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
2361	2026-01-18	Predicting Immunotherapy Outcomes in NSCLC Using RNA and Pathology from Multicenter Clinical Trials 2026-Jan, Advanced science (Weinheim, Baden-Wurttemberg, Germany) DOI:10.1002/advs.202502037 PMID:41159493	研究论文	本研究开发了一个名为LIRA的基于RNA的模型，用于预测非小细胞肺癌患者的免疫治疗结果，并整合了病理图像分析	开发了新的多组学预测模型LIRA，其预测性能优于PD-L1表达和肿瘤突变负荷，并能识别与免疫治疗结果相关的关键基因（如LRP8和HDAC4）及病理图像中的关键区域	研究基于回顾性多中心临床试验数据，未来需要在前瞻性研究中进一步验证	预测非小细胞肺癌患者对免疫治疗的响应，识别可能无法获益的患者并探索联合治疗策略	晚期非小细胞肺癌患者	数字病理学	肺癌	bulk RNA-seq, scRNA-seq	随机森林, 深度学习模型	转录组数据, 全切片病理图像	1127名晚期NSCLC患者（来自OAK、POPLAR、ORIENT-11多中心随机临床试验及内部队列）	NA	NA	风险比, 95%置信区间	NA
2362	2026-01-18	Super Time-Resolved Tomography 2026-Jan, Advanced science (Weinheim, Baden-Wurttemberg, Germany) DOI:10.1002/advs.202511933 PMID:41164925	研究论文	本文介绍了一种名为超时间分辨断层扫描（STRT）的新方法，旨在通过深度学习算法提升X射线断层扫描的时间分辨率	STRT利用4D深度学习重建算法，从显著减少的角范围（几度）中重建高保真3D图像，相比传统断层扫描的0-180°，时间分辨率提升至少一个数量级	未在摘要中明确提及具体限制	提升X射线时间分辨断层扫描（断层摄影术）的时间分辨率，以支持原位和操作中的4D表征	液滴碰撞模拟和增材制造过程	计算机视觉	NA	X射线时间分辨断层扫描（断层摄影术）	深度学习	X射线断层扫描图像	NA	NA	NA	NA	NA
2363	2026-01-18	BoneVisionNet: A deep learning approach for the classification of bone tumours from radiographs using a triple fusion attention network of transformer and CNNs with XAI visualizations 2026-Jan, Computerized medical imaging and graphics : the official journal of the Computerized Medical Imaging Society IF:5.4Q1 DOI:10.1016/j.compmedimag.2025.102668 PMID:41325667	研究论文	本文提出了一种名为BoneVisionNet的深度学习架构，用于从X射线图像中自动分类骨肿瘤	首次应用三重融合注意力网络（结合Transformer和CNN）进行骨肿瘤分类，并集成了XAI可视化技术以增强模型决策的透明度	NA	开发一个准确且自动化的深度学习模型，以辅助医疗专业人员诊断骨肿瘤	骨肿瘤的X射线图像	计算机视觉	骨肿瘤	X射线成像	CNN, Transformer	图像	BTXRD数据集	NA	Convolution-Enhanced Image Transformer, Global Context Block, Attention Boosted Mid-Level Feature Extraction Network, DenseNet-169, Efficient Channel Attention	准确率	NA
2364	2026-01-18	Machine learning and deep learning in clinical practice: Advancing neurodegenerative disease diagnosis with multimodal markers 2026-Jan, Brain research bulletin IF:3.5Q2 DOI:10.1016/j.brainresbull.2025.111667 PMID:41338440	综述	本文综述了机器学习和深度学习在利用多模态生物标志物诊断和管理神经退行性疾病方面的当前应用、优势、局限性及未来方向	系统性地探讨了将ML应用于神经影像学、电生理学、行为功能、言语与笔迹分析及分子生物标志物等多模态数据以提升诊断准确性的新机遇，并展望了多模态融合、联邦学习、可解释AI和大语言模型等新兴方向	面临数据异质性、模型可解释性不足、人群多样性有限以及患者隐私相关的伦理问题等挑战	旨在审查ML在神经退行性疾病诊断与管理中的当前应用，并讨论其在临床实践中的未来方向	神经退行性疾病，包括阿尔茨海默病、帕金森病、亨廷顿病和多发性硬化症	机器学习	神经退行性疾病	NA	NA	多模态数据（神经影像、电生理、行为功能、言语与笔迹分析、分子生物标志物）	NA	NA	NA	NA	NA
2365	2026-01-18	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	本文综述了视网膜图像分析领域从卷积神经网络和全监督学习向无标签表示学习及视觉Transformer转变的最新进展	聚焦于无标签表示学习方法和视觉Transformer在视网膜图像分析中的应用，超越了传统卷积神经网络和全监督学习的局限	作为综述文章，未提出新的实验方法或模型，主要依赖现有文献进行总结	总结视网膜图像分析领域从监督学习向无标签表示学习及视觉Transformer转变的技术进展	视网膜图像分析技术	计算机视觉	视网膜疾病	NA	Transformer, CNN	图像	NA	NA	视觉Transformer	NA	NA
2366	2026-01-18	Simultaneous attenuation and scatter correction of PET data in the image: quantitative and clinical assessment of image-to-image deep learning models 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.2025.105683 PMID:41353875	研究论文	本研究使用深度学习模型（UNET和CGAN）将脑部PET/CT图像中的非衰减散射校正图像转换为测量衰减散射校正图像，以定量和临床评估其性能	首次在脑部PET图像中应用图像到图像的深度学习模型（UNET和CGAN）直接进行同时的衰减和散射校正，无需CT数据，并进行了全面的定量（包括放射组学特征）和临床评估	研究仅针对癫痫患者的脑部18F-FDG PET/CT图像，样本量为125例，可能限制了模型的泛化能力；未明确提及计算资源的具体配置	开发并评估深度学习模型，用于脑部PET图像的衰减和散射校正，以在CT不可用时提高图像质量	125名被诊断为癫痫障碍患者的脑部PET/CT（18F-FDG）图像	医学影像分析	癫痫	PET/CT成像，18F-FDG示踪剂	CNN, GAN	图像	125例患者	NA	UNET, CGAN	峰值信噪比, 结构相似性指数, 均方根误差	NA
2367	2026-01-18	Cerebellar subregional atrophy in relapsing-remitting multiple sclerosis: Stage-dependent dynamics and pharmacological modulation 2026-Jan, Brain research bulletin IF:3.5Q2 DOI:10.1016/j.brainresbull.2025.111679 PMID:41365399	研究论文	本研究探讨了复发缓解型多发性硬化症（RRMS）中不同疾病阶段小脑亚区体积变化的模式，并评估了不同疾病修饰疗法（DMTs）对小脑萎缩和临床结局的影响	揭示了RRMS中小脑萎缩的阶段依赖性动态变化，并首次系统评估了不同DMT类别对小脑亚区体积的异质性影响，识别出关键区域（如小叶IX和VIIIb）作为连接药物治疗与认知结局的潜在生物标志物	样本量相对有限（181名患者和99名健康对照），且研究设计为横断面分析，无法确定因果关系；DMT分组基于药理机制，但具体药物剂量和治疗持续时间未详细控制	研究RRMS中小脑亚区体积的阶段依赖性变化，并评估不同DMT类别对小脑萎缩和临床结局的影响	复发缓解型多发性硬化症（RRMS）患者和健康对照个体	数字病理学	多发性硬化症	基于深度学习的工具CerebNet用于小脑亚区体积量化	深度学习模型	医学影像数据（如MRI）	181名RRMS患者和99名健康对照	NA	CerebNet	p值（统计显著性），相关性分析	NA
2368	2026-01-18	The potential of a coronary artery-specific deep learning CT reconstruction algorithm for improvement in image quality of abdominal CT angiography with special reference to small arterial visibility 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.2025.105706 PMID:41411850	研究论文	本研究探讨了Precise IQ Engine (PIQE)在腹部CT血管造影中提升小动脉可视性的潜力	首次评估了冠状动脉专用的深度学习CT重建算法PIQE在腹部CTA中的应用，并比较了其与多种重建方法在图像质量和小动脉可视性方面的表现	临床研究样本量较小（仅5名肾捐献候选者），且仅评估了特定腹部小动脉的可视性，可能限制了结果的普遍性	评估PIQE算法在改善腹部CT血管造影图像质量，特别是小动脉可视性方面的效果	腹部CT血管造影图像，包括体模数据和临床患者数据	数字病理学	心血管疾病	CT血管造影，深度学习CT重建算法	深度学习模型	CT图像	体模数据和5名肾捐献候选者的临床数据	NA	Precise IQ Engine (PIQE)	调制传递函数(MTF)，噪声功率谱(NPS)，CT值标准差，可视性评分	NA
2369	2026-01-18	Statistical uncertainty-aware dual-path dilated convolution fusion framework for Monte Carlo dose denoising: Enhancing accuracy and efficiency in radiotherapy planning 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.2025.105700 PMID:41421253	研究论文	本研究提出了一种统计不确定性感知的深度学习框架，用于提高蒙特卡罗剂量去噪的准确性和效率	提出了一种结合统计不确定性图的双路径扩张卷积融合架构，首次在深度学习模型中显式整合统计不确定性信息以提升去噪性能	研究仅基于69个临床IMRT计划，且仅针对头颈、脑和肺三个肿瘤部位，未涵盖更广泛的肿瘤类型或治疗技术	提高放疗计划中蒙特卡罗剂量计算的准确性和计算效率	临床IMRT计划中的蒙特卡罗剂量分布	医学影像分析	头颈癌, 脑癌, 肺癌	蒙特卡罗模拟, 深度学习	CNN	图像	69个临床IMRT计划，涵盖头颈、脑和肺三个肿瘤部位，每个计划生成六个噪声水平	NA	双路径扩张卷积融合架构	平均剂量误差, Gamma通过率, 剂量体积直方图分析	基于GPU的蒙特卡罗引擎
2370	2026-01-18	Intrafractional rectum anatomy shape prediction based on 3D point cloud representation in online adaptive radiation therapy 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.2025.105705 PMID:41447749	研究论文	本研究开发了一种基于3D点云表示的生成模型SA-UNet，用于预测前列腺癌在线自适应放疗中的分次内直肠形状	开发了SA-UNet模型，这是最早用于分次内解剖形状预测的生成式AI模型之一，并基于3D点云表示进行直肠形状预测	研究为回顾性分析，样本量相对较小（42名患者），且仅针对前列腺癌患者，模型在其他癌症类型或更大样本中的泛化能力未验证	开发解剖结构生成模型以预测前列腺癌在线自适应放疗中的分次内直肠形状	42名接受在线自适应放疗的前列腺癌患者的临床数据，包括预处理和位置验证阶段的MRI扫描中提取的直肠形状	数字病理	前列腺癌	MRI扫描	生成式AI模型, 深度学习基线模型	3D点云	42名前列腺癌患者	NA	SA-UNet, MLP, PointCNN	CD（倒角距离）, EMD（地球移动距离）, JAC（杰卡德系数）	NA
2371	2026-01-18	Entropy-guided partial annotation for cross-domain rib segmentation 2026-Jan, Computerized medical imaging and graphics : the official journal of the Computerized Medical Imaging Society IF:5.4Q1 DOI:10.1016/j.compmedimag.2025.102689 PMID:41447887	研究论文	本文提出了一种基于熵引导的部分标注方法（EGPA），用于半监督肋骨分割，旨在减少标注工作量并解决跨域适应问题	提出了一种结合对比学习、主动学习和自训练策略的半监督方法，通过熵指标主动识别图像中最具信息量的区域进行标注，显著降低了专家在模型训练和跨域适应中的工作量	NA	开发一种半监督肋骨分割方法，以减少对大规模标注数据的依赖并应对跨域适应挑战	肋骨分割任务，涉及公共RibSegV2数据集（源域）和私有胸部CT肋骨分割数据集（目标域）	医学影像	NA	CT扫描	深度学习	图像	公共RibSegV2数据集和私有胸部CT肋骨分割数据集	NA	NA	Dice分数	NA
2372	2026-01-18	KWC-YOLO: An efficient YOLO architecture for lumbar spinal stenosis grading through dynamic convolution and spatially-aware gating 2026-Jan, Computerized medical imaging and graphics : the official journal of the Computerized Medical Imaging Society IF:5.4Q1 DOI:10.1016/j.compmedimag.2025.102685 PMID:41455412	研究论文	本文提出了一种名为KWC-YOLO的高效目标检测框架，用于根据Schizas分级标准自动检测和分类腰椎中央管狭窄的严重程度	模型在YOLOv11n架构基础上引入了三项核心创新：集成了参数高效的动态卷积机制KernelWarehouse以提升检测头的特征适应性；在骨干网络中引入了FasterGATE激活单元以增强非线性表示并加速收敛；以及采用了轻量级的Slim-Neck结构来优化特征融合质量与计算成本之间的权衡	未明确提及	开发一个高效的目标检测框架，用于自动检测和分类腰椎中央管狭窄的严重程度，以减轻放射科医生的解释负担并提高诊断准确性	腰椎中央管狭窄	计算机视觉	腰椎管狭窄症	磁共振成像	YOLO	图像	未明确提及	未明确提及	YOLOv11n, KWC-YOLO	平均精度, AP	未明确提及
2373	2026-01-18	Perturbations of whole-brain model reveal critical areas related to relapse of early psychosis 2026, Network neuroscience (Cambridge, Mass.) DOI:10.1162/NETN.a.502 PMID:41536425	研究论文	本文通过全脑建模结合解剖结构和功能MRI数据，研究了早期精神病复发相关的关键脑区	利用深度学习变分自编码器进行低维流形降维，结合模型扰动分析揭示与复发相关的脑区	样本量有限（196名参与者），且分类基于临床阶段，可能受主观因素影响	识别与早期精神病复发相关的关键脑区，以辅助治疗预测	196名参与者，包括不同精神病阶段的患者（首次发作、不完全缓解、缓解后复发等）	机器学习	精神病	MRI	VAE	图像	196名参与者	NA	变分自编码器	准确率	NA
2374	2026-01-18	Application and performance of deep learning models for the automated diagnosis of cervical central spinal stenosis on MRI: a systematic review 2026, Brain & spine DOI:10.1016/j.bas.2025.105902 PMID:41536514	系统综述	本文系统综述了深度学习模型在MRI上自动诊断颈椎中央椎管狭窄的应用与性能	首次系统性地评估了深度学习模型在自动诊断颈椎中央椎管狭窄方面的性能指标，并总结了当前研究的局限性和未来方向	纳入研究多为单中心回顾性研究，样本量小，外部验证稀缺，报告标准不一致，泛化能力不确定	评估人工智能模型在诊断颈椎中央椎管狭窄方面的性能指标	使用MRI诊断或分级颈椎中央椎管狭窄的人工智能模型研究	医学影像分析	颈椎中央椎管狭窄	MRI	CNN, Transformer	图像	NA	NA	ResNet-50, EfficientNet, Transformer	灵敏度, 特异度, AUC, 准确度	NA
2375	2026-01-18	Prediction of protein-protein interactions using point transformer and spherical Convex Hull graphs 2026, Computational and structural biotechnology journal IF:4.4Q2 DOI:10.1016/j.csbj.2025.12.008 PMID:41536689	研究论文	本文提出了一种结合蛋白质表面点云与几何图的深度学习框架PT-PPI，用于预测蛋白质-蛋白质相互作用	引入了无超参数的球形凸包方法构建稀疏且连接良好的几何图，并结合点Transformer网络与序列嵌入，提升了模型对蛋白质空间关系的利用能力	未明确讨论模型的计算复杂度或对大规模数据集的可扩展性限制	实现蛋白质-蛋白质相互作用的准确预测和大规模识别，以理解其生物机制和功能	蛋白质-蛋白质相互作用	机器学习	NA	几何深度学习	Point Transformer, GCN, GAT	蛋白质表面点云、序列数据	基于PINDER数据集进行评估，具体样本数量未明确说明	PyTorch（推断，因提及Transformer架构）	Point Transformer	未明确列出具体指标，但通过与其他模型（D-SCRIPT, GCN, GAT, Struct2Graph, SpatialPPIv2）比较展示性能提升	NA
2376	2026-01-18	Comment on "Deep learning in CT-based organ-at-risk delineation for pediatric flank irradiation": Methodological and clinical considerations 2026-Jan, Clinical and translational radiation oncology IF:2.7Q2 DOI:10.1016/j.ctro.2025.101065 PMID:41536764	comments	本文是对Ding等人关于深度学习辅助儿童侧腹放疗危及器官勾画研究的评论，指出了其方法学和临床分析上的局限性	提出了针对深度学习在放疗勾画应用中的关键方法学改进方向，包括透明化标注标准、整合概率模型、纳入剂量学终点和真实世界评估	作为评论文章，本身不包含原始研究数据或实验验证	评估和批判现有深度学习在放疗计划中自动勾画研究的科学严谨性与临床适用性	深度学习辅助的儿童侧腹放疗危及器官勾画方法	digital pathology	pediatric cancer	NA	deep learning	CT images	NA	NA	NA	Dice, HD95	NA
2377	2026-01-18	The impact of heart rate on echocardiographic measures of left ventricular function: novel insights facilitated by deep learning 2026-Jan, European heart journal. Imaging methods and practice DOI:10.1093/ehjimp/qyaf163 PMID:41536930	研究论文	本研究利用心房起搏和深度学习技术，探讨了心率对左心室功能超声心动图测量指标的影响	首次结合心房起搏和透明多步骤深度学习方法来全面、自动化地分析心率对左心室功能测量指标的影响，实现了快速、准确且可重复的分析	研究样本仅包括50名植入永久起搏器的参与者，可能限制了结果的普遍性；未探讨心率变化对特定心脏疾病患者的影响	探索心率与左心室整体纵向应变、射血分数、舒张末期容积和收缩末期容积等超声心动图测量指标之间的关系	50名植入永久起搏器的参与者	数字病理学	心血管疾病	超声心动图，心房起搏	深度学习	图像（超声心动图10次心跳电影循环）	50名参与者，共分析了10161个心动周期	NA	NA	可行性（97%），处理时间（每个心动周期1.3秒）	NA
2378	2026-01-18	A prior-sampling conditional variational autoencoder for neuroimaging normative modelling: Benchmarking deep learning against statistical approaches 2026, Imaging neuroscience (Cambridge, Mass.) DOI:10.1162/IMAG.a.1098 PMID:41537055	研究论文	本文提出了一种基于先验采样条件变分自编码器的神经影像规范建模框架，用于处理高维脑成像数据并量化个体偏差	通过先验采样推理直接从协变量生成预测，改进了现有cVAE方法在概率预测可靠性方面的不足，同时保持了规范建模原则	研究主要基于UK Biobank数据，可能受限于特定人群和成像特征，未全面评估其他神经疾病或协变量的适用性	开发一种深度学习框架，用于神经影像规范建模，以量化个体脑结构测量相对于协变量的偏差	UK Biobank中的8,551名正常血压参与者和18,180名高血压参与者	神经影像分析	高血压相关脑损伤	神经影像衍生表型分析	条件变分自编码器	脑成像衍生特征	26,731名参与者	TensorFlow, PyTorch	条件变分自编码器	准确性, 敏感性, 偏差量化	GPU
2379	2026-01-18	Deep Learning-Enhanced High-Precision Wind Field Concurrent Triboelectric Sensing 2026-Jan, Advanced materials (Deerfield Beach, Fla.) DOI:10.1002/adma.202514540 PMID:41055251	研究论文	本文开发了一种结合深度学习的磁涡流摩擦电传感系统，用于高精度、实时的风场监测	将摩擦纳米发电机与涡激振动结构、磁增强弹性元件耦合，并采用深度学习模型从多通道信号中提取时频域特征，实现了高精度风速风向预测及恶劣环境下的鲁棒运行	NA	为环境监测和分布式气象预报提供可靠、实时的风场传感解决方案	风场（风速和风向）	机器学习	NA	摩擦电传感，涡激振动	Transformer	多通道电信号（时域和频域特征）	NA	NA	Regression Transformer (ReT)	风速最大误差（0.69 m/s），预测误差（低于5%），风向误差（1°以内）	NA
2380	2026-01-18	Artificial Intelligence as a Catalyst for Advancements in Medical Virology 2026-Jan-01, Clinical laboratory IF:0.7Q4 DOI:10.7754/Clin.Lab.2025.250474 PMID:41543085	评论	本文探讨了人工智能（包括机器学习和深度学习）在医学病毒学中的关键作用，及其在基因组分析、诊断、治疗和流行病学建模方面的应用	强调了AI与量子计算和蛋白质语言模型等先进技术的结合，预示着病毒学进步的新时代	存在数据隐私、算法偏见和伦理困境等挑战	促进跨学科合作，利用AI的变革能力应对病毒感染，同时保持严格的伦理监督	病毒性疾病的研究与治疗	机器学习	NA	NA	NA	NA	NA	NA	NA	NA	NA