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
401	2026-01-05	Vision-Guided Surgical Navigation Using Computer Vision for Dynamic Intraoperative Imaging Updates 2026-Jan, International forum of allergy & rhinology IF:7.2Q1 DOI:10.1002/alr.70000 PMID:40847589	研究论文	提出一种基于计算机视觉和神经辐射场（NeRF）的无传感器视频方法，用于内窥镜鼻窦手术中动态更新术中CT成像	首次将神经辐射场（NeRF）应用于内窥镜手术视频，实现无需外部跟踪的术中CT动态更新，解决了传统图像引导手术系统无法反映术中变化的局限性	研究仅在3D打印模型上进行验证，样本量较小（n=6侧），尚未在真实患者手术中测试	开发一种能够动态更新术中成像的计算机视觉导航系统，以提高内窥镜鼻窦手术的完整性和准确性	内窥镜鼻窦手术（ESS）中的3D打印解剖模型	计算机视觉	鼻窦疾病	神经辐射场（NeRF）、内窥镜视频处理、CT影像配准	深度学习算法	内窥镜视频、CT影像	3个3D打印模型（双侧手术，共6侧）	NA	神经辐射场（NeRF）	豪斯多夫距离、Dice相似系数、Bland-Altman分析	NA
402	2026-01-05	Enhancing end-stage renal disease outcome prediction: a multisourced data-driven approach 2026-Jan-01, Journal of the American Medical Informatics Association : JAMIA IF:4.7Q1 DOI:10.1093/jamia/ocaf118 PMID:40795063	研究论文	本研究利用机器学习和深度学习模型，结合临床和索赔数据，预测慢性肾脏病进展为终末期肾病的风险，并通过可解释人工智能提高模型可解释性和减少偏差	采用多源数据集成方法，结合不同观察窗口，并应用SHAP分析增强模型可解释性，同时评估了2021年eGFR方程在减少种族偏见方面的效果	研究基于2009年至2018年的数据，未来需扩展数据集成范围并验证框架在其他慢性疾病中的适用性	提高慢性肾脏病进展为终末期肾病的预测准确性，支持临床决策和减少医疗差异	10,326名慢性肾脏病患者	机器学习	慢性肾脏病	临床数据和索赔数据集成分析	LSTM	临床数据和索赔数据	10,326名患者	NA	LSTM	AUROC, F1分数	NA
403	2026-01-05	An AI-Based Prognostic Model for Prediction of Functional Glaucoma Progression from Clinical and Structural Data 2026-Jan-01, American journal of ophthalmology IF:4.1Q1 DOI:10.1016/j.ajo.2025.12.026 PMID:41483865	研究论文	本文设计了一种基于深度学习的预后模型，整合临床和结构数据预测青光眼功能进展，并与临床医生进行比较	首次将基线临床和人口统计学数据、视盘照片以及OCT衍生的视网膜神经纤维层和黄斑厚度测量整合到卷积神经网络中，用于预测青光眼进展，并显著优于临床医生评估	研究为回顾性队列研究，可能存在选择偏倚；验证队列中OCT设备不同可能影响模型泛化性	预测青光眼的功能进展，提高青光眼诊断的预后准确性	1,599只眼（908名患者），包括确诊或疑似青光眼，具有≥5次24-2视野检查和至少3年随访	数字病理学	青光眼	OCT成像、视野检查、线性回归分析	CNN	图像、临床数据、人口统计学数据	1,599只眼（908名患者），验证队列291只眼	NA	基于ImageNet预训练的卷积神经网络	AUC、准确率、AU-PRC	NA
404	2026-01-04	Classification prediction of drug target binding affinity based on the MolrProtTrans model 2026-Mar, Analytical biochemistry IF:2.6Q2 DOI:10.1016/j.ab.2025.116029 PMID:41352674	研究论文	本研究提出了一种基于MolrProtTrans模型的药物靶点结合亲和力分类预测方法，通过整合分子和蛋白质信息，提高了预测准确性	结合Molr和ProtTrans网络进行特征提取，并引入转置注意力机制与三重损失自监督学习方法，以改进传统模型在蛋白质特征忽略和GPCR数据集标签反转任务上的性能	未明确说明模型在其他类型数据集上的泛化能力或计算效率的具体限制	预测药物与靶点之间的结合亲和力，以推进虚拟药物筛选和药物发现	小分子药物和蛋白质靶点，特别是G蛋白偶联受体（GPCR）数据集和人类靶点数据集	机器学习	NA	深度学习	Transformer	分子和蛋白质特征数据	NA	NA	MolrProtTrans, TransformerCPI	AUC	NA
405	2026-01-04	Spectral anomaly detection in physiological time-series data: A systematic review 2026-Mar-01, International journal of medical informatics IF:3.7Q2 DOI:10.1016/j.ijmedinf.2025.106212 PMID:41411902	系统综述	本文系统综述了机器学习（包括深度学习）在生理时间序列数据（ECG和EEG频谱）中异常检测的应用方法、结果及最佳实践	首次系统比较了无监督方法（如变分自编码器、生成对抗网络、扩散模型、Transformer）与经典模型在生理频谱异常检测中的性能，并指出无监督Transformer模型在无需标注数据集的情况下取得了最优结果	综述仅纳入了AUC、准确率或F1分数高于0.95的研究，可能忽略了性能略低但方法新颖或有其他优势的研究	系统评估机器学习在生理时间序列频谱数据中自动异常检测的方法与效果，并为该领域提供最佳方法建议	ECG（心电图）和EEG（脑电图）的频谱数据	健康信息学	心血管疾病	NA	变分自编码器, 生成对抗网络, 扩散模型, Transformer, 孤立森林, 支持向量数据描述	时间序列数据（频谱数据）	NA	NA	NA	AUC, 准确率, F1分数	NA
406	2026-01-04	NeuMTL: A Unified Multimodal Framework for Multi-Task Prediction in CNS Drug Discovery 2026-Jan-02, Journal of chemical information and modeling IF:5.6Q1 DOI:10.1021/acs.jcim.5c02725 PMID:41481576	研究论文	本文提出了一种名为NeuMTL的统一多模态多任务学习框架，用于同时预测药物靶点亲和力、血脑屏障通透性和神经毒性，以增强中枢神经系统药物发现的安全性和有效性	提出了一个统一的多模态多任务学习框架，整合了互注意力与注意力池化模块、早期与晚期融合策略，并引入了NeuGradBalancer优化策略以缓解梯度冲突和平衡多任务学习	未明确说明模型在更广泛数据集或不同疾病背景下的泛化能力，以及计算资源需求的具体细节	克服单任务单模态模型的局限性，提升中枢神经系统药物发现中关键属性（如血脑屏障通透性和神经毒性）的预测能力	药物分子及其与靶点的相互作用、血脑屏障通透性、神经毒性	机器学习	中枢神经系统疾病	多模态深度学习，多任务学习	深度学习框架	多模态数据（可能包括分子结构、序列、性质等）	NA	NA	基于注意力机制的神经网络	均方误差（MSE），准确率（Accuracy）	NA
407	2026-01-04	Distribution of coronary artery calcium volume and density by age, sex, and race using AI-based quantification algorithm 2026-Jan-02, Journal of cardiovascular computed tomography IF:5.5Q1 DOI:10.1016/j.jcct.2025.12.003 PMID:41482498	研究论文	本研究使用基于AI的量化算法，分析了不同年龄、性别和种族人群中冠状动脉钙化体积和密度的分布情况	首次使用经过验证的深度学习软件直接量化CAC体积和平均密度，并构建了跨人口亚组的百分位数分布，为CAC解释和风险分层提供了新的背景数据	研究为单中心回顾性分析，样本中黑人参与者比例较低（10%），可能限制了种族间比较的普遍性，且仅包括无症状、无既往动脉粥样硬化性心血管疾病的患者	表征冠状动脉钙化体积和密度在不同人口亚组中的规范分布，以改进CAC解释和心血管风险分层	23,844名年龄大于35岁、无症状、无既往动脉粥样硬化性心血管疾病、接受非对比心电图门控心脏CT扫描的患者	数字病理学	心血管疾病	非对比心电图门控心脏CT扫描	深度学习	医学影像（CT图像）	23,844名患者	NA	NA	NA	NA
408	2026-01-04	A multi-scale feature fusion of deep learning network for classifying acute leukemia genetic subtypes from blood smear images 2026-Jan-02, Discover oncology IF:2.8Q2 DOI:10.1007/s12672-025-03985-z PMID:41483382	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
409	2026-01-04	Structure-Guided Engineering of High-Affinity Antibodies Against Zika Virus Using Deep Learning and Molecular Dynamics 2026-Jan, Chemistry & biodiversity IF:2.3Q3 DOI:10.1002/cbdv.202502769 PMID:41205205	研究论文	本研究利用深度学习和分子动力学模拟，对靶向寨卡病毒包膜蛋白DIII区域的中和抗体进行结构引导的工程化改造，以优化其结合亲和力	结合高分辨率晶体结构、深度学习模型（DeepPurpose）和分子动力学模拟，系统性地对单克隆抗体进行双点突变库的设计与评估，以计算驱动的方式发现高亲和力抗体变体	研究结果基于计算预测，尚未进行实验验证；突变库的设计范围可能有限，未涵盖所有可能的突变组合	开发针对寨卡病毒的高亲和力抗体疗法	寨卡病毒包膜蛋白（ZIKV E）的DIII区域及其中和抗体ZV-64的突变变体	计算生物学，生物信息学	寨卡病毒感染	晶体结构分析，分子对接，分子动力学模拟，深度学习	深度学习模型（DeepPurpose）	蛋白质三维结构数据，序列数据	通过双点突变设计的抗体变体库（具体数量未明确说明），重点关注了Variant-213和Variant-206两个变体	DeepPurpose	NA	预测结合亲和力，预测溶解度，结构稳定性，结合能（-76.90 kcal/mol）	NA
410	2026-01-04	The Role of Artificial Intelligence in Chronic Rhinosinusitis: A Scoping Review 2026-Jan, International forum of allergy & rhinology IF:7.2Q1 DOI:10.1002/alr.70078 PMID:41376460	综述	本文是一篇范围综述，旨在梳理人工智能在慢性鼻窦炎诊断和管理中的应用现状、趋势、差距及未来机会	首次系统性地对人工智能在慢性鼻窦炎领域的应用进行全面范围综述，识别了当前研究热点（如诊断、亚型分型、预后预测）和未来潜在方向（如手术规划、经济评估）	排除了非英文文献、2003年以前的文献、急性鼻窦炎研究以及涉及儿科人群的研究，可能遗漏了部分相关研究	描绘人工智能在慢性鼻窦炎领域的应用全景图	慢性鼻窦炎	数字病理学	慢性鼻窦炎	NA	深度学习, 神经网络, 卷积神经网络, 随机森林	CT影像, 组织或血液嗜酸性粒细胞计数, 临床或人口统计学特征, 组织病理学特征, 血液和组织细胞因子, 鼻内镜检查结果	共筛选573条记录，最终纳入49项研究	NA	NA	分类指标, 回归指标	NA
411	2026-01-04	Histopathology Images-Based Deep Learning Prediction of Histological Types in Endometrial Cancer 2026-Jan, Cancer medicine IF:2.9Q2 DOI:10.1002/cam4.71509 PMID:41469815	研究论文	本研究开发并验证了一个名为EC-AIHIS的深度卷积神经网络，用于基于子宫内膜癌H&E染色图像预测其组织学类型	开发了EC-AIHIS模型，首次利用深度学习从H&E染色图像中预测子宫内膜癌的侵袭性与非侵袭性组织学类型，并在多队列中验证了其泛化能力和临床实用性	未明确说明模型在更广泛或多样化人群中的性能，以及可能存在的样本选择偏差	开发并验证一个深度学习模型，以准确预测子宫内膜癌的组织学类型，辅助病理学家诊断	子宫内膜癌标本的H&E染色图像	数字病理学	子宫内膜癌	H&E染色	CNN	图像	1187个子宫内膜癌标本	NA	EC-AIHIS	AUC, 灵敏度, 特异性	NA
412	2026-01-04	Convolutional recurrent U-net for cardiac cine MRI reconstruction via effective spatio-temporal feature exploitation 2026-Jan, Medical physics IF:3.2Q1 DOI:10.1002/mp.70245 PMID:41474064	研究论文	本文提出了一种名为CRUNet-MR的新型深度学习模型，通过结合卷积循环操作与U-Net架构，有效利用心脏电影MRI的时空特征，以提升高加速条件下的图像重建质量	创新性地将卷积循环操作集成到U-Net架构中，以连续提取时空特征，并结合扩张卷积扩大空间感受野，优化了心脏电影MRI的重建性能	模型在极高加速因子（如24倍）下的性能未详细讨论，且内部验证数据集规模较小，可能影响泛化能力的全面评估	旨在通过更有效地利用心脏电影MRI序列中的时空特征，提升高加速条件下的图像重建性能，以支持更快、更患者友好的心脏成像	心脏电影MRI图像数据，专注于动态心脏区域的重建	计算机视觉	心血管疾病	心脏电影MRI	CNN, RNN	图像	公共数据集CMRxRecon2023包含300名受试者（120训练、60验证、120测试），另加小型内部LUMC数据集	NA	U-Net	SSIM	NA
413	2026-01-04	A deep-learning model for one-shot transcranial ultrasound simulation and phase aberration correction 2026-Jan, Medical physics IF:3.2Q1 DOI:10.1002/mp.70259 PMID:41474058	研究论文	本文提出了一种名为TUSNet的深度学习模型，用于快速准确地模拟经颅超声压力场并进行相位畸变校正	TUSNet是一种端到端的神经网络，能够以超过1200倍的速度计算经颅超声压力场和相位校正，同时保持高精度	当前验证基于模拟的无噪声超声场，未来需要在真实临床条件下进行实验研究以评估性能	解决经颅超声治疗中焦点预测和相位畸变校正的计算效率与准确性之间的权衡问题	经颅超声压力场和相位校正计算	机器学习	NA	经颅超声	深度学习	CT图像	训练集：180432个合成颅骨CT片段；测试集：1232个真实颅骨CT片段	NA	TUSNet	峰值压力幅度估计准确度，焦点定位误差	4x NVIDIA A100 80 GB GPUs
414	2026-01-03	Prognostic Utility of a Deep Learning Radiomics Nomogram Integrating Ultrasound and Multi-Sequence MRI in Triple-Negative Breast Cancer Treated With Neoadjuvant Chemotherapy 2026-Feb, Journal of ultrasound in medicine : official journal of the American Institute of Ultrasound in Medicine IF:2.1Q2 DOI:10.1002/jum.70054 PMID:40920176	研究论文	本研究评估了整合临床参数与超声及多序列MRI深度学习放射组学特征的列线图在预测接受新辅助化疗的三阴性乳腺癌患者生存、复发和转移方面的预后性能	开发了一种整合超声和多序列MRI的深度学习放射组学列线图模型，用于三阴性乳腺癌患者的预后预测，并进行了外部验证	回顾性研究，样本量较小（103例患者），且仅针对三阴性乳腺癌	评估整合超声和多序列MRI的深度学习放射组学列线图在预测三阴性乳腺癌患者预后中的性能	接受新辅助化疗的三阴性乳腺癌患者	数字病理学	乳腺癌	深度学习放射组学	深度学习模型	图像	103例患者（训练组72例，验证组31例）	NA	深度学习放射组学列线图	一致性指数	NA
415	2026-01-03	A Multivariate Cloud Workload Prediction Method Integrating Convolutional Nonlinear Spiking Neural Model with Bidirectional Long Short-Term Memory 2026-Feb, International journal of neural systems IF:6.6Q1 DOI:10.1142/S0129065725500716 PMID:41024445	研究论文	本文提出了一种结合卷积非线性脉冲神经模型与双向长短期记忆的多元云工作负载预测方法	提出基于非线性脉冲神经P系统的卷积模型（ConvNSNP），增强处理非线性数据的能力，并与BiLSTM结合构建混合预测模型，有效捕获多元时间序列的变量间相关性和时间模式	NA	解决云计算环境中多元工作负载预测的关键研究问题	多元时间序列数据	机器学习	NA	NA	CNN, BiLSTM	时间序列数据	三个公共云工作负载轨迹数据集（来自阿里巴巴和Google）	NA	ConvNSNP, BiLSTM	RMSE, MAE, MAPE	NA
416	2026-01-03	Artificial Intelligence Deep Learning Ultrasound Discrimination of Cosmetic Fillers: A Multicenter Study 2026-Feb, Journal of ultrasound in medicine : official journal of the American Institute of Ultrasound in Medicine IF:2.1Q2 DOI:10.1002/jum.70079 PMID:41024593	研究论文	本研究利用基于YOLO架构的深度学习人工智能技术，通过超声图像区分不同类型的化妆品填充剂	首次将人工智能深度学习应用于超声图像中化妆品填充剂的鉴别，填补了该领域的研究空白	对于钙羟基磷灰石和聚甲基丙烯酸甲酯填充剂的识别性能较低且不一致，需要进一步优化	开发一种基于人工智能的超声图像分析方法，用于准确区分不同类型的化妆品填充剂	化妆品填充剂，包括透明质酸、聚甲基丙烯酸甲酯、钙羟基磷灰石和硅油	计算机视觉	NA	超声成像	CNN	图像	1432张超声图像，来自6个国家的14名医生收集	YOLO	YOLOv11	准确率, F1分数, 精确率, 召回率	NA
417	2026-01-03	Deep Learning-Based CAD System for Enhanced Breast Lesion Classification and Grading Using RFTSDP Approach 2026-Feb, Journal of ultrasound in medicine : official journal of the American Institute of Ultrasound in Medicine IF:2.1Q2 DOI:10.1002/jum.70056 PMID:41035163	研究论文	本研究提出了一种基于深度学习的计算机辅助诊断系统，利用射频时间序列动态处理（RFTSDP）方法增强乳腺病变的分类和分级	引入了RFTSDP方法，通过分析受控刺激下组织的动态响应和散射体位移对射频回波的影响，以增强诊断信息，并结合深度学习实现自动化特征提取	研究仅使用了11个离体乳腺组织样本，样本量较小，且为离体数据，可能无法完全代表体内情况	开发一种基于深度学习的计算机辅助诊断系统，以提高乳腺病变分类和分级的准确性	离体乳腺组织样本	计算机视觉	乳腺癌	射频时间序列动态处理（RFTSDP），超快超声数据采集	CNN	超快超声数据（射频时间序列）	11个离体乳腺组织样本	NA	CNN	准确率	NA
418	2026-01-03	A Hybrid Model Combining U-Net and Transformers for Joint Segmentation and Beamforming of Plane-wave Ultrasound Images 2026-Feb, Ultrasound in medicine & biology DOI:10.1016/j.ultrasmedbio.2025.10.002 PMID:41173661	研究论文	本文提出了一种结合U-Net和Transformer的混合模型，用于同时进行平面波超声图像的波束形成和分割	首次将U-Net和Transformer结合，在一个统一框架中同时实现超声图像的波束形成和分割任务，减少了传统复合成像的依赖	对于≤7毫米的小目标检测精度降低，偶尔会产生虚假包含物，需要改进小目标检测和伪影抑制能力	开发一种能够同时进行超声图像分割和波束形成的深度学习模型，以提升平面波成像的效率和图像质量	计算机模拟数据、包含低回声包含物的物理体模（半径5-10毫米）、50名健康志愿者的颈动脉超声图像	医学影像分析	心血管疾病	平面波超声成像	CNN, Transformer	超声图像	计算机模拟数据、物理体模数据、50名健康志愿者的颈动脉超声图像	NA	U-Net, Transformer	Dice相似系数, 均方误差, 结构相似性指数, 拉普拉斯方差, 广义对比噪声比, 信噪比	NA
419	2026-01-03	Deep Learning Segmentation and Quantification of the Left Ventricle from the Parasternal Short-Axis View in Echocardiography 2026-Feb, Ultrasound in medicine & biology DOI:10.1016/j.ultrasmedbio.2025.10.005 PMID:41188093	研究论文	本研究开发了一种基于深度学习的自动化管道，用于从超声心动图的胸骨旁短轴视图中分割和量化左心室，以提取临床相关的定量测量指标	利用nnU-Net模型自动分割左心室腔和心肌，并基于分割结果自动计算左心室面积、分数面积变化、平均壁厚度和全局周向应变等测量值，实现了与专家标注相当的性能	未明确提及研究的具体局限性，如数据集规模、模型泛化能力或临床验证的深度	开发一种自动化深度学习管道，以从超声心动图的胸骨旁短轴视图中提取临床相关的定量测量，减少测量变异性和时间消耗	超声心动图中的左心室腔和心肌	计算机视觉	心血管疾病	超声心动图	CNN	图像	未明确提及具体样本数量，但提到主题级可行性为90.4%	NA	nnU-Net	Dice系数, 95th percentile Hausdorff距离	NA
420	2026-01-03	Deep learning for autism detection using clinical notes: A comparison of transfer learning for a transparent and black-box approach 2026-Feb, Artificial intelligence in medicine IF:6.1Q1 DOI:10.1016/j.artmed.2025.103318 PMID:41330257	研究论文	本研究提出了一种基于BioBERT的可解释机器学习方法，通过分析非结构化临床文本来检测自闭症谱系障碍，并与黑盒方法进行了比较	引入了一种透明且可解释的机器学习方法，利用BioBERT分析临床文本，并将行为描述映射到诊断标准，同时系统评估了迁移学习中不同训练策略（顺序训练与混合训练）对模型性能的影响	研究仅使用了两个真实世界数据集，模型的泛化能力仍需在更多样化的数据集上进一步验证	开发可解释的AI工具以自动化自闭症谱系障碍的诊断过程	自闭症谱系障碍患者的非结构化临床文本记录	自然语言处理	自闭症谱系障碍	自然语言处理	Transformer	文本	两个不同的真实世界临床文本数据集	NA	BioBERT	灵敏度, 特异性	NA