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
3081	2026-01-08	Investigation of cervical cell image segmentation technology based on deep learning and non-coding RNAs 2026-Apr, Non-coding RNA research IF:5.9Q1 DOI:10.1016/j.ncrna.2025.09.009 PMID:41488159	综述	本文综述了基于深度学习和非编码RNA的宫颈细胞图像分割技术，探讨了其在医学诊断中的应用与挑战	结合深度学习方法（如CNN、U-Net）与非编码RNA研究，以提升宫颈细胞图像分割的精度和效率	本文为综述性文章，未涉及具体实验数据或模型验证，主要基于文献调研，缺乏原创性实证研究	探索深度学习技术在宫颈细胞图像分割中的应用，并比较不同模型（如CNN、全卷积网络、U-Net）的特点和性能	宫颈细胞图像	计算机视觉	宫颈癌	NA	CNN, 全卷积网络, U-Net	图像	NA	NA	CNN, 全卷积网络, U-Net	NA	NA
3082	2026-01-08	Reply to comment on impact of deep learning on CT-based organ-at-risk delineation for flank irradiation in paediatric renal tumours: A SIOP-RTSG radiotherapy committee 2026-Mar, Clinical and translational radiation oncology IF:2.7Q2 DOI:10.1016/j.ctro.2025.101087 PMID:41487396	回复	本文是对评论的回应，澄清了关于深度学习在儿童肾肿瘤侧腹放疗中CT自动轮廓勾画研究的方法学和临床方面	通过回应评论，强调了研究中对STAPLE共识轮廓偏见的处理，并解释了为何剂量分析和不确定性量化在当前阶段非必需	研究在受控的研讨会环境中进行，未能完全反映真实世界的临床工作流程	评估深度学习在儿童肾肿瘤侧腹放疗中器官风险自动轮廓勾画的影响	儿童肾肿瘤患者	数字病理学	肾肿瘤	CT成像	深度学习	CT图像	NA	NA	NA	几何评估	NA
3083	2026-01-08	Toward accurate breast cancer classification: A review of multi-modal machine learning approaches 2026-Feb, Methods (San Diego, Calif.) DOI:10.1016/j.ymeth.2025.10.011 PMID:41265505	综述	本文综述了多模态机器学习方法在乳腺癌分类中的应用，包括恶性与良性分类及分子亚型分类	探讨了多模态数据融合技术、注意力机制Transformer架构在WSI标注中的应用，以及模型可解释性工具	NA	提高乳腺癌分类准确性，推动精准肿瘤学发展	乳腺癌分类及分子亚型识别	机器学习	乳腺癌	转录组学、影像学、基因组学	深度学习算法、传统模型、机器学习模型	图像、转录组数据、基因组数据	NA	NA	注意力机制Transformer、多实例学习架构	NA	NA
3084	2026-01-08	Digital Eye: Deep Learning for Detecting Physeal Fractures of the Pediatric Distal Radius 2026-Feb, Journal of the Pediatric Orthopaedic Society of North America DOI:10.1016/j.jposna.2025.100291 PMID:41488804	研究论文	本研究通过微调卷积神经网络（EfficientNet）来检测儿童桡骨远端骨折中的骨骺骨折，旨在提高诊断准确性	首次应用EfficientNet模型结合Grad-CAM技术对儿童骨骺骨折进行自动分类，并提供了模型预测的可解释性分析	数据集来自单一医疗机构，样本多样性和平衡性有限，未来需扩展数据集并测试不同视图和骨折模式	开发一种基于深度学习的工具，以辅助急诊医生准确分类儿童桡骨远端骨折中的骨骺骨折，从而改善患者安全	4至18岁骨骼未成熟患者的桡骨远端骨折X光片	计算机视觉	骨科损伤	X光成像	CNN	图像	2,103张X光片（来自1,082名患者），包括203例骨骺骨折和879例非骨骺骨折	TensorFlow, PyTorch	EfficientNet-B2	准确率, 精确率, 召回率, F1分数	NA
3085	2026-01-08	Battery SOH estimation based on thermodynamic parameters from an electrochemical fractional-order model and LSTM 2026-Jan-16, iScience IF:4.6Q1 DOI:10.1016/j.isci.2025.114234 PMID:41488788	研究论文	本文提出了一种基于电化学分数阶模型热力学参数和LSTM的锂离子电池健康状态估计方法	结合电池机理模型与深度学习，利用热力学参数替代传统外部特征，提高了估计精度和可解释性	未明确说明模型在极端工况或不同电池类型上的泛化能力	提高锂离子电池健康状态估计的准确性和可解释性	锂离子电池	机器学习	NA	电化学分数阶模型	LSTM	热力学参数	8个验证电池	NA	LSTM	均方根误差	NA
3086	2026-01-08	Robust CNN multi-nested-LSTM framework with compound loss for patch-based multi-push ultrasound shear wave imaging and segmentation 2026-Jan-07, Physics in medicine and biology IF:3.3Q1 DOI:10.1088/1361-6560/ae2db8 PMID:41401501	研究论文	提出了一种新颖的两阶段深度学习框架，用于解决超声剪切波成像中的噪声敏感性、多推策略效率低和标注数据有限等问题，实现稳健的弹性重建和病灶分割	提出了一种结合CNN和多嵌套LSTM的两阶段深度学习框架，采用基于块的训练策略和复合损失函数，有效解决了数据稀缺和噪声敏感性问题	方法在模拟和体模数据上验证，虽在猪肝数据上测试，但临床人体数据验证仍需进一步研究	开发一种稳健的深度学习框架，用于超声剪切波弹性成像的重建和病灶分割	超声剪切波弹性成像数据	医学影像分析	组织病理学评估	超声剪切波弹性成像	CNN, LSTM	超声运动数据	模拟数据、CIRS体模数据和猪肝实验数据	NA	ResNet3D, Nested CNN-LSTM	峰值信噪比, 对比度噪声比, 交并比	NA
3087	2026-01-08	A novel adaptive CNN-LSTM fusion network for electrocardiogram diagnosis 2026-Jan-07, Physiological measurement IF:2.3Q3 DOI:10.1088/1361-6579/ae2f8a PMID:41418332	研究论文	本文提出了一种用于心电图诊断的自适应CNN-LSTM融合网络	设计了一种自适应卷积核，可根据局部信号方差动态调整大小，并引入了时空融合机制	NA	提高自动心电图诊断的效率和准确性，为心血管疾病的早期筛查提供技术支持	心电图信号	机器学习	心血管疾病	NA	CNN, LSTM	信号数据	PTB-XL数据集	NA	自适应CNN-LSTM融合网络	准确率, 宏平均F1分数, 加权平均F1分数	NA
3088	2026-01-08	Study on the source tracing method of organic pollutants in large shallow eutrophic lakes based on 3D-EEM and Transformer models: A case study of Changdang Lake in China 2026-Jan-07, Environmental monitoring and assessment IF:2.9Q3 DOI:10.1007/s10661-025-14958-8 PMID:41498835	研究论文	本研究提出了一种结合三维荧光光谱技术和深度学习模型的方法，用于追踪大型浅水富营养化湖泊中有机污染物的来源	首次将3D-EEM荧光光谱技术与Transformer深度学习模型结合，用于湖泊有机污染源解析，相比传统人工方法显著提高了效率和准确性	研究仅针对长荡湖流域，方法在其他类型水体或污染源中的普适性有待验证	开发一种高效、准确的湖泊有机污染源追踪方法	长荡湖流域的有机污染物（溶解性有机物DOM）	环境科学与深度学习交叉	NA	三维激发-发射矩阵荧光光谱技术，平行因子分析	深度学习模型	荧光光谱图像	来自长荡湖连通河流及周边工业废水、农业和生活污染源的40个荧光组分	NA	Transformer, GoogLeNet, VGG, AlexNet	识别准确率, Tucker Congruence系数	NA
3089	2026-01-08	Deep Learning Reconstruction of Diffusion-weighted MRI Enables Shorter Examination Times While Maintaining Image Quality in Head and Neck Imaging 2026-Jan-07, Clinical neuroradiology IF:2.4Q2 DOI:10.1007/s00062-025-01604-6 PMID:41498976	研究论文	本研究评估了基于深度学习的扩散加权磁共振成像重建技术在头颈部成像中的应用，旨在缩短检查时间并保持图像质量	提出了一种结合深度学习k空间到图像重建与超分辨率处理的新型算法，用于加速头颈部DWI扫描，显著减少检查时间	研究为回顾性设计，样本量较小（30例患者），且SNR和CNR在深度学习重建图像中有轻微但显著的下降	评估加速的深度学习重建DWI在头颈部成像中的图像质量和诊断信心表现	头颈部扩散加权磁共振成像数据	医学影像分析	头颈部疾病	扩散加权成像，单次激发平面回波成像序列	深度学习	磁共振图像	30例患者（平均年龄55±19岁，范围24-84岁，18名男性）	NA	NA	信噪比，对比噪声比，表观扩散系数值，视觉Likert评分（图像清晰度、伪影、噪声、整体图像质量、诊断信心）	NA
3090	2026-01-08	An Integrated Deep Learning and Large Language Model for Burn Wound Depth Recognition 2026-Jan-06, Journal of burn care & research : official publication of the American Burn Association IF:1.5Q3 DOI:10.1093/jbcr/iraf170 PMID:41014195	研究论文	本研究开发了一种结合深度学习与大型语言模型的低成本人工智能系统，用于烧伤创面深度识别与分类	首次将深度学习分类模型与基于临床指南的烧伤专用大型语言模型集成，提供准确的烧伤深度识别和治疗建议	研究样本量相对有限（397张原始图像），且主要依赖公开数据库，可能无法完全代表所有临床场景	开发低成本人工智能系统以解决烧伤深度评估的临床挑战，特别是在急诊环境中	烧伤创面图像	计算机视觉, 自然语言处理	烧伤	深度学习, 大型语言模型	深度学习分类模型, LLM	图像	397张原始烧伤创面图像，通过数据增强扩展至7156张图像	PaddlePaddle	NA	准确率, 召回率, F1分数	NA
3091	2026-01-08	EMMPREDMLsub: multi-label prediction of mRNA subcellular localization based on the ESM2 large language model and MMDO-MDPU resampling strategy 2026-Jan-06, Journal of biomolecular structure & dynamics IF:2.7Q2 DOI:10.1080/07391102.2025.2610684 PMID:41493162	研究论文	本研究提出了一种基于ESM2大语言模型和MMDO-MDPU重采样策略的mRNA亚细胞定位多标签预测工具EMMPREDMLsub	结合曼哈顿均值方向过采样与曼哈顿密度保持欠采样的新型重采样技术，并首次将ESM2大语言模型应用于mRNA序列特征提取	未明确说明模型在跨物种或不同细胞类型中的泛化能力，也未讨论计算复杂度对实际应用的影响	开发高精度的mRNA亚细胞定位多标签预测工具	真核细胞mRNA序列	自然语言处理	NA	序列特征提取	大语言模型	序列数据	NA	NA	ESM2	NA	NA
3092	2026-01-08	Deep Learning-Based Detection of Root Numbers in Maxillary Premolars 2026-Jan-06, International endodontic journal IF:5.4Q1 DOI:10.1111/iej.70091 PMID:41493350	研究论文	本研究利用深度学习模型在曲面断层片上检测上颌前磨牙的牙根数量	首次将深度学习模型应用于曲面断层片自动检测上颌前磨牙牙根数量，并采用集成模型提升性能	研究为回顾性设计，样本量有限，且仅针对上颌前磨牙，外部验证集规模较小	开发一种基于深度学习的自动化工具，辅助临床医生从曲面断层片中准确识别上颌前磨牙的牙根数量	上颌前磨牙	数字病理学	NA	曲面断层摄影，锥形束CT	CNN	图像	925颗上颌前磨牙（来自350名患者），包含内部数据集和外部验证集	NA	AlexNet, DenseNet-121, EfficientNet-B0	准确率, 灵敏度, 特异性, F1分数, AUC	NA
3093	2026-01-08	Dual vision transformer with bio-inspired optimization for explainable keratoconus classification 2026-Jan-06, International ophthalmology IF:1.4Q3 DOI:10.1007/s10792-025-03929-0 PMID:41493655	研究论文	本研究提出了一种基于角膜地形图图像的增强深度学习框架，用于圆锥角膜（KCN）分期分类，采用双视觉变换器（DViT）捕获局部和全局空间特征，并利用电鳗觅食优化器（EEFO）优化模型性能，同时通过LIME和SHAP增强模型可解释性	结合双视觉变换器（DViT）与生物启发优化器（EEFO）进行注意力权重和超参数调优，并集成LIME和SHAP实现模型决策的可视化解释	未提及研究的具体局限性，如数据集规模、泛化能力或临床验证的不足	开发一种高精度且可解释的圆锥角膜（KCN）分期分类方法，以支持早期诊断和治疗规划	圆锥角膜（KCN）患者的角膜地形图图像	计算机视觉	圆锥角膜	角膜地形图成像	Transformer	图像	未在摘要中明确提及具体样本数量	未在摘要中指定具体框架（如PyTorch或TensorFlow）	Dual Vision Transformer (DViT)	准确率, 召回率, 精确率	未在摘要中提及具体计算资源（如GPU类型或云平台）
3094	2026-01-08	A BMC-Net model for the recognition and segmentation of mandibular canal bifurcation 2026-Jan-06, Oral radiology IF:1.6Q3 DOI:10.1007/s11282-025-00892-5 PMID:41493698	研究论文	本研究开发了一种名为BMC-Net的深度学习模型，用于快速诊断和识别下颌管分叉	提出了BMC-Net模型，在识别和分割下颌管分叉方面相比UNet模型和临床医生有显著性能提升和时间效率优势	样本量较小，仅使用了160张图像，且数据来源仅限于PubMed和Web of Science数据库	开发深度学习模型以准确识别下颌管的解剖结构和轨迹，帮助牙医规避手术风险并制定有效治疗计划	下颌管分叉的医学图像	计算机视觉	NA	深度学习	CNN	图像	160张报告病例图像（训练集140张，测试集20张）	NA	BMC-Net, UNet	DSC, AUC, IoU, recall, precision, confusion matrix, sensitivity, specificity	NA
3095	2026-01-08	Labeled photovoltaic installations for orthographic aerial imagery in Queens, New York 2026-Jan-06, Scientific data IF:5.8Q1 DOI:10.1038/s41597-025-06523-2 PMID:41495074	研究论文	本文介绍了纽约皇后区2018年正射航空影像中光伏安装位置的手动标注数据集	数据集覆盖了人口密集的城区环境，包含四通道影像（三色加红外），且纽约州定期更新源数据，为光伏部署的时间序列研究提供了基础	数据集仅限于纽约皇后区2018年的特定区域，可能无法直接推广到其他地区或时间点	为能源研究人员提供标注数据，以支持计算机视觉方法识别屋顶光伏安装，并研究城市地区的光伏部署	纽约皇后区2018年航空影像中的光伏安装位置	计算机视觉	NA	航空影像采集	深度学习模型	图像	约5,500个独立安装，对应14,000个多边形标注	NA	NA	NA	NA
3096	2026-01-08	A multimodal vision-language model for generalizable annotation-free pathology localization 2026-Jan-06, Nature biomedical engineering IF:26.8Q1 DOI:10.1038/s41551-025-01574-7 PMID:41495192	研究论文	本文提出了一种无需标注的通用病理定位视觉语言模型AFLoc，通过多级语义结构对比学习实现病理定位与分类	采用基于多级语义结构的对比学习，全面对齐多粒度医学概念与丰富图像特征，无需专家图像标注即可适应病理的多样化表达	NA	开发一种无需标注的通用病理定位模型，以降低标注需求并适应复杂临床环境	胸部X光图像、组织病理学图像和视网膜眼底图像中的病理区域	计算机视觉	胸部疾病	NA	视觉语言模型	图像-报告对	220,000对胸部X光图像-报告，并在8个外部数据集上验证，涵盖34种胸部病理类型	NA	AFLoc	定位精度、分类准确率	NA
3097	2026-01-08	The interpretable multimodal dimension reduction framework SpaHDmap enhances resolution in spatial transcriptomics 2026-Jan-06, Nature cell biology IF:17.3Q1 DOI:10.1038/s41556-025-01838-z PMID:41495202	研究论文	本文提出了一种可解释的多模态降维框架SpaHDmap，通过整合空间转录组学数据与高分辨率组织学图像来提升空间分辨率	将非负矩阵分解融入深度学习框架，实现了高分辨率空间元基因的识别，并能同时分析多个样本及兼容多种组织学图像类型	未明确说明框架对计算资源的具体需求及在处理超大规模数据集时的可扩展性	提升空间转录组学数据的空间分辨率以解析细微空间结构和生物活动	空间转录组学数据与组织学图像	数字病理学	NA	空间转录组学	深度学习	基因表达数据, 图像	合成、公共及新测序的多技术多组织类型数据集	NA	NA	NA	NA
3098	2026-01-08	Development and validation of deep learning for predicting the growth of ovarian cancer organoids 2026-Jan-05, Chinese medical journal IF:7.5Q1 DOI:10.1097/CM9.0000000000003575 PMID:40709801	研究论文	本研究开发并验证了一种基于深度学习的可解释模型，用于预测卵巢癌类器官的生长结果	首次应用深度学习模型预测卵巢癌类器官的生长结果，并采用梯度加权类激活映射（Grad-CAM）进行可解释性分析	研究样本量有限，且仅针对卵巢癌类器官，模型泛化能力有待进一步验证	开发可预测卵巢癌类器官培养结果的深度学习模型，以提高类器官培养的成功率和临床实用性	卵巢癌类器官的纵向显微镜图像	计算机视觉	卵巢癌	纵向显微镜成像	CNN, Transformer	图像	517个卵巢癌类器官液滴（训练集325，验证集88，测试集104），外加179个多中心样本用于前瞻性验证	PyTorch	ResNet18, VGG11, ConvNeXt v2, Swin Transformer v2	AUC, Brier分数, 校准曲线, 决策曲线净收益	NA
3099	2026-01-08	Deep Learning-Based Acceleration in MRI: Current Landscape and Clinical Applications in Neuroradiology 2026-Jan-05, AJNR. American journal of neuroradiology DOI:10.3174/ajnr.A8943 PMID:40721279	综述	本文综述了深度学习在加速磁共振成像（MRI）中的当前应用，特别是在神经放射学领域的临床实践	探讨了深度学习图像重建（DLBIR）技术如何从2D到3D采集的演进，结合自监督学习的进展，以在减少扫描时间的同时保持或提升图像质量	存在跨扫描器和成像条件的泛化性挑战、对伪影的敏感性、病理表征可能被改变，以及供应商特定闭源算法的训练数据、底层算法和临床验证信息有限	回顾深度学习加速MRI的技术现状、临床应用及未来趋势	神经放射学中的MRI图像	医学影像	NA	深度学习图像重建（DLBIR）	深度学习模型	图像	NA	NA	NA	图像质量、病变显著性、噪声抑制、诊断准确性	NA
3100	2026-01-08	Enhanced Spinal Cord Lesion Detection in MS Using White-Matter-Nulled 3D MPRAGE with Deep Learning Reconstruction 2026-Jan-05, AJNR. American journal of neuroradiology DOI:10.3174/ajnr.A8950 PMID:41381352	研究论文	本研究评估了结合深度学习去噪的3D白质抑制MPRAGE序列在多发性硬化症脊髓病变检测中的诊断性能，并与传统MRI序列进行比较	首次将深度学习去噪方法应用于3D白质抑制MPRAGE序列，显著提高了脊髓病变的检测灵敏度和图像质量	样本量较小（仅38名患者），且研究为单中心前瞻性设计，需要更大规模的多中心验证	评估新型成像技术（3D WMn MPRAGE结合深度学习）在多发性硬化症脊髓病变检测中的诊断效能	多发性硬化症或临床孤立综合征患者的脊髓MRI图像	医学影像分析	多发性硬化症	3T脊髓MRI，包括2D T2加权FSE、2D STIR、3D MPRAGE和3D白质抑制MPRAGE序列	深度学习去噪模型	3D MRI图像	38名患者	NA	NA	病变计数、检测置信度、图像质量评分、对比噪声比、组间一致性	NA