRNA半衰期特征和转录起始信号来预测基因表达水平。	该框架结合了转录起始信号和DNA序列，并通过可解释性分析提供对基因表达机制的洞察，优于仅关注序列的方法。	未明确提及限制。	开发一个可解释的深度学习模型，以高效预测基因表达水平，并提供对调控机制的见解。	人类细胞系中的基因表达预测。	深度学习, 计算生物学	NA	NA	卷积神经网络结合门控循环单元	DNA序列数据、mRNA半衰期特征、转录起始信号	三类数据集：GM12878、HepG2和K562	NA	卷积神经网络（CNN）和门控循环单元（GRU）	NA	NA
17	2026-08-23	Interpretable Deep Learning Applied to Fluorescence Confocal Microscopy for Intraoperative Tissue Assessment in Pediatric Surgical Oncology 2026-Aug-21, European journal of pediatric surgery : official journal of Austrian Association of Pediatric Surgery ... [et al] = Zeitschrift fur Kinderchirurgie IF:1.5Q3 DOI:10.1055/a-2936-0049 PMID:42586518	研究论文	本研究将深度学习应用于儿童手术肿瘤学中的荧光共聚焦显微镜图像，实现自动、准确且空间可解释的肿瘤检测	首次将深度学习与离体荧光共聚焦显微镜结合应用于儿科领域，实现快速且可解释的组织分类	未提供明确的局限性信息	验证深度学习直接应用于离体荧光共聚焦显微镜图像能够实现儿童标本中自动、准确且空间可解释的肿瘤检测	来自42名儿童的141个手术和活检标本	数字病理学	儿科肿瘤	荧光共聚焦显微镜	卷积神经网络	图像	243,659个图像块（其中124,348个恶性、48,441个良性、70,870个健康组织块），独立测试集包含84,751个图像块	未明确指定	卷积神经网络（具体架构未指定）	准确率、敏感性、特异性、F1分数	未提供
18	2026-08-23	Interpretable distillation reveals that deep learning splicing models suffer from pervasive confounders and blind spots 2026-Aug-21, Genome biology IF:10.1Q1 DOI:10.1186/s13059-026-04124-9 PMID:42625183	研究论文	开发了一个可解释蒸馏框架，用于解释深度学习剪接预测模型的决策逻辑，并揭示了模型存在普遍混杂因素和盲点的问题	开发了可解释蒸馏框架，首次系统揭示了剪接预测模型利用非剪接相关的基因组混杂因素以及未能充分捕捉RNA结构效应的问题	未提及具体局限性	解释深度学习剪接模型的预测逻辑，并识别其预测机制中的混杂因素和盲点	RNA剪接预测模型及其对基因组序列的预测机制	机器学习	NA	NA	深度学习模型	基因组序列	NA	NA	NA	NA	NA
19	2026-08-23	Radiological assessment of pulmonary vascularity in congenital heart disease: standardized clinician assessment versus deep learning-based prediction 2026-Aug-21, Journal of cardiovascular imaging DOI:10.1186/s44348-026-00084-7 PMID:42625206	研究论文	本研究开发并验证了结构化的临床评估标准和深度学习模型，用于先天性心脏病胸片肺血管性的评估，并与传统临床解读进行比较	首次将深度学习模型应用于先天性心脏病胸片肺血管性的定量评估，并与其结构化临床评估标准进行系统比较，显示出更高的准确性	未提及	提高先天性心脏病胸片肺血管性评估的准确性，并比较深度学习模型与临床专家评估的表现	先天性心脏病患者的胸部X光片（CXR）	计算机视觉, 数字病理学	先天性心脏病	胸部X光成像	深度学习模型	图像	400张去标识化胸片用于临床评估，1088张胸片用于训练深度学习模型	NA	NA	组内相关系数，均方根误差，特异性，敏感性，曲线下面积（AUROC），一致性系数（κ）	NA
20	2026-08-23	Image Quality of 1.5 T MRI Using Dual-Type Deep Learning Reconstruction for Pancreatic Cystic Lesions: An Exploratory Comparison With Conventional 3 T MRI Without Deep Learning Reconstruction 2026-Aug-21, Journal of magnetic resonance imaging : JMRI IF:3.3Q1 DOI:10.1002/jmri.70493 PMID:42627715	研究论文	本研究比较了1.5 T MRI使用双重类型深度学习重建与常规3 T MRI在胰腺囊性病变图像质量上的表现，发现1.5 T DLR在图像质量指标上优于3 T无DLR。	首次探索不同强度双重类型DLR在1.5 T MRI上对胰腺囊性病变图像质量的影响，并与3 T无DLR进行对比。	探索性研究，非同期比较，样本量有限，且来自单一中心。	评估1.5 T MRI使用不同强度双重类型DLR对胰腺囊性病变图像质量的影响，并与常规1.5 T和3 T MRI（无DLR）进行比较。	99例胰腺囊性病变患者（53男，46女，年龄29.2-93.8岁），其中54例在2年内接受过3 T MRI。	医学影像，深度学习	胰腺囊性病变	1.5 T和3 T MRI，双重类型深度学习重建，压缩感知	深度学习重建（DLR）	MRI图像	99例患者（1.5 T MRI），其中54例有3 T MRI	NA	双重类型DLR（具体架构未说明）	信噪比（SNR）、对比噪声比（CNR）、边缘上升距离（ERD）、5点Likert量表评分（定性评估）	NA