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
301	2026-06-05	MM-GradCAM: an improved multimodal GradCAM method with 1D and 2D ECG data for detection of cardiac arrhythmia 2026-Feb-09, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-38654-w PMID:41663616	研究论文	提出一种改进的多模态GradCAM方法，结合一维和二维心电图数据用于心律失常检测的解释性分析	首次提出结合一维ECG信号和二维ECG图像两种数据格式的多模态GradCAM方法，为医学诊断中的可解释性提供创新方案	未明确提及	提高深度学习模型在心电图分析中的可解释性，以增强临床信任度和透明度	心律失常检测	计算机视觉, 机器学习	心律失常	心电图分析	CNN	一维信号和二维图像	超过10,000名患者的数据集	NA	17层CNN	准确率	NA
302	2026-06-05	Deep learning for synthetic PET imaging: a systematic mapping review of techniques, metrics, and clinical relevance 2026-Feb-09, European radiology experimental IF:3.7Q1 DOI:10.1186/s41747-025-00651-5 PMID:41663871	review	系统性概述深度学习在合成PET成像中的技术、评估指标和临床应用现状	首次系统性梳理2019-2024年深度学习合成PET研究，涵盖方法框架、性能指标和临床相关性分析	缺乏大型多中心数据集限制结果泛化性；方法论异质性高且未正式评估偏倚风险；临床验证不足	评估深度学习合成PET成像的方法学框架和临床相关性	2019-2024年发表的34篇深度学习合成PET同行评审研究	计算机视觉、机器学习	脑部/神经系统疾病、肿瘤	PET成像	卷积神经网络、生成对抗网络、U-Net	医学影像（磁共振成像、计算机断层扫描、低剂量PET）	34篇研究（其中73.5%涉及脑部/神经系统数据）	NA	卷积神经网络、生成对抗网络、U-Net	峰值信噪比、结构相似性指数、平均绝对误差	NA
303	2026-06-05	Hybrid vision transformer and graph neural network model with region-adaptive attention for enhanced skin cancer prediction 2026-Feb-07, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-32502-z PMID:41654513	研究论文	提出一种结合视觉Transformer和圖神经网络并采用区域自适应注意力的混合模型，用于增强皮肤癌预测	首次将视觉Transformer与图神经网络结合，并引入区域自适应注意力机制，同时利用元学习方法提升模型在不同肤色和成像条件下的泛化能力	未提及具体局限性，可能需要进一步验证在不同临床场景和更大规模数据集上的表现	提高皮肤癌诊断的准确性和可解释性，开发可靠的临床辅助工具	皮肤病变图像，涵盖不同肤色和成像条件下的皮肤癌样本	计算机视觉	皮肤癌	NA	视觉Transformer-图神经网络混合模型	图像	NA	NA	视觉Transformer、图神经网络，基于区域自适应注意力的特征增强模块	分类准确率、可解释性指标	NA
304	2026-06-05	The potential of optical coherence tomography angiography in progressive multiple sclerosis 2026-Feb-07, Journal of neurology IF:4.8Q1 DOI:10.1007/s00415-026-13659-7 PMID:41654639	研究论文	探讨光学相干断层扫描血管成像(OCTA)在进展型多发性硬化症中检测视网膜血管变化的应用潜力	首次在进展型多发性硬化症(PMS)中系统评估OCTA作为补充检测方法的可行性，并利用深度学习分割算法分析血管密度与疾病持续时间、临床残疾评分之间的相关性	单中心、回顾性、横断面研究设计，样本量有限；需外部验证和纵向研究来进一步阐明OCTA在监测PMS患者中的潜力	评估OCTA作为进展型多发性硬化症补充检测方法的价值	进展型多发性硬化症患者及年龄性别匹配的健康对照者的视网膜血管结构	数字病理学	多发性硬化症	OCTA	基于深度学习的分割算法	视网膜血管图像	62名进展型多发性硬化症患者的85只眼，以及43名健康对照者的64只眼	NA	NA	血管密度(VD)、p值、Johnson-Neyman分析、β系数	NA
305	2026-06-05	CMC-WDTK: CpG methylation change prediction by a weight-sharing dual-branch Transformer-Kolmogorov-Arnold network model 2026-Feb-07, BMC genomics IF:3.5Q2 DOI:10.1186/s12864-026-12627-9 PMID:41654764	研究论文	提出CMC-WDTK框架，结合权重共享双分支Transformer与Kolmogorov-Arnold网络，整合CpG位点侧翼序列及相邻SNV信息，预测DNA序列间的甲基化变化	首个用于预测序列间甲基化变化的计算工具，通过双分支结构同时捕获全局和局部特征，并使用KAN建模高维关系	未提及	开发可预测个体遗传变异导致的CpG甲基化变化的深度学习模型	CpG位点侧翼序列及相邻单核苷酸变异信息	机器学习	癌症	甲基化测序, SNV检测	Transformer, Kolmogorov-Arnold网络	DNA序列	8个真实数据集	PyTorch	Transformer, Kolmogorov-Arnold Network (KAN)	AUC	NA
306	2026-06-05	Advanced deep learning techniques for classifying dental conditions using panoramic X-ray images 2026-Feb-07, BMC oral health IF:2.6Q1 DOI:10.1186/s12903-026-07727-7 PMID:41654817	研究论文	评估多种深度学习方法在口腔全景X光图像中自动分类牙齿状况的性能，包括定制CNN、混合CNN-机器学习模型和微调预训练架构	首次系统比较混合CNN-随机森林模型与多种预训练架构（VGG16、Xception、ResNet50）在口腔全景X光图像分类中的性能，发现混合模型准确率比定制CNN提升11%	分类错误模式表明该系统应作为临床辅助工具，需前瞻性验证研究；数据通过手动标注区域提取，可能引入标注偏差	评估多种深度学习方法在口腔全景X光图像中自动检测填充物、龋洞、种植体和阻生齿四种牙齿状况的性能	口腔全景X光图像中的四种牙齿状况（填充物、龋洞、种植体和阻生齿）	计算机视觉	口腔疾病	口腔全景X光成像	CNN、混合模型（CNN+传统分类器）、预训练网络	图像	1,512张口腔全景X光图像，包含11,137个手动标注边界框，每类牙齿状况894个样本	NA	VGG16, Xception, ResNet50, 随机森林, 支持向量机, 决策树	准确率, 精确率, 召回率, F1分数	NA
307	2026-06-05	Performance of machine learning algorithms in diffusion tensor imaging of movement disorders: an exploratory meta-analysis 2026-Feb-07, Biomedical engineering online IF:2.9Q3 DOI:10.1186/s12938-026-01528-3 PMID:41654900	meta分析	应用机器学习算法于弥散张量成像诊断运动障碍的性能趋势与方法学多样性的探索性meta分析	首次系统探索ML-DTI在运动障碍分类中的性能分布与方法学模式，而非推断单一诊断效果	研究间异质性极高，样本量小，方法碎片化，缺乏标准化成像流程，限制了结果的泛化性	描述ML模型在DTI数据上分类运动障碍的性能趋势与方法学变异性来源	运动障碍患者（包括帕金森病、图雷特综合征、特发性震颤）的DTI数据	机器学习	帕金森病, 图雷特综合征, 特发性震颤	弥散张量成像	深度学习, 放射组学模型	图像（弥散张量成像数据）	46项研究（2016-2024年），单中心队列样本量37-139名参与者	NA	NA	准确率, 灵敏度, 特异性, AUC	NA
308	2026-06-05	A Large-Scale Peripheral Blood Cell Dataset for Automated Hematological Analysis 2026-Feb-06, Scientific data IF:5.8Q1 DOI:10.1038/s41597-026-06761-y PMID:41651863	research paper	提出一个包含13类细胞、31,489张高分辨率显微图像的外周血细胞数据集，用于自动化血液分析	构建了目前公开可用的最大规模外周血细胞数据集，涵盖13个类别，包括罕见但诊断关键的细胞亚型，且由资深血液学专家标注，具有高一致性	NA	解决现有血液细胞数据集规模小、类别多样性不足的问题，支持自动化血液分析系统的开发	外周血细胞，包括常见细胞类型（如分叶中性粒细胞、淋巴细胞）和罕见亚型（如髓细胞、原始细胞、反应性淋巴细胞）	machine learning, digital pathology	hematological disease	光学显微镜成像	CNN	图像	31,489张高分辨率显微图像，涵盖13类细胞	PyTorch	DenseNet-121, ResNet, VGG, EfficientNet等14种架构	准确率	NA
309	2026-06-05	A High Magnifications Histopathology Image Dataset for Oral Squamous Cell Carcinoma Diagnosis and Prognosis 2026-Feb-06, Scientific data IF:5.8Q1 DOI:10.1038/s41597-026-06736-z PMID:41651871	研究论文	提出了一个用于口腔鳞状细胞癌诊断和预后的高倍率组织病理学图像数据集Multi-OSCC	首次构建包含1325名患者的大规模口腔鳞状细胞癌组织病理学数据集，并整合诊断与预后信息，涵盖三个放大倍率和六个关键临床任务	未明确提及具体局限性，但可能受限于单一癌种和固定图像倍率设置	构建并公开一个用于口腔鳞状细胞癌计算机辅助诊断和预后的综合性组织病理学图像数据集	1325名口腔鳞状细胞癌患者的组织病理学图像	数字病理学	口腔鳞状细胞癌	组织病理学图像采集（200×、400×、1000×放大倍率）	视觉编码器	图像	1325名患者，每名患者6张高分辨率组织病理学图像	NA	视觉编码器	NA	NA
310	2026-06-05	Hyperparameter optimization to enhance the performance of deep learning models for the early detection of invasive turtles in Korea 2026-Feb-06, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-37636-2 PMID:41651916	研究论文	通过超参数优化提升深度学习模型在韩国入侵龟早期检测中的性能	首次系统性地在入侵龟检测中应用超参数优化，包括优化器选择和调参，以提升目标检测模型的性能	研究仅针对图像数据，未涉及其他检测模式或实际部署中的计算资源限制	开发优化的深度学习模型用于早期检测和分类韩国六种入侵龟类，并评估超参数优化的效果	六种入侵龟种的图像	计算机视觉	NA	深度学习	目标检测模型（如YOLO或类似）	图像	未明确说明	PyTorch, TensorFlow	YOLO, Faster R-CNN	平均精度均值（mAP），分类准确率	NA
311	2026-06-05	Improving prediction accuracy of radiation-induced temporal lobe injury in nasopharyngeal carcinoma using ADC-based deep learning and dosiomics 2026-Feb-06, BMC cancer IF:3.4Q2 DOI:10.1186/s12885-026-15599-x PMID:41652361	研究论文	利用基于ADC图的深度学习和剂量组学预测鼻咽癌放疗后颞叶损伤	首次将ADC图深度学习特征与剂量分布剂量组学特征融合，建立预测模型，显著提升预测准确性	NA	探索基于ADC图的深度学习和剂量组学在预测鼻咽癌放疗后颞叶损伤中的潜力	接受调强放疗的鼻咽癌患者	医学影像分析，机器学习	鼻咽癌	ADC图，剂量分布	支持向量机， K近邻，随机森林，极端随机树， XGBoost， LightGBM， AdaBoost，多层感知机	图像，剂量数据	3578名鼻咽癌患者中筛选出191名（94名RTLI，97名对照），分为训练集135例和验证集59例	NA	WideResNet 101	曲线下面积	NA
312	2026-06-05	An interpretable machine learning framework with data-informed imaging biomarkers for diagnosis and prediction of Alzheimer's disease 2026-Feb, Computerized medical imaging and graphics : the official journal of the Computerized Medical Imaging Society IF:5.4Q1 DOI:10.1016/j.compmedimag.2026.102722 PMID:41655407	研究论文	提出一个可解释的机器学习框架，结合基于数据驱动的成像生物标志物，用于阿尔茨海默病的诊断与预测	将卷积神经网络的数据驱动特征提取与可解释提升机（EBM）的内在透明性相结合，使得模型在组级别和个体级别上均可解释，并识别出贡献预测的成像生物标志物	外部验证时MCI转化的AUC仅为0.666，表明框架在预测转化方面的性能有限	开发一种兼具高性能和可解释性的机器学习方法，用于阿尔茨海默病的诊断和轻度认知障碍转化预测	阿尔茨海默病神经影像学倡议（ADNI）队列的数据，以及独立的验证队列	机器学习	阿尔茨海默病	NA	CNN	成像数据	NA	NA	卷积神经网络, 可解释提升机	AUC	NA
313	2026-06-05	FDA-Cleared Artificial Intelligence Medical Devices in Orthopaedic Surgery 2026-Feb-01, Journal of the American Academy of Orthopaedic Surgeons. Global research & reviews DOI:e25.00170 PMID:41662601	研究论文	对截至2025年2月美国FDA批准的70款骨科手术人工智能医疗器械进行回顾性分析，涵盖适应症、骨科亚专业、发展历程、AI架构及商业化路径	首次系统综述FDA批准的骨科AI医疗器械，揭示该领域从2017年首个器械获批到2024年间16.6件/年的高速增长趋势，并指出深度学习（57.3%获批率）成为主导技术，但仅8.6%通过前瞻性临床试验验证	仅分析已获批器械，未覆盖临床试验中或未被批准的AI医疗设备；依赖FDA公开数据，可能遗漏部分非公开的批准信息	评估骨科手术中AI医疗器械的监管现状、技术趋势和临床验证水平，提出改进监管保障和临床评估标准的建议	70款获得FDA批准的骨科手术AI医疗器械	医疗AI	骨科疾病（脊柱、髋膝关节、创伤等亚专业）	人工智能、机器学习、深度学习	深度学习模型（占主导）	回顾性数据集	70款获批医疗器械	NA	深度神经网络（具体架构未详细说明）	NA（文中未提及具体性能指标）	NA
314	2026-06-05	Super-Resolution Deep Learning Reconstruction for Coronary CT Angiography: Coronary Stenosis Assessment and CAD-RADS Reclassification 2026-Feb, Radiology IF:12.1Q1 DOI:10.1148/radiol.252163 PMID:41665496	研究论文	比较超分辨率深度学习重建与混合迭代重建在冠脉CT血管成像中评估冠脉狭窄和重新分类CAD-RADS的表现	首次将超分辨率深度学习重建算法用于冠脉CT血管成像，以提高狭窄评估性能并影响患者层面的CAD-RADS分类	证据有限，样本量相对较小（204名参与者）	评估SR-DLR相比HIR在冠脉狭窄检测中的表现，并探索其对CAD-RADS分类的影响	冠脉CT血管成像图像和侵入性冠脉造影作为参考标准	计算机视觉, 机器学习	心血管疾病	CT血管成像	超分辨率深度学习重建	图像	204名参与者（平均年龄64.3岁，137名男性），605个斑块	NA	NA	AUC	NA
315	2026-06-05	Cardiac meshes reconstruction from cardiac magnetic resonance image by graph transformation 2026-Feb, Medical physics IF:3.2Q1 DOI:10.1002/mp.70318 PMID:41665536	研究论文	提出一种基于图变换的方法从心脏磁共振图像重建三维心脏网格	利用图傅里叶变换和图小波变换的频率分析重建网格顶点位移，捕捉不同尺度的心脏形状特征，并引入时间损失确保动态重建的生理一致性	未明确提及具体局限性	开发一种无需标记网格数据的高保真三维心脏网格重建方法	病人特异性心脏网格	计算机视觉	心血管疾病	心脏磁共振成像	图神经网络	图像	公共ACDC数据集和私有CMR数据集	NA	图傅里叶变换、图小波变换	重建精度、网格质量	NA
316	2026-06-05	S3CNet: self-supervised Siamese cooperative network for accelerating magnetic resonance imaging reconstruction 2026-Feb, Medical physics IF:3.2Q1 DOI:10.1002/mp.70321 PMID:41665542	研究论文	提出一种自监督孪生协作网络S3CNet，利用高度欠采样的k空间数据实现高质量磁共振成像重建	设计统一的两阶段自监督重建框架，兼容不同采样模式和网络架构；通过混合自监督损失函数（测量一致性损失、交叉一致性损失和重建一致性损失）在无全采样标签数据下有效训练孪生网络	文章未提及具体局限性信息	减少对全采样标签数据的依赖，同时保持优秀重建性能的自监督MRI重建方法	用于MRI重建的深度学习方法，特别是自监督学习在欠采样数据中的应用	机器学习, 计算机视觉, 数字病理学（相关于影像重建）	NA	MRI重建，自监督学习	孪生网络（Siamese network）	MRI图像（k空间数据）	T1和T2加权脑部FastMRI数据集（具体样本数未提及）	NA	NA（文章未指定具体架构，但兼容不同网络架构）	NA（未明确列出评估指标，但提及与全监督方法性能相当）	NA
317	2026-06-05	First deep learning framework for enhanced positron annihilation interaction-transmission imaging system precision 2026-Feb, Medical physics IF:3.2Q1 DOI:10.1002/mp.70320 PMID:41665546	研究论文	提出了首个深度学习框架DeepPAITI，用于提升正电子湮灭相互作用-透射成像系统的精度	首次将深度学习方法应用于PAITI成像技术，采用多分支、多输入、多输出网络架构，显著提高了二次图的提取精度	未提及临床实际数据验证，仅基于数值模拟和GATE蒙特卡洛数据集	提升PAITI成像系统的精度，推动其在离子治疗计划等临床应用中的实现	正电子湮灭相互作用-透射成像系统的二次图（相互作用图、沉积能量图、衰减图、电子密度图）	计算机视觉	NA	正电子湮灭成像	深度学习	模拟图像	数值模拟和GATE蒙特卡洛数据集，未明确样本数量	PyTorch	DeepPAITI（多分支多输入多输出架构）	平均相对误差	NA
318	2026-06-04	stDyer-image improves clustering analysis of spatially resolved transcriptomics and proteomics with morphological images 2026-Feb-28, Bioinformatics (Oxford, England) DOI:10.1093/bioinformatics/btag071 PMID:41692960	研究论文	提出stDyer-image框架，通过形态学图像直接连接图像特征与聚类标签，提升空间转录组学和蛋白质组学的聚类分析性能	首次将形态学图像特征直接与聚类标签关联，模仿病理学家仅凭形态学图像识别细胞类型或肿瘤区域的能力，无需依赖于基因表达或蛋白质丰度数据	未明确说明	开发一种利用形态学图像改善空间转录组学和蛋白质组学数据聚类分析的方法	空间转录组学（SRT）和空间蛋白质组学（SRP）数据及其对应的形态学图像	机器学习	NA	空间转录组学（SRT）、空间蛋白质组学（SRP）	深度学习	图像	NA	NA	NA	聚类性能（具体度量标准未明确说明）	NA
319	2026-06-04	Deep learning as a refining tool for hydrodynamic model in predicting lake temperature profile: A case study in Ogouchi reservoir 2026-Feb-15, Journal of environmental management IF:8.0Q1 DOI:10.1016/j.jenvman.2026.128759 PMID:41616721	研究论文	本文提出了一种混合模型，将简单水动力模型与长短期记忆网络结合，以改进湖泊水温垂直剖面的预测	首次将深度学习作为水动力模型的精炼工具，通过数据同化技术减少校准工作量且预测精度媲美完全校准模型	仅在小河内水库夏季数据上验证，未探讨其他季节或水库的适用性	提高湖泊水温垂直剖面预测准确度并降低计算成本	小河内水库夏季水温垂直剖面的周、双周与三周预测	机器学习	NA	NA	LSTM	时间序列水温数据	小河内水库夏季温度剖面数据（具体数量未说明）	NA	LSTM	预测误差（具体指标未说明）	NA
320	2026-06-04	FAST - filamentous actin segmentation tool for quantifying cytoskeletal organization 2026-Feb-15, Journal of cell science IF:3.3Q3 DOI:10.1242/jcs.264265 PMID:41614214	研究论文	开发一种基于深度学习的丝状肌动蛋白分割工具，用于从光学显微镜图像中准确分割和量化不同类别的肌动蛋白结构	首次提出无需特异性抗体即可从肌动蛋白图像中量化不同类别肌动蛋白结构的深度学习工具，适用于多种细胞系和药物处理下的动态变化分析	未提及该工具在体内成像数据或多通道荧光成像中的适用性，以及在不同显微镜系统间的泛化能力验证	开发并验证一种基于深度学习的肌动蛋白结构分割与量化工具，以促进细胞运动、癌症转移及药物开发中肌动蛋白相关通路的研究	不同细胞系中的肌动蛋白结构，以及药物处理过程中LifeAct-GFP标记的肌动蛋白动态变化	计算机视觉, 数字病理学	癌症转移	共聚焦显微镜成像, phalloidin染色	深度学习模型（具体未明确）	图像（共聚焦显微镜图像）	涉及不同细胞系和药物处理条件（未提供具体数量）	未明确	未明确	未明确	未明确