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
381	2026-08-20	Deep learning-based effusion-synovitis volume measured on MRI is associated with osteoarthritis progression: A longitudinal analysis of data from the osteoarthritis initiative 2026-Sep, Osteoarthritis and cartilage open DOI:10.1016/j.ocarto.2026.100847 PMID:42437108	research paper	本研究利用深度学习从MRI中测量膝关节积液-滑膜炎体积，并分析其48个月变化与骨关节炎进展的关联。	首次使用深度学习自动测量膝关节积液-滑膜炎体积，并证明其纵向变化相比半定量评分与影像学骨关节炎进展有更强的关联。	尚未建立预测性和临床应用价值，需要进一步研究。	评估膝关节积液-滑膜炎体积变化与骨关节炎进展的关联，并比较其与半定量评分的关联强度。	来自骨关节炎倡议研究的2469名参与者的膝关节MRI数据。	deep learning, imaging	osteoarthritis	MRI	deep learning	MRI图像	2469例膝关节MRI数据	NA	NA	p值，效应大小（IDD）	NA
382	2026-08-20	BiGranMolNet: A deep learning method for predicting blood-brain barrier permeability based on Bi-Granularity Molecular Graphs 2026-Sep, Journal of biomedical informatics IF:4.0Q2 DOI:10.1016/j.jbi.2026.105079 PMID:42471206	研究论文	提出BiGranMolNet，一种基于双粒度分子图的深度学习方法，用于预测血脑屏障通透性	结合原子级和基序级分子图，使用交叉注意力机制融合双粒度特征，并引入加权损失函数缓解类别不平衡	摘要中未提及具体局限	开发可靠的BBB通透性预测工具，支持中枢神经系统药物早期筛选和分子优化	血脑屏障通透性预测	机器学习	中枢神经系统疾病	图卷积网络	图卷积网络（GCN）	分子图	2148个回归样本和16904个分类样本	NA	图卷积网络、交叉注意力机制	NA	NA
383	2026-08-20	Predicting time-to-event clinical outcomes with multivariate repeated measurements of patient-level covariates: A systematic review 2026-Sep, Journal of biomedical informatics IF:4.0Q2 DOI:10.1016/j.jbi.2026.105087 PMID:42547001	系统综述	本系统综述旨在识别和比较使用多变量重复测量数据预测生存结局的方法，并将其归类为不同的方法学家族	首次系统性地对基于多变量重复测量数据的生存预测方法进行聚类，并采用多维度评分比较各方法的优劣	纳入研究存在较高的偏倚风险，机器学习方法在处理非规则采样方面能力有限	识别并比较基于重复测量的生存预测方法，评估其适用性和性能特征	58篇原始同行评审研究，涉及使用多变量重复测量数据开发时间至事件预测模型	机器学习、统计学	NA	NA	联合模型、深度学习模型、地标方法、数据操作方法	结构化重复测量健康数据	58项研究，样本量因研究而异	NA	NA	NA	NA
384	2026-08-19	A Deep Learning Model for Automatic Thresholding of Auditory Brainstem Responses: Multicenter and Multispecies Validation 2026 Sep-Oct 01, Ear and hearing IF:2.6Q1 DOI:10.1097/AUD.0000000000001811 PMID:41952099	研究论文	本研究开发了一种基于深度学习的模型，直接从多个刺激强度的叠加波形序列中估计听觉脑干反应阈值，并在多中心、大规模的人类和小鼠数据集上进行了验证	首次提出用于多级波形堆栈自动阈值估计的深度学习模型，整合了相邻级别交叉注意力、序列编码器和监督对比学习分支，超越了传统逐波形检测方法	未来需要更广泛的外部验证，并将模型集成到实时ABR采集工作流程中	开发并验证一种直接从叠加波形序列估计听觉脑干反应阈值的深度学习模型	人类和小鼠的听觉脑干反应数据	深度学习	听觉疾病	NA	Transformer	波形序列数据	人类数据集I包含8350名受试者，人类数据集II包含136名受试者；小鼠数据集I包含8259只小鼠，小鼠数据集II包含351只小鼠	PyTorch	Transformer	精确匹配准确率、±5 dB容差准确率、±10 dB容差准确率	NA
385	2026-08-19	DAFNet: A multi-modal deep learning model based on whole-lung CT for the automated prediction of the air space spread of lung adenocarcinoma 2026-Sep, Lung cancer (Amsterdam, Netherlands) DOI:10.1016/j.lungcan.2026.109557 PMID:42566922	研究论文	本研究介绍了一种基于全肺CT的多模态深度学习模型DAFNet，用于自动预测肺腺癌的空气播散状态	首次提出无需手动勾画肿瘤的全自动端到端多模态深度学习网络DAFNet，通过自适应门控融合机制和基于DINOv3的预训练架构，结合多模态数据融合与多尺度特征提取，显著提高了STAS预测准确性	基于标题和摘要，未指明具体局限性	开发一种基于术前全肺CT的自动、非侵入性深度学习工具，用于预测肺腺癌的空气播散状态，以推进个性化手术规划和AI驱动的肿瘤应用	1164例肺腺癌患者（511例STAS阳性，653例阴性），来自两个中心	医学影像分析，深度学习	肺腺癌	CT成像	多模态深度学习网络（DAFNet）	全肺CT图像	1164例肺腺癌患者，训练集814例，测试集350例	未明确指定，可能使用PyTorch或TensorFlow（基于DINOv3的预训练架构），但摘要中未提及具体框架，此处输出为NA	DINOv3	AUROC（曲线下面积）	未在标题和摘要中指明，输出为NA
386	2026-08-18	DNAJC12 p.Asp44Gly associated with mild hyperphenylalaninemia and migraine-like headaches: Structural and deep learning analyses 2026-Sep, Molecular genetics and metabolism reports IF:1.8Q3 DOI:10.1016/j.ymgmr.2026.101347 PMID:42604036	研究论文	本文通过整合深度学习方法评估DNAJC12基因p.Asp44Gly变异，该变异与轻度高苯丙氨酸血症和偏头痛样头痛相关	首次对DNAJC12 p.Asp44Gly变异应用集成深度学习方法进行致病性评估，结合AlphaFold2、AlphaMissense等工具进行结构建模和功能预测	未能确定p.Asp44Gly变异的致病性，需要进一步的功能验证	评估DNAJC12 c.131A>G (p.Asp44Gly)变异的致病性及其与临床表型的关联	一份DNAJC12 p.Asp44Gly变异及四个已报道的临床相关错义变异（A62E、R72P、H102Q和W103C）	深度学习	高苯丙氨酸血症、偏头痛	未明确提及测序技术，但涉及遗传变异分析	深度学习模型（AlphaMissense）和传统预测算法（REVEL、PolyPhen-2、ThermoMPNN）	文本和结构数据	一名19岁男性患者及四个已知变异	未明确提及	AlphaFold2和AlphaMissense	主成分分析（PCA）	未明确提及
387	2026-08-17	A multimodal MRI-radiomics deep learning model for survival risk stratification after gamma knife radiosurgery in patients with brain metastases: A multicenter retrospective study 2026-Sep, Radiotherapy and oncology : journal of the European Society for Therapeutic Radiology and Oncology IF:4.9Q1 DOI:10.1016/j.radonc.2026.111686 PMID:42419433	研究论文	本研究开发和验证了一种多模态深度学习框架，用于伽玛刀放射外科治疗后脑转移患者的总生存期风险分层	提出了一种结合掩码引导的多尺度编码器、全MRI、基于网格的MRI补丁、放射组学和临床变量的多模态模型，用于生存风险分层	模型的判别能力中等，需要进一步重新校准、纳入更全面的临床变量并进行前瞻性验证	开发并验证一种多模态深度学习模型，用于伽玛刀放射外科治疗后脑转移患者的总生存期风险分层	脑转移患者	医学影像分析	脑转移瘤	MRI	深度学习模型	MRI图像、临床数据	875名患者，来自三个中心	NA	掩码引导的多尺度编码器	时间依赖性AUC、C-index、决策曲线分析	NA
388	2026-08-17	Variability in manual editing of head and neck organs of interest auto-segmentations: a multi-user, longitudinal analysis 2026-Sep, Radiotherapy and oncology : journal of the European Society for Therapeutic Radiology and Oncology IF:4.9Q1 DOI:10.1016/j.radonc.2026.111684 PMID:42425419	研究论文	该研究通过七年纵向分析，量化了头颈部器官自动分割的手动编辑行为，评估了不同放射治疗技师之间的编辑变异性及其与临床可接受性的关联	首次对头颈部自动分割的手动编辑进行长达七年的纵向分析，并同时评估跨用户和时间的变异性，结合用户对临床可接受性的盲评，揭示了过度和不足编辑均与较低可接受性相关	研究仅基于单中心数据，未包含所有器官类型，且临床可接受性评估仅针对近期病例子集	量化头颈部器官自动分割的手动编辑模式，表征不同技师间的编辑变异性，并评估编辑行为与临床可接受性的关系	2017年以来治疗的1051例头颈部癌症患者，涵盖腮腺、下颌下腺、口腔和声门等器官	医学影像分析	头颈部癌症	自动分割，基于图谱和深度学习的分割方法	NA	医学影像分割数据	1051例头颈部癌症患者	NA	NA	平均表面距离，归一化附加路径长度，表面Dice相似系数	NA
389	2026-08-17	Improved risk stratification for oral tongue squamous cell carcinoma using deep learning-based MRI classifier and pathological markers to guide postoperative radiotherapy: A multicenter cohort study 2026-Sep, Radiotherapy and oncology : journal of the European Society for Therapeutic Radiology and Oncology IF:4.9Q1 DOI:10.1016/j.radonc.2026.111700 PMID:42456900	研究论文	该研究通过整合基于MRI的深度学习模型和病理标志物，构建了口腔舌鳞状细胞癌（OTSCC）的风险分层系统（CRIS-OTSCC），以指导术后放疗决策。	首次将深度学习影像分析与病理标志物结合，开发了复合风险分层系统（CRIS-OTSCC），能够更精确地识别术后放疗获益的高风险患者。	对于低风险患者避免术后放疗的潜在价值需要进一步验证。	开发一种更精确的OTSCC风险分层系统，以指导术后放疗决策，减少过度治疗或治疗不足。	口腔舌鳞状细胞癌患者。	医学影像分析	口腔舌鳞状细胞癌	NA	深度学习模型	MRI图像和病理数据	训练队列658例，外部验证队列419例（来自两个独立中心）。	NA	NA	C指数，时间依赖性ROC曲线	NA
390	2026-08-17	Multi-centre generalisability of deep learning-based dose prediction for head and neck radiotherapy using DAHANCA real-world data 2026-Sep, Radiotherapy and oncology : journal of the European Society for Therapeutic Radiology and Oncology IF:4.9Q1 DOI:10.1016/j.radonc.2026.111702 PMID:42468605	研究论文	该研究评估了一个基于单中心数据训练的深度学习剂量预测模型在大型多中心头颈癌放疗队列中的泛化能力，并与中位数模型进行比较。	首次使用丹麦DAHANCA真实世界多中心数据验证深度学习剂量预测模型的泛化性，并结合正常组织并发症概率（NTCP）和归一化毒性指数（NTI）探索预期毒性差异。	摘要中未提及明显局限性，可能包括模型仅基于单中心训练，且未考虑所有临床相关因素。	验证基于单中心数据训练的深度学习剂量预测模型在多中心临床环境中的泛化性，并评估其临床适用性。	头颈癌患者的放疗治疗计划和剂量分布。	深度学习、放射治疗计划	头颈癌	深度学习剂量预测	深度神经网络	放疗计划数据（CT图像、剂量分布等）	388个训练计划，42个内部测试患者，560个外部测试计划（来自6个机构）	未提及	NA	Dmean差异、四分位距（IQR）、NTCP、NTI	NA
391	2026-08-16	IMF-DDI: Information Mapping and Fusion Framework for Drug-drug Interaction Prediction 2026-Sep, Interdisciplinary sciences, computational life sciences DOI:10.1007/s12539-025-00781-9 PMID:41264226	研究论文	提出了一种基于信息映射与融合框架的深度学习模型IMF-DDI，用于预测药物-药物相互作用，通过整合多个外部实体的信息来提升预测性能。	提出了一种信息映射模块和多源信息融合模块，以捕捉药物分子与外部实体的关联并整合多源信息，克服了现有方法对连接信息的过度依赖，提高了模型的泛化能力。	摘要中未明确提及局限性，可能需要进一步评估模型在多样数据集上的泛化能力及计算成本。	开发一种计算机辅助的深度学习框架，以提高药物-药物相互作用预测的准确性，从而支持临床安全和药物发现。	药物分子的相互作用，具体涉及药物-药物相互作用预测任务。	机器学习	不适用	不适用	深度学习模型（具体架构未指明，可能涉及神经网络）	药物分子相关的数据，可能包括药物信息及相互作用网络数据。	不适用（摘要中未提及具体样本数量）	不适用	不适用（具体架构未在摘要中提及）	采用准确性等指标（具体未在摘要中详述）	不适用（摘要中未提及计算资源）
392	2026-08-16	Photo-Based Color Analysis in Restorative Dentistry: The Role of Artificial Intelligence Algorithms 2026-Sep, Journal of esthetic and restorative dentistry : official publication of the American Academy of Esthetic Dentistry ... [et al.] IF:3.2Q1 DOI:10.1111/jerd.70078 PMID:41420821	研究论文	本研究旨在开发和评估基于深度学习的模型，从标准化口外照片估计CIELAB牙齿颜色坐标，并以体内分光光度法测量作为参考标准，为修复牙科中的临床选色提供实用支持。	首次将卷积神经网络与牙齿解剖位置信息结合，从口外照片估计CIELAB颜色坐标，并与分光光度法参考标准进行对比验证，展示了在临床选色中的应用潜力。	研究样本限于特定人群，且前牙比后牙精度更高，可能受图像质量和光照条件影响，需进一步验证模型在不同临床环境中的泛化能力。	开发并评估基于深度学习模型的AI系统，以从标准化口外照片估计CIELAB牙齿颜色坐标，支持修复牙科中的临床选色。	102名参与者的上颌前牙图像及对应的体内CIELAB颜色坐标测量值。	计算机视觉	不适用	数字化摄影及分光光度法	卷积神经网络	图像	102名参与者的1031张标记并裁剪的牙齿图像	深度学习框架（未指定具体框架，如PyTorch或TensorFlow）	CustomCNN, ResNet18, EfficientNetB0, DenseNet121, MobileNetV2	平均绝对误差（MAE）, 决定系数（R²）, 估计准确率（基于ΔE≤2临床阈值）	未知
393	2026-08-16	Development and validation of an interpretable MRI-based multimodal fusion model for predicting lymph node metastasis after neoadjuvant chemoradiotherapy in locally advanced rectal cancer: a multicenter study 2026-Sep, Abdominal radiology (New York) DOI:10.1007/s00261-026-05391-7 PMID:41801383	研究论文	开发并验证了一种基于MRI的多模态融合模型，用于预测局部晚期直肠癌患者在新辅助放化疗后的淋巴结转移情况	结合深度学习影像组学和Node-RADS评分构建可解释融合模型，并利用SHAP分析增强模型临床可信度	未提供具体局限性信息	开发一个可解释的多模态模型，整合MRI深度学习影像组学特征和Node-RADS评分，以预测局部晚期直肠癌患者新辅助放化疗后的淋巴结转移	190例来自三个独立中心的局部晚期直肠癌患者	医学影像分析	直肠癌	磁共振成像（MRI）	逻辑回归分类器	医学影像（MRI图像）	190例患者	未提及	深度学习影像组学特征与Node-RADS评分的组合	AUC	未提及
394	2026-08-16	Preoperative prediction of preserved renal parenchymal volume via multilevel CT feature fusion: a proof-of-concept study 2026-Sep, Abdominal radiology (New York) DOI:10.1007/s00261-026-05381-9 PMID:41714356	研究论文	本研究开发并验证了一种基于CT的多层次特征融合模型，用于术前准确预测部分肾切除术后保留肾实质体积	提出结合影像组学特征、手工特征和深度学习特征的多层次CT特征融合方法，并利用TabPFN回归器实现高精度预测	本研究为单中心回顾性研究，且为概念验证性质，多中心外部验证和前瞻性研究仍需进一步开展	开发并验证基于CT的多层次特征模型，以在术前准确预测部分肾切除术后保留的肾实质体积	2019至2023年间在中山大学肿瘤防治中心接受部分肾切除术的185例肾肿瘤患者	医学影像分析, 计算机视觉	肾肿瘤	CT影像分析, 放射组学, 深度学习	nnUNetV2, TabPFN	CT图像	185例患者的CT影像数据	PyRadiomics, PyTorch	nnUNetV2, 自定义深度学习网络, TabPFN, PyRadiomics特征提取	Dice相似系数, R², 平均绝对百分比误差（MAPE）	未在摘要中明确说明，可能为GPU集群（如NVIDIA V100或A100）
395	2026-08-16	MRI-based automated segmentation and multiparametric quantification for assessing orbital soft tissue involvement in thyroid eye disease 2026-Sep, European radiology IF:4.7Q1 DOI:10.1007/s00330-026-12599-0 PMID:42089968	研究论文	开发了一种基于深度学习的多模态框架TED-Net，用于自动分割眼眶软组织并进行多参数定量分析，以评估甲状腺眼病的严重程度	提出TED-Net，整合ConvNeXt和Transformer架构的深度学习模型，能够自动提取形态学（体积和体积比）和功能参数（水分数、脂肪分数和FS T2弛豫时间）	未在摘要中明确提及局限性	开发深度学习框架，实现眼眶软组织的自动分割和多参数定量分析，为甲状腺眼病严重程度提供客观评估的影像生物标志物	甲状腺眼病（TED）患者的眼眶软组织，包括眼外肌、泪腺、眶脂肪和眼球	医学影像分析	甲状腺眼病	MRI（水脂分离和脂肪抑制T2 mapping序列）	深度学习模型	MRI图像及相关定量参数	330名患者（主要中心）用于模型开发，113名患者（两个外部中心）用于验证；其中182例轻度、138例中重度TED用于进一步分析	NA	ConvNeXt、Transformer	Dice相似系数、组内相关系数、受试者工作特征曲线下面积、决策曲线分析	NA
396	2026-08-14	Beyond the LUMIR challenge: The pathway to foundational registration models 2026-Sep, Medical image analysis IF:10.7Q1 DOI:10.1016/j.media.2026.104175 PMID:42361771	研究论文	本文介绍了大规模无监督脑MRI图像配准挑战（LUMIR），并评估了深度学习方法在该任务中的性能，结果表明其超越了优化方法并展现出作为基础模型的潜力	首次提供4,014个无标签T1加权MRI用于训练，通过自监督实现生物合理变形，并包含域内测试和跨疾病、协议、物种的零样本评估	未明确提及局限性，但可能依赖于特定数据集和评估设置	推进无监督脑MRI配准的基准测试，并探讨深度学习作为通用医学图像配准基础模型的可行性	脑MRI图像配准，涉及疾病人群、成像协议和物种的多样数据	医学图像分析	多种疾病（如影响脑部的疾病）	MRI	深度学习模型	医学图像（MRI）	训练集4,014个无标签T1加权MRI，测试集590个域内受试者及多种零样本任务	未明确	未明确	未明确	未明确
397	2026-08-13	Diagnosis and classification of thalassemia disease using machine learning: Comparative analysis of traditional models and a novel hybrid approach 2026-Sep, Technology and health care : official journal of the European Society for Engineering and Medicine IF:1.4Q3 DOI:10.1177/09287329261448689 PMID:42220235	研究论文	本研究探讨了机器学习算法在地中海贫血及其亚型分类中的应用，并提出了一种新型混合堆叠模型ThalP，该模型在真实临床数据集上表现出较高的分类性能。	提出了一种名为ThalP的混合堆叠模型，该模型通过神经网络元分类器整合SVM、LR和XGBoost的概率输出，以提高地中海贫血亚型分类的准确性。	训练数据为基于真实临床数据统计特性生成的合成数据集，可能与真实数据的复杂性存在差异，且模型性能仅在单一中心的数据集上验证。	评估机器学习算法在地中海贫血及其亚型分类中的辅助诊断能力，并开发一种有效的混合模型作为决策支持工具。	地中海贫血患者，包括α-地中海贫血和β-地中海贫血（轻型、中间型和重型）的临床血液学参数。	机器学习	地中海贫血	临床血液学参数分析	支持向量机、逻辑回归、XGBoost、人工神经网络、混合堆叠模型	结构化临床数据	合成训练数据集1534例，真实外部数据集349例患者	NA	SVM、LR、XGBoost、ANN、ThalP（混合堆叠架构）	准确率、宏平均F1分数	NA
398	2026-08-13	A Unified Deep Learning Framework for Instance Segmentation Across Diverse Cytological Stains 2026-Sep, Cytopathology : official journal of the British Society for Clinical Cytology IF:1.2Q3 DOI:10.1111/cyt.70087 PMID:42115786	研究论文	评估单个实例分割模型是否能在多种细胞学染色（Papanicolaou、Feulgen、AgNOR）中稳健运行，避免特定染色流程而不损失准确性	首次验证统一的多染色模型在细胞学实例分割中的可行性，表明统一训练可匹配或超越特定染色模型，并改善边界精度	未提供关于模型计算资源、训练时间或泛化到其他染色类型的详细信息	评估单一实例分割模型在多种细胞学染色中的稳健性，支持统一多染色、可扩展的AI辅助细胞病理学路径	来自Papanicolaou、Feulgen和AgNOR染色的细胞学图像，包含三个专家注释数据集	计算机视觉、数字病理学	不适用（细胞学染色，未指定特定疾病）	不适用（使用深度学习模型，非特定测序技术）	Mask R-CNN、Mask2Former、YOLO11n、YOLO12n	图像（细胞学染色图像）	未提供具体样本数量（三个专家注释数据集）	不适用（未在标题或摘要中指定）	Mask R-CNN、Mask2Former、YOLO11n、YOLO12n	AP50、AP75	不适用（未在标题或摘要中指定）
399	2026-08-13	V2-Former: Towards volumetric framework for instance-level segmentation and prediction of fetal ventriculomegaly in anisotropic MRI 2026-Sep, Medical image analysis IF:10.7Q1 DOI:10.1016/j.media.2026.104219 PMID:42480342	研究论文	提出了V2-Former，一个用于胎儿脑室增大（VM）各向异性MRI中的实例级分割和预测的体积极框架，结合查询式Transformer范式，实现脑室特异性预测和全面体积评估	首次提供端到端解决方案，同时实现脑室特异性预测和体积评估，并引入各向异性感知模块（AAM）和脑室诊断增强（VDE）策略	未明确提及局限性	提高胎儿脑室增大的产前诊断准确性，通过结合3D形态学线索和临床工作流程实现综合评估	胎儿脑室增大的MRI扫描数据	计算机视觉, 数字病理学	胎儿脑室增大	MRI成像	Transformer	图像	384个胎儿MRI扫描	NA	未指定具体架构，但提及查询式Transformer范式	综合性能指标	NA
400	2026-08-13	Artificial intelligence-based methods and applications in clinical and diagnostic microbiology: Current challenges and future perspectives 2026-Sep, Journal of microbiological methods IF:1.7Q4 DOI:10.1016/j.mimet.2026.107638 PMID:42492779	综述	本文全面评估了人工智能在临床和诊断微生物学中的应用，涵盖其优势、局限性及实施挑战，并比较了人工智能驱动方法与常规专家实践的差异	系统比较不同人工智能方法在特定实验室任务中的适用性，并强调人工智能系统与人类专业知识的互补协同作用	未提及具体限制	评估人工智能在微生物学诊断中的当前应用，探讨其优势、局限和实施挑战，并强调人工智能与人类专家的互补作用	人工智能技术在微生物实验室诊断、基因组学、宏基因组学、耐药性预测及药物和疫苗发现中的应用	机器学习	传染病	NA	机器学习、深度学习	NA	NA	NA	NA	NA	NA