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
6321	2026-06-19	Explainable deep learning and biomechanical modeling for TMJ disorder morphological risk factors 2024-07-11, JCI insight IF:6.3Q1 DOI:10.1172/jci.insight.178578 PMID:38990647	研究论文	提出结合3D可解释深度学习与多尺度生物力学建模的混合方法，用于识别颞下颌关节紊乱病的形态学风险因素并阐明其机制	首次将可解释深度学习与多尺度生物力学建模结合，系统识别TMJ紊乱风险因素并揭示其力学与力学生物学机制，解决了深度学习“机制未知”的临床转化瓶颈	基于较小临床数据集可能影响模型泛化性；生物力学建模假设可能简化真实生理复杂性	探究颞下颌关节紊乱病的病因学机制，通过形态学风险因素识别与生物力学验证提升临床可解释性	颞下颌关节紊乱病患者的下颌骨形态特征（髁突、下颌支、颏部）	计算机视觉, 机器学习	颞下颌关节紊乱病	3D卷积神经网络, 多尺度生物力学建模	CNN	3D医学影像（形态学数据）	小型临床数据集（具体数量未明确）	NA	3D卷积神经网络	NA	NA
6322	2026-06-19	Prediction of cardiovascular risk factors from retinal fundus photographs: Validation of a deep learning algorithm in a prospective non-interventional study in Kenya 2024-07, Diabetes, obesity & metabolism DOI:10.1111/dom.15587 PMID:38618987	研究论文	在肯尼亚进行的一项前瞻性非干预性研究中，验证基于眼底照片预测心血管风险因素的深度学习算法	首次在肯尼亚人群中验证基于英国生物银行数据集训练的算法，评估其在不同种族和环境下的泛化能力	样本量相对较小（301人），且模型性能略低于原始训练人群，可能需要重新校准	评估机器学习算法在肯尼亚人群中从眼底照片估计心血管参数的准确性，以促进早期筛查在资源有限环境中的应用	肯尼亚地区的参与者，包括血压、糖化血红蛋白、估计肾小球滤过率及糖尿病和高血压诊断状态	计算机视觉, 机器学习	心血管疾病, 高血压, 糖尿病	眼底视网膜照片	CNN	图像	301名肯尼亚参与者	NA	NA	平均绝对误差, 受试者工作特征曲线下面积	NA
6323	2026-06-19	Accurate single-molecule spot detection for image-based spatial transcriptomics with weakly supervised deep learning 2024-05-15, Cell systems IF:9.0Q1 DOI:10.1016/j.cels.2024.04.006 PMID:38754367	研究论文	提出Polaris分析流程，结合弱监督深度学习模型进行细胞分割和斑点检测，用于图像空间转录组学数据分析	首次将弱监督深度学习应用于单分子斑点检测，无需人工标注即可实现高精度分析，并整合了概率基因解码器以量化单细胞基因表达	未明确讨论局限，但可能依赖于图像质量及实验条件对斑点检测精度的影响	开发一种统一、自动化的分析流程，用于处理MERFISH、seqFISH和ISS等多种图像空间转录组学实验数据的单细胞基因表达定量	图像空间转录组学数据中的单分子荧光斑点及细胞区域	数字病理学，计算机视觉	不适用	MERFISH， seqFISH， ISS（原位RNA测序）	CNN（卷积神经网络），弱监督深度学习	图像	不适用	DeepCell	未指定具体架构（描述为深度学习模型结合概率基因解码器）	不适用	不适用
6324	2026-06-19	Adapting Deep Learning QSPR Models to Specific Drug Discovery Projects 2024-04-01, Molecular pharmaceutics IF:4.5Q1 DOI:10.1021/acs.molpharmaceut.3c01124 PMID:38373038	研究论文	提出基于迁移学习的混合全局-局部策略，将深度学习QSPR模型适配到特定药物发现项目中	提出基于微调预训练全局模型的混合全局-局部迁移学习策略，在小样本场景下（每项目约10个分子）效果显著	NA	改进药物发现项目中的分子性质预测，通过领域适配提升局部模型性能	超过300个诺华药物发现项目的ADME实验数据	机器学习	NA	ADME实验	深度学习QSPR模型	分子结构数据	300多个药物发现项目，每个项目约10个分子	NA	预训练全局模型	平均绝对误差（MAE）	NA
6325	2026-06-19	Accurate single-molecule spot detection for image-based spatial transcriptomics with weakly supervised deep learning 2024-Feb-05, bioRxiv : the preprint server for biology DOI:10.1101/2023.09.03.556122 PMID:37732188	研究论文	提出一种基于弱监督深度学习的高精度单分子点检测方法，用于图像空间转录组学分析	结合深度学习的细胞分割与点检测模型，以及概率基因解码器，提供统一、即开即用的空间转录组学数据分析解决方案	未明确说明，可能依赖特定实验条件下的表现	实现精确的单细胞基因表达定量分析，简化图像空间转录组学数据处理流程	空间转录组学数据中的单分子荧光原位杂交（MERFISH、seqFISH、ISS）图像	数字病理学	NA	MERFISH, seqFISH, ISS	深度学习模型（卷积神经网络等）	图像	NA	TensorFlow	细胞分割与点检测网络（具体架构未明确）	准确性（Accuracy）	NA
6326	2026-06-19	A Siamese ResNeXt network for predicting carotid intimal thickness of patients with T2DM from fundus images 2024, Frontiers in endocrinology IF:3.9Q2 DOI:10.3389/fendo.2024.1364519 PMID:38549767	研究论文	开发并验证基于眼底图像的深度学习模型，用于预测2型糖尿病患者的颈动脉内膜中层厚度	提出一种基于Siamese ResNeXt网络的单模态模型，在预测T2DM患者CIMT的效能和鲁棒性上优于传统网络，并通过Grad-CAM可视化证实眼底微血管病变与CIMT的关联	未提及模型的外部验证、数据来源的多样性限制，以及年龄因素嵌入网络后性能下降的原因分析不足	利用眼底图像预测T2DM患者的颈动脉内膜中层厚度	1236名T2DM患者的眼底图像和CIMT超声记录	机器学习	2型糖尿病	眼底图像分析	Siamese ResNeXt网络	图像	1236名T2DM患者	NA	ResNet, ResNeXt	召回率, AUC, 精确率, 特异性, F1值, ROC曲线	NA
6327	2026-06-19	An ensemble deep learning diagnostic system for determining Clinical Activity Scores in thyroid-associated ophthalmopathy: integrating multi-view multimodal images from anterior segment slit-lamp photographs and facial images 2024, Frontiers in endocrinology IF:3.9Q2 DOI:10.3389/fendo.2024.1365350 PMID:38628586	研究论文	开发集成深度学习方法，结合前节裂隙灯照片和面部图像来自动评估甲状腺相关眼病的临床活动性评分	首次将前节裂隙灯照片和面部图像作为多视角多模态数据，通过集成深度学习方法模拟专家评估，提升了TAO活动性预测的准确性	研究样本量较小，仅包含单一医院的156例患者，可能影响模型泛化性；主观症状（如疼痛）仍需额外输入而非完全自动化	构建集成深度学习系统，通过多视角多模态图像准确预测TAO的临床活动性评分	甲状腺相关眼病患者的炎症体征（眼睑结膜红肿、肿胀等）及主观症状	计算机视觉	甲状腺相关眼病	NA	集成深度学习模型（基于残差网络）	图像（前节裂隙灯照片和面部图像）	156名TAO患者	NA	残差网络	准确率、特异度、精确率、召回率、F1分数	NA
6328	2026-06-19	Divergences in color perception between deep neural networks and humans 2023-12, Cognition IF:2.8Q1 DOI:10.1016/j.cognition.2023.105621 PMID:37716312	研究论文	评估深度神经网络与人类在颜色感知方面的差异，揭示当前DNN模型未能充分捕捉人类颜色感知的认知一致性	首次通过对比颜色相似性判断实验，系统评估了包括卷积神经网络和视觉Transformer在内的多种DNN架构与人类颜色感知的偏差，并提出了基于小波分解的可解释颜色感知模型作为更优基准	未涉及颜色感知的时间动态特性、跨文化差异以及高维颜色空间（如CIELAB）的深度映射；小波模型的认知合理性仍需更多神经科学验证	探究深度神经网络在颜色感知维度上与人类认知的一致性，并寻找更符合认知规律的替代模型	人类颜色相似性判断（通过在线调查收集）和多种DNN产生的颜色嵌入表示	机器学习、计算机视觉、认知科学	不适用	卷积神经网络、视觉Transformer、小波分解、风格迁移任务训练	卷积神经网络、视觉Transformer	图像（控制颜色属性的图像、网络搜索图像、CIFAR-10真实世界图像）	多种图像数据集（未明确样本数量，包含三类图像集：颜色控制图像、网络图像、CIFAR-10的10类图像）	PyTorch（隐含）、TensorFlow（未明确，但常见框架）	ResNet、ViT、VGG、U-Net（？待确认）、小波模型	颜色相似性判断一致性（相关系数、均方误差）	未明确，但通常使用GPU（如NVIDIA A100或V100）
6329	2026-06-19	Multistain deep learning for prediction of prognosis and therapy response in colorectal cancer 2023-02, Nature medicine IF:58.7Q1 DOI:10.1038/s41591-022-02134-1 PMID:36624314	研究论文	建立并评估了一种多染色深度学习模型，用于预测结直肠癌的预后和治疗反应	首次利用人工智能在超过1000名患者中确定AImmunoscore，并展示了其在预测新辅助治疗反应方面的能力	免疫评分系统如Immunoscore和上皮内淋巴细胞定量在临床常规使用中接受缓慢，且有一定局限性	评估多染色深度学习模型在结直肠癌预后和治疗反应预测中的能力	结直肠癌患者	数字病理学	结直肠癌	多染色免疫组织化学	深度学习	病理图像	超过1000名结直肠癌患者	NA	多染色深度学习模型	预后能力，优于其他临床、分子和免疫细胞相关参数	NA
6330	2026-06-19	FusionAI: Predicting fusion breakpoint from DNA sequence with deep learning 2021-Oct-22, iScience IF:4.6Q1 DOI:10.1016/j.isci.2021.103164 PMID:34646994	研究论文	开发FusionAI利用深度学习预测DNA序列中的基因融合断点，帮助识别融合断裂码及基因组背景	首次基于DNA序列通过深度学习预测基因融合断点，揭示融合断裂的基因组上下文	未提及数据集大小及与其他方法的对比验证	通过深度学习模型预测基因融合断点，理解基因组断裂机制	基因融合断点及其相关基因组序列	机器学习	癌症	DNA测序	深度学习模型	DNA序列数据	未提及	未提及	未提及	未提及	未提及
6331	2026-06-19	The Reproducibility of Deep Learning-Based Segmentation of the Prostate Gland and Zones on T2-Weighted MR Images 2021-Sep-16, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics11091690 PMID:34574031	research paper	在T2加权MR图像上，使用深度学习进行前列腺及其分区分割的可重复性研究	首次系统评估深度学习分割方法在前列腺MRI中的患者内可重复性，并比较了三种不同CNN架构与人工分割的稳定性	仅使用了单中心数据集，未探讨不同采集参数或MRI设备对可重复性的影响	探究深度学习分割方法在前列腺MRI中14个形状特征的重复性，为CAD系统临床应用提供依据	前列腺整体、外周区和剩余区（非外周区）的MRI分割	machine learning	prostate cancer	T2加权MRI	CNN	image	244名患者的内部数据集	PyTorch	V-Net, nnU-Net-2D, nnU-Net-3D	ICC	NA
6332	2026-06-18	Early diagnosis and risk stratification of aortic stenosis using artificial intelligence applied to echocardiography: scoping review 2026-Sep-01, International journal of medical informatics IF:3.7Q2 DOI:10.1016/j.ijmedinf.2026.106487 PMID:42161114	综述	系统评价人工智能应用于超声心动图对主动脉瓣狭窄进行早期诊断与风险分层的证据	首次系统梳理人工智能在超声心动图中用于主动脉瓣狭窄早期诊断与风险分层的性能、临床适用性和方法学局限	缺乏外部验证、算法可解释性不足、临床整合面临障碍以及研究多为回顾性数据	评估人工智能工具应用于超声心动图对主动脉瓣狭窄早期诊断的有效性	2020年1月至2025年12月间发表的25项运用人工智能系统于超声心动图检测主动脉瓣狭窄的研究	计算机视觉	心血管疾病	NA	卷积神经网络	图像	25项研究	NA	多视觉模型	AUC, 灵敏度, 特异度	NA
6333	2026-06-18	Important progress in antimicrobial peptide prediction research in the past five years 2026-Sep, Analytical biochemistry IF:2.6Q2 DOI:10.1016/j.ab.2026.116141 PMID:42092576	综述	综述了过去五年抗菌肽预测研究的重要进展	系统梳理了2020-2024年间涌现的创新预测方法，从传统机器学习到前沿深度学习和生成模型，并比较了不同方法在不同数据集上的表现，同时前瞻性地提出了未来发展方向	未明确提及具体局限性，但基于当前研究瓶颈讨论了未来趋势	总结抗菌肽预测研究进展并展望未来发展方向	抗菌肽（AMPs）	机器学习	感染性疾病	特征编码技术	机器学习, 深度学习, 生成模型	序列数据	NA	NA	NA	预测性能（具体指标未明确）	NA
6334	2026-06-18	Preoperative prediction of hepatocellular carcinoma histological grade using MRI-based artificial intelligence models: A systematic review and meta-analysis 2026-Sep, European journal of radiology IF:3.2Q1 DOI:10.1016/j.ejrad.2026.112939 PMID:42167003	系统综述与Meta分析	评估基于MRI的人工智能模型在术前预测肝细胞癌组织学分级的诊断性能	首次系统评价MRI-based AI模型在HCC分级预测中的诊断准确性，并比较深度学习和机器学习模型的性能差异	证据确定性极低，研究间异质性显著，外部验证性能下降，主要估计值可能为乐观上界	评估MRI-based AI模型术前预测HCC组织学分级的诊断效能	术前使用MRI-based AI模型预测肝细胞癌组织学分级的诊断性研究	机器学习	肝细胞癌	MRI	深度学习模型, 机器学习模型	图像	18项研究（内部验证16项，外部验证6项）	NA	NA	敏感性, 特异性, 诊断优势比, 曲线下面积	NA
6335	2026-06-18	Contemporary strategies for active learning in oral and maxillofacial surgery education 2026-Aug, Oral surgery, oral medicine, oral pathology and oral radiology DOI:10.1016/j.oooo.2026.01.002 PMID:41672806	综述	本文回顾并倡导在口腔颌面外科教育中采用当代主动学习策略	系统总结了团队学习、翻转课堂、模拟训练等主动学习方法在口腔颌面外科教育中的具体应用	未提供实证数据支持各教学策略的有效性比较	探讨主动学习在口腔颌面外科住院医师培训中的应用价值	口腔颌面外科住院医师及教育工作者	医学教育	NA	NA	NA	NA	NA	NA	NA	NA	NA
6336	2026-06-18	Deep Learning Analysis of Indocyanine Green Fluoroscopy of Ureters in Robotic Cystectomy: Toward Reducing Ureteroenteric Strictures 2026-Aug, Journal of endourology IF:2.9Q1 DOI:10.1177/08927790261450709 PMID:42159157	研究论文	开发一种基于深度学习的方法，在机器人辅助根治性膀胱切除术中通过吲哚菁绿荧光镜定量评估输尿管灌注情况，旨在减少输尿管肠吻合口狭窄的发生	首次利用手术基础模型SurgeNetXL对ICG荧光镜中的输尿管进行分割和灌注参数定量计算，实现了从主观视觉判断到数据驱动的客观评估的转变	单中心回顾性研究，样本量较小（96个视频），且需要进一步改进技术以实现完全自动化的强度测量，并研究其与输尿管肠吻合口狭窄结果的相关性	开发一种定量评估输尿管灌注的深度学习方法，以数据驱动方式减少机器人辅助根治性膀胱切除术后的输尿管肠吻合口狭窄	机器人辅助根治性膀胱切除术中的输尿管在吲哚菁绿荧光镜下的影像	计算机视觉	泌尿系统疾病（输尿管肠吻合口狭窄）	吲哚菁绿荧光镜	深度学习模型（卷积神经网络）	视频帧（全彩和ICG帧）	96个视频（251张全彩帧和358张ICG帧）	NA	SurgeNetXL	Dice相似系数（DSC）、Hausdorff距离（HD）	NA
6337	2026-06-18	Artificial Intelligence-Powered Cystoscopy Diagnostic Support System: Clinical Application of Multiarchitecture Deep Learning Models 2026-Aug, Journal of endourology IF:2.9Q1 DOI:10.1177/08927790261450807 PMID:42206801	研究论文	开发并评估两种基于深度学习的膀胱镜图像分析系统，用于增强膀胱疾病的诊断效率	使用多种深度学习架构（包括CNN、Vision Transformer和Vision Mamba）构建分类和分割模型，实现膀胱病变的自动识别与定位，提升了临床诊断准确率	未提及外部验证数据集或实时部署中的性能表现，可能受限于数据集的多样性和泛化能力	提高膀胱镜诊断的准确性和效率，减少操作者经验依赖导致的观察者间变异	膀胱肿瘤、膀胱炎及术后疤痕的膀胱镜图像	数字病理学	膀胱癌	膀胱镜检查	CNN, Vision Transformer, Vision Mamba	图像	2056次检查中的9362张图像	NA	卷积神经网络, Vision Transformer, Vision Mamba	AUC, Dice相似系数	NA
6338	2026-06-18	A Deep Dual-Domain Interaction Reconstruction Framework With Adaptive Gating Fusion for Low-Field MRI 2026-Jul, NMR in biomedicine IF:2.7Q1 DOI:10.1002/nbm.70330 PMID:42286973	研究论文	提出了一种用于低场MRI的深度双域交互重建框架，通过自适应门控融合提高重建质量	创新性地设计了混合双域交互模块和自适应门控融合策略，同时利用注意力机制建模k空间频率编码与图像域像素间的长程依赖关系	未明确提及，但可能包括对特定低场数据集依赖性强、计算资源需求高等潜在限制	开发一种高质量、低成本的低场MRI重建方法，以促进资源受限临床环境下的MRI系统部署	低场MRI图像重建中的k空间与图像域双域交互问题	计算机视觉, 机器学习	NA	MRI	CNN, 注意力机制	MRI图像	公共0.3T低场数据集和实验室采集的0.5T低场MRI扫描仪数据（具体样本数未说明）	PyTorch	U-Net, 多尺度U-Net结构	PSNR, SSIM	NA
6339	2026-06-18	SPACT: A clustering-driven multi-modal framework for survival prediction using genomic and histopathology data 2026-Jul, Medical image analysis IF:10.7Q1 DOI:10.1016/j.media.2026.104078 PMID:42013616	研究论文	提出SPACT，一种基于聚类驱动的多模态框架，利用基因组和组织病理学数据进行生存预测	通过结合TCGA和外部Başkent医院数据集提升鲁棒性和预测准确性，并采用多编码器交叉比较选择最优编码器	未明确说明限制，可能受限于外部数据集规模或特定癌症类型的泛化能力	提高癌症生存预测的鲁棒性和准确性，尤其是亚类别预测	癌症患者生存概率，涉及7种癌症类型（如卵巢癌）	自然语言处理, 数字病理学	卵巢癌, 其他癌症类型	深度学习, 多模态数据融合	多模态深度神经网络	基因组数据, 组织病理学全切片图像（WSI）	TCGA数据集和Başkent医院外部数据集，具体样本数量未说明	PyTorch, TensorFlow（推测）	多种编码器（未具体列出），集成模型	c-index	NA
6340	2026-06-18	YoloSeg: You only label once for medical image segmentation 2026-Jul, Medical image analysis IF:10.7Q1 DOI:10.1016/j.media.2026.104093 PMID:42048960	研究论文	提出YoloSeg框架，在仅有一张标注图像的情况下实现医学图像分割，通过SAM 2传播标签、多视图伪标签分解和跨补丁数据增强，在十个数据集上与全监督方法性能相当	提出在极端标签稀缺（仅一张标注图像）下的分割方法，创新性地整合SAM 2进行标签传播，并设计多视图标签传播策略分解伪标签为共识区和分歧区，引入双分量损失分别处理，同时提出跨补丁数据增强增强语义一致性	输出内容中未提及具体局限性	解决医学图像分割中极端标签稀少问题，实现仅需一张标注图像即可得到高性能分割模型	医学图像中的器官、血管和病变等分割目标	数字病理学	NA	NA	分割模型	医学图像	十个不同的医学图像分割数据集	PyTorch	Segment Anything Model 2	Dice系数	NA