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
361	2026-04-11	Medical image pretraining-based transfer learning for generalizable and robust diagnosis of bone tumors on radiographs: a multi-center study 2026-Apr-07, Insights into imaging IF:4.1Q1 DOI:10.1186/s13244-026-02271-y PMID:41944974	研究论文	本研究开发了一种基于医学图像预训练的深度学习模型，用于X光片上骨肿瘤的分类，并通过多中心数据验证了其泛化性和鲁棒性	利用领域特定的医学图像数据集（RadImageNet）进行预训练，显著提升了模型在骨肿瘤分类任务上的性能和鲁棒性，优于基于自然图像（ImageNet）预训练的模型和传统影像组学方法	研究为回顾性设计，且模型性能在不同外部测试中心间可能存在差异，AI辅助效果也因放射科医师个体经验和对AI接受度而异	开发一个泛化性强且鲁棒的深度学习模型，用于X光片上骨肿瘤的准确分类	经组织病理学确诊的骨肿瘤患者的X光影像	计算机视觉	骨肿瘤	深度学习, 迁移学习, 影像组学	CNN	图像	2338名患者（来自四个中心），其中471名用于模型开发，1867名用于外部测试	未明确提及，可能为TensorFlow或PyTorch	ResNet50, InceptionV3	AUC	NA
362	2026-04-11	Machine and Deep Learning Reveal Sequence Determinants Encoding Bivalent Histone Modifications 2026-Apr-07, Communications biology IF:5.2Q1 DOI:10.1038/s42003-026-09962-8 PMID:41946881	研究论文	本文通过机器学习和深度学习揭示了编码双价组蛋白修饰的序列决定因素	首次利用机器学习模型基于k-mer序列特征准确区分双价与单价染色质区域，并通过深度学习进一步提升了预测准确性，发现了与多能性转录因子相关的特定基序及其在双价峰边界的位置特异性	研究主要基于小鼠胚胎干细胞数据，可能不直接适用于其他物种或细胞类型；序列特征的因果机制尚未完全阐明	探究双价染色质区域的序列特征及其在发育基因调控中的作用	小鼠胚胎干细胞中的双价组蛋白修饰（H3K4me3、H3K27me3、H3K9me3）区域	机器学习	NA	全基因组组蛋白修饰分析	机器学习模型, 深度学习模型	基因组序列数据	NA	NA	NA	预测准确性	NA
363	2026-04-11	Automatic detection of the fetal brain midsagittal plane on MRI using a deep learning pipeline 2026-Apr-07, American journal of obstetrics & gynecology MFM IF:3.8Q1 DOI:10.1016/j.ajogmf.2026.101962 PMID:41956321	研究论文	本文开发了一种基于深度学习的自动化管道，用于从胎儿脑部MRI扫描中自动检测胎儿脑部正中矢状面	提出了一种结合多任务2D U-Net和LightGBM分类器的深度学习框架，通过检测四个中线结构的可见性来自动识别胎儿脑部正中矢状面，并生成结构特异性概率图和切片级评分	研究仅基于正常脑部解剖的胎儿，且数据来自单一MRI序列（1.5 T单次激发快速自旋回波T₂加权序列），可能限制了模型的泛化能力	开发自动化工具以提升胎儿脑部MRI图像质量评估和标准化解剖评估的可靠性	胎儿脑部MRI扫描	医学影像分析	胎儿脑部发育	单次激发快速自旋回波T₂加权MRI序列	深度学习	MRI图像	432个胎儿脑部MRI堆栈（来自225个胎儿，孕周32周，四分位范围28-34周）	PyTorch, LightGBM	2D U-Net	AUC, 准确率, 灵敏度, 特异性, 定位准确度	NA
364	2026-04-11	Multicenter deep learning for multi-abnormality screening on hip radiographs: development, external validation, and assisted reader study 2026-Apr-06, Journal of advanced research IF:11.4Q1 DOI:10.1016/j.jare.2026.04.013 PMID:41951039	研究论文	本研究开发并验证了一个基于深度学习的模型，用于在髋部X光片上同时筛查多种异常，通过多中心数据集的训练和外部验证，展示了其在辅助诊断中的潜力	开发了一个能够同时筛查八种髋部异常（包括正常情况）的深度学习模型，结合了卷积块注意力模块、广义平均池化和类别平衡焦点损失等增强技术，并在多中心数据集上进行了外部验证和辅助读者研究	模型主要基于X光图像，可能无法检测所有类型的髋部异常；外部验证仅在一个医院进行，泛化能力需进一步验证；未涉及模型在实时临床环境中的长期影响评估	开发并验证一个深度学习模型，用于自动化筛查多种常见的髋部异常，以辅助临床诊断并提高筛查效率	髋部X光片（骨盆X光片）	计算机视觉	髋部疾病	X光成像	CNN	图像	训练和内部验证使用来自两家医院的25,908个髋部样本；外部验证使用来自第三家医院的4,600个髋部样本	未明确提及，可能为PyTorch或TensorFlow	ResNet-50	准确率, 宏AUC, 宏F1分数, 敏感性	未明确提及
365	2026-04-11	Challenges in translating AI-driven ASD/ADHD diagnosis: A methodological systematic review 2026-Apr-04, International journal of medical informatics IF:3.7Q2 DOI:10.1016/j.ijmedinf.2026.106417 PMID:41955914	系统综述	本文系统综述了利用深度学习驱动的计算机视觉进行生物医学信息学方法研究，以支持儿科神经发育障碍（如ASD和ADHD）的客观诊断决策	首次系统性地综合了多模态特征提取、深度学习架构、高性能策略及稳健数据集成挑战等生物医学信息学方法，并应用APPRAISE-AI框架评估方法学质量和偏倚	研究发现方法在可重复性（41.0%）和结果稳健性（45.1%）方面存在显著差距，且联邦学习和可解释AI技术应用不足	旨在为儿科神经发育障碍（NDDs）提供客观、数据驱动的诊断决策支持	专注于自闭症谱系障碍（ASD）和注意力缺陷/多动障碍（ADHD）等神经发育障碍	计算机视觉	神经发育障碍	深度学习驱动的计算机视觉	深度学习	多模态数据（如面部成像、EEG、fMRI）	基于43项Q1/Q2研究，具体样本量未在摘要中明确	NA	NA	特异性、敏感性	NA
366	2026-04-11	Street-view-measured greenspace components and childhood myopia: A population-based cross-sectional and prospective cohort study 2026-Apr-04, Environment international IF:10.3Q1 DOI:10.1016/j.envint.2026.110230 PMID:41955945	研究论文	本研究通过街景图像测量绿地组分，探讨其与儿童近视的关联	首次利用深度学习分割街景图像量化特定绿地组分（树木、草地、植物、田野），并构建时间加权“家-校”暴露指标，揭示了不同绿地组分与儿童近视的差异关联	研究为观察性设计，无法确定因果关系；绿地暴露测量基于静态街景图像，可能未完全捕捉动态变化；样本局限于香港地区，可能影响结果普适性	探究街景测量的绿地组分与儿童近视之间的关联	香港6至8岁儿童	计算机视觉	近视	深度学习分割	深度学习模型	街景图像	20,422名儿童（横断面研究），2,667名儿童（前瞻性队列研究）	NA	NA	比值比（OR），风险比（HR），95%置信区间（CI）	NA
367	2026-04-11	Imaging-derived biological age across multiple organs links to mortality and aging-related health outcomes 2026-Apr-03, npj aging IF:4.1Q2 DOI:10.1038/s41514-026-00377-7 PMID:41932933	研究论文	本文提出了一种基于深度学习的成像驱动框架，用于估计多个器官系统的生物年龄，并探讨其与死亡率和健康结局的关联	引入了一种纯粹基于成像的深度学习框架，用于跨七个器官系统估计器官特异性生物年龄，无需手动特征选择，并利用不确定性感知的ResNet模型自主学习衰老相关特征	研究主要基于UK Biobank数据，可能受限于特定人群和成像技术，且未明确讨论模型在其他数据集或临床环境中的泛化能力	开发一种成像驱动的生物年龄估计方法，以更全面地评估个体衰老轨迹，并预测死亡率和健康结局	70,000名UK Biobank参与者的成像数据，涵盖七个器官系统	计算机视觉	老年疾病	成像数据（如MRI、CT等）	CNN	图像	70,000名参与者	NA	ResNet	NA	NA
368	2026-04-11	A deep learning approach to assess transendothelial cell trafficking performance 2026-Apr-03, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-46045-4 PMID:41933074	研究论文	本研究开发了一种结合流式粘附实验与基于深度学习的AI分析方法，用于评估跨内皮细胞迁移性能	首次将流式粘附实验与基于Keras/TensorFlow的深度学习模型结合，实现细胞迁移阶段的高精度自动分类，准确率达91.6%，超越现有标准	未明确提及模型在更广泛疾病模型或细胞类型中的泛化能力验证	开发标准化、可扩展的AI工具以增强跨内皮迁移实验在疾病模型中的应用	健康供体和胰腺癌患者来源的T细胞	数字病理学	胰腺癌	活细胞成像技术	深度学习模型	图像	涉及健康供体和胰腺癌患者的T细胞样本，具体数量未明确	Keras, TensorFlow	未明确指定具体架构	准确率	未明确指定
369	2026-04-11	Integration of deep learning and radiomic features from multiplex immunohistochemistry images for reproducible Multi-Outcome prediction in a Multi-Center study of colorectal cancer 2026-Apr-03, International journal of medical informatics IF:3.7Q2 DOI:10.1016/j.ijmedinf.2026.106436 PMID:41955913	研究论文	本研究开发并验证了一个整合多路免疫组化图像中放射组学和深度学习特征的多模态机器学习框架，用于结直肠癌的多种预后预测	首次在多中心研究中结合放射组学特征和Vision Transformer提取的深度特征，通过特征融合和稳健性量化，实现了对结直肠癌多种临床结局的准确、可解释且可泛化的预测	研究为回顾性设计，可能受到选择偏倚的影响；仅使用了六种免疫标记物，可能未涵盖所有相关生物标志物	开发一个稳健的多模态机器学习框架，用于结直肠癌的全面预后预测	结直肠癌患者	数字病理学	结直肠癌	多路免疫组化	Vision Transformer, TabTransformer, XGBoost, TabNet, DeepSurv, CoxPH, RSF	图像	2,117名结直肠癌患者（来自七个中心，1,548例用于训练和内部测试，569例用于外部验证）	HistomicsTK, TensorFlow, PyTorch, Scikit-learn	ViT-B/16, TabTransformer, XGBoost, TabNet, DeepSurv	AUC, 宏AUC, C-index, 时间依赖性AUC	NA
370	2026-04-11	Learning with less supervision: A survey of label-efficient learning for medical image analysis 2026-Apr-02, Medical image analysis IF:10.7Q1 DOI:10.1016/j.media.2026.104062 PMID:41955904	综述	本文系统综述了医学图像分析中标签高效学习方法的最新进展，并提出了一个全面的分类体系	首次系统地将医学图像分析中的标签高效学习方法归纳为四种标签范式（无标签、标签不足、标签不精确、标签精炼），并强调了健康基础模型对该领域的根本性变革	作为综述文章，主要局限在于未提出新的算法或模型，且对具体技术细节的深入分析有限	旨在为医学图像分析领域提供标签高效学习方法的统一视角，指导稳健、标签高效解决方案的开发和临床转化	医学图像分析中标签高效学习的相关研究，包括同行评审文献和有影响力的预印本	医学图像分析	NA	深度学习	NA	医学图像	NA	NA	健康基础模型	NA	NA
371	2026-04-11	Beyond the human eye: Artificial intelligence revolutionizing plasma quality control 2026-Apr, Vox sanguinis IF:1.8Q3 DOI:10.1111/vox.70122 PMID:41022431	研究论文	本文开发了一种基于深度学习的自动化系统，用于标准化检测血浆颜色和浊度异常，以替代输血医学中主观的视觉检查	首次将深度学习模型与分拣机集成，实现血浆质量控制的自动化，减少人为误差和浪费	研究样本仅来自单一输血中心，可能限制结果的普适性	评估自动化系统在输血环境中检测血浆颜色和浊度异常的准确性和可靠性	血浆袋	计算机视觉	NA	图像采集	深度学习模型	图像	训练集789袋血浆（467正常，322异常），测试集第一阶段184袋（145正常，39异常），第二阶段486袋（287正常，199异常）	NA	NA	准确率, 灵敏度, 特异性, 精确度	NA
372	2026-04-11	Bi-directional YOLOv10 with average convolution for brain tumor detection in MRI 2026-Apr, Brain research bulletin IF:3.5Q2 DOI:10.1016/j.brainresbull.2026.111780 PMID:41691746	研究论文	本研究通过集成平均卷积模块和双向路径模块，增强了YOLOv10模型，用于MRI图像中的脑肿瘤检测	提出了AvConv模块和双向路径模块，以提升检测精度，相比基线YOLOv10在mAP50和mAP50-95指标上分别实现了相对0.3%/3.1%和2.1%/8.9%的改进	研究仅使用了两个Kaggle数据集（总计1269张图像），样本量相对有限，可能影响模型的泛化能力	提高MRI图像中脑肿瘤的自动检测精度，支持可靠的自动化诊断	MRI图像中的脑肿瘤	计算机视觉	脑肿瘤	MRI	YOLO	图像	1269张MRI图像（来自两个Kaggle数据集：数据集1含1116张图像，数据集2含153张图像）	NA	YOLOv10, 双向YOLOv10	mAP50, mAP50-95	NA
373	2026-04-11	A systematic evaluation of grayscale conversion methods for mitigating color variation in deep learning-based histopathological image analysis 2026-Apr, Journal of pathology informatics DOI:10.1016/j.jpi.2026.100647 PMID:41889534	研究论文	本研究系统评估了六种灰度转换算法及一种新型注意力机制方法（ACSRM）在减轻组织病理学图像颜色变异对深度学习模型性能影响方面的效果	提出并验证了基于Transformer注意力机制的新型灰度转换方法（ACSRM），通过长程像素依赖关系保留关键颜色信息，在跨中心/跨扫描仪场景中显著提升模型泛化能力	研究主要针对H&E染色切片，未涵盖其他染色类型；评估场景虽包含多中心数据，但可能未覆盖所有临床实践中出现的颜色变异模式	评估灰度转换方法作为标准化输入策略，以缓解组织病理学图像分析中因染色和扫描差异导致的深度学习模型性能下降问题	组织病理学图像（H&E染色切片）	数字病理学	NA	组织切片染色与数字化扫描	深度学习模型	图像	涉及多中心数据集（具体数量未在摘要中说明）	PyTorch（基于Transformer架构推断）	Swin-Transformer-base (Swin-B)	F1分数, 交并比 (IoU), McNemar检验, Wilcoxon符号秩检验	NA
374	2026-04-11	STARD3-like protein from golden noble scallop is a carotenoid transfer protein capable of binding various xanthophylls 2026-Apr-01, International journal of biological macromolecules IF:7.7Q1 DOI:10.1016/j.ijbiomac.2026.151788 PMID:41932487	研究论文	本文研究了金贵扇贝中的STARD3样蛋白作为类胡萝卜素转运蛋白的功能，能够结合多种叶黄素并展示选择性配体偏好	首次发现STARD3样蛋白具有水溶性类胡萝卜素结合域，能选择性结合稀有氧化产物，并使用深度学习算法进行结构建模以解释其选择性	未明确提及	探索海洋无脊椎动物中类胡萝卜素结合与转运的分子机制	金贵扇贝Mimachlamys nobilis中的STARD3样蛋白（MnSTARD3L）	生物信息学	NA	体外重构、在大肠杆菌中表达、结构建模	深度学习算法	蛋白质序列与结构数据	NA	NA	NA	NA	NA
375	2026-04-11	Mass spectrometry-based de novo sequencing reveals non-canonical neoantigens with antitumor efficacy in hepatocellular carcinoma 2026-Apr, JHEP reports : innovation in hepatology IF:9.5Q1 DOI:10.1016/j.jhepr.2026.101775 PMID:41861674	研究论文	本研究利用基于质谱的从头测序结合深度学习预测，在肝细胞癌小鼠模型中鉴定并验证了具有抗肿瘤活性的非经典新抗原，并评估了多肽疫苗的疗效	首次将基于质谱的从头测序与深度学习预测相结合，系统性地鉴定并实验验证了肝细胞癌中非经典翻译来源的新抗原的免疫原性和体内抗肿瘤功效	研究基于小鼠模型，其HLA呈递和肿瘤微环境可能与人类存在差异，临床转化需在人体中进一步验证	鉴定肝细胞癌中具有免疫原性和抗肿瘤功效的非经典新抗原，并开发有效的多肽疫苗策略	肝细胞癌（HCC）小鼠模型（C57BL/6皮下和原位模型）	计算免疫学	肝细胞癌	质谱（MS）从头测序、MHC-I免疫沉淀、ELISpot体外检测、平行反应监测（PRM）靶向定量	深度学习模型	质谱数据、免疫肽序列数据	未明确说明具体样本数量，但涉及小鼠模型和5,576个免疫肽的鉴定	NA	NA	p值（统计显著性）	NA
376	2026-04-11	Segment anything small for ultrasound: Enhancing segmentation with non-generative augmentation 2026-Apr, PLOS digital health DOI:10.1371/journal.pdig.0001309 PMID:41950249	研究论文	本文提出了一种名为SAS的尺度与纹理感知数据增强技术，旨在提升深度学习模型在超声图像中对小解剖结构的分割性能	提出了一种简单有效的双变换数据增强策略，通过模拟不同器官尺度和组织纹理来生成真实且多样化的训练数据，无需引入幻觉或伪影	未明确说明该方法在极端噪声或病理变异情况下的性能极限	提升超声图像中（特别是小）解剖结构分割的准确性和鲁棒性	超声图像中的解剖结构（特别是小结构）	数字病理	NA	深度学习，数据增强	可提示的基础模型	图像	一个内部数据集和五个外部数据集	NA	NA	Dice系数	NA
377	2026-04-11	Machine learning-enhanced digital microscopy for personalized assessment of red blood cell storage lesions 2026-Apr, Vox sanguinis IF:1.8Q3 DOI:10.1111/vox.70103 PMID:40887105	研究论文	本研究开发了一种结合机器学习和显微镜图像的创新平台，用于个性化评估红细胞储存损伤	首次提出利用机器学习和全玻片扫描技术对红细胞储存损伤进行个性化评估，填补了临床实践中缺乏个体化评估方法的空白	研究未明确说明模型在更广泛人群或不同存储条件下的泛化能力，且外部验证集可能仍存在样本偏差	开发一种快速、准确且稳定的个性化评估方法，用于监测红细胞储存损伤以改善输血效果	储存的供体红细胞，通过血液涂片和细胞离心制备的样本	数字病理学	血液疾病	全玻片扫描，流式细胞术	经典机器学习，深度学习，集成学习	图像	训练集包含550,870张图像，内部测试集包含192,562张图像，外部测试集包含350,793张图像	NA	k-近邻，支持向量机，极端随机树，DenseNet-121，InceptionV3，ResNet101	准确率	NA
378	2026-04-11	Robustness of a convolutional neural network trained on dermoscopic images and challenged with close-up images 2026-Apr, Journal der Deutschen Dermatologischen Gesellschaft = Journal of the German Society of Dermatology : JDDG DOI:10.1111/ddg.15900 PMID:41074636	研究论文	本研究评估了在皮肤镜图像上训练的深度学习卷积神经网络在面对临床特写图像时的诊断鲁棒性	首次系统评估了基于皮肤镜图像训练的深度学习模型在临床特写图像上的跨域性能表现	研究样本量相对有限（350个皮损），且主要依赖单一模型进行评估	评估深度学习模型在不同成像模式（皮肤镜 vs 临床特写）下的诊断性能差异	皮肤病变图像（包括皮肤镜图像和临床特写图像）	计算机视觉	皮肤癌	深度学习	CNN	图像	350个皮肤病变（每个病变同时有皮肤镜和临床特写图像），训练集包含129,487张皮肤镜图像	NA	Moleanalyzer pro	灵敏度, 特异性, ROC-AUC	NA
379	2026-04-11	Deep learning for early detection of mild cognitive impairment using smart home ambient sensor data 2026-Apr, The Clinical neuropsychologist DOI:10.1080/13854046.2025.2570303 PMID:41105477	研究论文	本研究利用基于对比预训练的时间卷积网络（TCN-CL）分析智能家居环境传感器数据，以区分健康老年人和轻度认知障碍患者	采用对比预训练的时间卷积网络（TCN-CL）从智能家居环境传感器数据中捕获复杂的时间依赖关系并提取高级特征，以提升在多样化、多居民环境中的诊断准确性	样本量相对较小（137名参与者），且仅基于社区居住的老年人，可能限制了模型的泛化能力	早期检测轻度认知障碍（MCI），以补充和增强临床决策	社区居住的老年人，包括健康老年人（HOA）和轻度认知障碍（MCI）患者	机器学习	老年疾病	智能家居环境传感器数据采集	TCN-CL（时间卷积网络与对比预训练）	时间序列传感器数据	137名社区居住的老年人（76名健康老年人，61名MCI患者）	NA	时间卷积网络（TCN）	准确率, 灵敏度, 特异度, Matthews相关系数	NA
380	2026-04-11	Heuristically Adaptive Diffusion-Model Evolutionary Strategy 2026-Apr, Advanced science (Weinheim, Baden-Wurttemberg, Germany) DOI:10.1002/advs.202511537 PMID:41793196	研究论文	提出一种将扩散模型与进化算法相结合的混合框架，通过启发式自适应机制提升进化优化的效率和精度	首次将扩散模型的深度生成能力与进化算法的启发式搜索相结合，利用扩散模型保留历史数据并挖掘隐式关联，通过无分类器引导实现对进化动态的精确控制	未在论文摘要中明确说明具体局限性	开发一种自适应、记忆增强的进化优化框架，提升生成建模和启发式搜索的灵活性与精度	进化算法的参数优化过程	机器学习	NA	扩散模型, 进化算法, 深度学习	扩散模型	数值参数	NA	NA	NA	NA	NA