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
401	2026-06-01	Automated deep learning pipeline for measuring lumbar thecal sac AP diameter on mid-sagittal MR images 2026-02-10, BMC medical imaging IF:2.9Q2 DOI:10.1186/s12880-026-02220-7 PMID:41668049	研究论文	开发并验证了一种基于深度学习的自动化管道，用于在中矢状位腰椎T2加权MRI图像上定量测量椎间盘水平的硬膜囊前后径	结合YOLOv8定向边界框进行椎间盘定位和方向估计，同形变换ROI，注意力U-Net分割，以及基于骨架的AP直径计算，实现了全自动、椎间盘水平的量化测量	未在更广泛的数据集或临床环境中验证，且可能受限于MRI图像质量和患者体位差异	建立自动化、标准化的腰椎管狭窄形态测量方法，支持临床定量评估	中矢状位腰椎T2加权MRI图像上的硬膜囊前后径	医学影像分析	腰椎管狭窄	MRI	YOLOv8, Attention U-Net	图像	511例回顾性研究（内验证50例，外验证50例）	PyTorch	YOLOv8-OBB, Attention U-Net	MAE	NA
402	2026-06-01	Commercially Available Artificial Intelligence Solutions for Gynaecologic Cytology Screening and Their Integration Into Clinical Workflow 2026-01, Cytopathology : official journal of the British Society for Clinical Cytology IF:1.2Q3 DOI:10.1111/cyt.70023 PMID:41028901	综述	综述了商用人工智能软件在妇科细胞学筛查中的现状，并评估其临床应用中的能力、性能、影响以及整合挑战	系统评估商用AI工具在妇科细胞学筛查中的临床整合、监管合规性和伦理考量	未提及具体局限	探讨AI如何重塑妇科细胞学并改善女性健康管理	商用人工智能解决方案在妇科细胞学筛查中的应用	数字病理学	妇科癌症	人工智能、机器学习、深度学习	NA	图像	NA	NA	NA	准确性、一致性、效率	NA
403	2026-06-01	Artificial Intelligence Supported Analysis of Anal Sphincter and Levator Ani Muscle Using Medical Imaging Techniques: A Systematic Review 2026-01, International urogynecology journal IF:1.8Q3 DOI:10.1007/s00192-025-06385-7 PMID:41165777	系统综述	系统综述了人工智能支持下的肛门括约肌和提肛肌医学影像分析研究	首次系统评估人工智能在盆底肌影像分析中的研究质量，使用TRIPOD-AI清单评价报告标准	多数模型尚未准备好广泛临床应用，数据集多样性不足，缺乏外部验证	回顾人工智能在肛门括约肌和提肛肌医学影像分析中的应用现状、优势、局限及知识缺口	肛门括约肌和提肛肌相关健康条件的医学影像数据	计算机视觉	盆底功能障碍	超声、磁共振成像	深度学习	影像	40项研究	NA	UNet	NA	NA
404	2026-06-01	Machine learning-based prediction of hepatocellular carcinoma risk in steatotic liver disease: A nationwide cohort study 2026, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0349593 PMID:42207764	研究论文	基于机器学习开发预测脂肪肝疾病患者肝细胞癌风险的模型，并在全国队列中进行验证	利用可解释的机器学习模型和常规筛查数据，实现脂肪肝人群中肝细胞癌风险的高精度分层，并识别关键风险因素	研究基于韩国人群数据，模型需要外部验证才能推广至其他人群；队列数据限制了对混杂因素的控制	开发可解释的机器学习模型，预测脂肪肝疾病个体的肝细胞癌风险	20-79岁脂肪肝疾病成人，基于韩国国家健康保险服务数据库	机器学习	肝细胞癌，脂肪肝疾病	NA	深度神经网络集成，加权多头注意力机制	结构化数据（常规健康筛查指标）	1,241,560名脂肪肝成人，其中2,152例肝细胞癌	PyTorch	多头注意力深度神经网络	AUC，敏感性，特异性	NA
405	2026-06-01	UAV-based RGB and multispectral mango leaf disease detection with benchmarking of YOLOv5 to YOLOv10 and SeqOpt-optimised YOLOv8 for real-time edge deployment 2026, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0349855 PMID:42207843	研究论文	提出了一种基于无人机多光谱成像和优化深度学习模型的实时芒果叶病害检测框架，并实现了边缘设备部署	提出了SeqOpt方法优化YOLOv8，在边缘设备上实现了检测性能与部署效率的更好平衡，相比YOLOv10在F1分数、mAP@50和mAP@50-95上分别提升9.7%、8.6%和21.7%	未提及跨品种或跨环境泛化能力验证	开发适用于精准农业的实时芒果叶病害检测系统，实现边缘设备上的高效部署	芒果叶病害（四种常见病害），无人机采集的RGB和多光谱图像	计算机视觉	芒果叶病害	多光谱成像，无人机搭载MAPIR RGB和多光谱OCN相机	YOLOv5至YOLOv10，SeqOpt优化的YOLOv8	RGB图像和多光谱图像	6,334张高分辨率图像（如包括RGB和多光谱均计入总张数）	PyTorch, ONNX	YOLOv5, YOLOv6, YOLOv7, YOLOv8, YOLOv9, YOLOv10	F1分数, mAP@50, mAP@50-95, 延迟, 能耗	Raspberry Pi 5, NVIDIA Jetson Orin Nano
406	2026-06-01	Towards intelligent railway monitoring: A novel hybrid deep learning architecture for railway obstacle detection 2026, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0349562 PMID:42213657	研究论文	提出一种用于铁路障碍物检测的新型混合深度学习架构	结合ResNet50和Swin Transformer V2的混合架构，并集成高效注意力模块，在轨道图像障碍物分类上达到新基准	NA	实现铁路轨道障碍物的可靠高性能分类，提升铁路监控智能化水平	铁路轨道上的六类障碍物（铁棒、巨石、人、树枝、罐子、桶）	计算机视觉	NA	NA	混合深度学习模型	图像	2003张图像，涵盖六个类别	NA	ResNet50, Swin Transformer V2	平衡准确率	NA
407	2026-06-01	A hybrid BiLSTM-transformer-GCN architecture with API fusion for adaptive transportation resource analytics 2026, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0349787 PMID:42213697	研究论文	提出一种融合BiLSTM、Transformer编码器和图卷积网络及API特征融合的混合深度学习框架，用于自适应交通资源发现与分类	首次将BiLSTM、Transformer编码器和图卷积网络与基于API的上下文特征融合相结合，并采用多目标学习策略联合优化有监督分类和无监督异常发现	未提及模型的跨城市泛化能力及在极端交通条件下的鲁棒性	实现自适应交通资源发现、分类和异常检测，有效处理异构时空数据中的非线性依赖和动态交通状况	连接车辆、道路基础设施和外部上下文服务产生的异构时空交通数据	机器学习	不适用	NA	混合深度学习模型（BiLSTM、Transformer、图卷积网络）	时空数据	巴塞罗那事故数据集和Metro城际交通流量数据集	NA	BiLSTM, Transformer, 图卷积网络, API融合模块	准确率, F1分数, AUC, AUROC, AUPRC, 重构误差	NA
408	2026-06-01	TransGrid-CostOpt: A hybrid transformer framework for cost prediction and optimization of distribution network assets 2026, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0350026 PMID:42213739	研究论文	提出一种混合Transformer框架TransGrid-CostOpt，用于配电网资产成本预测与优化	将深度学习、多目标优化、时间序列预测与强化学习决策策略相结合，实现配电网成本预测与优化的智能模型	未明确说明局限性	解决配电网资产成本预测与优化的复杂问题，提高预测精度和优化效率	配电网资产成本预测与优化	机器学习	NA	NA	Transformer	时间序列数据	BuildingsBench和PJM Hourly Load Data数据集	NA	Transformer	准确率、效率、成本优化、多目标平衡	NA
409	2026-06-01	LoRA-based methods on Unet for transfer learning in aneurysmal subarachnoid hematoma segmentation 2025-12-26, BMC medical imaging IF:2.9Q2 DOI:10.1186/s12880-025-02116-y PMID:41454218	研究论文	本研究探讨了基于LoRA的方法在U-Net上对动脉瘤性蛛网膜下腔血肿分割进行迁移学习，比较了多种参数高效微调策略，并开发了新型CP-LoRA和DoRA变体方法	首次将LoRA方法应用于U-Net的动脉瘤性蛛网膜下腔血肿分割迁移学习，提出了基于张量CP分解的CP-LoRA方法以及将权重矩阵分解为幅度和方向分量的DoRA变体，证明过参数化（高秩）优于严格低秩适应	样本量较小（30例动脉瘤性SAH患者），使用3折交叉验证；对体积较小的血肿分割精度较低（Dice 0.107-0.361）；研究仅针对单一机构的数据集	探索迁移学习从创伤性脑损伤血肿到动脉瘤性蛛网膜下腔血肿分割的可行性，并评估LoRA方法相比传统微调策略的性能优势	动脉瘤性蛛网膜下腔血肿的CT扫描分割	数字病理学, 计算机视觉	脑血管疾病	CT扫描	U-Net, LoRA, DoRA	图像	124例创伤性脑损伤患者（预训练）+ 30例动脉瘤性SAH患者（微调）	PyTorch	U-Net	Dice系数	NA
410	2026-06-01	Deep Transfer Learning Links Benign Glands to Prostate Cancer Progression via Transcriptomics 2025-Dec-22, Genomics, proteomics & bioinformatics DOI:10.1093/gpbjnl/qzaf119 PMID:41317378	研究论文	利用深度迁移学习框架DEGAS分析前列腺癌空间转录组数据，识别与癌症进展高度相关的细胞和组织，发现形态学良性腺体中MSMB表达下调与肿瘤侵袭性相关	首次将深度迁移学习应用于空间转录组学分析前列腺癌的区域效应，揭示良性腺体中MSMB下调与免疫微环境改变的关联	NA	利用深度迁移学习分析前列腺癌空间转录组，探索良性组织中的分子变化与癌症进展的关系	前列腺癌空间转录组样本及患者组织样本	机器学习	前列腺癌	空间转录组测序、单细胞转录组测序、免疫组化	深度迁移学习	空间转录组数据、单细胞转录组数据、蛋白表达数据	NA	DEGAS	NA	NA	NA
411	2026-06-01	Progressive curriculum learning with Scale-Enhanced U-Net for continuous airway segmentation 2025-12-17, BMC medical imaging IF:2.9Q2 DOI:10.1186/s12880-025-02066-5 PMID:41408195	研究论文	提出一种渐进式课程学习流程和尺度增强U-Net，用于胸部CT图像中连续气道分割	直接通过端到端渐进式学习解决大小气道分支间的不平衡问题，并在第三阶段引入自适应拓扑响应损失（ATRL）以增强气道连续性	未在本文中明确说明	提高胸部CT图像中气道分割的连续性和准确性	胸部CT图像中的气道结构	计算机视觉	呼吸系统疾病	CT成像	U-Net	图像	ATM'22挑战数据集和内部数据集	NA	Scale-Enhanced U-Net (SE-UNet)	Tree length Detection rate (TD), Branch Detection rate (BD)	NA
412	2026-06-01	CerviHFENet: hybrid feature extraction-based deep learning for multi-label classification of upper cervical spine abnormalities in X-ray imaging 2025-12-08, BMC medical imaging IF:2.9Q2 DOI:10.1186/s12880-025-02070-9 PMID:41361372	研究论文	提出CerviHFENet框架，基于混合特征提取的深度学习，对颈椎X光片进行多标签分类，识别六种上颈椎异常	首次整合混合特征提取机制，同时提取颈椎解剖特征和不同颈部位置下的骨结构动态变化；采用改进的focal loss函数学习六种异常间的互斥或条件依赖关系	样本量较小，仅249名患者参与；未提及模型在外部数据集上的泛化能力验证	开发深度学习模型，实现上颈椎X光片中多种异常的多标签分类，提高诊断准确性	患者上颈椎X光片（扩展位、中立位、屈曲位三视图）中的六种异常	计算机视觉	颈椎疾病	X光成像	CNN（混合特征提取模型）	图像	249名患者，747张X光图像	PyTorch	自适应ROI检测模块 + 混合特征提取机制（未具体说明基础架构）	AUC, mAP	NA
413	2026-06-01	An integrated radiomics and deep learning model on multisequence MRI for preoperative prediction of lymphovascular space invasion in endometrial cancer 2025-12-08, BMC medical imaging IF:2.9Q2 DOI:10.1186/s12880-025-02091-4 PMID:41361391	研究论文	开发并验证一种整合多序列MRI放射组学特征和深度学习特征的多模态模型，用于术前预测子宫内膜癌患者的淋巴脉管间隙浸润	首次将放射组学特征与深度学习特征结合，构建多模态MRI模型用于术前无创预测子宫内膜癌LVSI，并在多中心数据中验证其优越性能	未在标题和摘要中明确提及局限性	开发并验证基于术前多序列MRI的整合放射组学和深度学习特征的多模态模型，用于预测子宫内膜癌患者的淋巴脉管间隙浸润	892例术后病理确诊的子宫内膜癌患者的多中心回顾性数据	计算机视觉, 数字病理学	子宫内膜癌	MRI多序列成像（T2加权成像、对比增强T1加权成像、表观扩散系数图）	CNN, 放射组学	图像（MRI）	892例患者（训练队列378例，内部验证160例，外部验证354例）	PyRadiomics	VGG 11, ResNet 101, DenseNet 121	AUC（受试者工作特征曲线下面积）	NA
414	2026-06-01	Enhancing diagnosis of gout with deep learning in dual-energy computed tomography: a retrospective analysis of crystal and artefact differentiation 2025-Dec-01, Rheumatology (Oxford, England) DOI:10.1093/rheumatology/keae523 PMID:39565918	研究论文	利用深度学习在双能CT扫描中区分痛风结晶与伪影，提升诊断准确性	首次将深度学习算法应用于DECT中区分绿色编码的痛风石与块状伪影，并采用逐病灶和逐患者分析评估模型性能	未明确提及研究局限性	评估深度学习在DECT扫描中区分痛风石与伪影的诊断准确性	来自47名痛风患者和27名无痛风对照的DECT扫描中的18704个感兴趣区域	机器学习和医学影像	痛风	双能CT	CNN, SVM	图像	47名痛风患者和27名无痛风的对照者，共18704个感兴趣区域	NA	CNN, SVM	AUC, 灵敏度, 特异度, 阳性预测值, 阴性预测值, 准确率	NA
415	2026-06-01	Foundation Model for Predicting Prognosis and Adjuvant Therapy Benefit From Digital Pathology in GI Cancers 2025-Nov-10, Journal of clinical oncology : official journal of the American Society of Clinical Oncology IF:42.1Q1 DOI:10.1200/JCO-24-01501 PMID:40168636	研究论文	提出一个基于组织病理学切片的基线AI模型，用于预测消化道癌症的预后和辅助化疗获益	利用超1.3亿张图像块进行自监督学习训练基础模型，并在多国队列中验证其预后预测及辅助化疗获益评估能力	尚需前瞻性验证以确认其临床适用性	开发一种能够从常规H&E染色组织病理学切片中预测消化系统癌症预后及辅助化疗获益的AI基础模型	胃癌和结直肠癌患者（共来自七个队列的4213例患者）	数字病理学	胃癌, 结直肠癌, 食管癌	NA	自监督学习, 深度学习	图像（组织病理学全切片图像）	训练集包括104,876张全切片图像（1.3亿图像块），验证集包括1,619例胃癌/食管癌和2,594例结直肠癌患者	PyTorch	Transformer, ResNet	一致性指数（Concordance index）, 5年生存率	NA
416	2026-06-01	A Robust Deep Learning Framework for Detecting Bursts in Muscle Sympathetic Nerve Activity 2025-Jul, Annual International Conference of the IEEE Engineering in Medicine and Biology Society. IEEE Engineering in Medicine and Biology Society. Annual International Conference DOI:10.1109/EMBC58623.2025.11253957 PMID:41337229	研究论文	提出一种基于卷积神经网络的鲁棒深度学习框架，用于检测肌肉交感神经活动中的爆发信号	首次将集成肌肉交感神经活动和心电图活动的卷积神经网络用于爆发峰值检测	仅基于健康女性静息状态数据，可能无法推广到其他人群或动态条件	开发自动化方法替代专家手动检测，提高爆发检测效率并降低错误风险	41名健康女性参与者的静息自主神经系统记录	machine learning	NA	NA	CNN	生理信号	41名健康女性参与者	NA	卷积神经网络	F1-score	NA
417	2026-06-01	Impact of Deep Learning-Based Computer-Aided Detection and Electronic Notification System for Pneumothorax on Time to Treatment: Clinical Implementation 2025-04, Journal of the American College of Radiology : JACR IF:4.0Q1 DOI:10.1016/j.jacr.2024.11.009 PMID:39566875	研究论文	评估结合深度学习计算机辅助检测和电子通知系统对气胸患者治疗时间的影响	在真实临床环境中引入深度学习计算机辅助检测与电子通知系统，同时通知放射科医生和转诊医生，评估其对气胸患者治疗时间的影响	仅对氧疗有显著效果，对其他治疗（如胸腔穿刺或胸管引流、胸心外科会诊）无显著改善	评估深度学习计算机辅助检测结合电子通知系统在真实临床实践中对气胸患者治疗时间的影响	气胸患者	计算机视觉	气胸	深度学习计算机辅助检测	深度学习	胸部X光图像	603,028次胸部X光检查，来自140,841名独特患者，气胸患病率2.0%	NA	NA	治疗时间减少分钟数、95%置信区间、P值	NA
418	2026-06-01	Predicting response to neoadjuvant chemotherapy in muscle-invasive bladder cancer via interpretable multimodal deep learning 2025-Mar-22, NPJ digital medicine IF:12.4Q1 DOI:10.1038/s41746-025-01560-y PMID:40121304	研究论文	开发了一种可解释的基于图的多模态晚期融合深度学习框架，整合组织病理学、细胞类型和基因表达数据，预测肌层浸润性膀胱癌对新辅助化疗的反应	提出可解释的图基多模态晚期融合框架，融合H&E图像、细胞类型数据和RNA-seq基因表达谱，发现新的组织病理、细胞和分子预测因子	NA	构建准确预测模型并识别肌层浸润性膀胱癌治疗反应的生物标志物	肌层浸润性膀胱癌患者	机器学习	膀胱癌	RNA-seq	图神经网络	图像、文本	来自SWOG S1314-COXEN临床试验的样本	NA	图基多模态晚期融合	NA	NA
419	2026-06-01	Deciphering the Language of Protein-DNA Interactions: A Deep Learning Approach Combining Contextual Embeddings and Multi-Scale Sequence Modeling 2024-11-15, Journal of molecular biology IF:4.7Q1 DOI:10.1016/j.jmb.2024.168769 PMID:39214282	研究论文	提出一种结合上下文嵌入和多尺度序列建模的深度学习方法，用于预测蛋白质-DNA相互作用位点	将预训练蛋白质语言模型（如ProtTrans）的上下文嵌入与多窗口卷积神经网络架构相结合，以捕捉DNA结合位点的局部和全局模式，显著提升了预测性能	未在文中明确提及局限性	从蛋白质序列直接预测与DNA相互作用的残基，以加速理解关键细胞过程和疾病通路	蛋白质序列中的DNA结合位点	机器学习	NA	深度学习方法、预训练语言模型（ProtTrans）、卷积神经网络	多窗口卷积神经网络	蛋白质序列数据	使用整理好的基准数据集进行综合评估，具体样本量未提及	PyTorch	多窗口CNN	ROC曲线下面积（AUC）达0.89	NA
420	2026-06-01	Comprehensive evaluation and prediction of editing outcomes for near-PAMless adenine and cytosine base editors 2024-10-25, Communications biology IF:5.2Q1 DOI:10.1038/s42003-024-07078-5 PMID:39455714	研究论文	对近无PAM的腺嘌呤和胞嘧啶碱基编辑器的编辑效果进行综合评估与预测	生成了四种近PAM-less碱基编辑器，并构建大规模sgRNA靶点文库系统评估其编辑模式与效率，开发了深度学习模型BEguider用于准确预测编辑结果	未提及具体局限性	评估近PAM-less碱基编辑器的编辑效果并开发预测模型	近PAM-less碱基编辑器及其编辑结果	机器学习	NA	深度测序	深度学习模型	序列数据	45,747个sgRNA靶点序列和20,541个ClinVar位点	NA	BEguider	NA	NA