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
181	2026-10-08	Decoding spatiotemporal fibrotic and cellular immunosuppression of therapeutic T cells in live pancreatic ductal adenocarcinoma 2026-Oct, Molecular systems biology IF:8.5Q1 DOI:10.1038/s44320-026-00243-4 PMID:42722808	研究论文	本文结合实验与计算框架，开发了TME-CARTographer (TME-CART) 计算流程，用于解码活体胰腺导管腺癌中治疗性T细胞的时空纤维化和细胞免疫抑制	开发了整合高维数据、图论、行为分析和深度学习的计算流程TME-CART，首次在活体PDA肿瘤中定量揭示4D T细胞-TME相互作用，发现胶原纤维架构引导迁移并限制离轴运动形成免疫排斥区，且胶原基质空间组织免疫抑制性髓系细胞协同调节T细胞行为，深度学习定义线性与非线性胶原基质和细胞邻域相互作用驱动T细胞行为	摘要中未明确提及研究局限性	阐明胰腺导管腺癌中治疗性T细胞的动态行为及其免疫抑制机制	活体胰腺导管腺癌肿瘤中的治疗性T细胞与肿瘤微环境	数字病理学	胰腺癌	高维数据采集、图论分析、行为分析、深度学习	深度学习	图像（4D活体成像数据）、高维数据	NA	NA	NA	NA	NA
182	2026-10-08	Deep learning-based CNN method for fiducial marker detection in kilovoltage X-ray images for liver tumor motion monitoring 2026-Oct, Medical physics IF:3.2Q1 DOI:10.1002/mp.70691 PMID:42830534	研究论文	开发并评估了一种基于CNN的方法，用于在kV X射线图像中检测肝脏肿瘤的基准标记，以支持实时图像引导放射治疗。	使用多机构、多平台数据集（包括自由呼吸和屏气运动，以及Varian和Elekta直线加速器）训练和测试CNN，用于肝脏基准标记检测。	数据集不平衡（自由呼吸患者数量少，Varian和Elekta直线加速器之间的定位误差存在显著差异），且模型在自由呼吸治疗中的评估受限。	开发、整合和评估一种基于CNN的方法，用于在kV X射线图像中检测基准标记，以支持肝脏放疗期间的实时图像引导放射治疗。	肝脏肿瘤患者，来自多机构临床试验TROG 17.03 LARK。	计算机视觉	肝癌	kV X射线成像	CNN	图像	训练集314,625张图像（28名患者），验证集31,463张图像（12名患者，55个治疗分次），测试集4,184张图像（16名患者，55个分次）	NA	紧凑型CNN	灵敏度, 特异性, AUC, 定位误差（2mm内的百分比）	NVIDIA GeForce RTX 3070 GPU
183	2026-10-08	Multi-task deep learning integrating pretreatment MRI and whole slide images predicts induction chemotherapy response and survival in locally advanced nasopharyngeal carcinoma 2026-Oct, PLOS digital health DOI:10.1371/journal.pdig.0001378 PMID:42832514	研究论文	该研究开发并验证了一种多任务深度学习模型（MoEMIL），整合治疗前MRI和全切片图像，用于预测局部晚期鼻咽癌的诱导化疗反应和总生存期	首次将治疗前MRI和全切片图像通过多门混合专家架构融合，构建多任务深度学习模型，同时预测诱导化疗反应和总生存期，并采用聚类约束注意力多实例学习和梯度加权类激活映射进行可视化解释	研究为回顾性设计，样本量有限（404例），且未观察到疾病进展病例，导致不良反应组仅包含稳定疾病患者	开发和验证多任务深度学习模型，整合治疗前MRI和全切片图像，预测局部晚期鼻咽癌患者的诱导化疗反应和总生存期，以优化治疗策略	404例局部晚期鼻咽癌患者的治疗前MRI和全切片图像	数字病理学, 计算机视觉	鼻咽癌	MRI, 全切片图像, PyRadiomics	多任务深度学习, 多实例学习, 卷积神经网络, 多门混合专家	图像	404例局部晚期鼻咽癌患者	NA	ResNet50, 多门混合专家	AUC, P值	NA
184	2026-10-08	A Model-Based Joint Feature Fusion framework for limited-view photoacoustic tomography reconstruction 2026-Oct, Photoacoustics IF:7.1Q1 DOI:10.1016/j.pacs.2026.100886 PMID:42835351	研究论文	本文提出了一种基于模型的联合特征融合框架，用于有限视角光声层析成像重建，通过融合传感器数据和模型驱动残差数据，实现高质量重建并降低计算成本	提出了模型基于联合特征融合框架，结合深度学习特征提取和模型先验，仅需单次迭代即可实现高质量重建；引入了学习混合前向算子作为几何信息代理前向模型，快速预测传感器数据	框架基于均匀无损声学介质的假设，可能不适用于非均匀或损耗介质	解决有限视角光声层析成像重建中的伪影和图像质量下降问题，并提高重建效率	有限视角光声层析成像重建	计算机视觉	NA	光声层析成像	CNN	图像	NA	PyTorch	NA	重建质量, 计算时间	NA
185	2026-10-08	Enhancing microstructural fidelity in near-field high-energy diffraction microscopy reconstruction with Noise2Void denoising 2026-Oct-01, Journal of applied crystallography IF:5.2Q1 DOI:10.1107/S1600576726007612 PMID:42835533	研究论文	本文提出使用自监督深度学习网络Noise2Void对近场高能衍射显微镜图像进行去噪，以提高晶粒重建的保真度	引入自监督深度学习网络Noise2Void，无需干净的真实数据或成对的噪声数据集，适用于NF-HEDM实验环境，并可推广到其他衍射显微成像技术	未明确提及	提高近场高能衍射显微镜晶粒重建的保真度和分辨率	近场高能衍射显微镜图像	数字病理学	NA	近场高能衍射显微镜	CNN	图像	NA	NA	Noise2Void	重建置信度、晶粒数量	NA
186	2026-10-08	Effective multiplicative noise suppression for underwater wireless optical communication via a three-branch physics-informed network 2026-Oct-01, Applied optics IF:1.7Q3 DOI:10.1364/AO.610203 PMID:42837573	研究论文	提出一种三分支物理信息网络（TBPIN）来抑制水下无线光通信（UWOC）中的乘性噪声，通过将UWOC信道方程嵌入复合损失函数，将失真接收信号显式解耦为三个物理约束分量	将UWOC信道方程嵌入复合损失函数中，利用物理信息约束实现乘性噪声的有效抑制，并显式解耦失真信号为三个物理约束分量	未明确说明	有效抑制水下无线光通信中的乘性噪声	水下无线光通信信号	机器学习	NA	NA	物理信息网络	信号	仿真和实验UWOC数据集（具体数量未提及）	NA	三分支物理信息网络（TBPIN）	信噪比增益，均方误差	NA
187	2026-10-08	This must be the place: deep learning local adaptation 2026-Sep-30, bioRxiv : the preprint server for biology DOI:10.64898/2026.09.16.752190 PMID:42779823	研究论文	介绍了一种名为EcoLocator的监督深度神经网络，能够从基因型数据中联合预测地理起源和气候起源，并通过模拟和沿海花旗松的实际应用验证了其性能	提出了EcoLocator，一种联合预测地理位置和气候起源的监督深度神经网络；利用基于SHAP的特征归因比基准GEA方法更可靠地识别适应性位点；发现直接从基因型预测的气候优于先预测地理起源再推断气候，表明EcoLocator捕获了仅靠地理无法恢复的基因型-气候信号	未明确说明	开发能够将基因组变异与气候联系起来的工具，以应对气候变化对局部适应种群与其进化环境之间关系的破坏	沿海花旗松（var.）及模拟数据	机器学习	NA	基因型-环境关联分析（GEA）、全基因组基因型数据	深度神经网络	基因型数据、气候数据、地理数据	未明确说明	NA	深度神经网络	R²（地理起源R²=0.75-0.83，气候起源R²=0.52-0.72），留一交叉验证	NA
188	2026-10-08	Fractional painting training-based optimization enabled deep learning for autism spectrum disorder using MRI images in cloud computing 2026-Sep-28, Psychiatry research. Neuroimaging DOI:10.1016/j.pscychresns.2026.112346 PMID:42837877	研究论文	本文提出了一种基于分数绘画训练优化的脉冲注意力神经网络（FPTO_SANN），在云计算环境下利用MRI图像对自闭症谱系障碍（ASD）进行早期诊断	结合分数绘画训练优化（FPTO）与脉冲注意力神经网络（SANN），并引入几何均值滤波、感兴趣区域提取及多种特征提取方法，实现高精度ASD分类	未明确讨论模型的可解释性、泛化能力及在不同数据集上的表现	开发一种基于云计算的深度学习模型，利用MRI图像实现自闭症谱系障碍的早期自动诊断	自闭症谱系障碍患者的脑部MRI图像	医学图像分析	自闭症谱系障碍	MRI	脉冲注意力神经网络（SANN）	图像	未提及	未提及	SANN	准确率、真阴性率（TNR）、真阳性率（TPR）	云计算
189	2026-10-08	Gather-excite attention-driven deep learning model for Alzheimer disease detection from MRIs using adaptive residual-DenseNet strategy 2026-Sep-24, Psychiatry research. Neuroimaging DOI:10.1016/j.pscychresns.2026.112344 PMID:42837878	研究论文	该研究提出了一种Gather-Excite注意力驱动的自适应残差DenseNet模型，用于从MRI图像中检测阿尔茨海默病。	结合残差学习与密集连接，并引入Gather-Excite注意力机制，同时采用新型优化器RPMO优化参数。	未明确说明模型的泛化能力、计算复杂度及在更大数据集上的表现。	实现阿尔茨海默病的早期检测，提高诊断准确性和效率。	阿尔茨海默病患者和健康对照者的MRI图像。	医学图像分析	阿尔茨海默病	MRI	CNN	图像	NA	NA	残差网络, DenseNet	NA	NA
190	2026-09-23	Validation of Automated Strain Calculation Initialised by Deep Learning Segmentation for Abdominal Aortic Aneurysm Ultrasound 2026-Sep-21, European journal of vascular and endovascular surgery : the official journal of the European Society for Vascular Surgery IF:5.7Q1 DOI:10.1016/j.ejvs.2026.09.041 PMID:42767328	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
191	2026-10-08	Accuracy of Deep Learning in Detecting Cerebral Microbleeds: Systematic Review and Meta-Analysis 2026-Sep-21, Journal of medical Internet research IF:5.8Q1 DOI:10.2196/95041 PMID:42767630	系统综述与Meta分析	该文章系统评估了深度学习模型在检测脑微出血方面的诊断准确性，并对相关研究进行了Meta分析	首次系统性地评估深度学习模型在检测脑微出血中的诊断准确性，并按分析水平和诊断四格表获取方法进行了亚组分析	纳入研究数量较少，缺乏多中心研究，模型的泛化能力有待进一步验证	评估深度学习模型在检测脑微出血中的准确性，为智能检测工具的开发提供依据	基于MRI的深度学习模型检测脑微出血的研究	数字病理学	脑血管疾病	磁共振成像	NA	图像	患者水平5项研究，病灶水平多项研究	NA	NA	灵敏度，特异度，阳性似然比，阴性似然比，诊断比值比	NA
192	2026-10-08	[Multicenter study of deep learning multitask model for predicting neoadjuvant chemotherapy response and event-free survival of pediatric head and neck rhabdomyosarcoma] 2026-Sep-07, Zhonghua er bi yan hou tou jing wai ke za zhi = Chinese journal of otorhinolaryngology head and neck surgery DOI:10.3760/cma.j.cn115330-20260330-00189 PMID:42742002	研究论文	本研究开发了一种基于治疗前MRI的深度学习多任务模型，用于同时预测儿童头颈部横纹肌肉瘤的新辅助化疗反应和无事件生存期。	首次构建了基于MRI的2.5D三平面融合深度学习多任务模型，通过统一的密集神经网络编码器联合输出NACr分类和EFS生存估计，并进行了消融实验验证关键设计。	回顾性研究设计，样本量相对有限，外部测试集仅来自两个独立中心，模型泛化能力需进一步验证。	探讨基于治疗前MRI的深度学习多任务模型在同时预测儿童头颈部横纹肌肉瘤新辅助化疗反应和无事件生存期中的价值。	382例III/IV期头颈部横纹肌肉瘤儿童患者。	医学影像分析	头颈部横纹肌肉瘤	磁共振成像	多任务深度学习模型	图像	382例儿童患者，内部队列322例（训练集257例，内部验证集65例），外部测试集60例	NA	密集神经网络	AUC，C-index，阴性预测值	NA
193	2026-10-08	MLI-DTA: An interpretable multimodal framework with multi-level interactions for drug-target affinity prediction 2026-Sep-02, European journal of medicinal chemistry IF:6.0Q1 DOI:10.1016/j.ejmech.2026.119301 PMID:42731537	研究论文	该论文提出了MLI-DTA，一种基于多级注意力机制的可解释多模态框架，用于药物-靶点亲和力预测。	提出分层多源特征融合网络，从序列和图两种模态编码药物和靶点，利用多级注意力机制在细、中、粗三个粒度上分别建模片段配对、拓扑对齐和全局融合。	未明确提及。	解决现有深度学习方法在药物-靶点亲和力预测中一维序列模型表示不足、图模型语义对齐困难以及多模态方法简单堆叠特征的问题。	药物-靶点亲和力预测，涉及化合物和靶点蛋白。	机器学习	NA	NA	双线性注意力网络, 全局图交叉注意力, 多头协同注意力, 门控融合	序列数据, 图数据	NA	NA	MLI-DTA	NA	NA
194	2026-10-08	WGB-GLFI: A Novel Graph-Based Global-Local Feature Interaction Framework for Automated Seizure Detection 2026-09, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2026.3668888 PMID:41774635	研究论文	该文章提出了一种名为WGB-GLFI的新型基于图的全局-局部特征交互框架，用于自动癫痫发作检测。	提出了加权图构建（WGB）模块和全局-局部特征交互（GLFI）模块，整合空间连接性和动态模式，实现癫痫发作期间动态空间关系的全面捕捉以及全局-局部特征的无缝融合。	未明确提及	解决现有方法缺乏统一空间建模且难以有效处理局部细节特征的问题，以提高癫痫发作检测的准确性和鲁棒性。	癫痫患者的EEG数据。	机器学习	癫痫	EEG	图神经网络	EEG信号	CHB-MIT数据集、Siena Scalp数据集和私有数据集（具体样本量未提供）	未明确提及	加权图构建模块、全局-局部特征交互模块	准确率	未明确提及
195	2026-10-08	Deep learning-derived measures of sound-level accuracy in primary progressive apraxia of speech: A feasibility pipeline with descriptive evidence from two cases 2026-Sep, Clinical linguistics & phonetics IF:0.8Q4 DOI:10.1080/02699206.2026.2639397 PMID:41800702	研究论文	该研究展示了深度学习模型Phonet在两名原发性进行性言语失用症（PPAOS）患者中生成音位类别后验概率的实现与可解释性，并评估了不同语速和延迟听觉反馈条件下的言语表现	首次将深度学习模型Phonet应用于PPAOS患者，生成音位类别后验概率并聚合对齐音段时长，提供可解释的音段级发音性能测量；结合不同语速和延迟听觉反馈条件，探索其在监测运动性言语障碍治疗相关发音变化中的潜力	仅纳入两名病例，样本量极小，属于可行性研究，结果无法推广；需要进一步研究评估其更广泛的临床适用性	展示Phonet模型在PPAOS患者中生成音位类别后验概率的可行性与可解释性，并探索其在监测运动性言语障碍治疗相关发音变化中的效用	两名PPAOS患者（一例以语音性为主，一例以韵律性为主）	数字病理学	神经系统疾病	深度学习语音分析	深度学习模型	语音	2名PPAOS患者	NA	Phonet	音位类别后验概率、音段时长	NA
196	2026-10-08	Compact neural network algorithm for electrocardiogram classification 2026-Sep, Physical and engineering sciences in medicine IF:2.4Q2 DOI:10.1007/s13246-026-01751-1 PMID:42274990	研究论文	本文提出了一种紧凑的神经网络算法，通过结合人工神经网络与特征工程流程，实现心电图信号分类，用于心律失常诊断	引入17个工程特征，通过数学变换、信号处理和数据提取算法从原始心电信号中提取关键模式，无需深度学习即可高效捕捉心电信号的形态和生理特征	未明确提及	减少心电图分析中对深度学习和卷积神经网络的依赖，降低计算资源和标注数据需求	心电图信号	机器学习	心血管疾病	特征工程、信号处理、数学变换	ANN	信号	MIT-BIH和St. Petersburg INCART心律失常数据库	NA	简单人工神经网络	准确率, Cohen's kappa, Matthews相关系数	标准CPU
197	2026-10-08	Deep unrolled regularization for limited-angle dual-panel positron emission mammography 2026-Sep, Physical and engineering sciences in medicine IF:2.4Q2 DOI:10.1007/s13246-026-01769-5 PMID:42560453	研究论文	本文提出了一种深度展开正则化方法，用于减少双面板正电子发射乳腺摄影（PEM）中有限角度伪影	首次将基于深度学习的正则化融入双面板PEM的有限角度伪影校正，并集成到前向-后向分裂期望最大化算法中	目前仅为概念验证，临床实施需要在拟人模体上训练模型并进行进一步验证	减轻双面板PEM横截面切片中的有限角度伪影	双面板PEM和环形专用乳腺PET的蒙特卡洛生成图像及实验测量数据	医学图像重建	乳腺癌	蒙特卡洛模拟，正电子发射乳腺摄影	CNN	图像	3840对图像（数据增强后）	NA	U-Net	噪声，对比度，峰谷比，恢复系数，溢出率，强度分布	NA
198	2026-10-08	Improving cellular nuclei detection in histological images by combining super-resolution techniques and deep learning-based object detectors 2026-Sep, Medical & biological engineering & computing IF:2.6Q3 DOI:10.1007/s11517-026-03604-1 PMID:42593599	研究论文	本文提出了一种将超分辨率技术与双分支目标检测策略相结合的新型混合框架，用于提高组织学图像中细胞核的检测精度	创新性地将超分辨率技术与双分支检测策略相结合，双分支包含全图推理和基于图块的推理，同时利用全局上下文信息和局部高细节分析，并通过置信度加权机制融合两个分支的输出，再经过非极大值抑制和基于聚类的细化处理，从而显著提高检测鲁棒性	未明确讨论计算复杂度在实际临床工作流中的可行性，仅在NuCLS数据集上进行了验证，缺乏多数据集交叉验证，且未详细说明超分辨率模块对不同类型的染色和组织类型的泛化能力	解决组织学图像中由于分辨率和形态变化导致的细胞核检测精度下降问题，通过整合超分辨率和多尺度检测策略提升检测性能	组织学图像中的细胞核	数字病理学	NA	超分辨率技术，深度学习目标检测	CNN	图像	NuCLS数据集	NA	NA	mAP@0.5-0.95	NA
199	2026-10-08	STING expression in pituitary neuroendocrine tumour immune microenvironments 2026-Sep-01, Endocrine-related cancer IF:4.1Q2 DOI:10.1530/ERC-26-0385 PMID:42742156	研究论文	本研究通过多重免疫荧光结合数字图像分析和深度学习算法，比较了垂体神经内分泌肿瘤（PitNET）与正常垂体组织的免疫微环境差异，并探讨了其与治疗、侵袭性、增殖及AIP突变状态的关系	开发了两种定制的多重免疫荧光面板，并结合深度学习算法和QuPath图像分析软件深入 interrogate PitNET免疫微环境，首次系统比较了PitNET与正常垂体的免疫细胞浸润差异，并关联了STING表达与肿瘤增殖指数及AIP突变状态	摘要中未明确提及研究局限性	比较PitNET与正常垂体的免疫细胞浸润，探究PitNET免疫微环境如何随生长抑素受体配体治疗、肿瘤侵袭性、肿瘤增殖和AIP突变状态而变化	垂体神经内分泌肿瘤（PitNET） subtypes和正常垂体组织	数字病理学	垂体神经内分泌肿瘤	多重免疫荧光、数字图像分析、深度学习算法	深度学习算法	图像	NA	QuPath	NA	NA	NA
200	2026-10-08	Stereo-Vision-Inspired Spectral Disparity Learning for Choroidal Tumor Thickness Prediction 2026-Sep-01, Translational vision science & technology IF:2.6Q2 DOI:10.1167/tvst.15.9.18 PMID:42788774	研究论文	本文开发了一种基于立体视觉启发的深度学习框架，通过提取眼底照片中红绿通道特征并利用光谱视差模块整合，以预测脉络膜肿瘤厚度	提出光谱视差模块，模拟人类双目深度感知原理，显式捕捉红绿通道间的对应与视差，实现从眼底照片无接触估计肿瘤厚度	样本量相对有限（337例），仅使用超声测量作为金标准，未与其他影像模态对比，且未提及外部验证集	研究能否利用立体视觉启发的深度学习方法从眼底照片中估计脉络膜肿瘤厚度	337例脉络膜肿瘤患者的超广角眼底照片	计算机视觉, 医学图像分析	脉络膜肿瘤, 眼部肿瘤	超广角眼底照相, 超声测量	深度学习, 立体融合模型	图像	337例患者	NA	NA	均方根误差, 平均绝对误差, R², 准确率, 灵敏度, 特异度	NA