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
2721	2026-07-05	Improving pancreatic adenocarcinoma prognosis models through ligand receptor interactions and histopathological integration 2026-Jul-03, Journal of translational medicine IF:6.1Q1 DOI:10.1186/s12967-026-08572-6 PMID:42399741	研究论文	通过整合配体受体相互作用、多组学数据和深度学习病理图像构建胰腺导管腺癌多模态预后模型并揭示肿瘤微环境机制	首次整合配体受体相互作用与组织病理学特征构建多模态预后框架，揭示成纤维细胞介导的配体受体信号在胰腺癌微环境重塑中的核心作用	NA	构建可解释的多模态预后模型并阐明胰腺导管腺癌中成纤维细胞微环境的机制	胰腺导管腺癌患者的配体受体相互作用、多组学数据、病理全切片图像及肿瘤微环境特征	数字病理学	胰腺癌	多重荧光免疫组化，单细胞转录组学，空间转录组学	Cox比例风险模型，LASSO回归，随机生存森林	图像，文本，组学数据	39对配对临床标本	NA	NA	总体生存期分层	NA
2722	2026-07-05	SpaHNR: a spatial domain identification method via sparse attention-based hierarchical node representation and multi-view contrastive learning 2026-Jul-03, BMC bioinformatics IF:2.9Q1 DOI:10.1186/s12859-026-06545-6 PMID:42399758	研究论文	SpaHNR是一种通过稀疏注意力分层节点表示和多视图对比学习识别空间结构域的方法	利用稀疏注意力分层节点表示和多视图对比学习，捕捉组织固有的多层结构信息	未明确提及，可能需要更多数据集验证通用性	基于空间转录组数据识别组织内不同的空间结构域，解析复杂组织架构	空间转录组数据中的细胞或点（spot）	机器学习	NA	空间转录组测序	图卷积网络（GCN）	空间转录组数据、组织图像、基因表达谱、空间坐标	人类背外侧前额叶皮层数据集、人类乳腺癌数据集、小鼠胚胎数据集	NA	稀疏注意力分层节点融合模块、单层图卷积网络	与现有方法比较的识别性能指标（未具体列出）	NA
2723	2026-07-05	GraphyloVar: predicting the impact of non-coding variants using a multi-species sequence model 2026-Jul-02, Bioinformatics (Oxford, England) DOI:10.1093/bioinformatics/btag426 PMID:42330352	研究论文	提出一种名为GraphyloVar的深度学习模型，利用多物种系统发育树和DNA序列预测非编码变异的致病性	首次将系统发育树作为直接输入特征融入深度学习模型，通过图卷积网络处理进化关系，结合Transformer编码器提取序列特征，实现跨物种进化历史的全面利用	零样本预测AUROC仅0.6246，仍需结合CADD等工具提升性能；模型复杂度较高，可能对计算资源有显著需求	开发能利用完整进化历史信息预测非编码变异功能的计算方法	人类基因组非编码区变异，涵盖约1.49亿个检出变异及13个MPRA基准数据集	机器学习	NA	全基因组测序	深度学习	DNA序列	TOPMed项目全基因组测序队列，涉及约1.49亿个变异位点	PyTorch	图卷积网络, Transformer	AUROC	NA
2724	2025-10-04	Reply to 'Risk stratification of cutaneous melanoma using deep learning on whole slide images' 2026-Jul, Journal of the European Academy of Dermatology and Venereology : JEADV IF:8.4Q1 DOI:10.1111/jdv.70092 PMID:41041696	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
2725	2026-07-05	Bridging clinical narratives and structured phenotypes with large language models and sentence transformers 2026-Jul, Journal of genetics and genomics = Yi chuan xue bao DOI:10.1016/j.jgg.2026.02.009 PMID:41698530	研究论文	提出了一种结合大语言模型和句子变换器的两阶段框架LEAP，用于从电子健康记录的非结构化临床叙述中提取结构化表型并映射到人类表型本体	利用大语言模型从长篇临床叙述中提取自由文本表型，再通过在大规模数据集上微调的句子变换器模型映射到有效的本体标识符，解决了传统方法上下文窗口有限和可能产生无效标识符的问题	未提及	实现从电子健康记录中高效、准确地自动化表型提取和标准化映射	临床叙述中的表型信息	自然语言处理	孟德尔疾病	NGS	大语言模型, 句子变换器	文本	5,330,557个实例用于微调，实际电子健康记录测试集	PyTorch	BERT, 句子变换器	精确率, F1分数	NA
2726	2026-07-05	Surgically Relevant Knee Phenotypes: The Modified Coronal Plane Alignment of the Knee System-A Deep Learning-Based Classification 2026-07, The Journal of arthroplasty IF:3.4Q1 DOI:10.1016/j.arth.2026.04.010 PMID:41967528	研究论文	提出基于深度学习的新型膝部冠状面表型分类系统，并在大样本数据中分析其分布特征	首次提出改良的CPAK分类系统，结合深度学习实现自动化膝部表型分类，明确了内翻和外翻表型的骨性驱动模式	未明确提及研究局限性，但可能包括数据集来源单一、未验证临床决策影响等	简化并精确化膝部冠状面对齐分类系统，辅助手术决策	膝部冠状面对齐的骨性表型分类及分布	计算机视觉	膝关节疾病	深度学习	CNN	X光图像	972名患者（1944个健康及关节炎膝关节）	NA	CNN	NA	NA
2727	2026-07-05	Bridging traditional and deep learning methods in H&E histological image normalization: a comprehensive review and introducing a novel framework for comparative analyses 2026-07, Journal of advanced research IF:11.4Q1 DOI:10.1016/j.jare.2025.09.049 PMID:41093269	综述	全面评述H&E组织学图像归一化方法，并提出用于比较分析的新型深度学习框架	首次将归一化技术分为四类（深度学习、传统方法、混合模型、信号处理方法），并提出用于评估归一化策略的新型深度学习框架，实验性比较八种最新方法	仅评估了八种方法，未涵盖所有潜在方法；实验可能受限于特定数据集和评估指标	评估组织学图像归一化方法并实证比较，以帮助研究人员选择最合适的方法，并辅助自动化图像分析和数字病理学领域的研究者与专业人士	H&E组织学图像归一化技术及其对计算机辅助诊断系统性能的影响	数字病理学	NA	H&E染色图像处理	GAN, 自动编码器, 扩散模型, 深度学习框架	组织学图像	NA	PyTorch	GAN, 自动编码器, 扩散模型, 卷积神经网络	颜色一致性、准确性、一致性	NA
2728	2026-07-05	Machine learning for food flavor prediction and regulation: models, data integration, and future perspectives 2026-07, Journal of advanced research IF:11.4Q1 DOI:10.1016/j.jare.2025.10.018 PMID:41106722	综述	探讨机器学习在食品风味预测与调控中的应用，涵盖模型、数据整合及未来展望	系统比较了监督学习、集成学习与深度学习方法在风味预测中的表现，并引入可解释人工智能工具（如SHAP）提升模型透明度，提出注意力机制、图神经网络和数字孪生等创新策略	未提及具体实验验证或实际应用中的局限性，如模型泛化性、数据依赖性等问题	总结风味检测技术与机器学习在风味领域的应用，为精准预测、化合物筛选和实时过程控制提供新思路	食品风味系统，包括风味化合物、基因型-表型关系及产品真实性验证	机器学习	NA	电子鼻（E-nose）、电子舌（E-tongue）、气相色谱-质谱联用（GC-MS）、气相色谱-离子迁移谱（GC-IMS）	支持向量机、决策树、XGBoost、LightGBM、CNN、ANN	多模态数据（来自高通量技术与感官评价）	NA	NA	注意力机制、图神经网络	预测准确性、泛化能力	NA
2729	2026-07-05	Deep learning-assisted cone-beam computed tomographic analysis of condylar changes after mandibular setback surgery 2026-Jul, The British journal of oral & maxillofacial surgery DOI:10.1016/j.bjoms.2026.04.009 PMID:42218086	研究论文	利用全自动深度学习工作流分析下颌后退术后髁突的锥形束计算机断层扫描变化	首次提出基于nnU-Net的完全自动CBCT分析流程，实现髁突变化的可重复、无操作者依赖的定量评估	样本量较小（50名患者），且未提及外部验证或跨中心数据测试	评估下颌后退术后髁突形态和体积的变化，并分析其与下颌旋转方向的关系	骨骼III类错颌畸形患者的下颌髁突	计算机视觉, 数字病理学	错颌畸形	锥形束计算机断层扫描（CBCT）	nnU-Net	三维医学影像	50名骨骼III类患者（100侧髁突）	PyTorch	nnU-Net	Dice系数, p值, 相关系数r, 体积变化, 表面指标	未提及
2730	2026-07-05	Transforming Cardiac Imaging With Artificial Intelligence: Automation, Precision, and Clinical Integration in Echocardiography and Magnetic Resonance Imaging 2026-Jul, Echocardiography (Mount Kisco, N.Y.) DOI:10.1111/echo.70541 PMID:42396947	综述	本文综述了人工智能在超声心动图和心脏磁共振成像中的应用，涵盖自动化、精准度和临床整合	综合分析了22项2020-2026年间的研究，展示了AI在心脏成像中从图像获取到风险分层的全链条应用，并强调了跨模态和临床整合的价值	成像协议异质性、跨人群验证不足及算法透明度有限，限制了临床广泛采用	评估人工智能在心脏成像中的现状，并探讨其自动化、精准度和临床整合的潜力	超声心动图和心脏磁共振成像中的AI应用	计算机视觉	心血管疾病	超声心动图、心脏磁共振	深度学习	图像	22项同行评审研究	NA	NA	AUC	NA
2731	2026-07-05	DNN-PURE: A deep neural network approach to paper-based urea sensing 2026-Jul-01, Biosensors & bioelectronics IF:10.7Q1 DOI:10.1016/j.bios.2026.118980 PMID:42398120	研究论文	提出了一种基于深度神经网络的纸质尿素传感器方法	将深度神经网络回归模型集成到纸质酶传感器中，通过分析四个关键频率下的阻抗响应，实现了尿素浓度检测的高精度和自动实时定量，显著优于传统手动校准方法	未提及	开发低成本、一次性的纸质酶传感器，用于血清样本中尿素浓度的定量估计，并结合深度学习提高检测精度和分辨率	血清样本中的尿素浓度	机器学习	肾脏疾病	阻抗测量、扫描电子显微镜（SEM）、拉曼光谱、X射线光电子能谱（XPS）	深度神经网络（DNN）回归模型	阻抗响应数据（数值）	临床样本（具体数量未提及）	未提及	深度神经网络（DNN）	准确率、归一化阻抗变化、检测限、灵敏度、分辨率	未提及
2732	2026-07-05	AI-powered real-time detection and classification of peritoneal nodules in colorectal cancer using multi-center laparoscopic data: A feasibility study 2026-Jun-30, European journal of surgical oncology : the journal of the European Society of Surgical Oncology and the British Association of Surgical Oncology DOI:10.1016/j.ejso.2026.111967 PMID:42398281	研究论文	探讨利用计算机视觉和深度学习开发结直肠癌腹腔镜手术中腹膜结节实时检测与分类模型的可行性	首次探索基于YOLOv11l架构的实时腹膜结节检测与良恶性分类系统，并在多中心腹腔镜视频数据上进行验证，展示了超越新手外科医生的识别精度和速度	需要在临床应用中基于更大规模的患者级数据集进行进一步验证	开发腹腔镜结直肠癌手术中腹膜结节的术中实时检测模型，评估其辅助外科医生识别结节的潜力	结直肠癌患者腹腔镜手术视频中的腹膜结节	自然语言处理, 数字病理学	结直肠癌	计算机视觉, 深度学习	CNN	视频帧图像	165例多中心手术视频	PyTorch	YOLOv11l	mAP@50, AP@50, FPS, 准确率	NA
2733	2026-07-05	Unsupervised deep image prior for sparse-view and limited-angle electron tomography 2026-Jun-26, Ultramicroscopy IF:2.1Q2 DOI:10.1016/j.ultramic.2026.114414 PMID:42398292	研究论文	提出无监督深度图像先验方法用于稀疏视角和有限角度电子断层扫描，以改善三维重建质量	采用无监督深度学习框架实现与监督方法相当的重建性能，无需训练数据集，特别适用于高度退化的断层扫描数据	仅在模拟数据和有限实验数据上验证，未在多种真实材料和采集模态下全面测试	解决有限角度和稀疏视角电子断层扫描中的重建退化问题，提高三维数据质量和解释性	纳米材料的电子断层扫描三维表征	计算机视觉	不适用	电子断层扫描（ET）	深度图像先验（DIP）	图像（断层扫描数据）	模拟数据及实验数据，未明确具体样本数量	NA	深度图像先验（DIP）	与传统算法（如滤波反投影、迭代重建）进行比较，但未明确列出具体指标	NA
2734	2026-07-05	Deep learning-based quantification of knee effusion-synovitis volume on MRI - Technique development and validation 2026-Jun-22, Osteoarthritis and cartilage IF:7.2Q1 DOI:10.1016/j.joca.2026.06.007 PMID:42331136	研究论文	开发并验证了一种基于深度学习自动量化MRI图像中膝关节积液滑膜炎体积的模型	首次实现膝关节积液滑膜炎体积的自动化定量分析，并与半定量评分系统进行比较，证明其对骨关节炎特征和症状的关联效应更大	需要在独立队列中进行外部验证以确认其实用性	开发并验证基于深度学习的膝关节积液滑膜炎体积自动量化模型	来自骨关节炎倡议（Osteoarthritis Initiative）的4698例基线右膝MRI数据	计算机视觉	膝关节骨关节炎	MRI	CNN	图像	101例随机选择的膝关节用于手动分割训练和测试，总体数据集包含4698例	NA	NA	Dice系数, Spearman相关性, 标准化β系数差值	NA
2735	2026-07-05	Advancement of deep learning models with whole slide image in diagnosis, subtyping and prognosis for glioma 2026-06-17, Progress in biomedical engineering (Bristol, England) DOI:10.1088/2516-1091/ae7860 PMID:42246131	综述	总结基于全切片图像的深度学习模型在胶质瘤诊断、亚型分类及预后中的应用进展	系统回顾了从CNN到Transformer、混合架构及大语言模型的模型演进，并强调了多模态融合方法提升预测性能	未提及具体模型在不同机构数据集上的泛化性挑战及轻量化模型的临床转化障碍	梳理深度学习模型在胶质瘤全切片图像分析中的技术发展，推动临床转化	胶质瘤全切片图像	数字病理学	胶质瘤	HE染色全切片成像	CNN, Transformer, 混合模型, 大语言模型	病理全切片图像	包含TCGA和CPTAC等公共数据集及机构数据集	NA	ResNet, Vision Transformer, ROAM, CHIEF	AUC	NA
2736	2026-07-05	Multimodal AI for early prediction of adverse clinical outcomes in acute pancreatitis 2026-Jun-02, Abdominal radiology (New York) DOI:10.1007/s00261-026-05588-w PMID:42228172	研究论文	开发多模态AI框架，整合临床参数、影像组学和深度学习模型，早期预测急性胰腺炎的不良临床结局	首次将临床参数、CECT影像组学特征和深度学习模型整合为多模态AI框架，用于早期急性胰腺炎不良结局预测，优于传统临床评分和放射科医生评估	单中心回顾性设计，样本量较小（284例），需要前瞻性多中心验证才能考虑临床应用	提高早期急性胰腺炎不良临床结局预测的准确性，改善患者分诊和管理	早期急性胰腺炎患者	计算机视觉, 机器学习	胰腺炎	CECT成像	影像组学模型, 深度学习模型, 多模态模型	影像（CT图像）, 临床数据（实验室参数）	284例急性胰腺炎患者（140例出现不良结局）	NA	影像组学模型, 深度学习模型（具体架构未明确）	AUC, 敏感性, 特异性	NA
2737	2026-07-05	Observation-Constrained Agroecosystem Model Inversion Reveals Continental-Scale Variation of Winter Wheat Traits 2026-06, Global change biology IF:10.8Q1 DOI:10.1111/gcb.70936 PMID:42233340	研究论文	通过观测约束的农业生态系统模型反演，揭示美国冬小麦性状在大陆尺度上的变异	首次将深度学习增强的模型数据融合反演与机械农业生态系统模型Ecosys结合，从观测数据中直接推断出空间明确的生理控制参数（性状代理），实现冬小麦生理性状的大陆尺度反演	未明确说明	理解作物性状变异如何影响基因型×环境×管理相互作用，预测气候变化下的农业表现	美国冬小麦的生理性状（成熟期、繁殖能力、收获指数、根冠分配）及其气候敏感性	机器学习	NA	农业生态系统模型Ecosys	深度学习模型	卫星数据（光合作用产品）、县级产量记录	2008-2022年美国约1000个冬小麦生产县	NA	NA	相关系数（r=0.76-0.88）、物候偏差（<2周）、产量误差（90%在±20%内）	NA
2738	2026-07-05	Cross-subject generalization for EEG decoding: a survey of deep learning methods 2026-05-12, Progress in biomedical engineering (Bristol, England) DOI:10.1088/2516-1091/ae65f0 PMID:42049051	综述	全面综述了针对跨被试脑电解码领域深度学习方法的研究，重点解决被试间高变异性导致的领域偏移问题	首次将跨被试设置形式化为多源域问题，并建立系统性分类法，将现有方法归纳为特征对齐、对抗学习、特征解耦和对比学习四大类别	现有方法存在理论基础局限性，且对脑电基础模型的出现评估不足	系统分析深度学习在跨被试脑电解码中的泛化挑战，并为未来鲁棒实时解码提供关键方向	跨被试脑电解码中的深度学习方法	机器学习	NA	脑电图	深度学习	脑电图信号	NA	NA	NA	NA	NA
2739	2026-07-05	Explainable retinal deep learning for cardiovascular risk stratification: a multiple modality analysis framework with vascular-centric interpretability and robustness 2026-05-11, BMC medical informatics and decision making IF:3.3Q2 DOI:10.1186/s12911-026-03516-y PMID:42115996	研究论文	提出了一种可解释的视网膜深度学习框架，用于基于视网膜图像的心血管风险分层，该框架整合多模态分析、以血管为中心的可解释性和鲁棒性	提出了五个创新模块（MARGE-Net、SCCIM、HVAAT、PaVSCM、ReCVD-LDM），首次将临床生物标志物与血管拓扑结构整合，并利用对比学习分离成像伪影，同时支持在SDN赋能的5G医疗基础设施中的实时部署	未提及模型在跨种族、跨疾病人群中的泛化性验证，且未讨论边缘-云架构的能耗和安全性问题	开发一种可解释且鲁棒的深度学习架构，用于从视网膜图像中无创预测心血管风险，以促进预防医学在资源有限环境中的应用	视网膜图像及其衍生的血管特征、临床生物标志物、多模态心血管指标	计算机视觉, 深度学习, 数字病理学	心血管疾病	视网膜成像, 对比学习, 深度学习	CNN, Transformer	图像, 临床数据	公开数据集（MESSIDOR、AV-WIDE、STARE VAS子集），未明确样本总数	PyTorch, TensorFlow	MARGE-Net, SCCIM, HVAAT（层次化Transformer）, PaVSCM, ReCVD-LDM	AUC, 可解释性提升率, 预测误差降低率	NA
2740	2026-07-05	A human-AI collaborative workflow for improved gross tumor volume delineation in esophageal cancer radiotherapy 2026-05-09, BMC medical imaging IF:2.9Q2 DOI:10.1186/s12880-026-02400-5 PMID:42106675	研究论文	提出一种人机协同工作流，用于提升食管癌放疗中大体肿瘤体积勾画的准确性	结合AI自动勾画与初级肿瘤医生的人工修正，并通过双重细化模型进一步优化GTV勾画精度	回顾性数据收集，未在前瞻性临床试验中验证	提高初级肿瘤医生在食管癌放疗中GTV勾画的准确性和稳定性	食管癌患者的规划CT图像及GTV勾画	机器学习的临床应用	食管癌	规划CT成像	深度学习模型	CT图像	730例食管癌放疗病例（训练集和测试集4:1划分）	NA	自动勾画模型和自动细化模型	Dice相似性系数	NA