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
761	2026-03-21	scDCL: A multi-view single-cell RNA sequencing clustering method based on dual contrastive learning 2026-Mar-03, Computational biology and chemistry IF:2.6Q2 DOI:10.1016/j.compbiolchem.2026.108998 PMID:41791270	研究论文	本文提出了一种基于双对比学习的多视角单细胞RNA测序聚类方法scDCL，以解决scRNA-seq数据的高稀疏性、强非线性和极端维度等挑战	整合了基于ZINB的掩码自编码器、图神经网络和双对比学习，协同捕获细胞内在特征和全局结构特征，通过多视角特征平衡局部与全局信息	未明确说明方法在超大规模数据集上的计算效率，也未讨论对批次效应的处理能力	开发一种更有效的单细胞RNA测序数据聚类方法，以提升细胞类型分辨的准确性	单细胞RNA测序数据	生物信息学	NA	单细胞RNA测序	自编码器, 图神经网络, 对比学习	基因表达数据	NA	NA	ZINB-MAE, GNN	聚类性能	NA
762	2025-11-27	Deep learning for maxillary sinus pathology: ensure patient-level splits and leakage-free evaluation 2026-Mar, European archives of oto-rhino-laryngology : official journal of the European Federation of Oto-Rhino-Laryngological Societies (EUFOS) : affiliated with the German Society for Oto-Rhino-Laryngology - Head and Neck Surgery IF:1.9Q2 DOI:10.1007/s00405-025-09882-z PMID:41288704	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
763	2026-03-21	A multicentre validation study of 3D V-net-based segmentation model for adrenal glands: cross-protocol generalization from abdominal CT to chest CT 2026-Mar-01, The British journal of radiology DOI:10.1093/bjr/tqaf294 PMID:41330715	研究论文	本研究开发并验证了一个基于3D V-Net的肾上腺分割模型，用于腹部CT图像，并在多中心数据集（包括胸部CT图像）中评估其性能	该研究首次将基于3D V-Net的肾上腺分割模型从腹部CT推广到胸部CT，展示了跨协议泛化能力，并验证了其在多中心不同扫描协议下的适用性	研究未明确提及模型在极端病理情况或罕见肾上腺疾病中的表现，且验证数据主要来自健康筛查人群，可能未充分覆盖所有临床场景	建立并验证一个基于深度学习的肾上腺分割模型，以实现在不同CT扫描协议下的准确分割，辅助临床诊断	肾上腺（包括正常和异常腺体）	数字病理	肾上腺疾病	CT扫描	CNN	3D CT图像	训练开发队列5660例腹部CT扫描，验证队列1包含6126例胸部CT，验证队列2包含931例胸部CT	NA	3D V-Net	Dice相似系数	NA
764	2026-03-21	Introducing advanced ClearIQ engine (AiCE) deep learning reconstruction algorithm into a clinical radiotherapy workflow 2026-Mar-01, The British journal of radiology DOI:10.1093/bjr/tqaf318 PMID:41428451	研究论文	本研究评估了AiCE深度学习重建算法在临床放疗工作流程中的应用，重点关注图像质量和对放疗治疗计划的影响，并成功优化了CT扫描剂量	首次将AiCE深度学习重建算法引入临床放疗工作流程，用于优化CT扫描剂量，同时保持图像质量稳定	研究主要针对乳腺癌放疗患者，可能未涵盖其他癌症类型或更广泛的临床应用场景	评估AiCE重建算法在临床放疗工作流程中的适用性，并优化CT扫描剂量	电子密度体模和乳腺癌放疗患者	医学影像处理	乳腺癌	CT扫描	深度学习重建算法	CT图像	电子密度体模扫描和乳腺癌患者临床扫描	NA	AiCE	HU稳定性、剂量差异、平均DLP减少百分比	NA
765	2026-03-21	Broadband Nanocavity Imaging with Machine Vision for Multiplex miRNA Assays 2026-Mar, Advanced materials (Deerfield Beach, Fla.) DOI:10.1002/adma.202522938 PMID:41738572	研究论文	本文提出了一种结合分布式布拉格反射镜耦合的银纳米颗粒间隙纳米腔与深度学习实例分割的方法，用于实现多重miRNA的自动化图像读出与定量分析	将纳米光子学结构与深度学习实例分割（Mask R-CNN）相结合，实现了无需富集或扩增的直接内源性miRNA多重定量，并利用纳米腔增强收集效率、抑制量子点闪烁	研究仅在A549肺癌细胞提取物中验证，未在更广泛的临床样本或体内环境中测试	开发一种灵敏、特异、稳健且可扩展的多重miRNA分析平台	内源性miRNA（miR-191, miR-25, miR-130a）	机器学习	肺癌	分布式布拉格反射镜耦合的银纳米颗粒间隙纳米腔技术	CNN	图像	A549肺癌细胞提取物	NA	Mask R-CNN	检测限（LOD）, 线性动态范围, 正确识别率	NA
766	2026-03-21	Embracing the Digital Revolution: How Artificial Intelligence is Transforming Clinical Trials in Older Participants 2026-Mar, Drugs & aging IF:3.4Q2 DOI:10.1007/s40266-026-01288-8 PMID:41781638	综述	本文探讨了人工智能在老年人群临床试验中的变革作用，概述了关键进展、实际挑战及战略方向	利用人工智能技术，特别是机器学习和深度学习，针对老年人群的独特挑战（如疾病异质性）进行智能患者分层、风险预测和实时监测，并推动去中心化临床试验设计	NA	研究人工智能如何优化老年人群的临床试验，提高效率、准确性和患者中心性	老年人群的临床试验	机器学习	老年疾病	NA	NA	多组学数据、电子健康记录、可穿戴设备输出	NA	NA	NA	NA	NA
767	2026-03-21	MoCETSE: A mixture-of-convolutional experts and transformer-based model for predicting Gram-negative bacterial secreted effectors 2026-Mar, PLoS computational biology IF:3.8Q1 DOI:10.1371/journal.pcbi.1013397 PMID:41811851	研究论文	本研究提出了一种名为MoCETSE的深度学习模型，用于预测革兰氏阴性菌的分泌效应蛋白	结合了预训练蛋白质语言模型、目标预处理网络和带有相对位置编码的Transformer模块，以精炼关键功能特征并显式建模残基间的相对空间关系	未明确提及	提高革兰氏阴性菌分泌系统效应蛋白的预测准确性，以解析其致病机制并指导抗菌策略开发	革兰氏阴性菌的分泌效应蛋白	自然语言处理, 机器学习	细菌感染	预训练蛋白质语言模型	CNN, Transformer	蛋白质序列	NA	NA	Mixture-of-Convolutional Experts, Transformer	特异性, 可靠性	NA
768	2026-03-21	MultiPert: An adversarial alignment and dual attention framework for single-cell multi-omics perturbation prediction 2026-Mar, PLoS computational biology IF:3.8Q1 DOI:10.1371/journal.pcbi.1014054 PMID:41811907	研究论文	本文提出了一个名为MultiPert的深度学习框架，用于预测单细胞多组学数据中的扰动响应	设计了专门用于单细胞多组学扰动预测的深度学习框架，通过模态特定编码器、双注意力机制和对抗训练实现跨模态对齐，能够同时预测基因表达和蛋白质丰度变化	NA	预测单细胞多组学数据中的扰动响应，以表征细胞身份并阐明生物通路的调控机制	单细胞多组学数据	机器学习	NA	单细胞多组学测序	深度学习	单细胞多组学数据	人类THP-1和肾脏多组学数据集	NA	模态特定编码器，双注意力机制	准确性，稳定性	NA
769	2026-03-21	Bio-Inspired Design of Quasi-Ordered Structural Color via Stress-Driven Reconfiguration Enables Ultra-Secure and Scalable Unclonable Application 2026-Mar, Advanced materials (Deerfield Beach, Fla.) DOI:10.1002/adma.202520440 PMID:41715282	研究论文	本文受自然界启发，提出一种应力驱动的微结构重构策略，用于制造具有超高编码容量、快速识别和可扩展制造能力的机械诱导结构色物理不可克隆函数标签	受Thecla opisena蝴蝶翅膀鳞片准有序光子结构启发，提出应力驱动的微结构重构策略，通过控制异质聚合物网络的压印，实现了空间随机、结构色PUF图案的制造，解决了光学PUF在高编码容量、快速识别和可扩展制造之间的权衡难题	NA	开发一种安全、可扩展的物理不可克隆函数用于下一代认证系统和物联网应用	机械诱导结构色PUF标签	机器视觉	NA	应力驱动微结构重构、异质聚合物网络压印	深度学习	图像	NA	NA	NA	准确率	NA
770	2026-03-21	Multiview deep learning improves detection of major cardiac conditions from echocardiography 2026-Mar, Nature cardiovascular research IF:9.4Q1 DOI:10.1038/s44161-026-00786-7 PMID:41844861	研究论文	本研究开发了一种多视图深度学习模型，通过整合超声心动图的多视图视频数据，提高了对主要心脏疾病的诊断性能	提出了一种能够同时整合多个成像视图的深度学习神经网络架构，相比单视图模型显著提升了诊断准确性	研究仅基于两个医疗中心的数据，可能缺乏泛化性；且仅针对三种特定心脏疾病进行了验证	通过多视图深度学习模型改善从超声心动图中检测主要心脏疾病的诊断性能	超声心动图数据，包括左心室或右心室异常、舒张功能障碍和显著瓣膜反流	计算机视觉	心血管疾病	超声心动图	DNN	视频	来自加州大学旧金山分校和蒙特利尔心脏研究所的超声心动图数据	NA	多视图DNN	AUC	NA
771	2026-03-21	Impact of CT dose on AI performance: A comparison of radiomics, deep, and foundation models in a multicentric anthropomorphic phantom study 2026-Mar, Medical physics IF:3.2Q1 DOI:10.1002/mp.70374 PMID:41846467	研究论文	本研究通过多中心人体模型实验，比较了放射组学、深度学习和基础模型在不同CT剂量水平下的性能表现，评估了其对剂量变化的鲁棒性	首次在标准化人体模型数据集上系统比较了放射组学、浅层CNN、SwinUNETR和CT基础模型对CT剂量变化的鲁棒性，并验证了基础模型在跨剂量泛化方面的优势	研究处于早期实验阶段，仅使用回顾性数据测试，未进行前瞻性验证；实验主要基于模拟肝脏组织的人体模型，在真实患者数据中的泛化能力需进一步验证	评估基于放射组学和深度学习的模型对CT剂量水平变化的鲁棒性，探索基础模型在减少剂量相关变异方面的潜力	模拟肝脏组织（正常组织、囊肿、血管瘤、转移灶）的人体模型图像，以及CT-ORG数据集中真实患者的器官分类数据	医学影像分析	肝脏疾病	CT成像	CNN, SwinUNETR, 基础模型	CT图像	来自649次扫描的1378个图像序列（人体模型），以及CT-ORG数据集的140次CT扫描（真实患者）	PyRadiomics, PyTorch（推测，基于SwinUNETR和基础模型的常见实现）	浅层CNN, SwinUNETR, CT-FM（CT基础模型）	组内相关系数（ICC），准确率，UMAP可视化	NA
772	2026-03-21	Benchmarking Automated Detection and Classification Approaches for Long-Term Acoustic Monitoring of Endangered Species: A Case Study on Gibbons From Cambodia 2026-Mar, American journal of primatology IF:2.0Q1 DOI:10.1002/ajp.70127 PMID:41854092	研究论文	本文通过比较多种深度学习模型，为柬埔寨濒危长臂猿的长期声学监测提供了自动化检测的基准	首次系统比较了SVM、Koogu、ResNet50和基于BirdNET的迁移学习模型在长臂猿叫声检测中的性能，并展示了BirdNET在小样本情况下的优越性	研究仅针对特定物种（南部黄颊冠长臂猿）和特定地点（柬埔寨Jahoo），结果可能无法直接推广到其他物种或环境	开发并评估自动化声学检测方法，以改善濒危物种的长期监测能力	南部黄颊冠长臂猿（Nomascus gabriellae）的雌性二重唱叫声	机器学习	NA	被动声学监测	SVM, CNN	音频	超过200个长臂猿样本用于训练，部署模型分析了超过130,000小时的连续声景数据	NA	DenseNet, ResNet50	NA	NA
773	2026-03-21	Mining whole-brain information with deep learning to predict EGFR mutation and subtypes in brain-metastatic NSCLC: A multicenter study 2026-Mar, Medical physics IF:3.2Q1 DOI:10.1002/mp.70398 PMID:41854843	研究论文	本研究开发了一种基于深度学习的全脑信息挖掘方法，利用MRI图像预测脑转移非小细胞肺癌患者的EGFR突变及其亚型	提出了一种新的EGFR位点识别网络（ESR-Net），通过整合可变形卷积和辅助网络来挖掘全脑信息，以增强肿瘤特征并寻找信息性突变特征，从而在预测EGFR突变及其亚型方面超越了传统方法	研究样本量相对有限（共293例患者），且仅使用了对比增强T1加权和T2加权MRI图像，可能未涵盖所有相关影像特征	开发一种准确、无创的定量方法，用于预测脑转移非小细胞肺癌患者的EGFR基因型，以支持个性化治疗	脑转移非小细胞肺癌患者	数字病理学	肺癌	MRI扫描（对比增强T1加权和T2加权）	CNN	图像	293例患者（170例来自中心1，62例来自中心2，61例来自中心3）	NA	ESR-Net	AUC	NA
774	2026-03-21	A physics-driven neural network with parameter embedding for generating quantitative MR maps from weighted images 2026-Mar, Medical physics IF:3.2Q1 DOI:10.1002/mp.70394 PMID:41854958	研究论文	本文提出了一种融合MRI序列参数的物理驱动神经网络，用于从加权MRI图像合成定量映射图	通过参数嵌入技术将MRI序列参数（TR、TE、TI）直接整合到神经网络中，使模型能够学习MRI信号形成的物理原理	模型仅在健康脑部MRI图像上训练，对病理区域的泛化能力仍需进一步验证	提高从临床加权MRI合成定量图像的准确性和泛化能力	健康脑部MRI图像及病理区域	医学影像分析	NA	定量MRI（qMRI）	深度学习神经网络	MRI图像（T1加权、T2加权、T2-FLAIR）	健康脑部MRI图像数据集，包含内部和外部测试集	NA	参数嵌入神经网络	平均百分比误差（MPE）、全局体素平均绝对误差（MAE）	NA
775	2026-03-21	Explainable artificial intelligence for personalized prognosis in pancreatic cancer: A nationwide study from Taiwan 2026-Mar, PLOS digital health DOI:10.1371/journal.pdig.0001296 PMID:41855151	研究论文	本研究利用台湾全国癌症登记数据，开发了一种可解释的人工智能预后模型，用于预测胰腺癌患者的生存情况	结合可解释性AI方法（如SHAP）与大规模全国性登记数据，识别关键预后因素、非线性关系、交互作用及患者特异性生存变异性	研究基于台湾的登记数据，可能限制了结果的普适性；模型性能虽优于其他方法，但仍有改进空间	开发可解释的AI预后模型，以识别胰腺癌生存的关键因素及其复杂关系	台湾癌症登记中2013年至2021年诊断的8,864例胰腺癌病例	机器学习	胰腺癌	NA	XGBoost, 随机生存森林, 深度学习模型	结构化临床数据	8,864例胰腺癌病例	NA	NA	时间依赖性指标	NA
776	2026-03-20	Computer-aided diagnosis of DDH using ultrasound: deep learning for segmentation and accurate angle measurement aligned with radiologist's clinical workflow 2026-Mar-18, Medical ultrasonography IF:1.8Q3 DOI:10.11152/mu-4535 PMID:40789016	研究论文	本文提出了一种用于超声评估发育性髋关节发育不良的计算机辅助诊断系统，该系统集成了深度学习进行解剖结构分割，并采用Graf方法进行α和β角度测量	提出了一种结合解剖分割和角度测量的临床工作流对齐的CAD系统，在基线定义中排除了髂骨下缘的曲率以提升准确性，并提供了全面的标准化评估指标集以解决深度学习研究中常见的指标报告异质性问题	研究样本量相对有限（452张原始图像来自370名新生儿），且仅使用了单一机构的超声图像数据	开发一种自动化评估发育性髋关节发育不良的计算机辅助诊断系统	新生儿髋关节超声图像	数字病理学	发育性髋关节发育不良	超声成像	深度学习	图像	452张原始超声图像（来自370名新生儿），增强后共768张图像用于训练和评估	NA	U-Net, MaskR-CNN, YOLOv8, YOLOv11	精确度, 召回率, IoU, Dice系数, mAP, Bland-Altman分析, 组内相关系数	NA
777	2026-03-20	PET Head Motion Estimation Using Supervised Deep Learning With Attention 2026-Mar, IEEE transactions on medical imaging IF:8.9Q1 DOI:10.1109/TMI.2025.3620714 PMID:41082441	研究论文	本文提出了一种基于监督深度学习和交叉注意力机制的PET头部运动估计与校正方法DL-HMC++	提出了首个利用交叉注意力机制从一秒3D PET原始数据中预测刚性头部运动的深度学习模型，无需外部硬件跟踪设备	方法主要针对刚性头部运动，未明确讨论非刚性运动或极端运动情况下的性能	开发一种数据驱动的PET头部运动校正方法，以替代硬件运动跟踪，提高临床实用性	脑部PET成像中的头部运动伪影	医学影像分析	神经系统疾病	正电子发射断层扫描（PET）	深度学习模型	3D PET原始数据	使用两台PET扫描仪（HRRT和mCT）和四种放射性示踪剂（F-FDG, F-FPEB, C-UCB-J, C-LSN3172176）的大规模队列研究数据	未明确说明	基于交叉注意力机制的深度学习架构	标准摄取值差异比，定性图像质量评估	NA
778	2026-03-19	NeuroCardioSense (NCS): a time-aware fuzzy decision framework for multi-lead ECG classification and arrhythmia detection 2026-Mar-18, Biomedical physics & engineering express IF:1.3Q3 DOI:10.1088/2057-1976/ae4df5 PMID:41785513	研究论文	提出一种名为NeuroCardioSense (NCS)的时间感知模糊决策框架，用于多导联心电图分类和心律失常检测	设计了新颖的时间感知门控卷积层和门控机制，能够自适应地调制卷积滤波器和跨导联特征贡献；并引入了时间模糊集成模块，通过联合编码特征和隶属度构建可学习的模糊子空间，有效缓解类别边界模糊问题	NA	开发一个能够联合表征心电图形态模式、多导联交互和时间依赖性的自动化心律失常检测框架	心电图信号	数字病理学	心血管疾病	心电图	CNN	信号	MIT-BIH心律失常数据库	NA	NeuroCardioSenseNet (NCSN), NeuroCardioSenseNet-Fusion (NCSNF)	准确率	NA
779	2026-03-19	Multimodal skin disease classification using vision transformers, medical captioning, and metadata fusion: an analysis on the ISIC 2024 dataset 2026-Mar-18, Biomedical physics & engineering express IF:1.3Q3 DOI:10.1088/2057-1976/ae4eeb PMID:41802357	研究论文	本研究提出了一种基于MedCLIP的多模态皮肤疾病分类方法，融合了视觉、文本和临床元数据，并在ISIC 2024数据集上进行了评估	系统分析了MedCLIP多模态嵌入与临床元数据的融合策略（早期融合和基于注意力的融合），并评估了其与经典机器学习及神经分类器结合的性能	研究仅使用了ISIC 2024数据集的子集（1600张训练图像和400张测试图像），样本规模相对有限	解决皮肤病变的二分类问题，探索多模态融合在计算机辅助诊断中的价值	皮肤癌和皮肤科疾病	计算机视觉	皮肤癌	NA	Vision Transformer, MLP, 集成分类器	图像, 文本, 元数据	1600张训练图像和400张测试图像（来自ISIC 2024数据集）	NA	MedCLIP	准确率, AUROC	NA
780	2026-03-19	Exploration and performance analysis of deep learning applications in spermatic vein ultrasound segmentation 2026-Mar-18, Biomedical physics & engineering express IF:1.3Q3 DOI:10.1088/2057-1976/ae4eed PMID:41802363	研究论文	本研究探索并评估了深度学习在精索静脉超声图像分割中的应用，建立了首个自动化分割性能基准	提出了基于Segment Anything Model（SAM）的半自动标注工作流程，并首次为精索静脉超声分割任务建立了深度学习性能基准	所有模型在狭窄的性能范围内达到平台期（DSC：61%-65%），远低于成熟超声分割领域的性能，表明主要障碍是固有的数据限制而非模型架构	开发自动化精索静脉超声分割工具，以解决当前手动测量耗时、主观且缺乏可重复性的问题	精索静脉超声图像	医学图像分析	精索静脉曲张	超声成像	深度学习分割模型	超声图像	未明确说明具体样本数量，但采用留一患者交叉验证	未明确说明	U-Net, U-Net++, Attention U-Net, RPA-UNet, UNet-DS（带深度监督的U-Net）	Dice相似系数（DSC）, Kappa系数	NA