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
161	2026-09-06	Detecting Distant Metastases in Prostate Cancer Using Whole-body MR Imaging Together with DWIBS (Diffusion-weighted Imaging with Background Body Signal Suppression) 2026-Jul-01, Magnetic resonance in medical sciences : MRMS : an official journal of Japan Society of Magnetic Resonance in Medicine IF:2.5Q2 DOI:10.2463/mrms.rev.2025-0180 PMID:41850822	综述	本文综述了全身MRI结合DWIBS在前列腺癌远处转移检测中的应用，包括技术发展、临床用途、局限性及未来方向	强调全身MRI与PSMA PET的互补性，并预期深度学习与定量成像能解决自动化病灶提取和体积分析的挑战	手动处理和机构间标准化不足限制临床广泛采用	探讨全身MRI结合DWIBS在前列腺癌管理中的当前应用与未来潜力	前列腺癌患者中的远处转移，特别是骨转移	医学影像	前列腺癌	全身MRI、DWIBS	NA	影像数据	NA	NA	NA	NA	NA
162	2026-09-06	Integrating Artificial Intelligence into Prostate MR Imaging: Technical Foundations, Clinical Applications, and Workflow Implications 2026-Jul-01, Magnetic resonance in medical sciences : MRMS : an official journal of Japan Society of Magnetic Resonance in Medicine IF:2.5Q2 DOI:10.2463/mrms.rev.2025-0209 PMID:41882853	综述	本文为非系统性叙述性综述，全面概述了人工智能在整合到前列腺磁共振成像中的技术基础、临床应用和工作流程影响	强调人机协作模型、AI对不确定病灶的支持作用以及将影像与临床变量结合进行个性化风险评估	研究设计异质性、前瞻性验证有限、跨机构泛化性不足以及伦理和监管考虑	全面概述AI在前列腺MRI中的技术基础、临床应用和工作流程影响	前列腺MRI影像及相关流程	医学影像	前列腺癌	MRI	机器学习、深度学习模型	影像数据	不适用	不适用	不适用	不适用	不适用
163	2026-09-06	Deep Learning to Quantify Body Composition in Lung Cancer Screening-Eligible Individuals 2026 Jul-Sep, JCO clinical cancer informatics IF:3.3Q2 DOI:10.1200/CCI-26-00030 PMID:42696681	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
164	2026-08-30	Is this neonate feeling pain? Leveraging clinical knowledge towards high-precision Large Language Model-based neonatal pain assessment 2026-Jul, Pediatric research IF:3.1Q1 DOI:10.1038/s41390-025-04669-8 PMID:41381876	研究论文	本研究首次利用视觉语言模型（VLM）对新生儿进行自动疼痛评估，通过设计新颖的提示词类别，利用模型的潜在临床知识或引导其评估临床相关的面部特征，实现了比传统深度学习方法更优的性能	首次将视觉语言模型（VLM）应用于新生儿自动疼痛评估（APA），无需微调即可通过精心设计的提示词利用模型潜在临床知识或引导评估特定面部特征，达到了100%的精确度，超越了以往深度学习方法	当评估临床相关面部特征时，召回率较低（40.1%），可能限制其在需要高召回率场景下的应用	探索利用视觉语言模型（VLM）进行更客观的新生儿自动疼痛评估，以替代传统主观评估方法	新生儿疼痛评估，具体为新生儿面部图像	计算机视觉, 机器学习	新生儿疼痛	视觉语言模型	视觉语言模型	图像	未提供具体样本量	NA	NA	精确度, 召回率	NA
165	2026-08-30	AI for the assessment and discovery of morphological-molecular biomarker relationships in hematologic malignancies 2026-Jul, Blood reviews IF:6.9Q1 DOI:10.1016/j.blre.2026.101398 PMID:42215353	综述	本文综述了人工智能在血液恶性肿瘤形态学评估中的应用，涵盖自动细胞分类、疾病特征检测以及从血和骨髓涂片图像预测遗传改变等方面的最新进展	总结AI驱动的形态学分析在髓系和淋巴系肿瘤中的进展，并探讨图像衍生特征（如核纹理、细胞质颗粒度和空间细胞组织）与分子和预后变量的关联	面临数据异质性、需要前瞻性验证以及跨学科合作的挑战	探讨AI在血液恶性肿瘤形态学评估中的应用，以推进精准血液学和个性化患者管理	血液和骨髓涂片图像，以及相关髓系和淋巴系肿瘤	数字病理学	血液恶性肿瘤	NA	深度学习模型	图像	NA	NA	多实例学习	NA	NA
166	2026-08-30	The "fat heat-up" phenotype: adipose tissue hypermetabolism on 18 F-FDG PET/CT predicts frailty in older patients with solid tumours 2026-07, European journal of nuclear medicine and molecular imaging IF:8.6Q1 DOI:10.1007/s00259-026-07843-0 PMID:41863605	研究论文	本研究探讨了老年实体瘤患者中脂肪组织糖代谢活性（通过18F-FDG PET/CT测量）与衰弱状态之间的关联	首次提出“脂肪发热”表型，即脂肪组织高代谢与衰弱独立相关，且不依赖于脂肪量，为常规肿瘤PET/CT提供机会性衰弱筛查信号	样本量较小（104例），单中心研究，需要外部验证；SUV值绝对值较低，可能存在测量误差	评估脂肪组织糖酵解活性是否作为老年实体瘤患者衰弱的独立影像生物标志物	104名年龄≥50岁的实体恶性肿瘤患者	医学影像	实体瘤	18F-FDG PET/CT成像	深度学习分割模型	PET/CT影像数据	104例患者	NA	TotalSegmentator	比值比（OR），95%置信区间，p值	NA
167	2026-08-30	A deep learning PET/CT biomarker for early progression (POD24) and survival stratification in follicular lymphoma: a multicenter study 2026-07, European journal of nuclear medicine and molecular imaging IF:8.6Q1 DOI:10.1007/s00259-026-07838-x PMID:41870550	研究论文	本研究开发并验证了一种基于基线[¹⁸F]FDG PET/CT的深度学习预测性影像生物标志物，用于预测滤泡性淋巴瘤患者24个月内疾病进展及生存风险分层	首次使用表格深度学习方法（GAMformer）结合PET/CT影像组学特征进行滤泡性淋巴瘤的POD24预测和生存风险分层	研究所用信息有限，未提及具体局限性	开发和验证一种基于基线[¹⁸F]FDG PET/CT的预后影像生物标志物，用于预测滤泡性淋巴瘤患者的POD24及进行生存风险分层	309名新诊断的滤泡性淋巴瘤（1-3a级）患者，来自五个独立医疗中心	医学影像分析	滤泡性淋巴瘤	PET/CT成像	表格深度学习模型（GAMformer）以及五种传统机器学习算法	医学影像（PET/CT）和临床数据	309名患者	未明确提及	GAMformer	AUC、校准曲线、决策曲线分析	未明确提及
168	2026-08-30	An interpretable PET/CT-based radiomic-clinical model for predicting bone marrow involvement in follicular lymphoma: comparison of pelvic and spine-pelvis VOI frameworks 2026-07, European journal of nuclear medicine and molecular imaging IF:8.6Q1 DOI:10.1007/s00259-026-07918-y PMID:42142271	研究论文	本研究探讨了基于基线18F-FDG PET/CT结合多维特征融合来无创识别滤泡性淋巴瘤骨髓受累的可行性，并比较了不同骨髓感兴趣区框架对模型性能的影响	首次比较了盆腔与脊柱-盆腔两种骨髓感兴趣区框架对预测滤泡性淋巴瘤骨髓受累模型性能的影响，并采用分层特征筛选策略及SHAP分析增强模型可解释性	未在摘要中明确提及局限性	开发并验证一种可解释的PET/CT影像组学-临床模型，用于无创预测滤泡性淋巴瘤的骨髓受累，并评估不同骨髓感兴趣区框架的效果	187例新诊断的滤泡性淋巴瘤患者，其中93例存在骨髓受累	医学影像分析	滤泡性淋巴瘤	18F-FDG PET/CT成像	机器学习模型	影像数据、临床数据	187例患者	未明确提及	逻辑回归、支持向量机、梯度提升机、神经网络、随机森林、K近邻、自适应增强	AUC、准确率、精确率、灵敏度、特异度、F1分数	未明确提及
169	2026-08-28	A hybrid deep learning and quantum computing framework enhances cybersecurity threat detection and analysis 2026-Jul-31, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-61497-4 PMID:42637840	研究论文	本研究提出了一种混合深度学习和量子计算框架，用于增强网络安全威胁的检测与分析	首次将CNN、RNN与变分量子电路（VQC）相结合，构建混合模型以提升网络威胁检测的准确性和适应性	预处理阶段耗时且劳动密集，涉及标准化、特征选择、时间结构化和特征平衡等复杂步骤	开发一种可扩展、智能且实时的混合深度学习和量子计算框架，用于检测网络流量中的异常和网络攻击	网络流量数据，具体为CICIDS-2017数据集中的多种网络攻击类别	机器学习	NA	NA	CNN、RNN、变分量子电路（VQC）	网络流量数据	未明确说明，使用CICIDS-2017数据集	NA	卷积神经网络（CNN）、循环神经网络（RNN）、变分量子电路（VQC）	准确率、召回率、F1分数、ROC-AUC	NA
170	2026-08-28	Advances in Machine Learning-Assisted Optical Sensing Arrays for Disease Diagnosis 2026-Jul-31, Biomimetics (Basel, Switzerland) DOI:10.3390/biomimetics11080531 PMID:42645248	综述	系统回顾了机器学习增强光学传感阵列在疾病诊断中的应用，重点探讨比色、荧光和表面增强拉曼散射三种传感模态与机器学习算法的协同作用	系统性地评估了无监督、监督和深度学习范式如何协同增强三种光学传感模态的诊断性能，并讨论了数据标准化、模型可解释性和临床转化等关键挑战	主要面临数据标准化不足、模型可解释性有限和临床转化困难等挑战	综述机器学习增强光学传感阵列在疾病诊断中的应用进展，并展望智能、即时检测和个性化诊断系统的发展方向	光学传感阵列、机器学习算法及相关疾病诊断应用案例	机器学习	癌症、传染病	比色传感、荧光传感、表面增强拉曼散射	机器学习模型（包括无监督、监督和深度学习模型）	光学传感阵列生成的多维复杂数据	未提及具体样本数量	未在标题和摘要中提及	未在标题和摘要中提及	未在标题和摘要中提及	未在标题和摘要中提及
171	2026-08-28	Explain COVIDNet: Explainable AI for Transparent and Reliable X-ray Screening 2026-Jul-30, Seminars in ultrasound, CT, and MR DOI:10.1053/j.sult.2026.07.001 PMID:42532199	研究论文	提出Explain-COVIDNet框架，通过结合小波对比度增强、Medical GoogLeNet和XGrad-CAM解释性技术，提高胸部X光图像中COVID-19检测的准确性、可解释性和临床可靠性	引入小波对比度增强器结合离散小波变换和对比度限制自适应直方图均衡化进行预处理，采用154层Medical GoogLeNet架构配合Leaky ReLU保留图像细节，并集成XGrad-CAM生成类特定热图以增强模型透明度	未明确提及，但可能局限于依赖X光图像数据及特定数据集，泛化性有待验证	开发一个可解释、可靠且计算高效的深度学习框架，用于从胸部X光图像中自动检测COVID-19	胸部X光图像	计算机视觉、数字病理	COVID-19	X光成像	CNN	图像	两个基准数据集（具体样本数未提供）	NA	Medical GoogLeNet、XGrad-CAM	准确率、F1分数、AUC、Cohen's Kappa	NA
172	2026-08-28	A Bio-Inspired Weather-System Sensing Framework for Physically Constrained Precipitation Nowcasting Correction 2026-Jul-24, Biomimetics (Basel, Switzerland) DOI:10.3390/biomimetics11080526 PMID:42645243	研究论文	提出了一种受生物启发的物理约束降水临近预报校正框架PCPNet，通过整合天气系统诊断场和可微约束损失，提高了网格化数值天气预报降水预报的校正精度和物理可解释性。	将生物环境感知、选择性信息处理和调节约束学习三项普遍原则抽象为气象校正任务，并引入结构化诊断场作为自动化感测特征，同时嵌入水汽守恒和地形强迫约束作为可微损失。	仅进行了单日事件分析，长期连续天气事件的综合验证计划在未来进行，以进一步验证模型稳定性。	提高网格化数值天气预报降水预报的校正准确性和物理可解释性，探索生物启发式感测与约束学习的作用。	降水预报校正模型PCPNet，基于中国湖南省2021至2023年的每小时数值天气预报模型输出和气象站观测数据。	机器学习	NA	数值天气预报	encoder-attention-decoder网络	网格化数值天气预报输出数据、气象站观测数据	中国湖南省2021至2023年的每小时数据，具体样本数量未在摘要中列出	NA	encoder-attention-decoder	平均绝对误差	NA
173	2026-08-28	EEG and ECG Wearable Biosensor-Based Affective State Analysis Using Deep Learning over 6G IoT Healthcare Networks 2026-Jul-23, Biosensors DOI:10.3390/bios16080400 PMID:42645018	研究论文	本研究提出了一种基于EEG和ECG可穿戴生物传感器的情感状态分析框架，集成深度学习模型于6G IoT医疗网络中，并通过射线追踪模拟评估通信性能	将基于注意力的深度学习模型和ResNet50 CNN与6G驱动的IoT医疗基础设施集成，解决了数据传输延迟挑战，并首次在虚拟医院环境中评估7 GHz和92 GHz频段的通信性能	实验数据仅基于SEED和WESAD数据集，测试准确率相对较低（ECG模型为65.64%），且未涉及实际6G网络部署	实现基于EEG和ECG可穿戴生物传感器的情感状态分析，并将其应用于6G IoT医疗网络，以支持个性化健康监测	EEG和ECG生理信号，用于情感状态和压力分类	深度学习、物联网、情感计算	不适用	可穿戴生物传感器（EEG和ECG）、射线追踪模拟	注意力深度学习模型、ResNet50 CNN	EEG和ECG生理信号数据	SEED和WESAD数据集（具体样本数未提及）	不适用	注意力模型、ResNet50	分类准确率、RMS延迟扩展、相关带宽	不适用
174	2026-08-28	The Feasibility of One-Stage Instance Segmentation for Detecting Oral Potentially Malignant Disorders in White-Light Clinical Photographs: A Proof-of-Concept Study 2026-Jul-23, Dentistry journal IF:2.5Q2 DOI:10.3390/dj14080462 PMID:42645436	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
175	2026-08-28	A comparative evaluation of multiple enlarged perivascular space segmentation tools 2026-Jul-22, Magnetic resonance imaging IF:2.1Q2 DOI:10.1016/j.mri.2026.110749 PMID:42486379	研究论文	本文开发并评估了基于3D nnU-Net的深度学习工具DORES，用于自动分割扩大的血管周围间隙（ePVS），并与其他三种分割工具进行比较。	提出了一种多模态nnU-Net的自动ePVS分割工具DORES，并在大型数据集上使用伪标签进行训练，提高了分割的自动化程度和适用性。	模型性能在不同扫描仪之间存在差异，限制了其在不同地点的应用。	开发并评估一种自动化的ePVS分割工具，以支持大规模数据集中的定量分析。	大脑磁共振图像中的扩大的血管周围间隙（ePVS）分割。	数字病理学	脑小血管疾病	磁共振成像（MRI）	深度学习（3D nnU-Net）	图像	训练包含35个手动分割扫描和1460个伪标记会话；内部验证35个手动追踪和388个视觉评级；外部验证18个手动追踪。	NA	nnU-Net	Dice分数, F1分数, 绝对体积和元素差异, 相关性, 一致性	NA
176	2026-08-28	Age-Related Brain Atrophy Mediates a Composite Outcome of One-Year Ischemic Stroke Recurrence and All-Cause Mortality Through YKL-40-Related Inflammatory Pathways: A Structural Equation Model 2026-Jul-18, Translational stroke research IF:3.8Q2 DOI:10.1007/s12975-026-01464-3 PMID:42470512	研究论文	本研究通过结构方程模型探讨年龄相关的脑萎缩和血浆YKL-40在缺血性卒中一年复发和全因死亡率复合结局中的中介作用	首次将深学习脑萎缩量化（FastSurfer）和YKL-40炎症标志物整合到结构方程模型中，揭示年龄对卒中结局的间接效应主要由星形胶质炎症介导，而非脑萎缩，并发现抑制型中介模式	未提及	探讨年龄相关的脑萎缩和血浆YKL-40是否介导年龄与缺血性卒中一年复发或全因死亡率之间的关联	缺血性卒中患者	机器学习、数字病理学、计算机视觉	缺血性卒中	MRI、深度学习	结构方程模型、深度学习（FastSurfer）	结构MRI图像和临床数据	4,305名参与者	NA	FastSurfer	回归系数、置信区间、自举重采样	NA
177	2026-08-28	Learning Fragment-Based Segmentation of Binding Sites from Molecular Dynamics: A Proof of Concept on Cardiac Myosin 2026-Jul-15, Journal of chemical information and modeling IF:5.6Q1 DOI:10.1021/acs.jcim.6c00549 PMID:42454619	研究论文	本文介绍了一种基于片段的蛋白质结合位点分割方法FragBEST-Myo，利用3D U-Net深度学习模型从分子动力学轨迹中学习并预测心肌肌球蛋白上omecamtiv mecarbil结合位点的片段特异性区域。	首次将结合位点的片段倾向映射为语义分割问题，并应用于分子动力学轨迹，以实现对结合位点动态变化的监测和筛选。	模型仅在心肌肌球蛋白的特定结合位点上验证，对更广泛的蛋白质和配体的适用性需进一步研究。	证明基于片段的结合位点分割方法能够监测结合位点的动态变化，并作为分子对接和片段设计的筛选工具。	心肌肌球蛋白的omecamtiv mecarbil结合位点。	计算机视觉	心血管疾病	分子动力学模拟	3D U-Net	分子动力学轨迹	未指定具体轨迹数量，使用了OM结合肌球蛋白的post-rigor和pre-powerstroke两种状态。	NA	3D U-Net	准确率、平均交并比	NA
178	2026-08-28	Physics-aware generative fusion via Complex-Flow Mamba enables robust 4D radar-vision perception 2026-Jul-15, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-62149-3 PMID:42457814	研究论文	提出一种名为Complex-Flow Mamba的物理感知融合框架，通过连续复值场建模和扩散模型，提升4D雷达-视觉感知在干扰和远距离目标下的鲁棒性	在信号物理层直接处理复值相位信息，利用Von Mises分布和隐式复值场保留相位梯度，开发复值潜变量扩散模块进行微观相位校正，并采用Mamba-2的SSD理论构建双向状态调制骨干网络，实现线性复杂度下的深度跨模态融合	依赖于特定数据集（VoD和K-Radar）验证，可能未覆盖所有真实场景；框架复杂度较高，实际部署可能需进一步优化	解决4D雷达成像中传统深度模型忽略复值相位连贯性的问题，提高在间歇采样转发干扰和远距离稀疏目标下的感知性能	4D毫米波雷达和视觉传感器的融合感知数据	计算机视觉	NA	4D雷达成像	Mamba	雷达点云和视觉图像	View-of-Delft (VoD) 和 K-Radar 数据集（具体样本数未在摘要中给出）	NA	Mamba-2（SSD）、一致性模型、扩散模型（CLDM）	平均精度（mAP）、NuScenes检测得分（NDS）、干扰抑制增益	NA
179	2026-08-28	Development and validation of a multimodal deep learning model for the radiographic classification of pediatric femoral neck fractures 2026-Jul-11, Orthopaedics & traumatology, surgery & research : OTSR DOI:10.1016/j.otsr.2026.104789 PMID:42435844	研究论文	开发和验证了一种多模态深度学习模型，用于基于X射线和文本配对数据对儿童股骨颈骨折进行放射学分类，并评估其在分类性能上优于单模态模型和经验丰富的外科医生	首次将多模态深度学习模型应用于儿童股骨颈骨折的新型分类系统，利用X射线和文本配对数据集增强特征提取，在样本稀缺的情况下仍能达到高精度	样本量相对较少（711例），且研究为回顾性设计，可能影响泛化性；另外，模型依赖于新分类系统，该系统的临床适用性可能受限于用户经验	验证多模态深度学习模型在儿童股骨颈骨折分类中的准确性，并评估其与单模态模型及不同经验水平外科医生相比的性能	711例接受手术治疗的儿童股骨颈骨折患者的X射线影像（包括711张前后位和674张侧位X射线）及其对应的文本描述	医学影像分析	儿童股骨颈骨折	放射学X射线成像	多模态深度学习模型（结合图像和文本）和单模态深度学习模型（仅图像）	图像（X射线）和文本（放射学描述）配对数据	711例患者（平均年龄10.7±3.7岁），共711张前后位X射线和674张侧位X射线	未明确	未明确	准确率、召回率、阳性预测值、阴性预测值、F1分数、AUC	未明确
180	2026-08-28	Detection of early-stage Parkinson's disease using wearable sensors at multiple body locations and convolutional neural networks 2026-Jul-10, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-61801-2 PMID:42432239	研究论文	利用可穿戴传感器和卷积神经网络在6分钟步行测试中检测早期帕金森病	提出了一种非侵入性检测框架，通过分析多个身体位置的传感器数据，特别是左臂陀螺仪数据，在第一分钟内实现高准确率检测，并发现短时间测量窗口即可有效筛查早期帕金森病，同时结合可解释的非线性特征进行综合分析	摘要中未提及具体局限性，可能包括样本量相对较小、单一测试场景（6分钟步行）以及依赖特定传感器位置等	开发一种非侵入性、高效且准确的早期帕金森病检测方法	78名早期帕金森病患者和50名对照者	机器学习	帕金森病	可穿戴传感器数据采集	卷积神经网络（CNN）和特征-based机器学习模型	时间序列传感器数据	128名受试者（78名早期帕金森病患者和50名对照者）	未指定	卷积神经网络（CNN），具体结构未提及；特征-based模型使用非线性特征	准确率	未提及