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	2026-07-08	[Deep Learning-Based Automated Segmentation Algorithms of Brain and Vertebral Substructures for Radiotherapy in Pediatric Medulloblastoma] 2026-Jan-30, Zhongguo yi liao qi xie za zhi = Chinese journal of medical instrumentation DOI:10.12455/j.issn.1671-7104.250219 PMID:41672616	研究论文	评估nnU-Net和FuseNet在儿童髓母细胞瘤放射治疗中自动分割脑部和椎体亚结构中的应用可行性	首次将FuseNet应用于儿童髓母细胞瘤的放射治疗亚结构自动分割，并引入动态多模态特征融合以提升分割精度	研究样本量较小（共60例），且未探讨模型在不同影像设备或扫描参数下的泛化能力	验证深度学习自动分割算法在儿童髓母细胞瘤放射治疗中的临床应用价值	60例接受放射治疗的儿童髓母细胞瘤患者	数字病理学	儿童髓母细胞瘤	NA	CNN	图像	60例儿童患者（按5岁年龄分组：≤5岁和>5岁）	PyTorch	U-Net, nnU-Net, FuseNet	DSC, HD95, RAVD, 手动校正时间	NA
62	2026-07-07	A MultiRater MultiOrgan Abdominal CT Dataset for Calibration Analysis and Uncertainty Modeling in Segmentation 2026-Jan-09, Scientific data IF:5.8Q1 DOI:10.1038/s41597-025-06473-9 PMID:41513702	研究论文	提出一个用于校准分析和不确定性建模的多标注者多器官腹部CT数据集	首次联合评估分割质量、校准和不确定性，同时考虑临床相关性和标注变异性	数据集仅来自单一机构（大学医院埃尔朗根），共90例患者，且胰腺标注一致性较差	开发能量化不确定性、标准化标注实践并改善模型校准的鲁棒算法	腹部CT图像中的胰腺、肝脏和肾脏分割	计算机视觉	NA	CT成像	深度学习	图像	90例对比增强CT扫描，由三位专家标注胰腺、肝脏和肾脏	NA	NA	分割质量、校准、不确定性	NA
63	2026-07-07	Deep Learning for analyzing chaotic dynamics in biological time series: Insights from frog heart signals 2026-Jan-07, Neurocomputing IF:5.5Q1 DOI:10.1016/j.neucom.2025.131820 PMID:41958751	研究论文	提出一种结合深度学习与基于数学模型的选取策略的算法，用于分析来自离体蛙心实验的短噪声混沌时间序列	结合深度学习与基于同质数学模型的选取策略，能有效分析短且含噪声的实验时间序列中的混沌动力学	论文未明确讨论局限性，但数据仅来自离体蛙心实验，可能限制其普适性	开发一种自动算法，用于分析生物时间序列中的混沌动力学	离体蛙心实验获得的实验数据	机器学习	心血管疾病	NA	深度学习模型	时间序列信号	NA	NA	NA	准确率	NA
64	2026-07-07	MVGFormer: Multi-view perspective with graph-guided transformer for cryo-ET segmentation 2026-Jan-03, Knowledge-based systems IF:7.2Q1 DOI:10.1016/j.knosys.2025.114810 PMID:41959693	研究论文	提出一种基于Transformer的多视角图引导框架MVGFormer，用于冷冻电镜断层扫描三维分割任务	首次将Transformer架构应用于冷冻电镜断层扫描分割，引入多视角融合编码器、并行上下文引导图和自监督学习策略	未在真实生物样本中验证，计算资源需求较高可能限制大规模应用	开发能捕捉全局结构信息的冷冻电镜断层扫描分割方法	冷冻电镜断层扫描三维生物结构数据	计算机视觉	NA	冷冻电镜断层扫描	Transformer	三维图像	六个冷冻电镜断层扫描数据集	NA	多视角Transformer编码器、并行上下文编码器、多级特征融合解码器、并行空洞卷积解码器	分割精度、与其他三维分割方法的性能对比	NA
65	2026-07-07	Hybrid 2D/3D CNN and radiomics model for brain tumor classification using EfficientNetb0 and ResNet-18 2026-01-03, BMC medical imaging IF:2.9Q2 DOI:10.1186/s12880-025-02141-x PMID:41484559	研究论文	结合放射组学特征与EfficientNet-B0和ResNet-18深度学习模型，实现2D和3D脑肿瘤图像的高效分类	首次将2D/3D混合CNN架构与放射组学特征相结合，利用MLP和CatBoost分类器进行脑肿瘤分类，并通过SHAP分析和不确定性评估深入解释模型行为	数据不平衡导致少数类别分类精度不足	提高脑肿瘤（胶质母细胞瘤、脑膜瘤、脑转移瘤）的分类准确性和早期诊断能力	2D和3D脑肿瘤图像	计算机视觉	脑肿瘤（胶质母细胞瘤、脑膜瘤、脑转移瘤）	放射组学特征提取	CNN	图像（2D和3D医学影像）	NA	NA	EfficientNet-B0, ResNet-18	F1分数, AUC, ROC分析	NA
66	2026-07-07	Artificial intelligence in sport psychology: Implications for the identification and development of talent 2026-01, Psychology of sport and exercise IF:3.1Q1 DOI:10.1016/j.psychsport.2025.102977 PMID:41326137	综述	探讨人工智能在体育心理学中的应用，重点关注人才识别与培养	强调了人机交互（如对话式AI和数字孪生）在体育人才发展中的潜在作用，并提倡结合标准化开发框架（如软件开发生命周期）以降低数据偏见风险	心理和主观因素（如教练判断、运动员态度）在现有AI模型中代表性不足，且纵向研究面临数据缺失、不平衡等问题，导致模型泛化能力差	分析AI在体育心理学中用于人才识别与培养的现状、挑战及未来方向	体育心理学中的人才识别与培养过程，涉及教练、运动员、球探等主体	机器学习	NA	NA	机器学习、深度学习	NA	NA	NA	NA	NA	NA
67	2026-07-07	AI-Augmented Hematological Signatures for Equitable Detection of Hereditary Hemolytic Anemia Carriers: A Global Systematic Review and Meta-Analysis 2026, Human mutation IF:3.3Q2 DOI:10.1155/humu/9405486 PMID:42369207	meta分析	系统性回顾和荟萃分析评估了人工智能增强血常规检测在遗传性溶血性贫血携带者筛查中的诊断准确性、公平性影响和实施挑战	首次全球性系统评估AI增强血常规、血涂片和血沉在遗传性溶血性贫血携带者识别中的诊断效能，并对公平性问题进行深入分析，提出联邦学习、WHO/CDC认证和强制性XAI合规等公平实施建议	68%的验证研究使用了研究级而非临床常规样本，缺乏前瞻性临床到算法的验证，地理差异显著（撒哈拉以南非洲灵敏度86.5% vs 中东94.8%），存在对非洲HbS/HbC变体的算法偏见	评估AI增强血常规检测在遗传性溶血性贫血携带者筛查中的诊断准确性、公平性影响和实施挑战	遗传性溶血性贫血携带者，包括α-地中海贫血、β-地中海贫血、镰刀细胞病（HbS和HbC变异）及其他常染色体隐性遗传血红蛋白病	机器学习, 数字病理学	遗传性溶血性贫血（地中海贫血、镰刀细胞病）	血常规检测（CBC）、血涂片、血沉（ESR）	深度学习模型, 可解释人工智能（XAI）	血常规数据、血涂片图像、血沉数据	133,498名参与者，涵盖23个国家	NA	深度学习模型（具体架构未明确说明）、可解释人工智能（XAI）	敏感度, 特异性, 受试者工作特征曲线下面积（AUC）, 成本节省	边缘AI设备（离线能力）、联邦学习框架
68	2026-07-07	Risk stratification for adjuvant radiotherapy in pathologic T3N0 rectal cancer using a DeepSurv-based survival model 2026, Frontiers in oncology IF:3.5Q2 DOI:10.3389/fonc.2026.1828958 PMID:42394705	研究论文	为pT3N0直肠癌患者开发并验证基于DeepSurv的预后模型，以支持个体化辅助放疗决策	首次利用DeepSurv深度学习生存模型捕捉非线性关系与交互效应，优于传统Cox回归，并结合SHAP解释模型，精确划分放疗获益人群	使用SEER数据库缺乏详细治疗细节和长期随访数据，外部验证样本量较小	开发一种深度学习预后模型以识别pT3N0直肠癌患者中能从辅助放疗中获益的个体	pT3N0直肠腺癌患者	机器学习	直肠癌	NA	DeepSurv	表格数据	1,411例训练与内部验证患者（SEER数据库）+ 118例外部验证患者	PyTorch	多层感知机	时间依赖性AUC	NA
69	2026-07-07	Vascular remodeling and microvessel density in inflammatory radicular cysts: a CD34 immunohistochemical analysis 2026 Jan-Mar, Romanian journal of morphology and embryology = Revue roumaine de morphologie et embryologie DOI:10.47162/RJME.67.1.10 PMID:42402741	研究论文	通过CD34免疫组化分析，评估炎症性根尖囊肿中的血管重塑和微血管密度	利用深度学习辅助的数字量化工作流程（DeepLIIF和ImageJ）对CD34免疫表达进行定量分析	NA	评估CD34免疫表达作为血管重塑标志物，并探索数字人工智能辅助量化工作流程	炎症性根尖囊肿	数字病理学	炎症性根尖囊肿	免疫组化	NA	图像	39个炎症性根尖囊肿标本	DeepLIIF, ImageJ	NA	NA	NA
70	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
71	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
72	2026-07-06	Bridging Global Attention and Local Hierarchies: A Robust Hybrid Ensemble Framework With Multi-Perspective Explainability for Automated HER2-IHC Scoring 2026 Jan-Dec, Technology in cancer research & treatment IF:2.7Q3 DOI:10.1177/15330338261465522 PMID:42400387	research paper	提出了一个混合集成框架，结合EVA-02-Large、Vision Transformer-Base和ConvNeXt-V2-Nano架构，通过自适应后期融合机制进行自动HER2-IHC评分	首次将EVA-02-Large、Vision Transformer-Base和ConvNeXt-V2-Nano三种架构通过自适应后期融合机制进行混合集成，并在20多种图像腐败类型上进行全面扰动分析及多视角可解释AI评估	需进行前瞻性多读者临床验证；对极端光度变化具有预期敏感性	开发高精度且可解释的自动化HER2-IHC评分流程，解决诊断困难病例（HER2 1+/2+）并减少观察者间变异	HER2-IHC-40x数据集的病理图像斑块	digital pathology	breast cancer	免疫组化	混合集成模型（Transformer + CNN）	图像	NA	NA	EVA-02-Large, Vision Transformer-Base, ConvNeXt-V2-Nano	加权准确率、平衡准确率、误分类率	NA
73	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
74	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
75	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）
76	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
77	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
78	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
79	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
80	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