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
12761	2026-03-09	LCNet: lightweight segmentation network for blood vessel segmentation in retinal imaging 2026-Mar-06, Medical engineering & physics IF:1.7Q3 DOI:10.1088/1873-4030/ae4a13 PMID:41788037	研究论文	提出一种轻量级分割网络LCNet，用于视网膜图像中的血管分割	结合深度可分离卷积减少参数和计算成本，引入协同坐标注意力模块增强特征学习，并采用空洞空间金字塔池化模块捕获多尺度特征	未明确提及模型在更广泛或更具挑战性数据集上的泛化能力	开发高效的视网膜血管分割方法以辅助临床诊断	视网膜图像中的血管结构	计算机视觉	NA	NA	CNN	图像	四个经典数据集（DRIVE, STARE, CHASEDB1, IOSTAR）	NA	U-Net	准确率	NA
12762	2026-03-09	Climate change will increase forest disturbances in Europe throughout the 21st century 2026-Mar-05, Science (New York, N.Y.) DOI:10.1126/science.adx6329 PMID:41785360	研究论文	本研究利用深度学习框架模拟了欧洲21世纪森林干扰（如野火、虫害、风暴）的变化趋势	首次使用基于深度学习的模拟框架，在100米分辨率下预测整个欧洲21世纪的森林干扰变化	未明确说明模型的不确定性范围及区域特异性验证的详细程度	预测气候变化背景下欧洲森林干扰的未来变化趋势及其生态影响	欧洲森林生态系统及其干扰机制（野火、虫害、风暴）	机器学习	NA	深度学习模拟	深度学习模型	空间栅格数据、气候数据	全欧洲范围100米分辨率网格数据	NA	NA	NA	NA
12763	2026-03-09	MRI In Vivo Detection of Amyloid-β Protein Deposition in Different Brain Regions of Patients with AD and MCI 2026-Mar-04, Brain topography IF:2.3Q3 DOI:10.1007/s10548-026-01184-9 PMID:41779032	研究论文	本研究开发了一种基于MRI的非侵入性人工智能方法，用于检测阿尔茨海默病和轻度认知障碍患者不同脑区的淀粉样蛋白沉积	结合深度学习脑区分割（VB-Net）与多种机器学习回归模型，并构建了轻量级Transformer深度学习模型，实现了仅基于MRI定量检测Aβ蛋白沉积	样本量相对有限（共142名患者），深度学习模型在测试集上性能较差（RS和PCC为负值），且MRI与PET检查间隔可能引入变异	开发一种非侵入性的MRI方法，用于检测AD和MCI患者脑内Aβ蛋白沉积	80名MCI患者和62名AD患者	数字病理学	阿尔茨海默病	磁共振成像, 正电子发射断层扫描	深度学习, 机器学习	图像	142名患者（80名MCI，62名AD）	NA	VB-Net, Transformer	平均绝对误差, 均方误差, R分数, 皮尔逊相关系数	NA
12764	2026-03-06	Disease- and gene-specific deep learning for pathogenicity prediction of rare missense variants in cancer predisposition genes 2026-Mar-04, BioData mining IF:4.0Q1 DOI:10.1186/s13040-026-00533-5 PMID:41781977	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
12765	2026-03-09	Using deep learning to predict the sex of human embryos 2026-Mar-04, Open biology IF:4.5Q1 DOI:10.1098/rsob.250419 PMID:41784403	研究论文	本研究结合手动标注与深度学习分析，利用515个胚胎延时摄影视频数据集，探究出生性别是否影响人类胚胎早期发育动态	首次将深度学习应用于人类胚胎延时摄影视频进行性别预测，并发现八细胞期后是性别预测的关键时期，揭示了人类胚胎发育第3天左右可能开始出现细微的性别相关差异	样本量相对有限（515个胚胎视频），预测准确率仅为61%，虽然具有统计学意义但临床实用性有待提高，且未明确识别出具体的可区分性别差异的发育时序参数	探究人类胚胎早期发育中是否存在性别差异，并开发早期非侵入性性别预测工具	人类胚胎（来自体外受精环境）	计算机视觉	NA	延时摄影	深度学习模型	视频（胚胎延时摄影）	515个胚胎延时摄影视频	NA	NA	准确率	NA
12766	2026-03-09	A multi-gradient microfluidic chip-based neutrophil chemotaxis analysis for sepsis auxiliary diagnosis and prognostic monitoring 2026-Mar-04, Biosensors & bioelectronics IF:10.7Q1 DOI:10.1016/j.bios.2026.118593 PMID:41795443	研究论文	本文开发了一种多梯度微流控芯片用于中性粒细胞趋化性分析，以辅助脓毒症的诊断和预后监测	开发了一种能同时生成三种趋化因子梯度的微流控芯片，并整合多个参数构建了中性粒细胞功能分析指数，结合深度学习直接分析趋化轨迹	样本量相对较小（总样本数50，独立队列10），且为手动提取参数，可能引入人为误差	开发一种基于中性粒细胞趋化性分析的脓毒症辅助诊断和预后监测平台	健康个体和脓毒症患者的中性粒细胞	数字病理学	脓毒症	微流控芯片技术，深度学习	深度学习模型	中性粒细胞趋化轨迹数据	健康个体25例，脓毒症患者25例，独立队列10例	NA	NA	AUC, 特异性, 敏感性, 准确率	NA
12767	2026-03-09	Deep learning ultrasonic computed tomography for non-destructive testing of workpieces 2026-Mar-04, Ultrasonics IF:3.8Q1 DOI:10.1016/j.ultras.2026.108044 PMID:41795454	研究论文	本文提出了一种集成注意力机制的神经网络反演方法（HAU2Net）及硬件系统，用于工件超声层析成像，实现从数据采集到快速截面图像重建的全过程	提出了一种结合注意力机制的HAU2Net网络，在U2Net的不同编码和解码层引入注意力头，并采用动态调整的损失函数约束进行训练，显著提升了成像精度和速度	未明确说明该方法对复杂内部结构或多种材料工件的适用性及泛化能力	解决工业超声无损检测中成像精度与成像速度的双重挑战，实现高效高精度的在线检测	工业工件	计算机视觉	NA	超声层析成像	深度学习，神经网络	超声信号矩阵	NA	NA	U2Net，HAU2Net	PSNR，SSIM，模型大小，预测时间	NA
12768	2026-03-09	Deep Learning-Derived Sarcopenia Marker Predicts Benefit from Anti-EGFR Therapy in Patients with RAS Wild-type Metastatic Colorectal Cancer 2026-Mar-02, Clinical cancer research : an official journal of the American Association for Cancer Research IF:10.0Q1 DOI:10.1158/1078-0432.CCR-25-3080 PMID:41489691	研究论文	本研究探讨了基于深度学习从CT图像自动计算的肌肉/骨骼比（MBR）作为肌肉减少症标志物，在RAS野生型转移性结直肠癌患者中对抗EGFR治疗获益的预测价值	首次利用深度学习自动从CT图像中提取肌肉/骨骼比作为肌肉减少症标志物，并验证其在预测转移性结直肠癌患者对抗EGFR治疗反应中的预后和预测价值	研究样本量有限（PanaMa研究中仅189例患者有可用CT图像），且为回顾性验证，需要进一步前瞻性研究确认	评估肌肉/骨骼比（MBR）作为肌肉减少症标志物在转移性结直肠癌患者中的预后和预测价值，特别是对抗EGFR治疗的反应	RAS野生型转移性结直肠癌患者	数字病理学	结直肠癌	计算机断层扫描（CT）	深度学习模型	CT图像	PanaMa研究中的189例患者（来自248例随机患者）及一个真实世界验证队列	NA	NA	风险比（HR）, 95%置信区间（CI）, P值	NA
12769	2026-03-09	EnDeep4mC predicts DNA N 4-methylcytosine sites using a dual-adaptive feature encoding framework in deep ensembles 2026-Mar-02, Genome research IF:6.2Q1 DOI:10.1101/gr.280977.125 PMID:41702707	研究论文	本文提出了一种名为EnDeep4mC的双自适应特征编码框架，用于预测DNA N4-甲基胞嘧啶位点，并通过集成深度学习架构优化特征编码方案	提出了一种结合物种特异性建模与集成深度学习架构的双自适应框架，系统优化特征编码方案，并在跨物种验证中展示了强大的可迁移性	未明确提及具体的数据集大小或计算资源限制，可能依赖于现有实验数据的可用性	开发高效的计算方法来检测DNA N4-甲基胞嘧啶位点，以克服实验方法的限制	DNA N4-甲基胞嘧啶位点	机器学习	NA	DNA测序	集成深度学习	DNA序列数据	涉及六个物种的数据，但未指定具体样本数量	NA	NA	预测性能指标，但未具体说明如准确率、AUC等	NA
12770	2026-03-09	Microstructure-informed deep learning improves thalamic atrophy segmentation and clinical associations in multiple sclerosis and related neuroimmunological diseases 2026-Mar-02, NeuroImage. Clinical DOI:10.1016/j.nicl.2026.103982 PMID:41795481	研究论文	本研究比较了多种算法在丘脑萎缩分割中的性能，并评估了定量R1映射对分割效果及临床关联性的影响	首次系统比较了基于图谱约束算法与深度学习算法在丘脑分割中的表现，并探索了定量MRI（R1映射）在提升分割精度和临床关联性方面的潜力	R1映射输入对分割性能提升有限，且研究基于单扫描仪队列，可能限制泛化性	改进多发性硬化及相关神经免疫性疾病中丘脑萎缩的分割方法，并增强其与临床指标的关联	多发性硬化及相关疾病患者以及健康对照者的丘脑结构	数字病理学	多发性硬化	定量磁共振成像（qMRI），包括T1加权、FLAIR和R1映射	深度学习模型	磁共振图像	基线321名参与者（包括患者和健康对照），1年随访234名，其中50名多发性硬化患者用于手动标注	NA	MindGlide, DBSegment	Dice相似系数, 灵敏度, 精确度	NA
12771	2026-03-09	Deep Learning-Based Analysis of Glottal Attack and Offset Times in Adductor Laryngeal Dystonia 2026-Mar, Journal of voice : official journal of the Voice Foundation IF:2.5Q1 DOI:10.1016/j.jvoice.2023.10.011 PMID:37977969	研究论文	本文开发了一种基于深度学习的自动化方法，用于从高速视频内窥镜数据中测量声门攻击时间和声门偏移时间，以辅助内收肌喉肌张力障碍的诊断	首次提出使用深度学习框架自动分割声门区域并检测声带边缘，从而自动化测量GAT和GOT，为内收肌喉肌张力障碍提供客观的生物标志物	研究样本量有限，仅包括正常成人和AdLD患者，且未与其他声音障碍进行对比，自动化测量与手动分析结果虽强相关但存在微小差异	开发自动化测量声门攻击时间和声门偏移时间的方法，以促进内收肌喉肌张力障碍的客观诊断	正常成人和内收肌喉肌张力障碍患者	数字病理学	喉肌张力障碍	高速视频内窥镜	深度学习框架	视频	正常成人和AdLD患者（具体数量未在摘要中明确）	NA	NA	相关性	NA
12772	2026-03-09	Identification of drug use degree by integrating multi-modal features with dual-input deep learning method 2026-Mar, Computer methods in biomechanics and biomedical engineering IF:1.7Q3 DOI:10.1080/10255842.2024.2417206 PMID:39468790	研究论文	提出一种双输入双模态融合算法，结合脑电图和近红外光谱数据，对药物使用程度进行客观定量评估	首次提出优化的双输入多模态TiCBnet网络，用于提取双模态信号的深度编码特征，并通过特征融合与筛选提升分类性能	未提及样本规模的具体细节或外部验证结果，可能影响方法的泛化能力	开发客观定量的药物使用程度评估方法	药物使用者的脑电图和近红外光谱信号	机器学习	药物滥用	脑电图, 近红外光谱	深度学习	脑电图信号, 近红外光谱信号	NA	NA	TiCBnet	分类准确率	NA
12773	2026-03-09	A multi-class segmentation model of deep learning on contrast-enhanced computed tomography to segment and differentiate lipid-poor adrenal nodules: a dual-center study 2026-Mar, European radiology IF:4.7Q1 DOI:10.1007/s00330-025-12007-z PMID:40981992	研究论文	本研究开发了一种基于深度学习的多类分割模型，用于在增强CT图像上分割并区分脂质贫乏肾上腺结节	提出了一种新颖的基于状态空间模型的多类分割方法Mamba-USeg，能够同时进行分割和分类，在性能上显著优于现有模型	研究为回顾性双中心设计，样本量相对有限（共164例患者），且仅针对特定类型的肾上腺结节	开发一种深度学习模型，用于在增强CT图像上自动分割肾上腺并区分脂质贫乏腺瘤和结节性增生	经病理证实的脂质贫乏肾上腺腺瘤和结节性增生患者的增强CT图像	计算机视觉	肾上腺疾病	对比增强计算机断层扫描	深度学习, 状态空间模型	医学图像	164例患者（内部中心128例用于训练，外部中心36例用于验证）	NA	Mamba-USeg, MultiResUNet, CPFNet	平均Dice相似系数, 敏感性, 特异性, 准确率	NA
12774	2026-03-09	PMI estimation with cross-species transfer learning and visual information generated by pathomics foundation model 2026-Mar, International journal of legal medicine IF:2.2Q1 DOI:10.1007/s00414-025-03659-z PMID:41258447	研究论文	本研究提出了一种基于病理学基础模型和跨物种迁移学习的死后间隔（PMI）估计框架，并利用可视化技术增强模型可解释性	提出了两阶段跨物种迁移学习策略，将动物数据先验知识与少量人类数据结合进行微调，并开发了全切片级别的可视化框架（概率图、类别图、分类比例直方图）以提高模型可解释性	人类样本数量有限（23例），可能影响模型泛化能力；研究主要针对肝脏组织，未验证其他器官的适用性	开发一种准确且可解释的AI工具，用于法医病理学中的死后间隔估计	猪肝脏全切片图像和人类肝脏全切片图像	数字病理学	NA	全切片成像	CNN, Vision Transformer	图像	16例猪样本和23例人类样本	NA	ResNet50, DenseNet121, SongCi, UNI	准确率	NA
12775	2026-03-09	Automatic rib fracture detection on postmortem CT data using deep learning 2026-Mar, International journal of legal medicine IF:2.2Q1 DOI:10.1007/s00414-025-03669-x PMID:41339543	研究论文	本研究评估了深度学习模型nnDetection在死后CT扫描数据上自动检测肋骨骨折的性能，并分析了临床与死后CT成像之间的领域偏移因素	首次将深度学习模型应用于死后CT数据的肋骨骨折检测，并系统分析了临床与死后CT成像之间的领域偏移因素，如手臂位置和医疗设备的存在	样本量相对较小（仅50例死后CT扫描），且未探索更先进的技术来克服领域偏移因素	评估深度学习模型在死后CT数据上自动检测肋骨骨折的性能，并识别临床与死后CT成像之间的领域偏移因素	死后CT扫描数据，用于肋骨骨折检测	计算机视觉	肋骨骨折	CT扫描	深度学习模型	CT图像	50例死后CT扫描（24%女性；平均年龄61岁，范围19-96岁）和660例临床CT扫描（36%女性；平均年龄55岁，范围21-94岁）	nnDetection	nnDetection	平均灵敏度, 平均精确度（在0.1交并比下）	NA
12776	2026-03-09	Label Noise in Pathological Segmentation Is Overlooked, Leading to Potential Overestimation of Artificial Intelligence 2026-Mar, Cancer science IF:4.5Q1 DOI:10.1111/cas.70288 PMID:41433191	研究论文	本研究通过调查公共数据集和合成人工标签噪声，评估了标签噪声对病理分割模型的影响，揭示了模型易过拟合边界噪声并导致性能高估的风险	首次系统性地结合公共数据集调查与人工标签噪声合成，评估了病理分割中标签噪声的类型和影响，特别是边界依赖噪声（如扩张和收缩）对模型过拟合的显著作用	研究主要基于合成噪声和有限数据集（如乳腺癌语义分割数据集），可能未完全覆盖真实世界所有噪声类型；且未提出具体的噪声量化或缓解方法	评估病理分割中标签噪声对人工智能模型训练的影响，并探讨其导致的性能高估风险	病理分割AI模型，特别是用于乳腺癌语义分割的深度学习模型	数字病理	乳腺癌	语义分割	深度学习模型	图像	使用公共数据集和乳腺癌语义分割数据集，具体样本数量未明确说明	NA	NA	表现分数（包括真实世界条件下的表观性能分数和使用干净测试数据得到的真实性能分数）	NA
12777	2026-03-09	Explainable deep learning for predicting HER-2 expression in breast cancer: a multicenter study 2026-Mar, Acta radiologica (Stockholm, Sweden : 1987) DOI:10.1177/02841851251392501 PMID:41468007	研究论文	本研究开发了一个可解释的深度学习框架，用于非侵入性预测乳腺癌HER-2表达	结合深度学习模型与临床预测因子，构建可解释的预测框架，实现非侵入性HER-2表达预测	回顾性研究，样本量有限（450例），需进一步前瞻性验证	开发非侵入性预测乳腺癌HER-2表达的深度学习框架	450例经病理确认HER-2状态的乳腺癌患者	数字病理	乳腺癌	磁共振成像	深度学习	图像	450例患者	NA	ResNet	AUC	NA
12778	2026-03-09	Generalizability of deep learning-based dose conversion model in proton beam therapy 2026-Mar, Journal of applied clinical medical physics IF:2.0Q3 DOI:10.1002/acm2.70528 PMID:41755687	研究论文	本研究开发了一种基于深度学习的剂量转换模型，用于质子束治疗中将铅笔束算法计算的剂量转换为蒙特卡罗等效剂量，并评估其在不同肿瘤部位的泛化能力	首次训练了一个基于深度学习的剂量转换模型，该模型在四个代表性肿瘤部位（头颈、肺、肝和前列腺）上训练，并评估了其在未训练肿瘤部位（如食管、胰腺、结直肠、脑、乳腺、宫颈及肢体骨与软组织）的泛化性能	模型在接近肺部的食管、乳腺以及肢体骨与软组织等未训练肿瘤部位上表现出略低的通过率，泛化能力仍有提升空间	开发并评估一个基于深度学习的剂量转换模型在质子束治疗中的泛化能力，以解决计算精度与速度之间的权衡问题	质子束治疗中的剂量计算，特别是将铅笔束算法剂量转换为蒙特卡罗等效剂量	医学影像分析	多种癌症	质子束治疗，蒙特卡罗模拟，深度学习	深度学习模型	治疗计划CT图像和铅笔束剂量数据	339名患者（总计1147个射束）	NA	NA	3D γ分析通过率，Dice相似系数	NA
12779	2026-03-09	SMART: Self-Supervised Learning for Metal Artifact Reduction in Computed Tomography Using Range Null Space Decomposition 2026-Mar, IEEE transactions on medical imaging IF:8.9Q1 DOI:10.1109/TMI.2025.3616003 PMID:41052163	研究论文	提出一种基于自监督学习和范围零空间分解的CT金属伪影减少方法，旨在解决现有深度学习方法在临床应用中面临的挑战	利用范围零空间分解分别建模金属和组织线性衰减系数，并结合隐式神经表示以自监督方式学习其临床特征，同时整合多色光谱以实现动态适应	方法在临床数据集上的泛化性虽经测试，但可能仍需更多样化的数据验证其鲁棒性	开发一种自监督的CT金属伪影减少方法，以提升诊断准确性和临床决策支持	CT图像中的金属伪影	计算机视觉	NA	范围零空间分解，隐式神经表示	自监督学习模型	CT图像	一个合成数据集和两个临床数据集	NA	隐式神经表示	NA	NA
12780	2026-03-09	ESR Essentials: lung cancer screening with low-dose CT-practice recommendations by the European Society of Thoracic Imaging 2026-Mar, European radiology IF:4.7Q1 DOI:10.1007/s00330-025-11910-9 PMID:40848139	实践推荐	本文提供了欧洲胸科影像学会关于使用低剂量CT进行肺癌筛查的实践建议	整合了最新的低剂量CT筛查证据，并强调了深度学习算法在结节检测和体积生长测量中的应用	NA	为肺癌筛查提供基于证据的实践指导，以优化筛查效果并控制风险	高风险个体，特别是年龄在50至75岁之间、有至少20包年吸烟史的人群	数字病理学	肺癌	低剂量CT扫描	深度学习算法	CT图像	NA	NA	NA	NA	NA