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
21	2026-10-01	Head-and-Neck Organs Segmentation in CT Based on Spatial Prior and Shape Description 2026-Apr-06, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2026.3680787 PMID:41941783	研究论文	本文提出了一种结合空间分布信息和形状先验的深度学习框架，用于头颈部CT图像中的危及器官分割，特别关注小器官的精确分割	提出了空间引导网络（SG-Net）生成空间引导图来约束器官分割；设计了深度形状描述模块（DSDM）提取器官特定形状特征增强小器官特征；引入正则化项减少预测概率图的过度平滑以保留小器官形状细节	摘要中未提及	提高头颈部CT图像中危及器官（尤其是小器官）的分割精度	头颈部CT图像中的危及器官，包括大器官和小器官	医学图像分割	头颈癌	CT	深度学习	图像	摘要中未提及	NA	SG-Net、DSDM	摘要中未提及具体指标，但提到分割精度显著提升	NA
22	2026-10-01	Deep Learning-based Segmentation for Assessment of Kidney Tumour Ablation Therapy in CT Images 2026-Apr-06, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2026.3681192 PMID:41941787	研究论文	本文提出了一种基于深度学习的CT图像中肾脏消融区（KAZ）分割工作流，通过残差连接、多尺度融合和通道感知模块实现消融区的自动分割与治疗评估	提出了Channel-Aware-ResUNet++（CAResUNet++）模型，结合残差连接、多尺度融合和通道感知模块，并采用径向采样的2D切片预测后重建消融体积的创新流程	数据集规模较小，仅来自单一学术健康网络（加拿大伦敦），共76例患者CT图像，需要更多多中心数据验证泛化性	开发基于深度学习的自动化工作流，用于CT图像中肾脏消融区的准确分割，以评估肾脏肿瘤消融治疗的效果	76例患者的肾脏肿瘤消融术后CT图像	医学图像分割	肾细胞癌	CT成像	CNN	图像	76例患者的CT图像	NA	CAResUNet++, ResUNet++	DSC, Hausdorff距离, 平均绝对边界距离（MAD）, 平均符号边界距离（MSBD）	NA
23	2026-10-01	Organ-Aware Cross-Modality Registration Enables Attenuation Correction Without Repeated CT in Multi-Scan Total-Body PET/CT Imaging 2026-Apr-06, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2026.3681068 PMID:41941782	研究论文	提出一种器官感知的跨模态配准模型（OCRM），在多扫描全身PET/CT成像中无需重复CT即可实现衰减校正	引入器官感知机制，强调关键器官区域和全局身体轮廓的对齐，提高配准精度和泛化能力；OCRM可以零样本方式部署于多种多扫描PET/CT成像场景而无需重新训练	未明确提及	解决多扫描全身PET/CT成像中因患者重新定位需要重复CT扫描进行衰减校正而增加辐射暴露的问题	多扫描全身PET/CT成像数据，包括双时间点和双示踪剂协议	医学图像分析	NA	PET/CT成像	器官感知跨模态配准模型（OCRM）	图像	四种不同的多扫描PET/CT场景（包括双时间点和双示踪剂协议）	NA	NA	RMSE, PSNR, SSIM	NA
24	2026-10-01	Deep Learning Driven Evaluation of MR-guided Focused Ultrasound Ablation 2026-Apr-06, IEEE transactions on bio-medical engineering DOI:10.1109/TBME.2026.3681200 PMID:41941814	研究论文	本文提出了一种深度学习框架，利用多参数MRI预测磁共振引导聚焦超声（MRgFUS）治疗乳腺癌的疗效	利用多参数MRI（包括定性T1、T2加权图像、MR温度衍生指标和定量T1、T2参数图）结合深度学习预测MRgFUS治疗疗效，并通过主成分分析增强进一步提高边界准确性	需要减少多参数MRI协议的采集时间	准确预测MRgFUS治疗乳腺癌的疗效	VX2肿瘤模型兔	医学图像分析	乳腺癌	磁共振引导聚焦超声（MRgFUS）消融	深度学习	多参数MRI图像（定性T1、T2加权图像，定量T1、T2参数图，MR温度衍生指标）	12只VX2肿瘤模型兔	NA	NA	Dice相似系数, 平均距离精度（MDA）	NA
25	2026-10-01	Accurate Segmentation of Surgical Instruments via Spectral-Attentive Contextual Interaction Network 2026-Apr-02, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2026.3675645 PMID:41926408	研究论文	提出一种频谱注意力上下文交互网络（SCI-Net）用于手术器械分割，以提高准确性和鲁棒性	提出全局上下文聚合模块（GCAM）、频谱增强特征模块（SFM）和尺度感知扩张模块（SDM）	未明确提及	手术器械分割	手术器械图像	计算机视觉	不适用	深度学习	卷积神经网络	图像	多个公开手术器械分割数据集	不适用	SCI-Net, GCAM, SFM, SDM	分割准确性和鲁棒性指标（如IoU、Dice）	不适用
26	2026-10-01	Clinical Potential of Artificial Bone Scintigraphy from Early-Phase Bone Scintigraphy Using Unpaired Image-to-Image Translation in Patients with Breast Cancer: A Single-Center Prospective Study 2026-Apr-02, Tomography (Ann Arbor, Mich.) DOI:10.3390/tomography12040050 PMID:42042938	研究论文	该研究利用非配对图像到图像翻译方法从早期骨闪烁扫描生成人工骨闪烁扫描，以模拟延迟期骨闪烁扫描特征，并评估其在乳腺癌患者中的临床潜力	首次在乳腺癌患者中利用对比非配对翻译模型从早期骨闪烁扫描生成人工骨闪烁扫描，以模拟延迟期图像特征	人工骨闪烁扫描在定性和视觉评估方面仍劣于目标延迟期骨闪烁扫描，不支持替代延迟期扫描进行确定性诊断	研究从早期骨闪烁扫描生成人工骨闪烁扫描的临床潜力，以模拟延迟期骨闪烁扫描特征	乳腺癌患者	计算机视觉	乳腺癌	骨闪烁扫描	GAN	图像	245例乳腺癌患者（195例用于训练，50例用于测试）	NA	对比非配对翻译	定性四点评分量表, 定性五点评分量表, 定量指标, 视觉评估	NA
27	2026-10-01	A comprehensive benchmarking study on computational tools for cross-omics label transfer from single-cell RNA to ATAC data 2026-04-01, G3 (Bethesda, Md.) DOI:10.1093/g3journal/jkag026 PMID:41655240	研究论文	本文对27种从单细胞RNA测序数据向单细胞ATAC测序数据迁移标签的计算工具进行了全面的基准测试	首次系统性地对27种跨组学标签迁移方法进行大规模基准测试，涵盖了多种人类和小鼠组织的数据，并评估了数据不平衡、数据二值化、半监督策略等因素对模型性能的影响	未明确提及，可能受限于所测试数据集的范围和特定组织类型	评估和比较从scRNA-seq到scATAC-seq进行标签迁移的计算工具，为未来方法开发提供建议	来自多种人类和小鼠组织的单细胞RNA和ATAC数据	单细胞组学	NA	scRNA-seq, scATAC-seq	NA	单细胞RNA和ATAC数据	来自多种人类和小鼠组织的单细胞RNA和ATAC数据	NA	NA	预测准确率	NA
28	2026-09-28	Deep-learning based quantitative evaluation of postoperative atelectasis following right upper lobectomy 2026-Apr-30, NPJ digital medicine IF:12.4Q1 DOI:10.1038/s41746-026-02683-6 PMID:42062447	研究论文	开发基于深度学习的自动化框架，用于量化和分级右上肺叶切除术后肺不张	首次使用深度学习自动量化肺叶体积来评估术后肺不张的严重程度，并关联临床结局	回顾性研究，样本量有限（236例），需外部验证	开发和验证基于深度学习的自动化框架，以量化和分级右上肺叶切除术后的肺不张	2008年至2023年间接受右上肺叶切除术的患者	医学图像分析	肺癌	CT成像	nnU-Net	医学图像	236例患者	PyTorch	nnU-Net v2	体积测量、p值、OR、95%CI	NA
29	2026-09-28	Inference of germinal center evolutionary dynamics via simulation-based deep learning 2026-Apr-28, eLife IF:6.4Q1 DOI:10.7554/eLife.108880 PMID:42047489	研究论文	通过基于模拟的深度学习从重复小鼠实验数据中推断生发中心进化动态，学习亲和力-适应度响应函数	首次使用深度学习和基于模拟的推断方法，从重复生发中心条件的实验中学习未知的亲和力-适应度响应函数	推断依赖于模拟模型的准确性，实验仅涉及小鼠模型，可能无法完全反映人类生发中心动态	推断生发中心中B细胞亲和力与繁殖力之间的关系，即亲和力-适应度响应函数	小鼠生发中心B细胞及其进化动态	机器学习	NA	基于模拟的推断	深度学习	模拟数据，实验数据	NA	NA	NA	NA	NA
30	2026-09-28	spRefine denoises and imputes spatial transcriptomic data with a reference-free framework powered by genomic language model 2026-04-07, Genome research IF:6.2Q1 DOI:10.1101/gr.281001.125 PMID:41633767	研究论文	本文提出了一种基于基因组语言模型的无参考框架spRefine，用于对空间转录组数据进行联合去噪和填补	利用基因组语言模型实现无参考的空间转录组数据联合去噪和填补，并提升数据整合、模型预训练及新生物学信号发现的能力，尤其是提高了空间衰老时钟估计的准确性并揭示了与衰老相关的新关系	NA	解决空间转录组数据中高噪声水平和基因测量缺失的问题，并提升下游分析的准确性	空间转录组数据	空间转录组学, 机器学习	NA	空间转录组学	深度学习框架, 基因组语言模型	空间转录组数据	多个不同规模的数据集	NA	基因组语言模型	NA	NA
31	2026-09-28	Application of a virtual imaging framework for investigating a deep learning-based reconstruction method for 3D quantitative photoacoustic computed tomography 2026-Apr, Photoacoustics IF:7.1Q1 DOI:10.1016/j.pacs.2025.100792 PMID:41626289	研究论文	本文应用虚拟成像框架评估一种基于深度学习的3D定量光声计算机断层扫描重建方法，用于乳腺成像	首次使用逼真的虚拟成像测试平台评估3D基于学习的qPACT重建方法，并考虑了受试者变异性和物理因素	研究基于虚拟成像，尚未在体模或体内研究中验证	开发稳健的qPACT重建方法，解决计算需求、建模困难和实验不确定性	乳腺成像	计算机视觉	乳腺癌	光声计算机断层扫描	CNN	图像	NA	NA	NA	NA	NA
32	2026-09-28	Robust registration under large image misalignment using an iterative step-aware transformer with application to corneal confocal microscopy 2026-Apr-01, Biomedical optics express IF:2.9Q2 DOI:10.1364/BOE.581331 PMID:42110991	研究论文	提出了一种基于混合交叉注意力和自注意力Transformer的迭代步长感知配准网络（ISATR-Net），用于角膜共聚焦显微镜图像中大幅错位下的鲁棒仿射配准，并构建了一个包含多种角膜疾病的新数据集进行评估	1. 提出混合交叉注意力和自注意力的Transformer配准网络，显式建模长距离空间对应关系，实现大幅错位下的鲁棒仿射对齐；2. 引入迭代步长感知条件机制，通过逐步细化减少残余错位；3. 构建了涵盖多种角膜疾病的新CCM数据集，用于临床多样性条件下的配准评估	摘要中未明确提及研究的局限性	解决角膜共聚焦显微镜图像拼接中因手动光栅扫描导致的大幅帧错位问题，实现鲁棒的仿射配准以构建高质量镶嵌图	角膜共聚焦显微镜图像中的角膜基底神经丛，涵盖干眼症、神经性角膜疼痛、穿透性角膜移植、葡萄膜炎、Fuchs角膜营养不良及对照病例	医学图像分析	角膜疾病	角膜共聚焦显微镜	Transformer	图像	156只眼（来自91名患者），共1,349对图像帧配准对	NA	ISATR-Net	NA	NA
33	2026-09-28	Quantifying the Efficacy of Deep Learning-Driven Deformable Registration in Multiplexed-Immunofluorescence Imaging for Nucleus Subtype Classification 2026-Apr, The journal of machine learning for biomedical imaging DOI:10.59275/j.melba.2026-912a PMID:42781412	研究论文	本文提出了一种基于深度学习的可变形配准技术（VoxelMorph），用于多重免疫荧光成像中细胞核亚型的分类，通过减少空间错位来提高分类成功率	将VoxelMorph应用于MxIF图像的DAPI图像进行可变形配准，采用基于块的训练和推理策略处理大尺寸图像，并利用双向配准的残差位移掩膜高残差区域	未明确说明计算资源需求，可能依赖于特定硬件；配准方法可能对某些组织类型效果有限	减少由于连续染色轮次间的空间错位而被排除的细胞核数量，提高细胞核亚型分类的准确性	多重免疫荧光（MxIF）图像中的细胞核	数字病理学	NA	多重免疫荧光（MxIF）成像	CNN	图像	NA	PyTorch	VoxelMorph	成功分类的细胞核数量增加百分比	NA
34	2026-09-25	Fetal sleep: a cross-species review of physiology, measurement, and classification 2026-Apr-16, Sleep IF:5.3Q1 DOI:10.1093/sleep/zsag003 PMID:41530894	综述	本文首次对跨越七十余年的胎儿睡眠研究进行跨物种整合综述，比较了人类胎儿与动物模型的睡眠生理与个体发育，并梳理了从侵入性神经生理学向无创监测与深度学习框架转变的方法学演进	首次将超过七十年的胎儿睡眠研究整合为统一的跨物种综述，系统对比人类胎儿与动物模型的睡眠生理与发育，并综述从侵入性神经生理学到无创监测及深度学习框架的方法学演变	尽管动物研究广泛，但尚无统一、经临床验证的胎儿睡眠状态定义框架，限制了其向常规产科实践的转化	综合跨物种、跨方法与跨临床背景的证据，为开发客观、多模态、无创的胎儿睡眠监测技术奠定科学基础，以支持神经系统损害的早期检测并及时指导产前干预	胎儿睡眠相关研究，包括人类胎儿及动物模型（如胎羊、狒狒）的睡眠生理、睡眠状态分类及基于信号的监测研究	数字病理学, 机器学习	神经系统疾病, 胎儿神经发育异常	无创监测, 深度学习, 神经生理学监测, 信号处理	深度学习	生理信号, 文本	共纳入169项研究（源自2925条检索记录）	NA	NA	NA	NA
35	2026-09-25	The application of artificial intelligence in the design of highly compatible knee prostheses: a systematic review 2026-Apr-11, BMC musculoskeletal disorders IF:2.2Q3 DOI:10.1186/s12891-026-09819-5 PMID:41965683	系统综述	本文系统综述了人工智能在全膝关节置换术假体设计中的应用，涵盖假体尺寸预测、类型识别和手术规划三个方向	首次对AI在TKA假体适配设计中的应用进行系统梳理和综合评价，归纳了三种主要应用方向及技术路径	纳入研究存在数据异质性、样本量差异大、缺乏充分的临床验证，且因异质性过大未能进行荟萃分析	系统评价人工智能在全膝关节置换术假体设计中的应用现状、技术方法和性能表现	2019年至2025年间发表的16项关于AI应用于TKA假体设计的研究	机器学习	骨关节炎	NA	CNN, EfficientNet, YOLO	图像	16项研究，来自9个国家	NA	CNN, EfficientNet, YOLO	准确率, AUC	NA
36	2026-09-25	A review of artificial intelligence-based research on chronic obstructive pulmonary disease 2026 Apr-May, Respiratory medicine IF:3.5Q2 DOI:10.1016/j.rmed.2026.108778 PMID:41839412	综述	本文综述了近年来基于人工智能的慢性阻塞性肺疾病（COPD）研究，涵盖筛查与诊断、疾病分级与评估、疾病管理与监测以及治疗等方面	系统梳理了传统方法、监督学习、无监督学习、半监督学习和强化学习五种技术视角下的COPD相关研究，总结了常用数据集和模型评估指标，并通过对比实验分析比较了各类模型在具体COPD任务中的优势与局限性	作为综述文章，未开展原创性实验研究，主要基于现有文献进行归纳与比较	深入探讨人工智能在COPD诊断和管理中的应用，为后续研究提供理论参考和启示	慢性阻塞性肺疾病（COPD）	机器学习	慢性阻塞性肺疾病	NA	NA	NA	NA	NA	NA	NA	NA
37	2026-09-25	Large Language Models and Otolaryngology: A Review 2026-04-01, JAMA otolaryngology-- head & neck surgery DOI:10.1001/jamaoto.2025.5335 PMID:41642593	综述	本文综述了大语言模型（LLMs）在耳鼻喉科的应用现状与前景，指出该领域仍处于可行性评估阶段，并借鉴其他专科的先进经验提出未来发展方向	系统性地将大语言模型在其他医学专科中的创新应用（如非结构化数据结构化、自动化表型分析、行政任务优化、领域特定决策支持、多模态语言模型）引入耳鼻喉科视野，并明确提出耳鼻喉科应从可行性研究转向临床试验式验证与实施研究	大多数耳鼻喉科研究仅限于使用闭源模型的可行性评估，缺乏临床整合与转化验证，且未充分利用耳鼻喉科独有的多模态数据优势	为耳鼻喉科医生提供大语言模型应用的基础知识，并借鉴其他领域的创新经验，推动该技术在耳鼻喉科的临床转化与负责任应用	大语言模型在耳鼻喉科领域的应用研究及相关文献	自然语言处理	耳鼻喉疾病	大语言模型	大语言模型	文本、图像、电生理信号、视频	NA	NA	Transformer	NA	NA
38	2026-09-23	DrugPTM-Bench: A Large-Scale Dataset for Predictive Modeling of Drug-Induced Cell Type-Specific Protein Post-Translational Modifications 2026-Apr-30, bioRxiv : the preprint server for biology DOI:10.64898/2026.04.27.721113 PMID:42094496	研究论文	本文提出了DrugPTM-Bench，一个大规模基准数据集，用于药物诱导的细胞类型特异性蛋白质翻译后修饰的预测建模	构建了首个标准化、药物扰动的大规模PTM数据集，涵盖7种癌细胞系、27种药物和11167种蛋白质，包含6个时间点、16个剂量水平和pEC50效力值，并定义了分类任务来识别药物处理后上调、下调或不变的PTM位点	在蛋白质不相交的分布外设置中，基线机器学习和深度学习模型难以恢复少数调控类别，标准重平衡策略仅以提高精确度和总体F1分数为代价来改善召回率，当前方法无法学习调控与未变化PTM事件之间的稳健决策边界	解决现有PTM资源静态且无法捕捉药物诱导调控的问题，为药物发现提供以PTM为中心的多任务基准	7种癌细胞系、27种药物、11167种蛋白质的翻译后修饰位点	机器学习	癌症	解密M衍生的剂量依赖性PTM测量、磷酸化蛋白质组学	机器学习、深度学习基线模型	磷酸化蛋白质组学数据	7种癌细胞系、27种药物、11167种蛋白质、6个时间点、16个剂量水平，99.5%为磷酸化事件	NA	NA	召回率、精确度、F1分数	NA
39	2026-09-23	Learning dynamics of unsupervised deep learning reveal epoch-specific genetic architectures of brain morphology 2026-Apr-28, bioRxiv : the preprint server for biology DOI:10.64898/2026.04.24.720631 PMID:42094373	研究论文	该研究通过分析在UK Biobank的T1加权脑MRI上训练的3D卷积自编码器的学习动态，揭示了不同训练时期捕捉到不同的脑形态遗传结构，并表明集成多个信息性检查点能发现更多基因组风险位点	首次将无监督深度学习的学习动态作为遗传发现的新维度，证明了不同训练时期捕捉不同的遗传结构，集成多个检查点优于单一检查点方法，并揭示了时期特异性位点（如MAPT和MCPH1）映射到不同的神经解剖特征	摘要中未明确提及研究限制	探索无监督深度学习在学习过程中表示演化对遗传发现的影响，并利用学习动态来揭示脑形态的遗传结构	UK Biobank参与者的T1加权脑MRI数据	医学影像分析、遗传学	脑部疾病（如神经退行性疾病）	T1加权脑MRI、3D卷积自编码器	3D卷积自编码器	3D图像	NA	NA	3D卷积自编码器	NA	NA
40	2026-09-23	Toward trustworthy clinical AI for obsessive-compulsive disorder: reliability, generalizability, and interpretability of a transformer model across the ENIGMA-OCD consortium 2026-Apr-27, medRxiv : the preprint server for health sciences DOI:10.64898/2026.04.24.26351711 PMID:42094125	研究论文	该研究将基于Transformer的深度学习模型（Multi-Band Brain Net）应用于ENIGMA-OCD联盟的大型静息态功能磁共振成像数据集，系统评估了模型在强迫症分类中的可靠性、泛化性和可解释性	首次在最大的强迫症rs-fMRI多站点数据集上系统评估Transformer模型的可靠性（校准）、泛化性（留一站点验证）和可解释性（注意力权重分析），并发现大规模预训练虽不提升准确率但能显著改善模型校准和消除扫描仪制造商偏差	模型分类性能仅为中等水平（AUROC = .653 ± .039），留一站点验证存在明显的跨站点泛化差距（AUROC = .427-.819），预训练未能弥合该泛化差距	开发可信赖的强迫症临床人工智能，评估模型的可靠性、泛化性和可解释性，为强迫症的临床AI应用提供框架	强迫症患者和健康对照者的静息态功能磁共振成像数据	机器学习	强迫症	静息态功能磁共振成像（rs-fMRI）	Transformer	图像	1,706名参与者（869例强迫症患者，837名健康对照），来自全球23个站点；预训练数据集为UK Biobank（N = 40,783）	NA	Multi-Band Brain Net（基于Transformer）	AUROC	NA