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
1161	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
1162	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
1163	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
1164	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
1165	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
1166	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
1167	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
1168	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
1169	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
1170	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
1171	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
1172	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
1173	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
1174	2026-04-21	The Efficacy of Artificial Intelligence in the Detection and Management of Atrial Fibrillation 2025-Jan, Cureus DOI:10.7759/cureus.77135 PMID:39925585	系统综述	本文系统评估了人工智能在心房颤动风险预测、监测和管理中的应用	首次全面评估了人工智能与心房颤动领域的交叉应用，并识别了现有研究中的关键差距	由于数据异质性和方法学不一致，人工智能工具的可靠性和一致性在不同研究中存在差异	评估人工智能在心房颤动检测和管理中的效能	心房颤动患者及相关医疗数据	机器学习	心血管疾病	NA	机器学习, 深度学习, 人工神经网络	心电图数据, 可穿戴设备数据	39项符合纳入标准的研究	NA	最优时变机器学习模型, 观察性医疗结果伙伴关系通用数据模型	灵敏度, 特异性	NA
1175	2026-04-21	Multicentric clinical evaluation of a computed tomography-based fully automated deep neural network for aortic maximum diameter and volumetric measurements 2024-06, Journal of vascular surgery IF:3.9Q1 DOI:10.1016/j.jvs.2024.01.214 PMID:38325564	研究论文	本研究评估了一种基于深度学习的全自动方法（ARVA）用于主动脉分割及直径和体积测量	开发了一种全自动深度学习模型，能够同时进行主动脉分割、最大直径测量和体积计算，并在多中心临床数据上验证其性能	研究仅基于350例CTA扫描，样本量相对有限，且未涉及更广泛的主动脉疾病亚型	评估深度学习模型在主动脉影像分析中的准确性和临床适用性	主动脉CTA扫描图像	数字病理学	心血管疾病	计算机断层扫描血管造影（CTA）	深度神经网络	医学影像	350例CTA扫描，来自216名患者	NA	深度神经网络	绝对直径差异中位数，体积相似性误差，临床可接受范围比例	NA
1176	2026-04-21	Deep learning to extract the meteorological by-catch of wildlife cameras 2024-01, Global change biology IF:10.8Q1 DOI:10.1111/gcb.17078 PMID:38273582	研究论文	本研究利用深度学习从野生动物相机图像中提取微气象条件，如阴天、阳光、冰雹和雪	首次将深度学习应用于野生动物相机图像以提取潜在的、生态相关的微气象信息，而非仅关注生物主体	模型在未见过的地点（如挪威斯瓦尔巴）的准确率相对较低（79.3%），且需要丢弃部分无共识的分类结果	从野生动物相机图像中提取微气象数据，以研究微气候对生物多样性的影响	野生动物相机拍摄的图像，涵盖阴天、阳光、冰雹和雪等气象条件	计算机视觉	NA	深度学习	集成深度学习模型	图像	来自49个野生动物相机的标注图像数据集，以及近200万张未标注图像	NA	NA	准确率, 共识准确率	NA
1177	2026-04-21	Human Alzheimer's disease reactive astrocytes exhibit a loss of homeostastic gene expression 2023-08-02, Acta neuropathologica communications IF:6.2Q1 DOI:10.1186/s40478-023-01624-8 PMID:37533101	研究论文	本研究利用单核RNA测序数据，揭示了阿尔茨海默病患者反应性星形胶质细胞转录组变化，特别是稳态基因表达的显著丧失	首次在单细胞分辨率下系统描述人类阿尔茨海默病反应性星形胶质细胞的转录组特征，发现其反应性表现为稳态基因的显著下调而非传统认为的单纯上调	研究主要基于转录组数据，功能验证相对有限；样本来源为死后脑组织，可能存在死后变化影响	探究阿尔茨海默病中反应性星形胶质细胞的分子特征和功能变化	人类正常、病理性衰老和阿尔茨海默病脑组织中的星形胶质细胞	生物信息学	阿尔茨海默病	单核RNA测序, 共免疫荧光染色	深度学习聚类算法	RNA测序数据, 图像数据	15,529个星形胶质细胞核	NA	NA	NA	NA
1178	2026-04-20	Enhancing vertebral fracture prediction using multitask deep learning computed tomography imaging of bone and muscle 2026-May, European radiology IF:4.7Q1 DOI:10.1007/s00330-025-12049-3 PMID:41326828	研究论文	本研究开发并外部验证了一种基于CT的多任务深度学习模型，用于预测椎体骨折风险	采用多任务学习框架，整合骨骼和肌肉的CT图像特征，相比仅使用骨骼图像或传统临床模型，显著提升了椎体骨折的预测性能	研究样本主要来自特定年龄范围（50-80岁）的患者，可能限制了模型的泛化能力；外部验证集虽来自两家独立医院，但地域和人群多样性可能不足	开发并验证一种基于CT图像的椎体骨折风险预测模型	50-80岁患者的腹部CT扫描图像	数字病理学	骨质疏松性骨折	CT扫描	深度学习	图像	开发集2553名患者，外部测试集1506名患者	NA	多任务深度学习模型	AUROC, c-index	NA
1179	2026-04-20	A deep learning framework to stratify Nottingham histologic grade 2 breast tumors based on dynamic contrast-enhanced MRI 2026-May, European radiology IF:4.7Q1 DOI:10.1007/s00330-025-12208-6 PMID:41405689	研究论文	本研究开发了一个基于动态对比增强MRI的深度学习框架，用于对诺丁汉组织学分级2级乳腺癌进行风险分层	首次利用深度学习模型将诺丁汉组织学分级2级肿瘤重新分类为1级样和3级样子群，并证明其与复发风险独立相关	研究依赖于特定的MRI数据集，外部验证样本量较小，需要进一步的多中心验证	开发一种基于影像的深度学习工具，对诺丁汉组织学分级2级乳腺癌进行风险分层，以指导个体化治疗决策	乳腺癌患者，特别是诺丁汉组织学分级2级的肿瘤	数字病理学	乳腺癌	动态对比增强MRI	CNN	医学影像	训练集877例，测试集37例，外部验证集456例NHG2肿瘤	NA	卷积神经网络	AUC, C-index, 风险比	NA
1180	2026-04-20	eCAPRI: a novel tool combining clinical and imaging data for post-TAVI mortality prediction 2026-May, European radiology IF:4.7Q1 DOI:10.1007/s00330-025-12184-x PMID:41420708	研究论文	本研究介绍了一种结合临床和影像数据的增强版CAPRI评分（eCAPRI），用于预测经导管主动脉瓣植入术（TAVI）后一年死亡率	eCAPRI评分通过深度学习模型自动测量胸主动脉钙化体积，并整合了从术前CT扫描中自动提取的额外影像生物标志物，实现了全自动化的风险预测	研究仅在特定患者队列（192例CT扫描）上进行了评估，可能需要进行更大规模、多中心的验证以确认其普适性	开发并验证一种结合自动影像生物标志物和临床因素的评分工具，以改进TAVI术后一年死亡率的预测	接受经导管主动脉瓣植入术（TAVI）的钙化主动脉瓣狭窄（CAS）患者	数字病理学	心血管疾病	CT扫描	深度学习模型	图像	训练集：66名患者用于深度学习模型训练，765例术前CT扫描用于eCAPRI评分训练；评估集：1111例CT扫描用于TAC分割评估，192例CT扫描用于评分比较	NA	NA	AUC, Dice系数, 校准曲线	NA