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
2721	2026-01-09	Prediction of influenza virus infection based on deep learning and peripheral blood proteomics: A diagnostic study 2026-Jan, Journal of advanced research IF:11.4Q1 DOI:10.1016/j.jare.2025.03.051 PMID:40158620	研究论文	本研究基于深度学习和外周血蛋白质组学，建立并验证了流感病毒感染的诊断预测模型，并识别了SAA2作为流感感染的特异性分子标志物	结合外周血蛋白质组学与机器学习（随机森林和LASSO回归）预测流感病毒感染的关键分子标志物，并首次验证SAA2蛋白作为流感辅助诊断指标	样本量相对有限（共1115名参与者），且未提及模型在外部验证集上的泛化性能	预测流感病毒感染的关键分子标志物，并建立诊断预测模型	850名患者（包括流感、COVID-19和混合感染）和265名健康个体的外周血样本	机器学习	流感	蛋白质组测序、ELISA	随机森林、LASSO回归	蛋白质组学数据、临床特征数据	1115名参与者（850名患者和265名健康个体）	NA	NA	ROC曲线分析	NA
2722	2026-01-09	Development and validation of a deep learning model based on cascade mask regional convolutional neural network to noninvasively and accurately identify human round spermatids 2026-Jan, Journal of advanced research IF:11.4Q1 DOI:10.1016/j.jare.2025.03.059 PMID:40185275	研究论文	本研究开发并验证了一种基于级联掩码区域卷积神经网络的深度学习模型，用于无创且准确地识别人类圆形精子细胞	首次应用级联掩码R-CNN深度学习模型于人类圆形精子细胞的非侵入性识别，避免了传统Hoechst染色的毒性问题	模型仅基于3457张光学显微镜图像进行训练和验证，样本量相对有限，且未在更广泛或多样化的临床样本中进行外部验证	评估深度学习模型在非侵入性准确识别人类圆形精子细胞方面的能力，以促进人类圆形精子注射技术的临床应用	人类圆形精子细胞	计算机视觉	男性不育症	流式细胞术分析、光学显微镜成像	CNN	图像	3457张已分选人类圆形精子细胞的光学显微镜图像	NA	级联掩码区域卷积神经网络	平均精度均值	NA
2723	2026-01-09	Confining thrombus morphospace through targeted inhibition of platelet mechanosensory signaling 2026-Jan, Journal of thrombosis and haemostasis : JTH IF:5.5Q1 DOI:10.1016/j.jtha.2025.08.013 PMID:40907704	研究论文	本研究开发了一种基于深度学习的框架，用于在体内追踪大量血小板活动，以评估靶向抑制血小板机械传感信号对血栓形态的影响	通过选择性抑制血小板机械传感信号（PI3KC2α），揭示了其在血栓持续扩张中的作用，并展示了如何在不损害止血关键区域结构完整性的情况下，优化抗血小板治疗的风险/效益比	研究主要针对高流量肠系膜静脉，可能不适用于其他血管类型或低流量环境，且未涉及长期临床效果评估	探索如何利用止血系统的结构-功能关系来改善抗血小板治疗的风险/效益比	血小板活动与血栓形态	数字病理学	心血管疾病	深度学习追踪技术	深度学习模型	视频或图像序列	NA	NA	NA	NA	NA
2724	2026-01-09	The combined use of cervical ultrasound and deep learning improves the detection of patients at risk for spontaneous preterm delivery 2026-Jan, American journal of obstetrics and gynecology IF:8.7Q1 DOI:10.1016/j.ajog.2025.09.012 PMID:40945809	研究论文	本研究开发并验证了一种基于深度学习的AI模型，用于从宫颈超声图像中预测自发性早产，并与宫颈长度测量方法进行比较	首次大规模多中心研究证明AI在预测自发性早产方面比宫颈长度测量更敏感，且能整合更多数据特征	超声检查的指征未系统记录，可能基于风险因素或早产症状进行，存在选择偏倚	开发并验证用于自发性早产预测的人工智能模型，并与传统宫颈长度测量方法进行性能比较	接受宫颈超声扫描的孕妇及其超声图像	数字病理学	早产	宫颈超声扫描	深度学习模型	图像	4224例妊娠，7862张宫颈超声图像	NA	NA	AUC, 敏感性, 特异性, 似然比	NA
2725	2026-01-09	Fractal-driven self-supervised learning enhances early-stage lung cancer GTV segmentation: a novel transfer learning framework 2026-Jan, Japanese journal of radiology IF:2.9Q2 DOI:10.1007/s11604-025-01865-8 PMID:40952548	研究论文	本文开发并评估了一种利用数学生成的非自然分形图像进行预训练的新型深度学习策略，用于自动分割早期肺癌大体肿瘤体积	提出了一种新颖的迁移学习框架，使用数学生成的分形图像（FractalDB）进行自监督预训练，以增强早期肺癌GTV分割，这在医学图像分割领域是一种创新的预训练数据来源	研究为回顾性研究，样本量相对较小（104名患者），且仅针对外周早期非小细胞肺癌，结果可能无法推广到其他类型或阶段的肺癌	开发并评估用于自动分割早期肺癌大体肿瘤体积（GTV）的深度学习策略	早期非小细胞肺癌患者的大体肿瘤体积（GTV）	数字病理	肺癌	CT成像	CNN, Vision Transformer (ViT)	图像	104名患者（36-91岁；81名男性；23名女性）的CT图像和医生勾画的轮廓数据	NA	NA	体积Dice相似系数（vDSC）, 表面Dice相似系数（sDSC）, 95百分位Hausdorff距离（HD95）	NA
2726	2026-01-09	Ultra-fast whole-brain T2-weighted imaging in 7 seconds using dual-type deep learning reconstruction with single-shot acquisition: clinical feasibility and comparison with conventional methods 2026-Jan, Japanese journal of radiology IF:2.9Q2 DOI:10.1007/s11604-025-01875-6 PMID:41003971	研究论文	本文评估了结合单次激发涡轮自旋回波技术和双类型深度学习重建的超快速T2加权成像的图像质量与临床效用	提出了一种超快速T2加权成像方法，仅需7秒即可完成全脑扫描，并采用结合去噪和超分辨率的双类型深度学习重建技术	研究样本量较小（38例患者），且仅由两名放射科医生进行定性评估，可能存在主观偏差	评估超快速T2加权成像在临床中的可行性和图像质量，并与传统方法进行比较	38例接受传统T2加权成像和超快速T2加权成像的患者	医学影像	中枢神经系统疾病	单次激发涡轮自旋回波技术，深度学习图像重建	深度学习	磁共振图像	38例患者	NA	NA	信噪比，对比噪声比，图像质量评分，噪声和伪影水平，解剖结构可见性，病变描绘	NA
2727	2026-01-09	A Deep Learning Model to Identify Mitral Valve Prolapse From the Echocardiogram 2026-Jan, JACC. Cardiovascular imaging DOI:10.1016/j.jcmg.2025.08.011 PMID:41031982	研究论文	本研究开发了一个名为DROID-MVP的深度学习模型，用于从超声心动图视频中自动识别二尖瓣脱垂	首次开发了能够从超声心动图视频中自动分类二尖瓣脱垂的深度学习模型，并验证了其预测与临床终点（如二尖瓣反流严重程度和未来二尖瓣修复/置换术）的关联	模型主要在单一医疗中心（MGH）的数据上训练和验证，尽管进行了外部验证（BWH），但样本来源可能有限，且未提及模型在不同人群或设备间的泛化能力	开发一个深度学习模型来自动化二尖瓣脱垂的诊断，并探索其预测与临床结局的关联	心脏病患者和初级保健患者的超声心动图视频	计算机视觉	心血管疾病	超声心动图	深度学习模型	视频	总计1,043,893个超声心动图视频（来自48,829项研究），涉及16,902名MGH心脏病患者、8,888名MGH初级保健患者和257名BWH初级保健患者	NA	DROID-MVP	AUROC, 平均精度	NA
2728	2026-01-09	Multicenter deep learning-based automatic delineation of CTV and PTV in uterine malignancy CT imaging 2026-Jan, Radiotherapy and oncology : journal of the European Society for Therapeutic Radiology and Oncology IF:4.9Q1 DOI:10.1016/j.radonc.2025.111212 PMID:41120056	研究论文	本文提出了一种基于深度学习的多中心自动分割模型，用于在CT影像中准确勾画子宫恶性肿瘤的临床靶区和计划靶区	开发了一个能够跨多种子宫恶性肿瘤类型（宫颈癌和子宫内膜癌）和多中心数据准确分割CTV和PTV的深度学习模型，并进行了广泛的外部验证	研究为回顾性设计，且主要基于对比增强CT影像，未来需要前瞻性研究和更多样化的影像数据验证	开发一个自动化、可扩展的深度学习框架，以改进子宫恶性肿瘤放疗中靶区勾画的准确性和效率	子宫恶性肿瘤患者，包括宫颈癌和子宫内膜癌	数字病理	子宫恶性肿瘤	CT成像	深度学习分割模型	CT图像	602例对比增强CT扫描（302例来自内部机构，300例来自外部中心）	NA	2D分割网络, 全分辨率3D网络, 级联3D网络	Dice相似系数, 95%豪斯多夫距离, 平均表面距离	NA
2729	2026-01-09	Ultra-low dose CT for suspected physical abuse 2026-Jan, Journal of medical imaging and radiation sciences IF:1.3Q3 DOI:10.1016/j.jmir.2025.102148 PMID:41274092	研究论文	本研究比较了超低剂量CT与标准剂量CT在疑似虐待儿童诊断中的图像质量和辐射剂量	首次在新生儿全身模型中评估超低剂量CT用于疑似虐待儿童诊断的可行性，并展示了93.5%的辐射剂量降低	研究基于体模而非真实患者，未直接与X射线骨骼检查比较，需要进一步协议优化和临床验证	比较超低剂量CT与标准剂量CT在疑似虐待儿童诊断中的图像质量和辐射剂量	新生儿全身人体模型	医学影像学	儿童虐待	CT扫描，深度学习迭代重建，蒙特卡洛模拟	NA	CT图像	46名观察者（38名放射技师和8名放射科医生）	NA	NA	图像质量评分，有效剂量，AUC	GE Revolution Apex扫描仪
2730	2026-01-09	A deep learning radiomics model for predicting non-sentinel lymph node metastases in early-stage breast cancer patients 2026-Jan, Future oncology (London, England) DOI:10.1080/14796694.2025.2595688 PMID:41319290	研究论文	开发并验证一个深度学习放射组学模型，用于预测早期乳腺癌患者中非前哨淋巴结转移	结合临床因素、腋窝超声发现和放射组学特征，构建了一个综合预测模型，显著提升了非前哨淋巴结转移的预测性能	研究为回顾性和前瞻性结合，可能存在选择偏倚；模型在外部验证中的泛化能力未明确评估	预测早期乳腺癌患者的非前哨淋巴结转移	早期乳腺癌患者（具有1-2个阳性前哨淋巴结转移）	数字病理学	乳腺癌	超声成像	深度学习模型	图像	1,647名患者	NA	NA	AUC, 决策曲线分析, 校准曲线分析	NA
2731	2026-01-09	SenSeqNet: A Deep Learning Framework for Cellular Senescence Detection From Protein Sequences 2026-Jan, Aging cell IF:8.0Q1 DOI:10.1111/acel.70344 PMID:41432347	研究论文	本文提出了一种名为SenSeqNet的深度学习框架，用于直接从蛋白质序列预测细胞衰老状态	首次将进化尺度建模（ESM-2）嵌入与混合LSTM-CNN架构结合，直接从蛋白质序列预测细胞衰老，超越了传统机器学习与深度学习方法	未明确提及模型在更大规模或更复杂蛋白质数据集上的泛化能力，以及计算资源的具体需求	开发一种准确、可扩展的工具，用于从蛋白质序列中检测细胞衰老，以促进衰老机制研究和治疗靶点识别	蛋白质序列	自然语言处理	老年疾病	蛋白质序列分析	LSTM, CNN	序列数据	NA	NA	LSTM-CNN混合架构	准确率	NA
2732	2026-01-09	[Artificial intelligence for the management and monitoring of cardiovascular disease] 2026-Jan, Giornale italiano di cardiologia (2006) DOI:10.1714/4618.46266 PMID:41441829	综述	本文综述了人工智能在心血管疾病管理与监测中的应用、潜力及挑战	整合了机器学习、深度学习与自然语言处理技术，结合多模态数据，为心血管疾病提供早期诊断、动态风险分层和个性化治疗的新途径，并探讨了AI与远程医疗、数字疗法结合带来的远程监测和临床决策支持机会	存在算法偏见、可解释性不足、伦理法律问题以及医疗专业人员培训需求等挑战，且欧洲AI法案的严格监管标准可能减缓大规模实施	探讨人工智能在心血管疾病管理与监测中的变革性作用及其临床应用潜力	心血管疾病的管理与监测过程	自然语言处理, 机器学习	心血管疾病	机器学习, 深度学习, 自然语言处理	NA	电子健康记录, 影像数据, 可穿戴设备数据, 传感器数据	NA	NA	NA	NA	NA
2733	2026-01-09	LCSD-Net: a light-weight cross-attention-based semantic dual transformer for domain generalization in melanoma detection 2026-Jan, Journal of medical imaging (Bellingham, Wash.) DOI:10.1117/1.JMI.13.1.014502 PMID:41503367	研究论文	本文提出了一种轻量级交叉注意力语义双变换器模型，用于提高黑色素瘤检测中的领域泛化能力	模型通过提取全局语义信息、特征归一化和语义查询来减少对疾病无关视觉伪影的依赖，并优化计算复杂度以支持实时移动应用	NA	开发一种可靠且高效的黑色素瘤检测模型，以应对临床环境中的领域泛化挑战	皮肤病变图像	计算机视觉	黑色素瘤	深度学习	Transformer	图像	三个数据集：Derm7pt-Dermoscopic、Derm7pt-Clinical和PAD-UFES-20	NA	LCSD-Net	分类准确率	NA
2734	2026-01-09	Integrated biomarker analysis and next-generation AI for precision diabetes prediction 2026-Jan, Toxicological research IF:1.6Q4 DOI:10.1007/s43188-025-00312-0 PMID:41503444	研究论文	本研究探索了将先进深度学习与关键药物生物标志物相结合，以增强糖尿病的早期预测	开发了一种多模态集成方法，利用Transformer架构捕捉异构医疗数据中的复杂依赖关系，并使用扩散模型通过生成合成样本来解决类别不平衡问题	需要多中心验证，并整合更多组学数据，以及在多样化人群中进行专门验证	提升糖尿病的早期预测精度，并推动个性化糖尿病管理	糖尿病患者，包括1型糖尿病和妊娠期糖尿病等少数群体	机器学习	糖尿病	NGS, 电子健康记录, 医学影像, 可穿戴设备时间序列数据	Transformer, Diffusion Models	图像, 文本, 时间序列数据	NA	NA	Transformer	准确率, AUC, 精确率, 召回率, F1分数	NA
2735	2026-01-08	Investigation of cervical cell image segmentation technology based on deep learning and non-coding RNAs 2026-Apr, Non-coding RNA research IF:5.9Q1 DOI:10.1016/j.ncrna.2025.09.009 PMID:41488159	综述	本文综述了基于深度学习和非编码RNA的宫颈细胞图像分割技术，探讨了其在医学诊断中的应用与挑战	结合深度学习方法（如CNN、U-Net）与非编码RNA研究，以提升宫颈细胞图像分割的精度和效率	本文为综述性文章，未涉及具体实验数据或模型验证，主要基于文献调研，缺乏原创性实证研究	探索深度学习技术在宫颈细胞图像分割中的应用，并比较不同模型（如CNN、全卷积网络、U-Net）的特点和性能	宫颈细胞图像	计算机视觉	宫颈癌	NA	CNN, 全卷积网络, U-Net	图像	NA	NA	CNN, 全卷积网络, U-Net	NA	NA
2736	2026-01-08	Reply to comment on impact of deep learning on CT-based organ-at-risk delineation for flank irradiation in paediatric renal tumours: A SIOP-RTSG radiotherapy committee 2026-Mar, Clinical and translational radiation oncology IF:2.7Q2 DOI:10.1016/j.ctro.2025.101087 PMID:41487396	回复	本文是对评论的回应，澄清了关于深度学习在儿童肾肿瘤侧腹放疗中CT自动轮廓勾画研究的方法学和临床方面	通过回应评论，强调了研究中对STAPLE共识轮廓偏见的处理，并解释了为何剂量分析和不确定性量化在当前阶段非必需	研究在受控的研讨会环境中进行，未能完全反映真实世界的临床工作流程	评估深度学习在儿童肾肿瘤侧腹放疗中器官风险自动轮廓勾画的影响	儿童肾肿瘤患者	数字病理学	肾肿瘤	CT成像	深度学习	CT图像	NA	NA	NA	几何评估	NA
2737	2026-01-08	Toward accurate breast cancer classification: A review of multi-modal machine learning approaches 2026-Feb, Methods (San Diego, Calif.) DOI:10.1016/j.ymeth.2025.10.011 PMID:41265505	综述	本文综述了多模态机器学习方法在乳腺癌分类中的应用，包括恶性与良性分类及分子亚型分类	探讨了多模态数据融合技术、注意力机制Transformer架构在WSI标注中的应用，以及模型可解释性工具	NA	提高乳腺癌分类准确性，推动精准肿瘤学发展	乳腺癌分类及分子亚型识别	机器学习	乳腺癌	转录组学、影像学、基因组学	深度学习算法、传统模型、机器学习模型	图像、转录组数据、基因组数据	NA	NA	注意力机制Transformer、多实例学习架构	NA	NA
2738	2026-01-08	Digital Eye: Deep Learning for Detecting Physeal Fractures of the Pediatric Distal Radius 2026-Feb, Journal of the Pediatric Orthopaedic Society of North America DOI:10.1016/j.jposna.2025.100291 PMID:41488804	研究论文	本研究通过微调卷积神经网络（EfficientNet）来检测儿童桡骨远端骨折中的骨骺骨折，旨在提高诊断准确性	首次应用EfficientNet模型结合Grad-CAM技术对儿童骨骺骨折进行自动分类，并提供了模型预测的可解释性分析	数据集来自单一医疗机构，样本多样性和平衡性有限，未来需扩展数据集并测试不同视图和骨折模式	开发一种基于深度学习的工具，以辅助急诊医生准确分类儿童桡骨远端骨折中的骨骺骨折，从而改善患者安全	4至18岁骨骼未成熟患者的桡骨远端骨折X光片	计算机视觉	骨科损伤	X光成像	CNN	图像	2,103张X光片（来自1,082名患者），包括203例骨骺骨折和879例非骨骺骨折	TensorFlow, PyTorch	EfficientNet-B2	准确率, 精确率, 召回率, F1分数	NA
2739	2026-01-08	Battery SOH estimation based on thermodynamic parameters from an electrochemical fractional-order model and LSTM 2026-Jan-16, iScience IF:4.6Q1 DOI:10.1016/j.isci.2025.114234 PMID:41488788	研究论文	本文提出了一种基于电化学分数阶模型热力学参数和LSTM的锂离子电池健康状态估计方法	结合电池机理模型与深度学习，利用热力学参数替代传统外部特征，提高了估计精度和可解释性	未明确说明模型在极端工况或不同电池类型上的泛化能力	提高锂离子电池健康状态估计的准确性和可解释性	锂离子电池	机器学习	NA	电化学分数阶模型	LSTM	热力学参数	8个验证电池	NA	LSTM	均方根误差	NA
2740	2026-01-08	Robust CNN multi-nested-LSTM framework with compound loss for patch-based multi-push ultrasound shear wave imaging and segmentation 2026-Jan-07, Physics in medicine and biology IF:3.3Q1 DOI:10.1088/1361-6560/ae2db8 PMID:41401501	研究论文	提出了一种新颖的两阶段深度学习框架，用于解决超声剪切波成像中的噪声敏感性、多推策略效率低和标注数据有限等问题，实现稳健的弹性重建和病灶分割	提出了一种结合CNN和多嵌套LSTM的两阶段深度学习框架，采用基于块的训练策略和复合损失函数，有效解决了数据稀缺和噪声敏感性问题	方法在模拟和体模数据上验证，虽在猪肝数据上测试，但临床人体数据验证仍需进一步研究	开发一种稳健的深度学习框架，用于超声剪切波弹性成像的重建和病灶分割	超声剪切波弹性成像数据	医学影像分析	组织病理学评估	超声剪切波弹性成像	CNN, LSTM	超声运动数据	模拟数据、CIRS体模数据和猪肝实验数据	NA	ResNet3D, Nested CNN-LSTM	峰值信噪比, 对比度噪声比, 交并比	NA