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
661	2026-07-07	The Use of Artificial Intelligence with d/Deaf and Hard of Hearing Students: A Systematic Review 2026, American annals of the deaf IF:1.0Q4 DOI:10.1353/aad.2026.a994476 PMID:42403334	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
662	2026-07-06	In Vivo Demonstration of Deep Learning-Based Photoacoustic Visual Servoing System 2026-Jan, IEEE transactions on bio-medical engineering DOI:10.1109/TBME.2025.3584076 PMID:40577292	研究论文	开发并演示了首个基于深度学习的光声视觉伺服系统，用于实时三维追踪导管尖端	首次将点源定位与混合位置-力控制结合，实现基于深度学习的光声视觉伺服，并在体内外实验中验证	实例分割推理时间较长（≥516.3 ms），尚需优化以满足实时应用需求	开发光声视觉伺服系统，实现手术器械尖端的实时三维追踪	心脏导管尖端（在塑胶假体和活体猪中进行实验）	计算机视觉，机器学习	NA	光声成像	目标检测，实例分割	光声图像	9次视觉伺服实验（塑胶假体距离40 mm，活体猪距离25-64 mm）	NA	目标检测模型，实例分割模型	检测率（88.0-91.7%假体，66.7-70.4%体内），追踪误差（0.5 mm假体，0.8 mm体内），推理时间（≥145.3 ms目标检测，≥516.3 ms实例分割），接触时间（≥99.43%）	NA
663	2026-07-06	AI-Driven Protein Research: From Prediction to Design 2026, Methods in molecular biology (Clifton, N.J.) DOI:10.1007/978-1-0716-5249-7_13 PMID:42400844	综述	综述了从人工智能驱动的蛋白质序列预测到蛋白质设计的进展	系统梳理了从早期共进化信息残基接触预测到蛋白质语言模型和生成式设计的关键概念突破	作为迷你综述，可能未涵盖所有前沿细节	追踪人工智能方法在蛋白质研究中的演变及其对生物医学和生物技术的转化意义	蛋白质结构预测、注释和设计方法	自然语言处理	NA	深度学习	蛋白质语言模型	文本（序列数据）	NA	NA	NA	NA	NA
664	2026-07-05	Deep learning-based multimodal fusion of MRI and whole slide image for predicting neoadjuvant therapy response in locally advanced head and neck squamous cell carcinoma 2026-01-21, BMC medical imaging IF:2.9Q2 DOI:10.1186/s12880-026-02173-x PMID:41566290	研究论文	开发并验证一种基于Transformer的多模态融合模型，结合MRI和病理全切片图像以预测局部晚期头颈鳞癌的新辅助治疗反应	首次采用Transformer多注意力机制动态融合MRI宏观影像特征与病理切片微观细胞特征，实现跨模态特征加权融合，提升预测性能	NA	提高局部晚期头颈鳞癌新辅助靶向治疗和化疗反应的预测准确性	201例III-IV期局部晚期头颈鳞癌患者	计算机视觉, 数字病理学	头颈鳞癌	MRI, H&E染色病理切片	Transformer	MRI影像, 病理全切片图像	201例患者，来自两个医疗中心	PyTorch	ResNet50, Transformer	AUC, 校准曲线, 决策曲线分析	NA
665	2026-07-05	Transfer learning with Bayesian optimization for colorectal cancer histopathology classification 2026-01-12, BMC medical imaging IF:2.9Q2 DOI:10.1186/s12880-026-02149-x PMID:41526835	研究论文	通过贝叶斯优化对转移学习模型进行超参数调优，提升结直肠癌组织病理学分类性能	提出CRC-BayTune方法，将贝叶斯优化应用于学习率、批量大小和微调深度等关键训练参数的调优，并通过统计检验（弗里德曼检验、重复测量方差分析）系统评估模型架构和超参数对性能的影响	未提及外部验证或跨机构数据集的泛化测试，仅在噪声扰动下评估鲁棒性；未讨论模型部署的计算成本或临床落地可行性	探究模型选择和超参数优化策略对结直肠癌组织病理学分类性能鲁棒性的影响	八个预训练CNN模型（如DenseNet201、InceptionV3等）在三类结直肠癌组织病理学数据集上的表现	数字病理学	结直肠癌	组织病理学图像分析	卷积神经网络	图像	NA（具体样本数量未在摘要中提供）	NA（未在摘要中指定）	DenseNet201, InceptionV3, InceptionResNetV2, ResNet50V2	Matthews相关系数, 准确率	NA（未在摘要中描述）
666	2026-07-05	Explainable artificial intelligence (XAI) in medical imaging: a systematic review of techniques, applications, and challenges 2026-01-05, BMC medical imaging IF:2.9Q2 DOI:10.1186/s12880-025-02118-w PMID:41491470	综述	系统综述XAI在医学影像中的技术、应用和挑战	通过构建融合特征选择、图神经网络和多模态变换器的XAI分类体系，并将技术与放射学和病理学临床工作流中的具体影响点相匹配，拓展了现有综述	仍存在标准化、可解释性、数据偏差和数据集成复杂等挑战	综述XAI在医学影像中的技术趋势、临床应用及相关问题，以增强透明度和信任度	XAI技术在医学影像中的应用	计算机视觉	不适用	深度学习	图神经网络、多模态变换器	图像	从980篇记录中筛选出133篇纳入研究	不适用	不适用	不适用	不适用
667	2026-07-05	Classification of pulmonary diseases using machine learning and deep learning models on GLI-2012 standardized spirometry features 2026-01-03, BMC medical informatics and decision making IF:3.3Q2 DOI:10.1186/s12911-025-03335-7 PMID:41484760	研究论文	使用GLI-2012标准化肺功能特征，通过机器学习和深度学习模型对肺部疾病进行分类	首次在GLI-2012标准化肺功能特征集上系统比较多种机器学习与深度学习模型的分类性能，并扩展了分类类别（从四类到五类）	模型需要在大规模患者群体中验证，以促进临床集成	评估不同机器学习和深度学习算法在肺部疾病分类中的性能	肺功能测试中的肺活量测定特征和人口统计学变量	机器学习	肺部疾病	肺活量测定	逻辑回归、支持向量机、K近邻、随机森林、XGBoost、深度神经网络、卷积神经网络	表格数据	未明确说明	NA	逻辑回归、支持向量机、K近邻、随机森林、XGBoost、深度神经网络、卷积神经网络	准确率、灵敏度、特异性、F1分数、F1宏观、ROC曲线下面积	NA
668	2026-07-05	Random Neural Networks for Rough Volatility 2026, Applied mathematics and optimization IF:1.6Q2 DOI:10.1007/s00245-026-10392-5 PMID:41804376	研究论文	构建了一种基于深度学习的数值算法，用于解决粗糙波动率背景下路径依赖偏微分方程	将偏微分方程解释为倒向随机微分方程的解，并采用储备池类型的神经网络将优化问题简化为简单的最小二乘回归，同时证明了理论收敛性	NA	开发一种数值算法求解粗糙波动率中的路径依赖偏微分方程	粗糙波动率背景下的路径依赖偏微分方程	机器学习	NA	NA	储备池神经网络	NA	NA	NA	NA	NA	NA
669	2026-07-05	Development and evaluation of a multimodal feature-based predictive model for radiotherapy-induced oral mucositis in nasopharyngeal carcinoma 2026, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0346251 PMID:41955202	研究论文	本研究开发和评估了一种基于多模态特征的预测模型，用于预测鼻咽癌放疗引起的口腔粘膜炎	在样本量有限的小队列中，系统比较了传统机器学习算法与深度学习架构的多类预测性能，并提出了通过特征降维结合轻量级1D-CNN的策略来解决高维3D-CNN的模式崩溃问题	样本量较小（仅108名患者），3D-CNN深度模型因数据不足出现严重过拟合和模式崩溃，且未在外部数据集上进行验证	严格评估和比较传统机器学习算法与深度学习架构在小队列设定下的多类预测性能	鼻咽癌患者放疗后口腔粘膜炎的预测	机器学习	鼻咽癌	CT成像、剂量分布分析	Extra Trees、逻辑回归、1D-CNN、3D-CNN	CT图像、剂量分布、临床特征	108名患者	Scikit-learn, TensorFlow, PyTorch	Extra Trees, 逻辑回归, 1D-CNN, 3D-CNN	AUC, 准确率, Matthews相关系数	NA
670	2026-07-05	Voxel-wise deep learning segmentation of hydroxyapatite and iodine in spectral photon-counting CT: A quantitative phantom study 2026, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0346825 PMID:41955258	研究论文	提出一种基于光谱保持的3D分割模型SPFF-UNet，直接对光谱光子计数CT中的羟基磷灰石和碘进行分类，无需材料分解预处理	首次将光谱保持机制（光谱挤压激励、EnergyFiLM和傅里叶门）集成到3D分割网络中，实现直接体素级材料分类，避免传统材料分解步骤	仅基于圆柱体模的实验室验证，缺乏体内数据验证；体模材料有限，未覆盖真实临床场景中的复杂组织多样性和运动伪影	开发一种无需材料分解预处理、可直接从多能光谱光子计数CT数据中进行体素级材料分类的深度学习分割方法	包含12种材料的圆柱体模（5种HA浓度、3种碘浓度、3种软组织等效物和水）	深度学习	钙化性肌肉骨骼疾病和血管钙化	光谱光子计数CT	3D U-Net变体	CT图像（五能段光谱光子计数CT体积数据）	一个体模扫描及其保留测试扫描	PyTorch	SPFF-UNet	Dice系数, IoU, 灵敏度, 精确率	NA
671	2026-07-03	Radiomics analysis of early pregnancy ultrasound images to predict viability at the end of first trimester 2026-Jan-28, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-35158-5 PMID:41606065	research paper	通过早孕期超声图像的影像组学分析预测妊娠早期结局	首次将影像组学与深度学习结合用于不明活力早孕的预测，构建了分割与预测的端到端模型	样本量有限，可能导致机器学习模型过拟合	探索超声影像组学特征结合临床特征预测早孕结局的可行性	早孕期不明活力妊娠病例的超声图像	computer vision, machine learning	miscarriage	ultrasound imaging	CNN, XGBoost, LASSO	image	500例早孕期不明活力妊娠病例的超声图像（400例用于训练和验证，100例用于测试）	nnUNet v2, XGBoost, LASSO	multi-task nnUNet v2	Dice系数, AUC, F1分数, 召回率	NA
672	2026-07-03	Aligned cross-modal integration and regulatory heterogeneity characterization of single-cell multiomic data with deep contrastive learning 2026-Jan-26, Genome medicine IF:10.4Q1 DOI:10.1186/s13073-025-01586-7 PMID:41588477	研究论文	提出基于深度对比学习的单细胞多组学数据对齐整合与异质性表征方法	开发跨模态对比学习模块以统一不同组学数据表征，同时通过信息熵保留数据异质性；设计跨模态特征融合模块提取共同低维潜在表征	NA	实现多组学数据的高效整合与异质性表征，挖掘细胞类型特异性调控元件及疾病相关生物标志物	单细胞多组学数据（SNARE-seq、CITE-seq、新冠疫苗接种后数据、阿尔茨海默病数据）	机器学习	阿尔茨海默病	单细胞多组学测序（SNARE-seq、CITE-seq）	对比学习模型	单细胞多组学数据	NA	PyTorch	scMDCF（基于对比学习的跨模态整合框架）	聚类性能、批次效应缓解能力、机制洞察准确性	NA
673	2026-07-03	Personalized gene expression prediction in the era of deep learning: a review 2026-Jan-07, Briefings in bioinformatics IF:6.8Q1 DOI:10.1093/bib/bbag022 PMID:41615288	综述	综述了深度学习在个性化基因表达预测中的应用进展与挑战	系统比较了深度学习模型与传统eQTL线性方法在跨个体预测中的表现，并探讨了新型微调策略和基因组语言模型	深度学习模型在跨个体基因表达预测中仍难以显著优于线性模型，个性化预测的准确性和鲁棒性仍是未完全解决的挑战	探讨如何提升深度学习模型对个性化基因表达的预测能力	深度学习模型、传统eQTL线性方法、基因组语言模型	机器学习	不适用	不适用	深度学习模型, 基因组语言模型	基因组序列, 表观基因组数据	不适用	不适用	不适用	不适用	不适用
674	2026-07-03	Deep Learning-Based Supervised and Semisupervised Segmentation of Confocal and SEM Micrographs for Microstructural Characterization of Plant Protein Gels 2026-01-02, Microscopy and microanalysis : the official journal of Microscopy Society of America, Microbeam Analysis Society, Microscopical Society of Canada IF:2.9Q1 DOI:10.1093/mam/ozaf129 PMID:41524148	研究论文	开发了一种半监督学习框架，利用仅10%的标注数据和伪标签策略对植物蛋白凝胶的共聚焦和扫描电镜图像进行分割，实现高效微观结构表征	首次将半监督学习方法应用于植物蛋白凝胶的显微图像分割，在仅使用10%标注数据的情况下达到与全监督学习相当的分割性能；结合尺度不变的结构描述符（分形维数和蛋白质聚集面积），无需放大校准即可跨成像条件进行可靠比较	对于共聚焦图像，半监督学习性能（IoU=0.73）仍低于全监督学习（0.82）；未来工作需纳入尺寸相关特征	开发高吞吐、低标注依赖的食品微观结构分析解决方案，实现植物蛋白凝胶显微图像的定量分割	植物蛋白凝胶的共聚焦显微镜和扫描电镜图像	数字病理学	NA	共聚焦显微镜、扫描电镜	CNN（基于深度学习的半监督学习模型）	图像	未明确说明样本数量，使用了10%标注数据结合伪标签训练	NA	NA	交并比(IoU)、Dice系数、分形维数、蛋白质聚集面积	NA
675	2026-07-03	Diagnosis of SLAP lesions on shoulder MRI using a 2.5D deep learning and ensemble learning framework 2026, Frontiers in surgery IF:1.6Q2 DOI:10.3389/fsurg.2026.1730726 PMID:41869384	研究论文	提出一个结合2.5D深度学习与集成学习的自动化诊断模型，用于肩关节MRI中SLAP病变的诊断	首次将2.5D深度学习框架与集成学习（AdaBoost、随机森林、XGBoost）结合，通过多层MRI切片决策融合提高诊断准确性，并强调解剖一致性（肱二头肌-盂唇复合体）	样本量较小（185例），特异性中等（0.538），模型间AUC无显著差异，可能影响泛化能力	建立并评估基于肩关节MRI的SLAP病变自动诊断模型的临床效用	185名接受肩关节镜手术的患者（91例SLAP病变，94例对照）的术前肩关节MRI数据	计算机视觉, 数字病理学	肩关节损伤（SLAP病变）	磁共振成像（MRI）	深度学习（Wide_ResNet101_2）+ 集成学习（AdaBoost, Random Forest, XGBoost）	医学图像（肩关节MRI切片）	185例患者（91例病变，94例对照）	PyTorch, Scikit-learn	Wide_ResNet101_2, AdaBoost, Random Forest, XGBoost	准确率, AUC, 灵敏度, 特异度, 精确率, F1分数, DeLong检验, 综合判别改善指数	NA
676	2026-07-01	Deep Learning and Noninvasive Sensors for Detecting Physiological Dysregulation: A Scoping Review 2026-Jan-30, Journal of medical systems IF:3.5Q2 DOI:10.1007/s10916-025-02332-7 PMID:41615529	综述	对非侵入式多模态传感器结合深度学习算法在早期检测生理失调（包括疼痛、压力和血流动力学不稳定）中的应用证据进行范围综述	首次系统整合非侵入式多模态传感器与深度学习算法用于早期检测疼痛、压力和血流动力学不稳定等生理失调状态的科学证据	仍需在真实环境进行进一步验证、优化实施方法并评估临床影响	绘制和综合关于非侵入式多模态传感器结合深度学习算法在临床环境中早期检测13岁以上患者生理失调状态（包括疼痛、压力和血流动力学恶化）的科学证据	13岁以上患者的疼痛、压力和血流动力学不稳定等生理失调状态	机器学习	NA	脑电图、心电图、光电容积描记、面部图像信号	深度学习	信号、图像	27项研究	NA	NA	准确率	NA
677	2026-07-01	Comparison of Deep Learning Approaches for Extreme Low-SNR Image Restoration 2026-Jan-20, bioRxiv : the preprint server for biology DOI:10.64898/2026.01.16.700026 PMID:41648256	研究论文	本文呈现了一个新的荧光显微镜数据集，用于扩展现有去噪评估方法的成像条件和样本范围，并比较了三种深度学习模型在极低信噪比图像恢复上的表现	提出了一个涵盖多种成像条件和极端噪声场景的荧光显微镜数据集，并开发了一种图像拼接方法，使得大图像可以分块处理并重建，解决GPU内存限制问题	有监督Transformer模型去噪性能最高但训练时间最长；数据集虽然多样化，但可能仍无法覆盖所有实际成像场景	评估深度学习模型在极低信噪比荧光显微镜图像恢复中的性能，并提供标准化的基准数据集和GPU内存解决方案	活细胞荧光显微镜图像，涵盖不同标本、物镜、染色类型、激发波长和曝光时间	计算机视觉	不适用	荧光显微镜	Transformer, CNN, 无监督单图像模型	图像	324对高/低信噪比图像，涵盖12个子数据集，图像大小从4到282兆像素不等	NA	Transformer, CNN, 无监督单图像模型	去噪性能、训练时间	GPU
678	2026-07-01	SegJointGene: joint cell segmentation and spatial gene prioritization by information entropy guided convolutional neural networks 2026-Jan-13, bioRxiv : the preprint server for biology DOI:10.64898/2026.01.08.698474 PMID:41542426	研究论文	提出SegJointGene框架，联合进行细胞分割和空间基因优先级排序，通过信息熵引导的卷积神经网络整合核染色图像与基因或蛋白质表达数据	首次通过信息熵引导的卷积神经网络结合计算信息丢弃评分，实现细胞类型特异性分割中重要基因的识别，并迭代优化基因优先级和细胞边界直至收敛	仅基于核染色的分割在细胞密集组织中边界检测不足，依赖分子信息整合，但计算复杂度高	提升空间测序数据中细胞分割的准确性，并识别与空间组织相关的重要基因或蛋白质	小鼠海马体、全脑不同区域的空间转录组数据，以及人扁桃体的空间蛋白质组数据	计算机视觉	不适用	空间转录组学和空间蛋白质组学	卷积神经网络	图像和基因表达数据	多个真实空间数据集，包括小鼠海马体、全脑区域及人扁桃体样本	不适用	信息熵引导的卷积神经网络	准确率（比现有方法提升5-20%），鲁棒性分析（不同基因数量和成像分辨率下的稳定性能）	不适用
679	2026-07-01	Artificial Intelligence Revolution in Pharmaceutical Sciences : Advancements, Clinical Impacts, and Applications 2026, Current pharmaceutical biotechnology IF:2.2Q3 DOI:10.2174/0113892010356115241224104018 PMID:39851128	综述	该文章综述了人工智能在制药科学中的革命性作用，包括药物发现、开发、临床影响及应用	系统性地总结了AI在固体制剂开发、3D打印技术个性化治疗以及疾病诊断、数字疗法和流行病预测中的综合应用，强调了AI重新定义传统制药方法，推进精准医疗	未具体说明AI应用中的验证实验、数据偏差或实际临床转化挑战	探讨人工智能在制药科学中的进步、临床影响和应用	复杂生物数据、药物制造过程、固体剂型、3D打印个性化治疗、疾病诊断与流行病预测	machine learning	NA	NA	深度学习, 神经网络	文本	NA	NA	NA	NA	NA
680	2026-07-01	The safety and accuracy of radiation-free spinal navigation using a short, scoliosis-specific BoneMRI-protocol, compared to CT 2026-01, European spine journal : official publication of the European Spine Society, the European Spinal Deformity Society, and the European Section of the Cervical Spine Research Society IF:2.6Q1 DOI:10.1007/s00586-025-09151-x PMID:40691585	研究论文	本文评估了一种无辐射的脊柱导航方法，利用基于深度学习的脊柱侧凸特异性MRI协议生成合成CT图像，并与传统CT导航进行安全性及准确性比较	首次将AI生成的合成CT应用于无辐射的脊柱导航，通过脊柱侧凸特异性短MRI协议生成高精度合成CT，避免了对年轻患者的辐射暴露	为尸体模型研究，样本量有限（4名外科医生，5具尸体），可能无法完全代表活体手术中的组织变异性	比较基于MRI合成CT的脊柱导航与CT在椎弓根螺钉规划及置入的安全性和准确性	5具尸体的脊柱（T3至L5节段）	医学影像分析	脊柱侧凸	MRI（T2加权成像）、AI生成合成CT	深度学习算法	医学图像（CT和MRI）	5具尸体，140根导丝（排除3根）	NA	NA	最大角度偏差、计划与术后螺钉位置距离、内侧突破率（Gertzbein-Robbins分级）	NA