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
281	2026-09-07	Prior Knowledge-Guided U-Net for Automatic Clinical Target Volume Segmentation in Postmastectomy Radiation Therapy of Breast Cancer 2025-04-01, International journal of radiation oncology, biology, physics DOI:10.1016/j.ijrobp.2024.11.104 PMID:39667584	研究论文	本文设计了一种先验知识引导的U-Net（PK-UNet），用于乳腺癌术后放疗中的临床靶区自动分割，并验证其在分割性能和临床效率上的优势	将医学先验知识创新性地整合到深度学习分割框架中，通过两阶段过程（先定位网络生成先验知识标签，再指导分割网络）提高分割精度，特别是在边界不连续和上下极区域表现优异	未在摘要中明确提及局限性，需全文确认	开发并评估PK-UNet方法以实现乳腺癌术后放疗中临床靶区的精准自动分割	乳腺癌术后患者的计算机断层扫描（CT）影像中的临床靶区，包括胸壁、锁骨上区和腋窝III组	医学影像分析（放射治疗靶区分割）	乳腺癌	计算机断层扫描（CT）	U-Net	影像（CT图像）	102例乳腺癌术后患者的CT扫描，其中80例用于训练（5折交叉验证），22例用于独立测试	NA	U-Net（PK-UNet，含两阶段分割网络）	Dice相似系数（DSC）、95%豪斯多夫距离、平均表面距离、表面Dice系数	NA
282	2026-09-07	Artificial intelligence in medical imaging: From task-specific models to large-scale foundation models 2025-Mar-20, Chinese medical journal IF:7.5Q1 DOI:10.1097/CM9.0000000000003489 PMID:40008785	综述	本文回顾了医学影像中任务专用模型和大规模基础模型的应用，并比较了它们的差异、互补性及临床相关性	从任务专用模型转向大规模基础模型的角度，探讨其在医学影像中的临床应用，并强调两者互补而非替代的关系	未提及具体实验或量化比较，主要基于文献回顾和理论分析	综述医学影像中任务专用模型和基础模型的临床应用、差异及未来研究方向	医学影像中的人工智能模型，包括任务专用模型和基础模型	计算机视觉	NA	NA	深度学习模型，包括任务专用模型和基础模型	医学影像，包括X射线、CT、MRI、超声、PET及病理图像	NA	NA	NA	NA	NA
283	2026-09-07	Dimensionality reduction in 3D causal deep learning for neuroimage generation: an evaluation study 2025-Mar, Journal of medical imaging (Bellingham, Wash.) DOI:10.1117/1.JMI.12.2.024506 PMID:40276097	研究论文	本研究评估了五种降维技术在三维因果深度学习中对神经影像生成的影响，并比较了它们在生成反事实图像时的性能。	首次系统比较多种降维方法（如2.5D PCA和3D PCA）在因果深度学习中的应用，用于高效生成三维反事实神经图像。	研究仅基于单一数据集，且未探索其他可能的降维技术或深度学习架构。	比较不同降维方法对因果神经图像生成的影响，以确定最佳的方法。	23,692幅三维脑部图像。	计算机视觉	不适用	生成式深度学习	卷积神经网络	图像	23,692幅三维脑部图像	不适用	自编码器、变分自编码器（VAE）、卷积神经网络	平均绝对误差(MAE)、分类准确率	不适用
284	2026-09-07	Deep learning-based cell-specific gene regulatory networks inferred from single-cell multiome data 2025-Feb-27, Nucleic acids research IF:16.6Q1 DOI:10.1093/nar/gkaf138 PMID:40037709	研究论文	开发了scMultiomeGRN，一种通过整合单细胞RNA测序和单细胞ATAC测序数据推断细胞类型特异性基因调控网络的深度学习框架	提出了一种新颖的深度学习框架，通过模态特异性邻居聚合器和跨模态注意力模块相结合，统一整合单细胞基因组和表观基因组数据，以推断转录因子调控网络	未提供明确的局限性信息	旨在利用单细胞多组学数据推断细胞类型特异性的基因调控网络，特别是在处理单细胞测序数据高丢失率带来的挑战	转录因子调控网络，特别关注小胶质细胞中与阿尔茨海默病相关的SPI1和RUNX1调控网络	机器学习	阿尔茨海默病	单细胞RNA测序和单细胞ATAC测序	深度学习框架（包含图神经网络和注意力机制）	单细胞多组学数据（基因组和表观基因组）	多个涉及疾病和健康的基准数据集	NA	图神经网络和注意力模块	NA	NA
285	2026-09-07	Enhanced Detection of Colon Diseases via a Fused Deep Learning Model with an Auxiliary Fusion Layer and Residual Blocks on Endoscopic Images 2025, Current medical imaging IF:1.1Q3 DOI:10.2174/0115734056353246241209060804 PMID:39757657	研究论文	本文提出了一种融合深度学习模型，通过结合EfficientNetB0、MobileNetV2和ResNet50V2架构，并加入辅助融合层和残差块，用于内窥镜图像中结肠疾病的自动检测。	创新点在于采用辅助融合层和融合残差块，整合多种CNN架构的特征，以增强分类准确性和鲁棒性，同时利用残差连接缓解梯度消失问题，实现轻量级且稳定的模型训练。	NA	旨在通过融合深度学习模型提高内窥镜图像中胃肠道异常或疾病的诊断准确性，实现自动检测结肠疾病。	结肠疾病（胃肠道异常）的内窥镜图像。	计算机视觉	结肠疾病	NA	CNN（EfficientNetB0、MobileNetV2、ResNet50V2）	图像（内窥镜图像）	广泛的内窥镜图像（具体数量未提供）	NA	EfficientNetB0、MobileNetV2、ResNet50V2	准确率、鲁棒性（具体指标如精确率、召回率、F1分数、AUC等未指定）	NA
286	2026-09-07	Recent applications of artificial intelligence in RNA-targeted small molecule drug discovery 2024-04, Expert opinion on drug discovery IF:6.0Q1 DOI:10.1080/17460441.2024.2313455 PMID:38321848	综述	本文综述了人工智能在RNA靶向小分子药物发现中的最新应用，包括RNA靶标识别、结构测定、化合物库筛选和先导化合物优化。	讨论了AI在RNA靶向小分子药物发现中的最新应用，并展望了下一代AI工具的潜在用途。	AI工具在理解RNA动态和RNA-小分子相互作用方面有待改进，且高质量全面的数据仍需生成。	总结AI在RNA靶向小分子药物发现中的应用现状，并讨论其影响、局限和未来方向。	RNA靶向小分子药物发现中的RNA靶标、RNA结构、化合物库和先导化合物。	机器学习	NA	NA	机器学习、深度学习	文本、数据	NA	NA	NA	NA	NA
287	2026-09-07	Deep learning-based material decomposition of iodine and calcium in mobile photon counting detector CT 2024, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0306627 PMID:39058758	研究论文	本研究提出了一种基于深度学习的MD-Unet方法，用于移动光子计数探测器CT中碘和钙的材料分解	提出MD-Unet架构，利用三能级数据训练，并通过模拟数据和增强策略解决数据不足问题，以提高材料分解精度	未明确提及局限性	提高光子计数探测器CT中材料分解的准确性并减少噪声	动物活体数据	计算机视觉、医学影像分析	不适用	光子计数探测器CT	深度学习模型（Unet）	图像（CT图像）	动物数据（具体数量未提供）	未提供具体框架	Unet	准确性、噪声减少	未提供具体计算资源信息
288	2026-09-07	CNNs trained with adult data are useful in pediatrics. A pneumonia classification example 2024, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0306703 PMID:39052572	研究论文	本研究以肺炎分类为例，探索使用成人胸部X光图像训练的CNN在儿科人群中的适用性，并评估胸腔分割对模型注意力及性能的影响	首次系统地验证了用成人数据训练的CNN可直接应用于儿科肺炎分类，并提出通过胸腔分割减少模型注意偏向以提升泛化能力	仅以一个特定疾病（肺炎）为例，且儿科数据年龄范围有限（1-5岁），未涵盖更广泛的儿科疾病或更年长儿童	评估成人训练的CNN在儿科医疗场景中的适应性和有效性，以减少对有限儿科数据训练新模型的需求	胸部X光图像，包括成人训练数据和1至5岁儿童的评估数据	计算机视觉	肺炎	胸部X光成像	CNN（卷积神经网络）	图像（胸部X光）	训练集包含来自多个成人数据集的46,947张胸部X光图像；评估集包含5,856张1至5岁儿童的胸部X光图像	NA	CNN（具体架构未指定，可能为ResNet等，但文中未明确）	AUC	NA
289	2026-09-07	Volume of hyperintense inflammation (VHI): A quantitative imaging biomarker of inflammation load in spondyloarthritis, enabled by human-machine cooperation 2023, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0284508 PMID:37075028	研究论文	提出一种结合深度学习与人工修正的人机协作工作流程，用于脊柱关节炎炎症分割，并定义高信号炎症体积（VHI）作为炎症负荷的定量影像生物标志物	首次提出将深度学习自动分割与人工清洗相结合的人机协作流程，以生成可靠的炎症分割结果，并定义VHI作为新的定量影像生物标志物	样本量较小（29例患者），且研究仅在单一队列中验证，未进行多中心外部验证	提高脊柱关节炎炎症评估的一致性和可靠性，并探索VHI作为炎症负荷定量影像生物标志物的潜力	29例中轴型脊柱关节炎（axSpA）患者的MRI扫描影像	医学影像分析	脊柱关节炎	MRI	深度学习分割模型（具体类型未在摘要中指明）	MRI图像	29例axSpA患者	NA	NA	Dice分数, 组内相关系数, 响应评估一致性	NA
290	2026-09-07	A cascaded nested network for 3T brain MR image segmentation guided by 7T labeling 2022-Apr, Pattern recognition IF:7.5Q1 DOI:10.1016/j.patcog.2021.108420 PMID:38469076	研究论文	提出一种级联嵌套网络（CaNes-Net），利用7T MRI标记指导3T脑MR图像分割，以提高灰质、白质和脑脊液分割的准确性	提出级联嵌套网络（CaNes-Net），通过迭代的嵌套网络模块逐步细化分割，并利用相关性系数图减轻3T与7T图像间的错位影响	未提及	实现对3T脑MR图像的准确分割，利用7T图像的高组织对比度进行训练	脑MR图像，包括灰质、白质和脑脊液	计算机视觉	不适用	磁共振成像（MRI）	级联嵌套网络	图像	18名成年受试者及ADNI数据集	未提及	嵌套网络（Nes-Net）	分割准确率	未提及
291	2026-09-07	Deep generative neural network for accurate drug response imputation 2021-03-19, Nature communications IF:14.7Q1 DOI:10.1038/s41467-021-21997-5 PMID:33741950	研究论文	开发深度变分自编码器模型以准确插补药物反应，并在细胞系和癌症样本中验证其性能	利用深度变分自编码器将数千个基因压缩为低维潜在向量，用于准确插补药物反应，优于基于特征基因的方法，并控制过拟合问题	未在文中明确提及局限性	开发深度生成模型以准确插补药物反应，并研究相关特征和标志物	癌症细胞系和癌症样本，包括TCGA数据	深度学习	癌症	转录组测序	变分自编码器	基因表达数据	未明确提及具体样本数量	未明确提及	变分自编码器	相关性	未明确提及
292	2026-09-07	Deep convolutional neural networks: Outperforming established algorithms in the evaluation of industrial optical coherence tomography (OCT) images of pharmaceutical coatings 2020-Dec, International journal of pharmaceutics: X DOI:10.1016/j.ijpx.2020.100058 PMID:33294841	研究论文	提出了一种基于深度卷积神经网络的新型评估方法，用于分析药物固体制剂的光学相干断层扫描图像，并证明了其性能优于传统算法	首次将深度CNN应用于工业OCT图像分析中的药物涂层评估，并展示了其超越基于椭圆拟合的既有算法的能力	未提及具体限制，但讨论了在实时条件下部署深度CNN时需处理图像噪声和外观变化的挑战	开发并验证一种基于深度CNN的OCT图像分析新方法，以在实时工业环境中高效评估药物涂层	膜包衣片剂以及单层和多层颗粒的OCT图像数据	计算机视觉	NA	OCT	CNN	图像	未指定具体样本数量，涉及片剂和颗粒的OCT图像	NA	深度卷积神经网络（未指定具体架构如ResNet等）	效率（计算速度）、灵敏度（检测次数）、准确度（与参考方法的偏差）	在相同的硬件上执行算法以确保可比性，但未指定具体GPU或云平台
293	2026-09-07	Deep Learning for Predicting Enhancing Lesions in Multiple Sclerosis from Noncontrast MRI 2020-02, Radiology IF:12.1Q1 DOI:10.1148/radiol.2019191061 PMID:31845845	研究论文	本研究评估了深度学习能否在无对比剂的MRI扫描中预测多发性硬化症的增强病灶	首次将深度学习应用于无对比剂MRI预测多发性硬化增强病灶，结合卷积神经网络与全连接网络进行逐切片和逐参与者预测	未明确提及局限性，但可能存在对增强病灶的误判风险及依赖特定MRI协议	开发并评估无需对比剂即可预测多发性硬化增强病灶的深度学习方法	多发性硬化患者的非对比剂多参数MRI扫描和增强病灶	医学影像分析	多发性硬化症	NA	卷积神经网络	MRI影像	1008名参与者的1970次多参数MRI扫描	NA	卷积神经网络和全连接网络	灵敏度、特异性、AUC	NA
294	2026-09-07	Are multi-contrast magnetic resonance images necessary for segmenting multiple sclerosis brains? A large cohort study based on deep learning 2020-01, Magnetic resonance imaging IF:2.1Q2 DOI:10.1016/j.mri.2019.10.003 PMID:31670238	研究论文	本研究基于深度学习模型，探讨多对比磁共振图像对多发性硬化脑组织分割的必要性，并评估不同输入组合的性能。	首次在大规模（1000例）多发性硬化患者队列中系统比较了15种多对比图像组合作为输入对分割结果的影响。	对于极小的病灶（<20 μl），所有图像组合的分割性能均较差，且仅使用FLAIR图像时对小型病灶的假阳性率略高。	确定单对比或多对比磁共振图像输入对多发性硬化脑组织（灰质、白质、脑脊液、病灶）分割体积的影响，以优化扫描流程并保持分割质量。	多发性硬化患者的脑部磁共振图像，包括FLAIR、T1加权、T2加权和质子密度加权图像。	计算机视觉, 数字病理	多发性硬化	磁共振成像	卷积神经网络	图像	1000例多发性硬化患者	NA	U-Net	Dice相似系数、真阳性率、假阳性率	NA
295	2026-09-06	Automated detection of Eimeria tenella from hematoxylin and eosin-stained chicken cecal tissues using YOLOv4-based deep learning: A proof-of-concept study 2027-Feb, Parasitology international IF:1.5Q3 DOI:10.1016/j.parint.2026.103353 PMID:42508751	研究论文	本研究应用YOLOv4深度学习算法自动检测鸡盲肠组织切片中的艾美耳球虫裂殖体和配子体，作为概念验证研究。	首次将深度学习目标检测算法应用于寄生虫病的组织病理学标本检测，而非传统的涂片标本，实现了对球虫发育阶段的自动识别。	数据集规模有限，可能无法完全反映现实世界的变异性。	探讨深度学习辅助组织病理学诊断的可行性，实现对艾美耳球虫感染鸡的早期诊断和寄生虫阶段自动检测。	鸡盲肠组织中的艾美耳球虫（Eimeria tenella）的裂殖体和配子体。	数字病理学	禽球虫病	组织病理学染色（苏木精-伊红染色）	YOLOv4和YOLOv4-tiny	组织病理学图像	来自4只感染艾美耳球虫的鸡的盲肠标本，共960个图像补丁	NA	YOLOv4, YOLOv4-tiny	平均精度均值（mAP）	NA
296	2026-09-06	ImplantPlanNet: A deep learning framework for automatic implant planning from preoperative CBCT images 2026-Dec, Journal of dentistry IF:4.8Q1 DOI:10.1016/j.jdent.2026.106925 PMID:42508797	研究论文	开发并评估了ImplantPlanNet，一种基于术前CBCT图像自动进行单颗牙缺失种植规划的深度学习框架	提出了一个结合候选定位、局部补丁提取、姿态估计和几何参数恢复的自动初始种植规划框架，无需手动标注即可估计种植体位置、长轴方向、长度和直径	数据集仅包含单颗牙缺失场景，未覆盖多颗牙缺失或复杂解剖情况；外部测试中长度分类准确率较低且颊侧骨板厚度略有减少，可能限制泛化性	开发并验证一种自动初始种植规划框架，以支持基于CBCT的临床前种植规划，减少时间消耗和经验依赖性	144例单颗牙缺失患者的术前CBCT图像，分为训练集（n=104）、内部测试集（n=20）和外部测试集（n=20）	计算机视觉	牙齿缺失	CBCT成像	深度学习框架	三维图像	144例CBCT图像（104训练，20内部测试，20外部测试）	PyTorch	候选定位网络、姿态估计网络（具体架构未指定，可能包括CNN）	三维冠状偏差、三维根尖偏差、角度偏差、尺寸分类准确率、安全相关距离测量	未明确提供，但深度学习框架训练通常需要GPU支持
297	2026-09-06	Artificial intelligence for dental caries detection: An umbrella review 2026-Dec, Journal of dentistry IF:4.8Q1 DOI:10.1016/j.jdent.2026.106944 PMID:42537896	综述	该文为伞状综述，旨在综合评估人工智能在龋齿检测和诊断方面的系统评价，并分析其证据可靠性和临床价值	首次采用伞状综述方法批判性评价AI用于龋齿检测的系统评价，量化原始研究重叠度，并识别证据中的方法学局限	原始研究高度重叠、方法学不足（依赖回顾性数据、缺乏外部验证、报告不一致）严重削弱证据可靠性，且临床适用性有限	评估AI用于龋齿检测和诊断的系统评价证据质量及其临床价值	17项系统评价，包含5项采用双变量或HSROC模型的分析测试准确性的meta分析，涉及咬合翼片和口内照片	医学影像分析	龋齿	深度学习	深度学习模型	医学图像（咬合翼片和口内照片）	17项系统评价	NA	NA	灵敏度、特异度	NA
298	2026-09-06	AI-driven structure- and ligand-based discovery of novel Ferrochelatase inhibitors from heterocyclic libraries 2026-Nov, Journal of molecular graphics & modelling IF:2.7Q2 DOI:10.1016/j.jmgm.2026.109523 PMID:42520493	研究论文	本研究利用人工智能驱动的结构和配体基方法，从杂环化合物库中发现了新的铁螯合酶（FECH）抑制剂	整合了深度学习辅助的分子对接和双算法机器学习共识分类器，构建了一个多层级计算管道，以系统性排除假阳性	研究仅基于计算模拟，缺乏体外和体内实验验证	发现新型FECH抑制剂，以增强光动力疗法并抑制血管生成，开发双模态治疗药物	铁螯合酶（FECH）和杂环化合物库中的潜在抑制剂	人工智能辅助药物发现	癌症	分子对接、深度学习、机器学习、分子动力学模拟、MM/PBSA	深度学习模型和机器学习分类器	化合物结构和对接数据	化合物库中的多个杂环化合物	不适用	不适用	结合自由能、结构稳定性	不适用
299	2026-09-06	A deep learning-based framework for the malignancy analysis of thyroid lesions in contrast-enhanced ultrasound videos 2026-Nov, Artificial intelligence in medicine IF:6.1Q1 DOI:10.1016/j.artmed.2026.103500 PMID:42526280	研究论文	提出了一种基于深度学习的框架LSTAC，用于自动分析甲状腺结节在对比增强超声视频中的恶性程度	将改进的YOLOv5分割网络与峰值强度帧提取算法相结合，实现了结节自动定位、时间强度曲线生成和峰值强度帧识别的全自动化分析，提高了效率和准确性	未见明确陈述限制，可能包括依赖于CEUS数据质量和需要多中心验证	开发自动化框架以提高甲状腺结节CEUS分析的效率和一致性，减少人工操作和依赖	来自三家医院的623例患者的甲状腺结节CEUS视频数据	计算机视觉	甲状腺结节	对比增强超声成像	YOLOv5	视频	623例患者	NA	YOLOv5	时间准确性, 结构相似性指数, AUC	NA
300	2026-09-06	From heatmaps to language: Explainable skin cancer diagnosis using CNN-VLM integration with an expert-annotated dataset 2026-Nov, Artificial intelligence in medicine IF:6.1Q1 DOI:10.1016/j.artmed.2026.103499 PMID:42546602	研究论文	本研究提出了一个可解释的皮肤癌诊断框架，整合了带有CBAM的Xception网络进行分类和域适应的视觉-语言模型(VLM)生成临床解释，并构建了专家注释的图像-文本语料库用于微调VLM	首次结合Grad-CAM++热图与专家注释构建图像-文本语料库，并以参数高效方式微调MedGemma-4B以生成临床可理解的解释，提升了模型的临床可解释性	样本量相对较小（347个样本），且依赖自动化LLM评估解释质量而非临床验证	开发一个提供分类预测、视觉注意力图和专家对齐文本解释的可解释皮肤癌诊断框架	皮肤病变图像及其对应的专家注释文本解释	计算机视觉	皮肤癌	NA	CNN-VLM	图像、文本	347个图像-文本对，来自HAM10000数据集	PyTorch	Xception, CBAM, Grad-CAM++, MedGemma-4B	准确率, AUC, 解释质量分数	NA