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
301	2026-03-07	Prototype Learning to Create Refined Interpretable Digital Phenotypes from ECGs 2026, Pacific Symposium on Biocomputing. Pacific Symposium on Biocomputing DOI:10.1142/9789819824755_0049 PMID:41758177	研究论文	本研究探讨了基于原型的深度学习模型在心电图分类中的应用，并评估其原型在外部临床数据库中与医院出院诊断的关联性	展示了原型学习模型能够从生理时间序列数据中提取可解释的数字表型，这些原型在外部人群中与临床结果具有强关联性，超越了原始训练目标	研究依赖于特定数据集（PTB-XL和MIMIC-IV），可能限制了模型的泛化能力；原型解释性虽强，但未详细探讨其临床验证过程	评估基于原型的神经网络在心电图分类中提取的可解释数字表型是否与更广泛的临床表型对齐	心电图数据及其对应的医院出院诊断（phecode分类）	数字病理学	心血管疾病	深度学习，原型学习	基于原型的神经网络	生理时间序列数据（心电图）	PTB-XL数据集用于训练，MIMIC-IV临床数据库用于推理	NA	基于原型的深度学习模型	AUC	NA
302	2026-03-07	Annotation-free prediction of immunotherapy response in melanoma using single-cell transcriptomic data 2026, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0343633 PMID:41758825	研究论文	本研究开发了一种基于人工智能的模型，利用单细胞转录组数据无需细胞类型注释即可预测黑色素瘤患者对免疫检查点抑制剂的反应	首次提出无需细胞类型注释的单细胞转录组数据AI预测模型，识别出29个关键预测生物标志物，如CCR7和MTRNR2L2，并验证了其在独立数据集中的临床关联	研究主要基于公开数据集，样本量相对有限，且模型性能需在更大队列中进一步验证	预测黑色素瘤患者对免疫检查点抑制剂的治疗反应	黑色素瘤患者的肿瘤浸润细胞	数字病理学	黑色素瘤	单细胞RNA测序	极端梯度提升, 随机森林, 逻辑回归, 支持向量机, 前馈神经网络, 卷积神经网络	单细胞转录组数据	16,290个肿瘤浸润细胞	NA	NA	曲线下面积	NA
303	2026-03-07	Transformer-Based Deep Learning Model Using MRI-Derived Microvascular Atlas for Predicting Lymphovascular Invasion in Breast Cancer Patients 2026 Jan-Dec, Technology in cancer research & treatment IF:2.7Q3 DOI:10.1177/15330338261426280 PMID:41761479	研究论文	本研究提出了一种基于MRI微血管图谱和TwinsSVT深度学习架构的非侵入性预测乳腺癌淋巴血管浸润状态的新方法	首次将MRI衍生的多参数微血管图谱与TwinsSVT Transformer架构结合，用于预测乳腺癌淋巴血管浸润，并探索了模型的生物学可解释性	回顾性研究设计，样本量相对有限（436例），且仅来自两个医疗中心	开发一种非侵入性方法，用于术前预测乳腺癌患者的淋巴血管浸润状态	乳腺癌患者	数字病理学	乳腺癌	高分辨率多b值扩散加权成像	Transformer	图像	436例乳腺癌患者（来自两个医疗中心）	NA	TwinsSVT	AUC, F1分数	NA
304	2026-03-07	A Novel Network-Level Fused Self-Attention Deep Neural Network for Cervical Cancer Classification from Cervicography Images 2026 Jan-Dec, Technology in cancer research & treatment IF:2.7Q3 DOI:10.1177/15330338261426741 PMID:41761498	研究论文	本文提出了一种基于网络级融合自注意力机制的深度神经网络，用于从宫颈摄影图像中自动分类宫颈癌	提出了两个新颖的深度学习模块（11-PIRBnet和9-PIRSANet），并通过深度连接层在网络层面融合，形成新的375NFNet架构，同时利用贝叶斯优化初始化超参数	未明确说明数据集的样本量、计算资源细节以及模型在外部验证集上的泛化性能	开发一个全自动的计算机辅助诊断系统，用于宫颈癌的自动分类	宫颈摄影图像	计算机视觉	宫颈癌	NA	深度学习, 神经网络	图像	NA	NA	11-PIRBnet, 9-PIRSANet, 375NFNet, 浅层神经网络	准确率, 精确率, AUC	NA
305	2026-03-07	Deep learning-based assessment of PD-L1 expression in NSCLC predicts outcome for patients treated with anti-PD-1 immunotherapy 2026, Frontiers in immunology IF:5.7Q1 DOI:10.3389/fimmu.2026.1750816 PMID:41766864	研究论文	本研究利用深度学习分析非小细胞肺癌PD-L1免疫组化切片，识别与抗PD-1免疫治疗预后相关的组织形态学模式	首次将UNI基础模型应用于PD-L1免疫组化切片特征提取，并基于组织学聚类定义了与患者预后显著相关的深度学习分组，该分组提供了超越传统PD-L1评分的预后信息	总生存期（OS）的改善未达到统计学显著性，且研究队列样本量相对有限，需要更大规模的前瞻性验证	评估基于深度学习的PD-L1表达分析在预测非小细胞肺癌患者接受抗PD-1免疫治疗结局方面的价值	接受抗PD-1免疫治疗的非小细胞肺癌患者	数字病理学	肺癌	免疫组织化学（IHC）	深度学习	图像	两个独立队列：MSK队列（训练集，n=182）和CGFL队列（验证集，n=108）	NA	UNI	风险比（HR），置信区间（CI），p值，中位无进展生存期（PFS），中位总生存期（OS）	NA
306	2026-03-07	MAAR-Net: Multi-scale attention-assisted residual neural network for renal microvascular structure segmentation 2026, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0342752 PMID:41779699	研究论文	本文提出了一种名为MAAR-Net的新型深度学习架构，用于精确分割肾脏微血管结构，以支持病理评估	MAAR-Net结合了多尺度残差块、高语义特征提取层和深度可分离卷积注意力块，以增强感受野、丰富语义信息并提升分割性能，同时通过模型压缩优化实现临床部署	未在摘要中明确提及	开发一种深度学习模型以准确分割肾脏微血管结构，用于病理评估	肾脏微血管结构	数字病理学	肾脏疾病	2D PAS染色肾脏组织学成像	CNN	图像	基于HuBMAP数据集的2D PAS染色肾脏组织学图像	未在摘要中明确提及	U-Net	IoU, F1-score	未在摘要中明确提及
307	2026-03-07	Ultrasound in cardiovascular care: a perspective on preventive, diagnostic, and monitoring applications 2026, Frontiers in cardiovascular medicine IF:2.8Q2 DOI:10.3389/fcvm.2026.1721700 PMID:41788564	综述	本文探讨了超声在心血管疾病预防、诊断和监测中的应用前景	将超声重新定位为预防性和诊断性血管医学的基石技术，并强调了人工智能、机器学习与深度学习在自动化斑块量化、提高可重复性及通过便携系统扩大可及性方面的革命性作用	广泛采用需要标准化协议、提供者培训、伦理监督和公平实施，以避免全球差异	改善心血管疾病的早期检测和预防策略	心血管疾病（CVD），特别是动脉粥样硬化	数字病理学	心血管疾病	超声技术，包括床旁超声（POCUS）、多普勒、双功能超声、对比增强超声（CEUS）、弹性成像和脉搏波速度（PWV）	NA	超声图像	NA	NA	NA	NA	NA
308	2026-03-07	Computational understanding of non-coding RNA pairwise interactions 2026, Frontiers in artificial intelligence IF:3.0Q2 DOI:10.3389/frai.2026.1749205 PMID:41788611	研究论文	本文提出了一种名为CUPID的深度学习框架，用于直接从非编码RNA的一级序列信息预测其成对相互作用	该方法避免了依赖热力学模型或手动特征设计，并能泛化到不同类型的非编码RNA，包括长链非编码RNA、环状RNA、微小RNA和小核RNA	NA	预测非编码RNA之间的成对相互作用，以探索其调控网络	非编码RNA（ncRNA）	自然语言处理	NA	RNA语言模型	前馈分类器	序列信息	NA	NA	NA	NA	NA
309	2026-03-07	A novel deep learning model for objective quantification of generalized anxiety disorder severity using EEG functional connectivity 2026, Frontiers in psychiatry IF:3.2Q2 DOI:10.3389/fpsyt.2026.1764932 PMID:41788654	研究论文	本研究开发了一种基于脑电图功能连接性的深度学习模型，用于客观量化广泛性焦虑障碍的严重程度	首次将卷积门控多层感知器网络应用于基于脑电图功能连接性特征的广泛性焦虑障碍严重程度连续预测，并发现额叶与颞叶区域间的连接，特别是β频段，对预测贡献最大	样本量相对较小（80名患者和39名健康对照），且仅使用静息态脑电图数据，未考虑任务态或其他神经影像数据	开发一种客观、基于神经生物学的工具来量化广泛性焦虑障碍的严重程度，以支持个体化治疗规划	广泛性焦虑障碍患者和健康对照者	机器学习	广泛性焦虑障碍	脑电图	Conv_gMLP	脑电图信号	80名广泛性焦虑障碍患者和39名健康对照者	NA	卷积门控多层感知器网络	平均绝对误差	NA
310	2026-03-07	A novel deep semantic- and vision-based self-attention architecture for skin cancer classification 2026 Jan-Dec, Digital health IF:2.9Q2 DOI:10.1177/20552076261430276 PMID:41788664	研究论文	本文提出了一种基于深度学习和可解释人工智能的皮肤癌分类架构，用于皮肤病变分割和分类	提出了一种融合倒置自注意力残差架构与视觉Transformer的FusedNet架构（ISAwViT），并利用可解释人工智能技术（如LIME和Grad-CAM）解释模型决策	未明确提及研究局限性，可能包括数据集单一或模型泛化能力未充分验证	开发一种计算机辅助诊断系统，以帮助医生更准确地检测和预测皮肤癌	皮肤癌病变图像	计算机视觉	皮肤癌	深度学习，可解释人工智能	CNN, Transformer	图像	HAM10000数据集	NA	DeepLab V3, ResNet-18, Inverted self-attention with Vision Transformer	准确率	NA
311	2026-03-07	The combined deep learning model integrating CT features and clinical variables for preoperative T-stage diagnosis in esophageal cancer: A multicenter study 2026 Jan-Dec, Digital health IF:2.9Q2 DOI:10.1177/20552076261427129 PMID:41788663	研究论文	本研究开发并验证了一种结合CT特征和临床变量的深度学习模型，用于食管癌术前T分期诊断	提出了一种结合分层多尺度特征融合网络（HMFFN）和自动度量图神经网络（AMGNN）的深度学习模型，首次将CT图像特征、手工形态特征和临床变量融合用于食管癌T分期诊断	样本量相对有限（共443例患者），且为回顾性研究，可能存在选择偏倚	开发并验证一种结合CT特征和临床变量的深度学习模型，以提高食管癌术前T分期的诊断准确性	食管癌患者	计算机视觉	食管癌	CT成像，三维重建技术	深度学习，图神经网络	CT图像，临床数据（人口统计学信息、实验室检测结果、内镜检查结果）	443例食管癌患者（内部数据集394例，外部数据集49例）	NA	分层多尺度特征融合网络（HMFFN），自动度量图神经网络（AMGNN）	AUC，准确率	NA
312	2026-03-07	Deep learning-based multi-class classification of thyroid disorders on Tc-99m scintigraphy using modified DenseNet-201 2026 Jan-Dec, Digital health IF:2.9Q2 DOI:10.1177/20552076261418842 PMID:41788666	研究论文	本研究开发了一种基于改进DenseNet-201的深度学习系统，用于在Tc-99m闪烁扫描图像上对甲状腺疾病进行七分类自动诊断	利用迁移学习技术，对DenseNet-201模型进行定制化修改，实现了对七种甲状腺疾病类型的多分类，包括冷结节、热结节等，并通过五折交叉验证展示了较高的诊断性能	未明确提及样本来源的多样性、模型在外部验证集上的泛化能力，以及临床实际部署中的计算资源需求	开发一个自动化系统，辅助医生对甲状腺疾病进行临床诊断	甲状腺疾病（包括冷结节、热结节、多结节性甲状腺肿、结节性甲状腺肿、甲状腺炎、毒性弥漫性甲状腺肿和正常状态）	计算机视觉	甲状腺疾病	Tc-99m闪烁扫描成像	CNN	图像	NA	NA	DenseNet-201	准确率, 特异性, 精确率, 灵敏度, F1分数, AUC, Kappa系数	NA
313	2026-03-07	Fusion of genomic and pathological data for breast cancer detection using BCDNN 2026, Frontiers in medicine IF:3.1Q1 DOI:10.3389/fmed.2026.1726223 PMID:41788706	研究论文	本研究开发并评估了一个名为BC-DNN的模型，该模型通过融合基因组和病理学数据来分类乳腺肿瘤为良性或恶性，旨在提高诊断准确性	提出了一种融合基因组和病理学数据的BC-DNN模型，用于乳腺癌检测，通过AI驱动方法提升诊断准确率	模型泛化能力有待增强，未来需探索与实时诊断系统的集成	开发并评估一个基于深度学习的模型，以改善乳腺癌的早期和准确检测	乳腺肿瘤（良性或恶性）	机器学习	乳腺癌	基因组测序，组织病理学分析	DNN	基因组数据，病理学数据	使用了一个来自Kaggle的公开乳腺癌数据集，具体样本数量未明确说明	MATLAB R2016	BC-DNN	分类准确率	NA
314	2026-03-07	Evaluation of the impact of cardiopulmonary rehabilitation exercise training on cardiopulmonary function in patients with chronic obstructive pulmonary disease complicated by unstable angina pectoris using a hierarchical deep learning CT image model 2026, Frontiers in physiology IF:3.2Q2 DOI:10.3389/fphys.2026.1735687 PMID:41788879	研究论文	本研究利用分层深度学习CT图像模型，定量评估心肺康复运动训练对慢性阻塞性肺疾病合并不稳定型心绞痛患者心肺结构与功能的影响	构建了一个多任务3D U-Net + ResNet50深度学习模型，用于自动量化来自胸部高分辨率CT和冠状动脉CT血管造影的四类成像生物标志物，为评估康复效果提供了可靠的影像学生物标志物	研究仅针对特定患者群体（COPD合并UA），样本量相对有限（400例），且未探讨长期效果	定量评估心肺康复运动训练对慢性阻塞性肺疾病合并不稳定型心绞痛患者心肺结构与功能的影响	慢性阻塞性肺疾病合并不稳定型心绞痛患者	数字病理学	慢性阻塞性肺疾病, 心血管疾病	胸部高分辨率CT, 冠状动脉CT血管造影	深度学习	CT图像	400例患者（实验组200例，对照组200例）	NA	3D U-Net, ResNet50	Dice系数	NA
315	2026-03-07	Objective interpretation of intrapartum cardiotocography images using attention-guided convolutional neural networks 2026, Frontiers in pediatrics IF:2.1Q2 DOI:10.3389/fped.2026.1717012 PMID:41789305	研究论文	本研究开发了一种基于注意力引导卷积神经网络的客观方法，用于自动分析产时胎心监护图像，以评估胎儿健康状况	提出了一种结合系统预处理流程和注意力引导卷积神经网络的客观解释方法，通过卷积块注意力模块使模型聚焦于临床显著的形态特征，提高了诊断一致性	未明确说明内部临床数据集的具体样本量，且依赖于特定标注（FIGO分类和pH值）可能限制泛化能力	开发一种客观的产时胎心监护图像解释方法，以减少漏诊风险并提高诊断一致性	产时胎心监护图像	计算机视觉	NA	电子胎儿监护	CNN	图像	内部临床数据集和外部公开CTU-UHB数据集	NA	EfficientNet-B0, Convolutional Block Attention Module	准确率, 宏平均F1分数	NA
316	2026-03-06	Scanner-integrated reconstruction versus post-processing deep learning for low-count 18F-FDG PET/CT: a comparative clinical evaluation 2026-Jan-31, EJNMMI physics IF:3.0Q2 DOI:10.1186/s40658-026-00841-z PMID:41619102	研究论文	本研究比较了两种用于低计数18F-FDG PET/CT的深度学习方法：扫描仪集成的重建级方法（DPR）和图像域后处理增强方法（POST），评估了它们在图像质量、病灶检测和扫描时间减少方面的表现	首次在临床环境中直接比较了扫描仪集成重建与后处理深度学习两种低计数PET/CT方法的性能，并预设了非劣效性边界进行定量评估	研究样本量有限（67例患者），且仅针对18F-FDG PET/CT，未涵盖其他示踪剂或更广泛的临床场景	评估和比较两种深度学习方法在低计数PET/CT中的图像质量和诊断性能，以实现扫描时间减少	67例接受全身18F-FDG PET/CT检查的患者	医学影像分析	癌症（未特指具体类型）	18F-FDG PET/CT成像，有序子集期望最大化（OSEM）重建	深度学习	PET/CT图像	67例患者	NA	深度渐进重建（DPR），RaDynPET（POST）	Likert量表评分，信噪比（SNR），肿瘤背景比（TBR），对比噪声比（CNR），Lin一致性相关系数（CCC），Bland-Altman分析	NA
317	2026-03-06	A Comprehensive X-ray Dataset for Pediatric Ulna and Radius Fractures Analysis 2026-Jan-28, Scientific data IF:5.8Q1 DOI:10.1038/s41597-026-06666-w PMID:41605965	研究论文	本文介绍了首个公开的儿科尺骨和桡骨骨折X射线数据集PediURF，并提出了一个双视图分类模型URFNet用于骨折分类	创建了首个公开的儿科尺骨和桡骨骨折X射线数据集PediURF，包含超过10,000张去标识化图像，并提出了一个集成前后位和侧位视角的双视图分类模型URFNet	未明确说明数据集的多样性或模型在外部验证集上的性能	为儿科尺骨和桡骨骨折的人工智能研究提供标准化数据集，并开发深度学习模型进行骨折分类	儿科尺骨和桡骨骨折的X射线图像	计算机视觉	儿科骨折	X射线成像	深度学习分类模型	图像	超过10,000张去标识化X射线图像	NA	URFNet	NA	NA
318	2026-03-06	Systematic evaluation of mitochondrial morphology regulators for amelioration of neuronal α-synucleinopathy 2026-Jan-27, NPJ Parkinson's disease DOI:10.1038/s41531-026-01277-z PMID:41593075	研究论文	本研究系统评估了线粒体形态调节因子在神经元α-突触核蛋白病模型中的治疗潜力，并利用深度学习工具MitoVis进行快速分析	首次在α-突触核蛋白病模型中系统比较线粒体融合/分裂关键调节因子，并开发基于深度学习的线粒体图像分析工具MitoVis实现区室特异性形态分析	研究仅针对α-突触核蛋白病模型，未验证其他神经退行性疾病；干预效果可能受模型特异性限制	评估线粒体形态调节因子作为神经退行性疾病治疗靶点的潜力	神经元线粒体（树突与轴突区室）	数字病理学	帕金森病	深度学习图像分析	CNN	图像	NA	NA	NA	NA	NA
319	2026-01-30	Deep Learning-Based Instance-Level Segmentation of Kidney and Liver Cysts in Computed Tomography Images of Patients Affected by Polycystic Kidney Disease 2026-Jan-01, Kidney360 IF:3.2Q1 DOI:10.34067/KID.0000000924 PMID:40811034	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
320	2026-03-06	Predicting Stereotactic Body Radiation Therapy Response Using an AI-Based Tumor Vessel Biomarker 2026 Jan-Dec, Technology in cancer research & treatment IF:2.7Q3 DOI:10.1177/15330338261428377 PMID:41761492	研究论文	本文提出了一种基于深度学习的成像生物标志物Vessel Risk Score（VRS），用于从增强CT扫描中量化肿瘤血管异常，以预测非小细胞肺癌患者对立体定向放射治疗的反应和预后	开发了一种新的AI驱动的肿瘤血管生物标志物VRS，能够非侵入性地量化血管异常，相比传统的血管密度指标，能更准确地预测放疗反应和预后	研究主要基于非小细胞肺癌患者，且样本量有限（训练集126例，外部验证集128例），需要进一步在其他癌症类型和大规模队列中验证其普适性	预测非小细胞肺癌患者对立体定向放射治疗（SBRT）的反应和预后	非小细胞肺癌（NSCLC）患者	数字病理学	肺癌	对比增强CT扫描	深度学习模型	图像	训练集：126例NSCLC患者（接受大分割放疗）；外部验证集：128例早期NSCLC患者（接受SBRT）	NA	NA	VRS值（置信区间），PFS（无进展生存期），Cox多变量分析p值	NA