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
921	2026-02-22	Research on structural damage identification based on temporal power flow graph network 2026-Feb-02, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-37356-7 PMID:41629411	研究论文	提出了一种基于时序功率流图网络的结构损伤识别方法，通过将动态功率流嵌入图神经网络的消息传递过程，实现无监督损伤检测与定位	提出了时序功率流传播模块，将结构动力学中的能量传输特性显式表征并嵌入图神经网络，增强了模型的物理可解释性和泛化能力	未在真实大型土木结构上进行验证，主要基于数值模拟和缩尺基准框架测试	提高结构损伤识别的物理可解释性和泛化能力	大型土木结构	机器学习	NA	多传感器加速度响应分析	图神经网络	传感器时序数据	NA	NA	TPF-GNet	准确率	NA
922	2026-02-22	Paired liver-spleen high-frequency ultrasound deep learning network for full-stage liver fibrosis classification and clinical benefit compared with 2D-SWE in chronic hepatitis B cohort: a prospective multicenter study 2026-Feb, Journal of gastroenterology IF:6.9Q1 DOI:10.1007/s00535-025-02331-y PMID:41432913	研究论文	本研究开发并验证了一种基于配对肝脾高频超声图像的深度学习网络（LS-Net），用于慢性乙型肝炎患者的全阶段肝纤维化分类，并与现有方法进行了临床获益比较	首次提出使用配对肝脾高频超声图像构建深度学习网络进行肝纤维化全阶段分类，并在多中心前瞻性研究中证明了其相较于单一肝脏图像网络、二维剪切波弹性成像及放射科医生评估的优越性能	研究为内部验证，需要进行外部验证以进一步确认模型的泛化能力；样本量（598名患者）虽为多中心，但可能仍需更大规模的研究	开发一种更准确、无创的肝纤维化分期诊断工具，以改善慢性乙型肝炎患者的临床管理	慢性乙型肝炎患者	数字病理学	肝纤维化，慢性乙型肝炎	高频超声，二维剪切波弹性成像，肝活检	深度学习网络	高频超声图像	来自6家医院的598名慢性乙型肝炎患者，共2139张高频超声图像	NA	LS-Net, L-Net	AUROC	NA
923	2026-02-22	SPARSE data, rich results: Few-shot semi-supervised learning via class-conditioned image translation 2026-Feb, Computerized medical imaging and graphics : the official journal of the Computerized Medical Imaging Society IF:5.4Q1 DOI:10.1016/j.compmedimag.2026.102705 PMID:41512686	研究论文	提出一种基于GAN的少样本半监督学习框架，通过类别条件图像翻译和集成伪标签技术，在医学图像数据稀缺场景下提升分类性能	提出三阶段训练框架，结合类别条件图像翻译（而非从噪声生成）利用未标注数据，并采用基于指数移动平均的集成伪标签方法	仅在MedMNIST数据集上进行评估，未在更复杂的真实临床医学影像数据上验证	解决医学影像标注数据稀缺场景下的半监督分类问题	医学图像分类任务	计算机视觉	NA	图像翻译	GAN	图像	每类5-50个标注样本（少样本场景），使用11个MedMNIST数据集	PyTorch	GAN（包含生成器、判别器和独立分类器的三网络架构）	分类准确率	NA
924	2026-02-22	A multi-expert deep learning framework with LLM-guided arbitration for multimodal histopathology prediction 2026-Feb, Computerized medical imaging and graphics : the official journal of the Computerized Medical Imaging Society IF:5.4Q1 DOI:10.1016/j.compmedimag.2026.102704 PMID:41519030	研究论文	提出一种多专家深度学习框架，利用大型语言模型作为智能仲裁器，整合多模态病理学数据以提升预测性能和可解释性	首次将大型语言模型作为智能仲裁器引入多专家框架，动态整合视觉和临床数据，解决模型间分歧并提供透明决策	未提及具体的数据集规模限制或模型泛化能力的详细评估	开发一种透明且可扩展的AI系统，用于数字病理学中的多模态预测	胃癌和乳腺癌的病理学图像及临床数据	数字病理学	胃癌, 乳腺癌	深度学习, 大型语言模型	CNN, Transformer, LLM	图像, 临床信息	HMU-GC-HE-30K（仅病理图像）, BCNB（多模态数据）	NA	CNN, ViT, LLaMA, GPT, Mistral	NA	NA
925	2026-02-22	Automated 3D cephalometry: A lightweight V-net for landmark localization on CBCT 2026-Feb, Computerized medical imaging and graphics : the official journal of the Computerized Medical Imaging Society IF:5.4Q1 DOI:10.1016/j.compmedimag.2026.102700 PMID:41519031	研究论文	本研究开发了一种轻量级V-net深度学习模型，用于在CBCT扫描中自动定位16个解剖标志点，以实现三维头影测量的自动化	开发了一种轻量级V-net模型，专门针对临床工作流程优化，能够在异质性数据集上实现快速且准确的标志点定位	模型仅在350个CBCT扫描数据集上进行训练，可能需要更多样化的数据以进一步提高泛化能力	开发自动化的三维头影测量工具，以减少处理时间和操作者依赖性	锥形束CT扫描中的解剖标志点	计算机视觉	NA	锥形束CT	CNN	三维医学图像	350个手动标注的CBCT扫描	NA	V-net	平均定位误差, 角度测量误差, 线性测量误差, Bland-Altman分析	NA
926	2026-02-22	A hybrid Transformer-CNN framework for uncertainty-guided semi-supervised multiclass eye disease classification with enhanced interpretability 2026-Feb, Computerized medical imaging and graphics : the official journal of the Computerized Medical Imaging Society IF:5.4Q1 DOI:10.1016/j.compmedimag.2026.102701 PMID:41520385	研究论文	提出了一种结合Transformer与CNN的混合框架，用于不确定性引导的半监督多类眼病分类，并增强了模型的可解释性	提出了CNN-Transformer混合架构，引入了不确定性引导的MixMatch半监督学习框架，并开发了新颖的基于梯度的集成注意力图方法以提升可解释性	未明确提及，但可能包括数据集规模、模型泛化能力或计算资源需求	开发一种准确、可解释且能有效利用未标记数据的多类眼病自动分类方法	眼底图像	计算机视觉	眼病	深度学习	CNN, Transformer	图像	4215张眼底图像，涵盖四个类别	未明确提及	ConvNeXt, Transformer	准确率, Cohen's kappa分数, 敏感性, 特异性, AUC	NA
927	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
928	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
929	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
930	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
931	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
932	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
933	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
934	2026-02-20	DSSA-PPI: enhancing binding affinity change prediction upon protein mutations using disentangled structure-sequence aware attention 2026-Feb-18, Chemical science IF:7.6Q1 DOI:10.1039/d5sc08898d PMID:41487137	研究论文	本文提出了一种名为DSSA-PPI的混合深度学习框架，用于增强预测蛋白质突变引起的结合亲和力变化	通过解耦注意力机制整合结构和序列信息，结合几何等变图神经网络PPIFormer和蛋白质语言模型ESM-2，提出了一种新颖的表征学习策略	未在摘要中明确提及	准确评估突变对蛋白质-蛋白质相互作用的影响，以理解疾病发病机制并开发靶向疗法	蛋白质-蛋白质相互作用中的突变效应	机器学习	NA	深度学习	图神经网络, 语言模型	结构信息, 序列信息	标准蛋白质结合亲和力数据集SKEMPI v2	NA	PPIFormer, ESM-2	NA	NA
935	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
936	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
937	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
938	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
939	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
940	2026-02-20	Early detection of female-specific cancers using longitudinal healthcare records with a multichannel convolutional neural network 2026-Feb-12, BMJ health & care informatics IF:4.1Q2 DOI:10.1136/bmjhci-2025-101874 PMID:41688098	研究论文	本研究开发了一种多通道卷积神经网络，利用纵向医疗记录对女性特异性癌症进行早期检测	提出了一种多通道卷积神经网络架构，能够统一处理四种女性癌症的早期检测，并通过系统性特征选择大幅降低计算需求，实现了在人口规模数据库上的验证	研究基于台湾的国民健康保险研究数据库，可能受限于该地区的医疗编码系统和数据特性，泛化性需进一步验证	开发并验证一种利用纵向医疗记录进行女性特异性癌症早期检测的计算方法	女性患者，包括乳腺癌、卵巢癌、宫颈癌和子宫恶性肿瘤病例	机器学习	乳腺癌,卵巢癌,宫颈癌,子宫恶性肿瘤	医疗记录分析	CNN	医疗记录	19954名女性患者（596例癌症病例，19358例对照）	NA	多通道卷积神经网络	Macro-F1分数,精确度,召回率	NA