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
1521	2026-04-25	Clinical Relevance of Computational Pathology Analysis of Interplay between Kidney Microvasculature and Interstitial Microenvironment 2025-Feb-01, Clinical journal of the American Society of Nephrology : CJASN IF:8.5Q1 DOI:10.2215/CJN.0000000597 PMID:39714939	研究论文	利用计算病理学分析肾脏微血管与间质微环境相互作用在肾小球疾病进展中的临床相关性	首次揭示肾小管周围毛细血管与间质纤维化/肾小管萎缩区域的空间和形态特征之间的相互作用，并识别出新型数字生物标志物用于预测疾病进展	样本量有限（344例），且未在独立外部队列中验证结果	评估肾小管周围毛细血管特征与其间质微环境相互作用在肾小球疾病进展中的临床相关性，并识别新型数字生物标志物	肾小球疾病患者（包括微小病变肾病、局灶节段性肾小球硬化、膜性肾病和IgA肾病）的肾脏活检组织切片	数字病理学	肾小球疾病	深度学习模型、全玻片成像、计算病理学分析	深度学习模型、机器学习模型	病理图像	344例肾小球疾病患者（112例微小病变肾病、134例局灶节段性肾小球硬化、61例膜性肾病、37例IgA肾病）	NA	NA	NA	NA
1522	2026-04-25	Volumetric analysis of acute uncomplicated type B aortic dissection using an automated deep learning aortic zone segmentation model 2024-10, Journal of vascular surgery IF:3.9Q1 DOI:10.1016/j.jvs.2024.06.001 PMID:38851467	研究论文	基于深度学习的自动主动脉区域分割模型用于急性非复杂性B型主动脉夹层的体积分析	首次将深度学习分割模型应用于基于SVS/STS定义的主动脉区域，并实现自动体积分析	样本量有限（59例患者）且未发现主动脉生长速率与基线体积的关联，模型性能在不同区域存在差异	建立自动机器学习主动脉区域分割模型，比较不同主动脉生长速率患者的区域体积变化	急性非复杂性B型主动脉夹层（auTBAD）患者	机器学习	主动脉夹层	CT血管成像（CTA）	深度学习分割模型	CT图像	59例auTBAD患者	开源医学图像分析软件（未指定具体框架）	细分为9个主动脉区域的分割网络（未指定具体架构，如U-Net等）	Dice系数	NA
1523	2026-04-25	Deep learning-enabled high-speed, multi-parameter diffuse optical tomography 2024-07, Journal of biomedical optics IF:3.0Q2 DOI:10.1117/1.JBO.29.7.076004 PMID:39035576	研究论文	利用深度学习实现高速、多参数扩散光学层析成像，用于乳腺肿瘤表征	首次将深度学习应用于频域扩散光学层析成像的同时吸收系数和散射系数三维重建，实现高速高保真重建，将重建时间从3.8分钟缩短至0.02秒	研究仅使用模拟数据测试，实验验证仅针对两个模拟肿瘤的光学幻影，临床实际应用仍需进一步验证	开发基于深度学习的频域扩散光学层析成像技术，实现手持探头实时成像，改善乳腺肿瘤表征	乳腺组织的光学吸收系数和散射系数三维重建	机器学习	乳腺癌	频域扩散光学层析成像	深度学习模型	模拟光学数据集和实验光学幻影数据	300个模拟组织幻影用于测试，2个肿瘤模拟光学幻影用于实验验证	PyTorch	NA	均方根误差、空间相似性、异常对比度精度、串扰	NA
1524	2026-04-25	Deep learning models reveal replicable, generalizable, and behaviorally relevant sex differences in human functional brain organization 2024-Feb-27, Proceedings of the National Academy of Sciences of the United States of America IF:9.4Q1 DOI:10.1073/pnas.2310012121 PMID:38377194	research paper	利用时空深度神经网络模型揭示人类功能脑组织中可复制、可泛化且与行为相关的性别差异	首次通过时空深度神经网络模型从大规模多会话数据中揭示稳定的性别差异，并结合可解释人工智能分析将脑特征与认知能力关联，挑战了男女脑组织连续谱的观点	NA	验证人类功能脑组织中性别差异的稳健性和行为相关性	年轻成年人的功能磁共振成像数据	machine learning	NA	功能磁共振成像	时空深度神经网络	图像	约1500名20至35岁的年轻成年人	NA	时空深度神经网络	准确率、交叉验证准确率、效应量	NA
1525	2026-04-25	[Identification model of tooth number abnormalities on pediatric panoramic radiographs based on deep learning] 2023-Nov-09, Zhonghua kou qiang yi xue za zhi = Zhonghua kouqiang yixue zazhi = Chinese journal of stomatology DOI:10.3760/cma.j.cn112144-20230831-00128 PMID:37885185	研究论文	基于深度学习开发儿童全景X光片中牙齿数目异常的识别模型	首次应用ResNet-50作为骨干网络的深度学习模型，在儿科全景X光片上自动识别额外牙并定位缺失恒牙，辅助诊断牙齿数目异常	未提及限制	基于深度学习识别儿科全景X光片的牙齿数目异常	4至11岁儿童的全景X光片	计算机视觉	儿童牙齿数目异常	全景X光成像	卷积神经网络（CNN）	图像	共1707张全景X光片，其中训练集480张、验证集160张、内部测试集160张、外部测试集907张	PyTorch	ResNet-50	灵敏度、特异度、阳性预测值、阴性预测值、Kappa值	NA
1526	2026-04-25	[Deep learning-assisted construction of three-dimensional face midsagittal plane based on point clouds] 2023-Nov-09, Zhonghua kou qiang yi xue za zhi = Zhonghua kouqiang yixue zazhi = Chinese journal of stomatology DOI:10.3760/cma.j.cn112144-20230825-00110 PMID:37885192	研究论文	基于深度学习的点云三维面部中矢面自动构建方法	提出动态图配准网络（DGRNet）实现智能配准，以构建三维面部中矢面，提高临床数字设计与分析效率	仅基于无明显面部畸形的患者数据，未探索严重畸形的适用性	建立智能配准算法，自动构建三维面部中矢面，为临床数字设计与分析提供参考	临床患者的面部点云数据	计算机视觉	无特定疾病	三维点云扫描	动态图配准网络（DGRNet）	点云数据	200名临床患者（2020年10月至2022年10月收集）	NA	DGRNet	决定系数（R），角度误差	NA
1527	2026-04-25	Semantic segmentation of retinal exudates using a residual encoder-decoder architecture in diabetic retinopathy 2023-Nov, Microscopy research and technique IF:2.0Q3 DOI:10.1002/jemt.24345 PMID:37194727	研究论文	本文提出一种基于残差编码器-解码器架构的视网膜渗出物语义分割方法，用于糖尿病视网膜病变筛查	采用残差跳连接减少参数数量，并对比多种深度卷积神经网络架构，在大幅降低模型复杂度的同时保持高分割精度	未提及模型在不同成像设备或不同种族人群中的泛化能力，也未讨论实时处理能力	开发计算机辅助诊断方法以实现视网膜渗出物的自动分割，辅助糖尿病视网膜病变早期筛查	视网膜眼底图像中的渗出物病变区域	计算机视觉, 数字病理学	糖尿病视网膜病变	眼底照相	卷积神经网络, 残差网络	图像	三个基准数据库：E-ophtha, DIARETDB1, Hamilton眼科研究所黄斑水肿数据库	NA	残差编码器-解码器架构	精确率, 准确率, 灵敏度, 特异度, AUC	NA
1528	2026-04-25	Transfer learning enables predictions in network biology 2023-06, Nature IF:50.5Q1 DOI:10.1038/s41586-023-06139-9 PMID:37258680	研究论文	开发了一种基于注意力机制的深度学习模型Geneformer，通过迁移学习在限量数据场景下预测基因网络	首次将大规模预训练深度学习模型（Geneformer）应用于网络生物学，通过自监督学习编码网络层次结构，支持限量数据下的下游任务微调	NA	利用迁移学习解决基因网络预测中数据稀缺的问题，加速发现网络关键调控因子和候选治疗靶点	基因网络和单细胞转录组数据	机器学习	心肌病	单细胞转录组测序	注意力神经网络	单细胞转录组数据	约3000万单细胞转录组样本	PyTorch	Geneformer（基于Transformer架构）	预测准确性	NA
1529	2026-04-24	Deep learning-based segmentation of aneurysmal subarachnoid hemorrhage: toward accurate and scalable prognostic imaging 2026-Jul, Journal of clinical neuroscience : official journal of the Neurosurgical Society of Australasia IF:1.9Q4 DOI:10.1016/j.jocn.2026.111993 PMID:41871480	research paper	开发并评估用于动脉瘤性蛛网膜下腔出血自动分割的深度学习模型，并验证其预后价值	利用nnU-Net实现了对动脉瘤性出血（包括SAH、IPH和IVH）的自动分割，处理时间较手动减少97%，且自动分割的病灶体积预测六个月GOS的能力与手动分割相当	仅基于回顾性数据，且外部验证仅限于部分公开数据集，可能未充分涵盖不同临床场景的出血变异性	开发一种准确且可扩展的动脉瘤性出血自动分割方法，并评估其对预后预测的影响	动脉瘤性蛛网膜下腔出血、脑实质出血和脑室内出血的CT扫描图像	digital pathology	动脉瘤性蛛网膜下腔出血	CT扫描	CNN	图像	实验1: 356名患者；实验2: 530名患者；测试集: 89名出血病例	PyTorch	nnU-Net	Dice系数, 召回率, 组内相关系数类型3, 体积差异中位数, AUC	NA
1530	2026-04-24	ConvCGP: A convolutional neural network to predict genetic values of agronomic traits from compressed genome-wide polymorphisms 2026-Jun, The plant genome DOI:10.1002/tpg2.70223 PMID:42003104	研究论文	提出一种名为ConvCGP的卷积神经网络框架，用于从压缩的全基因组多态性数据预测农艺性状的遗传值	将自编码器非线性压缩与卷积神经网络预测集成于端到端可训练流水线，即使仅保留2%原始特征也能保持预测精度	未在更广泛物种或非农艺性状（如人类疾病）中验证；极端压缩可能导致信息丢失；计算资源需求未明确定量	解决高维基因组数据预测中计算负担大、训练时间长的问题	水稻和玉米的高维全基因组多态性数据	机器学习	NA	全基因组多态性分析	卷积神经网络	基因组多态性数据	水稻数据集（高维）和玉米数据集（大规模）	TensorFlow或PyTorch（推测）	自编码器和卷积神经网络	预测精度	NA
1531	2026-04-24	Machine learning and deep learning models for predicting colorectal cancer metastases: A comprehensive review 2026-Jun, European journal of radiology open IF:1.8Q3 DOI:10.1016/j.ejro.2026.100747 PMID:42022736	综述	对机器学习与深度学习模型在预测结直肠癌转移中的应用进行全面综述	系统性地比较了传统机器学习与深度学习模型（特别是卷积神经网络）在预测结直肠癌转移中的表现，着重分析了多模态数据整合和迁移学习的优势	综述关注了高质量数据集可用性、模型可解释性以及伦理问题等挑战，但未提供具体实验验证	总结机器学习与深度学习在早期预测结直肠癌转移方面的应用现状、挑战与未来方向	结直肠癌转移预测任务中使用的各类机器学习与深度学习模型	机器学习	结直肠癌	NA	CNN, LSTM, 逻辑回归, 随机森林	影像数据、临床数据、组织学数据、分子与基因组数据	NA	NA	GoogleNet, VGGNet, ResNet, U-Net	NA	NA
1532	2026-04-24	Dataset of RGB images of healthy grapevine leaves and with downy mildew, powdery mildew, Esca complex, and erineum mite symptoms 2026-Jun, Data in brief IF:1.0Q3 DOI:10.1016/j.dib.2026.112743 PMID:42023017	research paper	提供了一组健康葡萄叶及分屬四種病害的高解析度RGB图像数据集，支持植物病理学、精准葡萄栽培和计算机视觉研究	该数据集包含三个葡萄牙葡萄品种的健康叶片和四种病害叶片的原位图像，涵盖不同葡萄园环境和管理实践，提供两种分辨率（3000×3000和1024×1024像素）用于机器学习研究	未明确说明	支持植物病理学、精准葡萄栽培和计算机视觉研究，用于疾病检测/分类、品种识别、精准农业及农业机器人	健康及患病葡萄叶片的RGB图像数据集	computer vision	NA	RGB图像采集	CNN	图像	多个葡萄叶片样本，包含健康和四种病害类别	NA	三种深度学习架构（未具体说明）	NA	NA
1533	2026-04-24	Automated Classification of Cervical Spinal Stenosis Using Deep Learning on Computed Tomography Scans 2026-May-15, Spine IF:2.6Q1 DOI:10.1097/BRS.0000000000005414 PMID:40458958	研究论文	基于深度学习的CT图像自动分类颈椎管狭窄症	首次利用CT图像结合深度学习模型实现颈椎管狭窄症的自动化诊断，并与不同经验医生的诊断结果进行比较，验证了模型在资源受限环境下的替代潜力	未提及具体局限性，但可能包括样本量、数据偏倚或多中心验证不足	开发并验证基于CT的深度学习模型用于诊断颈椎管狭窄症	颈椎管狭窄症患者的CT图像	计算机视觉	颈椎管狭窄症	CT成像	Faster R-CNN和卷积神经网络	图像	未明确，但提及CT图像按8:1:1比例划分为训练集、验证集和测试集	NA	Faster R-CNN, EfficientNet-b0, DenseNet-121, ResNet-101, EfficientNet-26d	准确率、F1分数、Cohen κ系数	NA
1534	2026-04-24	Dual-model deep learning for Alzheimer's prognostication 2026-May-15, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2026.111672 PMID:41962454	研究论文	提出PROGRESS双模型深度学习框架，利用单次脑脊液生物标志物评估为阿尔茨海默病提供个性化预后估计，无需纵向临床观察	首次将单个基线CSF生物标志物转化为具有校准不确定性边界的预后估计，同时整合概率轨迹网络和深度生存模型，解决首次就诊时的治疗决策需求	NA	开发一种无需纵向临床观察即可在首次就诊时提供阿尔茨海默病预后估计的深度学习框架	阿尔茨海默病患者的脑脊液生物标志物数据，用于预测认知衰退参数和从轻度认知障碍到痴呆的转化时间	机器学习	阿尔茨海默病	CSF生物标志物检测	深度学习模型（概率轨迹网络和深度生存模型）	表格数据（CSF生物标志物测量值）	超过3000名参与者，来自43个阿尔茨海默病研究中心	NA	概率轨迹网络，深度生存模型	校准不确定性边界覆盖率，生存预测性能（与Cox比例风险、随机生存森林、梯度提升等方法比较），风险分层转换率差异	NA
1535	2026-04-24	LCPBert: ProtBERT-based early-stage lung cancer prediction from T cell receptor beta sequences 2026-May-15, iScience IF:4.6Q1 DOI:10.1016/j.isci.2026.115581 PMID:42023149	研究论文	开发了基于ProtBERT的LCPBert框架，通过外周血T细胞受体β序列实现肺癌早期检测	首次将ProtBERT应用于T细胞受体β序列分析以实现肺癌早期无创检测，并引入肺癌风险指数（LCRI）进行风险分层和转移预测	未提及具体局限性	利用深度学习从外周血TCRβ序列中实现肺癌早期检测	外周血T细胞受体β序列及肿瘤组织TCR序列	自然语言处理, 机器学习	肺癌	TCRβ测序	Transformer (ProtBERT)	序列数据	未明确提及样本数量，包含训练队列、外部验证队列（健康供体、良性肺结节、肺癌患者）及纵向队列	NA	ProtBERT	AUC, 敏感性, 特异性	NA
1536	2026-04-24	SCAR-Net-assisted ultrasound diagnosis of postoperative scars and recurrent lesions in breast cancer 2026-May-15, iScience IF:4.6Q1 DOI:10.1016/j.isci.2026.115550 PMID:42023157	研究论文	介绍SCAR-Net深度学习模型，用于超声区分乳腺癌术后疤痕组织和复发病灶	提出结合疤痕-复发特征增强器和边界敏感注意力网络的SCAR-Net模型，显著提升了影像科医生的诊断性能	NA	利用深度学习模型提高乳腺癌术后疤痕与复发病灶的超声鉴别准确性	乳腺癌术后患者的疤痕组织和复发病灶	医学影像分析	乳腺癌	超声成像	深度学习	超声图像	来自四家医院的5710名患者的34376张超声图像	NA	SCAR-Net	AUC、灵敏度、特异度、Dice系数	NA
1537	2026-04-24	Development and validation of a multimodal deep learning model for early esophageal squamous neoplasia detection and invasion depth prediction 2026-May, Endoscopy IF:11.5Q1 DOI:10.1055/a-2780-0974 PMID:41468904	研究论文	开发并验证一种用于早期食管鳞状细胞癌检测和浸润深度预测的多模态深度学习模型	提出特征级融合的多模态算法MUMA-EDx，结合放大内镜和超声内镜成像，显著优于单模态模型，并在浸润深度分类中达到专家水平	模型在浸润深度分类的前瞻性测试中AUC有所下降（0.80 vs 0.95），可能受限于样本多样性和外部验证条件	提高早期食管鳞状细胞癌的诊断准确性和浸润深度评估能力	食管鳞状细胞癌患者的放大内镜和超声内镜图像	计算机视觉	食管癌	放大内镜、超声内镜	深度学习	图像	回顾性数据集358例患者（18420张图像），前瞻性数据集122例患者（8711张图像）	PyTorch	TResNet_m	受试者工作特征曲线下面积、准确率、灵敏度、特异度、阳性预测值、阴性预测值	NA
1538	2026-04-24	Artificial intelligence for diagnosis and triage in oral cancer: a clinician‑centered narrative review 2026-May, International journal of clinical oncology IF:2.4Q3 DOI:10.1007/s10147-026-03002-5 PMID:41817640	综述	本叙述性综述聚焦人工智能在口腔癌诊断与分诊中的临床应用，涵盖临床影像、放射学、光学成像和数字病理等多模态技术	以临床医生为中心视角，系统整合口腔鳞状细胞癌诊疗全流程（病灶分诊、淋巴结转移预测、切缘评估、病理诊断）的AI应用，强调前瞻性设计、外部验证和临床可解释性	依赖PubMed收录的英文文献，可能遗漏非索引来源的重要研究；多数研究缺乏严格的前瞻性验证；性能在分布外图像和真实伪影下仍会下降	评估AI技术在口腔癌早期诊断、分诊及临床决策支持中的现状与实施挑战	口腔鳞状细胞癌及口腔潜在恶性病变	数字病理	口腔癌	NA	深度学习, 放射组学	临床照片, CT影像, MRI影像, PET影像, 高光谱空间频域成像, OCT图像, 全切片病理图像	NA	NA	NA	诊断准确率, 泛化性能	NA
1539	2026-03-15	Correction: Development and validation of a multimodal deep learning model for early esophageal squamous neoplasia detection and invasion depth prediction 2026-May, Endoscopy IF:11.5Q1 DOI:10.1055/a-2832-9144 PMID:41825460	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
1540	2026-04-24	An integrated microfluidic system for automatic and self-validated analysis of cervical extracellular vesicle markers PD-L1 and ERBB3 2026-May, Analytical sciences : the international journal of the Japan Society for Analytical Chemistry IF:1.8Q3 DOI:10.1007/s44211-026-00871-8 PMID:41838284	研究论文	提出一种集成微流控系统，用于自动且自我验证地分析宫颈细胞外囊泡标志物PD-L1和ERBB3	集成了基于深度学习的YOLOv8自我验证检测策略，实现了芯片上同时处理测试样本和阳性样本的平行分析，显著提高了检测可靠性，且检测限达15.56颗粒/微升	未明确提及	开发一种快速、精准的非侵入性液体活检方法，用于妇科恶性肿瘤的早期诊断	宫颈癌相关的细胞外囊泡标志物PD-L1和ERBB3	数字病理学	宫颈癌	微流控芯片、细胞外囊泡分离	CNN	图像	四种细胞系（SiHa, C33A, HeLa, H8）	NA	YOLOv8	检测限	NA