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	2026-08-20	Two-Stage Deep Learning Networks for Diagnosing and Staging Membranous Glomerulonephritis From Electron Microscopy Images 2026-Aug, Laboratory investigation; a journal of technical methods and pathology DOI:10.1016/j.labinv.2026.106141 PMID:42217547	研究论文	开发了一种基于视觉变换器的两阶段深度学习模型，用于从透射电子显微镜图像中检测和分期膜性肾小球肾炎	结合两阶段架构和视觉变换器，独立于疾病分期检测膜区域，然后按MN分期分类，并通过多数投票确定图像级分类，提高了准确性和临床可解释性	未提及具体的局限性信息	利用透射电子显微镜图像开发AI模型，以检测和分期膜性肾小球肾炎，提高诊断的准确性和鲁棒性	膜性肾小球肾炎患者的透射电子显微镜图像	计算机视觉	膜性肾小球肾炎	透射电子显微镜	视觉变换器	图像	包含综合数据集和独立外部数据集，具体数量未提供	未提及	视觉变换器	准确率、敏感性、特异性	未提及
1522	2026-08-20	Artificial intelligence in pediatric myopia - a narrative review 2026-Aug, Graefe's archive for clinical and experimental ophthalmology = Albrecht von Graefes Archiv fur klinische und experimentelle Ophthalmologie DOI:10.1007/s00417-026-07193-5 PMID:41879981	综述	本文综述了人工智能在儿童近视评估、预测、管理和治疗中的应用潜力	总结人工智能在儿童近视管理中的新兴趋势和未来方向，强调个性化干预和主动管理策略	未提及具体局限性	总结关于儿童近视与人工智能的现有文献，突出未来管理策略	儿童近视患者	机器学习	儿童近视	NA	机器学习、深度学习	NA	NA	NA	NA	NA	NA
1523	2026-08-20	Deep Learning-Based Positive Region Segmentation and Spatial Registration of Virtual Multiplex Immunohistochemical Whole-Slide Images 2026-Aug, Laboratory investigation; a journal of technical methods and pathology DOI:10.1016/j.labinv.2026.106139 PMID:42191021	研究论文	本研究建立了一个基于深度学习的分析框架，用于精确识别和空间重建多重免疫组化图像中的阳性区域，以促进虚拟多重染色技术。	将金字塔多尺度机制集成到U-Net架构中，结合SuperPoint特征提取、SuperGlue匹配和随机采样一致性算法实现高精度配准，并引入DINO-ViTS16-WSI算法将阳性区域映射到HE图像上进行空间重建。	未明确提及，但可能涉及数据集的局限性或模型对不同染色的通用性。	开发深度学习框架以精确分割、配准和空间重建多个免疫组化标记，支持肿瘤微环境分析和个性化治疗。	免疫组化图像中的阳性区域，包括Ki-67、TUNEL、TNF-α和ICAM-1标记。	数字病理学	肿瘤	免疫组化染色	U-Net	图像	22张HE切片、86张连续单标记IHC切片和80个小鼠肿瘤、50张Ki-67图像和100张Senaras2018DeepFocus图像	PyTorch	Pyramid U-Net, SuperPoint, SuperGlue, DINO-ViTS16-WSI	平均交并比、准确率、Dice相似系数	GPU
1524	2026-08-20	[The digital patient journey : Performing radiological examinations] 2026-Aug, Radiologie (Heidelberg, Germany) DOI:10.1007/s00117-026-01633-3 PMID:42360419	综述	总结并分析数字技术和人工智能在放射学检查流程中的应用及其对工作流程、人员结构和患者护理的影响	系统性地概述了数字患者旅程在放射学检查中的多个数字化环节，包括自动规划、深度学习重建、实时质量控制和远程扫描	未提及具体的局限性和挑战，需进一步研究验证数字技术的有效性和可整合性	评估数字技术和人工智能在放射学检查过程中的应用及其对工作流程、人员结构和患者护理的影响	放射学检查流程中的数字系统及其应用，涉及自动规划、重建、质量控制等	医学影像	不适用	不适用	深度学习	不适用	不适用	不适用	不适用	不适用	不适用
1525	2026-08-20	Deep learning embedded latent class joint modelling of time-to-event and longitudinal data 2026-Aug, Statistical methods in medical research IF:1.6Q1 DOI:10.1177/09622802261465334 PMID:42429452	研究论文	本文提出了一种将神经网络嵌入潜在类别联合模型（NN-JLCM）的方法，用于处理纵向数据和事件发生时间数据的联合建模，以提高预测精度和类别分离度。	将神经网络应用于联合潜在类别模型的类别成员子模型中的混合比例建模，替代传统的多项逻辑回归，以捕捉非线性关系。	文中未明确讨论局限性，但可能包括计算复杂度增加、模型解释性降低以及对大量数据的需求。	扩展联合潜在类别模型，通过神经网络建模混合比例，提高预测精度和类别分离，同时保持整体模型拟合的竞争力。	模拟数据和真实数据，具体类型未在摘要中详细说明。	机器学习	NA	NA	神经网络（NN），基于期望最大化算法	纵向数据和事件发生时间数据	未在摘要中提供具体样本量	NA	神经网络（NN）	预测精度，类别分离度，模型拟合指标	NA
1526	2026-08-20	EvoSNR-Prom: Predicting promoters at single-nucleotide resolution with label-aware transfer learning of the pretrained EVO model 2026-Aug, PLoS computational biology IF:3.8Q1 DOI:10.1371/journal.pcbi.1014626 PMID:42574449	研究论文	提出EvoSNR-Prom模型，基于Evo基础模型实现单核苷酸分辨率的启动子预测，通过引入词典增强嵌入和标签感知迁移学习提升性能	首次将启动子识别建模为令牌级序列标注问题，实现单核苷酸分辨率预测，并引入生物学上有意义的DNA词典增强上下文表示，结合标签感知迁移学习应对小数据集	摘要未提及明确局限性，可能包括对小型数据集的依赖以及跨物种泛化能力的潜在限制	开发高精度单核苷酸分辨率的启动子预测计算框架，以促进基因调控元件的分析	原核生物的启动子序列	机器学习	NA	NA	Evo基础模型	DNA序列	多种原核数据集（具体数量未在摘要中说明）	NA	Evo模型	性能指标未在摘要中明确列出，可能包括准确率等	NA
1527	2026-08-20	DECTGoutSys: Reducing False Positive Gout Diagnoses via a Machine Vision Pipeline for Crystal Tophi Identification+Classification in Dual-Energy Computed Tomography (DECT) 2026-Aug, Journal of imaging informatics in medicine DOI:10.1007/s10278-025-01703-3 PMID:41057720	研究论文	提出了首个自动化系统，用于从双能CT图像中定位尿酸钠晶体沉积物并将其分类为痛风石或伪影，以减少痛风误诊。	首次提出全自动流程，结合计算机视觉和深度学习模型，按大小分类处理感兴趣区域，并利用机器学习进行患者级别分类，显著提高特异性。	未在更大规模的独立数据集上进行外部验证，且依赖DECT图像质量。	降低痛风诊断的假阳性率，提高双能CT诊断痛风的特异性，同时保持合理的灵敏度。	47名痛风患者和27名对照患者的双能CT扫描图像。	计算机视觉, 数字病理学	痛风	双能CT成像	深度学习模型（CNN），机器学习分类器	图像（DECT扫描帧）	74例患者（47例痛风，27例对照）	NA	三种微调的深度学习模型（具体架构未提及）	准确率、敏感性、特异性、ROC AUC	NA
1528	2026-08-20	Enhanced Detection of Pulmonary Edema in Chest X-rays Using Deep Learning Ensembles with Attention Mechanism 2026-Aug, Journal of imaging informatics in medicine DOI:10.1007/s10278-025-01710-4 PMID:41057721	研究论文	该文章提出了一种基于深度学习的自动诊断肺水肿的方法，利用胸部X射线图像和NIH胸部X射线数据集进行分类。	结合注意力机制和数据增强策略的CNN集成模型，并利用注意力图提高模型可解释性。	未明确提及局限性，但可能受限于数据集多样性和外部验证。	实现肺水肿的自动、准确和快速诊断，以减少诊断主观性和治疗延迟。	胸部X射线图像中的肺水肿检测。	计算机视觉, 数字病理学	肺水肿（肺部疾病）	NA	CNN（卷积神经网络）	图像（胸部X射线）	NIH Chest X-ray数据集（未指定具体样本数）	NA	CNN（带有注意力机制）	准确率, F1分数, 验证损失	NA
1529	2026-08-20	Diagnosis of Pulmonary Hypertension by Integrating Multimodal Data with a Hybrid Graph Convolutional and Transformer Network 2026-Aug, Journal of imaging informatics in medicine DOI:10.1007/s10278-025-01705-1 PMID:41062735	研究论文	开发并验证了一种基于深度学习的诊断模型，结合图卷积网络、卷积神经网络和Transformer，整合多模态数据进行肺动脉高压（PH）的三分类诊断	首次将图卷积网络、卷积神经网络和Transformer三种模型相结合用于PH的三分类诊断，并整合影像学与临床参数等多模态数据	研究为单中心回顾性设计，样本量较小，且测试集仅占10%，可能影响模型的泛化能力	开发并验证用于区分非PH、毛细血管前性和毛细血管后性PH的深度学习诊断模型，以支持准确的临床决策	来自南京医科大学第一附属医院的204名患者，包括112例毛细血管前性PH、32例毛细血管后性PH和60例非PH对照	医学影像分析	肺动脉高压	NA	图卷积网络、卷积神经网络、Transformer	图像（电影短轴和四腔心序列）和临床参数	204名患者（训练集186例，测试集18例）	NA	GCN、CNN、Transformer	AUC、准确率	NA
1530	2026-08-20	Improved Visualization of Pancreatic Cystic Lesions on Magnetic Resonance Cholangiopancreatography Using Super-Resolution Deep Learning Reconstruction 2026-Aug, Journal of imaging informatics in medicine DOI:10.1007/s10278-025-01708-y PMID:41068347	研究论文	本研究评估了超分辨率深度学习重建在磁共振胰胆管成像中增强胰腺囊性病变可视化的效果	首次将超分辨率深度学习重建技术应用于MRCP图像，以改善胰腺囊性病变的显示	未提及具体局限性	评估SR-DLR在MRCP中增强胰腺囊性病变可视化的效能	85例接受MRCP检查的患者，其中52例有胰腺囊性病变，33例无病变	医学影像	胰腺囊性病变	磁共振胰胆管成像	超分辨率深度学习重建	医学图像（MRCP）	85例患者	NA	NA	信噪比、对比噪声比、半高全宽、边缘上升距离、边缘上升斜率、图像锐度、噪声、伪影、整体图像质量	NA
1531	2026-08-20	Performance Evaluation of YOLO-Based Models for Automated Detection of Osteophytes and Ossification of the Posterior Longitudinal Ligament (OPLL) in Sagittal Cervical CT Images 2026-Aug, Journal of imaging informatics in medicine DOI:10.1007/s10278-025-01709-x PMID:41083840	研究论文	本研究评估了基于YOLO的深度学习模型在颈椎矢状位CT图像中自动检测骨赘和后纵韧带骨化（OPLL）的性能	首次系统评估了YOLOv5、YOLOv7和YOLOv8三种模型在颈椎CT图像中自动检测骨赘和OPLL的性能，并验证了其作为术前规划和人工椎间盘置换（ADR）适应症评估工具的潜力	研究中检测性能（如精确率和召回率）并非完美，且骨赘的检测准确率显著优于OPLL，表明模型对不同类型的病变检测能力存在差异	评估YOLO-based深度学习模型在颈椎CT图像中自动检测骨赘和OPLL的性能，以支持术前规划和ADR适应症评估	颈椎矢状位CT图像中的骨赘和OPLL病变	计算机视觉	颈椎退行性疾病	CT成像	YOLO（包括YOLOv5、YOLOv7和YOLOv8）	图像（CT图像）	2691张颈椎矢状位CT图像	未提及	YOLOv5, YOLOv7, YOLOv8	精确率、召回率、平均精度均值（mAP@50和mAP@50-95）	未提及
1532	2026-08-20	Ultrasound-Based Tomographic Imaging Reconstruction and Synthesis Methods: a Scoping Review 2026-Aug, Journal of imaging informatics in medicine DOI:10.1007/s10278-025-01674-5 PMID:41085928	综述	对基于超声的断层成像重建与合成方法进行范围综述，分析当前技术进展、应用领域和挑战。	系统性地梳理了超声断层成像领域的研究现状，涵盖多种成像模态和算法，并利用PRISMA-SR指南进行范围综述，突出深度学习在该领域的推动作用。	该领域仍处于早期阶段，临床采用面临标准化和性能验证的挑战，且综述可能受限于已发表文献的覆盖范围。	概述基于超声的断层成像重建和合成方法的发展现状，识别主要技术趋势和领域，并指出未来研究方向。	基于超声的断层成像技术，包括光声断层成像、超声计算机断层成像、3D重建和合成成像方法	医学影像	不特定	超声成像	深度学习模型	图像	86篇文献	NA	NA	NA	NA
1533	2026-08-20	Liver Segment and Lesion Segmentation on CT and MRI: An Open-Source Contribution to TotalSegmentator 2026-Aug, Journal of imaging informatics in medicine DOI:10.1007/s10278-025-01716-y PMID:41136714	研究论文	本研究开发了基于深度学习的自动肝脏分段和肝脏病灶分割工具，适用于CT和MRI，并展示了其在肝细胞癌经动脉化疗栓塞治疗反应评估中的临床效用	提供了开源软件来更新和增强TotalSegmentator的功能，并在CT和MRI上进行了全面的肝脏分段与病灶分割验证，包括人工分割数据的收集和模型性能的评估	未明确提及局限性，但可能包括样本量有限、不同成像模态的差异性及模型在外部数据集上的泛化能力未充分验证	开发并验证一个基于CT和MRI的自动肝脏分段和肝脏病灶分割的深度学习工具，并评估其临床实用性	肝脏分段和肝脏病灶分割，聚焦于肝细胞癌的经动脉化疗栓塞治疗反应评估	机器学习	肝细胞癌	CT和MRI成像	nnU-Net	医学影像（CT和MRI）	193个CT和120个MRI用于肝脏分段训练，429个CT和321个MRI有肝脏病灶，其中414个CT和308个MRI手动分割，训练集750张，测试集80张，另有20个CT和20个MRI用于评估者间一致性，172个经TACE治疗的HCC用于临床效用分析	NA	nnU-Net	灵敏度、假阳性率、体积、Dice系数	NA
1534	2026-08-20	AI-Based Multi-Organ Segmentation in Gynecologic Laparoscopy: Comparative Evaluation of Deep Learning Architectures for Anatomical Precision and Surgical Applicability 2026-Aug, Journal of imaging informatics in medicine DOI:10.1007/s10278-025-01725-x PMID:41136711	研究论文	本研究对比评估了三种卷积神经网络模型（U-Net、Segformer和MANet）在妇科腹腔镜图像中对子宫、卵巢和输卵管进行分割的性能。	首次对三种深度学习架构在妇科腹腔镜手术中的多器官分割性能进行系统比较，并针对小且形态多变的结构（如卵巢和输卵管）提出了具体挑战。	所有模型在小器官分割上性能显著下降，DSC值大幅降低，且样本量有限。	评估深度学习模型在妇科腹腔镜图像中自动分割解剖结构的准确性，并探讨其手术适用性。	子宫、卵巢和输卵管	计算机视觉	妇科疾病	腹腔镜成像	卷积神经网络（CNN）	腹腔镜图像	21名患者的381张腹腔镜图像	NA	U-Net, Segformer, MANet	Dice相似系数（DSC）, 精确度（Precision）, 特异性（Specificity）	NA
1535	2026-08-20	Enhanced Vertebra-GNN: A Graph-Based Deep Learning Framework for Anatomically Informed Spinal Disease Classification 2026-Aug, Journal of imaging informatics in medicine DOI:10.1007/s10278-025-01696-z PMID:41136712	研究论文	提出一种集成CNN和GNN的端到端深度学习框架，用于从侧位脊柱X光片中基于解剖关系进行脊柱疾病分类	通过图表示编码椎体间解剖依赖关系，并探索GCN、GAT和Graph Transformer三种图网络变体，结合Grad-CAM和注意力图增强可解释性	未提及具体限制	实现准确、可解释且解剖感知的自动脊柱疾病分类	侧位脊柱X光片中的椎体区域	计算机视觉、医学影像分析	脊柱疾病	X光成像	卷积神经网络（CNN）和图神经网络（GNN）	图像	未提及	未提及	GCN、GAT、Graph Transformer、CNN	F1分数、准确率	未提及
1536	2026-08-20	Intermuscular Adipose Tissue as a Multimodality Quantitative Imaging Biomarker: Evidence Across Metabolic, Cardiovascular and Oncologic Diseases 2026-Aug, Journal of cachexia, sarcopenia and muscle DOI:10.1002/jcsm.70366 PMID:42608355	综述	本文综述了肌间脂肪组织作为多模态定量成像生物标志物的生物学、成像定量方法、疾病特异性分布及临床意义。	系统整合了IMAT在多种影像技术（CT、MRI、超声、PET）和多疾病领域（代谢、心血管、肿瘤）中的证据，强调其作为风险分层生物标志物的价值，并讨论了深度学习分割方法的应用。	IMAT证据分散在不同影像技术和疾病文献中，心血管领域证据标准化不足且异质性较大。	整合IMAT的生物学、成像定量和临床意义，推动其作为临床决策支持工具的应用。	肌间脂肪组织（IMAT）	医学影像	代谢性疾病、心血管疾病、肿瘤	CT、MRI、超声、PET	深度学习分割模型	影像数据	NA	NA	NA	NA	NA
1537	2026-08-20	Sector Classification of Unerupted Maxillary Canines: A Deep Learning-Based Automated Framework Using Panoramic Radiographs 2026-Aug, Orthodontics & craniofacial research IF:2.4Q2 DOI:10.1111/ocr.70106 PMID:41773578	研究论文	开发了一个基于深度学习的框架，利用全景X光片自动分类未萌出上颌尖牙的扇区，并评估其与人类分类的准确性和可靠性	首次提出自动化的深度学习框架用于未萌出上颌尖牙的扇区分类，提高了可靠性	未提及具体限制，但可能受限于样本来源单一和仅依赖全景X光片	开发并评估自动化扇区分类框架在未萌出上颌尖牙中的准确性和可靠性	未萌出上颌尖牙（UMCs）	数字病理学	口腔疾病	全景X光摄影	卷积神经网络（CNN）	图像（全景X光片）	1528个未萌出上颌尖牙	未提及具体框架，可能使用PyTorch或TensorFlow	DenseNet121	准确率、精确度、重复性（通过Cohen's K评估）	未提及具体GPU或平台，可能使用本地或云资源
1538	2026-08-20	Genotype-Specific Electrophysiological Remodeling in PLN R14del Cardiomyopathy: Implications for Precision Antiarrhythmic Therapy 2026-Aug, Circulation. Arrhythmia and electrophysiology DOI:10.1161/CIRCEP.125.014684 PMID:42417031	研究论文	本研究使用基因编辑的人类诱导多能干细胞来源心肌细胞，揭示了PLN R14del突变特有的电生理重塑，并评估了不同抗心律失常药物的基因型特异性效应	首次在PLN R14del基因型下系统评估抗心律失常药物的效用，发现WT或长QT模型中有效的药物在此突变中可能无效甚至具有促心律失常作用，强调基因型特异性的精准医疗策略	摘要中未提及明确局限性	确定PLN R14del心肌细胞的基因型特异性电生理表型，并评估调节瞬时外向钾电流和晚期钠电流对心律失常风险的影响	PLN R14del突变和野生型人类诱导多能干细胞来源心肌细胞	数字病理学	扩张型心肌病	CRISPR基因编辑、光学动作电位记录、深度学习	深度学习分类模型	光学动作电位信号	同基因野生型（HD.15S1）和CRISPR编辑的PLN R14del人类诱导多能干细胞来源心肌细胞（具体数量未在摘要中说明）	NA	NA	正常与异常动作电位类型的比例、动作电位时程、早期后除极发生率	NA
1539	2026-08-20	Deep Learning-Derived Retinal Age Detects Cognitive Impairment 2026-Aug, Ophthalmology science IF:3.2Q1 DOI:10.1016/j.xops.2026.101274 PMID:42437122	研究论文	本研究利用深度学习从眼底彩照中估算视网膜年龄，并评估其与认知功能和认知障碍的关联，发现视网膜年龄在检测认知障碍方面优于实际年龄。	首次使用深度学习衍生的视网膜年龄作为认知障碍的生物标志物，并显示其比实际年龄具有更强的关联性和更高的检测效能。	摘要中未提及局限性。	探究深度学习衍生的视网膜年龄与认知功能之间的关联，并评估其作为认知障碍筛查工具的潜力。	1049名年龄≥40岁的参与者，来自多中心AI-READI队列。	深度学习，医学图像分析	认知障碍	深度学习，眼底照相	深度学习模型（预训练）	彩色眼底照片，认知评估数据（MoCA评分）	1049名参与者（平均年龄60.3岁）	未指定	未指定，但为预训练深度学习模型	R值、风险比（RR）、曲线下面积（AUC）	未指定
1540	2026-08-20	Quantitative Analysis of Retinal Fluid by a Deep Learning Model in Uveitic Macular Edema 2026-Aug, Ophthalmology science IF:3.2Q1 DOI:10.1016/j.xops.2026.101241 PMID:42437118	研究论文	本文评估了基于人工智能的视网膜液体积定量分析在葡萄膜炎性黄斑水肿（UME）中的预后价值，并与单独的中心黄斑厚度（CMT）测量进行比较。	首次将深度学习分割模型应用于UME患者的OCT图像，以量化视网膜内液和视网膜下液体积，并评估其相对于CMT的额外预后价值。	样本量较小，来自单一临床试验的二次分析，模型在RETOUCH数据集上训练可能不完全适用于UME患者，且预测误差差异不显著。	评估AI衍生的液体体积是否能为UME患者的视觉结果提供预后价值，并与CMT测量相比，提供额外信息。	非感染性葡萄膜炎继发黄斑水肿（UME）的患者。	计算机视觉	葡萄膜炎性黄斑水肿	光学相干断层扫描（OCT）	深度学习分割模型（U-Net）	医学图像（OCT扫描）	FAST葡萄膜炎试验中的UME患者子集（具体数量未在标题和摘要中提供）	未提及	二维U-Net	Dice分数、双列相关性、Mann-Whitney U检验、似然比检验、留一法交叉验证	未提及