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
2761	2026-07-05	Deep learning-based multimodal fusion of MRI and whole slide image for predicting neoadjuvant therapy response in locally advanced head and neck squamous cell carcinoma 2026-01-21, BMC medical imaging IF:2.9Q2 DOI:10.1186/s12880-026-02173-x PMID:41566290	研究论文	开发并验证一种基于Transformer的多模态融合模型，结合MRI和病理全切片图像以预测局部晚期头颈鳞癌的新辅助治疗反应	首次采用Transformer多注意力机制动态融合MRI宏观影像特征与病理切片微观细胞特征，实现跨模态特征加权融合，提升预测性能	NA	提高局部晚期头颈鳞癌新辅助靶向治疗和化疗反应的预测准确性	201例III-IV期局部晚期头颈鳞癌患者	计算机视觉, 数字病理学	头颈鳞癌	MRI, H&E染色病理切片	Transformer	MRI影像, 病理全切片图像	201例患者，来自两个医疗中心	PyTorch	ResNet50, Transformer	AUC, 校准曲线, 决策曲线分析	NA
2762	2026-07-05	Transfer learning with Bayesian optimization for colorectal cancer histopathology classification 2026-01-12, BMC medical imaging IF:2.9Q2 DOI:10.1186/s12880-026-02149-x PMID:41526835	研究论文	通过贝叶斯优化对转移学习模型进行超参数调优，提升结直肠癌组织病理学分类性能	提出CRC-BayTune方法，将贝叶斯优化应用于学习率、批量大小和微调深度等关键训练参数的调优，并通过统计检验（弗里德曼检验、重复测量方差分析）系统评估模型架构和超参数对性能的影响	未提及外部验证或跨机构数据集的泛化测试，仅在噪声扰动下评估鲁棒性；未讨论模型部署的计算成本或临床落地可行性	探究模型选择和超参数优化策略对结直肠癌组织病理学分类性能鲁棒性的影响	八个预训练CNN模型（如DenseNet201、InceptionV3等）在三类结直肠癌组织病理学数据集上的表现	数字病理学	结直肠癌	组织病理学图像分析	卷积神经网络	图像	NA（具体样本数量未在摘要中提供）	NA（未在摘要中指定）	DenseNet201, InceptionV3, InceptionResNetV2, ResNet50V2	Matthews相关系数, 准确率	NA（未在摘要中描述）
2763	2026-07-05	Explainable artificial intelligence (XAI) in medical imaging: a systematic review of techniques, applications, and challenges 2026-01-05, BMC medical imaging IF:2.9Q2 DOI:10.1186/s12880-025-02118-w PMID:41491470	综述	系统综述XAI在医学影像中的技术、应用和挑战	通过构建融合特征选择、图神经网络和多模态变换器的XAI分类体系，并将技术与放射学和病理学临床工作流中的具体影响点相匹配，拓展了现有综述	仍存在标准化、可解释性、数据偏差和数据集成复杂等挑战	综述XAI在医学影像中的技术趋势、临床应用及相关问题，以增强透明度和信任度	XAI技术在医学影像中的应用	计算机视觉	不适用	深度学习	图神经网络、多模态变换器	图像	从980篇记录中筛选出133篇纳入研究	不适用	不适用	不适用	不适用
2764	2026-07-05	Classification of pulmonary diseases using machine learning and deep learning models on GLI-2012 standardized spirometry features 2026-01-03, BMC medical informatics and decision making IF:3.3Q2 DOI:10.1186/s12911-025-03335-7 PMID:41484760	研究论文	使用GLI-2012标准化肺功能特征，通过机器学习和深度学习模型对肺部疾病进行分类	首次在GLI-2012标准化肺功能特征集上系统比较多种机器学习与深度学习模型的分类性能，并扩展了分类类别（从四类到五类）	模型需要在大规模患者群体中验证，以促进临床集成	评估不同机器学习和深度学习算法在肺部疾病分类中的性能	肺功能测试中的肺活量测定特征和人口统计学变量	机器学习	肺部疾病	肺活量测定	逻辑回归、支持向量机、K近邻、随机森林、XGBoost、深度神经网络、卷积神经网络	表格数据	未明确说明	NA	逻辑回归、支持向量机、K近邻、随机森林、XGBoost、深度神经网络、卷积神经网络	准确率、灵敏度、特异性、F1分数、F1宏观、ROC曲线下面积	NA
2765	2026-07-05	Random Neural Networks for Rough Volatility 2026, Applied mathematics and optimization IF:1.6Q2 DOI:10.1007/s00245-026-10392-5 PMID:41804376	研究论文	构建了一种基于深度学习的数值算法，用于解决粗糙波动率背景下路径依赖偏微分方程	将偏微分方程解释为倒向随机微分方程的解，并采用储备池类型的神经网络将优化问题简化为简单的最小二乘回归，同时证明了理论收敛性	NA	开发一种数值算法求解粗糙波动率中的路径依赖偏微分方程	粗糙波动率背景下的路径依赖偏微分方程	机器学习	NA	NA	储备池神经网络	NA	NA	NA	NA	NA	NA
2766	2026-07-05	Development and evaluation of a multimodal feature-based predictive model for radiotherapy-induced oral mucositis in nasopharyngeal carcinoma 2026, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0346251 PMID:41955202	研究论文	本研究开发和评估了一种基于多模态特征的预测模型，用于预测鼻咽癌放疗引起的口腔粘膜炎	在样本量有限的小队列中，系统比较了传统机器学习算法与深度学习架构的多类预测性能，并提出了通过特征降维结合轻量级1D-CNN的策略来解决高维3D-CNN的模式崩溃问题	样本量较小（仅108名患者），3D-CNN深度模型因数据不足出现严重过拟合和模式崩溃，且未在外部数据集上进行验证	严格评估和比较传统机器学习算法与深度学习架构在小队列设定下的多类预测性能	鼻咽癌患者放疗后口腔粘膜炎的预测	机器学习	鼻咽癌	CT成像、剂量分布分析	Extra Trees、逻辑回归、1D-CNN、3D-CNN	CT图像、剂量分布、临床特征	108名患者	Scikit-learn, TensorFlow, PyTorch	Extra Trees, 逻辑回归, 1D-CNN, 3D-CNN	AUC, 准确率, Matthews相关系数	NA
2767	2026-07-05	Voxel-wise deep learning segmentation of hydroxyapatite and iodine in spectral photon-counting CT: A quantitative phantom study 2026, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0346825 PMID:41955258	研究论文	提出一种基于光谱保持的3D分割模型SPFF-UNet，直接对光谱光子计数CT中的羟基磷灰石和碘进行分类，无需材料分解预处理	首次将光谱保持机制（光谱挤压激励、EnergyFiLM和傅里叶门）集成到3D分割网络中，实现直接体素级材料分类，避免传统材料分解步骤	仅基于圆柱体模的实验室验证，缺乏体内数据验证；体模材料有限，未覆盖真实临床场景中的复杂组织多样性和运动伪影	开发一种无需材料分解预处理、可直接从多能光谱光子计数CT数据中进行体素级材料分类的深度学习分割方法	包含12种材料的圆柱体模（5种HA浓度、3种碘浓度、3种软组织等效物和水）	深度学习	钙化性肌肉骨骼疾病和血管钙化	光谱光子计数CT	3D U-Net变体	CT图像（五能段光谱光子计数CT体积数据）	一个体模扫描及其保留测试扫描	PyTorch	SPFF-UNet	Dice系数, IoU, 灵敏度, 精确率	NA
2768	2026-07-05	An interpretable deep learning framework for predictive modeling of postoperative infections in ICU patients 2026, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0346896 PMID:41955272	研究论文	提出一种可解释的深度学习框架，用于预测ICU患者术后感染风险	创新的融合了排列特征重要性测试（PermFIT）与深度神经网络，在保持高预测性能的同时提供特征影响的严格统计推断，增强了模型可解释性	未提及具体局限性	提高ICU患者术后感染风险预测的准确性，并识别关键影响因素，从而改善术后管理和感染机制理解	ICU术后患者	机器学习	术后感染	电子健康记录（EHR）	深度神经网络（DNN）	结构化病历文本	来自MIMIC-III大型ICU EHR数据库的大量样本	NA	深度神经网络（DNN）	预测准确性	NA
2769	2026-07-05	Toward Sensor Fusion Neuromuscular Interface for Continuous Finger Joint Angle Estimation via Deep Transfer Learning 2026, IEEE transactions on neural systems and rehabilitation engineering : a publication of the IEEE Engineering in Medicine and Biology Society IF:4.8Q1 DOI:10.1109/TNSRE.2026.3706311 PMID:42329928	研究论文	提出一种融合表面肌电图和B型超声图像的深度迁移学习框架，用于连续估计手指关节角度	首次提出共享编码器-解码器-回归架构，结合CNN、转置卷积、动作条件多头交叉注意力模块和LSTM，融合sEMG和US双模态数据，并引入参数冻结迁移学习策略提升跨受试者泛化能力	初步验证仅涉及一名截肢者参与者，需进一步在更大样本中验证框架在残肢感知条件下的适用性	实现高精度连续手指关节角度估计，为直觉式上肢假肢控制接口提供技术支持	手指的掌指关节和近端指间关节角度	机器学习	NA	表面肌电图，B型超声成像	CNN, LSTM, 注意力机制	时间序列信号, 图像	7名健全受试者和1名截肢者	PyTorch	编码器-解码器-回归架构含CNN、转置卷积、多头交叉注意力和LSTM	均方根误差, 皮尔逊相关系数	NA
2770	2026-07-05	Modeling anesthetic-drug label detection for low-resource operating rooms 2025-12-20, BMC medical informatics and decision making IF:3.3Q2 DOI:10.1186/s12911-025-03316-w PMID:41422028	研究论文	开发并评估用于低资源手术室中麻醉药物标签检测的计算机视觉模型	面向低资源医疗环境，利用可穿戴头戴相机收集数据，构建了包含注射器和药瓶标注图像的自定义数据集，并比较了YOLOv11n、YOLOv12n和RT-DETR三种深度学习目标检测架构的性能	NA	开发能够检测麻醉药物给药过程中注射器和药瓶更换错误的计算机视觉模型，为实时监测工具提供基础	乌干达CoRSU医院手术室中使用的注射器和药瓶	计算机视觉	NA	NA	深度学习目标检测模型	图像	包含标注图像的自定义数据集，具体数量未说明	NA	YOLOv11n, YOLOv12n, RT-DETR	精确率, 召回率, mAP50	NA
2771	2026-07-05	Standardizing DICOM annotation: deep learning enhances body part description in X-ray image retrieval for clinical research 2025-12-13, BMC medical imaging IF:2.9Q2 DOI:10.1186/s12880-025-02099-w PMID:41390620	研究论文	利用深度学习标准化DICOM注释，提升X光影像检索中身体部位描述的准确性和可复用性	提出一种基于真实临床数据的验证注释模型，结合深度学习与DICOM头信息，将身体部位分类从116种原始条目标准化为36个SNOMED CT代码，实现了高效检索和数据质量提升	仅依赖单名放射科医师注释验证，准确率有待提升；未来需采用多名放射科医师验证或探索无监督/在线学习方法	设计并验证一种标准化医学影像注释模型，以促进临床影像数据的二次利用	DICOM X光影像，包括检查身体部位（单标签病理分类）和可见身体部位（多标签分类）	计算机视觉	不适用	深度学习	深度学习模型	影像	2万张DICOM X光影像	NA	NA	准确率、召回率	NA
2772	2026-07-05	Assessment of transformer-based AI in clinical oncology 2025-12-13, BMC medical informatics and decision making IF:3.3Q2 DOI:10.1186/s12911-025-03306-y PMID:41390721	研究论文	评估基于Transformer的AI模型在乳腺癌生存预测中的应用，并与传统机器学习模型进行性能比较	首次系统探索Transformer模型（BERT、RoBERTa、ALBERT）在乳腺癌生存预测中的可行性，并证明其可作为替代预测模型	Transformer模型性能略低于最优的传统机器学习模型（LR），且未提及模型的可解释性及计算资源消耗	评估Transformer模型在乳腺癌生存预测中的潜力，作为传统机器学习模型的替代方案	乳腺癌生存预测模型，包括Transformer模型和传统机器学习模型	机器学习	乳腺癌	NA	Transformer, 随机森林, 决策树, 支持向量机, 逻辑回归, K近邻, 人工神经网络, 极限梯度提升	表格数据（包含24个分类变量和2个数值变量）	2006年至2015年来自马来西亚马来亚大学医疗中心的乳腺癌数据集	NA	BERT, RoBERTa, ALBERT	准确率	NA
2773	2026-07-05	Deep learning-based volumetry of the future liver remnants and prediction of candidates for major hepatectomy 2025-12-09, BMC medical imaging IF:2.9Q2 DOI:10.1186/s12880-025-02106-0 PMID:41361806	研究论文	开发并验证一种基于深度学习的未来残余肝脏体积（FLR）测量系统（DL-FLRVS），通过再利用现有术前CT图像，比较其与临床常用方法在FLR体积测量及大肝切除术前候选者分类中的差异	首次通过二次利用现有术前CT图像，开发基于5个3D U-Net模型的深度学习系统实现FLR自动化分割与体积测量，并系统比较其与传统半自动方法的性能	未在摘要中明确说明局限性	开发并验证深度学习FLR体积测量系统，并评估其在大肝切除术前候选者分类中的应用价值	未来残余肝脏（FLR）的CT图像体积测量以及基于FLR的大肝切除术前候选者分类	计算机视觉	肝脏疾病	对比增强CT	3D U-Net	CT图像	开发集共涉及1039例，外部验证集178例	NA	3D U-Net	Spearman相关系数，McNemar检验	NA
2774	2026-07-05	Preoperative MVI prediction in intrahepatic cholangiocarcinoma via deep learning analysis of intratumoral and peritumoral features on multi-sequence MRI 2025-12-09, BMC medical imaging IF:2.9Q2 DOI:10.1186/s12880-025-02107-z PMID:41366360	研究论文	基于深度学习的多序列MRI图像中瘤内和瘤周特征分析，预测肝内胆管癌微血管侵犯的术前模型	通过深度学习方法提取多序列MRI图像中不同兴趣区域（瘤内、10mm瘤周及两者结合）的特征，并与临床影像特征结合，构建最优预测模型，提高了MVI预测的准确性，并使用SHAP方法增强模型可解释性	回顾性研究设计，样本量相对较小（200例），且来自单一中心，可能限制模型的泛化能力	探索基于深度学习的多序列MRI图像中瘤内和瘤周区域对预测肝内胆管癌微血管侵犯的有效性，并开发高效的术前预测模型	200例经手术病理证实的肝内胆管癌患者的临床、病理及术前MRI数据	医学影像分析，数字病理学	肝内胆管癌	MRI（多序列磁共振成像）	深度学习，ResNet-18，逻辑回归	医学图像（MRI）、临床数据、病理数据	200例患者（训练集140例，验证集60例）	PyTorch	ResNet-18	AUC、灵敏度、特异度、ROC曲线、DCA曲线	NA
2775	2026-07-05	A novel strategy for enhanced schizophrenia detection using established CNN architectures 2025-12-09, BMC medical imaging IF:2.9Q2 DOI:10.1186/s12880-025-02093-2 PMID:41366658	研究论文	结合深度学习和神经影像学方法，利用T1加权冠状面MRI数据，通过DeepLabv3+模型和ResNet50分割技术，精准检测精神分裂症	创新性地结合DeepLabv3+模型与ResNet50分割颞叶和脑岛区域，并通过颜色到灰度转换增强可视化，实现高AUC（0.99）的诊断性能	未在摘要中明确提及局限性	提升精神分裂症自动检测的精准性和可靠性，超越传统临床评估和影像方法	精神分裂症患者与健康对照的脑部MRI数据	计算机视觉	精神分裂症	MRI	DeepLabv3+, ResNet50	图像	三个公开数据集（MCICShare, COBRE, UCLA）	NA	DeepLabv3+, ResNet50	AUC, 分割准确率	NA
2776	2026-07-05	MelAnalyze: fact-checking melatonin claims using large language models and natural language inference 2025-12-04, BMC medical informatics and decision making IF:3.3Q2 DOI:10.1186/s12911-025-03291-2 PMID:41345869	研究论文	提出MelAnalyze框架，利用大型语言模型和自然语言推理对褪黑素相关说法进行事实核查	首个将生成式与基于Transformer的深度学习模型适配为自然语言推理任务，半自动化核查褪黑素健康相关说法真伪的框架	未明确说明模型在非公开数据或更广泛领域的泛化能力，以及对新出现或虚假说法的适应性	半自动化事实核查褪黑素相关说法，帮助用户和研究者基于证据做决策	褪黑素相关的科学摘要以及来自Google和Amazon的产品描述中的说法	自然语言处理	一般健康相关（褪黑素）	N/A	生成式与Transformer深度学习模型（包括LLaMA1微调版本）	文本	来自PubMed的褪黑素相关科学摘要集和Google、Amazon产品描述中的说法	PyTorch	LLaMA1	精确率、召回率、F1值	未提及具体GPU类型或云平台
2777	2026-07-05	Through the eye to the heart: a scoping review of artificial intelligence in retinal imaging for cardiovascular disease assessment 2025-11-26, BMC medical informatics and decision making IF:3.3Q2 DOI:10.1186/s12911-025-03300-4 PMID:41299604	综述	系统评估基于人工智能的视网膜生物标志物在多种心血管疾病表型量化中的能力	首次建立视网膜AI在心血管疾病评估中的基准证据库，并提出FAIR合规报告框架以加速临床转化	少于10%的研究共享代码或数据集，三分之二的研究缺乏外部验证	评估人工智能在视网膜成像中用于心血管疾病评估的当前能力与局限性	21项2018-2025年间发表的研究，涉及多种族人群	计算机视觉	心血管疾病	视网膜成像	卷积神经网络, 基于Transformer的模型	图像	21项研究，涵盖多国队列	NA	卷积神经网络, Transformer	AUROC, 净重分类改善	NA
2778	2026-07-05	Artificial intelligence in polycystic ovary syndrome: a systematic review of diagnostic and predictive applications 2025-11-24, BMC medical informatics and decision making IF:3.3Q2 DOI:10.1186/s12911-025-03255-6 PMID:41286838	系统综述	系统性综述了人工智能在多囊卵巢综合征诊断和预测中的应用，涵盖机器学习、深度学习、可解释人工智能和大语言模型	首次全面综合评估AI技术在PCOS中的应用，包括诊断性能、生物标志物发现、风险预测、临床决策支持、模型可解释性及生成式AI的新兴应用	多数研究样本量小、类别不平衡、方法异质性大、外部验证不足，仅约四分之一研究应用了可解释AI方法	综合评估AI技术在多囊卵巢综合征诊断和预测中的应用现状与性能	多囊卵巢综合征（PCOS）的诊断、预测及管理	机器学习	多囊卵巢综合征	NA	CNN, 随机森林, 支持向量机, 大语言模型	影像数据, 临床数据, 电子健康记录数据, 组学数据	80项研究（从662篇记录中筛选）	NA	CNN, 随机森林, 支持向量机	准确率, 95%以上（影像应用）	NA
2779	2026-07-05	Predicting the risk of preterm birth with machine learning and electronic health records in China 2025-11-10, BMC medical informatics and decision making IF:3.3Q2 DOI:10.1186/s12911-025-03254-7 PMID:41214653	research paper	利用中国电子健康记录和机器学习方法预测早产风险	结合22种机器学习模型和两种动态深度学习方法，基于中国大规模电子健康记录数据（36378例）预测早产风险，并在外部验证集（10367例）中确认模型稳定性	仅使用了已知的24个高危因素，未纳入其他潜在因素；数据来自单一国家，可能限制模型的泛化性	预测和验证中国孕妇早产风险，为临床干预提供工具	中国孕妇人群	machine learning	早产	电子健康记录分析	随机森林、LightGBM、LSTM	电子健康记录数据	36378例（34132例足月产，2246例早产），外加10367例外部验证样本	NA	随机森林、LightGBM、LSTM	AUC	NA
2780	2026-07-05	Interpretable deep learning model and nomogram for predicting pathological grading of PNETs based on endoscopic ultrasound 2025-10-02, BMC medical informatics and decision making IF:3.3Q2 DOI:10.1186/s12911-025-03193-3 PMID:41039509	研究论文	基于内镜超声图像开发可解释深度学习模型和列线图，用于预测胰腺神经内分泌肿瘤的病理性分级	将可解释深度学习模型与列线图结合，利用内镜超声图像和机器学习方法预测胰腺神经内分泌肿瘤的病理性分级，并采用SHAP方法解释模型预测的贡献特征	多中心回顾性研究，样本量较小（108例患者），外部验证队列仅27例，可能影响模型的泛化能力	开发并验证一种基于内镜超声图像的可解释深度学习模型和列线图，用于预测胰腺神经内分泌肿瘤的病理性分级	胰腺神经内分泌肿瘤患者的病理性分级预测	数字病理学	胰腺神经内分泌肿瘤	内镜超声	深度学习（ResNet18）、朴素贝叶斯	图像	108例胰腺神经内分泌肿瘤患者（训练集81例，测试集27例）	PyTorch	ResNet18, LASSO, 朴素贝叶斯	AUC, 校准曲线, 决策曲线分析, 临床影响曲线	NA