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
241	2026-10-08	Federated deep learning for stroke detection: a privacy-preserving, explainable CNN-LSTM framework 2026, Frontiers in neuroscience IF:3.2Q2 DOI:10.3389/fnins.2026.1847277 PMID:42835370	研究论文	该研究提出了一种联邦CNN-LSTM框架，用于基于MRI扫描的隐私保护性脑卒中分类，在三个非独立同分布客户端上实现了与集中式训练相近的诊断性能	将联邦学习、混合CNN-LSTM表示学习和模型可解释性（Grad-CAM）相结合，用于隐私保护性MRI脑卒中分类，在非独立同分布异构数据分布下验证了可行性	需要进行多中心验证和更大规模的联邦部署才能实现临床转化；联邦训练相比集中式训练损失了约0.75%的准确率	开发一种隐私保护的联邦深度学习框架，在不直接交换患者影像数据的前提下实现脑卒中的准确分类	脑卒中患者的MRI扫描图像	医学图像分析	脑卒中	MRI	CNN-LSTM	图像	3,125张私有MRI扫描图像，分布在三个非独立同分布客户端	NA	CNN, LSTM	准确率	NA
242	2026-10-08	Explainable growth stage classification of cacao (Theobroma cacao L.) leaves and key feature visualization using vision transformer and transfer learning 2026, Frontiers in plant science IF:4.1Q1 DOI:10.3389/fpls.2026.1885906 PMID:42835453	研究论文	本研究利用数字成像与深度学习技术，对可可（Theobroma cacao L.）叶片进行生长阶段分类，重点区分外观极为相似的D阶段（浅绿色）与E阶段（深绿色）叶片，并使用Vision Transformer模型实现高精度识别与关键特征可视化	将Vision Transformer与迁移学习相结合用于可可叶片生长阶段的细粒度分类，针对视觉差异极小的D阶段与E阶段叶片实现了高精度区分，并通过注意力图可视化揭示了中脉和初级侧脉区域对分类的关键贡献	研究仅使用了SCA 6基因型温室种植的可可叶片，样本量有限，未直接测量血管解剖结构、木质化程度、水力传导、韧皮部装载及源库状态等生物学机制，注意力图所揭示的判别区域仅为假设，需未来通过解剖学、组织化学和生理学验证，且未在其他基因型、田间种植植物、独立季节、染色批次、胁迫检测、物种鉴定或精准农业部署中进行外部验证	利用深度学习技术实现可可叶片生长阶段的客观、准确分类，区分视觉上极为相似的D阶段和E阶段叶片，并通过可解释性方法识别关键判别特征	可可（Theobroma cacao L.）SCA 6基因型的D阶段（浅绿色）和E阶段（深绿色）叶片	计算机视觉	NA	数字成像、透明化染色、Safranin O染色	Vision Transformer (ViT)、迁移学习	图像	15片独立测试叶片（整体水平），以及用于训练的叶片图像块（具体训练样本量未在摘要中明确）	NA	Vision Transformer (ViT)	准确率、召回率	NA
243	2026-10-08	Radiomics and deep learning for immune checkpoint inhibitor outcomes: imaging-derived immune phenotyping and clinical translation across solid tumors 2026, Frontiers in immunology IF:5.7Q1 DOI:10.3389/fimmu.2026.1931388 PMID:42835850	综述	本综述综合了放射组学和深度学习在实体瘤免疫检查点抑制剂治疗结果预测中的证据，探讨了成像衍生的免疫表型及其临床转化	系统性地整合了不同AI方法（手工放射组学、传统机器学习、CNN、Transformer、自监督学习、基础模型）在多种成像模态（CT、MRI、PET/CT）中的应用，并强调了将影像特征解释为非侵入性免疫表型的可能性，同时讨论了可解释AI、纵向成像、假性进展和超进展等关键问题	现有研究多为小样本回顾性队列，存在高维特征选择、数据泄漏、扫描仪和协议效应、治疗异质性、选择性报告、校准弱以及外部或前瞻性验证有限等问题	批判性综合实体瘤中放射组学和深度学习预测免疫检查点抑制剂治疗结果的证据，回答四个关键问题：不同AI方法提供的附加信息、影像特征能否解释为非侵入性免疫表型、方法学选择如何决定可重复性、以及临床转化所需的证据	实体瘤患者，主要涉及非小细胞肺癌、肝细胞癌和脑转移瘤	数字病理学	肺癌	NA	CNN, Transformer	图像	NA	NA	卷积神经网络, Transformer, 基础模型	NA	NA
244	2026-10-08	An integrated prognostic model incorporating clinical characteristics, multiparametric MRI radiomics, deep learning features, and intratumoral heterogeneity for glioma patients 2026, Frontiers in oncology IF:3.5Q2 DOI:10.3389/fonc.2026.1873715 PMID:42835908	研究论文	该研究开发了一个整合临床特征、多参数MRI影像组学、深度学习特征和肿瘤内异质性的胶质瘤预后模型	首次将深度学习、影像组学和肿瘤内异质性量化特征与临床特征进行系统整合，并采用两阶段LASSO-Cox回归实现特征级融合	融合带来的增量收益较为有限，且需要在更大规模的前瞻性队列中进行验证	开发并评估整合临床和多参数MRI衍生特征的胶质瘤预后模型，系统比较不同特征组合的预测性能	胶质瘤患者	数字病理学，医学影像分析	脑胶质瘤	多参数MRI（T1WI、T1CE、T2WI、T2-FLAIR、DWI、ADC），影像组学，深度学习，肿瘤内异质性量化	DenseNet121，LASSO-Cox回归，堆叠集成	多参数MRI图像，临床数据	训练集183例（UCSF-TCIA队列），独立测试集109例（重庆总医院）	NA	DenseNet121	C-index，Kaplan-Meier生存分析，时间依赖ROC曲线下面积（AUC），校准曲线，决策曲线分析（DCA）	NA
245	2026-10-08	ImPartial: Multi-channel Whole-Cell Segmentation using Partial Annotations 2026, Medical image computing and computer-assisted intervention : MICCAI ... International Conference on Medical Image Computing and Computer-Assisted Intervention DOI:10.1007/978-3-032-38224-5_56 PMID:42836051	研究论文	本文介绍了ImPartial，一个深度学习框架，通过稀疏涂鸦和有限监督在低标注情况下实现最先进的细胞分割性能，采用自监督多通道量化插补增强分割目标。	利用自监督多通道量化插补，引入自监督分类目标，更好地与分割目标对齐，无需完美像素重建即可实现准确分割。	未明确说明，但可能依赖于稀疏涂鸦标注的质量和数量，且未提及在更广泛数据集上的泛化能力。	在低标注情况下实现最先进的细胞分割性能。	病理图像中的细胞，包括多重细胞成像和单重临床明场免疫组化数据集。	数字病理学	NA	多通道量化插补，稀疏涂鸦标注	CNN	图像	NA	PyTorch	NA	NA	NA
246	2026-10-08	Paired Recipient-based Evaluation of Survival Prediction for Deceased Donor Kidney Transplants 2026, Proceedings of machine learning research PMID:42836069	研究论文	本文提出了一种基于配对受者的评估框架，用于比较接受同一已故供体肾脏的两名受者的移植结果，并评估五种生存预测模型在肾移植生存预测中的表现	提出了一种新颖的基于配对受者的评估框架，通过比较接受同一已故供体肾脏的两名受者的移植结果来评估更换受者的效果，并指出常用的C-index指标在该场景下的局限性，证明所提出的配对受者准确率指标更具临床相关性和实际分配意义	所有五种生存预测模型的配对受者准确率仅约为60%，且研究使用的是已故供体肾移植数据，可能无法推广到活体供体移植场景	探索使用生存预测模型对已故供体肾移植数据进行生存预测，并评估移植前供体-受者匹配以改善移植后结果的可能性	已故供体肾移植数据，来自美国移植受者科学登记处（SRTR）	机器学习	肾病	NA	NA	文本	NA	NA	NA	配对受者准确率	NA
247	2026-10-08	HepaKineticNet: Deep Learning of CT-Derived Intratumoral Heterogeneity for Overall Survival Prediction in BCLC Stage B-C Hepatocellular Carcinoma Treated with Locoregional Therapy Plus First-Line TKI and Anti-PD-1 Therapy 2026, Journal of hepatocellular carcinoma IF:4.2Q2 DOI:10.2147/JHC.S636207 PMID:42836110	研究论文	开发HepaKineticNet深度学习框架，利用多期对比增强CT建模肿瘤内异质性，并与临床变量融合预测接受局部区域治疗联合一线TKI和抗PD-1治疗的BCLC B-C期肝细胞癌患者的总生存期	提出HepaKineticNet框架，在nnU-Net骨干中集成空间动力学差异注意力模块，分别编码动脉期洗入和延迟期洗出动力学，并采用多尺度变异系数自监督学习生成肿瘤内异质性图	需要前瞻性验证；研究为回顾性设计；外部测试队列样本量有限	开发深度学习框架建模多期对比增强CT的期相间动力学，生成肿瘤内异质性图，并评估临床-影像组学融合模型对总生存期预测的改善效果	BCLC B-C期肝细胞癌患者	数字病理学, 计算机视觉	肝癌	多期对比增强CT, 影像组学	深度学习, Cox比例风险模型	图像, 临床数据	共454例患者（开发队列359例：231例训练、128例验证；外部测试队列95例）	NA	nnU-Net, 空间动力学差异注意力模块	C-index, 时间依赖AUC, 风险比, 95%置信区间, P值	NA
248	2026-10-08	Correction: Deep learning prediction of MSI/dMMR, EBV, HER2, PD-L1, and CLDN18.2 status directly from hematoxylin and eosin-stained slides in gastric and gastroesophageal junction adenocarcinoma: a systematic review 2026, Frontiers in oncology IF:3.5Q2 DOI:10.3389/fonc.2026.1999663 PMID:42840911	修正	该文章是对一篇关于深度学习预测胃和胃食管结合部腺癌中MSI/dMMR、EBV、HER2、PD-L1和CLDN18.2状态的系统综述的修正	NA	NA	NA	NA	数字病理学	胃癌	NA	NA	NA	NA	NA	NA	NA	NA
249	2026-10-07	Interpretable and Adaptive GAN-BiLSTM Approach for Cyber Threat Detection in IoMT-Based Healthcare 5.0 2026-Oct, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2025.3573097 PMID:40408219	研究论文	本文提出了一种可解释且自适应的基于深度学习的网络安全框架，结合GAN和BiLSTM用于IoMT医疗5.0中的网络威胁检测	整合GAN生成逼真样本来平衡数据集，采用BiLSTM捕捉时间模式和关键特征，并利用SHAP和PFI增强模型透明度和可解释性	仅在NSL-KDD数据集上进行了实验，未在其他数据集或真实医疗环境中验证	解决IoMT医疗5.0中网络安全威胁检测面临的数据不平衡和深度学习模型可解释性差的问题	IoMT医疗5.0中的网络威胁检测	机器学习	NA	NA	GAN, BiLSTM	网络流量数据	NSL-KDD数据集（具体样本数量未提及）	NA	GAN, BiLSTM	准确率, F1分数	NA
250	2026-10-07	DPGNet: A Boundary-Aware Medical Image Segmentation Framework via Uncertainty Perception 2026-Oct, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2025.3601025 PMID:40844947	研究论文	提出DPGNet，一个边界感知的医学图像分割框架，通过不确定性感知实现精确的边界划分	三阶段渐进式细化策略、新颖的边缘差异注意力模块、轻量级基于Transformer的架构	未提及	解决医学图像分割中精确边界划分的关键挑战	医学图像分割任务	计算机视觉	NA	深度学习	Transformer	图像	多样且具有挑战性的医学图像数据集	NA	Transformer	Boundary-IoU, HD95	NA
251	2026-10-06	Deep learning-based segmentation of abdominal aortic aneurysms and intraluminal thrombus in 3D ultrasound images 2026-Aug, Medical & biological engineering & computing IF:2.6Q3 DOI:10.1007/s11517-024-03216-7 PMID:39448511	研究论文	本研究使用nnU-Net模型在3D+时间超声图像中分割腹主动脉瘤和腔内血栓，并评估了不同训练策略和增强方法	首次使用nnU-Net在3D+时间超声图像中分割AAA和ILT，并比较了基于超声和基于CT注释的训练策略，探索了低对比度数据的最佳训练方法	管腔-ILT界面的可见性仍然是限制因素，需要改进图像采集以确保更广泛的患者纳入并实现AAA破裂风险评估	改进3D+时间超声图像中腹主动脉瘤和腔内血栓的分割精度	腹主动脉瘤患者	计算机视觉	心血管疾病	三维超声成像	CNN	图像	NA	NA	nnU-Net	DICE指数, Hausdorff距离, 直径差异	NA
252	2026-10-05	Combating antimicrobial resistance through multimodal data via artificial intelligence 2026-Dec, One health (Amsterdam, Netherlands) DOI:10.1016/j.onehlt.2026.101573 PMID:42827724	综述	本文批判性地综述了人工智能在抗微生物药物耐药性（AMR）中的应用，聚焦于快速诊断、治疗发现和临床决策支持	系统整合了深度学习、大语言模型和蛋白质语言模型在AMR研究中多模态数据应用的最新进展，并指出了从计算基准测试到真实世界验证的转化差距	证据仍不均衡，多数方法仅限于计算基准测试而非真实世界验证；AI诊断模型缺乏前瞻性临床评估；AI辅助药物发现和替代疗法多处于计算、体外或早期临床前阶段；大语言模型的临床使用仍处于初步阶段	综述人工智能在抗击抗微生物药物耐药性中多模态数据应用，重点关注快速诊断、治疗发现和临床决策支持，并探讨成功转化的要求	抗微生物药物耐药性（AMR）相关研究，包括耐药病原体鉴定、耐药谱预测、药物发现和临床决策支持	机器学习	抗微生物药物耐药性感染	多模态数据整合、深度学习、大语言模型、蛋白质语言模型	深度学习, 大语言模型, 蛋白质语言模型	多模态数据	NA	NA	NA	NA	NA
253	2026-10-05	Multichannel SSA decomposition in a hybrid SSA-N-BEATS framework for complex time series forecasting 2026-Dec, MethodsX IF:1.6Q2 DOI:10.1016/j.mex.2026.104169 PMID:42827925	研究论文	本文提出了一种混合SSA-N-BEATS框架，通过奇异谱分析（SSA）与N-BEATS神经网络结合，对复杂时间序列进行分解与预测，并在稳定期和结构性水平漂移期进行基准测试	提出了基于分解的基准测试框架，引入了去噪型和多通道两种SSA-N-BEATS流水线，并证明了混合模型的有效性依赖于时间序列的稳定性和结构性水平漂移	混合框架的有效性依赖于底层数据的稳定性，在结构性水平漂移期间性能可能下降	对复杂时间序列进行高分辨率预测，解决非线性行为、多重季节性和高频噪声带来的挑战	复杂时间序列数据	机器学习	NA	奇异谱分析（SSA）	N-BEATS	时间序列	NA	NA	N-BEATS	NA	NA
254	2026-10-05	AI-based techniques in sperm detection 2026-Nov-01, Current opinion in urology IF:2.1Q2 DOI:10.1097/MOU.0000000000001430 PMID:42464782	综述	本文综述了人工智能（AI）在精子检测中的最新进展，重点介绍了深度学习系统在睾丸组织和精液样本中提高精子检测速度和灵敏度的应用及其临床潜力	系统总结了AI辅助精子检测的最新进展，包括增强现实平台支持胚胎学家搜索精子、AI集成微流控系统实现精子检测与分离，以及早期临床数据显示可使传统方法判定为无精子的患者实现精子回收	需要进一步验证，目前仍处于早期临床数据阶段，尚未广泛应用于临床	总结AI辅助精子检测的最新进展及其在无精症和隐匿精子症患者中的潜在临床应用	无精症和隐匿精子症男性患者的睾丸组织和精液样本	数字病理学	无精症、隐匿精子症、男性不育	深度学习图像分析、增强现实、微流控技术	深度学习	图像（显微镜图像）	NA	NA	NA	检测速度、检测灵敏度、检测率	NA
255	2026-10-05	Artificial intelligence-guided engineering of precision ocular therapeutics 2026-Nov-01, Current opinion in ophthalmology IF:3.0Q1 DOI:10.1097/ICU.0000000000001251 PMID:42687624	综述	本文综述了人工智能引导的小分子发现与基因治疗在眼科治疗领域的最新进展，重点关注生成模型与基础模型及其转化应用	揭示了人工智能从筛选工具向生成设计引擎的范式转变，涵盖强化学习与扩散模型生成新型小分子候选物、AlphaFold与共折叠模型改进靶点识别与虚拟筛选、AI引导的AAV衣壳工程提升视网膜转导效率、基于染色质可及性数据的深度学习从头设计细胞类型特异性调控元件以及AI引导的CRISPR向导RNA优化	AI提名的小分子候选物与基因治疗载体的预测结果必须经过严格的实验验证才能确认其安全性、生物学相关性与治疗有效性	综述人工智能引导的小分子发现与基因治疗在眼科治疗中的最新进展，重点聚焦生成模型与基础模型及其转化应用	眼科治疗药物（小分子候选物与基因治疗载体）	机器学习	眼科疾病	小分子发现, 基因治疗, AAV衣壳工程, CRISPR向导RNA优化, 染色质可及性测序	强化学习, 扩散模型, AlphaFold, 共折叠模型, 深度学习模型	分子结构数据, 染色质可及性数据, 基因组序列数据	NA	NA	AlphaFold, 扩散模型, 强化学习	视网膜转导效率, 临床前疗效	NA
256	2026-10-05	Multiscale cross modal fusion and cascaded signal propagation for drug target interaction prediction 2026-Oct-16, iScience IF:4.6Q1 DOI:10.1016/j.isci.2026.117576 PMID:42828305	研究论文	提出SF-DTI统一框架，通过多编码器蛋白质融合、结构-语义药物对齐和渐进式跨模态精炼预测药物-靶标相互作用	整合多预训练蛋白质语言模型、子空间约束下对齐图结构特征与语义嵌入、级联跨模态信号传播渐进精炼交互表示	未明确提及	解决药物和蛋白质异质模态间的表示差距以及预训练编码器互补知识利用不足的问题	药物-靶标相互作用	机器学习	NA	深度学习，预训练蛋白质语言模型，图神经网络	多编码器融合，结构-语义对齐，跨模态信号传播	药物分子图，蛋白质序列和语义嵌入	六个基准数据集	PyTorch	多编码器融合网络，图神经网络，Transformer	NA	NA
257	2026-10-05	Retinal age gap in unilateral retinal diseases with unaffected fellow eye: phakia and vascular pathology impact retinal age prediction 2026-Oct-03, Japanese journal of ophthalmology IF:2.1Q2 DOI:10.1007/s10384-026-01408-2 PMID:42828606	研究论文	研究单侧视网膜疾病患者中视网膜年龄差距（RAG）及其相关因素	首次在五种未治疗的单侧视网膜疾病中研究RAG，并发现晶状体状态和血管病理对其有显著影响	回顾性研究，样本量有限，DL模型为公开模型可能未针对特定人群优化	探究单侧视网膜疾病患者中RAG的情况并识别相关因素	单侧视网膜疾病患者（对侧眼健康）及双眼健康对照者	数字病理学	视网膜疾病	深度学习	CNN	图像	873名患者和222名对照者	NA	NA	相关系数r	NA
258	2026-10-05	Comparison of Deep Learning-Based Free Breathing with Conventional Breath Holding CMR for Quantifying Degenerative Mitral Regurgitation 2026-Oct-03, Journal of cardiovascular magnetic resonance : official journal of the Society for Cardiovascular Magnetic Resonance IF:4.2Q1 DOI:10.1016/j.jocmr.2026.102806 PMID:42829055	研究论文	该研究比较了基于深度学习的自由呼吸与常规屏气心血管磁共振在退行性二尖瓣反流量化中的效果	使用基于深度学习的加速二维稳态自由进动电影成像技术（Sonic DL Cine）实现单心跳自由呼吸采集，并验证其在二尖瓣反流量化中的准确性	样本量较小（27名患者，33次CMR研究），且仅针对退行性二尖瓣反流患者	证明使用Sonic DL Cine的自由呼吸采集SSFP和自由呼吸相位对比成像在退行性二尖瓣反流患者中量化二尖瓣反流的准确性，并与标准屏气技术进行比较	退行性二尖瓣反流患者	医学影像分析	心血管疾病	心血管磁共振成像，深度学习加速2D稳态自由进动电影成像，相位对比成像	深度学习	图像	27名患者（64 ± 9岁；67%男性），共33次CMR研究	NA	NA	Pearson相关系数（r2），Bland-Altman分析（平均差异），p值	NA
259	2026-10-05	Opal glass method, an extraction-free way to access microalgae pigment content 2026-Oct-03, Bioresource technology IF:9.7Q1 DOI:10.1016/j.biortech.2026.135966 PMID:42829157	研究论文	本文介绍了一种无需提取且非破坏性的方法，利用分光光度计和光学扩散器（称为蛋白石玻璃法）评估微藻细胞中的色素含量（叶绿素a、叶绿素b和总类胡萝卜素），并比较了偏最小二乘（PLS）和卷积神经网络（CNN）从蛋白石光谱中反演色素含量的性能	提出了一种无需提取且非破坏性的蛋白石玻璃法来评估微藻色素含量，并首次系统性地比较了PLS和CNN在该任务上的表现，通过数据预处理、架构测试和超参数优化实现了稳定的亚10 MAPE预测	未明确提及	开发一种快速、无需提取且非破坏性的微藻色素含量评估方法，并评估机器学习算法在该任务中的适用性	微藻细胞中的色素（叶绿素a、叶绿素b和总类胡萝卜素）	机器学习	不适用	分光光度法、蛋白石玻璃法、甲醇提取法	偏最小二乘（PLS）、卷积神经网络（CNN）	光谱数据	PLS需要60-90个样本训练，CNN需要80-150个样本训练	不适用	PLS、CNN（两种架构）	平均绝对百分比误差（MAPE）	不适用
260	2026-10-05	Deep Learning-Based Automated Diagnostic Charting on Panoramic Radiography: Comparison of YOLOv11 and YOLOv12 2026-Oct, Odontology IF:1.9Q2 DOI:10.1007/s10266-026-01333-3 PMID:41699374	研究论文	该研究对比了YOLOv11和YOLOv12两种深度学习架构在全景X光片上的自动化诊断图表绘制性能，用于检测13种牙科疾病	首次对YOLOv11和YOLOv12进行对比分析，用于全景X光片上的多类牙科疾病自动检测，并使用内部和外部数据集测试泛化能力	对于细微病变如骨丢失和龋齿的检测性能较低；数据集混合来源可能引入偏差；未与其他深度学习架构进行广泛对比	比较YOLOv11和YOLOv12在自动化牙科诊断中的性能，旨在优化临床工作流程并减少诊断变异性	全景X光片图像，用于检测13种牙科疾病，包括龋齿、种植体、骨丢失和阻生牙	计算机视觉	牙科疾病	全景X光摄影	CNN	图像	2,297张全景X光片（其中1,579张来自单一机构，718张来自Roboflow Universe外部数据集）	NA	YOLOv11, YOLOv12	mAP@0.5, 精确率, 召回率, F1分数	NA