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
181	2026-04-04	Deep Learning Radiomics of Multiparametric MRI for Individualized Prediction of Axillary Lymph Node Response After Neoadjuvant Chemotherapy in Breast Cancer 2026, Breast cancer (Dove Medical Press) DOI:10.2147/BCTT.S568337 PMID:41928849	研究论文	本研究开发了一种基于纵向多参数乳腺MRI的深度学习放射组学模型，用于预测乳腺癌患者新辅助治疗后腋窝淋巴结的病理完全缓解	首次将纵向多参数MRI与基于深度学习的放射组学相结合，用于预测新辅助治疗后的腋窝淋巴结反应	单中心回顾性研究，需要外部验证	预测乳腺癌患者新辅助化疗后腋窝淋巴结的个体化反应	乳腺癌患者	数字病理学	乳腺癌	多参数MRI	深度学习, 机器学习	MRI图像	254名乳腺癌患者（训练队列144人，验证队列110人）	NA	NA	AUC, 校准曲线, 决策曲线分析	NA
182	2026-04-04	Investigating discrepancies in accuracy, agreement and interpretability for single-frame embryo classification tasks conducted by embryologists and deep learning models 2026, Frontiers in reproductive health IF:2.3Q3 DOI:10.3389/frph.2026.1778326 PMID:41928854	研究论文	本研究评估了胚胎学家与深度学习模型在单帧胚胎图像分类任务中的准确性、一致性和可解释性差异	首次在胚胎阶段分类任务中综合比较人类专家与深度学习模型的准确性、一致性和可解释性，并利用可解释人工智能技术分析模型决策	单中心回顾性研究，样本量有限（n=245），仅使用单帧图像，未考虑时间序列信息	评估人工智能工具在辅助生殖技术中的安全性和透明度，通过整合准确性、一致性和可解释性建立评估框架	人类胚胎发育阶段的单帧图像	计算机视觉	生殖系统疾病	单帧图像分析	CNN	图像	245张单帧胚胎图像	PyTorch, TensorFlow	ResNet-34, VGG16	准确率, Cohen's kappa系数	NA
183	2026-04-04	Artificial intelligence-driven assessment of sarcopenia in orthopedic geriatrics: technical progress and clinical implications 2026, Frontiers in endocrinology IF:3.9Q2 DOI:10.3389/fendo.2026.1779448 PMID:41928875	综述	本文综述了人工智能，特别是深度学习，在骨科老年医学中用于自动化、高通量机会性筛查肌少症的技术进展及临床意义	利用AI（尤其是深度学习）从常规临床影像中实现自动化、高通量的机会性筛查，以解决传统诊断方法在急性骨科环境中的不实用性，并将AI衍生指标整合到临床决策支持系统和电子病历中，推动从被动骨折管理向主动预防的范式转变	在技术标准化、生物变异性和模型可解释性方面仍存在显著挑战	总结人工智能如何解决传统肌少症诊断方法在骨科老年医学中的局限性，并探讨其临床转化意义	骨科老年患者，特别是患有肌少症的人群	数字病理学	老年疾病	深度学习，卷积神经网络	CNN	临床影像	NA	NA	NA	Dice相似系数	NA
184	2026-04-04	Artificial intelligence support for diagnosis of neurodevelopmental disorders during childhood: an umbrella review 2026, Frontiers in psychiatry IF:3.2Q2 DOI:10.3389/fpsyt.2026.1697185 PMID:41929366	综述	本文是一篇伞状综述，旨在综合评估人工智能在儿童神经发育障碍诊断中的应用证据	首次通过伞状综述的形式，系统性地汇总了关于AI在多种儿童神经发育障碍（如ASD、ADHD）诊断中应用的系统综述和荟萃分析证据，并评估了其方法学质量	纳入研究的方法学质量普遍较低（80%为极低质量），缺乏外部验证、数据收集和模型开发标准化不足，以及报告不一致	评估人工智能作为辅助工具，在儿童神经发育障碍早期诊断中的潜力和现有证据	儿童神经发育障碍，包括自闭症谱系障碍、注意缺陷多动障碍、智力障碍、沟通障碍、发育性协调障碍和特定学习障碍	机器学习	神经发育障碍	NA	支持向量机, 人工神经网络, 卷积神经网络	神经影像, 电生理, 临床/社会人口学, 运动/传感器数据	NA	NA	NA	诊断准确率	NA
185	2026-04-04	Biologically informed dual deep learning for skeletal maturity prediction in pediatrics 2026, Frontiers in radiology DOI:10.3389/fradi.2026.1774498 PMID:41929406	研究论文	本文提出了一种基于生物学信息的双深度学习框架，用于儿科骨骼成熟度预测	结合生物学先验知识与双神经网络架构，通过整合已发表的生理数据来概念性地支持骨龄预测，相比传统AI模型能提高训练稳定性、减少预测变异性并更好地对齐正常生长轨迹	仅基于模拟和概念分析，未收集新的人类或动物数据，未来需在真实世界影像数据集上验证并评估其临床集成	开发一种准确、可解释且高效的骨龄估计方法，以改进临床诊断、法医评估和生长研究	儿科骨骼成熟度预测，基于公开可用的放射影像数据集	计算机视觉	NA	深度学习	双神经网络	放射影像	NA	NA	NA	NA	NA
186	2026-04-04	Deep learning based approach for Behavior classification in diagnoses of Autism Spectrum Disorder using naturalistic videos 2026, Frontiers in computational neuroscience IF:2.1Q3 DOI:10.3389/fncom.2026.1626315 PMID:41929585	研究论文	本研究提出一种基于深度学习的模型，利用自然主义视频对自闭症谱系障碍（ASD）中的行为进行分类，以辅助诊断	提出了一种结合CNN和GRU的深度学习模型，用于从非结构化日常活动视频中提取时空特征，以分类自闭症相关行为，并在公开数据集上表现出优于其他模型的性能	研究依赖于公开数据集，可能未涵盖所有自闭症行为类型；模型在真实世界未控制视频中的泛化能力需进一步验证	开发一种基于视频行为分析的自动化工具，以辅助自闭症谱系障碍的快速、准确筛查	自闭症谱系障碍儿童在非结构化日常活动中的行为视频	计算机视觉	自闭症谱系障碍	视频行为分析	CNN, GRU, LSTM	视频	使用公开的多类自我刺激行为数据集（SSBD），具体样本数量未在摘要中明确说明	NA	CNN-GRU, 3D-CNN + LSTM, MobileNet, VGG16, EfficientNet-B7	准确率	NA
187	2026-04-04	Towards practical application of deep learning in diagnosis of Alzheimer's disease 2026 Jan-Dec, Journal of Alzheimer's disease reports DOI:10.1177/25424823261415808 PMID:41929976	研究论文	本研究探索了深度学习模型在阿尔茨海默病不同阶段诊断中的实际应用	设计了全脑3D版本的知名2D CNN架构，并用于多阶段AD诊断，同时通过模型集成提升了性能	计算复杂度高、训练时间长、标记数据集有限，因此全脑3D CNN不常用，许多研究依赖2D变体	探索深度学习在阿尔茨海默病诊断中的实际应用，以改进疾病治疗和预防	阿尔茨海默病患者在不同疾病阶段的脑部数据	计算机视觉	阿尔茨海默病	NA	CNN	图像	超过1500个全脑体积数据用于模型训练和评估	NA	3D CNN	分类准确率	NA
188	2026-04-04	Urological diagnostics based on kidney stone detection in CT imaging using YOLOv8 deep learning framework 2026, Frontiers in medicine IF:3.1Q1 DOI:10.3389/fmed.2026.1702159 PMID:41930103	研究论文	本研究评估了四种深度学习目标检测模型在CT图像中自动检测肾结石的性能	首次在肾结石CT检测中系统比较了YOLOv8、YOLOv5、Faster R-CNN和RetinaNet四种模型，并强调了YOLOv8在准确性与实时性之间的最佳平衡	研究仅基于4,000张标注CT切片和170名患者的数据集，可能需要进行更大规模和多中心的验证	评估深度学习目标检测模型在CT图像中自动检测肾结石的性能，以辅助泌尿科诊断	肾结石	计算机视觉	肾结石病	非对比计算机断层扫描（CT）	目标检测模型	CT图像	170名患者的4,000张标注CT切片	PyTorch	YOLOv8, YOLOv5, Faster R-CNN, RetinaNet	mAP@0.5, 精确率, 召回率, 假阳性率, 假阴性率, 推理速度	NA
189	2026-04-04	Classification of pediatric dental diseases from panoramic radiographs using natural language transformer and deep learning models 2026, Frontiers in artificial intelligence IF:3.0Q2 DOI:10.3389/frai.2026.1754498 PMID:41930217	研究论文	本研究提出了一种基于文本驱动的框架，利用自然语言Transformer从全景X光片生成结构化文本描述，并通过深度学习模型进行儿科牙科疾病的分类	首次将自然语言Transformer应用于全景X光片生成文本描述，并比较文本驱动与图像驱动深度学习模型在儿科牙科疾病分类中的性能	模型在不同疾病类型间的泛化能力存在不一致性，需要更大、更多样化的数据集来验证临床适用性	探索文本驱动方法作为传统图像驱动深度学习替代方案，用于儿科牙科疾病的准确分类	儿科牙科疾病的全景X光片	自然语言处理,计算机视觉	儿科牙科疾病	全景X光成像	1D-CNN, LSTM, BERT, CNN	图像,文本	未明确说明	未明确说明	1D-CNN, LSTM, BERT, 预训练CNN	准确率,敏感性	未明确说明
190	2026-04-04	Mamba-enhanced codebook learning with anatomical constraints for liver and tumor segmentation in 3D CT volumes 2026, Frontiers in medical technology IF:2.7Q3 DOI:10.3389/fmedt.2026.1708094 PMID:41930224	研究论文	提出一种用于3D CT图像中肝脏和肿瘤分割的端到端分层网络，集成了多尺度上下文建模、全局关系学习和结构化特征表示	首次将新兴的Mamba架构引入3D医学图像分割，用于建模跨切片的远程依赖关系；提出可学习的码书模块量化高维特征为语义原型；结合解剖学先验知识（肿瘤必须位于肝脏内）通过包含损失函数显式正则化分割输出	仅在公开的LiTS数据集上进行验证，需要更多外部数据集验证泛化能力；未讨论计算效率与实时性；解剖学约束仅考虑了空间包含关系，可能忽略其他解剖学先验	提高3D CT图像中肝脏和肿瘤分割的准确性和可靠性，以辅助临床诊断和治疗规划	3D CT扫描图像中的肝脏及其肿瘤	数字病理学	肝癌	CT扫描	深度学习网络	3D CT图像	使用公开LiTS数据集（具体样本数量未在摘要中说明）	NA	分层网络，包含多尺度纹理编码器、基于Mamba架构的全局关系表示模块、可学习码书模块	Dice分数，体积重叠误差（VOE），边界度量（ASD，95HD）	NA
191	2026-04-04	Next-generation viral detection through AI-enhanced nanotechnology: advances, challenges, and future directions 2026, Frontiers in molecular biosciences IF:3.9Q2 DOI:10.3389/fmolb.2026.1750124 PMID:41930247	综述	本文综述了人工智能与纳米技术结合在病毒检测中的最新进展、挑战及未来方向	探讨AI与纳米技术协同作用，实现实时病毒预测、监测和管理，提升检测系统的灵敏度和个性化	仍需大量临床验证和监管成熟，面临数据隐私、算法偏见和监管障碍等挑战	探索AI与纳米技术集成作为变革性方法，用于病毒检测和公共卫生响应	病毒检测系统，包括病毒突变识别、爆发轨迹预测和复杂病毒学数据分析	机器学习	NA	纳米传感器、纳米颗粒诊断、芯片实验室设备	机器学习, 深度学习	复杂病毒学数据	NA	NA	NA	NA	NA
192	2026-04-04	Fully Automated Stain Quantification Framework for IHC Whole Slide Images in Breast Cancer 2026 Jan-Dec, Technology in cancer research & treatment IF:2.7Q3 DOI:10.1177/15330338251407734 PMID:41930704	研究论文	本文提出了一种用于乳腺癌IHC全玻片图像的全自动、分区特异性H评分框架	开发了一个包含肿瘤-间质分割、细胞核分割和H评分估计三个深度学习模块的全自动框架，其性能与病理专家相当，并支持灵活配置以平衡准确性与计算效率	框架在87个专家标注的patch上进行微调，样本量相对有限；外部验证中CD73评分的平均绝对误差为21±10，显示在某些评分上存在误差范围	开发一个全自动、可重复的IHC评分框架，以减少人工评分的耗时和观察者间/内变异性，支持乳腺癌的诊断和治疗决策	乳腺癌的免疫组化全玻片图像	数字病理学	乳腺癌	免疫组化	深度学习	图像	87个专家标注的patch用于微调，100个专家标注的WSI用于内部验证，并进行了外部验证	NA	NA	Spearman等级相关系数, 准确率, 平均绝对误差	NA
193	2026-04-04	Quantitative evaluation of spatially-variant deformations recovered by deep learning on clinical-like breast lesions 2025-Dec-26, IEEE transactions on radiation and plasma medical sciences IF:4.6Q1 DOI:10.1109/trpms.2025.3649164 PMID:41929561	研究论文	本研究开发了一种基于深度学习的定量评估方法，用于减少双面板乳腺PET扫描中的空间变异变形，并验证其在临床样乳腺病灶上的效果	首次使用合成临床样乳腺图像（包括复杂病灶形状如毛刺状病灶）来训练和测试深度学习模型，以处理双面板PET系统中的空间变异变形问题	研究主要基于合成数据，虽然包含临床样特征，但可能无法完全模拟真实临床环境的复杂性	评估深度学习在减少双面板乳腺PET扫描中空间变异变形方面的效果，以改善病灶可视化和定量测量	临床样乳腺病灶，包括使用[F]FES和[F]FDG示踪剂的复杂形状病灶	医学影像处理	乳腺癌	双面板乳腺PET扫描，统计迭代重建（DIRECT-RAMLA）	深度学习神经网络	合成临床样乳腺PET图像	NA	NA	NA	病灶对比度指标，图像粗糙度	NA
194	2026-04-04	Fully automated quantification of net water uptake in acute ischemic stroke using only non-contrast CT imaging 2025-Dec-25, European radiology IF:4.7Q1 DOI:10.1007/s00330-025-12238-0 PMID:41444396	研究论文	本文介绍了一种仅使用非增强CT图像全自动量化急性缺血性卒中净水摄取的方法	提出了一种基于专家启发式和体素级计算的完全自动化NWU量化流程，无需深度学习组件，实现了从常规NCCT扫描直接评估卒中	分割准确性中等（Dice系数约0.47-0.48），且为回顾性研究，需进一步验证临床适用性	开发一种自动化、可重复的方法来量化缺血性卒中早期病变进展，以评估溶栓治疗效果	急性缺血性卒中患者的非增强CT图像	数字病理学	缺血性卒中	非增强CT成像	NA	图像	内部数据集185例患者（排除后155例），外部测试集51例患者（排除后46例）	NA	NA	病变检测率, 平均绝对NWU误差, Dice相似系数, 平均平均精度	NA
195	2026-04-04	Exploring the Terra incognita of AI-based domain classifications 2025-Dec, Protein science : a publication of the Protein Society IF:4.5Q1 DOI:10.1002/pro.70392 PMID:41288334	研究论文	本研究探索了基于人工智能的蛋白质结构域分类中的未知领域，特别是针对新型蛋白质折叠的分类挑战	整合结构、进化和上下文信息来解析具有挑战性的折叠分配，并扩展蛋白质分类框架至未探索的结构领域	研究中部分候选新型折叠结构域可能源于结构域边界预测错误，如截断序列或紧密堆积的结构域重复	解决结构生物信息学中新型蛋白质折叠分类的核心挑战，尤其是在深度学习模型如AlphaFold2极大扩展预测蛋白质结构宇宙的背景下	来自TED数据库的664个候选新型折叠结构域，这些结构域在结构上多样且基本非冗余，大多缺乏与已知折叠的清晰序列或结构相似性	结构生物信息学	NA	深度学习模型（如AlphaFold2）、结构生物信息学方法	深度学习模型	蛋白质结构数据	664个候选新型折叠结构域	NA	AlphaFold2	NA	NA
196	2026-04-04	Multimodal Cardiovascular Risk Profiling Using Self-Supervised Learning of Polysomnography 2025-Nov-25, Sleep IF:5.3Q1 DOI:10.1093/sleep/zsaf371 PMID:41288599	研究论文	本研究开发了一种基于自监督学习的可解释框架，用于从多导睡眠图数据中提取与心血管疾病结局相关的生理模式，从而实现个体化心血管风险评分	首次将自监督学习框架应用于多导睡眠图数据进行心血管风险分析，无需依赖手动标注（如睡眠分期），直接从原始信号中提取可解释的风险特征	研究未详细说明模型对不同亚组人群（如不同年龄、性别或种族）的适用性差异，且外部验证队列的样本量相对较小	开发并评估一个可解释的框架，以识别多导睡眠图数据中与心血管疾病结局相关的生理模式，用于个体化心血管风险分层	多导睡眠图数据，包括脑电图、心电图和呼吸信号	机器学习	心血管疾病	多导睡眠图	自监督深度学习模型	多模态信号（脑电图、心电图、呼吸信号）	训练队列4,398名参与者，外部验证队列1,093名参与者	NA	NA	曲线下面积	NA
197	2026-04-04	Automated Deep Learning-based Segmentation of the Dentate Nucleus Using Quantitative Susceptibility Mapping MRI 2025-11, Radiology. Artificial intelligence DOI:10.1148/ryai.240478 PMID:40767617	研究论文	开发了一种基于深度学习的齿状核自动分割工具，应用于脑部定量磁化率成像	提出了一种两步式（定位+分割）深度学习流程，在多个外部数据集上验证了其泛化能力，并公开了模型	研究为回顾性设计，样本年龄范围有限（11-64岁），且仅包含特定疾病群体	开发一种从脑部QSM图像中自动、准确分割齿状核的工具	健康对照者以及小脑性共济失调或多发性硬化症患者的脑部QSM图像	医学图像分析	小脑性共济失调，多发性硬化症	定量磁化率成像	CNN	3D MRI图像	328名个体（141名健康人，187名患者），来自9个不同数据集	nnU-Net	nnU-Net	Dice分数，组内相关系数，皮尔逊相关系数	NA
198	2026-04-04	Multiplex design and discovery of proximity handles for programmable proteome editing 2025-Oct-13, bioRxiv : the preprint server for biology DOI:10.1101/2025.10.13.681693 PMID:41279570	研究论文	本研究通过结合蛋白质设计与多重筛选框架，加速发现了用于细胞内蛋白质降解、稳定或重定位的效应器手柄，为可编程蛋白质组编辑建立了可扩展平台	将深度学习引导的蛋白质设计与基于测序的多重定量筛选（LABEL-seq）相结合，一次性筛选了9,715个设计的候选效应器手柄，发现了数百个能驱动蛋白质降解或稳定的新手柄，并成功应用于内源性靶标和细胞器定位调控	研究主要基于报告蛋白系统进行筛选，虽然验证了部分手柄在内源性靶标中的应用，但尚未全面测试所有发现的手柄在不同细胞类型和生理条件下的普适性	开发可编程蛋白质组编辑的通用框架，解决当前蛋白质操作工具在灵活性和特异性方面的不足	设计的效应器手柄、泛素-蛋白酶体系统（UPS）组件、自噬通路组件、报告蛋白、内源性靶标MCL1、线粒体外膜	生物信息学	NA	LABEL-seq（基于测序的多重定量蛋白质丰度检测）、蛋白质设计、深度学习	NA	测序数据、蛋白质丰度数据	9,715个设计的候选效应器手柄	NA	NA	蛋白质丰度变化、降解效率、稳定效率	NA
199	2026-04-04	spRefine Denoises and Imputes Spatial Transcriptomics with a Reference-Free Framework Powered by Genomic Language Model 2025-Jul-07, bioRxiv : the preprint server for biology DOI:10.1101/2025.04.22.649977 PMID:40631230	研究论文	本文介绍了一个名为spRefine的深度学习框架，利用基因组语言模型对空间转录组数据进行去噪和插值处理	提出了一个无需参考的框架，结合基因组语言模型联合处理空间转录组数据的噪声和缺失值问题	NA	解决空间转录组数据分析中的高噪声水平和基因测量缺失问题	空间转录组数据	机器学习	NA	空间转录组学	深度学习	空间转录组数据	NA	NA	基因组语言模型	NA	NA
200	2026-04-04	Deep Learning on Histopathological Images to Predict Breast Cancer Recurrence Risk and Chemotherapy Benefit 2025-May-16, medRxiv : the preprint server for health sciences DOI:10.1101/2025.05.15.25327686 PMID:40661301	研究论文	本研究开发了一种基于多模态深度学习的人工智能模型，利用常规组织病理学图像和临床病理变量预测乳腺癌复发风险和化疗获益	首次将多模态深度学习应用于组织病理学图像，结合临床变量预测Oncotype DX 21基因复发评分，并在大型随机试验TAILORx中验证，展示了在资源有限环境中替代基因组测试的潜力	模型主要针对HR+/HER2-早期乳腺癌患者，可能不适用于其他亚型；外部验证队列的样本量和多样性可能仍有局限	开发一种可替代昂贵基因组测试的人工智能工具，用于预测乳腺癌复发风险和化疗获益，以支持治疗决策	激素受体阳性、HER2阴性（HR+/HER2-）的早期乳腺癌患者	数字病理学	乳腺癌	组织病理学图像分析	深度学习	图像, 临床数据	TAILORx试验8,284例患者（验证集2,407例），外加六个独立队列5,497例患者	NA	多模态深度学习模型	AUC	NA