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
2301	2026-08-13	Radiopathomic Graph Deep Learning for Multiscale Spatial-Contextual Modeling of Intratumoral Heterogeneity to Predict Breast Cancer Response to Neoadjuvant Therapy 2026-May, Radiology. Artificial intelligence DOI:10.1148/ryai.250760 PMID:41949455	研究论文	开发了一种可解释的放射病理组图深度学习系统，用于多尺度空间上下文建模瘤内异质性，并在乳腺癌患者中预测新辅助治疗的病理完全缓解。	提出了新颖的放射病理组图深度学习框架，结合了放射组学和病理组学数据，利用图神经网络建模瘤内异质性的多尺度空间上下文，并通过多方面分析增强模型的可解释性。	文章摘要中未明确提及研究局限性。	开发并评估一种放射病理组图深度学习系统，以提高对乳腺癌新辅助治疗病理完全缓解的预测性能。	乳腺癌患者，包括活检证实的浸润性乳腺癌患者，其治疗前的MRI图像和HE染色活检切片图像。	数字病理学	乳腺癌	MRI成像，组织学切片染色（HE）	图神经网络	图像	训练集582名患者，外部测试集468名患者。	NA	图神经网络（具体架构未指定）	AUC，净重分类改善指数（NRI），综合判别改善指数（IDI）	NA
2302	2026-08-13	Comparative Analysis of Machine Learning Models in Groundwater Quality Assessment: A Systematic Review 2026-May, Water environment research : a research publication of the Water Environment Federation IF:2.5Q2 DOI:10.1002/wer.70401 PMID:42124483	综述	本文对机器学习在地下水质量评估中的应用进行了系统综述和荟萃分析，评估了多种模型的准确性、适用性和可用性。	系统性地比较了多种机器学习模型在地下水质量评估中的表现，并探讨了新兴技术如物理信息机器学习、图神经网络和大型语言模型的应用潜力。	主要关注已发表的研究，可能忽略未发表的研究，且对新兴技术的讨论缺乏具体实证数据。	评估机器学习模型在地下水质量评估中的准确性、适用性和可用性，并识别研究空白和未来方向。	地下水质量相关的研究，涵盖多种机器学习模型及其应用场景。	机器学习	不适用	机器学习模型，包括人工神经网络、支持向量机、k近邻、决策树、随机森林和深度学习	人工神经网络、支持向量机、k近邻、决策树、随机森林、深度学习	地下水质量数据	文献样本，具体数量未在摘要中提供	不适用	人工神经网络、支持向量机、k近邻、决策树、随机森林、深度神经网络	准确性	不适用
2303	2026-08-13	3D Swin Transformer With Multi-Scale Dilated Convolution for White Blood Cell Hyperspectral Image Classification 2026-05, Journal of biophotonics IF:2.0Q3 DOI:10.1002/jbio.70280 PMID:42152783	研究论文	本研究提出了一种基于多尺度膨胀卷积的3D Swin Transformer网络（SwinMDC），用于白细胞高光谱图像分类，以提高分类准确性。	采用3D多尺度膨胀卷积作为初始嵌入层，增强低级特征表示并缓解感受野限制，同时集成3D窗口注意力机制构建层次Transformer编码器。	仅在三类白细胞数据集上进行了验证，未涉及多中心或更大规模的数据集，泛化性有待进一步评估。	提高白细胞高光谱图像分类的准确性，充分利用光谱信息。	白细胞高光谱图像。	数字病理学	血液相关疾病（如白血病等）	高光谱成像	Transformer	图像	三类白细胞显微高光谱数据集，具体样本量未说明。	NA	Swin Transformer	准确率	NA
2304	2026-08-13	AI-driven lateral flow immunoassay for point-of-care detection of cardiac biomarkers in acute myocardial infarction 2026-04-20, Mikrochimica acta DOI:10.1007/s00604-026-08054-y PMID:42008011	研究论文	本研究开发了一种结合深度学习机器视觉模型的功能化金纳米颗粒侧向流动免疫分析平台，用于急性心肌梗死中心肌生物标志物的快速定量检测。	创新性地将深度学习机器视觉与金纳米颗粒侧向流动免疫分析相结合，实现了心肌生物标志物的快速定量检测，检测时间缩短46.7%，并提高了检测效率。	摘要中未提及局限性。	旨在开发一种AI增强的侧向流动免疫分析平台，用于急性心肌梗死相关心肌生物标志物的灵敏、快速和便携式定量检测。	研究对象为心肌生物标志物肌红蛋白和心肌肌钙蛋白I，以及加标血清样本。	计算机视觉	急性心肌梗死	侧向流动免疫分析	深度学习	图像	加标血清样本（具体数量未提及）	NA	NA	检测限、相关系数（R²）	NA
2305	2026-08-13	A vision-language foundation model improves preoperative diagnosis of follicular thyroid neoplasms using ultrasound images 2026-Apr-16, NPJ precision oncology IF:6.8Q1 DOI:10.1038/s41698-026-01430-0 PMID:41991963	研究论文	开发了一种名为FTC-Net的视觉-语言基础模型，利用超声图像进行甲状腺滤泡性肿瘤的术前分类诊断	首次将视觉-语言基础模型应用于甲状腺滤泡性肿瘤的术前诊断，能够减少不必要的细针穿刺活检和手术	摘要中未明确提及局限性	实现甲状腺滤泡性癌和甲状腺滤泡性腺瘤的术前无创鉴别诊断，改善临床决策并减少不必要的手术	甲状腺滤泡性肿瘤（包括甲状腺滤泡性癌和甲状腺滤泡性腺瘤）	计算机视觉	甲状腺滤泡性肿瘤	超声成像	视觉-语言基础模型	超声图像	2421名患者（6477张图像），来自14个机构，其中1462名用于训练，578名和381名用于两个独立验证队列	NA	NA	AUC	NA
2306	2026-08-13	Deep learning inference of cell type-specific gene expression from breast tumor histopathology 2026-Apr-16, NPJ precision oncology IF:6.8Q1 DOI:10.1038/s41698-026-01419-9 PMID:41986599	研究论文	开发了SLIDE-EX，一个从乳腺癌组织病理学全切片图像直接推断细胞类型特异性基因表达的深度学习框架	首次利用深度学习从H&E染色的全切片图像直接推断细胞类型特异性基因表达，避免了单细胞RNA测序和批量RNA测序的高成本和耗时	训练和验证仅限于乳腺癌队列（TCGA-BRCA），独立验证队列规模相对较小（160例），最稳健的预测仅限于特定细胞类型（如癌症相关成纤维细胞、癌细胞和髓系细胞）	开发一种从常规组织病理学切片中快速、低成本推断细胞类型特异性基因表达的方法，以增强对肿瘤微环境的表征和化疗反应预测	乳腺癌肿瘤组织的全切片图像（WSIs）以及来自TCGA-BRCA和160例独立队列的推断细胞类型特异性基因表达	数字病理学	乳腺癌	H&E染色全切片成像	深度学习模型（具体类型未在摘要中明确）	图像、基因表达数据	TCGA-BRCA队列（样本量未明确）和160例独立队列	PyTorch	卷积神经网络（CNN）	表现最佳基因预测、细胞类型丰度预测性能（具体指标如相关性或误差未在摘要中明确）	未在摘要中提供具体信息
2307	2026-08-13	Federated CT foundation models for multi-center detection of lymph node metastasis in pancreatic cancer 2026-Apr-09, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-47631-2 PMID:41957506	研究论文	提出了一种结合CT基础模型预训练和异构感知联邦优化的隐私保护深度学习框架，用于多中心胰腺癌淋巴结转移检测	将大规模CT基础模型预训练与标签分布差异和表征级别散度感知的联邦聚合相结合，以应对跨机构数据异质性，实现隐私保护下的多中心LNM检测性能提升	研究为回顾性多中心设计，样本数量相对有限（546例患者），且未提供外部验证或前瞻性临床验证	开发一种隐私保护的深度学习方法，利用CT影像数据提高胰腺导管腺癌术前淋巴结转移检测的准确性和泛化性，同时解决多中心数据异质性问题	来自三个医疗机构的546例胰腺导管腺癌患者的术前CT扫描数据	医学影像分析, 联邦学习, 深度学习	胰腺癌（胰腺导管腺癌）	CT成像, 对比自监督学习	CT视觉基础模型（3D表征）、联邦聚合算法	CT影像	546例患者（来自三个机构），预训练使用148,000个容积CT扫描	NA	CT视觉基础模型（基于对比自监督学习）	平衡准确率, 诊断优势比 (DOR)	NA
2308	2026-08-13	Investigation of multimodal deep learning models for predicting ovarian tumor malignancy based on ultrasound images and clinical information - a comprehensive comparative study against readers and O-RADS 2026-04-06, BMC medical imaging IF:2.9Q2 DOI:10.1186/s12880-026-02312-4 PMID:41942868	研究论文	本研究全面比较了基于多模态超声图像和临床信息的深度学习模型与放射科医生及O-RADS在预测卵巢肿瘤恶性程度方面的性能	首次综合比较了融合灰度超声和彩色多普勒血流成像的双模态模型（DLM2F）以及进一步整合临床数据的三模态模型（DLM3F）与专家放射科医生和O-RADS的诊断性能，展示了多模态深度学习在卵巢肿瘤分类中的优越性	摘要未提及具体局限性	探究基于多模态超声图像和临床数据的深度学习模型在区分良性和恶性卵巢肿瘤中的有效性，并与传统方法进行比较	卵巢肿瘤患者，包括良性和恶性肿瘤	医学影像分析	卵巢肿瘤	超声成像（灰度超声和彩色多普勒血流成像）	深度学习模型（Dense Convolutional Network）	多模态数据（超声图像和临床信息）	508名卵巢肿瘤患者（平均年龄44.3±15.9岁），其中327例良性，181例恶性	NA	Dense Convolutional Network	AUC、敏感性、特异性	NA
2309	2026-08-13	Artificial-Intelligence-Based Radiologic, Histopathologic, and Molecular Models for the Diagnosis and Classification of Malignant Salivary Gland Tumors: A Systematic Review and Functional Meta-Synthesis 2026-04-05, Medical sciences (Basel, Switzerland) DOI:10.3390/medsci14020183 PMID:42029607	系统综述	对基于人工智能的放射学、组织病理学和分子模型在恶性唾液腺肿瘤诊断和分类中的应用进行系统综述和功能元综合	首次通过功能元综合整合放射学、组织病理学和分子领域的人工智能模型在恶性唾液腺肿瘤诊断任务中的角色，并识别三个汇聚的诊断领域	研究间模型构建、结局定义和验证策略存在异质性，无法进行荟萃分析；多数研究存在高偏倚风险，且校准和实用性评估不足	识别并批判性评估基于放射学、组织病理学和分子数据的人工智能/机器学习模型在恶性唾液腺肿瘤中的诊断和分类性能，并通过功能元综合整合其诊断角色	恶性唾液腺肿瘤（MSGTs）患者队列及相应的人工智能/机器学习诊断或分类模型	数字病理学	恶性唾液腺肿瘤	放射组学、深度学习、DNA甲基化测序	深度学习模型（具体类型未指定）	影像（CT/MRI）、全切片组织病理图像、分子数据（DNA甲基化）	8项研究，共1922名参与者	NA	NA（具体架构未在标题和摘要中说明）	AUC（曲线下面积）	NA
2310	2026-08-13	InDeed: Interpretable Image Deep Decomposition With Grounded Generalizability 2026, IEEE transactions on image processing : a publication of the IEEE Signal Processing Society IF:10.8Q1 DOI:10.1109/TIP.2026.3718452 PMID:42555331	研究论文	本文提出了一种名为InDeed的新型框架，用于将图像分解为低秩、稀疏和噪声分量，结合层次贝叶斯建模和深度学习，以提高可解释性和泛化能力	首次将层次贝叶斯建模与深度学习结合，实现图像分解的可解释性和模型泛化性，并引入基于PAC-Bayes理论的测试时自适应方法	未在摘要中明确提及具体限制	开发一种可解释且泛化能力强的图像分解框架，用于图像去噪和无监督异常检测等下游任务	图像分解任务，包括低秩、稀疏和噪声分量	计算机视觉	不适用	深度学习与层次贝叶斯建模结合	贝叶斯深度神经网络（DNN）	图像	不适用（未在摘要中提及具体样本量）	不适用（未在摘要中提及）	模块化贝叶斯DNN	泛化性能和可解释性（具体指标未在摘要中提及）	不适用（未在摘要中提及）
2311	2026-08-13	Synthetic-to-real attentive deep learning for Alzheimer's assessment: A domain-agnostic framework for ROCF scoring 2025-11, Journal of biomedical informatics IF:4.0Q2 DOI:10.1016/j.jbi.2025.104929 PMID:41110737	研究论文	提出一种基于合成到真实注意深度学习框架，用于阿尔茨海默病评估中的Rey-Osterrieth复杂图形（ROCF）测试自动评分。	创新之处包括：轻量级数据合成管道生成真实且多样的带标注ROCF绘图；设计跨域评分模型ROCF-Net，通过线特定注意力机制处理笔划纹理和线条伪影的领域差异；以及利用合成数据减少人口统计差异的偏差感知框架。	局限性可能包括：依赖合成数据，真实数据验证范围有限；跨域泛化能力可能仍有提升空间；未明确提及对其他认知测试的适用性或计算资源的具体限制。	实现ROCF测试的自动评分，提高早期阿尔茨海默病诊断的准确性和效率，减少主观偏差和数据稀缺问题。	ROCF测试中的绘图样本，包括来自不同来源的临床数据和合成生成的数据。	计算机视觉	阿尔茨海默病	合成数据生成（非特定测序技术）	卷积神经网络（CNN）	图像	未明确指明具体样本数量，提及多个不同来源的数据集	未明确指定框架	ROCF-Net（专门设计的深度学习模型）	平均绝对误差（MAE）、皮尔逊相关系数（PCC）	未明确说明，但强调计算成本低，不使用重型Transformer模型
2312	2026-08-13	Leveraging artificial intelligence and machine learning in kinase inhibitor development: advances, challenges, and future prospects 2025-Oct-15, RSC medicinal chemistry IF:4.1Q2 DOI:10.1039/d5md00494b PMID:40919316	综述	本文综述了人工智能和机器学习在激酶抑制剂开发中的应用，涵盖药物设计、优化和再利用等方面的进展、挑战及未来前景	系统总结了深度学习、图神经网络和生成模型在激酶抑制剂开发全流程中的应用，并讨论了联邦学习、个性化抑制剂和AI驱动的联合疗法等新兴方向	数据稀疏性、模型可解释性以及计算结果与实验之间的转化差距	探讨AI/ML方法如何克服激酶抑制剂开发中的挑战，加速下一代激酶靶向治疗药物的开发	激酶抑制剂，包括BTK和EGFR抑制剂等代表性案例	机器学习	癌症、自身免疫性疾病	深度学习、图神经网络、生成模型	NA	NA	NA	NA	NA	NA	NA
2313	2026-08-13	Deep Learning-Based Control of Electrically Evoked Activity in Human Visual Cortex 2025-Oct-08, bioRxiv : the preprint server for biology DOI:10.1101/2025.09.24.678361 PMID:41279945	研究论文	本文介绍了一种基于深度学习的自动化神经控制方法，用于视觉皮质假体，以生成多电极刺激模式，唤起目标神经反应，并在盲人受试者中验证其有效性。	首次在人类植入物中展示了数据驱动的神经控制可行性，利用深度学习框架自动生成最优多电极刺激模式，并采用两种控制策略（学习逆网络和梯度优化器），显著优于传统方法，同时降低了刺激电流并提高了感知稳定性。	未明确说明，但可能包括样本量小（单名受试者）、长期稳定性和通用性未被评估。	开发一种自动化、数据驱动的神经控制方法，以改善视觉皮质假体对视觉感知的恢复效果。	一名盲人受试者的枕叶皮质中的96通道犹他电极阵列。	深度学习, 神经工程, 视觉假体	失明, 视觉障碍	颅内电生理记录, 多电极刺激	深度神经网络	神经信号（单次诱发反应）	1名盲人受试者	深度学习框架（具体未提及，可能为PyTorch或TensorFlow）	深度神经网络（具体未指定，可能包括全连接或卷积结构）	神经反应预测准确性, 刺激电流强度, 感知稳定性	未明确说明，可能使用GPU进行训练和推理。
2314	2026-08-13	Actigraphy against 32-hour polysomnography in patients with suspected idiopathic hypersomnia 2025-10, Journal of sleep research IF:3.4Q2 DOI:10.1111/jsr.70007 PMID:39979124	研究论文	本研究验证了基于腕部活动记录的深度学习算法（S2S序列到序列长短期记忆网络）在疑似特发性嗜睡症患者中预测睡眠-觉醒状态的能力，并与商业算法（Actiwatch Software）及32小时多导睡眠监测进行比较。	首次在疑似特发性嗜睡症患者中验证基于深度学习的活动记录算法，其性能优于商业算法，并显著减少睡眠高估误差。	未探讨算法在家庭环境中的实际应用效果，且样本中女性比例较高可能影响泛化性。	验证基于活动记录的深度学习算法在疑似特发性嗜睡症患者中预测睡眠-觉醒参数的准确性，并比较其与商业算法的性能。	疑似特发性嗜睡症的过度嗜睡患者	机器学习	特发性嗜睡症	活动记录（腕部活动记录仪）	循环神经网络（RNN）	时间序列数据（活动记录）	126名患者（91名女性，平均年龄30.6±15.5岁）	NA	序列到序列长短期记忆网络（S2S-LSTM）	绝对误差，Bland-Altman分析	NA
2315	2026-08-13	Automated Sleep Staging in Epilepsy Using Deep Learning on Standard Electroencephalogram and Wearable Data 2025-10, Journal of sleep research IF:3.4Q2 DOI:10.1111/jsr.70061 PMID:40176726	研究论文	本研究评估了深度学习模型在标准脑电图和可穿戴设备数据上自动进行睡眠分期，以帮助管理癫痫患者	将深度学习应用于可穿戴设备的睡眠分期，以改善癫痫患者的管理，并比较了标准EEG和可穿戴数据在睡眠分期上的性能	模型在不同睡眠阶段（尤其是N1期）的敏感度较低，且可穿戴数据在某些睡眠宏观结构参数上有所低估	评估深度学习模型在标准脑电图和可穿戴数据上的自动睡眠分期性能，并探索癫痫患者与无癫痫患者的睡眠差异	50名癫痫患者的223个夜间睡眠记录	深度学习、医疗健康	癫痫	脑电图（EEG）、可穿戴设备（加速度计）	深度学习模型	脑电图信号、加速度计数据	50名患者的223个夜间睡眠记录，其中20个晚上由临床专家评分	NA	NA	准确性、Cohen's kappa、F1分数、Bland-Altman分析	NA
2316	2026-08-13	Fully Automated Anatomy Labeling for Intracardiac Echocardiography Using Deep Learning 2025-10, JACC. Clinical electrophysiology DOI:10.1016/j.jacep.2025.06.009 PMID:40767798	研究论文	该研究开发了一种基于深度学习的全自动解剖结构标注算法，用于心腔内超声图像，以辅助电生理手术操作	首次利用来自两个机构的605例电生理手术和196,768张心腔内超声图像，开发了全自动解剖结构标注算法，能够从右心房检测解剖结构，且误标罕见	未提及明确局限性，但仅涉及右心房结构，且部分结构（15/21）识别精度和召回率超过70%，其余结构可能识别效果较差	开发一种自动解剖结构标注算法，用于教育工具或导航工具，以指导心腔内超声操作者进行电生理手术	心腔内超声图像中的解剖结构，源自两个机构的605例电生理手术	计算机视觉	心血管疾病	深度学习，图像分析	深度学习模型（具体类型未提及）	图像	605例电生理手术，196,768张心腔内超声图像	NA	NA	精确率、召回率	NA
2317	2026-08-13	PCGMMF: a prediction method for breast cancer prognostic recurrence and metastasis risk based on enhanced multimodal feature fusion 2025-10, Journal of biomedical informatics IF:4.0Q2 DOI:10.1016/j.jbi.2025.104907 PMID:40935222	研究论文	提出了一种基于增强多模态特征融合的乳腺癌预后复发和转移风险预测方法PCGMMF	整合了组织病理图像、临床数据、基因表达数据和DNA甲基化数据，并通过双向注意力和自注意力机制设计了一个增强多模态特征融合模块BSAMF	未明确提及	开发一种更准确有效的方法来预测乳腺癌预后中的复发和转移风险	乳腺癌患者	机器学习, 数字病理学	乳腺癌	组织病理图像分析, 基因表达数据, DNA甲基化测序	Vision-LSTM, 支持向量机	组织病理图像, 临床数据, 基因表达数据, DNA甲基化数据	未明确提及	NA	Vision-LSTM, BSAMF	准确率, AUC	未明确提及
2318	2026-08-13	Accounting for population structure in deep learning models for genomic analysis 2025-09, Journal of biomedical informatics IF:4.0Q2 DOI:10.1016/j.jbi.2025.104873 PMID:40623578	研究论文	本研究探讨深度学习模型中未考虑遗传相关性（种群结构）是否引入混杂效应，并通过模拟和真实世界数据评估其对模型性能和特征重要性的影响。	首次系统评估深度学习基因组分析中忽略种群结构的混杂影响，并结合可解释人工智能（XAI）揭示模型关注特征的差异。	研究可能受限于模拟数据和特定数据集的代表性，且未涵盖所有可能的深度学习架构或基因组数据类型。	调查深度学习模型中遗传相关性的缺失是否导致类似传统基因组分析的混杂效应，并提出减少捷径学习的策略。	基于单核苷酸多态性（SNP）数据的模拟和真实世界基因组数据集。	机器学习	NA	单核苷酸多态性（SNP）分析	深度学习模型（未指定具体类型）	基因型数据（SNP）	未明确说明（包含模拟和真实世界数据集）	未指定（代码可在GitHub上获取）	未指定（深度学习模型）	模型性能（具体指标未在摘要中提及，可能包括准确率等）	未说明
2319	2026-08-13	Adaptive-AutoMO: A domain adaptive automated multiobjective neural network for reliable lesion malignancy prediction via digital breast tomosynthesis 2025-09, Journal of biomedical informatics IF:4.0Q2 DOI:10.1016/j.jbi.2025.104869 PMID:40712810	研究论文	提出一种领域自适应自动化多目标神经网络（Adaptive-AutoMO），用于通过数字乳腺断层合成图像进行可靠的病变恶性预测	同时解决隐私保护、可信度测量和平衡三个关键挑战，结合多目标免疫神经架构搜索和半监督领域自适应	未提及明确局限性	解决数据稀缺和领域偏移问题，提高乳腺癌病变恶性预测的可靠性	数字乳腺断层合成图像中的病变	数字病理学	乳腺癌	NA	多目标神经网络	图像	两个DBT图像数据集（源域和目标域）	NA	ResNet-18, DenseNet-121	敏感性, 特异性, 准确性	NA
2320	2026-08-13	Tailoring task arithmetic to address bias in models trained on multi-institutional datasets 2025-08, Journal of biomedical informatics IF:4.0Q2 DOI:10.1016/j.jbi.2025.104858 PMID:40494422	研究论文	本文评估了使用任务向量算术来减少模型区分数据来源的能力，从而减轻多机构数据集中因来源混淆引起的偏见，并提出了两种模型无关方法。	将任务向量方法扩展到解决临床自然语言处理中的来源混淆偏见问题，提出了两种新方法 TAPER 和 DAPPER。	未提供具体限制信息。	评估任务向量算术在减轻深度学习模型在多机构数据集上因来源混淆导致的偏见方面的有效性。	RoBERTa 和 Llama-2 模型，在三个数据集上进行评估。	自然语言处理	COVID-19	NA	Transformer-based models (RoBERTa, Llama-2)	文本（胸部X光片报告等临床文本）	NA	NA	RoBERTa, Llama-2	NA	NA