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
7481	2026-02-22	Deep Learning-Enabled Diabetic Retinopathy Screening: A Techno-Clinical Revolution or Just More Artificial Intelligence Hype? 2026-Mar-01, Diabetes care IF:14.8Q1 DOI:10.2337/dci25-0123 PMID:41719471	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
7482	2026-06-26	Integrative Deep Learning from H&E Images Reveals Prognostically Distinct Pathology-Based Subtypes in Bladder Cancer 2026, Current cancer drug targets IF:2.3Q3 DOI:10.2174/0115680096434051251113094536 PMID:41268830	研究论文	利用H&E染色全切片图像的深度学习特征，开发膀胱癌病理分型并验证其预后意义	首次基于常规H&E染色全切片图像深度学习特征构建膀胱癌病理分型，替代传统RNA分子分型，具有成本低、可推广的特点	未在文中明确说明局限性，可能包括依赖特定切片质量、外部验证队列规模有限等	开发基于深度学习的膀胱癌病理分型方法，为个性化治疗和患者分层提供经济可行的替代方案	膀胱癌患者的H&E染色全切片图像及转录组数据	数字病理学, 计算机视觉, 机器学习	膀胱癌	H&E染色, RNA转录组测序	卷积神经网络（ResNet50）	图像（全切片组织病理图像）	四个独立中心的全切片图像外部队列及IMvigor210和GSE32894转录组数据集	NA	ResNet50	肿瘤-正常区域区分准确率、一致性指标	NA
7483	2026-06-26	Deep learning-based MRI model for predicting P53-mutated hepatocellular carcinoma 2025-12-22, BMC medical imaging IF:2.9Q2 DOI:10.1186/s12880-025-02045-w PMID:41430161	research paper	基于MRI的深度学习模型预测P53突变肝细胞癌	首次构建基于EfficientNetV2的多序列MRI深度学习模型用于预测P53突变的肝细胞癌，发现多相组合模型（T2WI+AP+VP）显著优于单序列模型	单中心回顾性研究，样本量有限（312例），缺乏外部验证数据集	开发基于MRI的深度学习模型预测P53突变肝细胞癌	312例经病理证实的肝细胞癌患者	digital pathology, machine learning	hepatocellular carcinoma	MRI	EfficientNetV2	image	312例肝细胞癌患者（训练集249例，测试集63例）	NA	EfficientNetV2	AUC, accuracy, sensitivity, specificity, precision, F1 score	NA
7484	2026-06-26	Hippocampal auto-segmentation based on deep learning for identifying magnetic resonance imaging biomarkers of early mild cognitive impairment 2025-12-15, Neuroscience IF:2.9Q2 DOI:10.1016/j.neuroscience.2025.11.014 PMID:41223925	研究论文	基于深度学习的海马自动分割方法及其在轻度认知障碍MRI生物标志物识别中的应用	结合深度学习自动海马分割与放射组学特征提取，并集成XGBoost框架构建诊断模型，发现glszm_ZoneVariance特征具有最高预测权重	样本量较小（150例），可能影响模型泛化能力	开发基于深度学习的海马自动分割模型，结合放射组学特征和机器学习分类器，识别轻度认知障碍的MRI生物标志物	海马结构及其放射组学特征	深度学习, 医学影像分析	轻度认知障碍	MRI (3D T1WI), 放射组学	卷积神经网络 (CNN), 逻辑回归 (LR), 支持向量机 (SVM), 随机森林 (RF), XGBoost	脑部MRI图像	150名受试者，按7:3随机分为训练集和验证集	NA	CNN海马分割网络，LR, SVM, RF, XGBoost	AUC, 95%置信区间	NA
7485	2026-06-26	Interpretable multimodal MRI radiomics for predicting neoadjuvant chemotherapy response in nasopharyngeal carcinoma 2025-11-25, BMC medical imaging IF:2.9Q2 DOI:10.1186/s12880-025-02071-8 PMID:41291491	研究论文	探索多模态MRI放射组学模型预测鼻咽癌新辅助化疗反应的性能，并比较机器学习与深度学习模型的差异	结合DCE-MRI的多模态放射组学模型并通过SHAP值增强模型可解释性，在预测鼻咽癌新辅助化疗反应中展现出优越性能	未明确提及，可能包括样本量有限或回顾性研究设计	评估多模态MRI放射组学模型预测鼻咽癌新辅助化疗反应的价值，并比较机器学习和深度学习模型的性能差异	鼻咽癌（NPC）患者的新辅助化疗（NAC）反应	医学影像分析，机器学习	鼻咽癌	多模态MRI放射组学（T1WI, PDWI, CE-T1WI, DCE-MRI），特征选择（MIC, LASSO），机器学习，深度学习	多层感知机（MLP），逻辑回归，支持向量机，随机森林，极限梯度提升（XGBoost）	MRI影像数据（包括DCE-MRI）	370名鼻咽癌患者，其中126名接受DCE-MRI	NA	多层感知机，逻辑回归，支持向量机，随机森林，极限梯度提升	AUC，灵敏度，特异性，SHAP值	NA
7486	2026-06-26	Detection of intracranial hemorrhage using ultralow-dose brain computed tomography with deep learning reconstruction versus conventional-dose computed tomography 2025-11-24, BMC medical imaging IF:2.9Q2 DOI:10.1186/s12880-025-02082-5 PMID:41286703	研究论文	评估使用深度学习重建的超低剂量脑部计算机断层扫描在检测颅内出血方面的诊断性能、图像质量和辐射剂量，并与常规剂量计算机断层扫描进行比较	首次系统比较深度学习重建与迭代重建在超低剂量计算机断层扫描中检测颅内出血的性能，并证明其在保持诊断效果的同时大幅降低辐射剂量	样本量较小（93名患者），且为单中心回顾性研究，可能影响结果泛化性	评估超低剂量计算机断层扫描结合深度学习重建对颅内出血的诊断价值及图像质量	93名颅内出血患者（中位年龄67岁，其中61名男性）	计算机视觉	颅内出血	深度学习重建	深度学习网络	图像	93名患者	NA	深度学习重建模型	敏感性、特异性、信噪比、对比噪声比	NA
7487	2026-06-26	Development and validation of an artificial intelligence-based model for cardiovascular disease prediction using longitudinal data 2025-11-22, BMC medical informatics and decision making IF:3.3Q2 DOI:10.1186/s12911-025-03280-5 PMID:41275275	研究论文	利用机器学习模型（特别是GRU和LSTM）从纵向随访数据预测心血管疾病10年发病风险，并在伊朗人群中验证模型效能	首次在伊朗人群中使用GRU深度学习模型处理纵向时序数据预测CVD，并以较少的临床变量（21个）达到与包含数百变量的大规模研究相当的预测性能	样本仅来自单个伊朗人群（TLGS队列），可能限制模型泛化性；模型性能AUC约0.74，仍有提升空间	评估深度学习和混合效应逻辑模型利用纵向数据预测10年CVD发病的效果，并识别关键预测因子	伊朗德黑兰脂质与葡萄糖研究（TLGS）中4872名30岁以上无心血管病史的成年人（1942名男性，2930名女性）	机器学习	心血管疾病	NA	LSTM, GRU	纵向临床数据（人口学、行为、生化指标）	4872名成人（男性1942，女性2930），其中545人（11.2%）发生CVD事件	NA	GRU, LSTM	AUC	NA
7488	2026-06-26	Automated segmentation of esophageal squamous cell carcinoma in contrast-enhanced free-breathing 3D-GRE: a comparative study of UNet, nnUNet, and UMamba for tumor delineation 2025-11-11, BMC medical imaging IF:2.9Q2 DOI:10.1186/s12880-025-02011-6 PMID:41219837	研究论文	对比三种深度学习模型（UNet、nnUNet、UMamba）在增强自由呼吸3D-GRE MRI上自动分割食管鳞状细胞癌的性能	首次在1mm各向同性分辨率的对比增强自由呼吸3D-GRE MRI上系统比较UNet、nnUNet和UMamba三种模型用于食管鳞状细胞癌分割，并展示了UMamba在边界描绘和分割精度上的优势	数据来源于单一机构，样本量相对较小（192例），且为回顾性研究；手动标注排除了钙化和出血区域，可能影响模型泛化性	评估深度学习模型在食管鳞状细胞癌自动分割中的性能，以减轻手动分割的负担并提高临床效率	食管鳞状细胞癌肿瘤区域	计算机视觉	食管癌	MRI成像（对比增强自由呼吸3D-GRE）	UNet、nnUNet、UMamba	医学图像（3D MRI）	192例患者，171例用于训练，21例用于验证	NA	UNet, nnUNet-2D/3D, UMamba	Dice相似系数（DSC）、豪斯多夫距离（HD）、平均表面距离（MSD）	NA
7489	2026-06-26	Artificial intelligence diagnostic performance in image-based vulnerable carotid plaque detection: a systematic review and meta-analysis 2025-11-11, BMC medical informatics and decision making IF:3.3Q2 DOI:10.1186/s12911-025-03227-w PMID:41219882	meta分析	系统评估人工智能在基于影像的颈动脉易损斑块检测中的诊断性能	首次全面荟萃分析人工智能算法在区分不稳定与稳定颈动脉斑块中的诊断准确性，并基于样本量、人工智能算法类型、分割方法和发表年份进行亚组分析	仅一项研究报告了外部验证，限制了结果泛化性；研究间异质性高（I² > 90%）；存在发表偏倚	评估人工智能算法通过医学影像区分不稳定与稳定颈动脉斑块的诊断性能	颈动脉不稳定斑块（易损斑块）	机器视觉	颈动脉粥样硬化	医学影像	人工智能算法（机器学习或深度学习）	影像	31项研究，其中14项纳入meta分析	NA	NA	敏感度，特异度，曲线下面积	NA
7490	2026-06-26	Treatment decision support for esophageal cancer based on PET/CT data using deep learning 2025-11-06, BMC medical informatics and decision making IF:3.3Q2 DOI:10.1186/s12911-025-03223-0 PMID:41199255	research paper	提出一种基于PET/CT数据的深度学习模型，支持食管癌治疗决策，结合卷积和Transformer组件，实现多尺度空间编码	提出包含基于分裂残差块的卷积特征提取器、多尺度池化模块和MLP预测模块的新型混合深度学习架构，有效融合局部与全局特征表征学习	NA（摘要未提及具体局限性）	利用深度学习方法基于PET/CT数据提升食管癌治疗决策的精准性	PET/CT影像数据	computer vision	食管癌	PET/CT	混合模型（CNN + Transformer）	影像数据	NA（摘要未提及样本量）	NA（摘要未提及具体框架）	自定义混合架构（含分裂残差块的卷积特征提取器、多尺度池化模块、MLP预测模块）	AUCROC, F1 score, Balanced Accuracy	NA（摘要未提及计算资源）
7491	2026-06-26	Application of artificial intelligence in predicting the results of open-heart surgery: a scoping review 2025-11-05, BMC medical informatics and decision making IF:3.3Q2 DOI:10.1186/s12911-025-03243-w PMID:41194211	综述	本综述旨在综合人工智能在预测开胸手术结果中的研究，评估AI模型性能，并识别数据质量、算法偏差和临床适用性方面的差距	系统性地回顾了AI在开胸手术结果预测中的应用，识别了当前研究的空白和未来方向	主要限制包括模型验证不一致、前瞻性数据有限以及患者群体缺乏多样性	综合研究AI在预测开胸手术结果中的应用，评估AI模型性能，并找出数据质量、算法偏差和临床适用性方面的空白	已发表的有关应用AI预测开胸手术结果的研究	机器学习	心血管疾病	NA	逻辑回归、随机森林、XGBoost	文本	64项研究	NA	NA	NA	NA
7492	2026-06-26	Optimizing myocardial infarction detection: a hybrid CNN-GRU deep learning approach 2025-11-04, BMC medical informatics and decision making IF:3.3Q2 DOI:10.1186/s12911-025-03217-y PMID:41188886	研究论文	开发一种基于心电图的混合CNN-GRU深度学习模型以优化心肌梗死检测	提出一种基于CNN-GRU混合架构的深度学习模型，通过Pan-Tompkins算法预处理数据，并使用单导联(lead II)实现近乎完美的检测性能	未提及具体局限性	优化心肌梗死(MI)的检测，开发基于心电图的混合CNN-GRU深度学习模型作为诊断辅助工具	心肌梗死患者和健康对照的心电图(ECG)记录	机器学习, 数字病理学	心肌梗死	NA	CNN-GRU混合模型	心电图(ECG)信号	总计56,354条心电图记录 (41,871条来自心肌梗死患者，14,474条来自健康患者)	NA	CNN-GRU	AUC, 敏感度, 特异度, Macro平均, 加权平均	NA
7493	2026-06-26	Assessment of a Grad-CAM interpretable deep learning model for HAPE diagnosis: performance and pitfalls in severity stratification from chest radiographs 2025-10-30, BMC medical informatics and decision making IF:3.3Q2 DOI:10.1186/s12911-025-03256-5 PMID:41168790	研究论文	评估基于Grad-CAM可解释深度学习模型在胸部X光片上诊断高原肺水肿的性能及严重程度分层中的陷阱	利用迁移学习从普通肺水肿数据到HAPE特异性数据，构建了结合Grad-CAM可解释性分析的深度学习模型，首次系统评估其在HAPE严重程度分层中的性能与局限性	模型对中间严重度等级（1级和2级）的识别灵敏度极低（分别为0.16和0.37），凸显了域迁移和细微影像评估的挑战	探索迁移学习深度学习模型在胸部X光片上识别HAPE的可行性，并评估其严重程度评估能力	胸部X光片中的HAPE病例和正常对照	计算机视觉	高原肺水肿	迁移学习、深度学习	卷积神经网络	图像	训练集：1003例HAPE和702例正常对照；外部验证集：679例HAPE和436例正常对照	PyTorch	DeepLabV3_ResNet-50, MobileNet_V2, VGG19	Dice系数, AUC, 灵敏度	NA
7494	2026-06-26	Explainable AI for infection prevention and control: modeling CPE acquisition and patient outcomes in an Irish hospital with transformers 2025-10-22, BMC medical informatics and decision making IF:3.3Q2 DOI:10.1186/s12911-025-03214-1 PMID:41126229	研究论文	提出可解释AI框架，利用Transformer模型分析爱尔兰医院电子病历数据，预测碳青霉烯酶产生肠杆菌科感染及患者结局	首次将Transformer架构（如TabTransformer）应用于医院感染控制领域，结合可解释AI技术分析CPE风险因素，并整合网络结构特征（如病房PageRank）提升预测性能	NA	建立可解释AI建模框架，分析CPE对患者结局的影响并识别关键风险因素	爱尔兰某急性医院2018-2022年间住院患者的电子病历数据	机器学习	医院感染（碳青霉烯酶产生肠杆菌科感染）	电子病历数据分析	Transformer（TabTransformer, TabNet）及传统机器学习模型	结构化表格数据（含诊断编码、病房流转、人口统计学、感染变量及接触网络特征）	2018-2022年某爱尔兰医院住院患者数据集	NA	TabTransformer, TabNet	受试者工作特征曲线下面积（AUC）、敏感度	NA
7495	2026-06-26	BCECNN: an explainable deep ensemble architecture for accurate diagnosis of breast cancer 2025-10-13, BMC medical informatics and decision making IF:3.3Q2 DOI:10.1186/s12911-025-03186-2 PMID:41084046	研究论文	提出基于集成卷积神经网络的乳腺癌诊断深度学习框架BCECNN，通过集成多种CNN架构提升诊断准确性和可解释性	首次将三重集成CNN（TECNN）和五重集成CNN（QECNN）与Grad-CAM、LIME可解释性技术结合，在有限数据量下实现高精度乳腺癌诊断并验证临床实用性	基于单一AISSLab数据集（266张图像）进行验证，未在更大规模或多中心数据上测试集成策略的泛化性能	开发兼具高准确性和临床可解释性的乳腺癌诊断深度学习模型	乳腺X线图像中的恶性病变区域检测与分类	计算机视觉, 数字病理学	乳腺癌	迁移学习	卷积神经网络（CNN）	医学图像（乳腺X线图像）	266张乳腺X线图像（来自AISSLab数据集，含多个子数据集变体）	PyTorch, TensorFlow	AlexNet, VGG16, ResNet-18, EfficientNetB0, XceptionNet	准确率	NA
7496	2026-06-26	Identification of Isomerically Diverse Ginsenosides Using Engineered Aerolysin Nanopore via Non-Translocation Blockade Sensing 2025-08-04, Angewandte Chemie (International ed. in English) DOI:10.1002/anie.202506741 PMID:40456701	研究论文	通过工程化气单胞菌溶素S278K纳米孔实现非转位阻断传感，用于识别异构多样的人参皂苷	提出了一种基于工程化气单胞菌溶素S278K的非转位阻断传感新方法，通过引入S278K突变使纳米孔内腔带高度正电荷，产生强烈电渗流和增强的空间/焓障碍，有效捕获人参皂苷分子并阻止其转位，显著提高检测能力，实现30种不同糖基组成、异构现象、修饰和苷元的人参皂苷的明确识别	文中未明确提及限制，可能包括对更复杂样品的泛化能力或技术可重复性需要进一步验证	开发一种非转位纳米孔传感方法，以解决结构相似分析物（如人参皂苷）的高精度识别问题	异构多样的人参皂苷（糖苷复合物）	纳米孔传感，糖科学	NA	工程化气单胞菌溶素纳米孔传感，深度	深度学习	纳米孔信号	30种不同人参皂苷及实际样品	未明确指定	未明确指定	未明确指定	未明确指定
7497	2026-06-26	Deep Supramolecular Language Processing for Co-Crystal Prediction 2025-07, Angewandte Chemie (International ed. in English) DOI:10.1002/anie.202507835 PMID:40358977	研究论文	提出一种基于深度学习的超分子语言处理模型DeepCocrystal，用于预测共晶形成	从超分子视角处理分子字符串表示的化学语言，首次将自然语言处理技术应用于共晶预测，并集成不确定性估计和可解释AI能力	在现实场景中平衡准确率为78%，仍存在改进空间；前瞻性研究仅验证了两种新共晶，样本量有限	加速共晶发现过程以优化药物理化性质，推动药物开发	双氟尼酸（抗炎药）与其他分子的共晶组合	自然语言处理	NA	分子字符串表示	深度学习模型（基于自然语言处理的架构）	分子字符串序列	前瞻性研究验证了2种新共晶	PyTorch	Transformer	平衡准确率	NA
7498	2026-06-26	A bio-lattice deep learning framework for modeling discrete biological materials 2025-04, Journal of the mechanical behavior of biomedical materials IF:3.3Q3 DOI:10.1016/j.jmbbm.2025.106900 PMID:39891961	研究论文	提出一种结合深度神经网络、有限元法和晶格弹簧模型的机器学习多尺度框架，用于模拟离散、空间异质生物材料的力学行为	提出无假设的晶格框架描述离散单元相互作用，并建立与有限元实现一致的多尺度连接，单DNN可学习多种粒子构型和边界条件的本构方程	未讨论方法的计算效率、大规模应用可扩展性或体内生物组织的验证	开发基于机器学习的多尺度框架以高效预测离散、空间异质生物组织的力学响应	生物组织中的离散相互作用单元及空间异质材料（含软硬夹杂物、梯度多晶固体、随机构型等）	机器学习	NA	NA	深度神经网络（DNN）	NA	NA	PyTorch	深度神经网络（DNN）	NA	NA
7499	2026-06-26	Identifying invasiveness to aid lung adenocarcinoma diagnosis using deep learning and pathomics 2025-02-10, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-87094-5 PMID:39929860	研究论文	探索结合深度学习和病理组学识别肺腺癌肿瘤浸润性，辅助病理学家诊断	将深度学习与病理组学结合用于识别肺腺癌肿瘤浸润性，并验证其对初级和中级病理学家诊断精度的提升效果	样本量有限（289例），且仅针对磨玻璃结节患者，可能限制泛化性	评估深度学习和病理组学在肺腺癌肿瘤浸润性识别中的临床价值及对病理学家的辅助作用	289例手术切除的磨玻璃结节患者的全切片图像数据	数字病理学	肺腺癌	全切片图像分析	ResNet、随机森林	图像（全切片图像）	289例患者（磨玻璃结节）	PyTorch	ResNet18、ResNet34、ResNet50、随机森林	AUC、灵敏度、准确率	NA
7500	2026-06-26	Artificial Intelligence In Health And Health Care: Priorities For Action 2025-02, Health affairs (Project Hope) DOI:10.1377/hlthaff.2024.01003 PMID:39841940	评论	本文作为美国国家医学院重要方向计划的一部分，阐述了在健康与医疗领域安全、有效及公平地使用人工智能所需采取的行动步骤	从战略高度系统性地提出了在健康与医疗领域应用人工智能的四个优先方向（安全性、劳动力、科研、责任）	未提供具体的技术实施细节或实证数据支持	为即将上任的政府提供关于健康与医疗领域人工智能应用的指导性建议	美国医疗健康体系中的人工智能应用	机器学习	NA	深度学习、生成式人工智能	NA	NA	NA	NA	NA	NA	NA