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
4821	2026-04-24	Automatic selection of optical coherence tomography images for prognostic prediction models in age-related macular degeneration 2026-Apr-17, Computer methods and programs in biomedicine IF:4.9Q1 DOI:10.1016/j.cmpb.2026.109384 PMID:42019353	研究论文	提出一个自动化深度学习框架，从电子病历中的大量OCT报告中选择合适图像，用于年龄相关性黄斑变性预后预测模型	首次利用基于Vision Transformer的自动化框架替代人工图像选择，并融合红外与OCT图像特征，提升下游预后预测准确性	未明确提及局限性，但可能涉及数据来源单一、模型泛化性需验证	开发一种自动化深度学习框架，减少对眼科医生手动图像选择的依赖，优化AMD长期治疗结果的早期预测	年龄相关性黄斑变性患者的OCT图像和红外眼底图像	计算机视觉	年龄相关性黄斑变性	OCT成像	Vision Transformer (ViT)	图像	未明确说明样本量	NA	Vision Transformer	准确率、置信度	NA
4822	2026-04-24	Uncertainty-aware AI for tumor subtyping with histology and immunohistochemistry: A multi-center study in Renal Cell Carcinoma 2026-Apr-17, Computer methods and programs in biomedicine IF:4.9Q1 DOI:10.1016/j.cmpb.2026.109373 PMID:42019354	研究论文	提出一种不确定性感知的AI框架，整合组织学与免疫组织化学数据，用于肾细胞癌亚型分类，并通过多中心研究验证其性能	创新性地将不确定性估计引入肾细胞癌亚型分类，利用高置信度直接接受组织学预测、低置信度自动触发免疫组化分析的两级策略，并结合CycleGAN染色转移模块消除实验室间染色变异	未明确说明局限性，但免疫组化模块仅在低置信度情况下激活，可能遗漏部分不确定性评估中的细微误差	开发一个不确定性感知的AI框架，整合组织学与免疫组化数据，提高肾细胞癌亚型分类的准确性和实验室操作流程效率	肾细胞癌亚型分类，涉及多中心数据集中的组织学和免疫组化病理图像	数字病理学	肾细胞癌	HE组织学染色, 免疫组化	深度学习模型, 机器学习算法	图像	多中心数据集，涵盖不同染色协议，具体样本量未提供	PyTorch	CycleGAN, 深度学习分类网络（具体架构未明确）	准确率, 患者级别准确率	NA
4823	2026-04-24	ASCENT: an active transfer learning paradigm for efficient drug-target interaction prediction 2026-Apr-17, Science China. Life sciences DOI:10.1007/s11427-025-3234-6 PMID:42024183	研究论文	提出一种名为ASCENT的主动迁移学习框架，用于高效预测药物-靶标相互作用	结合自适应主动学习策略和基于熵的对抗性方法，动态选择和标注最具代表性和不确定性的样本，同时对齐源域与目标域的特征空间，以20%的标注成本实现高预测性能	未明确讨论在极低数据量或极端化学空间稀疏情况下的表现，可能仍需进一步验证其跨域泛化能力	开发一种能有效探索化学多样性、降低标注成本并提升药物-靶标相互作用预测准确性的方法	药物-靶标相互作用预测任务中的跨领域样本	机器学习	不适用	不适用	不适用	不适用	不适用	不适用	不适用	不适用	不适用
4824	2026-04-24	Cognitive prototype learning: Towards self-supervised and semantic-aware few-shot open-set sound recognition 2026-Apr-16, Neural networks : the official journal of the International Neural Network Society IF:6.0Q1 DOI:10.1016/j.neunet.2026.109008 PMID:42019217	研究论文	提出一种结合自监督学习和语义知识引导的认知原型学习框架，用于少样本开放集声音识别	首次将认知原型学习与自监督和语义先验知识相结合，解决少样本开放集识别中的数据稀缺和类别开放性问题	仅在ESC-50数据集上验证，未在更大规模或更多样化的声音数据集上测试其泛化能力	构建能够模拟人类认知能力（模式发现和语义推理）的计算模型，提升少样本开放集声音识别性能	环境声音类别，如ESC-50数据集中的50类环境声音	机器学习	NA	NA	原型网络（Prototype Network）	音频	ESC-50数据集中的50类环境声音，每类40个样本，共2000个音频样本	PyTorch	对比学习网络、预训练语言模型、语义原型生成模块	准确率、AUROC	NA
4825	2026-04-24	Lung cancer diagnosis from CT scans using artificial intelligence techniques: A global perspective 2026-Apr-15, Clinics (Sao Paulo, Brazil) DOI:10.1016/j.clinsp.2026.100930 PMID:41990487	综述	对用于肺癌诊断的人工智能技术进行系统性回顾	全面总结了多种AI技术在肺癌诊断中的应用，并评估了其性能指标范围	未分析具体模型的临床适用性，且建议需要进一步研究以优化技术	评估人工智能技术在肺癌诊断中的潜力与准确性	204篇关于肺癌诊断的AI研究文献	机器学习	肺癌	NA	CNN, SVM, RF, KNN, PM-DL, ANN, DNN, CDNs, DLS, LSTM, NNE, LDA	医学图像	204篇研究文章	NA	CNN, SVM, RF, KNN, PM-DL, ANN, DNN, CDNs, DLS, LSTM, NNE, LDA	AUC, 敏感度, 准确率, 特异度, 召回率	NA
4826	2026-04-24	Signal-to-noise ratio improvement in postmortem MRI using deep learning reconstruction (SwiftMR) 2026-Apr-15, Forensic science international IF:2.2Q1 DOI:10.1016/j.forsciint.2026.112973 PMID:42019274	研究论文	评估深度学习重建软件SwiftMR在低场强死后头部MRI中对信噪比和图像质量的提升效果	首次将商用深度学习重建技术SwiftMR应用于法医学死后MRI，在不延长扫描时间的前提下显著改善低场强图像质量	样本量较小（33例），且仅使用0.3T低场强扫描仪，可能不适用于高场强或不同身体部位的成像	验证深度学习重建技术对死后MRI图像质量和信噪比的提升效果，推动其作为PMCT辅助手段的常规应用	33例死后头部MRI扫描（20男13女，年龄33-92岁，平均75.2岁）	计算机视觉	法医学死后成像	MRI	深度学习重建模型	图像	33例死后头部MRI扫描	SwiftMR（AIRS Medical）	NA	信噪比（SNR）、图像质量视觉评分（1-10量表）	SwiftMR v3.0.11.0软件（未指定GPU类型或计算平台）
4827	2026-04-24	Exploring Chemoinformatics Aspects of Few-Shot Meta-Learning by Example of an Infinite Dilution Activity Coefficient in Ionic Liquid Prediction 2026-Apr-13, Journal of chemical information and modeling IF:5.6Q1 DOI:10.1021/acs.jcim.6c00067 PMID:41972498	研究论文	通过元学习解决离子液体体系中无限稀释活度系数预测的数据稀缺问题	提出了任务相似性感知的Reptile（TSA-Reptile）算法，通过缩放损失函数至最接近训练任务的相似性，在分布外任务上优于MAML	模型泛化性可能因灾难性遗忘而降低，测试任务性能受分子Tanimoto相似性影响	探索少样本元学习在分子性质预测中的应用，特别是离子液体-溶质体系	离子液体-溶质体系的无限稀释活度系数	机器学习	NA	NA	MAML, Reptile, TSA-Reptile	数值数据	多个离子液体-溶质体系的数据点，分别使用64或128个数据点训练	NA	MAML, Reptile, TSA-Reptile	R², RMSE, MAE	NA
4828	2026-04-24	DNAi: an open-source AI tool for unbiased DNA fiber analysis 2026-Apr-13, Nucleic acids research IF:16.6Q1 DOI:10.1093/nar/gkag335 PMID:41994869	研究论文	开发了一种基于深度学习的开源计算机视觉工具DNAi，用于自动化DNA纤维检测和长度定量	首次将深度学习应用于DNA纤维分析自动化，在多种实验条件下达到人类水平的准确性和性能	未提及验证方法的局限性及在不同实验条件下的泛化能力细节	实现DNA纤维分析的自动化、快速和可重复性	DNA纤维图像中的复制纤维检测和长度定量	计算机视觉	NA	DNA纤维成像（荧光显微镜）	深度学习模型（基于计算机视觉）	图像	大量且多样化的手动标注DNA纤维图像数据集	未知（开源的深度学习框架，未明确指定）	具体架构未在摘要中明确，但为基于深度学习的计算机视觉模型	分割精度、长度测量准确性（与人类性能匹配）	未提及
4829	2026-04-24	Deep Learning-Based Instance Appraisable Model (EDi Pain) for Pain Estimation via Facial Videos: A Retrospective Analysis and a Prospective Emergency Department Study 2026-Apr, Journal of imaging informatics in medicine DOI:10.1007/s10278-025-01534-2 PMID:40355693	研究论文	提出一种基于深度学习的实例可评估模型（EDi Pain），通过面部视频进行疼痛强度估计，并在回顾性和前瞻性研究中验证其性能	提出灵活的多实例学习方法解决弱标签问题，通过特殊损失函数和采样策略实现实例级疼痛评估，模型能同时估计疼痛强度并评估每个实例片段的显著性	在回顾性数据集UNBC-McMaster上表现良好，但在前瞻性急诊数据集上相关性较低（PCC=0.22），可能受真实临床环境复杂因素影响	开发一种客观、动态的自动化疼痛评估系统，用于临床环境中的实时疼痛强度估计	面部视频中患者的疼痛强度	计算机视觉	疼痛	NA	多实例学习	面部视频	回顾性数据集UNBC-McMaster（未明确数量）和前瞻性收集的931名患者数据集	NA	EDi Pain	平均绝对误差，皮尔逊相关系数	NA
4830	2026-04-24	Performance Comparison of Machine Learning Using Radiomic Features and CNN-Based Deep Learning in Benign and Malignant Classification of Vertebral Compression Fractures Using CT Scans 2026-Apr, Journal of imaging informatics in medicine DOI:10.1007/s10278-025-01553-z PMID:40456998	研究论文	比较基于放射组学特征的机器学习和基于CNN的深度学习在CT扫描中良恶性椎体压缩性骨折分类的性能	首次系统比较放射组学机器学习与3D CNN深度学习在椎体压缩性骨折CT分类中的性能，并揭示深度学习的空间可解释性与放射组学的量化生物标志物的互补优势	回顾性单中心数据及潜在的选择偏倚	评估比较放射组学特征机器学习和卷积神经网络深度学习模型在腹部CT中分类椎体压缩性骨折良恶性的性能	286例患者的447个椎体压缩性骨折（196个良性，251个恶性）	计算机视觉	椎体压缩性骨折	CT扫描	XGBoost, SVM, KNN, 随机森林, 3D CNN	图像	447个椎体压缩性骨折（来自286例患者）	PyRadiomics	3D CNN	精确度, 召回率, F1分数, 准确率, AUC	NA
4831	2026-04-24	Enhanced Vision Transformer with Custom Attention Mechanism for Automated Idiopathic Scoliosis Classification 2026-Apr, Journal of imaging informatics in medicine DOI:10.1007/s10278-025-01564-w PMID:40457000	研究论文	提出一种增强型视觉变换器（ViT），通过自定义注意力机制实现青少年特发性脊柱侧弯的自动分类	在ViT模型中使用自定义注意力机制替代标准的多头注意力机制，以提升脊柱侧弯分类的客观性和准确性	NA	开发一种基于深度学习的客观、高效的脊柱侧弯诊断系统，帮助医生更快速准确地进行Cobb角评估	来自土耳其Elazığ Fethi Sekin城市医院物理医学与康复诊所的1456名患者的X光影像数据	计算机视觉	青少年特发性脊柱侧弯	NA	视觉变换器（ViT）	X光影像	1456名患者，7个不同类别	NA	增强型ViT，自定义注意力机制	准确率（95.21%）	NA
4832	2026-04-24	Robust Detection of Out-of-Distribution Shifts in Chest X-ray Imaging 2026-Apr, Journal of imaging informatics in medicine DOI:10.1007/s10278-025-01559-7 PMID:40457001	研究论文	本研究开发了一个基于GAN的框架，用于检测胸部X光片中的分布外偏移，特别是区分侧位和正位视图	通过潜在空间优化和Kolmogorov-Smirnov统计检验学习正位视图的固有特征分布，利用GAN建立特征表示来识别分布偏移	NA	提高深度学习系统在遇到视图异常时的可靠性，增强临床适用性并改善诊断安全性和患者结果	胸部X光片中的侧位和正位视图	计算机视觉, 数字病理学	NA	X光成像	GAN	图像	NA	NA	GAN	精确率, 准确率	NA
4833	2026-04-24	A Novel Deep Learning Framework for Nipple Segmentation in Digital Mammography 2026-Apr, Journal of imaging informatics in medicine DOI:10.1007/s10278-025-01567-7 PMID:40461663	研究论文	提出一种新颖的深度学习框架用于数字乳腺摄影中的乳头分割，提高医学分析和计算机辅助检测系统的准确性	在基线方法完全失败的案例中仍能成功检测，平均交并比（mIoU）达到0.63，Hausdorff距离提升近十倍，且具有跨模态通用性潜力	NA	增强数字乳腺摄影中乳头分割的准确性，以支持多视角和多模态乳腺图像配准	数字乳腺摄影图像中的乳头区域	计算机视觉	乳腺癌	数字乳腺摄影	深度学习框架	图像	NA	NA	NA	平均交并比（mIoU）、Hausdorff距离	NA
4834	2026-04-24	Automatic Segmentation of Ultrasound-Guided Transverse Thoracic Plane Block Using Convolutional Neural Networks 2026-Apr, Journal of imaging informatics in medicine DOI:10.1007/s10278-025-01565-9 PMID:40481276	研究论文	应用深度学习模型实现超声引导下胸横肌平面阻滞的实时区域分割，以辅助医生准确识别目标神经	首次将深度学习方法应用于胸横肌平面阻滞区域分割，提出了专门针对该任务的TTP-Unet模型，实现了高达42.7 fps的实时超声视频分割帧率	NA	开发深度学习模型实现超声图像中胸横肌平面阻滞目标结构的实时分割，帮助临床医生特别是经验较少的麻醉医生准确识别目标区域	超声引导下胸横肌平面阻滞中关键解剖结构，包括胸横肌、肺和骨骼	数字病理学	术后疼痛	超声引导	卷积神经网络	图像	155位患者的2329张图像	NA	TTP-Unet	IoU、召回率、Dice系数、准确率	NA
4835	2026-04-24	Multimodal Deep Learning Based on Ultrasound Images and Clinical Data for Better Ovarian Cancer Diagnosis 2026-Apr, Journal of imaging informatics in medicine DOI:10.1007/s10278-025-01566-8 PMID:40555943	研究文章	开发并验证一种结合二维灰阶超声图像与临床数据的多模态深度学习模型，以提升卵巢癌诊断性能	首次将超声图像与临床数据结合构建多模态深度学习模型用于卵巢癌诊断，显著优于纯图像模型，并具备自动提取超声形态学特征的能力	未提及具体限制，但可能包括回顾性研究设计、单中心数据等潜在局限	开发和验证一种多模态深度学习模型，利用超声图像和临床数据提高卵巢癌诊断的准确性和一致性	2019年至2024年间接受术前超声检查和附件肿块手术的1899例患者	深度学习	卵巢癌	超声成像	多模态深度学习模型	二维灰阶超声图像、临床数据	1899例患者	NA	NA	接收者操作特征曲线、曲线下面积、准确率、F1分数	NA
4836	2026-04-24	Efficient Cerebral Infarction Segmentation Using U-Net and U-Net3 + Models 2026-Apr, Journal of imaging informatics in medicine DOI:10.1007/s10278-025-01587-3 PMID:40588699	research paper	提出一种使用U-Net和U-Net3+模型高效分割脑梗塞区域的方法	使用包含110名患者MRI扫描的新型数据集，并对比基础U-Net与高级U-Net3+架构在脑梗塞分割中的性能表现	数据集来源于单一医院且样本量较小，可能影响模型的泛化能力	利用深度学习实现脑梗塞的精准高效分割，辅助临床诊断与治疗规划	脑梗塞患者的MRI扫描图像	computer vision	cerebral infarction	MRI	CNN	image	110名患者的MRI扫描，经过数据增强后共6732张平衡图像	NA	U-Net, U-Net3+	dice score, Intersection over Union (IoU), pixel accuracy, specificity	NA
4837	2026-04-24	Integrating MobileNetV3 and SqueezeNet for Multi-class Brain Tumor Classification 2026-Apr, Journal of imaging informatics in medicine DOI:10.1007/s10278-025-01589-1 PMID:40610693	研究论文	探索轻量级深度学习模型MobileNetV3和SqueezeNet用于脑肿瘤多分类，并提出特征融合混合模型	首次系统性比较MobileNetV3和SqueezeNet在脑肿瘤MRI分类中的表现，并提出特征级融合的混合模型，在保持高准确率的同时显著降低参数量	未提及模型在不同MRI设备或跨中心数据上的泛化能力，以及未讨论模型在实时临床部署中的具体硬件需求	开发轻量级深度学习模型实现脑肿瘤多类别自动分类，兼顾诊断准确性和部署效率	脑肿瘤MRI图像，包括胶质瘤、脑膜瘤、垂体瘤和无肿瘤四种类别	计算机视觉	脑肿瘤	MRI成像	MobileNetV3, SqueezeNet, 特征融合混合模型	MRI图像	7023张MRI图像，按65%训练、17%验证、18%测试划分	NA	MobileNetV3, SqueezeNet, VGG16, InceptionV3	准确率, 参数量	NA
4838	2026-04-24	Radiographic Bone Texture Analysis using Deep Learning Models for Early Rheumatoid Arthritis Diagnosis 2026-Apr, Journal of imaging informatics in medicine DOI:10.1007/s10278-025-01579-3 PMID:40624389	研究论文	使用深度学习模型从手部X光片中提取关节周围骨纹理特征，辅助早期类风湿关节炎的诊断	首次将深度学习模型（Deep-TEN和ResNet-50）直接应用于放射影像的纹理分析，实现无需人工读取的自动化早期RA诊断	模型预测性能中等（AUC 0.69-0.73），样本量有限，且未考虑其他临床特征或影像模态的结合	评估深度学习模型从X光片中定量提取骨纹理特征以预测早期RA的诊断效能	早期RA患者（确诊一年内）与非RA对照患者的手部X光片	计算机视觉	类风湿关节炎	X光影像	CNN（卷积神经网络）	图像	891例早期RA患者和1237例非RA患者的双侧手部X光片	NA	Deep-TEN, ResNet-50	AUC, 阳性预测值, 比值比(OR), 95%置信区间(CI)	NA
4839	2026-04-24	Deep Learning Approach for Biomedical Image Classification 2026-Apr, Journal of imaging informatics in medicine DOI:10.1007/s10278-025-01590-8 PMID:40627296	综述	对深度学习在生物医学图像分类中的应用进行全面概述，涵盖多种医疗数据模态和深度学习方法	系统性地研究了50种深度学习医疗方法，并强调了公开数据集在推动AI医疗创新中的关键作用	未明确指出具体数据集、实验结果或计算资源等细节，主要停留在方法综述层面	总结深度学习在生物医学图像分类中的技术进展，并指出未来研究方向	生物医学图像（如乳腺摄影、组织病理学、放射学图像）中的分类、分割和疾病检测任务	计算机视觉	未明确指定具体疾病	NA	卷积神经网络, 循环神经网络, 生成对抗网络	图像（医疗影像）	NA	NA	CNN, RNN, GAN	NA	NA
4840	2026-04-24	Interpretable MRI Subregional Radiomics-Deep Learning Model for Preoperative Lymphovascular Invasion Prediction in Rectal Cancer: A Dual-Center Study 2026-Apr, Journal of imaging informatics in medicine DOI:10.1007/s10278-025-01586-4 PMID:40646374	研究论文	开发一种基于可解释机器学习的融合模型，结合多参数MRI亚区域放射组学和深度学习，术前预测直肠癌淋巴血管侵犯状态	创新性地将多参数MRI亚区域放射组学特征与Vision Transformer深度学习模型融合，构建SubViT模型，并利用SHAP工具增强模型可解释性	未明确说明，但可能包括数据集有限或外部验证样本量较小（75例）	术前无创预测直肠癌淋巴血管侵犯状态，提高临床决策准确性	直肠癌患者，来自两个医疗中心	数字病理学	直肠癌	多参数MRI, K-means聚类, 放射组学	Vision Transformer (ViT)	MRI图像	301例训练集，75例外部验证集	NA	SubViT	AUC, ROC曲线, 决策曲线分析, Delong检验	NA