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	2026-05-03	Beyond convolutions and supervised learning with transformers and representation learning for retinal image analysis 2026-Jan, Progress in retinal and eye research IF:18.6Q1 DOI:10.1016/j.preteyeres.2025.101419 PMID:41352580	综述	综述了视网膜图像分析中从卷积神经网络到视觉变换器和表示学习的范式转变	聚焦于无标签方法，如表示学习和视觉变换器，作为卷积神经网络的替代方案，并涵盖半监督学习、自监督学习、基础模型、视觉-语言模型和多模态模型的最新进展	可能未深入探讨具体应用案例的技术细节或比较不同方法的性能差异	总结视网膜图像分析领域在无标签方法和视觉变换器方面的最新进展	视网膜图像分析的技术和方法	计算机视觉	眼部疾病	NA	变换器	图像	NA	NA	视觉变换器	NA	NA
2242	2026-05-03	Systematic review and meta-analysis of AI-driven MRI motion artifact detection and correction 2026-Jan, Physica medica : PM : an international journal devoted to the applications of physics to medicine and biology : official journal of the Italian Association of Biomedical Physics (AIFB) DOI:10.1016/j.ejmp.2025.105704 PMID:41442850	系统综述与荟萃分析	对人工智能驱动的MRI运动伪影检测与校正方法进行系统性综述和荟萃分析	首次对深度学习生成模型在MRI运动伪影校正方面的有效性进行系统性评价和荟萃分析	模型泛化性有限、依赖配对训练数据、存在视觉失真风险，缺乏标准化数据集和报告协议	评估AI方法在MRI运动伪影检测与校正中的发展现状、有效性和未来研究方向	深度学习模型（特别是生成模型）用于MRI运动伪影的检测与校正	机器学习	NA	MRI	深度学习生成模型	图像	NA	NA	生成模型	图像质量指标	NA
2243	2026-05-03	Regional patch-based MRI brain age modeling with an interpretable cognitive reserve proxy 2026-Jan, Pattern recognition letters IF:3.9Q2 DOI:10.1016/j.patrec.2025.11.027 PMID:41908685	研究论文	提出一种基于局部补丁的MRI脑年龄建模方法，并结合可解释的认知储备代理指标	使用双侧补丁的3D CNN集成框架增强解剖特异性，并通过认知评估构建认知储备代理指标（CR-Proxy），量化对年龄相关脑变化的抵抗力	NA	开发可解释、解剖特异的脑年龄预测模型，并提供临床可用的认知储备代理工具	健康对照者、阿尔茨海默病和轻度认知障碍患者	计算机视觉	阿尔茨海默病	MRI	3D卷积神经网络	图像	大型多队列健康对照数据集，独立样本包含阿尔茨海默病和轻度认知障碍患者	NA	3D CNN	NA	NA
2244	2026-05-03	Differences in the impact of leisure consumption spaces on urban residents' life satisfaction: An empirical analysis based on social media big data 2026, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0347699 PMID:42060636	研究论文	基于社交媒体大数据，利用深度学习方法分析休闲消费空间对城市居民生活满意度的影响	利用多源大数据和深度学习模型（Feature Tokenizer Transformer）系统评估不同休闲消费空间类型对生活满意度的相对重要性	未明确提及局限性	探究不同城市休闲消费空间如何影响居民生活满意度	城市休闲消费空间（餐饮、娱乐、个人护理、零售、体育）	自然语言处理、机器学习	NA	NA	Feature Tokenizer Transformer	文本数据（大众点评和微博签到数据）	NA	NA	Feature Tokenizer Transformer	NA	NA
2245	2026-05-03	PriMAT: Robust multi-animal tracking of primates in the wild 2026, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0347669 PMID:42060682	研究论文	提出PriMAT方法，用于野外环境中非人灵长类动物的鲁棒多目标跟踪，基于边界框而非关键点进行检测和追踪	采用边界框代替关键点进行动物跟踪，显著简化数据标注并增强鲁棒性；单阶段模型兼顾检测、跟踪和个体识别	文中未明确提及局限性	开发一种能够在复杂野外条件下（背景变化、光照多变、运动复杂、遮挡）准确跟踪和识别非人灵长类动物的方法	非人灵长类动物（阿萨姆猕猴、红额狐猴、巴巴里猕猴、几内亚狒狒、黑猩猩、大猩猩）	计算机视觉	NA	基于边界框的目标检测与跟踪	单阶段目标检测与跟踪模型	视频和单张图像	数百帧标注的边界框图像	NA	PriMAT	跟踪鲁棒性、个体识别准确率（84%）	NA
2246	2026-05-03	Geometry-Guided Local Alignment for Multi-View Visual Language Pre-Training in Mammography 2026, Medical image computing and computer-assisted intervention : MICCAI ... International Conference on Medical Image Computing and Computer-Assisted Intervention DOI:10.1007/978-3-032-04978-0_29 PMID:42063811	研究论文	提出一种几何引导的局部对齐方法，用于多视图乳腺X光影像视觉语言预训练	首次利用乳腺X光成像的多视图几何先验知识，通过全局与局部、视觉-视觉和视觉-语言的联合对比学习，实现跨视图局部对齐和细粒度特征学习	NA	改进乳腺X光影像视觉语言模型的预训练，提升对多视图几何关系的建模能力	乳腺X光影像及对应的影像报告	计算机视觉	乳腺癌	乳腺X光摄影	视觉语言模型	图像与文本	NA	NA	NA	NA	NA
2247	2026-05-03	DualFusionNet: A fusion-based dual architecture for visual quality control on fabric surfaces 2026, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0346708 PMID:42054394	研究论文	提出一种融合CNN与Transformer的双架构模型DualFusionNet，用于拉链表面视觉质检	首次将CNN的局部特征提取与Transformer的全局关系建模结合，通过AFPN和SE模块实现特征融合，提升拉链缺陷检测的准确性	未提及模型的泛化能力验证及在多样化生产环境中的鲁棒性测试	提高拉链缺陷检测精度，通过整合局部与全局特征实现自动化质检	拉链表面缺陷	计算机视觉	NA	深度学习	CNN, Transformer	图像	NA	NA	DualFusionNet	准确率, 平衡准确率	NA
2248	2026-05-03	A hybrid CNN-Transformer network integrating multiscale spatially detailed features for medical image segmentation 2026, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0345549 PMID:42054482	研究论文	提出一种混合CNN-Transformer网络，融合多尺度空间细节特征用于医学图像分割	提出并行CNN和Swin Transformer编码器，并设计语义与细节融合模块（SDI）来有效整合多尺度特征，在轻量级框架下实现局部和全局特征的互补	未提及具体局限性	提高医学图像分割的准确性和效率，尤其在资源受限环境中的临床部署	医学图像中的复杂解剖结构，如腹部多器官和主动脉血管树	计算机视觉	NA	深度学习	CNN-Transformer混合模型	图像	两个公开数据集：Synapse多器官分割数据集和主动脉血管树数据集	PyTorch	CNN, Swin Transformer, SDI模块	Dice系数, Hausdorff距离	NA
2249	2026-05-02	Deep learning assessment of nativeness and pairing likelihood for antibody and nanobody design with AbNatiV2 2026-12-31, mAbs IF:5.6Q1 DOI:10.1080/19420862.2026.2646361 PMID:41947016	研究论文	提出AbNatiV2，一种基于深度学习的抗体和纳米抗体天然性与配对可能性评估方法	1）扩展序列数据库并改进架构，提升纳米抗体天然性分类性能；2）引入p-AbNatiV2跨注意力模型，利用噪声对比训练学习VH/VL配对概率	未明确讨论模型在不同物种或极端突变场景下的泛化能力	评估抗体和纳米抗体的天然性及配对可能性，支持抗体工程和从头设计	抗体和纳米抗体序列（包括VH-VL配对和单域纳米抗体）	机器学习	NA	深度测序	VQ-VAE, Transformer, 跨注意力模型	序列数据	每个模型在超过2000万条序列上训练，p-AbNatiV2在370万对人类配对序列上微调	PyTorch	VQ-VAE + Transformer, 跨注意力模型	分类准确率, 配对评分, 残基级人源化评分	NA
2250	2026-05-02	Monitoring horse behaviour with deep learning models 2026-Dec-31, The veterinary quarterly DOI:10.1080/01652176.2026.2665442 PMID:42048054	研究论文	利用深度学习模型监测马的行为，通过卷积神经网络识别站立、躺卧和饮水行为	首次使用深度学习模型从连续视频中自动识别马匹的站立、躺卧和饮水行为，并展示其在福利监测中的应用潜力	躺卧行为的召回率较低（63.1%），且仅针对单一马匹在木制马厩中的行为进行研究，未涉及更不常见的行为识别	评估深度学习模型在非侵入式监测马匹行为中的有效性	马的行为（站立、躺卧和饮水）	计算机视觉	NA	视频数据	卷积神经网络（CNN）	视频	一匹马，连续29天记录	NA	卷积神经网络（CNN）	精确率, 召回率	NA
2251	2026-05-02	Systematic evaluation of machine learning models for clinical risk prediction on real-world hospital datasets 2026-May-15, iScience IF:4.6Q1 DOI:10.1016/j.isci.2026.115654 PMID:42063551	研究论文	系统评估了10种机器学习模型在8个真实世界临床风险预测数据集上的表现	首次对经典机器学习、表格深度学习和自动机器学习三大范式进行临床风险预测领域的系统性基准测试，并识别出CatBoost和TabPFN为最优模型	未说明局限性	为临床风险预测提供模型选择的实证指导	10种机器学习模型（包括CatBoost、TabPFN、AutoGluon等）	机器学习	NA	NA	梯度提升决策树、表格深度学习、自动机器学习	表格数据	8个真实世界临床风险预测数据集	NA	CatBoost、TabPFN、AutoGluon	区分度、校准度、临床效用	NA
2252	2026-05-02	Plantar Thermogram Analysis Using Deep Learning for Diabetic Foot Risk Classification 2026-May, Journal of diabetes science and technology IF:4.1Q2 DOI:10.1177/19322968251316563 PMID:39980256	研究论文	利用热成像和深度学习对糖尿病患者进行足部溃疡风险分层	首次将热成像与深度学习结合用于糖尿病足风险分类，并优先提高筛查灵敏度以识别高风险足部	样本量较小（仅153张热图像），且数据集存在类别不平衡（正常图像远多于异常图像）	开发一种基于热成像和深度学习的非侵入性筛查方法，用于糖尿病足溃疡风险分层	成年糖尿病患者	计算机视觉，机器学习	糖尿病足	热成像	卷积神经网络（CNN）	图像	153张足底热图像（98张用于训练，55张用于测试）	NA	NA	准确率，灵敏度，特异性，马修斯相关系数	NA
2253	2026-05-02	A Tutorial on MRI Reconstruction: From Modern Methods to Clinical Implications 2026-May, IEEE transactions on bio-medical engineering DOI:10.1109/TBME.2025.3617575 PMID:41042661	教程	概述磁共振成像重建的基本原理并介绍先进方法，从传统的手工先验方法到结合学习与手工先验的深度学习方法，同时探讨这些方法的转化方面和临床意义	系统性地介绍了MRI重建从经典方法到深度学习方法的演进，并提供了配套的Python工具箱以演示所选方法	未明确提及局限性，但教程性质可能意味着缺乏对新方法的广泛验证和比较	介绍MRI重建的基本原理和最新进展，并探讨其临床转化前景	MRI图像重建方法，包括传统方法和深度学习方法	机器学习和图像重建	NA	MRI	深度学习方法（如CNN等）	MRI图像	NA	Python	NA	NA	NA
2254	2026-05-02	Deep learning-guided attenuation and scatter correction of 99mTc-MAA SPECT images: towards quantitative analysis in 90Y-SIRT 2026-May, Annals of nuclear medicine IF:2.5Q2 DOI:10.1007/s12149-025-02152-2 PMID:41489766	研究论文	开发深度学习模型，用于99mTc-MAA SPECT成像的无CT衰减校正和基于蒙特卡罗的散射校正，以提升90Y-SIRT治疗规划与剂量定量分析的准确性	首次将改进的3D Swin UNETR架构应用于SPECT图像的衰减与散射联合校正，实现CT-free方式且无需蒙特卡罗模拟，具有临床转化潜力	基于回顾性数据，未在真实临床环境中验证；模型性能可能受限于训练数据分布和患者异质性	通过深度学习模型实现SPECT图像的衰减与散射校正，支持90Y-SIRT的精准剂量学分析	222名接受90Y-SIRT前99mTc-MAA SPECT成像的患者	计算机视觉, 数字病理	NA	SPECT成像	深度学习	图像	222名患者	NA	Swin UNETR（改进型3D移位窗口UNet Transformer）	平均误差, 相对误差, 平均绝对误差, Gamma分析（距离一致性与剂量差异）	NA
2255	2026-05-02	Deep learning-based ROSC prediction and ECG phenotyping in out-of-hospital cardiac arrest 2026-May, Resuscitation IF:6.5Q1 DOI:10.1016/j.resuscitation.2026.111035 PMID:41794117	研究论文	开发基于深度学习的卷积神经网络模型，预测院外心脏骤停患者的自主循环恢复，并识别新的心电图表型	首次利用CNN同时预测ROSC和可电击心律，并通过聚类分析从特征表示中识别出五种具有不同ROSC概率的心电图表型	回顾性研究设计，可能受选择偏倚影响；仅使用韩国急救医疗服务数据，需外部验证；5秒心电图片段可能无法完全捕捉动态变化	开发深度学习模型预测院外心脏骤停患者的ROSC和识别新的心电图表型	院外心脏骤停患者的院前心电图信号	机器学习	心血管疾病	NA	卷积神经网络	ECG信号	3452名成年非创伤性院外心脏骤停患者	Keras, TensorFlow	一维卷积神经网络	AUC	NA
2256	2026-05-02	Quantification of Ki-67 labeling index in pediatric brain tumor immunohistochemistry images 2026-May-01, Journal of neuropathology and experimental neurology IF:3.2Q2 DOI:10.1093/jnen/nlaf163 PMID:41806389	研究论文	基于深度学习框架自动量化儿童脑肿瘤免疫组化图像中的Ki-67标记指数	首次将StarDist深度学习模型应用于儿童脑肿瘤全切片图像的Ki-67标记指数自动计算，并集成QuPath和Python后处理脚本生成细胞密度图和汇总表	研究未提及对罕见肿瘤亚型的验证，且基于单一数据集（CBTN）可能导致泛化性受限	为儿童脑肿瘤的Ki-67标记指数提供自动化定量分析框架，替代手动评分	儿童脑肿瘤全切片免疫组化图像中的Ki-67阳性与阴性细胞核	数字病理学	儿童脑肿瘤（髓母细胞瘤、室管膜瘤、胶质瘤等）	免疫组化染色	深度学习模型（StarDist）	全切片图像	632例儿童脑肿瘤病例，734张Ki-67全切片图像	QuPath, Python	StarDist	中位数标记指数、相关性分析P值	未明确说明
2257	2026-05-02	Association of Circulating T Cell and Tumor Microenvironment Profiles with Immune Checkpoint Blockade Outcomes in Sarcoma 2026-May-01, Clinical cancer research : an official journal of the American Association for Cancer Research IF:10.0Q1 DOI:10.1158/1078-0432.CCR-25-3419 PMID:41677857	研究论文	分析肉瘤患者循环T细胞和肿瘤微环境特征与免疫检查点抑制剂治疗结局的关联	首次结合外周血T细胞免疫分型与肿瘤微环境基因表达亚型，并应用深度学习自动分析H&E切片淋巴聚集物，提出多模态预测免疫治疗反应的生物标志物	H&E切片样本量较小（仅48例），且深度学习模型仅用于淋巴聚集物检测，未进一步整合多模态特征	探索肉瘤患者接受免疫检查点抑制剂治疗的反应和耐药生物标志物，以优化患者选择	肉瘤患者的外周血单个核细胞（PBMC）、肿瘤组织RNA测序数据及H&E染色切片	数字病理学	肉瘤	流式细胞术、RNA测序、深度学习	深度学习模型（用于自动分析H&E切片）	图像（H&E切片）、基因表达谱（RNA-seq）、细胞免疫分型数据	178例患者PBMC样本，67例肿瘤组织RNA-seq样本，48例H&E切片样本	NA	NA	总生存期、无进展生存期、缓解率	NA
2258	2026-05-02	Deep learning model for automated identification of ventrally positioned right hepatic artery in contrast-enhanced computed tomography of pediatric congenital biliary dilatation: development and clinical application 2026-May, Pediatric radiology IF:2.1Q2 DOI:10.1007/s00247-026-06588-0 PMID:41870581	研究论文	开发并验证基于YOLOv12的深度学习模型，用于在增强CT中自动识别儿童先天性胆总管扩张的腹侧走行右肝动脉	首次将YOLOv12模型应用于儿童术前CT图像中腹侧走行右肝动脉的自动识别，采用关键切片靶向策略，性能达到资深放射科医师水平	单中心回顾性研究，样本量相对有限，未进行外部验证	开发一种能够自动识别增强CT中腹侧走行右肝动脉的深度学习模型，提高儿童先天性胆总管扩张术前评估的安全性	儿童先天性胆总管扩张患者的腹侧走行右肝动脉	计算机视觉	先天性胆总管扩张	增强CT	YOLOv12	医学图像	232例先天性胆总管扩张患者（116例腹侧走行右肝动脉，116例对照），共1452张关键动脉期切片	PyTorch	YOLOv12n, YOLOv12s, YOLOv12m, YOLOv12l, YOLOv12x	精确率、召回率、F1分数、平均精度均值、受试者工作特征曲线下面积	NA
2259	2026-05-02	Spectral deep learning-based patient and bowtie scatter correction for clinical photon-counting CT 2026-May, Medical physics IF:3.2Q1 DOI:10.1002/mp.70442 PMID:42050788	研究论文	本研究提出一种基于光谱深度学习的患者与Bowtie散射校正方法，用于临床光子计数CT	首次在深度学习散射校正中利用光子计数CT的光谱信息，实现患者与Bowtie散射的联合校正，减少网络数量并降低计算成本	未明确提及具体限制，但依赖蒙特卡洛数据和临床PCCT系统验证，可能需进一步评估泛化性	探究光谱信息如何改进深度学习散射校正，并比较联合与单独校正Bowtie及患者散射的性能	光子计数CT中的散射伪影，包括患者散射和Bowtie散射	计算机视觉	NA	光子计数CT	神经网络	图像	使用蒙特卡洛模拟数据和临床PCCT系统实测数据，具体样本量未提及	NA	深度散射估计网络	平均绝对误差, 临界平均绝对误差	NA
2260	2026-05-02	Clinically Deployable Handwriting Biomarkers of Parkinson's Disease via Multiscale Attention and Bayesian-Genetic Optimization 2026-May, Brain and behavior IF:2.6Q3 DOI:10.1002/brb3.71457 PMID:42050861	研究论文	提出了一种结合多尺度注意力和贝叶斯-遗传优化的深度学习网络，用于基于手写特征检测帕金森病	首次将多尺度门控多头注意力机制与深度可分离卷积结合，并设计帕金森病专用贝叶斯-遗传优化方案来联合调优架构和训练超参数，同时利用SHAP超像素归因图提供临床可解释性	未提及外部验证数据集以外的泛化测试，且模型优化主要针对PaHaW数据集，可能需要更多样本人群验证	开发一种临床可部署的手写生物标志物深度学习模型，用于帕金森病的客观检测和风险分层	帕金森病患者和健康对照组的螺旋线、波浪线和迂回线手绘图画	计算机视觉	帕金森病	手写数字化采集（平板电脑）	卷积神经网络（多尺度门控多头注意力深度可分离卷积网络）	图像（统一RGB格式的手绘任务图像）	PaHaW数据集和独立HandPD数据集，具体样本量未在摘要中给出	NA	多尺度门控多头注意力深度可分离卷积网络（PD-MGMA-DSCNN）	准确率、ROC-AUC、精确率-召回率	NA