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
3381	2026-07-30	A deterministic method for quantifying spindle-shaped cells in noisy bright-field microscopy 2026-May-21, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-51592-x PMID:42168261	研究论文	提出一种确定性图像分析方法，用于从低对比度、高噪声的明场显微图像中直接量化纺锤形细胞，无需荧光标记或监督训练	无需荧光染色或深度学习模型训练，采用对比度增强、自适应阈值分割、轮廓滤波和形状引导精化相结合的确定性流程，在保持高可解释性和低计算复杂度的前提下实现鲁棒细胞计数	未提及具体局限性	开发一种无监督、可解释的明场显微图像纺锤形细胞自动量化方法	纺锤形细胞	计算机视觉	NA	明场显微镜	NA	图像	NA	NA	NA	计数精度, 性能一致性	低计算资源需求
3382	2026-07-30	Prediction of unerupted canines and premolars widths in an Emirati population: development and validation of regression and machine learning models 2026-May-21, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-54292-8 PMID:42168554	研究论文	开发并验证了用于预测阿联酋儿童未萌出尖牙和前磨牙宽度的回归和机器学习模型	首次针对阿联酋人群开发了基于深度学习和机器学习技术的未萌出牙齿宽度预测模型，并发现线性回归模型在平均通过率上优于机器学习方法	研究仅基于阿联酋人群，样本量相对较小（380人），且未涉及其他种族或地理人群的验证	开发更准确的模型来预测阿联酋儿童未萌出尖牙和前磨牙的宽度	阿联酋15-30岁个体的牙齿模型	机器学习	NA	NA	人工神经网络、支持向量回归、线性回归	牙齿宽度测量数据	380名阿联酋个体（年龄15-30岁）的牙齿模型	NA	线性回归、支持向量回归、人工神经网络	通过率、平均绝对误差、均方根误差、决定系数	NA
3383	2026-07-30	A human-in-the-loop explanation framework for morphologically transparent AI predictions from whole-slide images 2026-May-14, NPJ digital medicine IF:12.4Q1 DOI:10.1038/s41746-026-02741-z PMID:42135447	research paper	提出了一种名为MorphoXAI的人机交互解释框架，用于从全切片图像中对深度学习模型进行形态学透明的AI预测解释	该框架通过整合人类专家解释，同时提供局部和全局可解释性，揭示了模型在区分不同类别全切片图像时一致依赖的形态学模式以及引起类别混淆的模式	未知，摘要未提及	通过全局和局部解释的统一，并基于专家解释的形态学，增强深度学习模型的可解释性和可验证性，促进其在临床实践中的透明部署	深度学习模型在全切片图像分析任务中的预测行为	digital pathology	NA	NA	深度学习模型（具体结构未明确说明）	图像（全切片图像）	NA	NA	NA	人类评估指标：易解释性、诊断特征丰富性、对诊断决策的直接帮助	NA
3384	2026-07-30	AUBADE-syn: a novel deep learning ensemble method for glaucoma detection using synthetic fundus images on imbalanced datasets 2026-May-14, NPJ digital medicine IF:12.4Q1 DOI:10.1038/s41746-026-02752-w PMID:42135460	研究论文	提出AUBADE-syn集成学习方法，通过合成视网膜图像解决青光眼检测中的类不平衡问题	首次将无分类器引导扩散模型与结构化类平衡策略集成，在高度不平衡数据集上生成逼真的青光眼图像并提升模型泛化能力	未提及具体限制	解决医学图像数据集中严重类不平衡对青光眼检测性能的影响	青光眼检测任务中的眼底图像	计算机视觉	青光眼	眼科成像	集成学习	图像	EyePACS数据集（约12万张眼底图像，不平衡比率1:30）及10个独立公共数据集+3个额外公共数据集	PyTorch	无分类器引导扩散模型	AUC（曲线下面积）	NA
3385	2026-07-30	Radiomics model integrating MRI and ECV enhances prediction accuracy for progression in high-grade glioma 2026-May-13, NPJ precision oncology IF:6.8Q1 DOI:10.1038/s41698-026-01475-1 PMID:42129328	研究论文	开发基于MobHy-Net的影像组学模型，整合MRI和ECV图像预测高级别胶质瘤患者一年进展风险	首次结合T2-FLAIR和细胞外体积图像的深度学习特征与临床变量，构建MobHy-Net模型用于高级别胶质瘤进展风险预测	样本量较小（193例）且为回顾性研究，需要多中心前瞻性验证	开发准确预测高级别胶质瘤患者一年进展风险的组合模型，辅助临床决策	193名来自两个中心的高级别胶质瘤患者术前多序列MRI数据	机器学习	胶质瘤	MRI	MobHy-Net	图像	193例高级别胶质瘤患者	NA	MobHy-Net	AUC, 决策曲线分析	NA
3386	2026-07-30	Estimating genotype-tissue specific gene expression using hybrid deep learning 2026-May-13, Communications biology IF:5.2Q1 DOI:10.1038/s42003-026-10251-7 PMID:42129502	研究论文	开发了一种混合深度学习模型，用于估计基因型-组织特异性基因表达谱	整合卷积神经网络、Transformer编码器和XGBoost回归器，利用相邻参考基因表达信息及其基因组上下文进行多组织插补	NA	精确估计基因型-组织特异性表达谱，减少对实验性分析的依赖	基因型-组织表达谱	机器学习	NA	NA	CNN, Transformer, XGBoost	序列数据	GTEx数据集中的组织表达谱	NA	卷积神经网络、Transformer编码器、XGBoost回归器	准确率	NA
3387	2026-07-30	Tumor cell specific total mRNA expression informed neural networks predicts cancer progression 2026-May-06, bioRxiv : the preprint server for biology DOI:10.64898/2026.05.01.722212 PMID:42146375	研究论文	提出TmSNet深度学习框架，利用多组学数据预测肿瘤细胞特异性总mRNA表达量，以推断肿瘤进展	首次通过深度神经网络整合mRNA、DNA甲基化、miRNA和免疫细胞比例等多组学特征，预测肿瘤细胞特异性总mRNA表达量，克服了传统方法对匹配DNA和RNA测序数据及计算密集型去卷积管道的依赖	外部验证集（SCAN-B和FUSCC）的相关性较低（分别为0.54和0.43），可能限制了跨队列的泛化能力	开发可扩展的深度学习框架，从多组学数据推断肿瘤细胞特异性总mRNA表达量，以预测癌症进展并实现患者风险分层	12种TCGA癌症类型的肿瘤样本及外部验证队列（SCAN-B、FUSCC）	机器学习	泛癌（癌症）	RNA-seq、DNA甲基化测序、miRNA测序、免疫组化	神经网络（深度学习）	组学数据（mRNA表达、DNA甲基化、miRNA表达、免疫细胞比例）	12种TCGA癌症类型数据及SCAN-B和FUSCC外部验证队列（具体样本数未提及）	TensorFlow、Scikit-learn	梯度提升、LASSO、弹性网络、神经网络	一致性相关系数(CCC)、R²	NA
3388	2026-07-30	Automated Detection of Cervical Spinal Cord Compression on MRI Using YOLO11 Deep Learning Architecture: A Two-Center External Validation Study 2026-May-01, Spine IF:2.6Q1 DOI:10.1097/BRS.0000000000005639 PMID:41631492	研究论文	使用YOLO11深度学习架构在MRI上自动检测颈椎管压迫，并进行双中心外部验证研究	首次利用YOLO11架构实现颈椎MRI脊髓压迫的自动检测，并通过双中心外部验证展示了与专家注释高度一致的表现	未明确提及，但可能受限于回顾性设计、样本量有限及仅使用T2加权图像	开发和验证基于YOLO11的深度学习模型，用于自动检测颈椎MRI上的脊髓压迫，并与专家注释进行评估对比	颈椎脊髓压迫的自动检测	计算机视觉, 数字病理学	颈椎病	MRI	YOLO11	图像	735名患者的1431张矢状T2加权颈椎MRI图像	PyTorch	YOLO11	mAP50, 精确率, 召回率	NA
3389	2026-07-30	MRI-based deep learning and radiomics for preoperative prediction of P53abn endometrial cancer: A multicenter study 2026-May, European journal of radiology IF:3.2Q1 DOI:10.1016/j.ejrad.2026.112745 PMID:41740271	研究论文	基于MRI深度学习和影像组学方法术前预测P53abn子宫内膜癌，用于风险分层和个性化治疗规划	提出结合V-Net和VB-Net两阶段深度学习架构自动化肿瘤分割，并整合影像组学特征构建分类模型，实现了在多中心数据中术前非侵入性鉴别P53abn子宫内膜癌亚型	研究为回顾性设计，可能存在选择偏倚，且自动分割与手动分割在某些病例中仍有差异，模型泛化性需更多外部验证	开发非侵入性MRI基础深度学习和影像组学方法，用于术前区分P53abn子宫内膜癌，优化风险分层以支持个性化治疗	经组织学确诊的子宫内膜癌患者	数字病理学	子宫内膜癌	MRI	深度学习（V-Net、VB-Net）、机器学习（SVM、随机森林、逻辑回归、决策树）	MRI影像（T2WI、DWI、CE-T1WI）	920名患者，来自三个医疗中心	NA	V-Net、VB-Net	Dice相似系数（DSC）、受试者工作特征曲线下面积（AUC）	NA
3390	2026-07-30	Deep Brain Stimulation Induces Antidepressant Effects by Restoring High-Fidelity Communication in the BNST-NAc Circuit 2026-May, Advanced science (Weinheim, Baden-Wurttemberg, Germany) DOI:10.1002/advs.202521943 PMID:41801046	研究论文	本研究通过跨物种、多层次的电生理研究揭示了深部脑刺激通过恢复终纹床核-伏隔核回路高保真通信产生抗抑郁作用的机制	首次在兴奋/抑制周期中识别出抑制期孤立尖峰这一关键通信模式，并开发创新跨物种算法从宏观人脑局部场电位信号解码功能性的兴奋和抑制期，将机制研究与临床验证相结合	未明确指出样本量及统计功效分析的局限性，也未讨论可能的混杂因素或研究设计的潜在偏倚	阐明治疗抵抗性抑郁症的核心病理生理机制及深部脑刺激的精确治疗机制	终纹床核-伏隔核回路中的神经元活动及局部场电位信号	机器学习	治疗抵抗性抑郁症	深部脑刺激、局部场电位记录、跨物种电生理技术	深度学习模型	电生理信号（局部场电位、尖峰序列）	18名参与者的双盲交叉随机对照试验数据（模型开发使用开放标签数据，独立验证使用随机对照试验数据）	NA	深度学习框架（具体架构未指定）	抑郁症状评分减少量（平均降低9.4）	NA
3391	2026-07-30	Segmentation regularized training for multi-domain deep learning registration applied to magnetic resonance-guided prostate cancer radiotherapy 2026-May, Physics and imaging in radiation oncology DOI:10.1016/j.phro.2026.100989 PMID:42232230	研究论文	提出一种基于分割正则化的多域深度学习配准方法，用于磁共振引导的前列腺癌放疗	提出基于分割正则化的渐进式配准与分割网络（ProRSeg），通过器官加权分割正则化提升多域MR-MR配准的准确性	剂量累积分析仅基于42例患者，初步验证可行但需要更大规模验证	训练分割正则化的深度学习配准模型，评估域不变的MR-MR配准在自适应放疗中的应用	前列腺癌患者的纵向3T MR模拟（MR-Sim）及日常治疗1.5T MR线性加速器（MR-Linac）图像	数字病理学	前列腺癌	磁共振成像（MRI）	深度学习配准与分割网络（ProRSeg、VoxelMorph）	医学图像（MR图像）	262对同域MR图像（训练集）、58对同域测试集、72对跨域测试集、42对混合域测试集	NA	ProRSeg、VoxelMorph	器官和临床靶区轮廓传播准确性	NA
3392	2026-07-30	CUCT-Net: End-to-End Signal-to-Image Learning for Quantized Speed-of-Sound Estimation and Tissue Segmentation in Ultrasound Computed Tomography 2026-Apr-30, Sensors (Basel, Switzerland) DOI:10.3390/s26092801 PMID:42122523	研究论文	提出CUCT-Net深度学习框架，从超声信号直接映射到图像空间，实现量化声速估计和组织分割	将超声断层扫描转化为端到端信号-图像学习问题，无需初始猜测或迭代优化，利用多输入编码器-解码器架构和移位单元增强稀疏传感下的特征建模	依赖k-Wave模拟数据，未在真实临床数据上验证；量化声速估计可能受高对比度区域影响	实现超声断层扫描中高效、鲁棒的量化声速估计和组织分割	Shepp-Logan圆盘体模和DBB脑解剖体模	机器学习	NA	超声断层扫描	CNN	超声信号	模拟体模数据，包括多种变体和噪声条件	PyTorch	多输入编码器-解码器网络	量化声速估计精度、分割准确性	NA
3393	2026-07-30	Classification of Cochrane Plain Language Summaries by Conclusiveness Using Transformer-Based Models and ChatGPT: Retrospective Observational Study 2026-Apr-14, JMIR medical informatics IF:3.1Q2 DOI:10.2196/72657 PMID:41980187	研究论文	使用基于Transformer的模型和ChatGPT对科克伦通俗语言摘要进行结论性分类	首次系统性比较微调深度学习模型（如SciBERT和Longformer）与通用大型语言模型（GPT-4o）在科克伦通俗语言摘要结论性分类任务中的性能	微调模型在新发布的摘要上泛化能力差，性能降至接近随机水平，可能由于语义重叠和细微语言差异	开发和评估深度学习语言模型，根据结论性强弱对科克伦通俗语言摘要进行分类	科克伦系统评价的通俗语言摘要	自然语言处理	不适用	NGS	Transformer（SciBERT, Longformer, GPT-4o）	文本	4405篇科克伦通俗语言摘要（截至2019年发表）和额外213篇摘要	PyTorch, Scikit-learn	SciBERT, Longformer, GPT-4o	平衡准确率, AUCROC, 精确率, 召回率, Cohen κ	NA
3394	2026-07-30	Highly Accelerated 3D MRI of Brain Tumors Using Deep Modular Reconstruction Networks 2026-Apr, NMR in biomedicine IF:2.7Q1 DOI:10.1002/nbm.70260 PMID:41792051	研究论文	开发名为ADMIRE的深度模块化图像重建框架，通过深度学习从欠采样k空间数据重建，显著加速脑肿瘤3D T1加权MRI采集	提出两阶段深度学习框架ADMIRE，先去除冠状位混叠伪影再增强轴位幅度图像，实现超过临床可用加速技术的八倍加速	NA	利用深度学习重建欠采样k空间数据，加速3D MRI采集，提升临床加速因子	脑肿瘤患者的增强脑部病变	计算机视觉	脑肿瘤	3D MRI	深度学习	图像	训练数据来自136个BRAVO和MPRAGE序列（47 + 89），测试使用15名患者	NA	ADMIRE（包括去混叠网络和增强网络）	图像质量评分、Wilcoxon符号秩检验	GE Healthcare扫描仪
3395	2026-07-30	Evolving landscape of imaging-based evaluation in systemic autoimmune rheumatic disease-associated interstitial lung disease: from visual assessment to quantitative artificial intelligence-assisted evaluation 2026-Apr-01, Journal of rheumatic diseases IF:2.2Q3 DOI:10.4078/jrd.2025.0161 PMID:42516722	综述	系统综述了系统性自身免疫性风湿病相关间质性肺病的影像学评估从视觉评估向定量人工智能辅助评估的演变	系统梳理了从传统密度测量到深度学习工具的影像评估技术演变，并提出了一个用于理解技术进步和评估其在SARD-ILD应用中相关性的简明框架	当前指南依赖视觉HRCT解读，缺乏标准化、可重复的评估协议，疾病进展的操作阈值定义不明确	阐明系统性自身免疫性风湿病相关间质性肺病的影像评估从定性解读到定量表型的演变过程	系统性自身免疫性风湿病相关间质性肺病患者的胸部高分辨率CT影像数据	数字病理学	间质性肺病、系统性硬化症相关间质性肺病	胸部高分辨率CT	深度学习	影像	不适用	不适用	SOFIA, eLung, Qureight, SATORI, AirQuant	不适用	不适用
3396	2026-07-30	Popformer: Learning general signatures of positive selection with a self-supervised transformer 2026-Mar-06, bioRxiv : the preprint server for biology DOI:10.64898/2026.03.06.710163 PMID:41846988	研究论文	提出一种基于自监督变换器的模型Popformer，用于学习正选择的通用特征	引入位点和单倍型注意力机制，捕捉遗传位置和个体间的变异；学习SNP间距离的相对位置嵌入；采用类似掩码语言建模的预训练目标	未明确说明	开发一种能泛化到多种进化场景的正选择检测方法	人类基因组遗传变异数据	机器学习	不适用	不适用	Transformer	基因组数据	不适用	PyTorch	Transformer	准确率、F1分数、AUC	不适用
3397	2026-07-30	A Deep Learning Algorithm for Liver Metastasis Detection at Contrast-enhanced Abdominal CT in Patients with Colorectal Cancer: A Comparative Study with Radiologists 2026-Mar, Radiology. Imaging cancer DOI:10.1148/rycan.250242 PMID:41649392	研究论文	评估深度学习算法在结直肠癌患者对比增强腹部CT中检测肝转移的性能，并与放射科医师进行对比	与放射科医师进行盲法对比，评估深度学习算法在不同临床环境下的肝转移检测性能，包括按结节和按患者两个层级分析	未提及具体限制	评估深度学习算法在结直肠癌患者肝转移检测中的性能，并与其与放射科医师的准确性进行比较	结直肠癌患者的肝转移结节	计算机视觉	结直肠癌, 肝转移	对比增强腹部CT	深度学习算法	图像	181例结直肠癌患者（平均年龄64岁，男性102例），其中95例有肝转移，86例无肝转移	NA	NA	检测率, 假阳性率, 一致性系数	NA
3398	2026-07-30	Impact of Annotation Level on Multisequence MRI Models for Preoperative Microvascular Invasion Prediction in Hepatocellular Carcinoma 2026-Mar, Radiology. Imaging cancer DOI:10.1148/rycan.250407 PMID:41718534	研究论文	评估整合多模态数据的深度学习模型在肝癌微血管侵犯预测中的性能，并探究不同人工标注方法对性能的影响	系统比较了体素级掩码和边界框两种标注方式对肝癌MVI预测模型性能的影响，发现边界框标注在保持统计等效AUC的同时，可显著提升标注效率	NA	评估多模态深度学习模型在肝癌术前MVI预测中的表现，并分析不同人工标注方法的影响	肝癌患者的MRI扫描数据及术后组织病理学结果	数字病理学	肝癌	MRI	深度学习模型	MRI影像	281名肝癌患者（平均年龄59.05岁，238名男性）	NA	NA	AUC, ROC曲线, 校准曲线, 决策曲线分析, DeLong检验	NA
3399	2026-07-30	Impact of CT dose on AI performance: A comparison of radiomics, deep, and foundation models in a multicentric anthropomorphic phantom study 2026-Mar, Medical physics IF:3.2Q1 DOI:10.1002/mp.70374 PMID:41846467	研究论文	评估CT辐射剂量变化对放射组学、深度学习及基础模型性能的影响力，基于多中心拟人模体实验	率先系统比较多种AI模型（放射组学、浅层CNN、SwinUNETR及CT基础模型CT-FM）对CT剂量变化的鲁棒性，揭示基础模型在减轻剂量相关变异中的潜力	仅基于回顾性数据测试，处于早期实验阶段，未在临床前瞻性数据中验证	评估辐射剂量变化对AI模型鲁棒性的影响，探索基础模型在跨剂量条件下的泛化能力	使用3D打印的模拟肝脏组织异常的拟人模体扫描图像，以及公开CT-ORG数据集中的真实患者器官分类数据	计算机视觉	肝病	CT	放射组学、CNN、SwinUNETR、CT基础模型（CT-FM）	CT图像	649次扫描共1378个图像序列，来自4个制造商的13台扫描仪，含5种剂量水平	PyRadiomics, PyTorch, MONAI	浅层CNN、SwinUNETR、CT-FM	组内相关系数(ICC)、准确率、10折交叉验证	NA
3400	2026-07-30	Assessment of Predictive Factors That Shorten Duration of Treatment in Patients With Multiple Myeloma Using AI: Real-World Longitudinal Study Using Data From Medical Data Vision Claims Database 2026-Feb-19, JMIR cancer IF:3.3Q2 DOI:10.2196/75586 PMID:41711382	研究论文	利用机器学习分析日本多发性骨髓瘤患者治疗持续时间缩短的预测因素	首次使用可解释深度学习模型和点式线性模型，基于真实世界医疗索赔数据库预测多发性骨髓瘤治疗持续时间	模型AUC值较低（0.61-0.66），预测性能有限；数据来源仅限于日本，可能不适用于其他人群	识别缩短多发性骨髓瘤患者治疗持续时间的因素	日本多发性骨髓瘤患者（年龄≥18岁），包括新诊断不适合移植者和复发/难治性患者	机器学习	多发性骨髓瘤	NA	弹性网络、极端梯度提升、点式线性模型	结构化理赔数据（连续、二元、名义分类变量）	2762名患者（4848个样本）	NA	点式线性模型	曲线下面积（AUC）	NA