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
241	2026-08-18	[The Next Frontier of Medical AI in Brain Tumor Care:From Prediction to Trust] 2026-Jul, No shinkei geka. Neurological surgery DOI:10.11477/mf.030126030540040879 PMID:42604785	research paper	探讨人工智能在脑肿瘤诊疗中的应用，重点分析分布偏移对模型可靠性的影响，并提出从预测转向可信赖AI的必要性	强调从追求高准确度转向可信赖AI，包括良好校准的不确定性表达、在模糊案例中放弃或转交以及人机协同工作流程，并以IDH突变预测研究为例说明分布偏移问题	未明确提及具体局限性	论证脑肿瘤护理中AI的下一个前沿是可信赖AI，而非更高的点估计准确性，并展示分布偏移对模型可靠性的影响	脑肿瘤患者、深度学习模型（卷积和transformer模型）、临床医生	医学人工智能	脑肿瘤	MRI、术中光学成像、组织学与基因组学整合分析	卷积神经网络（CNN）、transformer模型	MRI图像、术中光学图像、组织学图像、基因组数据、临床数据	国际数据集和日本队列	NA	卷积神经网络、transformer	ROC AUC、概率校准	NA
242	2026-08-17	Deep Learning Quality Control for RECIST-Oriented Assessment: A Vision Transformer Predicts Inter-Reader Variability of Unidimensional Lesion Measurements on Contrast CT 2026-Jul-29, Cancers IF:4.5Q1 DOI:10.3390/cancers18152438 PMID:42588656	研究论文	本研究利用Swin Transformer深度学习模型预测对比增强CT上RECIST导向的病灶单维测量的读者间变异，以辅助靶病灶选择和裁决。	不同于自动化分割或目标选择系统，本研究直接预测病灶特异性测量不确定性，使用Swin Transformer回归连续变异分数。	外部样本小，置信区间宽；需要更大规模多机构研究、患者级重采样、校准、消融测试和工作流验证。	预测对比增强CT上RECIST导向的病灶测量不确定性，以提供测量质量信号支持靶病灶选择和裁决。	肝、肺和淋巴结病灶，来自Vol-PACT队列的463个病灶（280例患者）和21个NSCLC病灶。	计算机视觉	肿瘤（肺癌、肝癌、淋巴结转移）	对比增强CT成像	Swin Transformer	CT图像和分割掩膜	发展队列：463个病灶（280例患者）有4个分割；外部测试：21个NSCLC病灶有5个读者轮廓	PyTorch	Swin Transformer	AUC, MAE, 准确率, 灵敏度, 特异度	NA
243	2026-08-17	Vasculature segmentation in 3D hierarchical phase-contrast tomography images of human kidneys 2026-Jul-03, Nature communications IF:14.7Q1 DOI:10.1038/s41467-026-74050-8 PMID:42399229	研究论文	本文组织了一次全球机器学习竞赛，旨在开发深度学习算法用于人类肾脏3D分层相位对比断层扫描图像中的血管分割，并对最优解决方案进行了元分析	通过竞赛揭示收敛性方法创新，包括伪标签技术、优化血管表面和拓扑的损失函数以及多尺度处理方法；提供了人工标注的金标准分割数据集	摘要未明确提及局限性	开发高效深度学习算法，用于3D医学影像中血管分割，并分析竞赛中表现最佳的方法	人类肾脏的分层相位对比断层扫描图像中的血管结构	计算机视觉, 数字病理学	NA	分层相位对比断层扫描成像	深度学习模型	3D医学图像	竞赛涉及1,401名参与者，具体样本数量未在摘要中说明	NA	NA	分割准确度, 形态学分析指标（如血管表面积、拓扑等）	NA
244	2026-08-17	Impact of dose calculation algorithm on magnetic resonance imaging-only radiotherapy for prostate and glioma 2026-Jul, Physics and imaging in radiation oncology DOI:10.1016/j.phro.2026.101045 PMID:42602256	研究论文	评估卷积和线性玻尔兹曼输运方程（LBTE）两类剂量计算算法在前列腺癌和胶质瘤MRI-only放疗中的准确性	首次系统评估LBTE剂量算法对MRI-only放疗中sCT组织异质性敏感性的影响	未提供	比较两种剂量计算算法在MRI-only放疗中的精度，验证其临床适用性	前列腺癌和胶质瘤患者	医学影像	前列腺癌, 胶质瘤	MRI	深度学习（DL）	图像	39例前列腺癌患者和17例胶质瘤患者	NA	NA	靶区剂量指标相对差异，器官剂量绝对差异，配对t检验	NA
245	2026-08-17	Artificial Intelligence in Paediatric Allergy: From Diagnostic Support to Precision Medicine 2026-Jul, Cureus DOI:10.7759/cureus.112707 PMID:42602687	综述	本文叙述性回顾了2015至2025年间人工智能在儿科过敏性疾病中的应用进展，涵盖诊断支持、风险预测、临床决策支持和数字健康技术，并探讨了未来机遇与挑战。	系统总结了AI在儿科过敏中三大主题（诊断支持、临床决策支持、数字健康）的应用，并纳入生成式AI和大语言模型的最新进展。	多数纳入研究为回顾性设计，缺乏稳健的外部验证，且综述本身受限于筛选文章数量。	总结AI在儿科过敏性疾病中的应用现状，并展望精准过敏医学的未来方向。	儿科过敏性疾病（包括食物过敏、过敏反应等）的AI应用相关研究。	机器学习	儿科过敏性疾病	NA	机器学习模型、深度学习和生成式AI（含大语言模型）	电子健康记录（结构化数据）、非结构化笔记	14项研究纳入最终综述（从280篇文章中筛选）	NA	NA	NA	NA
246	2026-08-16	Deep Learning Interpretation of Echocardiographic Images Predicts Incident Heart Failure and Subtypes 2026-Jul-15, Journal of cardiac failure IF:6.7Q1 DOI:10.1016/j.cardfail.2026.07.003 PMID:42457081	研究论文	本文开发并验证了一种深度学习模型（Echo2HF），利用超声心动图图像预测心力衰竭（HF）的10年发病风险。	首次利用大规模超声心动图视频数据训练深度学习模型，以预测心力衰竭及其亚型，优于传统临床风险评分。	研究为回顾性分析，且外部验证仅限于单一医疗系统；未来工作需评估AI风险分层在临床实践中的广泛适用性。	评估深度学习模型从超声心动图图像预测心力衰竭发病风险的准确性和泛化能力。	接受纵向门诊护理的患者，包括MGH的内部测试集和BWH的外部测试集。	计算机视觉、数字病理学	心力衰竭	深度学习	深度学习模型	超声心动图视频	70,763名患者（内部开发），34,802名患者（外部验证）	NA	NA	AUC	NA
247	2026-08-16	Acanthamoeba keratitis: Insights into diagnostic challenges and treatment advances 2026-Jul-14, Survey of ophthalmology IF:5.1Q1 DOI:10.1016/j.survophthal.2026.07.006 PMID:42448152	综述	本文综述了棘阿米巴角膜炎的诊断挑战和治疗方法的最新进展	强调深度学习图像分析作为未来诊断方向的潜力	未具体说明局限性	讨论棘阿米巴角膜炎的最新诊断和治疗方法，并阐明现有挑战	棘阿米巴角膜炎	医学影像分析	棘阿米巴角膜炎	NA	深度学习	图像	NA	NA	NA	NA	NA
248	2026-08-16	Positional interpretation of cis-regulatory code and nucleosome organization with deep learning models 2026-Jul-04, Nature communications IF:14.7Q1 DOI:10.1038/s41467-026-74807-1 PMID:42401553	研究论文	本文介绍了一种名为PISA的深度学习方法，用于解释序列到功能神经网络在基因组数据上的预测，特别是核小体占据和顺式调控代码。	PISA通过成对影响分析，能够组合解码特定基因组坐标上碱基对输出的贡献，识别复杂贡献模式的未发现基序，并揭示实验偏差，从而改进核小体预测模型。	未明确提及局限性。	开发一种可解释的深度学习工具，以理解顺式调控代码和核小体组织。	基因组序列及其相关的实验数据，特别是MNase-seq数据。	深度学习	不适用	MNase-seq	神经网络	基因组序列和MNase-seq数据	不明确，但涉及多个基因组数据集。	未明确指定，但可能使用PyTorch或TensorFlow。	未明确指定，但涉及序列到功能的神经网络。	未明确指定，但可能包括准确性、AUC等。	未明确提及。
249	2025-12-29	Deep Learning-Based denoising improves myocardial late enhancement imaging with spectral photon-counting CT 2026 Jul-Aug, Journal of cardiovascular computed tomography IF:5.5Q1 DOI:10.1016/j.jcct.2025.12.002 PMID:41455687	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
250	2026-08-16	Automatic annotation to train ROI detection algorithm for premature infant respiration monitoring in NICU 2026-Jul, Medical & biological engineering & computing IF:2.6Q3 DOI:10.1007/s11517-026-03596-y PMID:42340562	研究论文	提出一种基于运动周期性的自动标注方法，用于生成新生儿呼吸监测中的感兴趣区域掩膜，并验证其可用于训练深度学习分割模型	提出无需人工标注的自动数据集生成方法，利用运动周期性自动生成新生儿腹部或胸部区域的呼吸相关掩膜，并证明其可直接用于训练常见分割架构	未提及具体限制，但自动生成掩膜与临床真实标注的重叠度（平均IoU=0.580，Dice=0.735）仍有提升空间	实现新生儿呼吸监测中感兴趣区域检测算法的自动标注，避免耗时费力的人工数据收集和标注	新生儿腹部或胸部区域的呼吸相关区域掩膜	计算机视觉	新生儿疾病	NA	深度学习分割模型（如常见分割架构，具体类型未提及）	图像（视频帧）	未明确提及样本数量，但涉及新生儿呼吸监测数据	NA	常见分割架构（如U-Net等，具体未指明）	定位一致性（[公式]）、平均IoU、Dice系数	NA
251	2026-08-16	Effect of Signal-Strength Filtering on 3D Convolutional Neural Network-Based Visual Field Estimation From Macular OCT 2026-Jul-01, Translational vision science & technology IF:2.6Q2 DOI:10.1167/tvst.15.7.17 PMID:42439429	研究论文	本研究旨在确定在训练深度学习模型时，排除低信号强度的光学相干断层扫描（OCT）图像是否有助于提高从黄斑OCT体积中估计视野（VF）的准确性。	首次系统评估了在不同信号强度指数（SSI）下训练数据筛选对基于三维卷积神经网络（3DCNN）的视野估计性能的影响，并发现包含全范围SSI的训练策略能提高低SSI测试样本的估计准确性。	未明确提及局限性，但可能包括数据来源特定（NIDEK OCT）、回顾性设计以及仅在特定框架（EfficientNet 3D）下验证。	确定信号强度过滤对基于三维卷积神经网络从黄斑OCT估计视野的影响，以优化训练数据选择策略。	从五家机构收集的79,803对OCT和视野检查数据，来自8,511名患者。	计算机视觉	眼科疾病	OCT成像	三维卷积神经网络（3DCNN）	图像	79,803对OCT和视野检查数据，来自8,511名患者	NA	EfficientNet 3D	平均绝对误差（MAE）、绝对MD误差	NA
252	2026-08-16	Precision medicine's inevitable trajectory toward rare-disease-sized cohorts: implications for machine learning and deep learning 2026-Jul, The Lancet. Digital health DOI:10.1016/j.landig.2026.101000 PMID:42297703	观点文章	本文探讨了精准医疗向罕见病规模队列发展的趋势及其对机器学习和深度学习带来的挑战，并提出了应对策略。	首次从罕见病研究视角系统分析精准医疗中罕见病规模队列对现有算法和基础设施的冲击，并提出综合路线图。	作为观点文章，未提供实证数据或具体算法解决方案，主要基于理论分析和经验总结。	分析精准医疗中罕见病规模队列带来的挑战，并提出应对这些挑战的方法和系统变革建议。	精准医疗中的罕见病规模队列，以及相关的机器学习和深度学习模型。	机器学习	罕见病	NA	NA	文本	NA	NA	NA	NA	NA
253	2026-08-15	High-quality reconstruction method for miniaturized lensless cameras based on imaging model optimization 2026-Jul-27, Optics express IF:3.2Q2 DOI:10.1364/OE.595581 PMID:42596373	研究论文	针对无透镜相机小型化过程中模糊图像截断与重建质量之间的矛盾，提出了一种基于成像模型优化的高质量重建方法，通过裁剪操作和U-Net网络提升重建质量	首次在无透镜成像中引入裁剪算子使重建方程超定，解决小尺寸模糊图像重建时的欠定问题，并结合改进的FISTA算法与U-Net网络提升感知质量	文中未提及具体限制，但可能依赖模拟数据集和特定拍摄条件，实际应用泛化性有待验证	实现小型化无透镜相机的高质量场景重建，为传感器小型化提供理论支持和技术路径	无透镜相机拍摄的模糊图像，包括模拟数据集、拍摄数据集和公共数据集	计算成像	不适用	无透镜成像	U-Net，FISTA	图像	使用模拟数据集OCIFAR100_sim、拍摄数据集OCIFAR100和公共数据集PhlatCam，具体样本数量未提及	未提及	U-Net	峰值信噪比、结构相似性等（具体指标未明确）	未提及
254	2026-08-15	Pre-processed speckle-correlation learning for imaging through scattering media 2026-Jul-27, Optics express IF:3.2Q2 DOI:10.1364/OE.606175 PMID:42596381	研究论文	提出了一种预处理的散斑相关学习技术，用于通过散射介质成像，增强模型的泛化能力和稳定性。	通过预处理散斑相关数据，减少不同散射条件下数据分布的差异，使网络获得更可靠的物理先验知识，从而提高泛化能力。	摘要未提及明显局限性，可能依赖于预处理步骤的有效性和模拟数据的代表性。	解决散射介质成像中深度学习对高质量真实数据的依赖问题，提高模型在资源有限环境下的重建效果和泛化能力。	散射介质成像中的图像重建，包括生物医学成像和遥感应用。	计算机视觉	不适用	散斑相关成像	深度学习网络	散斑图像	未提及具体样本数量。	未提及	未提及	结构相似性指数（SSIM）、峰值信噪比（PSNR）	未提及
255	2026-08-15	Training-free autofocus via turning-point analysis of a frequency-slope metric 2026-Jul-27, Optics express IF:3.2Q2 DOI:10.1364/OE.603403 PMID:42596389	研究论文	提出一种基于傅里叶频率斜率响应转折点分析的无训练自动对焦框架，利用规则决策策略准确对焦并分类成像区域	无需训练和参数调整，基于频率斜率曲线的转折点结构进行确定性对焦，显式纳入过渡几何，阈值固定适用于不同样本类型	未提及明确局限性，但可能受限于对特定成像条件或样本类型的适用性评估	开发一种可解释、可靠、广泛适用的无训练自动对焦方法，克服低对比度和光照变化条件下的挑战	反射金属和生物样本的连续线扫描图像	数字病理学	不适用	傅里叶分析	不适用（无深度学习模型）	图像	5400条连续线扫描（包括反射金属和生物样本）	不适用	不适用	聚焦跟踪准确率（98-100%）	无GPU依赖
256	2026-08-15	Model-guided deep unfolding network for broadband reconstructive spectrometers with non-orthogonal aliasing 2026-Jul-27, Optics express IF:3.2Q2 DOI:10.1364/OE.604142 PMID:42596406	研究论文	提出了一种模型引导的深度展开网络（MGDUN），用于宽带重构光谱仪的非正交混叠重建	结合前向物理模型与学习先验，超越了纯黑盒深度学习方法，在宽带非正交混叠下实现高精度重建	摘要未提及局限性	解决宽带重构光谱仪中非正交混叠导致的病态逆问题，实现高精度的连续光谱重建	宽带重构光谱仪的光谱重建	机器学习, 计算成像	不适用	重构光谱技术	深度展开网络	光谱数据	未明确，使用随机洛伦兹光谱等光谱轮廓	NA	CNN, Transformer, DIP, PnP-ADMM（作为基线）	MAE, RMSE, SAM, APS	NA
257	2026-08-15	Deep learning-based denoising and computational field-of-view extension towards rapid wide-field mid-infrared photothermal imaging 2026-Jul-27, Optics express IF:3.2Q2 DOI:10.1364/OE.605038 PMID:42596408	研究论文	本文提出一种结合深度学习去噪和特征拼接的宽场中红外光热成像方法，旨在扩展视场、提高信噪比和成像速度	创新地将特征基拼接、平场校正和深度学习去噪（残差密集U-Net）集成到宽场量子级联激光中红外光热成像流程中，实现了大视场高对比度成像	摘要未提及具体局限性，可能包括对训练数据的依赖、拼接算法的计算复杂度或泛化能力问题	扩展视场、改善信噪比并提高宽场中红外光热成像的速度，以促进高通量化学成像应用	结核病感染的肺组织和聚对苯二甲酸乙二醇酯微粒	计算机视觉, 数字病理学	结核病	中红外光热显微镜	残差密集U-Net (RDUNet)	图像	未明确说明样本数量，但使用结核病感染肺组织和PET微粒样本	NA	残差密集U-Net	结构相似性指数, 归一化互相关, 峰值信噪比	NA
258	2026-08-15	Deep learning framework for performance prediction and inverse design of nanowire solar cells 2026-Jul-27, Optics express IF:3.2Q2 DOI:10.1364/OE.605711 PMID:42596429	研究论文	提出一个深度学习框架，用于纳米线太阳能电池的性能预测和逆向设计	首次将混合卷积神经网络-Transformer模型用于光伏指标和电流-电压特性的高精度预测，并采用条件生成对抗网络处理性能与结构之间的一对多映射，引入候选选择策略提高设计可靠性	未在摘要中明确提及局限性	实现高效可靠的光电器件数据驱动性能预测和逆向设计	纳米线阵列太阳能电池	机器学习	NA	NA	混合卷积神经网络-Transformer、条件生成对抗网络	数值模拟数据（光伏性能指标和电流-电压特性）	未在摘要中提供具体样本数量	未在摘要中指定具体框架	卷积神经网络结合Transformer、条件生成对抗网络	平均绝对百分比误差、平均绝对误差	未在摘要中提及
259	2026-08-15	Neighbor2Mean: a self-supervised denoising method via local spatial redundancy for live-cell fluorescence microscopy 2026-Jul-27, Optics express IF:3.2Q2 DOI:10.1364/OE.596478 PMID:42596439	研究论文	提出了一种名为Neighbor2Mean的自监督去噪方法，利用局部空间冗余从单次噪声采集中构建低方差伪目标，以提升活细胞荧光显微镜图像质量	通过局部均值聚合从单个噪声图像构造伪目标，避免了时间相关方法在动态样本中的失效和空间方法的信息排除或估计偏差问题	未在摘要中明确提及局限性	开发一种无需配对高信噪比数据即可有效去噪的自监督方法，以适用于动态活细胞成像	活细胞荧光显微镜图像	计算机视觉	不适用	荧光显微镜成像	自监督深度学习模型	图像	未在摘要中明确提及	未在摘要中明确提及	未在摘要中明确提及	峰值信噪比（PSNR），结构相似性指数（SSIM）	未在摘要中明确提及
260	2026-08-15	Field-aware physics-informed transformer for robust computer-aided alignment of off-axis TMA system with mirror surface figure errors 2026-Jul-27, Optics express IF:3.2Q2 DOI:10.1364/OE.601203 PMID:42596454	研究论文	提出了一种场感知物理信息 transformer（FA-PIT），用于离轴三反光学系统的鲁棒计算机辅助装调，尤其针对镜面面形误差与刚性体失调耦合导致的传统方法失效问题	创新性地将多视场Zernike系数重构为结构化场令牌以保持全视场空间拓扑，利用多头自注意力学习跨场像差耦合模式，并设计物理信息复合损失函数整合全视场一致性约束、均匀性惩罚和最坏视场衍射极限安全项	在极端外推条件下（失调范围扩大至±0.5毫米）且存在泽尼克测量噪声时，成功率仍有下降（58%-85%），且未完全避免数值不稳定	提出一种物理可解释且鲁棒的自动装调框架，以解决离轴反射式光学系统中失调与面形误差耦合导致的传统方法不收敛或失效问题	离轴三反光学系统，包含镜面面形误差（λ/50至λ/20）和初始失调（±0.1毫米/0.1°）的模拟数据	机器学习	不适用	蒙特卡洛模拟	Transformer	数值模拟数据（泽尼克系数）	未明确样本数量，但涉及蒙特卡洛模拟下的多种失调和面形误差条件，以及独立离轴架构的跨系统实验	PyTorch	Transformer（多头自注意力，可学习场位置嵌入）	成功率、均方根值（RMS）、最坏视场RMS	未明确具体GPU类型，但涉及大量蒙特卡洛模拟，可能使用标准GPU（如NVIDIA）