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	2026-08-23	Using deep learning to identify brain networks mediating cognitive and motor impairments in alcohol use disorder 2026-May-26, Translational psychiatry IF:5.8Q1 DOI:10.1038/s41398-026-04101-7 PMID:42185254	研究论文	利用深度学习框架分析静息态功能磁共振成像和神经心理学测试数据，识别酒精使用障碍相关的脑网络，并揭示其介导认知和运动障碍的神经机制	提出一种数据驱动的深度学习框架，将脑连接与神经心理功能对齐，形成功能单元，并结合中介分析识别特定脑网络（如颞叶注意力网络和感觉运动网络）在酒精使用障碍对认知和运动功能影响中的完全中介作用，且在独立HIV数据集上验证	未明确提及局限性，但可能包括样本特定性和模型解释性等潜在问题	基于功能性脑影像和神经心理测量区分酒精使用障碍患者与对照组，并识别酒精使用障碍相关功能障碍的机制	酒精使用障碍患者及健康对照者，以及作为独立验证的HIV感染者（伴或不伴酒精使用障碍）	机器学习	酒精使用障碍	静息态功能磁共振成像	深度学习模型（具体为时间注意力网络）	功能磁共振成像数据和神经心理测试分数	6105个区域间连接和16项认知及运动表现评分	NA	时间注意力网络	分类准确率、中介分析统计指标	NA
1262	2026-08-23	DGAT: a dual-graph attention network for inferring spatial protein landscapes from transcriptomics 2026-May-21, Nature communications IF:14.7Q1 DOI:10.1038/s41467-026-73114-z PMID:42168176	研究论文	开发了一种名为DGAT的双图注意力网络，用于从空间转录组数据推断空间蛋白质表达图谱	构建了整合转录组、蛋白质组和空间信息的异构图，并通过图注意力网络编码，采用任务特定解码器从共享潜在表征中重建mRNA并预测蛋白质丰度	文中未明确提及局限性	从空间转录组数据推断空间蛋白质表达，以弥合转录组与蛋白质组之间的差距，并实现仅基于转录组的蛋白质水平解读	空间转录组和蛋白质组数据集	数字病理学	不适用	空间转录组学	图注意力网络	基因表达数据	公共和内部数据集	不适用	图注意力网络	蛋白质推断准确性	不适用
1263	2026-08-23	HELIX: a scalable model for predicting context-dependent regulation of RNA splicing and isoform usage 2026-05, Nature computational science IF:12.0Q1 DOI:10.1038/s43588-026-00988-w PMID:42156927	研究论文	开发了HELIX，一个分层深度学习框架，整合前体mRNA序列和RNA结合蛋白表达谱，同时预测组织特异性和条件特异性的剪接模式及转录本异构体使用情况	首次整合短读长和长读长RNA测序数据训练，实现同时预测差异剪接事件、剪接强度及异构体使用，并支持通过迁移学习适应单细胞RNA测序数据	摘要未提及局限性信息	预测依赖上下文（组织和条件）的RNA剪接和异构体使用，并应用于疾病研究	RNA剪接模式、转录本异构体、剪接数量性状位点、患者特异剪接失调、细胞类型特异异构体	机器学习、计算生物学	结肠癌	RNA测序（短读长和长读长）	深度学习（分层框架）	序列数据（pre-mRNA）和表达谱数据	未明确	未明确	未明确	准确性（精度）、差异剪接预测能力、剪接强度预测、异构体使用预测	未明确
1264	2026-08-23	Light-XAI: a CADx for explainable cervical cancer detection via attention-based lightweight convolutional neural networks and layer-wise feature fusion 2026-Apr-10, BioData mining IF:4.0Q1 DOI:10.1186/s13040-026-00540-6 PMID:41963932	研究论文	本文提出了一种名为Light-XAI的轻量级可解释人工智能系统，用于通过注意力机制和层间特征融合进行宫颈癌分类	将自注意力机制集成到轻量级CNN中，利用局部梯度加权类激活映射进行决策解释，并从两个深层提取特征进行融合	未提及局限性	开发一个可解释的CADx系统，以提高宫颈癌诊断的准确性和效率	宫颈癌的Pap涂片图像	计算机视觉, 数字病理学	宫颈癌	Pap涂片图像分析	CNN, 自注意力机制	图像	SIPaKMeD和Mendeley液基细胞学数据集	未提及	轻量级CNN, Grad-CAM	准确率	未提及
1265	2026-08-23	Deep learning-driven recognition of panoramic tumor microenvironment features in H&E sections and its application 2026-Apr-09, Journal for immunotherapy of cancer IF:10.3Q1 DOI:10.1136/jitc-2025-014429 PMID:41956540	综述	本文综述了深度学习驱动的H&E切片全景肿瘤微环境特征识别及其临床应用的最新进展	系统性地总结了深度学习在H&E切片中识别全景肿瘤微环境特征的技术进展，并讨论了其转化潜力和当前局限	当前技术在肿瘤学和临床应用中仍存在转化挑战和局限性，但具体细节未在摘要中详述	综述深度学习驱动的全景肿瘤微环境特征识别技术及其在肿瘤研究和临床应用中的价值	H&E染色的组织切片中的肿瘤微环境特征，包括肿瘤细胞、基质细胞、免疫细胞和血管网络	数字病理学	肿瘤	H&E染色、全切片成像	深度学习模型	病理图像	NA	NA	NA	NA	NA
1266	2026-08-23	The Application of a Deep Learning Algorithm for the Segmentation of Retinal Nerve Fiber Layer Across Different Optic Neuropathies 2026-Apr-06, Translational vision science & technology IF:2.6Q2 DOI:10.1167/tvst.15.4.7 PMID:41960956	研究论文	本研究开发并验证了一种名为RNFL-Net的深度学习算法，用于在不同视神经病变（包括青光眼和视盘水肿）的OCT扫描中自动分割视网膜神经纤维层，并与标准OCT设备相比提高了测量准确性。	提出了一种专门用于OCT B扫描中视网膜神经纤维层分割的深度学习算法RNFL-Net，该算法在预处理后自动去除血管，并在多种视神经病变中实现了比标准OCT设备更高的分割精度和厚度测量准确性。	研究中外部验证数据量较小（视盘水肿仅32例），且算法性能可能受限于特定OCT设备类型和扫描参数，仍需在不同设备和人群中进行更多验证。	评估深度学习算法在OCT扫描中自动分割视网膜神经纤维层的能力，以在青光眼和视盘水肿等视神经病变中提高厚度测量的准确性。	研究对象包括健康对照眼、视盘水肿眼和青光眼患者的视网膜OCT B扫描图像。	计算机视觉	青光眼, 视神经病变	光学相干断层扫描（OCT）	深度学习分割模型（RNFL-Net）	OCT图像	训练和验证集包含1065张OCT B扫描（来自106只健康眼、118只视盘水肿眼、60只青光眼），测试集265张，外部验证包含157例青光眼和32例视盘水肿。	NA	RNFL-Net（具体架构未在标题和摘要中指定）	Dice系数, 平均绝对误差（MAE）, 平均绝对百分比误差（MAPE）	NA
1267	2026-08-23	AI-powered surveillance of bronchiolitis in the Nirsevimab era: comparative performance of machine learning, deep learning, and large language models on free-text ED records 2026-03-10, BMC emergency medicine IF:2.3Q1 DOI:10.1186/s12873-025-01468-6 PMID:41807959	研究论文	本研究比较了机器学习、深度学习和大型语言模型在急诊电子健康记录自由文本中分类细支气管炎诊断的性能，并评估了官方ICD-9编码的准确性。	首次直接比较大型语言模型、深度学习和多种传统机器学习模型在Nirsevimab时代细支气管炎监测中的应用。	未明确说明研究的局限性，但可能受限于单中心数据和专家手动标注的主观性。	评估AI工具（包括ML、DL和LLM）在急诊电子健康记录自由文本中分类细支气管炎诊断的潜力，以及改进流行病学监测。	1岁以下婴儿的急诊电子健康记录，包括完整出院诊断字段。	自然语言处理	细支气管炎	自然语言处理（NLP）	随机森林、决策树、梯度提升机、线性判别分析、支持向量机、深度学习工具、GPT-5（大型语言模型）	文本数据（自由文本诊断记录）	28,557条记录（其中1,903条为细支气管炎）	NA	NA	平衡准确率、敏感性、F1分数、特异性	NA
1268	2026-08-23	A multi-metric evaluation of readability in psychiatric discharge summaries 2026-Mar-10, BioData mining IF:4.0Q1 DOI:10.1186/s13040-026-00528-2 PMID:41803909	研究论文	本研究对精神病学出院摘要的可读性进行了多维评估，比较了面向患者的出院指导与面向提供者的住院病程记录部分。	首次使用包含传统公式和深度学习模型（如ClinicalBERT、MedReadMe）的12种指标对精神病学出院摘要进行多维度可读性评估，并发现不同诊断组间的可读性差异及传统与神经指标间的分歧。	未明确提及局限性，但可能包括样本仅限于MIMIC-IV数据集，以及深度学习模型的可解释性限制。	评估精神病学出院摘要的可读性，并比较不同面向对象（患者vs提供者）及不同诊断组的文本复杂性。	精神病学出院摘要，包括出院指导和住院病程记录部分。	自然语言处理	精神疾病	NA	深度学习模型	文本	1745份出院摘要，其中880份配对包含两个部分。	NA	ClinicalBERT, MedReadMe	内部相关性，与MedReadMe和ClinicalBERT的相关性	NA
1269	2026-08-23	HyperDeepTAD: a topologically associated domains detection method based on multiway chromatin interaction data and deep learning 2026-Mar-09, BMC genomics IF:3.5Q2 DOI:10.1186/s12864-026-12738-3 PMID:41803713	研究论文	提出了一种基于多路染色质相互作用数据和深度学习的拓扑关联域检测方法HyperDeepTAD，通过超图保留高阶交互信息，利用动态卷积网络和BiGRU等结构捕捉局部特征，以获得更准确的TAD边界和层级结构。	首次利用多路染色质相互作用的超图表示，结合动态卷积网络和BiGRU来捕获高阶协同交互，超越传统Hi-C二元交互方法的局限性。	未明确提及局限性，但可能受限于数据可用性和计算复杂度。	开发一种更准确的TAD检测方法，以改善基因调控机制的理解。	拓扑关联域（TADs），基于多路染色质相互作用数据。	深度学习, 生物信息学	NA	多路染色质相互作用分析	深度卷积网络, BiGRU	染色质相互作用数据	NA	NA	动态卷积网络, BiGRU, 残差连接	边界富集度	NA
1270	2026-08-23	Multiphase CT-based deep learning radiomics nomogram models for preoperative WHO/ISUP grading of clear cell renal cell carcinoma: a two-center validation study 2026-03-09, BMC medical imaging IF:2.9Q2 DOI:10.1186/s12880-026-02268-5 PMID:41803747	研究论文	开发并验证了一种基于多期CT成像的深度学习放射组学列线图模型，用于术前预测透明细胞肾细胞癌的WHO/ISUP核分级。	将多期CT成像与机器学习相结合，整合了放射组学特征、深度学习特征和临床变量，并采用SHAP和Grad-CAM增强模型可解释性。	未在摘要中明确提及局限性。	开发一种非侵入性的术前工具，用于准确预测ccRCC的WHO/ISUP核分级，以辅助手术规划。	透明细胞肾细胞癌（ccRCC）患者。	医学影像分析、深度学习、放射组学	肾细胞癌	多期CT成像、放射组学、深度学习	深度学习模型、放射组学模型、列线图	CT图像、临床数据	1499例患者，分为训练队列（929例）、内部验证队列（398例）和外部验证队列（172例）。	未提及	DenseNet201	AUC、校准分析	未提及
1271	2026-08-23	DGM: deep graph clustering with mincut for analysis of single-cell transcriptomics 2026-Mar-09, BMC genomics IF:3.5Q2 DOI:10.1186/s12864-026-12694-y PMID:41803718	研究论文	提出深度图最小割（DGM）框架，用于单细胞转录组学的细胞类型聚类分析	联合优化高阶最小割损失、簇间正交性损失和重建约束，以捕捉复杂细胞群落并保持全局图结构	未在摘要中明确提及局限性	改进单细胞RNA测序数据的细胞类型识别聚类方法，克服当前图方法忽略高阶拓扑的局限	单细胞转录组数据（scRNA-seq）	机器学习	NA	单细胞RNA测序（scRNA-seq）	深度学习框架（自动编码器与图学习集成）	基因表达矩阵（单细胞转录组数据）	十个公共scRNA-seq数据集	NA	自动编码器与图神经网络结合	归一化互信息（NMI），调整兰德指数（ARI）	NA
1272	2026-08-23	Artificial intelligence and machine learning in non-small cell lung cancer: the current state of the science on multi-omic applications 2026-Mar-09, BMC medical research methodology IF:3.9Q1 DOI:10.1186/s12874-026-02821-4 PMID:41803732	综述	本文批判性综述了人工智能和机器学习在非小细胞肺癌多组学应用中的现状，涵盖临床验证、可解释性和伦理部署。	综合探讨了深度学习和集成方法在影像、基因组学及多模态整合中的应用，并强调超越传统诊断流程的潜力。	持久挑战包括数据集多样性不足、缺乏外部验证、模型可解释性和伦理问题。	评估AI/ML在NSCLC中的应用现状，倡导大规模跨学科合作以推进个性化医疗。	非小细胞肺癌的影像、基因组及多模态数据。	机器学习，数字病理学	肺癌	多组学技术（包括基因组学和影像学），具体技术如NGS等未详细说明，故标注为NA	深度学习模型，集成方法	临床、基因组和影像数据	NA（综述论文，未提及具体样本量）	NA（未提及具体框架）	深度学习和集成方法架构，具体如CNN、Transformer等未详细说明，故标注为NA	NA（综述未提及具体性能指标）	NA（综述未提及计算资源）
1273	2026-08-23	Preoperative prediction of perineural invasion in intrahepatic cholangiocarcinoma with interpretable machine learning based on MRI 2026-03, European journal of surgical oncology : the journal of the European Society of Surgical Oncology and the British Association of Surgical Oncology DOI:10.1016/j.ejso.2026.111450 PMID:41628547	研究论文	开发基于MRI的影像组学和深度学习的可解释模型，用于术前预测肝内胆管癌的神经周围浸润。	结合影像组学和深度学习，利用多期MRI数据，并通过Grad-CAM可视化增强模型可解释性。	未明确提及，但可能受限于样本量和回顾性设计。	开发并验证基于MRI的术前预测肝内胆管癌神经周围浸润的影像组学和深度学习模型。	肝内胆管癌患者	医学影像、深度学习、影像组学	肝内胆管癌	MRI（多期扫描）	深度学习模型（PNI-MambaNet）、影像组学模型	MRI图像	165例患者（中心1: 115训练，14验证，15内部测试；中心2: 21外部测试）	数坤AI平台	PNI-MambaNet	AUC	NA
1274	2026-08-23	A novel automated parathyroid glands detection and segmentation method in thyroidectomy 2026-Feb-13, BMC surgery IF:1.6Q2 DOI:10.1186/s12893-026-03590-z PMID:41680745	研究论文	提出了一种名为PG-AI的自动检测和分割甲状旁腺的新方法，用于甲状腺切除术中，以提高手术中的识别准确性和效率	基于YOLOX的定位子网和新型语义分割模型Trans-U-HRNet的创新结合，实现甲状旁腺的实时自动化检测和分割	文中未明确提及局限性	开发一种新的术中甲状旁腺识别方法，以提高甲状腺切除术中甲状旁腺的保存率	甲状旁腺的检测和分割	计算机视觉	甲状腺疾病	深度学习	YOLOX, Trans-U-HRNet	术中图像	976张图像来自121例患者，其中101例患者的图像按8:2随机分为训练集和内部验证集	NA	YOLOX, Trans-U-HRNet	准确率, 召回率, 识别率, 一致性	NA
1275	2026-08-23	X-SPATIO: An Explanatory Deep Learning Pipeline for the Prediction and Visualization of Spatially Resolved Biomarker Expression in Triple-Negative Breast Cancer 2026-Feb-11, bioRxiv : the preprint server for biology DOI:10.64898/2026.02.09.704587 PMID:41726881	研究论文	开发了X-SPATIO，一个基于深度学习的可解释性流水线，用于预测和可视化三阴性乳腺癌中空间分辨的生物标志物表达，通过H&E形态与空间转录组和蛋白质组数据关联。	将空间分辨的分子数据与常规组织学结合，采用多实例学习生成空间形态学注意力图，以解释预测并揭示形态-分子关联，突破了传统基于批量或聚焦面板预测的局限。	依赖GeoMx平台的空间数据，可能受限于平台成本和通量；训练样本数量和类型未明确说明，可能影响泛化性。	建立一种成本效益高的方法，通过常规H&E组织学图像推断空间生物标志物表达，支持三阴性乳腺癌的精准肿瘤学和生物学发现。	三阴性乳腺癌组织样本中的H&E染色区域和配对的空间转录组和蛋白质组数据。	计算病理学	三阴性乳腺癌	空间转录组学、空间蛋白质组学、H&E染色	多实例学习模型	组织图像、空间转录组表达数据、空间蛋白质组表达数据	未指定样本数量；使用来自GeoMx Digital Spatial Profiler的空间分辨数据	未指定，可能使用深度学习框架（如PyTorch或TensorFlow）	多实例学习架构，可能基于卷积神经网络（CNN），但未具体说明（如ResNet或Transformer）	AUC（范围[0.79, 0.97]）	未指定具体的GPU或计算资源
1276	2026-08-23	Motion-Informed 3D Deep Learning Reconstruction in Patients with Cognitive Impairment 2026-02-03, AJNR. American journal of neuroradiology DOI:10.3174/ajnr.A8977 PMID:41062184	研究论文	本研究验证了一种集成运动校正的深度学习重建方法，用于改善认知障碍患者的3D T1加权脑MRI图像质量	首次将回顾性运动校正集成到深度学习重建流程中，用于处理认知障碍患者的脑MRI运动伪影	未提及具体限制，但可能包括样本量较小、单中心或多中心验证不足等	验证一种集成运动校正的深度学习重建方法在3D T1加权脑MRI中的有效性	健康志愿者和认知障碍（记忆丧失评估）患者	医学影像	认知障碍	MRI（3D MPRAGE）	深度学习重建模型	MRI图像	41名参与者（15名女性，平均年龄58岁），154个图像体积	NA	NA	分割误差、图像质量评分（Likert量表）、运动伪影严重程度	NA
1277	2026-08-23	Clinical Validation of Deep Learning-Accelerated versus Wave-CAIPI Postcontrast 3D T1-MPRAGE for Evaluation of Intracranial Enhancing Lesions 2026-02-03, AJNR. American journal of neuroradiology DOI:10.3174/ajnr.A8992 PMID:41617400	研究论文	本研究前瞻性比较了深度学习加速的3D T1-MPRAGE与Wave-CAIPI加速序列在评估颅内强化病变中的诊断质量，结果显示DL序列非劣于Wave-CAIPI，且增强了对细微强化病变的显示。	首次将深度学习加速的3D T1-MPRAGE序列与Wave-CAIPI加速序列进行临床验证，用于颅内强化病变评估	研究为单中心、样本量有限，且未涉及所有可能的病变类型	评估深度学习加速的3D T1-MPRAGE序列在颅内强化病变评估中的诊断质量，比较其与Wave-CAIPI序列的非劣性。	接受对比增强脑MRI的门诊患者，共115例，包括肿瘤、血管病变和头痛等临床指征。	医学影像	颅内强化病变（包括肿瘤、血管病变等）	MRI（3T），深度学习重建	变分网络和改进的超分辨率算法	医学图像（3D T1-MPRAGE序列）	115例患者（68女/47男，平均年龄54±10岁）	NA	变分网络（6次迭代）和超分辨率算法	非劣性检验（15%界值），P值	NA
1278	2026-08-23	Accelerated Patient-specific Non-Cartesian Magnetic Resonance Imaging Reconstruction Using Implicit Neural Representations 2026-02-01, International journal of radiation oncology, biology, physics DOI:10.1016/j.ijrobp.2025.08.059 PMID:40915433	研究论文	开发了一种基于隐式神经表示（INR）的新型k空间生成对抗训练网络（k-GINR），用于加速非笛卡尔磁共振成像重建，并在肝脏数据集上验证其性能。	提出了k-GINR，一种两阶段的隐式神经表示网络，结合对抗训练，能够直接重建非笛卡尔k空间数据，适用于新患者，无需迭代优化，且在极高加速倍数下表现优异。	重建时间约为3分钟，虽快于NeRP和CS，但仍慢于Deep Cascade CNN（3秒），可能不适合实时应用。	开发一种能够快速、高质量重建非笛卡尔MR图像的深度学习方法，以加速磁共振采集。	非笛卡尔k空间重建，具体为StarVIBE T1加权肝脏数据（118个前瞻性采集扫描），包括线圈数据。	医学影像重建	NA	磁共振成像（MRI）	隐式神经表示（INR）	磁共振图像（非笛卡尔k空间数据）	118个患者扫描（肝脏数据）	PyTorch（推测）	生成对抗网络（GAN）结合INR	峰值信噪比（PSNR）	NA（未指定具体GPU型号）
1279	2026-08-23	Evaluation of the Diagnostic Accuracy of Cervical Cell Morphologies from Android Device-Captured Cytopathological Microscopic Images through Artificial Intelligence in Mainly Rural or Resource-Constraint Areas of India 2026-Feb-01, Asian Pacific journal of cancer prevention : APJCP DOI:10.31557/APJCP.2026.27.2.601 PMID:41660918	研究论文	本研究开发并评估了一个人工智能集成系统，用于自动检测和分类安卓设备拍摄的宫颈细胞病理显微图像，以在印度主要农村或资源受限地区实现宫颈细胞形态的快速、经济诊断	提出一个整合三种深度学习模型和一种机器学习模型的系统，专门用于从安卓手机或平板拍摄的巴氏涂片图像中自动检测和分类细胞，并在医院内部数据集上验证了其与活检金标准的相关性	研究仅基于292张医院内部巴氏涂片图像，样本量有限，且未详细说明模型在更广泛人群或多种设备上的泛化能力	开发并评估一种人工智能软件，用于自动检测和分类宫颈细胞形态，以在资源受限地区提供时间高效、成本效益高的宫颈癌诊断方法	宫颈细胞病理显微图像，包括医院内部巴氏涂片图像以及SipakMed和Herlev公开数据集	数字病理学	宫颈癌	显微成像	深度学习模型和机器学习模型	图像	292张医院内部巴氏涂片图像，以及SipakMed和Herlev公开数据集图像	NA	NA	精确度, 准确率, 交并比	NA
1280	2026-08-23	A toolkit for generating virtual brightfield images of histological and immunohistochemical stains from multiplexed data with AI-based channel selection and image enhancement 2026, Frontiers in bioinformatics IF:2.8Q2 DOI:10.3389/fbinf.2026.1765143 PMID:41878398	研究论文	介绍了一个从多重成像数据生成虚拟明场图像的通用框架，包括基于物理的染色模型、通道选择策略和深度学习增强模型，以减少额外组织制备和配准需求	首次提出结合物理染色模型、查找表或大型语言模型辅助的通道选择策略，以及深度学习上采样和去噪模型的通用虚拟明场图像生成框架，并验证了大型语言模型在通道选择中的一致性能	未明确提及局限性	开发一种从多重成像数据生成高质量虚拟明场图像的通用方法，以减少额外组织制备和图像配准需求，并保持可量化和诊断质量	多重成像数据（包括质谱流式成像和荧光多重成像）中的细胞和组织	计算病理学	不适用	多重成像（质谱流式成像、荧光多重成像）	深度学习模型（具体类型未指定，但包含上采样和去噪）	图像	未明确提及	未明确提及	未明确提及（为深度学习上采样和去噪模型）	类似于真实明场图像的质量、可量化性和诊断质量	未明确提及