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
4741	2026-06-30	VQ-DoseNet: A vector quantized model for stochastic radiotherapy dose prediction 2026-07, Medical image analysis IF:10.7Q1 DOI:10.1016/j.media.2026.104123 PMID:42134284	research paper	提出了一种基于向量量化的随机剂量预测模型VQ-DoseNet，用于放射治疗计划中的剂量分布生成	首次在剂量预测中引入向量量化机制，通过扰动输入特征显式建模剂量分布的概率特性，生成多种合理的剂量分布以反映临床变异性	未提及模型在真实临床工作流中的实际计算开销和部署可行性，且仅针对特定体部（可能指头颈部等）验证了泛化性	解决传统深度学习模型确定性输出无法捕捉剂量分布固有变异性的问题，提升放射治疗计划效率	放射治疗中的剂量分布预测	machine learning	放射治疗相关疾病（未指定具体癌症类型）	放射治疗剂量预测	向量量化模型（VQ-DoseNet）	剂量分布数据	in-house数据集（未指明具体数量）和OpenKBP公共数据集	NA	向量量化模型	平均绝对误差（MAE）、剂量评分、DVH评分	NA
4742	2026-06-30	Artificial intelligence-based anatomical recognition improves surgeon decision-making during robotic gastrectomy 2026-Jul, Gastric cancer : official journal of the International Gastric Cancer Association and the Japanese Gastric Cancer Association IF:6.0Q1 DOI:10.1007/s10120-026-01756-5 PMID:42154345	研究论文	开发基于人工智能的解剖识别模型，辅助机器人远端胃切除术中的术者决策	首次将AI解剖识别应用于机器人胃切除术中，并评估其对术者术中决策的临床效用	模型对左胃动脉和左胃静脉的识别IoU较低（0.216、0.232），需进一步优化	评估AI模型在机器人远端胃切除术中辅助术者进行解剖识别和决策的效用	机器人远端胃切除术中胰腺、肝总动脉、左胃动脉和左胃静脉的解剖结构识别	计算机视觉	胃癌	深度学习	深度学习模型	手术视频	67个手术视频（54个训练，13个测试），20名外科医生参与实验	NA	NA	交并比，5点量表评分，识别时间	NA
4743	2026-06-30	Multi-Center Adversarial Bi-Phase Cross-Attention Network for Right Ventricular Segmentation and Functional Classification in Echocardiography 2026-Jul, Echocardiography (Mount Kisco, N.Y.) DOI:10.1111/echo.70527 PMID:42365531	研究论文	提出TACA-Net，一个统一的多中心框架，用于二维超声心动图中右心室心内膜分割和功能严重性分类	首次将域对抗学习、双向双相交叉注意力和多任务联合训练整合在一个框架中，同时解决右心室分割和功能分类问题，并在多中心超声设备上实现鲁棒泛化	数据来自单一三级医院网络内的三个临床站点，可能限制泛化性；未探讨模型在更广泛超声设备和人群中的表现	开发并前瞻性验证一个统一的多中心框架，用于自动右心室分割和功能分类，以克服形态复杂性和单中心模型的域脆弱性	二维心尖四腔超声心动图中的右心室	医学图像分析	右心室功能不全	二维超声心动图	深度学习模型	图像	训练和交叉验证集1240名患者（站点A和B），外部测试集320名患者（站点C）	PyTorch	TACA-Net（结合梯度反转层域判别器、双向双相交叉注意力模块、双头解码器）	Dice相似系数（DSC）、豪斯多夫距离95百分位（HD95）、宏平均AUC	NA
4744	2026-06-30	A system-level DOI discrimination method based on SSDA for a brain-dedicated DOI-PET scanner 2026-Jun-29, Physics in medicine and biology IF:3.3Q1 DOI:10.1088/1361-6560/ae7eed PMID:42309149	研究论文	提出一种基于半监督域适应（SSDA）的系统级DOI鉴别方法，用于脑专用DOI-PET扫描仪，以降低校准成本并保持高性能	仅需少量探测器（甚至一个）的侧照射数据作为标记数据，大幅减少校准时间和人力，实现系统级校准的高效性和实用性	NA	开发一种高效、实用的系统级DOI校准方法，用于下一代高性能脑专用PET扫描仪	脑专用DOI-PET扫描仪中的探测器阵列和PET原型扫描仪（含72个探测器）	机器学习	NA	PET成像、DOI测量	半监督域适应（SSDA）	图像（洪水图和空间分辨率数据）	使用一个探测器阵列（两层结构：顶层16×16阵列，底层8×8阵列），以及含72个探测器的PET原型扫描仪	NA	NA	准确率、洪水图像质量（k值、MAE）、误分类晶体簇比例、径向空间分辨率	NA
4745	2026-06-30	Integrating artificial intelligence and multi-omics data for precision oncology in endometrial cancer: a narrative review 2026-Jun-29, Functional & integrative genomics IF:3.9Q1 DOI:10.1007/s10142-026-01957-2 PMID:42366266	综述	综述人工智能与多组学数据在子宫内膜癌精准肿瘤学中的整合应用	不同于仅关注AI、组学或影像的综述，本文整合了分子、影像、组织病理学和计算视角，强调它们对子宫内膜癌精准肿瘤学的综合影响	队列异质性、批次效应、种族代表性不足、注释缺失以及需要外部验证等挑战仍是重大障碍	总结基于AI的多组学数据在子宫内膜癌诊断、预后和治疗决策中的应用，并为精准肿瘤学铺平道路	子宫内膜癌（尤其特定分子亚型NSMP和MMRd亚组）	机器学习, 数字病理学	子宫内膜癌	基因组学, 转录组学, 蛋白质组学, 代谢组学, 表观基因组学, 单细胞测序, 空间转录组学	卷积神经网络, 变换器, 图神经网络, 多模态融合模型	组学数据, 图像, 临床记录	NA	NA	EndoNet, EndoRisk, HECTOR	NA	NA
4746	2026-06-30	Changes in Retinal Microvasculature During Healthy Pregnancy Measured by AO 2026-Jun-29, Hypertension (Dallas, Tex. : 1979) DOI:10.1161/HYPERTENSIONAHA.125.26521 PMID:42366971	research paper	利用自适应光学成像测量健康妊娠期间视网膜微血管壁腔比的变化	首次在妊娠期间描述壁腔比的变化，并采用nnUNet深度学习模型自动计算	未探讨产后壁腔比的变化及可逆性，且样本以白人为主	评估健康妊娠过程中视网膜微血管壁腔比的变化及其影响因素	460名健康单胎妊娠女性的视网膜微血管	computer vision	geriatric disease	自适应光学视网膜成像	CNN	image	460名健康单胎妊娠女性，共543次测量	NA	nnUNet	NA	NA
4747	2026-06-30	A multi-scale feature fusion network for CNV segmentation in SD-OCT images toward quantitative assessment of neovascular AMD 2026-Jun-28, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-59215-1 PMID:42366194	研究论文	提出一种用于SD-OCT图像中脉络膜新生血管分割的多尺度特征融合网络，旨在定量评估新生血管性年龄相关黄斑变性	创新性包括：在多尺度特征融合模块中结合高维语义与低维细节以增强跳跃连接；在损失函数中引入梯度约束以改善边界分割；引入可选的交互式注意力机制，通过标记四个极值点生成高斯注意力热图以引导网络再训练，提升分割精度	未明确提及，但自动版本IoU为0.686，交互版本提升至0.802，表明自动分割仍有提升空间	实现SD-OCT图像中CNV的精准定量分割，辅助新生血管性AMD的临床评估与治疗监测	脉络膜新生血管病变区域	计算机视觉，数字病理	新生血管性年龄相关黄斑变性	SD-OCT成像	深度学习分割网络（MFF-Net）	图像	未明确说明样本数量，但涉及SD-OCT图像数据集	PyTorch（根据深度学习模型推断）	编码器-解码器架构，集成多尺度特征融合模块与交互式注意力模块	平均交并比，其他定量指标（未具体列出）	未明确说明
4748	2026-06-30	Exploring feature limitations in antimicrobial resistance prediction: machine learning and deep learning in A. baumannii 2026-Jun-28, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-57632-w PMID:42366192	研究论文	探讨机器学习与深度学习在鲍曼不动杆菌抗菌药物耐药性预测中特征表示的限制	系统性地评估了基因存在/缺失特征对多抗生素耐药性预测的充分性，并比较了多种特征筛选策略及深度学习模型性能	未在外部独立数据集进行验证，且仅聚焦于鲍曼不动杆菌单一菌种	开发并评估基于基因存在/缺失特征的多抗生素耐药性预测框架	鲍曼不动杆菌菌株的基因存在/缺失特征	机器学习	抗菌药物耐药性	基因存在/缺失分析	支持向量机、随机森林、极限梯度提升、三子网孪生神经网络	基因存在/缺失特征数据	NA	NA	TripletSiameseNet（TripSimAcin-AMR）	准确率、AUC-ROC、敏感度、特异度	NA
4749	2026-06-30	High angular resolution diffusion imaging of neurodevelopment in children through data creation with deep learning 2026-Jun-28, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-60107-7 PMID:42366258	研究论文	通过深度学习生成高角度分辨率扩散成像数据，研究儿童神经发育	利用深度学习从低b值数据预测高b值HARDI数据，减少扫描时间一半，并应用于儿童神经发育研究	未提及模型泛化性及不同扫描协议或人群的适用性	评估深度学习生成HARDI数据在儿童神经发育研究中的可行性	95名2-10岁儿童（49名女性）的大脑扩散磁共振成像数据	机器学习	NA	扩散磁共振成像	深度学习（具体类型未说明）	图像	95名儿童（49名女性），训练和验证各12名，测试71名	NA	NA	模型性能（具体指标未说明）	NA
4750	2026-06-30	Non-destructive ripeness classification of apricot (Prunus armeniaca L.) using a physically informed deep learning approach 2026-Jun-27, Food chemistry IF:8.5Q1 DOI:10.1016/j.foodchem.2026.150226 PMID:42365770	研究论文	利用物理信息深度学习框架对杏果实进行非破坏性成熟度分类	结合物理化学聚类与图像分析，提出物理信息深度学习框架，实现非破坏性成熟度分类，并验证了CNN预测分数与物理化学指标显著关联	在独立验证子集上准确率下降（63.08%），反映成熟过渡的连续性特性限制了模型泛化能力	开发非破坏性成熟度评估方法，优化收获时机、储存管理和商业分级	杏果实（Prunus armeniaca L.）	计算机视觉	NA	NA	卷积神经网络（CNN）	图像	含主要数据集及独立硬度子集，具体数量未提及	NA	ResNet18	准确率、Macro F1分数、相关系数R	NA
4751	2026-06-30	[Colorectal cancer diagnosis method based on dynamic gland-aware and tissue soft-clustering] 2026-Jun-25, Sheng wu yi xue gong cheng xue za zhi = Journal of biomedical engineering = Shengwu yixue gongchengxue zazhi DOI:10.7507/1001-5515.202603029 PMID:42366427	研究论文	提出一种基于动态腺体感知和组织软聚类的结直肠癌诊断网络（DGTSNet），用于同时捕捉微观腺体紊乱和显著组织病变	提出动态腺体感知卷积显式感知腺体边界并动态调整采样偏移，同时引入连续域约束防止采样越界；提出组织软聚类模块自适应生成聚类原型并引导像素向相关原型质心移动，抑制无关背景干扰	未明确提及在极端样本不平衡或罕见亚型上的表现，以及模型在不同染色条件下的泛化能力可能需要进一步验证	解决现有深度学习方法无法同时捕捉微观腺体紊乱和显著组织病变的问题，提升结直肠癌诊断性能	结直肠癌组织病理图像中的微观腺体结构和显著组织病变区域	数字病理学	结直肠癌	组织病理图像分析	卷积神经网络	图像	4个数据集（朝阳、Kather-5K、EBHI及真实临床验证队列）	NA	动态腺体感知卷积、组织软聚类模块、级联稀疏耦合模块	准确率、精度、召回率、F1分数、AUC	NA
4752	2026-06-30	[Deep learning-driven high-frequency ultrasound method for skin aging assessment] 2026-Jun-25, Sheng wu yi xue gong cheng xue za zhi = Journal of biomedical engineering = Shengwu yixue gongchengxue zazhi DOI:10.7507/1001-5515.202510021 PMID:42366431	研究论文	提出一种基于深度学习的高频超声图像皮肤老化分类方法，使用EfficientNetV2网络结合改进机制实现高精度评估	引入GELU激活函数和层归一化增强特征表示，设计全局感知时间分层网络与双增强注意力机制，采用多尺度路径丢弃正则化策略缓解过拟合	未提及模型在外部数据集上的泛化性验证，且仅基于25~55岁人群的皮肤超声数据，可能对极端年龄段样本不适用	解决皮肤老化评估中依赖医生经验的主观性和低效性，提供客观、高效的辅助诊断工具	皮肤老化分级（基于高频超声图像）	计算机视觉	皮肤老化	高频超声成像	EfficientNetV2	图像	来自25~55岁受试者的面部高频超声数据集	PyTorch	EfficientNetV2, GELU激活函数, 层归一化, 全局感知时间分层网络, 并行通道-空间注意力模块, 挤压激励模块, 多尺度路径丢弃正则化	准确率, 精确率, 召回率, F1分数, 特异度	NA
4753	2026-06-30	[Research on deep learning-based pathological image classification of pilonidal sinus] 2026-Jun-25, Sheng wu yi xue gong cheng xue za zhi = Journal of biomedical engineering = Shengwu yixue gongchengxue zazhi DOI:10.7507/1001-5515.202512031 PMID:42366440	研究论文	基于深度学习的病理图像分类方法用于预测藏毛窦术后复发风险	创新性地将病理图像中的核特征（通过HoVer-Net提取）与多维临床特征融合，构建RFE-BalancedRF集成模型预测藏毛窦复发，实现多模态特征整合	研究未提及样本量大小、外部验证数据集及模型在实际临床场景中的泛化性能	开发人工智能预测模型，利用病理图像和临床特征预测藏毛窦术后复发风险	藏毛窦患者术后苏木精-伊红（H&E）染色病理切片及临床特征	数字病理学	藏毛窦疾病	H&E染色病理切片	CNN（HoVer-Net），随机森林（BalancedRF）	病理图像，临床数据（表格）	未明确说明	NA	HoVer-Net, BalancedRF	ROC_AUC, Acc	未明确说明
4754	2026-06-30	Trends in the use of adult-specific preference-weighted health-related quality of life instruments in clinical trials over the past 50 years: a protocol for a meta-research study using deep learning-based natural language processing and large language models 2026-Jun-22, BMJ open IF:2.4Q1 DOI:10.1136/bmjopen-2026-118609 PMID:42331587	研究论文	该论文提出了一项元研究方案，利用基于深度学习的自然语言处理和大语言模型，系统评估过去50年临床试验中成人偏好加权健康相关生活质量（HRQoL）工具的使用趋势	首次结合自然语言处理（NLP）和大语言模型（LLMs）自动化筛选和提取临床试验中的HRQoL数据，并建立基准测试以比较两种方法的准确性	NA	评估1976年以来临床试验中成人偏好加权HRQoL工具使用比例的时间变化，并建模不同疾病领域、国家和区域的使用趋势	1976年以来发表的英文人类临床试验相关文献	自然语言处理	NA	自然语言处理（NLP）、大语言模型（LLMs）	NA	文本	通过系统检索MEDLINE、Embase、Cochrane Library和Web of Science获取所有相关文献，并使用5000篇随机采样文章作为基准数据集	NA	NA	准确率、召回率、F1分数	NA
4755	2026-06-30	Continuous predictive mortality risk monitoring after allogeneic hematopoietic stem cell transplantation 2026-Jun-18, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-57782-x PMID:42315880	研究论文	提出一种连续预测异基因造血干细胞移植后死亡风险的实时监测框架	首次引入可解释的实时概念验证监测框架，利用常规临床数据动态评估个体化死亡风险，并提供时间分辨的解释	专家评估为初步阶段，需进一步验证临床实用性和通用性	实现异基因造血干细胞移植后死亡风险的动态连续监测	异基因造血干细胞移植患者	机器学习	血液系统恶性肿瘤（如白血病）	深度学习	深度学习模型	临床数据（实验室参数和人口学特征）	891名患者（UKD队列）及MIMIC-IV独立队列	NA	深度学习模型（未具体说明架构）	AUROC	NA
4756	2026-06-30	Using AI to Detect Psychosis Relapse: Scoping Review 2026-Jun-16, JMIR mental health IF:4.8Q1 DOI:10.2196/92192 PMID:42302167	综述	使用人工智能检测精神病复发的范围综述	系统性梳理了基于AI（包括机器学习、深度学习和自然语言处理）检测精神病复发的研究，并突出个性化建模和被动数字表型的潜力	纳入研究数量有限（仅10项），AI模型异质性高且多为未复现结果，样本量普遍较小	总结现有利用AI方法检测精神病复发的研究现状与效果	精神病患者的复发检测	自然语言处理, 机器学习	精神疾病	数字表型分析	机器学习模型, 深度学习模型	数字表型数据（包括智能手机、智能手表监测、生态瞬时评估、社交媒体及互联网搜索数据）	10项研究，具体样本量未详述，但指出需纳入更多参与者	NA	NA	灵敏度（召回率）、特异度（精确率）、AUC	NA
4757	2026-06-30	Deep Learning-Based Automated Detection and Burden Assessment of Paramagnetic Rim Lesions on Quantitative Susceptibility Mapping in Patients With Multiple Sclerosis 2026-Jun-16, Korean journal of radiology IF:4.4Q1 DOI:10.3348/kjr.2026.0103 PMID:42366024	研究论文	开发基于深度学习的框架，用于在多发性硬化患者的定量磁敏感成像中自动检测和评估顺磁性边缘病灶的负荷	首次将3D nnU-Net框架应用于PRL的自动检测和负荷评估，并比较了仅使用QSM与联合QSM和FLAIR两种配置的性能	时间测试集中的病变级别敏感性相对较低，且样本量有限	开发深度学习框架以自动检测和评估多发性硬化患者的顺磁性边缘病灶负荷，并评估其临床相关性	多发性硬化患者的脑磁共振成像数据，包括QSM和三维FLAIR数据	计算机视觉	多发性硬化	定量磁敏感成像	3D nnU-Net	图像	106名疑似多发性硬化患者（探索集84人，时间测试集22人），临床意义队列117人	NA	nnU-Net	敏感性，精确率，患者水平敏感性	NA
4758	2026-06-30	MEG-mod: A Multiview Enhanced Graph Neural Network for Knockdown Efficiency Prediction of Chemically Modified siRNA 2026-Jun-11, Journal of medicinal chemistry IF:6.8Q1 DOI:10.1021/acs.jmedchem.6c00411 PMID:42228641	研究论文	提出MEG-mod，一种用于预测化学修饰siRNA敲低效率的多视图增强图神经网络框架	集成了文献读取代理、人工整理和公共数据库资源构建扩展数据集，联合建模序列上下文、理化性质、化学修饰特征和双链结构关系，采用结构感知的Transformer基图神经网络捕获碱基配对和邻接依赖关系，以及修饰碱基融合模块建模上下文依赖的修饰效应	未提及	预测化学修饰siRNA的敲低效率，提供合理的siRNA设计工具	化学修饰的siRNA	机器学习	NA	深度学习	图神经网络	序列数据、理化性质、化学修饰特征	NA	PyTorch	Transformer	皮尔逊相关系数	NA
4759	2026-06-30	The nascent transcriptome delineates the regulatory landscape in human health and disease 2026-Jun-09, bioRxiv : the preprint server for biology DOI:10.1101/2025.09.24.676871 PMID:41040139	研究论文	利用PRO-cap技术构建高分辨率RNA聚合酶II结合的调控元件图谱，揭示人类健康和疾病中的转录调控景观	首次以碱基对分辨率系统描绘人类主要器官系统及发育与疾病状态下的活性调控元件图谱，并整合深度学习模型ProCapNet优先排序非编码变异	未明确提及局限性	解析转录起始位点的调控结构，揭示组织特异性、进化保守性、转录因子使用及调控连接性，以及疾病中谱系特异性调控程序的变化	人类主要器官系统、多种发育与疾病状态（包括转移性癌症）的调控元件	自然语言处理	转移性癌症	PRO-cap	深度学习模型	新生RNA测序数据	涵盖所有主要人类器官系统及多种发育与疾病状态的广泛样本	PyTorch	ProCapNet	NA	NA
4760	2026-06-30	Facial iPPG heatmap patterns based on period-aware autoencoder show association with carotid atherosclerosis towards non-contact hemodynamic assessment 2026-Jun-09, Computer methods and programs in biomedicine IF:4.9Q1 DOI:10.1016/j.cmpb.2026.109508 PMID:42365708	研究论文	提出基于周期感知自编码器的面部iPPG热图模式分析方法，用于颈动脉粥样硬化的非接触式血液动力学评估	首次将周期感知自编码器与双向跨模态注意力机制结合，通过全脸参考信号融合和周期峰值约束实现高保真iPPG信号重建，并建立面部血液动力学热图与颈动脉粥样硬化的关联	样本量较小（95人），且颈动脉粥样硬化与热图模式的关联在调整协变量后未达到统计学显著性（校正OR的95%CI跨过1）	探索非接触式面部成像光电容积描记术在颈动脉粥样硬化风险评估中的应用价值	95名中老年参与者的面部iPPG信号和颈动脉/下肢超声数据	计算机视觉	颈动脉粥样硬化	iPPG	周期感知自编码器	图像, 时序信号	95名中老年参与者	PyTorch	周期感知自编码器	Pearson卡方检验, 比值比	NA