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
81	2026-10-08	Generative Learning Imaging Framework for Millimeter Wave Synthetic Aperture Radar 2026-Oct, IEEE transactions on neural networks and learning systems IF:10.2Q1 DOI:10.1109/TNNLS.2026.3686777 PMID:42102073	研究论文	本文提出了一种生成学习成像框架（GLIm）用于毫米波合成孔径雷达（SAR）成像，通过在线学习从稀疏采样回波测量中重建SAR图像	提出了生成学习成像框架（GLIm），通过将低维随机噪声映射到散射域来生成目标图像，并使用复合损失函数进行训练，其中不完整的回波测量作为监督信号，避免了传统迭代优化过程的理论推导	未明确说明	解决合成孔径雷达（SAR）系统简化和降低传感成本中的关键问题，即从稀疏采样回波测量中准确重建SAR图像	毫米波合成孔径雷达（mmWave SAR）图像	计算机视觉	不适用	生成学习成像、合成孔径雷达成像	生成学习模型	图像	未明确说明	未明确说明	SAR图像生成器	未明确说明	未明确说明
82	2026-10-08	Dual-Domain Multipath Self-Supervised Diffusion Model for Accelerated MRI Reconstruction 2026-Oct, IEEE transactions on neural networks and learning systems IF:10.2Q1 DOI:10.1109/TNNLS.2026.3688183 PMID:42113659	研究论文	提出一种双域多路径自监督扩散模型（DMSM），用于加速MRI重建，无需全采样训练数据，并生成不确定性图	集成了自监督双域扩散模型训练方案、轻量级混合注意力网络（LHAN）和多路径推理策略，消除对全采样数据训练的依赖，并提供不确定性估计	未明确提及	提高加速MRI重建的准确性、效率和可解释性，并解决现有扩散模型依赖全采样数据、计算成本高和缺乏不确定性估计的问题	人类MRI数据集（两个数据集）	计算机视觉	未明确提及	MRI重建, 扩散模型	扩散模型	图像	两个人类MRI数据集（具体样本数未提供）	未明确提及	轻量级混合注意力网络（LHAN）	未明确提及具体指标	未明确提及
83	2026-10-08	SALMON: Self-Adaptive Learning Model on Neuromorphic Hardware 2026-Oct, IEEE transactions on neural networks and learning systems IF:10.2Q1 DOI:10.1109/TNNLS.2026.3687785 PMID:42118650	研究论文	提出了一种名为SALMON的自适应学习模型，用于在神经形态硬件上进行高效的片上训练，通过结合模拟骨干网络与数字注意力模块来克服硬件非理想性	首次提出将模拟骨干网络与可附加的数字注意力块相结合的自适应网络（SAnet），间接应对硬件非理想性，并设计了最小化数字组件使用的应用策略以降低功耗	未明确说明在更大规模数据集上的泛化能力，且研究仅基于CIFAR-10和ResNet架构	实现大规模神经形态计算系统上有效的片上训练，解决模拟内存计算中的硬件非理想性问题	神经形态硬件上的深度学习训练，具体为CIFAR-10图像分类任务	机器学习	NA	模拟内存计算	CNN	图像	CIFAR-10数据集，包含60000张32x32彩色图像	NA	ResNet	测试准确率	神经形态硬件，具体硬件条件未详述
84	2026-10-08	Diffusion-Based Quality Control of Medical Image Segmentations Across Organs 2026-Oct, IEEE transactions on medical imaging IF:8.9Q1 DOI:10.1109/TMI.2026.3714697 PMID:42467579	研究论文	提出了一种基于扩散生成范式的自动质量控制框架nnQC，用于评估医学图像分割的质量，可自适应于不同器官、数据集和成像模态	提出了一种新颖的专家团队（ToE）架构，包含两个独立专家分别编码3D空间感知（轴向切片的相对空间位置）和解剖信息（来自原始图像的视觉特征），并通过加权条件模块动态组合两个独立嵌入来条件化扩散过程中的采样机制，从而生成空间感知的伪真实标签以预测质量控制分数，同时集成了指纹自适应机制以确保跨器官、数据集和成像模态的适应性	未明确提及	克服现有质量控制方法器官特异性的局限性，开发一种能够自适应于任何输入器官数据集的稳健质量控制框架	七个器官的医学图像分割结果，来自十五个公开可用数据集	医学图像分割	NA	扩散生成模型	扩散模型	3D医学图像	七个器官，十五个公开数据集	NA	专家团队（ToE）架构，基于扩散模型	质量控制分数预测性能（具体指标未明确）	NA
85	2026-10-08	Diagnostic performance of artificial intelligence in periapical radiography: a systematic review 2026-Oct, Odontology IF:1.9Q2 DOI:10.1007/s10266-026-01401-8 PMID:42126492	系统综述	系统评估人工智能模型在根尖片诊断中的准确性，并与人类专家进行比较	全面评估AI在根尖片中的诊断性能，并批判性评估方法学质量和偏倚风险	高偏倚风险、缺乏外部验证、依赖裁剪数据集和使用人类共识作为替代参考标准	系统评估AI模型在根尖片中进行检测、分类和分割任务的诊断准确性，并与人类专家比较，同时批判性评估方法学质量和偏倚风险	使用人工智能模型在根尖片上进行诊断任务并与人类参考标准（专家共识）验证性能的研究	数字病理学	口腔疾病	NA	NA	图像	47项研究	NA	NA	准确性	NA
86	2026-10-08	End-to-End PET/CT Interpretation and Quantification with an LLM-Orchestrated AI Agent: A Real-World Pilot Study 2026-Oct-01, Journal of nuclear medicine : official publication, Society of Nuclear Medicine IF:9.1Q1 DOI:10.2967/jnumed.126.272362 PMID:42315314	研究论文	该研究开发了一个由大型语言模型编排的多工具AI智能体，实现了从原始DICOM数据到PET/CT结构化报告的全流程自动化，并在170例肺癌分期患者中进行了回顾性评估	首次提出并验证了基于LLM编排的多工具智能体实现端到端PET/CT解读与量化的工作流级自动化，无需人工干预即可完成从原始DICOM选择到结构化报告生成的全流程	淋巴结转移和远处转移检测的特异性和敏感性有限，存在系统性假阳性（反应性或生理性摄取）和假阴性（小体积或不典型解剖位置转移），仍需专家监督	探索LLM编排的多工具智能体在真实世界条件下实现PET/CT端到端自动化解读和结构化报告生成的可行性	170例接受基线[F]FDG PET/CT检查的肺癌分期患者	数字病理学, 计算机视觉, 自然语言处理	肺癌	PET/CT成像, SUV定量分析	LLM, 视觉语言模型	图像, 文本	170例患者的PET/CT检查数据	NA	LLM编排的多工具智能体（包含基于推理的文本LLM和视觉LLM）	灵敏度, 特异性	NA
87	2026-10-08	Evaluation of Baseline and Interim-Therapy PET Features for Prognostication in High-Risk Pediatric Hodgkin Lymphoma: A Retrospective Analysis of the AHOD1331 Trial 2026-Oct-01, Journal of nuclear medicine : official publication, Society of Nuclear Medicine IF:9.1Q1 DOI:10.2967/jnumed.125.270791 PMID:42315307	研究论文	该研究基于COG AHOD1331试验数据，评估基线和中期治疗PET特征对高危儿童霍奇金淋巴瘤预后的预测价值	首次在大型多机构儿童HL队列中系统比较常规PET指标、影像组学特征及DL自动分割与传统医生标注的预后性能	回顾性分析，未发现影像组学或中期PET特征带来额外预后增益	评估基线和中期治疗PET特征对高危儿童霍奇金淋巴瘤无进展生存的预测价值	高危儿童霍奇金淋巴瘤患者	数字病理学, 医学影像分析	淋巴瘤	PET影像, 影像组学	CoxNet, 深度学习分割模型	图像, 临床数据	558例患者（来自150家机构）	NA	CoxNet, 深度学习分割网络	一致性指数（C-index）	NA
88	2026-10-08	Predicting Malignant Transformation in Oral Epithelial Dysplasia: A Systematic Comparison of Artificial Intelligence-Based Risk Models and Pathologist-Based Microscopy 2026-Oct, Journal of oral pathology & medicine : official publication of the International Association of Oral Pathologists and the American Academy of Oral Pathology IF:2.7Q2 DOI:10.1111/jop.70168 PMID:42493423	系统综述与meta分析	本文系统比较了基于人工智能的风险预测模型与病理学家显微镜评估在预测口腔上皮异常增生恶性转化中的表现	首次系统性地对基于AI的口腔上皮异常增生恶性转化风险预测模型与人类病理学家显微镜评估进行直接比较，并通过meta分析量化了两者的判别性能差异	纳入研究间存在显著异质性（人类评估I2=85%，AI模型I2=57%）；AI模型缺乏标准化；缺少外部验证；缺乏大型多中心数据集；临床实施仍需进一步验证	评估基于人工智能的风险预测模型与传统人类显微镜评估在预测口腔上皮异常增生恶性转化方面的性能差异，为口腔潜在恶性疾患患者的风险分层和个性化管理提供循证依据	1998年至2026年间发表的32项研究（9项基于AI，23项基于人类评估），聚焦于口腔白斑、红白斑和红斑中的口腔上皮异常增生	数字病理学	口腔癌	NA	多层感知机，随机森林，机器学习，深度学习，混合方法	组织病理学图像	32项研究（9项AI研究和23项人类评估研究）	NA	多层感知机，随机森林	合并比值比，95%置信区间，异质性I2，特异性，灵敏度	NA
89	2026-10-08	Artificial intelligence in the evaluation and treatment of osteoporotic and fragility fractures: A systematic review 2026-Oct, Injury IF:2.2Q2 DOI:10.1016/j.injury.2026.113521 PMID:42551086	系统综述	本文系统综述了人工智能在骨质疏松性和脆性骨折评估与治疗中的应用，包括骨折风险预测、基于影像的诊断、临床决策支持和术后结果监测	系统总结了AI在骨质疏松性和脆性骨折三大领域（骨折风险预测、骨密度估计与骨质疏松筛查、预后/术后结局）的应用现状，并指出了现有研究的局限性、证据缺口及未来临床转化的方向	纳入研究存在方法学异质性、偏倚风险，且缺乏前瞻性/多中心验证，阻碍了临床转化	系统综述AI在骨质疏松性和脆性骨折评估与治疗中的应用，总结其性能、局限性、证据缺口及未来临床转化方向	骨质疏松性和脆性骨折患者，以及相关原始研究	机器学习	骨质疏松症和脆性骨折	机器学习，深度学习	NA	临床数据，生化数据，影像数据	共纳入21项研究，分为三个领域：骨折风险预测（n=10）、骨密度估计与骨质疏松筛查（n=6）、预后/术后结局（n=5）	NA	NA	NA	NA
90	2026-10-08	EffiSegNet: Advances in Automated Segmentation of Actinic Cheilitis and Lip Squamous Cell Carcinoma in Clinical Photographs 2026-Oct, Journal of oral pathology & medicine : official publication of the International Association of Oral Pathologists and the American Academy of Oral Pathology IF:2.7Q2 DOI:10.1111/jop.70176 PMID:42634274	研究论文	本研究开发并外部验证了一种深度学习分割模型EffiSegNet-B0，用于自动分割临床照片中的光化性唇炎和唇鳞状细胞癌病变	首次将EffiSegNet-B0模型应用于光化性唇炎和唇鳞状细胞癌的自动分割，结合EfficientNet-B0编码器和Ghost Modules进行特征聚合，并在多机构外部验证中表现出色	样本量相对较小（共571张图像），仅来自三个机构，需要更大规模的多中心验证	开发和外部验证一种深度学习分割模型，用于临床照片中唇部病变的自动分割	光化性唇炎（AC）和唇鳞状细胞癌（LSCC）的临床照片	计算机视觉、数字病理学	唇鳞状细胞癌、光化性唇炎	深度学习图像分割	CNN	图像	489张内部临床照片用于训练和内部测试，82张来自两个独立机构的外部图像用于外部验证，共571张图像	NA	EffiSegNet-B0（基于EfficientNet-B0编码器和Ghost Modules）	准确率、灵敏度（召回率）、精确率、Dice相似系数（DSC）、交并比（IoU）	NA
91	2026-10-08	Detecting Incisional Surgical Site Infections on Wound Images Through Deep Learning 2026-Oct-01, JAMA surgery IF:15.7Q1 DOI:10.1001/jamasurg.2026.3738 PMID:42647036	研究论文	该研究开发并外部验证了一种基于InceptionV3的深度学习模型，用于从伤口照片中检测提示手术部位感染（SSI）的伤口	利用迁移学习构建基于InceptionV3的卷积神经网络，从伤口图像中自动检测手术部位感染，并进行了外部验证，同时使用Grad-CAM热图可视化模型对伤口区域的关注	模型在外部验证集上的AUC（0.82）低于内部验证集（0.91），泛化性能有所下降；未提及模型在不同肤色、不同光照条件或不同设备拍摄图像上的表现	开发和外部验证一种深度学习模型，从伤口照片中检测提示手术部位感染的伤口，以支持远程医疗中的自动化分诊	多专科手术患者的伤口图像，包括回顾性数据库中的图像和前瞻性收集的图像	计算机视觉	手术部位感染	深度学习图像分类	CNN	图像	训练集4978张伤口图像，外部验证集407张图像来自95名患者	TensorFlow	InceptionV3	AUC, 校准曲线, 决策曲线分析	NA
92	2026-10-08	Association of CT-derived adipose measurements with prolonged intensive care unit stay in moderate and severe trauma patients 2026-Oct, Injury IF:2.2Q2 DOI:10.1016/j.injury.2026.113625 PMID:42648018	研究论文	本研究探讨了CT衍生的脂肪测量指标与中重度创伤患者延长ICU住院时间之间的关联	使用深度学习分割模型从常规CT扫描中量化腹部脂肪组织，发现CT衍生的脂肪指标比BMI更能一致地预测ICU住院时间和通气持续时间	回顾性单中心研究，样本量有限（142例），排除了死亡患者，可能引入选择偏倚	评估CT衍生的身体成分测量指标与中重度创伤患者ICU住院时间和通气持续时间的关系	中重度创伤患者（损伤严重度评分≥9）	数字病理学	创伤	CT成像	CNN	图像	142例ICU幸存者（中位年龄56岁，16%女性，52%肥胖）	NA	NA	Spearman相关系数（ρ）、p值、百分比变化（95% CI）	NA
93	2026-10-08	A Habitat Imaging-Based Radiomics and Deep Learning Fusion for Preoperative Prediction of Lymphovascular Invasion in Invasive Breast Cancer: A Multicenter Study 2026-10-01, Balkan medical journal IF:1.9Q2 DOI:10.4274/balkanmedj.galenos.2026.2026-7-3 PMID:42671326	研究论文	本研究开发并验证了一种基于超声的栖息地影像组学与深度学习融合模型，用于术前预测浸润性乳腺癌的淋巴血管侵犯，并在多中心数据中评估其性能和临床价值	首次将栖息地影像组学特征与深度学习特征在特征层面融合，结合LightGBM分类器进行浸润性乳腺癌淋巴血管侵犯的术前预测，并通过CD31染色微血管密度验证了模型的生物学可解释性	回顾性研究设计可能存在选择偏倚，仅基于超声影像，未与其他影像模态（如MRI）进行比较，栖息地划分依赖于k-means聚类算法，可能受初始参数影响	开发并验证一种无创的超声栖息地影像组学与深度学习融合模型，用于浸润性乳腺癌淋巴血管侵犯的术前预测，并评估其能否提升放射科医师的诊断性能	来自三家机构的1096例浸润性乳腺癌患者的常规B型超声肿瘤图像	数字病理学	乳腺癌	超声成像、栖息地影像组学、深度学习、CD31免疫组化染色	CNN、LightGBM	图像	1096例患者的超声图像	NA	ResNet50、LightGBM	AUC	NA
94	2026-10-08	Machine Learning for Autism Spectrum Disorder Prediction: A Review of Data Augmentation and Feature Selection Techniques 2026-Oct, Health care science DOI:10.1002/hcs2.70098 PMID:42707916	综述	本文综述了2021至2024年间使用机器学习和深度学习进行自闭症谱系障碍预测的研究，重点评估了数据增强和特征选择技术的作用	聚焦于数据增强和特征选择这两个相对未被充分探索的方法学组件，并系统评估了其方法论质量和偏倚风险	纳入研究普遍缺乏外部验证、消融分析和充分的评估框架，数据增强和特征选择方法常缺乏充分的实证依据或生物学解释，降低了性能提升的可信度和模型泛化能力	评估机器学习和深度学习方法在改善自闭症谱系障碍预测中的作用，特别关注数据增强和特征选择技术	2021至2024年间发表的26项经同行评审的机器学习和深度学习自闭症谱系障碍预测研究	机器学习	自闭症谱系障碍	NA	NA	NA	26项同行评审研究	NA	NA	NA	NA
95	2026-10-08	Flexible use of conserved motifs constrains genome access in cell type evolution 2026-Oct, Nature ecology & evolution IF:13.9Q1 DOI:10.1038/s41559-026-03164-5 PMID:42711533	研究论文	结合单核多组学测序与深度学习，分析扁形动物和脊椎动物两种高度分化动物的可及基因组，发现数百个决定可及性的序列基序划分为不同的保守词汇集，每个与特定细胞类型家族相关	发现细胞类型家族由保守的基序词汇集定义，但单个细胞类型偏好的基序组合关系 largely 是物种特异性的；基于一个物种训练的深度学习模型能准确预测远缘相关物种的家族水平染色质可及性，但常依赖共享词汇中不同的基序来实现收敛预测；提出'集体维持'模型，即定义细胞类型家族的基序词汇在进化上稳定，而这些基序的重组产生细胞类型特异性调控程序	模型在家族内单个细胞类型上训练时失去跨物种预测能力，表明细胞类型水平身份的调控语法快速进化	探究在深度进化时间中定义和维持细胞类型家族的调控机制	扁形动物和脊椎动物两种高度分化动物的可及基因组	机器学习	NA	单核多组学测序	深度学习	基因组序列数据	NA	NA	NA	NA	NA
96	2026-10-08	Decoding spatiotemporal fibrotic and cellular immunosuppression of therapeutic T cells in live pancreatic ductal adenocarcinoma 2026-Oct, Molecular systems biology IF:8.5Q1 DOI:10.1038/s44320-026-00243-4 PMID:42722808	研究论文	本文结合实验与计算框架，开发了TME-CARTographer (TME-CART) 计算流程，用于解码活体胰腺导管腺癌中治疗性T细胞的时空纤维化和细胞免疫抑制	开发了整合高维数据、图论、行为分析和深度学习的计算流程TME-CART，首次在活体PDA肿瘤中定量揭示4D T细胞-TME相互作用，发现胶原纤维架构引导迁移并限制离轴运动形成免疫排斥区，且胶原基质空间组织免疫抑制性髓系细胞协同调节T细胞行为，深度学习定义线性与非线性胶原基质和细胞邻域相互作用驱动T细胞行为	摘要中未明确提及研究局限性	阐明胰腺导管腺癌中治疗性T细胞的动态行为及其免疫抑制机制	活体胰腺导管腺癌肿瘤中的治疗性T细胞与肿瘤微环境	数字病理学	胰腺癌	高维数据采集、图论分析、行为分析、深度学习	深度学习	图像（4D活体成像数据）、高维数据	NA	NA	NA	NA	NA
97	2026-10-08	Deep learning-based CNN method for fiducial marker detection in kilovoltage X-ray images for liver tumor motion monitoring 2026-Oct, Medical physics IF:3.2Q1 DOI:10.1002/mp.70691 PMID:42830534	研究论文	开发并评估了一种基于CNN的方法，用于在kV X射线图像中检测肝脏肿瘤的基准标记，以支持实时图像引导放射治疗。	使用多机构、多平台数据集（包括自由呼吸和屏气运动，以及Varian和Elekta直线加速器）训练和测试CNN，用于肝脏基准标记检测。	数据集不平衡（自由呼吸患者数量少，Varian和Elekta直线加速器之间的定位误差存在显著差异），且模型在自由呼吸治疗中的评估受限。	开发、整合和评估一种基于CNN的方法，用于在kV X射线图像中检测基准标记，以支持肝脏放疗期间的实时图像引导放射治疗。	肝脏肿瘤患者，来自多机构临床试验TROG 17.03 LARK。	计算机视觉	肝癌	kV X射线成像	CNN	图像	训练集314,625张图像（28名患者），验证集31,463张图像（12名患者，55个治疗分次），测试集4,184张图像（16名患者，55个分次）	NA	紧凑型CNN	灵敏度, 特异性, AUC, 定位误差（2mm内的百分比）	NVIDIA GeForce RTX 3070 GPU
98	2026-10-08	Multi-task deep learning integrating pretreatment MRI and whole slide images predicts induction chemotherapy response and survival in locally advanced nasopharyngeal carcinoma 2026-Oct, PLOS digital health DOI:10.1371/journal.pdig.0001378 PMID:42832514	研究论文	该研究开发并验证了一种多任务深度学习模型（MoEMIL），整合治疗前MRI和全切片图像，用于预测局部晚期鼻咽癌的诱导化疗反应和总生存期	首次将治疗前MRI和全切片图像通过多门混合专家架构融合，构建多任务深度学习模型，同时预测诱导化疗反应和总生存期，并采用聚类约束注意力多实例学习和梯度加权类激活映射进行可视化解释	研究为回顾性设计，样本量有限（404例），且未观察到疾病进展病例，导致不良反应组仅包含稳定疾病患者	开发和验证多任务深度学习模型，整合治疗前MRI和全切片图像，预测局部晚期鼻咽癌患者的诱导化疗反应和总生存期，以优化治疗策略	404例局部晚期鼻咽癌患者的治疗前MRI和全切片图像	数字病理学, 计算机视觉	鼻咽癌	MRI, 全切片图像, PyRadiomics	多任务深度学习, 多实例学习, 卷积神经网络, 多门混合专家	图像	404例局部晚期鼻咽癌患者	NA	ResNet50, 多门混合专家	AUC, P值	NA
99	2026-10-08	A Model-Based Joint Feature Fusion framework for limited-view photoacoustic tomography reconstruction 2026-Oct, Photoacoustics IF:7.1Q1 DOI:10.1016/j.pacs.2026.100886 PMID:42835351	研究论文	本文提出了一种基于模型的联合特征融合框架，用于有限视角光声层析成像重建，通过融合传感器数据和模型驱动残差数据，实现高质量重建并降低计算成本	提出了模型基于联合特征融合框架，结合深度学习特征提取和模型先验，仅需单次迭代即可实现高质量重建；引入了学习混合前向算子作为几何信息代理前向模型，快速预测传感器数据	框架基于均匀无损声学介质的假设，可能不适用于非均匀或损耗介质	解决有限视角光声层析成像重建中的伪影和图像质量下降问题，并提高重建效率	有限视角光声层析成像重建	计算机视觉	NA	光声层析成像	CNN	图像	NA	PyTorch	NA	重建质量, 计算时间	NA
100	2026-10-08	Enhancing microstructural fidelity in near-field high-energy diffraction microscopy reconstruction with Noise2Void denoising 2026-Oct-01, Journal of applied crystallography IF:5.2Q1 DOI:10.1107/S1600576726007612 PMID:42835533	研究论文	本文提出使用自监督深度学习网络Noise2Void对近场高能衍射显微镜图像进行去噪，以提高晶粒重建的保真度	引入自监督深度学习网络Noise2Void，无需干净的真实数据或成对的噪声数据集，适用于NF-HEDM实验环境，并可推广到其他衍射显微成像技术	未明确提及	提高近场高能衍射显微镜晶粒重建的保真度和分辨率	近场高能衍射显微镜图像	数字病理学	NA	近场高能衍射显微镜	CNN	图像	NA	NA	Noise2Void	重建置信度、晶粒数量	NA