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
401	2026-08-12	Unraveling spatiotemporal dynamics of pine wilt disease via time-series UAV monitoring and deep learning 2026-Sep, Pest management science IF:3.8Q1 DOI:10.1002/ps.70873 PMID:42098944	研究论文	本研究通过时间序列无人机监测和深度学习模型，揭示了松材线虫病的时空动态，并量化了症状滞后效应，为精准管理提供了科学依据	开发了基于增强YOLOX的时序变化检测模型，利用物候变化自动识别变色的染病松树，有效过滤干扰物，并首次量化了秋季漏检的滞后症状树木导致年累计死亡率翻倍的现象	未提及模型在不同地理区域或气候条件下的泛化能力，也未讨论无人机监测的成本和操作限制	为了解松材线虫病的时空动态，为数据驱动的管理提供科学依据，并纠正传统监测中的普查偏差和优化资源分配	浙江省某乡镇的松材线虫病染病松树及其时空分布	计算机视觉	松材线虫病	无人机遥感	YOLOX	图像	300,000个训练样本，7个时间序列的无人机正射影像	PyTorch	YOLOX	平均精度（AP）、精确率、召回率	未提及
402	2026-08-11	Development and Evaluation of Artificial Intelligence-Based Two-Step Model for Automated Serum Quality Assessment in Clinical Laboratories 2026-Sep-01, Annals of laboratory medicine IF:4.0Q1 DOI:10.3343/alm.2025.0509 PMID:41797408	研究论文	评估了一种基于人工智能的两步深度学习模型（YOLOv5-ResNet-50）在临床实验室中自动评估血清质量（溶血、黄疸、脂血）的性能	提出了两步式YOLOv5-ResNet-50架构模型，用于血清质量自动评估，并在真实实验室条件下与人工评估和现有自动化方法进行了比较，展现出更高的一致性	未明确提及局限性	开发并评估一种基于人工智能的血清质量自动评估方法，以提高检验前质量控制并减少主观视觉评估带来的误差风险	临床实验室中的血清样本，共42,000份（21,000份用于训练/验证，21,000份用于独立测试）	机器学习、数字病理学	不适用	血清质量评估（溶血、黄疸、脂血检测）	YOLOv5和ResNet-50深度学习模型	血清样本图像数据	42,000份血清样本，其中21,000份用于训练/验证，21,000份用于独立测试	未明确提及	YOLOv5, ResNet-50	准确率、一致性	未明确提及
403	2026-08-11	Predicting early response to ablative radiotherapy in oligometastatic disease: a scoping review of radiomics-based machine learning and deep learning models 2026-Sep, European radiology IF:4.7Q1 DOI:10.1007/s00330-026-12590-9 PMID:42059963	综述	本综述系统总结了基于影像组学、机器学习和深度学习方法预测寡转移性疾病消融放疗反应的研究，并评估了这些研究的方法学质量和报告透明度。	首次对影像组学预测消融放疗反应的研究进行范围综述，并同时使用RQS、METRICS和CLEAR工具评估方法学质量和报告透明度，填补了该领域的空白。	纳入研究存在方法学异质性，外部验证有限，主要集中在脑转移，缺乏针对颅外转移的前瞻性多中心研究。	系统总结影像组学预测消融放疗反应的研究现状，评估方法学质量和报告透明度，识别研究空白和未来方向。	29项研究中的3946名寡转移性疾病患者，主要包含脑转移和颅外转移病例。	医学影像分析	寡转移性疾病	MRI影像组学（占多数）	机器学习模型和深度学习模型	医学影像数据（MRI为主）	29项研究，3946名患者	NA	NA	AUC	NA
404	2026-08-05	Deep Learning-Based Method for Damage Severity Grading of Black Shell Disease in Hong Kong Oyster (Crassostrea hongkongensis) Caused by Polydora Complex 2026-Sep, Journal of fish diseases IF:2.2Q1 DOI:10.1111/jfd.70170 PMID:41887728	研究论文	开发了一种结合注意力机制的改进Deeplabv3+语义分割模型，用于香港牡蛎黑壳病的严重程度分级，并构建了网络系统。	将CBAM注意力模块集成到Deeplabv3+中，显著提升了病灶分割性能，并开发了实用的网络系统进行疾病分级。	研究依赖于特定种类的牡蛎图像数据集，可能限制模型在其他物种或地理区域的泛化能力。	识别和分级牡蛎黑壳病的严重程度，以支持疾病监测和预防。	香港牡蛎（Crassostrea hongkongensis）的壳体图像。	数字病理学	牡蛎黑壳病	图像采集与增强技术	卷积神经网络（CNN）	图像	4590张贝类疾病图像	未提供	Deeplabv3+, CBAM	mIoU, 平均精度, mFscore	未提供
405	2026-08-03	Deep Learning Analysis of Prenatal Ultrasound for Identification of Ventriculomegaly 2026-Sep, Ultrasound in medicine & biology DOI:10.1016/j.ultrasmedbio.2026.05.011 PMID:42236425	研究论文	开发并评估一种基于超声数据预训练的基础模型，用于检测产前超声图像中的脑室增大	使用专门在超声数据上预训练的视觉变换器自监督基础模型，提升了脑室增大检测的分类性能和泛化能力	未在摘要中明确提及局限性	开发并评估深度学习模型，用于检测产前超声图像中的脑室增大	胎儿脑部超声图像	计算机视觉	胎儿脑室增大	超声成像	视觉变换器	图像	超过37万张超声图像用于预训练；胎儿脑部图像数据集用于微调	NA	USF-MAE, VGG-19, ResNet-50, ViT-B/16, MoCo v3	准确率, 精确率, 召回率, 特异性, F1分数, AUC(ROC), AUC(PR)	NA
406	2026-08-03	A Synthetic Data-Augmented Deep Learning Framework for Robust Segmentation and Quantification of the Carotid Artery in Ultrasound Images 2026-Sep, Ultrasound in medicine & biology DOI:10.1016/j.ultrasmedbio.2026.05.005 PMID:42242994	研究论文	提出了一种基于条件扩散模型和ControlNet的合成数据生成框架（CU-CDGF），用于增强超声图像中颈动脉分割性能，缓解数据稀缺问题。	创新性地将条件扩散模型与ControlNet结合应用于颈动脉超声图像生成，并通过盲测验证了图像的感知真实性，显著提高了下游分割网络的性能。	未在文中提及明确局限性。	开发和评估一种合成数据生成框架，以提高深度学习在超声图像中自动分割颈动脉的性能，缓解标注数据稀缺问题。	颈动脉超声图像及其分割掩膜。	计算机视觉	颈动脉疾病	NA	扩散模型	图像	未明确样本数量，但使用了内部测试集和独立外部测试集。	PyTorch	ControlNet	Fréchet Inception Distance (FID), Dice系数	NA
407	2026-08-03	A Coarse-to-Fine DoubleUNet Framework with Synergistic Loss for Accurate Fetal Head Circumference Measurement 2026-Sep, Ultrasound in medicine & biology DOI:10.1016/j.ultrasmedbio.2026.05.010 PMID:42250993	研究论文	提出了一种基于DoubleUNet的粗到细深度学习框架，用于从超声图像中自动分割和测量胎儿头围	提出了SDUNet框架，结合了定制的协同损失函数，该损失函数整合多个互补损失项并动态平衡其贡献，以适应性地促进生理上合理的头部形状，减少斑点噪声和边界模糊引起的误差	未提及具体限制	减少超声医师手工工作量，实现胎儿头围的自动分割和准确测量	胎儿头部超声图像	计算机视觉, 数字病理学	围产期疾病	超声成像	CNN	图像	公开的HC18数据集和独立外部数据集	NA	DoubleUNet	Dice系数, Jaccard指数, Hausdorff距离, 平均对称表面距离, 边界F1分数, 平均绝对误差, 百分比平均绝对误差	NA
408	2026-08-03	AutoRV: Automated Assessment of Right Ventricular Structure and Function Using Transesophageal Echocardiography in Mechanically Ventilated Patients 2026-Sep, Ultrasound in medicine & biology DOI:10.1016/j.ultrasmedbio.2026.05.002 PMID:42321092	研究论文	开发了AutoRV，一个基于深度学习的自动监测流程，用于评估机械通气患者右心室结构和功能	首次利用深度学习自动检测经食管超声心动图中的右心室心尖和三尖瓣环点，实现自动化评估	研究样本量较小（仅51名患者），且未提及在不同医院或设备上的泛化能力	开发并验证一个自动化的右心室功能评估流程，以减少手动测量的时间和不精确性	机械通气患者的二维经食管超声心动图图像	计算机视觉	心血管疾病	深度学习	卷积神经网络	图像	51名患者的图像	未明确指定	U-Net	准确度、处理速度、误差距离、测量误差	未明确指定
409	2026-08-03	Deep Learning-Based Standard Section Recognition and Multi-Organ Segmentation in Upper Abdominal Ultrasound 2026-Sep, Ultrasound in medicine & biology DOI:10.1016/j.ultrasmedbio.2026.06.003 PMID:42399171	研究论文	本研究开发并评估了用于上腹部超声标准切面识别和多器官分割的深度学习模型	提出了一种两阶段顺序框架，先使用卷积神经网络进行标准切面识别，再仅对识别出的标准切面应用分割网络，从而整合两个互补任务	数据来自单中心真实世界，缺乏外部验证，且脾脏和胰腺的分割性能较低	开发并评估深度学习模型在上腹部超声标准切面识别和下游多器官分割中的可行性	521个上腹部超声检查视频（465个符合纳入标准），5535张标准切面图像，涵盖肝脏、胆囊、胰腺和脾脏	医学影像分析	非特定疾病（上腹部超声诊断）	超声成像	卷积神经网络（CNN）和深度学习分割网络	超声视频和图像	521个视频，465个符合纳入标准，5535张标准切面图像	未明确报告	卷积神经网络（CNN）和分割网络（具体架构未指定）	精确率、召回率、特异性、准确率、IoU	未明确报告
410	2026-08-03	Diagnosis of Small Focal Liver Lesions (≤2 cm): A Deep Learning Approach Based on B-Mode Ultrasound and Contrast-Enhanced Ultrasound 2026-Sep, Ultrasound in medicine & biology DOI:10.1016/j.ultrasmedbio.2026.01.002 PMID:42350195	研究论文	开发并验证了一种基于B型超声和对比增强超声图像特征融合的深度学习模型，用于非侵入性诊断局灶性肝病变（特别是≤2cm的小病变）的良恶性。	创新性地设计了基于ResNet-18的深度学习模型，整合特征融合策略，从B型超声和三个关键CEUS阶段图像中提取并整合深度特征，以提高小FLLs的诊断准确性。	研究为回顾性设计，可能限制结果的普适性。	旨在开发并验证一种基于BMUS和CEUS图像特征融合的深度学习模型，用于非侵入性诊断小局灶性肝病变（≤2cm）的良恶性。	局灶性肝病变患者	医学影像分析、深度学习	局灶性肝病变	B型超声、对比增强超声	深度学习模型（卷积神经网络）	图像数据（B型超声和对比增强超声图像）	687名患者的回顾性数据集，分为训练集（80%）和测试集（20%）	未明确指定	ResNet-18	AUC、敏感性、特异性	未明确指定
411	2026-08-03	Region-Specific Evaluation of Plaque Segmentation in Cross-sectional Projections of Carotid Ultrasound Images Using Deep Learning Models in a Sub-clinical Atherosclerosis Cohort 2026-Sep, Ultrasound in medicine & biology DOI:10.1016/j.ultrasmedbio.2026.05.029 PMID:42379905	研究论文	本研究首次在亚临床动脉粥样硬化队列中，利用深度学习模型对颈动脉超声横断面图像进行区域特异性斑块分割评估	首次对颈动脉超声横断面图像进行区域特异性斑块分割评估，涵盖颈动脉球部和分叉等临床相关区域	未提及	评估深度学习模型在颈动脉超声横断面图像中进行区域特异性斑块分割的性能	颈动脉超声横断面图像中的动脉粥样硬化斑块	医学影像分析	动脉粥样硬化	超声成像	深度学习模型	超声图像	VIPVIZA队列6年随访的横断面颈动脉超声图像（具体数量未提及）	未提及	YOLOv8, U-Net, Attention U-Net, U-Net++, Swin U-Net, DeepLabV3	Dice系数	未提及
412	2026-08-03	Cardiac Natural Mechanical Wave Detection and Speed Estimation Using Deep Learning-Based 2-D Ultrasound Imaging: A Feasibility Study 2026-Sep, Ultrasound in medicine & biology DOI:10.1016/j.ultrasmedbio.2026.06.005 PMID:42386425	研究论文	本文探讨了基于深度学习二维超声成像检测心脏自然机械波并估算其传播速度的可行性	首次在深度学习复合成像数据上检测心脏自然机械波，并验证其速度估算的准确性	研究样本量小，仅为四名健康志愿者，且未在不同病理状态下验证	证明深度学习复合成像数据可用于心脏自然机械波的检测和速度估算	心脏自然机械波在四名健康志愿者心肌中的传播	医学影像分析	心血管疾病	超声成像	深度学习网络	超声图像	4名健康志愿者	NA	深度学习网络	波速估计	GPU
413	2026-08-02	Automatic Detection of Ganglion Cells as a Supporting Tool for Hirschsprung Disease Diagnosis 2026-Sep, International journal of surgical pathology IF:0.9Q3 DOI:10.1177/10668969261437754 PMID:42085587	研究论文	设计了一种基于人工智能的工具，用于自动检测神经节细胞，以辅助诊断先天性巨结肠病。	利用深度学习分割细胞核并结合手工特征提取，通过机器学习分类器实现神经节细胞的高精度自动检测，具有较高的AUC值。	研究基于有限样本量（222个视野和2076个细胞核）且依赖专家注释，可能限制泛化性。	开发AI工具以简化并加速巨结肠病的诊断过程，提高诊断的准确性和效率。	H&E染色切片中的神经节细胞和非神经节细胞。	数字病理学	先天性巨结肠病	显微镜数字化成像，深度学习分割，特征提取	机器学习分类器（具体算法未明确，但结合了特征选择）	显微镜图像	222个高倍视野，2076个细胞核（346个神经节细胞和1730个非神经节细胞）	NA	深度学习分割网络（未指定具体架构）和机器学习分类器（未指定具体架构）	敏感性，特异性，AUC	NA
414	2026-07-31	Applications of Deep Learning in Endocrine Neoplasms 2026-Sep, Clinics in laboratory medicine IF:1.7Q3 DOI:10.1016/j.cll.2026.06.014 PMID:42526978	综述	综述深度学习在内分泌肿瘤病理学中的应用现状，重点关注实验设计、重要发现和关键局限性	系统总结深度学习在内分泌肿瘤组织病理学中的研究，涵盖从肿瘤分级到基因表达预测的多项任务	未具体说明，但综述提及了关键局限性，如数据规模、泛化能力等常见问题	总结深度学习在内分泌肿瘤组织病理学中的当前研究状态，为未来研究提供参考	内分泌肿瘤患者样本（组织病理学切片）	数字病理学	内分泌肿瘤	数字病理学（组织切片分析）	深度学习模型（如CNN等）	图像（组织病理学图像）	NA	NA	NA	NA	NA
415	2026-07-30	Deep learning of pretreatment ascites cytopathology for platinum-resistance risk stratification in advanced epithelial ovarian cancer 2026-Sep, Neoplasia (New York, N.Y.) DOI:10.1016/j.neo.2026.101330 PMID:42365738	研究论文	提出OVCAP深度学习框架，分析晚期上皮性卵巢癌患者治疗前腹水细胞学全切片图像，以评估铂类耐药风险	首次系统利用腹水细胞学形态信息预测铂类耐药风险，结合注意力引导的细胞病理学回顾和单细胞RNA测序分析揭示耐药生物学特征	未在文中明确提及局限性	利用治疗前腹水细胞学病理图像进行铂类耐药风险分层，改善晚期上皮性卵巢癌患者的预后预测	晚期上皮性卵巢癌患者（FIGO IIIB-IV期）的腹水细胞学全切片图像	数字病理学	卵巢癌	细胞学病理全切片成像，单细胞RNA测序	深度学习框架（多尺度）	图像（全切片病理图像）	438名FIGO IIIB-IV期上皮性卵巢癌患者	PyTorch	NA	ROC-AUC	NA
416	2026-07-30	Cross-modal mapping of cancer stem-like cell plasticity using deep learning 2026-Sep, NAR cancer IF:3.4Q2 DOI:10.1093/narcan/zcag015 PMID:42516214	研究论文	开发ACSCeND框架，利用深度学习实现跨模态的癌症干细胞样细胞可塑性映射	提出统一机器学习框架ACSCeND，整合单细胞RNA测序的监督分类器与注意引导自编码器，实现高分辨率CSC状态分类与组织级去卷积，首次将单细胞精度与批量级适用性结合，并验证CSC状态作为泛癌生物标志物的临床意义	未提及具体的局限性，但模型中依赖的注释数据质量和泛化性可能受限于训练用的scRNA-seq数据集	开发可扩展工具以在单细胞和批量转录组数据中一致地分析癌症干细胞状态，并揭示其临床相关性	癌症干细胞样细胞（CSCs）及其分子可塑性	机器学习, 数字病理学	泛癌（包括肺癌、前列腺癌等）	RNA测序（单细胞RNA测序、批量RNA测序）	深度神经网络（自编码器、分类器）	转录组数据（scRNA-seq和bulk RNA-seq）	超过25000个肿瘤样本（来自TCGA、PRECOG、肿瘤复发和检查点抑制剂研究）	PyTorch	注意引导自编码器、监督分类器	准确性	NA
417	2026-07-30	Classification of neurodevelopmental disorders and typical development using deep learning and a portable patch-type electroencephalography device 2026-Sep, Neuroimage. Reports DOI:10.1016/j.ynirp.2026.100384 PMID:42518329	研究论文	利用便携式贴片脑电图设备和深度学习模型区分神经发育障碍与典型发育儿童	首次将便携式额部三通道脑电图设备与一维卷积神经网络结合Transformer的深度学习模型用于识别神经发育障碍，降低了参与者的检查负担并提升了诊断可及性	样本量有限（仅163名参与者）且未进行独立外部验证，模型对共病（自闭症合并多动症）的分类性能较低（AUC 0.667）	开发一种更易获取的神经发育障碍诊断辅助工具	典型发育儿童与神经发育障碍儿童（包括自闭症、多动症及两者共病）	医疗机器学习	神经发育障碍	便携式脑电图记录	一维卷积神经网络与Transformer编码器	脑电图信号	163名参与者（87名典型发育，76名神经发育障碍）	NA	一维卷积神经网络、Transformer编码器	AUC、平衡准确率（bACC）	NA
418	2026-07-28	Pretreatment multiparametric MRI-based habitat radiomics and 2.5D deep learning for predicting early complete response to induction chemoimmunotherapy in locally advanced nasopharyngeal carcinoma 2026-Sep, Oral oncology IF:4.0Q2 DOI:10.1016/j.oraloncology.2026.108072 PMID:42435493	研究论文	开发并外部验证一种基于治疗前多参数MRI的联合影像模型，整合传统影像组学、生境影像组学和2.5D深度学习特征，用于预测局部晚期鼻咽癌诱导化学免疫治疗后的早期完全缓解	首次结合传统影像组学、生境影像组学和2.5D深度学习特征构建多参数MRI联合模型，用于预测LANPC诱导化学免疫治疗早期CR，并通过SHAP分析揭示了不同特征类型的贡献	回顾性研究设计，需要前瞻性多中心验证	开发一种非侵入性工具，在治疗前对LANPC患者进行反应分层，预测诱导化学免疫治疗的早期完全缓解	局部晚期鼻咽癌（LANPC）患者	机器学习, 医学影像	鼻咽癌	MRI	CNN, 2.5D深度学习模型	影像	500名LANPC患者，其中训练集195例、内部验证集84例、外部测试集221例	NA	2.5D深度学习网络	AUC, 敏感度, 阴性预测值	NA
419	2026-06-06	Identification of LAMP2 as the direct target of aloperine derivatives for degrading PD-L1 through the lysosomal pathway based on deep learning model 2026-Sep-15, Bioorganic chemistry IF:4.5Q1 DOI:10.1016/j.bioorg.2026.110056 PMID:42242017	研究论文	基于深度学习模型鉴定LAMP2为苦参碱衍生物通过溶酶体途径降解PD-L1的直接靶点	首次利用深度学习模型DeepDTAGen预测并验证苦参碱衍生物7a的直接靶点为LAMP2，结合计算与实验策略快速发现靶点	NA	鉴定苦参碱衍生物通过溶酶体途径降解PD-L1的直接功能靶点	苦参碱衍生物及PD-L1降解机制	机器学习	肿瘤免疫	分子对接、分子动力学模拟	DeepDTAGen	文本	30种苦参碱衍生物	NA	DeepDTAGen	K值（5.58 μM）	NA
420	2026-07-26	Discovery of novel xanthine oxidase inhibitors using deep learning-based composite molecular fingerprint: Screening, bioactivity assessment and binding behavior analysis 2026-Sep-15, Bioorganic chemistry IF:4.5Q1 DOI:10.1016/j.bioorg.2026.110031 PMID:42259146	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA