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
201	2026-06-18	SPACT: A clustering-driven multi-modal framework for survival prediction using genomic and histopathology data 2026-Jul, Medical image analysis IF:10.7Q1 DOI:10.1016/j.media.2026.104078 PMID:42013616	研究论文	提出SPACT，一种基于聚类驱动的多模态框架，利用基因组和组织病理学数据进行生存预测	通过结合TCGA和外部Başkent医院数据集提升鲁棒性和预测准确性，并采用多编码器交叉比较选择最优编码器	未明确说明限制，可能受限于外部数据集规模或特定癌症类型的泛化能力	提高癌症生存预测的鲁棒性和准确性，尤其是亚类别预测	癌症患者生存概率，涉及7种癌症类型（如卵巢癌）	自然语言处理, 数字病理学	卵巢癌, 其他癌症类型	深度学习, 多模态数据融合	多模态深度神经网络	基因组数据, 组织病理学全切片图像（WSI）	TCGA数据集和Başkent医院外部数据集，具体样本数量未说明	PyTorch, TensorFlow（推测）	多种编码器（未具体列出），集成模型	c-index	NA
202	2026-06-18	YoloSeg: You only label once for medical image segmentation 2026-Jul, Medical image analysis IF:10.7Q1 DOI:10.1016/j.media.2026.104093 PMID:42048960	研究论文	提出YoloSeg框架，在仅有一张标注图像的情况下实现医学图像分割，通过SAM 2传播标签、多视图伪标签分解和跨补丁数据增强，在十个数据集上与全监督方法性能相当	提出在极端标签稀缺（仅一张标注图像）下的分割方法，创新性地整合SAM 2进行标签传播，并设计多视图标签传播策略分解伪标签为共识区和分歧区，引入双分量损失分别处理，同时提出跨补丁数据增强增强语义一致性	输出内容中未提及具体局限性	解决医学图像分割中极端标签稀少问题，实现仅需一张标注图像即可得到高性能分割模型	医学图像中的器官、血管和病变等分割目标	数字病理学	NA	NA	分割模型	医学图像	十个不同的医学图像分割数据集	PyTorch	Segment Anything Model 2	Dice系数	NA
203	2026-06-18	A two-stage deep learning approach for forensic age and sex determination from hand-wrist radiographs: an anatomical pose estimation and multi-task model 2026-Jul, International journal of legal medicine IF:2.2Q1 DOI:10.1007/s00414-026-03729-w PMID:41792516	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
204	2026-06-18	Automated Dental Age Estimation from Panoramic Radiographs using an Interpretable Deep Learning Model 2026-Jul, International journal of legal medicine IF:2.2Q1 DOI:10.1007/s00414-026-03748-7 PMID:41845068	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
205	2026-06-18	Automatic multiple sclerosis lesion segmentation in the spinal cord using 3 T and 7 T MP2RAGE images 2026-Jul, Multiple sclerosis and related disorders IF:2.9Q2 DOI:10.1016/j.msard.2026.107250 PMID:42173050	research paper	开发基于深度学习的全自动框架，使用MP2RAGE图像对脊髓多发性硬化病变进行分割	提出了UNIseg方法，基于nnU-Net v2架构在多个中心的数据集上训练，显著优于在单中心数据上训练的基准方法	7T数据集的分割性能低于3T，且研究为回顾性多中心设计	开发并评估用于脊髓多发性硬化病变分割的深度学习自动框架	脊髓中的多发性硬化病变	machine learning	多发性硬化	MP2RAGE	nnU-Net	MRI图像	422名受试者（402名MS患者，20名健康对照）共472个MRI体积	NA	nnU-Net v2	Dice系数，病变级灵敏度，病变级精确度	NA
206	2026-06-18	Deep Learning Morphometric Analysis on Protocol Biopsies Predicts Future Graft Function 2026-Jul, Kidney international reports IF:5.7Q1 DOI:10.1016/j.ekir.2026.106585 PMID:42305258	研究论文	利用深度学习对移植肾协议活检进行形态计量分析，预测3年后的肾功能	将深度学习自动形态计量分析与机器学习结合，用于预测移植肾活检后3年肾小球滤过率，克服了传统Banff分类的半定量限制	NA	评估深度学习自动化形态计量分析是否能通过机器学习预测移植肾活检后3年的肾小球滤过率	肾移植接受者的协议活检组织切片	数字病理学	肾移植相关肾病	全切片成像（WSI）	深度学习与机器学习模型	图像	367名肾移植患者	NA	八种深度学习算法，十种机器学习模型（包括Kernel Ridge和贝叶斯模型）	平均绝对误差（MAE）, 相关系数（r）	NA
207	2026-06-18	Comprehensive benchmarking of deep learning architectures for multiclass histopathological classification of oral epithelial lesions 2026 Jul-Aug, Journal of oral biology and craniofacial research DOI:10.1016/j.jobcr.2026.101478 PMID:42306089	研究论文	系统性评估多种深度学习架构在口腔上皮病变多分类组织病理图像分类中的性能	首次对七种深度学习架构（包括视觉Transformer和多种CNN）在口腔组织病理图像三分类（正常上皮、上皮异常增生、口腔鳞状细胞癌）任务中进行综合基准测试，并采用数据增强和加权损失策略处理类别不平衡	误分类主要出现在正常上皮、发育不良和早期癌之间的组织学过渡区域；数据集来源单一，样本量有限	评估和比较不同深度学习架构对口腔组织病理图像的自动分类能力，以支持AI辅助数字病理学在口腔癌前病变和癌症早期检测中的应用	口腔上皮组织病理图像，包含正常上皮、口腔上皮异常增生和口腔鳞状细胞癌三类样本	数字病理学	口腔癌	组织病理学成像	深度学习	图像	2363张组织病理图像（10x和40x放大倍数），其中正常上皮1254张、上皮异常增生976张、口腔鳞状细胞癌102张；经数据增强扩展至4750张训练图像	PyTorch	Vision Transformer (ViT), EfficientNet-B0, InceptionV3, ResNet-50, VGG16, MobileNetV3, YOLOv11	准确率, 精确率, 召回率, F1分数	NA
208	2026-06-18	Artificial Intelligence for Molecular Subtyping in Unresectable Gallbladder Cancer: A Proof-of-Concept Study for CT-based HER2 Status Prediction 2026 Jul-Aug, Journal of clinical and experimental hepatology IF:3.3Q2 DOI:10.1016/j.jceh.2026.103563 PMID:42306236	研究论文	开发基于CT的深度学习框架，用于不可切除胆囊癌的HER2状态非侵入性预测	首次实现不可切除胆囊癌HER2状态的完全自动化CT预测，结合Grounding DINO-MedSAM进行肿瘤检测与分割，并采用多种方法（临床模型、影像组学、深度学习）进行HER2分类	单中心研究，样本量较小（213例），且分割性能指标（Dice得分0.62）有待提升	开发非侵入性预测不可切除胆囊癌HER2状态的CT影像框架	不可切除胆囊癌患者的HER2状态（阳性/阴性）	计算机视觉, 数字病理学	胆囊癌	CT影像	深度学习（Swin Transformer, DenseNet）、随机森林	CT图像	213例不可切除胆囊癌患者（143例回顾性训练集，70例前瞻性测试集）；其中42例（19.7%）HER2阳性	PyTorch	Grounding DINO-MedSAM, Swin Transformer, DenseNet	Dice系数, 交并比, 敏感性, 特异性, 受试者工作特征曲线下面积, F1分数	未明确提及，但推测使用标准GPU（如NVIDIA RTX系列）
209	2026-06-18	Advancement of deep learning models with whole slide image in diagnosis, subtyping and prognosis for glioma 2026-Jun-17, Progress in biomedical engineering (Bristol, England) DOI:10.1088/2516-1091/ae7860 PMID:42246131	综述	本文综述了基于全切片图像的深度学习模型在胶质瘤诊断、亚型分型及预后预测中的最新进展	系统总结了从CNN到Transformer、混合架构及大语言模型的演进，并探讨了多模态融合与可解释性方法	未详细讨论模型泛化性挑战及资源受限场景的部署问题	综述全切片图像结合深度学习在胶质瘤诊疗中的应用现状与未来方向	胶质瘤的全切片图像数据及其分子亚型、预后信息	数字病理学	胶质瘤	全切片图像	CNN, Transformer, 混合架构, 大语言模型	图像	未明确样本量，提及公共数据集TCGA和CPTAC	NA	ResNet-50, Vision Transformer, ROAM, CHIEF	AUC	NA
210	2026-06-18	Histology-guided 3D virtual staining of microCT-imaged lung tissue via deep learning 2026-Jun-17, Journal of the Royal Society, Interface DOI:10.1098/rsif.2025.1186 PMID:42303257	研究论文	提出一种结合同步辐射相位对比微CT与深度学习的三维虚拟组织染色方法	首次实现组织学引导的三维虚拟染色，将微CT的3D信息与组织染色特征融合	依赖同步辐射光源，临床应用推广受限	开发非破坏性三维病理分析工具	人类和小鼠肺组织样本	数字病理学	肺动脉高压	同步辐射相位对比微CT（PCµCT）	深度神经网络（虚拟染色网络）	三维微CT图像	人类和多个小鼠肺组织样本（无具体数量）	NA	虚拟染色深度神经网络（未指定具体架构）	组织学相似度评估（未提供具体指标）	同步辐射光源设施（未提供具体GPU信息）
211	2026-06-18	An optimization-driven hierarchical deep learning approach using the Gray Langurs algorithm for data-driven seismic activity prediction 2026-Jun-17, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-56169-2 PMID:42303651	研究论文	提出一种基于灰狼优化算法和分层深度学习（N-HITS）的混合框架，用于从历史地震目录数据中预测地震活动模式	首次将灰狼优化算法（GLO）与分层深度学习模型N-HITS结合，实现系统性的超参数优化，显著提升了地震序列预测性能	仅依赖历史地震目录模式，未纳入构造过程或地球物理驱动因素，输出应视为统计趋势估计而非物理可靠的地震预测	开发集成、计算高效的数据驱动时间序列建模框架，用于统计地震活动性预测	历史地震目录数据中的地震活动时间序列模式	机器学习	不适用	地震目录分析	N-HITS, GLO（灰狼优化器）	时间序列数据（地震目录）	不适用	PyTorch	N-HITS	决定系数R², 均方误差MSE	NA
212	2026-06-18	Balancing accuracy and efficiency in lumbar spine image segmentation using multi-scale attention and residual learning 2026-Jun-17, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-58394-1 PMID:42304021	研究论文	提出了一种结合多尺度注意力与残差学习的腰椎MRI图像分割模型，提升了分割精度与效率的平衡	创新性地融合多尺度残差注意力块（MRAB）与自适应空间-通道注意力块（ASCAB），并引入方向性膨胀卷积以处理各向异性解剖结构，实现了精度与效率的平衡	未提及在更广泛数据集或不同MRI设备上的泛化性验证	提高腰椎结构MRI图像分割的准确性与计算效率，克服现有方法在精度与效率之间的权衡问题	腰椎结构（椎骨T9-S1及对应椎间盘）的MRI图像分割	计算机视觉	腰椎疾病	MRI成像	深度学习分割模型	图像	215例T2加权腰椎MRI容积数据	PyTorch	多尺度残差注意力特征金字塔网络（MRAS+FPN）	Dice相似系数（DSC）、平均交并比（mIoU）、95% Hausdorff距离（HD95）、平均对称表面距离（ASSD）	训练时间22.1小时，内存15.8 GB
213	2026-06-18	External Validation of a Deep Learning-Based Artificial Intelligence System for Ultrasound Diagnosis of Thyroid Nodules: A Two-Center Retrospective Study 2026-Jun-17, Journal of clinical ultrasound : JCU IF:1.2Q3 DOI:10.1002/jcu.70275 PMID:42304967	研究论文	外部验证基于深度学习卷积神经网络的人工智能系统在甲状腺结节超声诊断中的性能	首次在两个中心回顾性研究中评估基于深度学习CNN的AI系统在甲状腺结节超声诊断中的表现，并比较图像模式和视频模式的诊断性能	样本量相对较小（485个结节），且为回顾性研究，可能引入选择偏倚	评估基于深度学习CNN的AI诊断系统在甲状腺结节超声诊断中的性能	甲状腺结节患者	计算机视觉	甲状腺结节	超声成像	CNN	图像、视频	485个甲状腺结节来自两家三级医院	NA	卷积神经网络	敏感度、特异度、准确率、AUC	NA
214	2026-06-18	Physics-Enhanced Deep Learning Optimized Semitransparent Organic Photovoltaics for Building-Integrated Sustainable Energy 2026-Jun-17, Advanced materials (Deerfield Beach, Fla.) DOI:10.1002/adma.73762 PMID:42307205	研究论文	提出一种物理增强深度学习框架，优化半透明有机光伏电池，实现创纪录的光利用效率并展示其在建筑集成可持续能源中的巨大潜力	将光学物理先验嵌入神经网络，减少对大量实验数据的依赖，同时提升预测准确性；结合新型卤素添加剂工程策略，实现超过20%的能量转换效率	大规模制造模块的性能可能低于实验室水平；物理先验的准确性和适用性可能受限于模型简化和实际条件差异	解决半透明有机光伏电池效率与透明度的根本权衡问题，推动建筑集成光伏技术发展	半透明有机光伏电池及其在建筑集成中的光-电-能效表现	计算机视觉	NA	NA	深度学习	光学参数和光伏性能数据	NA	NA	神经网络	光利用效率、能量转换效率	NA
215	2026-06-18	A Phase-Resolved Geometric Deep Learning Framework Maps Structural Determinants of Disease-Associated Protein Aggregation and Guides Suppressor Design 2026-Jun-17, Advanced science (Weinheim, Baden-Wurttemberg, Germany) DOI:10.1002/advs.76118 PMID:42307331	研究论文	提出SKALE 2.0，一个相位分辨的几何深度学习框架，通过三维拓扑直接学习突变诱导的蛋白质聚集表型，并指导抑制剂的理性设计	首次将蛋白质聚集过程分解为成核和延伸两个相位，并利用几何深度学习从三维结构中区分不同相位的结构决定因素，发现相位特异性突变调节模式，并实现抑制剂的约束感知设计	NA	开发能够解析蛋白质聚集不同相位（成核与延伸）结构决定因素的深度学习框架，并指导聚集抑制剂的理性设计	与神经退行性疾病相关的蛋白质（SOD1、TDP-43、MAPT、PRNP）及其突变体	机器学习	神经退行性疾病	蛋白质结构预测（AlphaFold）、重组蛋白表达与实验验证	几何深度学习（图神经网络）	蛋白质三维结构数据	涉及SOD1、TDP-43、MAPT、PRNP四种蛋白质的多种突变体，以及重组SOD1的实验验证	NA	图神经网络（SKALE 2.0）	NA	NA
216	2026-06-18	A Highly Sensitive, Ultrawide-Range Temperature-Pressure Dual-Mode Sensing Platform for Battery Health and Marine Monitoring 2026-Jun-17, ACS applied materials & interfaces IF:8.3Q1 DOI:10.1021/acsami.6c02665 PMID:42307483	研究论文	报道一种基于六方氮化硼和少层石墨烯协同增强机制的高灵敏度、宽范围温度-压力双模传感器，并构建基于Informer架构的深度学习模型实现电池热行为精确预测	通过六方氮化硼的离子泵效应与少层石墨烯应变调控导电通路的协同增强机制，实现创纪录的4771.2 kPa灵敏度与10 MPa检测上限，同时铂蛇形电极温度传感器经退火处理后表现出高度线性与稳定响应	NA	开发高性能双模传感器用于极端环境监测，并验证传感器数据在深度学习模型中的实用性以实现电池热行为精确预测	锂离子电池膨胀和深海波浪监测	机器学习	NA	磁控溅射	Informer	时间序列数据	NA	PyTorch	Informer	平均绝对误差, 范围准确率	NA
217	2026-06-18	Spinal cord reserve is associated with multi-dimensional clinical resilience in multiple sclerosis 2026-Jun-17, Journal of neurology IF:4.8Q1 DOI:10.1007/s00415-026-13821-1 PMID:42307802	研究论文	探究脊髓储备与多发性硬化患者多维度临床恢复能力的关系	首次证明脊髓管面积（SCaA）与多发性硬化患者更广泛的临床功能结局（包括EDSS、T25FWT、9HPT及SDMT）相关，并支持脊髓储备这一新概念	NA	评估脊髓管面积（SCaA）是否与多发性硬化（MS）更广泛的临床功能结局相关	多发性硬化患者	机器学习	多发性硬化	NA	深度学习模型	脑部MRI图像	426名MS患者的714次脑部MRI扫描	NA	NA	组内相关系数	NA
218	2026-06-18	YOLO-APLD: A Lightweight Apple Leaf Disease Detection Model Based on Multiscale Feature Fusion 2026-Jun-16, Plant disease IF:4.4Q1 DOI:10.1094/PDIS-07-25-1440-RE PMID:41275355	研究论文	提出一种轻量级苹果叶部病害检测模型YOLO-APLD，基于改进YOLOv8n实现多尺度特征融合	首次将EP-C2f增强模块嵌入主干网络末端强化局部和结构特征，结合Focal-SIoU损失函数优化边界框回归与分类，采用双向特征金字塔网络实现高效多尺度融合，并引入Slim-neck结构简化特征融合架构	在复杂自然环境下的通用性可能受限于特定病害类别，且边缘计算设备上的实时性能仍需进一步验证	解决自然环境中苹果叶部病害检测存在的模型参数量大、多尺度检测精度低的问题，为精准施药提供技术支持	苹果叶部病害（包括锈病、花叶病、褐斑病、白粉病、黑星病、链格孢叶斑病、灰斑病）	计算机视觉	苹果叶部病害	深度学习	YOLOv8n	图像	未明确说明样本数量，但使用了苹果叶部病害数据集，并在葡萄和番茄数据集上验证泛化性	PyTorch	YOLOv8n、EP-C2f、双向特征金字塔网络、Slim-neck	精确率、召回率、平均精确率均值、F1分数、每秒检测帧数	边缘计算设备
219	2026-06-18	Machine Learning-Enabled Quantification of Hepatocellular Necrosis in the Liver After Lethal Marburg and Ebola Virus Exposures 2026-Jun-16, The Journal of infectious diseases IF:5.0Q1 DOI:10.1093/infdis/jiag040 PMID:41566943	研究论文	利用深度学习模型对致死性马尔堡和埃博拉病毒暴露后肝脏中的肝细胞坏死进行定量分析	首次使用深度学习模型对致死性丝状病毒感染后肝脏病理切片进行像素级定量分析，实现了与病理学家相当的观察者间变异性，并揭示了坏死定位与病毒类型的差异	概念验证性研究，样本量有限（仅涉及猕猴模型），未进行大规模回顾性分析	量化致死性马尔堡和埃博拉病毒暴露后肝脏的肝细胞坏死，并探索坏死与临床指标的相关性及坏死定位差异	致死性丝状病毒（马尔堡病毒和埃博拉病毒玛科纳变种及基奎特变种）感染的猕猴肝脏病理切片	数字病理学	马尔堡和埃博拉病毒感染	数字化病理切片	深度学习分割模型	图像	猕猴肝脏病理切片（具体数量未提供）	NA	NA	观察者间变异性	NA
220	2026-06-18	Exploring the Stochastic Regularisation in Normalisation Layers for Semi-Supervised Learning 2026-Jun-16, IEEE transactions on pattern analysis and machine intelligence IF:20.8Q1 DOI:10.1109/TPAMI.2026.3704538 PMID:42301824	研究论文	提出Shuffle层归一化和Shuffle组归一化方法，通过在半监督学习中引入可控随机正则化提升模型性能	首次揭示批归一化中随机正则化在标签分布不匹配时的负面效应，并提出不增加模型参数的可控随机归一化技术SLN/SGN	未讨论SLN/SGN在极端标签分布偏差下的表现边界，以及随机正则化强度的自动调节机制	探索半监督学习中归一化层随机正则化的影响，并设计更鲁棒的归一化方法	图像、文本和音频多模态数据上的半监督学习任务	机器学习	NA	NA	CNN, Transformer	图像, 文本, 音频	NA	PyTorch	CNN, Transformer	准确率, 伪标签正确率	NA