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
701	2026-09-27	Deep learning-based MRI analysis reveals Lewy body co-pathology accelerates brain aging in Alzheimer's disease 2026-Jul, Alzheimer's & dementia : the journal of the Alzheimer's Association DOI:10.1002/alz.71593 PMID:42454584	研究论文	该研究基于深度学习分析MRI，发现路易体共病理加速阿尔茨海默病中的大脑老化	应用3D-DenseNet于多队列T1加权MRI估计大脑年龄，并结合脑脊液p-tau181/Aβ42和α-突触核蛋白种子扩增试验对ADNI参与者进行分层，揭示了路易体共病理对AD的额外神经退行性负担	摘要中未明确提及	探究路易体共病理对阿尔茨海默病神经退行性变的体内影响	认知未受损个体和认知受损的ADNI参与者	计算机视觉	阿尔茨海默病	T1加权磁共振成像	3D-DenseNet	图像	未明确提及具体样本量	NA	3D-DenseNet	脑龄差距	NA
702	2026-09-27	Multimodal deep learning to support delineation of neuro-oncology organs based on the EPTN international neurological contouring atlas 2026-Jul, Physics and imaging in radiation oncology DOI:10.1016/j.phro.2026.101051 PMID:42631107	研究论文	提出一种多模态深度学习模型，用于分割欧洲粒子治疗网络（EPTN）国际神经轮廓图谱中定义的25个器官	基于EPTN国际神经轮廓图谱，结合对比增强T1加权磁共振（MR）和计算机断层扫描（CT）的双输入模型，实现了多器官分割	未发现T2 FLAIR的额外益处，样本量相对较小（74名患者）	支持神经肿瘤学器官的轮廓勾画	74名患者	数字病理学	NA	对比增强T1加权磁共振（MR）、计算机断层扫描（CT）、T2 FLAIR	多模态深度学习模型	图像	74名患者（59名训练，14-15名每折用于评估）	NA	NA	Dice系数、表面Dice系数	NA
703	2026-09-27	Pan-cancer atlas of cellular architecture reveals a nearest-neighbour distance-associated biomechanical-immune axis involving CD4+ memory T cells 2026-07, Clinical and translational medicine IF:7.9Q1 DOI:10.1002/ctm2.70742 PMID:42482342	研究论文	该研究开发了一个可扩展的数字病理学框架，处理了21种实体瘤的7910张H&E全切片图像，通过深度学习分割超过47亿个细胞核，揭示了最近邻距离（NND）作为生物力学-免疫轴的关键空间决定因素，涉及CD4+记忆T细胞。	首次系统性地将细胞空间组织（特别是最近邻距离）与生物力学信号、免疫浸润和患者生存联系起来，构建了泛癌种细胞架构图谱，并发现了NND-CD4+记忆T细胞轴这一新的生物力学-免疫维度。	研究主要基于相关性分析，NND与Hippo/YAP/TAZ通路的关联仅为趋势水平（p=0.058），需要进一步的实验验证来建立因果关系	定量绘制实体瘤的细胞架构，阐明其对机械信号传导、免疫浸润和患者生存的机制影响	21种实体瘤的H&E全切片图像、19个TCGA队列的RNA-seq数据、独立队列的T细胞转录组、Visium-HD空间转录组数据	数字病理学	肺癌、乳腺癌、食管癌、肝癌	H&E染色、RNA-seq、单细胞转录组测序、Visium-HD空间转录组学	深度学习分割模型	图像、文本（基因表达数据）	7910张H&E全切片图像，超过47亿个细胞核，19个TCGA队列（n=7401），超过60000个T细胞转录组	NA	NA	Spearman相关系数、p值	NA
704	2026-09-27	Benchmarking privacy and utility in synthetic tabular cohorts for Alzheimer's disease research 2026 Jul-Sep, Alzheimer's & dementia (Amsterdam, Netherlands) DOI:10.1002/dad2.70430 PMID:42582267	研究论文	本文对用于阿尔茨海默病研究的合成表格队列中的隐私和效用进行了基准测试，比较了五种合成数据生成框架。	系统评估了五种合成表格数据生成框架在阿尔茨海默病研究中的隐私与效用权衡，包括具有差分隐私保证的方法。	高隐私性通常伴随着效用不足，需要进一步研究合成数据生成方法。	解决阿尔茨海默病研究中大型临床相关队列稀缺和开放数据共享困难的问题。	阿尔茨海默病神经影像学倡议和抗淀粉样蛋白治疗无症状阿尔茨海默病队列。	机器学习	阿尔茨海默病	生成合成表格数据	CTGAN, TabPFN	表格数据	未明确说明	NA	条件生成对抗网络, 表格先验数据拟合网络	隐私评级, 效用指标	NA
705	2026-09-27	Money and mental health: a scoping review of financial variables, data sources, and analytical methods 2026, Frontiers in public health IF:3.0Q2 DOI:10.3389/fpubh.2026.1812845 PMID:42459470	综述	本文是一篇范围综述，系统梳理了金钱与心理健康关系的研究，重点关注财务变量、数据来源和分析方法	首次系统性地综述了金钱与心理健康关系研究中的财务变量、数据来源和分析方法，并指出了利用客观财务数据和机器学习方法的研究空白	大多数研究依赖自我报告问卷，仅四项研究使用了客观财务数据，且大多数研究仅探讨财务困难对心理健康的影响，而非双向关系	系统梳理金钱与心理健康关系的研究，包括使用的财务变量和数据来源、建模方法以及新客观数据可能解决的方法学空白	与金钱和心理健康相关的已发表研究论文	心理健康	抑郁症、焦虑症、心理困扰、双相情感障碍	NA	机器学习、深度学习	文本	43项研究	NA	NA	NA	NA
706	2026-09-27	Multimodal Deep Learning for Diabetic Retinopathy: A Survey 2026, Journal of ophthalmology IF:1.8Q3 DOI:10.1155/joph/4612172 PMID:42626299	综述	系统综述过去3年基于多模态深度学习的糖尿病视网膜病变诊断研究进展，涵盖关键模型、方法、数据集和评估指标	系统梳理了多模态深度学习在糖尿病视网膜病变领域的最新进展，明确指出多模态方法持续优于单模态模型，并识别出数据稀缺、域适应和可解释性三大核心挑战	作为综述文章，未提供原始实验数据；所综述领域面临数据稀缺、域适应和可解释性三大障碍	综述多模态深度学习在糖尿病视网膜病变自动诊断中的研究进展，总结关键模型、方法、数据集与评估指标	糖尿病视网膜病变的多模态深度学习诊断研究，包括视网膜图像、电子健康记录和临床文本数据	数字病理学	糖尿病视网膜病变	多模态深度学习	NA	图像, 文本, 电子健康记录	NA	NA	NA	NA	NA
707	2026-09-27	Automated Semisupervised Measurement of Optic Nerve Sheath Diameter From CT Following Traumatic Brain Injury 2026, International journal of biomedical imaging IF:3.3Q2 DOI:10.1155/ijbi/9929121 PMID:42564439	研究论文	本文提出了一种结合深度学习和半监督学习的全自动模块化流程，用于从头部CT扫描中测量视神经鞘直径（ONSD）	提出了一种结合深度学习与半监督学习的全自动模块化流程，利用有标签和无标签的公开数据训练视神经分割模型，克服了高质量专家标注数据稀缺的问题	切片测量精度随测量距离与眼球的距离变化而波动，且训练用的真实标注数据质量较低	实现创伤性脑损伤后CT图像中视神经鞘直径的全自动测量	创伤性脑损伤患者的头部CT扫描图像	计算机视觉	创伤性脑损伤	CT	CNN	图像	NA	NA	NA	IoU, Dice系数, 平均绝对误差	NA
708	2026-09-27	Boundary-aware and uncertainty-guided deep learning for multimodal magnetic resonance imaging segmentation of stroke lesions 2026, Frontiers in neurology IF:2.7Q3 DOI:10.3389/fneur.2026.1872532 PMID:42614553	研究论文	该文提出了一种边界感知和不确定性引导的多分支深度学习模型MBGS-UNet，用于多模态磁共振成像中急性缺血性卒中病灶的分割	引入边界感知图注意力模块在深层特征上调控跨模态交互，采用不确定性门控融合模块在体素级别平衡图增强特征与编码器特征，并结合不确定性加权边界监督和一致性学习	病例配对统计分析未能提供充分证据支持其明显优于强基线模型，数值提升不应被解释为优越性或临床验证的结论性证据，需要在更大、更多样化和外部队列中进一步评估	开发一种多分支深度学习模型，用于急性缺血性卒中病灶的准确分割，以支持定量图像分析和后续临床评估	急性缺血性卒中病灶，多模态磁共振成像数据，包括扩散加权成像、表观扩散系数图和液体衰减反转恢复序列	计算机视觉, 医学图像分割	卒中, 脑血管疾病	多模态磁共振成像	CNN, 图注意力网络	图像	ISLES-2022数据集（具体样本量未在摘要中说明）	NA	MBGS-UNet（多分支U-Net，包含边界感知图注意力模块和不确定性门控融合模块）	Dice分数	NA
709	2026-09-27	A structure and function-based complete mutational map of human hemoglobin using AI 2026, Frontiers in chemistry IF:3.8Q2 DOI:10.3389/fchem.2026.1862613 PMID:42661945	研究论文	本文利用人工智能对成人血红蛋白（HbA）的所有已知和潜在变异进行了全面分析，构建了基于结构和功能的完整突变图谱，并开发了致病性预测模型	构建了HbA所有可能单氨基酸替换的完整突变景观；开发了整合结构信息的可解释性致病性预测模型，与AlphaMissense相比表现出强互补性能；提供了评估变异效应预测器在结构动态系统中可移植性和可解释性的框架	摘要中未明确提及研究的具体局限性	通过深入理解血红蛋白的序列-结构-功能关系，实现对单氨基酸替换的功能和临床后果的可解释和预测性洞察，并生成HbA的完整突变景观	人类成人血红蛋白（HbA）的所有已知和潜在变异，包括良性、致病性和意义不确定的变异	机器学习	血液疾病	机器学习	机器学习模型	序列数据、结构数据	所有已知和潜在的HbA变异数据集	NA	NA	NA	NA
710	2026-09-27	Application of Deep Learning Algorithm-Based Image Reconstruction in Improving Abdominal CT Image Quality in Adrenal and Renal Lesions Detection 2026, Radiology research and practice IF:2.2Q2 DOI:10.1155/rrp/2214739 PMID:42676850	研究论文	评估深度学习重建算法Precise Image（PI）在改善腹部CT图像质量及对肾上腺和肾脏病变诊断效能方面的表现	将深度学习重建算法PI应用于腹部CT图像重建，并系统比较其与FBP和iDose在肾上腺和肾脏病变检测中的图像质量及诊断信心	回顾性研究设计，样本量有限（191例），未提及外部验证或多中心数据	评估深度学习重建算法PI对腹部CT图像质量的改善效果及其对肾上腺和肾脏病变的诊断效能	191例接受腹部CT扫描的患者，关注肾上腺结节和肾囊肿	医学图像分析	肾上腺病变，肾脏病变	腹部CT扫描，深度学习图像重建	CNN	图像	191例患者的腹部CT图像	NA	NA	CNR, SNR, 图像质量评分, 诊断信心评分, Kappa一致性检验	NA
711	2026-09-27	FairFML: fair federated machine learning with a case study on reducing gender disparities in cardiac arrest outcome prediction 2025-Aug-12, npj health systems DOI:10.1038/s44401-025-00035-2 PMID:42527482	研究论文	该文章提出了一种名为FairFML的公平联邦机器学习方法，旨在减少跨机构医疗协作中的算法偏见，同时保护患者隐私，并以心脏骤停结果预测中的性别差异为案例进行了验证	提出了一种模型无关的公平联邦机器学习解决方案，能够在不牺牲预测性能的情况下将公平性指标提升高达90%，并且兼容从传统统计方法到深度学习的多种联邦学习框架和模型	仅在心脏骤停结果预测这一个案例上进行了验证，未在其他疾病领域或更大规模的多机构数据集上广泛评估	在保护患者隐私的前提下，减少跨机构医疗协作中的算法偏见，促进临床预测模型的公平性	跨机构医疗协作中的联邦学习模型以及心脏骤停结果预测中的性别差异	机器学习	心血管疾病	NA	NA	NA	NA	NA	NA	公平性指标, 预测性能指标	NA
712	2026-09-26	FocFormer-UNet: UNet With Focal Modulation and Transformers for Ultrasound Needle Tracking Using Photoacoustic Ground Truth 2026-Oct, IEEE transactions on bio-medical engineering DOI:10.1109/TBME.2026.3652428 PMID:41525612	研究论文	本文提出了一种名为FocFormer-UNet的深度学习网络，利用光声图像的针头影像作为真实标注来训练模型，从而在超声图像中实现针头追踪，无需人工标注	创新性地使用光声图像作为真实标注来训练深度学习模型，无需人工标注，并提出了FocFormer-UNet网络架构，将焦点调制与Transformer相结合用于超声针头追踪	未明确说明模型的泛化能力是否在更多不同超声系统和更大规模数据集上进行了验证，光声成像的临床可用性可能限制该方法的广泛应用	提高超声引导下针头追踪的准确性和可视化效果，减少对人工标注的依赖，提升超声引导针头插入手术的精度和可靠性	超声图像中的针头，使用光声图像作为真实标注	计算机视觉, 医学图像分析	NA	光声成像, 超声成像	CNN, Transformer	图像	人类临床数据集（具体样本数量未提及）	NA	UNet, Transformer, Focal Modulation	修正Hausdorff距离, 靶向误差	NA
713	2026-09-26	SW-VEI-Net: A Physics-Informed Deep Neural Network for Shear Wave Viscoelasticity Imaging 2026-Oct, IEEE transactions on bio-medical engineering DOI:10.1109/TBME.2026.3652121 PMID:41525619	研究论文	该文章提出了一种物理信息神经网络SW-VEI-Net，通过将粘弹性波方程集成到双网络架构中，同时重建剪切弹性模量和粘性模量，用于剪切波粘弹性成像	创新点包括：将粘弹性波方程集成到双网络架构中实现物理信息神经网络；采用双损失函数平衡数据保真度和物理正则化；能够同时评估剪切弹性模量和粘性模量；相比基于线性弹性模型的SWENet，在剪切弹性模量重建上达到更高精度；相比基于粘弹性模型的色散拟合方法，展现出更强的鲁棒性和一致性	摘要中未明确提及研究局限性	解决剪切波弹性成像中定量粘弹性成像面临的复杂波物理和传统重建方法局限性问题，实现剪切弹性模量和粘性模量的同时重建	组织模拟体模、大鼠肝纤维化模型、临床病例以及健康志愿者	医学影像分析	肝纤维化	剪切波弹性成像	物理信息神经网络	超声图像	NA	NA	双网络架构	AUC	NA
714	2026-09-26	Fusing Tabular Features and Deep Learning for Fetal Heart Rate Analysis: A Clinically Interpretable Model for Fetal Compromise Detection 2026-Oct, IEEE transactions on bio-medical engineering DOI:10.1109/TBME.2026.3652309 PMID:41525620	研究论文	本研究提出Fusion ResNet模型，融合胎心率时间序列与表格临床特征，用于预测胎儿窘迫，并在内部及外部数据集上验证其性能与可解释性	提出融合残差卷积网络与表格特征并行网络的Fusion ResNet架构，同时结合SHAP与Grad-CAM实现临床可解释性	内部验证使用私有数据集，外部验证数据集规模较小（552例），未提及多中心前瞻性验证	开发可解释的深度学习模型，融合胎心率时间序列与表格临床特征，提高胎儿窘迫（脐动脉pH<7.05）的预测准确性	胎心率记录及相关的表格临床特征数据	机器学习	胎儿窘迫	胎心监护（CTG）	CNN	时间序列, 表格数据	内部私有数据集9,887条胎心率记录，外部CTU-UHB数据集552条记录	NA	ResNet	AUC	NA
715	2026-09-26	uPVC-Net: A Universal Premature Ventricular Contraction Detection Deep Learning Algorithm 2026-Oct, IEEE transactions on bio-medical engineering DOI:10.1109/TBME.2026.3655531 PMID:41557574	研究论文	本文开发了一种通用的深度学习模型uPVC-Net，用于从任意单导联心电图记录中检测室性早搏	提出了自定义架构和多源、多导联训练策略，能够在不同导联配置和人群中实现强泛化，并在可穿戴单导联心电图数据上达到高AUC	摘要中未明确提及研究的局限性	开发一个通用的深度学习模型，用于从任何单导联心电图记录中准确检测室性早搏，并评估其在不同数据集上的泛化能力	心电图记录中的室性早搏	机器学习	心血管疾病	深度学习	CNN	心电图信号	四个独立心电图数据集，共830万次心搏，来自Holter监测器和现代可穿戴心电图贴片	NA	自定义架构	AUC	NA
716	2026-09-26	Transfer learning with pre-trained language models for protein expression level prediction in Escherichia coli 2026-Jun, Synthetic and systems biotechnology IF:4.4Q1 DOI:10.1016/j.synbio.2025.11.012 PMID:41438772	研究论文	本文提出了TLCP-EPE，一个融合密码子和蛋白质级别预训练语言模型的迁移学习框架，用于预测大肠杆菌中重组蛋白的表达水平。	首次融合密码子级别和蛋白质级别的预训练语言模型（CaLM和ProtT5），通过LoRA微调和BiGRU-MLP预测器整合嵌入，实现了对表达决定因素的双模态联合建模，性能优于现有最先进方法。	仅在两个独立测试数据集上验证，样本来源和多样性有限；未提及模型在其他宿主生物或更广泛蛋白类型上的泛化能力。	提高大肠杆菌中重组蛋白表达水平预测的准确性和泛化能力。	大肠杆菌中重组蛋白的表达水平，涉及密码子序列和蛋白质序列。	机器学习，生物信息学	NA	迁移学习，预训练语言模型微调，LoRA	预训练语言模型（CaLM，ProtT5），BiGRU，MLP	序列数据（密码子序列和蛋白质序列）	两个独立测试数据集（具体样本数未提及）	NA	CaLM，ProtT5，BiGRU，MLP	AUC	NA
717	2026-09-26	Developmental Brain Age Estimation From MRI Data: A Systematic Review of Deep Learning Approaches and Open Datasets 2026-Mar, Journal of magnetic resonance imaging : JMRI IF:3.3Q1 DOI:10.1002/jmri.70180 PMID:41414873	综述	本文系统综述了基于MRI数据的深度学习脑龄估计方法，聚焦于发育中大脑（胎儿至2岁），并比较了开放数据集和模型性能	全面综述了发育脑龄估计的深度学习方法和开放数据集，涵盖了临床和技术层面，并提出了未来研究方向	作为综述文章，未进行原始实验验证，可能受限于已发表研究的质量和范围	综述深度学习在发育脑龄估计中的应用，比较模型性能，讨论临床应用和挑战	发育中大脑（胎儿至2岁）的MRI数据	医学图像分析	神经发育障碍	MRI	深度学习	图像	NA	NA	NA	评估指标（未具体列出）	NA
718	2026-09-26	Deep learning for the change-point Cox model with current status data 2026-02-09, Lifetime data analysis IF:1.2Q2 DOI:10.1007/s10985-026-09689-y PMID:41661381	研究论文	该研究针对当前状态数据下的变点Cox比例风险模型，开发了深度部分线性估计方法，以处理复杂的变点效应	使用深度神经网络对Cox框架中的协变量效应进行建模，提出最大似然估计过程，并建立估计量的渐近性质	未明确说明	为当前状态数据下的深度部分线性变点Cox比例风险模型开发估计方法，以容纳复杂的变点效应	乳腺癌数据集	机器学习	乳腺癌	当前状态数据	深度部分线性Cox比例风险模型	生存数据	未明确说明	未明确说明	深度神经网络	一致性,渐近独立性,半参数效率	未明确说明
719	2026-09-26	Fast learning-free organoid quantification and tracking with OrganoSeg2 2026-Feb-09, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-37526-7 PMID:41663503	研究论文	介绍了一种名为OrganoSeg2的软件，用于快速、无需训练地分割和追踪类器官，并在多种类器官类型中验证了其优越的泛化分割精度。	提出了一种改进的多窗口自适应阈值分割方法，加速了约10倍，增加了纵向单类器官追踪和多色荧光定量功能，并在泛化分割精度上超越了深度学习方法。	未明确提及局限性，但可能受限于明场低倍图像的分割挑战，以及特定应用下的参数调整需求。	开发一种通用、无需训练且高效的类器官分割和追踪软件，以支持大规模定量分析。	六种类型的类器官，包括腔面乳腺癌类器官。	数字病理学	乳腺癌	明场显微镜成像	NA	图像	六种类型的类器官	NA	NA	分割精度	NA
720	2026-09-26	Mass spectrometry-based human spatial omics: fundamentals, innovations, and applications 2026-Feb-06, Journal of biomedical science IF:9.0Q1 DOI:10.1186/s12929-026-01219-0 PMID:41645178	综述	系统综述了基于质谱的人体空间组学技术的基本原理、创新进展与应用前景	系统整合了质谱成像、标记方法和邻近标记技术的最新进展，并强调了深度学习、跨模态配准和云优化数据格式在分析流程中的整合	需要标准化、临床验证和可解释的人工智能才能实现更广泛的采用	系统梳理基于质谱的空间组学技术发展，探讨其在多模态空间生物学和个性化医疗中的应用	基于质谱的空间组学技术及其在肿瘤微环境、神经退行性疾病、发育生物学等领域的应用	空间组学	肿瘤, 神经退行性疾病	质谱成像, 邻近标记技术	NA	图像, 分子数据	NA	NA	NA	NA	NA