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
3441	2026-08-22	Interpretable machine learning and signal processing for automated reading and quality control of lateral flow tests for schistosomiasis 2026-May-18, Nature communications IF:14.7Q1 DOI:10.1038/s41467-026-73094-0 PMID:42144397	研究论文	本文提出了一种端到端自动化流水线，用于分析血吸虫病的即时检测循环阴极抗原测试，结合深度学习与信号处理，并与人工读数进行比较。	首次将深度学习与信号处理相结合，实现即时检测试纸的全自动读取和质量控制，解决了视觉痕量不确定性，并能在短时间内提供定量评估。	该流水线仅在乌干达农村队列中进行评估，可能缺乏不同地理和人群的泛化性验证，且对高抗原浓度的快速检测可能不适用于低浓度情况。	开发自动化的诊断分类流水线，以提高血吸虫病即时检测的准确性和效率，满足世界卫生组织目标产品特性，并支持大规模监测和质量控制。	血吸虫病患者的即时检测循环阴极抗原测试，包括来自3188名个体的样本。	机器学习, 数字病理学	血吸虫病	信号处理, 深度学习	深度学习模型	图像	3188名个体（来自乌干达农村SchistoTrack队列）	NA	NA	敏感性, 特异性	NA
3442	2026-08-22	Deep learning strategies for estimating retinal thickness from fundus images: a comparative study with multi-device data 2026-May-16, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-51728-z PMID:42143135	研究论文	本研究提出一种基于基础模型的深度学习框架，直接从眼底彩照估计OCT来源的总视网膜厚度图，无需预处理步骤如区域配准。	使用基础模型RETFound作为骨干，无需预处理即可从眼底彩照估计视网膜厚度，并比较三种解码器训练策略以适应多设备数据差异。	在AI-READI数据集中设备间存在显著厚度差异，不同模型对设备变化有不同响应。	开发并评估一种基于基础模型的深度学习框架，从眼底彩照直接估计OCT-derived视网膜厚度，以减少对OCT设备的依赖。	彩色眼底照片 (CFPs)与OCT扫描配对数据，来自AI-READI数据集（Topcon Maestro2和Triton设备），以及OCTA-500和EyePACS数据集。	深度学习	糖尿病视网膜病变	OCT	基础模型	图像	AI-READI数据集中的配对CFP和OCT扫描，以及OCTA-500和EyePACS数据集	PyTorch	RETFound	偏差，相对差异	NA
3443	2026-08-22	Association of MRI-Visible Perivascular Spaces With Longitudinal Cognitive Decline Over a Decade 2026-May-12, Neurology IF:7.7Q1 DOI:10.1212/WNL.0000000000214803 PMID:42030516	研究论文	本研究探讨MRI可见的血管周围间隙（PVS）与十年期间纵向认知衰退的关联。	利用深度学习算法自动分割PVS体积，并在较长的随访期内（平均4.9年）评估其独立于其他脑小血管病（SVD）标志物对认知下降的贡献。	无法确立因果关系；研究人群主要来自单一中心，可能影响普适性。	探究基底节区PVS负担是否作为独特的SVD标志物，独立预测纵向认知衰退。	无卒中或痴呆的社区老年人（共750名参与者）。	神经影像学	脑小血管病、痴呆	3T MRI，深度学习分割算法	深度学习分割算法（具体模型未指定）	MRI图像及神经心理学测试数据	750名参与者	NA	NA	β系数、95%置信区间	NA
3444	2026-08-22	Deep learning-based automatic field of view planning for prostate MRI in oblique coronal and oblique axial planes 2026-May-11, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-52248-6 PMID:42115680	研究论文	开发并评估了一种基于ResNet的深度学习框架，用于自动化规划前列腺MRI的斜冠状位和斜轴位视野，并在多个外部队列中验证其性能。	首次提出用于斜冠状和斜轴位前列腺MRI的自动化FoV规划深度学习框架，并通过多中心非劣效性设计验证其泛化性和临床实用性。	本研究为回顾性研究，且外部验证中部分位点数据量可能有限。	实现前列腺MRI斜冠状和斜轴位视野的自动化规划，以减少操作者依赖性并提高一致性。	前列腺MRI图像及视野规划。	深度学习	前列腺癌	NA	残差网络（ResNet）	图像	训练集1,474例，外部验证530例。	NA	ResNet	非劣效性差异，FoV重叠率，角度差异，可接受率	NA
3445	2026-08-22	FocusedON-BC: A Robust Deep Learning Framework for Automated Body Composition Assessment 2026-May-06, Nutrients IF:4.8Q1 DOI:10.3390/nu18091477 PMID:42124078	研究论文	开发了FocusedON-BC，一种基于深度学习的自动化工具，用于在CT图像中评估身体组成成分，如骨骼肌、内脏脂肪组织和皮下脂肪组织，并进行了多中心验证。	提出了一种跨T12-L5范围、不受CT扫描仪制造商和患者BMI影响的自动化身体组成评估框架，并首次在此类任务中展示了临床级别的精确度和鲁棒性。	未在摘要中明确提及，可能包括对极端体质或罕见解剖变异的适用性以及前瞻性临床应用验证的缺乏。	开发并验证一种自动的、机会性筛查工具，用于量化身体组成指标，以支持常规营养评估和临床决策。	518名患者的CT图像（共3280个切片），覆盖不同BMI范围（12.7-47.7 kg/m²），来自多个中心的多种CT制造商。	计算机视觉	肌肉减少症、肌脂肪变性、内脏脂肪堆积	计算机断层扫描（CT）	深度学习网络	CT图像	518名患者，3280个切片	未提及	未指定	Dice系数（DSC）、平均绝对误差（MAE）	未提及
3446	2026-08-22	Liquid Biopsy in Colorectal Cancer: Future Perspectives Through the Lens of Artificial Intelligence-A Comprehensive Review of Novel Literature 2026-Apr-29, International journal of molecular sciences IF:4.9Q2 DOI:10.3390/ijms27093951 PMID:42123533	综述	这篇叙述性综述探讨了液体活检在结直肠癌中的应用现状和未来前景，重点关注人工智能、机器学习和深度学习在数据分析和临床转化中的作用	首次系统整合了液体活检与人工智能技术（包括随机森林、卷积神经网络、长短期记忆网络和大语言模型）在结直肠癌全程管理中的应用，提出了多模态数据整合和精准肿瘤学的新范式	叙述性综述可能存在选择性偏倚，且未进行定量荟萃分析；人工智能模型的可解释性、分析标准化和监管协调等挑战尚未解决	总结液体活检在结直肠癌中的最新证据，并评估人工智能在提高其诊断、监测和预后预测能力方面的作用	结直肠癌患者，涉及循环肿瘤DNA、循环肿瘤细胞、外泌体等液体活检生物标志物	数字病理学	结直肠癌	循环肿瘤DNA测序、甲基化谱分析	随机森林、卷积神经网络、长短期记忆网络、大语言模型	文本、图像、基因表达数据	不适用（综述文章，基于文献）	不适用	随机森林、卷积神经网络、长短期记忆网络、大语言模型	灵敏度、特异性	不适用
3447	2026-08-22	Deep learning for psychiatric genomics: from tools to applications 2026-Apr, Current opinion in genetics & development IF:3.7Q2 DOI:10.1016/j.gde.2026.102442 PMID:41690236	综述	本文综述了深度学习在精神科基因组学中的演进，从任务特定模型到基础模型，并探讨其在精神疾病遗传学关键问题中的应用。	系统性地梳理了深度学习在基因组学中的发展脉络，特别是基础模型（如基因组语言模型和单细胞基础模型）的变革性影响，为精神科基因组学研究者提供了前沿方法的桥梁。	未明确指出局限性，但综述性质可能缺乏原始实验性评估。	提供深度学习在基因组学中最新进展的全面概述，帮助精神科基因组学研究者理解和应用先进方法。	精神疾病基因组学中的风险位点和非编码变异。	基因组学、深度学习	精神疾病	基因组语言建模、单细胞测序、预训练模型	深度学习模型	基因组数据、单细胞数据	NA	NA	基础模型、基因组语言模型、单细胞基础模型、大型语言模型	NA	NA
3448	2026-08-22	The role of artificial intelligence in pre-operative prediction of completeness of cytoreduction for peritoneal surface malignancies: a scoping review 2026-04, 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.2026.111480 PMID:41740519	综述	本文是一篇范围综述，分析人工智能在腹膜表面恶性肿瘤术前预测细胞减灭术完全性中的应用	系统评估了AI在预测细胞减灭术完全性中的应用，包括模型架构、输入预测因子、性能指标和可解释性策略	仅纳入9项研究，且多数集中于卵巢癌，可解释性策略有限，缺乏现代可解释AI技术的应用	分析AI用于预测腹膜表面恶性肿瘤细胞减灭术完全性的应用情况	腹膜表面恶性肿瘤患者，包括卵巢癌、同步结直肠腹膜转移及混合型PSM	机器学习	腹膜表面恶性肿瘤	NA	深度学习框架（如DeAF）、放射组学模型	临床和影像数据	9项研究	NA	DeAF深度学习框架、放射组学-临床列线图	曲线下面积	NA
3449	2026-08-22	Molecular alterations prediction in gliomas via an interpretable deep learning model: a multicentre and retrospective study 2026-Apr, The Lancet. Digital health DOI:10.1016/j.landig.2025.100977 PMID:42115062	研究论文	本研究开发并验证了一种基于基础模型的可解释深度学习方法来预测胶质瘤的分子改变，利用常规组织病理切片直接预测关键分子事件，无需手动标注。	首次提出并验证了基于基础模型的可解释方法GMAP，用于从常规组织病理切片预测胶质瘤的分子改变，未依赖手动注释，并在多中心、回顾性研究中进行了全面验证。	研究为回顾性设计，且在外部验证集中对TERT和+7/-10的预测性能相对较低，可能受组织处理差异影响。	开发一种经济高效且可扩展的方法，以在资源有限的环境中准确、快速地识别胶质瘤的关键分子改变。	胶质瘤患者的全切片图像及相应分子特征（IDH、1p/19q共缺失、TERT、+7/-10）。	数字病理学	胶质瘤	全切片成像	基础模型	图像	开发集：877例患者的1696张全切片图像；内部测试集：88例患者的167张全切片图像；外部验证集：3147例患者的4602张全切片图像	NA	NA	接受者操作特征曲线下面积、准确率、敏感性、特异性、F1分数	NA
3450	2026-08-22	U-Net-based transfer learning for automated tumour segmentation enabling fully automated [18F]F-DOPA PET analysis in paediatric gliomas 2026-Mar-25, Brain informatics DOI:10.1186/s40708-026-00296-z PMID:41880065	研究论文	本研究评估了基于U-Net的迁移学习模型在儿童胶质瘤[18F]F-DOPA PET成像中实现全自动肿瘤分割和参数提取的可行性	利用成年人胶质瘤数据集进行迁移学习，实现了儿童胶质瘤的完全自动化PET分析流程	未提及具体限制	评估深度学习模型能否实现儿童胶质瘤肿瘤分割和PET参数提取的完全自动化，并验证其临床相关性	103名儿童胶质瘤患者（中位年龄11岁，54名女性，49名男性）的[18F]F-DOPA PET扫描数据	数字病理学	儿童胶质瘤	PET成像	U-Net	图像	103名患者	NA	U-Net	Dice分数	NA
3451	2026-08-22	Spinal disease image segmentation technology integrating U-ResNet and shape-aware attention 2026-Mar-13, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-42870-9 PMID:41820475	研究论文	本研究设计了一个端到端的深度学习模型，整合U-ResNet和形状感知注意力模块，用于脊柱疾病图像分割，以提高分割精度和临床适用性	提出了定制化的U-ResNet主干网络、形状感知注意力模块和动态加权组合损失函数，实现多尺度特征融合和轮廓先验增强，以提升复杂病理干扰下的分割性能	文中未提及明确的局限性	开发一种高性能的脊柱图像分割模型，以支持早期准确诊断和分级诊疗，减少医疗负担	脊柱疾病患者的腰椎MRI图像和VerSe数据集	数字病理学	脊柱疾病	NA	CNN（U-Net变体）	图像（MRI）	腰椎MRI数据集和VerSe数据集（具体样本数未提供）	NA	U-ResNet, 形状感知注意力机制	分类、分割和椎间盘退变分级任务的相关指标（具体未列出）	NA
3452	2026-08-22	Enhancing trustworthiness of Arabic online health information quality evaluation using an enhanced BERT architecture with PCA and ICA feature weighting 2026-Mar-06, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-43158-8 PMID:41792455	研究论文	本研究利用增强版阿拉伯语BERT架构结合PCA和ICA特征加权，评估在线健康信息的质量，以提高其可信度	提出了一种增强版阿拉伯语BERT用于医疗数据，结合PCA和ICA特征提取技术，并使用基于信息熵的修改损失函数来提升模型在文档分类中的确定性和校准能力	未明确提及，可能受限于单一数据集和特定语言（阿拉伯语）	利用深度学习方法评估在线健康信息的质量，为其可信度提供可靠评估工具	在线健康信息的质量评估，特别是阿拉伯语环境中的健康信息	自然语言处理	NA	PCA, ICA, 信息熵	BERT	文本	NA	NA	BERT	准确率	NA
3453	2026-08-22	High-resolution Annotated Dataset of Girvanella Boundstone Microfacies from the Xiannüdong Formation, China 2026-Mar-05, Scientific data IF:5.8Q1 DOI:10.1038/s41597-026-06958-1 PMID:41786785	研究论文	本研究提供高分辨率数据集，将寒武系第二统仙女洞组的Girvanella骨架灰岩岩相切片图像分割为114×114像素的瓦片，并通过点计数自动化标注微相成分，用于深度学习碳酸盐岩微相分类。	创新点在于创建了高分辨率的Girvanella骨架灰岩微相数据集，并采用点计数自动化标注方法，适用于深度学习训练。	摘要中未提及局限性。	提供可用于深度学习训练的数据集，以支持碳酸盐岩微相分类，并促进早期海洋生态系统演化及碳酸盐岩台地结构研究。	研究对象为寒武系第二系仙女洞组的Girvanella骨架灰岩微相。	数字病理学	不适用	图像分割、点计数自动化标注	不适用	图像（PNG）和CSV文件	大型岩板图像分割成114×114像素瓦片，具体样本数量未说明	不适用	不适用	不适用	不适用
3454	2026-08-22	Clinical and economic impact of deep learning-enhanced opportunistic osteoporosis screening using chest radiographs with and without the osteoporosis self-assessment tool for Asians (OSTA) 2026-Mar, Osteoporosis international : a journal established as result of cooperation between the European Foundation for Osteoporosis and the National Osteoporosis Foundation of the USA IF:4.2Q1 DOI:10.1007/s00198-026-07858-1 PMID:41563407	研究论文	本研究评估了利用深度学习增强的机会性骨质疏松筛查方法（基于胸部X光片）在50岁及以上新加坡女性中的临床和经济影响，并探讨了结合OSTA工具的附加价值	首次将深度学习增强的机会性骨质疏松筛查与OSTA工具结合进行成本效益分析，证明仅使用深度学习筛查即可有效减少骨折并增加质量调整生命年，且成本可接受	研究基于新加坡特定人群，可能不适用于其他地区或族裔；且未涵盖男性及不同年龄段人群	评估深度学习增强的机会性骨质疏松筛查（基于胸部X光片）在临床和经济上的影响，并比较单独使用深度学习与结合OSTA工具的筛查策略	50岁及以上新加坡女性，骨质疏松患者或高风险人群	医学影像分析, 深度学习	骨质疏松	胸部X光片分析	深度学习模型	胸部X光图像	未明确，但为新加坡50岁及以上女性人群	未明确	未明确	骨折发生率, 质量调整生命年(QALYs), 成本效益比	未明确
3455	2026-08-22	DynMoCo: a Novel AI Framework to Reveal Modular Substructures of Protein From Molecular Dynamics 2026-Feb-10, bioRxiv : the preprint server for biology DOI:10.64898/2026.02.08.704355 PMID:41727081	研究论文	提出DynMoCo，一种基于图卷积网络和循环模型的深度学习框架，用于从分子动力学模拟中识别蛋白质的动态模块化子结构	将社交网络分析中的动态社区检测引入分子动力学模拟分析，通过时间演化图建模分子，实现端到端的社区识别，并可整合结构知识确保物理合理性	未在摘要中提及具体限制，可能包括计算成本或对模拟类型的依赖	开发一种新方法，从高维分子动力学数据中提取可解释的蛋白质动态子结构，以揭示其功能相关的构象变化	三种整合素系统的分子动力学模拟轨迹	机器学习	NA	分子动力学模拟	图卷积网络（GCN）和循环模型	分子动力学轨迹数据	三种整合素系统	NA	图卷积网络（GCN）和循环模型	NA	NA
3456	2026-08-22	Deep Learning-Based Event Classification of Mass Photometry Data for Optimal Mass Measurement at the Single-Molecule Level 2026-02-03, ACS nano IF:15.8Q1 DOI:10.1021/acsnano.5c13074 PMID:41549613	研究论文	本文提出了一种基于三维卷积残差网络的深度学习模型，用于对质谱光度法数据进行事件分类，以实现单分子水平的最优质量测量	首次应用三维卷积残差网络分析质谱光度法事件的时空动态，以自动分类和筛选最优单分子测量事件，消除累积直方图伪影并将分辨能力提升至两倍	摘要未明确说明局限性，但未提及对极端异质样本或实时处理性能的验证	开发一种深度学习方法来分类质谱光度法中的着陆事件，以提高质量分辨率、灵敏度和浓度测量的准确性	质谱光度法中的单分子着陆事件，包括蛋白质结合/解离过程中的时空动力学数据	机器学习	NA	质谱光度法	三维卷积残差网络	质谱光度法事件缩略图（三维时空数据）	多种实验数据集，包括分辨和部分分辨的样本，以及不同质量、浓度和积分时间（具体数量未说明）	NA	三维残差网络	质量分辨率、灵敏度、浓度准确性、分辨能力	NA
3457	2026-08-22	DANEELpath open source digital analysis tools for histopathological research in neuroblastoma models 2026-Jan-24, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-37134-5 PMID:41580539	研究论文	开发了一个名为DANEELpath的开源图像分析工具包，用于神经母细胞瘤模型中的组织病理学研究，整合深度学习、数学形态学分割和空间特征提取技术	提出了一个集成了深度学习、单个及簇状细胞特定分割数学形态学管道和全切片图像空间特征提取的综合性开源工具包，且具有适应不同生物问题的通用性	未明确说明	开发用于研究三维水凝胶中神经母细胞瘤细胞动态的开源图像分析工具，以推动生物医学发现	三维生长的神经母细胞瘤细胞	数字病理学	神经母细胞瘤	NA	深度学习	全切片图像	未明确说明	NA	NA	NA	NA
3458	2026-08-22	Integrating Artificial Intelligence into metabolomics for predicting diseases 2026, Progress in molecular biology and translational science DOI:10.1016/bs.pmbts.2026.01.010 PMID:41986004	综述文章	本文全面概述了人工智能（特别是机器学习和深度学习）如何整合到代谢组学工作流程中，以克服高维复杂数据的分析挑战，并用于疾病预测和个性化医疗。	强调AI在代谢组学中的集成，通过技术框架和概念框架的讨论，以及近期案例研究，展示其在疾病预测中的最新进展。	文中未明确列出具体局限性，但可能涉及数据异质性、噪声和非线性关系的处理挑战。	探讨AI整合到代谢组学中用于疾病早期预测和个性化医疗的方法及其优势。	代谢组学数据，包括来自癌症、糖尿病及并发症、脑、心、肝、肾等疾病患者的数据。	机器学习	多种疾病（包括癌症、糖尿病、脑、心、肝、肾等疾病）	代谢组学（如质谱、NMR等，但原文未明确指出具体技术，建议标注为NA或通用代谢组学）	机器学习模型和深度学习模型	代谢组学数据（可能包括光谱、质谱等）	未提供具体样本量，涉及多种疾病研究案例	NA（未提及具体框架）	NA（未提及具体架构）	未提及具体性能指标，可能包括准确性、灵敏度等，但未明确列出，建议标注为NA	未提及具体计算资源，建议标注为NA
3459	2026-08-22	Rationale and design of a multicenter, prospective, diagnostic clinical study: A study protocol for evaluating the diagnostic validation of deep learning-based noninvasive CT-FFR for in-stent restenosis 2026, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0346723 PMID:42090388	研究论文	本研究是一项多中心、前瞻性诊断性临床试验方案，旨在评估基于深度学习的无创CT-FFR对支架内再狭窄的诊断效能	利用深度学习模型改进CT-FFR的计算效率和准确性，使其适用于支架内再狭窄的功能评估，整合解剖和功能评估	计算复杂性和处理时间较长可能限制临床实用性	建立基于深度学习的CT-FFR模型，以无创方式准确评估支架内再狭窄，并以有创FFR为参考标准验证其诊断性能	支架植入术后患者，共331例，其中250例用于模型适配，81例用于外部验证	医学影像	冠状动脉疾病，支架内再狭窄	CT-FFR（计算流体动力学结合冠状动脉CT血管成像），有创FFR	深度学习模型（基于DEEPVESSEL）	CT血管成像（CCTA）图像	331例支架植入术后患者	NA	DEEPVESSEL	敏感性，特异性，准确性，阳性预测值，阴性预测值，AUC，McNemar检验，Bland-Altman图，Spearman相关系数	NA
3460	2026-08-22	TRI-PLAN: A deep learning-based automated assessment framework for right heart assessment in transcatheter tricuspid valve replacement planning 2025-12-15, International journal of cardiology IF:3.2Q2 DOI:10.1016/j.ijcard.2025.133732 PMID:40780436	研究论文	本研究开发并验证了TRI-PLAN，一种基于深度学习的自动化评估框架，用于经导管三尖瓣置换术前的右心结构评估。	首次提出全自动、基于深度学习的框架TRI-PLAN，用于TTVR术前右心结构评估，实现自动分割、定位和参数测量，并显著提高效率。	未明确提及局限性。	开发和验证一种自动化的深度学习框架，以提高TTVR术前右心结构评估的效率和准确性。	严重三尖瓣反流患者的术前计算机断层扫描血管造影（CTA）影像。	深度学习，医学影像分析	三尖瓣反流	CTA（计算机断层扫描血管造影）	深度学习模型（DRA-Net）	CT图像（CTA影像）	140例患者的CTA扫描，共63,962个切片，分为训练队列（100例）、内部验证队列（20例）和外部验证队列（20例）。	NA	DRA-Net（双阶段右心评估网络）	Dice系数（体积和表面）、标准差、组内相关系数（ICC）、相关系数（R）、偏差、直接接受率、时间节省	未明确提及。