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
121	2026-04-05	Artificial Intelligence-Assisted reflectance confocal microscopy for Real-Time intraoperative margin assessment in oral squamous cell carcinoma 2026-Apr-02, Oral oncology IF:4.0Q2 DOI:10.1016/j.oraloncology.2026.107939 PMID:41932031	研究论文	本研究评估了人工智能驱动的反射共聚焦显微镜模型在口腔鳞状细胞癌中的诊断性能，旨在开发用于术中即时检测的平台	首次将人工智能模型与反射共聚焦显微镜结合，用于口腔鳞状细胞癌的实时术中切缘评估，并实现了高精度的诊断性能	研究依赖于特定数据集和Google Cloud平台，可能限制了模型的泛化能力和实际部署的灵活性	开发一种准确、快速、非侵入性的方法，用于口腔鳞状细胞癌的诊断和术中切缘评估	口腔鳞状细胞癌患者	数字病理学	口腔鳞状细胞癌	反射共聚焦显微镜	深度学习模型	图像	4,090张注释的反射共聚焦显微镜图像（1,998张良性，2,092张恶性）	Google Cloud Vertex AI Automated Machine Learning (AutoML) Vision	NA	AUC-PR, AUC-ROC, 灵敏度, 特异性, 准确率, 阳性预测值, 阴性预测值	Google Cloud Vertex AI平台
122	2026-04-05	AI-based methods for simulating, sampling, and predicting protein ensembles 2026-Apr-02, Current opinion in structural biology IF:6.1Q1 DOI:10.1016/j.sbi.2026.103251 PMID:41932144	综述	本文综述了基于AI的蛋白质集合模拟、采样和预测方法的最新研究进展	强调了通过模型训练、模拟和推理的闭环来克服训练数据可用性挑战，并推动下一代模型发展	当前方法的技术成熟度尚需现实评估，且训练数据可用性存在挑战	推动基于AI的蛋白质集合预测技术发展	蛋白质集合	机器学习	NA	NA	生成模型	NA	NA	NA	NA	NA	NA
123	2026-04-05	GFETM: Genome foundation-based embedded topic model for scATAC-seq modeling 2026-Apr-02, Cell systems IF:9.0Q1 DOI:10.1016/j.cels.2026.101563 PMID:41932342	研究论文	提出一种结合基因组基础模型和嵌入主题模型的深度学习框架GFETM，用于分析单细胞ATAC-seq数据	首次将基因组基础模型的序列嵌入与嵌入主题模型结合，利用开放染色质区域的序列特征提升建模准确性和泛化能力	未明确说明模型在更大规模或更多样本类型中的泛化性能	提升单细胞ATAC-seq数据的分析准确性和可解释性	单细胞ATAC-seq数据	基因组学，深度学习	肾脏糖尿病	scATAC-seq	嵌入主题模型，基础模型	DNA序列数据，单细胞染色质可及性数据	NA	NA	GFETM（基因组基础嵌入主题模型），ETM	准确性，泛化能力	NA
124	2026-04-05	Reconstruction of blood flow velocity with deep learning information fusion from spectral ct projections and vessel geometry 2026-Apr, Computer methods in biomechanics and biomedical engineering IF:1.7Q3 DOI:10.1080/10255842.2024.2423883 PMID:39512150	研究论文	本文研究了一种基于深度学习信息融合的新方法，从增强X射线投影和血管几何中重建变形血管内的血流速度	提出了一种结合Radon投影和血管网格的线性或非线性降维技术，通过信息融合重建血流速度场，优于简单的PCA-net方法	NA	开发一种深度学习重建方法，用于从X射线投影和血管几何中准确估计血流速度	变形血管内的血流速度场	计算机视觉	心血管疾病	对比增强X射线投影	深度学习神经网络	图像投影数据、血管网格数据	NA	NA	多种神经网络架构	准确性	NA
125	2026-04-05	Deep Learning Model for Histologic Diagnosis of Dysplastic Barrett's Esophagus: Multisite Cohort External Validation 2026-Apr-01, The American journal of gastroenterology DOI:10.14309/ajg.0000000000003495 PMID:40267276	研究论文	本研究通过多中心队列外部验证，评估了一个深度学习模型在巴雷特食管异型增生组织学诊断中的性能	首次在多中心外部队列中验证了用于巴雷特食管异型增生分级的深度学习模型，并采用集成方法结合YOLO模型和ResNet101分类器	研究样本量相对有限（489张全切片图像），且主要基于学术中心的样本，可能无法完全代表社区病理学家的诊断环境	提高巴雷特食管异型增生的诊断准确性，减少观察者间变异性和过度诊断	巴雷特食管患者的组织学全切片图像，包括非异型增生、低级别异型增生和高级别异型增生	数字病理学	巴雷特食管	组织学染色、全切片图像数字化	深度学习模型	图像	489张全切片图像（232例非异型增生，117例低级别异型增生，140例高级别异型增生）	NA	YOLO, ResNet101	灵敏度, 特异性, F1分数	NA
126	2026-04-05	Structure-Preserving Two-Stage Diffusion Model for CBCT Metal Artifact Reduction 2026-Apr, IEEE transactions on medical imaging IF:8.9Q1 DOI:10.1109/TMI.2025.3628764 PMID:41187053	研究论文	本文提出了一种用于CBCT金属伪影减少的两阶段扩散模型，强调结构保留和领域泛化	采用两阶段扩散框架，结合结构感知扩散模型和分割引导采样策略，以提取无伪影边缘图作为结构先验，并利用IOS与CBCT融合数据监督训练，提升对真实世界数据的泛化能力	未明确说明模型在极端金属植入物情况下的性能或计算效率限制	减少CBCT中的金属伪影，同时保留牙齿解剖结构	CBCT图像，特别是受金属植入物影响的牙齿区域	计算机视觉	牙科疾病	CBCT, 口腔内扫描(IOS)	扩散模型	图像	NA	NA	扩散模型	NA	NA
127	2026-04-05	Efficient Large-Deformation Medical Image Registration via Recurrent Dynamic Correlation 2026-Apr, IEEE transactions on medical imaging IF:8.9Q1 DOI:10.1109/TMI.2025.3630584 PMID:41201925	研究论文	提出了一种基于循环动态相关性的高效大变形医学图像配准框架	通过循环动态重定位匹配区域来高效捕获大变形所需的长距离对应关系，并采用轻量级循环更新模块和特征解耦来抑制语义冗余	NA	解决大变形医学图像配准中的效率与精度挑战	医学图像（脑部MRI和腹部CT）	医学影像分析	NA	深度学习图像配准	卷积网络，循环网络	图像	NA	NA	基于循环相关的框架	精度，计算量（FLOPs），运行速度	NA
128	2026-04-05	FunOTTA: On-the-Fly Adaptation on Cross-Domain Fundus Image via Stable Test-Time Training 2026-Apr, IEEE transactions on medical imaging IF:8.9Q1 DOI:10.1109/TMI.2025.3631049 PMID:41212692	研究论文	提出一种名为FunOTTA的新型眼底图像测试时适应框架，用于解决跨域眼底图像诊断中的领域偏移问题	通过动态内存库去歧义化减少有害先验知识偏差，并引入基于可靠类别条件估计和一致性正则化的增量适应训练目标	仅在两种疾病的跨域眼底图像基准上进行了实验验证，未涵盖更广泛的眼科疾病类型	提升深度学习模型在跨域眼底图像诊断中的泛化能力	眼底图像	计算机视觉	眼科疾病	深度学习	CNN	图像	NA	PyTorch	ResNet, VGG, Transformer	准确率, AUC	NA
129	2026-04-05	Self-Paced Learning for Images of Antinuclear Antibodies 2026-Apr, IEEE transactions on medical imaging IF:8.9Q1 DOI:10.1109/TMI.2025.3637237 PMID:41296939	研究论文	提出一种用于抗核抗体图像检测的自适应学习框架，以处理多实例多标签学习任务	引入基于人类标注逻辑的实例采样器、概率伪标签分发器和自步学习权重系数，实现无需手动预处理的端到端优化	未提及框架在更广泛临床环境或不同成像设备下的泛化能力验证	自动化抗核抗体检测以辅助自身免疫性疾病诊断	抗核抗体荧光图像	计算机视觉	自身免疫性疾病（如狼疮、干燥综合征、硬皮病）	荧光显微镜成像	深度学习框架	图像	一个ANA数据集和三个公共医学MIML基准数据集	未明确指定	未明确指定	F1-Macro, mAP, Hamming loss, one-error	NA
130	2026-04-05	Artificial intelligence-driven 3-dimensional simulation system for enhanced preoperative planning in gastric cancer surgery: a retrospective validation study 2026-04, Journal of gastrointestinal surgery : official journal of the Society for Surgery of the Alimentary Tract IF:2.2Q2 DOI:10.1016/j.gassur.2025.102295 PMID:41371602	研究论文	本研究开发了一种基于人工智能的3D模拟系统，用于胃癌手术的术前规划，通过深度学习模型自动分割腹部器官和检测血管	结合AI模型自动识别动态胃器官的解剖结构，生成3D图像以可视化胃、周围器官和血管之间的位置关系，这在胃癌手术规划中较为少见	研究为回顾性验证，样本量较小（51例），且未在实时手术环境中进行前瞻性测试	创建3D模拟系统以辅助胃癌手术的术前规划，提高手术精确性和安全性	胃癌患者的术前增强CT图像，用于分割腹部器官（如胃、胰腺）和检测血管结构	数字病理	胃癌	对比增强CT成像	深度学习模型	CT图像	51例胃癌患者	NA	NA	结构检测置信度评分（5点量表），可靠性评分	NA
131	2026-04-05	Association Between Computed Tomography-Based AI-Derived Body Composition and Survival in Patients With Pancreatic Ductal Adenocarcinoma 2026-Apr-01, The American journal of gastroenterology DOI:10.14309/ajg.0000000000003896 PMID:41428798	研究论文	本研究探讨了基于CT的AI衍生身体成分参数与胰腺导管腺癌患者总生存期之间的独立关联	利用经过验证的深度学习分割算法从诊断性CT扫描中自动评估身体成分，并分析其与不同治疗亚组患者生存结局的关系	回顾性研究设计可能引入选择偏倚，且研究结果需在前瞻性队列中进一步验证	优化胰腺导管腺癌患者的治疗策略，通过身体成分评估改善临床决策	胰腺导管腺癌患者	数字病理学	胰腺癌	计算机断层扫描	深度学习	医学图像	1666名胰腺导管腺癌患者（其中手术切除亚组509人，姑息性全身治疗亚组439人，未接受肿瘤靶向治疗亚组718人）	NA	NA	风险比, 95%置信区间, P值	NA
132	2026-04-05	A Wireless, Battery-Free Artificial Throat Patch with Deep Learning for Emotional Speech Recognition 2026-Apr, Advanced science (Weinheim, Baden-Wurttemberg, Germany) DOI:10.1002/advs.202516617 PMID:41603116	研究论文	本文提出了一种无线、无电池的人工喉贴片系统，结合深度学习技术，用于同时识别语音和情感	开发了集成碳纳米管薄膜应变传感器和微型柔性印刷电路板的无线无电池人工喉贴片系统，首次实现了语音与情感的同步识别	未提及具体样本量或临床验证范围，可能限制其普遍适用性	为失声患者开发一种能够识别语音和情感的辅助通信技术	失声患者或语音障碍人群	机器学习	语音障碍	碳纳米管薄膜应变传感，近场通信	混合深度学习架构	喉部信号传感器读数	NA	NA	混合深度学习架构	NA	智能手机链接系统，低功耗电子组件
133	2026-04-05	Accurate predictions of disordered protein ensembles with STARLING 2026-Apr, Nature IF:50.5Q1 DOI:10.1038/s41586-026-10141-2 PMID:41708867	研究论文	本文介绍了STARLING框架，该框架结合了基于物理的力场和多模态生成式深度学习，用于快速生成准确的本征无序蛋白（IDR）构象集合及其序列表示	将基于物理的力场与多模态生成式深度学习相结合，开发了能够快速生成IDR构象集合的框架，并支持离子强度等环境条件调节，以及通过贝叶斯最大熵重加权方案在实验约束下进行集合优化	NA	开发一个能够快速生成准确IDR构象集合并支持多种下游应用的框架，以降低计算研究IDR功能的门槛	本征无序蛋白和区域（IDRs）	机器学习	NA	基于物理的力场，多模态生成式深度学习	生成式深度学习模型	蛋白质序列	NA	NA	NA	NA	NA
134	2026-04-05	Cell Instance Segmentation: The Devil Is in the Boundaries 2026-Apr, IEEE transactions on medical imaging IF:8.9Q1 DOI:10.1109/TMI.2025.3621093 PMID:41086066	研究论文	本文提出了一种名为Ceb的新型像素聚类方法，用于细胞实例分割，通过利用细胞边界特征和标签来划分前景像素	提出Ceb方法，利用细胞边界特征和标签进行像素聚类，解决了传统像素级目标可能丢失细胞几何属性（如形状、曲率和凸性）的问题	NA	改进细胞实例分割的像素聚类方法，以更准确地识别细胞实例	细胞实例分割中的前景像素	计算机视觉	NA	深度学习语义分割	NA	图像	六个数据集	NA	NA	NA	NA
135	2026-04-05	An Alignment and Imputation Network (AINet) for Breast Cancer Diagnosis With Multimodal Multi-View Ultrasound Images 2026-Apr, IEEE transactions on medical imaging IF:8.9Q1 DOI:10.1109/TMI.2025.3625254 PMID:41134947	研究论文	本文提出了一种用于乳腺癌诊断的新型对齐与插补网络（AINet），通过整合多模态多视图超声图像，解决现有方法在处理缺失模态或视图时的局限性	提出了一种结合对齐与插补预训练及分层融合微调的网络，首次通过跨模态对比学习对齐特征，并模拟缺失模态场景进行插补，增强了模型对多模态多视图数据的鲁棒性	未明确说明模型在极端缺失情况下的性能边界或计算效率，且可能依赖于特定数据集规模	开发一种能有效处理多模态多视图超声图像中缺失数据的深度学习模型，以提升乳腺癌诊断的准确性和临床适用性	乳腺癌诊断中的多模态多视图超声图像	计算机视觉	乳腺癌	超声成像	深度学习网络	多模态多视图超声图像	15,223名受试者，来自三个数据集	未指定	对齐与插补网络（AINet）	未指定具体指标，但提及显著优于现有方法	未指定
136	2026-04-05	Prompting Lipschitz-Constrained Network for Multiple-in-One Sparse-View CT Reconstruction 2026-Apr, IEEE transactions on medical imaging IF:8.9Q1 DOI:10.1109/TMI.2025.3627305 PMID:41166618	研究论文	本文提出了一种名为PromptCT的存储高效深度展开框架，用于处理多合一稀疏视图CT重建，通过引入可证明满足Lipschitz约束的网络LipNet和显式提示模块，在单一模型中处理多种稀疏采样配置	提出了可证明满足Lipschitz约束的网络LipNet，并设计了显式提示模块，使单一模型能够处理多种稀疏视图配置，同时理论上证明了算法的收敛性	未明确说明模型在极端稀疏视图情况下的性能，也未讨论在实际临床环境中对不同扫描仪和协议的泛化能力	解决稀疏视图CT重建中深度学习方法面临的理论可证明性不足和存储成本高的问题	稀疏视图CT图像重建	计算机视觉	NA	稀疏视图CT扫描	深度展开网络	CT图像	NA	NA	LipNet, PromptCT	重建质量	NA
137	2026-04-05	Smart and efficient waste management through wireless IoT-enabled deep learning 2026-Apr-01, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-43827-8 PMID:41922583	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
138	2026-04-05	A view-flexible deep learning framework for automated analysis of 2D echocardiography 2026-Apr-01, NPJ cardiovascular health DOI:10.1038/s44325-025-00100-7 PMID:41922808	研究论文	本研究开发了一种视图灵活深度学习框架，用于从包含左心室的多个超声心动图视图中自动估计左心室射血分数、患者年龄和性别	提出了一种视图灵活深度学习框架，能够处理多种超声心动图视图，降低了对图像采集专业知识的依赖，扩展了手持心脏超声的临床应用潜力	NA	开发自动化深度学习框架以分析二维超声心动图，支持左心室射血分数、年龄和性别的估计	超声心动图图像，特别是包含左心室的视图	计算机视觉	心血管疾病	超声心动图	深度学习	图像	回顾性和前瞻性经胸超声心动图数据集，涉及625名患者，其中100名患者用于专家与新手用户数据对比	NA	NA	相关系数(r), AUC	NA
139	2026-04-05	Cell-MICS: Detecting Immune Cells With Label-Free Two-Photon Autofluorescence and Deep Learning 2026-Apr, Journal of biophotonics IF:2.0Q3 DOI:10.1002/jbio.70260 PMID:41923530	研究论文	本文提出了一种结合无标记双光子自发荧光成像与深度学习的方法，用于检测免疫细胞	利用计算特异性增强无标记双光子成像，通过卷积神经网络实现免疫细胞的可靠分类，无需传统抗体标记	NA	探索多光子成像结合计算特异性在无标记组织中检测特定免疫细胞的潜力	免疫细胞，包括T细胞和中性粒细胞等六种分离细胞类型	计算机视觉	NA	无标记双光子自发荧光成像	CNN	图像	NA	NA	SqueezeNet	ROC-AUC, PR-AUC, F1分数, 精确度, 召回率	NA
140	2026-04-05	A lightweight neural model for gas concentration prediction in TDLAS under varying environmental conditions 2026-Apr-01, Spectrochimica acta. Part A, Molecular and biomolecular spectroscopy DOI:10.1016/j.saa.2026.127842 PMID:41932085	研究论文	本文提出了一种基于真菌生长优化多层感知器的轻量级深度学习模型，用于在变化环境条件下通过TDLAS系统预测气体浓度	提出了一种集成真菌生长优化算法与多层感知器的轻量级深度学习模型，能够自适应优化网络架构，以应对温度与压力变化对气体浓度测量的影响	NA	解决在温度与压力变化环境下，TDLAS系统气体浓度测量的准确性问题	气体浓度测量，特别是通过TDLAS/WMS系统在变化环境条件下的预测	机器学习	NA	TDLAS, 波长调制光谱	MLP	光谱特征数据	NA	NA	多层感知器	平均绝对百分比误差, 决定系数	NA