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
3001	2026-03-03	Adult-type diffuse glioma prediction using MnasNet optimized by the advanced single candidate optimizer 2026, Frontiers in oncology IF:3.5Q2 DOI:10.3389/fonc.2026.1637208 PMID:41768258	研究论文	本研究提出了一种基于深度学习的非侵入性方法，利用术前T2加权MRI预测成人型弥漫性胶质瘤	提出了一种结合了改进的MnasNet架构、新型元启发式算法ASCO、对立学习以及切比雪夫混沌映射的优化预测模型	研究样本来自两个数据库（共533例），可能存在数据异质性；未明确说明模型在外部验证集上的泛化能力	开发一种准确、非侵入性的成人型弥漫性胶质瘤预测方法，以克服现有诊断方法的局限性	成人型弥漫性胶质瘤患者	数字病理学	胶质瘤	术前T2加权MRI	CNN	图像	533例患者（来自名古屋大学医院的237例和公开数据库的296例）	NA	MnasNet	灵敏度, 特异度, 精确度, 准确率, F1分数, 马修斯相关系数	NA
3002	2026-03-03	Deep learning for regulatory genomics: a survey of models, challenges, and applications 2026, Bioinformatics advances IF:2.4Q2 DOI:10.1093/bioadv/vbaf271 PMID:41768279	综述	本文综述了深度学习在调控基因组学中的最新进展，包括模型、挑战和应用	强调了从传统神经网络到Transformer和图神经网络等先进模型的演进，并考虑了三维基因组结构	承认了过拟合、生物变异性和数据集多样性有限等持续挑战	旨在回顾深度学习在调控基因组学中的应用，以帮助解读非编码基因组区域的复杂调控机制	调控基因组学中的非编码基因组区域，涉及转录因子结合、染色质可及性、RNA过程和RNA-蛋白质相互作用	自然语言处理, 机器学习	NA	深度学习	Transformer, 图神经网络	基因组数据	NA	NA	Transformer, 图神经网络	NA	NA
3003	2026-03-03	Combining deep learning with statistical shape modelling enables automated lower limb measurements with observer-level reliability using weight-bearing computed tomography 2026-Jan, Journal of experimental orthopaedics IF:2.0Q2 DOI:10.1002/jeo2.70669 PMID:41768538	研究论文	本研究提出了一种结合深度学习与统计形状建模的混合方法，用于自动评估负重条件下的下肢对线与形态	首次将深度学习与统计形状建模结合，实现了在负重CT扫描上对下肢骨骼的自动分割、三维标志点识别及28项对线与形态学测量的全自动计算	研究样本量较小（仅30例全下肢负重CT扫描），且证据等级为III级，需要更大规模的外部验证	开发一种自动化、观察者独立的方法，以可靠地评估负重条件下的下肢三维对线与形态	下肢骨骼（股骨、髌骨、胫骨、距骨、跟骨、第二跖骨）及其在负重CT扫描中的三维形态	计算机视觉	骨科疾病/下肢畸形	负重计算机断层扫描（WBCT）	深度学习模型（用于分割）	三维医学图像（CT扫描）	30例全下肢负重CT扫描	NA	NA	Dice相似系数（DSC），平均绝对误差（MAE）	NA
3004	2026-03-03	Automated segmentation and classification of lumbar transverse ultrasound views using a two-stage deep learning method 2026, Frontiers in radiology DOI:10.3389/fradi.2026.1721194 PMID:41768825	研究论文	本研究开发了一种基于深度学习的两阶段框架，用于自动检测和分类腰椎超声图像中的横突旁横切面和椎间孔旁横切面视图	提出了一种结合语义分割和基于坐标分类的两阶段深度学习框架，通过将关键解剖标志分组为单一类别来降低标注复杂性并提高鲁棒性，从而实现了对腰椎超声视图的高精度自动识别	数据集仅来自单一医疗中心，未来需要扩展数据集并在多样化的临床环境中验证方法的泛化能力	开发并评估一种基于深度学习的自动化框架，用于识别和分类腰椎超声视图，以支持超声引导的腰椎区域麻醉和慢性疼痛管理	来自425名接受疼痛治疗患者的腰椎超声图像	计算机视觉	慢性疼痛	超声成像	CNN, SVM	图像	425名患者	NA	U-Net	IoU, 准确率	NA
3005	2026-03-03	Scaling Early Detection for Developmental Dysplasia of the Hip With Artificial Intelligence-Assisted Imaging 2026-Jan, Cureus DOI:10.7759/cureus.102507 PMID:41769581	综述	本文综述了人工智能辅助超声和放射成像在儿童发育性髋关节发育不良早期诊断中的应用现状与进展	总结了AI模型（特别是深度学习和卷积神经网络）在自动化图像分析、解剖标志点检测及关键诊断参数（如α角、β角、髋臼指数）测量方面的应用，并探讨了便携式超声系统和云端诊断平台在资源匮乏地区推广筛查的潜力	面临数据集异质性、深度学习模型在不同人群和设备间的泛化能力有限、模型可解释性不足以及临床工作流整合困难等挑战	评估人工智能技术在儿童发育性髋关节发育不良早期诊断与筛查中的应用效果与发展前景	发育性髋关节发育不良的超声与放射影像数据	计算机视觉	儿童骨科疾病	超声成像, 放射成像	CNN, 深度学习模型	图像	NA	NA	分割网络, 3D卷积模型	诊断准确性, 一致性, 观察者间变异性	NA
3006	2026-03-03	Retinal proteomics in neurodegeneration: Insights into ocular and brain disorders 2025-Oct-30, Neural regeneration research IF:5.9Q1 DOI:10.4103/NRR.NRR-D-25-00291 PMID:41169217	综述	本文总结了视网膜蛋白质组学在神经退行性疾病和眼部疾病中的最新进展，重点关注其在发现治疗靶点和非侵入性诊断生物标志物方面的潜力	整合了人工智能驱动的计算流程，特别是GPU加速的深度学习架构，显著提高了视网膜蛋白质组学的精确性和效率，并利用先进的大数据基础设施支持早期生物标志物检测	NA	探索视网膜蛋白质组学在神经退行性疾病和眼部疾病中的应用，以发现新的治疗靶点和诊断生物标志物	视网膜蛋白质组，涉及疾病包括青光眼、年龄相关性黄斑变性、糖尿病视网膜病变、视网膜色素变性，以及阿尔茨海默病、肌萎缩侧索硬化症和帕金森病	数字病理学	神经退行性疾病	基于质谱的蛋白质组学技术	深度学习	蛋白质组学数据	NA	NA	NA	疾病特异性和敏感性	GPU加速的深度学习架构，先进的大数据基础设施
3007	2026-03-03	Memorization bias impacts modeling of alternative conformational states of solute carrier membrane proteins with methods from deep learning 2025-Oct, PLoS computational biology IF:3.8Q1 DOI:10.1371/journal.pcbi.1013590 PMID:41105726	研究论文	本文评估了深度学习建模中记忆化偏差对溶质载体膜蛋白替代构象状态的影响，并提出了一种结合ESM和模板建模的方法来一致建模这些状态	提出了一种结合进化尺度建模和模板建模的新流程，以克服AlphaFold2/3在建模溶质载体蛋白多构象状态时的记忆化偏差，并利用序列进化协方差数据进行验证	方法主要适用于具有内部伪对称性的溶质载体蛋白，可能不适用于所有膜蛋白类型，且依赖于模板的可用性	评估记忆化偏差对溶质载体膜蛋白多构象状态建模的影响，并开发一种能一致建模替代构象状态的方法	溶质载体膜蛋白，特别是具有伪对称结构的蛋白质，如SLC35F2	计算生物学	NA	进化尺度建模，模板建模，序列进化协方差分析	AlphaFold2, AlphaFold3, ESM	蛋白质序列，结构模板	多个整合膜蛋白转运体，包括SLC35F2	NA	NA	NA	NA
3008	2026-03-03	scMODAL: a general deep learning framework for comprehensive single-cell multi-omics data alignment with feature links 2025-May-29, Nature communications IF:14.7Q1 DOI:10.1038/s41467-025-60333-z PMID:40442129	研究论文	本文介绍了一个名为scMODAL的深度学习框架，专门用于单细胞多组学数据的对齐，通过特征链接实现全面整合	scMODAL利用神经网络和生成对抗网络，结合有限的已知正相关特征，对齐细胞嵌入并保持特征拓扑结构，有效去除不必要变异并保留生物信息	NA	开发一个计算框架以整合单细胞多组学数据，促进联合分析	单细胞多组学数据，包括转录组、表观基因组和蛋白质组数据	机器学习	NA	单细胞技术，包括转录组、表观基因组和蛋白质组分析	神经网络, 生成对抗网络	单细胞多组学数据	NA	NA	NA	NA	NA
3009	2026-03-03	SpecstatOR: speckle statistics-based iOCT segmentation network for ophthalmic surgery 2025-May-01, Biomedical optics express IF:2.9Q2 DOI:10.1364/BOE.543611 PMID:41767927	研究论文	本文提出了一种基于斑点统计的iOCT分割网络，用于眼科手术中视网膜层和手术器械的区分	利用组织特异性斑点模式进行分割，减少对形状和强度的依赖，增强跨设备和解剖变异的鲁棒性，无需重新训练	未在摘要中明确提及	改进眼科手术中iOCT图像的分割技术	视网膜层和手术器械	数字病理学	眼科疾病	iOCT	深度学习网络	图像	NA	NA	NA	NA	NA
3010	2026-03-03	Enhancing ultra-high density single-molecule localization with deep spatiotemporal networks 2025-May-01, Biomedical optics express IF:2.9Q2 DOI:10.1364/BOE.555721 PMID:41767926	研究论文	本文提出了一种名为SRST的深度学习驱动方法，用于实现超高密度单分子的精确三维定位，以提升单分子定位显微镜的时空分辨率	开发了利用相邻帧时间信息和荧光分子闪烁机制来增强定位精度的深度学习框架，在低信噪比条件下相比现有方法显著提升了定位精度	未明确说明方法在极端实验条件下的性能表现或计算复杂度限制	提升单分子定位显微镜在超高密度分子场景下的时空分辨率和定位精度	亚细胞结构（如线粒体和微管）的三维成像	计算机视觉	NA	单分子定位显微镜（SMLM）	深度学习网络	图像序列（时间序列图像）	NA	NA	时空网络	Jaccard指数, 定位误差	NA
3011	2026-03-03	Automated cell properties toolbox from 3D bioprinted hydrogel scaffolds via deep learning and optical coherence tomography 2025-May-01, Biomedical optics express IF:2.9Q2 DOI:10.1364/BOE.550401 PMID:41767930	研究论文	本文提出了一种基于深度学习与光学相干断层扫描的计算工具箱，用于自动化分析3D生物打印水凝胶支架中的细胞活力与形态特性	结合光学相干断层扫描的高分辨率成像与深度学习分割，实现了非侵入式、定量化的细胞分析，克服了传统侵入式和基于阈值方法的局限性	NA	开发自动化工具以精确评估3D生物打印水凝胶支架中的细胞活力与形态特性，促进组织工程研究	3D生物打印水凝胶支架中的细胞	计算机视觉	NA	光学相干断层扫描	深度学习	图像	NA	NA	NA	分割精度	NA
3012	2026-03-03	A-scan sequence transformers for palpation with optical coherence elastography 2025-May-01, Biomedical optics express IF:2.9Q2 DOI:10.1364/BOE.553849 PMID:41767938	研究论文	本研究提出了一种基于Transformer的深度学习模型，用于从光学相干弹性成像（OCE）的A扫描序列中端到端地估计组织弹性	首次将Transformer架构应用于处理OCE中的A扫描序列，实现了从相位数据到弹性模量的端到端估计，相比传统方法和CNN方法显著提升了弹性重建精度	未明确说明模型在临床手术环境中的实时性能验证，以及在不同组织类型和病理条件下的泛化能力评估	开发一种能够替代主观触诊的客观弹性估计方法，以辅助微创手术中的病变定位和手术导航	均匀组织模型、包含异质性的组织模型以及心脏、肾脏和肝脏等软组织样本	医学影像分析	NA	光学相干弹性成像（OCE）、光学相干断层扫描（OCT）	Transformer	一维轴向扫描序列（A-scan序列）、相位数据	未明确具体数量，但包括均匀组织模型、异质性组织模型以及心脏、肾脏、肝脏软组织样本	NA	Transformer	平均误差（kPa）	NA
3013	2026-03-03	gcDLSeg: integrating graph-cut into deep learning for binary semantic segmentation 2025-May-01, Biomedical optics express IF:2.9Q2 DOI:10.1364/BOE.555206 PMID:41767939	研究论文	本研究提出了一种将图割方法集成到深度学习网络中的新框架，用于端到端的二进制语义分割	提出了一种新颖的残差图割损失和准残差连接，解决了图割模块在深度学习网络中梯度反向传播的挑战	NA	结合图割方法的全局最优性保证和深度学习的高性能，提升二进制语义分割的准确性和鲁棒性	二进制语义分割任务	计算机视觉	慢性伤口,胰腺癌	NA	深度学习网络	图像	公共AZH慢性伤口数据集和医学分割十项全能（MSD）中的胰腺癌数据集	NA	NA	分割准确性,对抗攻击鲁棒性	NA
3014	2026-03-03	Hierarchical uncertainty estimation for learning-based registration in neuroimaging 2025-Apr, ... International Conference on Learning Representations PMID:41769306	研究论文	本文提出了一种用于神经影像配准的分层不确定性估计方法，以改进深度学习配准的准确性并支持下游任务的不确定性传播	提出了一种基于空间建模的分层不确定性传播框架，将局部位置不确定性传播至全局变换模型及下游任务，相比传统蒙特卡洛丢弃法能更准确反映配准误差	未明确说明方法在非高斯分布数据或非刚性变换场景下的适用性，且实验主要集中于脑部MRI数据	改进深度学习医学图像配准中的不确定性估计方法，提升配准精度并支持下游任务的不确定性量化	脑部磁共振成像（MRI）扫描数据	医学图像分析	NA	磁共振成像（MRI）	深度学习配准模型	医学图像（MRI）	公开数据集（未指定具体数量）	NA	NA	配准误差相关性	NA
3015	2026-03-03	Accuracy and Longitudinal Consistency of PET/MR Attenuation Correction in Amyloid PET Imaging amid Software and Hardware Upgrades 2025-Mar-04, AJNR. American journal of neuroradiology DOI:10.3174/ajnr.A8490 PMID:39251256	研究论文	本研究评估了在阿尔茨海默病淀粉样蛋白PET成像中，PET/MR衰减校正的准确性和纵向一致性，特别是在软件和硬件升级背景下	采用迁移学习微调DL-Dixon模型，以应对扫描仪软件版本和头部线圈的更新，确保衰减校正的鲁棒性和纵向一致性	研究样本量有限，仅包含329名参与者，且仅38名进行了两次三模态扫描，可能影响结果的普遍性	旨在协调PET/MR DL-Dixon衰减校正，评估其在软件和硬件升级后的准确性和纵向一致性	阿尔茨海默病患者的PET/MR和CT图像数据	数字病理学	阿尔茨海默病	PET/MR成像, CT成像, 深度学习衰减校正	深度学习模型	图像	329名参与者，其中38名进行了两次三模态扫描	NA	DL-Dixon	PET相对绝对误差, 皮质区域PET SUVR的组内变异系数, 组内相关系数	NA
3016	2026-03-03	Deep Learning-Based ASPECTS Algorithm Enhances Reader Performance and Reduces Interpretation Time 2025-Mar-04, AJNR. American journal of neuroradiology DOI:10.3174/ajnr.A8491 PMID:39255988	研究论文	本研究探讨了基于深度学习的ASPECTS算法在急性缺血性卒中评估中如何提升医生性能并减少解读时间	开发并验证了一种FDA批准和CE认证的深度学习算法，用于自动计算ASPECTS评分，显著提高了评估的准确性和一致性，同时减少了医生解读时间	研究为回顾性设计，样本来自多个临床站点但数量有限（200例），且仅评估了特定算法（CINA-ASPECTS），未与其他算法进行比较	分析深度学习算法对医生在急性缺血性卒中ASPECTS评分评估中的性能和时间效率的影响	急性缺血性卒中患者的非增强CT扫描图像	数字病理学	心血管疾病	非增强CT扫描	深度学习模型	医学图像	200例NCCT扫描，来自5个临床站点，涉及27种扫描仪型号和4个不同供应商	NA	NA	区域基础准确率，ROC AUC，评分者间可靠性，相关系数，解读时间	NA
3017	2026-03-03	Deep Learning-Based Synthetic Computed Tomography for Low-Field Brain Magnetic Resonance-Guided Radiation Therapy 2025-Mar-01, International journal of radiation oncology, biology, physics DOI:10.1016/j.ijrobp.2024.09.046 PMID:39357787	研究论文	本研究开发了一种基于条件生成对抗网络的模型，用于从低场脑磁共振成像生成合成CT图像，以支持磁共振引导的放射治疗中的剂量计算	首次提出使用条件生成对抗网络从低场磁共振成像生成高保真合成CT图像，用于脑部磁共振引导放射治疗的在线自适应剂量计算	模型在术后异常区域的表现受到挑战，且样本量相对较小	开发一种从低场磁共振成像生成合成CT的方法，以支持磁共振引导放射治疗中的剂量计算和在线自适应治疗	胶质瘤患者的脑部磁共振和CT图像对	医学影像分析	胶质瘤	磁共振成像，CT成像	条件生成对抗网络	医学图像	12名患者用于主要训练和验证，9名患者用于二次验证	NA	9块残差网络生成器，PatchGAN判别器	平均绝对误差，峰值信噪比，结构相似性指数，剂量体积直方图指标，三维伽马分析通过率	NA
3018	2026-03-03	Integrating artificial intelligence with smartphone-based imaging for cancer detection in vivo 2025-Mar-01, Biosensors & bioelectronics IF:10.7Q1 DOI:10.1016/j.bios.2024.116982 PMID:39616900	综述	本文综述了将人工智能与基于智能手机的成像系统相结合，用于体内癌症检测的技术、挑战与未来前景	提出将先进AI算法与便携式智能手机成像系统集成，以解决其在成像质量和计算能力方面的限制，并强调了可解释和不确定性感知AI在临床应用中提升透明度和可靠性的重要性	基于智能手机的成像系统面临成像质量较低和计算能力受限的挑战，且AI算法的透明度和可靠性仍需进一步提升以获得临床信任	探索利用人工智能增强智能手机成像系统，以实现便携、经济、可广泛获取的早期癌症检测工具	基于智能手机的成像系统及其在体内癌症检测中的应用	数字病理学	癌症	智能手机成像，多模态成像	深度学习算法	图像，多模态数据	NA	NA	NA	NA	智能手机（计算能力受限）
3019	2026-03-03	Self-supervised learning improves robustness of deep learning lung tumor segmentation models to CT imaging differences 2025-Mar, Medical physics IF:3.2Q1 DOI:10.1002/mp.17541 PMID:39636237	研究论文	本文比较了自监督学习中野生预训练与自预训练方法在非小细胞肺癌CT图像分割任务中的鲁棒性	首次系统比较了野生预训练与自预训练在医学图像分析中的效果，发现Swin Transformer模型在野生预训练下对CT成像差异更具鲁棒性	研究仅针对非小细胞肺癌CT分割任务，未涵盖其他疾病类型或成像模态；ViT和CNN模型未显示野生预训练的明显优势	评估自监督学习预训练策略对深度学习模型在医学图像分割任务中鲁棒性的影响	非小细胞肺癌患者的3D CT扫描图像	计算机视觉	肺癌	CT成像	CNN, Transformer	3D CT图像	野生预训练：10,412例3D CT；下游任务：377例训练集，156例早期阶段测试集，196例晚期阶段测试集	PyTorch	Vision Transformer, Swin Transformer, CNN	准确性, 鲁棒性评估, 特征重用分析	NA
3020	2026-03-03	Learning soft tissue deformation from incremental simulations 2025-Mar, Medical physics IF:3.2Q1 DOI:10.1002/mp.17554 PMID:39642013	研究论文	本研究提出了一种基于图神经网络的时空增量建模方法，用于加速面部软组织生物力学模拟	首次将时空信息整合到增量模拟中，通过图神经网络结合空间特征与时间聚合，显著提高了模拟精度并减少了计算时间	研究仅基于17名接受正颌手术的受试者数据，样本量较小，可能限制模型的泛化能力	开发高效的生物力学模拟方法，以加速正颌手术规划中的面部软组织变形预测	面部软组织	机器学习	NA	有限元方法, 深度学习	图神经网络	模拟数据	17名接受正颌手术的受试者	NA	图神经网络	平均误差, 平均计算时间	NA