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
1481	2026-01-29	A transfer learning-based approach for automated bone fracture classification in X-ray imaging 2026, Therapeutic advances in musculoskeletal disease IF:3.4Q2 DOI:10.1177/1759720X251405099 PMID:41583891	研究论文	本研究提出了一种基于迁移学习的集成深度学习模型EnsembleAttenBoneNet，用于X射线图像中骨骨折的自动分类	集成微调的ResNet50和EfficientNetB3模型，并结合Squeeze-and-Excitation注意力机制，以增强特征表示并提高分类准确性	未来研究需扩展数据集并进行真实世界验证以增强其在医学影像中的实用性	开发一种准确且自动化的骨骨折分类方法，以提升医学影像诊断精度并减少人为错误	X射线图像中的骨骨折，包括十种不同的骨折类别（如撕脱性、粉碎性、青枝性和病理性骨折）	计算机视觉	骨骨折	X射线成像	CNN	图像	NA	NA	ResNet50, EfficientNetB3	准确率	NA
1482	2026-01-29	Deep learning-based discovery of tetrahydrocarbazoles as broad-spectrum antitumor agents and click-activated strategy for targeted cancer therapy 2026-Jan, Acta pharmaceutica Sinica. B DOI:10.1016/j.apsb.2025.10.005 PMID:41584336	研究论文	本研究开发了一种基于深度学习的分类-生成级联模型，用于发现新型化学型抗肿瘤药物，并通过湿实验验证了其有效性	采用数据驱动的深度学习模型进行表型药物发现，并结合点击激活前药策略实现靶向癌症治疗	NA	发现新型广谱抗肿瘤药物并开发靶向癌症治疗策略	四氢咔唑衍生物作为抗肿瘤剂	机器学习	癌症	表型筛选，深度学习	分类-生成级联模型	化合物库数据	NA	NA	NA	NA	NA
1483	2026-01-29	Application of artificial intelligence in gynecologic cancers: A bibliometric analysis 2026 Jan-Dec, Digital health IF:2.9Q2 DOI:10.1177/20552076261416708 PMID:41585300	研究论文	本文通过文献计量分析，系统描绘了人工智能在妇科癌症应用领域的研究格局，包括趋势、关键贡献者和未来方向	首次对人工智能在妇科癌症领域的应用进行全面的文献计量分析，识别了研究热点和新兴主题如数字病理学和个性化医疗	分析基于Web of Science数据库，可能未涵盖所有相关文献；研究为描述性分析，未深入评估AI方法的具体临床效果	系统表征人工智能在妇科癌症应用的研究现状和趋势，提供该领域的定量概述	妇科癌症（包括宫颈癌、卵巢癌、子宫内膜癌等）相关的人工智能研究文献	机器学习	妇科癌症	文献计量分析	NA	文本数据（文献元数据）	2544篇文章	CiteSpace, VOSviewer	NA	NA	NA
1484	2026-01-29	Classifying Obsessive-Compulsive Disorder from Resting-State EEG Using Convolutional Neural Networks: A Pilot Study 2026, Computational psychiatry (Cambridge, Mass.) DOI:10.5334/cpsy.149 PMID:41585367	研究论文	本研究探索使用卷积神经网络（CNN）分析静息态脑电图（EEG）的时频表示，以区分强迫症患者与健康对照	首次将CNN应用于EEG时频表示进行强迫症分类，并展示了其相对于传统支持向量机（SVM）方法的显著性能优势	样本量较小（仅20名参与者），且未包含药物治疗患者，限制了结果的泛化性	开发一种基于EEG的深度学习方法来识别强迫症	20名未服药的参与者（10名强迫症患者，10名健康对照）	机器学习	强迫症	静息态脑电图（EEG）	CNN, SVM	EEG时频表示	20名参与者（10名强迫症患者，10名健康对照）	未明确指定，可能为TensorFlow或PyTorch	2D CNN	准确率, AUC	未明确指定
1485	2026-01-29	Neuromorphic Silicon-Based Capacitive-Tunneling Junction 2026-Jan, Advanced materials (Deerfield Beach, Fla.) DOI:10.1002/adma.202416643 PMID:41074824	研究论文	本文介绍了一种基于硅电容隧道结的神经形态计算器件，通过结合电容耦合和量子隧道效应，实现了高速、低能耗的突触行为模拟	利用硅兼容器件中的电容耦合与量子隧道协同效应，设计出具有双向双语言多模态突触后行为的SCTJ，响应时间达10纳秒，能耗低至1飞焦	NA	开发能量高效的神经形态计算系统，以处理大规模数据集	硅电容隧道结及其在物体运动轨迹监测与识别系统中的应用	机器学习	NA	脉冲编程信号调制	NA	信号数据	NA	NA	NA	响应时间，能耗	NA
1486	2026-01-29	Applications of artificial intelligence in tooth extraction: A systematic review 2026-Jan, Journal of dental sciences IF:3.4Q1 DOI:10.1016/j.jds.2025.10.007 PMID:41585134	系统综述	本文通过系统综述探讨了人工智能在牙齿拔除领域的应用现状	首次系统性地回顾和总结了人工智能在牙齿拔除领域的应用研究，涵盖了从术前评估到术后并发症预测的多个关键主题	仅基于三个数据库（PubMed、Scopus、Web of Science）的文献检索，可能存在发表偏倚；纳入文献数量有限（35篇），且部分主题研究较少	评估人工智能在牙齿拔除临床决策、风险预测和治疗策略中的应用潜力	牙齿拔除相关的临床研究文献	医疗人工智能	口腔疾病	NA	NA	NA	NA	NA	NA	NA	NA
1487	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
1488	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
1489	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
1490	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
1491	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
1492	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
1493	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
1494	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
1495	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
1496	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
1497	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
1498	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
1499	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
1500	2026-01-28	Advancing the modernization of traditional Chinese medicine through artificial intelligence and multimodal data integration 2026-Jan-26, Chinese medicine IF:5.3Q1 DOI:10.1186/s13020-025-01194-y PMID:41588523	综述	本文综述了人工智能技术如何通过整合多模态数据，推动中医药现代化进程	系统性地从多尺度数据、研发、诊疗及大语言模型四个维度，全面回顾了AI在中医药现代化中的应用进展，强调了AI在数据驱动复杂系统、基础科学研究和精准医学中的前沿应用	NA	探讨人工智能技术如何促进中医药的现代化发展	中医药领域的多模态数据、研发过程、诊断与治疗实践	自然语言处理, 机器学习	NA	机器学习, 深度学习, 知识图谱, 自然语言处理, 大语言模型	NA	多模态数据	NA	NA	NA	NA	NA