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
4961	2026-04-24	Topo-CNN: Retinal Image Analysis with Topological Deep Learning 2026-Apr, Journal of imaging informatics in medicine DOI:10.1007/s10278-025-01575-7 PMID:40563040	研究论文	提出一种结合拓扑数据分析与预训练CNN特征的Topo-CNN混合深度学习模型，用于视网膜眼底图像分析疾病检测	引入拓扑数据分析提取眼底图像的几何结构特征，并与ResNet-50等CNN特征融合，实现可解释且高效的自动诊断框架	未在本文中明确说明，但可能包括仅针对特定数据集验证、拓扑特征提取对图像质量敏感、未讨论模型在不同成像设备中的泛化能力	开发自动可解释的视网膜疾病诊断方法，提升糖尿病视网膜病变、青光眼和年龄相关性黄斑变性的检测性能	视网膜眼底图像中的疾病诊断	计算机视觉, 数字病理	糖尿病视网膜病变, 青光眼, 年龄相关性黄斑变性	眼底成像	CNN, 混合深度模型	图像	三个基准数据集：APTOS（DR），ORIGA（青光眼），IChallenge-AMD（AMD），具体样本数未说明	PyTorch	Topo-CNN, ResNet-50	准确率, AUC, 特异性	NA
4962	2026-04-24	AgentMRI: A Vison Language Model-Powered AI System for Self-regulating MRI Reconstruction with Multiple Degradations 2026-Apr, Journal of imaging informatics in medicine DOI:10.1007/s10278-025-01617-0 PMID:40696264	研究论文	介绍一种基于视觉语言模型的自主MRI重建系统，能够处理多种图像退化并自动选择最佳校正模型	利用视觉语言模型实现全自主MRI重建，通过共识决策和置信度加权推理动态检测图像退化，无需人工干预	仅在大脑MRI数据集上评估，未提及对其他解剖部位或更广泛临床场景的适应性	开发全自主MRI图像重建系统，减少人工干预并优化图像质量	大脑MRI图像中的多种退化（如运动伪影、噪声等）修复	计算机视觉、自然语言处理、医学影像	无特定疾病，聚焦于MRI图像质量改进	MRI重建	视觉语言模型	图像	脑MRI数据集，具体样本量未明确	PyTorch	视觉语言模型、深度学习重建网络、运动校正网络、去噪网络	准确率	未明确
4963	2026-04-24	A Two-Phase Deep Learning Approach for Architectural Distortion Detection in Mammograms 2026-Apr, Journal of imaging informatics in medicine DOI:10.1007/s10278-025-01613-4 PMID:40715861	研究论文	提出一种两阶段深度学习方法，用于乳腺X线图像中结构扭曲的检测与分割	首次结合U-Net++语义分割和Mask R-CNN实例分割的两阶段流水线，并加入ResNet-18分类模型减少假阳性	未提及具体局限性，但基于单一数据集可能缺少泛化验证	自动化并改进乳腺X线图像中结构扭曲的分割与分类，提高诊断准确性	乳腺X线图像中的结构扭曲区域	计算机视觉, 数字病理学	乳腺癌	深度学习	U-Net++, Mask R-CNN, ResNet-18	图像	NA	NA	U-Net++, Mask R-CNN, ResNet-18	分割准确率, 分类准确率, 平均精度均值, 灵敏度	NA
4964	2026-04-24	A Novel Dual-Output Deep Learning Model Based on InceptionV3 for Radiographic Bone Age and Gender Assessment 2026-Apr, Journal of imaging informatics in medicine DOI:10.1007/s10278-025-01623-2 PMID:40758204	研究论文	提出一种基于InceptionV3的新型双输出深度学习模型，用于从手部X光片预测骨龄和性别	设计了一个多输出预测模型，同时预测骨龄和性别，并引入了Squeeze-and-Excitation块进行特征管理	硬件要求较高，可能在临床本地机器上使用受限	提高骨龄和性别评估的效率，通过识别共同和离散特征优化模型性能	手部X光片中的骨龄和性别信息	机器学习	NA	X光成像	CNN	图像	14,048个样本，以7:2:1比例分为训练、验证和测试子集	PyTorch	InceptionV3	均方误差、平均绝对误差、准确率、AUC、组内相关系数、Cohen's kappa系数	中高端硬件
4965	2026-04-24	Ensemble of Handcrafted and Learned Features for Colorectal Cancer Classification 2026-Apr, Journal of imaging informatics in medicine DOI:10.1007/s10278-025-01633-0 PMID:40760266	研究论文	提出一种融合手工特征与深度学习特征的集成方法，用于结直肠癌组织病理图像分类	将传统手工纹理描述子与CNN提取的深度特征进行集成，利用互补优势提升分类鲁棒性和判别力	未明确提及局限性，但可能包括对大规模标注数据的依赖以及模型可解释性不足	提高结直肠癌自动分类的准确性和稳健性	结直肠癌组织病理图像	数字病理学	结直肠癌	组织病理学分析	CNN	图像	NA	NA	NA	准确率	NA
4966	2026-04-24	Evaluation of Net Withdrawal Time and Colonoscopy Video Summarization Using Deep Learning Based Automated Temporal Video Segmentation 2026-Apr, Journal of imaging informatics in medicine DOI:10.1007/s10278-025-01632-1 PMID:40762931	研究论文	利用深度学习模型自动分割结肠镜视频，准确测量净退镜时间并生成关键事件视觉总结	首次提出基于深度学习的自动时间视频分割方法，准确排除非观察阶段以计算净退镜时间，并生成关键事件的定量视觉摘要	未在更大规模或多中心数据中验证，且模型可能对罕见事件或复杂场景的鲁棒性不足	开发一种深度学习模型，通过自动时间视频分割来客观评估结肠镜质量	结肠镜视频中的关键事件：盲肠、干预、外部和窄带成像模式	计算机视觉、数字病理学	结直肠癌、肠道疾病	NA	深度学习模型（未明确具体架构）	视频	221个结肠镜流程中的40个全长视频和825个盲肠片段	NA	NA	F1分数、相关系数（r）和p值	NA
4967	2026-04-24	Advanced lung segmentation on chest HRCT: comprehensive pipeline for quantification of airways, vessels, and injury patterns 2026-Apr, La Radiologia medica DOI:10.1007/s11547-025-02166-w PMID:41441964	research paper	提出了一种混合管道，结合U-Net深度学习与图像处理技术，实现胸部HRCT图像中肺、气道、血管和实质损伤模式的同时分割与量化	首次采用混合方法（U-Net与定制图像处理优化结合）实现多结构同步分割，并引入实质损伤模式分类，覆盖炎症性和感染性疾病	未提及样本量较小或外部验证数据集有限等具体限制	开发一种可靠、通用且能同时分割多结构（肺、气道、血管和实质损伤模式）的肺分割管道	COVID-19和特发性肺纤维化患者的胸部HRCT图像，以及公共数据集中的CT扫描	computer vision	COVID-19, 特发性肺纤维化	高分辨率计算机断层扫描（HRCT）	U-Net	图像	19个COVID-19公共数据集CT扫描用于深度学习训练，8个EXACT'09挑战赛注释扫描用于气道分割验证，20个回顾性HRCT扫描用于管道验证	NA	U-Net	Dice系数, 视觉评分（1-5级）, Kruskal-Wallis检验	NA
4968	2026-04-24	Deep Learning Based Approach for Lossless ECG Compression 2026-Apr, Cardiovascular engineering and technology IF:1.6Q4 DOI:10.1007/s13239-026-00821-5 PMID:41761039	研究论文	提出一种基于深度学习的无损失心电图压缩方法，通过自适应ARIMA模型实现高效压缩	创新性地结合深度自编码器和多层感知机神经网络回归器预测最优超参数，并采用粒子群优化算法进行离线调优	NA	实现无损失心电图信号的高效压缩，用于远程监测和存储传输	MIT-BIH心律失常数据库中的46条心电图记录，包括10种主要异常心搏类型	机器学习	心血管疾病	心电图信号处理	自编码器, 多层感知机神经网络	信号	46条心电图记录（包含多种异常心搏）	NA	自适应回归移动平均模型, 自编码器, 多层感知机神经网络	压缩比, 百分比均方根差	NA
4969	2026-04-24	Deep Learning Echocardiographic Trajectories of Heart Failure With Preserved Ejection Fraction: A Retrospective Cohort Study 2026-Apr, JACC. Advances DOI:10.1016/j.jacadv.2026.102659 PMID:41855744	研究论文	利用深度学习对射血分数保留的心力衰竭患者超声心动图轨迹进行纵向表型分析，揭示不同轨迹的临床特征和预后差异	首次通过机器学习与深度学习纵向聚类方法，基于超声心动图变量识别HFpEF患者的三种不同心脏结构与功能变化轨迹，并系统关联临床结局	单中心回顾性设计，可能存在选择偏倚；仅纳入至少有一次≥1年随访超声心动图的患者，可能排除病情快速恶化者；未进行外部验证	探究射血分数保留的心力衰竭患者超声心动图测量的心脏结构与功能轨迹及其与临床结局的关系	射血分数保留的心力衰竭患者	机器学习	心血管疾病	NA	深度学习纵向聚类模型	超声心动图纵向数据	1626例HFpEF患者	NA	深度学习聚类模型	全因死亡率、B型利钠肽水平变化、实验室生物标志物变化	NA
4970	2026-04-24	Risk Classification of Low-Resolution Whole-Slide Thumbnail Images by Multi-dimensional Feature Reconstruction with Multi-task Deep Learning Network Helps Prioritize Pathology Case Registration 2026-Apr, Journal of imaging informatics in medicine DOI:10.1007/s10278-025-01582-8 PMID:40563041	研究论文	提出一种基于多任务深度学习网络的多维特征重建方法，利用低分辨率全切片缩略图进行病例风险分类，以优先处理病理登记中的恶性病例	首次将人工智能分析应用于低分辨率全切片缩略图，并结合多任务深度学习网络同时进行组织分割和良恶性分类，再通过多维特征重建提升分类准确性	基于334张图像的小样本研究，假阴性率为6.41%，且仅针对良恶性分类，未涉及具体肿瘤亚型或罕见病变	通过分析苏木精-伊红染色的低分辨率全切片缩略图，自动化筛查并优先处理恶性病例，改进手术病理标本的分类和排序	低分辨率全切片缩略图，包含100个良性病例和234个恶性病例	数字病理学	恶性肿瘤	苏木精-伊红染色	多任务深度学习网络	图像	334张小尺寸缩略图（746×1632像素），含100例良性、234例恶性	NA	多任务深度学习网络	准确率、敏感性、特异性、阳性预测值、阴性预测值、假阴性率、推理时间	NA
4971	2026-04-24	Predicting IDH Mutation in Glioma Patients Using Deep Learning Algorithms with Conformal Prediction 2026-Apr, Journal of imaging informatics in medicine DOI:10.1007/s10278-025-01580-w PMID:40563037	研究论文	利用深度学习算法和一致性预测方法预测神经胶质瘤患者的IDH突变	将一致性预测用于深度学习模型的概率量化，提高IDH突变预测的性能	外部测试集上的AUPRC较低（0.2139-0.5217），表明模型泛化能力有限	开发具有不确定性感知的深度学习模型，预测神经胶质瘤患者的IDH突变	神经胶质瘤患者	机器学习, 数字病理学	神经胶质瘤	NA	3D卷积神经网络, 逻辑回归集成分类器	医学影像	UCSF数据集（训练集70%，验证集30%），UPENN数据集（校准集30%，外部测试集70%）	NA	3D卷积神经网络, 逻辑回归集成模型	精确率-召回率曲线下面积, 受试者工作特征曲线下面积	NA
4972	2026-04-24	Assessment of Robustness of MRI Radiomic Features in the Abdomen: Impact of Deep Learning Reconstruction and Accelerated Acquisition 2026-Apr, Journal of imaging informatics in medicine DOI:10.1007/s10278-025-01503-9 PMID:40563044	研究论文	评估深度学习重建与加速采集对腹部MRI影像组学特征稳健性的影响	首次系统评估深度学习重建与加速采集相结合对腹部MRI影像组学特征可重复性和变异性的影响	未考虑临床意义，且样本量较小（17名志愿者）	探究深度学习重建与加速采集对腹部MRI影像组学特征可重复性和变异性的影响	腹部MRI影像的93个影像组学特征	数字病理学	不适用	MRI	深度学习重建模型	图像	17名志愿者，每个志愿者扫描4次，共68次的腹部MRI影像	PyRadiomics	NA	组内相关系数 (ICC), 一致性相关系数 (CCC), 变异系数 (CV), 四分位离散系数 (QCD)	NA
4973	2026-04-24	Comparative Assessment of Artificial Intelligence Models for Predicting Water Quality in a Reverse Osmosis Desalination Plant 2026-Apr, Water environment research : a research publication of the Water Environment Federation IF:2.5Q2 DOI:10.1002/wer.70377 PMID:41958195	研究论文	评估六种人工智能模型在反渗透海水淡化厂水质预测中的性能，发现集成模型表现最优	首次在阿尔及利亚Cap Djinet海水淡化厂的实际运营数据上，系统比较线性回归、多项式回归、支持向量回归、随机森林、极限梯度提升和MLP六种模型用于水质预测，揭示了小样本数据下深度学习模型的脆弱性	受限样本量（small-data contexts）使MLP等复杂模型表现不佳，研究结果受限于可用数据集的范围，但数据集仍能代表常见运营条件	利用人工智能实现反渗透海水淡化厂的预测性监测，优化水资源生产可持续性	Cap Djinet海水淡化厂（阿尔及利亚）的实际运营数据	机器学习	NA	反渗透海水淡化工艺	线性回归、多项式回归、支持向量回归、随机森林、极限梯度提升、多层感知机	水质参数（物理化学和化学指标）	未明确提及具体样本数量	NA	LR、PR、SVR、RF、XGBoost、MLP	相关系数（R）、均方根误差（RMSE）、平均绝对百分比误差（MAPE）	NA
4974	2026-04-24	Deep learning reveals genomic regions introgressed between two recurrently hybridizing lynx species 2026-Apr-01, Molecular biology and evolution IF:11.0Q1 DOI:10.1093/molbev/msag086 PMID:41964531	研究论文	利用深度卷积神经网络检测伊比利亚猞猁和欧亚猞猁之间基因渗入的基因组区域	首次应用深度卷积神经网络方法检测两种杂交频繁的猞猁物种间特定基因组区域的基因渗入信号	未明确说明	表征基因渗入在历史种群规模小且近期急剧下降导致遗传侵蚀的物种中的模式和后果	伊比利亚猞猁和欧亚猞猁的三个种群	机器学习	NA	全基因组测序	深度卷积神经网络	基因组序列	三个猞猁种群	NA	卷积神经网络	NA	NA
4975	2026-04-24	Clinician-deployable deep hypergraph model integrating clinical and CT radiomics predicts immunotherapy outcomes in NSCLC 2026-Apr, PLOS digital health DOI:10.1371/journal.pdig.0001361 PMID:42008547	研究论文	开发并验证一种临床医生可操作的深度超图模型，整合临床数据和CT影像组学，预测非小细胞肺癌免疫治疗疗效	首次提出临床医生可在标准CPU硬件上运行的深度超图模型，通过成对关联编码器和影像组学特征融合，实现比现有深度学习模型更高的预测性能，并显著降低临床部署复杂度	未提及模型在不同种族、不同治疗方案的泛化性，且超图结构可能对缺失数据敏感，需进一步验证	开发一种临床医生可操作的预后模型，整合临床和影像数据，在标准CPU硬件上预测NSCLC免疫治疗疗效	接受免疫治疗的非小细胞肺癌患者	机器学习, 数字病理	肺癌	影像组学	超图神经网络	图像, 临床数据	1379名非小细胞肺癌患者（来自五家中国医院和纪念斯隆凯特琳癌症中心）	PyTorch	Deep Hypergraph for NSCLC (DHGN)	C指数, 风险比	标准CPU硬件（无需GPU）
4976	2026-04-24	Enhancing liver fibrosis measurement: Deep learning and uncertainty analysis across multi-center cohorts 2026-Apr, Journal of pathology informatics DOI:10.1016/j.jpi.2026.100653 PMID:42023068	研究论文	通过深度学习和不确定性分析增强肝纤维化测量，解决多中心队列中染色差异对量化结果影响的问题	提出基于U-Net集成的预测不确定性量化方法，直接通过模型输出评估预测置信度，增强多中心数据集纤维化测量的可靠性和可解释性	未提及具体限制	评估染色变异性对自动纤维化量化和模型不确定性的影响，提高多中心数字病理工作流程的可信度和可重复性	来自4个独立队列（超过20个临床中心）的686个PicroSirius Red染色的肝脏活检样本	数字病理	肝纤维化	数字病理, PicroSirius Red染色	U-Net集成	图像	686个肝脏活检样本（来自4个独立队列）	NA	U-Net	Dice系数，表型不确定性值	NA
4977	2026-04-24	Leveraging Co-Occurrence to Improve Deep Learning Photo-Identification in Social Animals 2026-Apr, Ecology and evolution IF:2.3Q2 DOI:10.1002/ece3.73552 PMID:42023405	研究论文	提出一种利用社会共现信息改进深度学习照片识别的方法，可应用于社会性动物的个体识别	模型无关的相遇级别识别程序，通过将社会背景作为可部署概率组件进行log线性融合，无需重新训练或修改图像模型	依赖历史共现结构，在相遇环境被破坏时效果下降，且需要一定训练历史积累	提高社会性动物照片识别中深度学习匹配的准确性，利用群体共现信息	西海岸虎鲸（Bigg's killer whales）的长期照片识别数据集	计算机视觉	NA	NA	NA（模型无关方法）	图像	西海岸虎鲸长期照片识别数据集（含相遇结构信息）	NA	NA	Top-1误差、Macro-F1	轻量级后处理，计算开销极小
4978	2026-04-24	Spectrogram-derived graphs and inductive learning for multi-label avian vocalization detection in field recordings 2026-Apr-01, The Journal of the Acoustical Society of America IF:2.1Q1 DOI:10.1121/10.0043592 PMID:42023944	研究论文	提出一种利用归纳式空间几何深度学习网络从野外录音中检测多种鸟类发声的方法	首次将归纳式图神经网络（GraphSAGE和GAT）与梅尔谱图结合用于多标签鸟类声学检测，并引入SpecAugment数据增强提升鲁棒性	NA	从野外录音中高效检测多种鸟类发声的多标签分类任务	鸟类发声的野外录音	机器学习	NA	NA	图神经网络	音频	Xeno-canto鸟类声音数据库	PyTorch	GraphSAGE, GAT, Deep CNN, AudioProtoPNet-20	宏F1分数	NA
4979	2026-04-24	[Advances in the Application of Artificial Intelligence in Clinical Microbiological Testing] 2026-Mar-20, Sichuan da xue xue bao. Yi xue ban = Journal of Sichuan University. Medical science edition DOI:10.12182/20260360501 PMID:42021875	综述	系统回顾人工智能在临床微生物检测中的应用进展，涵盖视觉与非视觉数据的分析方法及算法前沿	系统整合深度学习在显微图像分析与多组学数据（基因组、转录组、宏基因组）中的应用突破，并探讨从科研向临床转化的关键挑战	仍处于从科学研究向临床实践转化的早期阶段	综述人工智能提升临床微生物检测效果（病原体识别、药敏预测、实验室自动化）的现状与趋势	临床微生物检测中的视觉数据（显微图像、菌落形态）与非视觉数据（基因组学、转录组学、宏基因组学等多组学数据）	机器学习	NA	NA	深度学习	图像、文本	NA	NA	NA	识别效率、诊断准确度	NA
4980	2026-04-24	Deep learning for Evaluation and Prediction of TecHnical Skills in robotic-assisted vaginal cuff closure study 2026-Mar-19, American journal of obstetrics and gynecology IF:8.7Q1 DOI:10.1016/j.ajog.2026.03.015 PMID:41864316	研究论文	开发基于深度学习的模型，通过细粒度分析预测机器人辅助子宫切除术中阴道袖口缝合的技术错误和通用手术技能	提出三种深度学习流水线（手术视频错误检测、少样本手术技能评估和多模态学习），首次在阴道袖口关闭视频中实现帧级错误检测和客观技能评分	数据集规模有限，仍需要更大规模的多中心数据集	开发基于细粒度分析的深度学习模型，预测机器人辅助阴道袖口关闭中的技术错误和通用手术技能	2023-2025年间多中心前瞻性队列研究中采集的机器人辅助全子宫切除术视频	计算机视觉	妇科手术	手术视频录制	CNN, 时间建模模型	视频	来自2个中心的40段视频（667分钟，1,201,654帧），涉及11名外科医生（3名初学者、5名中级、3名专家）	NA	时间建模网络, 少样本学习模型, 多模态学习模型	准确率, F1分数, 皮尔逊相关系数, 平均绝对误差	NA