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
641	2026-04-21	AI-FLEET: Phase I-Multimodal Deep Learning Model for Phyllodes Tumor Classification 2026-May, Annals of surgical oncology IF:3.4Q1 DOI:10.1245/s10434-026-19179-y PMID:41649783	研究论文	本研究开发了一个多模态深度学习模型AI-FLEET，用于区分乳腺叶状肿瘤的良性与交界性/恶性类型	首次将超声图像与临床变量结合，通过多模态深度学习模型提高叶状肿瘤分类的准确性	样本量较小（81例患者），且交界性和恶性叶状肿瘤被合并为一组，可能影响分类的精细度	提高乳腺纤维上皮性病变的诊断准确性，减少术前评估的不确定性	经组织学确认的乳腺叶状肿瘤患者	数字病理学	乳腺癌	超声成像	CNN	图像, 临床数据	81例患者（65例良性，16例交界性/恶性），共1638张超声图像	NA	ConvNeXt, ResNet18	准确率, AUC	NA
642	2026-04-21	Explainable multimodal deep learning models for variable-length sequences in critically ill patients 2026-May, Journal of biomedical informatics IF:4.0Q2 DOI:10.1016/j.jbi.2026.105001 PMID:41747919	研究论文	本研究开发了一种可解释的多模态深度学习框架，用于处理重症监护患者可变长度的电子健康记录数据，以预测临床事件	提出了两种多模态循环神经网络融合架构（Pre-RNN和Post-RNN），结合了结构化数据和非结构化临床笔记，并利用集成梯度方法实现时间步级别的特征重要性解释	性能提升对于短期事件较为有限（ΔAUPRC < 0.01），且研究依赖于公开数据集，可能受数据质量和通用性限制	开发一个可解释的多模态深度学习框架，以处理重症监护中可变长度的时序数据，并提升临床事件预测的准确性和可解释性	重症监护患者的电子健康记录数据，包括结构化变量和非结构化临床笔记	自然语言处理, 机器学习	危重病	电子健康记录分析, 多模态数据融合	RNN	结构化数据, 文本	使用公开的电子健康记录数据集，具体样本数量未明确说明	未明确指定，可能基于TensorFlow或PyTorch	Time2Vec, RNN	AUPRC	未明确说明
643	2026-04-21	Improved sub-visible particle classification in flow imaging microscopy via generative AI-based image synthesis 2026-May, Journal of pharmaceutical sciences IF:3.7Q2 DOI:10.1016/j.xphs.2026.104225 PMID:41763492	研究论文	本文开发了一种基于生成式AI的图像合成方法，用于改善流式成像显微镜中的亚可见颗粒分类，通过生成高保真图像解决数据不平衡问题	利用最先进的扩散模型生成高保真颗粒图像，以增强训练数据集，从而有效训练多类别深度神经网络，并公开了模型和接口以促进开放研究	未明确提及具体局限性，但可能涉及生成图像的真实性验证范围或模型在更广泛颗粒类型上的泛化能力	解决流式成像显微镜中因数据稀缺和类别不平衡导致的亚可见颗粒分类问题	亚可见颗粒，包括硅油、气泡和蛋白质颗粒	计算机视觉	NA	流式成像显微镜	扩散模型, 深度神经网络	图像	验证数据集包含500,000张蛋白质颗粒图像	NA	NA	分类性能	NA
644	2026-04-21	Classification of small specimen uranium ores using LIBS combined with machine learning and deep learning algorithms 2026-Apr-20, The Analyst DOI:10.1039/d5an01326g PMID:41699974	研究论文	本研究提出了一种结合激光诱导击穿光谱技术与机器学习和深度学习算法的分类模型，用于实现小样本铀矿石的快速高精度分类	首次将LIBS技术与多种机器学习及深度学习算法结合，并系统比较了不同特征提取方法（LASSO和PCA）在小样本铀矿石分类中的性能，发现基于PCA特征的深度学习模型能实现100%分类准确率	研究仅针对12种铀矿石类型，样本多样性有限；RF模型在小训练集下存在明显过拟合问题	开发快速准确的小样本铀矿石分类方法	12种铀矿石样品	机器学习	NA	激光诱导击穿光谱	随机森林,前馈神经网络,卷积神经网络,长短期记忆网络	光谱数据	12种铀矿石样品的光谱数据	NA	FNN, CNN, LSTM	分类准确率	NA
645	2026-04-21	Association of initial core volume on non-contrast CT using a deep learning algorithm with clinical outcomes in acute ischemic stroke: a potential tool for selection and prognosis? 2026-Apr-16, Journal of neurointerventional surgery IF:4.5Q1 DOI:10.1136/jnis-2025-023897 PMID:40707242	研究论文	本研究评估了基于深度学习的非对比计算机断层扫描初始核心体积测量与接受再灌注治疗的急性缺血性卒中患者临床结局的关联	利用深度学习算法从非对比CT中自动测量初始核心体积，作为预测再灌注治疗患者长期结局和症状性颅内出血的潜在工具，尤其在资源有限地区具有应用价值	研究为观察性设计，可能存在选择偏倚；深度学习算法（Methinks）为先前验证，但在此特定人群中的性能需进一步确认；样本来自三个卒中中心，可能限制普遍性	评估非对比CT上通过深度学习算法测量的初始核心体积与接受再灌注治疗的卒中患者临床结局之间的关联	接受再灌注治疗的急性缺血性卒中患者	数字病理学	心血管疾病	非对比计算机断层扫描	深度学习算法	图像	658名患者	NA	Methinks	调整后的比值比, 95%置信区间	NA
646	2026-04-21	Deep-learning-based single-domain and multidomain protein structure prediction with D-I-TASSER 2026-Apr, Nature biotechnology IF:33.1Q1 DOI:10.1038/s41587-025-02654-4 PMID:40410405	研究论文	本文提出了一种名为D-I-TASSER的混合方法，通过整合多源深度学习势能与迭代穿线片段组装模拟，构建原子级蛋白质结构模型	提出了一种结合深度学习与传统基于物理的折叠模拟的混合方法，并引入了用于大型多域蛋白质结构自动建模的域拆分与组装协议	未明确提及	开发一种高精度的蛋白质结构预测方法，适用于单域和多域蛋白质	蛋白质结构，特别是单域和多域蛋白质	机器学习	NA	深度学习，迭代穿线片段组装模拟	深度学习模型	蛋白质序列与结构数据	在人类蛋白质组中测试了蛋白质域和全长序列	NA	D-I-TASSER	基准测试结果，与AlphaFold2和AlphaFold3的比较	NA
647	2026-04-21	Deep Learning Analysis Based on Dual-energy CT-Derived Iodine Map for Predicting PD-L1 Expression in Gastric Cancer: A Multicenter Study 2026-Apr, Academic radiology IF:3.8Q1 DOI:10.1016/j.acra.2025.12.033 PMID:41547630	研究论文	本研究开发了一种基于双能CT碘图深度学习分析的模型，用于无创预测胃癌患者的PD-L1表达水平	首次将双能CT衍生的碘图与深度学习（50层残差网络）相结合，构建了可解释的深度学习特征签名模型（DFSigM），用于预测胃癌PD-L1表达，并在多中心数据集中进行了验证	样本量相对有限（总计267例），且为回顾性研究设计，未来需要更大规模的前瞻性研究进一步验证	评估基于双能CT碘图的深度学习分析在预测胃癌PD-L1表达水平中的价值	胃癌患者	数字病理学	胃癌	双能CT	深度学习, 机器学习	医学影像（CT碘图）	267名胃癌患者（训练集143例，内部验证集60例，外部验证集64例）	未明确提及	ResNet（50层残差网络）	AUC	NA
648	2026-04-21	Convolutional Autoencoder for Automated Pre-Processing of Tumor Cell and Tissue Raman Spectra 2026-Apr, Applied spectroscopy IF:2.2Q2 DOI:10.1177/00037028261422275 PMID:41622963	研究论文	本文提出了一种卷积自编码器用于自动化预处理肿瘤细胞和组织的拉曼光谱，以提高光谱质量	使用卷积自编码器实现单步自动化预处理，替代传统多步骤方法，并应用于临床前和临床拉曼光谱数据	未明确提及模型在更广泛数据集或不同癌症类型上的泛化能力	开发深度学习框架以高效自动化预处理用于辐射响应监测的肿瘤细胞和组织拉曼光谱	肿瘤细胞（临床前单细胞系和异种移植组织）和临床前列腺肿瘤活检组织	机器学习	前列腺癌	拉曼光谱	自编码器	光谱数据	约11000个光谱（包括临床前和临床数据）	NA	卷积自编码器	均方根误差, 百分比均方根差异, CR去除率	无需GPU，在2.4秒内处理约11000个光谱
649	2026-04-21	General Pathologists Achieve Near-Specialist Diagnostic Performance Using Deep Learning-Based Virtual Staining for Donor Kidney Assessment: A Retrospective-Prospective Diagnostic Concordance Study 2026-Apr, Laboratory investigation; a journal of technical methods and pathology DOI:10.1016/j.labinv.2026.106077 PMID:41638432	研究论文	本研究开发了一种基于CycleGAN的虚拟染色模型，可将H&E染色图像转换为虚拟Masson三色染色图像，以提升供体肾脏评估中肾间质纤维化的诊断准确性	利用深度学习虚拟染色技术，使缺乏肾脏专科训练的普通病理医生在供体肾脏纤维化评估中达到接近专科医生的诊断水平	研究为回顾性-前瞻性诊断一致性研究，样本量相对有限（187对全切片图像用于开发，46个冰冻切片用于前瞻性验证）	评估人工智能虚拟染色技术是否能够增强供体肾脏质量评估，特别是对肾间质纤维化和慢性病理变化的评估	供体肾脏组织切片	数字病理学	肾脏疾病	H&E染色，Masson三色染色，虚拟染色	GAN	全切片图像	187对H&E和Masson三色染色全切片图像用于模型开发与验证，46个冰冻切片用于前瞻性验证	NA	CycleGAN	加权Kappa系数，观察者间一致性百分比	NA
650	2026-04-21	Genomic Characterization of Lung Cancer in Never-Smokers Using Deep Learning 2026-Apr, Modern pathology : an official journal of the United States and Canadian Academy of Pathology, Inc IF:7.1Q1 DOI:10.1016/j.modpat.2026.100973 PMID:41638573	研究论文	本研究提出了一种基于深度学习的定制化卷积神经网络，用于从非吸烟者肺腺癌的病理全切片图像中同时预测16种分子改变	首次将深度学习方法专门应用于分子和组织学上独特的非吸烟者肺腺癌亚型，通过简化的残差块结构、选择性捷径连接和Sigmoid分类头，在降低计算复杂度的同时保持预测准确性	模型对肿瘤突变负荷、APOBEC突变特征和特定KRAS热点突变（如p.G12D）的预测性能较低至中等	开发一种从病理图像中推断非吸烟者肺腺癌分子特征的深度学习模型，以支持分子检测分诊和精准治疗策略	非吸烟者肺腺癌患者的苏木精-伊红染色病理全切片图像	数字病理学	肺癌	全基因组测序，苏木精-伊红染色	CNN	图像	495张病理全切片图像	NA	ResNet50	AUROC	NA
651	2026-04-21	A Multimodal Fusion Model of Radiomics and Deep Learning Integrating the Tumor Microenvironment Accurately Predicts Pathological Complete Response in Breast Cancer 2026-Apr, Academic radiology IF:3.8Q1 DOI:10.1016/j.acra.2026.01.016 PMID:41656135	研究论文	本研究开发了一种融合瘤内影像组学、瘤周特征和深度学习模式的多模态模型，用于准确预测乳腺癌新辅助化疗后的病理完全缓解	首次将瘤周微环境（9毫米扩展区域）的特征整合到多模态预测模型中，以捕捉肿瘤-微环境的相互作用，从而提高了预测准确性	尽管模型在外部验证中表现良好，但样本量相对较小（n=95），且模型相对于DL+Intra组合模型的改进未达到统计学显著性	提高乳腺癌新辅助化疗后病理完全缓解的预测准确性，为个性化治疗决策提供临床可操作的工具	乳腺癌患者	数字病理学	乳腺癌	MRI影像分析	逻辑回归	MRI图像	内部验证队列929例（来自I-SPY2试验），外部验证队列95例	Scikit-learn	NA	AUC, 敏感性	NA
652	2026-04-21	Deep Learning Reconstruction Combined with Contrast-Enhancement Boost Technique in "Quadruple-low" CCTA Protocol: Evaluation of Image Quality and Diagnostic Accuracy 2026-Apr, Academic radiology IF:3.8Q1 DOI:10.1016/j.acra.2026.01.025 PMID:41667344	研究论文	本研究评估了深度学习重建算法结合对比增强提升技术在“四低”冠状动脉CT血管成像协议中对图像质量和诊断性能的影响	首次在“四低”CCTA协议中结合深度学习重建与对比增强提升技术，显著降低辐射剂量和对比剂用量同时提升图像质量	样本量相对较小（102例），且为单中心研究，需要更大规模多中心验证	评估“四低”CCTA协议中深度学习重建结合对比增强提升技术对图像质量和诊断准确性的影响	接受冠状动脉CT血管成像的102例患者	医学影像分析	心血管疾病	冠状动脉CT血管成像，深度学习重建，对比增强提升技术	深度学习重建算法	医学影像（CT图像）	102例患者（常规剂量组51例，四低组51例）	NA	NA	信噪比，对比噪声比，主观图像质量评分，CAD-RADS 2.0，节段狭窄评分，节段受累评分，冠状动脉钙化评分，诊断准确率，敏感性	NA
653	2026-04-21	Detection of Prostate Cancer in 3-Dimensional Pathology Datasets via Generative Immunolabeling 2026-Apr, Modern pathology : an official journal of the United States and Canadian Academy of Pathology, Inc IF:7.1Q1 DOI:10.1016/j.modpat.2026.100975 PMID:41692323	研究论文	本文提出了一种名为SIGHT的3D计算流程，通过生成式免疫标记自动检测前列腺癌在3D病理数据集中的区域	开发了基于深度学习的3D图像转换模型，将H&E模拟3D病理数据转换为多路复用3D免疫荧光数据，以促进肿瘤检测，并生成可解释的3D热图	未明确提及具体限制，但依赖于病理学家的地面真实注释进行验证，且样本量相对较小（75名患者）	自动化和改进在3D病理数据集中区分良性和前列腺癌富集区域的过程，以支持基于3D病理数据的前列腺癌风险分层	前列腺组织样本，包括癌症和良性腺体	数字病理学	前列腺癌	3D病理学，免疫荧光，H&E染色	深度学习图像转换模型	3D图像数据	75名患者	NA	NA	F1分数	NA
654	2026-04-21	Domain-Shift AI Technology for Vendor-Agnostic Multiple Macular Disease Detection From 3D OCT Scans 2026-Apr-01, JAMA ophthalmology IF:7.8Q1 DOI:10.1001/jamaophthalmol.2026.0029 PMID:41746616	研究论文	本研究开发了一种基于深度学习的供应商无关模型，用于从不同供应商的3D OCT扫描中检测多种黄斑疾病	引入了供应商无关的深度学习模型，采用无监督测试时域适应方法（Test Entropy）处理供应商间的域差异，并新增了“不确定”类别以处理未见过的黄斑病变	模型仅在供应商1的数据上训练，外部测试数据虽包含多个供应商，但训练数据来源相对单一；不确定类别的敏感性变化较大	开发一个能够分析来自不同供应商的3D OCT扫描的深度学习模型，以实现稳健的多种黄斑疾病检测	来自多个医疗中心、私人眼科诊所及开放数据库的OCT扫描数据，涉及不同供应商（如Spectralis、Cirrus）的3D和2D扫描	计算机视觉	黄斑疾病	光学相干断层扫描（OCT）	CNN	3D图像	模型开发使用6756个OCT扫描（来自1669名患者），外部测试使用12236个OCT扫描（来自4336名患者）	未明确提及	ResNet 3D	AUROC, 微平均阳性预测值, 微平均阴性预测值, 临床重要漏诊率	NA
655	2026-04-21	Dual-Stream Deep Feature and Cell Phenotype Fusion Model for the Diagnosis of Myeloproliferative Neoplasms 2026-Apr, Laboratory investigation; a journal of technical methods and pathology DOI:10.1016/j.labinv.2026.106090 PMID:41722652	研究论文	本研究提出了一种新颖的双流深度特征与细胞表型融合模型（DS-DFCPF），用于改进骨髓增殖性肿瘤（MPNs）的诊断	通过整合全切片图像的深度学习特征与细胞成分（特别是巨核细胞）的详细表型数据，采用双流方法融合多源信息，显著提升了MPN亚型区分能力	未明确提及模型在外部验证集上的泛化性能或计算效率的具体限制	提高骨髓增殖性肿瘤（MPNs）亚型诊断的准确性和自动化水平	骨髓增殖性肿瘤（MPNs）患者样本，重点关注巨核细胞等细胞成分	数字病理学	骨髓增殖性肿瘤	全切片图像分析，高级图像处理技术	CNN	图像	411个患者样本，带有详细的临床和组织病理学注释	NA	NA	NA	NA
656	2026-04-21	Interpretable MRI-Based Machine Learning Model for Noninvasive Prediction of Axillary Lymph Node Metastasis After Neoadjuvant Chemotherapy in Breast Cancer 2026-Apr, Academic radiology IF:3.8Q1 DOI:10.1016/j.acra.2026.01.018 PMID:41633888	研究论文	本研究开发了一种可解释的机器学习模型，整合MRI影像组学、深度学习特征和Node-RADS评分，用于乳腺癌新辅助化疗后腋窝淋巴结转移的非侵入性预测	首次将MRI影像组学特征、ResNet50深度学习特征和Node-RADS评分结合，构建可解释的临床-深度学习-影像组学（CDLR）模型，用于乳腺癌新辅助化疗后腋窝淋巴结转移预测	研究为回顾性多中心设计，可能存在选择偏倚；样本量相对有限；模型性能在外部验证队列中有所下降	开发可解释的机器学习模型，用于乳腺癌新辅助化疗后腋窝淋巴结转移的非侵入性预测	641例经病理确诊的乳腺癌患者，接受新辅助化疗和手术治疗	数字病理学	乳腺癌	动态对比增强MRI	机器学习	MRI影像	641例患者（训练队列397例，内部验证99例，外部验证145例）	Scikit-learn	ResNet50	AUC, 校准曲线, 决策曲线分析	NA
657	2026-04-21	Novel deep learning CCTA-FFR for detecting functionally significant coronary stenosis: Comparison with iFR 2026 Mar-Apr, Journal of cardiovascular computed tomography IF:5.5Q1 DOI:10.1016/j.jcct.2025.12.007 PMID:41519628	研究论文	本研究评估了一种新型的基于深度学习的现场冠状动脉CT血管造影血流储备分数算法与有创瞬时无波比在检测功能性显著冠状动脉狭窄方面的诊断性能	开发并验证了一种现场深度学习CT-FFR算法，可在工作站实现近实时生理评估，相比传统CCTA狭窄评估提供了显著的增量诊断价值	研究为回顾性分析，样本量较小（44例患者，44个病变），需要更大规模的多中心研究来验证结果并明确其临床作用	评估新型现场深度学习CT-FFR算法与有创iFR相比，在检测功能性显著冠状动脉狭窄方面的诊断性能	接受临床指征冠状动脉CT血管造影和有创iFR测量的患者及其冠状动脉病变	数字病理学	心血管疾病	冠状动脉CT血管造影，深度学习血流储备分数计算	深度学习	医学影像（冠状动脉CT血管造影图像）	44例患者，44个冠状动脉病变	NA	cFFR v6	敏感性，特异性，阳性预测值，阴性预测值，准确率，ROC曲线下面积，Pearson相关系数	现场工作站集成系统
658	2026-04-21	Machine learning to identify hypoxic-ischemic brain injury on early head CT after pediatric cardiac arrest 2025-10, Resuscitation IF:6.5Q1 DOI:10.1016/j.resuscitation.2025.110693 PMID:40582483	研究论文	本研究利用深度学习模型检测儿童院外心脏骤停后早期CT扫描中的缺氧缺血性脑损伤，并探索模型是否能识别放射科医生视觉未察觉的损伤	首次应用深度学习模型在儿童院外心脏骤停后早期CT图像中自动检测缺氧缺血性脑损伤，并证明模型能识别放射科医生视觉未发现的损伤	样本量较小（117例），且为回顾性研究，可能存在选择偏倚	开发深度学习模型以早期检测儿童心脏骤停后的缺氧缺血性脑损伤	儿童院外心脏骤停患者及其早期CT扫描图像	计算机视觉	缺氧缺血性脑损伤	CT扫描	深度学习模型	图像	117例儿童院外心脏骤停病例及年龄匹配的对照组	NA	NA	AUC	NA
659	2026-04-21	Multimodal profiling of Pepcan-CB1 receptor structure-activity relationships: integrating molecular dynamics simulations, biological profiling, and the deep learning model MuMoPepcan 2025-10, Bioorganic chemistry IF:4.5Q1 DOI:10.1016/j.bioorg.2025.109027 PMID:41005111	研究论文	本文提出了一种结合分子动力学模拟与湿实验数据的深度学习框架MuMoPepcan，用于预测肽类与大麻素受体CB1的生物活性，并发现了潜在镇痛化合物RD-pepcan-11	将分子动力学模拟数据作为数据增强方法，整合到肽类生物活性预测中，提高了模型在有限实验数据下的泛化能力和准确性	研究主要针对CB1受体和pepcans，可能不直接适用于其他受体或肽类体系；数据规模虽通过模拟扩大，但实验验证样本量有限	开发一种结合干湿实验的框架，以改善药物发现中机器学习在有限数据下的预测性能	大麻素受体CB1及其配体pepcans肽类	机器学习	NA	分子动力学模拟，生物筛选，深度学习	深度学习模型	分子构象数据，生物活性数据	45种合成pepcans肽类，以及数百万分子动力学模拟生成的构象数据	NA	MuMoPepcan	预测误差	NA
660	2026-04-21	Combining Ultrasound Imaging and Molecular Testing in a Multimodal Deep Learning Model for Risk Stratification of Indeterminate Thyroid Nodules 2025-May, Thyroid : official journal of the American Thyroid Association IF:5.8Q1 DOI:10.1089/thy.2024.0584 PMID:40256961	研究论文	本研究提出了一种多模态深度学习模型，结合超声成像和分子检测，用于不确定甲状腺结节的风险分层，以提高阳性预测值并保持高灵敏度	首次将超声成像与分子检测通过多模态深度学习模型整合，以互补信息提升不确定甲状腺结节的风险分层性能	研究受限于单中心数据集、缺乏外部验证，以及使用二值化分子检测输出而非细粒度恶性风险概率	改善不确定甲状腺结节的风险分层，减少良性结节的不必要切除	不确定甲状腺结节（Bethesda III和IV类）患者	数字病理学	甲状腺癌	下一代测序	深度学习	图像, 分子数据	333名患者（259例良性，74例恶性）	NA	集成模型	AUROC, 灵敏度, 特异性, 阳性预测值	NA