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
101	2026-07-18	Artificial intelligence-assisted urine cytology based on the Paris System for Reporting Urothelial Carcinoma 2026-Jun, Cancer cytopathology IF:2.6Q2 DOI:10.1002/cncy.70120 PMID:42223163	研究论文	开发并验证了一种基于巴黎报告系统的人工智能辅助尿液细胞学系统，用于尿路上皮癌检测	整合深度学习细胞检测与分割、特征提取及支持向量机分类，模拟细胞病理学家工作流程，并基于巴黎报告系统进行阴性、非典型和阳性分类	人工智能与专家判读及组织病理学的差异主要集中在相邻分类之间	开发和验证人工智能辅助尿液细胞学系统在临床和筛查场景中对尿路上皮癌的诊断性能	回顾性临床病例（328例）和前瞻性健康筛查样本（1489例）	机器学习	尿路上皮癌	液基细胞学	支持向量机	图像	回顾性临床病例328例及前瞻性健康筛查样本1489例，共269张标注训练切片（56710个细胞）	NA	深度学习细胞检测与分割网络，支持向量机	加权κ值，患病率调整及偏倚调整κ值，阴性预测值，阴性一致性百分比，假遗漏率	NA
102	2026-07-18	The role of machine learning, deep learning, and MRI findings in the classification of pediatric posterior fossa tumors 2026-Jun-01, Child's nervous system : ChNS : official journal of the International Society for Pediatric Neurosurgery DOI:10.1007/s00381-026-07316-7 PMID:42223485	研究论文	评估机器学习和深度学习模型基于MRI特征对儿童后颅窝肿瘤进行分类的效果	首次系统比较多种机器学习集成模型与深度学习模型在儿童后颅窝肿瘤MRI分类中的性能，并发现T1加权成像与对比增强T1加权成像对深度学习模型表现出最佳效果	室管膜瘤和弥漫性中线胶质瘤的准确区分仍然困难，且样本量较小（63例）	利用MRI影像组学特征评估机器学习和深度学习模型对儿童后颅窝肿瘤的分类能力	63例儿童后颅窝肿瘤患者，包括21例髓母细胞瘤、20例毛细胞星形细胞瘤、11例室管膜瘤和11例弥漫性中线胶质瘤	计算机视觉, 机器学习	儿童后颅窝肿瘤	MRI成像	梯度提升机, 决策树, 随机森林, ResNet101V2	MRI图像（T2加权成像、弥散加权成像、表观弥散系数、T1加权成像、对比增强T1加权成像）	63例患者	NA	梯度提升机, 决策树, 随机森林, ResNet101V2	准确率	NA
103	2026-07-18	Predicting Metastatic Potential from Histopathological Whole Slide Images of Primary Tumors in Head and Neck Squamous Cell Carcinoma Using Attention-Based Deep Learning and Signaling Pathway Alterations 2026-Jun-01, Head and neck pathology DOI:10.1007/s12105-026-01920-4 PMID:42223560	研究论文	利用基于注意力的深度学习模型，从原发肿瘤全切片图像预测头颈部鳞状细胞癌的转移潜力	提出了结合自注意力机制与残差网络（ResNet）的诊断框架，解决了全切片图像处理中补丁级变异性问题，优于传统卷积神经网络和集成方法	可解释性和可解释性有待提高，未整合多模态数据，且仅验证于特定癌症类型	开发一种深度学习框架，从全切片图像预测头颈部鳞状细胞癌患者的远处转移风险，以辅助临床决策	头颈部鳞状细胞癌（HNSCC）患者的原发性肿瘤全切片图像	数字病理学	头颈部鳞状细胞癌	全切片图像处理	自注意力机制与残差网络（ResNet）	图像	TCGA-HNSCC数据集和TCGA-ESCA数据集，具体样本数量未说明	PyTorch	ResNet, 自注意力机制	准确率, AUC, F1分数	NA
104	2026-07-18	Artificial Intelligence-Based Objective Evaluation of Nerve-Sparing Status Combined With Preserved Urethral Length Predicts Urinary Continence Recovery After Robot-Assisted Radical Prostatectomy 2026-Jun, International journal of urology : official journal of the Japanese Urological Association IF:1.8Q3 DOI:10.1111/iju.70514 PMID:42205081	研究论文	使用人工智能方法客观评估神经保留状态，并结合尿道保留长度预测机器人辅助根治性前列腺切除术后尿控恢复	首次将人工智能深度学习图像分类模型应用于术中图像，客观评估神经血管束保留状态，并与尿道保留长度结合预测术后尿控恢复	单中心回顾性研究，样本量有限（195例），可能未考虑其他影响尿控的因素	评估人工智能客观评估神经保留状态结合尿道保留长度对机器人辅助根治性前列腺切除术后尿控恢复的预测价值	2020年5月至2022年间接受机器人辅助根治性前列腺切除术的195例患者	计算机视觉	前列腺癌	NA	深度学习图像分类模型	术中静态图像	195例患者	NA	深度学习图像分类模型	Kaplan-Meier分析, Cox比例风险模型, 风险比	NA
105	2026-07-18	Fully Automated Quantification of Functional Small Airway Disease at Inspiratory and Expiratory Chest CT Using Deep Learning 2026-Jun, Radiology. Cardiothoracic imaging DOI:10.1148/ryct.250215 PMID:42206980	研究论文	开发并评估基于深度学习的工具用于自动化量化胸部CT扫描中功能性小气道疾病	首次实现基于深度学习的全自动功能性小气道疾病量化，替代传统半手动方法，显著提高效率	未明确的局限性	评估深度学习工具在胸部CT中自动化量化功能性小气道疾病的准确性和时间效率	196名患者的249次胸部CT检查	机器学习	肺部疾病	CT	深度学习	图像	196名患者的249次CT检查	NA	NA	Spearman相关系数, Bland-Altman分析, 灵敏度, 特异度, 准确率	NA
106	2026-07-18	Artificial Second Harmonic Generation Image Feature Tuning with Generative Models and SeFa Semantic Analysis 2026-Jun, JPhys photonics DOI:10.1088/2515-7647/ae6c77 PMID:42465807	研究论文	利用生成模型和SeFa语义分析对二次谐波成像图像特征进行调控	首次将StyleGAN2-ADA模型适配于二次谐波成像数据，结合语义分解方法识别与胶原纤维形态特征高度相关的语义，并集成分析工具于SeFa图形界面	方法仍需进一步优化，才能基于疾病类型生成具有不同形态的胶原纤维SHG图像	探索生成模型在二次谐波成像数据上的应用，实现图像特征的可控编辑和分析	胶原纤维的二次谐波成像数据	计算机视觉	癌症、结缔组织疾病	SHG显微镜成像	GAN	图像	1,319张SHG图像	NA	StyleGAN2-ADA	LPIPS	NA
107	2026-07-18	Automated interictal epileptic spike detection from simple and noisy annotations in MEG data 2026-May-30, Brain structure & function IF:2.7Q3 DOI:10.1007/s00429-026-03118-4 PMID:42217046	研究论文	本文提出使用深度学习方法从含噪标注的脑磁图数据中自动检测发作间期癫痫棘波	提出两种模型架构（基于特征的人工神经网络和卷积神经网络），采用交互式机器学习策略迭代提升数据标注质量，无需大量标注数据即可处理真实临床中的不完美标注	测试集仅含10名留出患者，样本量较小，可能限制泛化能力；模型F1分数（CNN=0.46, ANN=0.44）仍有提升空间	开发实用高效的自动检测方法，用于药物难治性癫痫患者的术前评估中辅助定位致痫区	脑磁图记录中发作间期癫痫棘波的检测	机器学习	癫痫	脑磁图	人工神经网络、卷积神经网络	脑磁图时间序列信号	82名患者的脑磁图数据	NA	基于特征的人工神经网络、卷积神经网络	F1分数	NA
108	2026-07-18	Validation of an automated AI-based micro-CT organ segmentation workflow against expert annotations and its impact on fluorescence quantification 2026-May-29, European radiology experimental IF:3.7Q1 DOI:10.1186/s41747-026-00742-x PMID:42213317	研究论文	验证基于AI的自动微CT器官分割工作流对荧光定量的影响	首次系统评估基于AI的器官分割在几何精度之外对下游荧光定量分析的影响，提出任务导向的验证策略	仅评估小鼠全身微CT数据，未涵盖其他动物模型或成像模态；DSC评分低的结果解释为系统边界差异，可能忽略部分分割误差来源	验证商业AI器官分割工具在微CT成像中的准确性、可重复性、处理速度及其对FLT定量的影响	小鼠心脏、肺、肝脏和肾脏的微CT图像分割	数字病理学	非特定疾病	微计算机断层扫描（micro-CT）	深度学习	图像	27只小鼠	NA	NA	Sørensen-Dice相似系数（DSC）、器官体积	NA
109	2026-07-18	A novel hybrid deep learning framework for customer churn prediction using RFM and embedding clustering 2026-May-28, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-53220-0 PMID:42209595	研究论文	提出一种融合RFM特征工程、深度嵌入聚类和深度学习模型的混合框架，用于客户流失预测	首次将RFM特征工程、深度嵌入聚类（DEC）和深度序列模型（GRU和LSTM）统一集成在同一框架中，实现客户细分和流失预测的联合优化	传统机器学习模型（逻辑回归、支持向量机）在处理异构数据分布时适应性有限	解决电子商务中客户流失预测面临的标签数据不足和传统模型难以捕捉复杂动态行为模式的问题	电子商务客户交易数据，具体包括Online Retail数据集和Events数据集两个真实世界数据集	机器学习	NA	NA	LSTM, GRU, 深度自编码器	交易数据（结构化数据）	两个数据集：Online Retail数据集和Events数据集，规模和行为复杂度差异显著	PyTorch, Scikit-learn	LSTM, GRU, 深度自编码器	准确率	NA
110	2026-07-18	Artificial intelligence in cancer immunotherapy: current trends in predicting response and personalizing treatment 2026-May-28, Journal of the Egyptian National Cancer Institute IF:2.1Q3 DOI:10.1186/s43046-026-00371-w PMID:42209845	综述	本文综述了人工智能在癌症免疫治疗中的应用，重点预测治疗反应和个性化治疗的趋势	综合了多模态AI模型（结合基因组学、转录组学、放射组学、数字病理学、循环生物标志物和临床证据）来创建复合预测特征，并讨论了数字孪生、联邦学习等新兴系统	前瞻性及多中心验证稀缺，外部验证性能下降，临床实施受限于数据异质性、偏差、缺乏纵向验证、可重复性差和模型透明度不足	探讨AI如何提升癌症免疫治疗中治疗反应预测和个性化治疗的准确性及临床转化	癌症免疫治疗中预测生物标志物（如PD-L1、TMB、MSI）、多模态数据（图像、组学、临床数据）及细胞疗法（如CAR-T）的患者选择和毒性预测	机器学习	癌症	多模态数据融合（基因组学、转录组学、放射组学、数字病理学）	深度学习、集成模型	图像、文本、组学数据	NA	NA	NA	AUC	NA
111	2026-07-18	Enhancing resolution and image quality in musculoskeletal MRI using deep learning reconstruction 2026-May-28, European radiology experimental IF:3.7Q1 DOI:10.1186/s41747-026-00743-w PMID:42207458	研究论文	将深度学习重建技术整合进1.5T肌肉骨骼磁共振成像协议中，以提高图像分辨率并保持信噪比	首次在1.5T肌肉骨骼MRI标准协议中应用深度学习重建，在缩短采集时间的同时提高空间分辨率和图像质量	NA	评估深度学习重建在1.5T肌肉骨骼MRI中提高图像分辨率和质量的效果	膝关节、肩关节、踝关节和髋关节的MRI图像	机器视觉	肌肉骨骼疾病	MRI	深度学习重建	图像	39例MRI检查	NA	NA	Likert评分, SNR, CNR	1.5T MRI扫描仪
112	2026-07-18	Detection of Microbehavior Intervals for Predicting Mental Health: Clinically Relevant and Advanced Multimodal Temporal Analysis 2026-May-27, Journal of medical Internet research IF:5.8Q1 DOI:10.2196/87049 PMID:42202278	研究论文	通过检测微观行为间隔来预测医疗工作者的心理困扰状况，提出了一种无需人工标注的多模态时间分析方法	首次聚焦于微观行为间隔（短暂、非自愿的多模态非语言信号变化）来区分心理困扰特征，采用无监督异常检测模型自动提取间隔，无需人工标注	未明确提及研究局限性	评估微观行为间隔是否能改善对医疗工作者心理困扰特征（如职业倦怠和创伤后应激障碍）的区分能力	医疗工作者的心理困扰状态（包括中度-重度职业倦怠、亚阈值-临时性PTSD、共病及韧性类别）	计算机视觉, 机器学习	心理疾病（职业倦怠和创伤后应激障碍）	计算机视觉模型	无监督异常检测模型（MOMENT）、深度学习分类器	视频（面部表情、头部运动、目光、身体姿势和手势的时间序列数据）	151名医疗工作者的258个访谈录音	PyTorch	MOMENT（时间序列基础模型）	宏F1分数, 宏AUC	NA
113	2026-07-18	Deep Learning-Based Spatiotemporal Analysis of Cataract Surgery Videos for Surgical Risk Assessment 2026-May-15, Journal of visualized experiments : JoVE DOI:10.3791/70025 PMID:42224114	研究论文	提出一种深度学习框架，通过提取术中显微镜视频的时空特征来预测玻璃体切除手术风险	整合了cGAN增强预处理、图卷积网络结构感知特征提取、自适应向日葵优化特征选择和Transformer时序建模的创新框架	仅基于两个公开数据集验证，未在真实临床环境中测试	实现基于术中视频分析的实时手术风险预测，辅助临床决策	白内障手术视频中的时空特征与术后并发症风险关联	计算机视觉	白内障	cGAN增强预处理、图卷积网络、自适应向日葵优化、Transformer	深度学习模型（CNN、GAN、GCN、Transformer）	手术视频	CaDIS和SICS-105两个公开数据集	NA	cGAN、图卷积网络、自适应向日葵优化、Transformer	准确率、精确率、召回率、F1分数、AUC、像素准确率、每类准确率、mIoU、灵敏度、特异度	NA
114	2026-07-18	Quantum computing applications in drug discovery 2026-May-04, Briefings in bioinformatics IF:6.8Q1 DOI:10.1093/bib/bbag274 PMID:42218713	综述	探讨量子计算在药物发现早期阶段（深度学习虚拟筛选、分子对接虚拟筛选和分子动力学）中的集成应用，强调其在噪声中等规模量子（NISQ）约束下的模块化协处理角色	系统分析了量子计算在三种计算策略中的具体插入点，提出以决策相关的可重复增益作为评估标准，而非单纯追求量子模块的可行性	指出量子模块在实际运行时间和资源约束下能否提供决策相关增益是核心问题，同时强调当前量子计算难以完全替代经典方法	评估量子计算在药物发现早期阶段的集成潜力和近中期进步评估标准	深度学习虚拟筛选、分子对接虚拟筛选和分子动力学这三种计算策略	机器学习	NA	NISQ, 量子计算	CNN, LSTM, GAN	NA	NA	NA	NA	NA	NA
115	2026-07-18	Artificial intelligence for antimicrobial resistance: advancing reproducibility, interpretability, and clinical deployment 2026-May-04, Briefings in bioinformatics IF:6.8Q1 DOI:10.1093/bib/bbag269 PMID:42218717	综述	本文综述了人工智能在抗菌素耐药性领域从概念验证向临床决策支持系统转变过程中，在可重复性、可解释性和临床部署方面面临的挑战与解决方案	提出了一套实用标准框架，涵盖数据集整理、多中心外部验证、透明模型卡和系统化错误成本分析，并倡导成本敏感评估方法整合管理指标	未提供具体实验验证结果，主要基于文献分析提出框架性建议	推动AI-AMR从概念验证向临床嵌入式决策支持系统转化，建立严格的可重复性、可解释性和评估标准	人工智能在抗菌素耐药性领域的应用技术和方法	机器学习	抗菌素耐药性相关感染性疾病	NA	深度学习、基础模型、生成模型	文本、基因组数据	NA	NA	NA	准确性、假阳性率、假阴性率、时间至有效治疗、抗菌谱窄化、治疗天数	NA
116	2026-07-18	CLCNet: a contrastive learning and chromosome-aware network for genomic prediction in plants 2026-May-04, Briefings in bioinformatics IF:6.8Q1 DOI:10.1093/bib/bbag270 PMID:42218721	研究论文	提出一种融合对比学习和染色体感知特征建模的新型深度学习框架CLCNet，用于提升植物基因组预测准确性	首次将对比学习与染色体感知网络相结合，通过对比学习模块捕捉基因型依赖的表型差异，染色体感知模块实现结构化特征选择，有效克服基因组预测中维度灾难和个体间变异捕获困难问题	未明确说明局限性	提高植物基因组预测模型的准确性，解决传统方法难以捕捉个体间变异和受维度限制的问题	玉米、油菜、大豆、棉花4种作物及其10个农艺重要性状	机器学习	NA	基因组选择，SNP标记	对比学习，染色体感知网络	基因组SNP数据，表型数据	4种作物品种，10个农艺性状	PyTorch	CLCNet（对比学习模块+染色体感知模块）	皮尔逊相关系数，均方误差	NA
117	2026-07-18	USADAE: a deep learning approach to disentangle hidden covariates in RNA-seq data 2026-May-04, Briefings in bioinformatics IF:6.8Q1 DOI:10.1093/bib/bbag261 PMID:42218722	研究论文	提出了USADAE，一种基于深度学习的自编码器框架，用于从RNA-seq数据中分离隐含混杂因素与生物信号	首次将对抗解耦学习应用于RNA-seq数据中隐含混杂因素的自动分离，替代了传统线性假设方法	未提及具体局限性，但可能依赖数据量且需高计算资源	开发能有效从RNA-seq数据中解除隐含混杂因素干扰的深度学习方法	RNA-seq数据中的生物信号与未测技术变异和非线性混杂因素	机器学习	NA	RNA-seq	自编码器（Autoencoder）	基因表达数据	NA	PyTorch	对抗自编码器（Adversarial Autoencoder）	差异表达分析准确性、eQTL分析效果	NA
118	2026-07-18	Efficient vision mamba for MRI super-resolution via hybrid selective scanning 2026-May, Medical physics IF:3.2Q1 DOI:10.1002/mp.70508 PMID:42204783	研究论文	提出一种基于多头选择性状态空间模型与轻量通道MLP的高效MRI超分辨率框架，实现低计算开销下的高保真重建	首次将多头选择性状态空间模型与混合扫描策略（垂直、水平、对角）结合用于MRI超分辨率，在0.9M参数和57GFLOPs的超低计算量下达到与扩散模型相当的精度	未在低场强或临床常见序列（如T2-FLAIR）上验证泛化能力，且混合扫描策略的复杂性可能增加训练难度	开发兼顾高重建精度与计算效率的MRI超分辨率深度学习框架，推动临床转化	7T脑部T1 MP2RAGE图像（142名受试者）和1.5T前列腺T2w MRI图像（334名受试者）	计算机视觉	NA	MRI超分辨率	状态空间模型（SSM）+ 轻量通道MLP	图像	脑部数据集142例，前列腺数据集334例	PyTorch	MambaFormer（MHSSM + 深度可分离卷积 + 门控通道混合）	SSIM, PSNR, LPIPS, GMSD	NA
119	2026-07-18	Learning ordinal representation across MRI sequences for liver fibrosis staging 2026-May, Medical physics IF:3.2Q1 DOI:10.1002/mp.70504 PMID:42206568	研究论文	提出一种基于非对比MRI的细粒度深度学习模型进行肝纤维化分期	提出混合对比三元组学习方法和加权策略，结合多尺度学习和可学习注意力机制，从非对比MRI中捕获有序表示以处理分期不平衡和细微差异	NA	利用非对比MRI实现准确且改进的肝纤维化分期诊断	450例肝病的非对比MRI数据	机器学习	肝纤维化	MRI	深度学习模型	图像	450例	NA	多尺度学习、可学习注意力机制、混合对比三元组学习	AUC	NA
120	2026-07-18	Measurement uncertainty in laboratory medicine: a comprehensive review of frameworks, analytical performance specifications, and emerging technologies 2026-Apr-03, Laboratory medicine IF:1.0Q4 DOI:10.1093/labmed/lmag032 PMID:42204811	综述	全面回顾了实验室医学中测量不确定性的框架、分析性能规范及新兴技术	整合了传统总允许误差概念与现代测量不确定性框架，并探讨了人工智能与机器学习在患者实时质量控制中的应用	未提及具体实验验证或量化不同方法的比较结果	总结测量不确定性的方法论框架、分析性能规范和实际实施策略	医学实验室中的测量不确定性评估与质量控制	自然语言处理	NA	ISO 15189, CLSI, 生物变异分析, 六西格玛度量, 人工智能, 机器学习	深度学习, 异常检测	NA	NA	NA	NA	总允许误差, 六西格玛度量	NA