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
1361	2026-08-22	The role of artificial intelligence in pre-operative prediction of completeness of cytoreduction for peritoneal surface malignancies: a scoping review 2026-04, 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.2026.111480 PMID:41740519	综述	本文是一篇范围综述，分析人工智能在腹膜表面恶性肿瘤术前预测细胞减灭术完全性中的应用	系统评估了AI在预测细胞减灭术完全性中的应用，包括模型架构、输入预测因子、性能指标和可解释性策略	仅纳入9项研究，且多数集中于卵巢癌，可解释性策略有限，缺乏现代可解释AI技术的应用	分析AI用于预测腹膜表面恶性肿瘤细胞减灭术完全性的应用情况	腹膜表面恶性肿瘤患者，包括卵巢癌、同步结直肠腹膜转移及混合型PSM	机器学习	腹膜表面恶性肿瘤	NA	深度学习框架（如DeAF）、放射组学模型	临床和影像数据	9项研究	NA	DeAF深度学习框架、放射组学-临床列线图	曲线下面积	NA
1362	2026-08-22	Molecular alterations prediction in gliomas via an interpretable deep learning model: a multicentre and retrospective study 2026-Apr, The Lancet. Digital health DOI:10.1016/j.landig.2025.100977 PMID:42115062	研究论文	本研究开发并验证了一种基于基础模型的可解释深度学习方法来预测胶质瘤的分子改变，利用常规组织病理切片直接预测关键分子事件，无需手动标注。	首次提出并验证了基于基础模型的可解释方法GMAP，用于从常规组织病理切片预测胶质瘤的分子改变，未依赖手动注释，并在多中心、回顾性研究中进行了全面验证。	研究为回顾性设计，且在外部验证集中对TERT和+7/-10的预测性能相对较低，可能受组织处理差异影响。	开发一种经济高效且可扩展的方法，以在资源有限的环境中准确、快速地识别胶质瘤的关键分子改变。	胶质瘤患者的全切片图像及相应分子特征（IDH、1p/19q共缺失、TERT、+7/-10）。	数字病理学	胶质瘤	全切片成像	基础模型	图像	开发集：877例患者的1696张全切片图像；内部测试集：88例患者的167张全切片图像；外部验证集：3147例患者的4602张全切片图像	NA	NA	接受者操作特征曲线下面积、准确率、敏感性、特异性、F1分数	NA
1363	2026-08-22	U-Net-based transfer learning for automated tumour segmentation enabling fully automated [18F]F-DOPA PET analysis in paediatric gliomas 2026-Mar-25, Brain informatics DOI:10.1186/s40708-026-00296-z PMID:41880065	研究论文	本研究评估了基于U-Net的迁移学习模型在儿童胶质瘤[18F]F-DOPA PET成像中实现全自动肿瘤分割和参数提取的可行性	利用成年人胶质瘤数据集进行迁移学习，实现了儿童胶质瘤的完全自动化PET分析流程	未提及具体限制	评估深度学习模型能否实现儿童胶质瘤肿瘤分割和PET参数提取的完全自动化，并验证其临床相关性	103名儿童胶质瘤患者（中位年龄11岁，54名女性，49名男性）的[18F]F-DOPA PET扫描数据	数字病理学	儿童胶质瘤	PET成像	U-Net	图像	103名患者	NA	U-Net	Dice分数	NA
1364	2026-08-22	Spinal disease image segmentation technology integrating U-ResNet and shape-aware attention 2026-Mar-13, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-42870-9 PMID:41820475	研究论文	本研究设计了一个端到端的深度学习模型，整合U-ResNet和形状感知注意力模块，用于脊柱疾病图像分割，以提高分割精度和临床适用性	提出了定制化的U-ResNet主干网络、形状感知注意力模块和动态加权组合损失函数，实现多尺度特征融合和轮廓先验增强，以提升复杂病理干扰下的分割性能	文中未提及明确的局限性	开发一种高性能的脊柱图像分割模型，以支持早期准确诊断和分级诊疗，减少医疗负担	脊柱疾病患者的腰椎MRI图像和VerSe数据集	数字病理学	脊柱疾病	NA	CNN（U-Net变体）	图像（MRI）	腰椎MRI数据集和VerSe数据集（具体样本数未提供）	NA	U-ResNet, 形状感知注意力机制	分类、分割和椎间盘退变分级任务的相关指标（具体未列出）	NA
1365	2026-08-22	Enhancing trustworthiness of Arabic online health information quality evaluation using an enhanced BERT architecture with PCA and ICA feature weighting 2026-Mar-06, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-43158-8 PMID:41792455	研究论文	本研究利用增强版阿拉伯语BERT架构结合PCA和ICA特征加权，评估在线健康信息的质量，以提高其可信度	提出了一种增强版阿拉伯语BERT用于医疗数据，结合PCA和ICA特征提取技术，并使用基于信息熵的修改损失函数来提升模型在文档分类中的确定性和校准能力	未明确提及，可能受限于单一数据集和特定语言（阿拉伯语）	利用深度学习方法评估在线健康信息的质量，为其可信度提供可靠评估工具	在线健康信息的质量评估，特别是阿拉伯语环境中的健康信息	自然语言处理	NA	PCA, ICA, 信息熵	BERT	文本	NA	NA	BERT	准确率	NA
1366	2026-08-22	High-resolution Annotated Dataset of Girvanella Boundstone Microfacies from the Xiannüdong Formation, China 2026-Mar-05, Scientific data IF:5.8Q1 DOI:10.1038/s41597-026-06958-1 PMID:41786785	研究论文	本研究提供高分辨率数据集，将寒武系第二统仙女洞组的Girvanella骨架灰岩岩相切片图像分割为114×114像素的瓦片，并通过点计数自动化标注微相成分，用于深度学习碳酸盐岩微相分类。	创新点在于创建了高分辨率的Girvanella骨架灰岩微相数据集，并采用点计数自动化标注方法，适用于深度学习训练。	摘要中未提及局限性。	提供可用于深度学习训练的数据集，以支持碳酸盐岩微相分类，并促进早期海洋生态系统演化及碳酸盐岩台地结构研究。	研究对象为寒武系第二系仙女洞组的Girvanella骨架灰岩微相。	数字病理学	不适用	图像分割、点计数自动化标注	不适用	图像（PNG）和CSV文件	大型岩板图像分割成114×114像素瓦片，具体样本数量未说明	不适用	不适用	不适用	不适用
1367	2026-08-22	Clinical and economic impact of deep learning-enhanced opportunistic osteoporosis screening using chest radiographs with and without the osteoporosis self-assessment tool for Asians (OSTA) 2026-Mar, Osteoporosis international : a journal established as result of cooperation between the European Foundation for Osteoporosis and the National Osteoporosis Foundation of the USA IF:4.2Q1 DOI:10.1007/s00198-026-07858-1 PMID:41563407	研究论文	本研究评估了利用深度学习增强的机会性骨质疏松筛查方法（基于胸部X光片）在50岁及以上新加坡女性中的临床和经济影响，并探讨了结合OSTA工具的附加价值	首次将深度学习增强的机会性骨质疏松筛查与OSTA工具结合进行成本效益分析，证明仅使用深度学习筛查即可有效减少骨折并增加质量调整生命年，且成本可接受	研究基于新加坡特定人群，可能不适用于其他地区或族裔；且未涵盖男性及不同年龄段人群	评估深度学习增强的机会性骨质疏松筛查（基于胸部X光片）在临床和经济上的影响，并比较单独使用深度学习与结合OSTA工具的筛查策略	50岁及以上新加坡女性，骨质疏松患者或高风险人群	医学影像分析, 深度学习	骨质疏松	胸部X光片分析	深度学习模型	胸部X光图像	未明确，但为新加坡50岁及以上女性人群	未明确	未明确	骨折发生率, 质量调整生命年(QALYs), 成本效益比	未明确
1368	2026-08-22	DynMoCo: a Novel AI Framework to Reveal Modular Substructures of Protein From Molecular Dynamics 2026-Feb-10, bioRxiv : the preprint server for biology DOI:10.64898/2026.02.08.704355 PMID:41727081	研究论文	提出DynMoCo，一种基于图卷积网络和循环模型的深度学习框架，用于从分子动力学模拟中识别蛋白质的动态模块化子结构	将社交网络分析中的动态社区检测引入分子动力学模拟分析，通过时间演化图建模分子，实现端到端的社区识别，并可整合结构知识确保物理合理性	未在摘要中提及具体限制，可能包括计算成本或对模拟类型的依赖	开发一种新方法，从高维分子动力学数据中提取可解释的蛋白质动态子结构，以揭示其功能相关的构象变化	三种整合素系统的分子动力学模拟轨迹	机器学习	NA	分子动力学模拟	图卷积网络（GCN）和循环模型	分子动力学轨迹数据	三种整合素系统	NA	图卷积网络（GCN）和循环模型	NA	NA
1369	2026-08-22	Deep Learning-Based Event Classification of Mass Photometry Data for Optimal Mass Measurement at the Single-Molecule Level 2026-02-03, ACS nano IF:15.8Q1 DOI:10.1021/acsnano.5c13074 PMID:41549613	研究论文	本文提出了一种基于三维卷积残差网络的深度学习模型，用于对质谱光度法数据进行事件分类，以实现单分子水平的最优质量测量	首次应用三维卷积残差网络分析质谱光度法事件的时空动态，以自动分类和筛选最优单分子测量事件，消除累积直方图伪影并将分辨能力提升至两倍	摘要未明确说明局限性，但未提及对极端异质样本或实时处理性能的验证	开发一种深度学习方法来分类质谱光度法中的着陆事件，以提高质量分辨率、灵敏度和浓度测量的准确性	质谱光度法中的单分子着陆事件，包括蛋白质结合/解离过程中的时空动力学数据	机器学习	NA	质谱光度法	三维卷积残差网络	质谱光度法事件缩略图（三维时空数据）	多种实验数据集，包括分辨和部分分辨的样本，以及不同质量、浓度和积分时间（具体数量未说明）	NA	三维残差网络	质量分辨率、灵敏度、浓度准确性、分辨能力	NA
1370	2026-08-22	DANEELpath open source digital analysis tools for histopathological research in neuroblastoma models 2026-Jan-24, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-37134-5 PMID:41580539	研究论文	开发了一个名为DANEELpath的开源图像分析工具包，用于神经母细胞瘤模型中的组织病理学研究，整合深度学习、数学形态学分割和空间特征提取技术	提出了一个集成了深度学习、单个及簇状细胞特定分割数学形态学管道和全切片图像空间特征提取的综合性开源工具包，且具有适应不同生物问题的通用性	未明确说明	开发用于研究三维水凝胶中神经母细胞瘤细胞动态的开源图像分析工具，以推动生物医学发现	三维生长的神经母细胞瘤细胞	数字病理学	神经母细胞瘤	NA	深度学习	全切片图像	未明确说明	NA	NA	NA	NA
1371	2026-08-22	Integrating Artificial Intelligence into metabolomics for predicting diseases 2026, Progress in molecular biology and translational science DOI:10.1016/bs.pmbts.2026.01.010 PMID:41986004	综述文章	本文全面概述了人工智能（特别是机器学习和深度学习）如何整合到代谢组学工作流程中，以克服高维复杂数据的分析挑战，并用于疾病预测和个性化医疗。	强调AI在代谢组学中的集成，通过技术框架和概念框架的讨论，以及近期案例研究，展示其在疾病预测中的最新进展。	文中未明确列出具体局限性，但可能涉及数据异质性、噪声和非线性关系的处理挑战。	探讨AI整合到代谢组学中用于疾病早期预测和个性化医疗的方法及其优势。	代谢组学数据，包括来自癌症、糖尿病及并发症、脑、心、肝、肾等疾病患者的数据。	机器学习	多种疾病（包括癌症、糖尿病、脑、心、肝、肾等疾病）	代谢组学（如质谱、NMR等，但原文未明确指出具体技术，建议标注为NA或通用代谢组学）	机器学习模型和深度学习模型	代谢组学数据（可能包括光谱、质谱等）	未提供具体样本量，涉及多种疾病研究案例	NA（未提及具体框架）	NA（未提及具体架构）	未提及具体性能指标，可能包括准确性、灵敏度等，但未明确列出，建议标注为NA	未提及具体计算资源，建议标注为NA
1372	2026-08-22	Rationale and design of a multicenter, prospective, diagnostic clinical study: A study protocol for evaluating the diagnostic validation of deep learning-based noninvasive CT-FFR for in-stent restenosis 2026, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0346723 PMID:42090388	研究论文	本研究是一项多中心、前瞻性诊断性临床试验方案，旨在评估基于深度学习的无创CT-FFR对支架内再狭窄的诊断效能	利用深度学习模型改进CT-FFR的计算效率和准确性，使其适用于支架内再狭窄的功能评估，整合解剖和功能评估	计算复杂性和处理时间较长可能限制临床实用性	建立基于深度学习的CT-FFR模型，以无创方式准确评估支架内再狭窄，并以有创FFR为参考标准验证其诊断性能	支架植入术后患者，共331例，其中250例用于模型适配，81例用于外部验证	医学影像	冠状动脉疾病，支架内再狭窄	CT-FFR（计算流体动力学结合冠状动脉CT血管成像），有创FFR	深度学习模型（基于DEEPVESSEL）	CT血管成像（CCTA）图像	331例支架植入术后患者	NA	DEEPVESSEL	敏感性，特异性，准确性，阳性预测值，阴性预测值，AUC，McNemar检验，Bland-Altman图，Spearman相关系数	NA
1373	2026-08-22	TRI-PLAN: A deep learning-based automated assessment framework for right heart assessment in transcatheter tricuspid valve replacement planning 2025-12-15, International journal of cardiology IF:3.2Q2 DOI:10.1016/j.ijcard.2025.133732 PMID:40780436	研究论文	本研究开发并验证了TRI-PLAN，一种基于深度学习的自动化评估框架，用于经导管三尖瓣置换术前的右心结构评估。	首次提出全自动、基于深度学习的框架TRI-PLAN，用于TTVR术前右心结构评估，实现自动分割、定位和参数测量，并显著提高效率。	未明确提及局限性。	开发和验证一种自动化的深度学习框架，以提高TTVR术前右心结构评估的效率和准确性。	严重三尖瓣反流患者的术前计算机断层扫描血管造影（CTA）影像。	深度学习，医学影像分析	三尖瓣反流	CTA（计算机断层扫描血管造影）	深度学习模型（DRA-Net）	CT图像（CTA影像）	140例患者的CTA扫描，共63,962个切片，分为训练队列（100例）、内部验证队列（20例）和外部验证队列（20例）。	NA	DRA-Net（双阶段右心评估网络）	Dice系数（体积和表面）、标准差、组内相关系数（ICC）、相关系数（R）、偏差、直接接受率、时间节省	未明确提及。
1374	2026-08-22	Automated coronary artery segmentation / tissue characterization and detection of lipid-rich plaque: An integrated backscatter intravascular ultrasound study 2025-12-15, International journal of cardiology IF:3.2Q2 DOI:10.1016/j.ijcard.2025.133744 PMID:40784375	研究论文	本研究评估了一种深度学习模型在自动分割冠状动脉和斑块组织特征及检测富含脂质斑块方面的可行性和诊断准确性	采用7层U-Net++深度学习模型实现冠状动脉自动分割和组织特征化，并以集成反向散射IVUS作为金标准进行验证	研究为回顾性分析，样本量有限，且模型的敏感性相对较低	评估深度学习模型在斑块分割、组织特征化和脂质丰富斑块识别方面的可行性与诊断准确性	冠状动脉斑块，包括外弹性膜、管腔、导丝伪影，以及脂质、纤维、致密纤维和钙化组织	数字病理学	冠状动脉疾病	血管内超声（IVUS），集成反向散射IVUS（IB-IVUS）	深度学习模型	IVUS图像	训练组：67例患者的1098幅IVUS图像；验证组：88例患者100根血管的1100幅IVUS图像	NA	U-Net++	相关系数R，敏感性，特异性，阳性预测值，阴性预测值，AUC	NA
1375	2026-08-22	Early detection of Alzheimer's disease progression: comparative evaluation of deep learning models 2025-12-05, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-27360-8 PMID:41350317	研究论文	该研究评估了两种3D卷积神经网络模型在基于脑部结构MRI进行阿尔茨海默病进展二元分类中的性能	比较了全容积方法和区域引导方法两种深度学习模型在AD早期检测中的应用，展示了基于神经解剖学的特征选择与简单全容积处理之间的权衡	研究仅基于ADNI数据集，需要在更多样化的临床人群中进行验证	提高阿尔茨海默病进展的预测精度，以实现早期检测和监测	阿尔茨海默病患者的脑部结构MRI扫描	计算机视觉、深度学习	阿尔茨海默病	MRI	3D卷积神经网络	图像	未明确	NA	3D CNN	验证准确率	NA
1376	2026-08-22	High Throughput Intracellular Delivery Using a 2D Cell-Squeezing Mechanoporation Device and Its Analysis by a Deep Learning Model 2025-12, Advanced healthcare materials IF:10.0Q1 DOI:10.1002/adhm.202502472 PMID:40838383	研究论文	本文设计并制造了一种基于二维细胞挤压机械穿孔的高通量微流控装置，并利用深度学习模型分析细胞内递送结果	首次采用二维垂直通孔阵列替代传统一维收缩结构，实现高通量平行单细胞递送，并通过深度学习模型自动化分析单细胞递送效果	摘要中未提及研究的局限性	开发一种高通量细胞内递送平台，并验证其效率和适用性，同时建立自动化分析系统	HeLa细胞、Jurkat细胞、原代人骨髓间充质干细胞（hMSCs）和人牙龈成纤维细胞（hGFs）	微流控、深度学习	不适用	细胞挤压机械穿孔、微流控	深度学习模型（包括实例分割模型）	显微图像	未明确样本数量，但装置含最多62,000个孔，细胞数量以百万计	未明确	实例分割网络（具体架构未明确）	细胞直径、荧光强度	未明确
1377	2026-08-22	MRI augmented with novel artificial intelligence system is equivalent to CT in glenoid imaging 2025-Nov-04, Shoulder & elbow IF:1.5Q3 DOI:10.1177/17585732251392203 PMID:41199812	研究论文	本研究对比了CT和MRI在肩关节盂影像中的应用，通过深度学习算法自动分割MRI图像，评估其能否替代CT作为首选影像学方法。	开发了一种新型深度学习算法，自动分割MRI图像，并与CT手动分割结果高度一致，证明了MRI在盂肱关节成像中可替代CT，同时提供软组织可视化和避免电离辐射的优势。	研究为回顾性设计，样本量较小，且仅涉及特定MRI序列，可能限制推广性。	评估MRI在肩关节盂成像中是否可替代CT，通过自动分割算法验证其准确性。	肩关节盂的MRI和CT图像	计算机视觉	肩关节不稳	MRI（T1脂肪抑制和VIBE arthrogram序列）、CT	深度学习算法	医学影像（MRI、CT）	39例T1脂肪抑制MRI和25例VIBE MRI关节造影图像	NA	自定义深度学习模型	DICE相似系数、Spearman相关系数	NA
1378	2026-08-22	Artificial Intelligence-Enhanced Electrocardiography for Complete Heart Block Risk Stratification 2025-Nov-01, JAMA cardiology IF:14.8Q1 DOI:10.1001/jamacardio.2025.2522 PMID:40833775	研究论文	本研究开发了一种人工智能增强心电图风险估算器（AIRE-CHB），用于预测完全性心脏传导阻滞（CHB）的发病风险	首次使用深度学习模型（残差卷积神经网络结合离散时间生存损失函数）进行CHB风险分层，优于传统的双束支传导阻滞风险标准	外部验证仅在UK Biobank志愿队列中进行，可能存在选择偏倚；C指数置信区间较宽，需进一步验证	开发AI-ECG风险估算器（AIRE-CHB）以预测新发完全性心脏传导阻滞（CHB）	完全性心脏传导阻滞（CHB）患者及高危个体	机器学习, 数字病理学	心血管疾病	心电图（ECG）	残差卷积神经网络（Residual CNN）	心电图图像/信号数据	Beth Israel Deaconess Medical Center队列：1,163,401份ECG来自189,539名患者；UK Biobank队列：50,641份ECG	未提及	残差卷积神经网络	C指数, AUROC（曲线下面积）, 调整风险比（aHR）	未提及
1379	2026-08-22	Artificial Intelligence-Based Model Exploiting Hematoxylin and Eosin Images to Predict Rare Gene Mutations in Patients With Lung Adenocarcinoma 2025-09, JCO clinical cancer informatics IF:3.3Q2 DOI:10.1200/CCI-25-00093 PMID:41004706	研究论文	本研究开发了一种基于ResNeXt101的深度学习模型，利用苏木精-伊红染色图像预测肺腺癌患者的罕见基因突变状态。	首次利用深度学习模型直接预测肺腺癌中的六种罕见基因突变，并在外部数据集和转移性癌症数据上验证了性能。	样本量相对较小，且模型对某些基因突变（如转移数据集中的部分基因）预测性能较低（AUC 0.72-0.80）。	开发高精度的深度学习模型，通过病理图像预测肺腺癌基因突变，以加速诊断并支持精准医疗。	肺腺癌患者及其苏木精-伊红染色病理图像，以及对应的基因突变状态。	数字病理学、机器学习	肺腺癌	数字病理图像分析	卷积神经网络（CNN）	图像（苏木精-伊红染色的组织病理图像）	两个队列共213名患者（队列1：144名，队列2：69名），另加一个转移性癌症数据集。	NA	ResNeXt101	AUC、准确率、精确率、召回率、F1分数	NA
1380	2026-08-22	Deep learning for disease outbreak prediction: a parallel LSTM-CNN model 2025-Aug, Journal of the Royal Society, Interface DOI:10.1098/rsif.2025.0046 PMID:40829638	研究论文	提出一种并行LSTM-CNN深度学习模型，用于疾病暴发预测的早期预警信号检测	采用并行LSTM-CNN架构，结合模拟动态系统和噪声诱导数据训练模型，以提高噪声环境下疾病暴发预测的鲁棒性	未提供具体局限性信息	开发稳健的早期预警信号模型，以在疾病成为大流行前实施预防措施	疾病暴发时间序列数据，包括模拟数据和真实世界数据（流感、COVID-19、猴痘）	机器学习	传染病	时间序列分类	LSTM-CNN并行模型	时间序列数据	未明确说明，但使用两组模拟数据集和真实世界数据（流感、COVID-19、猴痘）	NA	LSTM, CNN	性能指标未明确指定，但通常包括准确率、精确率、召回率等	NA