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
3161	2026-08-07	Deep GIST: Deep Learning Models for Predicting the Distribution of Hydration Thermodynamics around Proteins 2026-Feb-09, Journal of chemical information and modeling IF:5.6Q1 DOI:10.1021/acs.jcim.5c02389 PMID:41574593	研究论文	开发了名为Deep GIST的深度学习模型，用于快速预测蛋白质周围水合热力学量的空间分布，替代计算昂贵的GIST方法	首次利用深度学习模型预测水合能、熵和自由能的空间分布，速度比GIST快数千倍，并能考虑蛋白质构象波动	水合熵和自由能的预测精度较低，且模型可能受限于训练数据的多样性和代表性	开发高效准确的深度学习模型，替代计算昂贵的GIST方法，预测蛋白质周围水合热力学性质	蛋白质及其周围的水分子	机器学习	不适用	分子动力学模拟	深度学习模型	分子动力学模拟数据	未明确提及具体样本数量	未明确提及	未明确提及	决定系数（R²）、相关系数	单个图形处理单元（GPU）
3162	2026-08-07	Attention-Enhanced Convolutional BiLSTM Model for Predicting Recovery Outcomes in Sports Injuries 2026-Feb, Indian journal of orthopaedics IF:1.1Q3 DOI:10.1007/s43465-025-01417-2 PMID:41669206	研究论文	提出一种基于注意力机制的卷积双向长短期记忆网络模型，用于预测运动损伤恢复结果。	引入了注意力增强的随机森林优化卷积双向长短期记忆模型，结合深度可分离卷积和双向LSTM，以捕捉运动数据中的时空依赖关系。	未提及具体局限性。	提高运动损伤评估和恢复预测的准确性，特别是在下肢损伤中。	年轻运动员下肢损伤的康复预测。	计算机视觉、机器学习	运动损伤	肌电图（EMG）、运动学数据分析	混合深度学习模型（CNN + BiLSTM）	时间序列数据（EMG和运动学数据）	四个数据集（具体数量未提及）	未提及	卷积块注意力模块（CBAM）、深度可分离卷积神经网络（CNN）、双向长短期记忆网络（BiLSTM）	准确率、精确率、召回率、F1分数、特异性	未提及
3163	2026-08-07	LUMIR: an LLM-driven unified agent framework for multi-task infrared spectroscopy reasoning 2026-01-08, Analytica chimica acta IF:5.7Q1 DOI:10.1016/j.aca.2025.344857 PMID:41330688	研究论文	本文介绍了LUMIR，一个基于大语言模型驱动的统一智能体框架，用于多任务红外光谱推理，在低数据条件下实现准确分析。	提出首个利用大语言模型结合结构化文献知识库和少样本提示的智能体框架，统一处理预处理、特征提取和预测建模，实现跨任务的自适应红外光谱分析。	未明确提及局限性，可能受限于低数据条件下对多样化数据集的泛化能力，需进一步验证。	开发一个数据高效的自动化红外光谱分析框架，利用大语言模型的推理能力，在低数据条件下实现准确的分类、回归和异常检测。	红外光谱数据，包括牛奶近红外数据集、中草药、不同储藏年限的陈皮、工业废水COD数据集，以及Tecator和Corn两个公共基准。	机器学习	不适用	红外光谱技术	大语言模型（LLM）	光谱数据	多个数据集，具体样本数量未全说明，包括牛奶、中草药、陈皮、工业废水及两个公共基准	未明确提及	未明确提及具体架构，可能使用Transformer类模型	准确性、性能指标与机器学习、深度学习模型相当，具体指标未明确列出	未明确提及
3164	2026-08-06	Application of artificial intelligence in brain arteriovenous malformations: Angioarchitectures, clinical symptoms and prognosis prediction 2026-Aug, Interventional neuroradiology : journal of peritherapeutic neuroradiology, surgical procedures and related neurosciences IF:1.5Q3 DOI:10.1177/15910199241238798 PMID:38515371	综述	本文总结了人工智能在脑动静脉畸形管理中的应用，包括血管构筑、临床症状和预后预测。	系统综述了1999-2022年间AI在脑动静脉畸形管理中的应用，特别关注机器学习和深度学习模型的进展。	基于文献综述，可能缺乏最新研究，且未进行定量荟萃分析。	总结AI在脑动静脉畸形管理中的应用进展、局限性和未来研究方向。	脑动静脉畸形患者的相关数据，包括影像、临床症状和预后。	机器学习	脑动静脉畸形	影像组学	机器学习模型	影像数据	NA	NA	NA	NA	NA
3165	2026-08-05	Deep Learning-Based Method for Damage Severity Grading of Black Shell Disease in Hong Kong Oyster (Crassostrea hongkongensis) Caused by Polydora Complex 2026-Sep, Journal of fish diseases IF:2.2Q1 DOI:10.1111/jfd.70170 PMID:41887728	研究论文	开发了一种结合注意力机制的改进Deeplabv3+语义分割模型，用于香港牡蛎黑壳病的严重程度分级，并构建了网络系统。	将CBAM注意力模块集成到Deeplabv3+中，显著提升了病灶分割性能，并开发了实用的网络系统进行疾病分级。	研究依赖于特定种类的牡蛎图像数据集，可能限制模型在其他物种或地理区域的泛化能力。	识别和分级牡蛎黑壳病的严重程度，以支持疾病监测和预防。	香港牡蛎（Crassostrea hongkongensis）的壳体图像。	数字病理学	牡蛎黑壳病	图像采集与增强技术	卷积神经网络（CNN）	图像	4590张贝类疾病图像	未提供	Deeplabv3+, CBAM	mIoU, 平均精度, mFscore	未提供
3166	2026-08-05	Toward Improved Decision-making of Unruptured Intracranial Aneurysms Using Automated Segmentation from TOF-MRA with Iterative Pseudolabeling 2026-Aug-03, AJNR. American journal of neuroradiology DOI:10.3174/ajnr.A9231 PMID:41690811	研究论文	本文开发并验证了一种基于深度学习的颅内血管和动脉瘤分割方法（DIVA-seg），利用迭代伪标签技术从TOF-MRA图像中自动分割未破裂颅内动脉瘤，以提高临床决策支持。	提出了一种基于伪标签的迭代训练策略，利用大量未标记数据增强模型性能，实现了跨数据集的稳健分割，并验证了3D形态学测量的临床适用性。	研究未在更多样化的临床数据集中验证，且伪标签选择可能引入噪声，影响模型的泛化能力。	开发并验证一种自动分割颅内血管和动脉瘤的深度学习方法，以支持未破裂颅内动脉瘤的临床决策。	未破裂颅内动脉瘤患者，来自三个TOF-MRA数据集，包括标记训练数据（57例）、测试数据（14例）、未标记伪标签数据（518例）和外部验证数据（82例）。	医学图像分割	未破裂颅内动脉瘤	飞行时间磁共振血管成像（TOF-MRA）	nnU-Net	TOF-MRA图像	训练集：57例标记；测试集：14例标记；伪标签集：518例未标记；外部验证集：82例标记。总样本数：657例。	PyTorch	nnU-Net	Dice相似系数（DSC）、95%豪斯多夫距离（HD）、3D形态学测量、盲法定性评估	未在摘要中明确提及，但nnU-Net通常需要GPU（如NVIDIA V100或A100）进行训练。
3167	2026-08-05	Integrated Deep Learning-Based Intracranial Vessel Wall Imaging with DANTE Preparation: Feasibility and Technical Performance 2026-Aug-03, AJNR. American journal of neuroradiology DOI:10.3174/ajnr.A9232 PMID:41690813	研究论文	本研究评估了在深度学习加速的T1-SPACE序列中加入DANTE准备用于颅内血管壁成像的可行性，并与未加DANTE的序列在管腔和管壁显示质量上进行比较	首次将DANTE准备与深度学习加速的T1-SPACE序列相结合，并系统评估其临床可行性和技术性能	单中心回顾性研究，样本量较小，且DANTE准备可能导致管壁显示质量下降	评估深度学习加速的DANTE准备颅内血管壁成像的可行性，并平衡管腔和管壁图像质量	颅内血管壁和管腔，包括MCA、中脑周围静脉、深脑静脉和皮层静脉等血管段	医学影像，深度学习	颅内血管病变	磁共振成像（MRI），DANTE准备，深度学习加速	NA	MRI图像	35名患者（22名女性，平均年龄57.9±17.1岁），共556对血管段	NA	NA	管腔和管壁可视化评分（4点Likert量表），静脉血流伪影评分，比值比（OR），95%置信区间，Bland-Altman分析	NA
3168	2026-08-05	EMMPREDMLsub: multi-label prediction of mRNA subcellular localization based on the ESM2 large language model and MMDO-MDPU resampling strategy 2026-Aug, Journal of biomolecular structure & dynamics IF:2.7Q2 DOI:10.1080/07391102.2025.2610684 PMID:41493162	研究论文	提出了一种基于ESM2大语言模型和MMDO-MDPU重采样策略的多标签mRNA亚细胞定位预测工具EMMPREDMLsub，并展示了其性能优势及解释性分析	结合曼哈顿均值方向过采样与曼哈顿密度保持欠采样的新型重采样技术，并首次将ESM2大语言模型用于mRNA序列特征提取，开发了多标签预测工具EMMPREDMLsub，通过SHAP分析揭示了深度模型依赖多特征协同作用	摘要未明确提及局限性	提高mRNA亚细胞定位多标签预测的准确性，并解释预测机制	mRNA序列及其亚细胞定位	机器学习	NA	ESM2大语言模型特征提取	深度学习和传统模型（具体未指明）	序列数据	未明确提及	NA	ESM2	多标签预测指标（具体未指明）	NA
3169	2026-08-05	Artificial Intelligence in Endodontics-A Bibliometric Analysis 2026-Aug, Australian endodontic journal : the journal of the Australian Society of Endodontology Inc IF:1.3Q3 DOI:10.1111/aej.70080 PMID:42015461	研究论文	本文通过文献计量学方法，系统分析了人工智能在牙髓病学领域的研究趋势，包括发表量、作者合作、机构与国家贡献、引用模式和关键词共现	首次对人工智能在牙髓病学中的应用进行全面文献计量分析，揭示当前研究热点和合作格局	文献检索仅限于PubMed、EMBASE和Scopus三个数据库，可能遗漏部分相关研究；分析结果受数据库收录范围和时间限制影响	通过文献计量方法绘制并评估人工智能在牙髓病学中应用的研究趋势	人工智能在牙髓病诊断、治疗和教育中的应用研究	文献计量学	牙髓病	文献计量分析	NA	文献数据	220篇研究	文献计量软件	NA	发表量、引用模式、关键词共现	NA
3170	2026-08-05	STAID: A Self-Refining Deep Learning Framework for Spatial Cell-Type Deconvolution with Biologically Informed Modeling 2026-Aug, Advanced science (Weinheim, Baden-Wurttemberg, Germany) DOI:10.1002/advs.75607 PMID:42107049	研究论文	提出一种自精炼深度学习框架STAID，用于空间转录组数据中细胞类型反卷积，通过迭代伪点精炼和图信号处理实现准确的空间细胞类型组成推断	创新性地结合伪点生成与深度学习训练，通过迭代伪点精炼形成自增强循环，并利用图信号处理捕获基因间高阶关系	摘要未提及明确局限性	实现空间转录组数据中spot级别的细胞类型组成准确反卷积，并提供组织结构和细胞异质性的深入见解	空间转录组数据中的细胞类型组成，包括临床乳腺癌组织、人类胚胎肢体数据集和克罗恩病组织	深度学习	乳腺癌, 克罗恩病	空间转录组测序	图神经网络	空间转录组数据	包含乳腺癌临床切片、人类胚胎肢体数据集和克罗恩病组织数据集	NA	图信号处理	NA	NA
3171	2026-08-05	Deep learning-based CT radiomics for ALK rearrangement status prediction in lung adenocarcinoma 2026-May-14, BMC cancer IF:3.4Q2 DOI:10.1186/s12885-026-16124-w PMID:42135669	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
3172	2026-08-05	Beyond Invariable Sites: Using Evolutionary Stasis to Map Multi-Layered Constraints on the Evolution of Viral and Mammalian Genomes 2026-Apr-10, bioRxiv : the preprint server for biology DOI:10.64898/2026.04.09.717527 PMID:41993262	研究论文	提出B-STILL框架，利用进化停滞位点解析病毒和哺乳动物基因组中的多层选择约束。	首次通过贝叶斯层次模型结合密码子替换模型，聚焦近零进化速率区域，区分随机不变性与功能性约束，识别进化停滞锚点（ESAs）。	依赖密码子替换模型的近似计算，可能对极长序列或复杂进化场景的适用性有限。	开发可扩展的统计框架，用于高分辨率基因组注释，将不变位点转化为极端纯化选择的标记。	病毒和哺乳动物基因组中的蛋白质编码基因。	机器学习, 计算生物学	NA	密码子替换模型, 贝叶斯推断	层次贝叶斯模型	基因组序列数据	包含数千条序列的比对，以及来自病原体和临床数据库的验证数据	NA	层次贝叶斯模型	预测能力, 聚类显著性	NA
3173	2026-08-05	Getting Started on Artificial Intelligence in Health Care and Clinical Research: Includes Rigor Checklist for Authors and Reviewers 2026-Jan, Advances in wound care IF:5.8Q1 DOI:10.1177/21621918251380217 PMID:41039915	综述	本文为研究人员、临床医生和审稿人提供了在医疗保健和临床研究中应用人工智能的路线图，包括严谨性检查清单，并概述了人工智能的基础、核心技术和应用。	强调了人工智能采用始于人而非技术，提出了从内部建设生物医学人工智能劳动力队伍的系统方法，并提供了针对作者和审稿人的严谨性检查清单。	未提及具体局限性。	帮助研究人员、临床医生和审稿人理解并严谨地应用人工智能于医疗保健和临床研究，促进负责任和变革性的创新。	生物医学人工智能领域，包括研究人员、临床医生、审稿人以及相关技术应用。	机器学习	不适用	不适用	不适用	不适用	不适用	不适用	不适用	不适用	不适用
3174	2026-08-03	Optimized cortical EEG modeling for Parkinson disease diagnosis with snow Shepherd Stride tuning mechanism 2026-Dec, Cognitive neurodynamics IF:3.1Q2 DOI:10.1007/s11571-025-10406-y PMID:41657964	研究论文	提出了一种结合堆叠自编码器和MobileNet的CortiMoS-Net模型，用于从EEG信号中准确检测帕金森病，并引入优化的S3C-Tune混合调优算法提升性能	首次将深度堆叠自编码器与低计算量的MobileNet卷积块结合用于帕金森病EEG信号分类，并提出新的Snow Shepherd Stride配置调优（S3C-Tune）混合优化技术以增强模型收敛和参数优化	未明确提及局限，但可推断可能存在对EEG噪声的敏感性以及跨受试者泛化性的挑战	开发一种准确、计算可扩展的EEG分析方法，旨在改善帕金森病的早期诊断和临床管理	帕金森病患者与健康对照的脑电图（EEG）信号	机器学习, 数字病理学	帕金森病	脑电图（EEG）信号分析	堆叠自编码器, MobileNet	信号数据（EEG）	未明确提供	NA	堆叠自编码器, MobileNet	准确率, 精确率, 召回率, F1分数, 错误率, 损失值	NA
3175	2026-08-03	Deep Learning Analysis of Prenatal Ultrasound for Identification of Ventriculomegaly 2026-Sep, Ultrasound in medicine & biology DOI:10.1016/j.ultrasmedbio.2026.05.011 PMID:42236425	研究论文	开发并评估一种基于超声数据预训练的基础模型，用于检测产前超声图像中的脑室增大	使用专门在超声数据上预训练的视觉变换器自监督基础模型，提升了脑室增大检测的分类性能和泛化能力	未在摘要中明确提及局限性	开发并评估深度学习模型，用于检测产前超声图像中的脑室增大	胎儿脑部超声图像	计算机视觉	胎儿脑室增大	超声成像	视觉变换器	图像	超过37万张超声图像用于预训练；胎儿脑部图像数据集用于微调	NA	USF-MAE, VGG-19, ResNet-50, ViT-B/16, MoCo v3	准确率, 精确率, 召回率, 特异性, F1分数, AUC(ROC), AUC(PR)	NA
3176	2026-08-03	A Synthetic Data-Augmented Deep Learning Framework for Robust Segmentation and Quantification of the Carotid Artery in Ultrasound Images 2026-Sep, Ultrasound in medicine & biology DOI:10.1016/j.ultrasmedbio.2026.05.005 PMID:42242994	研究论文	提出了一种基于条件扩散模型和ControlNet的合成数据生成框架（CU-CDGF），用于增强超声图像中颈动脉分割性能，缓解数据稀缺问题。	创新性地将条件扩散模型与ControlNet结合应用于颈动脉超声图像生成，并通过盲测验证了图像的感知真实性，显著提高了下游分割网络的性能。	未在文中提及明确局限性。	开发和评估一种合成数据生成框架，以提高深度学习在超声图像中自动分割颈动脉的性能，缓解标注数据稀缺问题。	颈动脉超声图像及其分割掩膜。	计算机视觉	颈动脉疾病	NA	扩散模型	图像	未明确样本数量，但使用了内部测试集和独立外部测试集。	PyTorch	ControlNet	Fréchet Inception Distance (FID), Dice系数	NA
3177	2026-08-03	A Coarse-to-Fine DoubleUNet Framework with Synergistic Loss for Accurate Fetal Head Circumference Measurement 2026-Sep, Ultrasound in medicine & biology DOI:10.1016/j.ultrasmedbio.2026.05.010 PMID:42250993	研究论文	提出了一种基于DoubleUNet的粗到细深度学习框架，用于从超声图像中自动分割和测量胎儿头围	提出了SDUNet框架，结合了定制的协同损失函数，该损失函数整合多个互补损失项并动态平衡其贡献，以适应性地促进生理上合理的头部形状，减少斑点噪声和边界模糊引起的误差	未提及具体限制	减少超声医师手工工作量，实现胎儿头围的自动分割和准确测量	胎儿头部超声图像	计算机视觉, 数字病理学	围产期疾病	超声成像	CNN	图像	公开的HC18数据集和独立外部数据集	NA	DoubleUNet	Dice系数, Jaccard指数, Hausdorff距离, 平均对称表面距离, 边界F1分数, 平均绝对误差, 百分比平均绝对误差	NA
3178	2026-08-03	AutoRV: Automated Assessment of Right Ventricular Structure and Function Using Transesophageal Echocardiography in Mechanically Ventilated Patients 2026-Sep, Ultrasound in medicine & biology DOI:10.1016/j.ultrasmedbio.2026.05.002 PMID:42321092	研究论文	开发了AutoRV，一个基于深度学习的自动监测流程，用于评估机械通气患者右心室结构和功能	首次利用深度学习自动检测经食管超声心动图中的右心室心尖和三尖瓣环点，实现自动化评估	研究样本量较小（仅51名患者），且未提及在不同医院或设备上的泛化能力	开发并验证一个自动化的右心室功能评估流程，以减少手动测量的时间和不精确性	机械通气患者的二维经食管超声心动图图像	计算机视觉	心血管疾病	深度学习	卷积神经网络	图像	51名患者的图像	未明确指定	U-Net	准确度、处理速度、误差距离、测量误差	未明确指定
3179	2026-08-03	Deep Learning-Based Standard Section Recognition and Multi-Organ Segmentation in Upper Abdominal Ultrasound 2026-Sep, Ultrasound in medicine & biology DOI:10.1016/j.ultrasmedbio.2026.06.003 PMID:42399171	研究论文	本研究开发并评估了用于上腹部超声标准切面识别和多器官分割的深度学习模型	提出了一种两阶段顺序框架，先使用卷积神经网络进行标准切面识别，再仅对识别出的标准切面应用分割网络，从而整合两个互补任务	数据来自单中心真实世界，缺乏外部验证，且脾脏和胰腺的分割性能较低	开发并评估深度学习模型在上腹部超声标准切面识别和下游多器官分割中的可行性	521个上腹部超声检查视频（465个符合纳入标准），5535张标准切面图像，涵盖肝脏、胆囊、胰腺和脾脏	医学影像分析	非特定疾病（上腹部超声诊断）	超声成像	卷积神经网络（CNN）和深度学习分割网络	超声视频和图像	521个视频，465个符合纳入标准，5535张标准切面图像	未明确报告	卷积神经网络（CNN）和分割网络（具体架构未指定）	精确率、召回率、特异性、准确率、IoU	未明确报告
3180	2026-08-03	Diagnosis of Small Focal Liver Lesions (≤2 cm): A Deep Learning Approach Based on B-Mode Ultrasound and Contrast-Enhanced Ultrasound 2026-Sep, Ultrasound in medicine & biology DOI:10.1016/j.ultrasmedbio.2026.01.002 PMID:42350195	研究论文	开发并验证了一种基于B型超声和对比增强超声图像特征融合的深度学习模型，用于非侵入性诊断局灶性肝病变（特别是≤2cm的小病变）的良恶性。	创新性地设计了基于ResNet-18的深度学习模型，整合特征融合策略，从B型超声和三个关键CEUS阶段图像中提取并整合深度特征，以提高小FLLs的诊断准确性。	研究为回顾性设计，可能限制结果的普适性。	旨在开发并验证一种基于BMUS和CEUS图像特征融合的深度学习模型，用于非侵入性诊断小局灶性肝病变（≤2cm）的良恶性。	局灶性肝病变患者	医学影像分析、深度学习	局灶性肝病变	B型超声、对比增强超声	深度学习模型（卷积神经网络）	图像数据（B型超声和对比增强超声图像）	687名患者的回顾性数据集，分为训练集（80%）和测试集（20%）	未明确指定	ResNet-18	AUC、敏感性、特异性	未明确指定