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
221	2026-06-16	Artificial Intelligence For 6P Medicine: Consolidating AI Needs of Predictive, Preventive, Personalized, Participatory, Precision, and Public Health Trajectories 2026-Apr-18, Journal of medical systems IF:3.5Q2 DOI:10.1007/s10916-026-02391-4 PMID:41999547	综述	本文综述了人工智能在6P医学模型（预测、预防、个性化、参与、精准和公共卫生）各维度中的应用现状，并提出实施蓝图	提出了一个整合预测、预防、个性化、参与、精准和公共卫生6个维度的6P-AI实施蓝图，将AI用例与数据需求、工作流集成、评估设计和部署后监控相链接	参与性和公共卫生应用评估不一致，且引入了公平性、信任和治理等额外挑战	综合AI方法如何支持6P医学模型，并确定证据成熟度与探索性领域	AI方法在医疗健康中的应用，包括机器学习、深度学习、大语言模型和数字孪生	机器学习	NA	NA	机器学习, 深度学习, 大语言模型, 数字孪生	NA	NA	NA	NA	NA	NA
222	2026-06-16	A physics-guided temporal convolutional learning with XGBoost integration for degradation-aware and robust electric vehicle range prediction 2026-Apr-18, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-49119-5 PMID:42000845	研究论文	提出一种物理引导的时间卷积学习与XGBoost集成方法，用于考虑退化的鲁棒电动汽车续航预测	首次引入物理推导的退化记忆指数（DMI），嵌入时间特征学习以区分相同荷电状态下的不同退化历史，结合时间卷积网络与XGBoost实现退化感知的高精度预测	仅基于单一数据集验证，未探讨不同电池化学类型或极端驾驶场景下的泛化能力	解决电动汽车续航预测中忽视电池退化和时间依赖性导致预测不准确的问题	电动汽车的行驶续航预测，涉及电池特性、驾驶行为、环境变量和充电基础设施	机器学习	NA	NA	时间卷积网络（TCN）、XGBoost	时序数据（含电池特性、驾驶行为、环境变量和充电指标）	大型真实电动汽车数据集（未明确样本量）	PyTorch, XGBoost	物理引导时间卷积网络（PG-TCN）结合XGBoost回归器	均方根误差（RMSE）、决定系数（R²）	未提及
223	2026-06-16	Improved visualization of perivascular spaces on T2-weighted imaging with deep learning-based denoising and super-resolution reconstruction 2026-Apr-18, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-48890-9 PMID:42000915	研究论文	本研究前瞻性评估基于深度学习的去噪与超分辨率重建（SR-DL）技术，在T2加权成像上改善血管周围间隙可视化的能力	首次将深度学习去噪与超分辨率重建结合应用于T2WI，在不延长采集时间的情况下显著提升PVS的定量可检测性和定性可见性	未明确说明样本量有限（仅10名健康志愿者）及研究未涉及病理情况下的评估	评估SR-DL技术在T2WI上改善PVS可视化的效果	血管周围间隙（PVS）	计算机视觉	NA	深度学习的去噪与超分辨率重建	深度学习模型	图像	10名健康志愿者	NA	SR-DL	可检测PVS数量、对比率、定性可见性评分	NA
224	2026-06-16	Machine learning-based models for tumor mutation burden prediction in gastrointestinal cancers: a systematic review and meta-analysis 2026-Apr-18, Discover oncology IF:2.8Q2 DOI:10.1007/s12672-026-04807-6 PMID:42000933	meta分析	系统评价和荟萃分析基于机器学习的模型在预测胃肠癌肿瘤突变负荷方面的诊断性能	首次对机器学习模型预测胃肠癌TMB的诊断性能进行系统评价和荟萃分析，揭示了图神经网络在性能稳定性方面的优势	仅有3/10的研究进行了外部验证，校准指标报告不足，TMB定义不一致，且存在显著的发表偏倚	系统评估和荟萃分析基于机器学习的模型在胃肠癌TMB预测中的诊断性能、方法学严谨性和报告质量	机器学习或深度学习模型用于预测人类胃肠癌TMB的研究	机器学习	胃肠癌	全外显子测序	机器学习, 深度学习, 图神经网络	临床数据, 基因组数据	纳入10项研究	NA	图神经网络, 经典机器学习模型	AUC, 准确率	NA
225	2026-06-16	Diagnostic accuracy of ovarian cancer using convolutional neural network: a systematic review and meta-analysis 2026-Apr-18, BMC medical informatics and decision making IF:3.3Q2 DOI:10.1186/s12911-026-03462-9 PMID:42001040	系统综述与荟萃分析	系统评估卷积神经网络算法在卵巢癌诊断中的性能，包括灵敏度、特异度和AUC，并分析亚组因素的影响	首次通过多水平层次模型对CNN在卵巢癌诊断中的性能进行系统荟萃分析，并探索影像模态、CNN架构、学习算法和数据库类型等亚组因素的影响	研究间异质性较大；Deeks检验提示存在潜在发表偏倚；部分亚组分析无法控制混杂因素	评估卷积神经网络算法在卵巢癌识别中的诊断准确性	卵巢癌的影像学检测（包括MRI、CT、超声及组织病理学图像）	计算机视觉，医学影像分析	卵巢癌	卷积神经网络（CNN）	卷积神经网络（CNN）	医学影像（MRI、CT、超声、组织病理图像），开放数据集与非开放数据集	系统综述纳入47项研究，荟萃分析纳入20项研究；未明确报告患者数量	R	ResNet， DenseNet，其他架构	灵敏度、特异度、曲线下面积（AUC）、诊断优势比（DOR）	未报告
226	2026-06-16	A comprehensive framework for automated segmentation of perivascular spaces in brain MRI with the nnU-Net 2026-Apr-17, Neuroradiology IF:2.4Q2 DOI:10.1007/s00234-026-03993-y PMID:41995815	研究论文	开发了一种基于nnU-Net的自动化脑MRI血管周围间隙分割框架	优化nnU-Net针对血管周围间隙分割，实现了跨MRI扫描仪和模态的鲁棒性能，且结合多模态图像同时分割PVS和WMH	样本量较小（30个T1加权图像），可能限制泛化性；稀疏标注策略可能导致某些区域偏差	优化深度学习框架nnU-Net实现脑MRI中血管周围间隙的自动分割	脑血管周围间隙（PVS）的结构分割	数字病理学	脑小血管病、阿尔茨海默病、帕金森病	核磁共振成像（MRI）	CNN（卷积神经网络）	图像（脑MRI）	30个T1加权MRI图像（来自三种扫描仪）	nnU-Net	nnU-Net	Dice相似系数（DSC）	NA
227	2026-06-16	Deep learning driven personalized paths for TCM graduate education 2026-Apr-17, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-48811-w PMID:41998246	研究论文	开发并验证了一种基于深度学习的个性化学习路径系统，用于提升中医研究生教育效果	首次将深度学习应用于中医研究生教育，构建个性化学习路径系统，并通过严格的准实验设计验证其有效性	采用非随机对照试验设计，可能无法完全消除选择偏倚；样本量有限（120人），且来自单一机构	探索深度学习在中医研究生个性化教育中的应用，提升中医知识、临床技能和科研能力	中医研究生	机器学习	NA	深度学习	深度学习模型（未具体说明）	结构化教育数据（学习路径、测试成绩等）	120名中医研究生（2019-2025年，安徽医科大学）	NA	NA	准确率（87.3%），Cohen's d（0.71-0.91）	NA
228	2026-06-16	Automated periodontitis diagnosis and staging using an end-to-end deep learning model on panoramic dental radiographs 2026-Apr-17, Oral radiology IF:1.6Q3 DOI:10.1007/s11282-026-00921-x PMID:41998397	研究论文	开发并验证了一种基于YOLOv11的端到端深度学习模型，用于自动分割牙齿、检测解剖标志和分期牙周炎，分析全景X线片	首次利用YOLOv11实现全景X线片中牙齿分割、解剖标志检测和牙周炎分期的全自动一体化流程	未提及数据集的多样性或外部验证，且模型在犬齿上表现相对较低，可能影响临床适用性	开发和验证一个全面的深度学习模型，用于自动分析全景X线片以辅助牙周炎诊断	全景X线片中的牙齿、解剖标志和牙周炎分期	计算机视觉	牙周炎	NA	CNN	图像	607张全景X线片	PyTorch	YOLOv11	精确率，召回率，F1分数，平均精度均值，皮尔逊相关系数，组内相关系数	NA
229	2026-04-18	CycleGAN-based image-to-image translation for synthetic contrast enhancement in non-contrast cardiac CT: a ViT-CNN hybrid deep learning approach 2026-Apr-16, BMC medical informatics and decision making IF:3.3Q2 DOI:10.1186/s12911-026-03446-9 PMID:41992180	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
230	2026-06-16	Comparative analysis of transformer, CNN, and YOLO architectures for mandibular condyle segmentation on panoramic radiographs: a deep learning benchmark 2026-Apr-16, BMC oral health IF:2.6Q1 DOI:10.1186/s12903-026-08228-3 PMID:41992227	研究论文	本研究首次对基于Transformer、CNN和YOLO的深度学习模型在全景X光片上分割下颌骨髁突的性能进行了多架构比较	首次进行多架构全景X光片下颌骨髁突像素级分割比较，评估了Transformer、CNN和YOLO三类模型的性能优劣	NA	建立下颌骨髁突分割的深度学习基准，比较不同架构的准确性，为颞下颌关节分析提供临床选择依据	下颌骨髁突	计算机视觉	颞下颌关节疾病	深度学习	Transformer, CNN, YOLO	全景X光片	1300张全景X光片（2600个髁突）	NA	RT-DETR, EfficientNet, Mask R-CNN, ConvNeXt, YOLOv9-Seg, YOLOv11-Seg	交并比(IoU), Dice相似系数(DSC), 精确率, 召回率, F1分数	NA
231	2026-06-16	Diagnostic performance of artificial intelligence versus conventional imaging for differentiating G2/G3 from G1 pancreatic neuroendocrine tumors: a systematic review and meta-analysis 2026-Apr-16, BMC medical imaging IF:2.9Q2 DOI:10.1186/s12880-026-02347-7 PMID:41992154	系统综述与荟萃分析	本研究通过系统综述和荟萃分析，评估了人工智能与传统影像学在区分G2/G3与G1胰腺神经内分泌肿瘤中的诊断性能	首次系统比较机器学习/深度学习算法与传统影像专家解读在胰腺神经内分泌肿瘤分级中的诊断性能，并提出了基于AI高灵敏度和专家高特异性的序贯诊断策略	纳入研究存在异质性，AI算法在特异性方面低于传统影像，且外部验证与内部验证的性能差距在AI亚组中缩小但未完全消除	评估影像学模态（特别是机器学习/深度学习算法与传统专家解读）在胰腺神经内分泌肿瘤术前分级中的诊断性能	胰腺神经内分泌肿瘤患者的CT、MRI或内镜超声影像数据	医学影像分析	胰腺神经内分泌肿瘤	CT、MRI、内镜超声	机器学习/深度学习模型	影像	17项研究，共928名患者	NA	NA	灵敏度、特异度、曲线下面积	NA
232	2026-06-16	Decoding immunotherapy response through computational modeling 2026-Apr-15, Nature communications IF:14.7Q1 DOI:10.1038/s41467-026-71364-5 PMID:41986319	综述	通过四种汇聚范式（经典机器学习、深度学习、图与网络建模、机制系统生物学）分析免疫疗法反应的计算建模进展	首次系统整合四种计算范式并强调从相关特征到表征学习、关系推理及肿瘤免疫动态因果模拟的进化路径	未提供具体定量结果或模型比较；缺乏临床验证数据的支撑	推动精准免疫肿瘤学实现个性化癌症治疗	免疫疗法反应的计算模型与患者分层方法	机器学习	癌症	NA	NA	多组学、影像	NA	NA	NA	NA	NA
233	2026-06-16	A Leaf-Level Dataset for Soybean-Cotton Detection and Segmentation 2026-Apr-15, Scientific data IF:5.8Q1 DOI:10.1038/s41597-026-07092-8 PMID:41986374	研究论文	该论文介绍了一个用于大豆和棉花叶片检测与分割的数据集，包含640张高分辨率图像和超过12000个叶片实例的标注	提供了一个在真实农场条件下采集、涵盖多个生长阶段、杂草压力和光照变化的叶片级数据集，支持检测和分割重叠叶片，填补了现有数据集在复杂田间环境中的不足	仅涉及大豆和棉花两种作物，未涵盖其他作物或更广泛的杂草类型；数据集规模可能不足以推广至所有田间场景	创建并验证一个用于大豆-棉花叶片检测与分割的数据集，以支持可持续农业管理中的选择性除草和害虫监测等应用	大豆和棉花的叶片	计算机视觉	NA	高分辨率图像采集	YOLO11（用于检测和分割的目标检测与分割模型）	图像（高分辨率RGB图像）	640张图像，包含7,221个大豆叶片和5,190个棉花叶片的实例标注	NA	YOLO11	检测精度、分割精度（未具体列出指标名称，但提到state-of-the-art性能）	NA
234	2026-06-16	Distinguishing cancer patients' mild and severe symptoms in radiotherapy via zero-shot and few-shot large language model-based probabilistic prompts 2026-Apr-15, BioData mining IF:4.0Q1 DOI:10.1186/s13040-026-00547-z PMID:41987285	研究论文	本研究开发了一种基于少量示例的大语言模型预测框架，利用概率设计的提示语在异常检测框架下区分放疗期间和放疗后癌症患者的轻度和重度症状	创新性地将大语言模型与异常检测框架结合，通过六种概率设计的提示语实现少量患者数据下的症状严重程度分类，并提供可解释的推理过程	依赖提示语的设计质量，可能对特定症状或数据分布变化敏感；模型性能可能受限于少量示例的标注准确性和代表性	探索基于大语言模型的有效提示策略，以区分癌症患者放疗期间和放疗后的轻度和重度症状，实现实时监控和临床决策支持	前列腺癌患者在放疗过程中出现的肠道疼痛、抑郁和性功能障碍等症状	自然语言处理	前列腺癌	大语言模型	大语言模型	文本	NA	NA	NA	AUC, AUCPR, 精确率, 召回率, F1分数	NA
235	2026-06-16	Differentiation of adrenal metastases and adenomas based on clinical characteristics, deep learning features, and radiomics features derived from ultrasound imaging 2026-Apr-14, BMC medical imaging IF:2.9Q2 DOI:10.1186/s12880-026-02343-x PMID:41981403	研究论文	基于临床特征、深度学习特征和超声影像组学特征构建诺模图，用于区分肾上腺转移瘤和腺瘤	首次整合临床特征、深度学习影像特征和超声影像组学特征建立联合诺模图，用于区分肾上腺转移瘤和腺瘤，并在测试集中取得了优于单独模型的表现	研究为回顾性分析，可能受选择偏倚影响；超声影像依赖操作者经验，特征提取的稳定性有待验证；样本量相对较小，外部验证尚未开展	构建并验证一个整合临床特征、深度学习和超声影像组学特征的诺模图，以提高肾上腺转移瘤与腺瘤的鉴别诊断准确性	肾上腺转移瘤和肾上腺腺瘤病例	机器学习, 医学影像	肾上腺肿瘤	超声成像	深度学习模型（具体架构未指定）、影像组学模型	超声图像	449例，包括228例肾上腺转移瘤和221例肾上腺腺瘤	NA	NA	AUC	NA
236	2026-06-16	Hi-Compass: a depth-aware deep learning framework for predicting cell-type-specific 3D genome organization from single-cell to spatial resolution 2026-Apr-14, Nature communications IF:14.7Q1 DOI:10.1038/s41467-026-71877-z PMID:41980945	研究论文	Hi-Compass是一种深度感知的深度学习框架，能从单细胞到空间分辨率预测细胞类型特异性三维基因组组织	首次提出深度感知框架，仅利用染色质可及性数据即可预测细胞类型特异性染色质组织，并动态适应测序深度变化，支持从稀疏单细胞到高覆盖度批量数据的鲁棒预测	依赖染色质可及性数据作为唯一细胞类型特异性输入，可能忽略其他表观遗传修饰的影响	预测细胞类型特异性三维基因组组织，解析染色质相互作用与基因调控的关系	细胞类型特异性染色质组织	机器学习	NA	Hi-C，染色质可及性测序	深度学习	染色质可及性数据	外周血和胚胎心脏数据集，海马组织空间分辨数据，小鼠系统	NA	NA	一致性，高置信度染色质环恢复	NA
237	2026-06-16	Sharing a whole-/total-body [18F]FDG-PET/CT dataset with CT-derived segmentations: an ENHANCE.PET initiative 2026-Apr-14, Scientific data IF:5.8Q1 DOI:10.1038/s41597-026-07218-y PMID:41980990	研究论文	提供一个大型全身/全动态[18F]FDG-PET/CT数据集，包含CT-derived分割，用于深度学习训练和多模态图像分析	首次公开大规模全身和全动态[18F]FDG-PET/CT双模态数据集，包含1683例PET/CT图像及130个目标区域的CT-derived分割，填补了在临床管理中使用PET/CT数据的重要资源空白	个别分割可能由受训医师验证校正，存在主观差异；数据集主要为静止状态图像，缺乏动态或纵向数据	为深度学习训练、验证或多模态图像分析提供公开可用的大规模PET/CT数据集，推进PET/CT在临床管理中的应用	健康个体及恶性肿瘤和炎症疾病患者的PET/CT图像（包括关节炎、淋巴瘤、黑色素瘤、肺癌、头颈癌、泌尿生殖道癌等）	数字病理学、医学图像分析	肿瘤疾病（肺癌、淋巴瘤、黑色素瘤、头颈癌、泌尿生殖道癌）及炎症性疾病（关节炎）	PET/CT成像	NA	图像（PET/CT）	1683例PET/CT图像	NA	NA	NA	NA
238	2026-06-16	Utilizing deep learning from mobile phone photos for early detection of horizontal strabismus: a screening approach 2026-Apr-14, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-48893-6 PMID:41981222	研究论文	利用智能手机照片和深度学习技术早期检测水平斜视的筛查方法	首次结合实时检测变换器（RT-DETR）与监督机器学习分类器，从智能手机获取的面部图像中提取眼部几何特征，实现水平斜视的二元筛查	在受控条件下表现良好，但需进一步研究以建立完整的临床可解释性及在非受控环境中的性能	开发和验证一种基于人工智能的筛查方法，利用智能手机图像和几何标志点分析进行水平斜视与正视的二元分类	水平斜视患者与正视对照者的面部图像	计算机视觉	斜视	RT-DETR	RT-DETR（实时检测变换器）	图像	150名参与者（96名斜视患者和54名对照者）	NA	RT-DETR, 随机森林	交并比、平均中心点误差、准确率、灵敏度、特异度、阳性预测值、阴性预测值	NA
239	2026-06-16	CRM-TI: an enhanced pipeline for computationally assigning the target genes of cis-regulatory modules by considering comprehensive long-range regulation mechanisms 2026-Apr-14, BioData mining IF:4.0Q1 DOI:10.1186/s13040-026-00555-z PMID:41981661	研究论文	提出CRM-TI流程，通过整合染色质相互作用和非编码RNA转录相关调控机制，利用深度学习准确预测顺式调控模块的靶基因	首次综合考虑染色质相互作用和CRM转录的非编码RNA相关调控，采用染色体分区方案避免过拟合，性能显著优于现有方法	NA	开发一种能够准确计算顺式调控模块靶基因的增强流程，解决现有方法忽略长距离作用和替代调控机制的问题	顺式调控模块及其靶基因的分配关系	机器学习	NA	深度学习	深度学习	基因组数据	NA	PyTorch	NA	auROC	NA
240	2026-06-16	Multimodal deep learning with missing data robustness for enhanced early diagnosis of coronary artery disease using CCTA, clinical, and ECG data 2026-Apr-13, BMC medical informatics and decision making IF:3.3Q2 DOI:10.1186/s12911-026-03466-5 PMID:41975401	研究论文	提出一种多模态深度学习模型，整合CCTA影像、临床和心电图数据，增强冠心病早期诊断准确性，并具备缺失数据鲁棒性	首次整合三种类型数据（影像、临床、心电图），并设计加权融合策略，能容忍高达50%的数据缺失，显著提高诊断率	未提及具体限制，如样本量偏小或外部验证仅用一个数据集	开发可处理不完整数据的多模态模型，提高冠状动脉疾病早期诊断准确率	2022年2月至2023年8月期间接受冠状动脉CTA检查的连续患者	计算机视觉, 机器学习	冠状动脉疾病	冠状动脉CTA, 心电图	卷积神经网络	影像, 临床数据, 心电图数据	内部数据集（7:1.5:1.5分割），外部验证数据集	NA	卷积神经网络	AUC-ROC, Kappa系数, SHAP算法	NA