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
6481	2026-01-28	Artificial Intelligence in Nutrigenomics: A Critical Review on Functional Food Insights and Personalized Nutrition Pathways 2026-Feb, Journal of human nutrition and dietetics : the official journal of the British Dietetic Association IF:2.9Q3 DOI:10.1111/jhn.70200 PMID:41542760	综述	本文批判性地评估了人工智能在营养基因组学中的应用，重点关注其在解释功能性食物-基因相互作用、支持个性化营养策略以及实现基于证据的饮食干预以改善健康结果方面的作用	系统性地整合了人工智能（特别是机器学习和深度学习）在营养基因组学领域的最新应用，强调了其在识别复杂基因-饮食相互作用、支持生物标志物发现和实现实时监测方面的创新潜力	存在算法偏见、数据隐私和伦理治理方面的挑战，且综述范围可能受限于2010-2025年的文献，未能涵盖更早期的研究	评估人工智能在营养基因组学中的应用潜力，以推动个性化营养和基于证据的饮食干预	营养基因组学、功能性食物、基因-饮食相互作用、个性化营养策略	机器学习	肥胖、糖尿病、心血管疾病	机器学习、深度学习	NA	遗传数据、代谢数据、生活方式数据	基于142项研究的定性综合，未提供具体样本量	NA	NA	NA	NA
6482	2026-01-28	Evaluating the impact of deep learning-based image denoising on low-dose CT for lung cancer screening 2026-Feb, Journal of applied clinical medical physics IF:2.0Q3 DOI:10.1002/acm2.70480 PMID:41579047	研究论文	本研究评估了基于深度学习的图像去噪技术对低剂量CT在肺癌筛查中的影响，通过客观图像质量指标和结节相关特征进行比较分析	系统比较了七种深度学习去噪方法在低剂量CT图像上的性能，并量化了去噪对实性和亚实性结节特征及Lung-RADS分类准确性的影响	亚实性结节仍受噪声和去噪引入的偏差影响较大，且需进一步验证去噪技术对诊断性能的临床影响	评估深度学习去噪技术对低剂量CT图像质量的提升效果及其在肺癌筛查中的潜在应用价值	低剂量CT胸部扫描图像，重点关注实性和亚实性肺结节	计算机视觉	肺癌	低剂量CT扫描	深度学习	CT图像	来自LDCT和投影数据收集的胸部CT扫描数据集，具体样本数量未明确说明	NA	NA	均方根误差, 峰值信噪比, 结构相似性指数, 结节大小, CT密度, Lung-RADS分类	NA
6483	2026-01-28	Automated landmark detection and view positioning assessment of shoulder grashey view radiographs using cascade deep learning: A dual-center validation study 2026-Feb, Medical physics IF:3.2Q1 DOI:10.1002/mp.70285 PMID:41579106	研究论文	本研究开发并验证了一个级联深度学习模型，用于自动定位肩关节Grashey位X光片上的解剖标志并评估投照位置	结合RetinaNet和U-Net架构的级联深度学习框架，用于自动检测14个解剖标志并测量关键肩角等放射学参数，其性能在不同图像质量下保持一致	模型仅在两个医疗中心的650张X光片上进行训练和验证，样本量有限，且外部验证仅包含50张图像	开发并验证一个深度学习模型，用于自动定位肩关节Grashey位X光片的解剖标志并准确评估放射学投照位置	肩关节Grashey位X光片	计算机视觉	肩袖病变	X光成像	深度学习	图像	650张肩关节Grashey位X光片（500张用于训练，100张用于内部测试，50张用于外部测试）	NA	RetinaNet, U-Net	平均标志点误差（毫米），关键肩角误差（度）	NA
6484	2026-01-28	Advances in endometrial cancer screening: a comprehensive review of current methods and emerging technologies 2026-Feb, International journal of clinical oncology IF:2.4Q3 DOI:10.1007/s10147-025-02941-9 PMID:41385140	综述	本文全面回顾了子宫内膜癌筛查方法的演变，涵盖传统方法、新兴技术和整合策略	整合分子诊断与传统影像学方法，并探讨了深度学习在组织病理学图像分子亚型预测中的应用	普遍筛查对无症状人群成本过高，且部分方法（如特定基因面板的甲基化分析）的敏感性和特异性范围较宽	评估子宫内膜癌筛查技术的进展，优化诊断准确性、可及性和成本效益	子宫内膜癌筛查方法，包括传统影像学、分子诊断和细胞学技术	数字病理学	子宫内膜癌	DNA甲基化分析，液体基细胞学，免疫细胞化学，数字图像分析	深度学习	组织病理学图像	NA	NA	NA	敏感性，特异性	NA
6485	2026-01-28	A Deep Multimodal Fusion Framework Integrating SERS, Clinical Data, and Metabolomics for Noninvasive MASH Diagnosis 2026-Jan-27, Analytical chemistry IF:6.7Q1 DOI:10.1021/acs.analchem.5c04917 PMID:41518251	研究论文	本文提出了一种名为MedFusionNet的多模态深度学习框架，用于整合SERS光谱、临床生化参数和胆汁酸代谢组学数据，以实现非侵入性的MASH诊断	开发了基于Product-of-Experts的变分融合架构，以捕捉模态间交互和潜在相关性，并通过多损失优化策略联合学习共享潜在表示	未明确提及具体局限性，如样本量可能有限或外部验证的缺乏	解决代谢功能障碍相关脂肪性肝病（MASLD）及其进展形式MASH的诊断挑战，开发非侵入性诊断方法	经活检证实的MASLD患者队列	机器学习	代谢功能障碍相关脂肪性肝病	表面增强拉曼光谱（SERS）、临床生化参数分析、胆汁酸代谢组学	深度学习框架	光谱数据、临床数据、代谢组学数据	240名经活检证实的MASLD患者	未明确指定，但基于深度学习框架	Product-of-Experts（PoE）变分融合架构	预测准确性、鲁棒性	未明确指定
6486	2026-01-28	ME-pKa: A Deep Learning Method with Multimodal Learning for Protein pKa Prediction 2026-Jan-27, Journal of chemical theory and computation IF:5.7Q1 DOI:10.1021/acs.jctc.5c01747 PMID:41528986	研究论文	本文提出了一种名为ME-pKa的多模态深度学习模型，用于预测蛋白质pKa值，通过整合氨基酸局部环境属性和蛋白质FASTA序列特征，并采用多保真度学习策略，提高了预测精度和泛化能力	开发了首个结合多模态信息（氨基酸局部环境属性和蛋白质序列特征）并采用多保真度学习策略的蛋白质pKa预测模型，显著提升了预测准确性，特别是在预测埋藏残基的pKa值方面表现优异	模型性能仍受限于数据可用性和质量，多保真度学习策略仅部分缓解了数据不足问题，且模型在处理极端复杂蛋白质结构时可能面临挑战	开发一种快速、准确的蛋白质pKa预测方法，以克服实验测定困难和现有预测方法的局限性，支持蛋白质结构、功能研究和药物设计	蛋白质的pKa值，特别是离子化氨基酸（如ASP、GLU、HIS、LYS）的质子化状态	机器学习	NA	深度学习，多模态学习，多保真度学习	深度学习模型	蛋白质序列数据（FASTA格式），氨基酸局部环境属性数据	基于PE-p数据集和Small Set数据集，具体样本数量未明确说明	未明确指定，但提及了ESM（进化尺度建模）相关技术	未明确指定具体架构，但基于多模态学习框架	RMSE, MAE, R²	未明确说明
6487	2026-01-28	Efficient feature selection with attention based deep cat convolutional stacked sparse autoencoder for diabetes prediction 2026-Jan-27, Computer methods in biomechanics and biomedical engineering IF:1.7Q3 DOI:10.1080/10255842.2026.2613708 PMID:41589769	研究论文	提出一种基于深度学习的糖尿病早期预测新方法，结合改进的猎豹优化算法进行特征选择和双注意力深度猫卷积堆叠稀疏自编码器模型进行分类	提出了一种改进的猎豹优化算法用于特征选择，并设计了一种结合双注意力机制的深度猫卷积堆叠稀疏自编码器模型用于糖尿病分类	NA	糖尿病早期预测	糖尿病	机器学习	糖尿病	深度学习	自编码器	NA	NA	NA	双注意力深度猫卷积堆叠稀疏自编码器	准确率	NA
6488	2026-01-28	Edge-Aware Dual-Branch CNN Architecture for Alzheimer's Disease Diagnosis 2026-Jan-27, Journal of imaging informatics in medicine DOI:10.1007/s10278-025-01836-5 PMID:41591609	研究论文	本文提出了一种用于阿尔茨海默病诊断的双分支CNN架构，该架构集成了可学习的边缘检测模块，以联合学习全局语义表示和细粒度边缘特征	引入了双分支CNN架构和可学习的边缘检测模块，能够联合学习全局语义和细粒度边缘特征，以捕捉脑部MRI图像边缘区域的微弱结构特征	未明确提及，但可能包括数据集规模、模型在其他疾病或模态上的泛化能力等	提高基于脑部MRI图像的阿尔茨海默病诊断准确率，辅助临床早期检测和决策	阿尔茨海默病患者	计算机视觉	阿尔茨海默病	脑部MRI成像	CNN	图像	基于两个公共数据集（包括OASIS数据集），具体样本数量未明确	NA	双分支CNN	准确率	NA
6489	2026-01-28	Integrating deep learning with multimodal MRI habitat radiomics: toward personalized prediction of risk stratification and androgen deprivation therapy outcomes in prostate cancer 2026-Jan-26, Insights into imaging IF:4.1Q1 DOI:10.1186/s13244-026-02205-8 PMID:41586866	研究论文	本研究开发了一种基于多参数磁共振成像的放射组学框架，结合深度学习和栖息地放射组学，用于预测前列腺癌患者对雄激素剥夺疗法的反应并改善风险分层	首次将栖息地放射组学与3D Vision Transformer深度学习模型集成，通过可解释的多模型分析肿瘤微环境异质性，以提升ADT反应预测的准确性和个性化决策	研究样本来自三个中心，虽然进行了外部验证，但可能存在选择偏倚；模型在内部验证和测试集上的AUC存在一定差异，表明泛化能力有待进一步验证	预测前列腺癌患者对雄激素剥夺疗法的反应并改善风险分层，以指导个性化治疗	550名接受ADT治疗的前列腺癌患者	数字病理学	前列腺癌	多参数磁共振成像（mpMRI），包括T2加权成像和扩散加权成像（DWI）	3D Vision Transformer（ViT），集成模型	多模态MRI图像	550名患者（训练集270名，内部验证集115名，外部测试集165名）	NA	3D Vision Transformer（ViT）	AUC（曲线下面积），ROC曲线	NA
6490	2026-01-28	Deep learning in differentiating the colorectal cancer combined with hepatic enhancing nodules: liver metastases vs hemangiomas 2026-Jan-26, Insights into imaging IF:4.1Q1 DOI:10.1186/s13244-025-02192-2 PMID:41586944	研究论文	本研究评估了一种基于门静脉期CT的深度学习模型，用于区分结直肠癌肝转移和血管瘤	开发并验证了基于DenseNet-201和ResNet-152的深度学习模型，用于自动分割和分类肝内强化结节，并评估了其对放射科医生诊断性能的辅助价值，特别是在亚厘米和10-30毫米病灶中的表现差异	深度学习辅助诊断对于亚厘米结直肠癌肝转移和血管瘤的价值有限，且研究为回顾性设计	评估深度学习模型在区分结直肠癌肝转移和肝血管瘤中的诊断性能	结直肠癌患者中被诊断为肝转移或肝血管瘤的肝脏病灶	计算机视觉	结直肠癌	门静脉期CT成像	CNN	CT图像	534个肝转移病灶（来自134名患者）和262个血管瘤病灶（来自154名患者）	NA	DenseNet-201, ResNet-152	AUC, Dice系数	NA
6491	2026-01-28	Multiregional MRI-based deep learning radiomics to predict axillary response after neoadjuvant chemotherapy in breast cancer patients 2026-Jan-26, Insights into imaging IF:4.1Q1 DOI:10.1186/s13244-025-02193-1 PMID:41586963	研究论文	本研究开发了一种基于多区域MRI的深度学习放射组学列线图，用于预测乳腺癌患者新辅助化疗后腋窝病理完全缓解	结合肿瘤内和5毫米瘤周区域的放射组学特征，构建深度学习放射组学列线图，以非侵入性方式预测腋窝病理完全缓解	NA	预测乳腺癌患者新辅助化疗后腋窝病理完全缓解	乳腺癌患者	数字病理学	乳腺癌	MRI	深度学习	图像	内部数据集539名患者（训练队列431名，内部验证队列108名），外部验证队列703名患者	NA	NA	AUC, 校准曲线, 决策曲线分析	NA
6492	2026-01-28	CT-based deep learning signatures associated with transcriptomic heterogeneity and combined with nutritional biomarkers improve prediction of 3-year overall survival in esophageal squamous cell carcinoma 2026-Jan-26, Insights into imaging IF:4.1Q1 DOI:10.1186/s13244-025-02189-x PMID:41586987	研究论文	本研究开发并验证了一个结合CT图像深度学习特征与营养生物标志物的模型，用于预测食管鳞状细胞癌患者的3年总生存期，并探讨了基于深度学习特征的风险组之间的转录组学差异	首次将基于Crossformer架构从CT图像提取的深度学习特征与营养生物标志物（低骨骼肌质量）相结合，构建了预测食管鳞状细胞癌患者生存期的模型，并通过转录组学分析揭示了模型风险分层的生物学基础	研究为回顾性多中心设计，样本量相对有限，且外部验证队列规模较小，未来需要前瞻性研究进一步验证	开发并验证一个结合CT图像深度学习特征与营养生物标志物的模型，用于预测食管鳞状细胞癌患者的3年总生存期，并探索深度学习特征风险分层的生物学意义	食管鳞状细胞癌术后患者	数字病理学	食管鳞状细胞癌	CT成像, 转录组学分析	深度学习模型	CT图像, 临床数据, 转录组数据	662名来自三家医院的术后患者（内部队列）和16名来自TCGA的额外患者（外部队列）	NA	Crossformer	一致性指数	NA
6493	2026-01-28	Contrast-enhanced CT-based radiomics for predicting visceral pleural invasion in early-stage non-small cell lung cancer 2026-Jan-26, Insights into imaging IF:4.1Q1 DOI:10.1186/s13244-025-02184-2 PMID:41586985	研究论文	本研究开发了一种基于增强CT的影像组学模型，用于术前预测早期非小细胞肺癌的脏层胸膜侵犯	结合增强CT特征与影像组学特征构建联合模型，用于术前预测早期非小细胞肺癌的脏层胸膜侵犯，相比传统CT特征模型有更好的预测性能	研究为回顾性设计，样本量有限，且分割过程为半自动，可能引入人为偏差	术前预测早期非小细胞肺癌的脏层胸膜侵犯，以指导治疗决策	早期非小细胞肺癌患者	数字病理学	肺癌	增强CT	影像组学模型	CT图像	523例手术切除的非小细胞肺癌患者	NA	NA	AUC	NA
6494	2026-01-28	Privacy-Preserving Collaborative Diabetes Prediction in Heterogeneous Health Care Systems: Algorithm Development and Validation of a Secure Federated Ensemble Framework 2026-Jan-26, JMIR diabetes DOI:10.2196/79166 PMID:41587070	研究论文	本文开发了一个名为FedEnTrust的安全、可扩展且保护隐私的联邦集成学习框架，用于糖尿病预测，结合了联邦学习、集成建模、基于区块链的访问控制和知识蒸馏技术	提出FedEnTrust框架，通过集成联邦学习、自适应加权投票的软标签聚合、基于区块链的智能合约访问控制以及根据本地计算能力分配模型架构，以处理数据异构性、非独立同分布和计算能力差异，同时增强隐私、安全性和信任	研究仅基于PIMA印第安人糖尿病数据集进行评估，未在更广泛或真实世界的多机构临床数据上进行验证，且区块链延迟和gas成本可能在实际大规模部署中面临挑战	开发一个安全、可扩展且保护隐私的框架，用于在异构医疗系统中进行糖尿病预测	医疗系统中的异构参与者，包括医院、诊所和可穿戴设备，产生非独立同分布数据	机器学习	糖尿病	联邦学习、集成建模、知识蒸馏、区块链智能合约	集成模型	医疗数据	PIMA印第安人糖尿病数据集	NA	NA	准确率、精确率、召回率、F1分数	NA
6495	2026-01-28	Xeno-learning: knowledge transfer across species in deep learning-based spectral image analysis 2026-Jan-26, Nature biomedical engineering IF:26.8Q1 DOI:10.1038/s41551-025-01585-4 PMID:41588072	研究论文	本文提出了一种名为'异种学习'的跨物种知识迁移概念，用于解决临床手术成像中深度学习模型训练数据不足的问题	引入'异种学习'概念，通过'基于生理学的数据增强'方法，将动物模型中学到的病理或手术操作相关光谱变化迁移到人类应用	未明确说明模型在人类数据上的具体性能表现或泛化能力的定量评估	解决临床手术成像中因缺乏大规模代表性数据而导致的深度学习模型训练难题	人类、猪和大鼠模型的光谱图像数据	计算机视觉	NA	高光谱成像	深度学习	图像	14,013张高光谱图像	NA	NA	NA	NA
6496	2026-01-28	Generating Training Data for Ureter Segmentation Using Dual-Energy CT Two-Material Decomposition 2026-Jan-26, Journal of imaging informatics in medicine DOI:10.1007/s10278-026-01847-w PMID:41588287	研究论文	本研究评估了基于双能CT双物质分解技术在生成输尿管分割训练数据中的效用	利用双能CT双物质分解技术从增强图像生成虚拟平扫图像，以创建用于输尿管分割的训练数据，这是一种创新的数据生成方法	外部验证数据集的性能有限，表明模型泛化能力有待提高	评估双能CT双物质分解技术生成输尿管分割训练数据的可行性	接受双能CT尿路造影的180名患者	数字病理学	泌尿系统疾病	双能CT，双物质分解技术	深度学习分割模型	CT图像	180名患者（150名来自机构1，30名来自机构2）	nnU-Net	U-Net	Dice系数，精确度，召回率	NA
6497	2026-01-28	Advancing the modernization of traditional Chinese medicine through artificial intelligence and multimodal data integration 2026-Jan-26, Chinese medicine IF:5.3Q1 DOI:10.1186/s13020-025-01194-y PMID:41588523	综述	本文综述了人工智能技术如何通过整合多模态数据，推动中医药现代化进程	系统性地从多尺度数据、研发、诊疗及大语言模型四个维度，全面回顾了AI在中医药现代化中的应用进展，强调了AI在数据驱动复杂系统、基础科学研究和精准医学中的前沿应用	NA	探讨人工智能技术如何促进中医药的现代化发展	中医药领域的多模态数据、研发过程、诊断与治疗实践	自然语言处理, 机器学习	NA	机器学习, 深度学习, 知识图谱, 自然语言处理, 大语言模型	NA	多模态数据	NA	NA	NA	NA	NA
6498	2026-01-28	XCPP: A Multi-model Explainable Deep Learning Framework for Accurate Identification of Cell-Penetrating Peptides from Structured Sequence Features 2026-Jan-20, Current drug targets IF:3.0Q2 DOI:10.2174/0113894501416864251212082231 PMID:41588770	研究论文	本文提出了一种名为XCPP的多模型可解释深度学习框架，用于基于结构化序列特征准确识别细胞穿透肽	结合了多种序列描述符和三种深度学习架构，并利用SHAP值增强模型的可解释性	尚未进行体外或体内验证，LSTM模型可能存在过拟合问题	开发一个准确识别细胞穿透肽的计算框架	细胞穿透肽	机器学习	NA	序列描述符计算	DNN, CNN, LSTM	序列特征	473个已确认的细胞穿透肽	NA	Deep Neural Networks, Convolutional Neural Networks, Long Short-Term Memory	准确率	NA
6499	2026-01-28	Triple-Negative Breast Cancer and Artificial Intelligence: Current Paradigms in Diagnosis, Therapy Prediction, Prognosis, and Challenges 2026-Jan-20, Current pharmaceutical biotechnology IF:2.2Q3 DOI:10.2174/0113892010413048251103143500 PMID:41588757	综述	本文综述了人工智能在三阴性乳腺癌诊断、治疗预测和预后中的当前应用范式与挑战	整合了多种AI模型（如Transformer-GCN、混合CNN-Bi-LSTM-EfficientNet）在TNBC中的应用，并探讨了AI与纳米技术结合用于智能药物递送系统	AI模型的泛化性因训练数据集差异和TNBC生物学异质性而受限，临床实施面临挑战	探讨人工智能在三阴性乳腺癌精准医疗中的应用与整合	三阴性乳腺癌	数字病理学	乳腺癌	放射组学, 全切片组织病理学图像分析	Transformer, GCN, CNN, Bi-LSTM, EfficientNet, ConvNeXtBase	图像, 临床数据	NA	NA	NACNet, 混合CNN-Bi-LSTM-EfficientNet, ConvNeXtBase	准确率, 灵敏度, AUC, F1分数, C指数	NA
6500	2026-01-28	The Diagnostic Value of Image-Based Machine Learning for Osteoporosis: Systematic Review and Meta-Analysis 2026-Jan-16, Journal of medical Internet research IF:5.8Q1 DOI:10.2196/75965 PMID:41544126	系统综述与荟萃分析	本文通过系统综述和荟萃分析，评估了基于医学影像的机器学习模型在骨质疏松症诊断中的价值	首次系统评估了基于不同医学影像模态（X射线、CT、MRI）的机器学习模型在骨质疏松症诊断中的性能，并进行了分层和亚组分析	纳入的基于MRI的原始研究数量有限，且各研究间缺乏足够的外部验证，这带来了解释上的局限性	阐明基于不同医学影像模态的深度学习模型在骨质疏松症检测中的作用	基于医学影像使用机器学习进行骨质疏松症诊断的相关研究	机器学习	骨质疏松症	医学影像（X射线、CT、MRI）	机器学习（ML）、深度学习（DL）	医学影像	60项研究，共66,195名参与者	NA	NA	敏感性（SEN）、特异性（SPC）	NA