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
10041	2026-02-22	BreastDCEDL: A standardized deep learning-ready breast DCE-MRI dataset of 2,070 patients 2026-Jan-15, Scientific data IF:5.8Q1 DOI:10.1038/s41597-026-06589-6 PMID:41540040	研究论文	本文介绍了BreastDCEDL，一个标准化的深度学习就绪乳腺癌DCE-MRI数据集，包含来自2,070名患者的预处理3D DCE-MRI扫描	填补了公开标准化、多中心乳腺癌DCE-MRI数据集的空白，提供统一格式和注释，支持高级模型开发	Duke队列中仅32.5%的患者有病理完全缓解数据，可能限制某些分析的全面性	为乳腺癌治疗响应监测和深度学习研究提供标准化数据集	2,070名乳腺癌患者的预处理3D DCE-MRI扫描	数字病理学	乳腺癌	动态对比增强磁共振成像	NA	3D DCE-MRI图像	2,070名患者（I-SPY1: 172, I-SPY2: 982, Duke: 916）	NA	NA	NA	NA
10042	2026-02-22	Biologically interpretable deep learning-derived MRI phenotypes reveal lymph node involvement and neoadjuvant therapy response in intrahepatic cholangiocarcinoma 2026-Jan-12, Hepatology (Baltimore, Md.) DOI:10.1097/HEP.0000000000001671 PMID:41525512	研究论文	本研究开发了一个名为SwinU-CliRad的模型，用于肝内胆管癌的淋巴结风险分层和辅助治疗评估	结合了基于Swin UNETR的MRI衍生淋巴结特征与临床放射学特征，构建了可解释的深度学习模型，并探索了模型输出与肿瘤多组学特征的相关性	研究依赖于回顾性队列，外部验证样本量相对较小，且模型在更广泛人群中的泛化能力需进一步验证	开发一个模型以改进肝内胆管癌的淋巴结分期，并为治疗决策提供信息	肝内胆管癌患者	数字病理学	肝内胆管癌	MRI, 单细胞RNA测序, 多组学分析	Transformer, CNN	MRI图像, 临床数据, 放射学特征	发现队列682例，内部测试队列204例，外部多中心队列88例，新辅助治疗队列145例	PyTorch	Swin UNETR	AUC, 误分类纠正率, 病理完全缓解率, 主要病理缓解率	NA
10043	2026-02-22	Multimodal MRI radiomics and deep learning for brain age prediction: age-corrected brain age gap analysis in patients with insomnia 2026-Jan-09, Biomedical engineering online IF:2.9Q3 DOI:10.1186/s12938-026-01512-x PMID:41507907	研究论文	本研究通过整合多模态MRI影像组学特征与深度学习，开发并验证了高精度脑龄预测模型，并应用于失眠患者以评估其脑老化加速情况	结合T1和T2加权MRI的影像组学特征与深度学习进行多模态融合，用于脑龄预测，并应用于失眠患者的脑龄差距分析	研究为回顾性设计，样本主要来自特定医院和公开数据集，可能限制泛化性	开发高精度脑龄预测模型，并评估慢性失眠是否与加速脑老化相关	健康个体和失眠患者	数字病理学	失眠	T1加权MRI, T2加权MRI, 影像组学特征提取	深度学习回归模型	MRI图像	总计1200名参与者，包括942名健康对照和258名失眠患者	NA	NA	平均绝对误差, 均方根误差, R2	NA
10044	2026-02-22	Justifying model complexity: Evaluating transfer learning against classical models for intraoperative nociception monitoring under anesthesia 2026, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0342688 PMID:41701784	研究论文	本文比较了传统监督模型与基于迁移学习的时序卷积网络在术中伤害性事件监测中的性能，评估了模型复杂度与临床效益的平衡	首次在术中伤害性监测中，系统比较了传统模型（如随机森林）与深度学习迁移学习框架的性能，并强调了模型复杂度的合理性验证	研究样本量较小（101例成人手术案例），且未在更大规模或多样化数据集上验证结论的普适性	评估传统模型与深度学习模型在术中伤害性事件监测中的性能差异，以优化镇痛管理并改善术后结果	101例成人手术案例，包含30个生理特征和18个药物剂量特征，采样窗口为5秒	机器学习	麻醉相关并发症	监督学习，迁移学习	逻辑回归，随机森林，时序卷积网络	时间序列数据	101例成人手术案例	NA	随机森林，时序卷积网络	AUROC，AUPRC	NA
10045	2026-02-22	Comparison of machine learning methods in forecasting and characterizing the birch and grass pollen season 2026, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0332093 PMID:41706687	研究论文	本研究比较了八种机器学习方法在预测和表征桦树及草类花粉季节中的应用，并分析了气象变量与花粉浓度之间的依赖关系	首次在波兰克拉科夫地区综合比较了来自四个不同家族（懒惰、线性、基于树和深度学习）的机器学习模型，用于预测花粉浓度类别，并进行了特征重要性分析和关联规则挖掘	研究仅基于克拉科夫地区的数据，可能无法推广到其他地理或气候区域，且模型性能在更长的预测时间（如7天）上有所下降	开发并比较机器学习方法，以准确预测花粉浓度，辅助季节性过敏疾病的个性化治疗	桦树（Betula）和草类（Poaceae）花粉浓度数据及气象变量	机器学习	季节性过敏疾病	容积法花粉数据收集	懒惰模型, 线性模型, 树基模型, 深度学习模型	时间序列数据（花粉浓度和气象数据）	1991年至2024年在克拉科夫收集的花粉和气象数据	NA	增强树, 关联知识图, 带记忆单元的深度神经网络	准确率	NA
10046	2026-02-22	An intelligent method for Buoy meteorological data restoration using a Spatio-Temporal Dual-Attention Network with transformer and GAT 2026, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0343310 PMID:41706759	研究论文	本文提出了一种结合Transformer和图注意力网络（GAT）的时空双注意力网络（ST-DAN），用于修复海洋浮标气象数据中的缺失值和异常值	提出了一种新颖的深度学习模型ST-DAN，通过并行计算整合Transformer和GAT，分别捕获时间依赖性和基于物理信息邻接矩阵的变量间空间相关性，动态调整变量间影响权重，显著提高了重建精度	NA	解决海洋浮标气象数据因恶劣天气和环境条件导致的数据丢失或异常值问题，实现高精度数据重建	海洋浮标气象数据，特别是温度和风速数据	机器学习	NA	NA	Transformer, GAT	时间序列数据	基于ERA5再分析数据集和青岛浮标现场观测数据	NA	Transformer, GAT	MAE, MSE, RMSE, R²	NA
10047	2026-02-22	Anomaly detection of cybersecurity behavior using cross-sequence aligned transformer-A dynamic recognition approach for high-frequency interaction patterns 2026, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0340801 PMID:41706767	研究论文	本文提出了一种基于跨序列对齐Transformer的动态识别模型（CSAT-DRM），用于提升高频交互网络环境中网络安全异常检测的准确性和稳定性	提出了跨序列对齐机制以软对齐网络流量和用户行为序列，并引入交互敏感残差结构和动态阈值生成策略，以增强模型对高频交互下异常特征的判别能力和自适应异常识别能力	未在摘要中明确说明	提升高频交互网络环境中网络安全异常检测的准确性和稳定性	高频交互网络环境中的网络流量和用户行为序列	自然语言处理	NA	NA	Transformer	网络交互日志数据	未在摘要中明确说明	未在摘要中明确说明	Transformer	准确率, 精确率, 召回率, F1分数	未在摘要中明确说明
10048	2026-02-20	MRI-based deep learning radiomics in predicting histological differentiation of oropharyngeal cancer: a multicenter cohort study 2026-Mar, Clinical & translational oncology : official publication of the Federation of Spanish Oncology Societies and of the National Cancer Institute of Mexico IF:2.8Q2 DOI:10.1007/s12094-025-04042-5 PMID:40903693	研究论文	本研究开发并评估了一种基于MRI的深度学习放射组学框架，用于预测口咽癌的组织学分化等级	首次将放射组学特征与深度学习特征相结合，构建了深度学习放射组学模型，用于预测口咽癌的组织学分化，并在多中心数据上验证了其性能优于单独的放射组学或深度学习模型	回顾性研究，样本量相对较小（122例），仅在中国三家医疗机构进行，需要更大规模的前瞻性研究进一步验证	预测口咽癌的组织学分化等级，以辅助术前精准诊断和临床决策	口咽癌患者	数字病理学	口咽癌	磁共振成像	深度学习	医学影像	122例口咽癌患者（来自三家医疗机构），其中训练集85例，测试集37例	NA	深度学习放射组学模型	AUC, 决策曲线分析	NA
10049	2026-02-20	[Wolff-Parkinson-White syndrome : Comparison of different algorithms] 2026-Mar, Herzschrittmachertherapie & Elektrophysiologie DOI:10.1007/s00399-025-01128-z PMID:41575500	综述	本文系统比较了用于Wolff-Parkinson-White综合征旁路定位的不同心电图算法，包括经典规则、现代规则以及深度学习模型	首次系统性地综述并比较了经典、现代规则算法与深度学习模型在WPW综合征旁路定位中的性能，并强调了人工智能与多模态方法整合的未来潜力	NA	评估和比较不同心电图算法在Wolff-Parkinson-White综合征旁路定位中的准确性和临床价值	Wolff-Parkinson-White综合征患者的心电图数据及旁路定位算法	医学信息学	心血管疾病	心电图分析	深度学习模型	心电图数据	NA	NA	NA	准确率, 敏感性, 特异性, AUROC	NA
10050	2026-02-20	Deep Learning Artificial Intelligence and Restriction Spectrum Imaging for Patient-level Detection of Clinically Significant Prostate Cancer on Biparametric Magnetic Resonance Imaging 2026-Mar, European urology open science IF:3.2Q1 DOI:10.1016/j.euros.2026.01.014 PMID:41695400	研究论文	本研究评估了结合限制谱成像最大限制分数与深度学习模型，在双参数磁共振成像上提升患者层面临床显著性前列腺癌检测性能的效果	首次将快速获取的限制谱成像序列与3D深度学习架构（3D-DenseNet）相结合，并采用留一中心交叉验证方法，用于增强基于PI-RADS标准的临床显著性前列腺癌患者层面检测	参考标准（活检）存在不完美性，排除了髋关节植入物病例，缺乏外部校准，RSI序列可用性有限，且缺少个体放射科医生及其专业知识的病例层面信息	评估结合RSIrsmax与深度学习模型是否能提升患者层面临床显著性前列腺癌的检测性能	接受磁共振成像并经由活检确诊前列腺癌的患者	数字病理学	前列腺癌	磁共振成像，限制谱成像	CNN	图像	来自7个机构的1892名患者，其中876名活检确诊患者用于模型性能评估	PyTorch	3D-DenseNet	AUC, 敏感性, 特异性, 净重分类改善, 综合判别改善	NA
10051	2026-02-20	Clinical evaluation of deep learning-based CT-free PET reconstruction image: a dual-center study 2026-Mar, European journal of nuclear medicine and molecular imaging IF:8.6Q1 DOI:10.1007/s00259-025-07618-z PMID:41091188	研究论文	本研究通过双中心回顾性分析，评估了基于深度学习的CT-free PET重建图像在临床诊断中的性能，并与传统方法进行比较	提出了一种新颖的基于分解的深度学习算法，用于CT-free PET重建，并在多扫描仪和多示踪剂场景下进行了全面临床评估	研究为回顾性分析，且Decomposition-based DL方法在部分半定量指标上未始终表现出最低误差	评估基于深度学习的PET重建技术能否在无需CT衍生的衰减和散射校正的情况下，维持足够的图像质量以支持可靠的临床诊断	359名患者的原始PET/CT数据，涉及4台扫描仪和4种示踪剂	医学影像分析	NA	PET/CT成像，深度学习重建	深度学习	PET/CT图像数据	359名患者	NA	Decomposition-based DL算法，传统2D-DL，传统3D-DL	视觉评分（5点Likert量表），诊断准确性（基于病灶的假阳性/假阴性率），半定量指标（SUVmax一致性）	NA
10052	2026-02-20	Deep Learning Integration of Endoscopic Ultrasound Features and Serum Data Reveals LTB4 as a Diagnostic and Therapeutic Target in ESCC 2026-Feb-19, Cancer biotherapy & radiopharmaceuticals DOI:10.1177/10849785251380368 PMID:40965275	研究论文	本研究通过深度学习整合内镜超声图像特征与血清数据，揭示了LTB4作为食管鳞状细胞癌的诊断和治疗靶点	首次将深度学习提取的内镜超声图像特征与血清炎症标志物（特别是LTB4）相结合，用于ESCC的诊断和治疗反应预测	样本量较小（仅115例患者），且为单中心前瞻性研究，需要更大规模的多中心验证	开发可靠的、非侵入性的生物标志物，用于食管鳞状细胞癌的早期诊断和治疗反应预测	115例食管鳞状细胞癌患者及其内镜超声图像和血浆样本	数字病理学	食管鳞状细胞癌	酶联免疫吸附测定（ELISA）	CNN	图像, 血清数据	115例患者	NA	ResNet50	NA	NA
10053	2026-02-20	The utility of artificial intelligence and deep learning to automate and accelerate follicle counts in human ovarian tissue† 2026-Feb-18, Biology of reproduction IF:3.1Q2 DOI:10.1093/biolre/ioaf250 PMID:41206485	研究论文	本文开发了一种基于人工智能和深度学习的方法，用于自动化人类卵巢组织全玻片图像中的卵泡计数	整合了DeepLabV3+分割模型和Faster R-CNN目标检测模型，通过合并预测结果提高了卵泡计数的准确性和可重复性	分割模型的Dice系数仅为0.4939，目标检测模型的COCOmetric得分为0.27，表明模型性能仍有提升空间	开发自动化工具以加速和改善人类卵巢组织中卵泡的定量分析，支持生育力保存的研究和临床决策	人类卵巢组织全玻片图像中的卵泡	数字病理学	NA	组织学评估，全玻片成像	CNN	图像	来自47名患者的1857张全玻片图像，包含8300个标注卵泡	NA	DeepLabV3+, Faster R-CNN	Dice系数, 敏感性, 阳性预测值, COCOmetric	NA
10054	2026-02-20	Deep Learning Model for Differentiating Between Neoplastic Pathologic Fracture and Nonpathologic Fracture Using Hip Radiographs 2026-Feb-18, The Journal of bone and joint surgery. American volume DOI:10.2106/JBJS.25.00344 PMID:41296822	研究论文	本研究开发并评估了一种深度学习模型，用于在髋关节X光片上区分肿瘤性病理性骨折与非病理性骨折	首次开发了基于髋关节X光片的深度学习模型，用于区分肿瘤性病理性骨折与非病理性骨折，并在多中心数据上进行了外部验证	研究为回顾性设计，且模型性能在外部验证中特异性相对较低	提高髋关节X光片上肿瘤性病理性骨折与非病理性骨折的鉴别诊断准确性	髋关节X光片	计算机视觉	骨肿瘤	X光成像	深度学习模型	图像	训练与内部测试：338名患者；外部验证：488名患者（其中67名为肿瘤性病理性骨折，421名为非病理性骨折）	未明确提及	未明确提及	准确率, 敏感度, 特异性	未明确提及
10055	2026-02-20	AI-Driven CT-MRI Image Fusion and Segmentation for Automatic Preoperative Planning of ACL Reconstruction: Development and Application 2026-Feb-18, The Journal of bone and joint surgery. American volume DOI:10.2106/JBJS.25.00485 PMID:41364772	研究论文	本研究开发了一种基于AI的自动化术前规划系统，通过CT-MRI图像融合与分割技术，用于前交叉韧带重建手术的精准规划	创新点在于结合了Dual-UNet注册架构进行CT-MRI图像融合，实现了动态3D重建，并利用深度学习框架自动优化ACL隧道定位，具备等距、解剖和个性化特征	研究样本主要针对中国汉族人群，年龄范围有限（18-50岁），且男性占比较高（81.0%），可能影响结果的普适性	开发并评估一种AI驱动的自动化术前规划系统，以提高前交叉韧带重建手术的准确性和效率	前交叉韧带完整的患者膝关节CT和MRI图像，以及进行ACL重建手术的骨模型和临床患者	数字病理	运动损伤	CT-MRI图像融合，深度学习	Dual-UNet	图像	200个膝关节CT和MRI扫描用于训练，36个ACL重建骨模型和72例临床手术（36例AI引导，36例传统手术）用于验证	NA	Dual-UNet	Dice系数，隧道长度偏差，移植物长度偏差，隧道位置偏差（D-S, H-L, M-L, A-P方向）	NA
10056	2026-02-20	Host-specific fluorescence dynamics in legume-rhizobium symbiosis during nodulation 2026-Feb-18, Applied and environmental microbiology IF:3.9Q2 DOI:10.1128/aem.02154-25 PMID:41543262	研究论文	本研究系统评估了固氮酶系统启动子驱动不同荧光报告基因在豆科植物-根瘤菌共生结瘤过程中的表达效果，并建立了基于深度学习的自动化分析流程	首次系统比较了P启动子驱动多种荧光蛋白在确定型和不确定型结瘤系统中的表达特性，并开发了深度学习辅助的高通量结瘤性状分析流程	部分红色荧光蛋白（如mScarlet-I、mRFP1）在豌豆中信号弱或不稳定，红色荧光标记体系在某些宿主中仍需优化	开发适用于豆科植物-根瘤菌共生研究的可靠荧光报告系统与自动化分析工具	豆科植物（确定型和不确定型结瘤系统）与根瘤菌的共生相互作用	植物微生物互作	NA	荧光报告基因系统、共聚焦显微成像、深度学习图像分析	深度学习	荧光显微图像	多种豆科植物根瘤样本（包括确定型和不确定型结瘤系统）	NA	NA	与ImageJ标准分析结果的验证对比	NA
10057	2026-02-20	A Single-Mode, Multimodal, and Self-Powered Sensor Based on Electron Relaxation Dynamics 2026-Feb-18, ACS applied materials & interfaces IF:8.3Q1 DOI:10.1021/acsami.5c21901 PMID:41653092	研究论文	本文报道了一种基于电子弛豫动力学的单模态、多模态自供电柔性传感器，能够同时检测温度和压力刺激	通过无缝集成互补且兼容的热电和摩擦电传感机制，实现了单模态输出、简化操作、超低功耗、自适应响应行为以及对复杂刺激的优异区分能力	未明确提及具体局限性	开发一种简化制造和操作、同时增强功能性和能源效率的下一代柔性传感系统	柔性传感器，用于模拟人类皮肤同时检测热和机械刺激的能力	机器学习	NA	热电和摩擦电传感机制	深度学习回归模型	电压信号	NA	NA	NA	准确率	NA
10058	2026-02-20	Optimization and External Validation of a Deep Learning Model for Segmentation and Quantification of Traumatic Brain Injury Lesions on Head Computed Tomography 2026-Feb-18, Journal of neurotrauma IF:3.9Q2 DOI:10.1177/08977151251408798 PMID:41705651	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
10059	2026-02-20	AI-based image quality assessment of positioning in mammography: considerations and challenges 2026-Feb-16, Insights into imaging IF:4.1Q1 DOI:10.1186/s13244-025-02191-3 PMID:41697490	研究论文	本文探讨了基于AI的原型算法在乳腺X线摄影中复制PGMI（完美-良好-中等-不足）定位质量评估系统的能力	首次将深度学习原型软件应用于乳腺X线摄影的PGMI系统自动化评估，并系统比较了AI与人类专家共识之间的一致性	AI与人类专家在整体PGMI评分上仅达到轻微至一般一致性，部分子类别评分存在显著差异，算法对解剖标志的误判和分类因果关系问题仍需改进	探索AI算法在乳腺X线摄影定位质量评估中复制人类PGMI评分系统的可行性	来自多中心病例库的200例标准乳腺X线摄影图像（共800张图像）	计算机视觉	乳腺疾病	深度学习	深度学习模型	医学图像（乳腺X线摄影图像）	200例标准乳腺X线摄影（800张图像）	NA	NA	加权Cohen's kappa系数	NA
10060	2026-02-14	De novo generation and in silico screening of anti-diabetic peptide candidates via a deep learning-attention framework with physicochemical feature fusion 2026-Feb-12, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-39985-4 PMID:41680447	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA