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
2221	2026-08-23	Deep learning-driven recognition of panoramic tumor microenvironment features in H&E sections and its application 2026-Apr-09, Journal for immunotherapy of cancer IF:10.3Q1 DOI:10.1136/jitc-2025-014429 PMID:41956540	综述	本文综述了深度学习驱动的H&E切片全景肿瘤微环境特征识别及其临床应用的最新进展	系统性地总结了深度学习在H&E切片中识别全景肿瘤微环境特征的技术进展，并讨论了其转化潜力和当前局限	当前技术在肿瘤学和临床应用中仍存在转化挑战和局限性，但具体细节未在摘要中详述	综述深度学习驱动的全景肿瘤微环境特征识别技术及其在肿瘤研究和临床应用中的价值	H&E染色的组织切片中的肿瘤微环境特征，包括肿瘤细胞、基质细胞、免疫细胞和血管网络	数字病理学	肿瘤	H&E染色、全切片成像	深度学习模型	病理图像	NA	NA	NA	NA	NA
2222	2026-08-23	The Application of a Deep Learning Algorithm for the Segmentation of Retinal Nerve Fiber Layer Across Different Optic Neuropathies 2026-Apr-06, Translational vision science & technology IF:2.6Q2 DOI:10.1167/tvst.15.4.7 PMID:41960956	研究论文	本研究开发并验证了一种名为RNFL-Net的深度学习算法，用于在不同视神经病变（包括青光眼和视盘水肿）的OCT扫描中自动分割视网膜神经纤维层，并与标准OCT设备相比提高了测量准确性。	提出了一种专门用于OCT B扫描中视网膜神经纤维层分割的深度学习算法RNFL-Net，该算法在预处理后自动去除血管，并在多种视神经病变中实现了比标准OCT设备更高的分割精度和厚度测量准确性。	研究中外部验证数据量较小（视盘水肿仅32例），且算法性能可能受限于特定OCT设备类型和扫描参数，仍需在不同设备和人群中进行更多验证。	评估深度学习算法在OCT扫描中自动分割视网膜神经纤维层的能力，以在青光眼和视盘水肿等视神经病变中提高厚度测量的准确性。	研究对象包括健康对照眼、视盘水肿眼和青光眼患者的视网膜OCT B扫描图像。	计算机视觉	青光眼, 视神经病变	光学相干断层扫描（OCT）	深度学习分割模型（RNFL-Net）	OCT图像	训练和验证集包含1065张OCT B扫描（来自106只健康眼、118只视盘水肿眼、60只青光眼），测试集265张，外部验证包含157例青光眼和32例视盘水肿。	NA	RNFL-Net（具体架构未在标题和摘要中指定）	Dice系数, 平均绝对误差（MAE）, 平均绝对百分比误差（MAPE）	NA
2223	2026-08-23	AI-powered surveillance of bronchiolitis in the Nirsevimab era: comparative performance of machine learning, deep learning, and large language models on free-text ED records 2026-03-10, BMC emergency medicine IF:2.3Q1 DOI:10.1186/s12873-025-01468-6 PMID:41807959	研究论文	本研究比较了机器学习、深度学习和大型语言模型在急诊电子健康记录自由文本中分类细支气管炎诊断的性能，并评估了官方ICD-9编码的准确性。	首次直接比较大型语言模型、深度学习和多种传统机器学习模型在Nirsevimab时代细支气管炎监测中的应用。	未明确说明研究的局限性，但可能受限于单中心数据和专家手动标注的主观性。	评估AI工具（包括ML、DL和LLM）在急诊电子健康记录自由文本中分类细支气管炎诊断的潜力，以及改进流行病学监测。	1岁以下婴儿的急诊电子健康记录，包括完整出院诊断字段。	自然语言处理	细支气管炎	自然语言处理（NLP）	随机森林、决策树、梯度提升机、线性判别分析、支持向量机、深度学习工具、GPT-5（大型语言模型）	文本数据（自由文本诊断记录）	28,557条记录（其中1,903条为细支气管炎）	NA	NA	平衡准确率、敏感性、F1分数、特异性	NA
2224	2026-08-23	A multi-metric evaluation of readability in psychiatric discharge summaries 2026-Mar-10, BioData mining IF:4.0Q1 DOI:10.1186/s13040-026-00528-2 PMID:41803909	研究论文	本研究对精神病学出院摘要的可读性进行了多维评估，比较了面向患者的出院指导与面向提供者的住院病程记录部分。	首次使用包含传统公式和深度学习模型（如ClinicalBERT、MedReadMe）的12种指标对精神病学出院摘要进行多维度可读性评估，并发现不同诊断组间的可读性差异及传统与神经指标间的分歧。	未明确提及局限性，但可能包括样本仅限于MIMIC-IV数据集，以及深度学习模型的可解释性限制。	评估精神病学出院摘要的可读性，并比较不同面向对象（患者vs提供者）及不同诊断组的文本复杂性。	精神病学出院摘要，包括出院指导和住院病程记录部分。	自然语言处理	精神疾病	NA	深度学习模型	文本	1745份出院摘要，其中880份配对包含两个部分。	NA	ClinicalBERT, MedReadMe	内部相关性，与MedReadMe和ClinicalBERT的相关性	NA
2225	2026-08-23	HyperDeepTAD: a topologically associated domains detection method based on multiway chromatin interaction data and deep learning 2026-Mar-09, BMC genomics IF:3.5Q2 DOI:10.1186/s12864-026-12738-3 PMID:41803713	研究论文	提出了一种基于多路染色质相互作用数据和深度学习的拓扑关联域检测方法HyperDeepTAD，通过超图保留高阶交互信息，利用动态卷积网络和BiGRU等结构捕捉局部特征，以获得更准确的TAD边界和层级结构。	首次利用多路染色质相互作用的超图表示，结合动态卷积网络和BiGRU来捕获高阶协同交互，超越传统Hi-C二元交互方法的局限性。	未明确提及局限性，但可能受限于数据可用性和计算复杂度。	开发一种更准确的TAD检测方法，以改善基因调控机制的理解。	拓扑关联域（TADs），基于多路染色质相互作用数据。	深度学习, 生物信息学	NA	多路染色质相互作用分析	深度卷积网络, BiGRU	染色质相互作用数据	NA	NA	动态卷积网络, BiGRU, 残差连接	边界富集度	NA
2226	2026-08-23	Multiphase CT-based deep learning radiomics nomogram models for preoperative WHO/ISUP grading of clear cell renal cell carcinoma: a two-center validation study 2026-03-09, BMC medical imaging IF:2.9Q2 DOI:10.1186/s12880-026-02268-5 PMID:41803747	研究论文	开发并验证了一种基于多期CT成像的深度学习放射组学列线图模型，用于术前预测透明细胞肾细胞癌的WHO/ISUP核分级。	将多期CT成像与机器学习相结合，整合了放射组学特征、深度学习特征和临床变量，并采用SHAP和Grad-CAM增强模型可解释性。	未在摘要中明确提及局限性。	开发一种非侵入性的术前工具，用于准确预测ccRCC的WHO/ISUP核分级，以辅助手术规划。	透明细胞肾细胞癌（ccRCC）患者。	医学影像分析、深度学习、放射组学	肾细胞癌	多期CT成像、放射组学、深度学习	深度学习模型、放射组学模型、列线图	CT图像、临床数据	1499例患者，分为训练队列（929例）、内部验证队列（398例）和外部验证队列（172例）。	未提及	DenseNet201	AUC、校准分析	未提及
2227	2026-08-23	DGM: deep graph clustering with mincut for analysis of single-cell transcriptomics 2026-Mar-09, BMC genomics IF:3.5Q2 DOI:10.1186/s12864-026-12694-y PMID:41803718	研究论文	提出深度图最小割（DGM）框架，用于单细胞转录组学的细胞类型聚类分析	联合优化高阶最小割损失、簇间正交性损失和重建约束，以捕捉复杂细胞群落并保持全局图结构	未在摘要中明确提及局限性	改进单细胞RNA测序数据的细胞类型识别聚类方法，克服当前图方法忽略高阶拓扑的局限	单细胞转录组数据（scRNA-seq）	机器学习	NA	单细胞RNA测序（scRNA-seq）	深度学习框架（自动编码器与图学习集成）	基因表达矩阵（单细胞转录组数据）	十个公共scRNA-seq数据集	NA	自动编码器与图神经网络结合	归一化互信息（NMI），调整兰德指数（ARI）	NA
2228	2026-08-23	Artificial intelligence and machine learning in non-small cell lung cancer: the current state of the science on multi-omic applications 2026-Mar-09, BMC medical research methodology IF:3.9Q1 DOI:10.1186/s12874-026-02821-4 PMID:41803732	综述	本文批判性综述了人工智能和机器学习在非小细胞肺癌多组学应用中的现状，涵盖临床验证、可解释性和伦理部署。	综合探讨了深度学习和集成方法在影像、基因组学及多模态整合中的应用，并强调超越传统诊断流程的潜力。	持久挑战包括数据集多样性不足、缺乏外部验证、模型可解释性和伦理问题。	评估AI/ML在NSCLC中的应用现状，倡导大规模跨学科合作以推进个性化医疗。	非小细胞肺癌的影像、基因组及多模态数据。	机器学习，数字病理学	肺癌	多组学技术（包括基因组学和影像学），具体技术如NGS等未详细说明，故标注为NA	深度学习模型，集成方法	临床、基因组和影像数据	NA（综述论文，未提及具体样本量）	NA（未提及具体框架）	深度学习和集成方法架构，具体如CNN、Transformer等未详细说明，故标注为NA	NA（综述未提及具体性能指标）	NA（综述未提及计算资源）
2229	2026-08-23	Preoperative prediction of perineural invasion in intrahepatic cholangiocarcinoma with interpretable machine learning based on MRI 2026-03, European journal of surgical oncology : the journal of the European Society of Surgical Oncology and the British Association of Surgical Oncology DOI:10.1016/j.ejso.2026.111450 PMID:41628547	研究论文	开发基于MRI的影像组学和深度学习的可解释模型，用于术前预测肝内胆管癌的神经周围浸润。	结合影像组学和深度学习，利用多期MRI数据，并通过Grad-CAM可视化增强模型可解释性。	未明确提及，但可能受限于样本量和回顾性设计。	开发并验证基于MRI的术前预测肝内胆管癌神经周围浸润的影像组学和深度学习模型。	肝内胆管癌患者	医学影像、深度学习、影像组学	肝内胆管癌	MRI（多期扫描）	深度学习模型（PNI-MambaNet）、影像组学模型	MRI图像	165例患者（中心1: 115训练，14验证，15内部测试；中心2: 21外部测试）	数坤AI平台	PNI-MambaNet	AUC	NA
2230	2026-08-23	A novel automated parathyroid glands detection and segmentation method in thyroidectomy 2026-Feb-13, BMC surgery IF:1.6Q2 DOI:10.1186/s12893-026-03590-z PMID:41680745	研究论文	提出了一种名为PG-AI的自动检测和分割甲状旁腺的新方法，用于甲状腺切除术中，以提高手术中的识别准确性和效率	基于YOLOX的定位子网和新型语义分割模型Trans-U-HRNet的创新结合，实现甲状旁腺的实时自动化检测和分割	文中未明确提及局限性	开发一种新的术中甲状旁腺识别方法，以提高甲状腺切除术中甲状旁腺的保存率	甲状旁腺的检测和分割	计算机视觉	甲状腺疾病	深度学习	YOLOX, Trans-U-HRNet	术中图像	976张图像来自121例患者，其中101例患者的图像按8:2随机分为训练集和内部验证集	NA	YOLOX, Trans-U-HRNet	准确率, 召回率, 识别率, 一致性	NA
2231	2026-08-23	X-SPATIO: An Explanatory Deep Learning Pipeline for the Prediction and Visualization of Spatially Resolved Biomarker Expression in Triple-Negative Breast Cancer 2026-Feb-11, bioRxiv : the preprint server for biology DOI:10.64898/2026.02.09.704587 PMID:41726881	研究论文	开发了X-SPATIO，一个基于深度学习的可解释性流水线，用于预测和可视化三阴性乳腺癌中空间分辨的生物标志物表达，通过H&E形态与空间转录组和蛋白质组数据关联。	将空间分辨的分子数据与常规组织学结合，采用多实例学习生成空间形态学注意力图，以解释预测并揭示形态-分子关联，突破了传统基于批量或聚焦面板预测的局限。	依赖GeoMx平台的空间数据，可能受限于平台成本和通量；训练样本数量和类型未明确说明，可能影响泛化性。	建立一种成本效益高的方法，通过常规H&E组织学图像推断空间生物标志物表达，支持三阴性乳腺癌的精准肿瘤学和生物学发现。	三阴性乳腺癌组织样本中的H&E染色区域和配对的空间转录组和蛋白质组数据。	计算病理学	三阴性乳腺癌	空间转录组学、空间蛋白质组学、H&E染色	多实例学习模型	组织图像、空间转录组表达数据、空间蛋白质组表达数据	未指定样本数量；使用来自GeoMx Digital Spatial Profiler的空间分辨数据	未指定，可能使用深度学习框架（如PyTorch或TensorFlow）	多实例学习架构，可能基于卷积神经网络（CNN），但未具体说明（如ResNet或Transformer）	AUC（范围[0.79, 0.97]）	未指定具体的GPU或计算资源
2232	2026-08-23	Motion-Informed 3D Deep Learning Reconstruction in Patients with Cognitive Impairment 2026-02-03, AJNR. American journal of neuroradiology DOI:10.3174/ajnr.A8977 PMID:41062184	研究论文	本研究验证了一种集成运动校正的深度学习重建方法，用于改善认知障碍患者的3D T1加权脑MRI图像质量	首次将回顾性运动校正集成到深度学习重建流程中，用于处理认知障碍患者的脑MRI运动伪影	未提及具体限制，但可能包括样本量较小、单中心或多中心验证不足等	验证一种集成运动校正的深度学习重建方法在3D T1加权脑MRI中的有效性	健康志愿者和认知障碍（记忆丧失评估）患者	医学影像	认知障碍	MRI（3D MPRAGE）	深度学习重建模型	MRI图像	41名参与者（15名女性，平均年龄58岁），154个图像体积	NA	NA	分割误差、图像质量评分（Likert量表）、运动伪影严重程度	NA
2233	2026-08-23	Clinical Validation of Deep Learning-Accelerated versus Wave-CAIPI Postcontrast 3D T1-MPRAGE for Evaluation of Intracranial Enhancing Lesions 2026-02-03, AJNR. American journal of neuroradiology DOI:10.3174/ajnr.A8992 PMID:41617400	研究论文	本研究前瞻性比较了深度学习加速的3D T1-MPRAGE与Wave-CAIPI加速序列在评估颅内强化病变中的诊断质量，结果显示DL序列非劣于Wave-CAIPI，且增强了对细微强化病变的显示。	首次将深度学习加速的3D T1-MPRAGE序列与Wave-CAIPI加速序列进行临床验证，用于颅内强化病变评估	研究为单中心、样本量有限，且未涉及所有可能的病变类型	评估深度学习加速的3D T1-MPRAGE序列在颅内强化病变评估中的诊断质量，比较其与Wave-CAIPI序列的非劣性。	接受对比增强脑MRI的门诊患者，共115例，包括肿瘤、血管病变和头痛等临床指征。	医学影像	颅内强化病变（包括肿瘤、血管病变等）	MRI（3T），深度学习重建	变分网络和改进的超分辨率算法	医学图像（3D T1-MPRAGE序列）	115例患者（68女/47男，平均年龄54±10岁）	NA	变分网络（6次迭代）和超分辨率算法	非劣性检验（15%界值），P值	NA
2234	2026-08-23	Accelerated Patient-specific Non-Cartesian Magnetic Resonance Imaging Reconstruction Using Implicit Neural Representations 2026-02-01, International journal of radiation oncology, biology, physics DOI:10.1016/j.ijrobp.2025.08.059 PMID:40915433	研究论文	开发了一种基于隐式神经表示（INR）的新型k空间生成对抗训练网络（k-GINR），用于加速非笛卡尔磁共振成像重建，并在肝脏数据集上验证其性能。	提出了k-GINR，一种两阶段的隐式神经表示网络，结合对抗训练，能够直接重建非笛卡尔k空间数据，适用于新患者，无需迭代优化，且在极高加速倍数下表现优异。	重建时间约为3分钟，虽快于NeRP和CS，但仍慢于Deep Cascade CNN（3秒），可能不适合实时应用。	开发一种能够快速、高质量重建非笛卡尔MR图像的深度学习方法，以加速磁共振采集。	非笛卡尔k空间重建，具体为StarVIBE T1加权肝脏数据（118个前瞻性采集扫描），包括线圈数据。	医学影像重建	NA	磁共振成像（MRI）	隐式神经表示（INR）	磁共振图像（非笛卡尔k空间数据）	118个患者扫描（肝脏数据）	PyTorch（推测）	生成对抗网络（GAN）结合INR	峰值信噪比（PSNR）	NA（未指定具体GPU型号）
2235	2026-08-23	Evaluation of the Diagnostic Accuracy of Cervical Cell Morphologies from Android Device-Captured Cytopathological Microscopic Images through Artificial Intelligence in Mainly Rural or Resource-Constraint Areas of India 2026-Feb-01, Asian Pacific journal of cancer prevention : APJCP DOI:10.31557/APJCP.2026.27.2.601 PMID:41660918	研究论文	本研究开发并评估了一个人工智能集成系统，用于自动检测和分类安卓设备拍摄的宫颈细胞病理显微图像，以在印度主要农村或资源受限地区实现宫颈细胞形态的快速、经济诊断	提出一个整合三种深度学习模型和一种机器学习模型的系统，专门用于从安卓手机或平板拍摄的巴氏涂片图像中自动检测和分类细胞，并在医院内部数据集上验证了其与活检金标准的相关性	研究仅基于292张医院内部巴氏涂片图像，样本量有限，且未详细说明模型在更广泛人群或多种设备上的泛化能力	开发并评估一种人工智能软件，用于自动检测和分类宫颈细胞形态，以在资源受限地区提供时间高效、成本效益高的宫颈癌诊断方法	宫颈细胞病理显微图像，包括医院内部巴氏涂片图像以及SipakMed和Herlev公开数据集	数字病理学	宫颈癌	显微成像	深度学习模型和机器学习模型	图像	292张医院内部巴氏涂片图像，以及SipakMed和Herlev公开数据集图像	NA	NA	精确度, 准确率, 交并比	NA
2236	2026-08-23	A toolkit for generating virtual brightfield images of histological and immunohistochemical stains from multiplexed data with AI-based channel selection and image enhancement 2026, Frontiers in bioinformatics IF:2.8Q2 DOI:10.3389/fbinf.2026.1765143 PMID:41878398	研究论文	介绍了一个从多重成像数据生成虚拟明场图像的通用框架，包括基于物理的染色模型、通道选择策略和深度学习增强模型，以减少额外组织制备和配准需求	首次提出结合物理染色模型、查找表或大型语言模型辅助的通道选择策略，以及深度学习上采样和去噪模型的通用虚拟明场图像生成框架，并验证了大型语言模型在通道选择中的一致性能	未明确提及局限性	开发一种从多重成像数据生成高质量虚拟明场图像的通用方法，以减少额外组织制备和图像配准需求，并保持可量化和诊断质量	多重成像数据（包括质谱流式成像和荧光多重成像）中的细胞和组织	计算病理学	不适用	多重成像（质谱流式成像、荧光多重成像）	深度学习模型（具体类型未指定，但包含上采样和去噪）	图像	未明确提及	未明确提及	未明确提及（为深度学习上采样和去噪模型）	类似于真实明场图像的质量、可量化性和诊断质量	未明确提及
2237	2026-08-23	Automated deep learning based detection of cellular deposits on clinically used ECMO membrane lungs 2026, Frontiers in bioinformatics IF:2.8Q2 DOI:10.3389/fbinf.2026.1771574 PMID:41993244	研究论文	开发一种基于深度学习的自动化工具，用于检测临床使用中的ECMO膜肺上细胞沉积物	提出了一种定制化的荧光显微镜工作流程，结合半自动迭代标注策略生成高质量训练数据集，并采用Mask R-CNN与ResNet 101骨干及空洞卷积，在重叠和低强度细胞核分割上优于传统U-Net方法	未明确说明局限性，但可能受限于三维空心纤维结构中不规则沉积物的复杂性	实现ECMO膜肺上核沉积物的自动化检测和定量分析，以支持对ECMO并发症机制的研究	临床使用过的ECMO膜肺空心纤维垫上的细胞核沉积物	数字病理学	心血管疾病	荧光显微镜	实例分割模型（Mask R-CNN）	图像	未明确说明样本数量，但涉及膜肺空心纤维垫的荧光显微镜图像	NA	Mask R-CNN，ResNet 101，U-Net（用于比较）	细胞核计数准确性和面积准确性	NA
2238	2026-08-23	Circulating tumor cell detection in cancer patients using in-flow deep learning holography 2026, Npj biosensing DOI:10.1038/s44328-026-00084-z PMID:41993926	研究论文	介绍了一种基于流式深度学习全息术的循环肿瘤细胞检测系统，结合微流体富集和双模态成像，实现对癌症患者血液中CTCs的高灵敏度和特异性检测	集成惯性微流体预处理与双模态成像（全息与荧光），采用深度学习模型提供形态学置信度，并与免疫荧光标准结合，提高检测准确性	初步研究样本量较小，需要进一步大规模验证	旨在提高循环肿瘤细胞检测的灵敏度和特异性，以支持早期癌症检测、预后和疾病监测	循环肿瘤细胞（CTCs）在晚期前列腺癌患者和健康对照者的血液样本中的应用	数字病理学、计算机视觉	前列腺癌	数字全息显微镜、微流体富集、深度学习	深度学习模型	全息图像、荧光图像	13例晚期前列腺癌患者，8例健康对照	未提及	未提及具体架构	假阳性率（患者水平为1细胞/mL），CTC计数	未提及
2239	2026-08-23	A multimodal deep learning-based model for posture asymmetry recognition and sports injury risk prediction in adolescent table tennis athletes 2026, Frontiers in physiology IF:3.2Q2 DOI:10.3389/fphys.2026.1800522 PMID:41994050	研究论文	本研究开发了一种多模态深度学习框架，用于识别青少年乒乓球运动员的姿势不对称并预测运动损伤风险	通过跨模态注意力机制、加权图卷积网络和时间卷积网络整合视频RGB序列、骨骼关键点轨迹和运动学参数，实现了姿势不对称的自动识别和损伤风险分层	属于前瞻性生物力学风险分层而非纵向验证的损伤发生预测，且未在纵向数据上验证预测准确性	开发智能评估系统，用于青少年乒乓球运动员训练监控和损伤预防	青少年乒乓球运动员的姿势不对称和运动损伤风险	计算机视觉	运动损伤	多模态深度学习	图卷积网络、时间卷积网络	视频RGB序列、骨骼关键点轨迹、运动学参数	TTStroke-21数据集	NA	跨模态注意力机制、加权图卷积网络、时间卷积网络	准确率、F1分数	NA
2240	2026-08-23	Application of machine learning and deep learning in the diagnosis and treatment of inguinal hernia: a narrative review 2026, Frontiers in medicine IF:3.1Q1 DOI:10.3389/fmed.2026.1743178 PMID:41994435	综述	本文综述了机器学习和深度学习在腹股沟疝诊断和治疗中的应用，涵盖疾病预测、医学影像分析和手术导航等方面	系统性地总结了机器学习和深度学习在腹股沟疝诊治中的进展，并探讨了生成式人工智能在医学咨询中的潜力	生成式人工智能的准确性和可靠性需进一步验证，且综述未提供定量性能比较	为腹股沟疝的临床实践和技术创新提供参考	腹股沟疝患者及相关临床数据	机器学习	腹股沟疝	NA	机器学习模型、深度学习模型、生成式人工智能	医学图像、视频、临床数据	NA	NA	深度神经网络	预测准确性等（未具体列出）	NA