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
3261	2026-08-24	Saliency-Bench: A Comprehensive Benchmark for Evaluating Visual Explanations 2025, KDD : proceedings. International Conference on Knowledge Discovery & Data Mining DOI:10.1145/3711896.3737414 PMID:42633391	研究论文	本文介绍了一个名为Saliency-Bench的新型基准测试，用于评估基于显著性的视觉解释方法在多个数据集上的性能。	提出了一个综合性的基准测试，涵盖八个数据集和多种任务，并提供了标准化、统一的评估流程和用户友好的工具包。	未提及具体局限性。	评估视觉解释方法的质量，解决可解释人工智能中缺乏标准化评估协议和注释数据集的问题。	多种图像分类任务，包括场景分类、癌症诊断、对象分类和动作分类。	计算机视觉	癌症	显著性方法	多种图像分类器架构	图像	八个数据集	NA	多种图像分类器架构（未具体指定）	忠实度和对齐性	NA
3262	2026-08-24	Transferable Deep Clustering Model 2025, Proceedings of the ... ACM International Conference on Information & Knowledge Management. ACM International Conference on Information and Knowledge Management DOI:10.1145/3746252.3761188 PMID:42633423	研究论文	提出了一种可迁移的深度聚类模型，通过注意力机制自适应调整聚类中心，以提升跨域聚类性能	引入了一种新颖的基于注意力的模块，能够根据样本关系动态调整聚类中心，而非固定聚类中心	未明确提及局限性，但可能依赖于源域和目标域的分布相似性	解决深度聚类模型在跨域迁移时泛化能力不足的问题，实现聚类中心的自适应调整	聚类中心和数据样本	机器学习	NA	NA	深度聚类模型（含注意力机制）	合成数据集和真实世界数据集	未明确提及具体样本量	NA	注意力模块	聚类性能（如准确率等，未具体提及）、计算成本	未明确提及，但提到降低了计算成本
3263	2026-08-24	Evaluation of Artificial Intelligence-Based Gleason Grading Algorithms "in the Wild" 2024-11, Modern pathology : an official journal of the United States and Canadian Academy of Pathology, Inc IF:7.1Q1 DOI:10.1016/j.modpat.2024.100563 PMID:39025402	研究论文	本研究评估并比较了基于人工智能的Gleason分级算法（公共和商业）在真实世界前列腺活检图像上的性能	首次在真实世界多种来源的数据集上，对顶级公共和商业Gleason分级算法进行公平比较，并纳入病理学家的读者研究	商业算法未在公共基准上发布性能，比较可能受限于数据集的多样性和样本量	评估和比较基于AI的Gleason分级算法在真实世界数据上的性能，以促进研究界和商业算法之间的对比	前列腺活检全切片图像	数字病理学	前列腺癌	深度学习	深度学习模型（具体类型未在摘要中明确）	图像（全切片活检图像）	通过众包收集的多样本数据集，包含多种Gleason等级的图像，具体数量未在摘要中说明	未指定	未指定	二次加权卡帕系数	未指定
3264	2026-08-24	From Deep Learning to the Discovery of Promising VEGFR-2 Inhibitors 2024-Aug-19, ChemMedChem IF:3.6Q2 DOI:10.1002/cmdc.202400108 PMID:38726553	研究论文	本研究开发了一个深度学习分类模型，从内部化学库中筛选出潜在的VEGFR-2抑制剂，并通过分子对接和生物活性预测平台优先选出两个候选化合物，实验验证其对MCF-7乳腺癌细胞具有抗增殖活性	结合深度学习分类模型、分子对接和靶点钓鱼平台PLATO，形成多层次筛选工作流程，并成功实验验证候选化合物的活性	未提供明确局限性说明	发现新型且更有效的VEGFR-2抑制剂，以减少现有药物的副作用	VEGFR-2抑制剂候选化合物（RHE-334和EA-11）及其对MCF-7乳腺癌细胞和WI-38细胞的作用	机器学习	癌症	NA	深度学习分类模型	分子结构数据	包括187个药物样化合物在内的内部化学库	NA	NA	IC50值	NA
3265	2026-08-24	Deep Learning for Histopathological Assessment of Esophageal Adenocarcinoma Precursor Lesions 2024-08, Modern pathology : an official journal of the United States and Canadian Academy of Pathology, Inc IF:7.1Q1 DOI:10.1016/j.modpat.2024.100531 PMID:38830407	研究论文	本研究开发了一个两阶段的深度学习AI系统，用于评估Barrett食管相关的异型增生，该系统在整张切片图像上识别腺体、分级异型增生并给出诊断，性能优于大多数病理学家。	创新点在于开发了一个两阶段的AI系统，结合腺体和组织水平的注释，对Barrett食管相关的异型增生进行自动分级，并通过与大型国际病理学家组的比较验证了其优越性能。	局限性可能包括依赖特定的注释方式、样本量有限以及需要进一步验证其在真实世界中的泛化能力。	研究目的是利用深度学习提高Barrett食管相关异型增生的组织病理学评估效率和准确性，并为病理学家提供辅助诊断工具。	研究对象是Barrett食管相关的异型增生病变的组织病理学图像。	数字病理学	食管腺癌前病变（Barrett食管相关异型增生）	组织病理学图像分析	深度学习模型	整张切片图像（WSI）	290张整张切片图像用于训练和开发，55张数字化活检图像用于评估	未指定	两阶段架构，具体类型未指定	准确率、受试者工作特征曲线下面积（AUC）、敏感性、特异性	未指定
3266	2026-08-24	An interpretable deep learning model for detecting BRCA pathogenic variants of breast cancer from hematoxylin and eosin-stained pathological images 2024, PeerJ IF:2.3Q2 DOI:10.7717/peerj.18098 PMID:39484212	研究论文	开发了一种基于双向自注意力多实例学习（BiAMIL）的可解释深度学习模型，用于从乳腺癌苏木精-伊红（H&E）染色病理图像中检测BRCA致病性变异状态	提出了BiAMIL算法，结合注意力机制和类激活映射（CAM）技术，实现了BRCA状态的预测及病理图像中可解释形态学特征的关联分析	样本量有限，仅包含254例乳腺癌患者的319张病理切片，且未提及外部验证中的广泛适用性	开发一种可解释的深度学习模型，以低成本、高效地从H&E病理图像中预测乳腺癌BRCA基因状态	乳腺癌患者的H&E染色病理图像及其BRCA基因状态	数字病理学	乳腺癌	H&E染色病理图像分析	BiAMIL（双向自注意力多实例学习）	病理图像	254例乳腺癌患者的319张组织病理切片，包含633,484个肿瘤切片（tiles）	NA	BiAMIL	AUC	NA
3267	2026-08-24	Superpixel-ComBat modeling: A joint approach for harmonization and characterization of inter-scanner variability in T1-weighted images 2024, Imaging neuroscience (Cambridge, Mass.) DOI:10.1162/imag_a_00306 PMID:40800451	研究论文	提出了一种结合3D超像素分割和ComBat建模的联合方法（SP-ComBat），用于评估和协调T1加权图像中的跨扫描仪变异性	首次将统计ComBat方法扩展到图像域，通过3D超像素分割实现可解释的跨扫描仪变异性表征，并提出新的协调策略	未明确提及，但可能受限于样本量和特定MRI扫描仪类型	评估T1加权图像中的可解释跨扫描仪变异性，并开发一种实用的协调策略	四个3T MRI扫描仪匹配的T1加权图像，涉及脑组织	医学图像分析	不适用	3D超像素分割、ComBat建模	统计模型	图像（T1加权MRI）	未明确提及，涉及四个扫描仪的匹配图像	不适用	不适用	信噪比、对比度噪声比、信号不均匀性指数、结构相似性指数	不适用
3268	2026-08-24	DUE: Dynamic Uncertainty-Aware Explanation Supervision via 3D Imputation 2024, KDD : proceedings. International Conference on Knowledge Discovery & Data Mining DOI:10.1145/3637528.3671641 PMID:42633249	研究论文	提出一种动态不确定性感知的解释监督框架（DUE），通过3D插值实现稀疏标注3D医学图像的解释引导，提升模型的可预测性和可解释性	首次将解释监督扩展到3D医学图像领域，提出动态不确定性感知机制和基于扩散的3D插值方法，解决空间相关性变化、缺乏3D标注和不确定性分布不均的挑战	未在标题和摘要中明确说明局限性	开发针对3D医学图像的解释监督框架，提高深度学习模型在医学影像诊断中的可预测性和可解释性	3D医学图像及深度学习模型的解释生成过程	医学影像分析	未指定（应用在多种真实医学影像数据集上）	3D插值，扩散模型	深度学习模型（具体类型未指定）	3D医学图像	未在标题和摘要中明确样本数量	未指定	未指定	可预测性和可解释性指标（具体未列出）	未在标题和摘要中说明
3269	2026-08-23	LncPNdeep: A long non-coding RNA classifier based on large language model with peptide and nucleotide embedding 2026-Oct, Non-coding RNA research IF:5.9Q1 DOI:10.1016/j.ncrna.2026.06.004 PMID:42621896	研究论文	开发了LncPNdeep，一种整合核苷酸和肽段嵌入的深度学习框架，用于准确区分长链非编码RNA与编码RNA，并在人类转录组和跨物种数据上取得了最优性能	首次结合掩码语言模型提取的核苷酸和肽段双模态嵌入，利用BigBird、Longformer和ProtTrans的上下文表示，通过拼接神经网络架构增强lncRNA分类能力	未在摘要中明确提及具体局限性，但可能包括对大规模计算资源的需求或对特定物种的依赖	开发一种整合核苷酸和肽段特征的长链非编码RNA分类工具，以提高分类准确性和跨物种泛化能力	人类转录组及跨物种数据集中的长链非编码RNA与编码RNA序列	机器学习	NA	掩码语言模型（BigBird、Longformer、ProtTrans）	深度学习模型	核苷酸序列和肽段序列数据	人类转录组数据集及跨物种数据集，具体数量未在摘要中说明	NA	BigBird、Longformer、ProtTrans、拼接神经网络	准确率、F1分数	NA
3270	2026-08-23	Artificial intelligence in onco-anaesthesia: Current applications, challenges, and future directions 2026-Sep-20, World journal of methodology DOI:10.5662/wjm.117916 PMID:42625971	综述	本文综述了人工智能在肿瘤麻醉学中的当前应用、面临的挑战及未来发展方向，涵盖术前、术中和术后的围手术期癌症管理路径。	系统性地总结了AI在肿瘤麻醉学中的应用，包括术中闭环麻醉系统、预测性血流动力学监测及多模态数据整合，并探讨了AI在验证“肿瘤麻醉假说”中的作用。	存在数据异质性、泛化性有限、算法不透明、监管不确定性和伦理问题等挑战，且需要大型前瞻性研究验证。	探讨人工智能如何变革肿瘤麻醉实践，从反应性生理管理转向预测性和精准化护理，并识别未来发展的关键方向。	围手术期癌症患者，涵盖术前风险评估、术中麻醉管理及术后并发症监测。	机器学习、数字病理	癌症（多种类型）	电子健康记录表型分析、基因组学、放射组学、可穿戴生物信号、高分辨率生理波形分析	机器学习、深度学习模型（具体类型未指定）	电子健康记录、影像数据、基因组数据、生物信号、生理波形	不适用（综述文章，未涉及具体样本）	NA	NA	NA	NA
3271	2026-08-23	Deep Learning for Fetal Left Ventricular Outflow Tract Assessment: Opportunities and Challenges 2026-Sep, Journal of ultrasound in medicine : official journal of the American Institute of Ultrasound in Medicine IF:2.1Q2 DOI:10.1002/jum.70240 PMID:41863022	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
3272	2026-08-23	Diagnostic performance of artificial intelligence models trained on scattered single-cell images is not preserved for hyperchromatic crowded cell groups in cervical cytology 2026-Sep, Cancer cytopathology IF:2.6Q2 DOI:10.1002/cncy.70140 PMID:42566440	研究论文	本研究量化了基于散在单细胞图像训练的人工智能模型在应用于宫颈细胞学中的深染拥挤细胞团时的性能损失	首次系统评估了从散在单细胞图像训练的AI模型直接应用于深染拥挤细胞团时的性能下降，并强调了直接验证和模型设计需考虑HCG的必要性	研究仅涉及二分类任务，且HCG独立数据集规模较小，未进行重新训练或阈值调整	评估基于散在单细胞图像训练的AI模型在宫颈细胞学HCG上的泛化性能，并强调直接验证的重要性	宫颈液基细胞学图像，包括散在单细胞和深染拥挤细胞团	计算机视觉	宫颈癌	NA	卷积神经网络	图像	散在细胞数据集101例（1062张图像），HCG独立数据集48例（330张图像）	NA	ResNet-50, ResNeXt-50, ConvNeXt-Tiny, EfficientNet-B3, VGG-19, GoogLeNet	曲线下面积（AUC）	NA
3273	2026-08-23	Deep learning auto-contouring of target and organs-at-risk on post-catheter implant CT images for prostate HDR brachytherapy 2026-Sep, Journal of applied clinical medical physics IF:2.0Q3 DOI:10.1002/acm2.70748 PMID:42613795	研究论文	开发并验证了一种基于3D深度学习（nnU-Net）的前列腺高剂量率近距离治疗中靶区和危及器官自动勾画模型，其在术后导管CT图像上的表现优于商业模型	专门针对前列腺HDR近距离治疗后导管CT图像设计，使用自配置U-Net架构（nnU-Net），在几何和剂量学指标上均优于商业模型，支持临床可行性	未明确提及局限性，可能包括样本量有限、单中心数据等（标题和摘要未提供详细信息）	开发并验证一种用于前列腺HDR近距离治疗中靶区和危及器官自动勾画的3D深度学习模型，以提高准确性和效率	前列腺PTV、膀胱、直肠和尿道（经Foley导管识别）	深度学习，医学图像分割	前列腺癌	CT成像	CNN（基于U-Net）	图像（CT图像）	206例训练病例，36例测试病例	PyTorch（基于nnU-Net实现，通常使用PyTorch）	nnU-Net	Dice系数（DSC），Hausdorff距离（HD95%），平均表面距离（ASD），剂量学指标（PTV V100%，膀胱和直肠D1cc，尿道D0.1cc）	未在标题和摘要中提及具体GPU类型或资源
3274	2026-08-23	Efficient and rapid generation of high-quality CT images from CBCT using a flow matching model 2026-Sep, Medical physics IF:3.2Q1 DOI:10.1002/mp.70637 PMID:42613830	研究论文	本文提出了一种基于流匹配模型的CBCT到CT图像转换方法，旨在快速高效地生成高质量的合成CT图像，用于在线自适应放射治疗等临床应用	首次将流匹配模型应用于CBCT到CT的图像转换，该模型构建连续轨迹从先验分布转换到目标分布，相比传统扩散模型需要更少的采样步骤即可获得更优性能，提高了计算效率	摘要中未提及明确的局限性，但可能包括对特定解剖区域（腹部-盆腔）的验证，以及模拟CBCT成像过程可能不完全代表真实临床数据	利用流匹配模型实现CBCT到CT的转换，快速生成高质量CT图像，以满足在线自适应放疗等时效性强的临床需求	腹部-盆腔CT扫描，共135例，用于模型训练（95例）、验证（15例）和测试（25例），并生成配对CBCT-CT图像用于评估	计算机视觉	NA	CBCT成像模拟，深度学习生成模型	流匹配模型	图像（CT和CBCT）	135例腹部-盆腔CT扫描，其中训练95例、验证15例、测试25例	NA	流匹配模型	平均绝对误差（MAE）、结构相似性指数（SSIM）、峰值信噪比（PSNR）、图像清晰度指标	NA
3275	2026-08-23	A coarse-to-fine framework combining deep learning and Monte Carlo for BNCT patient position optimization toward inverse planning 2026-Sep, Medical physics IF:3.2Q1 DOI:10.1002/mp.70642 PMID:42623144	研究论文	提出一种结合深度学习和蒙特卡洛的粗到细框架，用于硼中子俘获治疗患者定位优化，实现高效逆向计划	首次将深度学习剂量预测模型与GPU加速蒙特卡洛引擎集成到贝叶斯优化框架中，实现BNCT患者定位的自动逆计划	未提及	开发自动化的患者定位优化框架，以克服蒙特卡洛模拟的计算瓶颈，实现BNCT高效逆向计划	229例胶质母细胞瘤患者（GLIS-RT开放数据集）	医学图像计算，深度学习，优化	胶质母细胞瘤	蒙特卡洛模拟	3D U-Net	医学图像（CT等）	229例胶质母细胞瘤患者，按70:20:10分为训练、验证和测试集	未提及	3D U-Net	目标剂量（mean target dose）、均匀性指数（HI）、优化时间加速比	GPU加速，具体型号未提及
3276	2026-08-23	Interpretable Deep Learning Applied to Fluorescence Confocal Microscopy for Intraoperative Tissue Assessment in Pediatric Surgical Oncology 2026-Aug-21, European journal of pediatric surgery : official journal of Austrian Association of Pediatric Surgery ... [et al] = Zeitschrift fur Kinderchirurgie IF:1.5Q3 DOI:10.1055/a-2936-0049 PMID:42586518	研究论文	本研究将深度学习应用于儿童手术肿瘤学中的荧光共聚焦显微镜图像，实现自动、准确且空间可解释的肿瘤检测	首次将深度学习与离体荧光共聚焦显微镜结合应用于儿科领域，实现快速且可解释的组织分类	未提供明确的局限性信息	验证深度学习直接应用于离体荧光共聚焦显微镜图像能够实现儿童标本中自动、准确且空间可解释的肿瘤检测	来自42名儿童的141个手术和活检标本	数字病理学	儿科肿瘤	荧光共聚焦显微镜	卷积神经网络	图像	243,659个图像块（其中124,348个恶性、48,441个良性、70,870个健康组织块），独立测试集包含84,751个图像块	未明确指定	卷积神经网络（具体架构未指定）	准确率、敏感性、特异性、F1分数	未提供
3277	2026-08-23	Image Quality of 1.5 T MRI Using Dual-Type Deep Learning Reconstruction for Pancreatic Cystic Lesions: An Exploratory Comparison With Conventional 3 T MRI Without Deep Learning Reconstruction 2026-Aug-21, Journal of magnetic resonance imaging : JMRI IF:3.3Q1 DOI:10.1002/jmri.70493 PMID:42627715	研究论文	本研究比较了1.5 T MRI使用双重类型深度学习重建与常规3 T MRI在胰腺囊性病变图像质量上的表现，发现1.5 T DLR在图像质量指标上优于3 T无DLR。	首次探索不同强度双重类型DLR在1.5 T MRI上对胰腺囊性病变图像质量的影响，并与3 T无DLR进行对比。	探索性研究，非同期比较，样本量有限，且来自单一中心。	评估1.5 T MRI使用不同强度双重类型DLR对胰腺囊性病变图像质量的影响，并与常规1.5 T和3 T MRI（无DLR）进行比较。	99例胰腺囊性病变患者（53男，46女，年龄29.2-93.8岁），其中54例在2年内接受过3 T MRI。	医学影像，深度学习	胰腺囊性病变	1.5 T和3 T MRI，双重类型深度学习重建，压缩感知	深度学习重建（DLR）	MRI图像	99例患者（1.5 T MRI），其中54例有3 T MRI	NA	双重类型DLR（具体架构未说明）	信噪比（SNR）、对比噪声比（CNR）、边缘上升距离（ERD）、5点Likert量表评分（定性评估）	NA
3278	2026-08-23	Unsupervised Dynamic MRI Reconstruction via Low-Rank Patch-Based Tensor Functions with Implicit Neural Representation 2026-Aug-21, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2026.3726594 PMID:42627745	研究论文	提出了一种名为TenF-INR的无监督动态MRI重建框架，结合低秩张量建模与隐式神经表示，旨在从欠采样数据中高质量重建图像。	将低秩张量分解与隐式神经表示相结合，并用INR建模可学习的张量因子函数，减少参数空间与计算负担；采用基于补丁的非局部张量建模策略，增强时空细节恢复。	未明确提及，但可能在高度欠采样情况下重建精度仍受限，且计算成本较高。	开发一种无需外部训练数据、高效且可解释的无监督动态MRI重建方法，以支持高倍加速成像。	动态心脏和腹部MRI数据。	医学图像重建、深度学习、隐式神经表示	不适用	MRI（动态成像，欠采样）	隐式神经表示（INR）、低秩张量分解	MRI图像（动态心脏和腹部数据）	不明确（未在摘要中指定样本数量）	不适用（未提及具体框架，可能使用PyTorch或TensorFlow）	隐式神经表示（INR）+ 低秩因子函数（未指定具体网络架构如MLP）	图像质量、时间保真度、定量准确性（未提及具体指标，如PSNR、SSIM等）	不适用（未提及具体GPU或云平台）
3279	2026-08-23	Biallelic loss of RB1 in hepatocellular carcinoma as synthetic lethal target for artificial intelligence-guided therapy 2026-Aug-20, Signal transduction and targeted therapy IF:40.8Q1 DOI:10.1038/s41392-026-02815-0 PMID:42618565	研究论文	该文章研究了肝细胞癌中RB1基因双等位基因失活（RB1-Bi）的临床意义，并利用深度学习模型预测其状态，通过药物筛选揭示了合成致死靶点，为精准医疗提供新机会。	首次在肝细胞癌中综合分析了RB1双等位基因失活的患病率、预后影响，并开发了基于深度学习的FR-MIL模型预测RB1-Bi状态，同时通过高通量药物筛选和体内外实验发现合成致死相互作用。	摘要中未提及明确限制。	明确RB1双等位基因失活在肝细胞癌中的生物学和临床后果，并探索其作为治疗靶点的可能性。	肝细胞癌患者肿瘤样本，包括TCGA-LIHC队列（n=355）和内部AMC队列（n=206）以及验证队列。	数字病理学	肝细胞癌	基因组分析、深度学习、高通量药物筛选	深度学习模型（FR-MIL）	基因组数据、组织病理学图像、药物筛选数据	包括发现队列（n=561）和验证队列，具体样本数未详述	NA	FR-MIL模型	F1分数、调整后风险比	NA
3280	2026-08-23	Diagnostic Accuracy of Medical Imaging-Based Artificial Intelligence for Osteonecrosis of the Femoral Head: Systematic Review and Meta-Analysis 2026-Aug-20, Journal of medical Internet research IF:5.8Q1 DOI:10.2196/95648 PMID:42623169	系统综述和荟萃分析	本研究通过系统综述和荟萃分析评估基于医学影像的人工智能模型在诊断股骨头坏死方面的整体诊断准确性	首次对基于医学影像的AI模型诊断ONFH的准确性进行系统性评价，并采用亚组分析、Meta回归和Fagan列线图评估临床效用	纳入研究数量有限、以回顾性设计为主、缺乏充分的外部验证，导致证据需谨慎解读	综合医学影像AI模型诊断ONFH的整体诊断准确性，为临床决策提供依据	股骨头坏死（ONFH）患者，共16,189个髋关节	医学影像分析	股骨头坏死	医学影像（X射线和MRI）、深度学习、机器学习	深度学习模型和机器学习模型	医学影像数据	12项研究，16,189个髋关节	不适用	不适用	敏感性、特异性、阳性似然比、阴性似然比、诊断优势比、受试者工作特征曲线下面积（AUC）、I²异质性	不适用