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
4161	2026-03-17	ESM-AnatTractNet: Advanced deep learning model of true positive eloquent white matter tractography to improve preoperative evaluation of pediatric epilepsy surgery 2026-May, Medical image analysis IF:10.7Q1 DOI:10.1016/j.media.2026.103969 PMID:41638061	研究论文	本研究提出了一种名为ESM-AnatTractNet的新型深度学习模型，用于在儿童癫痫手术前准确分类与关键功能相关的真实阳性白质通路	该模型首次在点云框架中整合了电刺激映射确认的空间坐标和基于标准脑图谱的解剖上下文标签，以增强白质通路分类的几何和解剖一致性	研究样本量相对较小（85名患者），且模型性能验证主要基于特定临床环境下的数据	旨在通过非侵入性方法准确定位与关键功能相关的真实阳性白质通路，以改善儿童癫痫手术的术前评估	85名药物难治性癫痫患儿（年龄10.70±4.41岁）的术前扩散加权成像纤维束追踪数据	数字病理学	癫痫	扩散加权成像纤维束追踪, 电刺激映射	深度学习模型	点云数据, 医学影像	85名药物难治性癫痫患者	NA	ESM-AnatTractNet	准确率, 相关系数	NA
4162	2026-03-17	DDTracking: A diffusion model-based deep generative framework with local-global spatiotemporal modeling for diffusion MRI tractography 2026-May, Medical image analysis IF:10.7Q1 DOI:10.1016/j.media.2026.103967 PMID:41650793	研究论文	提出一种基于扩散模型的深度生成框架DDTracking，用于扩散MRI纤维束追踪，通过局部-全局时空建模提高追踪精度和效率	首次将扩散模型应用于纤维束追踪，提出条件去噪扩散过程重新定义流线传播，并设计双路径编码方案整合局部空间特征与全局时间上下文	未明确说明模型对超参数敏感度或在小样本场景下的表现	开发高精度、高效率的扩散MRI纤维束追踪方法	大脑纤维通路	医学影像分析	NA	扩散MRI	扩散模型	扩散MRI信号	合成与临床数据集（具体数量未说明）	PyTorch（根据代码仓库推断）	条件扩散模型	追踪准确性，计算效率	NA
4163	2026-03-17	A navigation-guided 3D breast ultrasound scanning and reconstruction system for automated multi-lesion spatial localization and diagnosis 2026-May, Medical image analysis IF:10.7Q1 DOI:10.1016/j.media.2026.103965 PMID:41633129	研究论文	本研究开发了一种智能导航引导的3D乳腺超声扫描与重建系统，用于自动化多病灶空间定位与诊断	提出了一个集成导航引导的3D乳腺超声系统，结合了混合病灶感知时空Transformer（HLST）模型和几何自适应时钟投影方法，实现了无缝3D重建、乳头中心病灶定位以及基于视频的恶性预测，无需患者附着标记或预标记地标	NA	开发一个智能导航引导的乳腺超声扫描系统，以标准化乳腺超声工作流程，提高病灶定位和诊断的准确性与效率	乳腺病灶（在乳腺体模和临床患者中）	计算机视觉	乳腺癌	超声成像	Transformer	视频, 3D图像	3个乳腺体模和43名女性患者（其中30个异常乳腺）	NA	Hybrid Lesion-informed Spatiotemporal Transformer (HLST), BUS-SAM-2	准确性, 相关系数（距离、3D大小、顺时针角度）	NA
4164	2026-03-17	Comprehensive Multiomics Characterization of Perineural Invasion in Cervical Cancer Reveals Diagnostic Markers, Molecular Drivers, and Therapeutic Strategies 2026-Mar-16, Cancer research IF:12.5Q1 DOI:10.1158/0008-5472.CAN-25-0149 PMID:41379570	研究论文	本研究通过多组学分析揭示了宫颈癌神经周围浸润的分子机制，并识别了诊断标志物和潜在治疗策略	首次通过整合全外显子、全基因组和RNA测序数据，结合机器学习和深度学习模型，系统性地识别了PNI的基因表达特征、驱动突变及靶向治疗药物	样本量相对较小（45例患者），且验证队列规模有限（37例），可能影响结果的普适性	阐明宫颈癌神经周围浸润的分子机制，开发诊断标志物和治疗策略	宫颈癌患者的肿瘤和匹配正常组织样本	机器学习, 深度学习	宫颈癌	全外显子测序, 全基因组测序, RNA测序	机器学习, 深度学习	基因组数据, 转录组数据	45例患者（23例PNI, 22例非PNI），独立验证队列37例（18例PNI, 19例非PNI）	NA	NA	准确性	NA
4165	2026-03-17	Predicting Cerebral Aneurysm Recurrence after Coil Embolization: A Novel Deep Learning Approach Using Time-of-flight Magnetic Resonance Angiography 2026-Mar-15, Neurologia medico-chirurgica IF:2.4Q2 DOI:10.2176/jns-nmc.2025-0288 PMID:41526250	研究论文	本研究提出了一种结合机器学习和深度学习技术的新方法，利用时间飞跃磁共振血管成像来预测脑动脉瘤弹簧圈栓塞术后的复发	首次将临床数据与3D重建的时间飞跃磁共振血管成像数据结合，构建了融合深度学习的预测模型，并比较了仅使用术前图像与同时使用术前术后图像两种版本的性能	研究为回顾性多中心分析，样本量相对有限（154例患者），且模型性能有待在前瞻性研究中进一步验证	预测脑动脉瘤在弹簧圈栓塞术后的复发风险	接受弹簧圈栓塞术的未破裂脑动脉瘤患者	数字病理学	脑血管疾病	时间飞跃磁共振血管成像	逻辑回归, 神经网络, 深度学习	图像, 临床数据	154例患者	NA	NA	AUC, 准确率, 灵敏度, 特异性	NA
4166	2026-03-17	Peptide cheminformatics tools: making computational tasks accessible in peptide drug discovery 2026-Mar, Drug discovery today IF:6.5Q1 DOI:10.1016/j.drudis.2026.104612 PMID:41577169	综述	本文综述了肽类药物发现中计算化学信息学工具的当前方法，旨在促进这些工具在药物发现流程中的整合应用	系统性地概述了肽类计算研究的不同阶段，包括表示、相似性评估、机器学习/深度学习模型和肽设计，并基于关键特征强调了现有工具	NA	促进肽类药物发现中计算工具的应用，加速设计-测试周期并指导候选药物开发	肽类分子及其在药物发现中的应用	计算化学信息学	NA	计算化学信息学工具，机器学习/深度学习	ML/DL模型	肽类分子数据	NA	NA	NA	NA	NA
4167	2026-03-17	Volatile biomarkers of fungal infection and mycotoxin contamination in fruits and vegetables: emerging targets for monitoring and early warning 2026, Critical reviews in food science and nutrition IF:7.3Q1 DOI:10.1080/10408398.2025.2562369 PMID:40965270	综述	本文综述了水果和蔬菜采后真菌感染及其产生的挥发性有机化合物作为生物标志物，用于早期检测和预警的研究进展	系统性地将挥发性有机化合物作为非侵入性生物标志物，结合人工智能技术，用于采后病害的早期诊断和预警	综述文章，未提出具体的实验验证或模型性能数据	开发基于挥发性有机化合物的智能、快速、经济有效的采后病害监测框架	水果和蔬菜采后真菌病原体及其感染过程	机器学习	NA	气相色谱-质谱联用，电子鼻，生物传感器	机器学习，深度学习	挥发性有机化合物数据	NA	NA	NA	NA	NA
4168	2026-03-17	Computational Approaches to Neurological Disorder Diagnosis: An In-Depth Review of Current Methods and Future Prospects 2026, Current medical imaging IF:1.1Q3 DOI:10.2174/0115734056404224251026110800 PMID:41276980	综述	本文对用于阿尔茨海默病、帕金森病、癫痫、亨廷顿病和肌萎缩侧索硬化症这五种主要神经系统疾病诊断的现有计算方法进行了全面分析	系统性地回顾和评估了140项同行评议研究，涵盖了机器学习算法、神经影像技术和电生理信号分析等多种诊断方法，并讨论了多模态数据整合以及深度学习等新兴技术的潜力	本文是一篇综述，未提出新的算法或模型，主要基于现有文献进行分析，未进行原始数据验证	评估当前用于神经系统疾病诊断的计算方法的有效性、准确性及局限性，并探讨未来研究方向以提高诊断精度和患者预后	阿尔茨海默病、帕金森病、癫痫、亨廷顿病和肌萎缩侧索硬化症这五种主要神经系统疾病	机器学习	神经系统疾病	神经影像技术、电生理信号分析	NA	多模态数据（可能包括图像、信号等）	基于140项研究（未提供具体患者样本数）	NA	NA	有效性、准确性	NA
4169	2026-03-17	Investigating causal relations between brain morphology and genetic risk variants in Parkinson's disease 2026, NeuroImage. Clinical DOI:10.1016/j.nicl.2025.103928 PMID:41519071	研究论文	本文采用因果深度学习框架，研究了帕金森病中遗传风险变异与大脑形态之间的因果关系	首次将因果深度学习模型应用于帕金森病的基因型-表型分析，以探究遗传变异对大脑结构的因果影响，超越了传统的相关性分析方法	研究样本量相对有限，且模型在更广泛人群中的普适性仍需进一步验证	探究帕金森病中遗传风险变异与大脑形态学特征之间的因果关系	帕金森病患者、前驱期帕金森病患者及健康对照者的大脑影像与遗传数据	医学影像基因组学	帕金森病	影像基因组学分析	因果深度学习模型	影像数据, 遗传数据	PPMI数据集：359名参与者（102名对照，214名PD患者，43名前驱期PD患者）；UK Biobank验证集：16,861名神经健康参与者	NA	掩码因果归一化流模型	p值	NA
4170	2026-03-16	Multivariate feature analysis of early-stage laryngeal cancer serum components using surface-enhanced Raman spectroscopy 2026-Jun-05, Spectrochimica acta. Part A, Molecular and biomolecular spectroscopy DOI:10.1016/j.saa.2026.127625 PMID:41740394	研究论文	本研究系统探讨了表面增强拉曼光谱结合深度学习模型在早期喉癌血清筛查中的临床应用价值	首次将融合注意力机制的一维卷积神经网络应用于早期喉癌血清SERS光谱分析，并证实其优于传统机器学习模型	样本量相对有限，仅包含早期喉癌、声带息肉和健康对照三组，且为单中心研究	开发一种高效、准确的早期喉癌筛查方法	早期喉癌患者、声带息肉患者和健康对照者的血清样本	机器学习	喉癌	表面增强拉曼光谱	CNN	光谱数据	三组血清样本（早期喉癌、声带息肉、健康对照），具体数量未明确说明	NA	1D-CNN, CNN-attention, CNN-baseline	准确率	NA
4171	2026-03-16	Three-dimensional fluorescence spectroscopy recognition and component analysis based on machine learning 2026-Jun-05, Spectrochimica acta. Part A, Molecular and biomolecular spectroscopy DOI:10.1016/j.saa.2026.127633 PMID:41759433	研究论文	本研究提出了一种结合机器学习与三维荧光光谱的有效方法，用于实现样品污染检测与成分分析	提出了一种名为SE-UNet的改进U型网络架构，利用PARAFAC导出的光谱轮廓作为参考目标来训练模型，在复杂混合物场景下表现出比传统方法更稳定的性能和更强的泛化能力	研究在模拟污染环境中进行数据采集，实际环境复杂性可能影响模型性能；未明确说明模型在极端污染浓度下的表现	开发基于机器学习的三维荧光光谱识别与成分分析方法，提高污染检测的准确性和可靠性	荧光物质及其在污染环境中的识别与成分分析	机器学习	NA	三维激发-发射矩阵荧光光谱技术	KNN, RF, CNN, U-Net	光谱数据	NA	NA	CNN, VGG, U-Net, SE-UNet	RMSE, NRMSE, 余弦相似度, WMAE	NA
4172	2026-03-16	A transformer and 3D CNN-based feature fusion network with interpretable ability for Raman spectra analysis: improving the diagnosis of thyroid cancer 2026-Jun-05, Spectrochimica acta. Part A, Molecular and biomolecular spectroscopy DOI:10.1016/j.saa.2026.127623 PMID:41762798	研究论文	本文提出了一种结合Transformer和3D CNN的多模态深度学习框架，用于拉曼光谱分析，以提升甲状腺癌的诊断准确性	首次在基于拉曼光谱的甲状腺癌检测中，提出了一种协同整合一维光谱和二维时空特征的多模态深度学习框架，通过多头交叉注意力机制自适应融合特征，并增强了模型的可解释性	二维表示转换可能存在信息损失，其程度取决于所采用的编码策略	提高甲状腺良恶性病变的准确鉴别诊断	甲状腺病变组织	机器学习	甲状腺癌	拉曼光谱	Transformer, 3D-CNN	光谱数据	NA	NA	Transformer, 3D-CNN	准确率	NA
4173	2026-03-16	Deep learning assisted cell electrical signal analysis in impedance cytometry 2026-Jun, Analytical biochemistry IF:2.6Q2 DOI:10.1016/j.ab.2026.116093 PMID:41763285	研究论文	本研究开发了基于一维CNN的BioFluxNet算法，用于阻抗细胞术中的原始电信号分析，以直接分类细胞类型并量化细胞计数	BioFluxNet算法通过深度学习自动化分析原始电信号，消除了传统信号处理中耗时的步骤，减少了人工干预和操作者主观性	NA	开发一种快速、自动化的深度学习框架，用于阻抗细胞术中的电信号分析，以分类细胞类型并计数	颗粒和细胞（包括血液细胞和肿瘤细胞）的原始信号流	机器学习	肿瘤	阻抗细胞术	CNN	电信号	NA	NA	一维CNN	NA	NA
4174	2026-03-16	Flow rate determination in a two-phase system using radioactive particle tracking and deep learning 2026-May, Applied radiation and isotopes : including data, instrumentation and methods for use in agriculture, industry and medicine IF:1.6Q3 DOI:10.1016/j.apradiso.2026.112520 PMID:41723967	研究论文	本研究提出了一种结合放射性粒子追踪技术和深度学习的方法，用于预测两相系统中的流体体积分数并计算表观速度，以实现非侵入式的流量测定	提出了一种基于放射性粒子追踪和深度学习的非侵入式流量测定方法，避免了传统流量计需要直接接触流体和定期维护的问题	研究基于模拟数据（MCNP6蒙特卡洛模拟），未在真实工业环境中进行验证；仅针对分层盐水-油流态进行了测试	开发一种非侵入式方法，用于准确测定石油工业中两相管道系统的流量	两相系统（盐水-油）中的流体流动	机器学习	NA	放射性粒子追踪技术，蒙特卡洛模拟（MCNP6）	深度神经网络	模拟辐射信号数据	NA	NA	NA	平均绝对百分比误差（MAPE）	NA
4175	2026-03-16	CXCL9 as a key feature for deep learning-based immune subtyping and prediction of immune checkpoint blockade response in triple-negative breast cancer 2026-Apr-15, International immunopharmacology IF:4.8Q1 DOI:10.1016/j.intimp.2026.116439 PMID:41759266	研究论文	本研究通过整合多组学数据，利用深度学习驱动的无监督聚类方法识别三阴性乳腺癌的免疫亚型，并发现CXCL9作为关键生物标志物与免疫检查点阻断反应正相关，受IDO1调控	开发了一种基于深度学习的无监督聚类方法（AE-K-means）对三阴性乳腺癌进行免疫亚型分类，并首次将CXCL9识别为与免疫检查点阻断反应相关的关键特征，揭示了IDO1可能通过调控CXCL9影响肿瘤微环境	研究主要基于公共数据集（GEO、TCGA、GTEx），样本可能缺乏多样性；体外实验初步验证了调控机制，但需进一步体内实验确认；深度学习模型的泛化能力有待更多独立队列验证	开发一种新的免疫分类系统，以更准确地预测三阴性乳腺癌患者对免疫检查点阻断疗法的反应，并探索相关的生物标志物和调控机制	三阴性乳腺癌患者的多组学数据（包括基因表达、单细胞测序数据）以及体外培养的巨噬细胞	机器学习	乳腺癌	多组学数据整合、单细胞RNA测序（scRNA-seq）、qRT-PCR、Western blotting、免疫荧光、ELISA	深度学习无监督聚类（AE-K-means）、随机森林（RF）、其他机器学习算法	基因表达数据、单细胞测序数据、实验数据	来自GEO、TCGA和GTEx数据集的多个三阴性乳腺癌样本，具体数量未明确说明，但涉及训练、测试和验证集	未明确指定，但可能涉及TensorFlow或PyTorch（用于深度学习聚类）及Scikit-learn（用于机器学习算法）	自编码器（AE）与K-means结合的聚类架构，其他模型包括NMF、ConsensusClusterPlus、VAE-GMM	轮廓系数（Silhouette Coefficient）、戴维斯-布尔丁指数（Davies-Bouldin Index）、AUC（曲线下面积）	未明确说明，但可能使用GPU进行深度学习模型训练
4176	2026-03-16	Automated differentiation of caries requiring filling and caries necessitating root canal treatment using machine learning 2026-Apr, Oral radiology IF:1.6Q3 DOI:10.1007/s11282-025-00874-7 PMID:41175174	研究论文	本研究提出了一种基于深度学习的创新推荐系统，用于自动区分需要填充和需要根管治疗的龋齿类型，并推荐相应治疗方案	引入了一种新颖的推荐系统，结合多种分割方法（YOLOv8、U-Net、Detectron-2）自动检测龋齿类型并推荐治疗方案，是该领域的重大贡献	研究仅基于1253张咬翼片图像，样本量相对有限，且未提及模型在更广泛临床环境中的泛化能力	开发一个辅助牙医诊断龋齿类型（需填充或需根管治疗）并推荐治疗方案的深度学习系统	第一磨牙的龋齿类型（无龋、单一类型龋齿、多种类型龋齿）	计算机视觉	龋齿	深度学习图像分割	CNN	图像	1253张咬翼片图像（经过数据增强）	PyTorch	YOLOv8, U-Net, Detectron-2	像素标签准确率, 治疗推荐成功率	NA
4177	2026-03-16	Applications and clinical translation of artificial intelligence in CBCT-based detection of endodontic lesions: a scoping review 2026-Apr, Oral radiology IF:1.6Q3 DOI:10.1007/s11282-025-00876-5 PMID:41188594	综述	本文是关于人工智能在CBCT影像中检测根尖周病变应用与临床转化的范围综述	系统梳理了AI（特别是深度学习）在CBCT影像中自动检测、分类和分割根尖周病变的最新应用进展，并评估了其临床转化潜力	大多数研究为回顾性，使用小型或同质数据集，缺乏外部验证或标准金标准比较（如组织学相关性）	评估人工智能在基于CBCT的根尖周病变检测中的应用现状、诊断性能及临床转化前景	根尖周病变	数字病理	牙科疾病	CBCT成像	CNN	图像	NA	NA	U-Net, DenseNet, PALNet	灵敏度, AUC	NA
4178	2026-03-16	Diagnostic performance of artificial intelligence for facial fracture detection: a systematic review 2026-Apr, Oral radiology IF:1.6Q3 DOI:10.1007/s11282-025-00878-3 PMID:41291186	系统综述	本文系统评估了人工智能模型在CT、CBCT和平片X光上检测面部骨折的诊断性能	首次系统综述了AI在面部骨折检测中的诊断性能，涵盖了多种成像模态和AI模型	纳入研究主要为回顾性、单中心设计，样本量有限，标注实践不一致，且缺乏外部或前瞻性验证	评估人工智能模型在面部骨折检测中的诊断性能	用于面部骨折检测的人工智能模型	计算机视觉	面部骨折	CT, CBCT, 平片X光	目标检测模型, 分类模型, 分割模型, 混合框架	图像	23项研究（具体样本量未在摘要中明确给出）	NA	YOLOv5, Faster R-CNN, ResNet, Swin Transformer	敏感性, 特异性, AUC	NA
4179	2026-03-16	Beyond whole-image learning: anatomically partitioned deep learning models for superior sinonasal disease classification 2026-Mar-15, European radiology IF:4.7Q1 DOI:10.1007/s00330-026-12436-4 PMID:41832258	研究论文	本研究提出了一种基于解剖分区的深度学习模型，用于提升鼻窦疾病的CT诊断准确性	通过解剖分区策略替代全图像学习，针对鼻窦解剖异质性设计疾病特异性网络，显著提高了诊断性能	研究为回顾性设计，样本量有限（150例手动分割），且仅针对特定解剖区域	提升基于CT的鼻窦疾病分类诊断准确性	鼻窦CT图像中的13个解剖区域（包括双侧鼻腔、上颌窦、筛窦等）	数字病理学	鼻窦疾病	CT成像	深度学习	医学图像（CT）	2947例CT检查（其中150例用于手动分割）	nnU-Net v2	nnU-Net	敏感性, 特异性, AUC, Dice系数	NA
4180	2026-03-16	Integrative Approaches in Lung Cancer Diagnosis: Bridging Molecular Biomarkers and AI Driven Imaging 2026-Mar-14, Biomarkers : biochemical indicators of exposure, response, and susceptibility to chemicals IF:2.0Q4 DOI:10.1080/1354750X.2026.2644329 PMID:41830914	综述	本文综述了分子生物标志物与人工智能驱动的影像学在肺癌诊断中的整合方法	分析了将分子生物标志物（如EGFR、ALK、KRAS等）与人工智能（特别是机器学习和深度学习）驱动的影像学（如低剂量CT扫描的影像组学和模式识别）进行整合的潜力，以实现更快、更精确、更具个性化的肺癌诊断	面临数据标准化、模型可解释性、临床验证和伦理问题等诸多挑战	探讨肺癌诊断领域如何整合分子生物学和计算技术的最新进展	肺癌	数字病理学	肺癌	液体活检、循环肿瘤DNA、下一代测序、多组学方法（基因组学、转录组学、蛋白质组学）	机器学习, 深度学习	图像, 分子数据	NA	NA	NA	NA	NA