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
441	2026-10-04	ETSAM: Effectively Segmenting Cell Membranes in cryo-Electron Tomograms 2026-Mar-02, bioRxiv : the preprint server for biology DOI:10.1101/2025.11.23.689996 PMID:41394697	研究论文	本文提出了一种两阶段微调的SAM2方法ETSAM，用于在冷冻电子断层扫描图像中有效分割细胞膜	提出了一种基于SAM2的两阶段微调方法，结合实验数据和模拟数据训练，在冷冻电子断层扫描图像中实现了细胞膜的高灵敏度和高精度分割	未明确提及	在冷冻电子断层扫描图像中准确分割细胞膜	冷冻电子断层扫描图像中的细胞膜	计算机视觉	NA	冷冻电子断层扫描	SAM2	图像	83个实验断层扫描图像和28个模拟断层扫描图像	NA	SAM2	灵敏度和精确度	NA
442	2026-10-04	PRIME 2.0: Proposed Requirements for Cardiovascular Imaging-Related Multimodal-AI Evaluation: An Updated Checklist 2026-Feb, JACC. Cardiovascular imaging DOI:10.1016/j.jcmg.2025.08.004 PMID:40892627	指南	本文介绍了PRIME 2.0清单，一个用于标准化心血管影像人工智能应用开发、评估和报告的领域特定框架	针对从传统机器学习到深度学习、大语言模型和多模态生成式AI的快速进展进行了更新，并通过改进的德尔菲过程纳入心血管影像特定复杂性如心脏运动、成像伪影和观察者间变异性	未提及	标准化心血管影像中人工智能应用的开发、评估和报告	心血管影像AI研究	医学影像分析	心血管疾病	NA	NA	NA	NA	NA	NA	NA	NA
443	2026-10-04	SpatialDINO: A Self-Supervised 3D Vision Transformer that enables Segmentation and Tracking in Crowded Cellular Environments 2026-Jan-25, bioRxiv : the preprint server for biology DOI:10.64898/2025.12.31.697247 PMID:41509489	研究论文	本文提出了一种基于DINOv2修改版的自监督3D视觉Transformer方法SpatialDINO，能够直接从原始3D显微镜图像中实现拥挤细胞环境下的目标检测、分割和追踪，无需重新训练或体素标注	提出了完全自动化的自监督方法SpatialDINO，训练原生3D视觉Transformer，从多通道显微镜的单通道中生成鲁棒的语义特征图，无需体素标注即可支持跨z间距、不同平面数量和不同成像模态的目标检测与分割，并能够检测以前未见过的目标类别，结合特征相似性和空间邻近性改进遮挡情况下的追踪	训练数据集规模较小，仅基于共聚焦体积数据训练；方法的泛化能力虽然在多种成像模态上得到验证，但可能仍受限于训练数据的多样性	解决拥挤细胞内环境中不同大小和形状目标在低对比度、各向异性、单色图像体积中的识别、分割和追踪难题，降低定量分析的门槛	网格蛋白包被小窝、网格蛋白包被囊泡、内体、溶酶体、细胞质膜、细胞核以及MRI扫描中的肿瘤	计算机视觉	NA	3D晶格光片荧光显微镜、MRI	Transformer	图像	一小批由活细胞荧光3D晶格光片显微镜获取的共聚焦体积数据	NA	DINOv2, Vision Transformer	NA	NA
444	2026-10-04	ecPICK: A deep learning-enabled spatial diagnostic platform for direct ecDNA identification and clinical prognosis across pan-cancer histopathology 2026, Theranostics IF:12.4Q1 DOI:10.7150/thno.134316 PMID:42244994	研究论文	开发了深度学习框架ecPICK，用于在H&E染色全切片图像中识别和定位染色体外DNA，并评估其诊断和预后价值	首个基于深度学习的ecDNA空间诊断平台，无需高成本测序即可实现ecDNA的量化与定位，并结合空间转录组学揭示ecDNA相关肿瘤微环境特征	未明确提及	开发一个成本效益高、临床可转化的平台，利用常规病理样本进行ecDNA的定量和定位	20种不同癌症的H&E染色全切片图像	数字病理学	泛癌	H&E染色、荧光原位杂交、空间转录组学	CNN	图像	4,280张图像，涵盖20种癌症	NA	NA	AUC、R²	NA
445	2026-10-04	A Framework for Automated Tracking of Morphologically Distinct Cell Populations in Time-Lapse Microscopy 2026, ...IEEE...International Conference on Connected Health: Applications, Systems and Engineering Technologies. IEEE International Conference on Connected Health: Applications, Systems and Engineering Technologies DOI:10.1109/chase69719.2026.00015 PMID:42820222	研究论文	本文提出了一个自动化计算框架，用于在延时荧光显微镜图像中检测和追踪具有特征性形态学特征的细胞群体，并以胚胎腹中线细胞为例进行了演示	整合了深度学习分割与基于旋转边界框分析的形态学特征提取，结合多标准过滤、空间聚类和基于圆形统计的时间插值，实现了对形态学独特细胞群体的自动化检测和追踪，并且模块化架构便于适应不同实验条件	在分层测试集上评估五种聚类方法时发现检测灵敏度与几何精度之间存在性能权衡，可能影响实际应用中的准确性	开发一个可泛化的计算框架，用于自动检测和追踪具有特征性形态学特征的细胞群体，以理解复杂组织的发育和重塑过程	胚胎发育过程中的腹中线细胞	计算机视觉	NA	延时荧光显微镜成像	CNN	图像	未提及具体样本量	NA	NA	检测灵敏度, 几何精度	NA
446	2026-10-04	DETECTX: a novel deep learning approach for detecting pneumonia, tuberculosis, and aspergillosis from chest X-rays 2026, Frontiers in cellular and infection microbiology IF:4.6Q1 DOI:10.3389/fcimb.2026.1915083 PMID:42824030	研究论文	该研究开发了一种基于深度学习的方法，用于从胸部X光片中检测曲霉病、肺炎和结核病	提出了一种新颖的孪生卷积神经网络模型，在区分四种肺部状况方面优于现有模型	未明确提及研究局限性	开发一种深度学习系统，以区分曲霉病、肺炎、结核病和健康肺部	胸部X光图像	计算机视觉	肺癌	胸部X光成像	CNN, ResNet-50, 孪生卷积神经网络	图像	7200张图像	NA	CNN, ResNet-50, 孪生CNN	准确率, 精确率, 召回率, F1分数, 混淆矩阵	NA
447	2026-10-04	A deep learning approach to county-level soybean yield forecasting using large-scale environmental data 2026, Frontiers in artificial intelligence IF:3.0Q2 DOI:10.3389/frai.2026.1914697 PMID:42824220	研究论文	本研究利用大规模环境数据开发了一个可解释的深度学习大豆产量预测框架，能够提前五个月进行县级产量预测	开发了可解释的深度学习框架，结合SHAP值分析环境因素对大豆产量的贡献，实现提前五个月的高精度县级产量预测	未明确说明模型在极端气候年份的泛化能力，可能受限于美国大陆地区的特定环境条件	开发可解释的大豆产量预测框架，利用县级气候和土壤属性实现提前数月的准确产量预测	美国大陆县级大豆产量	机器学习	NA	深度学习	深度神经网络	气候、土壤和海拔属性数据	388个气候、土壤和海拔属性，覆盖美国大陆约100年时间跨度	NA	深度神经网络	NA	NA
448	2026-10-04	Mamba-based state-space modeling with window attention for explainable multi-class gastrointestinal disease diagnosis in endoscopic images 2026, Frontiers in artificial intelligence IF:3.0Q2 DOI:10.3389/frai.2026.1952159 PMID:42824335	研究论文	提出一种名为GINet的混合深度学习架构，用于内窥镜图像中胃肠道疾病的多分类诊断，具有可解释性	结合EfficientNetV2特征提取、窗口注意力机制和基于Mamba的状态空间模块，同时捕获局部空间依赖和长程全局上下文关系，并实现线性计算复杂度	需要在外部多中心数据上进一步验证	实现胃肠道疾病的准确、高效且可解释的计算机辅助诊断	内窥镜图像中的九类临床相关胃肠道疾病	计算机视觉	胃肠道疾病	内窥镜检查	CNN, Mamba, 注意力机制	图像	NA	NA	EfficientNetV2, 窗口注意力, Mamba	准确率, 精确率, 召回率, F1分数	NA
449	2026-10-01	Deep learning methods for automated orthopaedic measurements in radiographs 2026-12, Knee surgery, sports traumatology, arthroscopy : official journal of the ESSKA DOI:10.1002/ksa.70429 PMID:42170955	综述	本文对用于放射影像中骨科测量自动化的深度学习方法进行了易于阅读的综述，总结了四种常见方法及其代表性应用	提供了针对骨科放射影像测量自动化深度学习方法的系统性、读者友好的概述，覆盖四种主要方法（分割网络、关键点或热图检测、两步目标检测加分类、直接回归），并强调了实际限制和实施考虑因素	讨论了泛化性、性能漂移、偏倚与公平性等限制，但作为综述文章，未提供新的实验验证	综述用于放射影像中骨科测量自动化的深度学习方法，并讨论其实施考虑因素	放射影像中的骨科测量，包括角度、偏移、对齐指数和分级评分	计算机视觉	骨科疾病	深度学习	NA	图像	NA	NA	NA	NA	NA
450	2026-10-01	Artificial intelligence demonstrates comparable diagnostic accuracy to radiologists for anterior cruciate ligament tears on MRI: A systematic review and meta-analysis 2026-Dec, Knee surgery, sports traumatology, arthroscopy : official journal of the ESSKA DOI:10.1002/ksa.70478 PMID:42377343	系统综述与荟萃分析	该文章系统综述并荟萃分析了人工智能在MRI上诊断前交叉韧带撕裂的诊断准确性，并与放射科医生进行了比较	通过系统综述和荟萃分析，直接比较了AI与放射科医生在诊断前交叉韧带撕裂方面的诊断准确性，并证明了AI具有相当的诊断性能	研究间存在中到高度异质性，研究设置存在变异性	系统评估AI在检测前交叉韧带撕裂方面的诊断准确性，并与放射科医生的表现进行比较	前交叉韧带撕裂患者	医学影像	前交叉韧带撕裂	磁共振成像	深度学习	图像	1192例病例，来自40项定性合成研究和31项荟萃分析研究	NA	NA	灵敏度，特异度，汇总受试者工作特征曲线	NA
451	2026-10-01	Training Deep Learning Based Dynamic MR Image Reconstruction Using Synthetic Fractals 2026-Dec, Magnetic resonance in medicine IF:3.0Q2 DOI:10.1002/mrm.70521 PMID:42473088	研究论文	该研究探讨了使用合成分形数据训练深度学习模型进行动态MRI重建的可行性，避免使用心脏MRI训练数据的隐私、许可和可用性限制	首次使用四元数朱莉娅分形生成合成训练数据，用于训练深度学习模型进行动态MRI重建，从而绕开临床数据集的隐私和许可限制	研究仅在前瞻性获取的10名患者的径向实时心脏MRI上评估，样本量较小，需要更大规模的多中心验证	研究合成生成的分形数据能否用于训练深度学习模型进行动态MRI重建，从而避免与心脏MR训练数据集相关的隐私、许可和可用性限制	前瞻性获取的10名患者的径向实时心脏MRI数据	计算机视觉	心血管疾病	动态MRI重建	CNN	图像	10名患者的前瞻性心脏MRI数据	NA	3D UNet	定性排名、心室容积、射血分数、偏差、一致性界限	NA
452	2026-10-01	Self-calibrated B1 + and B0 Field Inhomogeneities Estimation (SAFE) in 3D Magnetic Resonance Fingerprinting 2026-Dec, Magnetic resonance in medicine IF:3.0Q2 DOI:10.1002/mrm.70525 PMID:42482282	研究论文	本文开发了一种自校准框架SAFE，直接从常规磁共振指纹（MRF）数据中估计B1+和B0场不均匀性，并提高定量精度。	利用物理信息图像标记与深度学习网络相结合，通过自适应重训练无需额外训练数据即可应用于不同MRF序列，实现无校准的场不均匀性估计。	未明确说明，可能是研究仅在3T场强下进行，且未讨论在其他场强或更广泛临床场景中的泛化能力。	开发一种自校准框架，直接从常规MRF采集数据中估计B1+和B0场不均匀性，提高定量精度。	健康志愿者和临床人群的3D MRF脑部采集数据	医学影像分析	脑肿瘤	磁共振指纹（MRF）	深度学习	图像	总共444例（多中心多厂商数据集N=358，测试集N=32，患者队列N=86，另有健康志愿者、脑肿瘤患者和儿科受试者）	NA	NA	归一化均方根误差（NRMSE）	NA
453	2026-10-01	Deep learning for subtype classification of inner ear malformations on temporal bone HRCT: Development and multicenter validation 2026-Nov, European journal of radiology IF:3.2Q1 DOI:10.1016/j.ejrad.2026.113059 PMID:42447770	研究论文	本文开发并外部验证了一种基于改进Transformer的多实例学习弱监督深度学习框架，用于颞骨HRCT上内耳畸形的多类别亚型分类	提出了基于改进Transformer的多实例学习弱监督框架，实现从HRCT中自动提取颞骨感兴趣区域并进行一步式多类别内耳畸形分类，并在大规模多中心队列中进行了外部验证，同时通过注意力切片排序和Grad-CAM提供可解释性输出	摘要中未明确提及研究局限性	开发并外部验证一种深度学习模型，用于颞骨HRCT上内耳畸形的多类别亚型诊断，以辅助术前风险评估和手术规划	颞骨HRCT图像中的内耳畸形，包括9,182只 ear（3,161只内耳畸形耳和6,021只正常耳）	医学图像分析	内耳畸形	颞骨高分辨率计算机断层扫描（HRCT）	Transformer	图像	9,182只耳（3,161只内耳畸形耳和6,021只正常耳），来自多中心队列	NA	基于Transformer的多实例学习架构	准确率, macro-F1分数, 多类别AUC	NA
454	2026-10-01	Multimodal deep learning model based on CT perfusion-defined infarct core for predicting parenchymal hematoma type 2 after endovascular therapy in acute ischemic stroke 2026-Nov, European journal of radiology IF:3.2Q1 DOI:10.1016/j.ejrad.2026.113070 PMID:42468315	研究论文	开发并验证一种基于CT灌注定义梗死核心的多模态深度学习模型，用于预测急性缺血性卒中患者血管内治疗后实质血肿2型的发生	首次将CT灌注定义的梗死核心转移至平扫CT生成三维图像块，并融合影像特征、基线临床变量及双期CTA评分构建多模态融合模型，实现了对PH2的精准预测	回顾性双中心研究设计，样本量有限（487例），外部验证队列虽独立但仅来自单一中心，模型泛化能力仍需多中心大样本前瞻性验证	开发并验证基于CTP定义梗死核心的多模态深度学习模型，以预测AIS患者EVT后PH2的发生风险	前循环大血管闭塞性急性缺血性卒中并接受血管内治疗的患者	医学图像分析、深度学习	急性缺血性卒中、脑出血	CT灌注成像、平扫CT、双期CT血管造影、深度学习	3D DenseNet、逻辑回归、多模态融合模型	三维医学影像、临床变量、CTA评分	共487例患者，训练队列219例，外部验证队列268例	NA	3D DenseNet、逻辑回归	AUC、校准分析、决策曲线分析、DeLong检验、净重分类改善、综合判别改善	NA
455	2026-10-01	Integrating habitat-based radiomics, 3D deep learning, and clinical variables for detection of early-stage esophageal squamous cell carcinoma on noncontrast chest CT: A multicenter study 2026-Nov, European journal of radiology IF:3.2Q1 DOI:10.1016/j.ejrad.2026.113106 PMID:42501614	研究论文	该研究开发并验证了一个结合基于生境亚区域放射组学、3D深度学习特征和临床变量的联合模型，用于在非增强胸部CT上检测早期食管鳞状细胞癌	整合了基于生境的亚区域放射组学、3D深度学习特征和临床变量构建联合模型，并进行了多中心验证和AI辅助读者研究	回顾性病例对照研究设计，需要前瞻性评估	开发并验证联合模型用于早期食管鳞状细胞癌的检测	早期食管鳞状细胞癌患者	医学影像分析	食管鳞状细胞癌	非增强胸部CT	3D ResNet-101	图像	469名受试者	NA	3D ResNet-101	AUC、校准曲线、决策曲线分析（DCA）	NA
456	2026-10-01	Ultrasound Microvascular Imaging Using Deep Knowledge Distillation 2026-Nov, Ultrasonic imaging IF:2.5Q2 DOI:10.1177/01617346261437268 PMID:42076995	研究论文	提出SONIC，一种基于知识蒸馏的实时深度学习框架，从有限的多普勒帧重建高质量血管图像，并可用于手持3D微血管成像	提出教师-学生知识蒸馏框架结合双损失策略（深度监督与知识蒸馏），在稀疏数据下实现优于SVD的微血管成像，并支持实时推理和手持3D成像	未明确讨论在极低帧数或噪声极强条件下的性能下限；3D成像仅通过堆叠2D切片实现，空间分辨率受限；未提及多中心数据集验证	解决超快多普勒成像需要长采集时间和高计算成本滤波的问题，实现从有限多普勒帧实时重建高质量血管图像	体内多普勒超声数据、微血管图像	计算机视觉	心血管疾病	超快多普勒成像	教师-学生知识蒸馏网络	图像	体内数据集，具体样本量未明确	PyTorch	教师网络（基于全长序列预训练）与学生网络（用于快速推理），具体架构未明确	分割准确率、信号保真度、推理速度	GPU硬件，具体型号未明确
457	2026-10-01	Epicardial and pericardial adipose tissue: anatomy, physiology, imaging, segmentation, and treatment effects 2026-Oct-01, The British journal of radiology DOI:10.1093/bjr/tqaf223 PMID:40971601	综述	本文综述了心外膜脂肪组织（EAT）和心包脂肪组织（PAT）的解剖学、生理学、病理生理作用、影像学评估、图像分割方法以及治疗干预对其影响	系统整合了EAT和PAT的解剖生理基础、多种影像学评估手段（CT、MRI、超声心动图）及深度学习分割技术，并探讨了医学治疗和生活方式干预对EAT体积的影响	未涉及原始研究数据，综述中引用的研究证据存在矛盾，且影像扫描和图像重建缺乏标准化	讨论EAT和PAT的解剖生理特征及病理生理作用，评估当前影像学手段的优缺点，总结深度学习分割进展，并探讨其作为心血管风险因素及治疗干预效果	心外膜脂肪组织（EAT）和心包脂肪组织（PAT）	数字病理学	心血管疾病	CT，MRI，超声心动图，深度学习图像分割	NA	图像	NA	NA	NA	NA	NA
458	2026-10-01	Temporomandibular Disorders Diagnosis: Current Challenges and the Promising Role of Artificial Intelligence 2026-Oct, European journal of dentistry DOI:10.1055/s-0046-1816081 PMID:41698418	综述	本文综述了颞下颌关节紊乱病诊断面临的挑战，并探讨了人工智能在该领域的应用前景	系统总结了AI在颞下颌关节紊乱病诊断中的应用，提出将AI技术与DC/TMD等标准化诊断框架整合以实现更客观、数据驱动和个性化的诊断方法	作为综述文章，未提供原始实验数据，AI在颞下颌关节紊乱病诊断中的临床应用仍需进一步的跨学科研究、临床验证和伦理实施	总结颞下颌关节紊乱病诊断的当前挑战，并强调人工智能在该领域中日益重要的作用	颞下颌关节紊乱病（TMDs）及其诊断方法	医学影像分析，机器学习	颞下颌关节紊乱病	NA	机器学习，深度学习	影像，临床数据，心理社会数据	NA	NA	NA	NA	NA
459	2026-10-01	From Clinic to Community: An Interpretable Artificial Intelligence Framework for Enamel Caries Detection to Support Public Health Dentistry 2026-Oct, European journal of dentistry DOI:10.1055/s-0046-1816061 PMID:41720475	研究论文	该研究开发了一种可解释的深度学习框架，利用迁移学习和注意力引导融合机制对牙釉质龋齿进行多严重程度自动分类	提出注意力引导融合机制结合改进的EfficientNetB0和MobileNetV2模型，并应用Grad-CAM实现视觉可解释性	缺乏多中心验证，数据集来源单一，泛化能力有待提高	开发高效且可解释的深度学习框架，实现牙釉质龋齿多严重程度的自动分类，并确保临床适用性和透明度	牙釉质龋齿临床图像	计算机视觉	龋齿	深度学习	CNN	图像	2,000张临床牙齿图像，经预处理和增强后扩展至12,000张	NA	EfficientNetB0, MobileNetV2, Random Forest	准确率, 精确率, 敏感度, 特异度, F1分数, ROC AUC, 推理时间	NA
460	2026-10-01	Developing an Artificial Intelligence Solution to Autosegment the Edentulous Maxillary Bone for Implant Planning 2026-Oct, European journal of dentistry DOI:10.1055/s-0046-1818558 PMID:41962579	研究论文	本研究开发了一种基于U-Net架构的深度学习系统，用于自动分割无牙上颌骨以支持种植牙规划	首次将基于U-Net的卷积神经网络应用于无牙上颌骨种植规划中的自动分割，使用MONAI框架，并在某些情况下模型提供了比手动分割更高的解剖精度	数据集较小（仅77例），类别不平衡（后牙区无牙占多数），手动标注协议存在不一致性（如排除狭窄骨区、不规则窦底、平滑处理等）	开发一个深度学习系统来自动分割无牙上颌嵴，以支持自动化种植牙规划	无牙上颌骨区域	计算机视觉	无牙颌	锥形束计算机断层扫描	CNN	图像	209例CBCT扫描中77例符合纳入标准	MONAI	U-Net	Dice相似系数	NA