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
1261	2026-09-21	Efficient Vision Mamba for MRI Super-Resolution via Hybrid Selective Scanning 2026-Mar-07, ArXiv PMID:41479458	研究论文	本文提出了一种基于多头选择性状态空间模型与轻量级通道MLP的高效MRI超分辨率框架，采用混合扫描策略，在脑部和前列腺MRI数据集上实现了优于多种基线方法的性能，同时大幅降低计算量	提出了基于多头选择性状态空间模型（MHSSM）结合轻量级通道MLP的超分辨率框架；采用2D patch提取与混合扫描策略（垂直、水平、对角线）以捕获长程依赖并缓解像素遗忘；设计了MambaFormer模块，融合MHSSM、深度可分离卷积和门控通道混合以平衡局部与全局特征表示	摘要中未明确提及研究的局限性	开发一种高效且准确的深度学习MRI超分辨率框架，在保持精细解剖细节的同时维持低计算开销，以实现临床工作流的实际集成	7T脑部T1 MP2RAGE图像（142名受试者）和1.5T前列腺T2加权MRI图像（334名受试者）	计算机视觉, 医学图像处理	脑部疾病, 前列腺癌	MRI超分辨率重建	Mamba, 状态空间模型, 多层感知机	图像	7T脑部数据集142名受试者，1.5T前列腺数据集334名受试者	NA	MambaFormer（含MHSSM、深度可分离卷积、门控通道混合）	SSIM, PSNR, LPIPS, GMSD	NA
1262	2026-09-21	Distinct Tumor-Immune Ecologies in Patients with Lung Cancer Predict Progression and Define a Clinical Biomarker of Therapy Response 2026-03-02, Cancer research IF:12.5Q1 DOI:10.1158/0008-5472.CAN-25-1594 PMID:41418101	研究论文	本研究通过分析九名免疫治疗难治性非小细胞肺癌（NSCLC）患者配对治疗前和治疗中的多重组织学图像，构建了一个涉及细胞分割、样方分析、空间统计、机器学习和深度学习的图像分析流程，以预测疾病进展并识别潜在的临床生物标志物	揭示了稳定疾病（SD）和进展疾病（PD）患者之间存在不同的空间免疫生态，PD患者在治疗前已具有免疫抑制环境，且学习的空间生态在预测疾病进展方面优于单独的PD-L1状态，表明这些生态可作为NSCLC中与PD-L1联合的潜在伴随生物标志物	样本量较小，仅涉及九名患者，且仅包括稳定疾病和进展疾病响应，未涵盖完全或部分响应者，需要更大规模的队列研究进行验证	研究旨在通过多重组织成像分析预测NSCLC患者的免疫治疗响应，并识别潜在的临床生物标志物	九名免疫治疗难治性非小细胞肺癌（NSCLC）患者，接受口服组蛋白去乙酰化酶抑制剂（vorinostat）联合PD-1抑制剂（pembrolizumab）治疗	数字病理学	肺癌	多重成像	CNN	图像	9名患者的配对治疗前和治疗中组织样本	NA	NA	NA	NA
1263	2026-09-21	Dynamic frame-by-frame motion correction for 18F-flurpiridaz PET-MPI using convolution neural network 2026-03, European journal of nuclear medicine and molecular imaging IF:8.6Q1 DOI:10.1007/s00259-025-07660-x PMID:41261210	研究论文	该文章提出了一种基于卷积神经网络的深度学习框架，用于18F-flurpiridaz PET心肌灌注成像中的自动逐帧运动校正	提出了基于3D-ResNet的深度学习框架，实现18F-flurpiridaz PET的自动逐帧运动校正，并利用模拟向量进行数据增强以提高训练鲁棒性	未明确说明	开发自动运动校正方法，以提高心肌血流量和血流储备量化的准确性和效率	接受18F-flurpiridaz PET-MPI的患者	医学图像处理	心血管疾病	PET心肌灌注成像	CNN	3D PET图像	来自III期临床试验32个中心的数据	NA	3D-ResNet	AUC, 一致性限	NA
1264	2026-09-21	Elevated Retinal Neovascularization on Widefield Optical Coherence Tomography Angiography Predicts Complications in High-Risk Proliferative Diabetic Retinopathy 2026-Mar, American journal of ophthalmology IF:4.1Q1 DOI:10.1016/j.ajo.2025.12.017 PMID:41453592	前瞻性病例系列研究	该研究利用单次拍摄宽视野扫频源光学相干断层扫描血管成像（SS-OCTA）评估高危增殖性糖尿病视网膜病变（PDR）患者视网膜新生血管（RNV）的定量指标，并分析其预测后续视力威胁性并发症的能力	首次利用单次拍摄26×21mm宽视野SS-OCTA结合深度学习算法自动分割玻璃体腔层，实现对RNV膜和血管区域的自动检测与定量，并创新性地根据RNV与内界膜（ILM）的轴向关系将病变分为隆起型与附着型，发现隆起型基线RNV可预测后续牵拉性并发症	样本量较小（仅18只眼），随访时间相对较短（中位数291天），且为单中心研究，需要更大规模的多中心研究验证	确定从单次拍摄宽视野SS-OCTA获得的视网膜新生血管（RNV）指标是否能预测高危增殖性糖尿病视网膜病变（PDR）患眼后续视力威胁性并发症	在三级医疗中心临床分级为高危PDR且随访至少6个月的患眼	医学影像分析	糖尿病视网膜病变	宽视野扫频源光学相干断层扫描血管成像（SS-OCTA）	CNN	图像	18只眼，共识别115个RNV病变	NA	NA	AUC, 灵敏度, 特异度	NA
1265	2026-09-21	LeqMod: Adaptable Lesion-Quantification-Consistent Modulation for Deep Learning Low-Count PET Image Denoising 2026-Mar, IEEE transactions on medical imaging IF:8.9Q1 DOI:10.1109/TMI.2025.3618247 PMID:41052161	研究论文	本文提出了一种病变感知和量化一致的调制策略（LeqMod），用于增强PET图像去噪，通过将下游病变量化分析作为辅助工具，在不增加推理阶段计算负担的情况下，提高病变对比度和量化准确性	LeqMod是一种即插即用的设计，可适应多种模型架构，通过病变感知调制（LeMod）和多尺度量化一致调制（QuMod）来调制模型训练的采样和优化过程，不增加推理阶段计算负担	未明确说明	提出一种病变感知和量化一致的调制策略，用于增强PET图像去噪，减少病变量化偏差	低计数PET图像	计算机视觉	肺癌	PET成像	CNN	图像	来自多个中心和供应商的大型PET数据集	PyTorch	未明确指定	SUVmax偏差, 峰值信噪比（PSNR）	未明确说明
1266	2026-09-21	Image Quality Assessment of Deep Learning-Based Virtual Monoenergetic Images From Single-Energy CT Pulmonary Angiography 2026 Mar-Apr 01, Journal of computer assisted tomography IF:1.0Q4 DOI:10.1097/RCT.0000000000001812 PMID:41384946	研究论文	评估基于深度学习的虚拟单能图像从单能CT肺动脉造影中生成的图像质量	首次在临床用例中评估从单能CT生成深度学习虚拟单能图像的性能，并展示了其在肺动脉造影中增强血管混浊和图像质量的有效性	回顾性研究设计，样本量相对较小（52组图像），仅使用一种预训练的物理约束Deep-En-Chroma模型	评估从异质性单能CT数据中生成的深度学习虚拟单能图像的客观和主观图像质量	52组单能CT肺动脉造影图像	计算机视觉	肺癌	深度学习	CNN	图像	52组单能CT肺动脉造影图像	NA	Deep-En-Chroma	主观图像质量评分, 血管混浊评分, 对比度, 对比噪声比, 配对t检验, Mann-Whitney U检验	NA
1267	2026-09-21	Multi-scale structural similarity embedding search across entire proteomes 2026-02-28, Bioinformatics (Oxford, England) DOI:10.1093/bioinformatics/btag058 PMID:41632625	研究论文	该论文提出了一种可扩展的结构相似性搜索策略，利用蛋白质语言模型和深度神经网络将三维结构转化为固定长度向量，实现大规模蛋白质结构的高效检索	利用蛋白质语言模型和深度神经网络架构将三维结构转化为固定长度向量，结合向量数据库实现大规模结构检索，并且模型在单域结构上训练却能泛化到全长多肽链和多聚体组装	未明确说明	开发可扩展且高效的结构相似性搜索方法，以应对AI/DL结构预测带来的三维生物分子结构信息快速增长	实验测定的蛋白质结构和AI/DL方法预测的计算结构模型	机器学习	NA	蛋白质语言模型、深度神经网络、结构相似性搜索、向量数据库	深度神经网络	三维蛋白质结构数据	NA	NA	NA	TM-score	NA
1268	2026-09-21	DSSA-PPI: enhancing binding affinity change prediction upon protein mutations using disentangled structure-sequence aware attention 2026-Feb-18, Chemical science IF:7.6Q1 DOI:10.1039/d5sc08898d PMID:41487137	研究论文	提出DSSA-PPI混合深度学习框架，通过解耦注意力机制整合结构与序列信息，预测蛋白质突变引起的结合亲和力变化	采用解耦注意力机制，结合几何等变图神经网络PPIFormer与蛋白质语言模型ESM-2，提出分离序列和结构特异性贡献的新型表示学习策略	摘要未提及	提高蛋白质突变诱导的蛋白质-蛋白质相互作用结合亲和力变化（ΔΔG）预测的准确性	蛋白质-蛋白质相互作用、蛋白质突变	机器学习	COVID-19、心血管疾病	NA	混合深度学习框架	蛋白质序列和结构数据	SKEMPI v2数据集（具体数量未知）	NA	PPIFormer、ESM-2、解耦注意力机制	NA	NA
1269	2026-09-21	Automated Lymph Node and Extranodal Extension Assessment Improves Risk Stratification in Oropharyngeal Carcinoma 2026-02-10, Journal of clinical oncology : official journal of the American Society of Clinical Oncology IF:42.1Q1 DOI:10.1200/JCO-24-02679 PMID:41435207	研究论文	该研究应用自动化人工智能影像平台整合淋巴结自动分割与结外扩展预测，评估预测的结外扩展淋巴结数量对口咽癌患者的预后价值	首次将自动淋巴结分割与结外扩展预测模型整合，提出AI预测的结外扩展淋巴结数量作为口咽癌的新型风险因素	回顾性研究设计，可能存在选择偏倚；仅在外部数据集中验证风险分层改善；未详细说明AI模型的具体架构和计算资源	确定AI预测的结外扩展淋巴结数量对口咽癌患者的预后价值，并评估其改善风险分层的能力	1733例接受根治性放疗的口咽癌患者	数字病理学	头颈癌	NA	深度学习	图像	1733例口咽癌患者的治疗前CT图像	NA	NA	Uno C指数、决策曲线分析	NA
1270	2026-09-21	Plasmonic artificial inspector for herbal medicines via surface-enhanced Raman spectroscopy and deep learning 2026-Feb-05, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-38497-5 PMID:41644682	研究论文	本文提出了一种基于表面增强拉曼光谱（SERS）与深度学习（DL）相结合的等离激元人工草药检验器，用于草药的安全监测	首次将SERS与DL协同整合用于草药检验，实现了对35种外观相似或同属草药的高精度区分，并可作为感官检验的补充方法	未明确提及	开发高效可靠的辅助工具，以补充传统的草药感官检验，提升草药安全监测的效率和可靠性	35种外观相似或同属的草药物种	机器学习	NA	表面增强拉曼光谱（SERS）	深度学习（DL）	光谱数据	35种草药物种	NA	NA	准确率	NA
1271	2026-09-21	Tropical dry forest land use/land cover change detection using semi-supervised deep learning algorithms and remote sensing 2026-Feb-02, Environmental monitoring and assessment IF:2.9Q3 DOI:10.1007/s10661-025-14897-4 PMID:41627523	研究论文	本文提出了一种结合SAR和光学卫星影像的半监督深度学习框架，用于热带干旱森林的土地利用/土地覆盖变化检测	提出了一种结合无监督伪标签和自定义Y-Net架构的半监督深度学习框架，融合光学和雷达影像，在有限标注数据下实现高精度变化检测	未明确提及	开发一种半监督深度学习框架，用于热带干旱森林的土地利用/土地覆盖变化检测，解决数据稀缺地区的分类难题	哥伦比亚安蒂奥基亚省考卡河谷的热带干旱森林	计算机视觉	NA	遥感，合成孔径雷达，光学卫星影像	半监督深度学习	图像	2017年至2021年的卫星影像，当仅60%数据集被标注时仍保持90%以上准确率	NA	Y-Net，U-Net，PSPNet	平均总体精度，平均交并比	NA
1272	2026-09-21	A Deep-Learning Approach for Vocal Fold Pose Estimation in Videoendoscopy 2026-Feb, Journal of imaging informatics in medicine DOI:10.1007/s10278-025-01431-8 PMID:39939476	研究论文	本文提出了一种基于深度学习的热图回归框架，从喉镜视频帧中估计声带姿态，并用于前声门角（AGA）的计算。	提出以三个解剖相关关键点为先验的热图回归方法进行声带姿态估计，并基于预测点坐标计算AGA；在新采集的临床数据集上验证了方法的有效性，克服了现有算法在病理图像、噪声和遮挡等困难场景下的不足。	摘要中未明确说明研究的局限性	实现声带姿态的准确估计，以辅助喉部疾病（如声带麻痹）的诊断，并客观量化前声门角（AGA）的变化。	喉镜视频帧中的声带姿态与喉部解剖结构	计算机视觉	喉癌	视频内窥镜（喉镜检查）	深度学习	图像（喉镜视频帧）	来自124名患者的471帧喉镜图像（其中28名患者患有癌症）	NA	热图回归网络（heatmap regression）	均方根误差（RMSE）、平均绝对误差（MAE）	NA
1273	2026-09-21	Predicting Sleep and Sleep Stage in Children Using Actigraphy and Heartrate via a Long Short-Term Memory Deep Learning Algorithm: A Performance Evaluation 2026-02, Journal of sleep research IF:3.4Q2 DOI:10.1111/jsr.70149 PMID:40676371	研究论文	本研究评估了长短期记忆（LSTM）深度学习算法利用加速度计和心率数据预测儿童睡眠及睡眠分期的性能，并与多导睡眠图（PSG）进行了比较	首次将LSTM算法应用于儿童加速度计和心率数据，实现了对睡眠与清醒的二分类预测以及睡眠分期（清醒、非REM、REM），并证明其性能优于逻辑回归和随机森林等传统基准方法，同时探索了心率数据对睡眠分期预测的增益效果	研究样本为因疑似睡眠障碍而被转诊的儿童，可能存在选择偏倚；未在自由生活环境中验证；仅使用了三种消费级可穿戴设备中的两种；心率对二分类睡眠与清醒预测无改善效果	评估LSTM深度学习算法基于加速度计和心率数据估算儿童睡眠和睡眠分期的准确性，并与金标准多导睡眠图进行一致性验证	5至12岁儿童（N=238，52.8%男性，50%黑人，31.9%白人），因疑似睡眠障碍被转诊参与过夜实验室多导睡眠图监测	机器学习	睡眠障碍	加速度计（ActiGraph GT9X）、消费级可穿戴设备（Apple Watch Series 7、Fitbit Sense、Garmin Vivoactive 4）、心率监测、多导睡眠图（PSG）	LSTM	时间序列信号数据（加速度计原始数据和心率数据）	238名儿童，每30秒一个epoch进行分析，采用10折交叉验证	NA	LSTM	准确率、灵敏度、特异度、混淆矩阵	NA
1274	2026-09-21	Deep learning-based image enhancement for improved black blood imaging in brain metastasis 2026-Feb, European radiology IF:4.7Q1 DOI:10.1007/s00330-025-11920-7 PMID:40781512	研究论文	评估基于深度学习的图像增强技术对3D对比增强T1加权黑血MR成像在脑转移瘤检测中图像质量和诊断性能的改善作用	首次评估商用深度学习图像增强软件在3D对比增强T1加权黑血MR成像中对脑转移瘤（尤其是小于5mm的小病灶）检测灵敏度的提升效果	回顾性研究设计，仅使用单一商用DL软件，样本量相对有限（247例患者），未进行多中心外部验证	评估基于深度学习的图像增强对3D对比增强T1加权黑血MR成像在脑转移瘤诊断中图像质量和诊断性能的提升效用	126例有脑转移瘤患者和121例无脑转移瘤患者，均接受3-T MRI检查	医学影像分析	脑转移瘤	3D对比增强T1加权黑血MR成像，深度学习图像增强后处理	CNN	图像	247例患者（126例有脑转移瘤，121例无脑转移瘤）	NA	NA	信噪比, 对比噪声比, 灵敏度, 特异度, 假阳性计数, 图像质量评分	NA
1275	2026-09-21	Improving Colorectal Cancer Screening and Risk Assessment through Predictive Modeling on Medical Images and Records 2026-02, The American journal of pathology DOI:10.1016/j.ajpath.2025.09.016 PMID:41109668	研究论文	该研究利用新罕布什尔州结肠镜检查登记处的数据，开发了基于Transformer的病理图像分析模型，并结合临床记录进行多模态融合，以预测结直肠癌5年进展风险。	将针对病理图像分析的Transformer模型适应于预测5年进展风险；探索了多模态融合策略，将临床记录与深度学习提取的图像特征结合；通过训练模型预测中间临床变量来改进风险预测。	未明确提及	提高结直肠癌筛查和风险评估的准确性，通过预测建模整合医学图像和记录来改善进展风险分层。	接受结肠镜检查的患者，来自新罕布什尔州结肠镜检查登记处的纵向随访数据。	数字病理学	结直肠癌	数字病理学，深度学习	Transformer	图像，文本	未明确提及	NA	Transformer	AUC	NA
1276	2026-09-21	Semi-supervised deep learning for uterus and bladder segmentation on female pelvic floor magnetic resonance imaging with limited labeled data 2026-Feb, American journal of obstetrics and gynecology IF:8.7Q1 DOI:10.1016/j.ajog.2025.10.004 PMID:41109500	研究论文	本文提出了一种半监督深度学习框架，用于在标注数据有限的女性盆底磁共振成像中对子宫和膀胱进行分割	提出了一种新颖的半监督学习流程，结合自监督图像恢复任务进行特征提取和伪标签生成，随后在标注图像上进行监督学习并在未标注图像上进行无监督训练，仅需约60%的常规标注数据即可达到与传统方法相当的分割精度	研究样本量相对有限，仅涉及48名女性受试者，未提及外部验证数据集，可能影响模型的泛化能力	引入一种新颖的半监督学习方法，利用有限的标注数据提高盆腔磁共振成像中自动分割的准确性和效率，减少对大规模标注数据集的依赖	女性盆底磁共振成像中的子宫和膀胱	医学图像分割	盆腔器官脱垂	磁共振成像	半监督深度学习	图像	48名女性受试者的4103张磁共振图像	NA	NA	Dice相似系数, 平均表面距离, 95%豪斯多夫距离	NA
1277	2026-09-21	Evaluating the cost-effectiveness of artificial intelligence-enhanced osteoporosis screening in men and women using routine chest radiographs in South Korea 2026-Feb, JBMR plus IF:3.4Q2 DOI:10.1093/jbmrpl/ziaf187 PMID:41522667	研究论文	评估人工智能增强的骨质疏松筛查在韩国男性和女性中使用常规胸部X光片的成本效益	首次在男性和女性中评估Osteo Signal模型（韩国人群开发的深度学习模型）的成本效益，而先前仅评估女性	模型假设和输入参数的不确定性可能影响结果，未考虑长期随访数据	评估AI辅助胸部X光片机会性筛查骨质疏松的成本效益	韩国50岁及以上成年人	医学影像分析	骨质疏松	深度学习	深度学习模型	图像	每10000名成年人模拟	NA	NA	增量成本效果比（ICER）、质量调整生命年（QALY）、生命年	NA
1278	2026-09-21	Computational frameworks for enhanced extracellular vesicle biomarker discovery 2026-Feb, Experimental & molecular medicine DOI:10.1038/s12276-025-01622-x PMID:41535547	综述	本文综述了利用人工智能等先进计算框架整合多源数据以增强细胞外囊泡生物标志物发现的计算策略	提出了一个综合计算框架，整合疾病特异性组学、细胞外囊泡、蛋白质定位、组织特异性、药物、模型系统和免疫数据库等多源数据，并利用人工智能驱动的蛋白质结构和理化性质预测来优化生物标志物候选物，确保与现有检测系统的兼容性	作为综述文章，未提供原始实验数据或具体的性能评估结果	加速细胞外囊泡研究从发现到临床应用的转化，增强精准医学	细胞外囊泡生物标志物	机器学习	NA	多组学整合、蛋白质结构预测	机器学习、深度学习	多组学数据、蛋白质数据、药物数据、免疫数据	NA	NA	NA	预测性能、生物学合理性、临床实用性	NA
1279	2026-09-21	Predicting functional topography of the human visual cortex from cortical anatomy at scale 2026-Jan-30, bioRxiv : the preprint server for biology DOI:10.1101/2025.11.27.690210 PMID:41394692	研究论文	本文介绍了一种基于深度学习的应用程序，仅从皮层解剖结构预测人类视觉皮层的功能性拓扑组织，并在大规模数据集上验证了其有效性和广泛应用	提出了一种仅依赖皮层解剖结构即可预测个体特异性视觉皮层功能性拓扑的深度学习方法，克服了传统功能神经影像资源密集和群体图谱精度不足的局限	摘要未明确提及研究的局限性	从皮层解剖结构预测人类视觉皮层的功能性拓扑组织，实现可扩展的、基于解剖的功能性脑映射	人类视觉皮层	神经影像, 深度学习	NA	结构磁共振成像	深度学习	解剖影像	11,060 个解剖扫描	NA	NA	NA	NA
1280	2026-09-21	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	本文利用基于深度学习的分割技术，在纳米尺度分辨率下重建了人类中央凹视网膜的全部细胞和突触连接，并进行了全面的连接组学分析	首次获得了人类中枢神经系统结构的完整连接组，发现了非人灵长类中不存在的新的突触通路，揭示了人类三色觉视觉的独特神经回路，并展示了人工智能计算方法在推进人类大脑结构与功能理解方面的潜力	NA	获取人类中央凹视网膜的完整连接组，揭示人类中央凹神经细胞和回路的组织结构与连接模式	人类中央凹视网膜样本	数字病理学	NA	深度学习分割，纳米尺度连接组重建，生物物理建模	深度学习	图像	约3000个细胞，分为51种不同的形态类型	NA	NA	NA	NA