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
2161	2026-08-23	A coarse-to-fine framework combining deep learning and Monte Carlo for BNCT patient position optimization toward inverse planning 2026-Sep, Medical physics IF:3.2Q1 DOI:10.1002/mp.70642 PMID:42623144	研究论文	提出一种结合深度学习和蒙特卡洛的粗到细框架，用于硼中子俘获治疗患者定位优化，实现高效逆向计划	首次将深度学习剂量预测模型与GPU加速蒙特卡洛引擎集成到贝叶斯优化框架中，实现BNCT患者定位的自动逆计划	未提及	开发自动化的患者定位优化框架，以克服蒙特卡洛模拟的计算瓶颈，实现BNCT高效逆向计划	229例胶质母细胞瘤患者（GLIS-RT开放数据集）	医学图像计算，深度学习，优化	胶质母细胞瘤	蒙特卡洛模拟	3D U-Net	医学图像（CT等）	229例胶质母细胞瘤患者，按70:20:10分为训练、验证和测试集	未提及	3D U-Net	目标剂量（mean target dose）、均匀性指数（HI）、优化时间加速比	GPU加速，具体型号未提及
2162	2026-08-23	Interpretable Deep Learning Applied to Fluorescence Confocal Microscopy for Intraoperative Tissue Assessment in Pediatric Surgical Oncology 2026-Aug-21, European journal of pediatric surgery : official journal of Austrian Association of Pediatric Surgery ... [et al] = Zeitschrift fur Kinderchirurgie IF:1.5Q3 DOI:10.1055/a-2936-0049 PMID:42586518	研究论文	本研究将深度学习应用于儿童手术肿瘤学中的荧光共聚焦显微镜图像，实现自动、准确且空间可解释的肿瘤检测	首次将深度学习与离体荧光共聚焦显微镜结合应用于儿科领域，实现快速且可解释的组织分类	未提供明确的局限性信息	验证深度学习直接应用于离体荧光共聚焦显微镜图像能够实现儿童标本中自动、准确且空间可解释的肿瘤检测	来自42名儿童的141个手术和活检标本	数字病理学	儿科肿瘤	荧光共聚焦显微镜	卷积神经网络	图像	243,659个图像块（其中124,348个恶性、48,441个良性、70,870个健康组织块），独立测试集包含84,751个图像块	未明确指定	卷积神经网络（具体架构未指定）	准确率、敏感性、特异性、F1分数	未提供
2163	2026-08-23	Image Quality of 1.5 T MRI Using Dual-Type Deep Learning Reconstruction for Pancreatic Cystic Lesions: An Exploratory Comparison With Conventional 3 T MRI Without Deep Learning Reconstruction 2026-Aug-21, Journal of magnetic resonance imaging : JMRI IF:3.3Q1 DOI:10.1002/jmri.70493 PMID:42627715	研究论文	本研究比较了1.5 T MRI使用双重类型深度学习重建与常规3 T MRI在胰腺囊性病变图像质量上的表现，发现1.5 T DLR在图像质量指标上优于3 T无DLR。	首次探索不同强度双重类型DLR在1.5 T MRI上对胰腺囊性病变图像质量的影响，并与3 T无DLR进行对比。	探索性研究，非同期比较，样本量有限，且来自单一中心。	评估1.5 T MRI使用不同强度双重类型DLR对胰腺囊性病变图像质量的影响，并与常规1.5 T和3 T MRI（无DLR）进行比较。	99例胰腺囊性病变患者（53男，46女，年龄29.2-93.8岁），其中54例在2年内接受过3 T MRI。	医学影像，深度学习	胰腺囊性病变	1.5 T和3 T MRI，双重类型深度学习重建，压缩感知	深度学习重建（DLR）	MRI图像	99例患者（1.5 T MRI），其中54例有3 T MRI	NA	双重类型DLR（具体架构未说明）	信噪比（SNR）、对比噪声比（CNR）、边缘上升距离（ERD）、5点Likert量表评分（定性评估）	NA
2164	2026-08-23	Unsupervised Dynamic MRI Reconstruction via Low-Rank Patch-Based Tensor Functions with Implicit Neural Representation 2026-Aug-21, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2026.3726594 PMID:42627745	研究论文	提出了一种名为TenF-INR的无监督动态MRI重建框架，结合低秩张量建模与隐式神经表示，旨在从欠采样数据中高质量重建图像。	将低秩张量分解与隐式神经表示相结合，并用INR建模可学习的张量因子函数，减少参数空间与计算负担；采用基于补丁的非局部张量建模策略，增强时空细节恢复。	未明确提及，但可能在高度欠采样情况下重建精度仍受限，且计算成本较高。	开发一种无需外部训练数据、高效且可解释的无监督动态MRI重建方法，以支持高倍加速成像。	动态心脏和腹部MRI数据。	医学图像重建、深度学习、隐式神经表示	不适用	MRI（动态成像，欠采样）	隐式神经表示（INR）、低秩张量分解	MRI图像（动态心脏和腹部数据）	不明确（未在摘要中指定样本数量）	不适用（未提及具体框架，可能使用PyTorch或TensorFlow）	隐式神经表示（INR）+ 低秩因子函数（未指定具体网络架构如MLP）	图像质量、时间保真度、定量准确性（未提及具体指标，如PSNR、SSIM等）	不适用（未提及具体GPU或云平台）
2165	2026-08-23	Biallelic loss of RB1 in hepatocellular carcinoma as synthetic lethal target for artificial intelligence-guided therapy 2026-Aug-20, Signal transduction and targeted therapy IF:40.8Q1 DOI:10.1038/s41392-026-02815-0 PMID:42618565	研究论文	该文章研究了肝细胞癌中RB1基因双等位基因失活（RB1-Bi）的临床意义，并利用深度学习模型预测其状态，通过药物筛选揭示了合成致死靶点，为精准医疗提供新机会。	首次在肝细胞癌中综合分析了RB1双等位基因失活的患病率、预后影响，并开发了基于深度学习的FR-MIL模型预测RB1-Bi状态，同时通过高通量药物筛选和体内外实验发现合成致死相互作用。	摘要中未提及明确限制。	明确RB1双等位基因失活在肝细胞癌中的生物学和临床后果，并探索其作为治疗靶点的可能性。	肝细胞癌患者肿瘤样本，包括TCGA-LIHC队列（n=355）和内部AMC队列（n=206）以及验证队列。	数字病理学	肝细胞癌	基因组分析、深度学习、高通量药物筛选	深度学习模型（FR-MIL）	基因组数据、组织病理学图像、药物筛选数据	包括发现队列（n=561）和验证队列，具体样本数未详述	NA	FR-MIL模型	F1分数、调整后风险比	NA
2166	2026-08-23	Diagnostic Accuracy of Medical Imaging-Based Artificial Intelligence for Osteonecrosis of the Femoral Head: Systematic Review and Meta-Analysis 2026-Aug-20, Journal of medical Internet research IF:5.8Q1 DOI:10.2196/95648 PMID:42623169	系统综述和荟萃分析	本研究通过系统综述和荟萃分析评估基于医学影像的人工智能模型在诊断股骨头坏死方面的整体诊断准确性	首次对基于医学影像的AI模型诊断ONFH的准确性进行系统性评价，并采用亚组分析、Meta回归和Fagan列线图评估临床效用	纳入研究数量有限、以回顾性设计为主、缺乏充分的外部验证，导致证据需谨慎解读	综合医学影像AI模型诊断ONFH的整体诊断准确性，为临床决策提供依据	股骨头坏死（ONFH）患者，共16,189个髋关节	医学影像分析	股骨头坏死	医学影像（X射线和MRI）、深度学习、机器学习	深度学习模型和机器学习模型	医学影像数据	12项研究，16,189个髋关节	不适用	不适用	敏感性、特异性、阳性似然比、阴性似然比、诊断优势比、受试者工作特征曲线下面积（AUC）、I²异质性	不适用
2167	2026-08-23	Prediction of Atrial Fibrillation Occurrence With Handheld Mobile Electrocardiogram: Deep Learning Model Development Using Real-World Data 2026-Aug-20, JMIR medical informatics IF:3.1Q2 DOI:10.2196/87142 PMID:42623177	研究论文	开发并评估基于真实世界手持移动心电图数据的深度学习模型，以预测窦性心律记录后短期内（7天、14天、31天）心房颤动的发生。	首次使用真实世界门诊环境下的6导联移动心电图数据，并采用多阶段训练策略（自监督预训练和领域适应），结合大规模临床12导联心电图和专有移动心电图数据，提升了预测性能。	外部验证队列规模较小（n=144），且模型在性别和QRS持续时间等亚组中的表现存在差异，提示模型的泛化性和公平性有待进一步研究。	利用深度学习模型，基于真实世界的单次窦性心律移动心电图记录，预测短期内（7天、14天或31天）心房颤动的发生风险。	从商业手持移动心电图设备（可捕获6个肢体导联）获取的真实世界用户数据，以及公开的大规模临床12导联心电图数据。	机器学习, 数字病理	心房颤动	NA	Transformer	心电图信号	内部队列：8206名用户的386,519份移动心电图；外部队列：144名用户。预训练数据包括787,257份12导联心电图和202,689份移动心电图，微调用97,447份有标签的移动心电图。	NA	Transformer	受试者工作特征曲线下面积（AUROC）、Cox比例风险回归（风险比）、生存分析（P值）	NA
2168	2026-08-23	AI Models for Predicting Acute Kidney Injury (AKI) and Post-AKI Mortality: Systematic Review and Meta-Analysis 2026-Aug-20, Journal of medical Internet research IF:5.8Q1 DOI:10.2196/104269 PMID:42623396	系统综述与荟萃分析	本系统综述和荟萃分析总结了机器学习模型在预测急性肾损伤（AKI）发生及AKI后死亡率的判别性能和实施相关的空白	首次对AKI发生和AKI后死亡率预测的机器学习模型进行大规模系统综述和荟萃分析，使用PROBAST+AI工具评估偏倚风险，并采用限制最大似然随机效应模型进行统计学合并	高度异质性、外部或前瞻性验证有限、模型校准和临床效用的报告不一致	总结AKI发生和AKI后死亡率预测的机器学习模型的判别性能，并评估其实施相关的空白	219项研究和7,343,170名参与者，涉及101种建模方法	机器学习	急性肾损伤	NA	深度学习、树模型、集成方法、线性模型、广义线性模型	NA	219项研究，7,343,170名参与者	NA	NA	曲线下面积（AUC）	NA
2169	2026-08-23	Lung cancer detection in CT scans using extracted nodule features and precise multistage segmentation with deep learning based ensemble model 2026-Aug-19, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-50656-2 PMID:42613328	研究论文	提出一种基于VGG16和U-Net++集成模型的深度学习CNN方法，用于CT扫描中肺结节的自动检测和分类，准确率达96%	创新性地将VGG16和U-Net++两种深度学习模型集成，结合结节特征提取和多阶段分割，以提高肺癌检测的准确性和鲁棒性	未明确提及局限性，但可推断依赖特定数据集，可能存在泛化问题	通过深度卷积神经网络改进肺癌检测，实现早期阶段肺结节的准确自动化诊断	CT扫描图像中的肺结节，分为良性、恶性和正常三类	计算机视觉	肺癌	CT成像	CNN	图像	未明确提及样本数量，使用肺图像数据集	NA	VGG16, U-Net++	准确率, 精确率, 召回率, F1分数	NA
2170	2026-08-23	Deep learning-enhanced detection of dental restorations and orthodontic appliances in panoramic radiographs using a clinically annotated dataset 2026-Aug-19, Acta odontologica Scandinavica IF:1.4Q3 DOI:10.2340/aos.v85.46619 PMID:42615416	研究论文	本研究开发了一种基于深度学习的目标检测框架，利用临床注释的数据集提高了全景X光片中牙科修复体和正畸矫治器的多类检测精度。	通过定制锚点调整（16-256像素）和自适应数据增强等特定领域优化，在牙科全景X光片检测中实现了对小目标检测性能的显著提升。	由于基准数据集在来源和注释范围上与增强数据集不同，增强数据集的性能提升不能视为直接受控的改进；此外，仍需要进一步的外部和多中心验证。	开发一种基于深度学习的框架，利用临床注释的回顾性数据集，提高全景X光片中牙科修复体和矫治器的多类别检测准确性。	牙科全景X光片中的六类目标：牙冠、根管填充、充填物、桥、种植体和牙套。	计算机视觉	口腔疾病	NA	Faster R-CNN	图像（全景X光片）	2,434张匿名全景X光图像	NA	Faster R-CNN 与 ResNet-50 特征金字塔网络	mAP@0.5, 平均召回率，精确度	笔记本电脑工作站（具体GPU型号未提供）
2171	2026-08-23	Multicenter External Validation of an AI-Based Funduscopic Carotid Atherosclerosis Score and Assessment of Its Association With Coronary Artery Calcification: External Validation Study 2026-Aug-19, JMIR medical informatics IF:3.1Q2 DOI:10.2196/77335 PMID:42616614	研究论文	在韩国多中心健康检查人群中外部验证人工智能眼底颈动脉粥样硬化评分，并评估其与冠状动脉钙化的关联。	对DL-FAS进行多中心外部验证，并首次探讨其与冠状动脉钙化的关联，以评估其反映全身动脉粥样硬化负担的能力。	未明确说明局限性。	外部验证DL-FAS的泛化性能，并评估其与冠状动脉钙化的关联，以揭示其反映全身动脉粥样硬化负担的潜力。	韩国健康检查人群中的视网膜眼底图像、颈动脉超声和冠状动脉钙化数据。	计算机视觉	动脉粥样硬化	深度学习	深度学习模型	图像	108,982名参与者	NA	NA	曲线下面积（AUC）、优势比（OR）	NA
2172	2026-08-23	Deep Learning-Based Automated Clinical Gait Assessment From Kinematic Data in People With Stroke: Development and Validation Study 2026-Aug-19, JMIR rehabilitation and assistive technologies DOI:10.2196/94031 PMID:42616771	研究论文	本研究开发和验证了一个基于深度学习的框架，利用运动学数据自动评估中风患者的步态，具体通过统计图卷积网络预测威斯康星步态量表项目。	提出了一种结合STAT-Attention头部模块的统计图卷积网络（STAT-GCN），首次将这种架构用于从穿戴式惯性测量单元获取的运动学数据中自动预测威斯康星步态量表项目，并与物理治疗学生评估者进行了比较。	样本量较小，威斯康星步态量表项目存在类别不平衡，且缺乏外部验证，因此性能需谨慎解读。	验证一种基于深度学习的框架，利用运动学数据自动化临床步态评估，以提高客观性和标准化。	51名偏瘫中风患者和18名健康对照者的步态运动学数据及威斯康星步态量表评分。	机器学习	中风	穿戴式惯性测量单元	图卷积网络	运动学数据	51名中风患者和18名健康对照者	NA	统计图卷积网络（STAT-GCN）	准确率, 平均绝对误差, 加权κ	NA
2173	2026-08-23	Liquid neural networks for adaptive DDoS detection in IoT and SDN environments 2026-Aug-19, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-67535-5 PMID:42618583	研究论文	本研究探索了液态神经网络在物联网和软件定义网络环境中进行自适应DDoS检测的应用，并通过多头注意力机制和三层液态时间常数层提高了检测性能	首次将液态神经网络应用于DDoS检测，利用其连续时间适应能力处理动态变化的网络流量，并结合多头注意力机制捕捉时间依赖性，同时采用基于动量迭代方法的对抗测试评估鲁棒性	未明确提及，但可能包括对特定数据集的依赖和实时部署中的计算开销	评估液态神经网络在动态变化的物联网和SDN环境中进行自适应DDoS检测的有效性和鲁棒性	物联网和SDN环境中的DDoS攻击流量	机器学习	NA	网络流量分析	液态神经网络	网络流量数据	使用了三个数据集：CICIoT2023、SNT SDN2025和IoT23	NA	液态时间常数层，多头注意力机制	准确率、精确率、召回率、假阳性率、假阴性率	NA
2174	2026-08-23	Deep learning for nanoscience scanning electron microscope image classification 2026-Aug-19, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-63864-7 PMID:42618704	研究论文	提出一个用于纳米结构扫描电子显微镜图像的多类分类框架，结合SMOTE与迁移学习解决类别不平衡问题	采用像素级和特征级两种SMOTE策略处理类别不平衡，并比较不同CNN架构和MLP的性能	未明确提及局限性	提高SEM图像中纳米结构分类的准确性和计算效率	纳米线、纤维和尖端（NFT）的SEM图像	计算机视觉	NA	扫描电子显微镜（SEM）	卷积神经网络（CNN）和多层感知器（MLP）	图像	未明确提及样本数量	未明确提及	SqueezeNet, ShuffleNet, GoogLeNet, ResNet50, MLP	准确率	未明确提及
2175	2026-08-23	MolDeTr: A Chemistry-Informed Deep Learning Model for Next-Generation Automated Analysis of 1H NMR Spectra 2026-Aug-18, Analytical chemistry IF:6.7Q1 DOI:10.1021/acs.analchem.5c03465 PMID:42610906	研究论文	MolDeTr是一种基于化学知识、源于检测变换器架构的深度学习模型，用于自动化分析一维质子核磁共振谱，统一完成峰拾取、多重峰识别以及提取化学位移、标量耦合常数、弛豫衰减时间和质子数等参数	MolDeTr是首个直接解决谱条件逆问题的深度学习模型，能从实测1D 1H NMR谱中提取自旋系统参数，无需已知分子结构或参考标准，且与现有结构条件方法相比，化学位移预测精度提高了1至2个数量级	文章摘要未提及局限性信息	实现全自动、可扩展的1D 1H NMR谱分析，消除迭代拟合和专家干预，加速分子结构解析和化学发现	单组分小分子的一维质子核磁共振谱，包含最多十组化学等价自旋（多重峰）	深度学习	不适用	核磁共振波谱法（NMR）	检测变换器（Detection Transformer）	一维质子核磁共振谱	多样化的实验1H NMR谱数据集，涵盖80至600 MHz基础频率的适度大小小分子	PyTorch	检测变换器（Detection Transformer）	中位绝对误差（MAE）用于化学位移和耦合常数，准确率用于质子数预测	未提及
2176	2026-08-23	Deep learning-based recognition of hand anatomical structures and traumatic lesions in surgical images: A proof-of-concept study 2026-Aug-18, Hand surgery & rehabilitation IF:0.9Q3 DOI:10.1016/j.hansur.2026.102761 PMID:42612821	研究论文	本研究提出了一种基于深度学习的语义分割方法，用于从手术图像中识别手部解剖结构和创伤性病变，并验证了其可行性。	首次将深度学习语义分割应用于手部手术图像中的精细解剖结构和创伤性病变识别，并创建了包含710张标注图像的数据集。	对于静脉、手术器械和指甲等代表性不足的结构，分割性能较低。	探索深度学习在手部手术图像中自动识别解剖结构和创伤性病变的可行性，为计算机视觉辅助手部手术提供初步步骤。	手部手术图像中的解剖结构（如肌腱、肌肉、动脉、神经）和创伤性病变。	计算机视觉	创伤性手部损伤	语义分割	DeepLabV3+	图像	710张标注图像，数据增强后为71,000张	NA	DeepLabV3+（ResNet-50编码器）	Dice分数、混淆矩阵分析	NA
2177	2026-08-23	Consistency of feature attribution in deep learning architectures for multi-omics 2026-08-18, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-58312-5 PMID:42613353	研究论文	该研究评估了SHAP方法在多视图深度学习模型应用于多组学数据时特征归因的一致性，并提出了改进可靠性的方法。	首次系统性地评估了SHAP在多视图深度学习框架下的特征排名一致性，并提出了基于随机森林和聚类质量的替代稳健性评估方法。	研究仅限于人类宿主细胞响应数据集，且深度学习模型的超参数选择可能影响归因结果。	评估SHAP在多组学深度学习模型中的特征归因一致性，提出提高识别重要生物分子可靠性的方法。	人类宿主细胞响应多组学数据，包括基因表达、蛋白丰度等。	机器学习	不适用	多组学测序	多视图深度学习	表格数据	未明确	未明确	多视图深度学习架构	准确度、聚类质量	未明确
2178	2026-08-23	Robust PV fault diagnosis under data constraints using a hybrid vision transformer with cross-attention fusion and uncertainty-aware explainability 2026-Aug-18, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-66049-4 PMID:42613391	研究论文	提出一种混合视觉变换器框架HyViX-PV，通过交叉注意力融合和不确定性感知可解释性，实现鲁棒的光伏故障诊断	采用动态交叉注意力融合机制结合EfficientNet-B3和ViT-B/16，通过可学习的查询-键交互实现自适应特征优先化；结合蒙特卡洛dropout进行不确定性量化，支持置信度感知和选择性预测弃权；多粒度可解释性管线集成Grad-CAM、注意力展开和融合权重分析	未明确提及	在数据稀缺、类别不平衡和模型不确定性校准不足的条件下，实现准确可靠的光伏故障诊断，提升系统可靠性和运营效率	太阳能光伏（PV）系统中的故障诊断	计算机视觉、机器学习	NA	NA	混合模型（CNN + Vision Transformer）	图像	未明确提及，但使用五折交叉验证、锁定测试集和基于哈希的数据泄漏预防方法	PyTorch	EfficientNet-B3, ViT-B/16	准确率、宏F1分数	NA
2179	2026-08-23	Predicting ki-67 expression in breast cancer via transformer and multiple instance learning on DCE-MRI 2026-Aug-17, Cancer imaging : the official publication of the International Cancer Imaging Society IF:3.5Q1 DOI:10.1186/s40644-026-01100-1 PMID:42618942	研究论文	本研究开发并比较了基于DCE-MRI的Transformer和多重实例学习深度学习模型，用于无创预测乳腺癌Ki-67表达水平	创新性地提出了结合切片级预测特征的MIL模型（使用PLH和BoW技术）以及基于Transformer的融合模型，通过自注意力机制捕捉切片间全局上下文关系，优于传统影像组学和临床模型	未在摘要中明确提及局限性	探索并比较基于DCE-MRI的先进深度学习模型，以实现对Ki-67表达的无创、精准术前预测	308例经组织学确诊的乳腺癌患者的术前DCE-MRI数据	医学影像分析	乳腺癌	DCE-MRI	Transformer, 多重实例学习(MIL)	医学影像（DCE-MRI）	308例患者	未明确提及	Transformer, MIL（结合PLH和BoW）	AUC, 准确率, 敏感度, 特异性	未明确提及
2180	2026-08-23	Validation of tumour-negative lymph node size as a novel independent prognostic biomarker in oesophagogastric adenocarcinoma: post hoc analysis of the UK MRC OE05 and ST03 randomised trials 2026-Aug-12, ESMO open IF:7.1Q1 DOI:10.1016/j.esmoop.2026.108348 PMID:42585971	研究论文	本研究通过分析两个III期随机试验的切除标本，验证了肿瘤阴性淋巴结大小作为食管胃腺癌独立预后生物标志物的有效性。	首次在独立人群中验证了肿瘤阴性淋巴结大小作为食管胃腺癌的预后生物标志物，并发现其与肿瘤位置和炭末色素负荷相关。	研究基于回顾性分析，且未深入探讨淋巴结增大的机制，需要进一步的功能研究。	验证肿瘤阴性淋巴结大小作为食管胃腺癌独立预后生物标志物的有效性。	来自OE05和ST03试验的1367例食管胃腺癌患者的切除标本。	数字病理学	食管胃腺癌	组织学染色、自动分割和深度学习模型	深度学习模型	组织切片图像	1367例患者（OE05：652例；ST03：715例）	NA	NA	风险比、置信区间、P值	NA