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
961	2026-09-24	MetaChrome: an open-source, user-friendly tool for automated metaphase chromosome analysis 2026-Mar, Methods (San Diego, Calif.) DOI:10.1016/j.ymeth.2025.12.013 PMID:41475630	研究论文	本文介绍了MetaChrome，一个开源的图形用户界面软件平台，用于自动化的中期染色体分割和DNA FISH信号共定位分析	采用手动注释的中期染色体数据集微调Cellpose分割模型，实现了比传统图像处理方法更高的分割精度，并自动将DNA FISH斑点分配给单个染色体，结合了稳健的染色体分割和全面的共定位分析功能	摘要中未明确提及	解决高通量成像中中期染色体精确自动分割和DNA FISH信号共定位的挑战，提供开源工具以促进染色体生物学研究	DNA FISH染色体图像、中期染色体、染色体特异性FISH探针和免疫荧光标记的蛋白质	计算机视觉	NA	DNA荧光原位杂交（DNA FISH）、高通量成像（HTI）	CNN	图像	NA	NA	Cellpose	分割精度	NA
962	2026-09-23	Integrating multimodality CT-MRI deep learning with clinical-radiological features for preoperative hepatocellular carcinoma grading: a multicenter study 2026-12, Magnetic resonance imaging IF:2.1Q2 DOI:10.1016/j.mri.2026.110773 PMID:42637179	研究论文	该研究开发并外部验证了一种整合多模态CT-MRI深度学习与临床-放射学特征的模型，用于术前无创性肝细胞癌组织学分级	提出了整合多模态CT-MRI深度学习特征与临床-放射学特征的混合融合模型（TL-HFM），并通过分阶段迁移学习利用单模态队列进行预训练，在多中心队列中验证其优于单模态影像、多模态影像模型及临床-放射学模型	回顾性研究设计，样本量相对有限，且仅纳入三个机构的数据	开发并外部验证整合多模态CT-MRI深度学习与临床-放射学特征的模型，用于术前无创性肝细胞癌组织学分级，并评估其是否优于单模态影像、多模态影像模型及临床-放射学模型	经病理确诊的肝细胞癌患者	数字病理学	肝癌	多模态CT-MRI深度学习，分阶段迁移学习	深度学习模型	图像	668例来自三个机构的病理确诊肝细胞癌患者（2010年1月至2023年12月），其中250例有配对术前CT和MRI	NA	NA	AUC，综合判别改善指数，决策曲线分析	NA
963	2026-09-23	Annotation-free deep learning approach for detection of periapical bone rarefactions on panoramic radiographs: a feasibility study 2026-Nov, Oral surgery, oral medicine, oral pathology and oral radiology DOI:10.1016/j.oooo.2026.05.007 PMID:42469120	研究论文	评估一种无需标注的深度学习方法在全景X光片上检测根尖周骨稀疏的可行性	提出无需空间标注的深度学习方法，仅使用图像级标签进行根尖周骨稀疏检测，减少对劳动密集型标注的依赖	由于类别不平衡，仅评估了二分类，多分类未进行，需要外部验证确认泛化能力	评估无需标注的深度学习方法在全景X光片上图像级检测根尖周骨稀疏的可行性	2527张全景X光片	计算机视觉	口腔疾病	全景X光片	CNN, ViT	图像	2527张全景X光片	NA	Xception, ViT	准确率, 召回率, 特异性, F1分数	NA
964	2026-09-23	Deep learning in panoramic radiography: a scoping review for the diagnosis of maxillofacial cysts and tumors 2026-Nov, Oral surgery, oral medicine, oral pathology and oral radiology DOI:10.1016/j.oooo.2026.05.017 PMID:42486723	综述	本文通过范围综述评估了深度学习模型在全景X线片中检测、分割和分类颌面部囊肿与肿瘤的架构、性能指标及临床适用性	系统整合了深度学习模型在颌面部囊肿与肿瘤全景X线片诊断中的构建、评估与临床应用三个维度，为口腔影像计算机辅助诊断系统的发展提供了综合性参考	作为范围综述，未进行定量meta分析，纳入研究的异质性较大，缺乏统一的性能比较标准，且多数研究集中于根尖囊肿、含牙囊肿和牙源性角化囊肿，病种覆盖有限	评估深度学习模型作为诊断支持工具在全景X线片中检测、分割和分类颌面部囊肿与肿瘤的架构、性能指标和临床适用性	全景X线片中的颌面部囊肿和肿瘤，主要包括上颌骨和/或下颌骨的根尖囊肿、含牙囊肿和牙源性角化囊肿	数字病理学	口腔颌面部疾病	全景X线摄影	CNN	图像	28项研究	NA	U-Net, YOLO, DetectNet	灵敏度, 特异度, 精确率, Dice系数, IoU, mAP	NA
965	2026-09-23	Automated Behavior Analysis in the Novel Object Recognition Test 2026-Oct-07, Neurocomputing IF:5.5Q1 DOI:10.1016/j.neucom.2026.134141 PMID:42375494	研究论文	本文提出了一个结合深度学习与启发式规则的框架，用于在新物体识别测试（NORT）中自动分类大鼠行为，通过微调YOLOv11姿态和分类模型实现	首次将YOLOv11姿态估计与分类模型结合，并融入基于启发式的后处理来识别大鼠交互的特定物体，在组合数据集上训练提高了跨场地的泛化能力	大多数错误发生在行为转换附近，反映了帧级人工标签的固有模糊性；模型性能可能受限于手动标注的准确性	实现NORT中动物行为的自动、客观、可扩展和可重复的标注，以替代耗时且主观的人工标注	Long-Evans大鼠的行为视频	计算机视觉	NA	深度学习	YOLOv11	视频	包含2物体和5物体视频的数据集，具体样本量未在摘要中提供	NA	YOLOv11	准确率, 混淆矩阵	NA
966	2026-09-23	Advances in Clinical Imaging and Artificial Intelligence Integration for Dry Eye Diagnosis 2026-Oct, The American journal of pathology DOI:10.1016/j.ajpath.2026.04.022 PMID:42217618	综述	该综述系统总结了基于深度学习的干眼病评估的最新进展，按临床生物标志物分类，并分析了当前研究趋势与未来方向	按关键临床生物标志物（角膜荧光素染色、睑板腺成像、泪河高度、泪膜破裂时间、眨眼模式）对深度学习在干眼病评估中的应用进行系统分类与综合	文中未明确提及具体局限性	系统综述深度学习在干眼病评估中的应用进展，并探讨建立可靠、可解释、可泛化的深度学习框架以实现个性化诊断与长期管理的未来方向	干眼病及其临床影像数据（角膜荧光素染色、睑板腺成像、泪河高度、泪膜破裂时间、眨眼模式）	计算机视觉	干眼病	NA	深度学习	图像	NA	NA	NA	NA	NA
967	2026-09-23	Feature-Space Planes Searcher: A Universal Domain Adaptation Framework for Interpretability and Computational Efficiency 2026-Oct, IEEE transactions on pattern analysis and machine intelligence IF:20.8Q1 DOI:10.1109/TPAMI.2026.3703974 PMID:42301825	研究论文	提出了一种名为特征空间平面搜索器（FPS）的通用领域适应框架，通过在冻结特征编码器的情况下优化决策边界，实现可解释且计算高效的领域适应	1. 发现预训练模型特征空间存在领域不变的几何模式（类内聚类和类间分离）；2. 提出FPS框架，仅优化决策边界而非微调整个模型，大幅降低计算和内存成本；3. 引入类内距离度量（ICDM）实现完全无监督的超参数选择，无需目标域标签	摘要中未明确提及 limitations	解决深度学习中领域偏移问题，即从有标签源域迁移到无标签目标域时模型性能下降的问题，提供一种可解释且计算高效的领域适应方法	预训练深度学习模型的特征空间表示和决策边界	机器学习	NA	NA	NA	NA	NA	NA	NA	NA	NA
968	2026-09-23	Artificial intelligence for predicting pathological complete response to neoadjuvant therapy in triple-negative breast cancer: A systematic review and meta-analysis 2026-Oct, Breast (Edinburgh, Scotland) DOI:10.1016/j.breast.2026.104861 PMID:42413278	系统综述与meta分析	本文系统综述并meta分析了人工智能模型预测早期三阴性乳腺癌新辅助系统治疗后病理完全缓解的性能。	首次对AI预测eTNBC患者NAST后pCR的证据进行定量合成，并系统评估了放射组学、纵向数据和多模态模型的影响。	研究间存在显著异质性（I²=73.1%），验证策略不一致，可能存在发表偏倚，且亚组差异无统计学意义。	评估AI模型预测早期三阴性乳腺癌新辅助系统治疗后病理完全缓解的判别性能。	早期三阴性乳腺癌患者。	数字病理学, 放射组学, 机器学习	三阴性乳腺癌	机器学习, 深度学习	机器学习, 深度学习	影像, 病理, 临床, 组学	系统综述纳入58项研究，其中19项研究的20个队列纳入定量合成	NA	NA	AUC	NA
969	2026-09-23	Dataset Pruning: Reducing Training Data by Examining SGD-Influence 2026-Oct, IEEE transactions on pattern analysis and machine intelligence IF:20.8Q1 DOI:10.1109/TPAMI.2026.3703395 PMID:42295952	研究论文	本文提出数据集剪枝方法，通过SGD影响函数和分布式离散优化，从训练数据中选择最小代理训练集，以减少计算成本并保持模型泛化能力。	提出SGD-Influence方法追踪SGD过程中的参数变化，克服传统影响函数的凸性和最优性假设；结合分布式离散优化实现高效样本选择。	未明确说明方法的局限性。	研究训练数据对模型泛化的影响，并构建最小的代理训练集以在严格约束的泛化差距下减少训练数据。	训练数据集和深度学习模型。	机器学习	NA	随机梯度下降（SGD）	NA	NA	三个数据集（规模与复杂度各异）	NA	NA	准确率	NA
970	2026-09-23	Natural Language Processing to Identify Substance Use in Electronic Health Records: A Scoping Review 2026-Oct, Substance use & addiction journal DOI:10.1177/29767342261463377 PMID:42481076	综述	本文通过范围综述系统总结了利用自然语言处理技术在电子健康记录中识别物质使用的相关研究，并比较了不同物质类型的识别性能	首次对电子健康记录中利用自然语言处理识别物质使用的研究进行范围综述，系统比较了不同物质类型（烟草、酒精、阿片类药物、大麻素、兴奋剂等）的识别性能，并揭示了研究透明度和可重复性不足的问题	仅纳入英文发表的同行评审原创研究，可能存在语言偏倚；多数研究未公开代码或详细模型说明，透明度和可重复性有限；兴奋剂和大麻素相关研究明显不足	描述用于电子健康记录中识别物质使用的自然语言处理技术特征，并按物质类型比较这些技术的性能	86篇应用自然语言处理技术识别电子健康记录中非处方或问题性物质使用的同行评审原创研究	自然语言处理	物质使用障碍	自然语言处理	基于规则的方法, 传统机器学习, 深度学习, 大语言模型/Transformer模型	文本	86篇研究，涵盖烟草（n=42）、酒精（n=26）、非处方阿片类药物（n=30）、大麻素（n=9）、兴奋剂（n=6）以及多物质使用和/或其他药物（n=16）	NA	Transformer	大多数研究报告的性能指标超过0.80	NA
971	2026-09-23	Clinical Readiness of Artificial Intelligence Models for MB2 Canal Detection in Maxillary Molars: A Scoping Review 2026-Oct, International dental journal IF:3.2Q1 DOI:10.1016/j.identj.2026.109758 PMID:42492464	综述	本文通过范围综述评估人工智能模型在上颌磨牙MB2根管检测中的临床准备度	首次系统性地将技术准备水平-实施科学框架应用于评估AI模型在MB2根管检测中的临床转化准备程度，并结合QUADAS-2和ROBVIS工具进行偏倚风险评估	仅纳入5项研究，样本量小；所有研究仅达到技术准备水平4级；存在方法学不明确或不足的问题；缺乏真实世界验证；模型仍处于原型阶段	梳理AI模型在MB2根管检测中的现有研究，评估其临床准备度及常规临床实施的差距	人类恒上颌磨牙的MB2根管检测	数字病理学	口腔疾病	锥形束计算机断层扫描	机器学习, 深度学习	图像	5项符合纳入标准的研究	NA	NA	诊断性能	NA
972	2026-09-23	Accelerated Brain Aging in Type 1 Diabetes Across Painful and Painless Peripheral Neuropathy: MRI-Based Brain Age Estimates From Deep Learning 2026-Oct-01, Diabetes IF:6.2Q1 DOI:10.2337/db26-0305 PMID:42579533	研究论文	本研究通过基于MRI的深度学习脑龄估计，探讨1型糖尿病患者的脑老化加速现象，并分析其与痛性及无痛性周围神经病变的关系	首次在1型糖尿病患者中，结合痛性和无痛性糖尿病周围神经病变亚组，利用深度学习从MRI估计脑龄并计算脑龄差，揭示了糖尿病病程是脑老化加速的主要驱动因素，而非神经病变类型	研究为探索性，样本量有限，需要更严格表征的队列进行验证；调整糖尿病病程后组间差异减弱，因果关系需进一步验证	探究1型糖尿病患者中脑老化加速与糖尿病周围神经病变（包括痛性和无痛性）之间的关系，并识别脑龄差的主要驱动因素	178名1型糖尿病患者（79名无DPN、53名无痛性DPN、46名痛性DPN）和48名健康对照者	数字病理学	糖尿病	结构脑MRI	深度学习	图像	226名参与者（178名1型糖尿病患者和48名健康对照）	NA	NA	P值	NA
973	2026-09-23	Label-free ultraviolet photoacoustic microscopy for multiscale structural phenotyping of epithelial morphogenesis in organoid-derived intestinal epithelial wrinkle tissue 2026-Oct, Photoacoustics IF:7.1Q1 DOI:10.1016/j.pacs.2026.100875 PMID:42765106	研究论文	开发无标记紫外光声显微镜（UV-PAM）用于类器官衍生肠道上皮皱褶组织的多尺度成像和定量分析，并结合深度学习进行初步计算表型分析	利用266 nm紫外光声显微镜实现无标记、无需切片的皱褶结构和核形态可视化，并提取多尺度特征（皱褶波长、皱褶指数、应变诱导的核伸长和重分布）	概念验证数据集仅包含两个未处理和两个DTT处理样本，训练和测试FOV来自同一标本，样本量小，需要更大规模验证	开发无标记紫外光声显微镜用于上皮形态发生的多尺度成像和计算表型分析	人源类器官衍生的肠道上皮皱褶组织	数字病理学	NA	紫外光声显微镜（UV-PAM）	深度学习	图像	4个样本（2个未处理，2个DTT处理）	NA	NA	NA	NA
974	2026-09-23	Development of Leading Enhancement Assistive Planning: A three-dimensional malocclusion classification system for orthodontic treatment with clear aligners 2026-Sep-25, Korean journal of orthodontics IF:2.6Q1 DOI:10.4041/kjod25.214 PMID:42010948	研究论文	开发并验证基于深度学习的LEAP系统，用于从三维口内扫描中自动分类错颌畸形，并整合到正畸CAD工作流程中	开发了LEAP系统，首次将基于改进EfficientNet的三维卷积神经网络与分层分类架构结合，实现三维口内扫描的自动错颌畸形分类，并成功整合到正畸CAD软件中提供实时诊断反馈	仅使用841例三维口内扫描样本，样本量相对有限；未提及多中心外部验证；仅评估了分类性能，未评估对临床治疗结果的实际影响	开发并验证一种基于深度学习的自动化三维错颌畸形分类系统，整合到正畸计算机辅助设计工作流程中以支持临床诊断和治疗规划	841例匿名化三维口内扫描数据（STL格式），涵盖4个主类和11个二分类子类，共125种独特的标签组合	数字病理学	错颌畸形	三维口内扫描（STL格式）、体素化预处理	CNN	三维图像（STL网格数据）	841例三维口内扫描	NA	EfficientNet（改进的三维版本）	准确率、精确率、召回率、F1分数	GPU加速
975	2026-09-23	Automated skeletal maturity staging from handwrist radiographs using deep learning models: A decision support system based on Fishman's indicators 2026-Sep-25, Korean journal of orthodontics IF:2.6Q1 DOI:10.4041/kjod25.157 PMID:42770224	研究论文	本研究基于Fishman方法，利用深度学习模型从手腕部X线片自动进行骨骼成熟度分期，开发决策支持系统	首次将多种深度学习目标检测模型（Faster R-CNN、FCOS、RetinaNet、SSD、YOLOv7）应用于基于Fishman指标的骨骼成熟度自动分期，并构建决策支持系统	样本量相对有限（2318张），仅针对8-19岁患者，未在外部数据集上验证，分类准确率中等（Faster R-CNN为0.73）	开发基于深度学习的手腕部X线片骨骼成熟度自动分期系统，为正畸医生提供生长评估和治疗计划的临床决策支持工具	8-19岁患者的手腕部X线片	计算机视觉	NA	手腕部X线摄影	CNN	图像	2318张手腕部X线片	NA	Faster R-CNN, FCOS, RetinaNet, SSD, YOLOv7	mAP, 准确率, 精确率, 召回率, F1-score	NA
976	2026-09-23	Diagnostic accuracy & clinical importance of AI confidence for extremity fracture detection: 2,508-patient retrospective cohort 2026-Sep-22, Emergency radiology IF:1.7Q3 DOI:10.1007/s10140-026-02546-3 PMID:42768188	研究论文	评估深度学习算法在X光片上检测四肢骨折的诊断性能，并分析AI置信度分层及成人与儿童之间的差异	采用精细参考标准评估算法，并比较AI内置置信度（高 vs. 低）对阳性预测值的影响，以及成人与儿童之间的诊断性能差异	回顾性单中心研究，可能存在选择偏倚	估计深度学习算法在2岁及以上患者X光片上检测四肢骨折的诊断性能，并比较不同置信度水平及成人与儿童的诊断性能	2岁及以上疑似四肢骨折并接受X光检查的患者	计算机视觉	骨科疾病	X光摄影	CNN	图像	2508名患者（中位年龄34岁，范围2-105岁，1236名男性；815名患者共有1028处骨折）	NA	NA	敏感性, 特异性, 阳性预测值, 阴性预测值	NA
977	2026-09-23	A deep learning-enhanced surface acoustic wave platform for contact-free in situ biomechanical characterization of embryos 2026-Sep-22, Lab on a chip IF:6.1Q2 DOI:10.1039/d5lc01196e PMID:42770340	研究论文	本文介绍了一种新型生物传感器平台，结合声表面波（SAW）和深度学习，用于胚胎的非接触式力学表征	1. 微流控系统结合SAW和深度学习实现胚胎机械强度的自动化定量；2. 建立了SAW功率与声辐射力之间的定量拟合模型，用于精确机械加载；3. 首次提供了胚胎机械阈值的定量图谱，系统测量了导致发育停滞的表观最大压应力（MCS）和导致胚胎破裂的表观极限压强度（UCS）	摘要中未明确提及	评估胚胎的机械强度以评价其发育能力	胚胎（从受精卵到咽囊期）	数字病理学	NA	声表面波（SAW）	深度学习	图像	NA	NA	NA	表观最大压应力（MCS）、表观极限压强度（UCS）	NA
978	2026-09-23	Enhanced tactile coding in rat neocortex under darkness 2026-Sep-21, eLife IF:6.4Q1 DOI:10.7554/eLife.106554 PMID:42765594	研究论文	本研究探索了在黑暗条件下大鼠初级体感皮层（S1）中触觉神经编码的变化，发现触觉刺激的神经表征在黑暗中变得更加清晰，表明视觉输入缺失时感觉处理发生重组	首次使用卷积神经网络解码高维LFP信号，揭示了视觉剥夺下触觉神经表征的重组，而传统的基于振幅的分析未能捕捉到这些变化	研究仅基于大鼠模型，样本量有限，未涉及其他感觉模态或长期视觉剥夺的影响	探究视觉输入缺失如何改变大鼠初级体感皮层（S1）的触觉神经编码	训练在定制跑步机上的大鼠，接触不同触觉纹理（粗糙和光滑）	机器学习	NA	局部场电位（LFP）记录	CNN	时间序列信号（LFP）	NA	NA	卷积神经网络	NA	NA
979	2026-09-23	Deep learning-driven de novo discovery of binders targeting the transmembrane domain of BamA 2026-Sep-21, Archives of microbiology IF:2.3Q3 DOI:10.1007/s00203-026-05218-5 PMID:42766017	研究论文	本研究建立了一个人工智能驱动的框架，用于设计和筛选靶向BamA跨膜结构域的结合剂，通过多通道卷积神经网络和分子动力学模拟验证候选分子的稳定性和结合潜力	首次针对BamA跨膜结构域进行人工智能驱动的从头设计，开发了多通道卷积神经网络DeepTM-Bind整合异质蛋白质特征，建立了多维评估系统指导从头设计策略，并揭示了之前未识别的结合模式	摘要中未明确提及研究局限性	开发人工智能驱动的框架来设计和筛选靶向BamA跨膜结构域的结合剂，以应对多重耐药革兰阴性菌的挑战	BamA跨膜结构域及其结合剂	机器学习	抗微生物耐药性	深度学习、分子动力学模拟、多尺度机制分析	CNN	蛋白质特征数据	NA	NA	多通道卷积神经网络	预测准确性	NA
980	2026-09-23	Deep Generative and Graph-Based Representation Learning for Multiomics Survival Stratification in Ovarian Cancer: Secondary Analysis 2026-Sep-21, JMIR bioinformatics and biotechnology DOI:10.2196/89069 PMID:42766802	研究论文	该研究基于卵巢癌多组学数据，使用变分自编码器进行深度表征学习，结合聚类和生存分析实现患者预后分层	提出基于变分自编码器的五阶段深度学习流程用于多组学非线性降维和潜在表征学习，并描述了图卷积神经网络作为未来扩展方向	图卷积神经网络组件未被实证评估，样本量有限（291例患者），需要独立队列验证	解决多组学分析中的高维度、跨模态异质性、样本量有限等挑战，实现卵巢癌患者的生存分层	卵巢癌患者的多组学数据（基因组学、转录组学、表观基因组学）	机器学习	卵巢癌	多组学分析（基因组学、转录组学、表观基因组学）	变分自编码器（VAE），图卷积神经网络（GCN，仅描述未评估）	多组学数据（基因组学、转录组学、表观基因组学）	291例卵巢癌患者	NA	变分自编码器，图卷积神经网络（仅描述未评估）	轮廓系数，对数秩检验，风险比	NA