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
441	2026-08-20	Artificial intelligence standardizes CT-based body composition analysis in breast cacer to address methodological heterogeneity 2026, Frontiers in oncology IF:3.5Q2 DOI:10.3389/fonc.2026.1891251 PMID:42609826	综述	本文深入剖析了基于CT的乳腺癌身体成分分析中的方法学异质性，并展示了人工智能（特别是深度学习）如何通过标准化分析流程来解决这一问题	提出利用人工智能实现从智能切片定位、多标签组织分割到生成人群特异性参考曲线和多元风险预测的标准化工作流程，为乳腺癌精准肿瘤学提供新途径	未提及具体局限性	探讨人工智能如何标准化CT身体成分分析以解决方法学异质性，推动其在乳腺癌临床实践中的应用	乳腺癌患者的CT图像及身体成分参数（骨骼肌面积、肌肉密度、内脏和肌间脂肪组织）	医学影像分析	乳腺癌	CT成像	深度学习模型	医学影像（CT图像）	未提及	未提及	未提及	准确性	未提及
442	2026-08-20	CSAG-DETR: a lightweight detector for accurate weed detection in sugar beet fields under complex field conditions 2026, Frontiers in plant science IF:4.1Q1 DOI:10.3389/fpls.2026.1875124 PMID:42609975	研究论文	提出了一种基于RT-DETR-R18的轻量级杂草检测框架CSAG-DETR，用于甜菜田复杂田间条件下的准确杂草检测	引入跨阶段多尺度网络（CSMN）、跨阶段局部细节模块（CSLM）和全局注意力门控双路径上下采样模块（GAGDU和GAGDD）来增强特征交互和跨尺度变换稳定性	文中未明确提及局限性	在复杂田间环境下实现准确、高效且鲁棒的杂草检测，以支持实时农业系统	甜菜田中的九种常见杂草	计算机视觉	不适用	深度学习	RT-DETR-R18	图像	构建了包含九种常见杂草物种的BeetWeed数据集，并在公共CottonWeedDet12数据集上进行泛化实验	NA	RT-DETR-R18	mAP@0.5, mAP@0.5:0.95, FPS	NA
443	2026-08-20	Two Deep Image Reconstructions for a 320-Row CT: Review of Clinical Applications 2026, Current medical imaging IF:1.1Q3 DOI:10.2174/0115734056429078260131131101 PMID:41716060	综述	本文综述了320排CT上两种深度学习图像重建方法（DLR和DIR）的临床应用，并强调它们在临床实践中的互补作用。	首次在320排CT平台上对DLR和DIR进行临床导向的对比综述，突出了DLR在心脏CT和DIR在其他部位CT中的差异化优势。	未提及具体局限性，但可能缺乏对两种方法技术细节的深入量化比较。	为放射科医生提供DLR和DIR在320排CT上的临床应用概述，并为未来研究提供灵感。	320排CT平台上的深度学习重建（DLR）和深度迭代重建（DIR）方法及其临床应用。	医学影像，深度学习	不特定，涉及心脏、胸部、腹部、血管和灌注CT成像。	深度学习重建（DLR）和深度迭代重建（DIR）	深度神经网络（具体架构未指定）	CT图像	未提供具体样本量，综述多中心研究。	未指定	未指定	未明确提及，但提到图像质量改善的量化证据。	未提及
444	2026-08-20	Deep learning applications in osteosarcoma MRI: A systematic review of recent advances in AI-based osteosarcoma diagnosis 2026, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0354896 PMID:42611905	系统性综述	本综述根据PRISMA 2020指南，对2020至2025年间38篇关于深度学习在骨肉瘤MRI诊断中应用的同行评审文章进行了批判性分析，涵盖了肿瘤分割、分类和预后等方面	首次对深度学习在骨肉瘤MRI中的应用进行系统性综述，比较了包括传统CNN、视觉Transformer和多模态架构在内的多种先进算法，并量化了其分割性能，揭示了现有研究的转化差距	所有纳入的38项模型均局限于回顾性单中心队列，且存在偏倚风险评估问题，缺乏稳健的多中心测试和公共数据存储库支持	系统评估和批判性分析基于人工智能（尤其是深度学习和机器学习）的骨肉瘤MRI诊断方法，涵盖分割、分类和预后预测的最新进展	骨肉瘤患者的MRI图像，包括常规MRI、弥散加权成像（DWI）和动态对比增强MRI（DCE-MRI）数据	医学影像分析	骨肉瘤	MRI、弥散加权成像（DWI）、动态对比增强MRI（DCE-MRI）、放射组学	卷积神经网络（CNN）、视觉Transformer、多模态架构、注意力机制、无监督聚类	医学图像（MRI、DWI、DCE-MRI）	38篇同行评审文章（2020-2025年），具体患者样本量未在摘要中提供	未在摘要中明确指定	CNN、视觉Transformer、多模态架构、注意力机制、无监督聚类	Dice相似系数（DSC）、AUC	未在摘要中提供
445	2026-08-20	Graph-theoretic active learning for the closed-loop discovery of stochastic heterogeneous composites 2026, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0353692 PMID:42611940	research paper	本文提出了一个基于图论的主动学习框架，用于随机异质复合材料的闭环发现，特别是自修复水泥基复合材料	提出将体积断层扫描离散化为置换不变异质图，并采用Pore-GNN和Long-Short-Edge MeshGraphNets作为多物理场模拟的替代模型，实现了显著的计算加速	摘要中未明确提及局限性	开发一个可扩展的图学习框架，以高效预测和优化随机异质微结构，特别是自修复水泥基复合材料的断裂动力学和输运现象	随机异质复合材料（如自修复水泥基复合材料）的微结构	机器学习	NA	断层扫描成像、图神经网络	图神经网络（Pore-GNN、MeshGraphNets）	体积断层扫描图像和图形数据	未明确说明，但涉及30次高保真oracle评估	NA	Pore-GNN, Long-Short-Edge MeshGraphNets	预测准确度（R²），计算加速倍数	NA
446	2026-08-19	Early Prediction of Cardiac Arrest Based on Time-Series Vital Signs Using Deep Learning: Retrospective Study 2026-01-09, JMIR formative research IF:2.0Q4 DOI:10.2196/78484 PMID:41512300	研究论文	本研究基于深度学习开发了一种实时预测心脏骤停的方法，利用患者过去两小时的临床生命体征数据，每5分钟预测下一次1小时内的心脏骤停风险	提出了一种结合Transformer和门控循环单元的新型深度学习模型TrGRU，并采用元学习方法来增强模型的泛化能力	未在本文中明确提及局限性	开发一种基于临床生命体征的实时心脏骤停预测方法，以实现更及时、更准确的预测，并通过外部验证评估模型的泛化能力	来自MIMIC-III波形数据库的4063名患者，提取了6个特征	机器学习	心脏骤停	NA	深度学习模型（TrGRU）	时间序列生命体征数据	4063名患者，外加eICU-CRD数据集用于外部验证	NA	Transformer, GRU（门控循环单元）	准确率、敏感性、AUROC、AUPRC	NA
447	2026-08-19	A Fully Automated 3D CT U-Net Framework for Segmentation and Measurement of the Masseter Muscle, Innovatively Incorporating a Self-Supervised Algorithm to Effectively Reduce Sample Size: A Validation Study in East Asian Populations 2026-01, Aesthetic plastic surgery IF:2.0Q2 DOI:10.1007/s00266-025-05066-6 PMID:40858739	研究论文	本文提出并评估了一种基于U-Net的粗到细学习框架，用于自动化分割和测量咬肌体积，并引入自监督算法以减少深度学习所需样本量	引入自监督算法以有效减少深度学习所需样本量，并在东亚人群中验证了自动分割与手动分割的等效性	未明确提及局限性	开发并评估用于咬肌自动化分割和体积测量的U-Net框架，提供健康东亚人群的基线数据，并引入自监督算法减少样本量	840名健康东亚志愿者（253名男性，587名女性）的头部CT扫描	计算机视觉、数字病理	NA	CT成像	U-Net	CT图像	840例头部CT扫描，其中15例用于临床验证	NA	U-Net	准确性、运行时间、形态学评分、体积测量、不对称性	NA
448	2026-03-14	Editorial Note: Data augmentation-assisted deep learning of hand-drawn partially colored sketches for visual search 2026, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0344760 PMID:41818179	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
449	2026-08-19	Deep learning enabled decision support systems in epilepsy surgery: a scoping review 2026, npj health systems DOI:10.1038/s44401-026-00103-1 PMID:42328681	综述	系统梳理了2018年1月至2025年5月间145项关于深度学习在癫痫手术决策支持系统中应用的研究，分析其在不同手术阶段、临床任务、数据集特征、建模实践、外部验证及工作流整合方面的现状	首次以范围综述形式全面绘制深度学习在癫痫手术全流程中的决策支持系统图谱，涵盖数据模态、规模、地理来源和可及性，并综合评估建模及验证实践	文献集中在术前阶段，缺乏术中研究，术后应用较少，且多数研究存在数据规模小、单中心、非公开以及外部验证稀缺等局限	旨在映射深度学习决策支持系统在癫痫手术路径中的应用现状，并识别泛化性、工作流就绪性和公平性方面的主要差距	2018年1月至2025年5月间发表的145项关于深度学习辅助癫痫手术决策的研究	机器学习	癫痫	深度学习	CNN	多模态数据	145项研究	NA	CNN	外部验证、工作流整合评估	NA
450	2026-08-19	AI tools for cryo-EM: Protein particle picking, density map enhancement, and atomic model building 2026, Progress in molecular biology and translational science DOI:10.1016/bs.pmbts.2026.03.009 PMID:42463260	研究论文	本文介绍了基于深度学习的AI工具在冷冻电镜蛋白质结构测定中的三个关键步骤：颗粒挑选、密度图增强和原子模型构建	提出多种新型AI工具，如CryoTransformer、CryoSegNet、CryoTEN、Cryo2Struct和MICA，分别针对颗粒挑选、密度图增强和原子模型构建，其中MICA结合了AlphaFold3预测以提高模型精度	未明确提及具体限制，但章节最后指出了冷冻电镜数据分析中的开放挑战和未来方向	开发并展示AI工具用于自动化冷冻电镜蛋白质结构测定流程	蛋白质颗粒、冷冻电镜密度图、原子结构模型	计算机视觉, 深度学习	不适用	冷冻电镜	Transformer, U-Net, UNETR++, 3D Transformer, 多模态框架	图像, 密度图	150张密度图测试集，以及大规模CryoPPP数据集	不适用	Transformer, 残差架构, 注意力门控U-Net, SAM, UNETR++, 3D Transformer, 隐马尔可夫模型	精确率, 召回率, TM-score, 运行速度	不适用
451	2026-08-19	Pixel super-resolved fluorescence lifetime imaging using deep neural networks 2026, PhotoniX IF:15.7Q1 DOI:10.1186/s43074-026-00277-9 PMID:42603887	研究论文	本文提出一种基于深度学习的多通道像素超分辨荧光寿命成像框架，可从五倍增大像素尺寸获取的图像中重建高分辨率FLIM图像，并提高采集速度和信噪比	首次将条件生成对抗网络（cGAN）应用于FLIM像素超分辨，相比扩散模型，重建更稳健且推理时间更短，支持五倍超分辨因子和25倍空间带宽积提升，兼容低数值孔径和微缩化平台	未提及具体局限性，但可能受限于训练数据多样性、泛化能力和实际临床验证范围	克服FLIM临床应用中像素驻留时间长和信噪比低的限制，提高有效空间分辨率，推动快速、高分辨率和硬件灵活的FLIM实现	患者来源的肿瘤组织样本	数字病理学, 深度学习	肿瘤	荧光寿命成像显微镜（FLIM）	条件生成对抗网络（cGAN）	荧光寿命图像	患者来源的肿瘤组织样本	NA	生成对抗网络（GAN）	图像质量指标（如PSNR、SSIM等）	NA
452	2026-08-19	Deep Learning Can Predict the Overall Survival of Cervical Cancer Based on Histopathological Image, Gene Mutation and Clinical Information 2026 Jan-Dec, IET systems biology IF:1.9Q3 DOI:10.1049/syb2.70060 PMID:41902378	研究论文	本研究开发了一种结合病理图像、临床和分子数据的多模态深度学习模型，用于预测宫颈癌患者的总体生存期	首次将病理图像、基因突变和临床信息融合用于宫颈癌总体生存期的预测，通过LASSO Cox回归筛选关键特征并构建多模态深度学习框架	样本量较小（训练集119例，独立验证集53例），可能影响模型的泛化能力	开发一个结合病理图像、临床数据和分子数据的预测模型，以准确分类宫颈癌患者的短期（≤3年）和长期（>3年）总体生存期	宫颈癌患者	数字病理学	宫颈癌	基因突变检测（具体测序技术未明确，基于TCGA数据）	多模态深度学习模型（具体类型未明确）	病理图像、临床数据、基因突变数据	训练集119例，验证集53例	NA	NA	AUC	NA
453	2026-08-19	Pathway-driven assessment of wastewater contamination in drinking water systems: integrating AI with public health risk 2026, Frontiers in public health IF:3.0Q2 DOI:10.3389/fpubh.2026.1873246 PMID:42491056	综述	本文综述了人工智能在饮用水系统废水污染监测中的应用，并整合了工程与公共卫生视角，提出了路径驱动的监测框架	不同于以往强调通用水质预测的综述，本文聚焦于路径特异性污染检测、系统级脆弱性和操作部署约束，并提出将AI输出与公共卫生响应阈值相连接的框架	现有AI性能指标多来自实验或试点数据，缺乏长期运行验证，且存在数据质量限制、代理指标非特异性、模型泛化性差及操作条件下验证不足等问题	综合理解废水污染路径，批判性评估传统和基于AI的监测方法，并识别从预测到操作部署的转化障碍	饮用水系统中的废水污染事件、监测技术及AI应用	机器学习	NA	NA	机器学习和深度学习模型	传感器网络数据	NA	NA	NA	R值	NA
454	2026-08-19	A public generalizable AI tool for automated segmentation of coronal brain tissue slabs for 3D neuropathology 2026, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0355740 PMID:42607065	研究论文	本文介绍了一种基于深度学习的自动化工具，用于分割冠状脑组织切片的照片，以促进三维神经病理学分析。	该工具采用U-Net架构，在固定和新鲜组织、不同诊断的样本以及两个不同拍摄地点的组合数据上训练，实现了高精度的自动分割，并公开提供了工具和训练数据。	摘要未明确提及局限性，但可能包括对多样本和不同成像条件的泛化能力仍需进一步验证。	开发一种自动化的深度学习模型，用于分割冠状脑组织切片照片中的组织区域，以替代繁琐的手动分割，提高三维神经病理学分析的效率和可扩展性。	人脑组织冠状切片照片，包括固定和新鲜组织，来自不同诊断的样本。	计算机视觉，数字病理学	神经退行性疾病（如阿尔茨海默病等，摘要未具体指定，但涉及神经病理学）	深度学习（图像分割）	U-Net	图像（冠状脑组织切片照片）	1,414张手动分割的图像	未提及	U-Net	Dice分数，平均表面距离，95% Hausdorff距离	未提及
455	2026-08-18	Alternative Conformation Prediction Using Deep Learning With Multi-MSA Strategy and Structural Clustering in CASP16 2026-Jan, Proteins IF:3.2Q2 DOI:10.1002/prot.70059 PMID:41014267	研究论文	本文报告了CASP16中采用EnsembleFold流程进行结构集合预测的结果，通过多MSA策略和结构聚类改进构象预测	提出集成多种新深度学习方法和多MSA策略的EnsembleFold流程，并结合结构聚类工具MolClust识别不同构象状态	未明确提及局限性，但讨论中指出QA评分方法需进一步改进以提升集合预测的可靠性	改进蛋白质和RNA结构集合预测，以识别替代构象	蛋白质、RNA、蛋白质-核酸复合物的三维结构	结构预测	不适用	多序列比对（DeepMSA2）、深度学习、REMC模拟、结构聚类	深度学习模型	结构数据	CASP16中的19个集合预测目标	不适用	D-I-TASSER2、DMFold2、ExFold、DeepProtNA	平均TM-score 0.657	未明确提供
456	2026-08-18	Multi-Parameter Deep Learning Combined With Fluorescence Lifetime Imaging Microscopy for Non-Invasive and Label-Free Endometrial Cancer Screening 2026-01, Journal of biophotonics IF:2.0Q3 DOI:10.1002/jbio.70228 PMID:41548887	研究论文	本研究提出一种结合荧光寿命成像显微镜和多参数深度学习算法的非侵入性、无标记子宫内膜癌筛查方法	创新性地将多参数深度学习模型与FLIM结合，利用NAD(P)H的自体荧光信号提取两个代谢参数，实现了对子宫内膜癌的高灵敏度和特异性筛查，优于单参数模型	未提及	开发一种非侵入性且无标记的子宫内膜癌筛查方法，提高预测性能并解决单参数模型的灵敏度-特异性不平衡问题	参与者的宫颈脱落细胞（共71例）	数字病理学	子宫内膜癌	荧光寿命成像显微镜（FLIM）	深度学习模型	图像	71名参与者的宫颈脱落细胞样本	未提及	未提及	灵敏度、特异性、AUC	未提及
457	2026-08-18	Feasibility of Depth-in-Color En Face Optical Coherence Tomography for Colorectal Polyp Classification Using Ensemble Learning and Score-Level Fusion 2026-01, Journal of biophotonics IF:2.0Q3 DOI:10.1002/jbio.202500292 PMID:41548988	研究论文	本研究探讨了结合深度编码彩色en face光学相干断层扫描与集成学习，用于结直肠息肉恶性潜能分类的可行性	首次将深度信息编码为颜色生成en face OCT投影，并采用集成学习与分数级融合策略进行息肉分类	研究基于离体样本，尚需在体内验证算法的有效性	利用深度敏感光学相干断层扫描与深度学习提高结直肠息肉分类的准确性	300名受试者的结直肠息肉	计算机视觉, 机器学习	结直肠癌	光学相干断层扫描（OCT）	集成学习网络	图像	300名受试者的息肉样本	NA	集成网络	AUC（曲线下面积）	NA
458	2026-08-18	Confocal Raman Microscopy to Study Silicone Breast Implant's Early-Stage Degradation in Reconstructive Surgery 2026-01, Journal of biophotonics IF:2.0Q3 DOI:10.1002/jbio.202500510 PMID:41549634	研究论文	本研究利用共聚焦拉曼显微镜技术，分析硅胶乳房假体在重建手术中的早期降解情况，并识别出能区分植入前后降解状态的标记物。	首次使用拉曼光谱技术识别出二苯基硅氧烷和CH振动两个标记，能区分硅胶乳房假体植入前后的降解状态，并发现指示凝胶变黄的拉曼波段，为评估假体老化提供了新方法。	未在摘要中提及具体局限性	阐明硅胶乳房假体膜的结构及其防凝胶渗漏功能，并确定其降解状态的关键标记。	硅胶乳房假体，特别是其膜和凝胶。	数字病理学	乳腺癌（相关重建手术）	共聚焦拉曼光谱	NA	光谱数据	未提供样本量	NA	NA	NA	NA
459	2026-08-18	Assessing CT-based volumetric analysis via deep learning for idiopathic normal pressure hydrocephalus 2026, Brain communications IF:4.1Q2 DOI:10.1093/braincomms/fcag300 PMID:42603074	研究论文	本研究开发并评估了一种基于深度学习的CT容积分析技术，用于特发性正常压力脑积水的诊断和形态学量化。	提出了一种两阶段深度学习模型，利用MRI转移学习增强CT脑脊液分割，并验证了CTVMs在iNPH诊断中的高准确性。	未明确提及局限性。	增强CT扫描中脑室脑脊液的分割，并评估自动化脑CT容积测量在iNPH患者诊断中的性能。	特发性正常压力脑积水患者和健康对照者的脑CT扫描图像。	计算机视觉, 数字病理学	特发性正常压力脑积水	CT成像, MRI成像	U-Net	图像	训练集包含734个健康对照的CT和MRI数据集以及62个iNPH患者的CT扫描；外部验证集包含11个和30个iNPH患者的CT扫描。	NA	U-Net	相关系数, AUC	NA
460	2026-08-18	An online nomogram based on bimodal ultrasound images for preoperative diagnosis of cytologically indeterminate thyroid nodules 2026, Frontiers in endocrinology IF:3.9Q2 DOI:10.3389/fendo.2026.1838372 PMID:42445878	研究论文	本文开发了一个基于双模态超声图像的在线列线图模型，用于术前诊断细胞学不确定的甲状腺结节，以减少不必要的甲状腺切除术	首次结合B型超声和应变弹性超声图像的影像组学特征和深度学习特征，并整合遗传检测和弹性成像水平，构建在线列线图模型，实现对不确定甲状腺结节的精准术前评估	未明确提及局限性	开发并验证一个在线列线图模型，用于术前精准评估不确定甲状腺结节的恶性风险，以减少不必要的诊断性甲状腺切除术	来自五个中心的甲状腺结节患者，分为回顾性训练、独立测试和前瞻性验证队列	医学影像分析	甲状腺结节	超声成像（B型超声、应变弹性超声）	列线图模型	B型超声和应变弹性超声图像	未明确样本数量，但涉及多中心多个队列	未明确提及	未明确提及	受试者工作特征曲线下面积（AUC）	未明确提及