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
2241	2026-08-23	Few-shot deployment of pretrained MRI transformers in brain imaging tasks 2026, Frontiers in artificial intelligence IF:3.0Q2 DOI:10.3389/frai.2026.1771088 PMID:41994558	研究论文	本研究提出了一种针对脑部MRI任务的预训练Transformer小样本部署框架，通过MAE预训练和混合架构提高了分类与分割性能	提出了MAE-FUnet混合架构，融合预训练MAE嵌入与多尺度CNN特征，以及冻结编码器加轻量线性头的分类方法，实现了小样本场景下的最优性能	研究主要局限于MRI模态和脑部成像任务，尚未验证在其他医学影像或更广泛领域的适用性	开发一个实用框架，实现预训练MRI Transformer在各种脑部成像任务中的小样本部署	脑部MRI图像，包括分类和分割任务，涉及NACC、ADNI、OASIS、NFBS、SynthStrip和MRBrainS18数据集	数字病理学, 机器学习	神经系统疾病	MRI成像, 深度学习预训练	Transformer (Masked Autoencoder), CNN	医学图像 (MRI切片)	超过3100万张2D切片图像	PyTorch	MAE, MAE-FUnet, CNN (用于特征提取)	准确率, Dice系数, IoU值	未明确提及，推断为GPU集群
2242	2026-08-23	Advances in ultrasound for preoperative molecular subtyping of malignant breast tumors 2026, Frontiers in oncology IF:3.5Q2 DOI:10.3389/fonc.2026.1774951 PMID:41994636	综述	本综述总结了超声在乳腺恶性肿瘤术前分子分型中的最新进展，涵盖常规超声特征分析、弹性成像、对比增强超声、微血管成像、放射组学和深度学习，并强调方法学严谨性、可解释性和临床转化	系统整合了定量血管、机械和计算表型在术前分子分型中的应用，并提出了迈向临床部署的路线图，包括标准化采集、前瞻性多中心评估、不确定性感知和可解释的人工智能以及多模态整合	参考标准异质性、单中心回顾性设计、类别不平衡以及有限的外部验证是主要障碍，且分子分型的可分离性应视为操作标签的概率性判别而非生物学决定论，机制起源仍需放射病理/放射基因组学验证	综述超声技术用于乳腺恶性肿瘤术前分子分型的最新进展，并强调方法学严谨性、可解释性和临床转化	乳腺恶性肿瘤患者，包括管腔A型、管腔B型、HER2富集型和三阴性亚型	医学影像	乳腺癌	超声成像（包括B模式、弹性成像、对比增强超声、微血管成像）、放射组学	机器学习模型	超声图像、微血管成像数据、弹性成像数据	NA	NA	NA	NA	NA
2243	2026-08-23	Visceral adipose tissue inflammation in endometrial cancer 2026, Cancer treatment and research communications DOI:10.1016/j.ctarc.2026.101273 PMID:42308582	研究论文	本研究探讨子宫内膜癌患者内脏脂肪组织中的脂肪细胞大小和冠样结构与脂肪分布、肥胖相关合并症及肿瘤特征的关系	首次在子宫内膜癌患者中结合深度学习算法分析CT图像与脂肪组织病理特征，揭示脂肪组织功能障碍与肥胖相关代谢并发症的关联	回顾性研究，样本量有限，且未评估脂肪组织炎症对肿瘤微环境的直接影响	探究内脏脂肪组织功能障碍（脂肪细胞肥大和冠样结构）与肥胖、合并症及肿瘤特征的相关性	90例子宫内膜癌患者，含73例网膜活检样本和术前CT影像	医学影像分析	子宫内膜癌	计算机断层扫描（CT）	深度学习模型	医学影像（CT）和病理图像	90例患者（其中73例有网膜活检）	NA	NA	相关性系数（r），p值	NA
2244	2026-08-23	Feature integration of [18F]FDG PET brain imaging using deep learning for sensitive cognitive decline detection 2026, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0341995 PMID:42479708	研究论文	本研究提出一种数据高效的深度学习框架，整合PET体素级和区域级特征，用于敏感检测认知衰退。	通过直接拼接整合CNN/PCANet提取的体素级特征和DNN处理的区域级特征，提高了认知衰退检测的准确性。	未提及具体限制。	提高认知衰退（包括早期阿尔茨海默病）的检测准确性，并增强临床实用性。	认知衰退患者和认知正常个体，共252名受试者。	医学影像分析	阿尔茨海默病，认知衰退	正电子发射断层扫描（PET）	CNN, PCANet, DNN	图像（PET脑影像）	252名受试者（118名CN，134名CD）	NA	CNN, PCANet, DNN	准确率，召回率，F1分数	NA
2245	2026-08-23	Recent advances in biomarkers, artificial intelligence, and targeted therapeutic strategies in breast cancer: Current progress and future perspectives 2026, Cancer treatment and research communications DOI:10.1016/j.ctarc.2026.101344 PMID:42542076	综述	本文综述了乳腺癌在生物标志物、人工智能辅助诊断和现代治疗策略方面的最新进展，旨在改善精准医学和患者预后	全面整合了常规和新兴生物标志物、AI技术以及多种新型治疗策略（如CDK4/6抑制剂、PARP抑制剂、CRISPR/Cas9基因编辑和纳米技术药物递送系统）在乳腺癌中的应用进展	未提及具体局限性	总结乳腺癌生物标志物、AI辅助诊断和现代治疗策略的最新进展，以促进精准医学发展	乳腺癌的生物标志物、AI诊断技术及相关治疗策略	数字病理学	乳腺癌	人工智能、机器学习、深度学习、医学影像、多模态分析、CRISPR/Cas9、纳米技术	机器学习、深度学习	医学影像、多模态数据	不适用	不适用	不适用	不适用	不适用
2246	2026-08-23	An segformer-mix vision transformer-based GIST segmentation in fused CT-PET images 2026, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0355109 PMID:42616723	研究论文	本文提出了一种基于Segformer和Mix Vision Transformer（MViT）的两阶段深度学习模型，用于融合CT-PET图像中的胃肠道间质瘤（GIST）分割。	创新性地结合DIF-Net进行CT和PET图像融合与Segformer配合MViT编码器进行肿瘤分割，有效捕捉局部和全局特征，提高分割性能。	文中未明确提及局限性，可能涉及计算复杂度高或依赖多模态数据获取。	提高GIST肿瘤分割的准确性和效率，减少手动标注的主观性，改善诊断质量。	胃肠道间质瘤（GIST）的CT和PET融合图像。	计算机视觉, 医学影像分析	胃肠道间质瘤	CT成像, PET成像, 图像融合	深度学习模型, Transformer	图像（CT和PET融合图像）	未在标题和摘要中提供具体样本数量，可能包括多例GIST患者的CT-PET图像。	NA	DIF-Net, Segformer, Mix Vision Transformer (MViT)	平均交并比（IoU），像素准确率，Dice系数，PSNR，SSIM，MI，UIQI，边缘保持	NA
2247	2026-08-23	TimeRecipe: A Time-Series Forecasting Recipe via Benchmarking Module Level Effectiveness 2026, ... International Conference on Learning Representations PMID:42621651	研究论文	提出TimeRecipe，一个统一基准测试框架，在模块级别系统评估时间序列预测方法，并通过超过10,000个实验揭示设计选择与预测场景的关联	首次在模块级别对时间序列预测方法进行系统性基准测试，而非仅在高层次比较模型，以提供设计有效性的深入见解	未提供具体限制信息	评估时间序列预测中不同模块（如序列分解或归一化）在多种条件下的有效性，并提供模型推荐工具	时间序列预测模型中的各个设计组件	机器学习	NA	NA	深度学习模型	时间序列数据	NA	NA	NA	NA	NA
2248	2026-08-23	MambaGCN-SMI: Protocol state machine inference framework based on Mamba and GCN 2026, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0354921 PMID:42623360	研究论文	提出了一种基于Mamba和GCN的非交互式协议状态机推断框架，用于从协议交互中自动提取和简化状态图	采用双级Mamba编码器提取深层语义特征，结合聚类和状态转移条件熵构建初始有向状态图，并通过图卷积网络进行数据驱动的自适应状态合并与简化	未提及具体限制，但可能受限于数据集规模和协议类型的覆盖面	解决现有非交互式协议状态机推断方法在特征表示能力、阶段间信息融合和自适应简化策略方面的不足，实现高精度、自适应的私有协议状态机推断	多种网络协议（TCP、HTTP、SMTP、Modbus、DNP3）的交互数据	机器学习	NA	NA	Mamba, GCN	协议交互数据	多协议数据集，包含TCP、HTTP、SMTP、Modbus和DNP3协议	NA	Mamba, GCN	预测准确率、行为覆盖率、节点F1分数、边F1分数	NA
2249	2026-08-23	Use of machine learning to detect Escherichia coli in drinking water in Bangladesh 2026, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0343606 PMID:42623399	研究论文	本研究评估了九种经典机器学习模型和一种深度学习模型在孟加拉国饮用水中检测大肠杆菌的性能，并比较了不平衡和平衡数据集下的预测效果	利用2019年孟加拉国多指标聚类调查数据，比较多种机器学习模型在不平衡和平衡数据集下检测饮用水中大肠杆菌的性能，并使用聚合层次聚类识别热点区域和SHAP值进行特征选择	研究仅使用了2019年的横断面调查数据，且未详细说明模型在外部验证集中的表现	评估机器学习工具在孟加拉国饮用水中检测大肠杆菌的性能，并识别高风险区域	孟加拉国家庭饮用水样本中的大肠杆菌污染情况	机器学习	水传播疾病	NA	AdaBoost, 决策树, 梯度提升算法, k近邻, LightGBM, 逻辑回归, 朴素贝叶斯, 随机森林, 支持向量机, 深度学习多层感知器	结构化调查数据	6069份家庭饮用水样本	NA	AdaBoost, 决策树, 梯度提升算法, k近邻, LightGBM, 逻辑回归, 朴素贝叶斯, 随机森林, 支持向量机, 多层感知器	准确率, 精确率, 召回率, F1分数, Cohen Kappa系数, 曲线下面积, 小提琴图	NA
2250	2026-08-23	LEXF-ATT-XLM: A hybrid lexicon-enhanced attention model for hate speech detection in low-resource language Roman Urdu 2026, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0354875 PMID:42623405	研究论文	提出了一种新颖的混合深度学习架构LEXF-ATT-XLM，用于罗马乌尔都语中的仇恨言论检测，该架构将上下文语言建模与领域知识相结合	结合XLM-RoBERTa、BiGRU、多头注意力和可学习门控融合，并创新性地在多任务学习框架中加入领域特定的罗马乌尔都语仇恨词典作为辅助回归监督信号	未提及	提升低资源语言罗马乌尔都语中仇恨言论检测的性能，处理词汇变体、否定和拼写不规范等语言挑战	罗马乌尔都语仇恨言论数据集RU-HSD-30K	自然语言处理	NA	深度学习	XLM-RoBERTa, BiGRU, Multi-head Attention	文本	需具体数据（RU-HSD-30K，具体样本数量未提供）	NA	XLM-RoBERTa, BiGRU, Multi-head Attention, Linear+tanh 门控层	准确率, 加权F1分数	NA
2251	2026-08-23	An integrated multimodal model for early prediction of high-risk recurrence phenotype indicative of poor disease-free survival in stage IA NSCLC: a multicenter study 2026, Frontiers in immunology IF:5.7Q1 DOI:10.3389/fimmu.2026.1915946 PMID:42625643	研究论文	开发并验证了一种结合临床、放射组学和病理组学特征的多模态模型，用于术前预测I A期非小细胞肺癌的高危复发表型，该表型与较差的无病生存期相关。	首次将早期融合的多模态模型应用于I A期非小细胞肺癌，整合临床、CT影像组学和基于病理全切片图像的深度特征（使用UNI基础模型），以提高高危复发表型的预测准确性。	多中心回顾性研究，样本量相对较小，可能导致模型泛化能力受限。	术前预测I A期非小细胞肺癌的高危复发表型，以指导早期个体化治疗决策。	342例I A期非小细胞肺癌患者，来自三个独立医疗中心。	医学影像分析	非小细胞肺癌	病理全切片图像（WSI）和CT影像分析	多模态模型	病理图像、CT影像和临床数据	342例患者（来自三个中心）	PyTorch（推断）	UNI基础模型（用于病理特征提取）	AUC	未指定
2252	2026-08-23	Multimodal deep learning for prediction of postoperative recurrence in clear cell renal cell carcinoma: a clinical-radiologic-pathologic approach 2026, Frontiers in oncology IF:3.5Q2 DOI:10.3389/fonc.2026.1831252 PMID:42625638	研究论文	本研究开发并验证了一种整合临床、影像和病理多模态数据的深度学习系统，用于预测透明细胞肾细胞癌患者术后5年复发风险	首次提出结合放射组学、深度学习和深度特征放射组学的多模态融合模型，以预测透明细胞肾细胞癌术后复发	回顾性多中心研究，样本量有限，可能影响模型的普适性	开发并验证一种高效整合多模态数据（临床、影像、病理）的多种类系统，以识别高风险术后复发患者	透明细胞肾细胞癌患者	医学影像分析, 深度学习	透明细胞肾细胞癌	放射组学, 深度学习, 深度特征放射组学	ResNet34	临床数据、影像数据、病理数据	270名透明细胞肾细胞癌患者，其中215名用于模型开发/验证，55名用于独立测试	NA	ResNet34	AUROC	NA
2253	2026-08-23	Towards cross-center head and neck cancer detection: a multi-level domain alignment exploration 2026, Frontiers in artificial intelligence IF:3.0Q2 DOI:10.3389/frai.2026.1882547 PMID:42625972	研究论文	提出一种多层级域泛化框架MDA-Net，用于跨中心头颈癌CT检测，以应对不同医院间扫描仪、协议和患者群体的差异。	设计了多层级域泛化策略，整合输入级、特征级和优化级的技术，无需目标域数据参与推理，保持隐私和计算效率。	性能提升有限，仍需进一步优化以适应更多样化的目标域。	开发一种稳健的、跨中心的头颈癌检测方法，提高泛化能力。	头颈癌CT扫描数据，来自三家医院的1081例病例。	计算机视觉	头颈癌	CT成像	3D ResNet-18	CT图像	1081例来自三家医院的CT扫描数据	PyTorch	ResNet-18	AUC, ACC	未提及
2254	2026-08-23	Artificial intelligence for precision malaria control: transforming surveillance, prediction, and intervention strategies 2026, Frontiers in digital health IF:3.2Q2 DOI:10.3389/fdgth.2026.1879638 PMID:42626220	观点文章	本文探讨了人工智能在精准疟疾控制中的应用，涵盖监测、预测和干预策略，并强调其作为辅助工具而非唯一解决方案的作用。	提出将AI从被动报告转向预测性精准公共卫生，整合监测、预测和控制三个相互关联的领域，并强调本地化适应和需求驱动集成。	未提供具体实验数据或实证验证，主要基于观点分析，依赖现有文献和逻辑推理。	评估AI在疟疾控制中的潜力，推动从反应性监测转向预测性精准公共卫生，并指出实现该潜力的关键条件。	疟疾监测（病例检测、昆虫学监测、干预覆盖率）、预测（疫情爆发预测、空间风险映射）和控制（资源分层、干预优化）系统。	机器学习	疟疾	NA	机器学习模型、深度学习模型	临床、昆虫学、气象和流行病学数据	NA	NA	NA	准确性	NA
2255	2026-08-23	Mapping, dynamism, thematic evolution of the scientific production on Make up or Beauty products and cancer: A scientometric study 2026, Journal of education and health promotion IF:1.4Q3 DOI:10.4103/jehp.jehp_1260_25 PMID:42626611	研究论文	本研究通过科学计量学方法，对关于化妆品或美容产品与癌症关系的科学文献进行了映射、动态分析和主题演化分析	首次使用RAMIBS框架进行科学计量研究，并结合Scival和Bibliometrix工具，对2022-2024年间相关文献进行全面的主题演化分析	未明确提及局限性	描绘并分析关于美容产品使用与癌症发展关系的科学产出，识别其演化、合作动态和学术影响	科学文献（关于化妆品或美容产品与癌症关系的论文）	科学计量学	癌症	科学计量分析	NA	文本（文献元数据）	1996篇文献（2022-2024年）	R Studio（Bibliometrix包）、SciVal	NA	引用次数、合作作者数、国际合作比例	NA
2256	2026-08-22	Deep learning based on CD3 histological slides for prediction of colon cancer outcome: analysis of three international stage III colon cancer cohorts 2026-Dec-31, Oncoimmunology IF:6.5Q1 DOI:10.1080/2162402X.2026.2668797 PMID:42100890	研究论文	该研究开发了一种基于CD3组织学切片的深度学习模型，用于预测III期结肠癌患者的预后，并在三个国际队列中验证了其有效性	首次将深度学习模型应用于CD3染色切片的自动化分析，以改善III期结肠癌的预后预测，且不依赖于染色和扫描差异，具有鲁棒性和可重复性	未明确提及具体限制，但可能包括跨队列的性能变异性（如TC分析中外部队列p值不显著）以及模型依赖高质量CD3染色切片	开发并验证一个深度学习模型，用于自动化分析CD3组织学切片，以提升III期结肠癌的预后分层准确性	来自三个国际队列（PETACC08、PRODIGE-13和HARMONY）的1737例III期结肠癌患者的CD3染色组织学切片	数字病理学	结肠癌	组织学切片CD3免疫组化染色	卷积神经网络（CNN）	组织学图像（CD3染色切片）	1737例患者（来自PETACC08、PRODIGE-13和HARMONY三个国际队列）	NA	VGG19, UNI	无病生存期（DFS），p值	NA
2257	2026-08-22	Feasibility of predicting vertical cephalometric angles from panoramic radiographs using deep learning 2026-Sep, International orthodontics IF:1.8Q2 DOI:10.1016/j.ortho.2026.101156 PMID:41747359	研究论文	本研究探讨了利用深度学习从全景X光片中预测垂直头影测量角度的可行性，评估了多种卷积神经网络架构的性能	首次探索使用全景X光片而非侧位头影测量片来预测垂直骨骼角度，并采用了集成平均和Grad-CAM解释性分析	预测误差尚不足以替代传统的头影测量分析，需要更大数据集和外部验证	评估人工智能是否能够从全景X光片中准确预测垂直骨骼角度，以辅助正畸诊断和治疗规划	715名患者的侧位头影测量片和全景X光片	计算机视觉	口腔正畸疾病	X光影像	卷积神经网络（CNN）	图像	715名患者	未明确提及	EfficientNet-B3, DenseNet121/169, ResNet-50/101, VGG16/19	平均绝对误差（MAE）、决定系数（R²）、组内相关系数（ICC）	未明确提及
2258	2026-08-22	Habitat-informed MRI Radiomics and Deep Learning Fusion for Short-Term Survival Prediction in Patients with Glioblastoma: Exploratory Radiogenomic and Immune Correlates 2026-Sep, Academic radiology IF:3.8Q1 DOI:10.1016/j.acra.2026.04.035 PMID:42177147	研究论文	开发并外部验证了一种整合无监督生境影像组学和深度学习的术前多对比MRI堆叠模型，用于预测胶质母细胞瘤患者的短期生存，并探索转录组和免疫相关因素	首次将无监督生境影像组学与深度学习（3D ResNet-50）融合，采用两级堆叠集成策略，并在配对RNA测序队列中探索DLK1表达与免疫浸润的相关性	配对RNA测序队列规模较小，且转录组和免疫关联分析属于探索性研究，需进一步验证；模型在外部验证队列中的性能存在差异	开发并验证一种基于术前多对比MRI的融合模型，用于胶质母细胞瘤短期生存预测，并探究其潜在的生物学基础	胶质母细胞瘤患者（共468例，包括训练队列196例和三个外部验证队列66、185、21例）及其术前多对比MRI影像和配对RNA测序数据	数字病理学	胶质母细胞瘤	MRI影像组学、RNA测序	CNN（3D ResNet-50）、集成模型（堆叠）	多对比MRI图像、RNA测序数据	468例胶质母细胞瘤患者（训练：196例；外部验证1：66例；外部验证2：185例；外部验证3：21例）	NA	ResNet-50（3D）	AUC、决策曲线分析（净收益）	NA
2259	2026-08-22	Realization of long axial field-of-view PET technology in the clinic and research environment 2026-Sep-01, The British journal of radiology DOI:10.1093/bjr/tqag096 PMID:42046230	综述	本文讨论长轴向视野PET-CT技术在临床和研究环境中的实现方式，包括其技术优势、实际考虑、替代设计及深度学习应用	探讨了长轴向视野PET系统在临床和科研中的具体应用，以及如何利用深度学习进一步优化图像质量和扫描时间	未明确提及具体局限性，但可能涉及高成本和技术普及的挑战	阐述长轴向视野PET技术的临床实现和科研应用，并展望未来发展方向	长轴向视野PET-CT仪器及其在临床和科研中的应用	医学影像	不适用	PET-CT成像	深度学习模型	医学图像	不适用	不适用	不适用	不适用	不适用
2260	2026-08-22	Detecting Uniformity Artifacts in Ultrasound Transducers: Insights from Clinical Median Images and Deep Learning for Automatic Detection 2026-Sep, Journal of ultrasound in medicine : official journal of the American Institute of Ultrasound in Medicine IF:2.1Q2 DOI:10.1002/jum.70239 PMID:41919451	研究论文	本研究开发了一种基于临床中值图像和深度学习框架的超声换能器均匀性伪影自动检测方法，以提高质量控制效率。	首次利用临床中值图像（通过堆叠共配准灰度图像计算中值强度）训练深度学习模型，用于超声换能器均匀性伪影检测，并验证了其泛化能力。	未提及具体限制，如样本量大小、伪影类型覆盖范围或计算资源需求。	开发一个深度学习框架，用于自动检测超声换能器中的均匀性伪影，补充传统质量控制方法。	线性与曲线超声换能器，以及其采集的临床中值图像。	深度学习、医学影像分析	不适用（质量控制相关，非特定疾病）	临床中值图像生成（基于超声图像栈的中值计算）	ResNet-18（预训练模型微调）	灰度超声图像（临床中值图像）	训练/验证/测试集包含线性与曲线换能器图像；独立测试集为396张经过模型验证的图像。	未指定（可能使用PyTorch或TensorFlow，但未在摘要中提及）	ResNet-18	准确率、敏感性、特异性	未提及