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
21	2026-02-15	Identification of a type 1 diabetes-associated T cell receptor repertoire signature from the human peripheral blood 2026-Feb-13, Science advances IF:11.7Q1 DOI:10.1126/sciadv.adx7448 PMID:41686902	研究论文	本研究通过分析2250名HLA分型参与者的外周血T细胞受体β链序列，结合深度学习识别出与1型糖尿病相关的TCR亚序列基序，揭示了HLA风险等位基因对TCR库的限制作用	首次大规模结合HLA分型和TCR测序数据，利用深度学习识别出T1D相关的TCR基序，并验证其在胰腺引流淋巴结中的存在	研究为横断面设计，无法确定TCR基序与疾病进展的因果关系；样本主要来自外周血，可能未完全反映组织局部免疫状态	探究1型糖尿病中HLA等位基因对T细胞受体库的影响，并识别疾病相关的TCR特征	2250名HLA分型参与者，包括1型糖尿病患者、健康相关及无关对照	机器学习	1型糖尿病	T细胞受体β链测序	深度学习	序列数据	2250名参与者	NA	NA	NA	NA
22	2026-02-15	MS-HIENet: multi-scale hybrid implicit-explicit registration network 2026-Feb-13, Physics in medicine and biology IF:3.3Q1 DOI:10.1088/1361-6560/ae45e7 PMID:41687255	研究论文	本文提出了一种用于肺部医学图像配准的新型深度学习框架MS-HIENet，该框架结合了隐式神经表示和卷积神经网络，以协同处理大尺度形变和局部精细结构	提出了一种无掩码的端到端多尺度混合隐式-显式配准网络，首次将隐式神经表示与卷积神经网络相结合，通过低分辨率层捕获全局形变、高分辨率层细化局部结构的分层策略，实现了从粗到细的配准，并利用基于坐标到位移的隐式映射框架直接建模连续形变场，无需依赖掩码标注	仅在DIR-Lab数据集上进行了实验验证，未提及在其他肺部影像数据集或不同模态影像上的泛化性能	解决肺部影像中同时处理大尺度形变和局部精细形变的挑战，开发一种高精度的医学图像配准方法	肺部医学图像	计算机视觉	肺癌	医学图像配准	CNN, 隐式神经表示	图像	DIR-Lab数据集	NA	MS-HIENet	目标配准误差, 形变场折叠率	NA
23	2026-02-15	Robotic-Arm Assisted Multi-Apical View 3-D Fusion of Echocardiography for Enhanced Left Ventricular Assessment Using Wavelet 2026-Feb-13, Ultrasound in medicine & biology DOI:10.1016/j.ultrasmedbio.2026.01.006 PMID:41688231	研究论文	本研究提出了一种结合机器人臂辅助采集和小波多心尖视图融合的方法，以增强三维超声心动图中左心室图像质量	创新点在于首次将机器人臂辅助的标准化探头定位与小波多心尖视图融合技术结合，以提升三维超声心动图图像质量	局限性包括仅使用志愿者扫描，样本量有限，且未纳入患者数据或深度学习技术进行进一步优化	研究目标是提高三维超声心动图对左心室功能的评估准确性	研究对象是志愿者通过三维超声心动图采集的左心室图像	医学影像	心血管疾病	三维超声心动图	NA	图像	志愿者扫描，具体数量未在摘要中明确说明	NA	NA	信噪比, 对比噪声比	NA
24	2026-02-15	Lightweight scalable deep learning framework for real time detection of potato leaf diseases 2026-Feb-13, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-33423-7 PMID:41688475	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
25	2026-02-15	Multi-class eye disease classification using deep learning EfficientNetB0 fusion techniques 2026-Feb-13, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-35357-0 PMID:41688503	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
26	2026-02-15	Quantitative fat-fraction analysis of the rotator cuff muscles on clinical sagittal and coronal T1-weighted MRI using deep learning algorithms 2026-Feb-13, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-38108-3 PMID:41688617	研究论文	本研究利用深度学习算法，从临床T1加权MRI中预测肩袖肌肉的定量脂肪分数，以改进脂肪浸润评估	开发了一种基于深度学习的体素级脂肪分数预测算法，相比传统的定性Goutallier分类，能提供更准确、全面的脂肪分布分析	研究样本量相对较小（训练集75例，验证集24例），且仅基于特定MRI序列（T1加权和2点Dixon），可能限制泛化能力	通过深度学习实现从标准T1加权MRI中定量预测肩袖肌肉的脂肪分数，以改善手术预后分析和治疗规划	肩袖肌肉的MRI图像，特别是T1加权和2点Dixon序列的配对数据	计算机视觉	肩袖损伤	MRI（T1加权和2点Dixon序列）	深度学习模型（具体未指定，但基于体素级五分类系统）	医学图像（MRI）	99例患者（训练集75例，验证集24例）	NA	NA	平均全肌肉脂肪分数计算误差（均值±标准差），与Dixon MRI测量值比较	NA
27	2026-02-15	Anatomy-guided visual prompt tuning for cross-modal breast cancer understanding 2026-Feb-13, NPJ digital medicine IF:12.4Q1 DOI:10.1038/s41746-026-02417-8 PMID:41688744	研究论文	提出一种结合解剖学先验的视觉提示调优框架，用于跨模态乳腺癌图像的理解	将明确的解剖结构整合到冻结的Vision Transformer骨干网络的提示空间中，通过动态生成组织感知提示并进行分层提示-标记交互，实现跨模态对比对齐	未明确提及	提高跨模态乳腺癌检测的准确性和泛化能力	乳腺癌病变	计算机视觉	乳腺癌	医学影像分析	Vision Transformer (ViT)	图像	三个基准数据集（INbreast, BUSI, Duke-Breast-MRI）	未明确提及	Vision Transformer	病变分类和分割性能	未明确提及
28	2026-02-15	Multi-institutional deep learning for GTV segmentation and survival prediction in nasopharyngeal carcinoma 2026-Feb-13, BMC medical imaging IF:2.9Q2 DOI:10.1186/s12880-026-02195-5 PMID:41688962	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
29	2026-02-15	Drone-based geospatial prediction modeling identifies Fasciola hepatica infection risk in the Cusco Highlands of Peru 2026-Feb-12, Infectious diseases of poverty IF:4.8Q1 DOI:10.1186/s40249-026-01420-1 PMID:41673907	研究论文	本研究利用无人机获取的高分辨率环境指数，开发了预测秘鲁安第斯社区中人类和羊群肝片吸虫感染的机器学习模型	首次结合无人机获取的多光谱和热成像数据，通过机器学习模型在精细尺度上预测肝片吸虫感染风险，并生成社区内的风险概率分布图	研究仅基于单个安第斯社区的数据，模型性能在空间交叉验证下有所下降，普适性有待进一步验证	开发精细尺度的环境风险预测模型，以支持肝片吸虫病的针对性监测与控制	秘鲁库斯科高地Huayllapata社区的居民家庭及其饲养的羊群	机器学习	肝片吸虫病	无人机多光谱与热成像调查、粪便显微镜检查	逻辑回归, 随机森林, XGBoost, 深度学习	环境指数、地形数据、气候数据、人口社会经济数据、地理参考感染数据	社区内家庭及羊群感染数据（人类家庭感染率21.3%，羊群感染率80%）	NA	随机森林, XGBoost	准确率, 灵敏度, 特异性	NA
30	2026-02-15	Recurrent neural network long short term memory model to detect the pile toe using raw data of pile integrity test 2026-Feb-12, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-36732-7 PMID:41680218	研究论文	本文提出了一种使用RNN-LSTM模型自动生成桩完整性测试速度反射图的新方法	利用RNN-LSTM模型从原始加速度数据中学习波传播行为，自动生成反射图，减少了对专家经验的依赖	NA	开发一种人工智能系统，以自动检测桩底位置，提高桩完整性测试的可靠性和效率	埃及多个打桩项目的低应变完整性测试数据	机器学习	NA	低应变完整性测试	RNN-LSTM	时间序列数据	NA	NA	LSTM	决定系数, 视觉检查	NA
31	2026-02-15	An optimized knowledge-based planning method for craniospinal irradiation integrated with auto-contouring 2026-Feb-12, Physica medica : PM : an international journal devoted to the applications of physics to medicine and biology : official journal of the Italian Association of Biomedical Physics (AIFB) DOI:10.1016/j.ejmp.2026.105743 PMID:41687242	研究论文	本研究开发了一种集成深度学习自动勾画和机器学习增强快速计划的自动化工作流，用于颅脊髓照射（CSI）治疗规划	结合DPNUNet自动勾画模型和机器学习优化的知识型规划（KBP）方法，通过迭代排除剂量学和几何异常值来提升模型泛化能力	模型在异常值敏感性方面仍存在挑战，且快速计划（RP）显示更高的PTV热点和更多监测单元需求	开发自动化工作流以提高颅脊髓照射（CSI）治疗规划的效率和标准化水平	颅脊髓照射（CSI）患者的计划靶区（PTV）和危及器官（OARs）	数字病理学	NA	深度学习，机器学习	DPNUNet	医学影像数据	91名CSI患者用于训练自动勾画模型，20个手动计划用于性能评估	NA	DPNUNet	Dice系数，剂量学指数	NA
32	2026-02-15	Artificial Intelligence in Tuberculosis Imaging: A Global Bibliometric Analysis of Research Trends and Collaborations 2026-Feb-12, Radiography (London, England : 1995) DOI:10.1016/j.radi.2026.103348 PMID:41687417	文献计量分析	本文通过文献计量分析，全面描绘了人工智能在结核病影像学领域的研究趋势、合作网络、技术演进和新兴热点	首次对人工智能驱动的结核病影像学领域进行了全面的文献计量分析，系统梳理了其出版趋势、国际合作、成像模态和技术发展历程	分析仅基于Web of Science和Scopus数据库的英文文献，可能遗漏其他语言或数据库的相关研究	旨在通过文献计量分析，揭示人工智能在结核病影像学领域的研究格局、发展趋势和未来方向	2000年至2025年7月期间发表的关于人工智能在结核病影像学应用的英文文章和综述	医学影像分析	结核病	文献计量分析	NA	文献元数据	556篇出版物	CiteSpace, VOSviewer	NA	NA	NA
33	2026-02-15	Automatic field-of-view planning for magnetic resonance shoulder imaging using Deep Learning 2026-Feb-12, Journal of medical imaging and radiation sciences IF:1.3Q3 DOI:10.1016/j.jmir.2026.102197 PMID:41687427	研究论文	本研究提出了一种基于深度学习的自动化方法，用于磁共振肩部成像中斜冠状面和斜矢状面视野的规划	首次将深度学习应用于肩部MRI斜平面视野的自动化规划，解决了该领域此前未充分探索的问题	研究为回顾性多中心设计，未来需要前瞻性验证以确认临床效果	开发自动化视野规划方法以减少人工依赖性、提高肩部MRI扫描的一致性和效率	肩部磁共振成像	计算机视觉	NA	磁共振成像	YOLO	图像	575例肩部MRI检查，来自四个中心	NA	YOLOv11-OBB (n, s, m, l, x 变体)	平均绝对切片差异, 交并比, 平均绝对角度差异	NA
34	2026-02-15	Deep Learning and Machine Learning for Differentiation Between Contrast Extravasation and Hemorrhagic Transformation in Post-Thrombectomy Stroke CT 2026-Feb-12, Journal of neuroradiology = Journal de neuroradiologie DOI:10.1016/j.neurad.2026.101530 PMID:41687434	研究论文	本研究开发并验证了基于机器学习和深度学习的模型，用于在机械取栓后6小时内的非增强CT图像上区分出血性转化和造影剂外渗	首次将U-Net深度学习模型与基于放射组学的传统机器学习模型（如支持向量机、随机森林和逻辑回归）相结合，应用于机械取栓后非增强CT图像中区分出血性转化和造影剂外渗，并展示了U-Net在原始图像数据学习上的优势	研究为回顾性分析，样本量相对较小（共351名患者，其中111名有高密度影），需要更大规模的研究和结合放射组学与深度学习的混合方法进行进一步验证	开发并验证机器学习模型，以在机械取栓后的非增强CT图像上准确区分出血性转化和造影剂外渗，为临床决策提供支持	前循环急性缺血性卒中并接受机械取栓治疗的患者，特别是那些在取栓后非增强CT上出现高密度影的患者	医学影像分析	卒中	非增强CT成像	SVM, RF, LR, U-Net	图像	351名患者（其中111名有高密度影，分为训练集72名和测试集39名）	NA	U-Net	准确率, 灵敏度, 特异性, F1分数, AUC	NA
35	2026-02-15	Autoencoder-driven stride length estimation for individuals with Parkinson's disease using inertial measurement unit-embedded footwear 2026-Feb-12, Gait & posture IF:2.2Q2 DOI:10.1016/j.gaitpost.2026.110126 PMID:41687573	研究论文	本研究开发了一种基于自编码器的深度学习模型，利用鞋内嵌入式惯性测量单元数据预测帕金森病患者的步长	首次在帕金森病患者群体中应用自编码器进行步长估计，且无需显式步态分割，提高了模型的实用性和鲁棒性	样本量较小（仅10名帕金森病患者），且未在更广泛的患者群体或不同疾病阶段进行验证	开发一种无需显式步态分割的步长估计方法，用于帕金森病患者的步态监测和疾病进展评估	帕金森病患者的步态数据	机器学习	帕金森病	惯性测量单元（IMU）数据采集	自编码器，全连接回归网络	时间序列数据（三轴加速度和角速度）	10名帕金森病患者	未明确提及	自编码器，全连接回归网络	R²，一致性界限	未明确提及
36	2026-02-15	Early detection of female-specific cancers using longitudinal healthcare records with a multichannel convolutional neural network 2026-Feb-12, BMJ health & care informatics IF:4.1Q2 DOI:10.1136/bmjhci-2025-101874 PMID:41688098	研究论文	本研究开发了一种多通道卷积神经网络，利用纵向医疗记录对女性特异性癌症进行早期检测	提出了一种多通道卷积神经网络架构，能够统一处理四种女性癌症的早期检测，并利用SHAP可解释性分析揭示临床相关的时间模式	研究基于台湾的单一数据库，可能限制了模型在其他人群中的泛化能力	开发并验证一种利用纵向医疗记录进行女性特异性癌症早期检测的计算方法	女性特异性癌症（乳腺癌、卵巢癌、宫颈癌和子宫恶性肿瘤）	医疗人工智能	女性特异性癌症	纵向医疗记录分析	多通道卷积神经网络	结构化医疗记录（诊断代码、药物、医嘱）	19,954名女性患者（596例癌症病例，19,358例对照）	未明确指定	多通道卷积神经网络	Macro-F1分数，精确度，召回率	未明确指定
37	2026-02-15	How threshold customisation affects the performance of a multiclass X-ray AI model for primary care triage: a retrospective study 2026-Feb-12, BMJ open IF:2.4Q1 DOI:10.1136/bmjopen-2025-111127 PMID:41689225	研究论文	本研究评估了多类别胸部X光深度学习模型在不同阈值下的诊断性能，并探讨了其在初级保健分诊工作流程中的潜在影响	通过阈值优化过程，调整模型操作阈值以优先考虑敏感性和阴性预测值，支持初级保健中安全的AI辅助分诊	研究为回顾性设计，样本量有限（816张X光片），且未包括儿科研究或模型不支持的其他发现（如骨骼异常和医疗设备）	优化多类别胸部X光AI模型的阈值，评估其诊断性能，并估计其在初级保健AI分诊工作流程中的潜在操作影响	816张成人正面胸部X光片（多民族亚洲人群，464名男性，352名女性；平均年龄60.8岁）	计算机视觉	NA	深度学习	深度学习模型	图像	816张成人正面胸部X光片	NA	NA	敏感性, 特异性, 阴性预测值, 阳性预测值	NA
38	2026-02-15	Establishing an Evidence-based Modern Breast MRI Program 2026-Feb-11, Journal of breast imaging IF:2.0Q3 DOI:10.1093/jbi/wbaf082 PMID:41671073	综述	本文综述了现代乳腺MRI项目的关键要素、协议优化策略以及新兴技术趋势	探讨了扩散加权MRI、超快动态增强MRI和深度学习模型等先进技术如何扩展乳腺MRI能力，并分析了这些创新带来的协议变异性问题	作为综述文章，未提出新的实验数据或模型验证，主要基于现有文献进行总结	建立基于证据的现代乳腺MRI项目，优化乳腺成像协议并探索未来技术发展方向	乳腺MRI成像协议、技术应用及临床实践	数字病理学	乳腺癌	动态增强MRI、扩散加权MRI、超快动态增强MRI、深度学习	深度学习模型	MRI图像	NA	NA	NA	NA	NA
39	2026-02-15	eccDNA2Ca: an ensemble deep learning framework for interpretable prediction of cancer-associated extrachromosomal circular DNA 2026-Feb-11, Journal of advanced research IF:11.4Q1 DOI:10.1016/j.jare.2026.02.014 PMID:41687774	研究论文	开发了一个名为eccDNA2Ca的可解释集成深度学习框架，用于直接从原始序列预测与癌症相关的染色体外环状DNA	首个专门设计用于在实验检测后基于序列特征优先考虑癌症相关eccDNA的可解释且公开可用的计算框架，整合了XGBoost与深度神经网络	NA	预测与癌症相关的染色体外环状DNA，并评估其功能或临床意义	人类染色体外环状DNA	机器学习	癌症	NA	XGBoost, CNN, LSTM	序列	来自21项研究的465个经实验验证的人类eccDNA，涵盖16种癌症类型	NA	NA	AUC, AUPR	NA
40	2026-02-15	Automated Segmentation of Pterygium Lesions Using Multiscale Deep Learning Networks 2026-Feb-11, Experimental eye research IF:3.0Q1 DOI:10.1016/j.exer.2026.110928 PMID:41687801	研究论文	本文提出了一种基于多尺度深度学习网络的翼状胬肉病变自动分割方法	利用多尺度模块（SPP和ASPP）嵌入UNet瓶颈层，以捕获翼状胬肉病变的楔形特征，并探索了等流和瀑布流模式构建并行路径	未分析更大特征图尺寸的网络架构，且计算负担可能增加	开发一种语义分割方法，以准确映射和量化翼状胬肉病变，用于自动评估疾病严重程度	翼状胬肉病变的眼底图像	计算机视觉	眼科疾病	深度学习	CNN	图像	NA	NA	UNet, SPP, ASPP	Hausdorff距离	NA