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
61	2026-01-07	Deep learning algorithms for timely diagnosis of retinopathy of prematurity requiring treatment 2026-Jan, Eye (London, England) DOI:10.1038/s41433-025-04096-3 PMID:41184508	研究论文	本研究评估了深度学习算法在利用远程医疗咨询系统提交的眼底图像诊断需要治疗的早产儿视网膜病变病例中的有效性	结合多种预处理技术（CLAHE、AMSR、ML）并比较多种CNN模型（MobileNet、ResNet-18、ResNet-50、DenseNet-121）在ROP诊断中的性能，发现MobileNet与CLAHE预处理组合在准确性和敏感性方面表现最佳	研究为回顾性横断面研究，样本量相对有限（141名早产儿的1700张图像），且需在更多样化的临床环境中进一步验证其实际适用性	评估深度学习算法在诊断需要治疗的早产儿视网膜病变病例中的有效性，以支持远程医疗环境下的实时筛查	141名接受ROP筛查的早产儿的1700张RetCam眼底图像	计算机视觉	早产儿视网膜病变	眼底成像	CNN	图像	141名早产儿的1700张RetCam眼底图像	NA	MobileNet, ResNet-18, ResNet-50, DenseNet-121	准确率, 敏感性, 特异性, F1分数	NA
62	2026-01-07	Identification of potent high-affinity secondary nucleation inhibitors of Aβ42 aggregation from an ultra-large chemical library using deep docking 2026-Jan, Molecular systems biology IF:8.5Q1 DOI:10.1038/s44320-025-00159-5 PMID:41193694	研究论文	本研究开发了一种基于深度学习的计算管道，用于从超大型化学库中筛选Aβ42聚集的二级成核抑制剂	通过开源Deep Docking协议版本，将可筛选化合物数量提高了4个数量级，并成功识别出低纳摩尔级高亲和力结合剂	研究依赖计算筛选，需体外实验验证，且仅针对Aβ聚集的二级成核过程	开发计算策略以加速针对阿尔茨海默病Aβ聚集抑制剂的药物发现	Aβ肽的聚集过程及潜在抑制剂	机器学习	阿尔茨海默病	深度学习对接	深度学习模型	化学结构数据	超过5.39亿化合物库中筛选出35个候选化合物进行体外测试	NA	Deep Docking协议	命中率（54%），平衡解离常数	NA
63	2025-11-24	Advancing personalised therapy in neovascular AMD through deep learning-based OCT biomarker quantification 2026-Jan, Eye (London, England) DOI:10.1038/s41433-025-04133-1 PMID:41274985	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
64	2026-01-07	Automated diagnosis of early-stage retinopathy of prematurity 2026-Jan, Eye (London, England) DOI:10.1038/s41433-025-04122-4 PMID:41286176	研究论文	本文开发了一种基于深度学习的自动化早产儿视网膜病变检测与分类流程，旨在通过视网膜图像实现早期诊断	结合U-Net进行血管和脊特征分割，并将分割结果叠加在sigmoid增强的视网膜图像上，使用ResNet50分类器进行ROP检测和分期，有效识别关键疾病特征	未明确提及数据集的多样性或外部验证结果，可能影响模型的泛化能力	开发自动化ROP检测和分类流程，以支持早期诊断和临床决策	早产儿的视网膜眼底图像	计算机视觉	早产儿视网膜病变	深度学习图像分析	CNN	图像	400 GB的视网膜眼底图像数据集	NA	U-Net, ResNet50	准确率	NA
65	2026-01-07	Performance of Artificial Intelligence in Skin Cancer Detection: An Umbrella Review of Systematic Reviews and Meta-Analyses 2026-Jan, International journal of dermatology IF:3.5Q1 DOI:10.1111/ijd.17981 PMID:40745683	综述	本文通过伞状综述综合评估了人工智能模型在皮肤癌检测中的诊断性能	首次通过伞状综述整合多项系统评价和荟萃分析，全面比较了不同AI模型（如CNN、SVM）在多种皮肤癌类型和临床场景下的诊断准确性，并特别关注了AI在初级医疗环境中的应用潜力	纳入的荟萃分析存在异质性（如研究设计、数据来源、评估标准不同），且原始研究可能存在发表偏倚；AI模型在不同肤色人群和罕见皮肤癌类型中的泛化能力未充分评估	评估人工智能模型在皮肤癌检测中的诊断准确性，为其整合到常规临床实践提供证据支持	皮肤癌（包括黑色素瘤、鳞状细胞癌等）的检测与诊断	计算机视觉	皮肤癌	高光谱成像、智能手机图像采集	CNN, SVM, 机器学习模型	图像	基于11项荟萃分析，涵盖551项研究	NA	卷积神经网络, 支持向量机	灵敏度, 特异性, 准确度	NA
66	2026-01-07	Validation of a new implantable collamer lens sizing algorithm based on SS-OCT images 2026-Jan-01, Journal of cataract and refractive surgery IF:2.6Q1 DOI:10.1097/j.jcrs.0000000000001764 PMID:40827890	研究论文	本研究评估了一种基于深度学习的新型植入式有晶体眼人工晶状体（ICL）尺寸预测模型，该模型使用扫频源光学相干断层扫描（SS-OCT）原始图像作为输入	首次提出一种直接使用原始SS-OCT图像进行ICL尺寸预测的深度学习模型，并引入了P250-750（预测术后拱高在250至750微米范围内的概率）等新指标辅助临床决策	研究为回顾性外部验证，数据来源于两家欧洲诊所，可能存在选择偏倚；模型仅适用于ANTERION SS-OCT设备用户	评估基于深度学习的ICL尺寸预测模型的性能，以改善人工晶状体植入手术的术前规划	接受EVO ICL V4型人工晶状体植入术的患者	医学影像分析	屈光不正	扫频源光学相干断层扫描（SS-OCT）	深度学习模型	图像	429名患者的848只眼睛	NA	NA	平均绝对误差（MAE），P250-750准确率，术后拱高分布	NA
67	2026-01-07	Prognostic value of red blood cell distribution width in traumatic brain injury: A mediation and deep learning analysis 2026, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0339879 PMID:41481601	研究论文	本研究探讨了年龄、红细胞分布宽度与创伤性脑损伤患者短期死亡率之间的关联，并分析了RDW在年龄对死亡率影响中的中介作用	首次将红细胞分布宽度作为年龄与创伤性脑损伤死亡率关系的中介变量进行深入分析，并应用深度学习生存模型进行预测	研究为回顾性队列分析，可能存在选择偏倚；数据来源于单一数据库（MIMIC-IV），外部验证不足	评估年龄和红细胞分布宽度对创伤性脑损伤患者短期死亡率的预测价值及其相互作用机制	1203名ICU收治的创伤性脑损伤患者	机器学习	创伤性脑损伤	临床数据分析	深度学习生存模型	临床数据	1203名患者	NA	Deepsurv	C-index, IBS, AUC	NA
68	2026-01-07	EFEN-YOLOv8: Surface defect detection network based on spatial feature capture and multi-level weighted attention 2026, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0339617 PMID:41481612	研究论文	本文提出了一种基于空间特征捕获和多级加权注意力的表面缺陷检测网络EFEN-YOLOv8，用于工业环境中的缺陷检测	引入了[公式：见文本]-FEIoU损失函数以同时处理缺陷-背景区分和正负样本不平衡问题，结合了浅层注意力卷积模块、大分离核注意力模块和加权空洞空间金字塔池化特征融合模块	未在摘要中明确说明	提高工业表面缺陷检测的准确性和效率	工业环境中的表面缺陷	计算机视觉	NA	深度学习	YOLOv8	图像	基于NEU-DET和GC10-DET数据集	NA	YOLOv8	mAP	NA
69	2026-01-07	Multiscale Pancancer Analysis Uncovers Intrinsic Imaging and Molecular Characteristics Prominent in Breast Cancer and Glioblastoma 2026-Jan, British journal of cancer IF:6.4Q1 DOI:10.1038/s41416-025-03235-7 PMID:41094188	研究论文	本研究通过多参数MRI影像组学和深度学习模型，识别并验证了乳腺癌和胶质母细胞瘤中跨癌症类型的共同特征，这些特征在生存预测中优于癌症特异性特征	首次在泛癌分析中结合影像特征与分子特征，识别出跨癌症类型的共同影像表型，并验证其在生存预测中的优越性及生物学相关性	研究为回顾性设计，样本量相对有限，且仅聚焦于乳腺癌和胶质母细胞瘤两种癌症类型	探索跨癌症类型的影像和分子特征，以提升癌症预后预测及生物学理解	乳腺癌和胶质母细胞瘤患者	数字病理学	乳腺癌, 胶质母细胞瘤	多参数MRI, 影像组学, 深度学习, 通路分析	深度学习模型	MRI影像	793名患者（I-SPY1乳腺癌队列145例，Duke-UPenn胶质母细胞瘤队列452例，外部验证队列196例）	NA	NA	AUC	NA
70	2026-01-07	A Trust-Guided Approach to MR Image Reconstruction With Side Information 2026-Jan, IEEE transactions on medical imaging IF:8.9Q1 DOI:10.1109/TMI.2025.3594363 PMID:40742840	研究论文	提出一种名为信任引导变分网络（TGVN）的端到端深度学习框架，用于有效整合辅助数据（侧信息）以解决多对比度MRI图像重建中的不适定线性逆问题	首次将信任引导机制与变分网络结合，开发出能够可靠整合侧信息的端到端深度学习框架，在保持病理特征的同时显著减少重建伪影	未明确说明模型在不同噪声水平或极端欠采样条件下的泛化能力限制	通过整合侧信息加速MRI扫描并提高重建图像质量	多线圈、多对比度MRI图像	医学影像重建	NA	MRI扫描	深度学习框架	k空间数据、多对比度MRI图像	NA	PyTorch	变分网络	图像质量评估、病理特征保持度	NA
71	2026-01-07	MedNeXt for accurate medical image classification and segmentation: A lightweight transformer-style convolutional neural network 2026, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0340108 PMID:41490062	研究论文	本文提出了一种名为MedNeXt的轻量级Transformer风格卷积神经网络，用于医学图像分类和分割，旨在平衡性能与计算效率	利用大核卷积神经网络和多层感知机替代计算量大的自注意力机制，并设计了三个轻量级模块（线性注意力前馈网络、空间编码模块和平滑深度可分离卷积前馈网络）来增强特征表示	未明确提及	为医学图像分析任务开发一种高性能且计算高效的深度学习模型	医学图像（CT扫描、皮肤病变图像等）	计算机视觉	多种疾病（COVID-19、猴痘、心血管疾病等）	深度学习	CNN, MLP	图像	五个不同规模和疾病的数据集	未明确提及	MedNeXt（基于大核CNN和MLP的定制架构）	准确率（SARS-COV2-CT-Scan: 98.39%, Monkeypox Skin Lesion Dataset: 98.12%, Large COVID-19-CT scan slice: 98.58%），Dice系数（Synapse: 79.45%, ACDC: 91.28%）	未明确提及
72	2026-01-07	MMSpa is a deep learning-based tool that enhances the identification of spatial domains in spatial transcriptomics studies 2026-Jan, PLoS biology IF:7.8Q1 DOI:10.1371/journal.pbio.3003580 PMID:41490241	研究论文	本文提出了一种基于深度学习的工具MMSpa，用于增强空间转录组学研究中的空间域识别	MMSpa采用掩码图注意力自编码器框架，结合边移除策略构建增强空间图，以解决跨域干扰并刻画更清晰域边界，通过掩码基因表达重构学习稳定潜在表示	未明确提及具体局限性	提升空间转录组学中空间域识别的准确性	空间转录组数据	空间转录组学	NA	空间转录组技术	自编码器	空间转录组数据	来自多种ST技术和平台的数据集	NA	掩码图注意力自编码器	多种准确性评估	NA
73	2026-01-07	Similarity-aware VAE with wavelet-convolutional 1D-CNN for rolling bearing fault diagnosis 2026, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0338388 PMID:41490447	研究论文	提出一种结合改进变分自编码器与Wavelet-Convolutional 1D-CNN的滚动轴承故障诊断框架，以解决数据集中故障类别分布不均的问题	提出相似性感知VAE，采用新型相似性损失函数进行数据增强，并通过增强注意力机制自动调整训练参数和权重；将CNN的首个卷积层替换为基于连续小波变换的Wavelet-Convolutional层，实现多尺度特征提取	NA	解决深度学习故障诊断中数据类别分布不均的问题，提升工业故障诊断的实用性	滚动轴承	机器学习	NA	连续小波变换	VAE, CNN	一维振动信号数据	NA	NA	Wavelet-Convolutional 1D-CNN	NA	NA
74	2026-01-07	Deep learning-based severity grading of Meniere's disease using 2D MRI 2026-Jan, Medical physics IF:3.2Q1 DOI:10.1002/mp.70268 PMID:41491611	研究论文	本研究开发了一种基于深度学习的多阶段严重性评估系统（MSAS），用于利用2D MRI对梅尼埃病进行精确分割和严重程度分层	提出了一种结合序列级预测和切片级分割的新型深度学习框架，并整合了HOG、SVM、YOLO-V5和Grad-CAM技术以提高可解释性	研究仅基于2D MRI数据，未涉及3D或多模态成像；样本量相对有限（开发队列189例，外部测试集70例）	开发并评估一个深度学习框架，以提升梅尼埃病的诊断准确性和严重程度分级	梅尼埃病患者	计算机视觉	梅尼埃病	2D磁共振成像（MRI）	YOLO-V5, SVM	图像	开发队列189例患者，外部测试集70例患者	NA	YOLO-V5	交并比（IoU）, Dice系数, 准确率, 平均精度均值（mAP）, 曲线下面积（AUC）	NA
75	2026-01-07	Image enhancement for accelerated MRI using a joint GAN and diffusion model framework 2026-Jan, Medical physics IF:3.2Q1 DOI:10.1002/mp.70242 PMID:41492035	研究论文	本文提出了一种结合生成对抗网络和扩散模型的深度学习框架，用于增强加速MRI的图像质量，以缩短扫描时间并确保肿瘤靶向的准确性	提出了一种新颖的两阶段端到端深度学习框架RRENet，首次将GAN和扩散模型结合用于加速MRI增强，并引入了高频分离训练模块以保留精细解剖细节	研究仅针对胶质瘤患者的3D T2加权MRI扫描，样本量相对较小（62名患者），且未在其他疾病类型或MRI序列上进行验证	旨在通过深度学习增强加速MRI的图像质量，确保配准精度以精确肿瘤靶向，并缩短扫描时间以减少患者不适	胶质瘤患者的3D T2加权MRI扫描	计算机视觉	胶质瘤	MRI扫描	GAN, 扩散模型	3D MRI图像	62名胶质瘤患者的72对配对3D T2加权MRI扫描	NA	RRENet	PSNR, SSIM, RMSE	NA
76	2026-01-06	Battery SOH estimation based on thermodynamic parameters from an electrochemical fractional-order model and LSTM 2026-Jan-16, iScience IF:4.6Q1 DOI:10.1016/j.isci.2025.114234 PMID:41488788	研究论文	本文提出了一种结合电化学分数阶模型热力学参数与LSTM网络的物理启发深度学习方法，用于锂离子电池健康状态的高精度估计	将电池机理模型与深度学习相结合，利用电化学分数阶模型的热力学参数作为输入特征，显著提升了SOH估计的准确性和可解释性	NA	提高锂离子电池健康状态估计的精度和可靠性	锂离子电池	机器学习	NA	电化学分数阶模型	LSTM	热力学参数	八个验证电池	NA	LSTM	均方根误差	NA
77	2026-01-06	[Artificial intelligence empowering sports medicine] 2026-Jan-06, Zhonghua yi xue za zhi DOI:10.3760/cma.j.cn112137-20250725-01852 PMID:41483925	综述	本文综述了人工智能技术在运动医学多个领域的应用与最新进展	全面总结了AI在运动医学中从损伤预测、影像诊断到手术辅助、康复监测及患者教育的多领域深度整合应用	NA	回顾人工智能技术在运动医学领域的应用进展并展望未来发展趋势	运动医学领域的诊断、治疗、康复及患者教育流程	计算机视觉, 自然语言处理, 机器学习	运动损伤	深度学习, 机器学习, 计算机视觉, 大语言模型	深度学习模型, 机器学习模型, 大语言模型	影像数据, 文本数据	NA	NA	NA	NA	NA
78	2026-01-06	Deliberate solitude for clinical reasoning 2026-Jan-06, Diagnosis (Berlin, Germany) DOI:10.1515/dx-2025-0133 PMID:41489300	评论	本文探讨了在临床推理中，刻意独处如何可能通过精炼直觉、提高诊断准确性来支持专家表现，并借鉴了认知心理学、哲学和教育学的研究	将刻意独处的概念引入临床推理领域，提出其可能作为减少认知偏差、提升诊断准确性的新策略，这在医学教育中尚未被充分探索	目前缺乏具体实证研究支持，独处的具体机会和益处尚不确定，无法提出明确的行动方案	探讨刻意独处是否能够支持和提升临床推理的发展与表现	临床医生及其在临床推理中的思维过程	医学教育	NA	NA	NA	NA	NA	NA	NA	NA	NA
79	2026-01-06	PGMNet: a polyp segmentation network based on bit-plane slicing and multi-scale adaptive fusion 2026-Jan-05, Biomedical physics & engineering express IF:1.3Q3 DOI:10.1088/2057-1976/ae300a PMID:41429053	研究论文	本文提出了一种基于位平面切片和多尺度自适应融合的息肉分割网络PGMNet，旨在提高结肠镜检查中息肉检测和分割的准确性	PGMNet结合了PVTv2编码器、全局-局部交互关系模块（GLIRM）和多阶段特征聚合模块（MFAM），通过位平面切片机制抑制噪声，并利用门控机制高效聚合多尺度信息	未在摘要中明确提及	开发一种准确高效的息肉分割网络，以辅助结直肠癌的早期预防和治疗	结肠镜检查图像中的息肉	计算机视觉	结直肠癌	深度学习	CNN	图像	五个公开可用的息肉数据集	未在摘要中明确提及	PVTv2, GLIRM, MFAM	mDice, mIoU	未在摘要中明确提及
80	2026-01-06	Prediction of lymph node metastasis and recurrence risk in early-stage oral tongue squamous cell carcinoma with fully automated MRI deep learning 2026-Jan-05, Cancer imaging : the official publication of the International Cancer Imaging Society IF:3.5Q1 DOI:10.1186/s40644-025-00985-8 PMID:41486170	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA