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
421	2026-10-04	A randomized multi-window 3D deep learning approach for intracranial hemorrhage detection on non-contrast head CT 2026-Aug, Medical & biological engineering & computing IF:2.6Q3 DOI:10.1007/s11517-026-03620-1 PMID:42412285	研究论文	该研究提出了一种轻量级3D深度学习架构Lite3DNet，利用随机多窗口3D输入，用于非增强头颅CT的颅内出血检测。	提出了Lite3DNet轻量级架构，采用随机多窗口3D输入策略，在保持高性能的同时显著降低了计算成本、内存需求和推理延迟。	未明确提及。	开发一种计算效率高、适合临床快速分诊的自动扫描级颅内出血检测方法。	疑似颅内出血患者的非增强头颅CT扫描。	医学图像分析	颅内出血	CT	CNN	3D医学图像	使用RSNA ICH Detection数据集（最大公共ICH数据集）进行训练和内部测试，并在两个外部测试集CQ500和MosMedData CT Hemorrhage上进行评估。具体样本数量未在摘要中提供。	NA	Lite3DNet	AUC	GPU推理延迟为19.84毫秒，具体GPU型号未说明。
422	2026-10-04	A multi-anatomical in vivo and in vitro ultrafast ultrasound dataset: 20,431 acquisitions with 105 plane waves using the GE 11L-D probe and a vantage system 2026-Aug, Data in brief IF:1.0Q3 DOI:10.1016/j.dib.2026.113259 PMID:42824763	研究论文	本文介绍了一个多解剖部位的体内和体外超快超声数据集，包含20,431次采集，使用GE 11L-D探头和Vantage系统。	提供了大规模、异质的原始射频信号数据集，涵盖六个解剖区域和体模，解决开放获取原始超声数据稀缺的问题。	未明确提及限制。	促进波束形成、图像重建和基于深度学习的医学成像研究。	16名健康志愿者和CIRS 054GS体模。	医学超声成像	NA	超快超声成像	NA	原始射频信号	20,431次采集（20,121次来自16名志愿者，310次来自体模）	NA	NA	NA	GE 11L-D探头（192阵元，7.3 MHz中心频率）和Verasonics Vantage 256系统
423	2026-10-04	Threshold-Free Neural Network Models for Swim Bout Detection of Larval Zebrafish 2026-Jul-22, bioRxiv : the preprint server for biology DOI:10.64898/2026.01.11.698899 PMID:42539050	研究论文	开发用于斑马鱼幼鱼游泳行为检测的无阈值深度学习模型，包括离线模型和在线模型，并在不同实验条件下验证其性能	首次提出无阈值的深度学习模型用于游泳行为检测，避免了传统方法中主观阈值和每次实验调整的问题；同时开发了离线和在线两个模型，提高了检测精度，特别是对低幅度行为	摘要中未提及	解决传统阈值方法在斑马鱼幼鱼游泳行为检测中的主观性和需要逐实验调整的问题，建立高吞吐量、稳健且可重复的行为分析框架	斑马鱼幼鱼（包括野生型、nacre和casper等遗传背景）	神经科学、行为分析	NA	深度学习	NA	尾部曲率时间序列	NA	NA	NA	精确度	NA
424	2026-10-04	Deep learning-based treatment decision support framework for multi-vessel coronary artery disease using integrated coronary angiography and clinical data 2026-Jul-08, BMC medical informatics and decision making IF:3.3Q2 DOI:10.1186/s12911-026-03692-x PMID:42420992	研究论文	该研究开发了一个基于深度学习的治疗决策支持框架，通过自动分析冠状动脉造影视频并整合临床数据，辅助多支冠状动脉疾病的血运重建决策	提出了一个多模态深度学习框架，包含视频质量筛选、基于课程学习的代表性帧选择和结合影像特征与临床特征的治疗分类三个模块，实现了对冠状动脉造影视频的自动化分析与临床数据的整合	数据来自单中心，样本来源较为单一，缺乏多中心外部验证	开发深度学习框架以支持多支冠状动脉疾病中PCI与CABG的治疗选择决策	5,647名多支冠状动脉疾病患者	医学影像分析、机器学习	冠状动脉疾病	冠状动脉造影	深度学习（具体架构未明确说明）	视频、临床数据	5,647名患者的数据	NA	NA	AUC	NA
425	2026-10-04	Artificial intelligence in shoulder arthroplasty: latest concepts and clinical integration 2026-Jul-08, Journal of orthopaedic surgery and research IF:2.8Q1 DOI:10.1186/s13018-026-07104-8 PMID:42421132	综述	本文综述了人工智能在肩关节置换术中的最新应用，涵盖术前影像诊断与三维重建、术中相位识别与机器人辅助、术后预后预测与可穿戴监测，并探讨了其临床整合策略与挑战	系统性地按术前、术中、术后三个阶段整合了人工智能在肩关节置换术中的最新概念与临床应用，并提出了可解释人工智能、多模态整合、联邦学习和半自主手术平台等新兴整合策略以弥合技术应用与临床信任之间的差距	当前人工智能系统无法捕捉外科医生的直觉和依赖情境的专业经验，且缺乏比较性临床证据证明其改善了常规手术或患者结局，现有系统在未充分验证或适当实施时可能增加成本、工作流程复杂性或延误治疗	总结人工智能在肩关节置换术中的最新应用，突出其优势与局限，并概述将技术创新与外科专业知识相结合的综合策略	肩关节置换术患者及相关人工智能应用系统	机器学习, 数字病理学	肩关节疾病	深度学习影像分析, 三维重建, 机器人辅助手术, 混合现实引导, 多模态整合, 联邦学习, 可穿戴监测	深度学习, 机器学习	图像	NA	NA	多层神经网络	NA	NA
426	2026-10-04	Multimodal Deep Learning Reveals the Modular Genetic Architecture of Cardiovascular Aging 2026-Jul-08, medRxiv : the preprint server for health sciences DOI:10.64898/2026.04.22.26351478 PMID:42465926	研究论文	该研究利用多模态深度学习从UK Biobank超过10万名参与者的四种心血管数据流中估计生物学年龄，揭示了心血管衰老的模块化遗传结构	首次将多模态深度学习应用于四种心血管数据流（心电图、心脏磁共振成像、颈动脉超声和视网膜眼底照片）估计生物学年龄，发现了心血管衰老的模块化遗传结构，并整合单细胞转录组数据揭示了不同遗传信号的细胞背景	研究主要基于UK Biobank和All of Us队列，可能存在人群特异性偏差；部分参与者表型数据不完整；深度学习模型的可解释性仍需进一步验证	利用深度学习从多模态心血管数据中估计生物学年龄，并阐明心血管衰老的遗传结构	超过10万名UK Biobank参与者的四种心血管数据流（12导联心电图、心脏磁共振成像、颈动脉超声和视网膜眼底照片），并在All of Us队列中进行验证	机器学习	心血管疾病	深度学习、全基因组关联分析、跨性状LD分数回归、多基因风险评分、单细胞转录组	深度学习	图像、信号	超过100,000名UK Biobank参与者，包含四种模态数据（心电图、心脏磁共振成像、颈动脉超声、视网膜眼底照片），并在All of Us队列中验证	NA	NA	NA	NA
427	2026-10-04	Dental image analysis and surgical decision support using modified generative adversarial networks 2026-Jul-07, BMC oral health IF:2.6Q1 DOI:10.1186/s12903-026-09115-7 PMID:42410586	研究论文	本文提出了一种改进的生成对抗网络（mGAN），结合W-Net架构、大语言模型（LLM）和概率特征融合（PFF）机制，用于牙科影像分析和手术决策支持，特别是下颌第三磨牙根与下牙槽神经管接触点的预测	（1）提出新颖的W-Net架构，结合U-Net和V-Net形成双路径编码和跳跃门控解码机制，实现针对复杂牙科解剖结构优化的多尺度特征分析；（2）利用大语言模型（LLM）将下颌解剖学和常见牙科病理学的领域知识蒸馏到深度学习流程中，支持超参数调优和条件引导生成器；（3）提出概率特征融合（PFF）机制，实现自适应多模态特征集成，基于局部图像内容和LLM临床背景动态加权不同信息源	未明确提及研究的局限性	解决牙科护理和风险评估中多模态特征整合不足、无法将临床领域文献和循证原则整合到分析平台中的问题，提供口腔手术临床决策支持工具	1500例由专家标注的CBCT扫描影像，涉及下颌第三磨牙（M3M）根与下牙槽神经管（IAC）的解剖关系	计算机视觉	口腔疾病	CBCT影像分析	GAN	图像	1500例CBCT扫描	NA	W-Net, U-Net, V-Net, GAN, LLM	根表面积准确率（RSAA）, Dice相似系数（DSC）, 灵敏度, 特异性	NA
428	2026-10-04	A multimodal deep learning classifier for prediction of HER2-low expression in triple-negative breast cancer 2026-Jul-06, BMC medical imaging IF:2.9Q2 DOI:10.1186/s12880-026-02419-8 PMID:42410534	研究论文	该研究开发并验证了一种多模态深度学习分类器，用于在三阴性乳腺癌中预测HER2低表达状态，并在数据受限条件下评估了少样本学习框架的性能。	提出了少样本深度学习框架FADNET，结合对比学习和软k-means聚类，并构建了融合影像与术后临床变量的混合模型CLI-FADNET，用于HER2状态分类。	样本量较小（122例），仅进行方法学验证而非完全可部署的临床模型，需要未来大规模外部验证。	在数据受限条件下，预测三阴性乳腺癌患者的HER2低表达状态，并为HER2低表达患者的个体化治疗提供依据。	122例经病理确诊的三阴性乳腺癌患者（2017年至2022年）	数字病理学, 医学影像分析	三阴性乳腺癌	乳腺超声, 多参数MRI（T2WI, DWI, DCE-MRI）	少样本深度学习, 对比学习, 软k-means聚类	医学影像, 临床变量	122例三阴性乳腺癌患者	NA	ResNet34	AUC	NA
429	2026-10-04	Comparative evaluation of automated MRI-based brain volumetry software for estimating cognitive domains in early Alzheimer's disease 2026-Jul-06, BMC medical imaging IF:2.9Q2 DOI:10.1186/s12880-026-02535-5 PMID:42410536	研究论文	该研究比较了四种自动化MRI脑体积测量软件在早期阿尔茨海默病中预测认知域评分的能力	首次在一致的深度学习模型下直接比较了不同脑体积测量软件在预测认知域特异性评分方面的表现	样本量相对有限（255例），认知域预测相关性普遍较低，软件间差异可能受多种因素影响而非软件本身优劣	评估四种脑体积测量软件在早期阿尔茨海默病患者中预测认知域特异性评分的能力	255例经淀粉样蛋白PET确诊的阿尔茨海默病患者	数字病理学, 神经影像学	阿尔茨海默病	3D T1加权MRI, 脑体积测量	多层感知机	医学影像, 临床变量, 认知评分	255例患者	NA	多层感知机	均方误差, 皮尔逊相关系数	NA
430	2026-10-04	Computerized Assessment of Motor Imitation for Distinguishing Autism in Video (CAMI-2DNet) 2026-Jul, IEEE transactions on bio-medical engineering DOI:10.1109/TBME.2025.3637089 PMID:41296941	研究论文	本文提出了一种基于深度学习的可扩展且可解释的视频运动模仿评估方法CAMI-2DNet，用于区分自闭症谱系障碍儿童与神经典型儿童	首次提出无需临时归一化、清洗和人工标注的深度学习视频运动模仿评估方法，通过合成数据和重定向技术学习解耦表征，自动计算运动相似度评分，在区分自闭症与神经典型儿童方面优于CAMI-2D，且与CAMI-3D性能相当	未明确提及	解决传统运动模仿评估主观性强、劳动密集、依赖人工标注等问题，实现自动化、可扩展的视频运动模仿评估，以辅助自闭症异质性研究	自闭症谱系障碍儿童与神经典型儿童	计算机视觉	自闭症	深度学习、运动重定向、合成数据生成	编码器-解码器架构、CNN	视频	未明确提及具体样本量，涉及真实参与者数据和合成虚拟角色数据	NA	编码器-解码器架构	相关性、区分性能（未明确具体指标如AUC、准确率等）	NA
431	2026-10-04	TrajSurv-mPC: Learning From Prostate-Specific Antigen Trajectories for Interpretable and Generalizable Survival Prediction in Metastatic Prostate Cancer 2026 Jul-Sep, JCO clinical cancer informatics IF:3.3Q2 DOI:10.1200/CCI-25-00328 PMID:42809793	研究论文	开发并评估了一种名为TrajSurv-mPC的深度学习框架，利用转移前前列腺特异性抗原（PSA）轨迹和治疗数据来预测转移性前列腺癌（mPC）患者转移后的总生存期	该研究创新性地使用完整的转移前PSA纵向轨迹和治疗数据，而非传统的PSA倍增时间等汇总特征，来预测转移后总生存期；框架架构灵活，可兼容LSTM和Transformer两种序列建模骨干，并在两个独立大型队列中验证了泛化性；通过事后隐藏状态聚类、模拟研究和案例研究增强了模型的可解释性	未明确提及	开发TrajSurv-mPC框架，通过分析完整的转移前PSA轨迹和治疗信息来改善转移性前列腺癌转移后总生存期的预测，并验证其泛化性和可解释性	转移性前列腺癌（mPC）患者	机器学习	前列腺癌	NA	LSTM, Transformer	纵向PSA轨迹和治疗数据（数值时间序列）及基线特征	MSK队列403例，VA队列9984例；外部验证使用协调后的VA子队列训练并在MSK队列测试	NA	LSTM, Transformer	C-index（一致性指数）, P值	NA
432	2026-10-04	Detecting and measuring respiratory events in horses during exercise with a microphone: deep learning vs. standard signal processing 2026-Jun-23, BMC veterinary research IF:2.3Q1 DOI:10.1186/s12917-026-05614-5 PMID:42332659	研究论文	本文比较了深度学习方法与标准信号处理方法，用于从麦克风录音中自动检测马匹运动时的呼吸事件并提取动态呼吸频率	首次自动检测马匹呼吸音并自动计算运动中马匹的动态呼吸频率	模型需要在较低运动强度的声音上进一步验证，且不同麦克风放置位置的效果尚未评估	比较深度学习方法与信号处理方法在自动检测马匹呼吸事件和提取动态呼吸频率方面的效果，以监测训练对马匹健康和表现的影响	标准赛马（Standardbred trotters）在高强度运动中的呼吸音	机器学习	NA	麦克风录音	时序卷积网络, 长短期记忆网络	音频	NA	NA	时序卷积网络, 长短期记忆网络	F1分数, 平均绝对误差, 置信区间, 一致性界限	NA
433	2026-10-04	Improving splice site usage prediction with SPLAIRE 2026-Jun-11, bioRxiv : the preprint server for biology DOI:10.64898/2026.06.08.731019 PMID:42327213	研究论文	本文开发了一种名为SPLAIRE的新型剪接模型，通过在有丝分裂原刺激的气道上皮细胞数据上训练扩张卷积神经网络，提高了剪接位点使用预测的准确性	利用迄今最大的配对RNA和基因分型数据集之一，针对特定细胞类型（人气道上皮细胞）训练新型剪接模型，并在多个组织上展示了优于现有最先进模型的性能	模型仅在人气道上皮细胞数据上训练，可能在其他细胞类型或组织中的泛化能力有限；剪接位点预测仍存在显著差距，特别是在低使用率剪接位点和组织特异性剪接位点的识别方面	改进剪接位点使用预测，并评估现有最先进剪接模型的性能	人气道上皮细胞中的剪接位点及剪接位点使用	机器学习	NA	RNA-seq, 基因分型	CNN	序列, 基因分型数据	100个供体的人气道上皮细胞培养数据	NA	扩张卷积神经网络	NA	NA
434	2026-10-04	MHC Attention: Identifying HLA-E presented cancer antigens through deep learning and high-throughput screening 2026-Jun-10, bioRxiv : the preprint server for biology DOI:10.64898/2026.06.08.730987 PMID:42327037	研究论文	本文开发了一个整合深度学习预测模型、混合哺乳动物细胞筛选、肽-HLA-E稳定性验证和质谱技术的HLA-E抗原发现平台，用于识别HLA-E呈递的癌症抗原	提出了MHC Attention神经网络，能够在多等位基因免疫肽组数据中学习候选MHC等位基因的等位基因级注意力，从而直接利用患者来源的MHC肽数据进行训练；结合约6000肽的HLA-E文库筛选，生成了HLA-E特异性训练数据并提升了预测性能	训练数据稀疏，HLA-E免疫肽组学存在技术难度	系统性地发现癌症相关的HLA-E呈递肽，为广泛适用的肽-HLA导向的癌症免疫治疗提供候选靶点	HLA-E呈递的癌症肽，包括来自ETV4、WT1、RNF43和BMP8A的候选肽	机器学习	癌症	深度学习预测、混合哺乳动物细胞筛选、肽-HLA-E稳定性验证、质谱	神经网络	肽序列、免疫肽组数据、质谱数据	约6000肽的HLA-E文库	NA	MHC Attention	预测性能	NA
435	2026-10-04	FEABAS: A Stitching and Alignment Tool for Serial EM Data 2026-Jun-10, bioRxiv : the preprint server for biology DOI:10.64898/2026.06.07.730510 PMID:42327124	研究论文	该文章介绍了FEABAS，一个用于序列电子显微镜数据拼接与对齐的开源软件工具，旨在高效精确地重建三维体积	采用自适应网格建模和有限元方法，能够鲁棒地处理包含皱纹、折叠、撕裂和断裂切片等常见伪影的数据集，同时保持轻量级、跨平台、可扩展的实现	摘要中未明确提及局限性	开发一种可扩展、跨平台、开源的软件包，用于弹性拼接和对齐电子显微镜图像数据集，以高效精确地重建数字化体积	序列电子显微镜图像数据集	计算机视觉	NA	体积电子显微镜	NA	图像	NA	NA	NA	NA	NA
436	2026-10-04	YeastSAM: A deep learning model for accurate segmentation of yeast cells 2026-Jun, Molecular biology of the cell IF:3.1Q3 DOI:10.1091/mbc.E25-09-0454 PMID:42024490	研究论文	该研究通过适配Segment Anything Model (SAM)构建了YeastSAM，一个针对出芽酵母优化的深度学习分割框架，在分割分裂细胞方面准确率比现有方法高出三倍以上	将SAM适配于出芽酵母分割，解决了因不对称细胞分裂和母芽形态导致分裂细胞被误识别为两个独立细胞的难题，并可与单分子RNA成像和细胞器成像结合构建细胞图谱	未明确提及	实现出芽酵母细胞的精确分割，以支持定量图像分析和基因表达空间调控研究	出芽酵母细胞	计算机视觉	NA	显微镜成像、单分子RNA成像、细胞器成像	SAM	图像	NA	NA	Segment Anything Model (SAM)	分割准确率	NA
437	2026-10-04	Development and Validation of a Diffusion-weighted Imaging-only Deep Learning Model for the Detection of Supratentorial Acute Ischemic Infarcts: A Retrospective Diagnostic Accuracy Study 2026-May-14, Annals of African medicine IF:0.6Q3 DOI:10.4103/aam.aam_224_26 PMID:42138578	研究论文	开发和验证一种仅基于弥散加权成像的深度学习模型，用于自动检测幕上急性缺血性梗死，并与放射科专家解读进行对比	提出了一种仅使用DWI图像的深度学习模型来检测幕上急性缺血性梗死，无需其他MRI序列，并在独立测试集上达到了高诊断准确率，处理时间小于1秒	回顾性研究设计，仅分析了幕上DWI图像，样本来自单一三级教学医院，可能存在选择偏倚	训练和测试基于DWI的深度学习模型以自动检测幕上急性缺血性梗死，并评估其相对于放射科专家解读的诊断性能	疑似急性缺血性卒中并接受脑部MRI检查的成年患者	计算机视觉	急性缺血性卒中	弥散加权成像	CNN	图像	1024例MRI检查	NA	NA	准确率, 灵敏度, 特异度, F1分数, AUC	NA
438	2026-10-04	SensX: Model-Agnostic Local Feature Attribution via Calibrated Global Sensitivity Analysis 2026-May, Transactions on machine learning research PMID:42824863	研究论文	提出了一种名为SensX的模型无关局部特征归因方法，通过校准的全局敏感性分析实现黑盒模型解释	将全局敏感性分析中的Morris坐标游走方法适配到局部归因任务，无需访问模型内部结构、训练数据或任意参考输入，用可解释的应用相关参数替代任意设计选择	仅在四个案例研究中进行了验证，未在大规模多样化数据集上广泛评估，方法的计算效率在大规模特征场景下可能受到限制	解决现有局部归因方法在组合式流水线中不可用的问题，为预训练、冻结或仅API可访问的模块提供模型无关的局部特征归因	深度学习模型的局部特征归因方法，包括合成基准测试、ViT图像分类器、单细胞分类器和空间转录组学系统	机器学习	NA	Morris坐标游走，全局敏感性分析	NA	图像，基因表达数据，空间转录组数据	四个案例研究，包括合成基准、ViT（超过150000个像素-通道特征）、单细胞分类器数据集、空间转录组学系统	NA	ViT	top-2归因准确率，top-k扰动AUC	NA
439	2026-10-04	Toward Multimodal Conversational AI for Age-Related Macular Degeneration 2026-Apr-28, ArXiv PMID:42389246	研究论文	本研究开发了OcularChat，一个基于Qwen2.5-VL微调的多模态大语言模型，通过模拟医患对话对彩色眼底照片进行视觉问答，实现年龄相关性黄斑变性的诊断和分类	利用705850组模拟医患对话和46167张彩色眼底照片微调多模态大语言模型，首次实现AMD诊断的交互式对话和可解释推理，不仅提供分类预测还能给出临床推理和解释	训练数据主要基于模拟对话而非真实临床对话，可能存在分布偏差；仅在AREDS和AREDS2数据集上验证，需要更多外部数据集验证泛化能力	开发能够进行交互式对话并提供临床可解释推理的AMD诊断多模态AI系统	年龄相关性黄斑变性患者	数字病理学	年龄相关性黄斑变性	多模态大语言模型微调	MLLM	图像, 文本	705850组模拟对话和46167张彩色眼底照片	NA	Qwen2.5-VL	准确率	NA
440	2026-10-04	Accurate prediction of ecDNA in interphase cancer cells using deep neural networks 2026-Apr-11, Communications biology IF:5.2Q1 DOI:10.1038/s42003-026-09982-4 PMID:41965931	研究论文	本文提出了一种基于深度学习的工具interSeg，用于从间期FISH图像中准确预测癌症细胞中ecDNA的存在状态	开发了interSeg工具，能够从间期FISH图像中准确分类致癌基因扩增状态（EC-amp、HSR-amp或未扩增），克服了传统方法只能在中期细胞中准确检测ecDNA的限制	未明确提及	解决在间期细胞中准确预测致癌基因扩增状态的需求	间期FISH图像中的癌细胞核	数字病理学	癌症（包括神经母细胞瘤）	荧光原位杂交（FISH）	深度神经网络	图像	训练和验证：652张图像（40,446个细胞核）；测试：215张图像（9,733个细胞核）；患者组织保留集：67个样本（1,937个细胞核）	NA	NA	准确率	NA