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
2201	2026-01-28	Developing a Deep Learning Radiomics Model Combining Lumbar CT, Multi-Sequence MRI, and Clinical Data to Predict High-Risk Adjacent Segment Degeneration Following Lumbar Fusion: A Retrospective Multicenter Study 2026-Jan, Global spine journal IF:2.6Q1 DOI:10.1177/21925682251342531 PMID:40488256	研究论文	本研究开发并验证了一个结合临床数据、深度学习影像组学和影像组学特征的模型，用于预测腰椎融合术后高风险邻近节段退变	首次结合Vision Transformer 3D深度学习模型、影像组学特征和临床数据，构建多模态预测模型，用于预测腰椎融合术后高风险邻近节段退变	回顾性研究设计，样本量相对较小（305例患者），外部验证队列规模有限（30例）	预测腰椎融合术后高风险邻近节段退变患者	接受腰椎融合手术的患者	医学影像分析	脊柱退行性疾病	CT, 多序列MRI	Vision Transformer 3D, 线性支持向量机, AdaBoost, 多层感知机	影像数据（CT, MRI）, 临床数据	305例患者（训练集192例，内部验证集83例，外部测试集30例）	NA	Vision Transformer 3D	ROC曲线下面积（AUC）	NA
2202	2026-01-28	Identification of Atypical Scoliosis Patterns Using X-ray Images Based on Fine-Grained Techniques in Deep Learning 2026-Jan, Global spine journal IF:2.6Q1 DOI:10.1177/21925682251349999 PMID:40500925	研究论文	本研究基于深度学习中的细粒度技术，利用X射线图像开发了一个分类模型，用于筛查脊柱侧凸，并进一步识别与Chiari畸形I型相关的非典型脊柱侧凸模式	开发了基于ResNet-50的细粒度分类模型，能够准确筛查与Chiari畸形I型相关的非典型脊柱侧凸模式，并在某些性能指标上超越了资深脊柱外科医生的诊断水平	研究为回顾性诊断研究，样本量相对有限（508对图像），可能影响模型的泛化能力	开发一个基于深度学习的细粒度分类模型，用于从X射线图像中筛查脊柱侧凸，并识别与Chiari畸形I型相关的非典型模式	Chiari畸形I型患者、青少年特发性脊柱侧凸患者和正常对照的冠状位和矢状位X射线图像	计算机视觉	脊柱侧凸	X射线成像	CNN	图像	508对冠状位和矢状位X射线图像，来自Chiari畸形I型患者、青少年特发性脊柱侧凸患者和正常对照	NA	ResNet-50	准确率, 灵敏度, 特异性, 阳性预测值, 阴性预测值, ROC曲线	NA
2203	2026-01-28	Early prediction of adverse outcomes in liver cirrhosis using a CT-based multimodal deep learning model 2026-Jan, Abdominal radiology (New York) DOI:10.1007/s00261-025-05045-0 PMID:40576670	研究论文	本研究开发了一种基于CT的多模态深度学习模型TMF-LCNet，用于早期预测肝硬化患者的不良结局	提出了一种新颖的三模态融合深度学习网络TMF-LCNet，整合了非对比腹部CT图像、从肝脏和脾脏提取的影像组学特征以及包含实验室参数和脂肪组织成分测量的临床文本数据，以早期预测肝硬化不良结局	研究为回顾性设计，样本量相对较小（共243例患者），且仅包含两个中心的患者数据，可能限制模型的泛化能力	开发一个深度学习模型，用于早期预测肝硬化患者的不良结局，以改善早期风险评估和临床管理策略	早期肝硬化患者	数字病理学	肝硬化	CT成像	深度学习	图像, 文本, 特征	243例早期肝硬化患者（训练队列184例，外部测试队列59例）	NA	TMF-LCNet	AUC, 校准曲线, 决策曲线分析	NA
2204	2026-01-28	MSAI-Path: Predicting Microsatellite Instability From Routine Histology Slides Without Reinventing the Wheel 2026-Jan, Modern pathology : an official journal of the United States and Canadian Academy of Pathology, Inc IF:7.1Q1 DOI:10.1016/j.modpat.2025.100932 PMID:41207630	研究论文	本文提出了一种可解释的混合方法，结合计算和病理学家专业知识，用于从结直肠癌的常规组织学切片中预测微卫星不稳定性	开发了一种新型混合方法，通过自动量化Bethesda指南中概述的MSI相关组织学特征，结合临床数据，使用逻辑回归和随机森林模型进行预测，提供了完全可解释性，与黑盒深度学习模型性能相当	方法依赖于预定义的MSI相关组织学特征，可能无法捕捉所有潜在模式；在多个中心验证但样本来源有限，可能存在泛化性挑战	预测结直肠癌中的微卫星不稳定性状态，以影响患者预后和治疗决策	结直肠癌患者的苏木精-伊红染色全切片图像	数字病理学	结直肠癌	组织学特征量化，包括上皮内淋巴细胞、分化等级、黏液成分和三级淋巴结构	逻辑回归，随机森林	图像	来自5个中心7个队列的2267名患者的3256张全切片图像	NA	NA	曲线下面积	NA
2205	2026-01-28	Clinical-Grade Interpretable Artificial Intelligence Tool for Automated Detection of Lymph Node Metastasis in Prostate Cancer 2026-Jan, Modern pathology : an official journal of the United States and Canadian Academy of Pathology, Inc IF:7.1Q1 DOI:10.1016/j.modpat.2025.100934 PMID:41223994	研究论文	本文开发了一种临床级可解释的人工智能工具，用于自动检测前列腺癌的淋巴结转移	利用有限标注数据集，通过识别并整合未标记数据中最具信息量的实例进行迭代纠错优化，显著降低了微转移的漏检率	模型性能依赖于数据质量，且验证主要基于三个学术医疗中心的数据，外部泛化能力需进一步验证	提高前列腺癌淋巴结转移检测的准确性和效率，以辅助临床决策	前列腺癌患者的淋巴结组织	数字病理学	前列腺癌	深度学习	深度学习模型	全切片图像	787张全切片图像，超过2000个淋巴结组织	NA	NA	AUC, 灵敏度, 特异性	NA
2206	2026-01-28	The need for better quality studies: A systematic scoping review of current utility of artificial intelligence in orthopaedics and research gaps in the knee joint 2026-Jan, The Knee DOI:10.1016/j.knee.2025.10.022 PMID:41274810	综述	本文通过系统性范围综述，评估了人工智能在膝关节骨科研究中的应用现状、算法类型及临床决策支持潜力	首次系统性梳理了2008年至2025年间人工智能在膝关节疾病研究中的应用全景，揭示了诊断与预测应用的比例分布及主要技术方法	纳入研究存在可重复性、普适性和临床适用性不足的问题，且仅30%的研究直接涉及诊断或预测应用	评估人工智能在膝关节骨科临床决策支持中的应用现状与研究缺口	针对膝关节疾病的成年患者研究，涵盖诊断、预后预测及临床流程支持	机器学习	骨关节炎	NA	深度学习, 传统机器学习	NA	从2761项研究中筛选出816项（30%）纳入分析	NA	NA	NA	NA
2207	2026-01-28	Epicardial adipose tissue measurement is an interesting biomarker for cardiovascular health in a case control study of patients with familial partial type 2 lipodystrophy 2026-Jan, Diabetes & metabolism IF:4.6Q1 DOI:10.1016/j.diabet.2025.101719 PMID:41349713	研究论文	本研究评估了心外膜脂肪组织体积作为2型家族性部分性脂肪营养不良患者心血管健康新标志物的价值	首次发现2型家族性部分性脂肪营养不良患者的心外膜脂肪组织体积显著高于高风险对照组，提出将其作为冠状动脉钙化和临床评分之外的补充生物标志物	研究为回顾性病例对照设计，样本量有限（126例），且仅在一个医疗中心进行，可能影响结果的普遍性	评估心外膜脂肪组织体积作为2型家族性部分性脂肪营养不良患者心血管风险新标志物的潜力	2型家族性部分性脂肪营养不良患者与按年龄、性别和体重指数匹配的对照组患者	数字病理学	心血管疾病	深度学习与人工智能辅助的半自动测量技术	深度学习模型	医学影像数据	126名受试者（病例组与对照组）	NA	NA	P值	NA
2208	2026-01-28	PiperNet: a hybrid deep learning approach for monitoring papaya seed adulteration in black pepper using hyperspectral imaging 2026-Jan, Food additives & contaminants. Part A, Chemistry, analysis, control, exposure & risk assessment DOI:10.1080/19440049.2025.2598389 PMID:41397220	研究论文	本研究提出了一种基于高光谱成像和深度学习的混合模型PiperNet，用于检测黑胡椒中掺杂的干燥木瓜籽	提出了一种结合2D CNN、Squeeze-and-Excitation模块和双向门控循环单元（Bi-GRU）的混合深度学习架构，能够同时捕获空间纹理、强调信息丰富的光谱通道并建模波长序列依赖性	仅针对黑胡椒中木瓜籽这一种特定掺杂物进行研究，未涉及其他常见掺杂物或不同品种的胡椒	开发一种非破坏性、自动化的香料认证方法，以支持食品质量保证、法规合规和消费者保护	黑胡椒、干燥木瓜籽及其混合物	计算机视觉	NA	高光谱成像（HSI）	CNN, Bi-GRU	高光谱图像	600个样本，分为纯胡椒、纯木瓜籽和掺假混合物三类	NA	2D CNN with SE module and Bi-GRU layers	分类准确率	NA
2209	2026-01-28	Artificial intelligence in spine surgery: a scoping review 2026-Jan, Neuro-Chirurgie DOI:10.1016/j.neuchi.2025.101764 PMID:41397525	综述	本文通过范围综述，系统梳理了人工智能在脊柱外科中的应用现状、前沿及文献缺口	首次通过范围综述全面绘制了AI在脊柱外科中的应用图景，并识别了当前研究的局限与未来方向	纳入研究主要基于PubMed和Cochrane数据库，可能存在发表偏倚；且AI模型和数据集的可及性普遍受限	旨在映射人工智能在脊柱外科中的应用领域，明确当前前沿并识别文献中的空白	涉及脊柱外科中应用AI模型或验证AI应用的研究	医学人工智能	脊柱疾病	NA	深度学习模型, 非深度学习模型	NA	NA	NA	NA	NA	NA
2210	2026-01-28	Hybrid attention based deep learning for forecasting boundary layer ozone using satellite derived profiles 2026-Jan-01, Ecotoxicology and environmental safety IF:6.2Q1 DOI:10.1016/j.ecoenv.2025.119593 PMID:41421135	研究论文	本研究提出了一种基于混合注意力机制的深度学习模型，用于利用卫星衍生的臭氧剖面数据预测边界层臭氧浓度	提出了两种新颖的混合深度学习架构（ConvBiGRU-AttentionNet 和 EMD-ConvBiGRU-AttentionNet），首次将注意力机制与卷积门控循环单元结合，并引入经验模态分解提取多尺度时间特征	未明确说明模型在不同地理区域或极端气象条件下的泛化能力，也未讨论计算成本与实时预测的可行性	提高边界层臭氧浓度的预测精度，以应对其非线性动态变化和垂直剖面数据稀缺的挑战	边界层臭氧浓度	机器学习	NA	卫星遥感（OMI/Aura）、经验模态分解	RNN, CNN, GRU, LSTM, 混合模型（GRU-CNN, LSTM-CNN）	时间序列数据（臭氧剖面数据）	NA	NA	ConvBiGRU-AttentionNet, EMD-ConvBiGRU-AttentionNet	RMSE, MAE, R, 技能评分	NA
2211	2026-01-28	VASCilia is an open-source, deep learning-based tool for 3D analysis of cochlear hair cell stereocilia bundles 2026-Jan, PLoS biology IF:7.8Q1 DOI:10.1371/journal.pbio.3003591 PMID:41557732	研究论文	本文介绍了一个名为VASCilia的开源深度学习工具，用于自动化分析耳蜗毛细胞静纤毛束的3D共聚焦显微镜图像	开发了首个用于耳蜗毛细胞静纤毛束3D分析的集成化深度学习工具套件，包含五个专门训练的模型，并提供了首个开源的手动标注3D数据集	模型主要在小鼠耳蜗数据集上训练，尚未在其他物种或更广泛的成像条件下验证	开发一个自动化工具，以解决耳蜗毛细胞静纤毛束复杂3D形态分析的挑战	耳蜗毛细胞及其静纤毛束	数字病理学	听力障碍	共聚焦显微镜，鬼笔环肽染色	深度学习模型	3D图像堆栈	约55个3D图像堆栈，包含502个内毛细胞束和1703个外毛细胞束的实例分割标注	NA	Z-Focus Tracker (ZFT), PCPAlignNet, 分割模型, 分类模型	NA	NA
2212	2026-01-28	Intravenous pole-integrated automated urinary status-monitoring technique using image-based artificial intelligence: a simulation study 2026-Jan, Biomedical engineering letters IF:3.2Q2 DOI:10.1007/s13534-025-00525-0 PMID:41584809	研究论文	本研究开发了一种基于图像人工智能的静脉输液杆集成自动尿液状态监测技术，用于监测导尿患者的尿液颜色和体积变化	提出了一种新型的静脉输液杆集成尿液监测技术，利用深度学习自动检测袋内液体颜色和体积，并识别泌尿疾病症状	研究为模拟研究，未来需要进一步使用实际尿液样本进行临床评估	开发自动化工具以改善接受导尿支持患者的长期尿液状态监测	模拟尿液样本，包括正常、血尿、胆红素尿和紫色尿袋综合征等类型	计算机视觉	泌尿系统疾病	图像分析	深度学习	图像	多种模拟尿液样本	NA	NA	误差率, 准确率	NA
2213	2026-01-28	Advancing neurological disease treatment: a computational approach for fibroblast growth factor detection 2026-Jan, Biomedical engineering letters IF:3.2Q2 DOI:10.1007/s13534-025-00520-5 PMID:41584821	研究论文	本研究提出了一种基于深度学习的计算方法，用于预测成纤维细胞生长因子（FGF）蛋白，以推进神经系统疾病的治疗	首次开发了基于深度学习的计算工具来预测FGF蛋白，并构建了两个高质量数据集，结合了多种特征编码方法和深度学习模型	未提及具体的数据集规模限制或模型泛化能力的验证细节	开发一种计算工具来准确预测FGF蛋白，以促进神经系统疾病治疗的研究	成纤维细胞生长因子（FGF）蛋白序列	自然语言处理	神经系统疾病	特征编码方法（二肽组成、二肽偏离期望均值、分组氨基酸组成）	CNN, BiLSTM, GAN, GRU	蛋白质序列数据	NA	NA	卷积神经网络（CNN）、双向长短期记忆网络（BiLSTM）、生成对抗网络（GAN）、门控循环单元（GRU）	准确率, 灵敏度, 特异性, F1分数, 马修斯相关系数	NA
2214	2026-01-28	Hybridizing Expressive Rendering: Stroke-Based Rendering With Classic and Neural Methods 2026 Jan-Feb, IEEE computer graphics and applications IF:1.7Q3 DOI:10.1109/MCG.2025.3624600 PMID:41587263	研究论文	本文分析并比较了经典非真实感渲染与基于神经网络的渲染技术，特别关注基于笔触的渲染，并提出一个结合两者的框架以拓展表达性渲染的可能性	提出一个结合经典非真实感渲染方法与神经网络技术的混合框架，旨在融合两者的优势，为表达性渲染开辟新途径	NA	探索经典与神经网络非真实感渲染技术的异同，并研究如何整合它们以增强渲染质量和艺术控制	非真实感渲染技术，特别是基于笔触的渲染方法	计算机视觉	NA	NA	NA	图像	NA	NA	NA	NA	NA
2215	2026-01-27	PymolFold: A PyMOL Plugin for API-Driven Structure Prediction and Quality Assessment 2026-Jan-26, Journal of chemical information and modeling IF:5.6Q1 DOI:10.1021/acs.jcim.5c02410 PMID:41479360	研究论文	本文介绍了一个名为PymolFold的开源PyMOL插件，用于通过API驱动蛋白质结构预测和质量评估	开发了一个集成先进结构预测工具到分子可视化环境的插件，实现了统一的“预测-可视化-分析”工作流	NA	降低蛋白质结构预测的技术门槛，使实验科学家更容易访问先进模型	蛋白质结构预测和质量评估	机器学习	NA	深度学习	NA	蛋白质结构数据	NA	PyMOL	NA	NA	NA
2216	2026-01-27	NeuMTL: A Unified Multimodal Framework for Multi-Task Prediction in CNS Drug Discovery 2026-Jan-26, Journal of chemical information and modeling IF:5.6Q1 DOI:10.1021/acs.jcim.5c02725 PMID:41481576	研究论文	提出一个名为NeuMTL的多模态多任务学习框架，用于同时预测药物靶点亲和力、血脑屏障渗透性和神经毒性，以增强中枢神经系统药物发现的安全性和有效性	提出了一个统一的多模态多任务学习框架，结合了互注意力机制、注意力池化模块以及早期和晚期融合策略，并引入了一种新的优化策略NeuGradBalancer来缓解梯度冲突并确保跨任务的平衡学习	未在摘要中明确提及	克服单任务单模态模型的局限性，提升中枢神经系统药物发现中关键因素（如血脑屏障渗透性和神经毒性）的预测能力	药物靶点亲和力、血脑屏障渗透性、神经毒性	机器学习	中枢神经系统疾病	深度学习	多任务学习框架	多模态数据	多源数据集	未在摘要中明确提及	未在摘要中明确提及	MSE, 准确率	未在摘要中明确提及
2217	2026-01-27	Prediction of Intravenous Pharmacokinetic Parameters across Multiple Species by a Multifidelity Deep Learning Framework 2026-Jan-26, Journal of chemical information and modeling IF:5.6Q1 DOI:10.1021/acs.jcim.5c02546 PMID:41493218	研究论文	本研究提出了一种名为MFPK的多保真度深度学习框架，用于跨多个物种（人类、狗、猴子、大鼠和小鼠）预测静脉注射药代动力学参数	提出了一个结合迁移学习的多保真度药代动力学学习框架，整合了基于图、基序和三维结构的分子表征，以捕获全面的多尺度化学信息	未明确说明模型在特定药物类别或复杂生理条件下的泛化能力限制	开发一个深度学习框架，用于跨物种预测静脉注射药代动力学参数，以支持早期药物候选筛选和剂量方案优化	人类、狗、猴子、大鼠和小鼠的静脉注射药代动力学参数	机器学习	NA	深度学习，迁移学习	深度学习模型	化学结构数据（图、基序、三维结构）	NA	NA	MFPK（多保真度药代动力学学习框架）	RMSLE（对数误差均方根），GMFE（几何平均折叠误差）	NA
2218	2026-01-27	Intercellular Communication Guides the Prediction of Intracellular Gene Regulatory Relationships 2026-Jan-26, Journal of chemical information and modeling IF:5.6Q1 DOI:10.1021/acs.jcim.5c02558 PMID:41493424	研究论文	提出一个计算框架，通过构建全面的细胞通讯网络来预测细胞内基因调控关系	1) 通过整合配体-受体相互作用、信号通路激活和转录因子调控网络，实现从细胞外信号到基因表达的端到端建模；2) 利用深度学习对受体介导的调控关系进行精确建模，以揭示细胞通讯驱动的细胞内机制	NA	解决现有方法未能考虑细胞通讯与下游基因调控网络协同作用的问题，并构建完整的细胞通讯网络以提高生物学意义和可解释性	细胞内基因调控关系	机器学习	NA	空间转录组学	深度学习	空间转录组数据	NA	NA	NA	NA	NA
2219	2026-01-27	AAPPE: Protein-Ligand Binding Affinity Prediction Leveraging Amino Acid Pair Positional Encoding in Deep Learning 2026-Jan-26, Journal of chemical information and modeling IF:5.6Q1 DOI:10.1021/acs.jcim.5c01872 PMID:41124588	研究论文	本研究提出了一种名为氨基酸对位置编码（AAPPE）的深度学习框架，用于准确预测蛋白质-配体结合亲和力	引入了基于生物相关性的位置决定原子对距离编码方法，构建了不依赖配体结合构象的3124维特征集	在CASF-2016基准上评估，但未提及在其他数据集或真实药物发现场景中的泛化能力验证	加速药物发现过程，改进蛋白质-配体结合亲和力的预测精度	蛋白质口袋中的氨基酸与配体分子	机器学习	NA	深度学习	深度学习框架	蛋白质结构数据、配体分子指纹	NA	NA	AAPPE（氨基酸对位置编码框架）	MAE, RMSE, R²	NA
2220	2026-01-27	Explainable judgment prediction and article-violation analysis using deep LexFaith hierarchical BERT model 2026-Jan-03, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-32833-x PMID:41484298	研究论文	本研究提出了一种名为LexFaith-HierBERT的深度学习模型，用于预测法律判决中的违规类型及具体违反的法律条款	提出了结合分层BERT编码器、关系推理头和忠实感知注意力机制的新架构，能够捕捉词间和词内依赖关系，提升预测透明度和可解释性	未提及模型在跨法域或不同语言法律文本上的泛化能力，也未说明训练数据的具体规模和多样性限制	开发可解释的法律判决预测和条款违规分析人工智能系统	法律文档中的违规类型识别和具体法律条款违反分析	自然语言处理	NA	深度学习文本分析	BERT, Transformer	文本（法律文档）	NA	NA	分层BERT（Hierarchical BERT）	准确率, 微平均F1分数	NA