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
1	2026-10-08	Deep learning based histomorphological phenotyping and prognostic stratification for combined SCLC and LCNEC 2026-May-30, NPJ digital medicine IF:12.4Q1 DOI:10.1038/s41746-026-02800-5 PMID:42218257	研究论文	本文介绍了一种可解释的深度学习模型GTBIS，用于从病理图像中对复合小细胞和大细胞神经内分泌肺癌进行组织形态学表型分析和预后分层	提出了GTBIS模型，能够准确区分SCLC和LCNEC，并对cSCLC-LCNEC患者进行预后分层，揭示了不同预后表型与增殖通路、上皮-间质转化、缺氧和代谢重编程等生物学过程的关联	未明确提及研究局限性	解决复合小细胞和大细胞神经内分泌肺癌的预后分层难题，实现更个性化的管理	复合小细胞和大细胞神经内分泌肺癌患者	数字病理学	肺癌	深度学习	CNN	图像	多中心队列共670例患者	NA	NA	五年总生存率、无病生存率、多变量分析	NA
2	2026-10-08	A deep learning model for automated identification of age-related macular degeneration atrophy 2026-May-09, Graefe's archive for clinical and experimental ophthalmology = Albrecht von Graefes Archiv fur klinische und experimentelle Ophthalmologie DOI:10.1007/s00417-026-07205-4 PMID:42105087	研究论文	该研究开发了一个深度学习模型，用于自动识别年龄相关性黄斑变性（AMD）中的完全视网膜色素上皮和外部视网膜萎缩（cRORA）。	该研究构建了两个大型独立队列，包含近5000个3D OCT扫描，并开发了一个在内部验证中达到最先进性能（ROC AUC 0.97）的深度学习模型，且在外部评估中展示了稳健的零样本学习能力（ROC AUC 0.88）。	抽象中未明确提及局限性	自动化诊断cRORA，以提高标注一致性并减少临床负担，从而促进临床研究和试验分析。	年龄相关性黄斑变性（AMD）患者，包括非新生血管性和新生血管性亚组	数字病理学	年龄相关性黄斑变性	光学相干断层扫描（OCT）	深度学习模型	3D OCT扫描图像	近5000个3D OCT扫描	NA	NA	ROC AUC	NA
3	2026-10-05	Hepatic and abdominal adiposity in type 2 diabetes as assessed with machine learning on computed tomography scans 2026-05, Diabetes, obesity & metabolism DOI:10.1111/dom.70557 PMID:41705581	研究论文	该研究利用深度学习算法在腹部CT扫描上量化肝脏和腹部肥胖的表型，并分析其与2型糖尿病的关联	在大规模、种族多样化的医学生物库中，结合多种腹部影像特征（如脾肝衰减差、肝脾体积、内脏和皮下脂肪组织、内脏与皮下脂肪比）评估其与2型糖尿病的关系，并发现内脏与皮下脂肪比可作为传统肥胖指标的替代	研究为横断面设计，无法确定因果关系；样本主要来自单一医疗中心，可能限制普遍性；未详细说明深度学习算法的具体架构和验证过程	探讨腹部CT影像特征与2型糖尿病之间的关联，并评估这些特征在糖尿病风险评估中的潜在价值	接受腹部CT扫描的患者，包括950名非糖尿病患者和644名糖尿病患者	医学影像分析	2型糖尿病	计算机断层扫描（CT）	深度学习	图像	1594名患者（平均年龄62岁，49.4%男性，59.3%白人）	NA	NA	比值比（OR）、95%置信区间、p值	NA
4	2026-10-05	Autonomous skeletal landmark localization toward agentic C-arm control 2026-May, International journal of computer assisted radiology and surgery IF:2.3Q2 DOI:10.1007/s11548-026-03632-0 PMID:42008049	研究论文	该研究探索了微调多模态大语言模型（MLLMs）用于C臂自主控制中的骨骼标志点定位，并与传统深度学习方法进行了对比	首次将多模态大语言模型应用于骨骼标志点定位，并提出基于MLLMs的智能体化C臂控制框架，能够融入临床医生反馈并利用推理能力进行调整	使用了合成X射线数据集，真实数据集规模有限；未在实际临床环境中验证智能体化C臂控制框架的完整流程	研究微调MLLMs在自主骨骼标志点定位中的可行性，以推动智能体化自主C臂控制的发展	X射线图像中的骨骼标志点	计算机视觉, 数字病理学	NA	多模态大语言模型微调, X射线成像	多模态大语言模型（MLLM）	图像	一个标注的合成X射线数据集和一个真实X射线数据集，每张X射线图像配有若干骨骼标志点	NA	多模态大语言模型（MLLM）	定位准确率	NA
5	2026-10-04	Development and Validation of a Diffusion-weighted Imaging-only Deep Learning Model for the Detection of Supratentorial Acute Ischemic Infarcts: A Retrospective Diagnostic Accuracy Study 2026-May-14, Annals of African medicine IF:0.6Q3 DOI:10.4103/aam.aam_224_26 PMID:42138578	研究论文	开发和验证一种仅基于弥散加权成像的深度学习模型，用于自动检测幕上急性缺血性梗死，并与放射科专家解读进行对比	提出了一种仅使用DWI图像的深度学习模型来检测幕上急性缺血性梗死，无需其他MRI序列，并在独立测试集上达到了高诊断准确率，处理时间小于1秒	回顾性研究设计，仅分析了幕上DWI图像，样本来自单一三级教学医院，可能存在选择偏倚	训练和测试基于DWI的深度学习模型以自动检测幕上急性缺血性梗死，并评估其相对于放射科专家解读的诊断性能	疑似急性缺血性卒中并接受脑部MRI检查的成年患者	计算机视觉	急性缺血性卒中	弥散加权成像	CNN	图像	1024例MRI检查	NA	NA	准确率, 灵敏度, 特异度, F1分数, AUC	NA
6	2026-10-04	SensX: Model-Agnostic Local Feature Attribution via Calibrated Global Sensitivity Analysis 2026-May, Transactions on machine learning research PMID:42824863	研究论文	提出了一种名为SensX的模型无关局部特征归因方法，通过校准的全局敏感性分析实现黑盒模型解释	将全局敏感性分析中的Morris坐标游走方法适配到局部归因任务，无需访问模型内部结构、训练数据或任意参考输入，用可解释的应用相关参数替代任意设计选择	仅在四个案例研究中进行了验证，未在大规模多样化数据集上广泛评估，方法的计算效率在大规模特征场景下可能受到限制	解决现有局部归因方法在组合式流水线中不可用的问题，为预训练、冻结或仅API可访问的模块提供模型无关的局部特征归因	深度学习模型的局部特征归因方法，包括合成基准测试、ViT图像分类器、单细胞分类器和空间转录组学系统	机器学习	NA	Morris坐标游走，全局敏感性分析	NA	图像，基因表达数据，空间转录组数据	四个案例研究，包括合成基准、ViT（超过150000个像素-通道特征）、单细胞分类器数据集、空间转录组学系统	NA	ViT	top-2归因准确率，top-k扰动AUC	NA
7	2026-10-01	MuSL: Multimodal deep learning for generalizable prediction of synthetic lethality from sequence, transcriptomic, and network data 2026-May-29, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2026.3698476 PMID:42213569	研究论文	提出MuSL，一个多模态深度学习框架，整合转录组直方图、统计表达特征和蛋白质-蛋白质相互作用网络信息，用于合成致死性预测	直接从原始表达谱学习分布模式，无需手工特征；整合多种模态数据；在未见基因上具有泛化能力；使用对比学习、交叉注意力和自适应门控进行模态对齐和整合	未明确说明，但可能依赖于PPI网络和ESM2嵌入的质量，以及计算资源需求	提高合成致死性预测的准确性和泛化能力，以识别选择性抗癌靶点	基因对、转录组表达谱、蛋白质-蛋白质相互作用网络	机器学习	癌症	转录组测序（bulk和单细胞）、蛋白质-蛋白质相互作用网络分析	卷积神经网络、图神经网络、对比学习、交叉注意力、自适应门控	转录组表达数据、网络数据、序列数据	NA	PyTorch（由于提供了GitHub代码，但未明确说明）	卷积神经网络、图神经网络（基于PPI网络）、ESM2蛋白质嵌入	未明确列出，但可能包括AUC、准确率等（根据常见SL预测任务推断）	NA
8	2026-10-01	Consistency-based Semi-supervised Evidential Active Learning Framework for Robust Classification of Radiology Images 2026-May-25, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2026.3696868 PMID:42184193	研究论文	提出了一种基于一致性半监督证据主动学习框架（CSEAL），用于放射学图像的鲁棒分类，并在多个X射线、CT和MRI数据集上验证了其性能。	1. 提出了CSEAL框架，将证据学习与半监督主动学习结合，实现可靠的不确定性估计和一致性强制；2. 开发了多种半监督方法的证据版本（Pseudo-labelling、VAT、Mean Teacher、NoTeacher）；3. 引入了噪声鲁棒证据NoTeacher，通过共识原则和小损失包含机制处理噪声标注；4. 将CSEAL转化为标注平台，辅助真实世界放射学图像标注。	未明确提及	解决半监督主动学习在放射学图像分类中不确定性估计不可靠和一致性强制效果不佳的问题，提高标注效率和模型鲁棒性	X射线、CT和MRI放射学图像	医学图像分析	NA	半监督学习、主动学习、证据学习	NA	图像	NA	NA	NA	NA	NA
9	2026-10-01	A Digital Twin-Inspired Closed-Loop Latent Simulation Framework for Cross-Cohort Breast Cancer Subtype Classification under Modality-Disjoint Learning 2026-May-22, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2026.3696086 PMID:42172162	研究论文	本文提出了一种受数字孪生启发的闭环潜在模拟（CDLS）框架，用于在模态不相交学习下进行跨队列乳腺癌亚型分类，通过PPO控制的随机策略和Twin-GRU转移模型迭代优化潜在表示	提出了闭环潜在轨迹分类系统，整合了组织病理学（WSI）、转录组学（RNA-seq）、乳腺X线摄影序列和临床协变量，在模态不相交机制下通过共享潜在对齐进行学习，而非传统的单次预测范式；引入了闭环潜在反馈步骤，通过kNN检索将模拟状态与真实患者嵌入对齐	潜在瓶颈维度 d_twin=7 是基于经验指导而非理论最优值；研究使用计算意义上的表示空间术语；多种子评估样本量较小（n=4和n=8）；PPO的选择基于轨迹几何特性而非边际精度增益	解决现有深度学习系统在乳腺癌PAM50亚型分类中缺乏迭代表示优化和不确定性轨迹分析机制的问题，实现跨队列模态不相交学习下的亚型分类	乳腺癌患者，来自三个非重叠队列的组织病理学（WSI）、转录组学（RNA-seq）、乳腺X线摄影序列和临床协变量数据	数字病理学	乳腺癌	组织病理学（WSI）、转录组学（RNA-seq）、乳腺X线摄影序列、临床协变量	强化学习（PPO）、Twin-GRU	图像、文本、基因组数据	三个非重叠队列的患者数据；多种子评估n=4（仅训练稳定性）和扩展8种子分析；五折交叉验证	NA	PPO、Twin-GRU	平衡准确率、MCC、准确率	NA
10	2026-10-01	Deep learning predicts stent implantation in borderline coronary lesions from angiography 2026-May-22, NPJ digital medicine IF:12.4Q1 DOI:10.1038/s41746-026-02779-z PMID:42174128	研究论文	本研究开发了一种注意力增强的深度学习模型，利用改进的EfficientNet结合卷积块注意力模块，从冠状动脉造影图像中预测临界冠状动脉病变是否需要支架植入	首次将改进的EfficientNet与卷积块注意力模块结合，利用FFR、IVUS和OCT的多模态标签作为参考标准进行训练，直接从造影图像预测支架必要性	回顾性研究设计，外部验证准确率下降至0.807，样本量有限（1298例），可能受选择偏差影响	评估深度学习模型在预测临界冠状动脉病变支架植入决策中的有效性和泛化能力	1298例冠状动脉临界病变（50-70%狭窄）患者的造影图像	医学图像分析	心血管疾病	冠状动脉造影	CNN	图像	1298例患者	NA	EfficientNet, 卷积块注意力模块	准确率, F1分数, AUC	NA
11	2026-10-01	Unsupervised Deep Learning-based Keypoint Localization Estimating Descriptor Matching Performance 2026-May-21, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2026.3695387 PMID:42166258	研究论文	提出了一种完全无需标注数据的无监督视网膜图像配准流程，通过先学习描述符再基于描述符性能估计定位关键点，实现了与传统方法相反的技术路线	首次完全反转了传统方法中先检测关键点再计算描述符的流程，提出了基于描述符匹配性能估计的无监督关键点检测器，完全消除了对标注数据的需求	未明确提及具体局限性，但方法性能仅达到与领先监督方法相当的水平而非超越	解决彩色眼底图像配准中标注数据稀缺的问题，开发完全无监督的配准方法	彩色眼底图像	计算机视觉	NA	无监督深度学习	NA	图像	四个保留数据集	NA	NA	NA	NA
12	2026-10-01	Explainable Deep Learning Framework for Multimodal Brain Tumor Classification via Neuroimaging Attribute Extraction 2026-May-20, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2026.3695364 PMID:42160250	研究论文	提出MADEX框架，通过卷积编码器提取可解释的神经影像属性，构建与WHO胶质瘤分类对齐的层次决策树，实现多模态脑肿瘤分类。	结合可解释神经影像属性提取、自适应模态交换机制、逐层Dempster-Shafer证据融合与原型约束，实现透明且与临床推理一致的多模态脑肿瘤分类。	未明确说明	解决多参数MRI脑肿瘤分级中深度学习模型不透明的问题，提升临床可接受性。	多参数MRI脑肿瘤影像数据	医学图像分析	脑肿瘤	多参数MRI	CNN	图像	BT-large-2c和BRaTS 2021数据集（具体样本量未说明）	未说明	卷积编码器、层次决策树	准确率	未说明
13	2026-10-01	A Foundation Model for Wearable Movement Data in Mental Health Research 2026-May-19, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2026.3694809 PMID:42154714	研究论文	该研究设计了一种基于Transformer的基础模型PAT，通过对分钟级、为期一周的体动记录序列进行自监督掩码自编码器预训练，用于心理健康研究中的可穿戴运动数据分析	开发了首个面向可穿戴运动时间序列的开源基础模型PAT，结合了为期一周的时间建模、精神科结果评估以及基于公开数据的可重复性验证	未明确说明模型的泛化能力、在不同人群和不同设备上的适用性以及潜在的伦理和隐私问题	开发并评估用于可穿戴运动数据的基础模型，以推进心理健康领域的临床洞察	来自美国国家健康与营养调查（NHANES）全国代表性队列的21,538名美国参与者的体动记录数据	机器学习	精神疾病	体动记录（actigraphy）	Transformer	时间序列	21,538名美国参与者的分钟级为期一周的体动记录序列	NA	Transformer	预测准确率	NA
14	2026-10-01	SAND: Spectral-Attention Neural Decoding of Hand Kinematics from Low-Frequency EEG Dynamics 2026-May-19, IEEE transactions on bio-medical engineering DOI:10.1109/TBME.2026.3694935 PMID:42154699	研究论文	本文提出了一种融合频谱分解与自适应深度学习的混合框架SAND，用于从低频EEG信号中连续解码手部运动轨迹	提出了双分支连续解码架构，包括用于抗噪声频谱嵌入的频域通路和利用Transformer网络捕捉动态神经调制的时序注意力通路，并系统分析了手部运动信息主要编码于低频EEG频段	未明确提及	实现从非侵入式EEG信号中精确解码手部运动轨迹，提升脑机接口在神经康复中的解码精度与跨被试适应性	WAY EEG Grasp-and-Lift数据集和自采集数据集中的EEG信号及手部运动轨迹	脑机接口	NA	脑电图	Transformer	EEG信号	WAY EEG Grasp-and-Lift数据集及自采集数据集（具体样本量未提及）	NA	Transformer	皮尔逊相关系数，动态时间规整	NA
15	2026-10-01	SPARNet: A Framework for Airway Invasion Tracking from Fluoroscopic Videos of Dysphagia Patients 2026-May-19, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2026.3695144 PMID:42154713	研究论文	该研究提出了SPARNet框架，从吞咽障碍患者的荧光透视视频中自动追踪气道侵入	引入了新颖的气道侵入追踪器（AIT），将喉气管空气柱划分为象限，追踪食团位置，并计算时间侵入参数（事件持续时间、总暴露时间和侵入次数），提供了一个系统级、可临床解释的AI流水线，结合了吞咽阶段分类、食团和气道描绘以及气道侵入追踪，克服了现有深度学习方法的局限性	样本量较小，仅包含125个视频片段来自75名患者，需要在更大规模的数据集上进行验证	开发一个自动化、可解释的AI框架，用于从VFSS视频中追踪气道侵入，以支持吞咽困难的临床决策	吞咽困难患者的荧光透视吞咽研究（VFSS）视频	医学图像分析	吞咽困难	荧光透视吞咽研究（VFSS）	深度学习	视频	125个视频片段来自75名患者	NA	NA	F1分数, Dice系数, mAP	NA
16	2026-10-01	Accurate Protein Submitochondrial Localization Using Pre-Training and Adaptive Sampling Enhanced Deep Learning Model 2026-May-19, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2026.3694709 PMID:42154725	研究论文	本文提出了一种端到端深度学习模型iPreDeepSubMito，用于蛋白质亚线粒体定位预测	使用更好的预训练蛋白质模型增强序列嵌入，无缝集成自适应合成采样方法处理不平衡数据集，新建并集成循环残差卷积神经网络和自注意力增强双向门控循环单元以有效捕获蛋白质序列的上下文语义特征	未明确提及	提高蛋白质亚线粒体定位预测性能，为疾病发病机制提供见解并促进药物设计进展	蛋白质亚线粒体定位，特别是膜间隙类别	机器学习	NA	NA	CNN, BiGRU, 自注意力机制	蛋白质序列	在三个基准数据集上进行了实验	NA	循环残差卷积神经网络, 自注意力增强双向门控循环单元	总体广义相关系数, 马修斯相关系数	NA
17	2026-10-01	A Multimodal Learning Framework for Detecting Systemic Hypertension in Sleep Apnea Patients Using ECG and PPG Signals 2026-May-19, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2026.3694833 PMID:42154719	研究论文	本文提出了一种名为FusionNet的多模态深度学习框架，利用心电图和光电容积脉搏波信号检测阻塞性睡眠呼吸暂停患者的系统性高血压	提出FusionNet架构，采用多实例学习方法捕捉整夜PSG记录的长期时间动态，通过门控融合机制整合ECG和PPG信号，并融合频域心率和脉搏率变异性及临床上下文特征（睡眠阶段和呼吸暂停事件）	样本量较小（仅33名患者），需要在更大的独立队列中验证后才能临床部署	开发可扩展的自动化框架，利用常规收集的多导睡眠图信号筛查阻塞性睡眠呼吸暂停患者的系统性高血压	33名阻塞性睡眠呼吸暂停患者	机器学习	心血管疾病	多导睡眠图（PSG）、心电图（ECG）、光电容积脉搏波（PPG）	深度学习	信号（ECG和PPG时间序列信号）、临床特征	33名患者	NA	FusionNet（多实例学习+门控融合机制）	AUROC、准确率、特异性、MCC	NA
18	2026-10-01	Segmentation of single-cell impedance signals using deep learning: a multi-dataset study 2026-May-18, IEEE transactions on bio-medical engineering DOI:10.1109/TBME.2026.3694594 PMID:42149758	研究论文	本研究探讨了将微流控阻抗细胞术（MIC）与深度学习相结合，对各种MIC系统产生的原始阻抗信号进行有效的信号分割（即事件检测）	构建了一个包含多种实验设置下具有不同属性和时间形态的阻抗信号的丰富数据库，并开发了一个解决跨设置泛化性挑战的MIC信号分割框架，其中编码器-解码器网络在分割性能上优于其他模型，且在未见数据上保持稳健	文中未明确提及研究的局限性	研究将MIC与深度学习相结合，以有效处理来自各种MIC系统的原始阻抗信号，重点关注信号分割（事件检测），这是处理流程的第一步，影响整个工作流程	来自多种实验设置的微流控阻抗细胞术（MIC）产生的原始阻抗信号	机器学习	NA	微流控阻抗细胞术（MIC）	CNN, RNN, 编码器-解码器神经网络	阻抗信号	NA	NA	循环神经网络, 卷积神经网络, 编码器-解码器网络	灵敏度, 阳性预测值	NA
19	2026-10-01	Distilling Clinical Reasoning from Text Corpora for Explainable AI in Medical Imaging 2026-May-15, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2026.3693703 PMID:42139131	研究论文	提出K-Distill-XAI教师-学生框架，通过跨模态知识蒸馏从生物医学文献文本语料中提炼临床推理，以生成可解释的医学影像诊断解释。	首次将领域专家大语言模型作为教师，通过跨模态知识蒸馏将文本临床推理能力迁移至多模态学生模型，实现高层临床推理与视觉特征学习的解耦。	依赖MIMIC-CXR数据集，未验证在其他医学影像模态或临床场景的泛化能力；教师模型基于文献语料，可能无法完全覆盖真实临床推理的多样性。	解决医学影像深度学习模型缺乏临床可解释性的问题，生成具有临床意义的推理依据。	MIMIC-CXR数据集中的胸部X光影像及对应放射报告。	计算机视觉	肺癌	跨模态知识蒸馏	大语言模型、视觉语言模型	图像、文本	NA	NA	NA	CheXbert F1分数、微平均AUC、分类性能	NA
20	2026-10-01	Review of Current Advances in Ultrasound Computed Tomography for Medical Imaging 2026-May-14, IEEE reviews in biomedical engineering IF:17.2Q1 DOI:10.1109/RBME.2026.3686264 PMID:42133513	综述	本文综述了超声计算机断层扫描（USCT）在医学成像中的最新进展，涵盖系统硬件设计、反射成像、定量多参数重建（尤其是全波形反演）、精确校准方法、临床应用以及深度学习技术的应用	系统性地从五个关键领域综合分析了USCT的最新进展，并全面回顾了深度学习相关技术在USCT中的应用，同时分析了当前挑战和新兴趋势	USCT的临床采用仍处于发展阶段，尚未广泛普及	综述USCT技术的最新进展，为研究人员和临床医生提供理解USCT技术现状和识别走向广泛临床实施关键路径的参考	超声计算机断层扫描（USCT）技术及其在乳腺、肌肉骨骼系统、大脑和肺部等解剖区域的应用	医学成像	乳腺癌, 肌肉骨骼疾病, 脑部疾病, 肺部疾病	超声计算机断层扫描（USCT）, 全波形反演, 深度学习	NA	超声信号, 图像	NA	NA	NA	NA	NA