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
2281	2026-08-22	The role of artificial intelligence in pre-operative prediction of completeness of cytoreduction for peritoneal surface malignancies: a scoping review 2026-04, European journal of surgical oncology : the journal of the European Society of Surgical Oncology and the British Association of Surgical Oncology DOI:10.1016/j.ejso.2026.111480 PMID:41740519	综述	本文是一篇范围综述，分析人工智能在腹膜表面恶性肿瘤术前预测细胞减灭术完全性中的应用	系统评估了AI在预测细胞减灭术完全性中的应用，包括模型架构、输入预测因子、性能指标和可解释性策略	仅纳入9项研究，且多数集中于卵巢癌，可解释性策略有限，缺乏现代可解释AI技术的应用	分析AI用于预测腹膜表面恶性肿瘤细胞减灭术完全性的应用情况	腹膜表面恶性肿瘤患者，包括卵巢癌、同步结直肠腹膜转移及混合型PSM	机器学习	腹膜表面恶性肿瘤	NA	深度学习框架（如DeAF）、放射组学模型	临床和影像数据	9项研究	NA	DeAF深度学习框架、放射组学-临床列线图	曲线下面积	NA
2282	2026-08-22	Molecular alterations prediction in gliomas via an interpretable deep learning model: a multicentre and retrospective study 2026-Apr, The Lancet. Digital health DOI:10.1016/j.landig.2025.100977 PMID:42115062	研究论文	本研究开发并验证了一种基于基础模型的可解释深度学习方法来预测胶质瘤的分子改变，利用常规组织病理切片直接预测关键分子事件，无需手动标注。	首次提出并验证了基于基础模型的可解释方法GMAP，用于从常规组织病理切片预测胶质瘤的分子改变，未依赖手动注释，并在多中心、回顾性研究中进行了全面验证。	研究为回顾性设计，且在外部验证集中对TERT和+7/-10的预测性能相对较低，可能受组织处理差异影响。	开发一种经济高效且可扩展的方法，以在资源有限的环境中准确、快速地识别胶质瘤的关键分子改变。	胶质瘤患者的全切片图像及相应分子特征（IDH、1p/19q共缺失、TERT、+7/-10）。	数字病理学	胶质瘤	全切片成像	基础模型	图像	开发集：877例患者的1696张全切片图像；内部测试集：88例患者的167张全切片图像；外部验证集：3147例患者的4602张全切片图像	NA	NA	接受者操作特征曲线下面积、准确率、敏感性、特异性、F1分数	NA
2283	2026-08-22	U-Net-based transfer learning for automated tumour segmentation enabling fully automated [18F]F-DOPA PET analysis in paediatric gliomas 2026-Mar-25, Brain informatics DOI:10.1186/s40708-026-00296-z PMID:41880065	研究论文	本研究评估了基于U-Net的迁移学习模型在儿童胶质瘤[18F]F-DOPA PET成像中实现全自动肿瘤分割和参数提取的可行性	利用成年人胶质瘤数据集进行迁移学习，实现了儿童胶质瘤的完全自动化PET分析流程	未提及具体限制	评估深度学习模型能否实现儿童胶质瘤肿瘤分割和PET参数提取的完全自动化，并验证其临床相关性	103名儿童胶质瘤患者（中位年龄11岁，54名女性，49名男性）的[18F]F-DOPA PET扫描数据	数字病理学	儿童胶质瘤	PET成像	U-Net	图像	103名患者	NA	U-Net	Dice分数	NA
2284	2026-08-22	Spinal disease image segmentation technology integrating U-ResNet and shape-aware attention 2026-Mar-13, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-42870-9 PMID:41820475	研究论文	本研究设计了一个端到端的深度学习模型，整合U-ResNet和形状感知注意力模块，用于脊柱疾病图像分割，以提高分割精度和临床适用性	提出了定制化的U-ResNet主干网络、形状感知注意力模块和动态加权组合损失函数，实现多尺度特征融合和轮廓先验增强，以提升复杂病理干扰下的分割性能	文中未提及明确的局限性	开发一种高性能的脊柱图像分割模型，以支持早期准确诊断和分级诊疗，减少医疗负担	脊柱疾病患者的腰椎MRI图像和VerSe数据集	数字病理学	脊柱疾病	NA	CNN（U-Net变体）	图像（MRI）	腰椎MRI数据集和VerSe数据集（具体样本数未提供）	NA	U-ResNet, 形状感知注意力机制	分类、分割和椎间盘退变分级任务的相关指标（具体未列出）	NA
2285	2026-08-22	Enhancing trustworthiness of Arabic online health information quality evaluation using an enhanced BERT architecture with PCA and ICA feature weighting 2026-Mar-06, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-43158-8 PMID:41792455	研究论文	本研究利用增强版阿拉伯语BERT架构结合PCA和ICA特征加权，评估在线健康信息的质量，以提高其可信度	提出了一种增强版阿拉伯语BERT用于医疗数据，结合PCA和ICA特征提取技术，并使用基于信息熵的修改损失函数来提升模型在文档分类中的确定性和校准能力	未明确提及，可能受限于单一数据集和特定语言（阿拉伯语）	利用深度学习方法评估在线健康信息的质量，为其可信度提供可靠评估工具	在线健康信息的质量评估，特别是阿拉伯语环境中的健康信息	自然语言处理	NA	PCA, ICA, 信息熵	BERT	文本	NA	NA	BERT	准确率	NA
2286	2026-08-22	High-resolution Annotated Dataset of Girvanella Boundstone Microfacies from the Xiannüdong Formation, China 2026-Mar-05, Scientific data IF:5.8Q1 DOI:10.1038/s41597-026-06958-1 PMID:41786785	研究论文	本研究提供高分辨率数据集，将寒武系第二统仙女洞组的Girvanella骨架灰岩岩相切片图像分割为114×114像素的瓦片，并通过点计数自动化标注微相成分，用于深度学习碳酸盐岩微相分类。	创新点在于创建了高分辨率的Girvanella骨架灰岩微相数据集，并采用点计数自动化标注方法，适用于深度学习训练。	摘要中未提及局限性。	提供可用于深度学习训练的数据集，以支持碳酸盐岩微相分类，并促进早期海洋生态系统演化及碳酸盐岩台地结构研究。	研究对象为寒武系第二系仙女洞组的Girvanella骨架灰岩微相。	数字病理学	不适用	图像分割、点计数自动化标注	不适用	图像（PNG）和CSV文件	大型岩板图像分割成114×114像素瓦片，具体样本数量未说明	不适用	不适用	不适用	不适用
2287	2026-08-22	Clinical and economic impact of deep learning-enhanced opportunistic osteoporosis screening using chest radiographs with and without the osteoporosis self-assessment tool for Asians (OSTA) 2026-Mar, Osteoporosis international : a journal established as result of cooperation between the European Foundation for Osteoporosis and the National Osteoporosis Foundation of the USA IF:4.2Q1 DOI:10.1007/s00198-026-07858-1 PMID:41563407	研究论文	本研究评估了利用深度学习增强的机会性骨质疏松筛查方法（基于胸部X光片）在50岁及以上新加坡女性中的临床和经济影响，并探讨了结合OSTA工具的附加价值	首次将深度学习增强的机会性骨质疏松筛查与OSTA工具结合进行成本效益分析，证明仅使用深度学习筛查即可有效减少骨折并增加质量调整生命年，且成本可接受	研究基于新加坡特定人群，可能不适用于其他地区或族裔；且未涵盖男性及不同年龄段人群	评估深度学习增强的机会性骨质疏松筛查（基于胸部X光片）在临床和经济上的影响，并比较单独使用深度学习与结合OSTA工具的筛查策略	50岁及以上新加坡女性，骨质疏松患者或高风险人群	医学影像分析, 深度学习	骨质疏松	胸部X光片分析	深度学习模型	胸部X光图像	未明确，但为新加坡50岁及以上女性人群	未明确	未明确	骨折发生率, 质量调整生命年(QALYs), 成本效益比	未明确
2288	2026-08-22	DynMoCo: a Novel AI Framework to Reveal Modular Substructures of Protein From Molecular Dynamics 2026-Feb-10, bioRxiv : the preprint server for biology DOI:10.64898/2026.02.08.704355 PMID:41727081	研究论文	提出DynMoCo，一种基于图卷积网络和循环模型的深度学习框架，用于从分子动力学模拟中识别蛋白质的动态模块化子结构	将社交网络分析中的动态社区检测引入分子动力学模拟分析，通过时间演化图建模分子，实现端到端的社区识别，并可整合结构知识确保物理合理性	未在摘要中提及具体限制，可能包括计算成本或对模拟类型的依赖	开发一种新方法，从高维分子动力学数据中提取可解释的蛋白质动态子结构，以揭示其功能相关的构象变化	三种整合素系统的分子动力学模拟轨迹	机器学习	NA	分子动力学模拟	图卷积网络（GCN）和循环模型	分子动力学轨迹数据	三种整合素系统	NA	图卷积网络（GCN）和循环模型	NA	NA
2289	2026-08-22	Deep Learning-Based Event Classification of Mass Photometry Data for Optimal Mass Measurement at the Single-Molecule Level 2026-02-03, ACS nano IF:15.8Q1 DOI:10.1021/acsnano.5c13074 PMID:41549613	研究论文	本文提出了一种基于三维卷积残差网络的深度学习模型，用于对质谱光度法数据进行事件分类，以实现单分子水平的最优质量测量	首次应用三维卷积残差网络分析质谱光度法事件的时空动态，以自动分类和筛选最优单分子测量事件，消除累积直方图伪影并将分辨能力提升至两倍	摘要未明确说明局限性，但未提及对极端异质样本或实时处理性能的验证	开发一种深度学习方法来分类质谱光度法中的着陆事件，以提高质量分辨率、灵敏度和浓度测量的准确性	质谱光度法中的单分子着陆事件，包括蛋白质结合/解离过程中的时空动力学数据	机器学习	NA	质谱光度法	三维卷积残差网络	质谱光度法事件缩略图（三维时空数据）	多种实验数据集，包括分辨和部分分辨的样本，以及不同质量、浓度和积分时间（具体数量未说明）	NA	三维残差网络	质量分辨率、灵敏度、浓度准确性、分辨能力	NA
2290	2026-08-22	DANEELpath open source digital analysis tools for histopathological research in neuroblastoma models 2026-Jan-24, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-37134-5 PMID:41580539	研究论文	开发了一个名为DANEELpath的开源图像分析工具包，用于神经母细胞瘤模型中的组织病理学研究，整合深度学习、数学形态学分割和空间特征提取技术	提出了一个集成了深度学习、单个及簇状细胞特定分割数学形态学管道和全切片图像空间特征提取的综合性开源工具包，且具有适应不同生物问题的通用性	未明确说明	开发用于研究三维水凝胶中神经母细胞瘤细胞动态的开源图像分析工具，以推动生物医学发现	三维生长的神经母细胞瘤细胞	数字病理学	神经母细胞瘤	NA	深度学习	全切片图像	未明确说明	NA	NA	NA	NA
2291	2026-08-22	Integrating Artificial Intelligence into metabolomics for predicting diseases 2026, Progress in molecular biology and translational science DOI:10.1016/bs.pmbts.2026.01.010 PMID:41986004	综述文章	本文全面概述了人工智能（特别是机器学习和深度学习）如何整合到代谢组学工作流程中，以克服高维复杂数据的分析挑战，并用于疾病预测和个性化医疗。	强调AI在代谢组学中的集成，通过技术框架和概念框架的讨论，以及近期案例研究，展示其在疾病预测中的最新进展。	文中未明确列出具体局限性，但可能涉及数据异质性、噪声和非线性关系的处理挑战。	探讨AI整合到代谢组学中用于疾病早期预测和个性化医疗的方法及其优势。	代谢组学数据，包括来自癌症、糖尿病及并发症、脑、心、肝、肾等疾病患者的数据。	机器学习	多种疾病（包括癌症、糖尿病、脑、心、肝、肾等疾病）	代谢组学（如质谱、NMR等，但原文未明确指出具体技术，建议标注为NA或通用代谢组学）	机器学习模型和深度学习模型	代谢组学数据（可能包括光谱、质谱等）	未提供具体样本量，涉及多种疾病研究案例	NA（未提及具体框架）	NA（未提及具体架构）	未提及具体性能指标，可能包括准确性、灵敏度等，但未明确列出，建议标注为NA	未提及具体计算资源，建议标注为NA
2292	2026-08-22	Rationale and design of a multicenter, prospective, diagnostic clinical study: A study protocol for evaluating the diagnostic validation of deep learning-based noninvasive CT-FFR for in-stent restenosis 2026, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0346723 PMID:42090388	研究论文	本研究是一项多中心、前瞻性诊断性临床试验方案，旨在评估基于深度学习的无创CT-FFR对支架内再狭窄的诊断效能	利用深度学习模型改进CT-FFR的计算效率和准确性，使其适用于支架内再狭窄的功能评估，整合解剖和功能评估	计算复杂性和处理时间较长可能限制临床实用性	建立基于深度学习的CT-FFR模型，以无创方式准确评估支架内再狭窄，并以有创FFR为参考标准验证其诊断性能	支架植入术后患者，共331例，其中250例用于模型适配，81例用于外部验证	医学影像	冠状动脉疾病，支架内再狭窄	CT-FFR（计算流体动力学结合冠状动脉CT血管成像），有创FFR	深度学习模型（基于DEEPVESSEL）	CT血管成像（CCTA）图像	331例支架植入术后患者	NA	DEEPVESSEL	敏感性，特异性，准确性，阳性预测值，阴性预测值，AUC，McNemar检验，Bland-Altman图，Spearman相关系数	NA
2293	2026-08-21	U-Swing: An Adaptive U-Net and Swin Fusion for WB-MRI Whole Spine Bone Marrow Segmentation 2026-Aug, Journal of imaging informatics in medicine DOI:10.1007/s10278-025-01701-5 PMID:41055833	研究论文	提出U-Swing混合深度学习模型，结合Swin Transformer和U-Net模块，用于全身MRI全脊柱骨髓分割，并展示了其在分割性能上的优越性	引入U-Swing Patch Fusion动态融合Swin Transformer和U-Net模块特征，并通过Stage-Wise U-Swing Adaptation实现层次优化，提升了骨髓分割精度	标题和摘要中未提供明确的局限性信息	开发自动化方法对全身MRI中的骨髓进行精确分割，以支持多发性骨髓瘤等疾病的评估和治疗监测	全身MRI全脊柱骨髓图像	计算机视觉	多发性骨髓瘤	NA	混合深度学习模型（Swin Transformer与U-Net融合）	医学图像（T1加权涡轮自旋回波序列的全身MRI）	未在标题和摘要中提及	NA	U-Swing（Swin Transformer模块与U-Net模块）	Dice相似度（DS）、豪斯多夫距离（HD95）、平均对称表面距离（ASSD）	NA
2294	2026-08-21	Super-Resolution MR Spectroscopic Imaging via Diffusion Models for Tumor Metabolism Mapping 2026-Jun, Journal of imaging informatics in medicine DOI:10.1007/s10278-025-01652-x PMID:40897835	研究论文	提出一种基于条件去噪扩散概率模型的深度学习方法，用于磁共振波谱成像的超分辨率重建，以改善胶质瘤代谢图谱的精度和分辨率。	首次将条件扩散模型应用于MRSI超分辨率重建，结合Self-Attention UNet骨干网络，能够更好地保留全局上下文特征和细节，优于传统基线方法。	研究样本量有限，且模拟数据和真实数据之间的性能差异仍需进一步验证；LPIPS改进在部分情况下统计显著性未充分说明。	开发一种基于扩散模型的超分辨率重建框架，提高MRSI的空间分辨率，以改善胶质瘤代谢异质性和边界可视化。	胶质瘤患者和健康志愿者的MRSI数据，包括突变型异柠檬酸脱氢酶胶质瘤。	磁共振成像、计算机视觉、机器学习	胶质瘤	磁共振波谱成像（MRSI）、扩散概率模型	条件去噪扩散概率模型（DDPM）、Self-Attention UNet	磁共振波谱成像数据（低分辨率图像）	模拟患者数据和少量体内数据（健康志愿者和胶质瘤患者），具体数量未详述	NA	Self-Attention UNet	结构相似性指数（SSIM）、峰值信噪比（PSNR）、学习感知图像块相似性（LPIPS）	NA
2295	2026-08-21	DisConST: Distribution-aware Contrastive Learning for Spatial Domain Identification 2026-03-27, Genomics, proteomics & bioinformatics DOI:10.1093/gpbjnl/qzaf085 PMID:40990806	研究论文	介绍了一种名为DisConST的分布感知对比学习深度学习方法，用于提高空间转录组学数据中空间域识别的准确性	创新性地结合了零膨胀负二项分布和图像对比学习，以生成更具信息量的潜在表示，有效整合空间位置、转录组谱和细胞类型比例	未在摘要中明确提及局限	改进空间转录组学中的空间域识别，以探索组织结构、生物发育和疾病机制	来自不同测序平台的组织、器官和胚胎的正常和疾病状态空间转录组数据集	机器学习	不适用	空间转录组学	对比学习模型	基因表达数据和空间位置数据	多个空间转录组数据集，涵盖不同组织、器官和胚胎，未给出具体数量	未指定	图对比学习网络	空间域识别准确率	未提及
2296	2026-08-20	DDI-MMAF: Multi-modal affine fusion of visual and semantic representations for anticancer drug synergy prediction 2026-Nov-05, European journal of medicinal chemistry IF:6.0Q1 DOI:10.1016/j.ejmech.2026.119134 PMID:42447831	研究论文	提出DDI-MMAF，一种轻量级跨模态框架，通过多模态仿射融合视觉与语义表征预测抗癌药物协同作用。	核心创新在于多模态仿射融合机制，动态调节基于生物学语义嵌入的分子视觉特征，避免使用高维组学数据作为直接输入。	未明确提及局限性。	利用简化的输入数据实现准确的抗癌药物协同作用预测，降低数据获取障碍，提高模型在资源受限或快速筛选场景下的适用性。	药物SMILES序列、细胞系名称及其组织来源、分子图像。	机器学习，数字病理学	癌症	NA	CNN	文本，图像	基准数据集和独立AstraZeneca盲测集	NA	ResNet	ROC AUC	NA
2297	2026-08-20	Physics-informed LSTM neural network for personalized pharmacokinetic modeling of polymyxin B in critically Ill patients 2026-Oct-01, European journal of pharmaceutical sciences : official journal of the European Federation for Pharmaceutical Sciences IF:4.3Q1 DOI:10.1016/j.ejps.2026.107609 PMID:42463031	研究论文	开发了一种物理信息长短期记忆神经网络，用于重症患者多粘菌素B的个性化药代动力学建模	将机理药代动力学原理与深度学习相结合，通过物理约束（如清除率与分布容积的关系）增强模型可解释性，并采用双向LSTM和多头注意力机制	模型基于模拟数据训练和验证，未在真实临床数据上测试，且未与多种PopPK模型进行广泛比较	为重症患者提供个性化的多粘菌素B浓度预测方法，作为传统群体药代动力学模型的补充	1000名模拟脓毒症患者，具有时变肾功能和个体化给药方案	机器学习	重症感染	NA	LSTM	模拟临床数据	1000名模拟脓毒症患者	PyTorch	双向LSTM，多头注意力	R², MAE, RMSE, 预测区间覆盖率	NA
2298	2026-08-20	A Structure-Aware Multimodal Framework for Drug-Target Interaction Prediction via Heterogeneous Graph Learning 2026-Oct, Journal of computational biology : a journal of computational molecular cell biology IF:1.4Q2 DOI:10.1177/15578666261469586 PMID:42478599	研究论文	提出PHGDTI，一种通过异构图学习整合序列与结构线索的多模态框架，用于药物-靶点相互作用预测	在序列嵌入基础上，显式建模原子-残基级关系，利用异构图（药物原子图、蛋白质残基图、原子-残基异构图）和自注意力机制提升结合预测性能	未提及	开发一种多模态深度学习框架，以提升药物-靶点相互作用预测的准确率	药物-靶点相互作用（含药物分子与蛋白质）	机器学习	NA	NGS	图注意力网络、自注意力模块	序列数据、结构数据	Davis激酶数据集和GalaxyDB数据集	NA	异构图编码器、SAGPooling、自注意力模块	准确率等（具体度量为提及）	NA
2299	2026-08-20	Deep learning-based prediction of drug bitterness using molecular structures 2026-Oct-01, European journal of pharmaceutical sciences : official journal of the European Federation for Pharmaceutical Sciences IF:4.3Q1 DOI:10.1016/j.ejps.2026.107616 PMID:42472560	研究论文	开发了一种基于分子结构的多任务图神经网络，用于直接预测药物苦味，并以甜味作为辅助任务，提高预测性能。	采用多任务图神经网络结合甜味辅助任务进行苦味预测，并引入骨架交叉验证和外部验证，显著优于单任务模型。	未提及具体局限性，但可能受限于训练数据覆盖度和模型泛化能力。	提高药物苦味的预测性能，支持早期药物研发中的苦味化合物筛选和制剂设计。	药物分子结构，特别是儿科口服药物化合物。	机器学习	NA	SMILES分子表示、图神经网络	图神经网络（GNN）	分子结构数据（SMILES）	外部验证使用185个儿科药物化合物，其中157个为已知苦味药物。	NA	多任务图神经网络	ROC-AUC、F1分数、灵敏度、精确度、平均精度	NA
2300	2026-08-20	Artificial Intelligence-Based Approach for Determining the Risk of Temporomandibular Disorders 2026-Sep, Journal of oral rehabilitation IF:3.1Q1 DOI:10.1111/joor.70220 PMID:42184378	研究论文	本研究旨在利用机器学习方法基于临床和社会人口学变量预测颞下颌关节紊乱病（TMD）的风险，以辅助早期检测和风险评估。	首次采用DANets模型在TMD风险预测中达到最高性能，并结合SHAP进行模型可解释性分析，揭示了年龄、性别及特定临床症状对决策的关键影响。	样本量较小（340例），且为单中心研究，可能限制模型的泛化能力。	开发基于人工智能的模型，用于预测TMD风险，以支持临床诊断和风险评估。	患有和不患有TMD的患者。	机器学习	颞下颌关节紊乱病	NA	DANets, KAN, KNN, MLP, SVM	临床和社会人口学变量数据（表格数据）	340名患者	NA	DANets, KAN, KNN, MLP, SVM	准确率、加权精确率、召回率、F1分数	NA