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	2026-05-31	Interactive deep learning for myocardial scar segmentation using cardiovascular magnetic resonance 2026-Mar-20, Journal of cardiovascular magnetic resonance : official journal of the Society for Cardiovascular Magnetic Resonance IF:4.2Q1 DOI:10.1016/j.jocmr.2026.102720 PMID:41864346	研究论文	开发一种交互式深度学习系统，用于心血管磁共振图像中的心肌疤痕分割与量化	结合提示引导分割与视觉基础模型，并集成到临床交互界面，实现实时交互和自动量化	未提及具体局限性	开发一种交互式深度学习系统，用于心肌疤痕分割和量化，以提高准确性和可重复性	慢性心肌梗死患者的心血管磁共振图像中的心肌疤痕	计算机视觉	心血管疾病	晚期钆增强（LGE）心血管磁共振成像	深度学习模型	医学图像	348名慢性心肌梗死患者的LGE-CMR图像（244训练，51验证，53测试）	NA	提示引导分割模型，视觉基础模型	Dice相似系数，豪斯多夫距离，疤痕质量误差，一致性相关系数	NA
302	2026-05-30	Prognostic value of end-to-end deep learning assessment of myocardial scar and microvascular obstruction on late gadolinium enhancement cardiovascular magnetic resonance 2026-Mar-12, Journal of cardiovascular magnetic resonance : official journal of the Society for Cardiovascular Magnetic Resonance IF:4.2Q1 DOI:10.1016/j.jocmr.2026.102712 PMID:41831720	研究论文	开发和验证一种用于心肌瘢痕和微血管梗阻自动分割的端到端深度学习管道LGE-CMRnet，并评估其在急性心肌梗死患者中的预后价值	提出LGE-CMRnet，整合YOLOv8和nnU-Net进行全自动心肌瘢痕和微血管梗阻分割，并在预后价值上达到与专家分析相当的水平	样本量有限（567名患者），且为单中心研究，可能需要更多外部验证	评估LGE-CMRnet在急性心肌梗死患者中自动分割心肌瘢痕和微血管梗阻的预后价值	急性心肌梗死患者	数字病理学	心血管疾病	心脏磁共振（LGE CMR）	YOLOv8和nnU-Net	图像	567名AMI患者（409名用于训练/内部压力测试；158名用于外部测试），共3874张LGE图像	PyTorch	YOLOv8, nnU-Net	Dice相似系数（DSC）、相关系数、Bland-Altman分析、Cox回归、C指数	未明确提及但对推理而言快速处理（每张图像0.05秒）
303	2026-05-30	Deep Learning for Standardized Head CT Reformatting: A Quantitative Analysis of Image Quality and Operator Variability 2026-03, Journal of the American College of Radiology : JACR IF:4.0Q1 DOI:10.1016/j.jacr.2025.09.016 PMID:40998241	研究论文	验证深度学习基础模型在自动头部CT重建中的表现，并量化手动重建的质量和变异	首次使用单一深度学习基础模型实现自动头部CT重建，并利用该模型作为参考标准在大规模真实世界数据集中评估手动重建的质量和速度	未提及具体限制	验证深度学习模型自动头部CT重建的图像质量和操作者变异	1,763例连续非增强头部CT检查中的自动和手动重建结果	机器学学习	无特定疾病	非增强头部CT	深度学习基础模型	图像	1,763例非增强头部CT检查，其中100例用于模型验证	NA	NA	地标定位误差、旋转误差、中心误差、缩放误差	NA
304	2026-05-30	Validating Radiology Artificial Intelligence Model Performance on Photon-Counting CT Images Using Large Language Models for Ground Truth Extraction 2026-03, Journal of the American College of Radiology : JACR IF:4.0Q1 DOI:10.1016/j.jacr.2025.11.024 PMID:41265766	研究论文	评估利用大语言模型从放射学报告中自动提取真实标签，用于验证AI模型在光子计数CT图像上的性能	首次将大语言模型应用于自动提取放射学报告中的真实标签，实现对新型成像硬件上AI工具的可扩展性能评估与监控	大语言模型标签与人工标注间存在一定差异，需部分人工校正；仅评估了四种诊断任务的AI工具	验证使用大语言模型自动化真实标签提取的可行性，并评估AI模型在新安装光子计数CT扫描仪上的表现	四种FDA批准的基于深度学习的计算机辅助检测与分诊工具（针对肺栓塞、颅内出血、颈椎骨折和椎体压缩性骨折）	自然语言处理、计算机视觉	肺栓塞、颅内出血、颈椎骨折、椎体压缩性骨折	光子计数CT成像	大语言模型 (Llama 3.3) 和深度学习计算机辅助检测模型	文本（放射学报告）	来自PCCT和传统CT扫描仪的多例放射学报告，具体数量未说明	PyTorch	Llama 3.3	Fleiss κ系数	NA
305	2026-05-27	Tabular LLMs for Interpretable Few-Shot Alzheimer's Disease Prexdiction with Multimodal Biomedical Data 2026-Mar-17, ArXiv PMID:41907581	研究论文	提出TAP-GPT框架，一种基于TableGPT2的表格化大型语言模型，用于多模态生物标志物的少样本阿尔茨海默病分类，生成可解释的结构化推理	首次系统性地将表格专用大型语言模型应用于多模态生物标志物驱动的阿尔茨海默病预测，采用表格提示而非纯文本进行少样本分类，并展示结构化、模态感知的推理能力且稳定性更高	NA	开发一种可解释的少样本预测方法，利用表格化大型语言模型处理多模态生物医学数据实现阿尔茨海默病的准确诊断	阿尔茨海默病患者的多模态生物标志物数据	机器学习	阿尔茨海默病	NA	大型语言模型	表格数据	四个ADNI衍生数据集	TableGPT2	TableGPT2	准确率	NA
306	2026-05-27	Two-step deep-learning candidemia prediction model using two large time-sequence electronic health datasets 2026-Mar-04, medRxiv : the preprint server for health sciences DOI:10.64898/2026.03.03.26347531 PMID:41867227	研究论文	利用两个大型时间序列电子健康数据集开发两步深度学习模型预测念珠菌血症风险	提出结合念珠菌血症和30天死亡风险的两步预测框架，能识别出单步模型遗漏的高风险患者，并显著提高预测覆盖率和临床适用性	研究为回顾性，需前瞻性研究验证结果	开发并验证两步深度学习模型以优化念珠菌血症的早期预测和抗真菌治疗决策	两个大型电子健康记录数据集中的成年住院患者	机器学习	念珠菌血症	深度学习模型开发基于电子健康记录数据	深度学习模型	电子健康记录数据（时间序列数据）	Houston Methodist Hospital System (HMHS) 的 213,404 名患者和 MIMIC-IV 的 107,507 名患者	PyTorch	NA	AUPRC（精确率-召回率曲线下面积）	NA
307	2026-05-26	A prospective multicenter trial of deep learning auto-segmentation for organs at risk in thoracic radiotherapy 2026-Mar-31, Nature communications IF:14.7Q1 DOI:10.1038/s41467-026-70863-9 PMID:41917034	研究论文	一项前瞻性多中心试验评估深度学习模型iCurveE在胸部和乳腺癌放疗中辅助勾画危及器官的临床性能	首次通过前瞻性多中心试验验证AI辅助勾画在临床放疗中的实际效果，并展示了其在减少勾画变异性和提高医疗公平性方面的优势	当前无摘要中明确提及的限制信息	评估AI辅助勾画在胸部放疗中危及器官勾画的临床性能，包括准确性和时间效率	500例胸部和乳腺癌患者的CT图像，涉及11个胸部危及器官	计算机视觉	肺癌, 乳腺癌	CT影像	深度学习模型	CT图像	500例患者，2483个危及器官集（27043个器官）	NA	iCurveE	体积Dice相似系数（vDSC），95%豪斯多夫距离（HD95），勾画时间	NA
308	2026-05-26	Enhanced corn leaf disease detection using sharpness-aware minimization optimized CNNs 2026-Mar-31, Plant methods IF:4.7Q1 DOI:10.1186/s13007-026-01514-9 PMID:41917950	研究论文	提出使用锐度感知最小化（SAM）优化卷积神经网络，用于增强玉米叶片疾病检测	首次将锐度感知最小化优化方法应用于玉米叶片疾病检测CNN，通过同时最小化训练损失和损失景观锐度，使模型收敛到更平坦的最小值，显著提高泛化能力	未提及在不同作物或更复杂疾病类别上的泛化能力验证，且仅基于单一数据集进行评价	解决现有深度学习解决方案因尖锐损失景观导致的泛化能力差问题，推动精准农业中疾病管理的自动化	玉米叶片图像（四类：健康及三种疾病类别）	计算机视觉	玉米叶片疾病	图像分类	CNN	图像	60,000张玉米叶片图像样本（增强后四类各15,000张平衡样本）	NA	CNN	准确率，精确率，F1分数，均方误差，分类错误率	树莓派4
309	2026-05-26	A unified deep learning framework for cross-platform harmonization of multi-tracer PET quantification in neurodegenerative disease 2026-Mar-30, NPJ digital medicine IF:12.4Q1 DOI:10.1038/s41746-026-02570-0 PMID:41912831	研究论文	提出一个统一的深度学习框架，用于跨平台和多示踪剂的PET定量分析在神经退行性疾病中的标准化	首次开发统一的、解剖引导的深度学习框架，能够在多种示踪剂和扫描仪制造商之间将PET-MRI定量标准化为PET-CT标准，零样本泛化到未见示踪剂	将淀粉样蛋白Centiloid差异从23.6降至4.1，虽接近但略高于PET-CT重测变异，表明仍有改进空间	解决PET-MRI和PET-CT之间的系统偏差，实现跨平台诊断阈值和纵向监测的一致性	神经退行性疾病患者的PET扫描数据	机器学习	神经退行性疾病	PET	视觉Transformer自编码器	图像	70例同日配对扫描（F-FDG、F-florbetaben、F-florzolotau）；420例多中心验证（3个站点，4个供应商）	PyTorch	视觉Transformer自编码器，注意力引导残差校正	偏差降低（>80%），淀粉样蛋白Centiloid差异，tau SUVR阈值	NA
310	2026-05-26	A Deep Learning Model for Absolute Risk Prediction of Alcohol Use Disorder in Adolescents and Young Adults 2026-03, Drug and alcohol review IF:3.0Q2 DOI:10.1111/dar.70131 PMID:41748155	研究论文	开发了一种深度学习模型，用于预测青少年和年轻人酒精使用障碍的绝对风险	首次提出用于酒精使用障碍绝对风险预测的深度学习模型	NA	构建个性化绝对风险预测模型，早期识别高风险青少年和年轻酒精使用者	美国青少年至成人健康纵向研究（Add Health）中的青少年和年轻人	机器学习	酒精使用障碍	NA	深度学习模型	表格数据（纵向调查数据）	NA	NA	NA	AUC, E/O比率	NA
311	2026-05-25	Exploring how deep learning decodes anomalous diffusion via Grad-CAM 2026-Mar-29, Nature communications IF:14.7Q1 DOI:10.1038/s41467-026-71229-x PMID:41904151	研究论文	利用Grad-CAM探究深度学习如何解码异常扩散机制	首次利用Grad-CAM解释深度学习（ResNets）从原始轨迹数据中识别异常扩散模型特征的机制，并发现不同层次网络捕捉不同时空尺度的统计特征	NA	理解深度学习在异常扩散分类中的决策过程并提升模型鲁棒性	异常扩散轨迹数据及对应的扩散模型分类特征	机器学习	NA	NA	ResNet	轨迹数据	NA	PyTorch	ResNet	NA	NA
312	2026-05-25	Domain specific multimodal large language model for automated endoscopy reporting with multicenter prospective validation 2026-Mar-28, NPJ digital medicine IF:12.4Q1 DOI:10.1038/s41746-026-02569-7 PMID:41904204	研究论文	开发了基于多模态大语言模型的自动内镜报告生成系统Report-Angel，并在多中心前瞻性验证中评估其性能	首次将多模态大语言模型与常规深度学习模型结合，用于上消化道内镜报告的自动生成，并在多中心前瞻性队列中验证其临床可接受性和通用性	未提及具体局限性	开发并验证能够自动生成高质量内镜报告草案的AI系统，以标准化报告和减轻内镜医生工作量	上消化道内镜图像和报告生成	计算机视觉、自然语言处理	上消化道疾病	内镜检查	多模态大语言模型、常规深度学习模型	图像和文本	20,617个图像-文本对用于训练；前瞻性内部队列和外部队列；回顾性图像和前瞻性单中心及多中心视频数据集	NA	多模态大语言模型（MLLM）	临床可接受报告率、报告完整性、报告准确性、处理时间	NA
313	2026-05-25	Deep learning characterizes depression and suicidal ideation in young adults from eye movements 2026-Mar-28, NPJ digital medicine IF:12.4Q1 DOI:10.1038/s41746-026-02550-4 PMID:41904340	research paper	利用深度学习分析青年人群的眼球运动特征，识别抑郁和自杀意念	首次将深度学习框架应用于眼球运动数据，用于区分抑郁和自杀意念，并考虑了试验内和试验间的变化	样本量有限（126名年轻人），且依赖自我报告问卷作为金标准，模型在区分抑郁和自杀个体时准确率中等	探究眼球追踪作为抑郁和自杀意念客观生物标记物的潜力	126名年轻人对情绪负载语句的眼球运动	machine learning	抑郁症、自杀意念	眼动追踪	deep learning framework	眼球运动序列数据	126名年轻人	NA	NA	AUC	NA
314	2026-05-25	Multi-scale feature enhancement in multi-task learning for medical image analysis 2026-03, Artificial intelligence in medicine IF:6.1Q1 DOI:10.1016/j.artmed.2025.103338 PMID:41475079	研究论文	提出一种基于UNet的多任务学习模型，通过多尺度特征增强同时提升医学图像分割和分类性能	创新性地将ResFormer块集成到编码器中，结合卷积局部特征提取与Transformer长程依赖建模，并在跳跃连接中引入膨胀特征增强模块以捕获多尺度信息	未明确讨论模型在不同数据集间的泛化能力以及计算开销	解决多任务学习中局部与全局特征难以同时捕获的问题，提升医学图像分析和诊断准确性	多任务学习模型在医学图像分割和分类任务中的应用	计算机视觉	未指定	深度卷积神经网络与Transformer	UNet	图像	多个医学数据集（具体数量未提及）	PyTorch	ResFormer, UNet	分类准确率、分割精度（具体指标如Dice系数、精确率、召回率未列出）	未指定
315	2026-05-25	UniStain: A unified and organ-aware virtual H&E staining framework for label-free autofluorescence images 2026-03, Artificial intelligence in medicine IF:6.1Q1 DOI:10.1016/j.artmed.2025.103335 PMID:41478227	研究论文	提出一种统一且器官感知的虚拟H&E染色框架UniStain，利用无标记自发荧光成像和基于提示的深度学习，通过单一模型实现多组织染色	首次实现通过一个单一模型进行多组织虚拟染色，提出跨补丁自注意力引导机制以保持全切片图像的风格一致性并消除拼接伪影，构建首个多器官AF/H&E数据集	NA	开发一种统一的虚拟H&E染色框架，克服传统化学染色流程耗时、有害试剂处理及批次间染色质量差异等限制	人类组织样本的自发荧光和H&E染色图像	数字病理学	NA	自发荧光成像	深度学习模型	图像	多器官人类组织样本构成的数据集，具体样本数量未在摘要中说明	PyTorch	跨补丁自注意力引导机制	图像质量指标、视觉图灵测试	NA
316	2026-05-25	Tackling data scarcity: Synthetic tumour and mask generation to improve image segmentation 2026-03, Artificial intelligence in medicine IF:6.1Q1 DOI:10.1016/j.artmed.2025.103348 PMID:41494363	研究论文	研究利用扩散模型在MRI影像中合成3D肝脏肿瘤并生成对应掩模，以改善图像分割效果	提出一种基于扩散模型的肿瘤合成方法，结合单纯形变形生成掩模，无需外部数据即可显著提升分割性能	未提及具体局限，但可能涉及合成肿瘤的真实性验证或泛化性评估的不足	解决医学影像数据稀缺问题，通过生成合成肿瘤增强分割模型性能	MRI影像中的肝脏肿瘤及其对应分割掩模	计算机视觉	肝癌	扩散模型、MRI影像生成	扩散模型	3D MRI影像	1000个合成肿瘤	PyTorch	扩散模型	Dice系数	未提及
317	2026-05-25	Smiling difficulties in Alzheimer's disease linked to reduced nucleus accumbens and pallidum brain volume: Deep learning insights 2026-03, Artificial intelligence in medicine IF:6.1Q1 DOI:10.1016/j.artmed.2025.103347 PMID:41506061	研究论文	利用深度学习量化阿尔茨海默病患者的微笑能力，发现其受损与伏隔核和苍白球体积减小相关	首次使用图像分类AI量化微笑，发现AD患者微笑能力受损与特定脑区体积减小有关，且微笑面孔较中性面孔能更好区分AD与正常认知	NA	探究阿尔茨海默病患者微笑能力受损的神经机制	阿尔茨海默病患者与正常认知参与者	计算机视觉	阿尔茨海默病	深度学习图像分类	图像分类模型	面部图像	NA	NA	NA	分类准确率	NA
318	2026-05-25	Overcoming extrapolation challenges of deep learning by incorporating physics in protein sequence-function modeling 2026-Mar, PLoS computational biology IF:3.8Q1 DOI:10.1371/journal.pcbi.1013728 PMID:41880461	研究论文	通过将物理知识融入深度学习，提升蛋白质序列-功能模型的外推能力	提出了将生物物理相互作用与动力学建模融入卷积和图卷积神经网络的新方法，以改善位置和突变类型的外推性能	数据稀缺仍是挑战，模型依赖训练数据中未见的突变类型和位置的外推能力，且需进一步验证物理模型的普适性	解决深度学习在蛋白质序列-功能建模中难以实现准确外推的问题，提升突变功能效应预测的泛化能力	蛋白质序列-功能关系，特别是突变效应的外推预测	机器学习	NA	深度学习（卷积神经网络、图卷积神经网络、Transformer），生物物理建模	卷积神经网络（CNN）、图卷积神经网络（GCN）	蛋白质序列数据，深度突变扫描数据	NA	NA	卷积神经网络、图卷积神经网络	外推性能（位置外推和突变类型外推的准确性）	NA
319	2026-05-20	Deep learning-based precision phenotyping of spine curvature identifies novel genetic risk loci for scoliosis in the UK Biobank 2026-Mar-26, NPJ digital medicine IF:12.4Q1 DOI:10.1038/s41746-026-02540-6 PMID:41882318	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
320	2026-05-20	2D Multimodal Image Collection for Fluorescence Prediction from Transmitted Light Microscopy 2026-Mar-24, Scientific data IF:5.8Q1 DOI:10.1038/s41597-026-07004-w PMID:41876523	研究论文	介绍一个大规模开放存取数据集Light My Cells Database，包含2,574个采集集和56,984张显微镜2D图像，用于从透射光图像预测荧光	提供了一个多模态、多中心、标准化的大规模显微镜图像数据集，支持机器学习模型从无标记透射光图像预测荧光信号，并遵循REMBI元数据标准	未明确说明研究局限性，但可能面临数据覆盖范围有限、实际应用中的泛化挑战	开发用于从透射光显微镜图像预测荧光的机器学习模型	生物样品，包括细胞核、线粒体、微管蛋白和肌动蛋白等亚细胞结构	计算机视觉, 数字病理学	NA	明场显微镜, 相差显微镜, 微分干涉差显微镜, 荧光显微镜	NA	图像	2,574个采集集，56,984张图像，来自30项独立实验和8个国家成像中心	NA	NA	NA	NA