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	2026-08-28	Development and validation of the ultrasound-based radiomics and deep learning prognostic models for diffuse large B-cell lymphoma 2026-Mar-20, Annals of hematology IF:3.0Q2 DOI:10.1007/s00277-026-06917-1 PMID:41857399	研究论文	本研究开发和验证了两种基于超声的影像组学和深度学习预后模型，用于弥漫性大B细胞淋巴瘤的风险分层和生存预测。	首次开发并验证了基于超声影像的影像组学和深度学习模型用于弥漫性大B细胞淋巴瘤的预后预测，并结合两者进行评估。	研究未明确提及局限性。	开发和验证超声影像组学及深度学习模型，用于弥漫性大B细胞淋巴瘤患者的风险分层和生存预测。	149例病理确诊的弥漫性大B细胞淋巴瘤患者。	医学影像分析	弥漫性大B细胞淋巴瘤	超声影像组学	影像组学模型、深度学习模型（ResNet50）	超声图像	149例患者，其中训练组75例，测试组74例	NA	ResNet50	AUC, C-index, DCA, calibration curve	NA
102	2026-08-28	Remote monitoring of heart failure exacerbations using a smartwatch 2026-Mar, Nature medicine IF:58.7Q1 DOI:10.1038/s41591-026-04247-3 PMID:41862772	研究论文	该研究利用智能手表数据预测心力衰竭患者的每日峰值摄氧量，并评估其与不良事件的相关性	首次使用消费级智能手表数据通过深度学习模型预测每日峰值摄氧量，用于监测心力衰竭加重，并提供早期风险识别	未提及具体限制	评估智能手表数据用于预测心力衰竭患者每日峰值摄氧量，并关联其与医疗事件风险的可行性	心力衰竭患者	数字健康	心力衰竭	可穿戴设备数据	深度学习模型	时间序列数据	训练集154例，验证集63例，外部验证集另设	未提及	未提及	皮尔逊相关系数, 风险比, 置信区间, P值	未提及
103	2026-08-28	PIGSKIN: PIG SKull stripping with synthetic Images and Neural networks 2026-Mar, AI in neuroscience DOI:10.1177/2997979x261429297 PMID:42614756	研究论文	本文介绍PIGSKIN，一种完全基于合成数据训练的深度学习框架，用于猪脑MRI的鲁棒脑提取，解决了现有工具在猪脑解剖结构上的不足	首次针对猪脑MRI提出系统性验证的脑提取方法，采用分离建模脑和非脑区域并应用不同变换参数，结合多模态T1和T2加权输入，实现单步原生分辨率推理	基于合成数据训练，可能对真实数据的变异覆盖有限；模型评估主要依赖Dice系数，缺乏更全面的性能指标验证	开发并验证一种适用于猪脑MRI的鲁棒脑提取深度学习方法，为猪模型神经影像研究提供可靠工具	猪脑MRI数据，包括不同品种、采集协议和损伤模型的猪脑图像	计算机视觉，数字病理学	创伤性脑损伤	MRI	深度学习网络	图像（MRI，T1和T2加权）	NA	NA	NA	Dice系数	NA
104	2026-08-26	Long Short-Term Memory-GPT-4 Integration for Interpretable Biomedical Signal Classification: Proof-of-Concept Study 2026-03-20, JMIR formative research IF:2.0Q4 DOI:10.2196/87962 PMID:41861395	研究论文	本研究提出并评估了一种将长短期记忆网络与GPT-4集成的技术框架，用于自动化生物医学信号分类及生成人类可读的临床解读，为资源受限环境下的临床应用奠定基础。	创新性地将LSTM网络与GPT-4大语言模型相集成，实现生物医学信号分类与自然语言解释的无缝结合，并提供经过医师评估的临床解读。	未提及	开发一种结合LSTM和GPT-4的自动化信号分类与解读框架，以解决远程和资源受限环境中的诊断瓶颈。	心电图和脑电图等生物医学信号。	机器学习	心血管疾病，神经系统疾病	长短期记忆网络，GPT-4模型	长短期记忆网络（LSTM），GPT-4	心电信号，脑电信号	150个测试案例（50个来自每个数据集）	未提及	两层LSTM（128→64单元）	准确率，F1分数，AUC，Fleissκ系数	未提及
105	2026-08-26	Characterizing Physicochemical Selection in Protein Evolution with Property-Informed Models (PRIME) 2026-Mar-11, bioRxiv : the preprint server for biology DOI:10.64898/2026.03.09.710461 PMID:41959076	研究论文	PRIME框架通过将氨基酸交换性建模为理化性质的函数，揭示了蛋白质进化中选择压力的生物物理基础。	首次将氨基酸交换性显式建模为理化性质的函数，包括全局、位点和情景三种实现，并利用生物物理分类学精确分类残基的保守性、中性或变化性。	该分析可能依赖于数据集和基因组的代表性，且对理化性质的选择可能影响结果的通用性。	通过将抽象进化率转化为可解释的生物物理规则，表征蛋白质多样性的机制驱动因素。	24个多样化数据集和18,944个哺乳动物基因。	机器学习	不适用	密码子水平最大似然方法	最大似然模型	序列数据	24个多样化数据集和18,944个哺乳动物基因	不适用	全球、情景和位点特异性实现	AUC、敏感性、模型拟合	不适用
106	2026-08-26	Deep learning for high-resolution material texture enhancement in 3D environments 2026-Mar-07, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-42313-5 PMID:41794865	研究论文	提出了一个用于3D环境高分辨率材质纹理增强的深度学习框架，改善了颜色、位移、金属度、法线和粗糙度等多通道纹理的分辨率和质量	集成了基于批处理的流水线、材质解压-再压缩策略和可扩展平铺方法，实现了大纹理的高效处理并保持空间连贯性	摘要未提及明确的局限性	提高3D环境中材质纹理的分辨率和质量，以支持电影、动画、游戏和虚拟现实等高端应用	多种材质纹理，包括石头、金属、木材、瓷砖和织物等表面	计算机视觉	NA	深度学习、纹理增强	神经网络（具体类型未指定）	图像（材质纹理图）	未明确说明样本数量，使用了涵盖多种材质的精选数据集	未指定（代码在GitHub上可获取）	未明确指定	清晰度和保真度（定性评估）	未指定
107	2026-08-26	Integrating genetics, age and imaging to predict treatment outcomes in neovascular age-related macular degeneration: a proof-of-concept study 2026-Mar-07, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-41931-3 PMID:41794975	研究论文	本文验证了整合遗传、影像和人口统计学数据预测新生血管性年龄相关性黄斑变性（nAMD）治疗结局的可行性，并发现结合多基因风险评分（PRS）、年龄和OCT影像生物标志物可提高预测性能。	首次将多基因风险评分（PRS）、OCT影像生物标志物和患者年龄整合进多模态预测模型，用于预测nAMD的抗VEGF治疗结局，并证明该整合方法优于单独使用影像的预测性能。	仅基于单中心样本（106名参与者），为概念验证研究，且未纳入其他潜在预测因素（如遗传变异细节、治疗依从性等），可能限制结果的外部泛化性。	评估整合遗传、影像和人口学数据构建预测模型，以预测nAMD治疗结局（如24个月黄斑干燥和第二年治疗间隔）的可行性。	单侧新生血管性年龄相关性黄斑变性（nAMD）患者，接受抗VEGF治疗（treat-and-extend方案）。	医学影像分析，计算生物学，眼科	年龄相关性黄斑变性（nAMD）	基因分型（NIHR Bioresource），光学相干断层扫描（OCT）	XGBoost，线性回归	基因型数据，OCT影像，人口统计学数据（年龄、性别等）	106名参与者（均患有单侧nAMD）	XGBoost	XGBoost（用于二分类），线性回归（用于连续结局），深度学习的OCT分割模型（具体结构未在摘要中指定）	AUC（曲线下面积），β系数（线性回归），95%置信区间，P值	NA（摘要未提及具体计算资源）
108	2026-08-24	A deep-learning based biomarker of systemic cellular senescence burden to predict mortality and health outcomes 2026-Mar-24, medRxiv : the preprint server for health sciences DOI:10.64898/2026.03.20.26348913 PMID:41929337	研究论文	开发并验证了一种基于深度学习的系统性细胞衰老负担生物标志物，用于预测死亡风险和健康结局	利用半监督深度学习框架（GAET模型）整合大规模蛋白质组学数据，构建复合SASP评分，提供增强的可解释性和跨平台实用性	信息未在摘要中明确提供	开发一种深度学习衍生的SASP评分，作为系统性细胞衰老负担的生物标志物，以预测死亡风险和慢性疾病结局，并评估干预效果	UK Biobank Pharma Proteomics Project（UKB-PPP）数据及独立随机临床试验队列	机器学习	衰老相关疾病（如痴呆、慢性阻塞性肺病、心肌梗死、中风）	蛋白质组学（SASP蛋白测量）	半监督深度学习模型（GAET）	蛋白质组学数据	大规模（具体数量未在摘要中给出）	NA	Guided autoencoder with Transformer (GAET)	预测能力（如死亡率、疾病发生率）及轨迹变化评估	NA
109	2026-08-24	Interactive Multiscale Attention Fusion with Sparse Feature Convolution Network for Satellite Image Change Detection 2026-03-10, Journal of visualized experiments : JoVE DOI:10.3791/69815 PMID:42627057	研究论文	提出了一种基于交互式多尺度注意力融合与稀疏特征卷积网络的卫星图像变化检测方法，以高效识别双时相图像中的地表变化	通过交互式前向和后向注意力流实现双向时间建模，结合Ghost模块的稀疏特征卷积，在保持高精度的同时大幅降低计算复杂度	未在更多样化的数据集或极端条件下验证泛化能力，且未详细讨论不同场景下的鲁棒性	解决现有深度学习方法时间建模单向偏置和计算开销大的问题，实现高效准确的卫星图像变化检测	双时相卫星图像中的地表变化区域	计算机视觉	NA	NA	卷积神经网络	图像	OSCD和SZTAKI两个基准数据集，具体样本量未在摘要中明确	PyTorch	编码器-解码器架构，交互式注意力模块，Ghost模块	F1分数	NA（摘要中提及参数数量和FLOPS，但未具体说明GPU型号或平台）
110	2026-08-24	Filter2Noise: a framework for interpretable and zero-shot low-dose CT image denoising 2026-Mar, Journal of medical imaging (Bellingham, Wash.) DOI:10.1117/1.JMI.13.2.024004 PMID:41993061	研究论文	介绍了一种名为Filter2Noise的框架，用于低剂量CT图像去噪，该框架结合了注意力引导的双边滤波和自监督学习，在保持可解释性的同时实现了与深度学习相当的性能。	使用注意力引导的双边滤波器替代传统深度网络，实现了完全可解释的去噪；引入欧几里得局部洗牌和多尺度自监督损失，实现零样本学习，且参数数量极低。	信息未提供	开发一种可解释且零样本的低剂量CT图像去噪方法，提升放射科医生的信任度和可用性。	低剂量CT图像去噪	计算机视觉	不适用	CT成像	注意力引导的双边滤波	图像	梅奥诊所低剂量CT挑战数据集和光子计数CT临床数据	PyTorch	注意力模块（轻量级，3.6k参数）	峰值信噪比（PSNR）、对比度噪声比（CNR）	信息未提供
111	2026-08-24	Artificial Intelligence and Machine Learning in Diagnostic Pathology: A Systematic Review of Applications, Challenges, and Clinical Implications 2026-Mar, Cureus DOI:10.7759/cureus.105167 PMID:41994757	系统综述	本系统综述旨在评估人工智能和机器学习在诊断病理学中的应用、性能结果及实际挑战。	全面总结了2010年至2025年间AI/ML在病理学多个领域的最新进展，包括外部验证和风险偏倚评估。	纳入研究多为回顾性设计且依赖二手数据集，总体偏倚风险中等。	分析AI和ML在诊断病理学中的应用现状、性能及其临床意义。	包括乳腺病理、细胞病理、神经病理、头颈肿瘤及多器官计算病理等领域的研究。	数字病理学	乳腺病理、细胞病理、神经病理、头颈肿瘤等	NA	深度学习	病理图像	13项研究	NA	NA	诊断准确性	NA
112	2026-08-23	AI-powered surveillance of bronchiolitis in the Nirsevimab era: comparative performance of machine learning, deep learning, and large language models on free-text ED records 2026-03-10, BMC emergency medicine IF:2.3Q1 DOI:10.1186/s12873-025-01468-6 PMID:41807959	研究论文	本研究比较了机器学习、深度学习和大型语言模型在急诊电子健康记录自由文本中分类细支气管炎诊断的性能，并评估了官方ICD-9编码的准确性。	首次直接比较大型语言模型、深度学习和多种传统机器学习模型在Nirsevimab时代细支气管炎监测中的应用。	未明确说明研究的局限性，但可能受限于单中心数据和专家手动标注的主观性。	评估AI工具（包括ML、DL和LLM）在急诊电子健康记录自由文本中分类细支气管炎诊断的潜力，以及改进流行病学监测。	1岁以下婴儿的急诊电子健康记录，包括完整出院诊断字段。	自然语言处理	细支气管炎	自然语言处理（NLP）	随机森林、决策树、梯度提升机、线性判别分析、支持向量机、深度学习工具、GPT-5（大型语言模型）	文本数据（自由文本诊断记录）	28,557条记录（其中1,903条为细支气管炎）	NA	NA	平衡准确率、敏感性、F1分数、特异性	NA
113	2026-08-23	A multi-metric evaluation of readability in psychiatric discharge summaries 2026-Mar-10, BioData mining IF:4.0Q1 DOI:10.1186/s13040-026-00528-2 PMID:41803909	研究论文	本研究对精神病学出院摘要的可读性进行了多维评估，比较了面向患者的出院指导与面向提供者的住院病程记录部分。	首次使用包含传统公式和深度学习模型（如ClinicalBERT、MedReadMe）的12种指标对精神病学出院摘要进行多维度可读性评估，并发现不同诊断组间的可读性差异及传统与神经指标间的分歧。	未明确提及局限性，但可能包括样本仅限于MIMIC-IV数据集，以及深度学习模型的可解释性限制。	评估精神病学出院摘要的可读性，并比较不同面向对象（患者vs提供者）及不同诊断组的文本复杂性。	精神病学出院摘要，包括出院指导和住院病程记录部分。	自然语言处理	精神疾病	NA	深度学习模型	文本	1745份出院摘要，其中880份配对包含两个部分。	NA	ClinicalBERT, MedReadMe	内部相关性，与MedReadMe和ClinicalBERT的相关性	NA
114	2026-08-23	HyperDeepTAD: a topologically associated domains detection method based on multiway chromatin interaction data and deep learning 2026-Mar-09, BMC genomics IF:3.5Q2 DOI:10.1186/s12864-026-12738-3 PMID:41803713	研究论文	提出了一种基于多路染色质相互作用数据和深度学习的拓扑关联域检测方法HyperDeepTAD，通过超图保留高阶交互信息，利用动态卷积网络和BiGRU等结构捕捉局部特征，以获得更准确的TAD边界和层级结构。	首次利用多路染色质相互作用的超图表示，结合动态卷积网络和BiGRU来捕获高阶协同交互，超越传统Hi-C二元交互方法的局限性。	未明确提及局限性，但可能受限于数据可用性和计算复杂度。	开发一种更准确的TAD检测方法，以改善基因调控机制的理解。	拓扑关联域（TADs），基于多路染色质相互作用数据。	深度学习, 生物信息学	NA	多路染色质相互作用分析	深度卷积网络, BiGRU	染色质相互作用数据	NA	NA	动态卷积网络, BiGRU, 残差连接	边界富集度	NA
115	2026-08-23	Multiphase CT-based deep learning radiomics nomogram models for preoperative WHO/ISUP grading of clear cell renal cell carcinoma: a two-center validation study 2026-03-09, BMC medical imaging IF:2.9Q2 DOI:10.1186/s12880-026-02268-5 PMID:41803747	研究论文	开发并验证了一种基于多期CT成像的深度学习放射组学列线图模型，用于术前预测透明细胞肾细胞癌的WHO/ISUP核分级。	将多期CT成像与机器学习相结合，整合了放射组学特征、深度学习特征和临床变量，并采用SHAP和Grad-CAM增强模型可解释性。	未在摘要中明确提及局限性。	开发一种非侵入性的术前工具，用于准确预测ccRCC的WHO/ISUP核分级，以辅助手术规划。	透明细胞肾细胞癌（ccRCC）患者。	医学影像分析、深度学习、放射组学	肾细胞癌	多期CT成像、放射组学、深度学习	深度学习模型、放射组学模型、列线图	CT图像、临床数据	1499例患者，分为训练队列（929例）、内部验证队列（398例）和外部验证队列（172例）。	未提及	DenseNet201	AUC、校准分析	未提及
116	2026-08-23	DGM: deep graph clustering with mincut for analysis of single-cell transcriptomics 2026-Mar-09, BMC genomics IF:3.5Q2 DOI:10.1186/s12864-026-12694-y PMID:41803718	研究论文	提出深度图最小割（DGM）框架，用于单细胞转录组学的细胞类型聚类分析	联合优化高阶最小割损失、簇间正交性损失和重建约束，以捕捉复杂细胞群落并保持全局图结构	未在摘要中明确提及局限性	改进单细胞RNA测序数据的细胞类型识别聚类方法，克服当前图方法忽略高阶拓扑的局限	单细胞转录组数据（scRNA-seq）	机器学习	NA	单细胞RNA测序（scRNA-seq）	深度学习框架（自动编码器与图学习集成）	基因表达矩阵（单细胞转录组数据）	十个公共scRNA-seq数据集	NA	自动编码器与图神经网络结合	归一化互信息（NMI），调整兰德指数（ARI）	NA
117	2026-08-23	Artificial intelligence and machine learning in non-small cell lung cancer: the current state of the science on multi-omic applications 2026-Mar-09, BMC medical research methodology IF:3.9Q1 DOI:10.1186/s12874-026-02821-4 PMID:41803732	综述	本文批判性综述了人工智能和机器学习在非小细胞肺癌多组学应用中的现状，涵盖临床验证、可解释性和伦理部署。	综合探讨了深度学习和集成方法在影像、基因组学及多模态整合中的应用，并强调超越传统诊断流程的潜力。	持久挑战包括数据集多样性不足、缺乏外部验证、模型可解释性和伦理问题。	评估AI/ML在NSCLC中的应用现状，倡导大规模跨学科合作以推进个性化医疗。	非小细胞肺癌的影像、基因组及多模态数据。	机器学习，数字病理学	肺癌	多组学技术（包括基因组学和影像学），具体技术如NGS等未详细说明，故标注为NA	深度学习模型，集成方法	临床、基因组和影像数据	NA（综述论文，未提及具体样本量）	NA（未提及具体框架）	深度学习和集成方法架构，具体如CNN、Transformer等未详细说明，故标注为NA	NA（综述未提及具体性能指标）	NA（综述未提及计算资源）
118	2026-08-23	Preoperative prediction of perineural invasion in intrahepatic cholangiocarcinoma with interpretable machine learning based on MRI 2026-03, European journal of surgical oncology : the journal of the European Society of Surgical Oncology and the British Association of Surgical Oncology DOI:10.1016/j.ejso.2026.111450 PMID:41628547	研究论文	开发基于MRI的影像组学和深度学习的可解释模型，用于术前预测肝内胆管癌的神经周围浸润。	结合影像组学和深度学习，利用多期MRI数据，并通过Grad-CAM可视化增强模型可解释性。	未明确提及，但可能受限于样本量和回顾性设计。	开发并验证基于MRI的术前预测肝内胆管癌神经周围浸润的影像组学和深度学习模型。	肝内胆管癌患者	医学影像、深度学习、影像组学	肝内胆管癌	MRI（多期扫描）	深度学习模型（PNI-MambaNet）、影像组学模型	MRI图像	165例患者（中心1: 115训练，14验证，15内部测试；中心2: 21外部测试）	数坤AI平台	PNI-MambaNet	AUC	NA
119	2026-08-22	U-Net-based transfer learning for automated tumour segmentation enabling fully automated [18F]F-DOPA PET analysis in paediatric gliomas 2026-Mar-25, Brain informatics DOI:10.1186/s40708-026-00296-z PMID:41880065	研究论文	本研究评估了基于U-Net的迁移学习模型在儿童胶质瘤[18F]F-DOPA PET成像中实现全自动肿瘤分割和参数提取的可行性	利用成年人胶质瘤数据集进行迁移学习，实现了儿童胶质瘤的完全自动化PET分析流程	未提及具体限制	评估深度学习模型能否实现儿童胶质瘤肿瘤分割和PET参数提取的完全自动化，并验证其临床相关性	103名儿童胶质瘤患者（中位年龄11岁，54名女性，49名男性）的[18F]F-DOPA PET扫描数据	数字病理学	儿童胶质瘤	PET成像	U-Net	图像	103名患者	NA	U-Net	Dice分数	NA
120	2026-08-22	Spinal disease image segmentation technology integrating U-ResNet and shape-aware attention 2026-Mar-13, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-42870-9 PMID:41820475	研究论文	本研究设计了一个端到端的深度学习模型，整合U-ResNet和形状感知注意力模块，用于脊柱疾病图像分割，以提高分割精度和临床适用性	提出了定制化的U-ResNet主干网络、形状感知注意力模块和动态加权组合损失函数，实现多尺度特征融合和轮廓先验增强，以提升复杂病理干扰下的分割性能	文中未提及明确的局限性	开发一种高性能的脊柱图像分割模型，以支持早期准确诊断和分级诊疗，减少医疗负担	脊柱疾病患者的腰椎MRI图像和VerSe数据集	数字病理学	脊柱疾病	NA	CNN（U-Net变体）	图像（MRI）	腰椎MRI数据集和VerSe数据集（具体样本数未提供）	NA	U-ResNet, 形状感知注意力机制	分类、分割和椎间盘退变分级任务的相关指标（具体未列出）	NA