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
941	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
942	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
943	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
944	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
945	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
946	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
947	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
948	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
949	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
950	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
951	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
952	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
953	2026-03-14	Optimization of carotid CT angiography image quality with deep learning image reconstruction with high setting (DLIR-H) algorithm under ultra-low radiation and contrast agent conditions 2025-10, Radiography (London, England : 1995) DOI:10.1016/j.radi.2025.103154 PMID:40914000	研究论文	本研究评估了深度学习图像重建（DLIR-H）算法在超低辐射和造影剂条件下优化颈动脉CT血管造影图像质量的效果	首次在超低剂量和低造影剂条件下，将DLIR-H算法应用于双能CT血管造影（DE-CTA）的40 keV虚拟单能图像（VMI），显著提升了图像质量并降低了辐射剂量和造影剂用量	研究样本量相对较小（120例），且为单中心前瞻性研究，可能限制结果的普适性	评估DLIR-H算法在超低辐射和造影剂条件下提升颈动脉CT血管造影图像质量的效能	接受双能CT血管造影（DE-CTA）检查的120例患者	医学影像处理	颈动脉疾病	双能CT血管造影（DE-CTA）、虚拟单能图像（VMI）、深度学习图像重建（DLIR）	深度学习重建算法（DLIR）	CT影像数据	120例患者，分为四组（一组对照组使用ASIR-V，三组实验组分别使用DLIR-L、DLIR-M、DLIR-H算法）	NA	DLIR-H（深度学习图像重建高设置算法）	CT值、图像噪声、信噪比（SNR）、对比噪声比（CNR）、主观图像质量评分（5点Likert量表）	NA
954	2026-03-14	Evaluation of paediatric head CT radiation dose in Jordan: A new national diagnostic reference level survey 2025-10, Radiography (London, England : 1995) DOI:10.1016/j.radi.2025.103158 PMID:40939270	研究论文	本研究评估了约旦儿科头部CT扫描的辐射剂量，并建立了国家诊断参考水平，以解决剂量标准化问题	首次在约旦进行全国性儿科头部CT辐射剂量调查，并基于年龄类别建立了诊断参考水平	由于医院间患者体重数据不一致，研究基于年龄而非体重分组，这被视为方法学限制	评估约旦儿科头部CT扫描的辐射剂量变异性，并建立国家诊断参考水平以促进剂量标准化	在约旦八家医院进行的1550例儿科头部CT检查	医学影像	神经系统疾病	CT扫描	NA	辐射剂量数据（CTDIvol, DLP）	1550例儿科头部CT检查	SPSS	NA	NA	NA
955	2026-03-14	Predicting Anastomosis or Stump Leakage After Laparoscopic Gastrectomy: A Deep Learning Approach to Intraoperative Image Analysis 2025-10, Journal of gastric cancer IF:3.2Q2 DOI:10.5230/jgc.2025.25.e39 PMID:41093773	研究论文	本研究旨在开发和验证深度学习模型，利用腹腔镜图像预测胃癌手术中吻合口或残端渗漏	首次将深度学习应用于腹腔镜图像分析，以预测胃癌手术中的渗漏并发症，并比较了多种深度学习架构的性能	渗漏发生率较低（DS 1.3%，EJ 4.3%），可能影响模型泛化能力；研究基于三家机构的回顾性数据，需进一步前瞻性验证	开发并验证深度学习模型，用于预测腹腔镜胃癌切除术后的吻合口或残端渗漏	接受胃癌腹腔镜切除术的患者及其手术中的腹腔镜图像	计算机视觉	胃癌	腹腔镜成像	CNN	图像	来自2035名患者的10256张腹腔镜图像	NA	ResNet18, ResNet34, ResNet50, EfficientNet_V2_L, Inception_V3, DenseNet121	F1分数, 召回率	NA
956	2026-03-14	Building a compendium of expert driven read-across cases to facilitate an analysis of the contribution that different similarity contexts play in read-across performance 2025-Sep, Computational toxicology (Amsterdam, Netherlands) DOI:10.1016/j.comtox.2025.100366 PMID:41816363	研究论文	本研究通过构建专家驱动的交叉读取案例库，分析不同相似性背景在交叉读取性能中的贡献，并探索基于图深度学习的改进方法	整合专家驱动与数据驱动的交叉读取方法，量化结构、物理化学、代谢和反应性特征的相似性，并首次应用图深度学习探索嵌入表示对预测的改进	数据集规模有限（157个案例，695种物质），来源异质性高，类比选择标准和使用背景不一致，限制了结果的普适性	评估不同相似性背景（如结构、代谢）在交叉读取毒性预测中的相对贡献，并提升预测的再现性和量化性能	重复剂量毒性终点的化学物质	机器学习	NA	交叉读取，图深度学习	预测模型，深度学习模型	化学结构、物理化学、代谢和反应性特征数据	157个交叉读取案例，涉及695种独特化学物质	NA	NA	量化不确定性，性能指标	NA
957	2026-03-14	af2rave: protein ensemble generation with physics-based sampling 2025-Aug-06, Digital discovery IF:6.2Q1 DOI:10.1039/d5dd00201j PMID:40621440	研究论文	介绍了一个名为af2rave的开源Python软件包，该软件包通过整合AlphaFold2结构预测与基于物理的分子动力学采样，实现了高效生成蛋白质构象集合的自动化工作流程	改进了原有的AlphaFold2-RAVE协议，通过特征选择模块自动识别重要的集体变量，显著减少了系统先验知识的需求，并实现了与长时间无偏分子动力学模拟相当的构象采样效率，同时大幅降低了计算成本	NA	开发一种高效、自动化的方法来生成蛋白质的替代构象集合，以支持药物发现和结构生物学研究	蛋白质构象集合	计算生物学	NA	AlphaFold2结构预测，分子动力学模拟	深度学习模型	蛋白质序列，结构数据	多个系统，包括腺苷激酶、人DDR1激酶和SARS-CoV-2刺突蛋白受体结合域	Python	AlphaFold2	构象采样效率，计算成本	NA
958	2026-03-14	Application of deep learning-based facial pain recognition model for postoperative pain assessment 2025-07, Journal of clinical anesthesia IF:5.0Q1 DOI:10.1016/j.jclinane.2025.111898 PMID:40516197	研究论文	本研究开发了一种基于深度学习的面部疼痛识别模型，用于术后疼痛评估	构建了包含临床和模拟场景的数据集，并基于预训练VGG16模型开发了面部疼痛识别软件，为临床疼痛识别提供了新选项	高质量临床数据集有限，且缺乏针对真实世界模型部署的研究，实验室研究与临床应用之间存在差距	利用深度学习技术进行自动疼痛评估，特别是针对术后患者	术后患者的面部疼痛图像	计算机视觉	术后疼痛	深度学习	CNN	图像	临床疼痛数据集包含503名术后患者的3411张图像，模拟疼痛数据集包含51名志愿者的1038张图像	NA	VGG16	AUROC, F1分数	NA
959	2026-03-14	Zero-shot segmentation of spinal vertebrae with metastatic lesions: an analysis of Meta's Segment Anything Model 2 and factors affecting learning free segmentation 2025-07-01, Neurosurgical focus IF:3.3Q1 DOI:10.3171/2025.4.FOCUS25234 PMID:40591965	研究论文	本研究评估了Meta的Segment Anything Model 2（SAM 2）在零样本条件下对脊柱转移瘤椎体分割的能力，并分析了影响分割性能的临床因素	首次评估了通用分割模型SAM 2在脊柱转移瘤椎体分割中的零样本性能，并系统分析了椎体位置、患者性别和BMI等因素对分割效果的影响	研究仅基于公开数据集，样本量相对有限（55名患者），且未针对特定临床场景进行模型优化	评估零样本分割模型在脊柱转移瘤椎体分割中的准确性和适用性	脊柱CT扫描中的胸腰椎椎体，包括转移瘤受累的椎体	计算机视觉	脊柱转移瘤	CT成像	零样本分割模型	医学图像（CT扫描）	55名患者的779个胸腰椎椎体，其中167个有转移瘤	NA	Segment Anything Model 2（SAM 2）	Dice相似系数（DSC）	NA
960	2026-03-14	Image-based detection of the internal carotid arteries and sella turcica in endoscopic endonasal transsphenoidal surgery 2025-07-01, Neurosurgical focus IF:3.3Q1 DOI:10.3171/2025.4.FOCUS24940 PMID:40591959	研究论文	本研究评估了基于深度学习的YOLOv5s模型在内窥镜经鼻蝶手术视频中检测鞍区和双侧颈内动脉的性能	首次将YOLOv5s目标检测架构应用于内窥镜经鼻蝶手术视频，以自动识别关键的鞍区和颈内动脉解剖标志，旨在预防术中致命性损伤	模型需要来自不同手术环境的新未见数据进行泛化验证和迁移学习优化，当前研究为回顾性队列设计	开发并评估一个深度学习模型，用于在内窥镜经鼻蝶手术视频中自动检测鞍区和双侧颈内动脉，以识别关键解剖标志并预防致命并发症	内窥镜经鼻蝶手术视频中的鞍区和双侧颈内动脉解剖结构	计算机视觉	鞍区及鞍旁区域疾病	内窥镜视频成像	CNN	图像	98名患者的內窺鏡手術視頻圖像	PyTorch	YOLOv5s	精确率, 召回率, mAP@0.5, mAP@0.5:0.95, AUC, 准确率	NA