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
1001	2026-04-04	Residual Conditional Variational Autoencoder for Multi-Center PET/CT Radiomic Feature Harmonization with Integrated Modeling of Batch Effects and Clinical Covariates 2026-Apr-02, Journal of imaging informatics in medicine DOI:10.1007/s10278-026-01934-y PMID:41927822	研究论文	本研究提出了一种集成批次信息和临床协变量的残差条件变分自编码器模型（ResCVAE-Harmonizer），用于多中心特征协调，并系统全面地评估其协调性能	提出了一种新的ResCVAE-Harmonizer模型，能够同时消除线性和非线性批次效应，并整合临床协变量进行多中心特征协调	在线性方差一致性方面略逊于ComBat方法	开发并评估一种用于多中心PET/CT影像组学特征协调的深度学习方法	多中心PET和CT影像数据	数字病理学	NA	PET/CT成像，影像组学特征提取	变分自编码器，残差网络	医学影像（PET和CT图像）	来自9个不同中心的806个病例	NA	ResCVAE-Harmonizer, 3D-DenseNet-121	C-index, Levene检验的-log(p)值, 分类准确率, Kaplan-Meier生存曲线, log-rank检验	NA
1002	2026-04-04	Automated Detection and Classification of Pleural Effusion on Computed Tomography Using Deep Learning 2026-Apr-02, Journal of imaging informatics in medicine DOI:10.1007/s10278-026-01938-8 PMID:41927820	研究论文	本研究开发并评估了一种基于深度学习的两阶段人工智能框架，用于从非对比胸部CT图像中自动分割和病因学分类胸腔积液	提出了一种结合U-Net分割与基于定量影像特征（面积、密度、纹理）的分类的两阶段深度学习框架，首次实现了胸腔积液的自动分割与病因学（脓胸、恶性、漏出性）分类	研究为回顾性设计，样本可能有限，且仅基于非对比胸部CT图像，未考虑临床或其他影像数据	开发自动分割和病因学分类胸腔积液的人工智能系统，以辅助临床决策	非对比胸部CT图像中检测到的胸腔积液区域	计算机视觉	胸腔积液相关疾病	非对比胸部CT成像	U-Net, 逻辑回归, 支持向量机, 随机森林, 梯度提升	图像	NA	NA	U-Net	准确率, 宏F1分数	NA
1003	2026-04-04	Deep learning-based image reconstruction significantly improves image quality of MRI examinations of the orbit at 3 Tesla 2026-Apr, Diagnostic and interventional imaging IF:4.9Q1 DOI:10.1016/j.diii.2025.11.003 PMID:41276422	研究论文	本研究评估了基于深度学习的图像重建（DLBIR）在3特斯拉轨道磁共振成像（MRI）中改善图像质量的效果	首次在3特斯拉轨道MRI中系统评估DLBIR技术对图像质量的提升效果，并验证其在保持临床相关信息不丢失的同时显著改善图像质量	样本量相对较小（71名患者），且仅评估了特定MRI序列（冠状T2加权和对比后脂肪饱和T1加权图像），未涵盖所有可能的MRI序列或场强	评估DLBIR技术在轨道MRI中改善图像质量的效益	71名接受3特斯拉轨道MRI检查的患者（48名女性，23名男性，平均年龄52±19.5岁）	医学影像分析	轨道疾病	磁共振成像（MRI），基于深度学习的图像重建（DLBIR）	深度学习模型	磁共振图像	71名患者，包括70名患者的冠状T2加权MR图像和25名患者的对比后脂肪饱和冠状T1加权MR图像	NA	NA	信噪比（SNR），对比噪声比（CNR），图像质量评分（5点Likert量表），异常检测率	NA
1004	2026-04-04	Accurate single-domain scaffolding of three nonoverlapping protein epitopes using deep learning 2026-Apr, Nature chemical biology IF:12.9Q1 DOI:10.1038/s41589-025-02083-z PMID:41350440	研究论文	本研究利用深度学习设计了一种能够同时呈现三个非重叠病毒表位的单域蛋白质支架	首次使用深度学习方法在单个小分子蛋白质域（小于130个残基）中同时成功支架三个不同的、不规则的病毒表位，且整体折叠与已知蛋白质结构库中的结构相似度极低	未明确说明深度学习模型的具体泛化能力及对其他蛋白质复合表位设计的适用性	开发一种能够同时呈现多个功能性位点的单域蛋白质设计方法	呼吸道合胞病毒（RSV）的三个非重叠、不规则表位	机器学习	呼吸道合胞病毒感染	深度学习，X射线晶体学	生成式深度学习模型	蛋白质序列与结构数据	未明确说明具体样本数量，但涉及设计的多个单域免疫原	NA	NA	交叉反应滴度，中和反应	NA
1005	2026-04-04	Super-resolution deep learning reconstruction improves brain MRI quality and detection of metastases 2026-Apr, Japanese journal of radiology IF:2.9Q2 DOI:10.1007/s11604-025-01921-3 PMID:41366626	研究论文	本研究评估了超分辨率深度学习重建（SR-DLR）与传统深度学习重建（DLR）在对比增强T1加权脑部MRI中检测和可视化脑转移瘤的性能	首次在脑转移瘤检测中比较SR-DLR与DLR，证明SR-DLR在病灶检测性能和图像质量方面具有显著优势	回顾性研究设计，样本量相对较小（47例患者），可能影响结果的普遍性	评估SR-DLR在提高脑部MRI质量和脑转移瘤检测能力方面的效果	脑转移瘤患者	数字病理学	脑转移瘤	MRI	深度学习重建模型	MRI图像	47例连续患者，共检测到117个脑转移瘤	NA	NA	JAFROC分析，Wilcoxon符号秩检验，McNemar检验，配对t检验，FWHM，ERD，ERS，SNR，CNR	NA
1006	2026-01-06	Deep learning-based image reconstruction best contributes to image quality enhancement under close expert supervision 2026-Apr, Diagnostic and interventional imaging IF:4.9Q1 DOI:10.1016/j.diii.2025.12.006 PMID:41486036	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
1007	2026-04-04	Topological control of spontaneous failure in active nematic solids 2026-Apr, Nature materials IF:37.2Q1 DOI:10.1038/s41563-026-02493-x PMID:41741734	研究论文	本研究通过实验和模型揭示了拓扑缺陷在活性向列固体中如何集中内应力并控制自发断裂的机制	发现了多缺陷构型（特别是缺陷四极子）在活性固体断裂中的关键作用，并建立了深度学习模型从初始拓扑结构预测最终星状体形成	NA	探究拓扑缺陷如何控制活性向列固体的自发机械失效	重构的二维肌动球蛋白网络	机器学习	NA	NA	深度学习模型	实验数据	NA	NA	NA	NA	NA
1008	2026-04-04	Structuring large language models for chemical health risk reasoning in environmental and occupational exposure 2026-Apr-01, Journal of hazardous materials IF:12.2Q1 DOI:10.1016/j.jhazmat.2026.141820 PMID:41865571	研究论文	本文提出了一种集成深度学习化合物属性预测、检索增强生成和提示工程的健康风险助手，用于环境与职业暴露中的化学健康风险推理	通过语义结构化和领域感知提示两种协同策略，将异构知识重组为上下文一致且语义丰富的配置文件，并引导大语言模型进行结构化、角色特定的毒理学推理	未明确说明模型在处理极端罕见化合物或高度不确定数据时的具体局限性	开发一个可信且可扩展的AI推理框架，用于公共和环境健康保护中的化学风险评估	化学化合物，特别是稀有或研究不足的化合物，涉及多样化的职业和日常暴露场景	自然语言处理	NA	深度学习化合物属性预测, 检索增强生成, 提示工程	大语言模型	文本, 结构化知识	在一个包含100个问题的基准测试上进行评估，涵盖慢性毒性、职业危害和暴露特定风险	NA	NA	正确性, 忠实性, 领域特定帮助性	NA
1009	2026-04-04	Utility of multimodal deep learning model to diagnose lymph node metastasis in esophageal cancer using computed tomography and positron emission tomography images 2026-Apr, Surgery today IF:1.7Q2 DOI:10.1007/s00595-025-03152-5 PMID:41109897	研究论文	本研究评估了基于多模态成像（包括非增强CT、增强CT和PET）的深度学习模型在诊断食管癌淋巴结转移方面的性能，并与专家评估进行比较	开发了一种结合CT和PET图像的多模态深度学习模型，用于诊断食管癌淋巴结转移，其诊断性能与经验丰富的专家相当	研究为回顾性分析，样本量相对有限（521个淋巴结来自167名患者），可能影响模型的泛化能力	评估深度学习模型利用多模态成像检测食管癌淋巴结转移的性能，并与专家诊断进行比较	食管癌患者的淋巴结（来自167名接受食管切除术的患者）	计算机视觉	食管癌	非增强CT、增强CT、正电子发射断层扫描（PET）成像	深度学习模型	图像（CT和PET图像）	521个淋巴结来自167名食管癌患者	NA	NA	受试者工作特征曲线下面积（AUC）	NA
1010	2026-04-04	Deep Learning for Automated Tumor Segmentation of Rectal Cancer on T2-Weighted Magnetic Resonance Images 2026-Apr, Yonsei medical journal IF:2.6Q1 DOI:10.3349/ymj.2025.0133 PMID:41914320	研究论文	本研究开发了一种基于深度学习的自动分割模型，用于在T2加权磁共振图像上分割直肠癌肿瘤	采用Attention U-Net模型，并比较了有无直肠引导的分割效果，发现叠加直肠轮廓可提高分割准确性	研究为回顾性设计，样本量有限（458例），且仅基于T2加权图像，未考虑多模态数据	开发直肠癌肿瘤的自动分割模型以提高诊断效率	直肠癌患者的T2加权磁共振图像	数字病理学	直肠癌	T2加权磁共振成像	CNN	图像	458例患者	NA	Attention U-Net	Dice相似系数	NA
1011	2026-04-04	Real-Life Clinical Validation of Artificial Intelligence-Assisted Detection and Differentiation of Pleomorphic Lesions in Capsule Endoscopy 2026-Apr-01, The American journal of gastroenterology DOI:10.14309/ajg.0000000000003756 PMID:40874973	研究论文	本研究通过多中心前瞻性验证，评估了人工智能辅助阅读在胶囊内窥镜中检测和区分多形性小肠病变的临床效果	首次在多中心研究中证明AI辅助胶囊内窥镜阅读在病变检测和区分方面优于传统阅读方法，并解决了设备互操作性和人口多样性挑战	未明确说明AI模型的泛化能力在更广泛临床环境中的验证情况，且未详细讨论模型对不同类型病变的具体区分性能	比较人工智能辅助阅读与传统胶囊内窥镜阅读在检测和区分小肠多形性病变方面的准确性和效率	胶囊内窥镜视频中的小肠多形性病变	数字病理学	小肠疾病	胶囊内窥镜	深度学习模型	视频	330个胶囊内窥镜视频，来自7个中心的3种设备，覆盖4个国家	NA	NA	准确率, 灵敏度, 特异性, 阳性预测值, 阴性预测值, 小肠病变检测率	NA
1012	2026-04-04	Classification of soil-embedded colored plastics of many types with NIR hyperspectral high-resolution imaging system and multi-scale 3D deep learning 2026-Apr-01, Journal of hazardous materials IF:12.2Q1 DOI:10.1016/j.jhazmat.2026.141821 PMID:41875571	研究论文	本研究提出了一种结合近红外高光谱成像系统和多尺度3D深度学习网络的方法，用于在复杂土壤背景下对多种颜色的嵌入式塑料进行高精度分类	开发了新型近红外高光谱成像系统，并设计了专门的MS3D-Net模型，能够同时进行像素级分割和聚合物分类，有效克服了塑料着色剂和复杂土壤背景的干扰	NA	开发一种能够在复杂土壤环境中精确分类多种塑料聚合物的方法，为环境可持续性和塑料废物管理提供技术支持	嵌入土壤中的11种塑料类型，包括经过老化、氧化、破碎和生物污染的塑料，以及从环境中收集的不规则消费塑料产品	计算机视觉	NA	近红外高光谱成像	3D深度学习	高光谱图像	在三种不同的异质土壤类型（壤土、粘土和沙子）中，在不同湿度梯度下进行测试	NA	MS3D-Net	平均精度	NA
1013	2026-04-04	Multiomics Research Strategies in Cancer: A Growing and Innovative Field 2026-Apr, MedComm IF:10.7Q1 DOI:10.1002/mco2.70644 PMID:41930321	综述	本文综述了癌症多组学研究策略，包括疾病特征、多组学生物标志物研究现状，以及利用深度学习方法整合多组学数据以揭示癌症上游致病变化和下游分子效应的策略	讨论了单细胞和空间组学在指导治疗策略、风险评估和早期诊断中的应用及其对精准医学的潜在影响，强调多组学综合分析在癌症研究中的创新性	该领域相对年轻，单细胞和空间组学的发展尚在早期阶段，可能面临技术和方法学上的限制	综述癌症多组学研究策略，以促进对癌症分子机制的理解，并推动生物标志物发现和治疗靶点识别	癌症作为一种高度复杂和异质性疾病，涉及多种病理生理事件	机器学习	癌症	多组学方法，包括单细胞组学和空间组学	深度学习	多组学数据	NA	NA	NA	NA	NA
1014	2026-04-01	Deep learning of wrist accelerometry from UK Biobank data identifies early movement signatures of knee osteoarthritis up to 5 years before diagnosis 2026-Apr, Knee surgery, sports traumatology, arthroscopy : official journal of the ESSKA DOI:10.1002/ksa.70332 PMID:41700483	研究论文	本研究利用英国生物银行数据，通过深度学习分析手腕加速度计数据，旨在识别膝骨关节炎（KOA）的早期运动特征，可在诊断前长达5年预测风险	首次将手腕加速度计数据与深度学习结合，用于识别膝骨关节炎的早期运动特征，并能在诊断前长达5年预测风险，突出了可穿戴设备在人群筛查中的潜力	研究为回顾性病例对照设计，属于二级分析而非前瞻性设计的预后试验；模型性能中等，区分前驱期与确诊KOA的能力接近随机水平	测试手腕加速度计数据结合深度学习是否能区分健康个体与膝骨关节炎患者、分离前驱期与确诊KOA，并预测未来5年内被诊断为KOA的个体	英国生物银行参与者，包括健康个体、膝骨关节炎患者（前驱期和确诊期），基于ICD-10代码识别，并控制BMI、年龄和性别等因素	机器学习	膝骨关节炎	手腕加速度计监测	CNN	加速度计时间序列数据	总参与者102,120人，其中KOA患者7,262人；具体任务中平衡队列样本量分别为3,677、1,596 vs. 2,081、1,369每类	NA	1D卷积神经网络	准确率, 宏F1分数, 宏灵敏度, AUC	NA
1015	2026-04-01	Head radiotherapy positioning guidance system based on feature recognition and automatic annotation: Clinical validation and error analysis 2026-Apr, Medical physics IF:3.2Q1 DOI:10.1002/mp.70405 PMID:41904706	研究论文	本研究开发了一种基于RGB-D相机和深度学习算法的放疗定位引导系统，用于头颈部肿瘤放疗的精准定位	将DeepLab-Opt和FFMD算法整合到放疗工作流中，实现基于表面轮廓和面部标志点的粗-精两级定位，并通过实时反馈系统提高定位精度	研究样本量较小（22例患者），且仅针对头颈部肿瘤进行验证，未涉及其他部位肿瘤	探索基于特征识别和自动标注的放疗定位引导系统的可行性，并分析其在头颈部放疗中的定位误差	头颈部肿瘤患者	计算机视觉	头颈部肿瘤	RGB-D成像，深度学习算法	CNN	彩色图像，深度图像	22例头颈部肿瘤患者，共246次定位案例	NA	DeepLab-Opt, Fast Face Marker Detector (FFMD)	定位误差（横向、纵向、垂直方向及旋转角度），定位时间	NA
1016	2026-04-01	Interpreting the Effects of Environmental Variables on a Multistep Deep Learning Model for Algal Bloom Prediction Using Explainable Artificial Intelligence 2026-Apr, Water environment research : a research publication of the Water Environment Federation IF:2.5Q2 DOI:10.1002/wer.70339 PMID:41911833	研究论文	本研究开发了一个序列到序列深度学习模型来预测叶绿素a浓度，并应用可解释人工智能方法分析环境变量对模型性能的影响	首次将可解释人工智能方法应用于藻华预测的深度学习模型，定量解释不同预测时间步长下环境变量的影响	模型在长期预测（如28天）时性能显著下降，NSE从0.908降至0.255	开发并评估用于藻华预测的深度学习模型，并分析环境变量对预测性能的影响	叶绿素a浓度（作为藻华的定量指标）	机器学习	NA	深度学习建模，可解释人工智能分析	Seq2Seq	时间序列数据	NA	NA	序列到序列模型	Nash-Sutcliffe效率	NA
1017	2026-04-01	Global Sensitivity Analysis for Robust XAI: Quantifying Clinical Risk and Prediction Instability in Dermoscopic Image Classification 2026-Apr, Risk analysis : an official publication of the Society for Risk Analysis IF:3.0Q1 DOI:10.1111/risa.70237 PMID:41913512	研究论文	本文提出并利用全局敏感性分析来量化卷积神经网络在皮肤镜图像分类中对关键光学图像参数的鲁棒性，以评估模型在临床环境中的诊断风险	将全局敏感性分析应用于深度学习模型，以量化其在皮肤镜图像分类中对光学参数变化的敏感性和诊断风险，超越了传统准确性评估	仅考虑了五种光学图像参数，可能未涵盖所有影响模型稳定性的临床变量	评估深度学习模型在皮肤镜图像分类中的鲁棒性，量化其诊断风险，以支持AI诊断系统的临床安全部署	皮肤镜图像分类模型	计算机视觉	皮肤癌	NA	CNN	图像	NA	NA	NA	准确性	NA
1018	2026-04-01	Deep Learning-Enhanced Resonance Frequency Analysis for Dental Implant Stability Assessment 2026-Apr, Clinical and experimental dental research IF:1.7Q3 DOI:10.1002/cre2.70342 PMID:41914428	研究论文	本研究开发并评估了一种深度学习增强的共振频率分析框架，用于提高牙科植入物稳定性评估的准确性和信号质量	提出了一种结合去噪卷积神经网络和元数据感知预测网络的深度学习增强RFA框架，显著提升了信号质量和ISQ预测精度	目前仅作为概念验证，需进行多中心前瞻性验证，纳入真实世界噪声分析和临床结果评估，才能投入临床应用	开发并评估一种深度学习增强的共振频率分析框架，以提高牙科植入物稳定性评估的准确性和信号质量	牙科植入物的共振频率分析信号	数字病理	NA	共振频率分析	CNN	信号	100个植入物（300个信号样本，每个植入物采集三次）	NA	去噪卷积神经网络，元数据感知预测网络	MAE, RMSE, R2, 容忍精度（±3 ISQ单位内）	NA
1019	2026-03-31	Glucose forecasting and hypoglycemia forewarning in type 1 and type 2 diabetes using deep learning 2026-Apr-17, iScience IF:4.6Q1 DOI:10.1016/j.isci.2026.115294 PMID:41907406	研究论文	本研究开发了一种名为MT-HypoNet的多任务神经网络，用于从连续血糖监测数据中进行实时血糖预测和低血糖预警	提出了一种统计引导的软标签策略以改进低血糖边界附近的检测，并在大规模多中心队列（包括1型和2型糖尿病患者）中进行了验证与前瞻性评估	未明确说明模型在其他糖尿病亚型或特殊人群（如儿童、孕妇）中的适用性，且前瞻性验证样本量相对较小	通过深度学习技术实现精准的血糖预测和低血糖预警，以改善糖尿病管理安全性	1型和2型糖尿病患者	机器学习	糖尿病	连续血糖监测	深度学习神经网络	时间序列数据（连续血糖监测数据）	1,662名患者（多中心队列）和36名围手术期患者（前瞻性验证）	未明确说明	MT-HypoNet（多任务神经网络）	AUC, RMSE	NA
1020	2026-03-31	Toward accurate prediction of pediatric epidemic disease patient volume in the Chaoshan region: A deep learning framework 2026-Apr-17, iScience IF:4.6Q1 DOI:10.1016/j.isci.2026.115211 PMID:41907420	研究论文	本研究开发了一个深度学习框架，用于预测潮汕地区儿科流行病患者的就诊量，基于电子健康记录数据	该框架首次针对潮汕地区的流行病学特征设计，能够学习捕捉本地疫情动态的儿科表征，以满足区域临床预测需求	研究仅基于单一医院的电子健康记录数据，可能未涵盖所有区域流行病学变化，且模型在其他地区的泛化能力未验证	准确预测儿科流行病患者就诊量，以支持有效的预防和个性化治疗策略	潮汕地区的儿科门诊和急诊患者	机器学习	儿科流行病	深度学习	深度学习框架	电子健康记录	278,506例儿科门诊和急诊就诊记录	NA	NA	平均相关系数，均方根误差，平均绝对比例误差	NA