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
41	2026-09-21	Tropical dry forest land use/land cover change detection using semi-supervised deep learning algorithms and remote sensing 2026-Feb-02, Environmental monitoring and assessment IF:2.9Q3 DOI:10.1007/s10661-025-14897-4 PMID:41627523	研究论文	本文提出了一种结合SAR和光学卫星影像的半监督深度学习框架，用于热带干旱森林的土地利用/土地覆盖变化检测	提出了一种结合无监督伪标签和自定义Y-Net架构的半监督深度学习框架，融合光学和雷达影像，在有限标注数据下实现高精度变化检测	未明确提及	开发一种半监督深度学习框架，用于热带干旱森林的土地利用/土地覆盖变化检测，解决数据稀缺地区的分类难题	哥伦比亚安蒂奥基亚省考卡河谷的热带干旱森林	计算机视觉	NA	遥感，合成孔径雷达，光学卫星影像	半监督深度学习	图像	2017年至2021年的卫星影像，当仅60%数据集被标注时仍保持90%以上准确率	NA	Y-Net，U-Net，PSPNet	平均总体精度，平均交并比	NA
42	2026-09-21	A Deep-Learning Approach for Vocal Fold Pose Estimation in Videoendoscopy 2026-Feb, Journal of imaging informatics in medicine DOI:10.1007/s10278-025-01431-8 PMID:39939476	研究论文	本文提出了一种基于深度学习的热图回归框架，从喉镜视频帧中估计声带姿态，并用于前声门角（AGA）的计算。	提出以三个解剖相关关键点为先验的热图回归方法进行声带姿态估计，并基于预测点坐标计算AGA；在新采集的临床数据集上验证了方法的有效性，克服了现有算法在病理图像、噪声和遮挡等困难场景下的不足。	摘要中未明确说明研究的局限性	实现声带姿态的准确估计，以辅助喉部疾病（如声带麻痹）的诊断，并客观量化前声门角（AGA）的变化。	喉镜视频帧中的声带姿态与喉部解剖结构	计算机视觉	喉癌	视频内窥镜（喉镜检查）	深度学习	图像（喉镜视频帧）	来自124名患者的471帧喉镜图像（其中28名患者患有癌症）	NA	热图回归网络（heatmap regression）	均方根误差（RMSE）、平均绝对误差（MAE）	NA
43	2026-09-21	Predicting Sleep and Sleep Stage in Children Using Actigraphy and Heartrate via a Long Short-Term Memory Deep Learning Algorithm: A Performance Evaluation 2026-02, Journal of sleep research IF:3.4Q2 DOI:10.1111/jsr.70149 PMID:40676371	研究论文	本研究评估了长短期记忆（LSTM）深度学习算法利用加速度计和心率数据预测儿童睡眠及睡眠分期的性能，并与多导睡眠图（PSG）进行了比较	首次将LSTM算法应用于儿童加速度计和心率数据，实现了对睡眠与清醒的二分类预测以及睡眠分期（清醒、非REM、REM），并证明其性能优于逻辑回归和随机森林等传统基准方法，同时探索了心率数据对睡眠分期预测的增益效果	研究样本为因疑似睡眠障碍而被转诊的儿童，可能存在选择偏倚；未在自由生活环境中验证；仅使用了三种消费级可穿戴设备中的两种；心率对二分类睡眠与清醒预测无改善效果	评估LSTM深度学习算法基于加速度计和心率数据估算儿童睡眠和睡眠分期的准确性，并与金标准多导睡眠图进行一致性验证	5至12岁儿童（N=238，52.8%男性，50%黑人，31.9%白人），因疑似睡眠障碍被转诊参与过夜实验室多导睡眠图监测	机器学习	睡眠障碍	加速度计（ActiGraph GT9X）、消费级可穿戴设备（Apple Watch Series 7、Fitbit Sense、Garmin Vivoactive 4）、心率监测、多导睡眠图（PSG）	LSTM	时间序列信号数据（加速度计原始数据和心率数据）	238名儿童，每30秒一个epoch进行分析，采用10折交叉验证	NA	LSTM	准确率、灵敏度、特异度、混淆矩阵	NA
44	2026-09-21	Deep learning-based image enhancement for improved black blood imaging in brain metastasis 2026-Feb, European radiology IF:4.7Q1 DOI:10.1007/s00330-025-11920-7 PMID:40781512	研究论文	评估基于深度学习的图像增强技术对3D对比增强T1加权黑血MR成像在脑转移瘤检测中图像质量和诊断性能的改善作用	首次评估商用深度学习图像增强软件在3D对比增强T1加权黑血MR成像中对脑转移瘤（尤其是小于5mm的小病灶）检测灵敏度的提升效果	回顾性研究设计，仅使用单一商用DL软件，样本量相对有限（247例患者），未进行多中心外部验证	评估基于深度学习的图像增强对3D对比增强T1加权黑血MR成像在脑转移瘤诊断中图像质量和诊断性能的提升效用	126例有脑转移瘤患者和121例无脑转移瘤患者，均接受3-T MRI检查	医学影像分析	脑转移瘤	3D对比增强T1加权黑血MR成像，深度学习图像增强后处理	CNN	图像	247例患者（126例有脑转移瘤，121例无脑转移瘤）	NA	NA	信噪比, 对比噪声比, 灵敏度, 特异度, 假阳性计数, 图像质量评分	NA
45	2026-09-21	Improving Colorectal Cancer Screening and Risk Assessment through Predictive Modeling on Medical Images and Records 2026-02, The American journal of pathology DOI:10.1016/j.ajpath.2025.09.016 PMID:41109668	研究论文	该研究利用新罕布什尔州结肠镜检查登记处的数据，开发了基于Transformer的病理图像分析模型，并结合临床记录进行多模态融合，以预测结直肠癌5年进展风险。	将针对病理图像分析的Transformer模型适应于预测5年进展风险；探索了多模态融合策略，将临床记录与深度学习提取的图像特征结合；通过训练模型预测中间临床变量来改进风险预测。	未明确提及	提高结直肠癌筛查和风险评估的准确性，通过预测建模整合医学图像和记录来改善进展风险分层。	接受结肠镜检查的患者，来自新罕布什尔州结肠镜检查登记处的纵向随访数据。	数字病理学	结直肠癌	数字病理学，深度学习	Transformer	图像，文本	未明确提及	NA	Transformer	AUC	NA
46	2026-09-21	Semi-supervised deep learning for uterus and bladder segmentation on female pelvic floor magnetic resonance imaging with limited labeled data 2026-Feb, American journal of obstetrics and gynecology IF:8.7Q1 DOI:10.1016/j.ajog.2025.10.004 PMID:41109500	研究论文	本文提出了一种半监督深度学习框架，用于在标注数据有限的女性盆底磁共振成像中对子宫和膀胱进行分割	提出了一种新颖的半监督学习流程，结合自监督图像恢复任务进行特征提取和伪标签生成，随后在标注图像上进行监督学习并在未标注图像上进行无监督训练，仅需约60%的常规标注数据即可达到与传统方法相当的分割精度	研究样本量相对有限，仅涉及48名女性受试者，未提及外部验证数据集，可能影响模型的泛化能力	引入一种新颖的半监督学习方法，利用有限的标注数据提高盆腔磁共振成像中自动分割的准确性和效率，减少对大规模标注数据集的依赖	女性盆底磁共振成像中的子宫和膀胱	医学图像分割	盆腔器官脱垂	磁共振成像	半监督深度学习	图像	48名女性受试者的4103张磁共振图像	NA	NA	Dice相似系数, 平均表面距离, 95%豪斯多夫距离	NA
47	2026-09-21	Evaluating the cost-effectiveness of artificial intelligence-enhanced osteoporosis screening in men and women using routine chest radiographs in South Korea 2026-Feb, JBMR plus IF:3.4Q2 DOI:10.1093/jbmrpl/ziaf187 PMID:41522667	研究论文	评估人工智能增强的骨质疏松筛查在韩国男性和女性中使用常规胸部X光片的成本效益	首次在男性和女性中评估Osteo Signal模型（韩国人群开发的深度学习模型）的成本效益，而先前仅评估女性	模型假设和输入参数的不确定性可能影响结果，未考虑长期随访数据	评估AI辅助胸部X光片机会性筛查骨质疏松的成本效益	韩国50岁及以上成年人	医学影像分析	骨质疏松	深度学习	深度学习模型	图像	每10000名成年人模拟	NA	NA	增量成本效果比（ICER）、质量调整生命年（QALY）、生命年	NA
48	2026-09-21	Computational frameworks for enhanced extracellular vesicle biomarker discovery 2026-Feb, Experimental & molecular medicine DOI:10.1038/s12276-025-01622-x PMID:41535547	综述	本文综述了利用人工智能等先进计算框架整合多源数据以增强细胞外囊泡生物标志物发现的计算策略	提出了一个综合计算框架，整合疾病特异性组学、细胞外囊泡、蛋白质定位、组织特异性、药物、模型系统和免疫数据库等多源数据，并利用人工智能驱动的蛋白质结构和理化性质预测来优化生物标志物候选物，确保与现有检测系统的兼容性	作为综述文章，未提供原始实验数据或具体的性能评估结果	加速细胞外囊泡研究从发现到临床应用的转化，增强精准医学	细胞外囊泡生物标志物	机器学习	NA	多组学整合、蛋白质结构预测	机器学习、深度学习	多组学数据、蛋白质数据、药物数据、免疫数据	NA	NA	NA	预测性能、生物学合理性、临床实用性	NA
49	2026-09-20	A deep learning-based radiomics model for noninvasive diagnosis of melanoma 2026-02-01, Melanoma research IF:1.5Q4 DOI:10.1097/CMR.0000000000001071 PMID:41201865	研究论文	该研究开发了一种结合深度学习和放射组学的无创诊断模型，用于提高早期黑色素瘤诊断的准确性和临床实用性	整合了深度学习和放射组学特征，构建了基于随机森林的无创诊断模型，并识别了关键预测指标如熵、长游程强调和小波对比度	回顾性研究设计，样本量有限，模型性能AUC最高为0.794，可能受数据异质性影响，需进一步外部验证	开发一种无创诊断模型，以提高早期黑色素瘤诊断的准确性和临床实用性	350名皮肤色素性病变患者	数字病理学	黑色素瘤	放射组学	随机森林, 支持向量机, K近邻	图像	350名患者（训练集245名，验证集105名）	scikit-learn	ResNet50	AUC	NA
50	2026-09-20	CalDiff: Calibrating Uncertainty and Accessing Reliability of Diffusion Models for Trustworthy Lesion Segmentation 2026-Feb, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2025.3624331 PMID:41129433	研究论文	提出CalDiff框架，通过校准扩散模型的不确定性来实现可信的病变分割，利用多专家标注的不确定性来捕捉真实世界的诊断变异性。	提出了双步骤和序列感知的校准机制，基于扩散模型的序列特性，首次系统性地解决了多标注和多预测场景下不确定性校准和模型可靠性评估的挑战。	未明确说明具体的局限性	开发一个可靠的病变分割模型，利用多标注中的不确定性，捕捉真实世界的诊断变异性，并提供更具信息量的预测结果	病变分割数据集中的医学图像	数字病理学	NA	扩散模型	扩散模型	图像	两个病变分割数据集	NA	扩散模型	定量分析，可视化分析，不确定性校准评估	NA
51	2026-09-19	Robust Deep Learning for Pulse-Echo Speed of Sound Imaging via Time-Shift Maps 2026-Feb, IEEE transactions on medical imaging IF:8.9Q1 DOI:10.1109/TMI.2025.3602000 PMID:40844937	研究论文	本文开发了一种基于时间偏移图的鲁棒深度学习方法来估计脉冲回波模式下的声速分布，通过两阶段训练策略和SSIM损失函数提高了重建精度和鲁棒性	学习时间偏移与声速之间的非线性映射而不受特定前向模型约束；采用共同中角度配置计算时间偏移图；归一化复波束形成超声数据；在相位偏移转时间偏移时考虑深度依赖频率；将结构相似性指数测量SSIM纳入损失函数学习全局结构；采用两阶段训练策略结合射线追踪合成预训练和全波模拟微调	摘要中未明确提及局限性	实现脉冲回波模式下的声速成像，提高成像精度和诊断价值	超声脉冲回波数据、体模实验数据	医学影像、计算机视觉	NA	超声脉冲回波成像、深度学习	深度学习	图像、时间偏移图、超声数据	NA	NA	NA	结构相似性指数测量SSIM、重建精度、对比度噪声比	NA
52	2026-09-18	CNN-Autoformer: Automated EEG-Based Seizure Detection and Localization Using Hybrid Deep Learning 2026-Feb, Biomedical signal processing and control IF:4.9Q1 DOI:10.1016/j.bspc.2025.108896 PMID:41189712	研究论文	本文提出了一种结合CNN和Autoformer的混合深度学习框架CNN-Autoformer，用于基于EEG的自动癫痫发作检测和定位	结合了CNN的跨通道空间特征提取能力和Autoformer的自相关机制与趋势-季节性分解，用于建模EEG的复杂时空动态，并生成与专家标注一致的发作起始热图实现定位	摘要中未明确提及局限性	解决现有深度学习方法在噪声和非平稳EEG信号中建模复杂时空动态的困难以及发作起始区定位能力有限的问题	多通道EEG信号	机器学习	癫痫	EEG	CNN, Autoformer	信号	CHB-MIT公共数据集和专有SH-SDU数据集，具体样本量未在摘要中提及	NA	CNN, Autoformer	准确率, 灵敏度, 特异性, 精确率, F1分数, 每小时误报事件数	NA
53	2026-09-18	AI for colon cancer: A focus on classification, detection, and predictive modeling 2026-02, International journal of medical informatics IF:3.7Q2 DOI:10.1016/j.ijmedinf.2025.106115 PMID:41075424	系统综述与荟萃分析	本文系统综述了2020至2024年间人工智能在结肠癌检测、分类、预测和分割中的应用，评估其对诊断准确性、治疗规划和患者预后的影响	对2020至2024年间AI在结肠癌领域的应用进行了系统综述与荟萃分析，并按AI技术类型（深度学习、机器学习）和应用方向（检测、分类等）进行亚组分析，同时记录了各研究是否采用可解释AI或生成式AI技术	临床整合仍面临数据和验证方面的差距，纳入研究在数据质量和完整性方面存在不足	评估AI在结肠癌研究中的应用现状，重点关注其对诊断准确性、治疗规划和患者预后的影响	2020至2024年间发表的80篇关于AI应用于结肠癌研究的文献	数字病理学, 医学图像分析	结肠癌	深度学习, 机器学习, 可解释AI, 生成式AI（如GAN）	CNN, GAN	图像, 文本	80篇文献	NA	NA	诊断准确性	NA
54	2026-09-16	Ordinal Sleep Depth: A Data-Driven Continuous Measurement of Sleep Depth 2026-02, Journal of sleep research IF:3.4Q2 DOI:10.1111/jsr.70074 PMID:40276961	研究论文	本研究开发了一种基于深度学习的数据驱动连续睡眠深度测量方法——序数睡眠深度，并评估其与唤醒概率、年龄、性别、睡眠呼吸障碍和认知障碍的相关性	提出了序数睡眠深度这一数据驱动的连续睡眠深度测量方法，使用卷积神经网络结合序数回归来估计睡眠深度，与传统的离散睡眠分期和现有的唤醒概率乘积相比，序数睡眠深度与唤醒概率的相关性更强，且能更准确地捕捉与睡眠呼吸障碍和认知障碍相关的睡眠深度变化	仅基于脑电信号进行睡眠深度估计，未考虑其他生理信号；需要在更多样化的临床人群中进一步验证；序数睡眠深度与临床结局的因果关系尚未明确	开发一种数据驱动的连续睡眠深度测量方法，并评估其与唤醒概率及临床变量的相关性，以验证睡眠深度作为睡眠重要维度的价值	21,787份多导睡眠图记录，来自18,116名独特患者	机器学习	睡眠呼吸障碍, 认知障碍	多导睡眠图, 脑电图	CNN	脑电信号	21,787份多导睡眠图记录，来自18,116名独特患者	NA	卷积神经网络	皮尔逊相关系数	NA
55	2026-09-10	scDBic: a novel deep learning-based biclustering algorithm for analyzing scRNA-seq data 2026-02-28, Bioinformatics (Oxford, England) DOI:10.1093/bioinformatics/btag095 PMID:41746287	研究论文	提出了一种基于深度学习的新型双聚类算法scDBic，用于分析单细胞RNA测序数据，以发现细胞群并识别其关键基因。	该算法结合深度自编码器和反向策略，能够同时进行细胞聚类和基因聚类，识别关键基因簇，从而提升聚类性能，超于传统聚类和双聚类算法。	摘要中未明确提及局限性。	开发一种能捕获局部一致性、适应高维数据且避免迭代选择问题的双聚类算法，用于改善scRNA-seq数据的细胞聚类和关键基因识别。	单细胞RNA测序数据中的细胞群和关键基因。	机器学习	NA	scRNA-seq	深度自编码器	单细胞RNA测序表达数据	NA	NA	自编码器	聚类性能，如可比性（未具体提及指标，推断可能含ARI等）	NA
56	2026-09-10	Multispectral Blood Cell Image Analysis via Deep Learning With YOLOv5 2026-02, Journal of biophotonics IF:2.0Q3 DOI:10.1002/jbio.202500384 PMID:41016832	研究论文	提出一种基于多光谱成像和YOLOv5的血液细胞识别方法，通过融合五个波长的图像显著提升细胞识别性能	利用多光谱成像技术替代传统显微镜图像，融合五个波长的信息以改善细胞边界和结构的分辨，提高血细胞识别精度，尤其对稀有白细胞有显著提升	未提及具体限制，如计算成本、数据集规模或对不同血液样本的泛化性	开发一种高精度的血细胞自动识别方法，以提高医疗诊断中血细胞计数的准确性	血液细胞图像，包括红细胞、白细胞和血小板	计算机视觉	NA	多光谱成像	YOLOv5（基于卷积神经网络的目标检测模型）	多光谱图像	未提及具体样本数量，但涉及五个波长的血细胞图像数据集	NA	YOLOv5	精确度	NA
57	2026-09-06	Beyond the Leaderboard: Evaluating the Robustness of Deep Learning Models for Detecting Freezing of Gait 2026-02, The European journal of neuroscience DOI:10.1111/ejn.70424 PMID:41657009	研究论文	评估深度学习模型在检测帕金森病冻结步态中的鲁棒性，通过全球竞赛获胜模型对新的数据集进行测试，发现部分模型性能下降，但第三名模型表现出良好的可迁移性。	首次对全球机器学习竞赛的获胜模型进行跨数据集鲁棒性测试，基于专家标注的家庭测试视频和背部传感器数据，评估模型的实际应用能力。	仅使用单个下背传感器，无法准确计数冻结发作次数或检测冻结亚型。	评估深度学习模型在检测冻结步态方面的鲁棒性和迁移性，以确定自动检测算法的实际可用性。	帕金森病患者及冻结步态检测模型。	机器学习	帕金森病	NA	深度学习模型（具体未指明，如CNN等）	加速度数据（来自下背传感器的加速度计信号）	12名患者家中进行的测试协议	NA	NA	F1分数、准确率、召回率、特异度、精确率、组内相关系数	NA
58	2026-09-04	CryoVirusDB: An Annotated Dataset for AI-Based Virus Particle Identification in Cryo-EM Micrographs 2026-Feb-11, Viruses DOI:10.3390/v18020224 PMID:41754567	研究论文	介绍CryoVirusDB，一个用于AI识别冷冻电镜显微图中病毒颗粒的标注数据集	首次提供大规模、人工标注的冷冻电镜病毒颗粒数据集，填补了AI在该领域发展的数据空白	仅包含七种非包膜、呈二十面体或伪二十面体对称的病毒，可能不涵盖所有病毒类型	为AI和机器学习方法提供训练和测试数据，以实现冷冻电镜显微图中病毒颗粒的准确识别，助力病毒三维结构建模	冷冻电镜显微图中的病毒颗粒	计算机视觉	NA	冷冻电镜	NA	图像	9941张显微图，339,398个标注病毒颗粒	NA	NA	NA	NA
59	2026-08-31	Interpretable Deep Learning for OCT-Based Diagnosis of Vitreoretinal Lymphoma Versus Uveitis 2026-Feb-02, Translational vision science & technology IF:2.6Q2 DOI:10.1167/tvst.15.2.30 PMID:41746131	研究论文	开发并验证了一种可解释的深度学习模型，用于基于OCT图像区分玻璃体视网膜淋巴瘤与非感染性葡萄膜炎，并可视化病程相关的病理特征	结合了自定义设计的深度卷积神经网络与Grad-CAM可视化技术，提供可解释的OCT诊断结果，突显疾病相关的OCT特征	样本量较小（45例VRL和52例NIU），且为单中心研究，可能影响模型的泛化能力	开发并验证一个能区分玻璃体视网膜淋巴瘤与非感染性葡萄膜炎的深度学习模型，并可视化疾病相关的OCT特征	玻璃体视网膜淋巴瘤（VRL）和非感染性葡萄膜炎（NIU）患者的OCT图像	机器学习	玻璃体视网膜淋巴瘤	光学相干断层扫描（OCT）	卷积神经网络（CNN）	OCT B-scan图像	45例VRL患者和52例NIU患者，共97例	NA	自定义设计的深度卷积神经网络	AUROC, AUPRC, 准确率, F1分数, 精确率, 灵敏度, 特异度, Kappa系数	NA
60	2026-08-31	Risk prediction of progression from normal cognitive function to Alzheimer's disease in elderly aged 65 and above based on deep learning methods 2026-02, Journal of Alzheimer's disease : JAD DOI:10.1177/13872877251410937 PMID:41490207	研究论文	本文旨在利用深度学习方法建立从正常认知功能进展到阿尔茨海默病的风险预测模型，为临床决策和早期诊断筛查提供参考。	首次将DeepSurv和DeepHit深度学习方法应用于65岁及以上老年人从正常认知功能进展到AD的风险预测，并比较了与Cox模型的性能。	未提及具体局限性。	建立从正常认知功能进展到AD的风险预测模型，以支持早期预防和临床决策。	65岁及以上认知功能正常的老年人。	机器学习	阿尔茨海默病	NA	DeepSurv, DeepHit, Cox	临床数据（早期预测因子）	未明确说明样本数量。	NA	DeepSurv, DeepHit, Cox	一致性指数（C-index）、综合布里尔分数（IBS）、ROC曲线下面积（AUC）	NA