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
941	2026-08-26	A Novel MR Cine Sialography Technique for Evaluating Salivary Gland Function: Correlation with Unstimulated and Stimulated Saliva Volumes 2026-May-29, Magnetic resonance in medical sciences : MRMS : an official journal of Japan Society of Magnetic Resonance in Medicine IF:2.5Q2 DOI:10.2463/mrms.mp.2026-0004 PMID:42128847	研究论文	本研究利用基于时间空间标记反转脉冲和深度学习重建去噪的MR涎腺电影成像技术评估涎腺功能，并分析与全唾液体积的相关性	首次将深度学习重建去噪方法应用于MR涎腺电影成像技术，以改进图像质量并评估涎腺功能	样本量较小，仅为11名健康志愿者，可能限制结果的普遍性	评估基于Time-SLIP技术和深度学习去噪的MR涎腺电影成像技术在评估涎腺功能中的可行性	健康志愿者的下颌下腺和腮腺	医学影像	NA	MR涎腺电影成像, 深度学习重建去噪	NA	磁共振图像	11名健康志愿者	NA	NA	Spearman相关系数, Wilcoxon符号秩检验	NA
942	2026-08-26	Deep learning in the diagnosis, staging, and prognosis of osteonecrosis of the femoral head: a systematic review 2026-May-23, BMC musculoskeletal disorders IF:2.2Q3 DOI:10.1186/s12891-026-09926-3 PMID:42174493	系统综述	本系统综述综合评估了深度学习在股骨头坏死诊断、分期、分割和预后预测中的应用，涵盖多种影像模态，并强调了性能、质量和可解释性。	首次系统综述深度学习在股骨头坏死中的全面应用，涵盖诊断、分期、分割和预后，并评估了方法学质量和可解释性。	大多数研究为回顾性单中心研究，数据集规模小且异质性高，缺乏外部验证、可解释性和不确定性量化。	系统评估深度学习在股骨头坏死诊断、分期、分割和预后预测中的性能与临床转化潜力。	股骨头坏死患者，使用MRI、CT或X光影像数据。	医学影像分析	股骨头坏死	深度学习	深度学习模型（未指定具体类型）	医学影像（MRI、CT、X光）	26项研究，包含多达59372张影像数据	NA	NA	AUC、Dice系数、敏感性、特异性	NA
943	2026-08-26	A Central European tree species dataset of annotated terrestrial laser scanning point clouds - TreeScanPL10K 2026-May-04, Scientific data IF:5.8Q1 DOI:10.1038/s41597-026-07269-1 PMID:42082512	研究论文	介绍了一个名为TreeScanPL10K的中欧树种点云数据集，包含10417棵个体树木，其中约72%已识别物种，旨在支持深度学习方法在树木分割和物种分类中的应用	创建了规模超过以往资源的中欧树种地面激光扫描点云数据集，覆盖中欧主要林分形成树种，并在多种不同年龄、组成和发育阶段的波兰林分中收集	摘要中未提及明确的局限性	提供一个大规模、高质量标注的地面激光扫描点云数据集，以推动基于深度学习的树木分割和物种分类研究，促进精准林业和生态学研究	中欧森林中的个体树木，采集自不同年龄、组成和发育阶段的波兰林分	数字病理学	NA	地面激光扫描	深度学习模型	点云数据	10417棵个体树木	NA	NA	NA	NA
944	2026-08-26	Untargeted Metabolomic and Lipidomic Profiles of Gingival Crevicular Fluid in the Context of Periodontitis 2026-May, Journal of clinical periodontology IF:5.8Q1 DOI:10.1111/jcpe.70105 PMID:41664514	研究论文	本研究通过非靶向代谢组学和脂质组学分析，比较了健康个体和牙周炎患者龈沟液中的代谢物和脂质谱，揭示了牙周炎相关的代谢变化。	首次采用非靶向代谢组学和脂质组学结合半监督深度学习进行代谢物峰筛选和数据分析，全面表征了牙周炎龈沟液中正负离子极性的代谢物和脂质变化。	样本量较小，且为横断面研究，无法确定因果关系。	探索牙周炎患者与健康个体龈沟液中非靶向代谢组和脂质组谱的差异，以提高对牙周炎生化变化的理解，并促进精准医疗的发展。	健康个体和牙周炎患者的龈沟液样本。	代谢组学	牙周炎	液相色谱-质谱联用（亲水相互作用和反相色谱）、非靶向代谢组学和脂质组学分析	半监督深度学习模型	质谱数据（代谢物和脂质谱）	17个健康个体和19个牙周炎患者的龈沟液样本	NA	NA	q值（错误发现率调整的p值）、绝对log2转化折叠变化（\|log2FC\|）	NA
945	2026-08-26	Multiparametric MRI-based Deep Learning and Radiomics for Evaluating Lymph Node Metastasis in Early-Stage Cervical Cancer 2026-May, Radiology. Imaging cancer DOI:10.1148/rycan.250345 PMID:41931018	研究论文	开发基于多参数MRI的影像组学模型和深度学习-影像组学融合模型，用于早期宫颈癌淋巴结转移的术前预测	首次在早期宫颈癌中基于肿瘤和淋巴结的多参数MRI分别提取影像组学和深度学习特征，并构建融合模型进行淋巴结转移预测的多个心研究	未提供明确的局限性信息	评估基于多参数MRI的影像组学模型和深度学习-影像组学融合模型在早期宫颈癌术前预测淋巴结转移中的有效性	早期宫颈癌患者的术前MRI数据，包括肿瘤和淋巴结区域	放射影像学、深度学习	宫颈癌、淋巴结转移	多参数MRI	影像组学模型、深度学习模型（具体类型未明确）	MRI图像	862名早期宫颈癌患者	NA	NA	受试者工作特征曲线下面积、校准曲线、决策曲线分析	NA
946	2026-08-26	Artificial Intelligence in Trauma Care: A Systematic Review of Resuscitation, Diagnosis, Risk Prediction, and Management 2026 May-Jun 01, Journal of trauma nursing : the official journal of the Society of Trauma Nurses IF:0.7Q4 DOI:10.1097/JTN.0000000000000920 PMID:41996287	系统综述	本文系统评价了人工智能在创伤护理中的应用，涵盖复苏、诊断、风险预测和患者管理等方面。	系统梳理了2015至2025年间AI在创伤护理中的研究进展，并识别出现有证据的局限性与未来研究方向。	多数研究采用单中心回顾性设计，且常缺乏外部验证，限制了结果的泛化性。	评估AI在创伤复苏、诊断、并发症预测和患者管理中的应用证据。	创伤患者及相关临床决策任务（如大量输血预测、颅内出血检测、死亡率预测等）。	机器学习	创伤	NA	机器学习、深度学习	临床数据（包括文本、图像等）	纳入58项研究	NA	NA	与传统临床工具相当或更优的性能	NA
947	2026-08-26	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	该研究开发了一种供应商无关的深度学习模型，用于从不同厂商的3D OCT扫描中检测多种黄斑疾病，并验证了其跨设备泛化能力。	提出了一个供应商无关的3D OCT多疾病分类模型，结合无监督测试时域适应方法（Test Entropy）解决厂商间域差异，并引入不确定性类别处理未见过的黄斑状况，同时整合分诊模块。	未明确提及限制，但研究中不确定性类别敏感性波动较大，且临床重要漏诊率存在（紧急和半紧急病例）。	开发并验证一个能够处理来自不同供应商的3D OCT扫描的供应商无关模型，用于多种黄斑疾病的检测和分诊。	多种黄斑疾病，包括来自不同厂商的3D和2D OCT扫描数据。	计算机视觉	黄斑疾病	OCT成像	深度学习模型（ResNet 3D）	3D OCT扫描图像和2D OCT扫描图像	开发集：6756个OCT扫描（来自1669名患者）；外部测试集：12236个OCT扫描（来自4336名患者）	NA	ResNet（3D）	AUROC、微平均PPV、微平均NPV、临床重要漏诊率	未提及
948	2026-08-26	Deep learning model for pathological invasiveness prediction using smartphone-based surgical resection images in clinical stage IA lung adenocarcinoma (SuRImage): a prospective, multicentric, diagnostic study 2026-Apr, The Lancet. Digital health DOI:10.1016/j.landig.2025.100965 PMID:41927432	研究论文	开发基于智能手机拍摄手术切除图像的深度学习模型，用于临床IA期肺腺癌的病理侵袭性预测，以辅助术中诊断和手术决策	首次在术中诊断领域使用智能手机拍摄的手术切除图像进行深度学习模型开发，用于预测IA期肺腺癌的病理侵袭性，并提供了宏观形态学特征对侵袭性的见解	未在摘要中明确提及局限性	开发深度学习模型，利用手术切除图像快速准确预测IA期肺腺癌的病理侵袭性，以辅助外科医生制定精准手术决策	临床IA期肺腺癌患者的手术切除图像	数字病理学、深度学习	肺腺癌	智能手机成像、组织病理学分析	深度学习模型（具体类型未在摘要中说明）	图像	1727名患者（其中1529名来自广东省人民医院，116名来自广东医科大学附属医院，82名来自梅州市人民医院），共2910张手术切除图像	NA	NA	曲线下面积、准确率	NA
949	2026-08-26	Reconstruction of 3D crystal growth from transmission optical microscopy images 2026-Apr, PNAS nexus IF:2.2Q1 DOI:10.1093/pnasnexus/pgag080 PMID:41978576	研究论文	提出一种从透射光学显微镜图像序列中重建单晶三维多面体形状演化的新方法，结合深度学习和基于晶体学的合成图像生成及光折射仿真，用于原位监测晶体生长过程。	将深度学习与理论晶体学、光折射精确模拟相结合，实现对晶体生长过程中三维形状动态的稳健估计，并验证了形状变化（不仅是尺寸）的监测能力。	未明确提及局限，可能包括对特定晶体形态（L-谷氨酸多面体）的适用性限制或对成像条件的依赖。	开发一种从透射光学显微镜图像中重建晶体三维形状演化的方法，以支持结晶过程的原位监测和精密制造。	L-谷氨酸的多面体晶体在生长过程中的三维形状变化。	计算机视觉	不适用	透射光学显微镜成像	深度学习模型	图像序列	单个L-谷氨酸晶体的生长过程图像序列	未明确指定	未明确指定	与手动测量结果的对比验证	未明确指定
950	2026-08-26	Decoding Human T Cell Immunity with Artificial Intelligence and Single-Cell Genomics 2026-04, Annual review of immunology IF:26.9Q1 DOI:10.1146/annurev-immunol-082724-011631 PMID:42045109	综述	综述了人工智能和单细胞基因组学在解码人类T细胞免疫中的应用，涵盖技术进展、瓶颈及未来方向	结合单细胞基因组学、TCR测序和深度学习，提出人工智能与单细胞基因组学联合解码T细胞异质性和TCR-pMHC相互作用的新视角	数据有限性和模型泛化能力不足是当前主要瓶颈	探讨人工智能和单细胞基因组学在解析T细胞免疫反应、TCR特异性和临床结局关联中的潜力	T细胞及其T细胞受体（TCR）和肽-MHC（pMHC）相互作用	机器学习	NA	单细胞基因组学、TCR测序、深度学习	机器学习模型、深度学习模型	单细胞基因组数据、TCR序列数据	NA	NA	NA	NA	NA
951	2026-08-26	Long Short-Term Memory-GPT-4 Integration for Interpretable Biomedical Signal Classification: Proof-of-Concept Study 2026-03-20, JMIR formative research IF:2.0Q4 DOI:10.2196/87962 PMID:41861395	研究论文	本研究提出并评估了一种将长短期记忆网络与GPT-4集成的技术框架，用于自动化生物医学信号分类及生成人类可读的临床解读，为资源受限环境下的临床应用奠定基础。	创新性地将LSTM网络与GPT-4大语言模型相集成，实现生物医学信号分类与自然语言解释的无缝结合，并提供经过医师评估的临床解读。	未提及	开发一种结合LSTM和GPT-4的自动化信号分类与解读框架，以解决远程和资源受限环境中的诊断瓶颈。	心电图和脑电图等生物医学信号。	机器学习	心血管疾病，神经系统疾病	长短期记忆网络，GPT-4模型	长短期记忆网络（LSTM），GPT-4	心电信号，脑电信号	150个测试案例（50个来自每个数据集）	未提及	两层LSTM（128→64单元）	准确率，F1分数，AUC，Fleissκ系数	未提及
952	2026-08-26	Characterizing Physicochemical Selection in Protein Evolution with Property-Informed Models (PRIME) 2026-Mar-11, bioRxiv : the preprint server for biology DOI:10.64898/2026.03.09.710461 PMID:41959076	研究论文	PRIME框架通过将氨基酸交换性建模为理化性质的函数，揭示了蛋白质进化中选择压力的生物物理基础。	首次将氨基酸交换性显式建模为理化性质的函数，包括全局、位点和情景三种实现，并利用生物物理分类学精确分类残基的保守性、中性或变化性。	该分析可能依赖于数据集和基因组的代表性，且对理化性质的选择可能影响结果的通用性。	通过将抽象进化率转化为可解释的生物物理规则，表征蛋白质多样性的机制驱动因素。	24个多样化数据集和18,944个哺乳动物基因。	机器学习	不适用	密码子水平最大似然方法	最大似然模型	序列数据	24个多样化数据集和18,944个哺乳动物基因	不适用	全球、情景和位点特异性实现	AUC、敏感性、模型拟合	不适用
953	2026-08-26	Deep learning for high-resolution material texture enhancement in 3D environments 2026-Mar-07, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-42313-5 PMID:41794865	研究论文	提出了一个用于3D环境高分辨率材质纹理增强的深度学习框架，改善了颜色、位移、金属度、法线和粗糙度等多通道纹理的分辨率和质量	集成了基于批处理的流水线、材质解压-再压缩策略和可扩展平铺方法，实现了大纹理的高效处理并保持空间连贯性	摘要未提及明确的局限性	提高3D环境中材质纹理的分辨率和质量，以支持电影、动画、游戏和虚拟现实等高端应用	多种材质纹理，包括石头、金属、木材、瓷砖和织物等表面	计算机视觉	NA	深度学习、纹理增强	神经网络（具体类型未指定）	图像（材质纹理图）	未明确说明样本数量，使用了涵盖多种材质的精选数据集	未指定（代码在GitHub上可获取）	未明确指定	清晰度和保真度（定性评估）	未指定
954	2026-08-26	Integrating genetics, age and imaging to predict treatment outcomes in neovascular age-related macular degeneration: a proof-of-concept study 2026-Mar-07, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-41931-3 PMID:41794975	研究论文	本文验证了整合遗传、影像和人口统计学数据预测新生血管性年龄相关性黄斑变性（nAMD）治疗结局的可行性，并发现结合多基因风险评分（PRS）、年龄和OCT影像生物标志物可提高预测性能。	首次将多基因风险评分（PRS）、OCT影像生物标志物和患者年龄整合进多模态预测模型，用于预测nAMD的抗VEGF治疗结局，并证明该整合方法优于单独使用影像的预测性能。	仅基于单中心样本（106名参与者），为概念验证研究，且未纳入其他潜在预测因素（如遗传变异细节、治疗依从性等），可能限制结果的外部泛化性。	评估整合遗传、影像和人口学数据构建预测模型，以预测nAMD治疗结局（如24个月黄斑干燥和第二年治疗间隔）的可行性。	单侧新生血管性年龄相关性黄斑变性（nAMD）患者，接受抗VEGF治疗（treat-and-extend方案）。	医学影像分析，计算生物学，眼科	年龄相关性黄斑变性（nAMD）	基因分型（NIHR Bioresource），光学相干断层扫描（OCT）	XGBoost，线性回归	基因型数据，OCT影像，人口统计学数据（年龄、性别等）	106名参与者（均患有单侧nAMD）	XGBoost	XGBoost（用于二分类），线性回归（用于连续结局），深度学习的OCT分割模型（具体结构未在摘要中指定）	AUC（曲线下面积），β系数（线性回归），95%置信区间，P值	NA（摘要未提及具体计算资源）
955	2026-08-26	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	系统综述了使用深度学习方法和开放数据集进行MRI发育脑年龄估计的研究。	全面总结了深度学习在胎儿至2岁发育脑年龄估计中的应用，包括临床、技术方面、开放数据集和模型性能比较。	未具体提及局限性，可能包括对特定模型和数据集的偏倚、缺乏统一评估标准等。	综述深度学习在MRI发育脑年龄估计中的应用，提供临床和技术洞察，并指出未来研究方向。	胎儿至2岁发育期脑的MRI数据。	机器学习, 医学影像	神经发育障碍	MRI	深度学习模型（如CNN等）	MRI图像	不适用（综述）	NA	NA	评估指标（如MAE、RMSE等）	NA
956	2026-08-26	Artificial Intelligence-based detection of neuropsychiatric lupus: an exploratory meta-analysis of neuroimaging and multimodal biomarker models 2026-Feb-02, Clinical and experimental medicine IF:3.2Q2 DOI:10.1007/s10238-025-02030-1 PMID:41627551	meta分析	本文是一项探索性荟萃分析，系统评估了基于人工智能的神经影像和多模态生物标志物模型在检测神经精神狼疮中的诊断性能和方法学稳健性	首次对AI模型在神经精神狼疮检测中的诊断性能进行系统性荟萃分析，并评估了异质性和方法学特征	研究间异质性显著，汇总估计不稳定，外部验证和可解释性方法不常见，限制了临床适用性的结论	描述AI模型在检测系统性红斑狼疮神经精神受累中的报告诊断性能、异质性和方法学特征	神经精神系统性红斑狼疮患者	人工智能，神经影像	神经精神狼疮，系统性红斑狼疮	神经影像（结构或功能性MRI）、磁共振波谱、脑脊液或血清生物标志物	机器学习、深度学习	神经影像数据、生物标志物数据	14项研究，超过800名参与者	NA	NA	AUC、准确率、敏感性、特异性	NA
957	2026-08-26	Application of AI-assisted magnifying colonoscopy system in the diagnosis of colorectal tumors: a multicenter exploratory diagnostic study 2026-02, Surgical endoscopy DOI:10.1007/s00464-025-12196-0 PMID:41238992	研究论文	本研究开发了一种基于JNET分类的AI辅助诊断模型，用于放大结肠镜图像中结直肠肿瘤的诊断，并在多中心环境中与不同经验水平的内镜医师进行比较评估	创新性地将改进的DeepLabV3+模型应用于放大结肠镜图像的JNET分类，并首次在多中心研究中评估其诊断性能，证明其可显著提升初级内镜医师的诊断准确率	需要在真实临床环境中进一步评估其有效性和成本效益，可能受限于样本来源的多样性和图像的特定采集条件	开发并评估一种基于JNET分类的AI辅助诊断模型，以提高结直肠肿瘤的诊断准确性和一致性	结直肠肿瘤的放大内镜图像，包括219名患者的2645张放大图像	计算机视觉	结直肠肿瘤	放大结肠镜成像	深度学习分割模型	内镜图像	219名患者的2645张图像	NA	DeepLabV3+	准确率、敏感度、特异度、AUC	NA
958	2026-08-26	Artificial intelligence assistance narrows the experience gap in endoscopic reporting of gastric lesions: a prospective clinical trial 2026-02, Surgical endoscopy DOI:10.1007/s00464-025-12410-z PMID:41345528	研究论文	本文通过前瞻性临床试验验证了一种人工智能报告系统，用于提高胃病变内镜报告质量，特别是在缩小内镜医师间的经验差距方面	创新性地开发并验证了一个包含多个深度学习模型的AI报告系统，该系统不仅能检测和分类胃病变，还能识别其特征，并通过前瞻性试验证明其能显著提高报告完整性和准确性，尤其是对可疑肿瘤的描述	未在摘要中明确提及局限性	验证AI报告系统在提高胃病变内镜报告质量方面的有效性，并特别关注其能否缩小不同经验水平内镜医师间的报告质量差距	胃病变的内镜图像和视频片段，以及内镜医师生成的报告	计算机视觉	胃病变（包括可疑肿瘤）	内镜检查	深度学习模型（包括用于检测、分类和特征识别的模型）	图像和视频	276个视频片段用于验证，回顾性分析包含AI辅助和原始报告，前瞻性试验包含AI辅助组和常规组	未明确提及	多个深度学习模型，具体架构未详细说明	准确性、敏感性、特异性、报告完整性百分比	未明确提及
959	2026-08-26	Connectome of a human foveal retina 2026-Jan-28, bioRxiv : the preprint server for biology DOI:10.1101/2025.04.05.647403 PMID:40799563	研究论文	本文利用深度学习分割技术对人类视网膜中央凹样本进行纳米级连接组分析，重建所有细胞和突触连接，并分类出51种形态学类型的细胞，揭示了人类特有的神经回路和视觉通路。	首次提供人类中央凹视网膜的完整连接组，发现非人灵长类中不存在的突触通路，并通过间隙连接生物物理模型揭示S和ML锥体细胞在首个化学突触前的色度交互作用。	研究样本仅来自单个个体的人类中央凹，可能无法代表普遍人类神经结构，且连接组分析需依赖深度学习分割，可能受算法误差影响。	通过纳米级分辨率重建人类中央凹视网膜的连接组，以理解人类视觉处理的独特神经回路。	人类中央凹视网膜样本，包括约3,000个细胞、神经细胞、突触、视网膜神经节细胞及锥体感光细胞。	数字病理学、计算机视觉、机器学习	NA	电子显微镜、深度学习分割	深度学习模型	图像	人类中央凹视网膜样本，含约3,000个细胞	NA	NA	NA	NA
960	2026-08-26	Leveraging Pretrained Vision Transformers for classifying Alcohol Use Disorder using Raw Resting-State EEG 2026-Jan-15, bioRxiv : the preprint server for biology DOI:10.64898/2026.01.14.699473 PMID:41648298	研究论文	利用预训练视觉Transformer对原始静息态脑电图进行分类，以识别酒精使用障碍。	首次将预训练于ImageNet的视觉Transformer（EEGViT）应用于原始静息态EEG数据，用于AUD分类，无需大量预处理。	分类准确率相对较低（约56%），模型性能随时间变化，可能受样本不平衡和混杂因素影响。	评估深度学习模型在基于原始静息态EEG数据分类酒精使用障碍（AUD）方面的潜力。	酒精使用障碍患者及健康对照的原始静息态EEG数据。	机器学习	酒精使用障碍、大麻使用障碍、阿片类使用障碍	脑电图（EEG）	视觉Transformer（ViT）	原始静息态脑电信号	5402条EEG记录，来自2710名参与者（年龄12-83岁，平均24岁；1338名男性，1372名女性）	NA	EEGViT（卷积嵌入+视觉Transformer）	分类准确率	NA