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
5561	2026-01-28	Deep learning reconstruction accelerated reduced field-of-view DWI in rectal cancer: mucosa-submucosa-muscularis visualization and T staging 2026-Jan-26, European radiology experimental IF:3.7Q1 DOI:10.1186/s41747-025-00667-x PMID:41586954	研究论文	本研究比较了深度学习重建加速的减视场扩散加权成像与标准重建全视场扩散加权成像在直肠癌中的图像质量和诊断性能	首次将深度学习重建技术应用于减视场扩散加权成像，显著缩短了扫描时间并改善了图像质量，尤其在早期直肠癌T分期准确性方面有显著提升	研究为单中心前瞻性研究，样本量相对有限，且仅针对直肠癌患者，未涉及其他类型肿瘤	评估深度学习重建加速减视场扩散加权成像在直肠癌诊断和分期中的临床应用价值	经活检证实的直肠腺癌患者	医学影像分析	直肠癌	扩散加权成像，深度学习重建	深度学习模型	医学影像数据	173名参与者，其中94名接受根治性手术	NA	NA	诊断敏感性，特异性，准确性，图像质量评分，表观扩散系数测量一致性	NA
5562	2026-01-28	CT-based deep learning signatures associated with transcriptomic heterogeneity and combined with nutritional biomarkers improve prediction of 3-year overall survival in esophageal squamous cell carcinoma 2026-Jan-26, Insights into imaging IF:4.1Q1 DOI:10.1186/s13244-025-02189-x PMID:41586987	研究论文	本研究开发并验证了一个结合CT图像深度学习特征与营养生物标志物的模型，用于预测食管鳞状细胞癌患者的3年总生存期，并探讨了基于深度学习特征的风险组之间的转录组学差异	首次将基于Crossformer架构从CT图像提取的深度学习特征与营养生物标志物（低骨骼肌质量）相结合，构建了预测食管鳞状细胞癌患者生存期的模型，并通过转录组学分析揭示了模型风险分层的生物学基础	研究为回顾性多中心设计，样本量相对有限，且外部验证队列规模较小，未来需要前瞻性研究进一步验证	开发并验证一个结合CT图像深度学习特征与营养生物标志物的模型，用于预测食管鳞状细胞癌患者的3年总生存期，并探索深度学习特征风险分层的生物学意义	食管鳞状细胞癌术后患者	数字病理学	食管鳞状细胞癌	CT成像, 转录组学分析	深度学习模型	CT图像, 临床数据, 转录组数据	662名来自三家医院的术后患者（内部队列）和16名来自TCGA的额外患者（外部队列）	NA	Crossformer	一致性指数	NA
5563	2026-01-28	Contrast-enhanced CT-based radiomics for predicting visceral pleural invasion in early-stage non-small cell lung cancer 2026-Jan-26, Insights into imaging IF:4.1Q1 DOI:10.1186/s13244-025-02184-2 PMID:41586985	研究论文	本研究开发了一种基于增强CT的影像组学模型，用于术前预测早期非小细胞肺癌的脏层胸膜侵犯	结合增强CT特征与影像组学特征构建联合模型，用于术前预测早期非小细胞肺癌的脏层胸膜侵犯，相比传统CT特征模型有更好的预测性能	研究为回顾性设计，样本量有限，且分割过程为半自动，可能引入人为偏差	术前预测早期非小细胞肺癌的脏层胸膜侵犯，以指导治疗决策	早期非小细胞肺癌患者	数字病理学	肺癌	增强CT	影像组学模型	CT图像	523例手术切除的非小细胞肺癌患者	NA	NA	AUC	NA
5564	2026-01-28	Privacy-Preserving Collaborative Diabetes Prediction in Heterogeneous Health Care Systems: Algorithm Development and Validation of a Secure Federated Ensemble Framework 2026-Jan-26, JMIR diabetes DOI:10.2196/79166 PMID:41587070	研究论文	本文开发了一个名为FedEnTrust的安全、可扩展且保护隐私的联邦集成学习框架，用于糖尿病预测，结合了联邦学习、集成建模、基于区块链的访问控制和知识蒸馏技术	提出FedEnTrust框架，通过集成联邦学习、自适应加权投票的软标签聚合、基于区块链的智能合约访问控制以及根据本地计算能力分配模型架构，以处理数据异构性、非独立同分布和计算能力差异，同时增强隐私、安全性和信任	研究仅基于PIMA印第安人糖尿病数据集进行评估，未在更广泛或真实世界的多机构临床数据上进行验证，且区块链延迟和gas成本可能在实际大规模部署中面临挑战	开发一个安全、可扩展且保护隐私的框架，用于在异构医疗系统中进行糖尿病预测	医疗系统中的异构参与者，包括医院、诊所和可穿戴设备，产生非独立同分布数据	机器学习	糖尿病	联邦学习、集成建模、知识蒸馏、区块链智能合约	集成模型	医疗数据	PIMA印第安人糖尿病数据集	NA	NA	准确率、精确率、召回率、F1分数	NA
5565	2026-01-28	Neuron Segment Connectivity Prediction with Multimodal Features for Connectomics 2026-Jan-26, IEEE transactions on medical imaging IF:8.9Q1 DOI:10.1109/TMI.2026.3658169 PMID:41587252	研究论文	本文提出了一种基于多模态特征的神经元片段连接预测方法，用于自动校对大规模电子显微镜数据集中的神经元分割	设计了一种结合全局3D形态特征和高分辨率局部图像上下文的连接点检测网络，并采用基于提议的图像特征采样来高效融合多尺度多模态特征	未明确提及方法在处理极复杂神经元形态或超大规模数据集时的计算效率限制	开发自动神经元校对流程，以改进大规模电子显微镜数据中的神经元分割和连接组分析	电子显微镜数据集中的神经元片段	计算机视觉	NA	电子显微镜成像	深度学习网络	3D图像	NA	NA	连接点检测网络, 连接性预测网络	NA	NA
5566	2026-01-28	Xeno-learning: knowledge transfer across species in deep learning-based spectral image analysis 2026-Jan-26, Nature biomedical engineering IF:26.8Q1 DOI:10.1038/s41551-025-01585-4 PMID:41588072	研究论文	本文提出了一种名为'异种学习'的跨物种知识迁移概念，用于解决临床手术成像中深度学习模型训练数据不足的问题	引入'异种学习'概念，通过'基于生理学的数据增强'方法，将动物模型中学到的病理或手术操作相关光谱变化迁移到人类应用	未明确说明模型在人类数据上的具体性能表现或泛化能力的定量评估	解决临床手术成像中因缺乏大规模代表性数据而导致的深度学习模型训练难题	人类、猪和大鼠模型的光谱图像数据	计算机视觉	NA	高光谱成像	深度学习	图像	14,013张高光谱图像	NA	NA	NA	NA
5567	2026-01-28	Generating Training Data for Ureter Segmentation Using Dual-Energy CT Two-Material Decomposition 2026-Jan-26, Journal of imaging informatics in medicine DOI:10.1007/s10278-026-01847-w PMID:41588287	研究论文	本研究评估了基于双能CT双物质分解技术在生成输尿管分割训练数据中的效用	利用双能CT双物质分解技术从增强图像生成虚拟平扫图像，以创建用于输尿管分割的训练数据，这是一种创新的数据生成方法	外部验证数据集的性能有限，表明模型泛化能力有待提高	评估双能CT双物质分解技术生成输尿管分割训练数据的可行性	接受双能CT尿路造影的180名患者	数字病理学	泌尿系统疾病	双能CT，双物质分解技术	深度学习分割模型	CT图像	180名患者（150名来自机构1，30名来自机构2）	nnU-Net	U-Net	Dice系数，精确度，召回率	NA
5568	2026-01-28	Aligned cross-modal integration and regulatory heterogeneity characterization of single-cell multiomic data with deep contrastive learning 2026-Jan-26, Genome medicine IF:10.4Q1 DOI:10.1186/s13073-025-01586-7 PMID:41588477	研究论文	本文提出了一种基于对比学习的单细胞多组学深度学习模型（scMDCF），用于高效整合和表征单细胞多组学数据	开发了跨模态对比学习模块和特征融合模块，以协调不同组学类型的数据表示，同时保留生物异质性	未明确说明模型的计算复杂度或在大规模数据集上的可扩展性限制	解决单细胞多组学数据整合中的挑战，以更好地理解细胞功能和相互作用	单细胞多组学数据，包括SNARE-seq、CITE-seq、BNT162b2 mRNA SARS-CoV-2疫苗接种后数据集和阿尔茨海默病特异性数据	机器学习	阿尔茨海默病	单细胞多组学技术（scMulti-omics），包括SNARE-seq、CITE-seq	深度学习模型，基于对比学习	单细胞多组学数据	NA	NA	scMDCF（单细胞多组学深度学习模型）	聚类性能，批次效应缓解	NA
5569	2026-01-28	Advancing the modernization of traditional Chinese medicine through artificial intelligence and multimodal data integration 2026-Jan-26, Chinese medicine IF:5.3Q1 DOI:10.1186/s13020-025-01194-y PMID:41588523	综述	本文综述了人工智能技术如何通过整合多模态数据，推动中医药现代化进程	系统性地从多尺度数据、研发、诊疗及大语言模型四个维度，全面回顾了AI在中医药现代化中的应用进展，强调了AI在数据驱动复杂系统、基础科学研究和精准医学中的前沿应用	NA	探讨人工智能技术如何促进中医药的现代化发展	中医药领域的多模态数据、研发过程、诊断与治疗实践	自然语言处理, 机器学习	NA	机器学习, 深度学习, 知识图谱, 自然语言处理, 大语言模型	NA	多模态数据	NA	NA	NA	NA	NA
5570	2026-01-28	Role of a Deep-Learning Based Convolutional Neural Network Model for Real-Time Ventricular Tachycardia Alarm Classification 2026-Jan-26, Journal of cardiovascular electrophysiology IF:2.3Q2 DOI:10.1111/jce.70271 PMID:41588600	研究论文	本研究开发了一种基于一维卷积神经网络的深度学习模型，用于实时分类心室心动过速警报，以减少ICU中的误报	利用多通道原始波形数据（包括ECG、PPG和ABP信号）和短时波形段，构建了一个高效的1D-CNN模型，显著降低了心室心动过速警报的误报率	模型性能依赖于公开数据集，可能未涵盖所有临床场景；且仅使用了警报前10秒的数据段，可能忽略了更长时间范围内的信息	开发一个能够准确区分真假心室心动过速警报的实时分类系统，以减轻ICU中的警报疲劳问题	心室心动过速警报信号，包括心电图、光电容积脉搏波和动脉血压波形	机器学习	心血管疾病	心电图监测，光电容积脉搏波监测，动脉血压监测	CNN	波形信号	使用公开的VTaC心律失常基准数据集，具体样本数量未在摘要中明确说明	NA	一维卷积神经网络	AUC, 准确率, F1分数, 灵敏度, 特异度, 阳性预测值	NA
5571	2026-01-28	Artificial Intelligence and Machine Learning in Bone Metastasis Management: A Narrative Review 2026-Jan-22, Current oncology (Toronto, Ont.) DOI:10.3390/curroncol33010065 PMID:41590385	综述	本文是一篇关于人工智能和机器学习在骨转移管理中应用的叙事性综述	整合了AI/ML在骨转移管理中的最新应用，并指出了未来研究方向，如开发替代Mirels评分的AI增强工具和多中心协作	现有研究多为内部验证，缺乏外部验证；可解释性、偏见缓解和健康经济影响评估不足；极少框架集成到常规工作流程中	综述AI/ML在骨转移管理中的应用，包括病灶检测、分割、预后建模、骨折风险评估和手术决策支持	骨转移患者	机器学习	骨转移	影像组学和深度学习	NA	影像数据	NA	NA	NA	NA	NA
5572	2026-01-28	XCPP: A Multi-model Explainable Deep Learning Framework for Accurate Identification of Cell-Penetrating Peptides from Structured Sequence Features 2026-Jan-20, Current drug targets IF:3.0Q2 DOI:10.2174/0113894501416864251212082231 PMID:41588770	研究论文	本文提出了一种名为XCPP的多模型可解释深度学习框架，用于基于结构化序列特征准确识别细胞穿透肽	结合了多种序列描述符和三种深度学习架构，并利用SHAP值增强模型的可解释性	尚未进行体外或体内验证，LSTM模型可能存在过拟合问题	开发一个准确识别细胞穿透肽的计算框架	细胞穿透肽	机器学习	NA	序列描述符计算	DNN, CNN, LSTM	序列特征	473个已确认的细胞穿透肽	NA	Deep Neural Networks, Convolutional Neural Networks, Long Short-Term Memory	准确率	NA
5573	2026-01-28	Triple-Negative Breast Cancer and Artificial Intelligence: Current Paradigms in Diagnosis, Therapy Prediction, Prognosis, and Challenges 2026-Jan-20, Current pharmaceutical biotechnology IF:2.2Q3 DOI:10.2174/0113892010413048251103143500 PMID:41588757	综述	本文综述了人工智能在三阴性乳腺癌诊断、治疗预测和预后中的当前应用范式与挑战	整合了多种AI模型（如Transformer-GCN、混合CNN-Bi-LSTM-EfficientNet）在TNBC中的应用，并探讨了AI与纳米技术结合用于智能药物递送系统	AI模型的泛化性因训练数据集差异和TNBC生物学异质性而受限，临床实施面临挑战	探讨人工智能在三阴性乳腺癌精准医疗中的应用与整合	三阴性乳腺癌	数字病理学	乳腺癌	放射组学, 全切片组织病理学图像分析	Transformer, GCN, CNN, Bi-LSTM, EfficientNet, ConvNeXtBase	图像, 临床数据	NA	NA	NACNet, 混合CNN-Bi-LSTM-EfficientNet, ConvNeXtBase	准确率, 灵敏度, AUC, F1分数, C指数	NA
5574	2026-01-28	The Diagnostic Value of Image-Based Machine Learning for Osteoporosis: Systematic Review and Meta-Analysis 2026-Jan-16, Journal of medical Internet research IF:5.8Q1 DOI:10.2196/75965 PMID:41544126	系统综述与荟萃分析	本文通过系统综述和荟萃分析，评估了基于医学影像的机器学习模型在骨质疏松症诊断中的价值	首次系统评估了基于不同医学影像模态（X射线、CT、MRI）的机器学习模型在骨质疏松症诊断中的性能，并进行了分层和亚组分析	纳入的基于MRI的原始研究数量有限，且各研究间缺乏足够的外部验证，这带来了解释上的局限性	阐明基于不同医学影像模态的深度学习模型在骨质疏松症检测中的作用	基于医学影像使用机器学习进行骨质疏松症诊断的相关研究	机器学习	骨质疏松症	医学影像（X射线、CT、MRI）	机器学习（ML）、深度学习（DL）	医学影像	60项研究，共66,195名参与者	NA	NA	敏感性（SEN）、特异性（SPC）	NA
5575	2026-01-28	Hybrid Spike-Encoded Spiking Neural Networks for Real-Time EEG Seizure Detection: A Comparative Benchmark 2026-Jan-16, Biomimetics (Basel, Switzerland) DOI:10.3390/biomimetics11010075 PMID:41589992	研究论文	本研究提出了一种用于实时EEG癫痫发作检测的混合脉冲编码脉冲神经网络，并在CHB-MIT数据集上进行了性能评估	提出了一种结合Delta-Sigma（基于变化）和随机速率表示的混合脉冲编码方案，并设计了两种专为实时EEG分析优化的脉冲神经网络架构	研究仅在CHB-MIT数据集上进行评估，未在其他EEG数据集上验证模型的泛化能力	开发低延迟、高精度的实时EEG癫痫发作检测模型，适用于临床连续监测和可穿戴健康技术	脑电图（EEG）信号中的癫痫发作检测	机器学习	癫痫	脑电图（EEG）	SNN（脉冲神经网络）	EEG信号	CHB-MIT数据集	NA	HybridSNN（紧凑前馈网络）, ConvSNN（深度可分离卷积结合时序自注意力）	准确率, F1分数, 误报率（每天）, 推理延迟	标准CPU硬件
5576	2026-01-28	Multi-Class Malocclusion Detection on Standardized Intraoral Photographs Using YOLOv11 2026-Jan-16, Dentistry journal IF:2.5Q2 DOI:10.3390/dj14010060 PMID:41590184	研究论文	本研究提出并评估了一种基于YOLOv11的深度学习模型，用于在常规口内照片上自动检测多种临床相关的牙齿错颌畸形	首次将YOLOv11模型应用于基于标准化口内照片的多类别错颌畸形自动检测，并采用源自正畸治疗需求指数（IOTN）的结构化标注协议进行训练	由于样本数量不足，两种错颌畸形（牙齿易位和非咬合）被排除在定量分析之外；后牙区域的可视化限制影响了部分类别的检测性能	开发一种能够从常规临床口内照片中自动、准确识别多种牙齿错颌畸形的深度学习系统，以支持高效筛查和标准化文档记录	牙齿错颌畸形	计算机视觉	牙齿错颌畸形	深度学习，目标检测	YOLOv11	图像（口内照片）	5854张匿名口内照片（包括正面咬合、左右颊侧、上下颌咬合视图）	NA	YOLOv11	mAP50（平均精度均值，IoU阈值为0.5），宏精确率，宏召回率	NA
5577	2026-01-28	Informing atmospheric pollution hotspots and exposure risks under climate change using machine learning: Evidence from 2843 Chinese regions 2026-Jan-15, Journal of hazardous materials IF:12.2Q1 DOI:10.1016/j.jhazmat.2025.141002 PMID:41494348	研究论文	本研究应用时间序列和因果推断模型，量化气候变化下中国2843个地区多种空气污染物浓度的变化及其对全因死亡的影响	提出基于气候变化的深度学习模型（RSSFF），用于预测污染物浓度变化及其与全因死亡的因果关系，并识别气候敏感区域	研究中存在不确定性增加，特别是多种污染物共暴露和气候指标对健康影响的放大效应	评估气候变化对中国空气污染暴露及健康风险的影响	中国2843个地区的空气污染物浓度（CO、NO、O、SO、PM、PM）和全因死亡数据	机器学习	NA	时间序列分析，因果推断模型	深度学习模型	时间序列数据	2843个中国地区	NA	RSSFF	NA	NA
5578	2026-01-28	Application of deep learning on MRI for prognostic prediction in rectal cancer 2026-Jan-15, European radiology IF:4.7Q1 DOI:10.1007/s00330-025-12246-0 PMID:41537781	研究论文	本研究利用预处理MRI，结合临床特征与深度学习，开发并验证了一个用于直肠癌预后预测的组合模型	采用多实例学习整合多切片预测以提升模型性能，并构建了结合深度学习特征与临床病理参数的列线图来改善预测表现	研究为回顾性设计，样本量相对有限（共458例患者），且随访时间至少3年，可能影响结果的普遍适用性	开发并验证一个结合临床特征与深度学习的模型，用于直肠癌的预后预测	直肠癌患者	计算机视觉	直肠癌	MRI	深度学习	图像	458例患者（训练集268例，验证集115例，外部测试集75例）	NA	多实例学习	Harrell's C-index, 时间依赖性ROC曲线	NA
5579	2026-01-28	Accuracy of Deep Learning in Diagnosing Chronic Obstructive Pulmonary Disease: Systematic Review and Meta-Analysis 2026-Jan-14, Journal of medical Internet research IF:5.8Q1 DOI:10.2196/83459 PMID:41562629	系统综述与荟萃分析	本研究通过系统综述和荟萃分析，评估了深度学习模型在诊断慢性阻塞性肺疾病及其严重程度分级方面的准确性	这是首个系统性地综合深度学习在COPD检测和GOLD分期中应用的荟萃分析，为智能诊断工具的设计和临床实施提供了最新证据	研究存在显著的异质性和有限的外部验证，多类别GOLD分级的准确性有限，需要谨慎解读结果	系统评估深度学习模型在诊断和分级慢性阻塞性肺疾病方面的准确性	已发表的关于深度学习用于COPD诊断和严重程度分级的研究	机器学习	慢性阻塞性肺疾病	深度学习	深度学习模型	CT影像、呼吸音或音频、胸部X光片、肺功能指标或曲线、生理波形、心电图、容积二氧化碳图、放射遗传学数据、临床评分	56项研究，共886,753名参与者	NA	NA	灵敏度、特异性、诊断比值比、汇总受试者工作特征曲线下面积、准确率	NA
5580	2026-01-28	Multi-Task Deep Learning Model for Automated Detection and Severity Grading of Lumbar Spinal Stenosis on MRI: Multi-Center External Validation 2026-Jan-14, Diseases (Basel, Switzerland) DOI:10.3390/diseases14010032 PMID:41590247	研究论文	本研究评估了基于深度学习的特征提取方法（VGG19、ConvNeXt-Tiny和DINOv2）结合经典机器学习分类器，用于腰椎管狭窄症的自动多级严重程度分级，并进行了多中心外部验证	结合预训练的深度卷积特征提取模型（VGG19、ConvNeXt-Tiny、DINOv2）与经典机器学习分类器（逻辑回归、SVM、LightGBM），实现腰椎管狭窄症的自动化、客观化、可重复的严重程度分级，并进行了多中心外部验证以评估泛化能力	大多数分类错误发生在相邻严重程度等级之间；DINOv2特征在外部验证中表现出较差的泛化能力，尤其是与LightGBM结合时	开发并验证一种自动化、可泛化的深度学习模型，用于从MRI图像中检测和分级腰椎管狭窄症的严重程度，以辅助临床决策	腰椎管狭窄症患者的轴向MRI图像	医学影像分析	腰椎管狭窄症	MRI成像	CNN, 逻辑回归, SVM, LightGBM	图像	内部数据集和来自University of Phayao Hospital的外部MRI数据（具体数量未在摘要中提供）	NA	VGG19, ConvNeXt-Tiny, DINOv2	准确率, 精确率, 召回率, F1分数, 混淆矩阵, 多分类ROC曲线, AUC	NA