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	2026-02-04	Artificial Intelligence in Drug Discovery: Integrative Advances From Data to Therapeutic Innovation 2026-Apr, Drug development research IF:3.5Q2 DOI:10.1002/ddr.70229 PMID:41630488	综述	本文综述了人工智能在药物发现中的整合进展，从数据到治疗创新，加速了新药的识别、优化和开发	整合了机器学习、深度学习和强化学习等AI技术，革新了传统药物发现方法，提高了靶点识别、虚拟筛选、从头药物设计等关键过程的效率	存在数据质量、模型可解释性、监管接受度和伦理问题等局限性	加速药物发现过程，提高新药开发效率，推动个性化医疗	药物发现过程中的靶点、化合物、药物-靶点相互作用、化学合成路径及临床试验设计	机器学习	NA	机器学习、深度学习、强化学习	NA	NA	NA	NA	NA	NA	NA
2	2026-02-04	Virtual Multi-Phase Contrast Enhanced Liver MRI Using Deep Learning for Evaluating Hepatocellular Carcinoma 2026-Mar, NMR in biomedicine IF:2.7Q1 DOI:10.1002/nbm.70235 PMID:41629748	研究论文	本研究开发了一种深度学习模型，用于生成多期相（动脉期、门静脉期、过渡期和肝胆期）的对比增强磁共振成像，以检测肝细胞癌	提出了一种深度学习模型，能够快速合成多期相CE-MRI，无需使用钆基对比剂，且在图像质量和诊断性能上不劣于实际CE-MRI	研究仅纳入了717名患者，样本量相对有限，且未明确提及模型在不同人群或设备间的泛化能力	开发并评估一种基于深度学习的虚拟多期相对比增强肝脏MRI方法，用于肝细胞癌的检测和评估	肝细胞癌患者及其他非肝细胞癌肝病患者	计算机视觉	肝细胞癌	磁共振成像	深度学习模型	图像	717名患者	NA	NA	灵敏度, 特异性, AUC	NA
3	2026-02-04	Development and application of an instrument for microstructure matrix inclusion distribution analysis in oversized metallic materials 2026-Feb-20, iScience IF:4.6Q1 DOI:10.1016/j.isci.2025.114620 PMID:41630922	研究论文	本研究开发了一种用于超大金属材料中微观结构基体夹杂物分布分析的自动化检测系统	集成高精度数控平台、多单元显微成像、激光光谱和基于YOLOv11的深度学习模型，实现了米级样品的全区域快速扫描，检测效率比传统方法提高超过20倍	NA	解决洁净钢生产中夹杂物分析的迫切需求	超大金属材料（如汽车板材样品）中的夹杂物	计算机视觉	NA	高精度数控平台、多单元显微成像、激光光谱	CNN	图像	汽车板材样品，共检测到533,041个夹杂物	NA	YOLOv11	检测效率（速度提升超过20倍）	NA
4	2026-02-04	AI-driven routing and layered architectures for intelligent ICT in nanosensor networked systems 2026-Feb-20, iScience IF:4.6Q1 DOI:10.1016/j.isci.2026.114626 PMID:41630924	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
5	2026-02-04	Air quality prediction model based on deep learning hybrid framework 2026-Feb-03, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-37896-y PMID:41629579	研究论文	提出了一种基于深度学习的混合模型CBLA，用于城市空气质量预测，结合了1D-CNN、BiLSTM和注意力机制，并利用XGBoosting集成气象数据以提高预测准确性	结合了1D-CNN、BiLSTM和注意力机制的混合模型，并首次引入XGBoosting集成气象数据以优化PM2.5浓度预测	仅在北京数据集上进行实验评估，未在其他城市或更广泛区域验证模型泛化能力	实现更准确的城市空气污染预测，为空气污染防治提供技术支持	城市空气质量数据，特别是PM2.5浓度	机器学习	NA	深度学习混合框架	CNN, LSTM	时间序列数据（空气质量与气象数据）	北京空气质量与气象数据集	NA	1D-CNN, BiLSTM	NA	NA
6	2026-02-04	The expectations of in silico fragment-based drug design and future challenges 2026-Feb-03, Expert opinion on drug discovery IF:6.0Q1 DOI:10.1080/17460441.2026.2623154 PMID:41630652	综述	本文综述了基于片段的药物发现（FBDD）中计算机模拟方法的最新进展，特别是人工智能和机器学习如何加速药物发现过程	强调了人工智能（包括深度学习、生成模型和强化学习）在自动化化合物设计、预测片段-蛋白质相互作用以及扩展化学多样性方面的创新应用	尽管AI加速了发现过程，但实验验证仍然是关键步骤，且未详细讨论具体模型或数据的局限性	探讨计算机模拟片段药物设计（in silico FBDD）的当前期望和未来挑战，旨在加速药物发现并优化药物性质	基于片段的药物发现（FBDD）方法，特别是针对激酶、GPCRs等靶点以及PROTACs和分子胶等模式	机器学习	NA	计算机模拟方法，生成化学，虚拟筛选	生成模型，强化学习，深度学习	化学化合物数据，蛋白质-片段相互作用数据	NA	NA	变分自编码器（VAEs）	NA	NA
7	2026-02-04	Cardiovascular measures from abdominal MRI provide insights into abdominal vessel genetic architecture 2026-Feb-02, Communications medicine IF:5.4Q1 DOI:10.1038/s43856-025-01242-6 PMID:41629584	研究论文	本研究利用深度学习从腹部MRI中分割心脏、主动脉和腔静脉，生成六个图像衍生表型，并探索其与疾病结局、遗传和环境因素的关联	首次从非特异性腹部MRI中提取心血管表型，并识别了15个新的遗传位点，揭示了血管组织在遗传性中的作用	研究依赖于英国生物银行数据，可能受样本选择和MRI扫描协议限制，未全面评估所有心血管疾病	探索腹部MRI衍生心血管表型与疾病风险及遗传架构的关联	44,541名英国生物银行参与者的腹部MRI扫描	数字病理学	心血管疾病	腹部磁共振成像	深度学习	图像	44,541名参与者	NA	NA	NA	NA
8	2026-02-04	Explainable multi-modal approach for uncovering key predictors of stroke-risk from ECG, EMG, blood pressure, and respiratory signals 2026-Feb-02, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-37777-4 PMID:41629619	研究论文	本研究开发了一种可解释的多模态模型，用于整合呼吸信号、血压、心电图和肌电图来预测中风风险	首次将呼吸信号（二氧化碳和呼吸流量）纳入中风风险预测模型，并应用可解释人工智能技术识别关键预测因子	样本量较小（64名受试者），需要在更大规模的数据集上进行验证	开发一种准确且可解释的中风风险预测方法	中风风险预测	机器学习	心血管疾病	多模态生物信号分析	感知机	时间序列信号	64名受试者	NA	单层感知机	准确率	NA
9	2026-02-04	Performance Evaluation of a Commercial Deep Learning Software for Detecting Intracranial Hemorrhage in a Pediatric Population 2026-Feb-02, Journal of imaging informatics in medicine DOI:10.1007/s10278-026-01857-8 PMID:41629667	研究论文	本研究评估了一款基于成人数据训练的商业AI工具（Aidoc）在儿童颅内出血检测中的性能	首次在儿科人群中系统评估基于成人数据训练的商用深度学习软件对颅内出血的检测性能，揭示了儿科特异性特征对AI性能的影响	单中心回顾性研究，仅纳入6-17岁儿童，未包含婴幼儿群体，参考标准依赖放射科医师多数投票	评估商用AI工具在儿科颅内出血检测中的诊断性能	儿科患者（6-17岁）的头部CT影像	数字病理学	颅内出血	CT影像分析，自然语言处理	深度学习	医学影像（CT），文本报告	2502名儿科患者	Aidoc（商用软件）	NA	灵敏度，特异度，准确度	NA
10	2026-02-04	Artificial Intelligence-Driven Laser Capture Microdissection 2026, Methods in molecular biology (Clifton, N.J.) DOI:10.1007/978-1-0716-5154-4_14 PMID:41629719	研究论文	本文介绍了一种针对FFPE样本H&E染色切片优化的AI驱动激光捕获显微切割协议，旨在提升空间蛋白质组学的可扩展性和灵活性	开发了AI驱动的激光捕获显微切割协议，专门针对FFPE样本的H&E染色切片进行优化，提高了工作流程的可扩展性和临床适应性	当前工作流程缺乏可扩展性和灵活性，限制了在临床和转化环境中的广泛应用	优化激光捕获显微切割与质谱蛋白质组学结合的工作流程，以推进空间蛋白质组学的大规模应用	福尔马林固定石蜡包埋（FFPE）患者样本的H&E染色切片	数字病理学	NA	激光捕获显微切割, 质谱蛋白质组学, H&E染色	深度学习	图像	NA	NA	NA	NA	NA
11	2026-02-03	A dense recurrent unrolling network leveraging spatio-temporal priors for highly-accelerated dynamic MRI 2026-Apr, Magnetic resonance imaging IF:2.1Q2 DOI:10.1016/j.mri.2025.110595 PMID:41397563	研究论文	本文提出了一种密集循环展开网络，利用时空先验知识来高度加速动态MRI重建	在稀疏先验更新模块中引入了双向循环卷积单元，通过循环聚合过去和未来帧的上下文信息来增强时间依赖性建模，并采用了中间特征传输而非仅单阶段输出的设计，以改善多阶段协作	未明确说明在极高加速因子（如24倍以上）下的性能极限或计算成本	提高动态MRI在高度欠采样条件下的重建准确性和时间保真度	动态MRI数据	计算机视觉	NA	动态磁共振成像	深度学习	图像	NA	NA	密集循环展开网络	重建准确性, 时间保真度	NA
12	2026-02-03	Dysmorphic neurons express markers of inhibitory glycinergic signaling in focal cortical dysplasia IIb 2026-Mar, Brain pathology (Zurich, Switzerland) DOI:10.1111/bpa.70043 PMID:40957662	研究论文	本研究利用深度学习技术对局灶性皮质发育不良IIb型进行解剖学映射，并结合空间转录组学分析，揭示了畸形神经元中非经典信号通路和神经递质通路的标记物	首次结合深度学习和空间转录组学，对FCD IIb型进行客观解剖学映射和分子特征分析，发现了畸形神经元中新的信号通路标记物	NA	研究局灶性皮质发育不良IIb型中畸形神经元的分子特征，以寻找新的治疗靶点	局灶性皮质发育不良IIb型中的巨细胞畸形神经元	数字病理学	癫痫	空间转录组学	深度学习	图像, 转录组数据	NA	NA	NA	NA	NA
13	2026-02-03	Deep learning-enhanced 3D imaging unveils semaglutide impact on cardiac fibrosis 2026-Mar, British journal of pharmacology IF:6.8Q1 DOI:10.1111/bph.70217 PMID:41121520	研究论文	本研究开发了一种结合三维光片荧光显微镜和深度学习的心脏纤维化量化方法，并用于评估GLP-1R激动剂司美格鲁肽在HFpEF小鼠模型中的抗纤维化疗效	开发了首个结合荧光胶原标记、组织透明化、三维光片荧光显微镜和深度学习的高通量全心脏成像平台，实现了微米分辨率的心脏纤维化区域异质性量化	研究仅在小鼠模型中进行，未在人类样本中验证；司美格鲁肽对替代性纤维化无显著影响	开发心脏纤维化的三维成像与深度学习量化方法，并评估GLP-1R激动剂的抗纤维化疗效	db/db UNx-ReninAAV小鼠模型（表现为糖尿病、肾衰竭、肥胖和高血压）	数字病理学	心血管疾病	荧光胶原标记、组织透明化、三维光片荧光显微镜	深度学习	三维图像	未明确样本数量，但分析了17个左心室节段	NA	NA	NA	NA
14	2026-02-03	Research on a spatiotemporal prediction method for two-dimensional temperature fields based on TDLAS array sensors and the SwinLSTM model 2026-Feb-02, The Analyst DOI:10.1039/d5an01304f PMID:41504477	研究论文	本文提出了一种基于TDLAS阵列传感器和SwinLSTM模型的二维温度场时空预测方法，用于火焰温度场的准确重构和短期预测	结合二维阵列TDLAS直接成像与深度学习，采用64像素阵列探测器替代传统单点传感器，并构建SwinLSTM模型以同时学习温度场的空间全局依赖性和时间动态特性	NA	开发一种能够准确重构和预测火焰二维温度场的时空预测诊断方法	火焰的二维温度场	计算机视觉	NA	可调谐二极管激光吸收光谱技术	LSTM	图像	NA	NA	SwinLSTM	SSIM, PSNR	NA
15	2026-02-03	Reduction of motion artifacts from photoplethysmography signals using learned convolutional sparse coding 2026-Feb-02, Physiological measurement IF:2.3Q3 DOI:10.1088/1361-6579/ae35cb PMID:41505906	研究论文	本文提出了一种结合信号分解和深度学习优势的框架，用于减少可穿戴设备中光电容积脉搏波信号的运动伪影	利用算法展开将PPG结构先验知识整合到深度神经网络中，提高了模型的可解释性，并采用学习卷积稀疏编码模型捕获重复形态模式	未明确说明模型在极端运动条件下的泛化能力或临床验证的详细结果	提高可穿戴设备中光电容积脉搏波信号的质量，以支持心血管疾病的监测	光电容积脉搏波信号及其运动伪影	信号处理	心血管疾病	光电容积脉搏波	深度神经网络, 卷积稀疏编码	信号数据	使用PulseDB数据集和PPG-DaLiA数据集，具体样本数量未明确	NA	学习卷积稀疏编码模型	信噪比, 心率平均绝对误差	NA
16	2026-02-03	Instance-level quantitative saliency in multiple sclerosis lesion segmentation 2026-Feb-02, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-36560-9 PMID:41622299	研究论文	本文提出了两种用于语义分割的实例级可解释性方法，以生成定量显著性图，并应用于多发性硬化症白质病变的MRI分割任务	将SmoothGrad和Grad-CAM++方法扩展到语义分割任务，首次实现了针对单个特定病变实例的定量显著性分析，为多病灶疾病的模型决策机制提供了新的解释工具	研究主要针对多发性硬化症的MRI数据，方法在其他疾病或模态上的泛化能力尚未验证；显著性图的定量解释标准仍需进一步临床验证	开发用于语义分割的实例级可解释人工智能方法，以理解深度学习模型在医学图像分割中针对特定病灶的检测和轮廓绘制决策机制	多发性硬化症患者的白质病变MRI分割	数字病理学	多发性硬化症	磁共振成像	深度学习	医学影像	687名多发性硬化症患者，共4023个FLAIR和MPRAGE MRI扫描	PyTorch	3D U-Net, nnU-Net, Swin UNETR	Dice系数, 真阳性率, 假发现率, 假阴性率	NA
17	2026-02-03	MRI neuroimaging-based Alzheimer's disease stage classification using deep neural network with convolutional block attention module and GAN-style noise injection 2026-Feb-02, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-37226-2 PMID:41622348	研究论文	本研究提出了一种结合卷积注意力模块和生成对抗网络风格噪声注入的深度神经网络模型，用于基于MRI神经影像对阿尔茨海默病的四个阶段进行分类	提出Neuro_CBAM-ADNet诊断模型，首次将卷积块注意力模块与GAN风格噪声注入技术结合应用于阿尔茨海默病分期分类，实现了无需人工干预的高精度自动诊断	未明确说明模型在不同MRI扫描仪或采集协议下的泛化能力，也未讨论模型对轻度认知障碍与早期阿尔茨海默病鉴别诊断的性能	开发计算机辅助系统以实现阿尔茨海默病早期预测和四阶段自动分类	阿尔茨海默病患者	数字病理学	阿尔茨海默病	MRI神经影像	CNN, GAN	图像	未明确说明具体样本数量	未明确说明	Neuro_CBAM-ADNet（自定义架构）	准确率	未明确说明
18	2026-02-03	Decoding Protein-Membrane Binding Interfaces from Surface-Fingerprint-Based Geometric Deep Learning and Molecular Dynamics Simulations 2026-Feb-02, Journal of chemical information and modeling IF:5.6Q1 DOI:10.1021/acs.jcim.5c02566 PMID:41622943	研究论文	本研究提出了一种名为MaSIF-PMP的几何深度学习模型，用于预测外周膜蛋白的膜结合界面位点	该模型结合分子表面指纹和几何化学特征，实现了空间分辨的界面结合位点预测，并通过分子动力学模拟验证和优化预测结果	实验解析的膜结合蛋白构象稀缺，可能影响模型训练和泛化能力	预测蛋白质-膜相互作用界面，以理解膜结合机制	外周膜蛋白及其与膜的相互作用	机器学习	NA	分子动力学模拟	几何深度学习模型	分子表面特征数据	NA	NA	MaSIF-PMP	分类性能	NA
19	2026-02-03	EXPRESS: Convolutional Autoencoder for Automated Pre-Processing of Tumor Cell and Tissue Raman Spectra 2026-Feb-02, Applied spectroscopy IF:2.2Q2 DOI:10.1177/00037028261422275 PMID:41622963	研究论文	本文提出了一种卷积自编码器，用于肿瘤细胞和组织拉曼光谱的单步自动化预处理	开发了一种卷积自编码器，能够单步自动化去除拉曼光谱中的基线、噪声和宇宙射线，无需GPU支持，处理速度快	未明确提及模型在更广泛或不同类型肿瘤光谱数据上的泛化能力	开发一种深度学习框架，用于高效自动化预处理肿瘤细胞和组织的拉曼光谱，以支持放疗反应监测研究	临床前单细胞系和异种移植组织光谱，以及临床前列腺肿瘤活检光谱	机器学习	前列腺癌	拉曼光谱	自编码器	光谱数据	约11,000条光谱	未明确提及	卷积自编码器	均方根误差, 百分比均方根差异, 宇宙射线去除率	无需GPU，在2.4秒内处理约11,000条光谱
20	2026-02-03	Kruskal Szekeres generative adversarial network augmented deep autoencoder for colorectal cancer detection 2026-Feb, Network (Bristol, England) DOI:10.1080/0954898X.2024.2426580 PMID:39550608	研究论文	提出一种结合Kruskal-Szekeres生成对抗网络与深度自编码器的方法，用于结直肠癌的早期检测	提出KSGANA-DA模型，首次将Kruskal-Szekeres坐标变换应用于数据增强，并结合基于解剖标志的深度自编码器进行图像分割	未明确说明数据集的具体来源、样本数量及临床验证范围	提高结直肠癌早期检测的准确率和效率	结直肠癌医学图像	数字病理学	结直肠癌	医学图像处理	GAN, Autoencoder	图像	NA	Python	Kruskal-Szekeres GAN Augmented Deep Autoencoder	精确率, 召回率, 训练时间	NA