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
61	2026-02-22	The 4D Human Embryonic Brain Atlas: Spatiotemporal atlas generation for rapid anatomical changes 2026-Feb, Computerized medical imaging and graphics : the official journal of the Computerized Medical Imaging Society IF:5.4Q1 DOI:10.1016/j.compmedimag.2026.102702 PMID:41547005	研究论文	本研究提出了一种基于深度学习的群体配准和时空图谱生成方法，构建了4D人类胚胎大脑图谱，以捕捉胚胎大脑在妊娠8至12周内的快速解剖结构变化	引入了时间依赖性初始图谱并惩罚偏离该图谱的配准结果，确保在快速发育过程中保持特定年龄的解剖结构准确性	研究仅基于单中心队列（鹿特丹围孕期队列）的831张3D超声图像，样本来源和数量可能限制图谱的普适性	为正常胚胎大脑发育提供详细见解并识别异常，以改善产前神经发育障碍的检测、预防和治疗	人类胚胎大脑在妊娠早期的快速解剖发育过程	医学图像分析	神经发育障碍	3D超声成像	深度学习	3D超声图像	402名受试者的831张3D超声图像	NA	NA	解剖准确性（通过消融研究和视觉对比验证）	NA
62	2026-02-22	Deep learning enhanced ALPS reveals genetic and environmental factors of brain glymphatic function 2026-Feb, EBioMedicine IF:9.7Q1 DOI:10.1016/j.ebiom.2026.106133 PMID:41619353	研究论文	本研究开发了一种深度学习增强的DTI-ALPS（dALPS）方法，用于自动化评估大脑类淋巴系统功能，并利用大规模队列数据揭示了其遗传和环境决定因素	首次将卷积神经网络（CNN）和YOLO目标检测算法结合，实现了DTI图像中感兴趣区域的自动化检测，从而克服了传统手动分析的主观性和耗时问题，并首次在大规模人群中系统探索了类淋巴功能的遗传基础和环境影响	研究主要基于横断面数据，因果关系推断需谨慎；方法在特定人群（如UK Biobank）中验证，其普适性有待在其他种族和人群中进一步确认	开发自动化工具以精确评估大脑类淋巴系统功能，并探究影响该功能的遗传和环境因素	来自UK Biobank等多个队列的超过65,000名参与者的DTI影像数据	医学影像分析	中枢神经系统疾病（包括抑郁症、焦虑症和神经退行性疾病）	扩散张量成像沿血管周围空间（DTI-ALPS）、全基因组关联研究（GWAS）、全转录组关联研究（TWAS）、全蛋白质组关联研究（PWAS）	CNN, YOLO	影像数据（DTI图像）	超过65,000名参与者	NA	NA	组内相关系数（ICC）	NA
63	2026-02-22	MRI-based deep learning model predicts recurrent nasopharyngeal carcinoma in post-radiation nasopharyngeal necrosis 2026-Feb, Computerized medical imaging and graphics : the official journal of the Computerized Medical Imaging Society IF:5.4Q1 DOI:10.1016/j.compmedimag.2026.102711 PMID:41621202	研究论文	本研究开发了一种基于深度学习的MRI模型，用于预测放疗后鼻咽坏死患者中是否存在复发性鼻咽癌	首次利用深度学习模型在PRNN患者中识别复发性鼻咽癌，结合了Video Swin Transformer和多层感知机，并构建了深度学习与临床模型的融合模型	NA	开发基于常规MRI的深度学习预测模型，以区分癌症浸润性PRNN与无癌PRNN	437名PRNN患者的MRI影像	医学影像分析	鼻咽癌	MRI	深度学习	图像	437名患者	NA	Video Swin Transformer, Multilayer Perceptron	AUC, 准确率, 灵敏度, 特异度	NA
64	2026-02-22	3D CSFA-UNet: a unified attention-driven deep learning framework for accurate knee MRI segmentation and osteoarthritis severity classification 2026-Feb-01, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-37847-7 PMID:41622323	研究论文	本文提出了一种统一的注意力驱动深度学习框架，用于膝关节MRI的精确分割和骨关节炎严重程度分类	提出了3D CSFA-UNet结合通道-空间特征注意力机制，引入了沙漠蝎子特征选择器进行特征选择，并采用尖峰Transformer网络进行分类，利用猎鹰狩猎优化进行超参数调优	未明确提及具体限制，但可能包括对特定数据集（OAI）的依赖以及计算复杂度在临床部署中的潜在挑战	提高膝关节MRI分割和骨关节炎严重程度分类的诊断精度、可解释性和效率	膝关节MRI体积数据	计算机视觉	骨关节炎	MRI	深度学习	3D图像	基于公开可用的OAI数据集，具体样本数量未明确提及	未明确提及，但可能涉及PyTorch或TensorFlow等深度学习框架	3D CSFA-UNet, Spiking Transformer	Dice相似系数, 交并比, 平均表面距离, 95百分位Hausdorff距离, 准确率, 精确率, 召回率, F1分数	未明确提及
65	2026-02-22	Unified model with random penalty entropy loss for robust nasogastric tube placement analysis in X-ray 2026-Feb, Computerized medical imaging and graphics : the official journal of the Computerized Medical Imaging Society IF:5.4Q1 DOI:10.1016/j.compmedimag.2026.102715 PMID:41637852	研究论文	本文提出了一种基于nnUNet的统一深度学习模型，结合分割与分类任务，用于X射线中鼻胃管放置的鲁棒性分析	引入了随机惩罚熵损失函数，动态调整训练中的熵惩罚，以增强模型的鲁棒性和泛化能力	未明确提及模型在更广泛数据集或不同医疗设备下的性能验证	提高鼻胃管放置评估的自动化和可靠性，减少人为错误	胸部X射线图像中的鼻胃管放置	计算机视觉	NA	X射线成像	深度学习模型	图像	内部数据集（来自三家韩国医院的5674张胸部X射线）和外部数据集（MIMIC-CXR）	PyTorch	nnUNet	F1分数, AUROC, MCE, ECE	NA
66	2026-02-22	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	本研究提出了一种结合卷积神经网络特征提取与可解释增强机的可解释机器学习框架，用于阿尔茨海默病的诊断和预测	将数据驱动的CNN特征提取与EBMs的固有透明度相结合，实现群体和个体层面的可解释性，识别影像生物标志物	未在更广泛或多样化的外部队列中进行验证，可能影响泛化能力	开发一种可解释的机器学习框架，以改善阿尔茨海默病的早期和准确诊断与预测	阿尔茨海默病患者、轻度认知障碍患者及健康对照者	机器学习	阿尔茨海默病	神经影像学	CNN, EBM	影像数据	ADNI队列及独立外部队列	未明确指定	CNN, EBM	AUC	NA
67	2026-02-22	Learning geometric and visual features for medical image segmentation with vision GNN 2026-Feb, Computerized medical imaging and graphics : the official journal of the Computerized Medical Imaging Society IF:5.4Q1 DOI:10.1016/j.compmedimag.2026.102720 PMID:41655408	研究论文	本文提出了一种名为MedSegViG的新型医学图像分割模型，结合视觉图神经网络（ViG）和混合特征解码器，以提升分割精度和鲁棒性	将图像表示为图结构，利用ViG编码器提取多层次图特征和图像特征，并通过混合特征解码器融合，强调对象间关系，解决了传统网格结构方法对对象关系关注不足的问题	未在摘要中明确说明，可能包括模型在更复杂或多样病变类型上的泛化能力有待进一步验证	开发一种基于视觉图神经网络的医学图像分割方法，以提高分割准确性、鲁棒性和泛化能力	息肉、皮肤病变和视网膜血管三种类型的病变图像	计算机视觉	息肉, 皮肤病变, 视网膜血管疾病	深度学习	ViG	图像	六个数据集	NA	Vision GNN (ViG)	分割准确性, 鲁棒性, 泛化能力	NA
68	2026-02-22	Developing an automatic decision-assistance tool to choose proton/photon radiotherapy for patients with prostate cancer 2026-Feb, Journal of applied clinical medical physics IF:2.0Q3 DOI:10.1002/acm2.70497 PMID:41704219	研究论文	本研究开发了一种自动决策辅助工具，用于为前列腺癌患者选择质子或光子放疗技术	提出了一种结合深度学习剂量预测模型和正常组织并发症概率（NTCP）计算的自动决策方法，以辅助临床选择放疗技术	样本量较小（48例患者），且仅针对前列腺癌，未涉及其他癌症类型	开发自动决策辅助工具，优化前列腺癌患者放疗技术（质子 vs 光子）的选择	前列腺癌患者	医学影像与放疗计划	前列腺癌	深度学习剂量预测	深度学习模型	放疗计划数据（剂量分布）	48例前列腺癌患者	NA	NA	平均绝对误差（MAE），准确性，AUC，p值	NA
69	2026-02-22	Volumetric choroidal biomarkers in central serous chorioretinopathy using swept-source optical coherence tomography: a deep learning approach 2026-Feb, Graefe's archive for clinical and experimental ophthalmology = Albrecht von Graefes Archiv fur klinische und experimentelle Ophthalmologie DOI:10.1007/s00417-025-07014-1 PMID:41165808	研究论文	本研究利用深度学习技术分析慢性中心性浆液性脉络膜视网膜病变（cCSC）患者与健康对照的脉络膜体积生物标志物	采用基于残差UNet的深度学习方法和Phansalkar阈值法进行脉络膜层分割和血管提取，首次在cCSC中应用体积化脉络膜生物标志物分析	样本量较小（仅48只眼），且为回顾性研究，可能影响结果的普遍性	探究cCSC患者与健康对照在脉络膜体积生物标志物上的差异	慢性中心性浆液性脉络膜视网膜病变（cCSC）患者和健康年龄匹配个体的眼睛	数字病理学	脉络膜视网膜疾病	扫频源光学相干断层扫描（SS-OCT）	CNN	图像	48只眼（24只健康眼，24只cCSC眼）	NA	残差UNet	NA	NA
70	2026-02-22	Fuzzy rough set loss for deep learning-based precise medical image segmentation 2026-Feb, Computerized medical imaging and graphics : the official journal of the Computerized Medical Imaging Society IF:5.4Q1 DOI:10.1016/j.compmedimag.2026.102716 PMID:41581251	研究论文	本文提出了一种新颖的模糊粗糙集损失函数，用于提高医学图像分割的精度，特别是在边界模糊和类别不平衡的情况下	提出了一种基于模糊粗糙集理论的损失函数，通过结合像素的模糊相似性关系和边界不确定性模型，增强了边界敏感性和处理预测不确定性的能力	主要针对中度类别不平衡情况，对于极端不平衡或更复杂场景的适用性未充分探讨	开发一种改进的损失函数，以提升医学图像分割的准确性和鲁棒性	医学图像分割任务，包括病变边界、类别不平衡和复杂解剖结构	计算机视觉	多种疾病（包括乳腺癌、胃肠道息肉、脑部疾病、胸部疾病和皮肤病变）	医学图像分析	深度学习模型（未指定具体类型，但涉及分割网络）	图像	涉及五个数据集，具体样本数量未在摘要中提供	未指定	未指定	Dice分数，其他未指定但提到所有评估指标均有显著改进	未指定具体硬件，但提到计算效率高（平均推理时间0.075-0.12秒每图像，内存4.5 MB）
71	2026-02-22	Cell Analyser in Batch for Neurite (CABaNe), an Automated, High-Throughput ImageJ Macro for Cell and Neurite Analysis 2026-Feb, eNeuro IF:2.7Q3 DOI:10.1523/ENEURO.0193-25.2025 PMID:41617476	研究论文	本文介绍了一个名为CABaNe的开源、高通量、基于规则的ImageJ宏，用于自动化分析细胞和神经突长度	开发了一个具有图形界面、元数据生成和验证功能的高通量自动化工具，填补了神经突分析领域缺乏高效工具的空白	目前仅在小鼠神经母细胞瘤细胞系N2A上进行了测试，可能在其他细胞类型或复杂图像中表现有限	开发一个自动化、高通量的图像分析工具，用于神经生物学中的细胞和神经突长度测量	小鼠神经母细胞瘤细胞系N2A的细胞和神经突	数字病理学	神经退行性疾病	图像分析，基于规则的编程	NA	图像	NA	ImageJ	NA	精度	NA
72	2026-02-22	A deep learning-based automated pipeline for colorectal cancer detection in contrast-enhanced CT images 2026-Feb, Computerized medical imaging and graphics : the official journal of the Computerized Medical Imaging Society IF:5.4Q1 DOI:10.1016/j.compmedimag.2026.102717 PMID:41633187	研究论文	本研究提出了一种基于深度学习的自动化检测流程，用于在门静脉期增强CT图像中识别和定位结直肠癌	在YOLOv11基线架构中集成了ResNet50模块以增强图像特征提取，并设计了引入自适应系数和缩放因子的尺度自适应损失函数，以自适应地测量IoU和中心点距离，从而提升检测性能	需要在更大规模的队列中进行验证以确认其临床转化价值	开发一种自动检测结直肠癌的流程，以支持下游的癌症分期、预后评估和治疗规划	结直肠癌	计算机视觉	结直肠癌	门静脉期增强CT扫描	CNN	图像	内部数据集和外部公共数据集	NA	YOLOv11, ResNet50	召回率, 精确率, F1分数	NA
73	2026-02-22	PAIRNet: Predicting PIWI cleavage specificity via position-aware RNA interaction modeling 2026-Feb, PLoS computational biology IF:3.8Q1 DOI:10.1371/journal.pcbi.1013936 PMID:41712585	研究论文	本文提出了一种名为PAIRNet的深度学习框架，用于预测PIWI蛋白介导的RNA切割速率	PAIRNet通过显式建模引导-靶标相互作用，整合了生化见解与计算创新，包括编码配对状态、错配类型、插入和缺失，以及可学习的位置嵌入，以量化空间依赖性	未在摘要中明确提及	预测PIWI切割特异性，加速RNA引导的基因组防御机制研究	PIWI蛋白介导的RNA切割过程	自然语言处理	NA	Cleave-N'-Seq (CNS-seq)	CNN, Transformer	RNA序列数据	四个PIWI引导数据集	NA	混合CNN-Transformer架构	PCC（皮尔逊相关系数）	NA
74	2026-02-22	Self-supervised out-of-distribution detection-Metal implants and other anomaly 2026-Feb, Medical physics IF:3.2Q1 DOI:10.1002/mp.70339 PMID:41719005	研究论文	本文提出了一种基于自监督生成模型的人工智能方法，用于检测腹部-骨盆CT扫描中的异常或分布外数据，以提升下游应用的性能	结合了VQVAE和VIT-MAE两种生成模型，构建了2D和3D架构，能够在无先验知识的情况下检测多种未知异常，并在非共享医疗合作环境中作为服务部署	在外部验证中，24.7%的假阳性率主要由体外异常触发，模型对异常类型的泛化能力仍有提升空间	开发AI模型以检测和识别腹部-骨盆CT检查中的异常或分布外数据，改善下游医学影像应用的鲁棒性	腹部-骨盆CT扫描图像，重点关注第三腰椎切片或整个扫描序列	计算机视觉	NA	CT成像	生成模型	医学影像（CT图像）	训练集：超过2850例50岁以上成年人的腹部-骨盆CT体积数据；前瞻性测试集：544例CT（2024年7月）；外部测试集：AbdominalCT-1k数据集的1062例CT扫描	PyTorch	Vector Quantized Variational Autoencoder (VQVAE), Vision Transformer-Masked Autoencoder (VIT-MAE)	真阳性率, 假阳性率	NA
75	2026-02-22	BehaveAI enables rapid detection and classification of objects and behavior from motion 2026-Feb, PLoS biology IF:7.8Q1 DOI:10.1371/journal.pbio.3003632 PMID:41719233	研究论文	本文介绍了一种名为BehaveAI的生物启发式视频分析框架，通过新颖的颜色-运动编码策略整合静态和运动信息，用于快速检测和分类物体及行为	提出了一种创新的颜色-运动编码策略，将运动方向、速度和加速度转换为颜色梯度，使人类标注者和预训练CNN都能在保留高分辨率空间细节的同时推断运动模式	未明确说明框架在极端光照条件或高度遮挡场景下的性能限制	开发一个高效、轻量级的视频分析框架，用于从复杂自然场景中检测物体并分类行为	动物和单细胞生物的行为	计算机视觉	NA	视频分析，半监督标注工作流	CNN	视频	NA	PyTorch（基于YOLO11推断）	YOLO11	NA	常规计算机（无需专用硬件），树莓派等低端边缘设备
76	2026-02-22	Carba-NAD binding activates SIR2 by reshaping conformational plasticity and rewiring long-range allosteric networks 2026-Feb, PLoS computational biology IF:3.8Q1 DOI:10.1371/journal.pcbi.1013966 PMID:41719283	研究论文	本研究通过分子动力学模拟和图神经网络模型，系统揭示了辅因子结合如何重塑酵母SIR2蛋白的构象动力学和内部通讯网络	结合多副本长时间分子动力学模拟与图深度学习模型（Neural Relational Inference），首次系统揭示了SIR2蛋白在辅因子结合后形成的“核心锁定-外围释放”动态模式，并识别出关键的“中继型”残基和潜在的药物靶向口袋	研究基于计算模拟和模型预测，需要后续实验验证；模拟时间尺度（微秒级）可能无法捕捉更慢的构象变化；模型针对酵母SIR2，其机制在其它物种或同源蛋白中的普适性有待考察	阐明NAD⁺依赖性去乙酰化酶SIR2的变构调控机制，探索其构象动力学与内部通讯网络的重塑过程	酵母SIR2蛋白（一种NAD⁺依赖性去乙酰化酶）及其与辅因子Carba-NAD的复合物	计算生物学	衰老相关疾病	分子动力学模拟，图深度学习模型（Neural Relational Inference）	图神经网络	分子结构轨迹数据	多个独立的3微秒分子动力学模拟副本	NA	Neural Relational Inference	NA	NA
77	2026-02-22	The Dual Associations of Peripheral Inflammatory Cells With Brain Reorganization in Insular Gliomas With/Without Epilepsy: An Exploratory Analysis 2026-Feb, CNS neuroscience & therapeutics IF:4.8Q1 DOI:10.1002/cns.70788 PMID:41721208	研究论文	本研究探索了岛叶胶质瘤伴或不伴癫痫患者中脑重组与周围炎症细胞的双重关联	揭示了岛叶胶质瘤伴癫痫与不伴癫痫患者中不同的脑重组模式，并发现这些模式与特定周围炎症细胞（如白细胞、单核细胞和中性粒细胞）的关联	研究为探索性分析，样本量有限（共103名患者），需要纵向研究和更具体的生物标志物来阐明因果关系	揭示岛叶胶质瘤患者的脑重组过程，并探索反映这些过程的潜在周围生物标志物	51名岛叶胶质瘤伴癫痫患者和52名不伴癫痫患者	数字病理学	胶质瘤	深度学习肿瘤分割、虚拟脑移植、形态学分析	深度学习	医学影像（如MRI）	103名患者（51名伴癫痫，52名不伴癫痫）	MATLAB, SPM, CAT12	NA	NA	NA
78	2026-02-21	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	本研究提出了一种基于深度学习的声带姿态估计框架，用于从临床喉镜视频中估计声带姿态并计算前声门角	提出了一种基于热图回归的深度学习框架，利用三个解剖相关关键点作为先验进行前声门角计算，克服了现有方法在病理图像、噪声和遮挡情况下的局限性	研究仅基于471帧喉镜图像，样本量相对有限，且未详细讨论模型在不同疾病类型间的泛化能力	开发一种自动、准确的声带姿态估计方法，以辅助喉部疾病的诊断	声带姿态估计和前声门角计算	计算机视觉	喉部疾病	视频喉镜检查	深度学习	图像	471帧喉镜图像，来自124名患者（其中28名为癌症患者）	NA	NA	均方根误差, 平均绝对误差	NA
79	2026-02-21	New Machine Learning Method for Medical Image and Microarray Data Analysis for Heart Disease Classification 2026-Feb, Journal of imaging informatics in medicine DOI:10.1007/s10278-025-01492-9 PMID:40169470	研究论文	本文提出了一种名为DeepGeneNet的新框架，结合深度神经网络和特征选择技术，用于优化基因选择并提高心脏病分类的准确性	提出DeepGeneNet框架，将基因选择与基于DNN的分类统一，并集成超参数优化和U-Net分割技术以增强性能	未明确提及具体的数据集限制或模型泛化能力评估	优化基因选择并提高心脏病分类的准确性	微阵列数据中的基因表达	机器学习	心血管疾病	微阵列技术	DNN	微阵列数据	NA	NA	U-Net	分类准确率	NA
80	2026-02-21	Prediction of Future Risk of Moderate to Severe Kidney Function Loss Using a Deep Learning Model-Enabled Chest Radiography 2026-Feb, Journal of imaging informatics in medicine DOI:10.1007/s10278-025-01489-4 PMID:40175823	研究论文	本研究开发并验证了一种利用原始胸部X光片数据预测未来中重度肾功能下降风险的深度学习模型	首次利用胸部X光片这一常规影像学检查来预测慢性肾脏病的进展风险，为早期干预提供了新的潜在工具	研究为回顾性设计，且模型性能在外部验证集中有所下降，需要前瞻性研究进一步验证	评估深度学习模型利用胸部X光片预测慢性肾脏病中重度肾功能下降风险的有效性	79,219名估计肾小球滤过率在65至120之间的患者	数字病理学	慢性肾脏病	胸部X光检查	深度学习模型	图像	79,219名患者，分为开发集（37,983）、调优集（15,346）、内部验证集（14,113）和外部验证集（11,777）	NA	NA	一致性指数	NA