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
3361	2026-08-23	Multiphase CT-based deep learning radiomics nomogram models for preoperative WHO/ISUP grading of clear cell renal cell carcinoma: a two-center validation study 2026-03-09, BMC medical imaging IF:2.9Q2 DOI:10.1186/s12880-026-02268-5 PMID:41803747	研究论文	开发并验证了一种基于多期CT成像的深度学习放射组学列线图模型，用于术前预测透明细胞肾细胞癌的WHO/ISUP核分级。	将多期CT成像与机器学习相结合，整合了放射组学特征、深度学习特征和临床变量，并采用SHAP和Grad-CAM增强模型可解释性。	未在摘要中明确提及局限性。	开发一种非侵入性的术前工具，用于准确预测ccRCC的WHO/ISUP核分级，以辅助手术规划。	透明细胞肾细胞癌（ccRCC）患者。	医学影像分析、深度学习、放射组学	肾细胞癌	多期CT成像、放射组学、深度学习	深度学习模型、放射组学模型、列线图	CT图像、临床数据	1499例患者，分为训练队列（929例）、内部验证队列（398例）和外部验证队列（172例）。	未提及	DenseNet201	AUC、校准分析	未提及
3362	2026-08-23	DGM: deep graph clustering with mincut for analysis of single-cell transcriptomics 2026-Mar-09, BMC genomics IF:3.5Q2 DOI:10.1186/s12864-026-12694-y PMID:41803718	研究论文	提出深度图最小割（DGM）框架，用于单细胞转录组学的细胞类型聚类分析	联合优化高阶最小割损失、簇间正交性损失和重建约束，以捕捉复杂细胞群落并保持全局图结构	未在摘要中明确提及局限性	改进单细胞RNA测序数据的细胞类型识别聚类方法，克服当前图方法忽略高阶拓扑的局限	单细胞转录组数据（scRNA-seq）	机器学习	NA	单细胞RNA测序（scRNA-seq）	深度学习框架（自动编码器与图学习集成）	基因表达矩阵（单细胞转录组数据）	十个公共scRNA-seq数据集	NA	自动编码器与图神经网络结合	归一化互信息（NMI），调整兰德指数（ARI）	NA
3363	2026-08-23	Artificial intelligence and machine learning in non-small cell lung cancer: the current state of the science on multi-omic applications 2026-Mar-09, BMC medical research methodology IF:3.9Q1 DOI:10.1186/s12874-026-02821-4 PMID:41803732	综述	本文批判性综述了人工智能和机器学习在非小细胞肺癌多组学应用中的现状，涵盖临床验证、可解释性和伦理部署。	综合探讨了深度学习和集成方法在影像、基因组学及多模态整合中的应用，并强调超越传统诊断流程的潜力。	持久挑战包括数据集多样性不足、缺乏外部验证、模型可解释性和伦理问题。	评估AI/ML在NSCLC中的应用现状，倡导大规模跨学科合作以推进个性化医疗。	非小细胞肺癌的影像、基因组及多模态数据。	机器学习，数字病理学	肺癌	多组学技术（包括基因组学和影像学），具体技术如NGS等未详细说明，故标注为NA	深度学习模型，集成方法	临床、基因组和影像数据	NA（综述论文，未提及具体样本量）	NA（未提及具体框架）	深度学习和集成方法架构，具体如CNN、Transformer等未详细说明，故标注为NA	NA（综述未提及具体性能指标）	NA（综述未提及计算资源）
3364	2026-08-23	Preoperative prediction of perineural invasion in intrahepatic cholangiocarcinoma with interpretable machine learning based on MRI 2026-03, European journal of surgical oncology : the journal of the European Society of Surgical Oncology and the British Association of Surgical Oncology DOI:10.1016/j.ejso.2026.111450 PMID:41628547	研究论文	开发基于MRI的影像组学和深度学习的可解释模型，用于术前预测肝内胆管癌的神经周围浸润。	结合影像组学和深度学习，利用多期MRI数据，并通过Grad-CAM可视化增强模型可解释性。	未明确提及，但可能受限于样本量和回顾性设计。	开发并验证基于MRI的术前预测肝内胆管癌神经周围浸润的影像组学和深度学习模型。	肝内胆管癌患者	医学影像、深度学习、影像组学	肝内胆管癌	MRI（多期扫描）	深度学习模型（PNI-MambaNet）、影像组学模型	MRI图像	165例患者（中心1: 115训练，14验证，15内部测试；中心2: 21外部测试）	数坤AI平台	PNI-MambaNet	AUC	NA
3365	2026-08-23	A novel automated parathyroid glands detection and segmentation method in thyroidectomy 2026-Feb-13, BMC surgery IF:1.6Q2 DOI:10.1186/s12893-026-03590-z PMID:41680745	研究论文	提出了一种名为PG-AI的自动检测和分割甲状旁腺的新方法，用于甲状腺切除术中，以提高手术中的识别准确性和效率	基于YOLOX的定位子网和新型语义分割模型Trans-U-HRNet的创新结合，实现甲状旁腺的实时自动化检测和分割	文中未明确提及局限性	开发一种新的术中甲状旁腺识别方法，以提高甲状腺切除术中甲状旁腺的保存率	甲状旁腺的检测和分割	计算机视觉	甲状腺疾病	深度学习	YOLOX, Trans-U-HRNet	术中图像	976张图像来自121例患者，其中101例患者的图像按8:2随机分为训练集和内部验证集	NA	YOLOX, Trans-U-HRNet	准确率, 召回率, 识别率, 一致性	NA
3366	2026-08-23	X-SPATIO: An Explanatory Deep Learning Pipeline for the Prediction and Visualization of Spatially Resolved Biomarker Expression in Triple-Negative Breast Cancer 2026-Feb-11, bioRxiv : the preprint server for biology DOI:10.64898/2026.02.09.704587 PMID:41726881	研究论文	开发了X-SPATIO，一个基于深度学习的可解释性流水线，用于预测和可视化三阴性乳腺癌中空间分辨的生物标志物表达，通过H&E形态与空间转录组和蛋白质组数据关联。	将空间分辨的分子数据与常规组织学结合，采用多实例学习生成空间形态学注意力图，以解释预测并揭示形态-分子关联，突破了传统基于批量或聚焦面板预测的局限。	依赖GeoMx平台的空间数据，可能受限于平台成本和通量；训练样本数量和类型未明确说明，可能影响泛化性。	建立一种成本效益高的方法，通过常规H&E组织学图像推断空间生物标志物表达，支持三阴性乳腺癌的精准肿瘤学和生物学发现。	三阴性乳腺癌组织样本中的H&E染色区域和配对的空间转录组和蛋白质组数据。	计算病理学	三阴性乳腺癌	空间转录组学、空间蛋白质组学、H&E染色	多实例学习模型	组织图像、空间转录组表达数据、空间蛋白质组表达数据	未指定样本数量；使用来自GeoMx Digital Spatial Profiler的空间分辨数据	未指定，可能使用深度学习框架（如PyTorch或TensorFlow）	多实例学习架构，可能基于卷积神经网络（CNN），但未具体说明（如ResNet或Transformer）	AUC（范围[0.79, 0.97]）	未指定具体的GPU或计算资源
3367	2026-08-23	Motion-Informed 3D Deep Learning Reconstruction in Patients with Cognitive Impairment 2026-02-03, AJNR. American journal of neuroradiology DOI:10.3174/ajnr.A8977 PMID:41062184	研究论文	本研究验证了一种集成运动校正的深度学习重建方法，用于改善认知障碍患者的3D T1加权脑MRI图像质量	首次将回顾性运动校正集成到深度学习重建流程中，用于处理认知障碍患者的脑MRI运动伪影	未提及具体限制，但可能包括样本量较小、单中心或多中心验证不足等	验证一种集成运动校正的深度学习重建方法在3D T1加权脑MRI中的有效性	健康志愿者和认知障碍（记忆丧失评估）患者	医学影像	认知障碍	MRI（3D MPRAGE）	深度学习重建模型	MRI图像	41名参与者（15名女性，平均年龄58岁），154个图像体积	NA	NA	分割误差、图像质量评分（Likert量表）、运动伪影严重程度	NA
3368	2026-08-23	Clinical Validation of Deep Learning-Accelerated versus Wave-CAIPI Postcontrast 3D T1-MPRAGE for Evaluation of Intracranial Enhancing Lesions 2026-02-03, AJNR. American journal of neuroradiology DOI:10.3174/ajnr.A8992 PMID:41617400	研究论文	本研究前瞻性比较了深度学习加速的3D T1-MPRAGE与Wave-CAIPI加速序列在评估颅内强化病变中的诊断质量，结果显示DL序列非劣于Wave-CAIPI，且增强了对细微强化病变的显示。	首次将深度学习加速的3D T1-MPRAGE序列与Wave-CAIPI加速序列进行临床验证，用于颅内强化病变评估	研究为单中心、样本量有限，且未涉及所有可能的病变类型	评估深度学习加速的3D T1-MPRAGE序列在颅内强化病变评估中的诊断质量，比较其与Wave-CAIPI序列的非劣性。	接受对比增强脑MRI的门诊患者，共115例，包括肿瘤、血管病变和头痛等临床指征。	医学影像	颅内强化病变（包括肿瘤、血管病变等）	MRI（3T），深度学习重建	变分网络和改进的超分辨率算法	医学图像（3D T1-MPRAGE序列）	115例患者（68女/47男，平均年龄54±10岁）	NA	变分网络（6次迭代）和超分辨率算法	非劣性检验（15%界值），P值	NA
3369	2026-08-23	Accelerated Patient-specific Non-Cartesian Magnetic Resonance Imaging Reconstruction Using Implicit Neural Representations 2026-02-01, International journal of radiation oncology, biology, physics DOI:10.1016/j.ijrobp.2025.08.059 PMID:40915433	研究论文	开发了一种基于隐式神经表示（INR）的新型k空间生成对抗训练网络（k-GINR），用于加速非笛卡尔磁共振成像重建，并在肝脏数据集上验证其性能。	提出了k-GINR，一种两阶段的隐式神经表示网络，结合对抗训练，能够直接重建非笛卡尔k空间数据，适用于新患者，无需迭代优化，且在极高加速倍数下表现优异。	重建时间约为3分钟，虽快于NeRP和CS，但仍慢于Deep Cascade CNN（3秒），可能不适合实时应用。	开发一种能够快速、高质量重建非笛卡尔MR图像的深度学习方法，以加速磁共振采集。	非笛卡尔k空间重建，具体为StarVIBE T1加权肝脏数据（118个前瞻性采集扫描），包括线圈数据。	医学影像重建	NA	磁共振成像（MRI）	隐式神经表示（INR）	磁共振图像（非笛卡尔k空间数据）	118个患者扫描（肝脏数据）	PyTorch（推测）	生成对抗网络（GAN）结合INR	峰值信噪比（PSNR）	NA（未指定具体GPU型号）
3370	2026-08-23	Evaluation of the Diagnostic Accuracy of Cervical Cell Morphologies from Android Device-Captured Cytopathological Microscopic Images through Artificial Intelligence in Mainly Rural or Resource-Constraint Areas of India 2026-Feb-01, Asian Pacific journal of cancer prevention : APJCP DOI:10.31557/APJCP.2026.27.2.601 PMID:41660918	研究论文	本研究开发并评估了一个人工智能集成系统，用于自动检测和分类安卓设备拍摄的宫颈细胞病理显微图像，以在印度主要农村或资源受限地区实现宫颈细胞形态的快速、经济诊断	提出一个整合三种深度学习模型和一种机器学习模型的系统，专门用于从安卓手机或平板拍摄的巴氏涂片图像中自动检测和分类细胞，并在医院内部数据集上验证了其与活检金标准的相关性	研究仅基于292张医院内部巴氏涂片图像，样本量有限，且未详细说明模型在更广泛人群或多种设备上的泛化能力	开发并评估一种人工智能软件，用于自动检测和分类宫颈细胞形态，以在资源受限地区提供时间高效、成本效益高的宫颈癌诊断方法	宫颈细胞病理显微图像，包括医院内部巴氏涂片图像以及SipakMed和Herlev公开数据集	数字病理学	宫颈癌	显微成像	深度学习模型和机器学习模型	图像	292张医院内部巴氏涂片图像，以及SipakMed和Herlev公开数据集图像	NA	NA	精确度, 准确率, 交并比	NA
3371	2026-08-23	A toolkit for generating virtual brightfield images of histological and immunohistochemical stains from multiplexed data with AI-based channel selection and image enhancement 2026, Frontiers in bioinformatics IF:2.8Q2 DOI:10.3389/fbinf.2026.1765143 PMID:41878398	研究论文	介绍了一个从多重成像数据生成虚拟明场图像的通用框架，包括基于物理的染色模型、通道选择策略和深度学习增强模型，以减少额外组织制备和配准需求	首次提出结合物理染色模型、查找表或大型语言模型辅助的通道选择策略，以及深度学习上采样和去噪模型的通用虚拟明场图像生成框架，并验证了大型语言模型在通道选择中的一致性能	未明确提及局限性	开发一种从多重成像数据生成高质量虚拟明场图像的通用方法，以减少额外组织制备和图像配准需求，并保持可量化和诊断质量	多重成像数据（包括质谱流式成像和荧光多重成像）中的细胞和组织	计算病理学	不适用	多重成像（质谱流式成像、荧光多重成像）	深度学习模型（具体类型未指定，但包含上采样和去噪）	图像	未明确提及	未明确提及	未明确提及（为深度学习上采样和去噪模型）	类似于真实明场图像的质量、可量化性和诊断质量	未明确提及
3372	2026-08-23	Automated deep learning based detection of cellular deposits on clinically used ECMO membrane lungs 2026, Frontiers in bioinformatics IF:2.8Q2 DOI:10.3389/fbinf.2026.1771574 PMID:41993244	研究论文	开发一种基于深度学习的自动化工具，用于检测临床使用中的ECMO膜肺上细胞沉积物	提出了一种定制化的荧光显微镜工作流程，结合半自动迭代标注策略生成高质量训练数据集，并采用Mask R-CNN与ResNet 101骨干及空洞卷积，在重叠和低强度细胞核分割上优于传统U-Net方法	未明确说明局限性，但可能受限于三维空心纤维结构中不规则沉积物的复杂性	实现ECMO膜肺上核沉积物的自动化检测和定量分析，以支持对ECMO并发症机制的研究	临床使用过的ECMO膜肺空心纤维垫上的细胞核沉积物	数字病理学	心血管疾病	荧光显微镜	实例分割模型（Mask R-CNN）	图像	未明确说明样本数量，但涉及膜肺空心纤维垫的荧光显微镜图像	NA	Mask R-CNN，ResNet 101，U-Net（用于比较）	细胞核计数准确性和面积准确性	NA
3373	2026-08-23	Circulating tumor cell detection in cancer patients using in-flow deep learning holography 2026, Npj biosensing DOI:10.1038/s44328-026-00084-z PMID:41993926	研究论文	介绍了一种基于流式深度学习全息术的循环肿瘤细胞检测系统，结合微流体富集和双模态成像，实现对癌症患者血液中CTCs的高灵敏度和特异性检测	集成惯性微流体预处理与双模态成像（全息与荧光），采用深度学习模型提供形态学置信度，并与免疫荧光标准结合，提高检测准确性	初步研究样本量较小，需要进一步大规模验证	旨在提高循环肿瘤细胞检测的灵敏度和特异性，以支持早期癌症检测、预后和疾病监测	循环肿瘤细胞（CTCs）在晚期前列腺癌患者和健康对照者的血液样本中的应用	数字病理学、计算机视觉	前列腺癌	数字全息显微镜、微流体富集、深度学习	深度学习模型	全息图像、荧光图像	13例晚期前列腺癌患者，8例健康对照	未提及	未提及具体架构	假阳性率（患者水平为1细胞/mL），CTC计数	未提及
3374	2026-08-23	A multimodal deep learning-based model for posture asymmetry recognition and sports injury risk prediction in adolescent table tennis athletes 2026, Frontiers in physiology IF:3.2Q2 DOI:10.3389/fphys.2026.1800522 PMID:41994050	研究论文	本研究开发了一种多模态深度学习框架，用于识别青少年乒乓球运动员的姿势不对称并预测运动损伤风险	通过跨模态注意力机制、加权图卷积网络和时间卷积网络整合视频RGB序列、骨骼关键点轨迹和运动学参数，实现了姿势不对称的自动识别和损伤风险分层	属于前瞻性生物力学风险分层而非纵向验证的损伤发生预测，且未在纵向数据上验证预测准确性	开发智能评估系统，用于青少年乒乓球运动员训练监控和损伤预防	青少年乒乓球运动员的姿势不对称和运动损伤风险	计算机视觉	运动损伤	多模态深度学习	图卷积网络、时间卷积网络	视频RGB序列、骨骼关键点轨迹、运动学参数	TTStroke-21数据集	NA	跨模态注意力机制、加权图卷积网络、时间卷积网络	准确率、F1分数	NA
3375	2026-08-23	Application of machine learning and deep learning in the diagnosis and treatment of inguinal hernia: a narrative review 2026, Frontiers in medicine IF:3.1Q1 DOI:10.3389/fmed.2026.1743178 PMID:41994435	综述	本文综述了机器学习和深度学习在腹股沟疝诊断和治疗中的应用，涵盖疾病预测、医学影像分析和手术导航等方面	系统性地总结了机器学习和深度学习在腹股沟疝诊治中的进展，并探讨了生成式人工智能在医学咨询中的潜力	生成式人工智能的准确性和可靠性需进一步验证，且综述未提供定量性能比较	为腹股沟疝的临床实践和技术创新提供参考	腹股沟疝患者及相关临床数据	机器学习	腹股沟疝	NA	机器学习模型、深度学习模型、生成式人工智能	医学图像、视频、临床数据	NA	NA	深度神经网络	预测准确性等（未具体列出）	NA
3376	2026-08-23	Few-shot deployment of pretrained MRI transformers in brain imaging tasks 2026, Frontiers in artificial intelligence IF:3.0Q2 DOI:10.3389/frai.2026.1771088 PMID:41994558	研究论文	本研究提出了一种针对脑部MRI任务的预训练Transformer小样本部署框架，通过MAE预训练和混合架构提高了分类与分割性能	提出了MAE-FUnet混合架构，融合预训练MAE嵌入与多尺度CNN特征，以及冻结编码器加轻量线性头的分类方法，实现了小样本场景下的最优性能	研究主要局限于MRI模态和脑部成像任务，尚未验证在其他医学影像或更广泛领域的适用性	开发一个实用框架，实现预训练MRI Transformer在各种脑部成像任务中的小样本部署	脑部MRI图像，包括分类和分割任务，涉及NACC、ADNI、OASIS、NFBS、SynthStrip和MRBrainS18数据集	数字病理学, 机器学习	神经系统疾病	MRI成像, 深度学习预训练	Transformer (Masked Autoencoder), CNN	医学图像 (MRI切片)	超过3100万张2D切片图像	PyTorch	MAE, MAE-FUnet, CNN (用于特征提取)	准确率, Dice系数, IoU值	未明确提及，推断为GPU集群
3377	2026-08-23	Advances in ultrasound for preoperative molecular subtyping of malignant breast tumors 2026, Frontiers in oncology IF:3.5Q2 DOI:10.3389/fonc.2026.1774951 PMID:41994636	综述	本综述总结了超声在乳腺恶性肿瘤术前分子分型中的最新进展，涵盖常规超声特征分析、弹性成像、对比增强超声、微血管成像、放射组学和深度学习，并强调方法学严谨性、可解释性和临床转化	系统整合了定量血管、机械和计算表型在术前分子分型中的应用，并提出了迈向临床部署的路线图，包括标准化采集、前瞻性多中心评估、不确定性感知和可解释的人工智能以及多模态整合	参考标准异质性、单中心回顾性设计、类别不平衡以及有限的外部验证是主要障碍，且分子分型的可分离性应视为操作标签的概率性判别而非生物学决定论，机制起源仍需放射病理/放射基因组学验证	综述超声技术用于乳腺恶性肿瘤术前分子分型的最新进展，并强调方法学严谨性、可解释性和临床转化	乳腺恶性肿瘤患者，包括管腔A型、管腔B型、HER2富集型和三阴性亚型	医学影像	乳腺癌	超声成像（包括B模式、弹性成像、对比增强超声、微血管成像）、放射组学	机器学习模型	超声图像、微血管成像数据、弹性成像数据	NA	NA	NA	NA	NA
3378	2026-08-23	Visceral adipose tissue inflammation in endometrial cancer 2026, Cancer treatment and research communications DOI:10.1016/j.ctarc.2026.101273 PMID:42308582	研究论文	本研究探讨子宫内膜癌患者内脏脂肪组织中的脂肪细胞大小和冠样结构与脂肪分布、肥胖相关合并症及肿瘤特征的关系	首次在子宫内膜癌患者中结合深度学习算法分析CT图像与脂肪组织病理特征，揭示脂肪组织功能障碍与肥胖相关代谢并发症的关联	回顾性研究，样本量有限，且未评估脂肪组织炎症对肿瘤微环境的直接影响	探究内脏脂肪组织功能障碍（脂肪细胞肥大和冠样结构）与肥胖、合并症及肿瘤特征的相关性	90例子宫内膜癌患者，含73例网膜活检样本和术前CT影像	医学影像分析	子宫内膜癌	计算机断层扫描（CT）	深度学习模型	医学影像（CT）和病理图像	90例患者（其中73例有网膜活检）	NA	NA	相关性系数（r），p值	NA
3379	2026-08-23	Feature integration of [18F]FDG PET brain imaging using deep learning for sensitive cognitive decline detection 2026, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0341995 PMID:42479708	研究论文	本研究提出一种数据高效的深度学习框架，整合PET体素级和区域级特征，用于敏感检测认知衰退。	通过直接拼接整合CNN/PCANet提取的体素级特征和DNN处理的区域级特征，提高了认知衰退检测的准确性。	未提及具体限制。	提高认知衰退（包括早期阿尔茨海默病）的检测准确性，并增强临床实用性。	认知衰退患者和认知正常个体，共252名受试者。	医学影像分析	阿尔茨海默病，认知衰退	正电子发射断层扫描（PET）	CNN, PCANet, DNN	图像（PET脑影像）	252名受试者（118名CN，134名CD）	NA	CNN, PCANet, DNN	准确率，召回率，F1分数	NA
3380	2026-08-23	Recent advances in biomarkers, artificial intelligence, and targeted therapeutic strategies in breast cancer: Current progress and future perspectives 2026, Cancer treatment and research communications DOI:10.1016/j.ctarc.2026.101344 PMID:42542076	综述	本文综述了乳腺癌在生物标志物、人工智能辅助诊断和现代治疗策略方面的最新进展，旨在改善精准医学和患者预后	全面整合了常规和新兴生物标志物、AI技术以及多种新型治疗策略（如CDK4/6抑制剂、PARP抑制剂、CRISPR/Cas9基因编辑和纳米技术药物递送系统）在乳腺癌中的应用进展	未提及具体局限性	总结乳腺癌生物标志物、AI辅助诊断和现代治疗策略的最新进展，以促进精准医学发展	乳腺癌的生物标志物、AI诊断技术及相关治疗策略	数字病理学	乳腺癌	人工智能、机器学习、深度学习、医学影像、多模态分析、CRISPR/Cas9、纳米技术	机器学习、深度学习	医学影像、多模态数据	不适用	不适用	不适用	不适用	不适用