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	2026-09-25	Artificial intelligence in pancreatic cancer: applications in early detection, tumor staging, and survival prediction-a comprehensive review 2026-Oct, Clinical & translational oncology : official publication of the Federation of Spanish Oncology Societies and of the National Cancer Institute of Mexico IF:2.8Q2 DOI:10.1007/s12094-026-04381-x PMID:42126789	综述	本文综述了人工智能在胰腺癌早期检测、肿瘤分期和生存预测中的应用，涵盖基于机器学习和深度学习的多种架构	系统性地整合了AI在胰腺癌诊断各环节（早期检测、分类、肿瘤分期、生存预测）的应用，并分析了现有方法的优缺点及未来发展方向	该文为综述性研究，未开展原创性实验验证；现有研究在标准化指南方面仍有提升空间	探讨人工智能方法在胰腺癌诊断中的多种应用，包括早期检测、肿瘤分期和生存预测	胰腺癌患者及其影像和临床数据	数字病理学, 计算机视觉	胰腺癌	NA	CNN, 机器学习, 深度学习	图像, 文本	NA	NA	NA	NA	NA
162	2026-09-25	AI-based 3D Measurement of Root Canal Curvature from CBCT: Validation of an Automated Schneider Angle Analysis 2026-Oct, Journal of endodontics IF:3.5Q1 DOI:10.1016/j.joen.2026.06.007 PMID:42362143	研究论文	该研究开发并验证了一种基于深度学习的自动化三维Schneider角测量流程，用于从下颌磨牙近中根的CBCT图像中测量根管弯曲度，并与专家手动测量结果进行一致性评估	首次将3D No New U-Net分割模型应用于下颌磨牙近中根根管的自动化三维Schneider角测量，实现了从CBCT图像中自动分割根管并进行三维弯曲度分析，并与多位专家手动测量进行了系统的一致性验证	仅为内部验证研究，缺乏外部验证；个体测量水平的一致性不足，95%一致性界限超出了±5°的等效边界；近中颊根管存在统计学显著的正偏倚	开发和验证一种基于深度学习的自动化三维Schneider角测量流程，并评估其与专家手动测量的一致性	下颌磨牙近中根的根管	计算机视觉	口腔疾病	锥形束计算机断层扫描（CBCT）	CNN	图像（三维医学影像）	331个CBCT容积用于训练/验证，50个独立测试病例（包含127个根管段）	NA	3D No New U-Net	组内相关系数（ICC），Bland-Altman分析，二次加权kappa	NA
163	2026-09-25	Development of a deep learning model to predict cycloplegic myopia and pre- myopia: based on a large-scale screening of school-aged children 2026-Oct, Eye (London, England) DOI:10.1038/s41433-026-04664-1 PMID:42373980	研究论文	本研究基于中国天津3077名6-10岁学龄儿童的大规模筛查数据，利用非睫状肌麻痹参数开发并验证了深度学习（DL）和机器学习（ML）模型，用于预测睫状肌麻痹性近视、近视前期和非近视	首次将TabPFN表格深度学习模型应用于基于非睫状肌麻痹参数的近视和近视前期分类，并在大规模学龄儿童筛查中验证了其优于传统机器学习模型的性能，同时通过SHAP分析揭示了轴长（AL）和角膜曲率（K2）等特征的重要性	摘要中未明确提及研究局限性	开发和验证实用的深度学习和机器学习模型，利用非睫状肌麻痹参数预测学龄儿童的睫状肌麻痹性近视、近视前期和非近视，以促进早期检测和干预	中国天津6-10岁学龄儿童	机器学习	眼科疾病	非睫状肌麻痹眼科参数测量（等效球镜度DS、眼轴长度AL、角膜曲率K1和K2）	CatBoost, XGBoost, 随机森林（RF）, TabPFN	表格数据	3077名6-10岁儿童	NA	CatBoost, XGBoost, 随机森林, TabPFN	AUC, 准确率, 灵敏度, 特异度, SHAP分析	NA
164	2026-09-25	Deep Learning for Diagnosis of Choroideremia and USH2A-Associated Rod-Cone Dystrophy Using Macular OCT Volumes 2026-Oct, Ophthalmology science IF:3.2Q1 DOI:10.1016/j.xops.2026.101378 PMID:42775014	研究论文	该研究开发并验证了深度学习模型，利用黄斑OCT体积区分无脉络膜症、USH2A相关视杆视锥营养不良和健康对照	首次将深度学习应用于黄斑OCT体积来区分无脉络膜症和USH2A相关视杆视锥营养不良，并比较了三种不同架构策略（基于切片的CNN+多数投票、混合专家模型MoE、混合CNN-Transformer），发现混合专家模型和简单聚合均能达到强性能，说明增加架构复杂性对此三分类任务可能不必要	研究样本量相对较小，需要在更大、更多样化和更具临床代表性的队列中进行进一步验证，以确定此类模型作为补充诊断支持的潜在作用	开发和验证深度学习模型，利用黄斑OCT体积区分无脉络膜症、USH2A相关视杆视锥营养不良和健康对照	262名参与者的535个黄斑OCT体积（包括99名无脉络膜症患者、96名USH2A相关疾病患者和67名健康对照），以及外部验证集28个OCT体积	数字病理学	无脉络膜症, USH2A相关视杆视锥营养不良	黄斑OCT	CNN, Transformer, 混合专家模型	图像	535个黄斑OCT体积（262名参与者，10165张B扫描）；外部验证集28个OCT体积	NA	ResNet-50, Mixture-of-Experts, CNN-Transformer	准确率, 加权F1分数	NA
165	2026-09-23	Automated Behavior Analysis in the Novel Object Recognition Test 2026-Oct-07, Neurocomputing IF:5.5Q1 DOI:10.1016/j.neucom.2026.134141 PMID:42375494	研究论文	本文提出了一个结合深度学习与启发式规则的框架，用于在新物体识别测试（NORT）中自动分类大鼠行为，通过微调YOLOv11姿态和分类模型实现	首次将YOLOv11姿态估计与分类模型结合，并融入基于启发式的后处理来识别大鼠交互的特定物体，在组合数据集上训练提高了跨场地的泛化能力	大多数错误发生在行为转换附近，反映了帧级人工标签的固有模糊性；模型性能可能受限于手动标注的准确性	实现NORT中动物行为的自动、客观、可扩展和可重复的标注，以替代耗时且主观的人工标注	Long-Evans大鼠的行为视频	计算机视觉	NA	深度学习	YOLOv11	视频	包含2物体和5物体视频的数据集，具体样本量未在摘要中提供	NA	YOLOv11	准确率, 混淆矩阵	NA
166	2026-09-23	Advances in Clinical Imaging and Artificial Intelligence Integration for Dry Eye Diagnosis 2026-Oct, The American journal of pathology DOI:10.1016/j.ajpath.2026.04.022 PMID:42217618	综述	该综述系统总结了基于深度学习的干眼病评估的最新进展，按临床生物标志物分类，并分析了当前研究趋势与未来方向	按关键临床生物标志物（角膜荧光素染色、睑板腺成像、泪河高度、泪膜破裂时间、眨眼模式）对深度学习在干眼病评估中的应用进行系统分类与综合	文中未明确提及具体局限性	系统综述深度学习在干眼病评估中的应用进展，并探讨建立可靠、可解释、可泛化的深度学习框架以实现个性化诊断与长期管理的未来方向	干眼病及其临床影像数据（角膜荧光素染色、睑板腺成像、泪河高度、泪膜破裂时间、眨眼模式）	计算机视觉	干眼病	NA	深度学习	图像	NA	NA	NA	NA	NA
167	2026-09-23	Feature-Space Planes Searcher: A Universal Domain Adaptation Framework for Interpretability and Computational Efficiency 2026-Oct, IEEE transactions on pattern analysis and machine intelligence IF:20.8Q1 DOI:10.1109/TPAMI.2026.3703974 PMID:42301825	研究论文	提出了一种名为特征空间平面搜索器（FPS）的通用领域适应框架，通过在冻结特征编码器的情况下优化决策边界，实现可解释且计算高效的领域适应	1. 发现预训练模型特征空间存在领域不变的几何模式（类内聚类和类间分离）；2. 提出FPS框架，仅优化决策边界而非微调整个模型，大幅降低计算和内存成本；3. 引入类内距离度量（ICDM）实现完全无监督的超参数选择，无需目标域标签	摘要中未明确提及 limitations	解决深度学习中领域偏移问题，即从有标签源域迁移到无标签目标域时模型性能下降的问题，提供一种可解释且计算高效的领域适应方法	预训练深度学习模型的特征空间表示和决策边界	机器学习	NA	NA	NA	NA	NA	NA	NA	NA	NA
168	2026-09-23	Artificial intelligence for predicting pathological complete response to neoadjuvant therapy in triple-negative breast cancer: A systematic review and meta-analysis 2026-Oct, Breast (Edinburgh, Scotland) DOI:10.1016/j.breast.2026.104861 PMID:42413278	系统综述与meta分析	本文系统综述并meta分析了人工智能模型预测早期三阴性乳腺癌新辅助系统治疗后病理完全缓解的性能。	首次对AI预测eTNBC患者NAST后pCR的证据进行定量合成，并系统评估了放射组学、纵向数据和多模态模型的影响。	研究间存在显著异质性（I²=73.1%），验证策略不一致，可能存在发表偏倚，且亚组差异无统计学意义。	评估AI模型预测早期三阴性乳腺癌新辅助系统治疗后病理完全缓解的判别性能。	早期三阴性乳腺癌患者。	数字病理学, 放射组学, 机器学习	三阴性乳腺癌	机器学习, 深度学习	机器学习, 深度学习	影像, 病理, 临床, 组学	系统综述纳入58项研究，其中19项研究的20个队列纳入定量合成	NA	NA	AUC	NA
169	2026-09-23	Dataset Pruning: Reducing Training Data by Examining SGD-Influence 2026-Oct, IEEE transactions on pattern analysis and machine intelligence IF:20.8Q1 DOI:10.1109/TPAMI.2026.3703395 PMID:42295952	研究论文	本文提出数据集剪枝方法，通过SGD影响函数和分布式离散优化，从训练数据中选择最小代理训练集，以减少计算成本并保持模型泛化能力。	提出SGD-Influence方法追踪SGD过程中的参数变化，克服传统影响函数的凸性和最优性假设；结合分布式离散优化实现高效样本选择。	未明确说明方法的局限性。	研究训练数据对模型泛化的影响，并构建最小的代理训练集以在严格约束的泛化差距下减少训练数据。	训练数据集和深度学习模型。	机器学习	NA	随机梯度下降（SGD）	NA	NA	三个数据集（规模与复杂度各异）	NA	NA	准确率	NA
170	2026-09-23	Natural Language Processing to Identify Substance Use in Electronic Health Records: A Scoping Review 2026-Oct, Substance use & addiction journal DOI:10.1177/29767342261463377 PMID:42481076	综述	本文通过范围综述系统总结了利用自然语言处理技术在电子健康记录中识别物质使用的相关研究，并比较了不同物质类型的识别性能	首次对电子健康记录中利用自然语言处理识别物质使用的研究进行范围综述，系统比较了不同物质类型（烟草、酒精、阿片类药物、大麻素、兴奋剂等）的识别性能，并揭示了研究透明度和可重复性不足的问题	仅纳入英文发表的同行评审原创研究，可能存在语言偏倚；多数研究未公开代码或详细模型说明，透明度和可重复性有限；兴奋剂和大麻素相关研究明显不足	描述用于电子健康记录中识别物质使用的自然语言处理技术特征，并按物质类型比较这些技术的性能	86篇应用自然语言处理技术识别电子健康记录中非处方或问题性物质使用的同行评审原创研究	自然语言处理	物质使用障碍	自然语言处理	基于规则的方法, 传统机器学习, 深度学习, 大语言模型/Transformer模型	文本	86篇研究，涵盖烟草（n=42）、酒精（n=26）、非处方阿片类药物（n=30）、大麻素（n=9）、兴奋剂（n=6）以及多物质使用和/或其他药物（n=16）	NA	Transformer	大多数研究报告的性能指标超过0.80	NA
171	2026-09-23	Clinical Readiness of Artificial Intelligence Models for MB2 Canal Detection in Maxillary Molars: A Scoping Review 2026-Oct, International dental journal IF:3.2Q1 DOI:10.1016/j.identj.2026.109758 PMID:42492464	综述	本文通过范围综述评估人工智能模型在上颌磨牙MB2根管检测中的临床准备度	首次系统性地将技术准备水平-实施科学框架应用于评估AI模型在MB2根管检测中的临床转化准备程度，并结合QUADAS-2和ROBVIS工具进行偏倚风险评估	仅纳入5项研究，样本量小；所有研究仅达到技术准备水平4级；存在方法学不明确或不足的问题；缺乏真实世界验证；模型仍处于原型阶段	梳理AI模型在MB2根管检测中的现有研究，评估其临床准备度及常规临床实施的差距	人类恒上颌磨牙的MB2根管检测	数字病理学	口腔疾病	锥形束计算机断层扫描	机器学习, 深度学习	图像	5项符合纳入标准的研究	NA	NA	诊断性能	NA
172	2026-09-23	Accelerated Brain Aging in Type 1 Diabetes Across Painful and Painless Peripheral Neuropathy: MRI-Based Brain Age Estimates From Deep Learning 2026-Oct-01, Diabetes IF:6.2Q1 DOI:10.2337/db26-0305 PMID:42579533	研究论文	本研究通过基于MRI的深度学习脑龄估计，探讨1型糖尿病患者的脑老化加速现象，并分析其与痛性及无痛性周围神经病变的关系	首次在1型糖尿病患者中，结合痛性和无痛性糖尿病周围神经病变亚组，利用深度学习从MRI估计脑龄并计算脑龄差，揭示了糖尿病病程是脑老化加速的主要驱动因素，而非神经病变类型	研究为探索性，样本量有限，需要更严格表征的队列进行验证；调整糖尿病病程后组间差异减弱，因果关系需进一步验证	探究1型糖尿病患者中脑老化加速与糖尿病周围神经病变（包括痛性和无痛性）之间的关系，并识别脑龄差的主要驱动因素	178名1型糖尿病患者（79名无DPN、53名无痛性DPN、46名痛性DPN）和48名健康对照者	数字病理学	糖尿病	结构脑MRI	深度学习	图像	226名参与者（178名1型糖尿病患者和48名健康对照）	NA	NA	P值	NA
173	2026-09-23	Label-free ultraviolet photoacoustic microscopy for multiscale structural phenotyping of epithelial morphogenesis in organoid-derived intestinal epithelial wrinkle tissue 2026-Oct, Photoacoustics IF:7.1Q1 DOI:10.1016/j.pacs.2026.100875 PMID:42765106	研究论文	开发无标记紫外光声显微镜（UV-PAM）用于类器官衍生肠道上皮皱褶组织的多尺度成像和定量分析，并结合深度学习进行初步计算表型分析	利用266 nm紫外光声显微镜实现无标记、无需切片的皱褶结构和核形态可视化，并提取多尺度特征（皱褶波长、皱褶指数、应变诱导的核伸长和重分布）	概念验证数据集仅包含两个未处理和两个DTT处理样本，训练和测试FOV来自同一标本，样本量小，需要更大规模验证	开发无标记紫外光声显微镜用于上皮形态发生的多尺度成像和计算表型分析	人源类器官衍生的肠道上皮皱褶组织	数字病理学	NA	紫外光声显微镜（UV-PAM）	深度学习	图像	4个样本（2个未处理，2个DTT处理）	NA	NA	NA	NA
174	2026-09-19	Automatic Generation of Liver Virtual Models With Artificial Intelligence: Application to Liver Resection Complexity Prediction 2026-10-01, Annals of surgery IF:7.5Q1 DOI:10.1097/SLA.0000000000006722 PMID:40211963	研究论文	本文旨在仅使用术前CT扫描，通过人工智能自动生成肝脏三维虚拟模型，并预测肝切除术的术中复杂度	提出了一种新的解剖参考框架——肝中央区，并开发了全自动流程来生成肝中央区并量化肿瘤相对于它的位置，用于预测肝切除术复杂度，其预测性能优于外科医生	未明确提及	从术前CT扫描预测术中肝切除术复杂度，以辅助肿瘤外科手术规划	肝细胞癌患者	数字病理学, 计算机视觉	肝癌	深度学习, CT扫描, 三维重建	深度学习模型	图像	145名肝细胞癌患者	NA	NA	Dice分数, 准确率, AUC	NA
175	2026-09-19	Association of Deep Learning Imaging Algorithm Measures of Microbial Keratitis With Vision Outcomes 2026-Oct-01, Cornea IF:1.9Q2 DOI:10.1097/ICO.0000000000004029 PMID:41247284	研究论文	该研究比较了基于人工智能图像算法的测量与临床医生测量在预测微生物性角膜炎患者90天视力结果方面的关联	开发了一种新型的人工智能图像分割算法，用于量化角膜形态特征，并验证了其预测视力结果的能力与临床医生测量相当	研究样本仅来自美国和印度两个国家，可能限制结果的普遍性；未提及算法的具体架构和计算资源	比较人工智能图像算法预测的角膜变化与临床医生测量的角膜变化与90天视力结果的关联	微生物性角膜炎患者	医学图像分析	微生物性角膜炎	人工智能图像分割	NA	图像	479名参与者（美国138名，印度341名）	NA	NA	模型估计值（β）和95%置信区间	NA
176	2026-09-18	A stromal-immune computational pathology signature for prognosis and immune checkpoint inhibitor response in localized, locally advanced and metastatic urothelial carcinoma: A multicenter retrospective study 2026-Oct-05, European journal of cancer (Oxford, England : 1990) DOI:10.1016/j.ejca.2026.116979 PMID:42585992	研究论文	本研究通过多中心回顾性分析，利用深度学习从H&E全切片图像中自动量化肿瘤-间质比（TSR）和三级淋巴结构（TLS），构建并验证了一个整合的TLS-TSR评分，用于局部、局部晚期和转移性尿路上皮癌的预后预测和免疫检查点抑制剂反应评估	首次将自动量化的TLS密度与TSR整合为一个计算病理学评分，并在多中心队列中验证其预后价值及与免疫检查点抑制剂反应的关联	回顾性研究设计，样本来自五个队列但部分队列样本量较小，需要前瞻性验证；TLS和TSR的自动化评估方法在不同扫描仪和染色方案下的泛化性有待进一步验证	探索整合肿瘤间质比例和三级淋巴结构的计算病理学特征在尿路上皮癌预后分层和免疫检查点抑制剂反应预测中的价值	尿路上皮癌患者	数字病理学	尿路上皮癌	H&E染色全切片图像分析，深度学习细胞核分类，自动间质分割，转录组分析	CNN	图像	884例尿路上皮癌患者的H&E全切片图像，来自五个队列（FAHZU n=76；Emory n=94；TCGA n=291；QDPH n=330；TRRC n=93）	NA	NA	ICC，Spearman ρ，C-index，AUC，95% CI	NA
177	2026-09-18	Diagnostic accuracy of deep learning vs. human raters for detecting osteoporotic vertebral compression fractures in routine CT scans 2026-Oct, European radiology IF:4.7Q1 DOI:10.1007/s00330-026-12393-y PMID:41733641	研究论文	本研究比较了深度学习模型与人类评估者在常规CT扫描中检测骨质疏松性椎体压缩性骨折的诊断准确性	使用公开的VerSe 19和20数据集，系统比较了八个不同专业水平的人类评估者、四个深度学习模型和一个基于深度学习的商业软件在椎体骨折检测和分级中的性能，并进行了椎体、区域和患者层面的全面分析	回顾性研究设计、样本量相对有限（331名患者）、仅在公开数据集上验证、未在常规临床环境中进行前瞻性验证	评估深度学习模型在CT扫描中检测和分级骨质疏松性椎体骨折的诊断性能，并与不同专业水平的人类评估者进行比较	331名患者的3548个胸椎和腰椎椎体，包括190个骨折椎体和139个中度或重度骨折椎体	医学图像分析	骨质疏松症、椎体骨折	CT扫描、深度学习	深度学习模型、商业软件SpineQ v1.1	CT图像	331名患者的3548个椎体	NA	NA	AUROC、诊断准确率、评估者间一致性、广义线性混合模型	NA
178	2026-09-18	Global--Local Interaction and Recalibration Network for Salient Object Detection in Optical Remote Sensing Images 2026-Oct, IEEE transactions on cybernetics IF:9.4Q1 DOI:10.1109/TCYB.2026.3696712 PMID:42228667	研究论文	提出了一种全局-局部交互与重校准网络（GLIR-Net），用于光学遥感图像中的显著目标检测，结合Transformer的全局上下文与CNN的局部细节	利用Transformer全局上下文与CNN局部细节的互补性，同时通过多尺度特征交互模块和特征重校准模块协调二者固有差异	未明确说明，但可能受限于光学遥感图像数据集规模及模型计算复杂度	提升光学遥感图像中显著目标检测的性能	光学遥感图像中的显著目标	计算机视觉	NA	NA	CNN, Transformer	图像	两个公开数据集（具体数量未提及）	NA	双分支架构（Transformer分支和CNN分支），多尺度特征交互模块，特征重校准模块，解码器	定性比较和定量比较（具体指标未提及）	NA
179	2026-09-18	Wavelet Spectrum in a Multi-Channel Network May Reduce Biopsy Rates on Diagnosis of Breast Tumors With BI-RADS Category 4a or Higher 2026-Oct, Journal of ultrasound in medicine : official journal of the American Institute of Ultrasound in Medicine IF:2.1Q2 DOI:10.1002/jum.70315 PMID:42273765	研究论文	该研究开发并评估了一种结合小波频谱分析与深度学习的计算机辅助诊断方法，用于对BI-RADS 4a或更高类别的乳腺肿瘤进行良恶性分类，以减少不必要的活检	将小波频谱分析融入多通道深度学习网络，通过整合B模式、高频（13 MHz）和低频（7 MHz）小波分量构建3通道超声图像，并采用双通道深度学习网络进行分类；同时建立了严格的患者特异性活检减免标准	摘要中未提及该研究的局限性	开发和评估一种计算机辅助诊断方法，整合小波频谱分析与深度学习，用于BI-RADS 4a或更高类别乳腺肿瘤的良恶性分类，以减少不必要的侵入性活检	390名乳腺病变分类为BI-RADS 4a或更高的患者	医学图像分析	乳腺癌	超声成像、小波频谱分析	深度学习	图像	390名乳腺病变患者	NA	双通道深度学习网络	准确率、活检减免率、漏诊率、活检减免与漏诊率比值	NA
180	2026-09-18	Navigating Uncertainty in MRI Diagnosis: A Human-AI Collaborative Strategy for Stratifying Clinically Significant Prostate Cancer 2026-Oct, Journal of magnetic resonance imaging : JMRI IF:3.3Q1 DOI:10.1002/jmri.70393 PMID:42302213	研究论文	开发基于双参数MRI的深度学习模型UFormer，并提出人机协作策略预测临床显著性前列腺癌	提出UFormer-radiologist协作预测策略，结合模型优势与PI-RADS评估，提高放射科医生预测性能并缩小经验水平差距	回顾性研究，证据等级4，技术效能第2阶段	开发基于双参数MRI的自动化深度学习模型，并评估其与放射科医生协作预测临床显著性前列腺癌的效果	4305名患者，来自多个中心，包括训练集、内部验证集和两个外部验证集	医学影像分析	前列腺癌	双参数MRI	UFormer	图像	4305名患者（训练2437，内部验证581，外部验证1: 622，外部验证2: 665）	NA	UFormer	AUC, 准确率, 敏感性, 特异性	NA