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
1	2026-03-20	Prostate MR image segmentation using a multi-stage network approach 2026-Apr, International urology and nephrology IF:1.8Q3 DOI:10.1007/s11255-025-04763-0 PMID:40911178	研究论文	本研究利用包含超过61,000张T2加权MR图像的数据集，评估了多阶段分割方法在提升前列腺癌检测和表征方面的效果	提出并比较了三种不同的多阶段分割策略（单阶段、顺序两阶段和端到端两阶段），其中端到端方法通过共享特征表示显著提升了性能	未来工作需进一步优化模型并评估其在多样化医学影像背景下的泛化能力	通过深度学习图像分割技术提升前列腺癌的检测和表征准确性	前列腺磁共振图像	数字病理	前列腺癌	T2加权磁共振成像	CNN	图像	1151名患者的61,119张T2加权MR图像	NA	MultiResUNet	NA	NA
2	2026-03-20	Computer-aided diagnosis of DDH using ultrasound: deep learning for segmentation and accurate angle measurement aligned with radiologist's clinical workflow 2026-Mar-18, Medical ultrasonography IF:1.8Q3 DOI:10.11152/mu-4535 PMID:40789016	研究论文	本文提出了一种用于超声评估发育性髋关节发育不良的计算机辅助诊断系统，该系统集成了深度学习进行解剖结构分割，并采用Graf方法进行α和β角度测量	提出了一种结合解剖分割和角度测量的临床工作流对齐的CAD系统，在基线定义中排除了髂骨下缘的曲率以提升准确性，并提供了全面的标准化评估指标集以解决深度学习研究中常见的指标报告异质性问题	研究样本量相对有限（452张原始图像来自370名新生儿），且仅使用了单一机构的超声图像数据	开发一种自动化评估发育性髋关节发育不良的计算机辅助诊断系统	新生儿髋关节超声图像	数字病理学	发育性髋关节发育不良	超声成像	深度学习	图像	452张原始超声图像（来自370名新生儿），增强后共768张图像用于训练和评估	NA	U-Net, MaskR-CNN, YOLOv8, YOLOv11	精确度, 召回率, IoU, Dice系数, mAP, Bland-Altman分析, 组内相关系数	NA
3	2026-03-20	PET Head Motion Estimation Using Supervised Deep Learning With Attention 2026-Mar, IEEE transactions on medical imaging IF:8.9Q1 DOI:10.1109/TMI.2025.3620714 PMID:41082441	研究论文	本文提出了一种基于监督深度学习和交叉注意力机制的PET头部运动估计与校正方法DL-HMC++	提出了首个利用交叉注意力机制从一秒3D PET原始数据中预测刚性头部运动的深度学习模型，无需外部硬件跟踪设备	方法主要针对刚性头部运动，未明确讨论非刚性运动或极端运动情况下的性能	开发一种数据驱动的PET头部运动校正方法，以替代硬件运动跟踪，提高临床实用性	脑部PET成像中的头部运动伪影	医学影像分析	神经系统疾病	正电子发射断层扫描（PET）	深度学习模型	3D PET原始数据	使用两台PET扫描仪（HRRT和mCT）和四种放射性示踪剂（F-FDG, F-FPEB, C-UCB-J, C-LSN3172176）的大规模队列研究数据	未明确说明	基于交叉注意力机制的深度学习架构	标准摄取值差异比，定性图像质量评估	NA
4	2026-03-20	The Evolution of Machine Learning in Medicinal Chemistry: A Comprehensive Bibliometric Analysis 2026, Current neuropharmacology IF:4.8Q1 DOI:10.2174/011570159X384988250430093924 PMID:40370247	综述	本文通过文献计量学方法，全面分析了2001年至2023年间人工智能在药物化学领域的应用研究，揭示了该领域的发展趋势和前沿热点	首次采用混合研究策略（内容分析与文献计量学）结合bibliometrix、CiteSpace V和VOSviewer工具，对AI在药物化学领域的文献进行系统性回顾，并识别出多模态和大语言模型等未来研究方向	研究主要基于文献计量分析，未深入探讨具体AI技术的实验验证或临床应用的局限性	分析人工智能在药物化学领域的研究现状、发展趋势和未来热点	2001年至2023年间发表的AI在药物化学领域的学术文献	机器学习	NA	文献计量学分析、内容分析	NA	文献数据	覆盖92个国家或地区、196个研究机构的AI-MC相关文章	bibliometrix (R软件), CiteSpace V, VOSviewer	NA	NA	NA
5	2026-03-20	Deep learning model for automated detection of Helicobacter pylori and intestinal metaplasia on gastric biopsy digital whole slide images 2025-Nov-19, American journal of clinical pathology IF:2.3Q2 DOI:10.1093/ajcp/aqaf110 PMID:40996022	研究论文	开发一种基于深度学习的自动化检测工具，用于在胃活检数字全切片图像上识别幽门螺杆菌和肠上皮化生	采用两阶段模型，结合Vision Transformer进行伪影过滤和Graph Attention Network进行特征聚合，并考虑背景炎症特征以更贴近临床诊断实际	NA	开发自动化检测工具以辅助胃活检标本中幽门螺杆菌和肠上皮化生的识别	胃活检标本的H&E染色全切片图像	数字病理学	胃部疾病	H&E染色	Vision Transformer, Graph Attention Network	图像	180张H&E胃活检全切片图像	NA	Vision Transformer, Graph Attention Network	精确度, F1分数, 微平均F1分数, 宏平均F1分数	NA
6	2026-03-20	Deep learning-based prediction of cardiopulmonary disease in retinal images of premature infants 2025-Sep-19, medRxiv : the preprint server for health sciences DOI:10.1101/2025.09.18.25336004 PMID:41001491	研究论文	本研究利用深度学习模型分析早产儿视网膜图像，预测支气管肺发育不良和肺动脉高压的诊断	首次将早产儿视网膜筛查图像与多模态模型结合，用于预测心肺疾病，超越了仅基于人口统计学风险因素的模型性能	研究样本量有限（BPD队列99例，PH队列37例），且图像采集时间限于孕后34周内，可能影响模型泛化能力	探索早产儿视网膜图像中是否包含与支气管肺发育不良和肺动脉高压相关的特征，并评估多模态模型的预测性能	493名有早产儿视网膜病变风险的婴儿，来自7个新生儿重症监护室	数字病理学	心血管疾病	视网膜图像采集，支持向量机	深度学习，支持向量机	图像，人口统计学数据	493名婴儿（BPD测试集99例，PH测试集37例）	NA	ResNet18	AUC	NA
7	2026-03-20	Enhancing deep neural networks through complex-valued representations and Kuramoto synchronization dynamics 2025-Aug-04, ArXiv PMID:40799806	研究论文	本研究结合复数值表示与Kuramoto同步动力学，探索基于神经同步的机制如何提升深度学习模型在多物体视觉分类任务中的性能	首次将复数值表示与Kuramoto动力学相结合，利用相位对齐机制促进同一物体特征的绑定，并设计了包含前馈和循环反馈的两种同步架构	未明确说明模型在更复杂真实场景（如自然图像）中的泛化能力，也未与其他先进物体绑定方法进行系统比较	探索神经同步机制能否增强人工模型在视觉分类中的物体编码能力	多物体图像（如重叠手写数字、含噪声输入、分布外变换图像）	计算机视觉	NA	NA	深度学习模型	图像	NA	NA	前馈模型, 循环反馈模型	NA	NA
8	2026-03-20	mamp-ml: A deep learning approach to epitope immunogenicity in plants 2025-Jul-15, bioRxiv : the preprint server for biology DOI:10.1101/2025.07.11.664399 PMID:40791437	研究论文	本文开发了一个名为mamp-ml的机器学习框架，用于预测植物受体-配体相互作用，特别是针对植物免疫系统中的免疫原性结果	结合了超过二十年的功能数据和大型蛋白质语言模型ESM-2，构建了一个能够预测免疫原性结果的管道和模型，即使缺乏实验结构也能实现73%的预测准确率	未明确提及具体局限性，但可能包括模型在未知受体-配体组合上的泛化能力或数据依赖性	开发一个计算框架，用于高通量筛选植物LRR受体-配体组合，并工程化植物免疫系统	植物受体和配体，特别是与病原体检测和免疫诱导相关的LRR受体	机器学习	NA	机器学习，蛋白质语言模型	深度学习	蛋白质序列数据，功能数据	基于超过二十年的功能数据，具体样本数量未明确	NA	ESM-2	准确率	NA
9	2026-03-20	Machine Learning Analysis of Videourodynamics to Predict Incident Hydronephrosis in Patients With Spina Bifida 2025-07, The Journal of urology IF:5.9Q1 DOI:10.1097/JU.0000000000004547 PMID:40132220	研究论文	本研究开发了机器学习模型，利用视频尿动力学数据预测脊柱裂患者发生肾积水的风险	首次将机器学习应用于视频尿动力学数据，通过自动化特征提取（包括压力/体积记录和荧光透视图像）来预测肾积水事件，并构建了集成模型以提高预测性能	研究样本量相对有限（训练队列354人，验证队列200人），且模型性能（C统计量0.73）仍有提升空间，未进行外部验证	开发可靠的机器学习模型，以预测脊柱裂患者发生肾积水的风险，减少视频尿动力学解读的主观差异性	脊柱裂患者（年龄范围2个月至42岁）	机器学习	脊柱裂	视频尿动力学研究	随机生存森林, 集成模型	视频尿动力学数据（包括压力/体积记录和荧光透视图像）	训练队列354名患者，验证队列200名患者	NA	随机生存森林	C统计量, 特异性	NA
10	2026-03-20	A Multi-Region Brain Model to Elucidate the Role of Hippocampus in Spatially Embedded Decision-Making 2025-May-29, bioRxiv : the preprint server for biology DOI:10.1101/2025.05.29.656671 PMID:40502058	研究论文	本文提出了一种多区域脑模型，用于探索海马体在空间嵌入式二元决策任务中的规范作用，并通过对比不同交互架构的强化学习代理，揭示了特定脑启发结构对学习效率的优化	通过反事实比较不同网格细胞与位置细胞交互架构的强化学习代理，发现特定架构能优化学习效率并再现实验观察，为高效强化学习提供了脑启发的结构化架构	模型基于简化假设，可能未完全捕捉真实神经回路的复杂性，且预测需要新的神经生理学实验验证	探索结构化记忆回路在空间嵌入式二元决策任务中的规范作用，以启发深度学习的归纳偏置	强化学习代理与不同交互架构的脑模型，特别是内嗅皮层和海马体中的网格细胞与位置细胞	机器学习	NA	强化学习	循环神经网络	模拟数据	NA	NA	循环神经网络	学习效率	NA
11	2026-03-20	Deep Learning-Assisted SERS for Therapeutic Drug Monitoring of Clozapine in Serum on Plasmonic Metasurfaces 2025-04-02, Nano letters IF:9.6Q1 DOI:10.1021/acs.nanolett.5c00391 PMID:40111434	研究论文	提出了一种结合人工神经网络与表面增强拉曼光谱的快速治疗药物监测新方法，用于检测血清中的氯氮平及其代谢物	首次将人工神经网络与等离子体超表面上的表面增强拉曼光谱技术集成，实现了对氯氮平及其两种主要代谢物的快速分类和浓度预测	未明确说明方法在复杂临床样本中的验证范围及与其他技术的对比性能	开发快速、精确的治疗药物监测方法以优化精神分裂症患者的治疗效果并减少副作用	氯氮平及其两种主要代谢物（去甲氯氮平和氯氮平-N-氧化物）	机器学习	精神分裂症	表面增强拉曼光谱	人工神经网络	光谱数据	NA	NA	NA	NA	NA
12	2026-03-20	Making sense of blobs, whorls, and shades: methods for label-free, inverse imaging in bright-field optical microscopy 2025-Apr, Biophysical reviews IF:4.9Q1 DOI:10.1007/s12551-025-01301-1 PMID:40376420	综述	本文综述了在传统明场光学显微镜中实现无标记、逆成像的方法，以解决其成像模糊、相位与振幅交织等问题	系统总结了明场显微镜中逆成像问题的多种解决方案，包括硬件和软件方法，并特别强调了光学切片明场显微镜（OSBM）在三维成像中的直接应用	文中讨论的方法可能存在计算复杂度高、对硬件要求严格或适用范围有限等潜在限制	开发和应用无标记、逆成像技术，以提高明场光学显微镜对生物样本的准确二维和三维成像能力	生物样本在明场光学显微镜下的成像	计算机视觉	NA	明场光学显微镜，包括离焦显微镜、强度传输、叠层成像、去卷积、多视角重建、物理建模、深度学习等	深度学习	图像	NA	NA	NA	NA	NA
13	2026-03-20	Deep learning to decode sites of RNA translation in normal and cancerous tissues 2025-Feb-02, Nature communications IF:14.7Q1 DOI:10.1038/s41467-025-56543-0 PMID:39894899	研究论文	本研究提出了一种基于Transformer模型的RiboTIE方法，用于从核糖体分析数据中高精度、高灵敏度地检测翻译的开放阅读框，并在正常脑组织和髓母细胞瘤样本中验证了其有效性	RiboTIE是首个直接利用原始核糖体分析计数数据、基于Transformer模型来检测翻译开放阅读框的方法，相比现有方法在精度和灵敏度上有显著提升	论文未明确说明该方法在其他癌症类型或组织中的泛化能力，也未详细讨论计算资源需求或模型的可解释性	开发一种能够准确分析RNA翻译变异、提升核糖体分析数据解析能力的计算工具	正常脑组织和髓母细胞瘤（一种脑癌）样本中的RNA翻译过程	自然语言处理	髓母细胞瘤	核糖体分析测序	Transformer	序列数据	NA	NA	Transformer	精度, 灵敏度	NA
14	2026-03-20	Contrastive Clustering-Based Patient Normalization to Improve Automated In Vivo Oral Cancer Diagnosis from Multispectral Autofluorescence Lifetime Images 2024-Dec-09, Cancers IF:4.5Q1 DOI:10.3390/cancers16234120 PMID:39682305	研究论文	本文提出了一种基于对比聚类的患者归一化方法，用于改进基于多光谱自体荧光寿命图像的口腔癌自动诊断	提出了一种无需在测试时与患者自身参考样本直接比较的对比预训练方法，以实现患者归一化，并利用多任务框架有效利用小数据集	方法针对特定成像模态设计，虽然开发过程可推广，但直接应用于其他非传统成像模态需调整	提高基于多光谱自体荧光寿命图像的口腔癌自动诊断模型的性能，克服小数据集下的过拟合和患者间变异问题	口腔组织多光谱自体荧光寿命图像	数字病理	口腔癌	多光谱自体荧光寿命成像	深度学习模型	图像	67名患者	NA	对比预训练编码器	灵敏度, 特异性	NA
15	2026-03-20	EXACT-Net: Framework for EHR-Guided Lung Tumor Auto-Segmentation for Non-Small Cell Lung Cancer Radiotherapy 2024-Dec-06, Cancers IF:4.5Q1 DOI:10.3390/cancers16234097 PMID:39682283	研究论文	本研究提出了一种名为EXACT-Net的多模态AI框架，利用电子健康记录（EHR）引导进行非小细胞肺癌（NSCLC）放疗中的肺部肿瘤自动分割，旨在提高分割准确性并减少假阳性	通过结合预训练大型语言模型（LLM）提取的EHR信息与CT图像数据，构建多模态AI框架，有效去除假阳性结节，提升肿瘤分割性能	研究仅基于10名NSCLC患者的数据进行训练和验证，样本规模较小，可能影响模型的泛化能力	开发一种EHR引导的肺部肿瘤自动分割方法，以加速NSCLC放疗流程，提高治疗效率	非小细胞肺癌（NSCLC）患者的CT图像及对应的电子健康记录（EHR）	数字病理学	肺癌	CT扫描，大型语言模型（LLM）信息提取	深度学习模型，大型语言模型（LLM）	图像（CT），文本（EHR）	10名NSCLC患者	NA	EXACT-Net	结节检测成功率	NA
16	2026-03-20	MRI-based Deep Learning Models for Preoperative Breast Volume and Density Assessment Assisting Breast Reconstruction 2024-12, Aesthetic plastic surgery IF:2.0Q2 DOI:10.1007/s00266-024-04074-2 PMID:38806828	研究论文	本研究开发了三种基于MRI的自动分割算法，用于术前乳腺体积和密度评估，以辅助乳房重建手术	开发并比较了三种自动乳腺分割算法（简单配准模型、动态编程模型和深度学习模型），用于自动化、高重复性的乳腺区域分割和体积测量	研究样本量相对有限（249名受试者），且仅基于单一机构的MRI数据	开发人工智能模型，实现乳腺的自动分割和体积测量，以优化乳房重建手术并辅助临床决策	接受乳房重建手术的249名患者的术前乳腺MRI图像	数字病理学	乳腺癌	MRI	深度学习模型	图像	249名接受乳房重建手术的受试者	NA	NA	均方误差（MSE），组内相关系数（ICC）	NA
17	2026-03-20	Activities of Daily Living Object Dataset: Advancing Assistive Robotic Manipulation with a Tailored Dataset 2024-Nov-27, Sensors (Basel, Switzerland) DOI:10.3390/s24237566 PMID:39686103	研究论文	本文介绍了一个专门针对辅助机器人操作设计的日常生活活动对象数据集，旨在通过深度学习模型简化轮椅辅助机械臂的控制	提出了一个新颖的ADL对象数据集，通过整合多个开源数据集并进行标准化和过滤，专门为家庭环境中的辅助机器人操作定制	数据集依赖于现有开源数据，可能无法覆盖所有ADL场景或对象，且手动验证过程可能引入主观偏差	开发一个专门的数据集以促进辅助机器人中基于深度学习的对象检测模型的发展，从而简化控制接口并增强用户自主性	日常生活活动相关的对象，如饮食、梳洗、穿衣等任务中涉及的物品	计算机视觉	行动障碍	深度学习对象检测	YOLOv5x	图像	超过112,000张高质量图像	YOLO Darknet	YOLOv5x	NA	NA
18	2026-03-20	A self-attention-driven deep learning framework for inference of transcriptional gene regulatory networks 2024-Nov-22, Briefings in bioinformatics IF:6.8Q1 DOI:10.1093/bib/bbae639 PMID:39679439	研究论文	本文介绍了一种名为DeepTGI的深度学习框架，用于从单细胞和/或批量转录组数据中推断转录因子-基因相互作用，以构建基因调控网络	DeepTGI融合了自编码器提取的特征与自注意力机制，并利用多头注意力模块定义代表性特征，从而在预测转录因子-基因相互作用方面表现出优越性	NA	从基因表达数据中推断转录因子-基因相互作用，以构建基因调控网络并理解转录调控机制	转录因子与靶基因之间的相互作用	机器学习	NA	单细胞转录组测序，批量转录组测序	自编码器，自注意力机制	基因表达谱数据	NA	NA	自编码器，多头注意力模块	准确性	NA
19	2026-03-20	Artificial Intelligence in the Diagnosis and Quantitative Phenotyping of Hyperkinetic Movement Disorders: A Systematic Review 2024-Nov-21, Journal of clinical medicine IF:3.0Q1 DOI:10.3390/jcm13237009 PMID:39685480	综述	本文系统回顾了人工智能在诊断和量化表型分析运动障碍中的应用	首次系统性地总结了AI在诊断和量化表型分析运动障碍中的性能，并指出了现有研究的报告异质性和临床可解释性不足的问题	纳入研究存在报告异质性，仅少数研究进行了外部验证，且整体偏倚风险较高	评估人工智能在诊断和量化表型分析运动障碍中的性能	运动障碍患者，包括共济失调、舞蹈症、肌张力障碍、肌阵挛、抽动症和震颤等	机器学习	运动障碍	运动测量（如加速度计和惯性测量单元）和影像技术	机器学习,深度学习	运动学数据,影像数据	11946名受试者	NA	NA	诊断准确率,相关系数	NA
20	2026-03-20	Structures of Epstein-Barr virus and Kaposi's sarcoma-associated herpesvirus virions reveal species-specific tegument and envelope features 2024-11-19, Journal of virology IF:4.0Q2 DOI:10.1128/jvi.01194-24 PMID:39470208	研究论文	本研究通过深度学习增强的冷冻电子断层扫描技术，解析了EBV和KSHV病毒颗粒的结构，揭示了其被膜和包膜的特异性特征	首次利用深度学习增强的冷冻电子断层扫描技术，对EBV和KSHV的完整病毒颗粒进行高分辨率结构解析，发现了被膜和包膜中的物种特异性特征，如偏心衣壳位置、被膜极化分布以及包膜糖蛋白密度较低等	研究主要关注细胞外病毒颗粒的结构，可能未完全反映细胞内感染过程中的动态变化；技术方法虽先进，但样本处理和成像条件可能引入一定偏差	解析EBV和KSHV病毒颗粒的结构特征，比较其与α-和β-疱疹病毒在结构上的差异，以理解其细胞嗜性和感染机制	EBV（Epstein-Barr病毒）和KSHV（Kaposi's肉瘤相关疱疹病毒）的细胞外病毒颗粒	结构生物学	NA	冷冻电子断层扫描（cryoET）、深度学习增强技术、亚断层图平均、断层图引导的亚粒子重建	NA	冷冻电子断层扫描图像数据	NA	NA	NA	NA	NA