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
41	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
42	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
43	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
44	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
45	2026-03-13	An Explainable Deep Model for Risk Scoring and Accurate Radionecrosis Identification Following Brain Metastasis Stereotactic Radiosurgery 2025-Nov-27, International journal of radiation oncology, biology, physics DOI:10.1016/j.ijrobp.2025.11.038 PMID:41317799	研究论文	本文开发了一种可解释的深度学习模型，用于非侵入性区分非小细胞肺癌患者脑转移立体定向放射外科治疗后的放射性坏死与局部复发	设计了一种二阶重球神经常微分方程深度学习框架，整合磁共振、临床和基因组特征到统一的图像-基因组-临床空间，并应用层相关传播量化非成像特征的贡献，构建风险评分模型	数据集仅包含103名非小细胞肺癌患者的142个脑转移病灶，样本量相对有限，且仅针对特定癌症类型	开发可解释的深度学习模型以准确区分脑转移立体定向放射外科治疗后的放射性坏死与局部复发	非小细胞肺癌患者的脑转移病灶	数字病理学	肺癌	磁共振成像, 基因组生物标志物分析	深度学习, 神经常微分方程	图像, 临床数据, 基因组数据	103名非小细胞肺癌患者的142个脑转移病灶	自定义深度学习框架	二阶重球神经常微分方程, 深度神经网络	准确性, 精确度, 召回率, F1分数, AUC	NA
46	2026-03-07	DG-DiT: Dual-Branch Gating Diffusion Transformer for Multi-Tracer and Multi-Scanner Brain PET Image Denoising 2025-Nov-07, IEEE transactions on radiation and plasma medical sciences IF:4.6Q1 DOI:10.1109/trpms.2025.3630161 PMID:41743403	研究论文	本文提出了一种名为DG-DiT的双分支门控扩散Transformer网络，用于多示踪剂和多扫描仪脑PET图像去噪	利用扩散Transformer的强大分布建模能力，从紧凑且正则化的潜在空间中学习先验知识，实现高效少步扩散，并采用双分支门控机制有效融合多输入信息	未明确提及具体局限性	解决多示踪剂和多扫描仪PET图像去噪中效率、准确性和泛化性的挑战	脑PET图像	计算机视觉	NA	扩散概率模型	Transformer	图像	多示踪剂和多扫描仪数据集	NA	扩散Transformer, 图像恢复Transformer	PSNR, 对比度噪声比	NA
47	2026-03-06	Integrating Model-Based Reconstruction and Deep Learning for Accelerating Mass Spectrometry Imaging 2025-Nov-18, Analytical chemistry IF:6.7Q1 DOI:10.1021/acs.analchem.5c04075 PMID:41199627	研究论文	本文提出了一种结合模型重建与深度学习的方法，用于加速质谱成像，通过稀疏采样像素重建高分辨率离子图像	将光栅扫描前向模型与深度学习先验结合，无需针对不同采集设置重新训练，实现了跨仪器、设置和组织类型的通用高保真重建	未明确提及方法在极端稀疏采样或噪声环境下的性能限制，也未讨论计算时间或资源消耗的具体细节	加速质谱成像过程，以克服高分辨率组织映射和3D重建中的时间限制	质谱成像数据，涉及不同仪器、采集设置和组织类型（如脑和肾脏切片）	计算成像	NA	质谱成像	深度学习	图像	涉及多种组织类型（如脑和肾脏切片），但未指定具体样本数量	NA	基于预训练网络的去噪器	NA	NA
48	2026-03-06	Deep Learning with Disc Photos or OCT Scans in Glaucoma Detection 2025 Nov-Dec, Ophthalmology science IF:3.2Q1 DOI:10.1016/j.xops.2025.100877 PMID:40893625	研究论文	本研究比较了基于OCT RNFLT图和视盘照片的深度学习模型在青光眼检测中的诊断性能，发现OCT模型更优，并评估了不同人口学组间的性能差异	首次系统比较基于OCT RNFLT客观定量测量与视盘照片的深度学习模型在青光眼功能损伤检测中的性能，并深入分析人口学因素对模型诊断性能的影响	回顾性单中心研究，数据来自特定时间段（2011-2022年），可能存在选择偏倚；未考虑其他青光眼诊断标准（如结构损伤）	评估基于OCT RNFLT图与视盘照片的深度学习模型在青光眼检测中的准确性差异，并分析模型在不同人口学群体中的诊断性能	青光眼患者（基于视野缺损定义）的OCT RNFLT图和视盘照片	数字病理学	青光眼	OCT（光学相干断层扫描），视野检查	深度学习模型	图像（OCT RNFLT图，视盘照片）	16,936组视盘照片和OCT图像集，经质量筛选后用于模型训练和测试	NA	NA	AUC（曲线下面积），准确性	NA
49	2026-03-06	Decreased parietal epithelial cell density is linked to podocyte depletion and predictors of kidney disease progression in human kidneys 2025-Nov-01, American journal of physiology. Renal physiology DOI:10.1152/ajprenal.00243.2025 PMID:41052018	研究论文	本研究开发并应用深度学习方法来分析人类肾脏样本中壁上皮细胞（PECs）的密度，并探讨其与慢性肾脏病进展的关系	首次开发深度学习工具分析人类肾脏样本中PECs的密度，揭示了PEC减少与早期慢性肾小球疾病证据之间的新联系	研究基于肾切除样本，可能不适用于所有慢性肾脏病患者；样本主要来自无明显慢性肾脏病患者，限制了在晚期疾病中的推广	研究壁上皮细胞（PECs）在人类慢性肾小球疾病进展中的作用	人类肾切除样本中的壁上皮细胞和足细胞	数字病理学	慢性肾脏病	深度学习图像分析	深度学习	图像	超过14,000个肾小球，来自肾切除样本	NA	NA	NA	NA
50	2026-03-06	OCTA-ReVA+ AV: an open-source toolbox for retinal artery-vein segmentation and analysis in OCT angiography 2025-Nov-01, Biomedical optics express IF:2.9Q2 DOI:10.1364/BOE.575416 PMID:41306988	研究论文	本研究介绍了一个名为OCTA-ReVA的开源工具箱，用于在光学相干断层扫描血管成像中自动分割视网膜动脉和静脉并进行血管特异性定量分析	开发了首个开源、全自动的工具箱，能够基于深度学习分割视网膜动脉和静脉，并独立计算动脉和静脉的多种血管指标，填补了当前临床OCTA系统无法分别量化动脉和静脉特征的空白	未在摘要中明确提及	增强对视网膜血管疾病的检测和监测能力	光学相干断层扫描血管成像图像中的视网膜微血管	数字病理学	视网膜血管疾病	光学相干断层扫描血管成像	深度学习	图像	未在摘要中明确提及	未在摘要中明确提及	未在摘要中明确提及	重复性、分割一致性	未在摘要中明确提及
51	2026-03-05	Automatically Measuring Kidney, Liver, and Cyst Volumes in Autosomal Dominant Polycystic Kidney Disease 2025-Nov-04, Journal of the American Society of Nephrology : JASN IF:10.3Q1 DOI:10.1681/ASN.0000000904 PMID:41186985	研究论文	本文开发了一个基于深度学习的网络平台TraceOrg，用于自动测量常染色体显性多囊肾病患者的肾脏、肝脏和囊肿体积	结合了U-Net和Transformer元素的3D混合模型，实现了高精度的自动分割，并作为一个基于网络的公开工具提供，支持多种MRI协议	外部验证数据集中样本量相对有限，且模型在肝脏囊肿分割上的Dice分数略低	开发一个自动、准确且可重复的测量工具，以辅助常染色体显性多囊肾病的诊断、分类和管理	常染色体显性多囊肾病患者及非患者的MRI和CT扫描图像	数字病理学	常染色体显性多囊肾病	磁共振成像, 计算机断层扫描	深度学习	图像	720名参与者（包括611名ADPKD患者和109名非患者），用于内部和外部验证的额外MRI数据集	未明确指定	U-Net, Transformer	Dice分数, 平均绝对百分比差异	基于网络的平台，具体计算资源未明确说明
52	2026-03-01	A multi-scale network for thyroid segmentation and dose assessment in hyperthyroid patients with uncertainty quantification 2025-Nov, Medical physics IF:3.2Q1 DOI:10.1002/mp.70072 PMID:41126017	研究论文	本研究提出了一种多尺度深度学习模型MSRA-UNet++，用于甲状腺分割和剂量评估，并引入了不确定性量化模块以提高可靠性	首次将不确定性量化模块引入甲状腺功能亢进患者的CT图像分割过程，并结合患者特异性甲状腺体素模型与个体化放射性碘动力学数据评估吸收剂量	未明确说明临床数据集的样本量大小，且代码尚未发布，需等待验证	提高甲状腺功能亢进患者基于MIRD方案的吸收剂量计算的准确性和可靠性	甲状腺功能亢进患者的CT和MR图像	数字病理学	甲状腺功能亢进	CT, MR, 蒙特卡洛模拟	深度学习模型	图像	公开数据集HaN-Seg及临床数据集（具体样本量未明确）	PyTorch（基于代码发布链接推断）	UNet++, MSRA-UNet++	Dice相似系数, Hausdorff距离95%, Jaccard指数	NA
53	2026-02-28	Deep learning reveals how cells pull, buckle, and navigate fibrous environments 2025-Nov-25, Proceedings of the National Academy of Sciences of the United States of America IF:9.4Q1 DOI:10.1073/pnas.2424047122 PMID:41269797	研究论文	本研究结合深度学习与相显微镜技术，开发了DLFM方法，实时映射细胞在纤维环境中的力学力，揭示了力方向性而非基质刚度是迁移细胞收缩性的主要调节因子	首次通过深度学习实时映射细胞在纤维环境中的力学力，发现力方向性超越基质刚度作为细胞收缩性的主要调节因子，并揭示了细胞在纤维基质中形成全身力生成粘附的独特机制	未明确说明样本量或实验重复次数，可能限制结果的普适性；技术依赖特定纤维环境模拟，可能不完全反映体内复杂情况	探究细胞在生理纤维环境中力学力的建立机制，及其对细胞行为如迁移、分裂和分化的影响	细胞在纤维细胞外基质环境中的力学行为	机器学习和生物力学交叉领域	癌症侵袭、组织工程和再生医学相关疾病	相显微镜结合深度学习的实时力映射技术（DLFM）	深度学习模型	图像数据（相显微镜图像）	NA	NA	NA	NA	NA
54	2026-02-28	Enhancing lymph node diagnosis: integrating deep learning with endoscopic ultrasonography: a retrospective study in China 2025-Nov, Clinical endoscopy IF:2.1Q3 DOI:10.5946/ce.2025.113 PMID:41147107	研究论文	本研究开发了一种结合深度学习与内镜超声（EUS）的机器学习模型，用于辅助诊断纵隔和腹腔内淋巴结	将U-Net分割模型与六种深度学习架构结合K近邻算法用于淋巴结分类，并整合专家诊断和逻辑回归模型，显著提升了诊断性能	研究为回顾性设计，样本量相对较小（93名患者），且仅基于中国单中心数据，可能影响模型泛化能力	提升内镜超声对纵隔和腹腔内淋巴结的诊断准确性，同时降低医疗成本	纵隔和腹腔内淋巴结的EUS图像	计算机视觉	淋巴结病变	内镜超声（EUS）	CNN, U-Net	图像	93名患者提供的630张EUS图像	未明确说明	U-Net, ResNet-50	F1分数, 灵敏度, AUC	NA
55	2026-02-27	Current State of Artificial Intelligence in Assessing Cardiac Function 2025-Nov-27, Current cardiology reports IF:3.1Q2 DOI:10.1007/s11886-025-02314-8 PMID:41307845	综述	本文综述了人工智能在评估心脏功能方面的最新进展，涵盖心电图、超声心动图、心脏CT/MRI及电子健康记录等多种数据模态	整合了跨模态AI应用的最新成果，包括基础模型和多模态架构的兴起，这些技术推动了标签高效学习、自动化报告生成和可扩展的群体筛查	需要更多稳健的多中心验证、开源代码透明度和前瞻性试验来确认模型的泛化能力并量化患者层面的益处	综述人工智能在心血管医学中评估心脏功能的应用进展，旨在促进AI从概念验证向临床不可或缺工具的转变	心血管疾病，特别是心脏功能的评估	机器学习	心血管疾病	ECG, 超声心动图, 心脏CT/MRI, EHR文本分析	深度学习算法, 基础模型, 多模态架构	心电图, 图像, 文本	NA	NA	NA	准确性	NA
56	2026-02-27	Impact of patient-specific deep learning lung organs-at-risk segmentation on accumulated dose in online adaptive 0.35 T MR-guided radiotherapy 2025-Nov-14, Physics in medicine and biology IF:3.3Q1 DOI:10.1088/1361-6560/ae16fb PMID:41130258	研究论文	本研究评估了在0.35 T MR引导放疗中，使用患者特异性深度学习模型进行危及器官自动分割对累积剂量的影响	通过患者特异性微调预训练的3D U-Net模型，提升了危及器官分割的准确性，并改善了靶区覆盖和器官保护，为在线自适应MR引导放疗提供了更高效的解决方案	研究为回顾性分析，样本量较小（仅11名患者），且未考虑手动修改分割结果的情况	评估在在线自适应MR引导放疗中，使用未修改的深度学习方法进行危及器官分割对累积剂量的影响	11名接受0.35 T磁共振直线加速器治疗的肺癌患者	数字病理	肺癌	磁共振成像引导放疗	深度学习	磁共振图像	11名肺癌患者	NA	3D U-Net	分割准确性, D1cc, PTVD95%, GTVD98%, 剂量体积直方图参数	NA
57	2026-02-27	Current Advancements in Digital Neuropathology and Machine Learning for the Study of Neurodegenerative Diseases 2025-Nov, The American journal of pathology DOI:10.1016/j.ajpath.2024.12.018 PMID:39954963	综述	本文综述了数字神经病理学与机器学习在神经退行性疾病研究中的当前进展与应用潜力	强调了利用全切片图像和先进机器学习/人工智能技术进行神经退行性疾病分析的计算神经病理学这一新兴领域，包括自动化疾病分期、识别新型形态学生物标志物以及通过多模态AI方法揭示新临床见解	领域面临专家标注有限、切片扫描不可及、机构间差异以及共享大型全切片图像数据集的复杂性等挑战	探讨计算神经退行性神经病理学如何增强神经病理学评估、诊断和研究，以推进对神经退行性疾病的理解	神经退行性疾病的神经病理学数据，特别是全切片图像	数字病理学	神经退行性疾病	全切片成像，机器学习/人工智能技术	深度学习模型，无监督学习模型，可解释AI模型	图像（全切片图像）	NA	NA	NA	NA	NA
58	2026-02-27	ESCMID workshop: Artificial intelligence and machine learning in medical microbiology diagnostics 2025 Nov-Dec, Microbes and infection IF:2.6Q3 DOI:10.1016/j.micinf.2025.105562 PMID:40915468	会议报告	本文介绍了ESCMID举办的关于人工智能和机器学习在医学微生物学诊断中应用的研讨会内容	汇集了专家讲座、实践课程和小组讨论，全面探讨了AI/ML在病原体识别、抗菌药物敏感性预测和疫情检测等关键应用，并特别强调了标准化协议、监管合规和伦理考量	NA	探讨人工智能和机器学习在医学微生物学诊断领域的应用潜力、挑战和未来发展方向	医学微生物学诊断技术、AI/ML工具与平台	机器学习	NA	全基因组测序、MALDI-TOF质谱分析、数字显微镜	深度学习	基因组数据、质谱数据、显微图像	NA	NA	NA	NA	NA
59	2026-02-27	Prediction of Proto-Oncogene Using Bidirectional GRU and Attention 2025-Nov-01, Asian Pacific journal of cancer prevention : APJCP DOI:10.31557/APJCP.2025.26.11.3959 PMID:41312920	研究论文	本研究提出两种基于注意力机制的深度学习方法，用于预测原癌基因蛋白序列	结合注意力机制与卷积神经网络（ACNN）及双向门控循环单元（ABiGRU），提高了蛋白序列分类的准确性和可解释性	未提及模型在更广泛数据集或实际临床环境中的泛化能力验证	预测原癌基因蛋白序列，以辅助癌症早期预后和靶向药物开发	原癌基因蛋白序列	生物信息学	癌症	基因组测序技术	CNN, GRU	蛋白序列数据	基于Uniprot基准数据集，具体样本数未明确	NA	ACNN, ABiGRU	准确率	NA
60	2026-02-26	Transforming Intraoperative Breast Cancer Diagnosis through D-FFOCT and AI Integration 2025-Nov-21, Asian Pacific journal of cancer prevention : APJCP DOI:10.31557/APJCP.2025.26.11.3877 PMID:41312911	评论	本文讨论了将动态全场光学相干断层扫描与人工智能相结合，用于术中乳腺癌诊断的变革潜力	提出将D-FFOCT的高分辨率实时成像与AI（特别是深度学习算法）相结合，以非破坏性方式显著提升术中诊断速度和准确性	实施挑战包括需要高质量数据集以及解决算法偏差问题	优化乳腺癌手术的术中诊断，提升决策质量并改善患者预后	乳腺癌组织样本	数字病理学	乳腺癌	动态全场光学相干断层扫描	深度学习	图像	NA	NA	NA	诊断准确性, 速度	NA