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	2026-07-10	Acute deep neck infection MRI: deep learning segmentation and clinical relevance of retropharyngeal edema volume 2026-Feb-23, European radiology experimental IF:3.7Q1 DOI:10.1186/s41747-026-00686-2 PMID:41729484	研究论文	探讨急性深颈部感染MRI中咽后水肿体积作为定量生物标志物，并开发用于自动分割的卷积神经网络	首次将咽后水肿体积作为急性颈部感染的定量成像生物标志物，并开发深度学习模型实现自动分割，证明其优于二元分类法在预测疾病严重性方面的表现	分割模型在Dice相似系数上表现中等（轴向切片0.534），可能受限于手动标注的变异性或图像质量	评估咽后水肿体积作为急性颈部感染临床严重程度定量标志物的潜力，并开发自动分割的深度学习模型	急性颈部感染患者的MRI图像中咽后水肿区域	计算机视觉	急性颈部感染	MRI	卷积神经网络	图像	244例患者的T2加权脂肪抑制Dixon磁共振图像	NA	卷积神经网络	AUROC, Dice相似系数	NA
102	2026-07-10	A hybrid blockchain based deep learning model for multivector attack detection in internet of things enabled healthcare systems 2026-Feb-20, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-40765-3 PMID:41721001	研究论文	提出一种结合区块链和深度学习（深度稀疏自动编码器与双向长短期记忆网络）的混合模型，用于物联网医疗系统中的多向量攻击检测	将区块链、深度稀疏自动编码器（DSAE）特征提取、双向长短期记忆网络（BiLSTM）和贝叶斯乘积专家（BPoE）融合机制结合，用于医疗物联网安全，在检测准确率和延迟方面均优于传统方法和现有技术	跨数据集测试的平均得分范围为11.52%到13.55%，表明通用化能力中等；仅在控制实验环境中验证，真实环境可行性需进一步评估	为医疗物联网系统提供多向量攻击检测方案，增强网络安全并防止数据丢失	医疗物联网系统中的多种攻击（分布式拒绝服务DDoS、中间人攻击MiTM、暴力攻击BFA）	机器学习	不适用	不适用	深度稀疏自动编码器（DSAE）、双向长短期记忆网络（BiLSTM）、贝叶斯乘积专家（BPoE）	网络流量数据	两个数据集：IoT-Flock和CICIoT2023，具体样本量未提及	不适用	DSAE、BiLSTM、BPoE	准确率、检测延迟、网络吞吐量、共识延迟、验证成功率	不适用
103	2026-07-10	SCMO: a deep learning model integrating the single-cell resolution TME ecosystem and multi-omics for survival prediction in CRC patients 2026-Feb-19, Journal of translational medicine IF:6.1Q1 DOI:10.1186/s12967-025-07417-y PMID:41715092	研究论文	构建了一种整合单细胞分辨率肿瘤微环境生态系统与多组学数据的深度学习模型SCMO，用于结直肠癌患者的生存预测	首次将单细胞RNA测序解析的肿瘤微环境细胞状态和生态系统与多组学数据（临床、基因组、转录组、微生物组）通过自归一化神经网络整合，提升生存预测性能并增强生物可解释性	模型在1年预测的测试集AUC较低（0.639），可能受样本量或数据异质性限制	开发一种结合单细胞分辨率肿瘤微环境与多组学数据的深度学习模型，以改善结直肠癌患者的生存预后评估	结直肠癌患者的肿瘤微环境细胞状态、多组学数据（临床、基因组、转录组、微生物组）及生存信息	machine learning, digital pathology	结直肠癌	单细胞RNA测序、RNA-seq、多组学整合	自归一化神经网络	单细胞转录组、批量RNA-seq、临床、基因组、微生物组数据	213个结直肠癌单细胞RNA测序样本，TCGA-CRC队列的批量RNA-seq数据	PyTorch	自归一化神经网络	一致性指数（C-index）、AUC（1年、3年、5年）	NA
104	2026-07-10	Establishing dermatopathology encyclopedia DermpathNet with Artificial Intelligence-Based Workflow 2026-Feb-06, Scientific data IF:5.8Q1 DOI:10.1038/s41597-026-06715-4 PMID:41651886	研究论文	通过人工智能工作流建立皮肤病病理学百科全书DermpathNet，提供开放获取的高质量数据集	采用结合深度学习图像模态分类和图注分析的新型混合方法，从PubMed Central中自动化筛选并分类皮肤病病理图像，构建了经专家审查的大规模开放数据集	当前OpenAI图像分析算法在分析皮肤病病理图像时表现不足	建立开放获取的皮肤病病理图像数据集，用于教育、交叉参考和机器学习	PubMed Central中的皮肤病病理图像	数字病理学	皮肤病	NA	深度学习模型	图像	7772张图像，覆盖166种诊断	NA	NA	F值	NA
105	2026-07-10	EfficientNetB7-Based Deep Learning Framework for Enhanced Classification of Lung and Colon Cancer Histopathological Images 2026-Feb-06, Journal of visualized experiments : JoVE DOI:10.3791/68812 PMID:41729802	研究论文	提出基于EfficientNetB7的深度学习框架用于增强肺癌和结肠癌组织病理图像分类	使用预训练的EfficientNetB7模型，结合高级预处理、微调和领域特定数据增强技术，以96%的高准确率分类结肠和肺组织病理图像，有效解决类别不平衡和细微组织学变异问题	未提及具体局限性	开发和评估基于EfficientNetB7的深度学习模型用于肺癌和结肠癌组织病理图像分类，为临床诊断提供高准确率和高效率的工具	结肠和肺组织病理图像	数字病理学	肺癌, 结肠癌	NA	CNN	图像	NA	NA	EfficientNetB7	准确率	NA
106	2026-07-10	BRISC: Annotated Dataset for Brain Tumor Segmentation and Classification 2026-Feb-05, Scientific data IF:5.8Q1 DOI:10.1038/s41597-026-06753-y PMID:41644571	研究论文	介绍了一个用于脑肿瘤分割和分类的高质量MRI数据集BRISC，包含6000张对比增强T1加权MRI扫描及专家标注	提供了来自多个公开数据集但缺乏分割标签的MRI图像的专家标注，包含三种主要肿瘤类型和非肿瘤病例，且覆盖轴向、矢状和冠状三个成像平面	未明确说明，但可能包括数据集仅限于对比增强T1加权MRI，未涵盖其他序列或模态	解决脑肿瘤MRI分割和分类中缺乏高质量、平衡且多样化专家标注数据集的问题	脑肿瘤MRI图像，包含胶质瘤、脑膜瘤、垂体瘤和非肿瘤病例	数字病理学	脑肿瘤	MRI	深度学习（标准模型）	图像（MRI扫描）	6000张对比增强T1加权MRI扫描	NA	标准深度学习模型（未具体说明）	NA（未在摘要中指定）	NA
107	2026-07-09	Longitudinal multisource clinical model for early lung cancer risk stratification and screening 2026-Feb-24, BMJ health & care informatics IF:4.1Q2 DOI:10.1136/bmjhci-2025-101989 PMID:41734977	研究论文	开发了一种轻量级多通道卷积神经网络，利用常规预诊断医疗数据进行肺癌风险分层和筛查	创新点在于利用常规医疗数据（而非成像数据）进行纵向风险分层，通过对数似然比特征选择实现了99.8%的计算资源降低，同时设计了多通道CNN架构处理异构数据模态	基于回顾性队列研究，可能存在选择偏差；使用台湾国家健康保险研究数据库，结果可能无法直接推广到其他医疗系统	开发一种低成本、可扩展的肺癌早期筛查工具，利用常规医疗数据进行风险分层	台湾国家健康保险研究数据库中99,615名个体（575例肺癌病例，99,040例非癌症对照）的纵向医疗数据	机器学习	肺癌	NA	卷积神经网络（CNN）	结构化医疗数据（诊断代码、用药记录、医嘱）	99,615名个体（575例肺癌病例，99,040例非癌症对照）	NA	多通道卷积神经网络（Multichannel CNN）	F1分数，精确率，AUROC，AUPRC	轻量级架构，适用于资源受限环境
108	2026-07-09	Deep learning pipeline for trapezium segmentation in thumb radiographs 2026-Feb-23, European radiology experimental IF:3.7Q1 DOI:10.1186/s41747-026-00678-2 PMID:41729375	研究论文	提出一种两阶段深度学习流水线用于拇指X光片中的大多角骨分割	结合YOLOv8检测与U-Net分割的两阶段流水线，在拇指X光片大多角骨分割任务上性能优于U-Net、SAM和Mobile-SAM等广泛使用的模型	未明确提及局限性	实现拇指X光片中大多角骨的准确识别与分割，以辅助腕掌关节置换术的术前规划与术中引导	拇指X光片中的大多角骨	计算机视觉	骨关节疾病	NA	CNN	图像	624张拇指X光片，其中519张符合纳入标准	PyTorch	YOLOv8, U-Net	平均精度均值, Dice相似系数, 交并比	NA
109	2026-07-09	AI and Wearables for Early Detection of Cognitive Impairment and Dementia: Systematic Review 2026-Feb-23, Journal of medical Internet research IF:5.8Q1 DOI:10.2196/86262 PMID:41730193	系统综述	系统综述了可穿戴设备在认知障碍和痴呆早期检测中的应用，分析设备类型、认知结局、分析方法及预防相关性	从描述性关联转向数字表型框架，评估AI驱动的预临床窗口期预测，区分直接预测证据与间接相关发现，批判性评估方法成熟度	研究间在设备、结局和分析方法上存在显著异质性，无法进行定量荟萃分析；多数研究样本量小、监测时长短、外部验证有限	综合评估可穿戴设备在认知障碍和痴呆早期检测与预防中的当前证据，聚焦设备类别、认知结局、分析方法和预防相关性	49项符合纳入标准的研究，样本量范围为14至91,948名参与者（总计超过20万），中位样本量为145	机器学习	认知障碍、痴呆	可穿戴设备（研究级体动记录仪、商用可穿戴设备）	传统统计模型、机器学习、深度学习	时间序列数据（睡眠、身体活动、昼夜节律）	49项研究，样本量14-91,948人（总计>20万），中位145人	NA	NA	曲线下面积	NA
110	2026-07-09	Retinal vascular alteration following surgical intraocular pressure reduction in primary angle closure disease 2026-Feb-23, BMJ open ophthalmology IF:2.0Q2 DOI:10.1136/bmjophth-2025-002626 PMID:41730576	研究论文	探究原发性闭角型青光眼患者手术降眼压后视网膜血管的几何变化，并分析眼压降低幅度与血管参数间的关联	首次利用深度学习分析系统定量评估PACD患者手术降眼压后选择性视网膜静脉的复杂性和密度变化	NA	研究原发性闭角型青光眼患者手术降眼压后视网膜血管几何变化及眼压降低幅度与血管参数的关联	原发性闭角型青光眼患者手术降眼压后的视网膜血管参数	数字病理学	青光眼	眼底照相、深度学习分析系统	深度学习模型	眼底照片	126只眼睛（112名患者）	NA	NA	NA	NA
111	2026-07-09	Normative growth trajectories of fetal brain regions validated by satisfactory maturation of neurodevelopmental domains at 2 years of age 2026-Feb-23, Nature communications IF:14.7Q1 DOI:10.1038/s41467-026-69657-w PMID:41730874	研究论文	应用深度学习方法分析胎儿脑部生长轨迹，验证其与2岁时神经发育成熟度的关联	首次建立定量化的胎儿脑部16个结构的正常生长轨迹，并定义胎儿脑成熟指数以量化生物学年龄与时间年龄的偏差	未明确提及模型的泛化能力及外部验证数据集	构建胎儿脑部结构的定量生长轨迹，并评估其与儿童2岁时神经发育领域成熟度的关系	多国健康胎儿的脑部超声扫描数据	计算机视觉	NA	3D超声成像	深度学习模型	图像	4205次胎儿脑部扫描（孕18-27周）	NA	NA	NA	NA
112	2026-07-09	AI-integrated smartwatch monitoring for early detection of stroke and hemorrhage: A systematic review 2026-Feb-20, Medicine IF:1.3Q2 DOI:10.1097/MD.0000000000047775 PMID:41731797	系统综述	对人工智能智能手表监测脑血管事件（蛛网膜下腔出血、缺血性卒中、颅内出血）的早期检测进行系统综述	提出了一个整合心率、血压替代指标和运动数据的多传感器概念模型，用于未来智能手表系统的卒中/蛛网膜下腔出血检测	传感器准确性不足、频繁误报、算法泛化能力有限，且缺乏蛛网膜下腔出血和颅内出血检测的研究	评估人工智能智能手表在脑血管事件早期检测中的现有证据、挑战和未来方向	使用可穿戴加速度计和人工智能算法检测急性卒中症状	机器学习	缺血性卒中, 蛛网膜下腔出血, 颅内出血	加速度计, 心电图, 光电容积描记法	深度学习	运动数据, 心率数据, 血压替代指标	3项符合条件的缺血性卒中检测研究	NA	NA	ROC曲线下面积	NA
113	2026-07-09	HCR-Proxy resolves site-specific proximal RNA microenvironments at subcompartmental resolution 2026-Feb-05, Nucleic acids research IF:16.6Q1 DOI:10.1093/nar/gkag086 PMID:41728949	研究论文	介绍一种名为HCR-Proxy的邻近标记技术，该技术结合杂交链式反应信号放大与原位邻近生物素化，可在亚区室分辨率下解析RNA近端蛋白微环境	首次实现亚区室分辨率下的RNA近端蛋白质组学图谱绘制，并揭示了RNA序列编码的蛋白质分配空间逻辑	未提及技术的潜在局限性，如可能非特异性结合或通量限制	开发一种能够以亚区室分辨率解析RNA近端蛋白质组的技术，以理解RNA支架凝聚体的空间组织	新生前体rRNA靶点及核仁亚区室	分子生物学、蛋白质组学	不适用	HCR-Proxy（邻近标记技术）、杂交链式反应（HCR）、原位邻近生物素化（Proxy）	深度学习框架	蛋白质组学数据、RNA近端序列数据	未明确样本量	不适用	不适用	不适用	不适用
114	2026-07-09	Solar Power Forecasting Using Hybrid Deep Learning: Performance Enhancement with Random Forest-BiLSTM and Ensemble Modeling 2026-Feb-03, Journal of visualized experiments : JoVE DOI:10.3791/69743 PMID:41729804	研究论文	提出一种混合深度学习集成方法，通过RF-BiLSTM和集成建模提升太阳能发电预测性能	提出RF-BiLSTM混合架构与逆MAE加权集成策略，结合随机森林与双向LSTM的优势，并通过集成建模将预测误差降低6.2%	实验仅基于特定辐射数据，未考虑天气突变、地理差异等复杂因素对模型泛化能力的影响	提升太阳能发电预测的准确性和鲁棒性，支持智能电网和能源管理系统	太阳能发电历史时间序列辐射数据中的时空依赖关系	机器学习, 深度学习	NA	深度学习，集成学习	BiLSTM, CNN, GRU, Transformer, 随机森林	时间序列数据	未明确说明样本数量	TensorFlow, PyTorch	RF-BiLSTM, CNN-LSTM, CNN-BiLSTM, CNN-GRU, CNN-Transformer	R², MAE, MSE	未明确说明计算资源
115	2026-07-09	Integrated In Silico, In Vivo, and Deep Learning Approaches in the Discovery of Novel Candidate Molecules for Aedes aegypti Control 2026-Feb, Archives of insect biochemistry and physiology IF:1.5Q4 DOI:10.1002/arch.70138 PMID:41729012	研究论文	本研究整合了计算机模拟、体内实验和深度学习方法，用于发现控制埃及伊蚊的新候选分子	首次将基于深度学习的虚拟筛选和德新奥算法结合，针对埃及伊蚊幼虫和成虫的不同生物学弱点，提出阶段特异性发现框架	未提供实验验证所有候选分子的结果，仅对少数化合物进行了幼虫杀灭实验，成虫血餐抑制的候选分子尚需后续评估	发现控制埃及伊蚊的新候选分子，包括幼虫杀灭剂和成虫血餐抑制剂	埃及伊蚊及其幼虫和成虫	机器学习, 计算机辅助药物设计	虫媒病毒病	计算虚拟筛选, 深度学习虚拟筛选, 从头药物设计	深度学习模型	分子结构数据	1070个查尔酮化合物用于虚拟筛选；3个化合物用于幼虫杀灭实验	NA	德新奥算法	结合能	NA
116	2026-07-09	Deep learning meets clinical practice: A You Only Look Once-based framework for accurate and real-time detection of carotid vulnerable plaques 2026-Feb, The Journal of international medical research IF:1.4Q4 DOI:10.1177/03000605261420504 PMID:41730715	研究论文	开发了基于YOLO的深度学习框架，用于超声图像中颈动脉易损斑块的准确实时检测	首次系统比较YOLOv7、v8、v9和v10在颈动脉斑块检测中的性能，并选出最优版本YOLOv9用于临床实践	NA	实现颈动脉易损斑块的早期准确检测，预防缺血性卒中	颈动脉超声图像中的稳定斑块和易损斑块	计算机视觉	心血管疾病	超声成像	YOLO（You Only Look Once）	图像	来自368名患者的1610张颈动脉超声图像	PyTorch	YOLOv7, YOLOv8, YOLOv9, YOLOv10	平均精度均值（mAP@0.5和mAP@0.95）、精确率、召回率、F1分数	NA
117	2026-07-09	Radiologic Pattern of Fibrosis in Combined Pulmonary Fibrosis and Emphysema: Impact on Disease Trajectories and Prognostic Outcomes 2026-Feb, Radiology IF:12.1Q1 DOI:10.1148/radiol.251686 PMID:41733469	研究论文	评估肺纤维化合并肺气肿中不同纤维化影像模式对疾病轨迹和预后的影响	首次系统比较不同纤维化模式（UIP、NSIP、SRIF、DIP）在CPFE患者中的纤维化进展速率，并发现UIP模式进展最快	回顾性设计可能导致选择偏倚；样本量相对较小；未评估治疗干预对结局的影响	评估不同纤维化影像模式对CPFE患者疾病进展和临床结局的影响	236例CPFE患者（平均年龄65岁，232名男性）	医学影像分析	肺纤维化合并肺气肿	高分辨率CT	深度学习分割模型	CT影像	236例CPFE患者	NA	CNN	风险比、中位进展时间	NA
118	2026-07-08	Selective multimodal deep learning for reliable breast cancer subtype classification from histopathology and genomic data 2026-Feb-23, Medical engineering & physics IF:1.7Q3 DOI:10.1088/1873-4030/ae449b PMID:41671586	研究论文	提出一种选择性多模态深度学习框架，结合组织病理学和RNA-seq数据，用于可靠地分类乳腺癌亚型	引入不确定性感知的智能路由机制，仅在不确定样本上使用多模态推理，实现3.12倍计算加速并在TCGA-BRCA数据集上达到94.93%准确率	仅基于TCGA-BRCA单一数据集验证，需要更多外部数据集和前瞻性临床验证	提高乳腺癌亚型分类的准确性、可解释性和计算效率	TCGA-BRCA数据集中924例患者的组织病理学全切片图像和RNA-seq转录组数据	数字病理学, 自然语言处理（基因表达分析）	乳腺癌	RNA-seq, 组织病理学成像	CTransPath视觉Transformer, 注意力机制, 路由网络	图像（组织病理学WSI）, 文本（RNA-seq表达谱）	924例TCGA-BRCA患者（PAM50分子亚型）	PyTorch	CTransPath, 门控注意力, 交叉注意力, 拼接融合	准确率, 混淆矩阵, 计算速度（3.12倍加速）	NA
119	2026-07-08	Text-Based Depression Estimation Using Machine Learning With Standard Labels: Systematic Review and Meta-Analysis 2026-Feb-11, Journal of medical Internet research IF:5.8Q1 DOI:10.2196/82686 PMID:41671575	系统综述与meta分析	系统评价和Meta分析基于标准标签的文本抑郁估计机器学习模型的预测性能	首次聚焦使用标准抑郁标签（临床诊断或验证量表）的文本抑郁模型，排除弱标签研究，提高可靠性；发现嵌入特征、深度学习架构和临床诊断标签显著提升模型性能；报告质量与模型性能正相关	纳入研究数量有限（11项研究15个模型），未能全面探索所有异质性来源；部分亚组分析可能受小样本量影响	评估使用标准标签的文本抑郁模型的预测性能，并识别文本资源、文本表示、模型架构、标注来源和报告质量对性能异质性的影响	11项研究中的15个基于参与者生成文本的机器学习模型	自然语言处理	抑郁症	NLP	深度学习、浅层模型	文本	15个模型来自11项研究，原始文章扫描3067篇	NA	嵌入表示模型、深度学习架构、浅层模型	效应量r（含95%置信区间）	NA
120	2026-07-07	Staining normalization in histopathology: Method benchmarking using multicenter dataset 2026-Feb-26, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-40943-3 PMID:41748767	研究论文	使用多中心数据集对组织病理学染色归一化方法进行基准测试	收集了来自66个不同实验室的独特多中心组织图像数据集，并全面比较了八种染色归一化方法的性能	未提及具体的局限性信息	评估不同染色归一化方法在多中心组织图像上的表现，并为提高模型泛化性提供策略	来自结肠、肾脏和皮肤的组织样本的H&E染色图像	数字病理学	NA	H&E染色	深度学习模型（CycleGAN, Pix2pix）	图像	66个不同实验室染色的组织样本数据集	NA	CycleGAN, Pix2pix	定量和定性评估指标	NA