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	2026-05-12	Artificial intelligence chatbots in endodontic education-Concepts and potential applications 2026-Jun, International endodontic journal IF:5.4Q1 DOI:10.1111/iej.14231 PMID:40164964	综述论文	探讨人工智能聊天机器人在牙髓病学教育中的概念与潜在应用	系统梳理了AI聊天机器人在牙髓病学教育中的应用前景，包括个性化学习、交互式培训及临床决策支持，并分析了技术局限和伦理挑战	目前针对牙髓病学领域的专门研究有限，需要进一步开发并验证其准确性和相关性的定制化聊天机器人解决方案	解释AI聊天机器人的核心功能，探索其在牙髓病学教育中的应用，并讨论相关挑战	牙髓病学教育中的学习者（学生）和教育者（教师）	自然语言处理, 机器学习	牙科疾病	NA	Chatbot（聊天机器人）	文本	NA	NA	NA	NA	NA
2	2026-05-12	Synergizing Anti-Cancer Drug Combinations With Dual-View Hypergraph Representation Fusion 2026-May, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2024.3511657 PMID:40030495	研究论文	提出一种基于双视图超图表示融合的深度学习模型，用于识别协同抗癌药物组合	创新性地利用超图视图和扩展异构图视图同时学习样本三元组的局部和全局上下文关系，并通过选择性融合两个分支的表示来预测协同药物组合	未明确说明局限性，但可能受限于现有已知协同组合数据的质量和数量	识别协同抗癌药物组合，为新型药物开发提供新见解	癌症细胞系和药物分子	机器学习	癌症	转录组测序、分子结构分析	深度学习模型（超图神经网络）	转录组特征、药物分子结构	未明确说明样本数量	NA	DVHSyn（双视图超图表示融合模型）	未明确说明具体指标，但实验结果表明优于六种对比方法	NA
3	2026-05-12	Advancing endometriosis detection in daily practice: a deep learning-enhanced multi-sequence MRI analytical model 2026-01, Abdominal radiology (New York) DOI:10.1007/s00261-025-04942-8 PMID:40232413	研究论文	开发了一种基于深度学习的多序列MRI分析模型，用于提高子宫内膜异位症的检测准确性	首次在大规模队列中应用多序列MRI的深度学习模型进行子宫内膜异位症检测，并展示了与专业医师相当的检测性能	未在论文标题和摘要中明确提及	评估深度学习工具在增强基于多序列MRI的子宫内膜异位症检测准确性中的应用	子宫内膜异位症患者和健康对照者的多序列MRI图像	数字病理学	子宫内膜异位症	MRI	3D-DenseNet-121	图像（MRI）	395例子宫内膜异位症患者和356例对照组，共751例	NA	3D-DenseNet-121	F1分数、AUROCC、敏感性、特异性	NA
4	2026-05-12	Multi-class transformer-based segmentation of pancreatic ductal adenocarcinoma and surrounding structures in CT imaging: a multi-center evaluation 2026-01, Abdominal radiology (New York) DOI:10.1007/s00261-025-05061-0 PMID:40514460	研究论文	提出基于Transformer的多类分割框架，用于CT图像中胰腺导管腺癌及周围结构的分割，并在多中心数据集上验证其性能	首次系统比较四种深度学习架构（UNet、nnU-Net、UNETR、Swin-UNet）在PDAC多类分割任务中的表现，并验证Transformer模型（Swin-UNet）的优越性和泛化能力	未明确指出局限性，但回顾性研究设计、数据预处理依赖标准化标注可能限制临床实时应用	开发并评估用于CT图像中PDAC及周围结构自动多类分割的深度学习框架	3265名患者的多中心CT影像数据	计算机视觉	胰腺导管腺癌	CT成像	Swin-UNet, UNet, nnU-Net, UNETR	图像	3265名患者（来自6个机构），其中569名用于独立测试	NA	Swin-UNet, UNet, nnU-Net, UNETR	Dice相似系数, 交并比, 定向Hausdorff距离, 平均对称表面距离, 体积重叠误差	NA
5	2026-05-12	Artificial intelligence (AI) and CT in abdominal imaging: image reconstruction and beyond 2026-01, Abdominal radiology (New York) DOI:10.1007/s00261-025-05031-6 PMID:40522387	综述	探讨人工智能在腹部CT成像中的图像重建及扩展应用	系统总结了深度学习重建技术（如TrueFidelity、AiCE等）在腹部成像中的优势，并拓展了AI在低对比度病变检测、定量成像和工作流优化等领域的应用	临床验证不足、标准化缺乏及广泛采用存在挑战	综述AI驱动的CT图像重建原理、进展及未来方向，及其在腹部成像中的扩展角色	腹部CT图像重建技术，包括传统方法（FBP、IR）和深度学习重建方法	计算机视觉	NA	CT成像	卷积神经网络	图像	NA	NA	TrueFidelity, AiCE, Precise Image	对比噪声比、病变检测能力、诊断置信度	NA
6	2026-05-12	Practical applications of AI in body imaging 2026-01, Abdominal radiology (New York) DOI:10.1007/s00261-025-05088-3 PMID:40576669	综述	本文综述了截至2024年底在美国获得FDA批准并用于腹腔盆腔器官及相关疾病评估的商业AI算法，评价其潜在优势并提出未来方向	系统梳理了针对腹腔盆腔成像的FDA批准AI算法现状，并分析了临床应用中的实际优势与局限	未提及具体算法性能数据比较，且局限于美国市场已商业化的算法	评估腹腔盆腔成像中AI算法的实际应用价值及未来发展趋势	FDA批准的用于腹腔盆腔器官及相关疾病的AI算法	医学影像	腹腔盆腔疾病	深度学习	NA	影像	NA	NA	NA	NA	NA
7	2026-05-12	Spike Rate Inference from Mouse Spinal Cord Calcium Imaging Data 2025-Apr-30, The Journal of neuroscience : the official journal of the Society for Neuroscience DOI:10.1523/JNEUROSCI.1187-24.2025 PMID:40127941	研究论文	利用监督学习和无监督算法从小鼠脊髓钙成像数据中推断神经元放电率	首次在脊髓神经元上测试了基于深度学习的CASCADE算法和非负解卷积OASIS算法，并公开提供了针对脊髓数据重新训练的模型	未明确说明，但可能包括算法仅基于特定细胞类型（谷氨酸能和GABA能神经元）的验证，以及缺乏对更广泛脊髓区域的泛化评估	评估从脊髓钙成像数据中推断神经元放电率的算法性能，并探索不同脑区之间的泛化能力	小鼠脊髓背角浅层的谷氨酸能和GABA能体感神经元	机器学习	NA	钙成像	深度学习（CASCADE）和非负解卷积（OASIS）	钙成像信号	来自小鼠（两性）脊髓背角浅层的谷氨酸能和GABA能神经元数据	PyTorch	CASCADE, OASIS	准确率	NA
8	2026-05-12	Deep learning-based free-water correction for single-shell diffusion MRI 2025-Apr, Magnetic resonance imaging IF:2.1Q2 DOI:10.1016/j.mri.2025.110326 PMID:39827997	研究论文	提出一种基于深度学习的自由水校正方法，用于单壳层扩散MRI数据，以消除自由水引起的部分容积效应	首次将深度学习框架应用于单壳层扩散MRI的自由水校正，通过数据驱动方法推断自由水体素，并实现模型微调和b值重映射以适应新数据	NA	开发一种通用且准确的单壳层扩散MRI自由水校正方法，提高扩散特性估计的一致性和神经通路识别的准确性	人脑连接组项目年轻成人数据集、人脑连接组项目老化数据集以及脑肿瘤连接组数据	数字病理学	NA	扩散磁共振成像，单壳层采集	深度学习模型	图像（扩散加权图像）	使用HCP-ya、HCP-a和BTC数据集，具体样本量未明确说明	NA	NA	一致性和准确性，具体指标未明确说明	NA
9	2026-05-12	The information bottleneck as a principle underlying multi-area cortical representations during decision-making 2025-Feb-15, bioRxiv : the preprint server for biology DOI:10.1101/2023.07.12.548742 PMID:37502862	研究论文	本研究探讨了多脑区皮层表征在决策过程中遵循信息瓶颈原则的机制	首次通过多脑区循环神经网络模型揭示了大脑如何通过信息瓶颈原理形成最优表征，并发现前额叶皮层与运动前区背侧区域之间的信息优先传播机制	NA	阐明决策过程中多脑区皮层表征如何遵循信息瓶颈原则进行分布式计算	恒河猴的背外侧前额叶皮层和背侧运动前区皮层中的单个神经元与多单元活动	机器学习	NA	多脑区循环神经网络	循环神经网络	神经电生理数据	恒河猴实验中的神经元记录数据	PyTorch	多脑区循环神经网络	NA	NA
10	2026-05-12	Spike rate inference from mouse spinal cord calcium imaging data 2025-Jan-11, bioRxiv : the preprint server for biology DOI:10.1101/2024.07.17.603957 PMID:39829770	研究论文	利用监督深度学习与非监督反卷积算法，从小鼠脊髓钙成像数据中推断神经元放电率，并通过真实数据验证和优化模型	首次评估现有尖峰推断算法在脊髓神经元上的适用性，并通过重新训练CASCADE模型显著提升性能，展示了算法在不同神经系统区域间的泛化能力	未提及算法在更广泛脑区或病理条件下的泛化性，且真实数据仅来自小鼠脊髓背角特定细胞类型	验证并优化从脊髓钙成像数据推断神经元放电率的算法，为其在脊髓研究中的可靠应用提供基础	小鼠脊髓背角浅层的谷氨酸能和GABA能体感神经元	机器学习	NA	钙成像	CNN（CASCADE）和OASIS	钙成像信号和电生理记录的真实数据	包含谷氨酸能和GABA能神经元的小鼠脊髓背角样本	CASCADE（基于TensorFlow/PyTorch）和OASIS	CASCADE（深度学习模型）和OASIS（非负反卷积）	准确性和泛化性能（具体指标未明确提及，但基于推断准确性评估）	NA
11	2026-05-12	Artificial intelligence: the human response to approach the complexity of big data in biology 2025-01-06, GigaScience IF:11.8Q1 DOI:10.1093/gigascience/giaf057 PMID:40504538	综述	本文探讨人工智能如何应对生物学大数据复杂性，重点分析其在植物科学、动物科学和微生物学等生命科学领域的应用	系统梳理了高通量组学数据增长驱动AI分析需求的过程，特别强调组学预测分析在系统生物学中的角色及FAIR原则对组学数据的重要性	未提供具体实验验证或定量比较结果，仅进行文献综述性讨论	探索AI在生命科学中应用的发展现状、挑战与机遇	生命科学领域中的高通量组学数据（植物、动物、微生物学数据）	机器学习	NA	NA	NA	组学数据	NA	NA	NA	NA	NA
12	2026-05-12	CellBinDB: a large-scale multimodal annotated dataset for cell segmentation with benchmarking of universal models 2025-01-06, GigaScience IF:11.8Q1 DOI:10.1093/gigascience/giaf069 PMID:40552981	research paper	介绍CellBinDB，一个大规模多模态标注数据集，用于细胞分割并基准测试通用模型	构建了涵盖多种组织类型和染色方法的大规模多模态标注数据集，并系统评估了8种主流细胞分割技术的性能	复杂细胞形状会降低分割精度，数据集主要覆盖常规染色类型和常见组织，对罕见细胞类型的适应性未知	建立支持通用模型训练和多技术评估的细胞分割数据集，推动更通用分割技术的发展	细胞或细胞核边界	digital pathology	NA	DAPI、ssDNA、H&E、多重免疫荧光染色	深度学习分割模型（具体未指定）	图像	1000余张标注图像，覆盖30余种正常和疾病组织类型（人类和小鼠样本）	NA	NA	分割精度、边界检测效果（具体指标如Dice系数等未明确）	NA
13	2026-05-12	Prediction of Bone Mineral Density based on Computer Tomography Images Using Deep Learning Model 2025, Gerontology IF:3.1Q3 DOI:10.1159/000542396 PMID:39527924	研究论文	基于深度学习模型利用计算机断层扫描图像预测骨密度	提出了一种多阶段深度学习模型，可自动测量椎体骨密度并提高骨质疏松诊断率	未明确说明	开发自动测量骨密度的深度学习模型，提高骨质疏松诊断率	801名受试者的2,080个椎体（T11-L4）	计算机视觉	骨质疏松症	QCT	CNN	图像	801名受试者（410名男性和391名女性），共2,080个椎体	NA	多阶段深度学习模型	判定系数R², 准确率, 精确率, 召回率, F1分数	NA
14	2026-05-12	Dynamic Prediction of Cardiovascular Death among Old People with Mildly Reduced Kidney Function Using Deep Learning Models Based on a Prospective Cohort Study 2025, Gerontology IF:3.1Q3 DOI:10.1159/000545679 PMID:40359927	研究论文	利用深度学习模型基于前瞻性队列研究动态预测肾功能轻度减退老年人的心血管死亡	首次使用动态深度学习算法（Dynamic DeepHit）对肾功能轻度减退老年人群进行心血管死亡动态预测，随随访次数增加预测性能提升	该研究未提及具体限制	识别肾功能轻度减退老年人群中与心血管死亡相关的目标特征并利用深度学习模型降低死亡风险	肾功能轻度减退的老年人（年龄≥60岁）	机器学习	心血管疾病	NA	深度学习模型	临床纵向数据	12,650名老年人（年龄≥60岁）	NA	动态深度生存模型	一致性指数、布里尔分数	NA
15	2026-05-12	An Updated Simplified Severity Scale for Age-Related Macular Degeneration Incorporating Reticular Pseudodrusen: Age-Related Eye Disease Study Report Number 42 2024-10, Ophthalmology IF:13.1Q1 DOI:10.1016/j.ophtha.2024.04.011 PMID:38657840	研究论文	更新年龄相关性黄斑变性简化严重程度量表，纳入网状假性玻璃膜疣，并进行外部验证	首次将网状假性玻璃膜疣状态整合到简化严重程度量表中，并更新了晚期AMD的定义，将非中心性地理萎缩作为结局而非风险特征，提高了预后准确性	研究基于临床试验队列，可能不适用于更广泛的一般人群，且量表主要适用于风险分类的广泛层次	更新AREDS简化严重程度量表，以提高晚期AMD风险预测的准确性，并验证其泛化能力	AREDS和AREDS2临床试验队列中无晚期AMD的参与者	机器学习	年龄相关性黄斑变性	深度学习分级（彩色眼底照片）	NA	彩色眼底照片	AREDS 2719例，AREDS2 1472例	NA	NA	5年进展率	NA
16	2026-05-12	Prediction of post-traumatic stress disorder in family members of ICU patients: a machine learning approach 2024-01, Intensive care medicine IF:27.1Q1 DOI:10.1007/s00134-023-07288-1 PMID:38112774	研究论文	利用机器学习方法预测ICU患者家属的创伤后应激障碍	首次提出基于机器学习的方法在个体层面预测ICU患者家属的创伤后应激障碍，并应用多种可解释性方法分析变量贡献	模型中主要影响因素均为不可改变因素，缺乏对可干预因素的探索	开发易于获取的患者和家属信息为基础的风险分层工具，指导高风险家属接受适当管理	ICU患者的家庭成员	机器学习	创伤后应激障碍	NA	随机森林、XGBoost、正则化线性模型、核模型、深度学习模型	结构化临床数据	2374名ICU患者家庭成员	Scikit-learn, XGBoost	随机森林、XGBoost	AUC	NA
17	2026-05-12	Hierarchical Individual Naturalistic Functional Brain Networks with Group Consistency Uncovered by a Two-Stage NAS-Volumetric Sparse DBN Framework 2022 Sep-Oct, eNeuro IF:2.7Q3 DOI:10.1523/ENEURO.0200-22.2022 PMID:35995557	研究论文	提出了一种两阶段神经架构搜索与体积稀疏深度信念网络模型，用于从自然范式功能磁共振成像数据中识别具有群体一致性和个体独特性的分层功能脑网络	首次将神经架构搜索与体积稀疏深度信念网络结合，自动优化网络架构以建模自然范式fMRI数据，同时兼顾群体一致性与个体变异性	未提及	从自然范式fMRI数据中自动识别具有群体一致性和个体独特性的分层时空脑功能特征	自然范式下的人脑功能网络及时间特征	机器学习	NA	NfMRI	深度信念网络 (DBN)	fMRI体积图像	NA	NA	两阶段神经架构搜索, 体积稀疏深度信念网络	群体一致性, 个体独特性	NA
18	2026-05-11	Comparing machine and deep learning-based algorithms for prediction of clinical improvement in psychosis with functional magnetic resonance imaging 2021-03, Human brain mapping IF:3.5Q1 DOI:10.1002/hbm.25286 PMID:33185307	研究论文	比较六种机器学习算法和深度学习在基于功能性磁共振成像预测精神病患者临床改善中的表现	首次在早期精神病患者中系统比较多种机器学习方法与深度学习在预测症状改善方面的性能，并采用可解释人工智能揭示关键特征左背外侧前额叶皮质激活	样本量较小（精神分裂症65例，I型双相障碍17例），且仅使用单一认知任务（AX持续表现任务）的前顶叶激活特征	评估机器学习和深度学习方法在预测精神病患者经协调专科护理1年后临床症状改善的能力	早期精神病患者（精神分裂症或I型双相障碍）及健康对照者	机器学习	精神病	功能性磁共振成像	朴素贝叶斯、支持向量机、K Star、AdaBoost、J48决策树、随机森林、深度学习	功能性磁共振成像数据	82名患者（65例精神分裂症，17例I型双相障碍）和138名健康对照者	NA	NA	准确率、均方根误差	NA
19	2026-05-11	Further evaluation and validation of the VETSCAN IMAGYST: in-clinic feline and canine fecal parasite detection system integrated with a deep learning algorithm 2021-Jan-29, Parasites & vectors IF:3.0Q1 DOI:10.1186/s13071-021-04591-y PMID:33514412	研究论文	评估VETSCAN IMAGYST系统结合深度学习算法在猫狗粪便寄生虫检测中的性能	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
20	2026-05-11	DeepTFactor: A deep learning-based tool for the prediction of transcription factors 2021-01-12, Proceedings of the National Academy of Sciences of the United States of America IF:9.4Q1 DOI:10.1073/pnas.2021171118 PMID:33372147	研究论文	开发了一个基于深度学习的工具DeepTFactor，用于预测转录因子	利用卷积神经网络自动提取蛋白质特征，无需依赖已知转录因子的序列同源性，可预测无同源性的新转录因子	未明确讨论模型在非典型或极端环境下的泛化能力，以及预测结果的生物学验证覆盖范围有限（仅验证三种候选转录因子）	开发一种不依赖序列同源性的深度学习工具，准确预测真核和原核生物中的转录因子	转录因子（TFs）及蛋白质序列	机器学习	NA	NA	卷积神经网络（CNN）	蛋白质序列	48346个基因组中的73073012个蛋白质序列；对K-12 MG1655菌株预测332个候选转录因子	NA	卷积神经网络（CNN）	F1分数	NA