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
321	2026-03-17	Characterization of binding kinetics and intracellular signaling of new psychoactive substances targeting cannabinoid receptor using transition-based reweighting method 2025-Nov-03, eLife IF:6.4Q1 DOI:10.7554/eLife.98798 PMID:41181929	研究论文	本研究通过分子动力学模拟、数据驱动统计方法和深度学习，揭示了新型精神活性物质（NPS）靶向大麻素受体CB1时增强下游β-arrestin信号的结构基础	结合过渡态重加权方法、变分自编码器（神经关系推断，NRI）分析配体结合动力学对下游信号的影响，首次系统阐明了NPS与经典大麻素在跨膜区TM7相互作用差异及对NPxxY基序变构调控的机制	研究主要基于计算模拟，缺乏实验验证；样本仅涉及两种配体（MDMB-Fubinaca和HU-210），可能无法完全代表所有NPS的多样性	揭示新型精神活性物质（NPS）靶向大麻素受体CB1时导致更强β-arrestin信号的结构机制与动力学差异	人类大麻素受体1（CB1）及其配体（NPS MDMB-Fubinaca和经典大麻素HU-210）	计算生物学	药物滥用	分子动力学模拟，多系综模拟，过渡态重加权方法，变分自编码器（神经关系推断）	变分自编码器	分子动力学模拟轨迹数据	两种配体（MDMB-Fubinaca和HU-210）与CB1受体的结合过程模拟	NA	神经关系推断	NA	NA
322	2026-03-17	Deep learning-powered high-efficient atomic force microscopy single-cell nanomechanical analysis on diverse biointerfaces 2025-10-30, Biochemical and biophysical research communications IF:2.5Q3 DOI:10.1016/j.bbrc.2025.152761 PMID:41066979	研究论文	本文提出了一种结合原子力显微镜单细胞压痕实验与视觉基础模型图像识别的方法，用于在不同生物界面上进行高效、可靠的细胞力学测量	利用预训练的深度学习模型实时识别光学明场图像中的细胞，实现了自主高效的AFM单细胞压痕实验，提升了AFM的吞吐量和自动化水平	NA	揭示细胞与细胞外基质相互作用的物理机制，以全面理解生理和病理过程	单细胞在多种生物界面上的力学响应	计算机视觉	NA	原子力显微镜，单细胞压痕实验	深度学习模型	图像	NA	NA	视觉基础模型	NA	NA
323	2026-03-17	DeepInMiniscope: Deep learning-powered physics-informed integrated miniscope 2025-Sep-12, Science advances IF:11.7Q1 DOI:10.1126/sciadv.adr6687 PMID:40938981	研究论文	本文介绍了一种名为DeepInMiniscope的微型集成显微镜，结合定制光学掩模和物理信息深度学习模型，用于高效的大规模三维成像	开发了结合定制光学掩模和物理信息深度学习模型的微型集成显微镜，显著降低了计算需求，并实现了毫米级物体体积的高质量重建	NA	开发一种紧凑、高效的大视场三维成像技术，用于生物医学研究	小鼠大脑皮层中的神经元活动	计算机视觉	NA	掩模集成荧光显微镜	深度学习模型	图像	NA	NA	NA	重建质量、速度	NA
324	2026-03-17	Automated liver magnetic resonance elastography quality control and liver stiffness measurement using deep learning 2025-09, Abdominal radiology (New York) DOI:10.1007/s00261-025-04883-2 PMID:40088296	研究论文	本研究提出了一种基于深度学习的全自动化方法，用于肝脏磁共振弹性成像的质量控制和肝脏硬度测量	首次采用深度学习模型（SqueezeNet和U-Net）实现肝脏MRE质量控制和硬度测量的全自动化，显著提高效率	研究为单中心回顾性研究，样本量相对较小（69名患者），需进一步多中心验证	开发自动化深度学习方法以解决肝脏磁共振弹性成像质量控制和测量变异性问题	肝脏磁共振弹性成像扫描图像	数字病理学	肝纤维化	磁共振弹性成像	CNN	图像	69名患者的146次2D MRE扫描，共897张MRE幅度切片	NA	SqueezeNet, U-Net	准确率, 精确率, 召回率, 平均LSM误差, 组内相关系数	NA
325	2026-03-17	Training deep learning models on personalized genomic sequences improves variant effect prediction 2025-Feb-15, bioRxiv : the preprint server for biology DOI:10.1101/2024.10.15.618510 PMID:39463940	研究论文	本文通过训练深度学习模型于个性化基因组序列，提升了变异效应预测的性能	在匹配个人基因组的功能基因组数据上训练模型，提高了变异效应预测的准确性，且变异效应表征在微调至未见细胞环境和实验读数时仍能保留	NA	改进序列到功能模型在变异效应预测中的性能	个性化基因组序列和功能基因组数据	机器学习	NA	功能基因组数据	深度学习模型	基因组序列数据	NA	NA	NA	NA	NA
326	2026-03-17	Disease Activity and Therapeutic Response to Pegcetacoplan for Geographic Atrophy Identified by Deep Learning-Based Analysis of OCT 2025-Feb, Ophthalmology IF:13.1Q1 DOI:10.1016/j.ophtha.2024.08.017 PMID:39151755	研究论文	本研究利用深度学习分析OCT图像，量化了在pegcetacoplan治疗下，地理萎缩患者光感受器和视网膜色素上皮层的形态变化	首次应用深度学习技术对OCT图像进行分割，以客观量化地理萎缩中光感受器和视网膜色素上皮层的退化，并揭示了椭圆体带-视网膜色素上皮差异对疾病进展和治疗反应的显著影响	研究为事后纵向图像分析，可能受限于原始临床试验的设计和数据收集；未详细说明深度学习模型的泛化能力到其他数据集或临床环境	评估pegcetacoplan治疗对年龄相关性黄斑变性引起的地理萎缩中视网膜结构变化的疗效	来自OAKS和DERBY两项前瞻性随机III期临床试验的897名地理萎缩患者	数字病理学	年龄相关性黄斑变性	OCT成像	深度学习	图像	897只眼睛（来自897名患者）	NA	NA	视网膜色素上皮损失和椭圆体带损失的面积变化百分比	NA
327	2026-03-17	AI: the Apollo guidance computer of the Exposome moonshot 2025, Frontiers in artificial intelligence IF:3.0Q2 DOI:10.3389/frai.2025.1632520 PMID:41000410	评论	本文提出将人工智能与微生理系统和多组学平台结合，以推动暴露组学研究，实现疾病预防和个性化健康管理	提出“暴露组登月计划”统一愿景，将微生理系统、多组学平台和人工智能整合，创建器官、个体和人群的数字孪生模型	需要扩展模型的适用领域、实施稳健的数据安全措施，并优先采用透明可解释的算法	推动暴露组学研究，通过人工智能整合环境暴露数据以理解和预防人类疾病	人类环境暴露数据、微生理系统生成的数据、多组学平台数据	机器学习	NA	多组学平台	深度学习	异质数据流	NA	NA	NA	NA	NA
328	2026-03-17	AI redefines mass spectrometry chemicals identification: retention time prediction in metabolomics and for a Human Exposome Project 2025, Frontiers in public health IF:3.0Q2 DOI:10.3389/fpubh.2025.1687056 PMID:41312237	综述	本文综述了人工智能在质谱化学鉴定中的应用，特别是在代谢组学和人类暴露组项目中预测保留时间的方法	整合机器学习（包括深度学习和图神经网络）进行保留时间预测，并结合概率校准和跨平台协调，以提高代谢物注释的置信度	NA	通过人工智能增强保留时间预测，以改善人类暴露组项目中环境与内源性化学物质的鉴定	人类生物样本中的环境与内源性化学物质	机器学习	NA	液相色谱-高分辨率质谱, 气相色谱	深度学习, 图神经网络, 迁移学习	质谱数据	NA	NA	NA	NA	NA
329	2026-03-15	AI-driven paradigm shift in follicle ultrasound monitoring: from automated segmentation to clinical decision support 2025-Dec-25, Reproductive biomedicine online IF:3.7Q1 DOI:10.1016/j.rbmo.2025.105440 PMID:41826105	评论	本文阐述了人工智能在超声卵泡监测中的发展路径，重点讨论了从自动分割到临床决策支持的范式转变	提出了基于深度学习的CR-Unet和C-Rend模型，实现了从二维到三维图像的精确卵泡分割与测量，并将二维卵泡面积和三维卵泡体积确立为预测卵母细胞成熟度和优化人绒毛膜促性腺激素触发时机的新型生物标志物	NA	探讨人工智能在辅助生殖超声卵泡监测中的应用与发展	超声图像中的卵泡	计算机视觉	NA	超声成像	深度学习	图像	NA	NA	CR-Unet, C-Rend	分割精度, 测量一致性	NA
330	2026-03-15	Lightweight Vision Transformer with transfer learning for interpretable Alzheimer's disease severity assessment 2025-Dec-17, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-28243-8 PMID:41408128	研究论文	提出一种轻量级深度学习框架ViTTL，用于基于MRI数据评估阿尔茨海默病的严重程度	集成Vision Transformer与预训练卷积神经网络进行迁移学习，并结合LIME和GRAD-CAM方法实现模型可解释性，同时大幅减小模型尺寸	未明确说明在独立数据集上的具体性能指标或潜在的数据偏差	开发准确、可解释且资源高效的阿尔茨海默病诊断工具	阿尔茨海默病患者	计算机视觉	阿尔茨海默病	MRI	Vision Transformer, CNN, ANN	图像	OASIS数据集和Kaggle独立数据集	未明确指定	ViT-DenseNet201	准确率, Dice相似系数	未明确指定
331	2026-03-15	Potential of artificial intelligence for radiation dose reduction in computed tomography -A scoping review 2025-07, Radiography (London, England : 1995) DOI:10.1016/j.radi.2025.102968 PMID:40339443	综述	本文通过范围综述，评估和总结了人工智能在CT扫描中患者定位、扫描范围确定和图像重建三个关键领域对辐射剂量优化的作用	系统性地聚焦于AI在CT辐射剂量优化中的三个核心应用领域，并提供了当前技术状态的简明概述，强调了其益处、局限性和对剂量减少变革的影响	作为一篇范围综述，它主要总结现有研究，未进行新的实验验证，且纳入文献时间范围可能限制了对最新进展的覆盖	回顾、评估和总结人工智能在计算机断层扫描（CT）辐射剂量优化中的作用	涉及CT扫描的文献研究，重点关注腹部、胸部、头部、颈部和骨盆以及CT血管造影等扫描部位	医学影像	NA	计算机断层扫描（CT）	深度学习	CT图像	90篇符合选择标准的文章	NA	NA	辐射剂量、相关评估指标（基于应用AI的CT参数）	NA
332	2026-03-15	Can graph similarity metrics be helpful for analogue identification as part of a read-across approach? 2025-Jun, Computational toxicology (Amsterdam, Netherlands) DOI:10.1016/j.comtox.2025.100353 PMID:41816015	综述	本文综述了在读取交叉方法中用于识别源类似物的化学指纹/骨架和基于图的方法，并通过五个毒性数据集评估了这些方法的实用性	系统比较了图相似性度量（如图核、图嵌入和深度学习）在读取交叉类似物识别中的应用潜力，并基于实际数据集进行了评估	无监督的整图嵌入方法在所有评估的数据集中均无效，且方法的有效性依赖于训练数据的可用性和规模	评估图相似性度量在读取交叉方法中识别化学物质类似物的帮助作用	化学物质及其毒性数据集，包括皮肤致敏性、皮肤刺激性、水生毒性和遗传毒性潜力	机器学习	NA	化学指纹/骨架方法，图核，图嵌入，深度学习	图卷积网络	化学结构数据，毒性数据	五个不同规模和多样性的毒性数据集	NA	图卷积网络	NA	NA
333	2026-03-15	Deep learning-based detection and segmentation of osseous metastatic prostate cancer lesions on computed tomography 2025-Jun, European journal of radiology artificial intelligence DOI:10.1016/j.ejrai.2025.100005 PMID:41822381	研究论文	本研究利用深度学习模型自动检测和分割CT图像中的骨转移性前列腺癌病灶	首次系统评估多种深度学习模型在骨转移性前列腺癌CT图像病灶检测与分割中的性能，并比较了nnUNetv2等模型在分割精度上的显著优势	未明确提及样本数据的具体来源或多样性限制，且模型对脊柱病灶的敏感性相对较低	自动化骨转移性前列腺癌病灶的检测与分割，以辅助诊断、预后和监测	CT图像中的骨转移性前列腺癌病灶	计算机视觉	前列腺癌	CT扫描	CNN	图像	NA	NA	EfficientNet, ResNet34, DenseNet, nnUNetv2, UNet, ResUNet, ResAttUNet	F1分数, 精确率, 召回率, AUC, Dice相似系数	NA
334	2026-03-15	Minimizing Human-Induced Variability in Quantitative Angiography for Robust and Explainable AI-Based Occlusion Prediction 2025-Mar-13, ArXiv PMID:40160450	研究论文	本研究通过实施注射偏差去除算法减少定量血管造影的变异性，并利用可解释AI增强深度学习模型对颅内动脉瘤闭塞预测的可靠性和可解释性	提出通过解卷积和再卷积技术标准化注射曲线以消除对比剂注射变异性，并结合LIME方法提升模型决策的透明度和临床相关性	研究仅基于458名患者的血管造影数据，样本量相对有限，且未涉及外部验证	提高使用定量血管造影和深度学习模型预测颅内动脉瘤闭塞的准确性和可解释性	接受血流导向装置治疗的颅内动脉瘤患者	数字病理学	颅内动脉瘤	定量血管造影	深度神经网络	血管造影图像	458名患者	NA	深度神经网络	AUROC, 准确率, 敏感性, 特异性	NA
335	2026-03-15	Using a fully automated, quantitative fissure integrity score extracted from chest CT scans of emphysema patients to predict endobronchial valve response 2025-Mar, Journal of medical imaging (Bellingham, Wash.) DOI:10.1117/1.JMI.12.2.024501 PMID:40093557	研究论文	本研究开发并验证了一种基于胸部CT扫描的自动化定量裂隙完整性评分（FIS）预测模型，用于识别适合接受支气管内瓣膜（EBV）治疗的肺气肿患者	首次利用完全自动化的深度学习方法来定量评估肺裂隙完整性，并将其作为预测EBV治疗反应的生物标志物	样本量较小（仅96例），且为回顾性研究，可能存在选择偏倚	开发预测模型以识别适合EBV治疗的肺气肿患者	中度至重度肺气肿患者	数字病理学	肺气肿	胸部CT扫描	深度学习, 逻辑回归	CT图像	96例患者的治疗前后胸部CT扫描	NA	NA	AUC, 准确率, 特异性, 敏感性, 阳性预测值, 阴性预测值	NA
336	2026-03-14	A novel deep learning system for STEMI prognostic prediction from multi-sequence cardiac magnetic resonance 2025-12-30, Science bulletin IF:18.8Q1 DOI:10.1016/j.scib.2025.11.027 PMID:41314962	研究论文	本文开发了一个名为DeepSTEMI的端到端深度学习系统，用于从多序列心脏磁共振图像结合临床参数预测STEMI患者2年主要不良心血管事件	提出了一种结合U-Net和Transformer模块的端到端深度学习系统，首次实现了多序列心脏磁共振图像与临床参数的自动整合，用于STEMI预后预测，并通过SHAP分析提供了模型可解释性	研究基于特定注册数据集（EARLY-MYO-CMR），外部验证仅来自三个独立心脏中心，样本量相对有限，且未在所有可能的亚组中进行全面验证	开发一个自动化、可扩展且可解释的深度学习系统，以改进ST段抬高型心肌梗死患者的早期风险分层，超越现有临床风险评分和手动成像生物标志物的限制	ST段抬高型心肌梗死患者	数字病理学	心血管疾病	心脏磁共振成像	深度学习	图像, 临床参数	开发集610名患者（20,618张图像），外部验证集334名患者（9,944张图像）	NA	U-Net, Transformer	AUC, 准确率, 风险比, 对数秩检验P值, 净重分类改善指数	NA
337	2026-03-14	"MR Fingerprinting for Imaging Brain Hemodynamics and Oxygenation" 2025-Dec, Journal of magnetic resonance imaging : JMRI IF:3.3Q1 DOI:10.1002/jmri.29812 PMID:40375492	综述	本文综述了磁共振指纹成像技术在脑血流动力学、氧合及灌注定量方面的研究进展	重点介绍了血管模拟的几何模型、新型序列以及融合机器学习和深度学习算法的最先进重建技术	NA	概述血管磁共振指纹成像的关键研究，并展望其临床转化的未来方向	脑血流动力学、氧合及灌注	数字病理学	NA	磁共振指纹成像	NA	磁共振成像数据	NA	NA	NA	NA	NA
338	2026-03-14	Utility of Thin-slice Single-shot T2-weighted MR Imaging with Deep Learning Reconstruction as a Protocol for Evaluating Pancreatic Cystic Lesions 2025-Nov-20, Magnetic resonance in medical sciences : MRMS : an official journal of Japan Society of Magnetic Resonance in Medicine IF:2.5Q2 DOI:10.2463/mrms.mp.2025-0042 PMID:40518300	研究论文	本研究评估了采用深度学习超分辨率重建的2毫米薄层单次激发T2加权磁共振成像在胰腺囊性病变评估中的效用	首次将工业开发的深度学习超分辨率重建技术应用于2毫米薄层单次激发T2加权磁共振成像，并与传统5毫米层厚图像进行对比	研究样本量较小（仅30例患者），且为单中心研究，可能影响结果的普适性	评估深度学习超分辨率重建技术对薄层磁共振成像图像质量的影响，以优化胰腺囊性病变的影像学评估协议	胰腺囊性病变患者	医学影像分析	胰腺囊性病变	单次激发涡轮自旋回波磁共振成像，深度学习超分辨率重建	深度学习重建模型	磁共振图像	30例连续患者	NA	NA	信噪比，对比噪声比，图像质量评分，诊断信心评分	NA
339	2026-03-14	Deep chemometrics with convolutional neural networks for the detection of honey adulteration using Fourier transform infrared spectroscopy 2025-Nov-08, Spectrochimica acta. Part A, Molecular and biomolecular spectroscopy DOI:10.1016/j.saa.2025.127167 PMID:41818833	研究论文	本研究结合傅里叶变换红外光谱、化学计量学和深度学习模型，开发了一种用于检测蜂蜜中掺假糖浆的快速、非破坏性方法	提出了一种统一的CNN-ANN模型，可同时检测三种常见掺假糖浆（葡萄糖浆、米浆和高果糖玉米糖浆），简化了部署流程；开发了用户友好的Python界面，支持批量或单个光谱分析	统一CNN-ANN模型在测试集上的平衡准确率为0.79，性能低于针对单一掺假物开发的PLS-DA模型；模型可能对未包含在训练中的新型掺假物检测能力有限	开发快速、可靠的蜂蜜真实性筛查方法，以应对蜂蜜掺假的全球性问题	蜂蜜样品及其可能掺入的葡萄糖浆、米浆和高果糖玉米糖浆	化学计量学, 深度学习	NA	傅里叶变换红外光谱	PLS-DA, CNN, ANN	光谱数据	未明确说明具体样本数量，但涉及独立测试集	Python, Optuna	CNN-ANN	准确率, 精确率, 平衡准确率, 灵敏度, 特异性, F1分数	未明确说明
340	2026-03-14	Comparing Handcrafted Radiomics Versus Latent Deep Learning Features of Admission Head CT for Hemorrhagic Stroke Outcome Prediction 2025-Nov-02, Biotech (Basel (Switzerland)) DOI:10.3390/biotech14040087 PMID:41283322	研究论文	本研究比较了手工放射组学与深度学习潜在特征在入院头部CT上预测出血性卒中3个月预后和血肿扩张的效果	首次将多尺度U形分割模型提取的潜在深度学习特征与手工放射组学特征结合，用于出血性卒中预后预测，并通过非负矩阵分解进行特征降维	深度学习特征仅在某些血肿扩张阈值（如>3 mL）上显著提升预测性能，整体改进幅度有限	比较手工放射组学与深度学习特征在预测急性脑出血患者3个月临床结局和血肿扩张方面的效能	急性脑出血患者的入院非增强头部CT图像	医学影像分析	出血性卒中	放射组学特征提取，深度学习特征学习	U-Net, 自编码器, Random Forest, XGBoost, Extra Trees, Elastic Net	医学图像（CT）	训练集866例（多中心试验队列），外部验证集645例（单中心数据集）	NA	多尺度U形分割模型，生成式自编码器	准确性，统计显著性	NA