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
2661	2026-08-18	Alternative Conformation Prediction Using Deep Learning With Multi-MSA Strategy and Structural Clustering in CASP16 2026-Jan, Proteins IF:3.2Q2 DOI:10.1002/prot.70059 PMID:41014267	研究论文	本文报告了CASP16中采用EnsembleFold流程进行结构集合预测的结果，通过多MSA策略和结构聚类改进构象预测	提出集成多种新深度学习方法和多MSA策略的EnsembleFold流程，并结合结构聚类工具MolClust识别不同构象状态	未明确提及局限性，但讨论中指出QA评分方法需进一步改进以提升集合预测的可靠性	改进蛋白质和RNA结构集合预测，以识别替代构象	蛋白质、RNA、蛋白质-核酸复合物的三维结构	结构预测	不适用	多序列比对（DeepMSA2）、深度学习、REMC模拟、结构聚类	深度学习模型	结构数据	CASP16中的19个集合预测目标	不适用	D-I-TASSER2、DMFold2、ExFold、DeepProtNA	平均TM-score 0.657	未明确提供
2662	2026-08-18	Multi-Parameter Deep Learning Combined With Fluorescence Lifetime Imaging Microscopy for Non-Invasive and Label-Free Endometrial Cancer Screening 2026-01, Journal of biophotonics IF:2.0Q3 DOI:10.1002/jbio.70228 PMID:41548887	研究论文	本研究提出一种结合荧光寿命成像显微镜和多参数深度学习算法的非侵入性、无标记子宫内膜癌筛查方法	创新性地将多参数深度学习模型与FLIM结合，利用NAD(P)H的自体荧光信号提取两个代谢参数，实现了对子宫内膜癌的高灵敏度和特异性筛查，优于单参数模型	未提及	开发一种非侵入性且无标记的子宫内膜癌筛查方法，提高预测性能并解决单参数模型的灵敏度-特异性不平衡问题	参与者的宫颈脱落细胞（共71例）	数字病理学	子宫内膜癌	荧光寿命成像显微镜（FLIM）	深度学习模型	图像	71名参与者的宫颈脱落细胞样本	未提及	未提及	灵敏度、特异性、AUC	未提及
2663	2026-08-18	Feasibility of Depth-in-Color En Face Optical Coherence Tomography for Colorectal Polyp Classification Using Ensemble Learning and Score-Level Fusion 2026-01, Journal of biophotonics IF:2.0Q3 DOI:10.1002/jbio.202500292 PMID:41548988	研究论文	本研究探讨了结合深度编码彩色en face光学相干断层扫描与集成学习，用于结直肠息肉恶性潜能分类的可行性	首次将深度信息编码为颜色生成en face OCT投影，并采用集成学习与分数级融合策略进行息肉分类	研究基于离体样本，尚需在体内验证算法的有效性	利用深度敏感光学相干断层扫描与深度学习提高结直肠息肉分类的准确性	300名受试者的结直肠息肉	计算机视觉, 机器学习	结直肠癌	光学相干断层扫描（OCT）	集成学习网络	图像	300名受试者的息肉样本	NA	集成网络	AUC（曲线下面积）	NA
2664	2026-08-18	Confocal Raman Microscopy to Study Silicone Breast Implant's Early-Stage Degradation in Reconstructive Surgery 2026-01, Journal of biophotonics IF:2.0Q3 DOI:10.1002/jbio.202500510 PMID:41549634	研究论文	本研究利用共聚焦拉曼显微镜技术，分析硅胶乳房假体在重建手术中的早期降解情况，并识别出能区分植入前后降解状态的标记物。	首次使用拉曼光谱技术识别出二苯基硅氧烷和CH振动两个标记，能区分硅胶乳房假体植入前后的降解状态，并发现指示凝胶变黄的拉曼波段，为评估假体老化提供了新方法。	未在摘要中提及具体局限性	阐明硅胶乳房假体膜的结构及其防凝胶渗漏功能，并确定其降解状态的关键标记。	硅胶乳房假体，特别是其膜和凝胶。	数字病理学	乳腺癌（相关重建手术）	共聚焦拉曼光谱	NA	光谱数据	未提供样本量	NA	NA	NA	NA
2665	2026-08-18	Assessing CT-based volumetric analysis via deep learning for idiopathic normal pressure hydrocephalus 2026, Brain communications IF:4.1Q2 DOI:10.1093/braincomms/fcag300 PMID:42603074	研究论文	本研究开发并评估了一种基于深度学习的CT容积分析技术，用于特发性正常压力脑积水的诊断和形态学量化。	提出了一种两阶段深度学习模型，利用MRI转移学习增强CT脑脊液分割，并验证了CTVMs在iNPH诊断中的高准确性。	未明确提及局限性。	增强CT扫描中脑室脑脊液的分割，并评估自动化脑CT容积测量在iNPH患者诊断中的性能。	特发性正常压力脑积水患者和健康对照者的脑CT扫描图像。	计算机视觉, 数字病理学	特发性正常压力脑积水	CT成像, MRI成像	U-Net	图像	训练集包含734个健康对照的CT和MRI数据集以及62个iNPH患者的CT扫描；外部验证集包含11个和30个iNPH患者的CT扫描。	NA	U-Net	相关系数, AUC	NA
2666	2026-08-18	An online nomogram based on bimodal ultrasound images for preoperative diagnosis of cytologically indeterminate thyroid nodules 2026, Frontiers in endocrinology IF:3.9Q2 DOI:10.3389/fendo.2026.1838372 PMID:42445878	研究论文	本文开发了一个基于双模态超声图像的在线列线图模型，用于术前诊断细胞学不确定的甲状腺结节，以减少不必要的甲状腺切除术	首次结合B型超声和应变弹性超声图像的影像组学特征和深度学习特征，并整合遗传检测和弹性成像水平，构建在线列线图模型，实现对不确定甲状腺结节的精准术前评估	未明确提及局限性	开发并验证一个在线列线图模型，用于术前精准评估不确定甲状腺结节的恶性风险，以减少不必要的诊断性甲状腺切除术	来自五个中心的甲状腺结节患者，分为回顾性训练、独立测试和前瞻性验证队列	医学影像分析	甲状腺结节	超声成像（B型超声、应变弹性超声）	列线图模型	B型超声和应变弹性超声图像	未明确样本数量，但涉及多中心多个队列	未明确提及	未明确提及	受试者工作特征曲线下面积（AUC）	未明确提及
2667	2026-08-17	Artificial intelligence and extracellular vesicles in oncology: towards tumor diagnosis, prediction, and therapy 2026-Dec-31, Drug delivery IF:6.5Q1 DOI:10.1080/10717544.2026.2713415 PMID:42590833	综述	本文综述了人工智能在细胞外囊泡研究中的应用进展，重点关注其在肿瘤诊断、预测和治疗中的潜力	强调AI在整合多模态特征、表征EV异质性、支持诊断分类和建模体内行为中的作用，并探讨了AI与微流控、SERS、荧光成像及多组学分析的集成	AI辅助治疗性EV设计策略仍处于探索阶段，缺乏临床验证	总结AI在EV分离、表征、诊断和药物递送中的最新应用，并评估其临床转化前景	细胞外囊泡及其在肿瘤诊疗中的应用	机器学习	肿瘤	NA	机器学习、深度学习	多模态数据（包括患者来源样本、图像、组学数据）	NA	NA	NA	NA	NA
2668	2026-08-17	A multimodal MRI-radiomics deep learning model for survival risk stratification after gamma knife radiosurgery in patients with brain metastases: A multicenter retrospective study 2026-Sep, Radiotherapy and oncology : journal of the European Society for Therapeutic Radiology and Oncology IF:4.9Q1 DOI:10.1016/j.radonc.2026.111686 PMID:42419433	研究论文	本研究开发和验证了一种多模态深度学习框架，用于伽玛刀放射外科治疗后脑转移患者的总生存期风险分层	提出了一种结合掩码引导的多尺度编码器、全MRI、基于网格的MRI补丁、放射组学和临床变量的多模态模型，用于生存风险分层	模型的判别能力中等，需要进一步重新校准、纳入更全面的临床变量并进行前瞻性验证	开发并验证一种多模态深度学习模型，用于伽玛刀放射外科治疗后脑转移患者的总生存期风险分层	脑转移患者	医学影像分析	脑转移瘤	MRI	深度学习模型	MRI图像、临床数据	875名患者，来自三个中心	NA	掩码引导的多尺度编码器	时间依赖性AUC、C-index、决策曲线分析	NA
2669	2026-08-17	Variability in manual editing of head and neck organs of interest auto-segmentations: a multi-user, longitudinal analysis 2026-Sep, Radiotherapy and oncology : journal of the European Society for Therapeutic Radiology and Oncology IF:4.9Q1 DOI:10.1016/j.radonc.2026.111684 PMID:42425419	研究论文	该研究通过七年纵向分析，量化了头颈部器官自动分割的手动编辑行为，评估了不同放射治疗技师之间的编辑变异性及其与临床可接受性的关联	首次对头颈部自动分割的手动编辑进行长达七年的纵向分析，并同时评估跨用户和时间的变异性，结合用户对临床可接受性的盲评，揭示了过度和不足编辑均与较低可接受性相关	研究仅基于单中心数据，未包含所有器官类型，且临床可接受性评估仅针对近期病例子集	量化头颈部器官自动分割的手动编辑模式，表征不同技师间的编辑变异性，并评估编辑行为与临床可接受性的关系	2017年以来治疗的1051例头颈部癌症患者，涵盖腮腺、下颌下腺、口腔和声门等器官	医学影像分析	头颈部癌症	自动分割，基于图谱和深度学习的分割方法	NA	医学影像分割数据	1051例头颈部癌症患者	NA	NA	平均表面距离，归一化附加路径长度，表面Dice相似系数	NA
2670	2026-08-17	Improved risk stratification for oral tongue squamous cell carcinoma using deep learning-based MRI classifier and pathological markers to guide postoperative radiotherapy: A multicenter cohort study 2026-Sep, Radiotherapy and oncology : journal of the European Society for Therapeutic Radiology and Oncology IF:4.9Q1 DOI:10.1016/j.radonc.2026.111700 PMID:42456900	研究论文	该研究通过整合基于MRI的深度学习模型和病理标志物，构建了口腔舌鳞状细胞癌（OTSCC）的风险分层系统（CRIS-OTSCC），以指导术后放疗决策。	首次将深度学习影像分析与病理标志物结合，开发了复合风险分层系统（CRIS-OTSCC），能够更精确地识别术后放疗获益的高风险患者。	对于低风险患者避免术后放疗的潜在价值需要进一步验证。	开发一种更精确的OTSCC风险分层系统，以指导术后放疗决策，减少过度治疗或治疗不足。	口腔舌鳞状细胞癌患者。	医学影像分析	口腔舌鳞状细胞癌	NA	深度学习模型	MRI图像和病理数据	训练队列658例，外部验证队列419例（来自两个独立中心）。	NA	NA	C指数，时间依赖性ROC曲线	NA
2671	2026-08-17	Multi-centre generalisability of deep learning-based dose prediction for head and neck radiotherapy using DAHANCA real-world data 2026-Sep, Radiotherapy and oncology : journal of the European Society for Therapeutic Radiology and Oncology IF:4.9Q1 DOI:10.1016/j.radonc.2026.111702 PMID:42468605	研究论文	该研究评估了一个基于单中心数据训练的深度学习剂量预测模型在大型多中心头颈癌放疗队列中的泛化能力，并与中位数模型进行比较。	首次使用丹麦DAHANCA真实世界多中心数据验证深度学习剂量预测模型的泛化性，并结合正常组织并发症概率（NTCP）和归一化毒性指数（NTI）探索预期毒性差异。	摘要中未提及明显局限性，可能包括模型仅基于单中心训练，且未考虑所有临床相关因素。	验证基于单中心数据训练的深度学习剂量预测模型在多中心临床环境中的泛化性，并评估其临床适用性。	头颈癌患者的放疗治疗计划和剂量分布。	深度学习、放射治疗计划	头颈癌	深度学习剂量预测	深度神经网络	放疗计划数据（CT图像、剂量分布等）	388个训练计划，42个内部测试患者，560个外部测试计划（来自6个机构）	未提及	NA	Dmean差异、四分位距（IQR）、NTCP、NTI	NA
2672	2026-08-17	Cross-Species Generalization and Comparative Performance Analysis of Deep Neural Network Architectures in Histological Image Classification 2026-Aug-16, Microscopy research and technique IF:2.0Q3 DOI:10.1002/jemt.70173 PMID:42604434	研究论文	本研究比较了九种深度学习架构在组织学图像分类中的跨物种泛化性能，发现病理基础模型UNI2-h准确性最高，而ConvNeXt-Small在速度和精度间达到最佳平衡。	该研究首次系统评估了多种深度学习编码器在跨物种（大鼠与人类/动物混合）组织学图像上的泛化能力，并引入病理基础模型UNI2-h进行比较，强调实际应用中计算效率的重要性。	研究仅基于特定组织类型（肺、小脑、脂肪）和H&E染色图像，可能限制对其他组织或染色方法的适用性；此外，外部测试集规模较小（600张图像）。	评估不同深度神经网络编码器在组织学图像分类中的跨域泛化能力，并比较其计算效率与分类性能。	大鼠和混合人类/动物组织图像，包括肺、小脑和脂肪组织。	数字病理学	不适用	组织学染色（H&E）图像分析	卷积神经网络（CNN）和视觉变换器（ViT）	图像	内部数据集4307张H&E染色图像（大鼠肺、小脑和脂肪组织），外部数据集600张混合人类和动物图像。	PyTorch	MobileNetV3-S, MobileNetV3-L, DenseNet121, DenseNet201, ConvNeXt-S, ConvNeXt-B, DINOv3 ViT-S, DINOv3 ViT-H+, UNI2-h	准确率, 灵敏度, 特异性, F1分数, Cohen's κ, ROC-AUC, 推理时间	CPU和GPU（具体型号未指定）
2673	2026-08-17	A Dual-Center, Interpretable Deep Learning-Radiomics Fusion Model for Distinguishing Nasopharyngeal Carcinoma from Nasopharyngeal Lymphoma Using FDG PET/CT 2026-Aug-15, Academic radiology IF:3.8Q1 DOI:10.1016/j.acra.2026.07.060 PMID:42603752	研究论文	本研究开发并外部验证了一个可解释的深度学习-影像组学融合模型，利用FDG PET/CT成像区分鼻咽癌和鼻咽淋巴瘤	结合3D-ResNet50深度学习特征与1688个影像组学特征，构建多模态融合模型，并采用SHAP分析实现可解释性	回顾性研究设计和外部验证样本量相对较小	开发并验证一种可解释的深度学习-影像组学融合模型，用于鼻咽癌与鼻咽淋巴瘤的无创性鉴别诊断	434例经病理确诊且未经治疗的鼻咽癌或鼻咽淋巴瘤患者（349例内部队列，85例外部队列）	医学影像分析，深度学习	鼻咽癌，鼻咽淋巴瘤	FDG PET/CT成像，影像组学特征提取，深度学习特征提取	三维卷积神经网络（3D-ResNet50），多模态逻辑回归模型	PET/CT医学影像数据	434例患者，包括434个原发灶（329例鼻咽癌，105例鼻咽淋巴瘤）	PyTorch	3D-ResNet50	AUC，特异性，准确率	NA
2674	2026-08-17	A Combined Deep Learning Approach to Screen Patients for Neuromuscular Pathology 2026-Aug-15, Ultrasound in medicine & biology DOI:10.1016/j.ultrasmedbio.2026.07.010 PMID:42603762	研究论文	本研究提出了一种结合中间数据融合的深度学习框架，用于提高肌肉超声诊断神经肌肉疾病的效率和性能	首次采用多模态深度学习框架，将患者特定数据（如BMI和年龄）与超声图像结合，通过中间数据融合进行神经肌肉病理诊断	单中心研究，结果可能缺乏多中心泛化性	提高肌肉超声诊断神经肌肉疾病的自动化速度和诊断准确性	神经肌肉疾病患者和非患者的肌肉超声图像及患者临床数据	计算机视觉, 数字病理	神经肌肉疾病	超声成像	深度学习模型，涉及神经网络	图像	320名患者（220名患有神经肌肉疾病，100名诊断被排除）	NA	多层神经网络	精确率-召回率曲线下面积	NA
2675	2026-08-17	A novel approach for predicting heart failure survival using a rectangular coded network 2026-Aug-15, Physical and engineering sciences in medicine IF:2.4Q2 DOI:10.1007/s13246-026-01791-7 PMID:42603841	研究论文	本文提出一种通过将数值数据转换为24位图像并利用深度学习架构预测心力衰竭存活率的新方法	利用自动化特征工程技术将数值数据转换为8位矩形编码图像，进而转化为24位图像，并通过旋转增强数据集，使数值数据能够应用于图像处理和深度学习架构	未明确提及局限性	通过将数值数据转换为图像形式，利用深度学习架构提高心力衰竭生存预测的准确性	心力衰竭患者的数值数据集	计算机视觉, 机器学习	心血管疾病, 心力衰竭	图像转换, 数据增强	CNN	图像, 数值数据	未明确指定	未明确指定	ResNet18, ResNet50	准确率, 灵敏度, 特异性, F1分数	未明确指定
2676	2026-08-17	Pediatric SleepNet: a deep learning network for reliable pediatric sleep staging across developmental stages 2026-Aug-14, Sleep IF:5.3Q1 DOI:10.1093/sleep/zsag064 PMID:41804802	研究论文	开发了一个多模态深度学习模型pediatric SleepNet，用于儿童睡眠分期，并在不同发育阶段和临床亚组中评估其性能	首次开发了专门针对儿童睡眠分期的深度学习模型，可适应不同发育阶段，并在多种临床亚组和外部数据集上表现出鲁棒性能	在某些神经发育疾病（如癫痫、唐氏综合征、脑积水）中性能显著下降，且未详细说明计算资源和训练时间	开发并评估可用于儿童睡眠医学临床和研究的可靠睡眠分期深度学习模型	儿童睡眠分期模型，涵盖不同年龄组和临床亚组	深度学习应用于睡眠医学	儿童睡眠障碍，包括癫痫、唐氏综合征、脑积水等神经发育疾病	多模态信号（EEG、EOG、EMG）	U-Net启发的编码器-解码器模型	多导睡眠图（PSG）信号数据	训练使用9150个PSG，验证2455个PSG，测试3804个PSG，外部验证包括CHAT和PATS两个数据集	NA	U-Net	Cohen's Kappa	NA
2677	2026-08-17	BraMARS: An Interpretable Histopathology-Driven Deep Learning Model for Brain Metastasis Risk Stratification in Surgically Resected Limited-Stage SCLC 2026-Aug-14, Advanced science (Weinheim, Baden-Wurttemberg, Germany) DOI:10.1002/advs.77075 PMID:42598747	研究论文	开发了BraMARS，一种基于组织病理学的可解释深度学习模型，用于手术切除的局限期小细胞肺癌患者脑转移风险分层	首次利用常规H&E染色全切片图像预测局限期小细胞肺癌的脑转移风险，并结合组织病理学归因和蛋白质组学分析提供生物学解释	基于回顾性数据，需前瞻性验证；样本量有限，需多中心进一步确认	开发可解释的深度学习模型，实现脑转移风险的个体化评估，并辅助临床决策如预防性颅脑照射的适用性判断	手术切除的局限期小细胞肺癌患者的H&E染色全切片图像	数字病理学	小细胞肺癌	H&E染色全切片成像	深度学习模型	病理图像	来自独立队列的多个样本，具体数量未说明	NA	NA	AUC、疾病无进展生存期、总生存期、脑转移无生存期	NA
2678	2026-08-17	Deep Learning Predicts Mutations and Outcomes in Gastrointestinal Stromal Tumors 2026-Aug-14, Cancer research IF:12.5Q1 DOI:10.1158/0008-5472.CAN-26-0132 PMID:42258704	研究论文	应用深度学习技术从全切片图像中预测胃肠道间质瘤的突变状态、治疗敏感性和无复发生存期，并在国际多中心队列中验证其效能	首次在大规模多中心GIST队列（8398例）上应用深度学习直接从病理全切片图像预测基因突变、药物敏感性和预后，性能与传统风险评估模型相当	部分亚型预测性能较低（如KIT外显子11 del-ins 557-558的AUC仅0.67），且预后预测在辅助治疗患者中表现有所下降	探究深度学习模型能否从全切片图像中准确预测GIST的分子突变、治疗反应和复发风险，作为传统病理风险评估的替代或补充工具	来自7个国家21个中心的8398例胃肠道间质瘤患者，其中7238例有分子数据，2638例有临床随访数据	数字病理学	胃肠道间质瘤	全切片图像（WSI）分析	深度学习模型	病理全切片图像（WSI）及对应分子和临床随访数据	8398例GIST病例（7238例分子数据，2638例临床随访）	NA	NA	曲线下面积（AUC）、风险比（HR）	NA
2679	2026-08-17	Histopathological differences between idiopathic and secondary interstitial pneumonia: An elastic fiber-oriented deep learning analysis 2026-Aug-13, Human pathology IF:2.7Q2 DOI:10.1016/j.humpath.2026.106236 PMID:42595188	研究论文	利用基于弹性纤维的深度学习分析，研究特发性和继发性间质性肺炎的组织病理学差异	首次使用机器学习定量分析弹性纤维聚集面积与纤维化面积之比，以区分特发性和继发性间质性肺炎	NA	探讨特发性和继发性间质性肺病之间胶原和弹性纤维组成的差异，以辅助鉴别诊断	93名接受肺移植的纤维化间质性肺病患者的780张Elastica van Gieson染色全切片图像	数字病理学	间质性肺病	全切片成像	深度学习	图像	93名患者的780张全切片图像	HALO-AI	NA	P值	NA
2680	2026-08-17	Artificial intelligence in lumbar radiography: bridging deep learning and clinical practice in low-resource environments 2026-Aug-11, BMJ health & care informatics IF:4.1Q2 DOI:10.1136/bmjhci-2025-101693 PMID:42580813	综述	本文通过叙述性综述，评估了2022至2024年间基于深度学习的腰椎X线摄影分析技术的进展及其在资源有限环境中的临床应用潜力。	聚焦于低资源环境下腰椎X线摄影的AI应用，并探讨轻量级架构的部署潜力，为资源受限地区的影像诊断提供新视角。	仅依赖叙述性综述，缺乏系统性量化分析；研究样本未明确，且未涵盖大规模真实世界验证。	评估基于AI的腰椎X线摄影方法在低资源环境中的临床适用性，并识别其挑战与未来方向。	腰椎X线图像，涉及分割、分类和曲率分析等任务。	计算机视觉, 数字病理学	腰椎疾病	NA	卷积神经网络, U-Net, ResNet, 生成对抗网络	图像	NA	NA	卷积神经网络, U-Net, ResNet, 生成对抗网络	NA	NA