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
2201	2026-01-21	A Comprehensive Framework for Uncertainty Quantification of Voxel-Wise Supervised Deep Learning Models in IVIM MRI 2026-Mar, NMR in biomedicine IF:2.7Q1 DOI:10.1002/nbm.70227 PMID:41555683	研究论文	提出一个基于深度集成和混合密度网络的概率深度学习框架，用于IVIM MRI中体素级监督模型的参数估计和不确定性量化	首次将深度集成与混合密度网络结合，实现总预测不确定性的分解为偶然性和认知性成分，并应用于IVIM MRI参数估计	在伪扩散系数参数上观察到轻微过度自信，且体内数据的高认知不确定性表明训练数据与真实采集条件存在不匹配	开发一个用于IVIM MRI参数估计的全面不确定性量化框架，以识别和解释不可靠的估计	IVIM MRI参数（扩散系数、灌注分数、伪扩散系数）	医学影像分析	NA	扩散加权MRI	深度集成,混合密度网络	合成数据,模拟数据,体内小鼠脑部数据集	NA	NA	混合密度网络	校准曲线,输出分布锐度,连续排名概率分数,稳健变异系数	NA
2202	2026-01-21	Nivolumab plus ipilimumab for potentially resectable hepatocellular carcinoma: Long-term efficacy and biomarker exploration 2026-Feb, Journal of hepatology IF:26.8Q1 DOI:10.1016/j.jhep.2025.08.035 PMID:40972843	研究论文	本研究评估了纳武利尤单抗联合伊匹木单抗在潜在可切除肝细胞癌患者中的长期疗效和安全性，并探索了治疗反应的预测性生物标志物	首次在潜在可切除肝细胞癌患者中探索纳武利尤单抗联合伊匹木单抗作为新辅助治疗的长期疗效，并通过基因组、转录组分析和免疫细胞谱分析揭示了三级淋巴结构形成与抗肿瘤免疫增强的关联	研究为单臂临床试验，缺乏对照组，样本量相对较小（43例患者），且患者群体中病毒性肝炎占主导，可能限制结果的普遍性	评估免疫检查点抑制剂联合疗法作为新辅助或围手术期治疗在肝细胞癌中的疗效和安全性，并探索治疗反应的生物标志物	潜在可切除的肝细胞癌患者	NA	肝细胞癌	基因组分析, 转录组分析, 免疫细胞谱分析, 光谱流式细胞术	深度学习算法	肿瘤组织样本, 外周血样本, 小鼠肝癌模型数据	43例患者（男性/女性：37/6；病毒性/非病毒性：41/2；巴塞罗那临床肝癌分期A/B/C：4/13/26），其中24例接受手术	NA	NA	客观缓解率, 4年无进展生存率, 4年总生存率, 主要病理学缓解率（>90%肿瘤坏死）	NA
2203	2026-01-21	Comparing prostate diffusion weighted images reconstructed with a commercial deep-learning product to a deep learning phase corrected model at 1.5 T 2026-Feb, Clinical imaging IF:1.8Q3 DOI:10.1016/j.clinimag.2025.110681 PMID:41297172	研究论文	本研究比较了商业深度学习产品与新型深度学习相位校正模型在1.5T场强下重建前列腺扩散加权图像的质量	提出了一种新型深度学习相位校正重建模型，在1.5T场强下相比商业深度学习产品能显著降低图像噪声并提高信噪比	研究样本量较小（仅30例患者），且为单中心回顾性研究，可能影响结果的普遍性	评估新型深度学习相位校正模型在提升前列腺扩散加权图像质量方面的效果	接受前列腺多参数磁共振成像的30例连续患者	医学影像分析	前列腺癌	扩散加权成像，多参数磁共振成像	深度学习模型	磁共振图像	30例患者	NA	深度学习相位校正模型	信噪比，表观扩散系数值，图像噪声评估，定性图像评分	NA
2204	2026-01-21	Quantification differences between supine and prone CT in interstitial lung disease 2026-Feb, Clinical imaging IF:1.8Q3 DOI:10.1016/j.clinimag.2025.110697 PMID:41418638	研究论文	本研究评估了间质性肺病患者仰卧位与俯卧位CT扫描在定量测量中的变异性和可重复性	首次系统比较了仰卧位与俯卧位CT在间质性肺病定量评估中的测量差异，并识别了影响体位间变异性的关键因素	研究为回顾性设计，样本仅来自单一机构，且未评估体位变化对临床决策的直接影响	评估俯卧位CT定量测量在间质性肺病评估中的可靠性与变异性	间质性肺病患者	数字病理学	间质性肺病	定量计算机断层扫描，深度学习软件分析	深度学习模型	CT图像	277名患者	NA	NA	组内相关系数，Bland-Altman分析，Pearson相关系数，Steiger's Z检验	NA
2205	2026-01-21	Global trends and collaboration networks in radiology: A bibliometric analysis of the 500 most-cited articles in web of science 2026-Feb, Clinical imaging IF:1.8Q3 DOI:10.1016/j.clinimag.2025.110700 PMID:41455150	研究论文	本研究通过文献计量学方法分析了Web of Science核心合集中被引次数最高的500篇放射学、核医学和医学影像学文章，以揭示全球研究趋势和合作网络	首次对放射学领域高被引文献进行大规模文献计量分析，识别了关键机构、国家、作者和新兴研究主题（如深度学习和人工智能）	分析仅基于被引次数最高的500篇文章，可能无法代表整个放射学研究领域的全貌；数据截止到2025年6月，可能无法反映最新动态	分析放射学、核医学和医学影像学领域的全球研究趋势、合作网络和新兴方向	Web of Science核心合集中被引次数最高的500篇放射学相关文章	医学影像学	NA	文献计量分析	NA	文献元数据	500篇高被引文章	Biblioshiny, VOSviewer 1.6.20, Python 3.13.3	NA	被引次数、平均被引影响、关键词出现频率	NA
2206	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
2207	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
2208	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
2209	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
2210	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
2211	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
2212	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
2213	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
2214	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
2215	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
2216	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
2217	2026-01-21	CT deep learning radiomics and genomics for predicting staging of epithelial ovarian cancer 2026-Jan-19, International journal of surgery (London, England) DOI:10.1097/JS9.0000000000004924 PMID:41556167	研究论文	本研究开发并验证了一种结合CT影像组学特征、深度学习特征和转录组学数据的模型，用于预测上皮性卵巢癌的分期	创新性地将CT影像组学、深度学习特征与转录组学数据相结合，构建多模态预测模型，并探索了与肿瘤微环境中免疫浸润模式的关联	样本量相对有限，且外部验证集来自公开数据库，可能影响模型泛化能力	开发并验证一种预测上皮性卵巢癌分期的多模态模型，以辅助个性化治疗策略制定	上皮性卵巢癌患者	数字病理学	卵巢癌	CT成像, RNA测序	逻辑回归	CT图像, 转录组学数据	训练集160例，内部验证集41例，外部验证集84例	NA	NA	AUC, 校准曲线, 决策曲线分析	NA
2218	2026-01-21	scPlantAnnotate: an accurate and robust transformer-based model for plant cell type annotation 2026-Jan-17, Journal of advanced research IF:11.4Q1 DOI:10.1016/j.jare.2026.01.035 PMID:41554477	研究论文	本文介绍了scPlantAnnotate，一种基于Transformer的植物单细胞RNA测序细胞类型注释模型，旨在解决现有工具在植物数据上的性能不足问题	开发了首个针对植物scRNA-seq数据的Transformer-based参考注释框架，并在多个植物物种上验证了其优越性能和鲁棒性	模型在留一数据集评估中性能仍会下降，表明对强批次效应和数据集异质性的处理仍有改进空间	开发并评估一个专门用于植物单细胞RNA测序数据注释的深度学习框架	拟南芥、玉米、水稻和大豆的植物单细胞RNA测序数据	自然语言处理	NA	单细胞RNA测序	Transformer	单细胞RNA测序数据	使用拟南芥、玉米、水稻和大豆的精选数据集	NA	Transformer	准确率, Macro-F1, 平衡准确率, Macro-AUROC	NA
2219	2026-01-21	Fetal Sleep: A Cross-Species Review of Physiology, Measurement, and Classification 2026-Jan-14, Sleep IF:5.3Q1 DOI:10.1093/sleep/zsag003 PMID:41530894	综述	本文首次整合了超过七十年的研究，提供了一个跨物种的胎儿睡眠生理学、测量与分类的统一综述	首次将跨物种研究整合为统一的胎儿睡眠综述，并探讨了从侵入性神经生理学到非侵入性监测及深度学习框架的方法学演变	缺乏统一的、临床验证的胎儿睡眠状态定义框架，限制了向常规产科实践的转化	整合跨物种证据，为开发客观、多模态、非侵入性的胎儿睡眠监测技术提供科学基础，以支持早期神经损伤检测和及时产前干预	人类胎儿及动物模型（如绵羊和狒狒）的胎儿睡眠	NA	NA	非侵入性监测，深度学习框架	NA	信号数据	基于171项研究，涉及胎儿睡眠相关生理学、睡眠状态分类或基于信号的监测	NA	NA	NA	NA
2220	2026-01-21	BOLD-GPCRs: A Transformer-Powered App for Predicting Ligand Bioactivity and Mutational Effects across Class A GPCRs 2026-Jan-14, Journal of chemical information and modeling IF:5.6Q1 DOI:10.1021/acs.jcim.5c01858 PMID:41532426	研究论文	本文介绍了BOLD-GPCRs，一个基于Transformer的深度学习框架，用于预测A类GPCRs的配体生物活性和突变效应	结合了Transformer蛋白质语言模型与密集神经网络分类器，通过迁移学习利用已知配体、受体序列和突变数据，提升了对A类GPCRs配体生物活性和突变效应的预测能力，尤其适用于数据有限的受体亚型	主要关注A类GPCRs，未涵盖其他GPCR类别；依赖于现有数据集的完整性和准确性	开发一个深度学习框架，以准确预测A类GPCRs的配体生物活性和突变效应，支持药物发现	A类G蛋白偶联受体（GPCRs）及其配体	自然语言处理	NA	深度学习，迁移学习	Transformer, 密集神经网络	序列数据（受体序列），配体生物活性数据，突变数据	NA	NA	Transformer, 密集神经网络	NA	NA