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
21	2026-10-08	Accuracy of Deep Learning in Detecting Cerebral Microbleeds: Systematic Review and Meta-Analysis 2026-Sep-21, Journal of medical Internet research IF:5.8Q1 DOI:10.2196/95041 PMID:42767630	系统综述与Meta分析	该文章系统评估了深度学习模型在检测脑微出血方面的诊断准确性，并对相关研究进行了Meta分析	首次系统性地评估深度学习模型在检测脑微出血中的诊断准确性，并按分析水平和诊断四格表获取方法进行了亚组分析	纳入研究数量较少，缺乏多中心研究，模型的泛化能力有待进一步验证	评估深度学习模型在检测脑微出血中的准确性，为智能检测工具的开发提供依据	基于MRI的深度学习模型检测脑微出血的研究	数字病理学	脑血管疾病	磁共振成像	NA	图像	患者水平5项研究，病灶水平多项研究	NA	NA	灵敏度，特异度，阳性似然比，阴性似然比，诊断比值比	NA
22	2026-10-08	[Multicenter study of deep learning multitask model for predicting neoadjuvant chemotherapy response and event-free survival of pediatric head and neck rhabdomyosarcoma] 2026-Sep-07, Zhonghua er bi yan hou tou jing wai ke za zhi = Chinese journal of otorhinolaryngology head and neck surgery DOI:10.3760/cma.j.cn115330-20260330-00189 PMID:42742002	研究论文	本研究开发了一种基于治疗前MRI的深度学习多任务模型，用于同时预测儿童头颈部横纹肌肉瘤的新辅助化疗反应和无事件生存期。	首次构建了基于MRI的2.5D三平面融合深度学习多任务模型，通过统一的密集神经网络编码器联合输出NACr分类和EFS生存估计，并进行了消融实验验证关键设计。	回顾性研究设计，样本量相对有限，外部测试集仅来自两个独立中心，模型泛化能力需进一步验证。	探讨基于治疗前MRI的深度学习多任务模型在同时预测儿童头颈部横纹肌肉瘤新辅助化疗反应和无事件生存期中的价值。	382例III/IV期头颈部横纹肌肉瘤儿童患者。	医学影像分析	头颈部横纹肌肉瘤	磁共振成像	多任务深度学习模型	图像	382例儿童患者，内部队列322例（训练集257例，内部验证集65例），外部测试集60例	NA	密集神经网络	AUC，C-index，阴性预测值	NA
23	2026-10-08	MLI-DTA: An interpretable multimodal framework with multi-level interactions for drug-target affinity prediction 2026-Sep-02, European journal of medicinal chemistry IF:6.0Q1 DOI:10.1016/j.ejmech.2026.119301 PMID:42731537	研究论文	该论文提出了MLI-DTA，一种基于多级注意力机制的可解释多模态框架，用于药物-靶点亲和力预测。	提出分层多源特征融合网络，从序列和图两种模态编码药物和靶点，利用多级注意力机制在细、中、粗三个粒度上分别建模片段配对、拓扑对齐和全局融合。	未明确提及。	解决现有深度学习方法在药物-靶点亲和力预测中一维序列模型表示不足、图模型语义对齐困难以及多模态方法简单堆叠特征的问题。	药物-靶点亲和力预测，涉及化合物和靶点蛋白。	机器学习	NA	NA	双线性注意力网络, 全局图交叉注意力, 多头协同注意力, 门控融合	序列数据, 图数据	NA	NA	MLI-DTA	NA	NA
24	2026-10-08	WGB-GLFI: A Novel Graph-Based Global-Local Feature Interaction Framework for Automated Seizure Detection 2026-09, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2026.3668888 PMID:41774635	研究论文	该文章提出了一种名为WGB-GLFI的新型基于图的全局-局部特征交互框架，用于自动癫痫发作检测。	提出了加权图构建（WGB）模块和全局-局部特征交互（GLFI）模块，整合空间连接性和动态模式，实现癫痫发作期间动态空间关系的全面捕捉以及全局-局部特征的无缝融合。	未明确提及	解决现有方法缺乏统一空间建模且难以有效处理局部细节特征的问题，以提高癫痫发作检测的准确性和鲁棒性。	癫痫患者的EEG数据。	机器学习	癫痫	EEG	图神经网络	EEG信号	CHB-MIT数据集、Siena Scalp数据集和私有数据集（具体样本量未提供）	未明确提及	加权图构建模块、全局-局部特征交互模块	准确率	未明确提及
25	2026-10-08	Deep learning-derived measures of sound-level accuracy in primary progressive apraxia of speech: A feasibility pipeline with descriptive evidence from two cases 2026-Sep, Clinical linguistics & phonetics IF:0.8Q4 DOI:10.1080/02699206.2026.2639397 PMID:41800702	研究论文	该研究展示了深度学习模型Phonet在两名原发性进行性言语失用症（PPAOS）患者中生成音位类别后验概率的实现与可解释性，并评估了不同语速和延迟听觉反馈条件下的言语表现	首次将深度学习模型Phonet应用于PPAOS患者，生成音位类别后验概率并聚合对齐音段时长，提供可解释的音段级发音性能测量；结合不同语速和延迟听觉反馈条件，探索其在监测运动性言语障碍治疗相关发音变化中的潜力	仅纳入两名病例，样本量极小，属于可行性研究，结果无法推广；需要进一步研究评估其更广泛的临床适用性	展示Phonet模型在PPAOS患者中生成音位类别后验概率的可行性与可解释性，并探索其在监测运动性言语障碍治疗相关发音变化中的效用	两名PPAOS患者（一例以语音性为主，一例以韵律性为主）	数字病理学	神经系统疾病	深度学习语音分析	深度学习模型	语音	2名PPAOS患者	NA	Phonet	音位类别后验概率、音段时长	NA
26	2026-10-08	Compact neural network algorithm for electrocardiogram classification 2026-Sep, Physical and engineering sciences in medicine IF:2.4Q2 DOI:10.1007/s13246-026-01751-1 PMID:42274990	研究论文	本文提出了一种紧凑的神经网络算法，通过结合人工神经网络与特征工程流程，实现心电图信号分类，用于心律失常诊断	引入17个工程特征，通过数学变换、信号处理和数据提取算法从原始心电信号中提取关键模式，无需深度学习即可高效捕捉心电信号的形态和生理特征	未明确提及	减少心电图分析中对深度学习和卷积神经网络的依赖，降低计算资源和标注数据需求	心电图信号	机器学习	心血管疾病	特征工程、信号处理、数学变换	ANN	信号	MIT-BIH和St. Petersburg INCART心律失常数据库	NA	简单人工神经网络	准确率, Cohen's kappa, Matthews相关系数	标准CPU
27	2026-10-08	Deep unrolled regularization for limited-angle dual-panel positron emission mammography 2026-Sep, Physical and engineering sciences in medicine IF:2.4Q2 DOI:10.1007/s13246-026-01769-5 PMID:42560453	研究论文	本文提出了一种深度展开正则化方法，用于减少双面板正电子发射乳腺摄影（PEM）中有限角度伪影	首次将基于深度学习的正则化融入双面板PEM的有限角度伪影校正，并集成到前向-后向分裂期望最大化算法中	目前仅为概念验证，临床实施需要在拟人模体上训练模型并进行进一步验证	减轻双面板PEM横截面切片中的有限角度伪影	双面板PEM和环形专用乳腺PET的蒙特卡洛生成图像及实验测量数据	医学图像重建	乳腺癌	蒙特卡洛模拟，正电子发射乳腺摄影	CNN	图像	3840对图像（数据增强后）	NA	U-Net	噪声，对比度，峰谷比，恢复系数，溢出率，强度分布	NA
28	2026-10-08	Improving cellular nuclei detection in histological images by combining super-resolution techniques and deep learning-based object detectors 2026-Sep, Medical & biological engineering & computing IF:2.6Q3 DOI:10.1007/s11517-026-03604-1 PMID:42593599	研究论文	本文提出了一种将超分辨率技术与双分支目标检测策略相结合的新型混合框架，用于提高组织学图像中细胞核的检测精度	创新性地将超分辨率技术与双分支检测策略相结合，双分支包含全图推理和基于图块的推理，同时利用全局上下文信息和局部高细节分析，并通过置信度加权机制融合两个分支的输出，再经过非极大值抑制和基于聚类的细化处理，从而显著提高检测鲁棒性	未明确讨论计算复杂度在实际临床工作流中的可行性，仅在NuCLS数据集上进行了验证，缺乏多数据集交叉验证，且未详细说明超分辨率模块对不同类型的染色和组织类型的泛化能力	解决组织学图像中由于分辨率和形态变化导致的细胞核检测精度下降问题，通过整合超分辨率和多尺度检测策略提升检测性能	组织学图像中的细胞核	数字病理学	NA	超分辨率技术，深度学习目标检测	CNN	图像	NuCLS数据集	NA	NA	mAP@0.5-0.95	NA
29	2026-10-08	STING expression in pituitary neuroendocrine tumour immune microenvironments 2026-Sep-01, Endocrine-related cancer IF:4.1Q2 DOI:10.1530/ERC-26-0385 PMID:42742156	研究论文	本研究通过多重免疫荧光结合数字图像分析和深度学习算法，比较了垂体神经内分泌肿瘤（PitNET）与正常垂体组织的免疫微环境差异，并探讨了其与治疗、侵袭性、增殖及AIP突变状态的关系	开发了两种定制的多重免疫荧光面板，并结合深度学习算法和QuPath图像分析软件深入 interrogate PitNET免疫微环境，首次系统比较了PitNET与正常垂体的免疫细胞浸润差异，并关联了STING表达与肿瘤增殖指数及AIP突变状态	摘要中未明确提及研究局限性	比较PitNET与正常垂体的免疫细胞浸润，探究PitNET免疫微环境如何随生长抑素受体配体治疗、肿瘤侵袭性、肿瘤增殖和AIP突变状态而变化	垂体神经内分泌肿瘤（PitNET） subtypes和正常垂体组织	数字病理学	垂体神经内分泌肿瘤	多重免疫荧光、数字图像分析、深度学习算法	深度学习算法	图像	NA	QuPath	NA	NA	NA
30	2026-10-08	Stereo-Vision-Inspired Spectral Disparity Learning for Choroidal Tumor Thickness Prediction 2026-Sep-01, Translational vision science & technology IF:2.6Q2 DOI:10.1167/tvst.15.9.18 PMID:42788774	研究论文	本文开发了一种基于立体视觉启发的深度学习框架，通过提取眼底照片中红绿通道特征并利用光谱视差模块整合，以预测脉络膜肿瘤厚度	提出光谱视差模块，模拟人类双目深度感知原理，显式捕捉红绿通道间的对应与视差，实现从眼底照片无接触估计肿瘤厚度	样本量相对有限（337例），仅使用超声测量作为金标准，未与其他影像模态对比，且未提及外部验证集	研究能否利用立体视觉启发的深度学习方法从眼底照片中估计脉络膜肿瘤厚度	337例脉络膜肿瘤患者的超广角眼底照片	计算机视觉, 医学图像分析	脉络膜肿瘤, 眼部肿瘤	超广角眼底照相, 超声测量	深度学习, 立体融合模型	图像	337例患者	NA	NA	均方根误差, 平均绝对误差, R², 准确率, 灵敏度, 特异度	NA
31	2026-10-05	Deep learning based design of buried hydrogen bond networks with HBDesigner 2026-Sep-30, bioRxiv : the preprint server for biology DOI:10.64898/2026.06.08.730848 PMID:42327288	研究论文	提出了一种名为HBDesigner的深度学习算法，用于设计蛋白质中的埋藏氢键网络，并通过实验验证其优于现有工具	将深度学习采样与原子级能量评分相结合，首次实现了在任意蛋白质骨架上设计连接的氢键网络，并能将特异性安装到同源异源二聚体家族中	摘要中未明确提及	准确设计蛋白质中的氢键相互作用，以促进特异性蛋白质-蛋白质相互作用并提高未结合状态下蛋白质的溶解度	蛋白质骨架、单体蛋白质、同源二聚体、同源异源二聚体家族	蛋白质设计	NA	深度学习、原子级能量评分	深度学习模型	蛋白质结构数据	NA	NA	NA	NA	NA
32	2026-10-05	Infrared spectroscopy combined with interpretable machine learning for forensic identification and weathering time estimation of empty blow fly puparia 2026-Sep-29, Forensic science international IF:2.2Q1 DOI:10.1016/j.forsciint.2026.113149 PMID:42828946	研究论文	该研究利用红外光谱数据结合可解释机器学习，对空蝇蛹进行物种鉴定和风化时间估计，以辅助法医学中最小死后间隔的推断	比较了经典逻辑回归与卷积神经网络在蝇蛹物种鉴定和风化时间估计任务上的性能，并进行了可解释性分析以识别光谱中最具信息量的区域	未明确提及	利用红外光谱和机器学习技术进行法医昆虫学中的物种鉴定和风化时间估计	空蝇蛹	机器学习	NA	红外光谱	CNN, 逻辑回归	光谱数据	NA	NA	卷积神经网络, 逻辑回归	NA	NA
33	2026-10-05	DiffPWI: A degradation-aware diffusion model for ultrasound plane-wave imaging 2026-Sep-25, Ultrasonics IF:3.8Q1 DOI:10.1016/j.ultras.2026.108300 PMID:42828949	研究论文	该论文提出了一种名为DiffPWI的退化感知扩散模型，用于超声平面波成像的重建，通过物理引导的退化建模和频率解耦注意力模块提升图像质量	采用潜在扩散模型学习物理引导的退化分布作为重建先验，并引入频率解耦注意力模块自适应分解特征为层次频率子带，以保留高频解剖细节同时抑制伪影	摘要中未提及	实现高保真超快超声成像，解决现有深度学习重建方法缺乏物理引导退化建模导致的解剖结构失真和散斑统计偏差问题	超声平面波成像重建（包括体模、多器官在体数据和零样本数据集）	计算机视觉	NA	超声平面波成像	潜在扩散模型（LDM）	图像	体模、多器官在体及零样本数据集（具体数量未提及）	NA	潜在扩散模型（LDM）、频率解耦注意力模块（FDAM）	空间分辨率、对比度恢复、散斑保真度	NA
34	2026-10-05	End-to-end deep learning methods for genetic risk prediction of schizophrenia 2026-09-02, Nature communications IF:14.7Q1 DOI:10.1038/s41467-026-76663-5 PMID:42823413	研究论文	该研究应用端到端深度学习模型，利用全外显子组测序数据预测精神分裂症遗传风险，并整合可解释AI与生物学先验识别预测基因和通路	使用端到端基因组解释神经网络模型捕捉复杂非线性遗传效应（如上位效应），超越传统加性模型，并整合可解释AI与生物学先验识别出BASP1为潜在研究不足的精神分裂症基因	研究未明确说明模型的具体局限性，但样本量有限可能影响泛化能力，且需要足够样本量时非线性网络才能显著优于加性模型	利用全外显子组测序数据，通过端到端深度学习模型预测精神分裂症遗传风险，并探索高阶遗传交互作用	精神分裂症患者与对照人群的全外显子组测序数据	机器学习	精神分裂症	全外显子组测序	端到端基因组解释神经网络	基因序列数据	6,135例病例和6,245例对照	NA	NA	NA	NA
35	2026-10-05	A Deep Learning Model Incorporating Spatiotemporal Asymmetries on Longitudinal Mammograms to Predict Breast Cancer Risk 2026-Sep, Radiology. Artificial intelligence DOI:10.1148/ryai.250888 PMID:42524712	研究论文	本文开发并评估了一种新的深度学习风险模型STA-Risk，该模型明确捕捉纵向乳腺X线摄影中的双侧和纵向不对称性，以预测乳腺癌风险	提出了一种名为STA-Risk的新型深度学习风险模型，其架构结合了侧别编码、时间编码和定制的非对称性损失函数，能够显式地捕捉纵向乳腺X线摄影中的空间和时间不对称性	存在领域偏移问题，但通过联合训练策略在一定程度上得到了缓解	开发和评估一种新的深度学习风险模型，通过显式捕捉序列乳腺X线摄影中的双侧和纵向不对称性来预测乳腺癌风险	接受筛查的乳腺X线摄影女性	计算机视觉	乳腺癌	卷积神经网络	CNN	图像	CSAW-CC数据集：406例癌症患者和6053例对照参与者；独立数据集：293例癌症患者和297例对照参与者	NA	STA-Risk	C-index，时间依赖的AUC（1-5年）	NA
36	2026-10-05	A multimodal prediction model for brain hematoma expansion based on deep neural network with transformer-driven collaborative attention fusion 2026-Sep, Medical & biological engineering & computing IF:2.6Q3 DOI:10.1007/s11517-026-03643-8 PMID:42541520	研究论文	本文提出了一种名为SResFormer的多模态深度学习模型，基于位置感知CT特征编码，融合CT图像和临床特征，用于预测脑血肿扩张	提出了基于位置感知CT特征编码的双通道处理方案，实现了三维血肿结构的显式捕捉，并通过语义对齐将CT特征与结构化临床特征融合，使用Transformer驱动的协同注意力融合机制	未明确提及	准确早期预测自发性脑出血患者的血肿扩张，以辅助临床决策	自发性脑出血患者的CT图像和临床数据	医学图像分析	脑出血	CT成像	Transformer, CNN	图像, 文本	多中心数据集（具体样本量未提及）	NA	SResFormer（基于Transformer和CNN）	NA	NA
37	2026-10-05	Opportunistic Chest CT Paraspinal Muscle Biomarkers to Predict Longitudinal Thoracic Vertebral Bone Mineral Density Loss: Results from MESA 2026-Sep, Radiology IF:12.1Q1 DOI:10.1148/radiol.260238 PMID:42742379	研究论文	该研究评估了CT衍生的椎旁肌衰减和体积是否能独立预测纵向胸椎骨密度丢失，基于MESA多中心前瞻性队列	首次利用深度学习三维分割技术从胸部CT中提取椎旁肌衰减和体积，并证明其对纵向胸椎骨密度丢失和椎体骨折具有独立及增量预测价值	为二次分析，排除了FRAXnb数据不完整或分割失败者，可能引入选择偏倚；仅分析胸椎T1-T10，未涵盖腰椎；随访时间约6年，长期预测能力尚不明确	评估CT衍生的椎旁肌衰减和体积是否独立预测纵向胸椎骨密度丢失	MESA队列中1316名参与者（平均年龄67.2岁，694名女性）	数字病理学	骨质疏松症	胸部CT、深度学习三维分割、手动分割	深度学习分割模型	图像	1316名参与者，包含第5次检查（2010年4月）和第6次检查（2016年9月）的非增强胸部CT扫描，椎旁肌T1至T10多水平分割	NA	NA	Dice分数、调整R²、AUC	NA
38	2026-10-05	Deep Learning-derived Bone Mineral Density and Longitudinal White Matter Microstructure and Cognitive Decline: Multi-Ethnic Study of Atherosclerosis 2026-Sep, Radiology IF:12.1Q1 DOI:10.1148/radiol.260656 PMID:42770818	研究论文	本研究基于多民族动脉粥样硬化研究（MESA），利用深度学习从非增强胸部CT中提取胸椎骨密度（vBMD），并探究其与纵向白质微结构完整性、白质高信号负荷及认知功能下降之间的关联。	首次利用深度学习从非增强胸部CT自动量化胸椎骨密度，并系统评估其与纵向白质微结构退变、白质高信号累积及认知下降的关联，揭示了骨骼健康与脑老化之间的纵向联系，尤其在糖尿病患者中关联更强。	部分关联未通过错误发现率校正，仅属名义显著；研究为观察性设计，无法确定因果关系；样本主要来自特定人群，外推性有限。	确定深度学习衍生的胸椎骨密度是否与白质完整性、白质高信号负荷及认知下降的纵向变化相关	无临床心血管疾病的多民族动脉粥样硬化研究参与者，共715人	数字病理学	心血管疾病	非增强胸部CT、多模态脑MRI（弥散张量成像和液体衰减反转恢复序列）、认知测试	深度学习	图像	715名参与者（中位年龄69岁，397名男性，318名女性）	NA	NA	NA	NA
39	2026-10-05	AV-NeXt: a topology-aware framework with interaction modeling and competitive gating for retinal artery/vein segmentation 2026-Sep, Medical & biological engineering & computing IF:2.6Q3 DOI:10.1007/s11517-026-03633-w PMID:42501190	研究论文	本文提出了一种拓扑感知框架AV-NeXt，用于视网膜动脉/静脉分割，通过交互建模和竞争门控机制改善交叉区域识别	将解剖学启发的动静脉交互建模集成到深度特征表示中，提出交互条件交叉头和竞争门控机制	零样本评估中交叉IoU较低，表明在域偏移下交叉识别性能有待提高	提高视网膜动脉/静脉交叉区域的识别精度，解决血管断裂和分类模糊问题	视网膜血管图像中的动脉和静脉	计算机视觉	心血管疾病	深度学习	CNN	图像	NA	NA	ConvNeXt	mDice, mIoU, Crossing IoU	NA
40	2026-10-05	Two-stage deep learning framework for the restoration of incomplete-ring PET images 2026-Sep, Medical & biological engineering & computing IF:2.6Q3 DOI:10.1007/s11517-026-03641-w PMID:42554922	研究论文	本文提出一个两阶段深度学习框架，从约50%缺失符合事件的不完整环形PET数据中恢复高质量图像	不需要TOF信息即可处理约50%缺失数据（是先前CNN方法的两倍损失水平）；采用两阶段流程：投影域Attention U-Net补全正弦图缺失部分，然后OSEM重建，再用级联U-Net和warm-start扩散模型进行图像细化，扩散过程从U-Net粗预测开始而非纯高斯噪声	研究基于模拟数据（613个模拟脑体积），尚未在真实不完整环形PET扫描上验证；仅针对脑部成像，未涉及其他器官；未使用TOF信息可能限制在特定扫描仪上的性能	开发一个深度学习框架，从不完整环形PET扫描仪收集的数据中恢复高质量PET图像，以解决硬件故障、成本约束或特定临床需求导致的数据不完整问题	模拟脑部PET体积，来源于真实扫描，包括196个健康脑样本、217个阿尔茨海默病样本和200个轻度认知障碍样本	医学图像处理	阿尔茨海默病, 轻度认知障碍	PET成像	CNN, 扩散模型	图像	613个模拟脑体积（196健康，217阿尔茨海默病，200轻度认知障碍）	NA	Attention U-Net, U-Net, 扩散模型	PSNR, SSIM	NA