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
781	2026-01-29	Deep learning-based bubble separation for passive acoustic monitoring of underwater gas plumesa) 2026-Jan-01, The Journal of the Acoustical Society of America IF:2.1Q1 DOI:10.1121/10.0042232 PMID:41603626	研究论文	本研究提出了一种基于深度学习的泡沫声音分离方法，用于从噪声混合中提取泡沫波形，以增强水下气体羽流的被动声学监测性能	首次将深度学习应用于泡沫声音分离，通过数值模拟框架生成带标签的训练数据，有效提升了低信噪比环境下的泡沫检测能力	方法在真实世界应用中的泛化能力可能受限于模拟数据与真实记录的差异，且未详细讨论计算复杂度或实时处理性能	提高水下气体羽流的被动声学监测中泡沫检测的准确性和鲁棒性	水下气体羽流产生的泡沫声音信号	机器学习	NA	被动声学监测, 数值模拟	深度学习模型	音频数据	模拟数据和真实PAM记录（来自海马冷泉）	NA	NA	NA	NA
782	2026-01-28	A Deep Multimodal Fusion Framework Integrating SERS, Clinical Data, and Metabolomics for Noninvasive MASH Diagnosis 2026-Jan-27, Analytical chemistry IF:6.7Q1 DOI:10.1021/acs.analchem.5c04917 PMID:41518251	研究论文	本文提出了一种名为MedFusionNet的多模态深度学习框架，用于整合SERS光谱、临床生化参数和胆汁酸代谢组学数据，以实现非侵入性的MASH诊断	开发了基于Product-of-Experts的变分融合架构，以捕捉模态间交互和潜在相关性，并通过多损失优化策略联合学习共享潜在表示	未明确提及具体局限性，如样本量可能有限或外部验证的缺乏	解决代谢功能障碍相关脂肪性肝病（MASLD）及其进展形式MASH的诊断挑战，开发非侵入性诊断方法	经活检证实的MASLD患者队列	机器学习	代谢功能障碍相关脂肪性肝病	表面增强拉曼光谱（SERS）、临床生化参数分析、胆汁酸代谢组学	深度学习框架	光谱数据、临床数据、代谢组学数据	240名经活检证实的MASLD患者	未明确指定，但基于深度学习框架	Product-of-Experts（PoE）变分融合架构	预测准确性、鲁棒性	未明确指定
783	2026-01-28	ME-pKa: A Deep Learning Method with Multimodal Learning for Protein pKa Prediction 2026-Jan-27, Journal of chemical theory and computation IF:5.7Q1 DOI:10.1021/acs.jctc.5c01747 PMID:41528986	研究论文	本文提出了一种名为ME-pKa的多模态深度学习模型，用于预测蛋白质pKa值，通过整合氨基酸局部环境属性和蛋白质FASTA序列特征，并采用多保真度学习策略，提高了预测精度和泛化能力	开发了首个结合多模态信息（氨基酸局部环境属性和蛋白质序列特征）并采用多保真度学习策略的蛋白质pKa预测模型，显著提升了预测准确性，特别是在预测埋藏残基的pKa值方面表现优异	模型性能仍受限于数据可用性和质量，多保真度学习策略仅部分缓解了数据不足问题，且模型在处理极端复杂蛋白质结构时可能面临挑战	开发一种快速、准确的蛋白质pKa预测方法，以克服实验测定困难和现有预测方法的局限性，支持蛋白质结构、功能研究和药物设计	蛋白质的pKa值，特别是离子化氨基酸（如ASP、GLU、HIS、LYS）的质子化状态	机器学习	NA	深度学习，多模态学习，多保真度学习	深度学习模型	蛋白质序列数据（FASTA格式），氨基酸局部环境属性数据	基于PE-p数据集和Small Set数据集，具体样本数量未明确说明	未明确指定，但提及了ESM（进化尺度建模）相关技术	未明确指定具体架构，但基于多模态学习框架	RMSE, MAE, R²	未明确说明
784	2026-01-28	AI-Guided Design and Predictive Modeling of Synthetic Escherichia coli Promoters through Comprehensive -10/-35 Box Engineering 2026-Jan-27, ACS synthetic biology IF:3.7Q1 DOI:10.1021/acssynbio.5c00765 PMID:41589500	研究论文	本研究通过AI平台结合合成启动子库，实现了对大肠杆菌启动子-10/-35框的工程化设计与预测建模	开发了整合卷积神经网络与生成对抗网络的双向AI平台，首次建立了-10/-35框序列与转录活性的深度学习关联框架	研究仅针对大肠杆菌启动子，未验证在其他生物系统中的普适性	建立启动子序列与转录强度的定量关系，实现理性化启动子设计	大肠杆菌合成启动子库	机器学习	NA	荧光激活细胞分选测序	CNN, GAN	DNA序列数据	20,799个不同启动子	TensorFlow, PyTorch	卷积神经网络, 生成对抗网络	皮尔逊相关系数	NA
785	2026-01-28	Efficient feature selection with attention based deep cat convolutional stacked sparse autoencoder for diabetes prediction 2026-Jan-27, Computer methods in biomechanics and biomedical engineering IF:1.7Q3 DOI:10.1080/10255842.2026.2613708 PMID:41589769	研究论文	提出一种基于深度学习的糖尿病早期预测新方法，结合改进的猎豹优化算法进行特征选择和双注意力深度猫卷积堆叠稀疏自编码器模型进行分类	提出了一种改进的猎豹优化算法用于特征选择，并设计了一种结合双注意力机制的深度猫卷积堆叠稀疏自编码器模型用于糖尿病分类	NA	糖尿病早期预测	糖尿病	机器学习	糖尿病	深度学习	自编码器	NA	NA	NA	双注意力深度猫卷积堆叠稀疏自编码器	准确率	NA
786	2026-01-28	Parental Stress and Caregiver Role Modulate Child-Caregiver Prosodic Synchrony in Autism: A Computational Analysis 2026-Jan-27, Autism research : official journal of the International Society for Autism Research IF:5.3Q1 DOI:10.1002/aur.70189 PMID:41589917	研究论文	本研究通过计算分析探讨了自闭症谱系障碍儿童家庭中父母压力与亲子韵律同步性的关系，并分析了照顾者角色的调节作用	首次结合复杂动态系统理论与情感计算框架，采用深度学习模型自动分割亲子声学互动，并通过交叉递归量化分析建模韵律同步性，揭示了父亲-儿童互动对压力更敏感的现象	样本量相对有限（62个亲子对），仅针对自闭症学前儿童群体，未包含典型发育儿童对照组	探究父母压力如何影响自闭症儿童与父母间的韵律同步性，并比较母亲与父亲在互动模式上的差异	31名自闭症学前儿童及其父母（母亲与父亲分别参与）组成的亲子互动对	自然语言处理	自闭症谱系障碍	声学交互分析、交叉递归量化分析	深度学习模型	音频数据（亲子结构化游戏互动的录音）	62个亲子对（31名自闭症儿童分别与母亲和父亲互动），在两个时间点（间隔12个月）收集数据	NA	NA	NA	NA
787	2026-01-28	Advancing personalized prognostic assessment in rectal cancer through multi-instance deep learning 2026-Jan-27, European radiology IF:4.7Q1 DOI:10.1007/s00330-026-12340-x PMID:41591473	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
788	2026-01-28	Edge-Aware Dual-Branch CNN Architecture for Alzheimer's Disease Diagnosis 2026-Jan-27, Journal of imaging informatics in medicine DOI:10.1007/s10278-025-01836-5 PMID:41591609	研究论文	本文提出了一种用于阿尔茨海默病诊断的双分支CNN架构，该架构集成了可学习的边缘检测模块，以联合学习全局语义表示和细粒度边缘特征	引入了双分支CNN架构和可学习的边缘检测模块，能够联合学习全局语义和细粒度边缘特征，以捕捉脑部MRI图像边缘区域的微弱结构特征	未明确提及，但可能包括数据集规模、模型在其他疾病或模态上的泛化能力等	提高基于脑部MRI图像的阿尔茨海默病诊断准确率，辅助临床早期检测和决策	阿尔茨海默病患者	计算机视觉	阿尔茨海默病	脑部MRI成像	CNN	图像	基于两个公共数据集（包括OASIS数据集），具体样本数量未明确	NA	双分支CNN	准确率	NA
789	2026-01-28	Automatic detection and measurement system for aortic aneurysms using deep learning-based artificial intelligence 2026-Jan-27, The international journal of cardiovascular imaging DOI:10.1007/s10554-026-03630-y PMID:41591618	研究论文	本研究评估了一种基于深度学习的AI系统在非对比CT图像上自动检测主动脉瘤并测量整个主动脉直径的性能	开发了一种深度学习AI系统，用于在非对比CT图像上自动检测梭形主动脉瘤并测量整个主动脉直径，提高了检测效率和准确性	研究为回顾性设计，样本量相对有限（共350例），且主要基于非对比CT图像，可能无法推广到其他成像模式	评估深度学习AI系统在非对比CT图像上自动检测和测量主动脉瘤的准确性和性能	主动脉瘤患者，使用非对比CT图像进行分析	数字病理学	心血管疾病	非对比CT成像	深度学习	图像	350例非对比CT图像（训练集160例，验证集190例）	NA	NA	Dice分数, 敏感性, 阳性预测值, F-measure, ICCs	NA
790	2026-01-28	Integrated CT pipeline for automatic intracranial hemorrhage evaluation with GPT-enhanced clinical decision support 2026-Jan-26, European radiology IF:4.7Q1 DOI:10.1007/s00330-025-12316-3 PMID:41586845	研究论文	本研究开发了一个集成的深度学习管道，用于自动检测、分割和定位颅内出血，并结合GPT-4o提供临床决策支持	结合了半监督学习的深度学习模型进行出血检测与分割，并首次集成GPT-4o生成基于指南的临床决策建议，实现了从影像分析到临床行动的全流程自动化	研究主要依赖公开数据集进行训练和验证，临床决策支持系统在真实急诊环境中的广泛适用性和有效性仍需进一步前瞻性研究验证	开发一个自动化深度学习管道，以增强颅内出血的CT评估，并提供临床决策支持，旨在减少诊断延迟并改善急诊护理结果	颅内出血患者的CT扫描图像	数字病理学	颅内出血	CT扫描，半监督学习	深度学习模型	CT图像	训练数据包括RSNA数据集的21,784张标注和3,528张未标注CT扫描，以及HS数据集的1,226张扫描用于分割，另有507张扫描子集用于脑积水和中线移位模型；外部验证使用CQ500数据集的491名患者	NA	NA	AUC, Dice系数, 一致性相关系数, κ值	NA
791	2026-01-28	Integrating deep learning with multimodal MRI habitat radiomics: toward personalized prediction of risk stratification and androgen deprivation therapy outcomes in prostate cancer 2026-Jan-26, Insights into imaging IF:4.1Q1 DOI:10.1186/s13244-026-02205-8 PMID:41586866	研究论文	本研究开发了一种基于多参数磁共振成像的放射组学框架，结合深度学习和栖息地放射组学，用于预测前列腺癌患者对雄激素剥夺疗法的反应并改善风险分层	首次将栖息地放射组学与3D Vision Transformer深度学习模型集成，通过可解释的多模型分析肿瘤微环境异质性，以提升ADT反应预测的准确性和个性化决策	研究样本来自三个中心，虽然进行了外部验证，但可能存在选择偏倚；模型在内部验证和测试集上的AUC存在一定差异，表明泛化能力有待进一步验证	预测前列腺癌患者对雄激素剥夺疗法的反应并改善风险分层，以指导个性化治疗	550名接受ADT治疗的前列腺癌患者	数字病理学	前列腺癌	多参数磁共振成像（mpMRI），包括T2加权成像和扩散加权成像（DWI）	3D Vision Transformer（ViT），集成模型	多模态MRI图像	550名患者（训练集270名，内部验证集115名，外部测试集165名）	NA	3D Vision Transformer（ViT）	AUC（曲线下面积），ROC曲线	NA
792	2026-01-28	Deep learning in differentiating the colorectal cancer combined with hepatic enhancing nodules: liver metastases vs hemangiomas 2026-Jan-26, Insights into imaging IF:4.1Q1 DOI:10.1186/s13244-025-02192-2 PMID:41586944	研究论文	本研究评估了一种基于门静脉期CT的深度学习模型，用于区分结直肠癌肝转移和血管瘤	开发并验证了基于DenseNet-201和ResNet-152的深度学习模型，用于自动分割和分类肝内强化结节，并评估了其对放射科医生诊断性能的辅助价值，特别是在亚厘米和10-30毫米病灶中的表现差异	深度学习辅助诊断对于亚厘米结直肠癌肝转移和血管瘤的价值有限，且研究为回顾性设计	评估深度学习模型在区分结直肠癌肝转移和肝血管瘤中的诊断性能	结直肠癌患者中被诊断为肝转移或肝血管瘤的肝脏病灶	计算机视觉	结直肠癌	门静脉期CT成像	CNN	CT图像	534个肝转移病灶（来自134名患者）和262个血管瘤病灶（来自154名患者）	NA	DenseNet-201, ResNet-152	AUC, Dice系数	NA
793	2026-01-28	Multiregional MRI-based deep learning radiomics to predict axillary response after neoadjuvant chemotherapy in breast cancer patients 2026-Jan-26, Insights into imaging IF:4.1Q1 DOI:10.1186/s13244-025-02193-1 PMID:41586963	研究论文	本研究开发了一种基于多区域MRI的深度学习放射组学列线图，用于预测乳腺癌患者新辅助化疗后腋窝病理完全缓解	结合肿瘤内和5毫米瘤周区域的放射组学特征，构建深度学习放射组学列线图，以非侵入性方式预测腋窝病理完全缓解	NA	预测乳腺癌患者新辅助化疗后腋窝病理完全缓解	乳腺癌患者	数字病理学	乳腺癌	MRI	深度学习	图像	内部数据集539名患者（训练队列431名，内部验证队列108名），外部验证队列703名患者	NA	NA	AUC, 校准曲线, 决策曲线分析	NA
794	2026-01-28	Deep learning reconstruction accelerated reduced field-of-view DWI in rectal cancer: mucosa-submucosa-muscularis visualization and T staging 2026-Jan-26, European radiology experimental IF:3.7Q1 DOI:10.1186/s41747-025-00667-x PMID:41586954	研究论文	本研究比较了深度学习重建加速的减视场扩散加权成像与标准重建全视场扩散加权成像在直肠癌中的图像质量和诊断性能	首次将深度学习重建技术应用于减视场扩散加权成像，显著缩短了扫描时间并改善了图像质量，尤其在早期直肠癌T分期准确性方面有显著提升	研究为单中心前瞻性研究，样本量相对有限，且仅针对直肠癌患者，未涉及其他类型肿瘤	评估深度学习重建加速减视场扩散加权成像在直肠癌诊断和分期中的临床应用价值	经活检证实的直肠腺癌患者	医学影像分析	直肠癌	扩散加权成像，深度学习重建	深度学习模型	医学影像数据	173名参与者，其中94名接受根治性手术	NA	NA	诊断敏感性，特异性，准确性，图像质量评分，表观扩散系数测量一致性	NA
795	2026-01-28	CT-based deep learning signatures associated with transcriptomic heterogeneity and combined with nutritional biomarkers improve prediction of 3-year overall survival in esophageal squamous cell carcinoma 2026-Jan-26, Insights into imaging IF:4.1Q1 DOI:10.1186/s13244-025-02189-x PMID:41586987	研究论文	本研究开发并验证了一个结合CT图像深度学习特征与营养生物标志物的模型，用于预测食管鳞状细胞癌患者的3年总生存期，并探讨了基于深度学习特征的风险组之间的转录组学差异	首次将基于Crossformer架构从CT图像提取的深度学习特征与营养生物标志物（低骨骼肌质量）相结合，构建了预测食管鳞状细胞癌患者生存期的模型，并通过转录组学分析揭示了模型风险分层的生物学基础	研究为回顾性多中心设计，样本量相对有限，且外部验证队列规模较小，未来需要前瞻性研究进一步验证	开发并验证一个结合CT图像深度学习特征与营养生物标志物的模型，用于预测食管鳞状细胞癌患者的3年总生存期，并探索深度学习特征风险分层的生物学意义	食管鳞状细胞癌术后患者	数字病理学	食管鳞状细胞癌	CT成像, 转录组学分析	深度学习模型	CT图像, 临床数据, 转录组数据	662名来自三家医院的术后患者（内部队列）和16名来自TCGA的额外患者（外部队列）	NA	Crossformer	一致性指数	NA
796	2026-01-28	Contrast-enhanced CT-based radiomics for predicting visceral pleural invasion in early-stage non-small cell lung cancer 2026-Jan-26, Insights into imaging IF:4.1Q1 DOI:10.1186/s13244-025-02184-2 PMID:41586985	研究论文	本研究开发了一种基于增强CT的影像组学模型，用于术前预测早期非小细胞肺癌的脏层胸膜侵犯	结合增强CT特征与影像组学特征构建联合模型，用于术前预测早期非小细胞肺癌的脏层胸膜侵犯，相比传统CT特征模型有更好的预测性能	研究为回顾性设计，样本量有限，且分割过程为半自动，可能引入人为偏差	术前预测早期非小细胞肺癌的脏层胸膜侵犯，以指导治疗决策	早期非小细胞肺癌患者	数字病理学	肺癌	增强CT	影像组学模型	CT图像	523例手术切除的非小细胞肺癌患者	NA	NA	AUC	NA
797	2026-01-28	Privacy-Preserving Collaborative Diabetes Prediction in Heterogeneous Health Care Systems: Algorithm Development and Validation of a Secure Federated Ensemble Framework 2026-Jan-26, JMIR diabetes DOI:10.2196/79166 PMID:41587070	研究论文	本文开发了一个名为FedEnTrust的安全、可扩展且保护隐私的联邦集成学习框架，用于糖尿病预测，结合了联邦学习、集成建模、基于区块链的访问控制和知识蒸馏技术	提出FedEnTrust框架，通过集成联邦学习、自适应加权投票的软标签聚合、基于区块链的智能合约访问控制以及根据本地计算能力分配模型架构，以处理数据异构性、非独立同分布和计算能力差异，同时增强隐私、安全性和信任	研究仅基于PIMA印第安人糖尿病数据集进行评估，未在更广泛或真实世界的多机构临床数据上进行验证，且区块链延迟和gas成本可能在实际大规模部署中面临挑战	开发一个安全、可扩展且保护隐私的框架，用于在异构医疗系统中进行糖尿病预测	医疗系统中的异构参与者，包括医院、诊所和可穿戴设备，产生非独立同分布数据	机器学习	糖尿病	联邦学习、集成建模、知识蒸馏、区块链智能合约	集成模型	医疗数据	PIMA印第安人糖尿病数据集	NA	NA	准确率、精确率、召回率、F1分数	NA
798	2026-01-28	Neuron Segment Connectivity Prediction with Multimodal Features for Connectomics 2026-Jan-26, IEEE transactions on medical imaging IF:8.9Q1 DOI:10.1109/TMI.2026.3658169 PMID:41587252	研究论文	本文提出了一种基于多模态特征的神经元片段连接预测方法，用于自动校对大规模电子显微镜数据集中的神经元分割	设计了一种结合全局3D形态特征和高分辨率局部图像上下文的连接点检测网络，并采用基于提议的图像特征采样来高效融合多尺度多模态特征	未明确提及方法在处理极复杂神经元形态或超大规模数据集时的计算效率限制	开发自动神经元校对流程，以改进大规模电子显微镜数据中的神经元分割和连接组分析	电子显微镜数据集中的神经元片段	计算机视觉	NA	电子显微镜成像	深度学习网络	3D图像	NA	NA	连接点检测网络, 连接性预测网络	NA	NA
799	2026-01-28	Xeno-learning: knowledge transfer across species in deep learning-based spectral image analysis 2026-Jan-26, Nature biomedical engineering IF:26.8Q1 DOI:10.1038/s41551-025-01585-4 PMID:41588072	研究论文	本文提出了一种名为'异种学习'的跨物种知识迁移概念，用于解决临床手术成像中深度学习模型训练数据不足的问题	引入'异种学习'概念，通过'基于生理学的数据增强'方法，将动物模型中学到的病理或手术操作相关光谱变化迁移到人类应用	未明确说明模型在人类数据上的具体性能表现或泛化能力的定量评估	解决临床手术成像中因缺乏大规模代表性数据而导致的深度学习模型训练难题	人类、猪和大鼠模型的光谱图像数据	计算机视觉	NA	高光谱成像	深度学习	图像	14,013张高光谱图像	NA	NA	NA	NA
800	2026-01-28	Generating Training Data for Ureter Segmentation Using Dual-Energy CT Two-Material Decomposition 2026-Jan-26, Journal of imaging informatics in medicine DOI:10.1007/s10278-026-01847-w PMID:41588287	研究论文	本研究评估了基于双能CT双物质分解技术在生成输尿管分割训练数据中的效用	利用双能CT双物质分解技术从增强图像生成虚拟平扫图像，以创建用于输尿管分割的训练数据，这是一种创新的数据生成方法	外部验证数据集的性能有限，表明模型泛化能力有待提高	评估双能CT双物质分解技术生成输尿管分割训练数据的可行性	接受双能CT尿路造影的180名患者	数字病理学	泌尿系统疾病	双能CT，双物质分解技术	深度学习分割模型	CT图像	180名患者（150名来自机构1，30名来自机构2）	nnU-Net	U-Net	Dice系数，精确度，召回率	NA