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
3501	2026-02-27	Semi-supervised multi-class pneumonia classification using a CNN-cascade forest framework 2026-Feb-05, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-38849-1 PMID:41644678	研究论文	本文提出了一种半监督的CNN增强级联森林框架，用于基于胸部X光和CT图像进行多类别肺炎分类	结合卷积神经网络和级联森林，采用半监督伪标签策略，有效利用未标记数据，提升多类别肺炎分类的准确性和泛化能力	未明确讨论模型在不同医疗中心或设备间的泛化性能，以及计算资源需求的具体细节	开发一种准确且能抵抗稀疏标注和跨成像变异性的多类别肺炎自动分类方法	胸部X光和CT图像，涵盖细菌性、病毒性、真菌性、一般性肺炎和正常类别	计算机视觉	肺炎	X射线成像，CT成像	CNN, Cascade Forest	图像	4578张胸部X光和CT图像	NA	CNN, Cascade Forest	总体分类率	NA
3502	2026-02-27	Deep Learning-Enabled Screening of Chronic Kidney Disease from Echocardiography 2026-Feb-03, medRxiv : the preprint server for health sciences DOI:10.64898/2026.02.02.26345379 PMID:41674580	研究论文	本研究开发了一种深度学习模型，利用超声心动图视频筛查慢性肾脏病	首次利用超声心动图视频（PLAX）通过深度学习模型进行慢性肾脏病的非侵入性筛查，并在两个独立外部临床队列中验证了其稳健性能	模型性能仍有提升空间（AUC约0.72-0.76），且未详细说明模型在特定人群或早期CKD检测中的局限性	开发一种基于超声心动图的非侵入性慢性肾脏病筛查方法	慢性肾脏病患者	数字病理学	心血管疾病	超声心动图	深度学习模型	视频	训练集：325,377个PLAX视频（来自62,818名患者）；外部验证集：2,224名患者（SHC）和41,611名患者（KPNC）	NA	NA	AUC	NA
3503	2026-02-27	Prediction of Mutations and Outcome in Gastrointestinal Stromal Tumors with Deep Learning: A Multicenter, Multinational Study 2026-Feb-03, medRxiv : the preprint server for health sciences DOI:10.64898/2026.02.02.26345350 PMID:41674582	研究论文	本研究利用深度学习分析全切片图像，预测胃肠道间质瘤的突变状态、治疗敏感性和无复发生存期	首次在多中心、跨国队列中应用深度学习从全切片图像直接预测GIST的分子变异、治疗反应和预后，性能与现有病理风险评分相当	研究依赖于回顾性数据，可能存在选择偏倚；未整合临床或基因组等多模态数据	开发基于深度学习的工具，用于GIST的分子分类和预后评估	胃肠道间质瘤（GIST）患者	数字病理学	胃肠道间质瘤	全切片图像分析	深度学习模型	图像	8398例GIST病例，来自7个国家21个中心，其中7238例有分子数据，2638例有临床随访	NA	NA	AUC, 风险比	NA
3504	2026-02-27	Neural Networks as Entropic Systems: Applications in Digital Pathology 2026-Feb-02, bioRxiv : the preprint server for biology DOI:10.64898/2026.01.30.702864 PMID:41676657	研究论文	本文提出一个框架，通过直接测量优化过程中的激活结构、权重演化和谱组织，来实证表征数字病理学中神经网络的训练时学习动态	将神经网络视为熵系统，通过测量激活模块化、表示熵减少、权重轨迹的有限扩散等可量化指标，揭示了训练过程中可预测的内部结构形成过程	研究仅基于TCGA-BRCA数据集和Vision Transformer模型，结论在其他病理类型或模型架构中的普适性有待验证	提高数字病理学中深度学习系统的可解释性和临床信任度	数字病理学中的神经网络训练动态	数字病理学	乳腺癌	全切片图像分析，复制时序衍生的甲基化代理	Vision Transformer	图像	TCGA-BRCA全切片图像数据集	NA	Vision Transformer	表示熵减少率，模块化程度，权重轨迹方差	NA
3505	2026-02-27	A Deep-Learning Approach for Vocal Fold Pose Estimation in Videoendoscopy 2026-Feb, Journal of imaging informatics in medicine DOI:10.1007/s10278-025-01431-8 PMID:39939476	研究论文	提出一种基于深度学习的框架，用于从喉镜视频帧中估计声带姿态，以辅助喉部疾病的诊断	首次提出使用热图回归结合三个解剖学关键点作为先验信息来估计声带姿态和前声门角，在具有挑战性的病理图像中优于现有方法	数据集规模有限（471帧图像，124名患者），且未详细说明模型在更广泛临床环境中的泛化能力	开发自动、客观的声带姿态估计方法，以替代主观且耗时的临床评估流程	喉镜视频帧中的声带	计算机视觉	喉部疾病（包括喉癌）	视频内窥镜检查	深度学习，热图回归	图像（喉镜视频帧）	471张喉镜图像，来自124名患者（其中28名为癌症患者）	NA	NA	均方根误差（RMSE），平均绝对误差（MAE）	NA
3506	2025-06-06	Development and validation of a deep learning-powered system for multi-version global alignment and proportion score to predict mechanical complications after adult degenerative scoliosis surgery 2026-Feb, European spine journal : official publication of the European Spine Society, the European Spinal Deformity Society, and the European Section of the Cervical Spine Research Society IF:2.6Q1 DOI:10.1007/s00586-025-08995-7 PMID:40468028	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
3507	2026-02-27	Extending convolutional neural networks to detect differences in symmetry in videorasterstereographic back scans with the aim to improve screening for adolescent idiopathic scoliosis 2026-Feb, European spine journal : official publication of the European Spine Society, the European Spinal Deformity Society, and the European Section of the Cervical Spine Research Society IF:2.6Q1 DOI:10.1007/s00586-025-09520-6 PMID:41207964	研究论文	本研究提出两种对称敏感的卷积神经网络，用于分析视频光栅立体成像背部扫描图像中的不对称性，以分类青少年特发性脊柱侧弯	将卷积神经网络扩展至对称性分析，特别是通过基于DeepSymNet的双通道CNN分别处理躯干图像的左右侧并融合结果，以检测脊柱侧弯相关的不对称特征	数据集多样性虽为优势但也带来挑战，可能混淆AIS特征；未来需纳入更多轻度病例以提升模型性能	改进青少年特发性脊柱侧弯的筛查方法，通过深度学习分析背部图像对称性	青少年特发性脊柱侧弯患者、其他脊柱畸形患者及健康姿势个体的视频光栅立体成像背部扫描图像	计算机视觉	青少年特发性脊柱侧弯	视频光栅立体成像	CNN	图像	1444个视频光栅立体成像测量数据，包括355例AIS、306例其他脊柱畸形和783例健康姿势	NA	VGG16, DeepSymNet	准确度, 特异性, 敏感性, 阳性预测值	NA
3508	2026-02-27	Sex estimation from human calvarial bone photographs with deep learning approach 2026-Feb, Journal of forensic and legal medicine IF:1.2Q3 DOI:10.1016/j.jflm.2026.103070 PMID:41485422	研究论文	本研究利用深度学习模型基于颅盖骨照片进行性别估计	首次直接使用颅盖骨照片（无需形态测量）通过深度学习模型进行性别估计，避免了传统方法的复杂性	样本量相对有限，未来需要更多研究来提升深度学习模型的性能	在法医人类学中，通过骨骼结构进行性别识别，本研究专注于利用颅盖骨照片进行性别估计	18岁以上尸检案例的颅盖骨照片，包括内表面（颅内）和外表面（颅外）	计算机视觉	NA	深度学习	CNN	图像	210张内表面照片（105男，105女）和310张外表面照片（155男，155女）	NA	ResNet50	准确率	NA
3509	2026-02-27	Deep Learning-Derived Right Ventricular Ejection Fraction Predicts Mortality in Patients Undergoing Transcatheter Tricuspid Valve Intervention 2026-Feb, JACC. Advances DOI:10.1016/j.jacadv.2025.102530 PMID:41558369	研究论文	本研究利用深度学习模型从超声心动图视频中估计右心室射血分数，评估了经导管三尖瓣介入治疗患者的右心室功能轨迹，并发现术后右心室射血分数低于38%与一年死亡率增加相关	首次应用深度学习模型从二维心尖四腔切面超声心动图视频中自动估计右心室射血分数，用于评估经导管三尖瓣介入治疗后的右心室功能轨迹，并识别出具有预后意义的阈值	这是一项单中心、探索性研究，结果需要外部验证；深度学习模型是先前已发布的，本研究未开发新模型	评估经导管三尖瓣介入治疗对右心室功能的影响，并探索右心室射血分数与患者预后的关系	接受经导管三尖瓣介入治疗的严重三尖瓣反流患者	数字病理学	心血管疾病	二维心尖四腔切面超声心动图视频	深度学习模型	视频	373名患者	NA	NA	风险比, P值	NA
3510	2026-02-27	Deep learning enhanced ALPS reveals genetic and environmental factors of brain glymphatic function 2026-Feb, EBioMedicine IF:9.7Q1 DOI:10.1016/j.ebiom.2026.106133 PMID:41619353	研究论文	本研究开发了一种深度学习增强的DTI-ALPS（dALPS）方法，用于自动评估大脑类淋巴系统功能，并利用大规模队列数据揭示了其遗传和环境决定因素	首次提出结合CNN和YOLO的自动化工作流程用于DTI图像感兴趣区域检测，实现了对超过65,000名参与者类淋巴功能的自动评估，并通过多组学分析发现了新的遗传位点和分子机制	研究主要基于UK Biobank等现有队列数据，需要进一步在不同人群和临床环境中验证dALPS指标的普适性	开发自动化评估大脑类淋巴系统功能的方法，并探索其遗传和环境决定因素	来自UK Biobank和多个队列的超过65,000名参与者	医学影像分析	神经系统疾病（包括抑郁症、焦虑症和神经退行性疾病）	扩散张量成像（DTI）、全基因组关联研究（GWAS）、转录组关联研究（TWAS）、蛋白质组关联研究（PWAS）	CNN, YOLO	医学影像（DTI图像）、基因组数据、临床数据	超过65,000名参与者	NA	CNN, YOLO	组内相关系数（ICC=0.95）	NA
3511	2026-02-27	DRfold2 is a deep learning-based tool that enables efficient and accurate RNA structure prediction 2026-Feb, PLoS biology IF:7.8Q1 DOI:10.1371/journal.pbio.3003659 PMID:41701781	研究论文	本文介绍了一种基于深度学习的端到端RNA结构预测工具DRfold2，它通过整合预训练的RNA复合语言模型和去噪结构模块，实现了高效且准确的RNA结构预测	提出了新颖的RNA复合语言模型（RCLM）捕获共进化模式，结合去噪结构模块进行端到端学习，并展示了与AlphaFold3的高度互补性，在接触预测精度上相比现有方法提升超过100%	仅基于单序列进行预测，未明确讨论对非典型RNA结构或极端长度序列的处理能力	开发高效准确的RNA结构预测方法	RNA分子	计算生物学	NA	深度学习	复合语言模型, 去噪模型	RNA序列	多基准测试集（来自不同物种）	NA	RNA复合语言模型（RCLM）, 去噪结构模块	接触预测精度, 全局拓扑预测精度, 二级结构预测精度	NA
3512	2026-02-27	Cell Analyser in Batch for Neurite (CABaNe), an Automated, High-Throughput ImageJ Macro for Cell and Neurite Analysis 2026-Feb, eNeuro IF:2.7Q3 DOI:10.1523/ENEURO.0193-25.2025 PMID:41617476	研究论文	本文介绍了一个名为CABaNe的开源、高通量ImageJ宏，用于自动化分析细胞及其神经突长度	开发了首个开源、高通量、基于规则的ImageJ宏，用于自动化细胞和神经突分析，具有图形界面和元数据生成功能	仅在小鼠神经母细胞瘤细胞系N2A上进行了测试，未在其他细胞类型或更复杂环境中验证	开发一个自动化、高通量的工具来测量神经突长度，以促进神经生物学研究	小鼠神经母细胞瘤细胞系N2A的细胞及其神经突	数字病理学	神经退行性疾病	图像分析	基于规则的算法	图像	NA	ImageJ	NA	精度	NA
3513	2026-02-27	Integrated In Silico, In Vivo, and Deep Learning Approaches in the Discovery of Novel Candidate Molecules for Aedes aegypti Control 2026-Feb, Archives of insect biochemistry and physiology IF:1.5Q4 DOI:10.1002/arch.70138 PMID:41729012	研究论文	本文通过整合计算机模拟、体内实验和深度学习的方法，发现了用于控制埃及伊蚊的新型候选分子	提出了一个针对埃及伊蚊不同生命阶段（幼虫和成虫）的多策略发现框架，结合了传统的虚拟筛选与基于深度学习的高通量虚拟筛选（HTVS）以及DeSAO算法进行从头药物设计	研究中的候选分子主要处于计算预测和初步实验验证阶段，其实际应用效果和安全性有待进一步的体内外实验和临床前研究确认	开发针对埃及伊蚊幼虫和成虫阶段的新型、选择性高且可持续的控制策略，以应对传统杀虫剂的抗药性和环境问题	埃及伊蚊（Aedes aegypti）及其相关的生物靶点，如保幼激素结合蛋白（mJHBP）和神经肽Y样受体7（NPYLR7）	机器学习	NA	计算机模拟（in silico）、体内实验（in vivo）、深度学习、高通量虚拟筛选（HTVS）、DeSAO算法	深度学习	化学分子结构数据	从PubChem数据库筛选了1070个查尔酮类似物，并实验测试了3种卤代查尔酮	NA	NA	预测结合能、幼虫致死活性（72小时暴露后的活性）	NA
3514	2026-02-27	Deep learning meets clinical practice: A You Only Look Once-based framework for accurate and real-time detection of carotid vulnerable plaques 2026-Feb, The Journal of international medical research IF:1.4Q4 DOI:10.1177/03000605261420504 PMID:41730715	研究论文	本研究开发了一个基于YOLO模型的自动化深度学习框架，用于超声图像的颈动脉易损斑块检测与分类	首次系统比较了YOLOv7至v10四种版本模型在颈动脉斑块检测任务中的性能，并确定了YOLOv9为最优模型	研究为回顾性多中心设计，样本量相对有限（1610张图像），且仅使用了超声图像数据	开发一个准确且实时的自动化框架，用于检测和分类颈动脉易损斑块，以预防缺血性中风	颈动脉超声图像中的稳定斑块和易损斑块	计算机视觉	心血管疾病	超声成像	YOLO	图像	来自368名患者的1610张颈动脉超声图像	NA	YOLOv7, YOLOv8, YOLOv9, YOLOv10	平均精度均值（mAP），精确率，召回率，F1分数	NA
3515	2026-02-27	Deep learning-based lightweight model for automated lumbar foraminal stenosis classification: sagittal CT diagnostic performance compared to clinical subspecialists 2026-Feb, European spine journal : official publication of the European Spine Society, the European Spinal Deformity Society, and the European Section of the Cervical Spine Research Society IF:2.6Q1 DOI:10.1007/s00586-025-09281-2 PMID:40848156	研究论文	本研究开发了一种基于矢状位CT图像的轻量级深度学习模型，用于自动分类腰椎椎间孔狭窄的严重程度	提出了一种结合Faster R-CNN ROI检测器与轻量级网络（EfficientNet-B0和MobileNetV3-Large-100）的深度学习模型，用于在MRI不可用时利用CT图像进行LFS严重程度分类，其诊断性能与资深脊柱外科医生相当	样本量有限且缺乏外部验证，模型在其他人群和多中心大规模数据集中的适用性和泛化能力尚不确定	开发一种基于矢状位CT图像的轻量级深度学习模型，作为MRI不可用时诊断腰椎椎间孔狭窄严重程度的潜在临床替代方案	腰椎椎间孔狭窄（LFS）患者	计算机视觉	腰椎椎间孔狭窄	矢状位CT成像	CNN	图像	868张来自177名患者的矢状位CT图像	NA	EfficientNet-B0, MobileNetV3-Large-100, Faster R-CNN, ResNet-50	诊断准确率, Cohen's kappa系数	NA
3516	2026-02-27	Deep learning models for lumbar spinal stenosis on MRI: model comparison and clinical benchmarking 2026-Feb, European spine journal : official publication of the European Spine Society, the European Spinal Deformity Society, and the European Section of the Cervical Spine Research Society IF:2.6Q1 DOI:10.1007/s00586-025-09443-2 PMID:41128874	研究论文	本研究比较了基于CNN和Transformer的深度学习模型在MRI上自动分类腰椎管狭窄症的性能，并将其与放射科医生和骨科医生的表现进行基准测试	首次在腰椎管狭窄症MRI分类中比较了CNN和Transformer两种不同架构的深度学习模型，并进行了临床医生基准测试	回顾性研究，数据来自单一机构，外部测试集规模较小（100例），未考虑所有临床变量	开发并比较用于腰椎管狭窄症自动分类的深度学习模型，评估其临床实用性	腰椎MRI图像	计算机视觉	腰椎管狭窄症	MRI（轴向T2加权和矢状T1加权图像）	CNN, Transformer	医学图像	564例腰椎MRI（训练/验证集464例，内部测试集100例，外部测试集100例）	NA	CNN-based, Transformer-based	检测召回率, 组间一致性（Gwet κ）, 敏感性, 特异性	NA
3517	2026-02-27	A dual-task deep learning framework for automated detection and classification of coronary artery lesions in invasive coronary angiography imaging 2026-Jan-30, European journal of medical research IF:2.8Q2 DOI:10.1186/s40001-025-03818-3 PMID:41618351	研究论文	本研究开发并评估了一个双任务深度学习框架，用于在侵入性冠状动脉造影图像中同时检测和分类冠状动脉病变	提出了一个结合检测和分类模块的双任务深度学习框架，并比较了多种先进模型（如YOLOv11、Swin Transformer、DETR、Deformable DETR、ViT、ConvNeXt）在冠状动脉病变分析中的性能	研究基于回顾性数据集，可能受限于数据质量和标注一致性；外部验证数据集规模相对较小（135例）	开发自动化工具以辅助冠状动脉病变的检测和分类，提升临床诊断效率和准确性	侵入性冠状动脉造影图像中的冠状动脉病变	计算机视觉	心血管疾病	侵入性冠状动脉造影成像	深度学习模型	图像	内部数据集包含1234名患者（14,808张病变阳性图像和11,872张病变阴性图像），外部数据集包含135例病例	NA	YOLOv11, Swin Transformer, DETR, Deformable DETR, Vision Transformer (ViT), ConvNeXt	IoU, mAP, 敏感性, 特异性, AUC-PR, 准确率, Cohen's Kappa	NA
3518	2026-02-27	Parameter-efficient fine-tuning enables scalable transfer of regulatory sequence models to novel contexts 2026-Jan-30, Genome biology IF:10.1Q1 DOI:10.1186/s13059-026-03935-0 PMID:41618434	研究论文	本文开发并评估了一种基于参数高效微调的迁移学习框架，用于监督调控序列模型，以扩展大型DNA序列模型到新的生物环境	提出了一种参数高效微调框架，显著降低了将大型序列模型（如Borzoi）迁移到新数据集时的计算成本和内存需求，同时保持预测准确性	未明确说明框架在极端或罕见细胞状态下的泛化能力，以及可能存在的模型偏差问题	开发一个可扩展的迁移学习框架，以高效地将大型DNA序列模型应用于新的细胞状态和实验环境，用于基因调控和遗传变异效应分析	DNA序列模型（如Borzoi）、批量RNA-seq和单细胞RNA-seq数据集、基因表达变化、调控驱动因子、细胞类型特异性变异效应	机器学习	NA	RNA-seq	深度学习模型	DNA序列数据、基因表达数据	NA	NA	Borzoi	准确性	NA
3519	2026-02-27	Diagnostically Competitive Performance of a Physiology-Informed Generative Multi-Task Network for Contrast-Free CT Perfusion 2026-Jan-26, ArXiv PMID:41647220	研究论文	本文提出了一种名为MAGIC的新型深度学习框架，用于从非对比CT图像生成无对比剂的CT灌注图	结合生成式人工智能与生理学信息，通过多任务网络将非对比CT映射到多种无对比剂CTP成像图，并在损失函数中融入生理特征以增强图像保真度	研究数据来源于单一医疗中心（UF Health），且未明确说明模型在其他疾病或器官上的泛化能力	开发一种无对比剂、成本效益高且快速的CT灌注成像方法，以替代传统需要注射对比剂的CTP	因卒中就诊患者的CT图像数据	数字病理学	卒中	CT灌注成像（CTP），非对比计算机断层扫描（CT）	生成式多任务网络	图像	来自UF Health的卒中患者CT图像数据（具体数量未在摘要中说明）	NA	MAGIC（Multitask Automated Generation of Intermodal CT perfusion maps）	视觉质量，诊断准确性	NA
3520	2026-02-27	Deep learning-based automatic adenoid segmentation and a novel volume-based index for adenoid hypertrophy assessment 2026-Jan-17, BMC oral health IF:2.6Q1 DOI:10.1186/s12903-026-07675-2 PMID:41545817	研究论文	本研究开发了一种基于深度学习的自动腺样体分割方法，并提出了一种新的体积比指标（3D-AN）用于评估腺样体肥大引起的鼻咽气道阻塞	首次利用深度学习从CBCT图像中自动分割腺样体，并创新性地提出了三维腺样体-鼻咽比率（3D-AN）作为定量评估鼻咽气道阻塞的新指标	研究为回顾性设计，样本量相对有限，且3D-AN阈值（0.18）的普适性需在更大规模、前瞻性研究中进一步验证	开发一种自动化、准确的方法来评估儿童腺样体肥大及其引起的鼻咽气道阻塞，以辅助临床诊断和管理	儿童阻塞性睡眠呼吸暂停（OSA）患者	数字病理学	儿科阻塞性睡眠呼吸暂停	锥形束计算机断层扫描（CBCT）	深度学习	CBCT图像	三个数据集：数据集1包含63名患者的126次CBCT扫描（腺样体切除术前/后），数据集2包含26名患者的术后CBCT扫描，数据集3包含161名同时有多导睡眠图和CBCT数据的儿科患者	PyTorch	SegResNet	Dice相似系数，相对体积误差	NA