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
201	2026-04-14	SRMMP-CharQM, Physics-Informed Deep Learning for Toxicity Prediction: Quantum Mechanical Descriptors Enable Scaffold Hopping in Mitochondrial Membrane Potential Assays 2026-Apr-07, The journal of physical chemistry. B DOI:10.1021/acs.jpcb.6c01087 PMID:41947441	研究论文	本文提出了一种基于物理信息深度学习的毒性预测模型SRMMP-CharQM，用于预测线粒体膜电位破坏的毒性终点	结合了BiGRU编码的SMILES序列与通过半经验量子力学方法计算的全局电子描述符（HOMO-LUMO能隙和总能量），以解决传统模型在活性悬崖和分子骨架跳跃场景中的泛化能力不足问题	未明确提及模型在更广泛数据集或不同毒性终点上的泛化能力，也未讨论计算量子描述符的计算成本	开发一个能够准确预测线粒体膜电位破坏毒性、并具有良好泛化能力的深度学习模型	用于早期药物安全评估的化合物，特别是那些可能破坏线粒体膜电位的分子	机器学习	NA	半经验量子力学方法（xTB）	深度学习框架	SMILES序列，量子力学描述符	未明确提及具体样本数量，但使用了基于骨架分割的数据集，验证集与测试集的毒性比例分别为6.400%和28.9%	未明确指定，但提及了深度学习框架	BiGRU	AUC, AUPRC	NA
202	2026-04-14	Multimodal artificial intelligence predicts PIK3CA mutation in breast cancer from digital pathology and clinical data: a multicenter study 2026-Apr-07, Cancer biology & medicine IF:5.6Q1 DOI:10.20892/j.issn.2095-3941.2025.0771 PMID:41968976	研究论文	本研究开发了一种多模态深度学习框架，整合全切片图像和结构化临床数据，以预测乳腺癌中的PIK3CA突变	提出了一种结合数字病理和临床数据的多模态深度学习框架，用于预测PIK3CA突变，提高了预测性能并增强了模型的可解释性	未明确说明模型在更广泛人群或不同数据源中的泛化能力限制，以及计算资源需求的具体细节	开发一个多模态人工智能模型，以改善乳腺癌中PIK3CA突变的预测，作为分子检测的可及性替代方案	乳腺癌患者，包括来自TCGA的1,047名患者和来自3个外部中心的166名患者	数字病理	乳腺癌	全切片成像，分子测序	Transformer, XGBoost	图像, 结构化临床数据	1,213名患者（1,047名来自TCGA，166名来自3个外部中心）	NA	H-optimus-0, CLAM-SB MIL	AUC, 准确率, 精确率, 召回率, F1分数	NA
203	2026-04-14	Artificial intelligence in breast cancer: applications and advancements 2026-Apr-07, Cancer biology & medicine IF:5.6Q1 DOI:10.20892/j.issn.2095-3941.2025.0704 PMID:41968983	综述	本文系统综述了人工智能在乳腺癌诊疗中的应用、进展、挑战及未来方向	系统性地总结了人工智能在乳腺癌诊疗全周期（从筛查到康复）的应用，并提出了未来多模态数据整合和人机协作多学科团队模型等发展方向	面临数据标准化不足、模型泛化能力有限、临床可及性低以及伦理法律责任不明确等挑战	概述人工智能在乳腺癌诊疗中的作用，为临床实践和科研创新提供见解，支持向个性化、智能化肿瘤医学转型	乳腺癌	数字病理学	乳腺癌	深度学习, 机器学习	NA	图像, 多维度数据	NA	NA	NA	NA	NA
204	2026-04-14	Non-invasive classification of coronary perfusion pressure during CPR using smartphone-based skin video and deep learning 2026-Apr-02, Computer methods and programs in biomedicine IF:4.9Q1 DOI:10.1016/j.cmpb.2026.109348 PMID:41967268	研究论文	本研究提出了一种利用智能手机拍摄的皮肤视频和深度学习技术，对心肺复苏期间的冠状动脉灌注压力进行无创分类的方法	首次将智能手机皮肤视频与深度学习结合，实现无创CPP分类，为院外急救提供低成本、可访问的灌注评估方案	研究仅基于15头猪的数据，样本量较小，且未在人体中进行验证	开发一种无创方法，用于在心肺复苏期间分类冠状动脉灌注压力水平	心肺复苏期间的猪模型	计算机视觉	心血管疾病	智能手机视频采集	CNN, GRU	视频	15头猪	NA	EfficientNetV2-B0, ConvNeXt-Nano, FastViT-T8, GRU	准确率, F1分数	NA
205	2026-04-14	Deep Representation Learning for Open Vocabulary Electroencephalography-to-Text Decoding 2026-Apr, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2024.3416066 PMID:38889026	研究论文	本文提出了一种用于开放词汇脑电图到文本解码的端到端深度学习架构，结合了主题依赖的表示学习模块、BART语言模型和GPT-4句子优化模块	引入了主题依赖的表示学习模块来处理脑电图信号的主观性，并整合了GPT-4进行句子优化，同时提出了基于BERTScore的句子级评估指标	未明确讨论模型在更广泛人群或不同任务中的泛化能力，以及计算资源需求可能较高	提升非侵入性脑机接口中开放词汇脑电图到文本解码的性能和可理解性	30名参与自然阅读任务的受试者的脑电图信号	自然语言处理	NA	脑电图	深度学习	脑电图信号	30名受试者	NA	BART, GPT-4	BLEU-1, ROUGE-1-F, BERTScore-F	NA
206	2026-04-14	Deep Learning-Assisted Differentiation of Four Peripheral Neuropathies Using Corneal Confocal Microscopy 2026-Apr, Annals of clinical and translational neurology IF:4.4Q1 DOI:10.1002/acn3.70255 PMID:41274779	研究论文	本研究开发了名为NeuropathAI的可解释深度学习多分类系统，用于基于角膜共聚焦显微镜图像快速自动诊断和区分四种外周神经病变	首次提出一个可解释的深度学习多分类系统，用于自动化诊断和区分四种外周神经病变，并通过热图可视化增强模型决策的可解释性	样本量相对较小（88名患者），且仅针对四种特定外周神经病变，可能无法推广到其他类型	开发一个快速、自动化的诊断系统，以解决外周神经病变因诊断方法限制和专科设施缺乏而导致的延迟或漏诊问题	88名患有糖尿病外周神经病变、化疗诱导外周神经病变、慢性炎性脱髓鞘性多发性神经病和人类免疫缺陷病毒相关感觉神经病变的患者	数字病理学	外周神经病变	角膜共聚焦显微镜	深度学习多分类系统	图像	88名患者	NA	NA	AUC, 敏感性, 特异性, 精确度, F1分数	NA
207	2026-04-14	Role of a Deep-Learning Based Convolutional Neural Network Model for Real-Time Ventricular Tachycardia Alarm Classification 2026-Apr, Journal of cardiovascular electrophysiology IF:2.3Q2 DOI:10.1111/jce.70271 PMID:41588600	研究论文	本研究开发了一种基于一维卷积神经网络的深度学习模型，用于实时分类心室心动过速警报，以减少重症监护室中的误报	首次利用多通道原始波形数据（包括心电图、光电容积脉搏波和动脉血压信号）结合一维卷积神经网络进行心室心动过速警报的实时分类，显著降低了误报率	模型性能依赖于公开数据集的有限样本，未在更广泛或多样化的临床环境中进行验证	开发一种准确且快速的深度学习模型，以区分真实和误报的心室心动过速警报，减轻医疗工作者的警报疲劳	心室心动过速警报信号，包括心电图、光电容积脉搏波和动脉血压波形	机器学习	心血管疾病	深度学习，信号处理	CNN	信号数据	使用公开的VTaC心律失常基准数据集，具体样本数量未在摘要中说明	NA	一维卷积神经网络	AUC, 准确率, F1分数, 灵敏度, 特异性, 阳性预测值	NA
208	2026-04-14	Artificial intelligence in mammography screening: a narrative review of progress, pitfalls, and potential 2026-Apr-01, The British journal of radiology DOI:10.1093/bjr/tqag053 PMID:41782331	综述	本文是一篇关于人工智能在乳腺X光筛查中应用进展、挑战与潜力的叙述性综述	系统梳理了AI在乳腺X光筛查中的新兴应用，包括基于图像的癌症检测、风险预测和工作流程优化，并强调了其在提高诊断准确性、实现个性化风险评估及优化资源分配方面的潜力	算法在不同人群中的泛化能力有限，存在校准和读者响应行为问题，以及监管、伦理和法律障碍，导致实际应用面临挑战	探讨人工智能在乳腺X光筛查领域的当前应用、技术基础、性能指标及临床效用，以推动乳腺癌筛查的进步	乳腺X光筛查图像及相关AI应用	医学影像	乳腺癌	深度学习	NA	图像	NA	NA	NA	NA	NA
209	2026-04-14	An AI-Guided Structure-Based Strategy for the Discovery and Biological Validation of Natural Products Targeting the Vitamin D Receptor From YSQYP in Diabetic Kidney Disease 2026-Apr, Chemical biology & drug design IF:3.2Q3 DOI:10.1111/cbdd.70289 PMID:41934677	研究论文	本研究提出了一种基于结构和深度学习的筛选策略，从益肾祛瘀方中识别靶向维生素D受体的活性化合物，用于治疗糖尿病肾病	结合传统分子对接与深度学习工具（CarsiDock和RTMScore）进行虚拟筛选，并采用表面等离子体共振进行生物物理验证，建立了一种高效的天然产物筛选策略	研究主要聚焦于体外细胞实验，未涉及动物模型或临床试验验证，且益肾祛瘀方的其他生物活性成分和机制可能尚未完全阐明	从传统中药方剂益肾祛瘀方中筛选靶向维生素D受体的活性化合物，以开发糖尿病肾病的新治疗候选药物	益肾祛瘀方中的天然化合物，特别是靶向维生素D受体的成分	机器学习	糖尿病肾病	虚拟筛选，表面等离子体共振，生物测定	深度学习	分子结构数据，生物物理数据	NA	NA	NA	结合亲和力，细胞毒性，细胞凋亡	NA
210	2026-04-14	Artificial Intelligence Enabled Noninvasive Mapping of Cardiac Arrhythmia Origins Using the 12-Lead Electrocardiogram 2026-Apr, Journal of cardiovascular electrophysiology IF:2.3Q2 DOI:10.1111/jce.70319 PMID:41845566	综述	本文综述了人工智能如何利用标准12导联心电图非侵入性定位心律失常起源点的当前证据、技术进展及临床潜力	将AI应用从心律失常检测扩展到非侵入性起源点定位，提出了一种虚拟术前标测概念，旨在指导治疗而不仅是诊断	仍面临外部验证不足、数据质量问题、临床医生信任度以及工作流程整合等关键挑战	探讨人工智能在基于心电图非侵入性定位心律失常起源点方面的应用与潜力	心律失常（重点关注旁路和特发性室性心律失常）的起源点	机器学习	心血管疾病	心电图	机器学习, 深度学习	信号数据（心电图）	NA	NA	卷积神经网络	准确率	NA
211	2026-04-14	Multi-parametric MRI synthesis for glioblastoma from quantitative MR fingerprinting: Quantitative synthetic neural network (QS-Net) 2026-Apr, Medical physics IF:3.2Q1 DOI:10.1002/mp.70435 PMID:41968695	研究论文	本文提出了一种名为QS-Net的深度学习模型，用于从定量磁共振指纹图谱合成多参数MRI对比图像，以改善胶质母细胞瘤的诊断和治疗流程	开发了一种基于定量磁共振指纹图谱输入的新型深度学习模型QS-Net，采用深度监督残差U-Net生成器和对抗性框架，结合两阶段训练策略分离解剖和病理学习，显著提升了跨厂商泛化能力	研究样本量相对较小（32名健康志愿者和18名GBM患者），且为回顾性数据，可能影响模型的广泛适用性	开发一种通用性强的深度学习模型，从定量MRI数据合成多参数MRI对比图像，以克服传统定性MRI输入因站点和扫描仪差异导致的泛化性限制	胶质母细胞瘤患者和健康志愿者的磁共振成像数据	数字病理学	胶质母细胞瘤	磁共振指纹图谱，多参数MRI	GAN, CNN, Transformer	图像	32名健康志愿者和18名胶质母细胞瘤患者的MRI扫描	PyTorch	Residual U-Net, Res-Unet, Swin-Transformer	MAE, SSIM, PSNR	NA
212	2026-04-14	Multimodal Deep Learning for Pulmonary Nodule Detection on Chest Radiography in High-Risk Adults, With Secondary Validation for All-Cause and Cause-Specific Mortality Prediction: A Multicenter Cohort Study 2026-Apr, MedComm IF:10.7Q1 DOI:10.1002/mco2.70730 PMID:41969630	研究论文	本研究开发了一个名为LungProNet的多模态深度学习模型，融合胸部X光片特征与流行病学变量，用于肺结节检测，并验证其在全因及特定原因死亡率预测中的潜力	提出了一种结合胸部X光片特征与流行病学变量的多模态深度学习模型，不仅用于肺结节检测，还探索了其在死亡率预测中的二次应用	模型在外部验证集ChestDR上的性能（AUC 0.849）低于内部验证集（AUC 0.979），可能存在泛化能力限制	开发一个多模态深度学习模型，用于肺结节检测，并验证其在死亡率预测中的辅助应用	高风险成年人的胸部X光片及流行病学数据	计算机视觉	肺癌	深度学习	多模态深度学习模型	图像（胸部X光片）、流行病学变量（年龄、性别、吸烟史、家族史）	训练和内部验证：TLCID数据集（n=2852/1227）；外部验证：ChestDR数据集（n=4848）；二次验证：PLCO试验（n=24,697）	NA	LungProNet	AUC, 准确率, 敏感性, 特异性, 时间依赖性AUC	NA
213	2026-04-14	Progress in machine learning-assisted medical imaging for osteoarthritis and osteoporosis diagnosis: a narrative review 2026-Apr-01, Quantitative imaging in medicine and surgery IF:2.9Q2 DOI:10.21037/qims-2025-aw-2168 PMID:41972027	综述	本文综述了过去十年中机器学习辅助医学影像在骨关节炎和骨质疏松症诊断方面的进展，并讨论了转化机会与挑战	系统总结了AI在OA和OP影像诊断中的演变，从基于放射组学的ML流程到端到端的DL框架，并指出了多模态融合和纵向建模等新兴方向	许多深度学习模型的可解释性有限，且存在显著的数据异质性，阻碍了临床转化	总结人工智能辅助影像在骨关节炎和骨质疏松症诊断方面的进展，并讨论其转化机会与挑战	骨关节炎和骨质疏松症的医学影像数据	医学影像分析	骨关节炎, 骨质疏松症	X射线, 计算机断层扫描, 磁共振成像	机器学习, 深度学习	图像	NA	NA	NA	NA	NA
214	2026-04-14	Combining 3D iterative image reconstruction and deep learning to improve image quality of knee joint MRI fast sequences: a focus on meniscal injury evaluation 2026-Apr-01, Quantitative imaging in medicine and surgery IF:2.9Q2 DOI:10.21037/qims-2025-1845 PMID:41972033	研究论文	本研究探讨了结合三维迭代图像重建与深度学习的方法，以提升膝关节MRI快速序列的图像质量，并评估其在半月板损伤诊断中的性能	首次将三维迭代重建与深度学习模块（iQMR™）结合应用于加速膝关节MRI，在显著缩短扫描时间的同时，保持了与传统序列相当的图像质量和诊断一致性	研究为回顾性设计，样本量相对有限（116例患者），且仅评估了特定加速因子下的GRAPPA序列，未涵盖其他加速技术或更广泛的病理类型	旨在通过混合重建与深度学习流程，改善加速膝关节MRI的图像质量，并验证其在半月板损伤评估中的诊断效能	116例疑似膝关节病变患者（53男，63女，平均年龄53.7±16.9岁）的MRI图像	数字病理学	半月板损伤	磁共振成像（MRI），包括T1加权成像（T1WI）、质子密度加权成像（PDWI）及加速GRAPPA序列	深度学习	图像	116例患者	NA	NA	信噪比（SNR）、对比噪声比（CNR）、定性图像质量评分（5点Likert量表）、Stoller分级一致性（加权Kappa、组内相关系数ICC）	NA
215	2026-04-14	A comparative study of magnetic resonance imaging image-based deep learning and conventional turbo spin echo sequence in tumor-node staging of rectal cancer 2026-Apr-01, Quantitative imaging in medicine and surgery IF:2.9Q2 DOI:10.21037/qims-2025-1884 PMID:41972022	研究论文	本研究比较了深度学习重建的TSE序列与传统TSE序列在直肠癌肿瘤-淋巴结分期中的诊断性能、分期准确性和采集时间	首次将深度学习重建技术应用于直肠癌MRI的TSE序列，显著提高了T分期和N分期的准确性，并减少了扫描时间	样本量较小（60名患者），且为单中心研究，可能影响结果的普适性	比较深度学习重建TSE序列与传统TSE序列在直肠癌TN分期中的诊断性能	直肠癌患者的MRI图像	数字病理学	直肠癌	磁共振成像，深度学习图像重建	深度学习模型	MRI图像	60名直肠癌患者	NA	NA	准确性，敏感性，特异性，Kappa一致性系数	NA
216	2026-04-14	Development and validation of a deep learning radiomics model for predicting capsular invasion in small renal masses: a multicenter retrospective study 2026-Apr-01, Quantitative imaging in medicine and surgery IF:2.9Q2 DOI:10.21037/qims-2025-1-2539 PMID:41972042	研究论文	本研究开发并验证了一种基于CT图像的深度学习放射组学模型，用于无创预测小肾肿瘤的包膜侵犯	结合了放射组学特征和深度学习特征，并利用SHAP进行模型可解释性分析，为小肾肿瘤的术前评估提供了新的多中心验证工具	模型在外部测试集上的性能未显著优于单独的放射组学或深度学习迁移模型，且为回顾性研究	术前无创预测小肾肿瘤的肾包膜侵犯，以辅助治疗规划	小肾肿瘤患者	数字病理学	肾癌	CT成像	深度学习, 放射组学	CT图像	来自三个中心的413个小肾肿瘤样本（训练集330例，外部测试集83例）	PyRadiomics	ResNet50	AUC, 校准曲线, 决策曲线	NA
217	2026-04-14	Validation and feasibility of fast knee MRI using a deep learning-assisted 3D iterative image enhancement system 2026-Apr-01, Quantitative imaging in medicine and surgery IF:2.9Q2 DOI:10.21037/qims-2025-2099 PMID:41972050	研究论文	本研究探讨了使用深度学习辅助的三维迭代图像增强系统实现膝关节高分辨率快速MRI的可行性	首次将深度学习辅助的三维迭代图像增强系统应用于膝关节快速MRI，以在加速扫描的同时提升图像质量	研究为单中心前瞻性研究，样本量相对有限，且未评估长期临床影响	验证深度学习辅助的三维迭代图像增强系统在膝关节快速MRI中的可行性和图像质量提升效果	计划进行膝关节MRI平扫的患者	医学影像	膝关节疾病	磁共振成像	深度学习模型	MRI图像	134名患者	NA	NA	峰值信噪比, 多尺度结构相似性指数, 信噪比, 对比噪声比	NA
218	2026-04-14	Enhancing vision Mamba with two-dimensional position embedding and multiscale fusion for medical image segmentation 2026-Apr-01, Quantitative imaging in medicine and surgery IF:2.9Q2 DOI:10.21037/qims-2025-aw-2178 PMID:41972053	研究论文	本文提出了一种增强的视觉Mamba模型，通过引入二维位置嵌入和多尺度融合模块来提升医学图像分割的精度和计算效率	首次将二维位置嵌入和专门设计的多尺度特征融合块集成到视觉状态空间模型中，以解决Mamba顺序处理中细节信息丢失的问题	仅在三个公开数据集上进行了验证，未在更多样化的临床场景和私有数据上进行测试	设计一个既能准确识别目标病灶又能保证计算效率的医学图像分割模型	医学图像中的感兴趣区域和细粒度病灶	计算机视觉	NA	深度学习	视觉状态空间模型	医学图像	三个公开数据集	NA	Vision Mamba	Dice相似系数, 体积重叠误差, 对象间平均表面距离, Jaccard系数, 召回率	NA
219	2026-04-14	WENet: a lightweight dermoscopic image segmentation network with wide edge assistance generated by morphological erosion 2026-Apr-01, Quantitative imaging in medicine and surgery IF:2.9Q2 DOI:10.21037/qims-2025-1946 PMID:41972052	研究论文	本文提出了一种轻量级皮肤镜图像分割网络WENet，通过形态学腐蚀生成宽边缘辅助，以同时解决边缘分割挑战并保持低计算复杂度	设计了宽边缘辅助的轻量级分割网络，结合了挤压双路径卷积、统计多特征自适应通道重校准注意力模块以及宽边界生成器，在保持模型紧凑的同时显著提升了边缘分割性能	未明确说明模型在更广泛或更具挑战性的临床数据集上的泛化能力，也未详细讨论实时部署在边缘设备上的具体性能指标	设计一个同时解决边缘分割挑战并保持低计算复杂度的皮肤镜图像分割模型	皮肤镜图像中的病变区域	计算机视觉	皮肤病变	形态学腐蚀	CNN	图像	ISIC2017、ISIC2018和PH2数据集中的皮肤镜图像	NA	WENet	mIoU, 特异性	NA
220	2026-04-14	Hybrid CNN-GCN framework for brain tumor MRI classification: A graph-based approach to smart healthcare diagnostics 2026-Apr, Journal of applied clinical medical physics IF:2.0Q3 DOI:10.1002/acm2.70560 PMID:41972366	研究论文	本研究提出并验证了一种融合卷积神经网络和图卷积网络的混合计算框架，用于从磁共振成像中自动分类脑肿瘤	提出了一种新颖的混合CNN-GCN框架，将CNN的层次特征提取与GCN的关系推理相结合，并利用粒子群优化算法进行超参数调优以提高泛化能力	研究使用了公开的Kaggle数据集，可能无法完全代表临床实践中遇到的所有肿瘤形态和成像条件	开发一个自动化、高精度的脑肿瘤分类系统，以支持临床决策和智能医疗诊断	脑部磁共振成像	计算机视觉	脑肿瘤	磁共振成像	CNN, GCN	图像	未明确指定具体数量，但使用了公开的Kaggle MRI数据集，包含四类：胶质瘤、脑膜瘤、垂体瘤和无肿瘤	TensorFlow, PyTorch	InceptionV3	准确率, F1分数	NA