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
401	2026-06-04	Immune Spatial Organization Predicts Distant Metastasis Risk in Aggressive Localized Prostate Cancer 2026-May-11, Clinical cancer research : an official journal of the American Association for Cancer Research IF:10.0Q1 DOI:10.1158/1078-0432.CCR-25-4900 PMID:42113020	研究论文	提出一种基于免疫微环境空间组织的可解释计算病理学生物标志物，用于预测侵袭性局限性前列腺癌的远处转移风险	首次提出免疫空间聚类作为可解释的计算病理学生物标志物，并揭示高级别前列腺癌的独特免疫特征与远处转移风险的关联	研究基于回顾性队列，且样本量有限（总n=816），需进一步在前瞻性队列中验证	开发一种可解释的、基于免疫微环境计算病理学的生物标志物，以改进前列腺癌风险分层	M0期前列腺癌患者（三个队列：发现队列和验证队列共n=490，TCGA队列n=326）	数字病理学	前列腺癌	H&E染色全切片成像、深度学习（CellViT）、DBSCAN聚类、CIBERSORTx免疫细胞去卷积、TRUST4免疫受体库重建	CNN（CellViT）	图像（H&E染色WSI）、基因表达数据（批量测序）	816例前列腺癌患者（发现队列n=490，验证队列n=326）	CellViT, CIBERSORTx, TRUST4	CellViT（基于U-Net的细胞级ViT模型）	调整风险比、95%置信区间、交互作用P值	NA
402	2026-06-04	Deep learning-assisted versus manual reading in routine cervical cytopathology: a multicentre randomised crossover trial 2026-May-05, NPJ digital medicine IF:12.4Q1 DOI:10.1038/s41746-026-02703-5 PMID:42086920	临床试验	该项多中心交叉随机试验评估了深度学习系统在常规宫颈细胞学检查中相较于人工读片的诊断效果，结果显示深度学习能显著提高敏感性和效率而不牺牲特异性	首次通过多中心随机交叉试验评估深度学习在宫颈细胞学中对非专家病理学家的辅助效果，超越仅关注准确性的先验工作，同时验证了灵敏度和工作效率的提升	仅包含非专家病理学家，未评估对专家病理学家的效果；试验设计可能受洗脱期影响；样本量有限，需更大规模验证	评估深度学习系统在常规宫颈细胞学检查中对诊断准确性和效率的临床效用	1920名18岁及以上接受液基细胞学宫颈癌筛查的女性	数字病理学	宫颈癌	液基细胞学	深度学习模型	宫颈细胞学数字化图像	1920名女性患者的宫颈细胞学涂片	NA	NA	敏感性, 特异性, 读片时间	NA
403	2026-06-04	Neuron Segment Connectivity Prediction With Multimodal Features for Connectomics 2026-May, IEEE transactions on medical imaging IF:8.9Q1 DOI:10.1109/TMI.2026.3658169 PMID:41587252	研究论文	提出一种利用多模态特征进行神经元片段连接预测的自动校对流水线，用于连接组学分析	创新性地融合全局三维形态特征和高分辨率局部图像上下文，通过提议式图像特征采样提高多模态交叉注意力效率，构建模拟人工校对的自动合并流水线	NA	解决大规模电子显微镜数据中神经元重建的过度分割问题，实现自动化神经元片段合并	大规模电子显微镜数据集中的神经元片段	计算机视觉	NA	电子显微镜成像	深度学习网络	图像	NA	PyTorch	连接点检测网络、连接性预测网络	NA	NA
404	2026-06-04	Knowledge-guided multi-geometric window transformer for cardiac cine MRI reconstruction 2026-May, Medical image analysis IF:10.7Q1 DOI:10.1016/j.media.2026.103936 PMID:41604895	研究论文	提出一种基于知识引导的多几何窗口变换器用于心脏电影 MRI 重建，以加速成像并提升图像质量	提出 KGMgT 网络，创新性地采用自适应时空注意力机制推断相邻心脏帧的运动轨迹并结合 Transformer 驱动的动态特征聚合建立长距离依赖，实现全局信息整合	NA	开发一种高效的深度学习网络用于心脏电影 MRI 快速重建，辅助临床诊断和决策	心脏电影 MRI 重建任务中的图像序列	计算机视觉	心血管疾病	MRI	Transformer	图像	NA	NA	KGMgT（多几何窗口 Transformer）	NA	NA
405	2026-06-04	Data-related Ablation for Reinforcing Deep Learning in Explaining Complex Phenomena 2026-May, International journal of neural systems IF:6.6Q1 DOI:10.1142/S0129065726500061 PMID:41612853	研究论文	提出一种数据消融方法，用于评估深度学习模型是否真正学习了相关模式，而非依赖数据中的偏差	提出数据相关消融框架，作为传统架构消融的补充，通过分析模型在移除关键特征后的表现来区分稳健学习与偶然特征依赖	未明确说明局限性，但可能受限于案例研究的特定领域（脑电图信号的情绪识别与运动执行）	开发一种评估深度学习模型可靠性和泛化能力的方法，确保模型真正捕捉目标现象而非数据偏差	深度学习模型对复杂现象的解释能力，特别是脑电图信号中的情绪识别与运动执行任务	机器学习	NA	NA	深度学习模型	脑电图信号	未明确说明样本量，涉及脑电图信号的情绪识别与运动执行数据集	NA	NA	模型准确率	NA
406	2026-06-04	Deep Learning for Diagnosis of Disc Herniation in Small Animals: A CNN-Based Approach Using CT Imaging 2026-May, Veterinary radiology & ultrasound : the official journal of the American College of Veterinary Radiology and the International Veterinary Radiology Association IF:1.3Q2 DOI:10.1111/vru.70161 PMID:42170695	研究论文	基于深度学习的卷积神经网络模型用于小动物CT图像中的椎间盘突出诊断	结合U-Net分割和VGG16分类的迁移学习方法，并采用合成掩膜生成和对比度增强技术提高诊断准确性	数据集规模有限，未来需扩展数据集并优化模型以增强临床适用性	开发自动化的椎间盘突出检测模型，提升小动物脊柱疾病的诊断效率和准确性	小动物（犬猫）的椎间盘突出病变	计算机视觉	椎间盘疾病	CT成像	卷积神经网络	CT图像	1651张标注CT图像（来自64602次扫描）	PyTorch, Keras	U-Net, VGG16	分类准确率	NA
407	2026-06-04	Prospective blinded clinical evaluation of a fully automated workflow for prostate radiotherapy 2026-May, Physics and imaging in radiation oncology DOI:10.1016/j.phro.2026.100999 PMID:42232231	研究论文	前瞻性地评估了用于前列腺放射治疗的全自动工作流程与常规临床工作流程的临床可用性	首次在常规临床条件下对结合深度学习分割和计划的全自动工作流程进行了前瞻性、盲法评估	自动化靶区勾画一致性较小且临床可接受率略低于常规工作流程，需要进一步优化	评估全自动工作流程在前列腺放射治疗中的临床可用性和效率	22名连续接受前列腺放射治疗的患者	数字病理学	前列腺癌	NA	深度学习	医学影像	22名前列腺放疗患者	商业治疗计划系统	NA	临床可接受率、处理时间	NA
408	2026-06-04	Segmentation regularized training for multi-domain deep learning registration applied to magnetic resonance-guided prostate cancer radiotherapy 2026-May, Physics and imaging in radiation oncology DOI:10.1016/j.phro.2026.100989 PMID:42232230	研究论文	提出并评估一种分割正则化的深度学习配准方法（ProRSeg），应用于磁共振引导的前列腺癌放疗中的多域图像配准	首次将分割正则化融入渐进式深度学习配准框架，实现跨域和混合域MR-MR图像的高精度形变配准，并初步验证其在剂量累积中的可行性	未提及具体局限性	训练分割正则化的深度学习形变配准模型，并评估其在磁共振引导自适应放疗中的域不变性配准性能	前列腺癌患者的纵向3特斯拉MR模拟扫描和1.5特斯拉MR-Linac治疗扫描图像	医学图像分析	前列腺癌	磁共振成像	深度学习形变配准模型	医学图像	262对相同域MR图像用于训练；58对同域、72对跨域和42对混合域图像用于测试；42名患者的5分次MRgART剂量累积分析	PyTorch	ProRSeg, VoxelMorph	轮廓传播准确度	NA
409	2026-06-03	MedNet-FS: a few-shot learning framework for 3D MRI-based knee injury classification 2026-May-31, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-54489-x PMID:42225724	研究论文	提出一种名为MedNet-FS的小样本学习框架，用于基于3D MRI的膝关节损伤分类	将针对膝关节MRI数据的领域特定预训练与广义端到端（GE2E）损失相结合，在数据稀缺环境下显著超越通用预训练或标准交叉熵损失模型	对于模糊的部分撕裂病例（AUC 0.58）性能下降，且当前性能未达到自主临床部署的阈值	开发一种有效的小样本学习解决方案，以减少对大量标注MRI数据的依赖，实现数据高效的医疗图像分析	3D膝关节MRI影像数据	计算机视觉, 数字病理学	膝关节损伤	MRI	小样本学习网络	3D MRI影像	内部MRNet数据集中每类40个样本，外部KneeMRI数据集用于验证	NA	NA	AUC	NA
410	2026-06-03	LLM-guided expert feature extraction with fusion-based complementary learning network for fish freshness classification using eye images 2026-May-31, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-55139-y PMID:42225756	research paper	本文提出了一种融合专家特征与大语言模型引导的互补学习网络，用于通过鱼眼图像分类鱼类新鲜度	利用大语言模型处理鱼类专家知识，自动提取可解释的数值特征，无需人工特征工程，并构建融合层将数值特征与深度视觉特征进行互补学习	NA	开发一种融合专家建议光度特征与深度视觉表示的互补学习网络，用于非侵入性鱼类新鲜度分类	鱼类新鲜度分类，基于鱼眼图像	computer vision, machine learning	NA	大语言模型	CNN	image	多个鱼类物种和新鲜度类别的鱼眼图像数据集（FFE数据集）	NA	ResNet50	accuracy	NA
411	2026-06-03	Deep learning algorithm for automatic detection of acute ischemic stroke on noncontrast brain CT 2026-May-31, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-55530-9 PMID:42225843	研究论文	评估基于深度学习的算法在非对比脑CT上检测急性缺血性卒中（包括小梗死灶）的诊断性能	首次在包含不同梗死体积和读者专业水平的多个亚组中，全面评估AI辅助解读对非对比CT上急性缺血性卒中检测的诊断改进效果	研究为回顾性设计，且读者数量有限，可能无法完全代表实际临床环境	验证深度学习算法辅助非放射科医生、放射科医生和神经放射科医生在非对比CT上检测急性缺血性卒中的诊断准确性	917例急性缺血性卒中病例的非对比脑CT图像	计算机视觉	急性缺血性卒中	非对比CT	深度学习模型	图像	917例病例	NA	NA	ROC曲线下面积、准确率、敏感度、特异度	NA
412	2026-06-03	In silico generation of gene expression profiles using diffusion models 2026-May-31, BMC bioinformatics IF:2.9Q1 DOI:10.1186/s12859-026-06470-8 PMID:42226153	研究论文	提出基于扩散模型（DDPM和DDIM）的基因表达谱生成流程，解决转录组数据样本稀疏问题，并验证其在TCGA和GTEx数据集上的预测性能提升	首次将扩散模型应用于转录组数据生成，并探索线性和非线性重构方法以恢复完整转录组，证明扩散模型性能优于VAE和GAN	未提及明确局限性，但可推断对大规模高维转录组数据的泛化能力及计算资源需求可能为潜在问题	解决转录组数据样本稀疏问题，利用扩散模型生成高质量合成基因表达数据以增强下游预测任务	L1000 landmark基因表达谱及TCGA和GTEx转录组数据集	数字病理学	癌症	RNA-seq	扩散模型（DDPM, DDIM）	基因表达数据	NA（未明确说明样本数量，涉及TCGA和GTEx公开数据）	PyTorch	DDPM, DDIM	预测性能、数据质量指标	NA（未明确说明计算资源）
413	2026-06-03	Does lens opacity matter? The effect of cataract on deep learning based cardiovascular disease risk scores from fundus photos 2026-May-30, Asia-Pacific journal of ophthalmology (Philadelphia, Pa.) DOI:10.1016/j.apjo.2026.100333 PMID:42219087	研究论文	探讨白内障对基于眼底照片的深度学习心血管疾病风险评分的影响	首次系统评估白内障引起屈光介质混浊对深度学习模型预测心血管疾病风险的影响，并发现糖尿病视网膜病变患者的评分偏移更显著	仅使用单一AI软件（Dr.Noon CVD），需在更多模型上验证；SEED队列中白内障手术状态与DR的交互作用不显著	评估白内障对深度学习模型从眼底照片预测心血管疾病风险的影响	白内障手术患者（HUGH纵向队列和SEED横断面队列）的眼底图像	机器学习	心血管疾病	眼底照相	深度学习模型	图像	纵向队列：HUGH白内障手术患者；横断面队列：SEED研究，具体样本量未明确	NA	Dr.Noon CVD（具体架构未披露）	β系数、置信区间、P值	NA
414	2026-06-03	Comparative evaluation of CNN models for nasopharyngeal carcinoma classification on pathology data 2026-May-30, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-53395-6 PMID:42225742	研究论文	系统评估多种卷积神经网络模型在鼻咽癌病理图像分类中的表现	首次对多种CNN架构及其混合模型在鼻咽癌全切片图像分类中进行系统性比较，并提出通过中间层特征融合提升分类性能的策略	未在外部多中心数据集上验证模型的泛化能力	评估不同CNN模型在鼻咽癌病理图像分类中的性能，探索特征融合策略以优化诊断准确性	鼻咽癌病理全切片图像（WSIs）	数字病理学	鼻咽癌	全切片成像（WSI）	卷积神经网络（CNN）	病理图像	88002张图像（来自沙捞越综合医院和吉隆坡医院）	NA	DenseNet201, MobileNet, EfficientNetB0, InceptionNet, XceptionNet, VGG16, NASNetMobile, 混合模型（EfficientNetB0+DenseNet201）	准确率, 精确率, F1分数, 训练时间	NA
415	2026-06-03	Privacy-aware continuous federated biometric authentication (PACFBA) using federated deep learning: a novel usable security framework 2026-May-30, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-55046-2 PMID:42225851	研究论文	提出了一种隐私感知的连续联邦生物特征认证框架，融合联邦深度学习以增强移动和物联网环境下的用户认证安全	创新地结合了联邦学习、差分隐私与同态加密，以及CNN-LSTM混合架构，实现了去中心化、连续且隐私保护的生物特征认证，降低了通信开销并提升了隐私保护能力	需要在大规模、异构的真实世界数据集上进行进一步的实证验证，才能完全符合部署要求	解决传统认证方法仅单次登录验证、无法确保持续用户身份的问题，设计一种安全、无缝且隐私保护的连续认证机制	移动设备、物联网和边缘计算环境中的用户认证数据	机器学习	NA	联邦学习、差分隐私、同态加密	CNN-LSTM混合模型	生物特征数据（如行为或生理信号）	未明确说明样本数量，但使用实验数据集进行验证	NA	卷积神经网络（CNN）和长短期记忆网络（LSTM）的混合架构	准确率（92.5%）、精确率（90.8%）、召回率（91.2%）、F1分数（0.91），以及通信开销减少20%、隐私保护提升35%	NA
416	2026-06-03	Improving image quality and diagnostic confidence for PRETEXT staging in pediatric hepatoblastoma using thin-slice and low-energy virtual monochromatic images in dual-energy CT with deep learning image reconstruction algorithm 2026-May-30, BMC medical imaging IF:2.9Q2 DOI:10.1186/s12880-026-02476-z PMID:42226141	研究论文	探讨双能量CT结合深度学习图像重建算法获得的薄层低能虚拟单能量图像对儿童肝母细胞瘤PRETEXT分期图像质量和诊断信心的影响	首次将薄层40 keV虚拟单能量图像与深度学习图像重建结合，用于儿童肝母细胞瘤PRETEXT分期，以提升图像质量和诊断信心	单中心回顾性研究，样本量较小（53例），且未评估对实际治疗决策的直接影响	评估薄层低能量（40 keV）双能量CT图像结合深度学习重建算法是否比常规图像提高PRETEXT分期的图像质量和诊断信心	儿童肝母细胞瘤患者	计算机视觉, 数字病理学	肝癌, 儿童肿瘤（肝母细胞瘤）	双能量CT, 深度学习图像重建, 虚拟单能量成像	深度学习重建网络（DLIR-H）	医学影像（CT图像）	53例儿童患者（平均年龄3.54±2.26岁）	NA	DLIR-H（深度学习图像重建），ASIR-V50%（自适应统计迭代重建）	对比噪声比、边缘上升斜率、5分Likert量表评分（图像噪声、肝静脉可视化、诊断信心）	NA
417	2026-06-03	Cell segmentation in microscopy images using a SAM-based U-Net architecture and a novel dataset 2026-May-28, Computer methods and programs in biomedicine IF:4.9Q1 DOI:10.1016/j.cmpb.2026.109470 PMID:42224852	研究论文	提出了一种基于SAM与多尺度U-Net的混合神经网络mSAMUNet，用于显微镜图像中的细胞分割，并创建了mCellSeg数据集	首次将SAM与多尺度U-Net结构结合，利用Transformer的全局建模和CNN的局部特征提取，并通过多尺度分支提升不同大小细胞的分割性能	未提及计算资源消耗或模型在低资源环境下的适用性	提高显微镜图像中细胞实例分割的准确性，解决密集细胞、模糊边界等问题	HEK-293T和HUVEC细胞系的微观图像	计算机视觉	通用（不针对特定疾病）	显微镜成像	混合神经网络（SAM + U-Net）	图像（显微镜图像）	200张专家标注的显微镜图像，包含16,199个细胞	PyTorch	SAM, U-Net, mSAMUNet	F1分数, SA50, SA75, 平均SA	NA
418	2026-06-03	A clinical neuroimaging platform for rapid, automated lesion detection and personalized post-stroke outcome prediction 2026-May-27, NPJ digital medicine IF:12.4Q1 DOI:10.1038/s41746-026-02803-2 PMID:42204350	研究论文	提出一个基于深度学习的神经影像平台，用于快速自动检测病灶并个性化预测中风后认知结果	该平台完全自动化，能处理来自不同扫描仪的原始DICOM MRI数据，并利用大型语言模型生成可解释的个性化预后文本报告	文中未明确提及局限性	开发并验证一个用于缺血性中风患者个性化认知结果预测的自动化神经影像平台	缺血性中风患者的大脑影像数据及其认知结果	数字病理学	脑血管疾病	DICOM MRI	深度学习	图像	训练队列604例，独立验证队列153例	NA	NA	与手动方法的一致性达96%	NA
419	2026-06-03	MNISQ: A Large-Scale Quantum Circuit Dataset for Machine Learning in the NISQ Era 2026-May-26, Scientific data IF:5.8Q1 DOI:10.1038/s41597-026-07493-9 PMID:42191975	研究论文	介绍MNISQ，一个用于NISQ时代机器学习和经典机器学习的大规模量子电路数据集，包含495万个10量子比特电路	首次创建了包含495万个电路的量子机器学习大规模数据集MNISQ，支持基于自然语言处理的量子计算模型和深度学习模型开发，并探索了噪声对量子机器学习的影响	NA	为NISQ时代的量子与经典机器学习提供一个基础性的大规模数据集，并验证其在不同模型上的有效性	量子电路（10量子比特，最多100个双量子比特门），以及对量子编码的经典图像数据（如MNIST）的分类任务	自然语言处理, 机器学习	NA	量子电路编码	S4模型, Transformer, LSTM, 量子核方法	文本（量子汇编语言QASM文件），量子电路	495万个10量子比特电路	NA	S4, Transformer, LSTM	准确率	NA
420	2026-06-03	A comparative study of deep learning for cortical lesion MRI segmentation with explainability analysis in multiple sclerosis 2026-May-23, NeuroImage. Clinical DOI:10.1016/j.nicl.2026.104007 PMID:42224860	研究论文	本研究针对多发性硬化症中皮层病变的MRI分割，比较了多种深度学习方法的性能，并进行了可解释性分析	在nnU-Net框架基础上提出适应皮层病变检测的改进，进行分布外测试评估模型泛化能力，并设计医学专家问卷评估临床价值	研究指出数据可变性、病变模糊性和协议差异影响模型性能，但未明确提及具体量化限制	开发和评估用于多发性硬化症皮层病变MRI分割的深度学习方法，并探索其临床集成可行性	多发性硬化症患者的皮层病变MRI图像	计算机视觉	多发性硬化症	MRI	CNN（nnU-Net）	图像（MRI）	656个MRI扫描，来自四个机构的临床试验和研究数据，采用3T和7T强度、MP2RAGE和MPRAGE序列	PyTorch（nnU-Net自定义实现）	nnU-Net（自我配置的U-Net变体）	F1-score（域内0.64，域外0.5）	未在摘要中指定，但nnU-Net通常需GPU（如NVIDIA RTX系列）计算