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
761	2026-05-15	Deep Learning-Driven Analysis and Quantification of Histopathologic Features in a Dextran Sulfate Sodium-Induced Colitis Mouse Model 2026-May-04, The American journal of pathology DOI:10.1016/j.ajpath.2026.04.005 PMID:42092460	研究论文	利用深度学习分类器对葡聚糖硫酸钠诱导的结肠炎小鼠模型的结肠组织切片进行组织病理学特征的识别与量化分析	首次在DSS结肠炎小鼠模型中应用基于HALO平台的人工智能分类器，实现组织区域（粘膜、粘膜下层、淋巴组织）的自动识别与量化评估，且AI评估与病理学家评估相比具有更好的相关性和更高的敏感性	概念验证研究，可能未涉及大规模样本验证或跨物种泛化能力	评估深度学习分类器在药物发现初期对结肠炎病理特征量化分析的效率和准确性	DSS诱导的结肠炎小鼠模型的结肠组织切片	数字病理学	炎症性肠病（溃疡性结肠炎和克罗恩病）	组织病理学染色	深度学习分类器	图像	NA	HALO	NA	相关性, 敏感性	NA
762	2026-05-15	KG-bench: benchmarking graph neural network algorithms for drug repurposing 2026-May-03, Bioinformatics (Oxford, England) DOI:10.1093/bioinformatics/btag159 PMID:42103971	研究论文	提出了KG-Bench基准框架，用于系统比较不同图神经网络架构在药物重定位中的性能	首个针对药物重定位的GNN标准化基准测试框架，支持公平比较多种架构，并集成可解释性分析	未提及计算资源等实施细节；数据来源仅限定于Open Targets数据集	构建标准化基准框架以系统评估图神经网络在药物-疾病关联预测中的表现	药物、疾病、靶点的知识图谱以及六种图神经网络架构（如关系图卷积网络）	机器学习	NA	知识图谱、图神经网络	图神经网络	结构化数据（知识图谱中的三元组）	Open Targets数据集中药物、疾病、靶点实体及关联	PyTorch	Relational Graph Convolutional Networks, TransformerConv	AUC, F1分数	NA
763	2026-05-15	Integrated multi-task learning framework for hepatocellular carcinoma segmentation and histological grading using fused multi-phase MRI 2026-05, Abdominal radiology (New York) DOI:10.1007/s00261-025-05266-3 PMID:41160193	研究论文	开发并验证一个融合多相MRI的深度学习分割与影像组学分级联合多任务框架用于肝细胞癌分析	首次将多任务学习框架结合多相MRI融合技术，同时实现肝癌分割和组织学分级，并集成可解释性分析	未提及具体局限性	开发和验证一个集成多任务框架，用于肝细胞癌的分割与组织学分级	1673例经组织病理学确诊的肝细胞癌患者（875例高级别，798例低级别）	计算机视觉, 机器学习	肝癌	MRI, 影像组学	Transformer, nnU-Net, U-Net, DeepLabV3+, Swin Transformer, SegNet, TabTransformer, TabNet, XGBoost, CatBoost	多相MRI图像	1673例肝细胞癌患者	PyTorch	Vision Transformer, nnU-Net, U-Net, DeepLabV3+, Swin Transformer, SegNet, TabTransformer, TabNet, XGBoost, CatBoost	DSC, 准确率, AUC	NA
764	2026-05-15	Advancing osteoporosis opportunistic screening: multicenter validation of a deep learning algorithm using abdominal CT scans 2026-05, Abdominal radiology (New York) DOI:10.1007/s00261-025-05213-2 PMID:41171405	研究论文	开发并多中心验证了一种利用腹部CT扫描进行骨质疏松机会性筛查的深度学习算法	首次在多中心外部数据集上验证了基于腹部CT的骨质疏松筛查深度学习算法的有效性，并确定了全局优化的阈值	研究对象主要为女性，可能影响结果的普适性；研究数据为回顾性收集，存在选择偏倚	开发并验证一种从腹部CT中筛查骨质疏松的算法	来自多中心的504名参与者（中位年龄66岁，女性388人）的腹部非增强CT和近期DEXA扫描数据	计算机视觉	骨质疏松症	CT成像	卷积神经网络（CNN）	图像	504名参与者（388名女性，中位年龄66岁）	PyTorch	2D U-Net（基于ResNet34骨干网络）	Pearson相关系数、AUC、敏感度、特异度、Brier评分	NA
765	2026-05-15	Artificial intelligence-based segmentation of small renal masses: a multi-center, multi-scanner, multi-sequence study 2026-05, Abdominal radiology (New York) DOI:10.1007/s00261-025-05259-2 PMID:41171407	研究论文	基于人工智能的多中心、多扫描仪、多序列MRI肾小肿块自动分割方法的开发与验证	首次基于多中心多扫描仪多序列MRI数据开发针对肾小肿块的人工智能分割方法，并验证其在GE与非GE扫描仪上的泛化能力	未描述计算资源、算法框架、模型架构等具体技术细节	开发一种基于人工智能的肾小肿块自动分割方法	肾小肿块患者	计算机视觉	肾癌	NA	深度学习	MRI图像	988例病理确诊肾小肿块患者，来自3个中心	NA	NA	检测率，Dice相似系数	NA
766	2026-05-15	Deep learning-based combined noise reduction and contrast enhancement for post-neoadjuvant pancreatic cancer CT: does improved image quality translate to better resectability assessment? 2026-05, Abdominal radiology (New York) DOI:10.1007/s00261-025-05271-6 PMID:41186714	研究论文	评估深度学习联合降噪与对比增强重建（DLR）在术后新辅助胰腺癌CT中能否将图像质量改善转化为更好的可切除性评估	首次系统评估供应商中立的深度学习重建技术在胰腺癌新辅助治疗后的CT图像质量和可切除性预测中的临床价值	尽管图像质量显著改善，但诊断准确性未提升，且DLR图像出现明显的人工痕迹	比较DLR与传统迭代重建在胰腺癌新辅助治疗后CT评估中的图像质量和可切除性预测性能	114例接受新辅助治疗的胰腺癌患者的增强CT图像	计算机视觉	胰腺癌	CT	深度学习重建模型	CT图像	114例胰腺癌患者	NA	ClariACE（供应商中立的深度学习重建架构）	准确率、AUC、敏感性、特异性、读者置信度	NA
767	2026-05-15	Utilization of artificial intelligence in Men's Health: Opportunities for innovation and quality improvement 2026-May, International journal of impotence research IF:2.8Q2 DOI:10.1038/s41443-025-01112-8 PMID:40579440	综述	探讨人工智能在男性健康领域的应用及其伦理考量，涵盖生育力、勃起功能障碍、佩罗尼病、睾酮缺乏和早泄等关键领域	系统综述了AI在男性健康多个细分领域的最新应用，包括AI聊天机器人用于患者教育等新兴方向	未提及具体局限性	综述AI技术在男性健康中的应用进展及伦理挑战	男性健康相关疾病，包括生育力问题、勃起功能障碍、佩罗尼病、睾酮缺乏和早泄	自然语言处理, 机器学习	男性生殖系统疾病	机器学习, 深度学习, 自然语言处理, 可穿戴传感器, 影像学	机器学习模型, 深度学习模型, 自然语言处理模型	文本, 图像, 传感器数据	NA	NA	NA	诊断准确率	NA
768	2026-05-15	Systematic Review on Deep Learning Algorithms for Blood Glucose Forecasting in Type 1 Diabetes 2026-May, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2025.3630214 PMID:41533628	综述	对用于1型糖尿病血糖预测的深度学习算法进行系统性文献综述	首次专门针对深度学习在血糖预测中的应用进行全面系统综述	纳入研究的异质性限制了直接比较，且深度学习模型的生理学保真度和可解释性仍需提升	系统评估深度学习算法在1型糖尿病血糖预测中的研究现状、挑战与未来方向	1型糖尿病患者的连续血糖监测数据	机器学习	1型糖尿病	连续血糖监测	深度学习模型（如CNN、LSTM等）	时间序列数据	26项符合纳入标准的研究	NA	NA	NA	NA
769	2026-05-15	A proof-of-concept study of multitask learning for cranial synthetic CT generation across heterogeneous MRI field strengths 2026-May, Medical physics IF:3.2Q1 DOI:10.1002/mp.70429 PMID:42027157	研究论文	提出一种基于多任务学习的级联管道，用于生成颅部合成CT图像，适应不同MRI场强和序列的异质性	将颅部CT重建重新定义为结构化耦合问题，采用级联多任务管道联合建模颅骨分割和HU回归，利用基于残差Mamba的状态空间模型在3D U-Net中增强空间表示，并实现跨1.5T至7T场强的迁移学习	研究样本量较小（1.5T: 37例, 7T: 44例），且仅使用T1加权和T2-FLAIR两种模态，未涵盖其他MRI序列或扫描参数	解决MRI数据场强和序列异质性对合成CT生成方法的泛化性限制，提升临床转化潜力	颅部MRI图像及对应的CT图像	数字病理	无特定疾病	无特定技术（基于MRI和CT）	3D U-Net（结合残差Mamba）和Transformer U-Net	图像	1.5T公共脑部数据集37例，7T独立临床脑部数据集44例	PyTorch	3D U-Net（残差Mamba状态空间模型）、Transformer U-Net	Dice系数、Jaccard指数、平均绝对误差	NA
770	2026-05-15	Deep Learning-Based Augmented Contrast-Enhancement and Denoising for Reduced-Iodine and Low-Radiation 70-kVp Cerebral CT Angiography: A Prospective Study 2026-May, Korean journal of radiology IF:4.4Q1 DOI:10.3348/kjr.2025.1520 PMID:42062228	研究论文	评估在70 kVp下使用低碘和低辐射进行脑CT血管成像的可行性，以及深度学习增强对比和去噪算法对CTA质量的影响	首次将深度学习增强对比和去噪算法应用于低碘低辐射70-kVp脑CT血管成像，显著提高了图像质量	样本量较小（47名健康志愿者），且未包含疾病状态的患者，可能限制了结果的泛化性	评估低碘低辐射70-kVp脑CTA的可行性及深度学习算法对图像质量的改善效果	47名健康志愿者（男女比例31:16，平均年龄57.8岁）	计算机视觉	NA	CT血管成像	深度学习	图像	47名健康志愿者	NA	NA	动脉衰减值, 图像噪声, 对比噪声比, 主观图像质量	NA
771	2026-05-15	Artificial intelligence and capsule endoscopy 2026-May, Revista espanola de enfermedades digestivas IF:2.7Q2 DOI:10.17235/reed.2026.11191/2025 PMID:41848084	综述	本文综述了人工智能在胶囊内镜中的应用，重点讨论深度学习模型和卷积神经网络如何优化图像解读过程	提出AI可分别作为首读和第二读工具，TOP100等工具在临床中已显示出减少阅读时间和辅助诊断的效果	面临假阴性问题、缺乏标准化以及医学法律挑战	评估AI在胶囊内镜解读中的现状、优势与挑战，推动其临床应用	胶囊内镜生成的视频图像及相关胃肠道疾病（如克罗恩病、乳糜泻）	计算机视觉	克罗恩病, 乳糜泻	胶囊内镜	深度学习模型、卷积神经网络（CNN）	图像	每例研究涉及超过50,000张图像	NA	CNN	敏感性、特异性	NA
772	2026-05-15	A Deep Learning Approach for Classifying Rapid Eye Movement Sleep Behavior Disorder Using EEGNet 2026-May, Journal of clinical neurology (Seoul, Korea) DOI:10.3988/jcn.2025.0552 PMID:42108845	研究论文	提出基于深度学习（EEGNet）的快速眼动睡眠行为障碍自动分类框架，并在多中心真实数据中验证其性能	首次将EEGNet应用于仅基于肌电图数据的RBD分类，并在多中心真实世界数据集上进行验证，比较了手动睡眠分期与自动U-Sleep方法的分期效果	仅使用REM期肌电图数据，无法准确区分四个临床亚组（帕金森病伴RBD、帕金森病不伴RBD、孤立性RBD、健康对照）	开发一种基于深度学习的RBD自动分类方法，辅助临床诊断决策	227份多导睡眠监测记录的REM期肌电图数据，涵盖RBD和非RBD受试者	机器学习	快速眼动睡眠行为障碍	多导睡眠监测	EEGNet	多导睡眠监测数据	227份PSG记录（RBD组156例，非RBD组71例）	NA	EEGNet	AUC，95%置信区间	NA
773	2026-05-12	Synergizing Anti-Cancer Drug Combinations With Dual-View Hypergraph Representation Fusion 2026-May, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2024.3511657 PMID:40030495	研究论文	提出一种基于双视图超图表示融合的深度学习模型，用于识别协同抗癌药物组合	创新性地利用超图视图和扩展异构图视图同时学习样本三元组的局部和全局上下文关系，并通过选择性融合两个分支的表示来预测协同药物组合	未明确说明局限性，但可能受限于现有已知协同组合数据的质量和数量	识别协同抗癌药物组合，为新型药物开发提供新见解	癌症细胞系和药物分子	机器学习	癌症	转录组测序、分子结构分析	深度学习模型（超图神经网络）	转录组特征、药物分子结构	未明确说明样本数量	NA	DVHSyn（双视图超图表示融合模型）	未明确说明具体指标，但实验结果表明优于六种对比方法	NA
774	2026-05-10	An efficient deep learning approach for automatic speech recognition using EEG signals 2026-May, Computer methods in biomechanics and biomedical engineering IF:1.7Q3 DOI:10.1080/10255842.2025.2456982 PMID:39957214	研究论文	提出一种结合Gannet优化算法和Elman循环神经网络的高效深度学习方法，用于基于EEG信号的自动语音识别	首次将Gannet优化算法与Elman循环神经网络结合用于EEG语音识别，并通过Savitzky-Golay滤波和递归特征消除提升性能	仅使用Kara One单一数据集进行验证，未提及实时处理能力和跨数据集泛化性	提高基于EEG信号的自动语音识别准确率，促进脑机接口和语音障碍辅助技术发展	EEG信号中的说话人识别任务	自然语言处理	言语障碍	EEG信号采集	Elman循环神经网络	EEG信号	未明确提及样本量（仅提及Kara One数据集）	NA	Elman循环神经网络	准确率	NA
775	2026-05-08	Privacy-Preserving Data Augmentation for Digital Pathology Using Improved DCGAN 2026-May, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2025.3551720 PMID:40100674	研究论文	提出一种基于改进深度卷积生成对抗网络的隐私保护数据增强方法，用于数字病理学中的全切片图像生成	结合CTransPath模型的自监督预训练提取丰富特征、引入最小二乘对抗损失和频域损失以提高像素精度和结构保真度、采用残差块和跳跃连接增强网络深度与训练稳定性	尚未提及在更广泛数据集或临床环境中的验证、隐私保护仅针对数据增强环节而未涉及训练过程的全面隐私保护	解决数字病理学中全切片图像数据受隐私法规限制导致深度学习模型性能受限的问题	数字病理学中的全切片图像数据增强与生成	计算机视觉，数字病理学	肿瘤学	NA	改进的深度卷积生成对抗网络（DCGAN），自监督预训练模型CTransPath	图像（全切片图像补丁）	PatchCamelyon数据集（具体数量未提及）	NA	改进DCGAN（含残差块和跳跃连接），CTransPath	SSIM， FID，准确率， AUC， F1分数	NA
776	2026-05-08	ESIP: Explicit Surgical Instrument Prompting for Surgical Workflow Recognition 2026-May, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2025.3625420 PMID:41144421	研究论文	提出一种显式手术器械提示方法，用于手术工作流识别，通过手术器械分割生成视觉提示，引导时空特征提取与聚合	首次在手术工作流识别中引入显式手术器械提示，利用冻结预训练骨干网络提取关键帧内空间特征，并通过SAM分段与提示调优策略高效整合分割特征	论文摘要未明确提及局限性	提升手术工作流识别中时空特征提取的充分性，解决隐式方法难以利用强相关空间信息的问题	手术视频中的手术工作流识别任务	计算机视觉	NA	手术器械分割	SAM（分段任何模型）	视频	三个数据集：Cholec80、M2CAI和AutoLaparo	PyTorch	SAM	精确率、召回率、Jaccard指数	NA
777	2026-05-08	Identification of Pandemic Risk for Avian Influenza Virus With Graph Cross Attention Networks 2026-May, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2025.3625980 PMID:41150231	研究论文	提出图交叉注意力网络（GCAN-Flu），通过整合病毒基因组序列和基因流网络信息预测甲型流感病毒的大流行风险	首次利用病毒株间的基因重配关系构建基因流网络，并通过图交叉注意力层融合基因组序列与基因流多模态信息，弥补了传统序列方法忽略基因流动的不足	文中未明确指出模型在数据稀缺或新兴病毒株上的泛化能力，且对基因流网络的构建依赖已知的重配关系	利用病毒株间的基因流信息提高流感病毒大流行风险预测的准确性	甲型流感病毒的基因组序列及其基因重配关系	机器学习	流感大流行	基因重配分析	图神经网络、交叉注意力网络	基因组序列、基因流网络数据	NA	NA	图交叉注意力网络（GCAN-Flu）	NA	NA
778	2026-05-08	TC-KANRecon: High-Quality and Accelerated MRI Reconstruction via Adaptive KAN Mechanisms and Intelligent Feature Scaling 2026-May, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2025.3626343 PMID:41171650	研究论文	提出一种名为TC-KANRecon的条件引导扩散模型，结合多自由U-KAN模块和动态裁剪策略，实现高质量和加速的MRI重建	创新地引入多自由U-KAN模块和动态裁剪策略，通过多头注意力和标量调制因子增强鲁棒性和结构保持能力，并利用条件引导模型融合全采样k空间信息提升重建质量	未明确说明局限性，但潜在限制可能包括对高噪声、低采样率数据依赖性强以及计算开销可能较高	通过深度学习方法加速MRI重建过程，同时保持重建图像质量	MRI图像重建任务中的k空间数据和重建图像	数字病理学	NA	MRI	扩散模型	图像	NA	NA	U-KAN	定性和定量评估指标	NA
779	2026-05-08	HieRMVir: Interpretable Viral Classification via Hierarchical Deep Learning 2026-May, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2025.3627468 PMID:41171653	研究论文	提出一种名为 HieRMVir 的分层深度学习框架，用于对病毒基因组序列进行可解释且准确的分类	首次结合随机森林特征加权与基于互信息的注意力正则化，在分层分类中考虑生物分类层次结构和不同分类级别下基因组特征的信息量差异	未提及具体局限性	实现对病毒基因组序列的高精度分层次分类，并在传统序列比对方法失效时提供可解释的分类结果	病毒基因组序列	机器学习	传染病	基因组测序	随机森林、注意力机制	基因序列	超过100万条基因组序列	NA	分层神经网络，随机森林，互信息引导注意力	准确率，分层性能指标，注意力权重分析	NA
780	2026-05-08	MOAEAM: Multi-Omics Data Integration With Autoencoder and Attention Mechanisms for Cancer Patient Classification and Biomarker Identification 2026-May, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2025.3628490 PMID:41182929	研究论文	提出MOAEAM深度学习框架，通过改进自编码器和注意力机制整合多组学数据，用于癌症患者分类和生物标志物识别	提出新型复合损失函数提取组学特异性特征，并设计多组学整合模块捕捉跨组学关联信息，同时引入辅助分类器提升性能	文本未明确提及方法局限，但可能涉及计算资源需求高或对超参数敏感等未说明问题	开发并验证用于癌症患者分类和生物标志物识别的多组学数据整合方法	癌症患者的多组学数据，涉及多个癌症数据集	机器学习	癌症	多组学数据整合	自编码器与注意力机制	组学数据	NA	NA	改进自编码器、注意力机制	分类性能	NA