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
1041	2026-01-23	Radiomics of hepatopancreatobiliary cancer diagnosis, management, and future prospects 2026-Jan, Clinical radiology IF:2.1Q2 DOI:10.1016/j.crad.2025.107167 PMID:41365695	综述	本文综述了影像组学在肝胆胰癌症诊断、管理和未来前景中的应用	展示了影像组学作为非侵入性肿瘤异质性标记物的潜力，并探讨了其与基因组学、代谢组学和免疫学数据的整合，以开发高预测性集成模型	需要进一步评估最佳成像策略、图像标准化以及在多样化患者群体中的前瞻性验证，才能广泛用于常规临床实践	探讨影像组学在改善肝胆胰癌症诊断和管理中的应用潜力	肝胆胰癌症，包括肝细胞癌、胰腺癌和胆管癌	医学影像分析	肝胆胰癌症	影像组学	深度学习, 机器学习	影像数据	NA	NA	NA	NA	NA
1042	2026-01-23	Artificial intelligence in oncological positron emission tomography: advancing image analysis and interpretation 2026-Jan, Clinical radiology IF:2.1Q2 DOI:10.1016/j.crad.2025.107187 PMID:41401681	综述	本文综述了人工智能在肿瘤学正电子发射断层扫描中的应用，重点讨论了其在改善图像质量和定量分析方面的进展与挑战	强调了AI在提升PET图像诊断准确性和预后建模中的价值，并指出了未来发展方向如多模态集成、联邦学习和概率深度学习	面临图像数据标准化、可解释性方法开发及监管框架建立等挑战，临床实践应用仍需克服这些障碍	探讨人工智能在肿瘤学PET成像中的应用，以优化临床管理和个体化治疗	肿瘤患者的正电子发射断层扫描图像	医学影像分析	癌症	正电子发射断层扫描	深度学习	图像	NA	NA	NA	诊断准确性	NA
1043	2026-01-23	Clinical value of deep learning image reconstruction in chest computed tomography (CT) imaging: a systematic review 2026-Jan, Clinical radiology IF:2.1Q2 DOI:10.1016/j.crad.2025.107184 PMID:41411962	系统综述	本文系统综述了深度学习图像重建（DLIR）在胸部CT成像中的临床诊断价值，并与传统重建方法进行比较	首次系统评估DLIR在胸部CT中的诊断性能，并量化其在结节检测、纹理分析和间质性肺病分类方面的优势	纳入研究存在异质性，缺乏大规模临床结局数据，需要更多研究验证对患者预后的影响	评估DLIR在胸部CT成像中的临床诊断价值	胸部CT图像及人类参与者	医学影像分析	肺部疾病	CT成像	深度学习图像重建（DLIR）	CT图像	13项研究（来自1967条记录）	NA	NA	敏感性, AUC, Cohen's κ	NA
1044	2026-01-23	Uncertainty-aware genomic deep learning with knowledge distillation 2026, NPJ artificial intelligence DOI:10.1038/s44387-025-00053-3 PMID:41523993	研究论文	提出一种名为DEGU的方法，通过集成学习和知识蒸馏提升基因组学中深度神经网络预测的鲁棒性和可解释性	结合集成学习与知识蒸馏，同时捕捉预测平均值和变异性以量化认知不确定性，并可选择性地建模数据不确定性	未明确说明方法在计算资源消耗或特定基因组任务中的潜在限制	提高基因组学中深度神经网络预测的可靠性和可解释性	调控基因组学中的功能基因组预测任务	机器学习	NA	NA	DNN	基因组序列数据	NA	NA	NA	校准不确定性估计, 覆盖率保证	NA
1045	2026-01-23	Multimodal deep learning for breast tumor classification: Integrating mammography and ultrasound for enhanced diagnostic accuracy 2026-Jan, Journal of applied clinical medical physics IF:2.0Q3 DOI:10.1002/acm2.70464 PMID:41549611	研究论文	本研究开发了一种结合乳腺X线摄影和超声成像的多模态深度学习模型，用于提高乳腺肿瘤分类的准确性	提出了一种结合乳腺X线摄影和超声的多模态深度学习模型，并采用改进的模态特异性注意力机制（ECA-Net用于超声，CBAM用于乳腺X线摄影），以及基于堆叠集成模块的特征融合方法	研究为回顾性设计，样本量相对有限（663例患者），且未在外部数据集上进行验证	开发并验证一种多模态深度学习方法，以结合乳腺X线摄影和超声成像来改善乳腺肿瘤分类，并增强临床决策	2018年至2021年间663名患有乳腺病变的女性患者，包括384例良性和279例恶性病例	计算机视觉	乳腺癌	乳腺X线摄影，超声成像	深度学习，集成学习	图像	663名患者（384例良性，279例恶性），按7:2:1比例分为训练集（464例）、验证集（133例）和测试集（66例）	NA	ECA-Net, CBAM, 多层感知机（MLP）神经网络	AUC（曲线下面积）	NA
1046	2026-01-23	Reviewing Marine Bioactive Compounds From the Red Sea: Advancing Therapeutic Applications While Navigating Translational and Conservation Challenges 2026-Jan, Chemistry & biodiversity IF:2.3Q3 DOI:10.1002/cbdv.202502652 PMID:41563944	综述	本文综述了红海海洋生物活性化合物的研究进展，重点分析了其分离、表征、生物活性及在治疗应用中的潜力，同时探讨了临床转化和生态保护面临的挑战	系统整合了过去十年红海海洋生物活性化合物的研究，并强调了结合深度学习等新兴技术及跨学科方法以克服转化障碍的创新方向	化合物可用性有限、提取过程复杂、监管限制以及临床转化面临多重挑战	分析红海海洋生物活性化合物的研究进展，推动其治疗应用，并应对转化和生态保护挑战	海绵、珊瑚、微藻、海藻、海洋鱼类和微生物中提取的生物活性化合物	NA	NA	传统溶剂提取、超临界流体提取、超声辅助提取、色谱纯化、生物测定引导的分级分离	NA	NA	NA	NA	NA	NA	NA
1047	2026-01-23	Advancing Diagnostic Accuracy in Liver Cancer: A Systematic Review of Artificial Intelligence Applications in Hepatocellular Carcinoma and Cholangiocarcinoma Detection Using Abdominal CT Imaging 2026-Jan-01, Asian Pacific journal of cancer prevention : APJCP DOI:10.31557/APJCP.2026.27.1.5 PMID:41569166	系统综述	本研究系统评估了人工智能在利用腹部CT和MRI区分肝细胞癌与胆管癌中的诊断性能及其临床意义	系统综述了AI在肝细胞癌与胆管癌鉴别诊断中的应用，并强调了多模态成像（CT+MRI）和放射组学-基因组学特征融合对提升诊断性能的潜力	纳入研究多为回顾性设计，外部验证有限，存在中低偏倚风险	评估人工智能在肝细胞癌与胆管癌鉴别诊断中的性能及其临床管理意义	肝细胞癌与胆管癌	数字病理学	肝癌	腹部CT成像，MRI成像	CNN，深度学习模型，混合放射组学-临床模型	医学影像（CT，MRI）	44项符合纳入标准的研究	NA	卷积神经网络	灵敏度，特异性，准确率，AUC	NA
1048	2026-01-23	Integrating Ant Colony Optimization with Deep Learning for Improved Lung Cancer Diagnosis and Prognosis 2026-Jan-01, Asian Pacific journal of cancer prevention : APJCP DOI:10.31557/APJCP.2026.27.1.129 PMID:41569180	研究论文	本研究提出了一种结合蚁群优化算法与深度学习的集成方法，用于提高肺癌诊断和预后的准确性与可靠性	创新性地将蚁群优化算法与多种深度学习模型（DenseNet、ResNet 50、VGG 19、LSTM）集成，用于特征选择优化，显著提升了模型性能	NA	提高肺癌诊断的准确性和可靠性，为AI驱动的医疗解决方案奠定基础	肺癌	计算机视觉	肺癌	CT扫描	CNN, LSTM	图像, 文本	NA	NA	DenseNet, ResNet 50, VGG 19, LSTM	准确率	NA
1049	2026-01-22	AI-Driven Fall Prediction across Generations: Integrating Deep Learning and Machine Learning for Young, Middle-Aged, and Older Adults 2026, Gerontology IF:3.1Q3 DOI:10.1159/000549410 PMID:41196832	研究论文	本研究开发并比较了多种机器学习和深度学习模型，用于预测不同年龄段成年人的跌倒风险，并识别关键预测特征	首次将深度学习模型（特别是AGRU）应用于跨世代（年轻、中年、老年）的跌倒风险预测，并通过年龄分层分析揭示了年龄特异性的风险因素	模型在独立数据集上的外部验证仅显示中等泛化能力，且需要更大、更多样化的数据集以及整合时序或传感器数据进行实际应用验证	开发和比较不同的ML/DL模型，以预测跌倒风险并识别跨年龄组的关键预测特征	1441名台湾南部社区居住的20岁以上成年人，包括有和无跌倒史的参与者	机器学习	老年疾病	NA	机器学习, 深度学习	人口统计学、临床和身体性能数据	1441名社区居住成年人	NA	KNN, RF, GBDT, XGBoost, CatBoost, GRU, AGRU	准确率, 精确率, 召回率, F1分数, AUROC	NA
1050	2026-01-21	Semantic segmentation deep learning model boosts surgeons' organ recognition in minimally invasive hysterectomy - a prospective multi-center reader performance study using pre-selected video clips 2026-Jan-20, International journal of surgery (London, England) DOI:10.1097/JS9.0000000000004606 PMID:41427529	研究论文	本研究评估了一种基于深度学习的解剖识别系统在提升外科医生于微创子宫切除术中识别输尿管和膀胱能力方面的效果	开发并前瞻性验证了一种基于语义分割的深度学习模型，用于辅助不同经验水平的外科医生在手术视频中识别输尿管和膀胱，特别是在经验较少的医生中显示出显著的敏感性提升	研究使用了预先筛选的视频片段，可能无法完全代表实时手术场景的复杂性；模型在膀胱分割上的Dice系数相对较低（0.62）	评估人工智能辅助系统是否能提高外科医生在微创子宫切除术中对输尿管和膀胱的识别能力，同时不降低特异性	微创子宫切除术中的输尿管和膀胱	计算机视觉	妇科疾病	深度学习	语义分割深度学习模型	图像，手术视频	来自41个机构的13,934张输尿管图像和4,940张膀胱图像；涉及8个机构的16名外科医生	NA	NA	Dice系数，敏感性，特异性	NA
1051	2026-01-08	Correction to "Time-Lapse Deep Learning for Single-Cell Subcellular Structural Phenotypic Antimicrobial Susceptibility Testing" 2026-Jan-20, Analytical chemistry IF:6.7Q1 DOI:10.1021/acs.analchem.5c07908 PMID:41493771	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
1052	2026-01-21	Automated 3D segmentation of human vagus nerve fascicles and epineurium from micro-computed tomography images using anatomy-aware neural networks 2026-Jan-20, Journal of neural engineering IF:3.7Q2 DOI:10.1088/1741-2552/ae33f6 PMID:41494208	研究论文	本研究提出了一种基于深度学习的方法，用于从高分辨率microCT图像中自动三维分割人类迷走神经束和神经外膜	引入了一种新颖的解剖感知损失函数，确保预测符合神经拓扑结构，并开发了多类3D U-Net模型	研究仅基于5名受试者的100个microCT体积数据，样本量相对较小	设计有效且选择性的周围神经刺激疗法	人类迷走神经束和神经外膜	数字病理学	NA	microCT成像	U-Net	图像	100个microCT体积数据，来自5名受试者的颈部和胸部迷走神经	NA	3D U-Net, 2D U-Net	Dice相似系数, 体积重叠, 边界描绘, 神经束实例检测	NA
1053	2026-01-21	CTSSP: A temporal-spectral-spatial joint optimization algorithm for motor imagery EEG decoding 2026-Jan-20, Journal of neural engineering IF:3.7Q2 DOI:10.1088/1741-2552/ae34ea PMID:41499961	研究论文	本文提出了一种名为CTSSP的联合优化算法，用于解码运动想象脑电图信号	提出了一个统一的框架，联合优化时域、频域和空域滤波器，克服了现有方法特征优化碎片化的问题	NA	提升运动想象脑机接口在噪声和非平稳环境下的解码性能	运动想象脑电图信号	机器学习	NA	脑电图	NA	脑电图信号	五个公共数据集	NA	CTSSP	准确率	NA
1054	2026-01-21	Deep Learning Models: A Lens Worth Sharpening for Cancer Prognostication 2026-Jan-20, Annals of surgical oncology IF:3.4Q1 DOI:10.1245/s10434-026-19099-x PMID:41555132	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
1055	2026-01-21	Explainable End-to-End Seizure Prediction via Dynamic Multiscale Cross-Band Fusion Filter Network 2026-Jan-20, International journal of neural systems IF:6.6Q1 DOI:10.1142/S0129065726500103 PMID:41555204	研究论文	本研究提出了一种用于癫痫发作预测的动态多尺度跨频带融合滤波网络（MCFNet），旨在解决现有模型特征表示不足和决策可解释性有限的双重挑战	提出了动态多尺度跨频带融合滤波网络，结合了多尺度信号分解、跨频带融合注意力机制以及包含静态和动态滤波模块的同步频谱滤波网络，并引入了联合特征可视化策略和高效特征消融分析两种可解释性方法	仅在CHB-MIT数据集上进行了评估，未在其他数据集或临床环境中进行验证	开发一种具有高预测性能和良好可解释性的端到端癫痫发作预测模型	基于脑电图（EEG）信号的癫痫发作预测	医学人工智能	癫痫	脑电图（EEG）信号分析	深度学习网络	脑电图（EEG）信号	CHB-MIT数据集	NA	动态多尺度跨频带融合滤波网络（MCFNet）	灵敏度, 特异性, 假阳性率（FPR）	NA
1056	2026-01-21	Classification of Alzheimer's Disease by Modeling Brain Networks as Signed Networks under Deep Learning Frameworks 2026-Jan-19, IEEE transactions on computational biology and bioinformatics DOI:10.1109/TCBBIO.2026.3655150 PMID:41553900	研究论文	本文通过构建带符号的脑网络模型并利用带符号图神经网络技术，提出了一种创新的阿尔茨海默病预测与分析方法	将脑网络建模为包含正负相关性的带符号图，并应用带符号图卷积网络处理这些网络，显著提升了阿尔茨海默病预测的准确性	未明确提及研究的局限性	预测和分析阿尔茨海默病，提高其诊断准确性	阿尔茨海默病患者相关的脑网络数据	机器学习	阿尔茨海默病	带符号图神经网络技术	GCN	脑网络数据	NA	NA	图卷积网络及其变体	诊断精度	NA
1057	2026-01-21	A General Image Fusion Approach Exploiting Gradient Transfer Learning and Fusion Rule Unfolding 2026-Jan-19, IEEE transactions on pattern analysis and machine intelligence IF:20.8Q1 DOI:10.1109/TPAMI.2026.3655694 PMID:41553895	研究论文	本文提出了一种基于梯度迁移学习和融合规则展开的通用图像融合框架，旨在通过单一模型处理多种图像融合任务	引入了序列梯度迁移框架以利用不同任务间的互补信息，并通过将基本融合规则集成到深度均衡模型中，实现了超越启发式网络设计的更高效、通用的图像融合网络	未明确提及	开发一个能够统一处理多种图像融合任务的深度学习模型，以促进模型在实际应用中的部署	多焦点图像融合、多曝光图像融合、红外与可见光图像融合以及医学图像融合	计算机视觉	NA	深度学习	深度均衡模型	图像	未明确提及	未明确提及	未明确提及	客观指标	未明确提及
1058	2026-01-21	EEGMoE: A Domain-Decoupled Mixture-of-Experts Model for Self-Supervised EEG Representation Learning 2026-Jan-19, IEEE transactions on neural networks and learning systems IF:10.2Q1 DOI:10.1109/TNNLS.2026.3652277 PMID:41553887	研究论文	提出了一种用于自监督脑电图表征学习的领域解耦混合专家模型EEGMoE	引入了基于Transformer的领域解耦编码器，通过特定专家组和共享专家组的混合专家块，同时学习领域共享和领域特定的表征	未明确说明模型在跨被试或跨数据集场景下的具体性能限制	开发一种具有强泛化能力的自监督脑电图表征学习模型	大规模多任务脑电图数据	机器学习	NA	脑电图	Transformer, MoE	脑电图信号	NA	NA	Transformer-based domain-decoupled encoder, Mixture-of-Experts block	NA	NA
1059	2026-01-21	Prediction of Retinopathy of Prematurity and Treatment in Very Low Birth Weight Infants Using Machine Learning on Nationwide Non-Imaging Clinical Data 2026-Jan-19, Neonatology IF:2.6Q1 DOI:10.1159/000550513 PMID:41553943	研究论文	本研究利用全国性非影像临床数据开发机器学习模型，以预测极低出生体重婴儿的早产儿视网膜病变及其严重程度和治疗需求	首次在极低出生体重婴儿中，使用针对表格数据优化的深度学习模型（MLP和NODE）并基于全国性非影像临床数据进行ROP预测，同时开发了仅使用八个关键变量的简化模型，保持了可比性能	研究基于韩国新生儿网络的数据，可能在其他人群中的泛化性需要验证；仅使用非影像临床数据，未整合眼部影像信息	开发基于机器学习的预测模型，以实现对极低出生体重婴儿早产儿视网膜病变的早期风险识别和及时干预	极低出生体重婴儿	机器学习	早产儿视网膜病变	NA	MLP, NODE	表格数据（临床变量）	来自韩国新生儿网络的全国性临床数据，包含44个围产期和新生儿变量	NA	多层感知机, 神经遗忘决策集成	AUROC	NA
1060	2026-01-21	Model uncertainty estimates for deep learning mammographic density prediction using ordinal and classification approaches 2026-Jan-19, Biomedical physics & engineering express IF:1.3Q3 DOI:10.1088/2057-1976/ae39e2 PMID:41554181	研究论文	本研究开发了基于深度学习的乳腺密度预测模型，并引入模型不确定性估计，以提升临床和研究应用价值	通过分类和序数分类方法为深度学习模型提供不确定性估计，同时保持预测性能不下降	未明确说明模型在外部数据集上的泛化能力或临床部署的具体挑战	开发具有内置不确定性估计的深度学习模型，用于乳腺密度预测	超过150,000张乳腺X光图像及其专家评分的连续密度值	计算机视觉	乳腺癌	深度学习	分类模型, 序数分类模型, 回归模型	图像	超过150,000张乳腺X光图像	未明确指定	未明确指定	均方根误差	未明确指定