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	Distinct Tumor-Immune Ecologies in Patients with Lung Cancer Predict Progression and Define a Clinical Biomarker of Therapy Response 2026-03-02, Cancer research IF:12.5Q1 DOI:10.1158/0008-5472.CAN-25-1594 PMID:41418101	研究论文	本研究通过分析九名免疫治疗难治性非小细胞肺癌（NSCLC）患者配对治疗前和治疗中的多重组织学图像，构建了一个涉及细胞分割、样方分析、空间统计、机器学习和深度学习的图像分析流程，以预测疾病进展并识别潜在的临床生物标志物	揭示了稳定疾病（SD）和进展疾病（PD）患者之间存在不同的空间免疫生态，PD患者在治疗前已具有免疫抑制环境，且学习的空间生态在预测疾病进展方面优于单独的PD-L1状态，表明这些生态可作为NSCLC中与PD-L1联合的潜在伴随生物标志物	样本量较小，仅涉及九名患者，且仅包括稳定疾病和进展疾病响应，未涵盖完全或部分响应者，需要更大规模的队列研究进行验证	研究旨在通过多重组织成像分析预测NSCLC患者的免疫治疗响应，并识别潜在的临床生物标志物	九名免疫治疗难治性非小细胞肺癌（NSCLC）患者，接受口服组蛋白去乙酰化酶抑制剂（vorinostat）联合PD-1抑制剂（pembrolizumab）治疗	数字病理学	肺癌	多重成像	CNN	图像	9名患者的配对治疗前和治疗中组织样本	NA	NA	NA	NA
42	2026-09-21	Dynamic frame-by-frame motion correction for 18F-flurpiridaz PET-MPI using convolution neural network 2026-03, European journal of nuclear medicine and molecular imaging IF:8.6Q1 DOI:10.1007/s00259-025-07660-x PMID:41261210	研究论文	该文章提出了一种基于卷积神经网络的深度学习框架，用于18F-flurpiridaz PET心肌灌注成像中的自动逐帧运动校正	提出了基于3D-ResNet的深度学习框架，实现18F-flurpiridaz PET的自动逐帧运动校正，并利用模拟向量进行数据增强以提高训练鲁棒性	未明确说明	开发自动运动校正方法，以提高心肌血流量和血流储备量化的准确性和效率	接受18F-flurpiridaz PET-MPI的患者	医学图像处理	心血管疾病	PET心肌灌注成像	CNN	3D PET图像	来自III期临床试验32个中心的数据	NA	3D-ResNet	AUC, 一致性限	NA
43	2026-09-21	Elevated Retinal Neovascularization on Widefield Optical Coherence Tomography Angiography Predicts Complications in High-Risk Proliferative Diabetic Retinopathy 2026-Mar, American journal of ophthalmology IF:4.1Q1 DOI:10.1016/j.ajo.2025.12.017 PMID:41453592	前瞻性病例系列研究	该研究利用单次拍摄宽视野扫频源光学相干断层扫描血管成像（SS-OCTA）评估高危增殖性糖尿病视网膜病变（PDR）患者视网膜新生血管（RNV）的定量指标，并分析其预测后续视力威胁性并发症的能力	首次利用单次拍摄26×21mm宽视野SS-OCTA结合深度学习算法自动分割玻璃体腔层，实现对RNV膜和血管区域的自动检测与定量，并创新性地根据RNV与内界膜（ILM）的轴向关系将病变分为隆起型与附着型，发现隆起型基线RNV可预测后续牵拉性并发症	样本量较小（仅18只眼），随访时间相对较短（中位数291天），且为单中心研究，需要更大规模的多中心研究验证	确定从单次拍摄宽视野SS-OCTA获得的视网膜新生血管（RNV）指标是否能预测高危增殖性糖尿病视网膜病变（PDR）患眼后续视力威胁性并发症	在三级医疗中心临床分级为高危PDR且随访至少6个月的患眼	医学影像分析	糖尿病视网膜病变	宽视野扫频源光学相干断层扫描血管成像（SS-OCTA）	CNN	图像	18只眼，共识别115个RNV病变	NA	NA	AUC, 灵敏度, 特异度	NA
44	2026-09-21	LeqMod: Adaptable Lesion-Quantification-Consistent Modulation for Deep Learning Low-Count PET Image Denoising 2026-Mar, IEEE transactions on medical imaging IF:8.9Q1 DOI:10.1109/TMI.2025.3618247 PMID:41052161	研究论文	本文提出了一种病变感知和量化一致的调制策略（LeqMod），用于增强PET图像去噪，通过将下游病变量化分析作为辅助工具，在不增加推理阶段计算负担的情况下，提高病变对比度和量化准确性	LeqMod是一种即插即用的设计，可适应多种模型架构，通过病变感知调制（LeMod）和多尺度量化一致调制（QuMod）来调制模型训练的采样和优化过程，不增加推理阶段计算负担	未明确说明	提出一种病变感知和量化一致的调制策略，用于增强PET图像去噪，减少病变量化偏差	低计数PET图像	计算机视觉	肺癌	PET成像	CNN	图像	来自多个中心和供应商的大型PET数据集	PyTorch	未明确指定	SUVmax偏差, 峰值信噪比（PSNR）	未明确说明
45	2026-09-21	Image Quality Assessment of Deep Learning-Based Virtual Monoenergetic Images From Single-Energy CT Pulmonary Angiography 2026 Mar-Apr 01, Journal of computer assisted tomography IF:1.0Q4 DOI:10.1097/RCT.0000000000001812 PMID:41384946	研究论文	评估基于深度学习的虚拟单能图像从单能CT肺动脉造影中生成的图像质量	首次在临床用例中评估从单能CT生成深度学习虚拟单能图像的性能，并展示了其在肺动脉造影中增强血管混浊和图像质量的有效性	回顾性研究设计，样本量相对较小（52组图像），仅使用一种预训练的物理约束Deep-En-Chroma模型	评估从异质性单能CT数据中生成的深度学习虚拟单能图像的客观和主观图像质量	52组单能CT肺动脉造影图像	计算机视觉	肺癌	深度学习	CNN	图像	52组单能CT肺动脉造影图像	NA	Deep-En-Chroma	主观图像质量评分, 血管混浊评分, 对比度, 对比噪声比, 配对t检验, Mann-Whitney U检验	NA
46	2026-09-20	Artificial intelligence in age-related macular degeneration: Advancing diagnosis, prognosis, and treatment 2026 Mar-Apr, Survey of ophthalmology IF:5.1Q1 DOI:10.1016/j.survophthal.2025.09.007 PMID:40975441	综述	本文综述了人工智能在年龄相关性黄斑变性（AMD）的诊断、预后和治疗中的最新进展，并讨论了其临床应用的局限性	系统总结了AI在AMD早期检测、分类、疾病进展预测和治疗反应预测中的应用，并关注了算法偏见、泛化性有限和黑箱问题等最新研究进展	AI模型的临床整合仍面临可解释性不足、跨人群验证不充分等挑战，需要进一步研究以支持其在真实世界中的循证应用	总结AI在AMD管理中的最新进展，评估其临床效用，并指出在真实世界广泛应用中的关键限制	年龄相关性黄斑变性（AMD）患者及相关AI研究	医学人工智能	年龄相关性黄斑变性	机器学习，深度学习	NA	医学影像，临床数据	筛查193条记录，纳入47项研究（其中19项关于早期检测/分类，28项关于疾病进展/治疗反应预测）	NA	NA	准确率	NA
47	2026-09-18	Carafe2 enables high quality in silico spectral library generation for timsTOF data-independent acquisition proteomics 2026-Mar-31, bioRxiv : the preprint server for biology DOI:10.64898/2026.03.27.714846 PMID:41959400	研究论文	该文章介绍了 Carafe2，一个基于深度学习的软件，能够直接从 timsTOF DIA 原始数据生成高质量、实验特异性的谱图库，包含保留时间、碎片离子强度和离子淌度注释。	Carafe2 首次支持 timsTOF DIA 数据，能够直接从 Bruker .d 原始数据生成谱图库，无需数据转换，并针对 DIA 数据微调保留时间、碎片离子强度和离子淌度预测模型，克服了基于 DDA 数据训练的模型在 DIA 数据上的偏差。	摘要中未明确提及研究的局限性。	扩展 Carafe 以支持 timsTOF DIA 数据的谱图库生成，并验证其性能。	timsTOF DIA 蛋白质组学数据，包括全局蛋白质组、磷酸化蛋白质组和血浆蛋白质组数据集。	计算蛋白质组学	NA	数据非依赖采集（DIA）蛋白质组学，捕获离子淌度谱（TIMS）	深度学习模型	质谱数据	多个 timsTOF DIA 数据集（包括全局蛋白质组、磷酸化蛋白质组和血浆蛋白质组）	NA	NA	NA	NA
48	2026-09-18	Identifying key convection-sensitive oceanic regions to weaken the ENSO spring predictability barrier 2026-Mar-24, Proceedings of the National Academy of Sciences of the United States of America IF:9.4Q1 DOI:10.1073/pnas.2512725123 PMID:41838918	研究论文	该研究通过引入海表温度范围指数识别对对流敏感的关键海洋区域，并利用LSTM模型提高ENSO春季预测能力	提出海表温度范围指数（SRI）量化有利于对流的SST空间范围，并发现东太平洋中部超过26°C和东大西洋超过28.5°C的区域对触发持续强对流至关重要	未明确提及	识别对对流敏感的关键海洋区域以减弱ENSO春季可预测性障碍	厄尔尼诺-南方涛动（ENSO）现象及相关的海表温度和对流活动	机器学习	NA	海表温度范围指数（SRI）分析	LSTM	海表温度数据、对流数据	NA	NA	LSTM	预测技巧	NA
49	2026-09-18	Two-Step Semiautomated Classification of Choroidal Metastases on MRI: Orbit Localization via Bounding Boxes Followed by Binary Classification via Evolutionary Strategies 2026-03-04, AJNR. American journal of neuroradiology DOI:10.3174/ajnr.A8998 PMID:40925681	研究论文	本文提出了一种基于YOLOv5轨道定位网络和进化策略训练的二分类器的两步半自动化深度学习框架，用于在脑部MRI上检测脉络膜转移瘤	提出了一种新颖的层次化深度学习框架，采用先定位后分类的序贯策略，结合YOLOv5进行轨道定位以隔离感兴趣区域，并利用数据高效的进化策略解决小数据集训练中的过拟合和欠拟合问题	数据集规模较小（97例患者的386张T2加权脑MRI轴位切片用于定位，33例正常和33例含脉络膜转移的脑MRI用于分类），模型无法区分左右眼眶导致mAP(0.5:0.95)较低	利用人工智能区分包含正常眼眶和脉络膜转移瘤的脑部MRI扫描，以提高脉络膜转移瘤的检测率	脑部MRI扫描中的眼眶区域及脉络膜转移瘤	计算机视觉	脉络膜转移瘤	MRI	CNN	图像	97例患者的386张T2加权脑MRI轴位切片（定位网络），33例正常和33例含脉络膜转移的脑MRI（分类网络）	NA	YOLOv5, CNN	准确率, mAP(0.5:0.95), AUC, 敏感度, 特异度	NA
50	2026-09-18	Prediction of CSF Intervention in Fetal Ventriculomegaly via Artificial Intelligence-Powered Normative Modeling 2026-03-04, AJNR. American journal of neuroradiology DOI:10.3174/ajnr.A9000 PMID:40957691	研究论文	该研究利用人工智能驱动的nnUNet模型对胎儿脑MRI中的脑室进行分割和体积量化，建立正常参考范围，以预测胎儿脑室扩大及出生后脑脊液干预需求	首次将nnUNet深度学习模型应用于胎儿脑室分割，并基于自动分割体积建立跨孕龄的正常参考标准，用于预测胎儿脑室扩大及出生后脑脊液干预需求	回顾性研究设计，样本量相对有限（222例），仅使用20例手动分割的机构MRI与80例公共数据集训练模型，需进一步外部验证	开发一种基于人工智能的方法，对胎儿脑MRI中的脑室进行分割、体积量化和分类，以预测胎儿脑室扩大及出生后是否需要手术干预	222例单胎妊娠患者的胎儿脑MRI，包括138例正常胎儿、64例脑室扩大胎儿（其中14例需要出生后干预）	数字病理学	胎儿脑室扩大	胎儿脑MRI	CNN	图像	222例单胎妊娠胎儿脑MRI（20例手动分割机构MRI + 80例公共数据集训练，138例正常胎儿用于建立参考范围，64例脑室扩大胎儿用于评估，其中14例需要出生后干预）	NA	nnUNet	Dice系数, AUC, 灵敏度, 特异度	NA
51	2026-09-18	High-Resolution 3T MRI of the Membranous Labyrinth Using Deep Learning Reconstruction 2026-03-04, AJNR. American journal of neuroradiology DOI:10.3174/ajnr.A8989 PMID:40876943	研究论文	该研究评估了深度学习重建（DLR）的高分辨率3D重T2加权TSE MRI序列在显示内耳迷路结构方面的效果，并与传统3D-T2序列进行了比较	将深度学习重建技术应用于高分辨率3D重T2加权TSE序列，在不延长采集时间的情况下提高空间分辨率，从而更详细地显示迷路微解剖结构，并以内耳离体9.4T MRI作为解剖学参考	DLR仍无法提供完整的解剖评估；球囊显示困难，半规管仅部分显示，耳蜗顶转显示不佳；需要进一步技术改进	评估DLR高分辨率3D-T2 MRI序列对迷路结构的显示能力，与传统3D-T2序列对比，以在不延长采集时间的前提下提高空间分辨率，获得更详细的迷路微解剖视图	患者内耳迷路结构，包括螺旋板、鼓阶、前庭阶、中阶、椭圆囊、球囊、椭圆囊斑和球囊斑、膜性半规管和壶腹神经	计算机视觉, 医学图像处理	内耳疾病	3D重T2加权TSE MRI, 深度学习重建, 离体9.4T MRI	深度学习重建	MRI图像	NA（涉及患者和离体标本，具体样本量未在摘要中说明）	NA	NA	4分定性评分（结构可见度等级）	NA
52	2026-09-16	Data Diversity vs. Model Complexity in the Prediction of Pediatric Bipolar Disorder: Evidence from Academic and Community Clinical Samples 2026-Mar-27, medRxiv : the preprint server for health sciences DOI:10.64898/2026.03.26.26349447 PMID:41929287	研究论文	该研究评估了多种统计、机器学习和深度学习模型在学术与社区临床样本中预测儿童双相情感障碍的性能，并比较了不同建模策略的效果。	直接比较了数据多样性（学术与社区样本）与模型复杂度对预测性能的影响，并发现采样多样性比模型复杂度更有价值。	研究仅基于两个数据集，样本量有限，且未涉及其他精神疾病或更广泛的人群验证。	评估不同模型在儿童双相情感障碍预测中的性能，并探讨数据多样性与模型复杂度对预测泛化能力的影响。	儿童双相情感障碍患者	机器学习	儿童双相情感障碍	NA	逻辑回归, LASSO, 支持向量机, 随机森林, K近邻, 极端梯度提升, 多层感知机	临床数据	学术数据集550例，社区数据集511例	NA	列线图, 逻辑回归, LASSO, 支持向量机, 随机森林, K近邻, 极端梯度提升, 多层感知机	区分能力, 校准度	NA
53	2026-09-16	Integrating EfficientNetV2 with guided filopic diffusion for enhanced rice leaf disease recognition 2026-Mar-13, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-41654-5 PMID:41826510	研究论文	该研究提出了一种结合EfficientNetV2与引导滤泡扩散（GFD）的方法，用于水稻叶片病害识别，通过前置噪声去除（PNR）提升图像质量，并在水稻叶片病害数据集上取得了98.92%的准确率。	提出了一种先前未展示的基于EfficientNetV2和扩散边界注意力（Diffusion Bounded Attention）的水稻叶片病害识别方法，并引入引导滤泡扩散（GFD）技术进行前置噪声去除，以保留叶片纹理等关键特征。	摘要中未明确提及研究的局限性。	利用深度学习技术，特别是EfficientNetV2和扩散模型，提高水稻叶片病害识别的准确性和效率，以应对水稻生产中的病害挑战。	水稻叶片病害，包括稻叶黑粉病、褐斑病和细菌性叶枯病。	计算机视觉	植物病害	深度学习，引导滤泡扩散（GFD），前置噪声去除（PNR）	EfficientNetV2，扩散模型	图像	使用了全面的水稻叶片病害数据集，具体样本数量未在摘要中说明。	NA	EfficientNetV2，扩散边界注意力	准确率，召回率，精确率，F1分数，Dice相似系数（DSC）	NA
54	2026-09-16	A novel dual-dimensional contrastive self-supervised learning-based framework for rolling bearing remaining useful life prediction 2026-Mar-13, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-38417-7 PMID:41826365	研究论文	本文提出了一种基于双维度对比自监督学习的框架（DCSSL），用于滚动轴承的剩余使用寿命预测。	提出了一种结合随机裁剪和时间戳掩码的策略来构建对比学习的正样本对，并设计了一种融合时间级和实例级的双维度对比损失函数，使模型能够在无标签振动数据中学习状态表示并挖掘滚动轴承的退化趋势。	未明确提及	提高滚动轴承剩余使用寿命预测的表示学习能力，以提升预测性能。	滚动轴承的振动数据	机器学习	不适用	自监督学习、对比学习	不适用	振动信号	未明确提及	未明确提及	未明确提及	未明确提及	未明确提及
55	2026-09-16	Multi-task survival modeling of dependent failure and reimplantation events in dental implants 2026-Mar-12, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-40955-z PMID:41820437	研究论文	本研究提出了一种多任务生存分析框架，用于联合预测牙种植体的失败及后续再植入事件	整合了条件掩码、基于注意力的特征交互、单调性正则化和依赖对齐，以捕捉多阶段结局中的条件依赖性	未明确说明（摘要中未提及）	建模牙种植体的序贯结局，并提供个体化风险评估以辅助个性化治疗规划、监测和临床决策	1,627名患者及57个临床特征	机器学习	牙科疾病	NA	多任务生存分析框架	临床数据	1,627名患者	NA	基于注意力的多任务生存模型	一致性指数, AUC, Brier分数	NA
56	2026-09-16	Automated interpretation of fetal cardiac function evaluation from the echocardiogram 2026-Mar-10, NPJ digital medicine IF:12.4Q1 DOI:10.1038/s41746-026-02381-3 PMID:41807718	研究论文	开发并验证了一种全自动人工智能工作流程，用于从超声心动图中估计胎儿心脏功能参数	全自动人工智能工作流程，集成了深度学习模型进行实时检测和分割，以及质量控制、几何计算和动态Z-score模型，性能优于手动和Fetal HQ测量	未明确提及	实现胎儿心脏功能的准确、高效和可重复的量化，以支持标准化临床应用	胎儿超声心动图	计算机视觉	心血管疾病	超声心动图	CNN	图像	内部数据集52,942张标注图像来自1,940个正常胎儿超声心动图；外部正常数据集245个超声心动图；内部异常数据集83个超声心动图	NA	NA	Dice相似系数, 交并比, 组内相关系数, R值, 平均绝对误差, 一致性界限, 个体等效系数	NA
57	2026-09-16	A Deep Learning Framework Integrating Tumor Microenvironmental Features Accurately Predicts Multiple Driver Gene Mutations in Lung Cancer Pathology Images 2026-03-02, Cancer research IF:12.5Q1 DOI:10.1158/0008-5472.CAN-25-0582 PMID:41289566	研究论文	该研究开发了一个名为NAVF-Bio的深度学习框架，通过整合肿瘤微环境特征，从肺癌病理图像中预测多种驱动基因突变和肿瘤突变负荷。	提出了基于多实例学习的自适应多视图特征融合框架NAVF-Bio，能够整合全切片图像的肿瘤微环境特征，不仅预测驱动基因突变和TMB，还能精确识别突变驱动基因的外显子变异，并在多中心外部验证中展现了临床相关性能。	摘要中未明确提及研究局限性。	开发一个深度学习框架，从常规组织病理学切片中准确预测肺癌的驱动基因突变、突变亚型及外显子变异，以指导靶向治疗选择。	来自中国四家医院的2,573名肺癌患者的配对病理图像和下一代测序数据。	数字病理学	肺癌	下一代测序	多实例学习	图像	2,573名肺癌患者	NA	NAVF-Bio（基于多实例学习的自适应多视图特征融合框架）	NA	NA
58	2026-09-16	Head-to-head comparisons of breast density assessment models using deep learning on digital and synthetic mammograms 2026-Mar, Journal of medical imaging (Bellingham, Wash.) DOI:10.1117/1.JMI.13.2.024503 PMID:42027209	研究论文	该研究比较了不同深度学习架构在数字乳腺X线摄影和合成乳腺X线摄影中的乳腺密度分类性能	首次在数字乳腺X线摄影和合成乳腺X线摄影之间进行深度学习架构的乳腺密度评估的头对头比较，并考虑了乳腺摄影视图和种族因素	结果可能因不同设备厂商而异，且仅使用了单一机构的回顾性数据	评估不同深度学习架构在数字乳腺X线摄影和合成乳腺X线摄影中乳腺密度分类的性能	2015年至2018年常规乳腺X线筛查检查的乳腺X线摄影图像	医学影像分析	乳腺癌	数字乳腺X线摄影, 合成乳腺X线摄影, 数字乳腺断层合成	CNN	图像	每种数据集10000例检查（数字乳腺X线摄影和合成乳腺X线摄影各10000例），测试集为10%未见数据	NA	ResNet-50, EfficientNet-B0, DenseNet-121	准确率, 95%置信区间, p值	NA
59	2026-09-13	Artificial intelligence-based prediction of fetal hypoxia: a multicenter model development and nationwide AI-human comparison 2026-03-21, BMC medicine IF:7.0Q1 DOI:10.1186/s12916-026-04794-z PMID:41864912	研究论文	该研究开发了基于人工智能的模型，用于从胎心监护图中预测胎儿缺氧，并进行了多中心模型开发及全国范围的AI与人类专家对比	开发了名为CAP的深度学习模型，在预测胎儿缺氧方面优于人类专家，并通过Grad-CAM和扰动测试验证了模型的可解释性	未明确提及	开发并验证人工智能模型，以从胎心监护图中预测胎儿缺氧，并评估其相对于人类专家的性能和可解释性	胎儿缺氧	机器学习	胎儿缺氧	胎心监护	CNN, Transformer, LSTM, CfC	胎心监护图	20,780条胎心监护图用于模型开发，467例用于全国AI-人类对比，10,571份专家响应	NA	CNN, Transformer, LSTM, CfC	AUROC	NA
60	2026-09-13	Hybrid tuned deep learning model for breast cancer diagnosis using genetic data 2026-Mar-21, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-41643-8 PMID:41865006	研究论文	本研究开发了一种混合深度学习模型，结合随机森林和关联规则挖掘进行特征选择，使用CNN和BiLSTM进行乳腺癌诊断和预后预测。	采用多阶段特征选择过程，结合随机森林排名和关联规则挖掘发现重要生物标志物；使用混合深度学习模型CNN和BiLSTM，并通过贝叶斯方法优化；引入SMOTE和高斯噪声增强提高模型鲁棒性。	未明确提及	通过开发和应用的稳健混合计算预测方法，在多个全基因组研究中进行测试，提供乳腺癌预测能力。	乳腺癌患者	机器学习	乳腺癌	全基因组研究	CNN, BiLSTM	基因组数据, 临床数据	TCGA和METABRIC数据集（具体样本量未明确，TCGA有17,814个基因，METABRIC有503个临床/基因组特征）	未明确提及	CNN, BiLSTM	准确率, AUC, 召回率	未明确提及