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
241	2026-09-07	Efficient cardiac MRI multi-structure segmentation for cardiovascular assessment with limited annotation by integrating data-level and network-level consistency 2026-Mar-07, NPJ digital medicine IF:12.4Q1 DOI:10.1038/s41746-026-02475-y PMID:41794927	研究论文	提出一种集成数据级和网络级一致性的互集成框架，用于半监督学习，利用有限标注和大量未标注数据进行心脏MRI多结构分割。	提出一个结合数据级和网络级一致性的互集成半监督学习框架，有效利用未标注数据提升分割性能。	信息不足，无法从标题和摘要中提取具体的局限性。	开发一种高效的心脏MRI多结构分割方法，以应对标注数据稀缺的挑战。	心脏MRI中的多个解剖结构。	深度学习、医学影像分析、计算机视觉	心血管疾病	核磁共振成像	半监督学习模型	图像数据（心脏MRI）	信息不足，未在标题和摘要中说明具体样本数量。	信息不足，未在标题和摘要中说明具体框架。	信息不足，未在标题和摘要中说明具体架构。	信息不足，未在标题和摘要中说明评估指标。	信息不足，未在标题和摘要中说明计算资源。
242	2026-09-07	Integration of radiomics, deep learning, transcriptomics, and metabolomics reveals prognostic risk stratification and underlying biological mechanisms in colorectal cancer 2026-Mar-06, NPJ precision oncology IF:6.8Q1 DOI:10.1038/s41698-026-01331-2 PMID:41792227	研究论文	本研究开发了一种深度学习放射组学模型，结合转录组学和代谢组学分析，用于结直肠癌的预后风险分层并揭示潜在生物学机制	通过系统评估117种机器学习算法组合优化深度学习放射组学模型，并首次将影像组学与多组学数据整合，揭示风险分层背后的代谢和免疫相关生物学机制	未具体说明局限性	建立结直肠癌的预后风险分层模型，并探索高风险和低风险肿瘤的潜在生物学机制	来自四个中心的1183例结直肠癌患者的静脉期CT图像及转录组和代谢组数据	医学影像分析	结直肠癌	CT成像、转录组测序、代谢组学分析	深度学习模型	图像、基因表达数据、代谢物数据	1183例患者（训练和验证）及独立公开队列417例	未指定	未具体指定	生存结局、风险分层效果	未指定
243	2026-09-07	Genotype and Age at Onset Drive Vermis Atrophy in CACNA1A- and GAA-FGF14-related Ataxias 2026-Mar-04, Cerebellum (London, England) DOI:10.1007/s12311-026-01966-8 PMID:41775907	研究论文	本研究利用深度学习方法CerebNet对CACNA1A和GAA-FGF14相关共济失调患者的MRI进行小脑小叶分割和体积测量，以评估小脑蚓部萎缩模式及其与基因型和发病年龄的关系	首次采用深度学习分割方法对小脑蚓部萎缩进行定量分析，区分CACNA1A和GAA-FGF14相关共济失调，并揭示基因型和发病年龄对萎缩模式的驱动作用	样本量较小，可能限制统计功效和泛化性	评估小脑体积测量作为区分CACNA1A和GAA-FGF14相关共济失调的生物标志物，并理解其神经解剖学相关性	基因确诊的CACNA1A（n=16）和GAA-FGF14相关（n=12）共济失调患者	数字病理学	小脑共济失调	磁共振成像（MRI）	深度学习分割网络	MRI图像	28例患者（CACNA1A 16例，GAA-FGF14 12例）	NA	CerebNet	聚类分析，主成分分析，相关系数	NA
244	2026-09-07	Collision-free morgan fingerprints: a principled approach to enhance machine learning performance and interpretability in chemistry 2026-Mar-02, Journal of cheminformatics IF:7.1Q1 DOI:10.1186/s13321-026-01170-0 PMID:41772717	研究论文	介绍了一种无碰撞摩根指纹（CF-MF）方法，通过自适应数据驱动大小机制确保子结构信息完整性，提升机器学习性能与可解释性	首次系统量化摩根指纹位碰撞对机器学习性能的影响，提出基于信息论的框架将碰撞导致的熵损失与预测退化关联，并提供可复现的解决方案	未在摘要中明确指出局限性	解决摩根指纹中位碰撞问题，提升机器学习性能并恢复化学可解释性	超过50,000个分子，覆盖25个多样化的数据集	机器学习	NA	NA	多种机器学习范式	分子数据	超过50,000个分子，25个数据集	NA	NA	RMSE, 准确率, R²	NA
245	2026-09-07	Three-dimensional multimodal imaging for predicting early recurrence of hepatocellular carcinoma after surgical resection 2026-03, Journal of advanced research IF:11.4Q1 DOI:10.1016/j.jare.2025.06.031 PMID:40533057	研究论文	该研究构建了一种多模态模型，用于预测肝细胞癌术后早期复发，并探讨了相关生物学机制。	创新性地整合了影像组学和深度学习模型，形成多模态模型（MM-RDLM），并利用基因集富集分析和多重免疫组化探讨了生物学机制，提高了预测的准确性和可解释性。	作为回顾性研究，可能存在选择偏倚，且模型需要外部验证；生物学机制的探索仅为初步结果，需进一步实验验证。	构建多模态模型预测肝细胞癌术后早期复发，并探索相关的生物学机制。	肝细胞癌患者	医学图像分析	肝细胞癌	对比增强计算机断层扫描	多模态模型（影像组学与深度学习模型整合）	医学影像数据	519名肝细胞癌患者（来自三家医疗中心）	NA	深度学习模型（具体架构未明确）	曲线下面积、风险比、置信区间、P值、复发无病生存率和总生存率	NA
246	2026-09-07	Deep Learning-Based Classification of Temporal Stages of AT8-Labeled Tau Pathology After Experimental Traumatic Brain Injury 2026-Jan-19, Neuroinformatics IF:2.7Q3 DOI:10.1007/s12021-025-09763-0 PMID:41553585	研究论文	本研究评估了一个深度学习框架，用于对实验性创伤性脑损伤小鼠模型中AT8标记的tau蛋白病进展的多个时间阶段进行分类	将深度学习应用于tau蛋白病时间阶段分类，这是一个未被充分探索的应用领域，并比较了自定义CNN与迁移学习模型（InceptionV3和DenseNet）的性能	结果基于内部交叉验证，缺乏独立的动物级标识符或外部队列，限制了泛化能力的评估	评估深度学习框架在实验性创伤性脑损伤模型中自动分类tau蛋白病时间阶段的可行性	AT8标记的皮层显微图像，来自创伤性脑损伤小鼠模型的四个时间阶段（1天、1周、1个月和3个月）	数字病理学, 机器学习	创伤性脑损伤, tau蛋白病	免疫组织化学（AT8抗体标记）	卷积神经网络（CNN）	图像（显微图像）	未明确指定的皮层显微图像数量，分为四个时间阶段	NA	自定义CNN, InceptionV3, DenseNet	准确率, 宏平均F1分数, 每类F1分数, 一对多曲线下面积（AUC）	NA
247	2026-09-07	Deep learning-assisted near-real-time identification of the inferior mesenteric artery and vein during laparoscopic rectal resection: a single-center proof-of-concept study 2026, Frontiers in medicine IF:3.1Q1 DOI:10.3389/fmed.2026.1891914 PMID:42698441	研究论文	开发并内部评估了一种基于深度学习的分割模型，用于腹腔镜直肠切除术中肠系膜下动脉和静脉的实时识别。	首次使用标准白光腹腔镜视频进行近实时语义分割，支持术中解剖识别。	单中心回顾性研究，样本量较小，未进行外部验证，缺乏客观人因实验和前瞻性临床评估。	开发并初步评估一种近实时语义分割模型，以辅助腹腔镜直肠切除术中肠系膜下动脉和静脉的识别。	肠系膜下动脉和肠系膜下静脉的术中视频帧	计算机视觉	直肠癌	腹腔镜视频	U-Net	图像	16例患者，共2720帧RGB图像（1758帧IMA，962帧IMV）；内部测试集3例患者460帧	nnU-Net v2	2D U-Net	Dice系数，精度，召回率	NVIDIA RTX 3090 GPU，推理速度12.7帧/秒
248	2026-09-07	Visual and lesion descriptor fusion using cross-attention for skin disease diagnosis 2026, Frontiers in oncology IF:3.5Q2 DOI:10.3389/fonc.2026.1885137 PMID:42698561	研究论文	提出一种基于交叉注意力的框架，融合视觉特征与结构化病变描述符，用于皮肤病的早期诊断	首次将视觉特征与基于ABCD规则自动生成的结构化病变描述符相结合，采用交叉注意力机制进行多模态融合，增强诊断的准确性和可解释性	未明确提及，但可能受限于数据集的规模和多样性，以及描述符生成的准确性	提升皮肤病的早期诊断准确性，通过多模态融合增强特征提取和泛化能力	皮肤病图像及其对应的结构化病变描述符	计算机视觉, 自然语言处理	皮肤病	NA	Transformer, BERT	图像, 文本	ISIC 2018数据集（数量未明确）	NA	Transformer, BERT	准确率	NA
249	2026-09-07	EnviroSpect-guided ConvMixer-ViT framework for environment-robust potato leaf disease detection 2026, Frontiers in plant science IF:4.1Q1 DOI:10.3389/fpls.2026.1886452 PMID:42698553	研究论文	提出了一种结合ConvMixer和Vision Transformer的混合深度学习框架，并引入EnviroSpect预处理方案，用于环境鲁棒的马铃薯叶部病害检测。	创新点在于提出EnviroSpect预处理方案，独立重映射色调、增强饱和度并标准化强度，以在异构成像条件下保留疾病判别线索；同时采用原型网络头结合softmax分类，以及元素级集成的混合骨干网络。	未明确提及局限，但可推断依赖特定数据集，可能对极端环境或新病害类型的泛化能力有限。	提高马铃薯叶部病害检测在真实世界环境变异性下的鲁棒性和准确性，同时保持模型轻量高效，适用于资源受限的边缘设备。	马铃薯叶部病害，包括早疫病和晚疫病，以及可能的其他类别。	计算机视觉	马铃薯早疫病、晚疫病	图像处理（基于HSI颜色空间的预处理）	混合模型（ConvMixer + Vision Transformer）	图像	5304张图像，来自三个数据集（PlantVillage, Potato Plants, AgriPlant），涵盖三种病害类别。	未明确提及框架，但可能使用PyTorch或TensorFlow（根据惯例推断），此处输出为NA	ConvMixer, Vision Transformer (ViT)	准确率, 宏F1分数, 精确率, 召回率	GPU（未指定具体型号），每张图像推理时间19毫秒，模型参数8.9百万。
250	2026-09-07	Research on surface crack segmentation and quantitative degradation assessment in alpine meadows based on UAV imagery and the YOLO-AMSC model 2026, Frontiers in plant science IF:4.1Q1 DOI:10.3389/fpls.2026.1895244 PMID:42698667	研究论文	提出YOLO-AMSC模型用于基于无人机影像的高寒草甸草毡层裂缝分割与定量退化评估	提出SDAF-Block模块保留细微裂缝空间细节、MLCA机制增强裂缝纹理并抑制背景噪声、HFP-IoU损失函数对细长裂缝边界施加几何约束	未明确提及本文局限性	实现对复杂自然环境下高寒草甸草毡层裂缝的高精度分割与形态量化，并用于退化评估与早期预警	高寒草甸草毡层表面的微细且不规则的裂缝	计算机视觉, 数字病理学	不适用	无人机影像	深度学习网络	图像	未明确提及样本量	不明确	YOLO-AMSC, YOLOv5n-seg, YOLOv10n-seg, YOLO-hyper-seg, YOLOv12n-seg, SOLOv2, SparseInst, DeepCrack, CrackFormer-II, CrackSegDiff	mAP50, 相对误差	未明确提及
251	2026-09-07	TAE-IDS: a trust-aware explainable intrusion detection framework using attention-based meta-ensemble learning with blockchain validation 2026, Frontiers in artificial intelligence IF:3.0Q2 DOI:10.3389/frai.2026.1903112 PMID:42698774	研究论文	提出了一种结合注意力元集成学习、SHAP可解释性和区块链验证的信任感知可解释入侵检测框架（TAE-IDS），并在UNSW-NB15和CICIDS2017数据集上进行评估	创新性地融合了基于注意力机制的BiLSTM元分类器、SHAP驱动的可解释性以及基于SHA-256哈希的区块链防篡改验证机制，以增强入侵检测的透明度、可解释性和记录完整性	仅在基准数据集上评估，尚未在实际网络环境中进行验证，未来需要在实际操作网络环境中进行验证	解决现有入侵检测系统在可解释性、黑盒决策和缺乏安全信任验证机制方面的挑战，提高检测性能和记录安全性	网络入侵检测系统及其检测记录，包括UNSW-NB15和CICIDS2017数据集中的网络流量数据	机器学习	NA	NA	集成学习、BiLSTM	数值数据（网络流量特征）	使用UNSW-NB15和CICIDS2017基准数据集，具体样本数量未在摘要中提供	NA	基分类器：LR、ET、XGBoost；元分类器：BiLSTM注意力网络	入侵检测性能指标（如准确率、精确率、召回率、F1-score等，具体未明确）	NA
252	2026-09-07	Artificial Intelligence for Anal Cancer Screening: Multicenter Multicontinental Validation of a Trinary Model in High-Resolution Anoscopy 2026, Gastro hep advances DOI:10.1016/j.gastha.2026.101074 PMID:42699290	研究论文	开发并验证了一种基于深度学习的三分类模型，用于在高分辨率肛门镜检查中检测和分类肛门上皮内瘤变	首个能够同时检测并对肛门管病变进行三分类（HSIL、LSIL和非发育不良）的互操作人工智能模型	NA	解决HRA的主观性和观察者间变异性，提高肛门癌筛查的临床应用性	肛门镜图像帧中的肛门病变，包括HSIL、LSIL和非发育不良病变	计算机视觉	肛门癌	NA	CNN	图像	191,951帧来自107例HRA手术，覆盖5个独立中心的5种不同成像设备	PyTorch	YOLO-v11	召回率, 精确率, 准确率, F1分数	NA
253	2026-09-07	Deep Learning-based Detection of Hip Anatomical Landmarks in X-ray Images 2026, The archives of bone and joint surgery DOI:10.22038/ABJS.2025.82151.3740 PMID:42699340	研究论文	本研究提出了两阶段深度学习模型，用于在髋部X光图像中自动检测解剖标志点，以提高畸形量化的准确性。	采用两阶段深度学习策略，先检测边界框再精确定位标志点，并使用VGG16和ResNet50作为基础网络，实现了对16个髋部解剖标志点的自动检测和12个特定尺寸的测量。	未明确提及限制，但可能受限于数据集的规模和多样性。	提高髋部X光图像中解剖标志点检测的准确性，从而改善畸形量化的精度。	髋部X光图像中的16个解剖标志点和每侧的12个特定尺寸。	医学影像分析	髋部畸形	X光成像	CNN	图像	854张3关节下肢X光图像	NA	VGG16, ResNet50	平均误差	NA
254	2026-09-07	Artificial intelligence for perioperative precision in surgical oncology 2026, Frontiers in surgery IF:1.6Q2 DOI:10.3389/fsurg.2026.1865406 PMID:42699500	综述	本文综述了人工智能在外科肿瘤学围手术期精准医疗中的应用进展，涵盖术前、术中和术后各阶段的多模态深度学习技术及其对手术质量的贡献。	强调多模态深度学习整合影像、病理和组学数据，提出贯穿围手术期连续体的AI决策支持框架。	包括可解释性有限、分布偏移下性能不稳定以及前瞻性证据不足。	探讨AI在精准外科肿瘤学中的进展，评估其在围手术期各阶段的应用价值及临床转化障碍。	外科肿瘤学中的多模态数据，如影像、病理、组学及手术过程数据。	机器学习	外科肿瘤学	放射基因组学、病理组学、多组学分析	多模态深度学习	影像、病理、组学及临床数据	NA	NA	NA	NA	NA
255	2026-09-07	From spatial maps to treatment decisions: a roadmap for integrating explainable AI with multi-omics to guide precision immunotherapy 2026, Biotechnology notes (Amsterdam, Netherlands) DOI:10.1016/j.biotno.2026.08.001 PMID:42701433	观点文章	本文提出将空间多组学、可解释人工智能和机制指导的临床试验设计相结合，以弥合肿瘤微环境空间图谱与免疫治疗决策之间的转化差距。	引入空间免疫参与指数（SIEI），一种距离加权度量，用于量化CD8 T细胞与肿瘤细胞的空间相互作用，并基于概念可解释人工智能和反事实推理提出可解释的空间生物标志物。	摘要中未明确提及局限性。	为整合空间多组学和可解释人工智能提供路线图，以指导精准免疫治疗决策。	肿瘤微环境中的空间多组学数据、组织病理图像以及免疫治疗相关标志物。	数字病理学, 计算机视觉, 机器学习	肿瘤	多重免疫荧光, 苏木精-伊红染色成像, 空间多组学	概念可解释人工智能模型	组织病理图像, 多重免疫荧光数据	NA	NA	NA	NA	NA
256	2026-09-07	Deep Learning Image Reconstruction Algorithm for Quantitative Assessment of Low-Dose Biphasic Chest CT in Chronic Obstructive Pulmonary Disease 2026, International journal of chronic obstructive pulmonary disease IF:2.7Q2 DOI:10.2147/COPD.S614978 PMID:42701782	研究论文	评估深度学习图像重建算法在低剂量双相胸部CT中对慢性阻塞性肺疾病定量评估的影响	首次评估DLIR在低剂量吸气-呼气CT中对COPD的肺气肿、空气潴留和小气道功能障碍定量参数的影响及其与肺功能测试的相关性	未明确说明，但可能包括样本量较小或仅涉及单一中心	评估深度学习图像重建对COPD低剂量胸部CT定量评估的影响	69名接受低剂量吸气-呼气胸部CT扫描和肺功能测试的COPD患者	医学影像分析	慢性阻塞性肺疾病	低剂量胸部CT	深度学习图像重建	CT图像	69名COPD患者	NA	深度学习重建模型（具体架构未提及）	AUC、相关系数	NA
257	2026-09-07	Computational Pathology for Accurate Prediction of Breast Cancer Recurrence: Development and Validation of a Deep Learning-Based Tool 2025-12, Modern pathology : an official journal of the United States and Canadian Academy of Pathology, Inc IF:7.1Q1 DOI:10.1016/j.modpat.2025.100847 PMID:40680854	研究论文	本文开发并验证了一种基于深度学习的计算病理学工具Deep-BCR-Auto，用于从常规H&E染色全切片图像中预测乳腺癌复发风险	提出了Deep-BCR-Auto，一种基于深度学习的计算病理学方法，利用常规H&E染色全切片图像进行乳腺癌复发风险预测，旨在替代成本高昂且难以普及的基因组工具如Oncotype DX	样本量有限，且依赖于特定数据集（TCGA-BRCA和OSU内部集），可能影响模型的广泛适用性；此外，预测性能在敏感度上相对较低（67.7%）	开发并验证一种基于深度学习的计算病理学工具，用于准确预测乳腺癌复发风险，以提供成本效益高且可及的风险分层方法	乳腺癌患者的H&E染色全切片图像	计算病理学	乳腺癌	全切片成像（WSI）	深度学习模型	图像（全切片图像）	两个独立队列：TCGA-BRCA数据集和俄亥俄州立大学内部数据集；具体样本数量未在摘要中说明	NA	NA	AUC、准确性、特异性、敏感性	NA
258	2026-09-07	Deep Learning Predicts Survival Across Squamous Tumor Entities From Routine Pathology: Insights From Head and Neck, Esophagus, Lung, and Cervical Cancer 2025-12, Modern pathology : an official journal of the United States and Canadian Academy of Pathology, Inc IF:7.1Q1 DOI:10.1016/j.modpat.2025.100845 PMID:40680853	研究论文	开发并跨多种鳞状细胞癌实体验证深度学习模型，预测总体生存率	跨不同的鳞状细胞癌实体（头颈、食管、肺和宫颈）进行外部验证，以评估模型的泛化性和可解释性	跨实体验证中，食管癌的结果不显著，且预测风险评分与临床因素的关联在不同队列中有所差异	开发计算病理学模型以预测鳞状细胞癌患者的总体生存率，并评估其泛化能力	头颈、食管、肺和宫颈鳞状细胞癌患者的组织切片	数字病理学	头颈癌、食管癌、肺癌、宫颈癌	苏木精-伊红染色切片	深度学习模型	图像	多个队列，具体数量未指定	未提供	未提供	风险比、置信区间、P值	未提供
259	2026-09-07	Virtual Histological Staining as a Tool for Extending Renal Segmentation Across Stains 2025-12, Modern pathology : an official journal of the United States and Canadian Academy of Pathology, Inc IF:7.1Q1 DOI:10.1016/j.modpat.2025.100842 PMID:40712735	研究论文	本研究提出一种虚拟组织学染色方法，利用循环一致生成对抗网络将肾脏H&E染色样本转换为PAS染色，并验证其在肾小球分割中的应用。	首次利用循环一致生成对抗网络在肾脏组织学中实现H&E到PAS的虚拟染色，并通过病理学家评估和分割模型应用证明其效用。	虚拟染色仅覆盖H&E到PAS的转换，病理学家区分虚拟与真实染色的能力有限，且未涉及其他染色类型或慢性损伤评估。	扩展肾脏病理学中的深度学习分割工具至不同染色，减少对特定染色的依赖。	肾脏组织切片，包括H&E和PAS染色样本，主要来自慢性肾病患者的活检。	数字病理学	慢性肾脏病	虚拟染色（生成对抗网络）	GAN（循环一致生成对抗网络）	全切片图像（WSI）	使用了来自16个肾病中心的NURTuRE数据集，以及3个独立分割数据集；另提供了20张KPMP H&E切片的全肾小球注释	NA	循环一致生成对抗网络（CycleGAN）	病理学家识别率、分割模型性能指标（未具体列出）	NA
260	2026-09-07	Deep learning-based approaches for human pose estimation in interdisciplinary physics applications 2025-Nov-24, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-26972-4 PMID:41286255	研究论文	提出一种用于跨学科物理应用中人体姿态估计的深度学习框架，包括分层时空姿态网络和自适应姿态细化策略	融合多尺度特征和注意力机制以捕捉全局上下文和细节，并通过自适应迭代细化关键点位置，集成空间、时间和领域特定约束	未明确指出	提高人体姿态估计在真实场景中的准确性、鲁棒性和计算效率，适用于实时和跨学科物理应用	人体姿态估计方法，应用于机器人、增强现实、运动分析和生物力学等领域	计算机视觉	不适用	深度学习	分层时空姿态网络	图像和视频数据	未明确指出，使用多个数据集（包括约束和非约束环境）	未明确指出	分层时空姿态网络，结合注意机制和多尺度特征融合	预测准确性、时间一致性、计算效率	未明确指出