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
601	2026-03-31	Glioblastoma survival prediction through MRI and clinical data integration with transfer learning 2026-Mar, International journal of computer assisted radiology and surgery IF:2.3Q2 DOI:10.1007/s11548-025-03548-1 PMID:41343123	研究论文	本研究通过整合多模态MRI数据和临床变量，利用深度学习模型进行胶质母细胞瘤患者的总体生存期预测	采用预训练的U-Net类模型进行自动肿瘤分割和特征提取，利用编码器潜在空间的高层次表示，并结合临床变量与降维技术，构建了一个可扩展的自动化预测框架	未在摘要中明确说明研究的局限性	准确预测胶质母细胞瘤患者的总体生存期，以推进个性化治疗和改善临床试验设计	胶质母细胞瘤患者	数字病理学	胶质母细胞瘤	MRI	U-Net, 随机森林, XGBoost, 多层感知机	图像, 临床数据	BraTS2020数据集和来自Fondazione IRCCS Istituto Neurologico Carlo Besta的专有数据集	NA	U-Net	F1分数, AUC, 准确率	NA
602	2026-03-31	Right and Left Atrial Dysfunction as Independent Cardiovascular Risk Factors: A UK Biobank Study 2026-Mar, Circulation. Arrhythmia and electrophysiology DOI:10.1161/CIRCEP.125.014412 PMID:41744085	研究论文	本研究利用深度学习分割技术分析英国生物银行参与者的心脏磁共振成像数据，评估左右心房功能障碍与心血管事件风险的独立关联	首次在大规模人群中同时评估左右心房结构与功能，并发现右心房功能障碍是独立的心血管风险因素，且识别出多个与心房性状相关的新遗传位点	研究为观察性设计，无法完全排除残余混杂因素，且随访时间相对较短（4年），可能影响长期关联的评估	探究左右心房功能障碍作为独立心血管风险因素的作用，并分析其遗传基础和因果关联	英国生物银行中51,693名无房颤病史的成年参与者	数字病理学	心血管疾病	心脏磁共振成像，深度学习分割	深度学习	图像	51,693名参与者	NA	NA	风险比，95%置信区间	NA
603	2026-03-31	Enhancing airway obstruction diagnosis with multimodal 3D shape analysis 2026-Mar, International journal of computer assisted radiology and surgery IF:2.3Q2 DOI:10.1007/s11548-025-03527-6 PMID:41085926	研究论文	本文提出了一种基于多模态3D形状分析的自动化深度学习工具，用于定量评估气道阻塞，特别是腺样体肥大引起的鼻咽部阻塞	结合多视图和点云表示两种先进技术进行3D形状分析，以捕捉气道的全局和局部特征，从而提升分类和回归性能	模型在检测严重病例时表现良好，但需要进一步优化以改进对所有严重程度级别的分类和回归性能	开发一种开源、自动化的深度学习工具，用于基于CBCT扫描的定量气道阻塞评估，以辅助早期和准确诊断	通过CBCT扫描获取的3D气道形态，特别是与腺样体肥大相关的鼻咽部气道	计算机视觉	气道阻塞疾病	锥形束计算机断层扫描（CBCT）	深度学习模型	3D医学图像（CBCT扫描）	NA	NA	NA	准确率	NA
604	2026-03-31	Reshapeit: reliable shape interaction with implicit template for medical anatomy reconstruction 2026-Mar, International journal of computer assisted radiology and surgery IF:2.3Q2 DOI:10.1007/s11548-025-03557-0 PMID:41389113	研究论文	本文提出了一种名为ReShapeIT的方法，用于在连续空间中实现可靠且准确的解剖形状建模，以解决医学图像自动形状重建中的分辨率限制和形状先验约束缺失问题	结合类别特定的隐式模板场与变形网络，通过模板交互模块（TIM）将学习到的模板形状与实例特定的潜在编码对齐，从而在连续隐式场中表示解剖结构，而非离散体素网格	未明确提及方法在更复杂或多样解剖结构上的泛化能力，以及计算效率方面的详细评估	开发一种可靠且准确的解剖形状建模方法，以支持计算机辅助诊断中的定量分析和手术规划	肝脏、胰腺和肺叶的解剖结构	计算机视觉	NA	NA	神经网络	体积医学图像	NA	NA	ReShapeIT网络	Chamfer距离, Earth Mover's距离	NA
605	2026-03-31	Colormap augmentation: a novel method for cross-modality domain generalization 2026-Mar, International journal of computer assisted radiology and surgery IF:2.3Q2 DOI:10.1007/s11548-025-03559-y PMID:41396240	研究论文	本文提出了一种名为CmapAug的新颖颜色映射增强方法，用于提升深度学习模型在跨模态医学图像分割中的泛化能力	引入CmapAug颜色映射增强技术，结合标准增强方法，有效解决跨模态域泛化问题，方法简单且计算资源需求低	未明确说明实验数据的具体样本量，且仅针对肝脏分割任务进行了验证，可能在其他器官或模态上泛化能力有限	评估一种新颖、简单且有效的方法，以增强深度学习模型在不同模态医学图像分割中的泛化性能	医学图像分割任务，特别是针对跨模态（如不同扫描仪厂商或成像模态）的域泛化问题	计算机视觉	NA	图像增强技术，包括标准增强、强度增强和颜色变换	深度学习分割网络	医学图像	NA	NA	NA	Dice Score	NA
606	2026-03-31	AVPENet: Pain estimation from audio-visual fusion of non-speech sounds 2026-Mar, PLOS digital health DOI:10.1371/journal.pdig.0001301 PMID:41894538	研究论文	本文提出了一种新颖的多模态深度学习框架，通过融合非语音音频线索与面部表情来估计连续的疼痛强度，旨在为无法自我报告的脆弱人群提供客观的疼痛评估	提出了一种基于跨模态注意力的融合网络，结合了频谱图衍生的音频嵌入和面部动作单元特征，并利用基于Transformer的融合模块学习模态间的互补关系，显著提升了疼痛估计的准确性	研究依赖于特定数据集（3,247个视听记录，428名受试者），其泛化能力在其他临床环境或更广泛的人群中尚未得到验证；模型性能可能受到录制质量和环境噪声的影响	开发一种客观、自动化的疼痛评估方法，以解决非言语患者（如新生儿和无意识成人）临床疼痛评估的挑战	新生儿（215名）和成人（213名）受试者，共428名，涵盖三种不同的疼痛强度水平	多模态机器学习	疼痛评估	深度学习，音频频谱图处理，面部动作单元分析	CNN, Transformer	音频，视频	3,247个视听记录，来自428名受试者（215名新生儿，213名成人）	PyTorch	ResNet, 卷积神经网络, Transformer	平均绝对误差, 皮尔逊相关系数, 准确率	NA
607	2026-03-31	Toward next-generation machine learning and deep learning for spatial omics 2026-Mar-01, Briefings in bioinformatics IF:6.8Q1 DOI:10.1093/bib/bbag131 PMID:41902503	综述	本文对空间组学中机器学习和深度学习方法进行了批判性与比较性综述，并提出了一个决策框架	提出了一个根据数据模态、空间分辨率、组织结构和预期临床应用来选择最合适ML/DL方法的决策框架，并整合了方法论批判与可操作建议	NA	为空间组学领域提供清晰的方法学指导，以选择适应特定空间约束和生物学问题的模型，并促进模型的可重复性、可解释性和临床转化	空间组学技术产生的高维、空间分辨的分子数据	机器学习	NA	空间组学技术	聚类, 随机森林, 集成分类器, CNN, GNN, Transformer, 生成模型	高维空间分子数据（转录组、蛋白质组、代谢组、脂质组）	NA	NA	卷积神经网络, 图神经网络, Transformer, 生成模型	NA	NA
608	2026-03-31	Corrigendum to "ACtriplet: An improved deep learning model for activity cliffs prediction by integrating triplet loss and pre-training" [J. Pharm. Anal., 15 (2025) 101317] 2026-Mar, Journal of pharmaceutical analysis IF:6.1Q1 DOI:10.1016/j.jpha.2026.101604 PMID:41908155	correction	本文是对先前发表文章《ACtriplet: An improved deep learning model for activity cliffs prediction by integrating triplet loss and pre-training》的更正	NA	NA	NA	NA	machine learning	NA	NA	deep learning	NA	NA	NA	NA	NA	NA
609	2026-03-31	A dual-branch deep learning framework for tiered early warning of COVID-19 utilizing wastewater data 2026-Mar, Journal of water and health IF:2.5Q3 DOI:10.2166/wh.2026.150 PMID:41910053	研究论文	本研究提出了一种基于废水数据和环境协变量的双分支深度学习框架，用于COVID-19的分级早期预警	结合废水数据和环境协变量，利用FFT和双分支深度学习架构进行病例轨迹预测和分级预警，提高了预警的准确性和及时性	需要在不同地点和流行病模式中进行验证和适应，以建立模型的鲁棒性、泛化性和操作价值	开发一个可靠的COVID-19早期预警系统，支持主动的公共卫生响应	中国常州地区的废水、气象和病例数据	机器学习	COVID-19	废水监测	深度学习	时间序列数据	2024年1月29日至12月10日的周度数据	NA	双分支架构	RMSE, MAE, MAPE, R2	NA
610	2026-03-30	Fast 3D whole-body occupational dose estimation in interventional radiology using physics-informed deep learning 2026-Mar-28, Radiological physics and technology IF:1.7Q3 DOI:10.1007/s12194-026-01043-z PMID:41903035	研究论文	本研究提出了一种基于物理信息深度学习的框架，用于快速预测介入放射学中医师的三维辐射剂量分布	首次将物理信息深度学习与GPU加速的蒙特卡洛模拟相结合，实现了快速、准确且具有解剖学细节的三维职业剂量估计，解决了传统点剂量测量的关键局限	未明确提及模型在临床实际环境中的泛化能力验证，以及不同设备或场景下的适用性评估	开发一种快速、准确的三维全身职业剂量估计方法，以改进介入放射学中的辐射防护	介入放射学中医师的全身三维辐射剂量分布	医学物理与深度学习交叉领域	NA	GPU加速的蒙特卡洛模拟、X射线散射辐射测量	深度学习	三维剂量图（体素数据）	通过GPU Geant4蒙特卡洛模拟平台生成的多种X射线能量、C臂角度和医师配置下的三维剂量图数据集	未明确指定（可能为PyTorch或TensorFlow）	残差3D U-Net、基于Transformer的3D U-Net	平均绝对误差、伽马通过率、体素级误差指标、个人剂量当量	GPU加速（具体型号未指定）、GPU Geant4蒙特卡洛模拟平台
611	2026-03-30	Convolutional neural network for real‑time localization of ganglionated plexi from bipolar intracardiac electrograms 2026-Mar-28, Journal of interventional cardiac electrophysiology : an international journal of arrhythmias and pacing IF:2.1Q3 DOI:10.1007/s10840-026-02307-9 PMID:41903033	研究论文	本研究提出了一种基于一维卷积神经网络（CNN）的模型，用于从双极心内电图（EGM）中实时定位神经节丛（GP），以支持心脏神经消融手术	首次将轻量级一维CNN应用于原始双极EGM数据，实现GP的自动化检测，并结合梯度加权类激活映射（GCAM）增强模型可解释性，提供实时生理学感知决策支持	GP在数据集中占比极低（约3.5%），存在显著的类别不平衡问题；模型在外部测试集上的精确度（0.09）和F1分数（0.17）仍有提升空间	开发一种深度学习模型，以自动化和改进心脏神经消融手术中神经节丛（GP）的定位	从18名患者收集的189,760个双极心内电图（EGM）窗口，用于神经节丛（GP）的检测	机器学习	心血管疾病	双极心内电图（EGM）	CNN	一维信号数据（心内电图）	18名患者，共189,760个双极EGM窗口（左心房18张图，右心房15张图），其中119,222个清洁窗口用于模型开发	PyTorch	一维卷积神经网络（CNN）	准确率, 精确度, 召回率, F1分数, ROC-AUC, PR-AUC	NA
612	2026-03-30	Editorial for "Clinical Feasibility of Deep Learning Contrast Synthesis From MR Fingerprinting in Knee Osteoarthritis" 2026-Mar-28, Journal of magnetic resonance imaging : JMRI IF:3.3Q1 DOI:10.1002/jmri.70305 PMID:41903188	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
613	2026-03-30	PTBP1 knockdown reprograms glioma stem cells into neuronal-like cells and suppresses tumorigenesis via the DUSP5-ERK1/2 signaling pathway 2026-Mar-28, Neuro-oncology IF:16.4Q1 DOI:10.1093/neuonc/noag068 PMID:41903206	研究论文	本研究揭示了PTBP1通过调控DUSP5-ERK1/2信号通路影响胶质瘤干细胞增殖与分化的新机制，并开发了一种靶向PTBP1的纳米治疗策略	发现了PTBP1/DUSP5/ERK1/2轴调控胶质瘤干细胞命运的新机制，并首次将白血病药物venetoclax重新用于靶向PTBP1的胶质瘤治疗	研究主要基于小鼠模型和体外实验，尚未在人体临床试验中得到验证	探究胶质瘤细胞形态与患者生存的关系，并开发新的治疗策略	胶质瘤患者样本、胶质瘤干细胞、小鼠原位模型	数字病理学	胶质母细胞瘤	深度学习形态分类、组织透明化3D成像、转录组测序、单细胞RNA测序	深度学习模型	H&E染色图像、转录组数据、单细胞测序数据	65例胶质瘤患者标本、小鼠模型	NA	NA	NA	NA
614	2026-03-30	Long term evolutions of hard exudates after anti-VEGF therapy for diabetic macular oedema 2026-Mar-28, Eye (London, England) DOI:10.1038/s41433-026-04408-1 PMID:41904245	研究论文	本研究评估了抗VEGF治疗后糖尿病黄斑水肿患者硬性渗出物体积的长期变化	首次使用深度学习模型对硬性渗出物进行自动分割，并分析了其在5年内的纵向变化	样本量相对较小，且为事后分析，可能存在选择偏倚	评估抗VEGF治疗后硬性渗出物的长期演变及其对视力结果的影响	糖尿病黄斑水肿患者的眼部OCT扫描图像	数字病理学	糖尿病黄斑水肿	光学相干断层扫描	深度学习模型	图像	116只眼	NA	NA	NA	NA
615	2026-03-30	A systematic review of the use of artificial intelligence in mental health-based diabetes care: Current applications and future directions 2026-Mar-28, Diabetic medicine : a journal of the British Diabetic Association IF:3.2Q2 DOI:10.1111/dme.70299 PMID:41904510	系统综述	本文系统综述了人工智能在心理健康为基础的糖尿病护理中的应用，总结了当前研究趋势、方法学局限及未来方向	首次系统性地梳理了人工智能在糖尿病心理健康护理领域的研究现状，并识别了研究空白与方法学不足	研究样本多样性不足，前瞻性实验和随机对照试验设计使用较少，过度依赖监督学习算法	梳理人工智能在心理健康为基础的糖尿病护理中的研究现状，识别趋势、方法学局限及未来研究方向	涉及人类、糖尿病背景、心理健康因素及人工智能方法的同行评审实证定量研究	机器学习	糖尿病	NA	监督学习算法, 深度学习模型	NA	41项研究	NA	NA	NA	NA
616	2026-03-30	Contrastive representation learning and capsule networks enable accurate identification of ferroptosis-related proteins 2026-Mar-28, Journal of cheminformatics IF:7.1Q1 DOI:10.1186/s13321-026-01183-9 PMID:41904560	研究论文	本文提出了一种名为FeroConCap的新型深度学习框架，用于准确识别铁死亡相关蛋白	首次将分形混沌游戏表示编码、胶囊网络和监督对比学习相结合，以捕获与铁死亡相关的层次和空间序列依赖性，并开发了用户友好的Web服务器	受限于实验验证数据的有限可用性，且模型性能可能依赖于基准数据集的规模和代表性	开发一种准确且高通量的计算方法来识别铁死亡相关蛋白	铁死亡相关蛋白	自然语言处理	癌症	蛋白质序列分析	Capsule Networks, 深度学习	蛋白质序列	2298个非冗余蛋白质序列	NA	Capsule Networks	准确率, MCC	NA
617	2026-03-30	Toward ultimate NMR resolution with deep learning 2026-Mar-27, Science advances IF:11.7Q1 DOI:10.1126/sciadv.ady7995 PMID:41894514	研究论文	本文提出了一种基于深度学习的核磁共振谱峰概率表示方法，以逼近理论极限的分辨率	引入了峰值概率表示法，并开发了物理启发的深度学习神经网络MR-Ai，实现了多谱协同处理与信息交换	方法在60种数据库蛋白质上验证，但未明确说明在更广泛生物样本或临床样本中的泛化能力	提升核磁共振光谱的分辨率，实现接近理论极限的峰定位精度	蛋白质核磁共振光谱	机器学习	NA	核磁共振光谱	深度学习神经网络	光谱数据	60种数据库蛋白质，包括Tau和MATL1蛋白	NA	MR-Ai	峰定位精度，与克拉美-罗下界和贝叶斯蒙特卡洛估计的理论极限对比	NA
618	2026-03-30	DFENet: A Novel Dual-Path Feature Extraction Network for Semantic Segmentation of Remote Sensing Images 2026-Mar-23, Journal of imaging IF:2.7Q3 DOI:10.3390/jimaging12030141 PMID:41892943	研究论文	本文提出了一种新颖的双路径特征提取网络（DFENet），用于遥感图像的语义分割，旨在解决特征融合和频域信息利用的挑战	提出了一种双路径模块（DPM）来分别提取全局和局部特征，并创新性地集成了四种特征提取策略以从不同粒度提取全局特征；设计了一个以离散小波变换（DWT）为主的频域特征提取块（FFEB），有效捕获高频和低频分量	NA	提高遥感图像语义分割的性能，解决语义混淆和边界模糊问题	遥感图像（RSIs）	计算机视觉	NA	离散小波变换（DWT）	CNN	图像	ISPRS Vaihingen数据集和ISPRS Potsdam数据集	NA	DFENet	平均交并比（mIoU）	NA
619	2026-03-30	Validation of conformal prediction in cervical atypia classification 2026-Mar-22, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-44850-5 PMID:41866425	研究论文	本文验证了在宫颈非典型性分类中应用保形预测方法，通过专家标注集评估其预测集的真实性和价值	首次基于专家标注集全面验证保形预测在宫颈癌分类中的表现，揭示传统覆盖率验证高估性能，并探讨保形预测在识别模糊和分布外数据方面的能力	研究仅针对宫颈非典型性分类任务，未扩展到其他疾病或数据模态，且依赖于特定专家标注集，可能受标注者主观性影响	验证保形预测在宫颈癌筛查深度学习模型中的有效性，确保预测集真实反映模型不确定性并与人类期望一致	宫颈非典型性分类的深度学习模型及其保形预测集	数字病理学	宫颈癌	深度学习	深度学习模型	图像	NA	NA	NA	覆盖率	NA
620	2026-03-30	Design of an in-pipe inspection robotic system (IPIRS) with YOLOv8-LSTM integration for real-time in-pipe navigation 2026-Mar-22, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-42181-z PMID:41866593	研究论文	本文介绍了一种集成了YOLOv8和LSTM的管道内检测机器人系统，用于实时管道导航和预测分析	提出了一种改进的管道内检测机器人系统，通过集成YOLOv8进行视觉目标检测和LSTM分析时序IMU数据，实现了在弯曲或变径管道中的可靠自适应导航和预测决策	系统在直径100至150毫米的管道中进行测试，可能未覆盖更广泛或更复杂的管道环境，且依赖于仿真环境进行评估	开发一种能够实时导航和进行预测分析的自动化管道检测机器人系统	石油、天然气和水分配网络中的管道	计算机视觉	NA	机器人仿真、深度学习	CNN, LSTM	图像、时序IMU数据	NA	ROS, Gazebo, Rviz	YOLOv8, LSTM	mAP (0.5), F1 score, MSE, MAE	NA