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
3421	2026-08-23	Underwater object detection method based on learnable query recall mechanism and lightweight adapter 2024, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0298739 PMID:38416764	研究论文	提出一种基于可学习查询召回机制和轻量级适配器的水下目标检测方法，改进DETR以应对水下图像的噪声、模糊和多尺度问题	提出可学习查询召回机制减轻噪声影响，设计轻量级适配器提供多尺度特征，结合Smooth L1和CIoU损失优化边界框回归	仅在RUOD数据集上验证，未提及跨数据集泛化性能及计算资源消耗	提高水下目标检测在噪声、模糊和多尺度条件下的性能	水下目标检测中的物体	计算机视觉	不适用	深度学习	DETR（改进版）	图像	RUOD数据集（具体样本数未提及）	未提及	DETR（基于Transformer的检测器）	平均精度（AP）等（未具体说明）	未提及
3422	2026-08-23	Deep learning-based prediction of major arrhythmic events in dilated cardiomyopathy: A proof of concept study 2024, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0297793 PMID:38421987	研究论文	本研究提出一种基于深度学习的模型（DARP-D），利用多维心脏磁共振数据和临床协变量预测扩张型心肌病患者的主要心律失常事件风险曲线。	首次将深度学习应用于扩张型心肌病心律失常风险预测，整合了心脏运动、组织特征和基线协变量，能够追踪个体风险曲线。	患者数量、心律失常事件数和训练轮次较少，模型作为原型有希望但尚不适用于临床，需进一步改进和验证。	开发一种深度学习模型，预测扩张型心肌病患者的主要心律失常事件风险，改善风险分层。	扩张型心肌病患者的心脏磁共振数据（包括电影视频、高动态视频、LGE图像及高动态图像）和临床协变量。	医学影像分析	扩张型心肌病	心脏磁共振成像	深度学习模型	图像和视频	154名扩张型心肌病患者	未提及	未提及	Harrell's C一致性指数	未提及
3423	2026-08-22	Deep learning based on CD3 histological slides for prediction of colon cancer outcome: analysis of three international stage III colon cancer cohorts 2026-Dec-31, Oncoimmunology IF:6.5Q1 DOI:10.1080/2162402X.2026.2668797 PMID:42100890	研究论文	该研究开发了一种基于CD3组织学切片的深度学习模型，用于预测III期结肠癌患者的预后，并在三个国际队列中验证了其有效性	首次将深度学习模型应用于CD3染色切片的自动化分析，以改善III期结肠癌的预后预测，且不依赖于染色和扫描差异，具有鲁棒性和可重复性	未明确提及具体限制，但可能包括跨队列的性能变异性（如TC分析中外部队列p值不显著）以及模型依赖高质量CD3染色切片	开发并验证一个深度学习模型，用于自动化分析CD3组织学切片，以提升III期结肠癌的预后分层准确性	来自三个国际队列（PETACC08、PRODIGE-13和HARMONY）的1737例III期结肠癌患者的CD3染色组织学切片	数字病理学	结肠癌	组织学切片CD3免疫组化染色	卷积神经网络（CNN）	组织学图像（CD3染色切片）	1737例患者（来自PETACC08、PRODIGE-13和HARMONY三个国际队列）	NA	VGG19, UNI	无病生存期（DFS），p值	NA
3424	2026-08-22	Feasibility of predicting vertical cephalometric angles from panoramic radiographs using deep learning 2026-Sep, International orthodontics IF:1.8Q2 DOI:10.1016/j.ortho.2026.101156 PMID:41747359	研究论文	本研究探讨了利用深度学习从全景X光片中预测垂直头影测量角度的可行性，评估了多种卷积神经网络架构的性能	首次探索使用全景X光片而非侧位头影测量片来预测垂直骨骼角度，并采用了集成平均和Grad-CAM解释性分析	预测误差尚不足以替代传统的头影测量分析，需要更大数据集和外部验证	评估人工智能是否能够从全景X光片中准确预测垂直骨骼角度，以辅助正畸诊断和治疗规划	715名患者的侧位头影测量片和全景X光片	计算机视觉	口腔正畸疾病	X光影像	卷积神经网络（CNN）	图像	715名患者	未明确提及	EfficientNet-B3, DenseNet121/169, ResNet-50/101, VGG16/19	平均绝对误差（MAE）、决定系数（R²）、组内相关系数（ICC）	未明确提及
3425	2026-08-22	Habitat-informed MRI Radiomics and Deep Learning Fusion for Short-Term Survival Prediction in Patients with Glioblastoma: Exploratory Radiogenomic and Immune Correlates 2026-Sep, Academic radiology IF:3.8Q1 DOI:10.1016/j.acra.2026.04.035 PMID:42177147	研究论文	开发并外部验证了一种整合无监督生境影像组学和深度学习的术前多对比MRI堆叠模型，用于预测胶质母细胞瘤患者的短期生存，并探索转录组和免疫相关因素	首次将无监督生境影像组学与深度学习（3D ResNet-50）融合，采用两级堆叠集成策略，并在配对RNA测序队列中探索DLK1表达与免疫浸润的相关性	配对RNA测序队列规模较小，且转录组和免疫关联分析属于探索性研究，需进一步验证；模型在外部验证队列中的性能存在差异	开发并验证一种基于术前多对比MRI的融合模型，用于胶质母细胞瘤短期生存预测，并探究其潜在的生物学基础	胶质母细胞瘤患者（共468例，包括训练队列196例和三个外部验证队列66、185、21例）及其术前多对比MRI影像和配对RNA测序数据	数字病理学	胶质母细胞瘤	MRI影像组学、RNA测序	CNN（3D ResNet-50）、集成模型（堆叠）	多对比MRI图像、RNA测序数据	468例胶质母细胞瘤患者（训练：196例；外部验证1：66例；外部验证2：185例；外部验证3：21例）	NA	ResNet-50（3D）	AUC、决策曲线分析（净收益）	NA
3426	2026-08-22	Realization of long axial field-of-view PET technology in the clinic and research environment 2026-Sep-01, The British journal of radiology DOI:10.1093/bjr/tqag096 PMID:42046230	综述	本文讨论长轴向视野PET-CT技术在临床和研究环境中的实现方式，包括其技术优势、实际考虑、替代设计及深度学习应用	探讨了长轴向视野PET系统在临床和科研中的具体应用，以及如何利用深度学习进一步优化图像质量和扫描时间	未明确提及具体局限性，但可能涉及高成本和技术普及的挑战	阐述长轴向视野PET技术的临床实现和科研应用，并展望未来发展方向	长轴向视野PET-CT仪器及其在临床和科研中的应用	医学影像	不适用	PET-CT成像	深度学习模型	医学图像	不适用	不适用	不适用	不适用	不适用
3427	2026-08-22	Detecting Uniformity Artifacts in Ultrasound Transducers: Insights from Clinical Median Images and Deep Learning for Automatic Detection 2026-Sep, Journal of ultrasound in medicine : official journal of the American Institute of Ultrasound in Medicine IF:2.1Q2 DOI:10.1002/jum.70239 PMID:41919451	研究论文	本研究开发了一种基于临床中值图像和深度学习框架的超声换能器均匀性伪影自动检测方法，以提高质量控制效率。	首次利用临床中值图像（通过堆叠共配准灰度图像计算中值强度）训练深度学习模型，用于超声换能器均匀性伪影检测，并验证了其泛化能力。	未提及具体限制，如样本量大小、伪影类型覆盖范围或计算资源需求。	开发一个深度学习框架，用于自动检测超声换能器中的均匀性伪影，补充传统质量控制方法。	线性与曲线超声换能器，以及其采集的临床中值图像。	深度学习、医学影像分析	不适用（质量控制相关，非特定疾病）	临床中值图像生成（基于超声图像栈的中值计算）	ResNet-18（预训练模型微调）	灰度超声图像（临床中值图像）	训练/验证/测试集包含线性与曲线换能器图像；独立测试集为396张经过模型验证的图像。	未指定（可能使用PyTorch或TensorFlow，但未在摘要中提及）	ResNet-18	准确率、敏感性、特异性	未提及
3428	2026-08-22	From pixels to polygons: A survey of deep learning approaches for medical image-to-mesh reconstruction 2026-Sep, Medical image analysis IF:10.7Q1 DOI:10.1016/j.media.2026.104153 PMID:42259178	综述	系统综述了基于深度学习的医学图像到网格重建方法，将其分为模板模型、统计模型、生成模型和隐式模型四类，并评估了其性能、数据集、评价指标和应用场景	首次系统分类并全面比较了四类深度学习方法在医学图像到网格重建中的应用，并汇总了公开数据集与评价指标	对部分方法的实际临床部署与鲁棒性探讨不足，且未深入分析多模态集成的具体挑战	为医学图像分析和计算医学领域的研究者提供全面的参考，梳理现有方法并指出未来研究方向	医学图像到网格重建的深度学习方法，涉及多种解剖结构（如心脏、神经）和成像模态	医学图像分析	NA	深度学习	模板模型、统计模型、生成模型、隐式模型	医学成像数据（如图像）	NA	NA	NA	标准评价指标（如几何精度）	NA
3429	2026-08-22	Multiscale Prediction of Tumor Micronecrosis and Progression in Clear Cell Renal Cell Carcinoma Based on Artificial Intelligence: A Multicenter Cohort Study 2026-Sep, Academic radiology IF:3.8Q1 DOI:10.1016/j.acra.2026.04.051 PMID:42265018	研究论文	本研究基于多中心队列，开发并验证了一种整合影像组学与深度学习的多模态预测系统，用于无创预测透明细胞肾细胞癌的肿瘤微坏死及进展	首次构建了整合影像组学和深度学习模型的多模态预测系统，并采用堆叠集成学习策略，以提高对肿瘤微坏死的预测准确性	未在文中明确提及局限性	开发并验证一种多模态预测系统，用于无创评估透明细胞肾细胞癌的肿瘤微坏死及其进展，以支持个体化治疗决策	透明细胞肾细胞癌患者	医学影像分析	透明细胞肾细胞癌	NA	机器学习、深度学习模型	医学影像数据	468例患者（训练集198例，验证集85例，外部测试集185例）	NA	ResNet34	AUC	NA
3430	2026-08-22	DynMoCo: A novel AI framework to reveal modular substructures of protein from molecular dynamics 2026-Aug-18, Biophysical journal IF:3.2Q2 DOI:10.1016/j.bpj.2026.03.034 PMID:41863076	研究论文	本文提出了一个名为DynMoCo的新型深度学习框架，用于从分子动力学模拟中揭示蛋白质的模块化子结构	借鉴社交网络科学方法，将分子建模为时间演化图，并结合图卷积网络与循环模型进行端到端的动态社区检测	未提及具体局限性	通过动态社区检测，将高维分子动力学数据简化为可解释的社区结构，以理解复杂生物分子系统的动态功能	三整合素系统的力-拉动和力-钳制分子动力学模拟	数字病理学	不适用	分子动力学模拟	图卷积网络、循环模型	分子动力学轨迹	三个整合素系统	PyTorch	图卷积网络-循环模型	不适用	不适用
3431	2026-08-22	Interpretable machine learning and deep learning model for discriminating pheochromocytoma from adrenocortical adenoma based on CT: A multicenter study 2026-Aug, European journal of radiology IF:3.2Q1 DOI:10.1016/j.ejrad.2026.112902 PMID:42107147	研究论文	本研究通过比较多种机器学习和深度学习方法，基于CT影像组学特征和临床数据，构建并验证了用于鉴别嗜铬细胞瘤与肾上腺皮质腺瘤的可解释性模型	首次系统比较了八种机器学习分类器与深度学习模型在鉴别PHEO和ACA中的性能，并利用SHAP方法对最佳模型进行解释，构建了临床列线图以提供个性化、透明的风险评估	未在摘要中明确提及局限性，可能包括回顾性设计、样本量有限或外部验证仅来自单一中心	确定术前区分嗜铬细胞瘤与肾上腺皮质腺瘤的最佳诊断策略	嗜铬细胞瘤和肾上腺皮质腺瘤患者	医学影像分析	嗜铬细胞瘤、肾上腺皮质腺瘤	CT影像组学	机器学习分类器及深度学习模型（包括逻辑回归和基于SqueezeNet的深度学习模型）	双期CT图像	401例患者（中心1: 331例，中心2: 70例）	NA	逻辑回归、SqueezeNet	AUC、准确率、决策曲线分析	NA
3432	2026-08-22	Topology-Aware Deep Learning on Higher-Order Structures for Drug Response Prediction 2026-Aug, Advanced science (Weinheim, Baden-Wurttemberg, Germany) DOI:10.1002/advs.75816 PMID:42199168	研究论文	提出一种拓扑感知的深度学习框架TopDr，编码药物和细胞系的多尺度单纯复形结构，以提高抗癌药物反应预测的准确性和可解释性	首次将药物和细胞系建模为多尺度单纯复形，同时利用0、1和2阶单纯形级别的局部高阶邻域和全局拓扑结构进行药物反应预测	摘要中未明确说明局限性	通过建模高阶拓扑结构提高抗癌药物反应预测的准确性、鲁棒性和生物学可解释性	抗癌药物和细胞系	机器学习	癌症	NA	深度学习模型（具体类型未指定）	药物和细胞系的表征数据	六个基准数据集	NA	NA	回归和分类任务中的性能指标（具体未指定，如准确率、AUC等）	NA
3433	2026-08-22	Artificial Intelligence in Minimally Invasive Gynecological Surgery: A Systematic Review of Task-Specific Performance and Clinical Translational Readiness 2026-Aug, Journal of minimally invasive gynecology IF:3.5Q1 DOI:10.1016/j.jmig.2026.04.015 PMID:42035795	系统综述	系统评估人工智能在微创妇科手术围手术期各阶段的任务特定性能和临床转化就绪度	首次系统评估AI在微创妇科手术中的任务特定性能并利用PROBAST-AI框架评估偏倚风险	证据主要为观察性研究，偏倚风险高，外部验证有限	系统评估AI在微创妇科手术术前、术中和术后阶段的任务特定性能和临床转化就绪度	微创妇科手术中的AI应用，包括腹腔镜、宫腔镜和机器人手术	机器学习	妇科疾病（包括子宫内膜异位症、附件扭转、宫腔肌瘤、宫腔粘连）	NA	深度学习模型	临床数据	8项研究涉及6577名患者	NA	深度学习	敏感性、特异性、曲线下面积、手术时间、术中出血量	NA
3434	2026-08-22	CellFuse Enables Multimodal Integration of Single-Cell and Spatial Proteomics Data for Systems-Level Analysis in Cancer 2026-07-15, Cancer research IF:12.5Q1 DOI:10.1158/0008-5472.CAN-25-3699 PMID:42084223	研究论文	开发了CellFuse，一种基于深度学习的多模态整合框架，用于统一基于抗体的蛋白质组学数据，包括单细胞和空间蛋白质组学，以实现癌症的系统级分析	提出了一种利用监督对比学习的整合框架，能够处理低维蛋白质组数据，支持跨模态细胞类型预测和标签转移，并在多种癌症数据集中验证了其优于现有方法	摘要中未明确提及局限性，可能包括对高通量数据的计算需求或对特定抗体panel的依赖	开发一种可扩展、模态无关的整合工具，以联合单细胞和空间蛋白质组学数据，揭示肿瘤免疫生态系统的结构及相关细胞状态	肿瘤样本中的多种细胞类型，包括恶性细胞、基质细胞和免疫细胞，以及来自外周血、骨髓和淋巴瘤的数据	机器学习	癌症	抗体为基础的蛋白质组学，包括高维细胞计数法、CITE-seq和空间蛋白质组学	深度学习模型（利用监督对比学习）	蛋白质组数据（单细胞和空间）	多个数据集，涵盖外周血、骨髓和淋巴瘤样本，具体样本数量未在摘要中说明	NA	NA	细胞类型预测准确性、标签转移稳健性以及临床相关群体的恢复能力	NA
3435	2026-08-22	Hematopoietic Stem Cell Transplant and Brain Volume Changes in Adults With Sickle Cell Disease 2026-Jun-09, Neurology IF:7.7Q1 DOI:10.1212/WNL.0000000000218050 PMID:42133908	研究论文	本研究评估了成人镰状细胞病（SCD）患者接受造血干细胞移植（HSCT）后脑体积和脑白质高信号（WMH）的变化，发现成功移植与脑体积保存相关，但WMH增长未受影响。	首次在成人SCD患者中纵向评估HSCT对脑萎缩和WMH增长的影响，并结合深度学习和FreeSurfer分割方法，为评估HSCT的神经保护作用提供了新证据。	研究为单中心队列，样本量有限（77名参与者），移植失败组人数较少，可能影响统计效力；未评估认知功能变化，且随访时间不等。	探讨成功HSCT是否与成人SCD患者较低的脑萎缩或WMH增长速率相关。	成人严重镰状细胞病患者，接受自体基因治疗、HLA匹配供者或半相合供者的HSCT。	医学影像分析, 数字病理学	镰状细胞病	MRI（T1加权和FLAIR序列）	深度学习算法（用于WMH分割），FreeSurfer分割（非深度学习）	MRI图像	77名参与者（平均年龄32岁，43%女性），随访中位5.3年	NA	NA	脑实质分数（BPF）和WMH体积的变化率（%/年）	NA
3436	2026-08-22	Cross-modal attentive fusion network for tri-modal lesion growth prediction 2026-Jun-08, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-53402-w PMID:42259863	研究论文	提出了一种名为跨模态注意力融合网络（CMAFN）的深度学习模型，用于多模态医学图像中的病变生长预测	结合了深度典型相关分析（DCCA）用于非线性特征融合、跨模态注意力机制（CMAM）用于自适应模态组合和特征对齐，以及径向基函数与常规长短期记忆（RBF-ConvLSTM）用于学习线性和非线性时空生长模式	未在摘要中明确提及局限性	增强多模态医学图像的有效特征融合，实现病变进展的预测	多模态医学图像，包括乳腺X线摄影、磁共振成像和超声影像中的病变生长模式	医学图像分析	NA	多模态医学成像（乳腺X线摄影、MRI、超声）	深度典型相关分析、跨模态注意力机制、径向基函数-卷积长短期记忆网络	医学图像	NA	NA	CMAFN（包含DCCA、CMAM和RBF-ConvLSTM）	NA	NA
3437	2026-08-22	A distribution-level statistical framework for reliable pipeline leak detection using multi-domain signal analysis 2026-Jun-08, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-56335-6 PMID:42259898	研究论文	提出了一种基于多域信号分析和分布级统计比较的管道泄漏检测框架，无需机器/深度学习模型，通过融合多种双样本统计量构建健康指标并对比统计阈值实现可靠且可解释的泄漏检测	提出分布级比较而非点级特征偏差监测，融合能量距离、最大均值差异和Hotelling T²统计量构建统一健康指标，以及基于正常数据统计推导的阈值实现有控制的误报率	依赖于正常状态下的参考分布，可能对操作条件的大幅变化敏感；未在更多样化的管道类型和压力范围下验证	开发一种无需标签故障数据、统计严谨且数据高效的管道泄漏检测方法，以实现早期可靠检测	输送气体和水、压力为13 bar和18 bar的管道，以及从管道收集的声发射信号	信号处理	不适用	声发射信号处理、小波包分解、时域和频域特征提取	不适用（非基于机器学习模型）	声发射信号	来自气体和水管道在两种压力水平下的实验声发射数据，具体样本数量未在摘要中提供	不适用	不适用	误报率（低于1%）、检测延迟（泄漏发生后1-2个样本）、检测准确率（超过99%）、p值（1e-5到1e-10）	未在摘要中提供
3438	2026-08-22	Hybrid CNN BiLSTM architecture for smart grid cyberattack detection using smart meter data 2026-Jun-07, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-55727-y PMID:42251076	research paper	提出一种结合CNN和BiLSTM的混合深度学习架构，用于智能电网中的实时网络攻击检测，并基于智能电表数据进行评估。	结合CNN、BiLSTM、注意力机制和Extra Trees集成分类器，实现高精度、低延迟的网络攻击检测，并通过双向处理和集成学习提高性能。	基于单一数据集（密西西比州立大学电力网格测试平台），未进行跨数据集验证；未考虑多同时攻击检测和图神经网络等先进方法。	开发实时、可解释且鲁棒的智能电网网络攻击检测框架，以应对高级入侵策略。	智能电网通信基础设施中的网络攻击（如虚假数据注入、拒绝服务、重放和中间人攻击）以及正常操作数据。	机器学习	NA	NA	CNN, BiLSTM	智能电表时间序列数据（电压、电流、频率谐波等）	72,073条标注的电力网格日志数据	NA	CNN, BiLSTM, Extra Trees	准确率、精确率、召回率、F1-score、ROC-AUC、推理延迟	NA
3439	2026-08-22	A fractal-enhanced deep learning framework for forecasting agricultural production in India 2026-Jun-07, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-55859-1 PMID:42252319	研究论文	本研究提出了一种结合分形插值函数与LSTM和Bi-LSTM的深度学习框架，用于预测印度四种主要农作物的年产量，并显著提高了预测精度。	创新性地将具有可变缩放因子的分形插值函数作为数据增强技术，以捕捉农业时间序列的非平滑特征和局部波动性，并证明其优于常数缩放因子和原始数据训练。	摘要中未提及明确的局限性。	旨在通过分形增强的深度学习框架提高印度农业生产的预测准确性，特别是针对气候敏感和依赖降雨的作物。	印度四种主要农作物（小米、玉米、小麦和水稻）的年度产量数据（1961-2023年）。	机器学习	NA	分形插值函数（FIF）数据增强	长短期记忆网络（LSTM）和双向长短期记忆网络（Bi-LSTM）	时间序列数据	四种农作物，每种60多年的年度产量数据（1961-2023年）	NA	LSTM、Bi-LSTM	MAPE、Hurst指数、分形维数、Wilcoxon检验、Diebold-Mariano检验	NA
3440	2026-08-22	Dynamic breast MRI with Flexible Temporal Resolution Aided by Deep Learning 2026-May-19, Nature communications IF:14.7Q1 DOI:10.1038/s41467-026-72776-z PMID:42156376	研究论文	介绍了一种结合深度学习与局部低秩子空间建模的径向MRI重建框架ELITE，用于动态对比增强（DCE）成像，以提高时间分辨率并减少噪声，评估于乳腺MRI及颈部、脑部成像	ELITE框架首次将局部低秩子空间建模与深度学习结合，实现灵活的时间分辨率（低至1秒），并显著提升对比度噪声比和降噪性能，适用于多种DCE-MRI应用	未提及具体局限性	解决动态MRI中空间分辨率、时间分辨率和扫描时间之间的平衡挑战，提升DCE成像质量	高风险乳腺癌患者的动态增强MRI图像，以及颈部、脑部DCE成像	医学影像	乳腺癌	MRI	深度学习模型（具体类型未指定）	图像	NA	NA	NA	对比度噪声比（CNR）、噪声降低	NA