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
11041	2026-01-28	Artificial intelligence in spine surgery: a scoping review 2026-Jan, Neuro-Chirurgie DOI:10.1016/j.neuchi.2025.101764 PMID:41397525	综述	本文通过范围综述，系统梳理了人工智能在脊柱外科中的应用现状、前沿及文献缺口	首次通过范围综述全面绘制了AI在脊柱外科中的应用图景，并识别了当前研究的局限与未来方向	纳入研究主要基于PubMed和Cochrane数据库，可能存在发表偏倚；且AI模型和数据集的可及性普遍受限	旨在映射人工智能在脊柱外科中的应用领域，明确当前前沿并识别文献中的空白	涉及脊柱外科中应用AI模型或验证AI应用的研究	医学人工智能	脊柱疾病	NA	深度学习模型, 非深度学习模型	NA	NA	NA	NA	NA	NA
11042	2026-01-28	Hybrid attention based deep learning for forecasting boundary layer ozone using satellite derived profiles 2026-Jan-01, Ecotoxicology and environmental safety IF:6.2Q1 DOI:10.1016/j.ecoenv.2025.119593 PMID:41421135	研究论文	本研究提出了一种基于混合注意力机制的深度学习模型，用于利用卫星衍生的臭氧剖面数据预测边界层臭氧浓度	提出了两种新颖的混合深度学习架构（ConvBiGRU-AttentionNet 和 EMD-ConvBiGRU-AttentionNet），首次将注意力机制与卷积门控循环单元结合，并引入经验模态分解提取多尺度时间特征	未明确说明模型在不同地理区域或极端气象条件下的泛化能力，也未讨论计算成本与实时预测的可行性	提高边界层臭氧浓度的预测精度，以应对其非线性动态变化和垂直剖面数据稀缺的挑战	边界层臭氧浓度	机器学习	NA	卫星遥感（OMI/Aura）、经验模态分解	RNN, CNN, GRU, LSTM, 混合模型（GRU-CNN, LSTM-CNN）	时间序列数据（臭氧剖面数据）	NA	NA	ConvBiGRU-AttentionNet, EMD-ConvBiGRU-AttentionNet	RMSE, MAE, R, 技能评分	NA
11043	2026-01-28	VASCilia is an open-source, deep learning-based tool for 3D analysis of cochlear hair cell stereocilia bundles 2026-Jan, PLoS biology IF:7.8Q1 DOI:10.1371/journal.pbio.3003591 PMID:41557732	研究论文	本文介绍了一个名为VASCilia的开源深度学习工具，用于自动化分析耳蜗毛细胞静纤毛束的3D共聚焦显微镜图像	开发了首个用于耳蜗毛细胞静纤毛束3D分析的集成化深度学习工具套件，包含五个专门训练的模型，并提供了首个开源的手动标注3D数据集	模型主要在小鼠耳蜗数据集上训练，尚未在其他物种或更广泛的成像条件下验证	开发一个自动化工具，以解决耳蜗毛细胞静纤毛束复杂3D形态分析的挑战	耳蜗毛细胞及其静纤毛束	数字病理学	听力障碍	共聚焦显微镜，鬼笔环肽染色	深度学习模型	3D图像堆栈	约55个3D图像堆栈，包含502个内毛细胞束和1703个外毛细胞束的实例分割标注	NA	Z-Focus Tracker (ZFT), PCPAlignNet, 分割模型, 分类模型	NA	NA
11044	2026-01-28	Intravenous pole-integrated automated urinary status-monitoring technique using image-based artificial intelligence: a simulation study 2026-Jan, Biomedical engineering letters IF:3.2Q2 DOI:10.1007/s13534-025-00525-0 PMID:41584809	研究论文	本研究开发了一种基于图像人工智能的静脉输液杆集成自动尿液状态监测技术，用于监测导尿患者的尿液颜色和体积变化	提出了一种新型的静脉输液杆集成尿液监测技术，利用深度学习自动检测袋内液体颜色和体积，并识别泌尿疾病症状	研究为模拟研究，未来需要进一步使用实际尿液样本进行临床评估	开发自动化工具以改善接受导尿支持患者的长期尿液状态监测	模拟尿液样本，包括正常、血尿、胆红素尿和紫色尿袋综合征等类型	计算机视觉	泌尿系统疾病	图像分析	深度学习	图像	多种模拟尿液样本	NA	NA	误差率, 准确率	NA
11045	2026-01-28	Advancing neurological disease treatment: a computational approach for fibroblast growth factor detection 2026-Jan, Biomedical engineering letters IF:3.2Q2 DOI:10.1007/s13534-025-00520-5 PMID:41584821	研究论文	本研究提出了一种基于深度学习的计算方法，用于预测成纤维细胞生长因子（FGF）蛋白，以推进神经系统疾病的治疗	首次开发了基于深度学习的计算工具来预测FGF蛋白，并构建了两个高质量数据集，结合了多种特征编码方法和深度学习模型	未提及具体的数据集规模限制或模型泛化能力的验证细节	开发一种计算工具来准确预测FGF蛋白，以促进神经系统疾病治疗的研究	成纤维细胞生长因子（FGF）蛋白序列	自然语言处理	神经系统疾病	特征编码方法（二肽组成、二肽偏离期望均值、分组氨基酸组成）	CNN, BiLSTM, GAN, GRU	蛋白质序列数据	NA	NA	卷积神经网络（CNN）、双向长短期记忆网络（BiLSTM）、生成对抗网络（GAN）、门控循环单元（GRU）	准确率, 灵敏度, 特异性, F1分数, 马修斯相关系数	NA
11046	2026-01-28	Hybridizing Expressive Rendering: Stroke-Based Rendering With Classic and Neural Methods 2026 Jan-Feb, IEEE computer graphics and applications IF:1.7Q3 DOI:10.1109/MCG.2025.3624600 PMID:41587263	研究论文	本文分析并比较了经典非真实感渲染与基于神经网络的渲染技术，特别关注基于笔触的渲染，并提出一个结合两者的框架以拓展表达性渲染的可能性	提出一个结合经典非真实感渲染方法与神经网络技术的混合框架，旨在融合两者的优势，为表达性渲染开辟新途径	NA	探索经典与神经网络非真实感渲染技术的异同，并研究如何整合它们以增强渲染质量和艺术控制	非真实感渲染技术，特别是基于笔触的渲染方法	计算机视觉	NA	NA	NA	图像	NA	NA	NA	NA	NA
11047	2026-01-27	Deep learning-based tooth segmentation for enhanced visualization of dental anomalies and pathologies 2026-Feb, Annals of anatomy = Anatomischer Anzeiger : official organ of the Anatomische Gesellschaft DOI:10.1016/j.aanat.2025.152771 PMID:41360207	研究论文	本研究开发并验证了一种基于深度学习的实例级牙齿分割方法，用于CBCT扫描，以增强可视化并简化牙科异常检测	提出了一种加速标注程序，专家标注部分图像后，模型自动标注剩余图像，实现了高效的牙齿分割	研究仅基于470个扫描数据，样本量有限，且未在更广泛或多样化的数据集上进行验证	开发并验证深度学习模型，用于CBCT扫描中的牙齿分割，以提升牙科异常的检测效率和可视化效果	CBCT扫描数据，包含各种牙科异常（如龋齿、缺牙、骨岛、根尖周炎）或牙科历史（如填充、修复、根管手术）	计算机视觉	牙科疾病	CBCT	深度学习模型	图像	470个扫描用于训练，60个扫描用于验证	NA	NA	Jaccard指数, 平均相对体积差异	NA
11048	2025-12-21	Enhancing deep learning telemedicine for retinopathy of prematurity: current evidence and opportunities for improvement 2026-Feb, Eye (London, England) DOI:10.1038/s41433-025-04188-0 PMID:41419595	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
11049	2026-01-27	PymolFold: A PyMOL Plugin for API-Driven Structure Prediction and Quality Assessment 2026-Jan-26, Journal of chemical information and modeling IF:5.6Q1 DOI:10.1021/acs.jcim.5c02410 PMID:41479360	研究论文	本文介绍了一个名为PymolFold的开源PyMOL插件，用于通过API驱动蛋白质结构预测和质量评估	开发了一个集成先进结构预测工具到分子可视化环境的插件，实现了统一的“预测-可视化-分析”工作流	NA	降低蛋白质结构预测的技术门槛，使实验科学家更容易访问先进模型	蛋白质结构预测和质量评估	机器学习	NA	深度学习	NA	蛋白质结构数据	NA	PyMOL	NA	NA	NA
11050	2026-01-27	NeuMTL: A Unified Multimodal Framework for Multi-Task Prediction in CNS Drug Discovery 2026-Jan-26, Journal of chemical information and modeling IF:5.6Q1 DOI:10.1021/acs.jcim.5c02725 PMID:41481576	研究论文	提出一个名为NeuMTL的多模态多任务学习框架，用于同时预测药物靶点亲和力、血脑屏障渗透性和神经毒性，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，结合了互注意力机制、注意力池化模块以及早期和晚期融合策略，并引入了一种新的优化策略NeuGradBalancer来缓解梯度冲突并确保跨任务的平衡学习	未在摘要中明确提及	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因素（如血脑屏障渗透性和神经毒性）的预测能力	药物靶点亲和力、血脑屏障渗透性、神经毒性	机器学习	中枢神经系统疾病	深度学习	多任务学习框架	多模态数据	多源数据集	未在摘要中明确提及	未在摘要中明确提及	MSE, 准确率	未在摘要中明确提及
11051	2026-01-27	Prediction of Intravenous Pharmacokinetic Parameters across Multiple Species by a Multifidelity Deep Learning Framework 2026-Jan-26, Journal of chemical information and modeling IF:5.6Q1 DOI:10.1021/acs.jcim.5c02546 PMID:41493218	研究论文	本研究提出了一种名为MFPK的多保真度深度学习框架，用于跨多个物种（人类、狗、猴子、大鼠和小鼠）预测静脉注射药代动力学参数	提出了一个结合迁移学习的多保真度药代动力学学习框架，整合了基于图、基序和三维结构的分子表征，以捕获全面的多尺度化学信息	未明确说明模型在特定药物类别或复杂生理条件下的泛化能力限制	开发一个深度学习框架，用于跨物种预测静脉注射药代动力学参数，以支持早期药物候选筛选和剂量方案优化	人类、狗、猴子、大鼠和小鼠的静脉注射药代动力学参数	机器学习	NA	深度学习，迁移学习	深度学习模型	化学结构数据（图、基序、三维结构）	NA	NA	MFPK（多保真度药代动力学学习框架）	RMSLE（对数误差均方根），GMFE（几何平均折叠误差）	NA
11052	2026-01-27	Intercellular Communication Guides the Prediction of Intracellular Gene Regulatory Relationships 2026-Jan-26, Journal of chemical information and modeling IF:5.6Q1 DOI:10.1021/acs.jcim.5c02558 PMID:41493424	研究论文	提出一个计算框架，通过构建全面的细胞通讯网络来预测细胞内基因调控关系	1) 通过整合配体-受体相互作用、信号通路激活和转录因子调控网络，实现从细胞外信号到基因表达的端到端建模；2) 利用深度学习对受体介导的调控关系进行精确建模，以揭示细胞通讯驱动的细胞内机制	NA	解决现有方法未能考虑细胞通讯与下游基因调控网络协同作用的问题，并构建完整的细胞通讯网络以提高生物学意义和可解释性	细胞内基因调控关系	机器学习	NA	空间转录组学	深度学习	空间转录组数据	NA	NA	NA	NA	NA
11053	2026-01-27	AAPPE: Protein-Ligand Binding Affinity Prediction Leveraging Amino Acid Pair Positional Encoding in Deep Learning 2026-Jan-26, Journal of chemical information and modeling IF:5.6Q1 DOI:10.1021/acs.jcim.5c01872 PMID:41124588	研究论文	本研究提出了一种名为氨基酸对位置编码（AAPPE）的深度学习框架，用于准确预测蛋白质-配体结合亲和力	引入了基于生物相关性的位置决定原子对距离编码方法，构建了不依赖配体结合构象的3124维特征集	在CASF-2016基准上评估，但未提及在其他数据集或真实药物发现场景中的泛化能力验证	加速药物发现过程，改进蛋白质-配体结合亲和力的预测精度	蛋白质口袋中的氨基酸与配体分子	机器学习	NA	深度学习	深度学习框架	蛋白质结构数据、配体分子指纹	NA	NA	AAPPE（氨基酸对位置编码框架）	MAE, RMSE, R²	NA
11054	2026-01-27	Explainable judgment prediction and article-violation analysis using deep LexFaith hierarchical BERT model 2026-Jan-03, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-32833-x PMID:41484298	研究论文	本研究提出了一种名为LexFaith-HierBERT的深度学习模型，用于预测法律判决中的违规类型及具体违反的法律条款	提出了结合分层BERT编码器、关系推理头和忠实感知注意力机制的新架构，能够捕捉词间和词内依赖关系，提升预测透明度和可解释性	未提及模型在跨法域或不同语言法律文本上的泛化能力，也未说明训练数据的具体规模和多样性限制	开发可解释的法律判决预测和条款违规分析人工智能系统	法律文档中的违规类型识别和具体法律条款违反分析	自然语言处理	NA	深度学习文本分析	BERT, Transformer	文本（法律文档）	NA	NA	分层BERT（Hierarchical BERT）	准确率, 微平均F1分数	NA
11055	2026-01-27	Deep learning-enabled segmentation of knee cartilage in conventional magnetic resonance images: Internal and external validation of different models 2026-Jan, The Knee DOI:10.1016/j.knee.2025.10.024 PMID:41241647	研究论文	本研究提出了一种深度学习模型，用于在常规质子密度脂肪饱和MRI序列中分割膝关节软骨，以评估软骨形态并辅助后续损伤分级	采用3D Res U-net模型进行膝关节软骨分割，并在内部和外部验证中展示了优于3D U-net和3D V-net的性能	研究为回顾性设计，样本量相对有限（共254例），且仅基于两个放射中心的MRI数据，可能影响模型的泛化能力	开发并验证深度学习模型以准确分割膝关节软骨，用于临床评估膝痛来源和骨关节炎的分类与治疗	膝关节软骨，具体包括外侧股胫关节、内侧股胫关节和髌股关节的软骨区域	医学影像分析	骨关节炎	常规质子密度脂肪饱和MRI序列	深度学习	MRI图像	254例膝关节MRI数据（来自254名患者），其中219例用于训练和内部验证，35例用于外部验证	NA	3D Res U-net, 3D U-net, 3D V-net	Dice系数, Jaccard指数	NA
11056	2026-01-26	Artificial intelligence in metagenome-assembled genome reconstruction: Tools, pipelines, and future directions 2026-Feb, Journal of microbiological methods IF:1.7Q4 DOI:10.1016/j.mimet.2026.107390 PMID:41506577	综述	本文综述了人工智能在宏基因组组装基因组重建中的应用工具、流程及未来方向	系统整合了传统与基于AI的宏基因组组装基因组重建工作流，并重点介绍了表示学习、基于图的分箱方法、AI组装器和抛光工具等创新点，以及可解释AI、联邦学习、多模态整合和基于大语言模型的注释等新兴趋势	NA	探讨人工智能如何克服宏基因组组装基因组重建中的技术挑战，并展望未来发展方向	宏基因组组装基因组重建流程，包括质量控制、组装、分箱、细化和注释	机器学习	NA	宏基因组测序	机器学习, 深度学习	宏基因组测序数据	NA	NA	NA	NA	NA
11057	2026-01-26	ProteinDJ: A high-performance and modular protein design pipeline 2026-Feb, Protein science : a publication of the Protein Society IF:4.5Q1 DOI:10.1002/pro.70464 PMID:41562285	研究论文	本文介绍了一个名为ProteinDJ的高性能模块化蛋白质设计流程，旨在解决现有蛋白质设计工具在可扩展性和吞吐量方面的限制	开发了一个专为高性能计算系统优化的开源蛋白质设计流程，通过Nextflow和Apptainer实现工作流并行化，显著提高了设计生成和测试的效率	未明确说明该流程在不同蛋白质靶点或结构类型上的通用性验证程度，也未提供与其他现有流程的直接性能比较数据	开发一个高效、可扩展的蛋白质设计流程，以加速新型合成蛋白质（特别是结合剂）的发现过程	合成蛋白质（蛋白质结合剂）的设计与验证	机器学习	NA	深度学习、蛋白质结构预测、序列设计	扩散模型、神经网络	蛋白质结构数据、序列数据	NA	Nextflow, Apptainer	RoseTTAFold Diffusion, ProteinMPNN, Full-Atom MPNN, AlphaFold2, Boltz-2	NA	高性能计算系统、GPU和CPU并行计算
11058	2026-01-26	Effects of Image Degradation on Deep Neural Network Classification of Scaphoid Fracture Radiographs: Comparison Study of Different Noise Types 2026-Jan-22, JMIR medical informatics IF:3.1Q2 DOI:10.2196/65596 PMID:41570307	研究论文	本研究评估了深度学习模型在检测舟骨骨折X光片时对不同图像扰动类型的鲁棒性	系统比较了多种图像退化类型（如高斯噪声、模糊、JPEG压缩等）对深度学习模型性能的影响，并量化了图像质量与模型准确性之间的相关性	研究仅针对舟骨骨折这一特定类型，未涵盖其他骨折或医学图像任务，且可能未考虑所有现实世界中的图像变异因素	评估深度学习模型在图像质量变化下的鲁棒性，并探索缓解性能下降的策略	舟骨骨折的X光片	计算机视觉	骨折	X光成像	深度学习模型	图像	NA	NA	NA	准确性, 假阴性率	NA
11059	2026-01-26	Integration of AR and deep learning-based image classification using CNN for construction project monitoring 2026-Jan-21, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-30149-4 PMID:41565721	研究论文	本研究开发了一个集成增强现实（AR）和基于深度学习的图像分类系统，用于建筑项目的实时进度监控	通过结合AR技术和CNN图像分类，系统不仅能识别建筑类别，还能判断施工阶段，从而更准确地反映实际进度，避免了传统方法仅基于元素计数的局限性	研究仅基于台湾淡江大学的一个室内装修项目案例进行验证，可能缺乏对不同建筑类型或更大规模项目的普适性测试	开发一个自动更新建筑项目进度的系统，通过识别建筑类别和施工阶段来提升进度监控的准确性	建筑项目的进度监控，特别是室内装修工程	计算机视觉	NA	增强现实（AR）、深度学习图像分类	CNN	图像	NA	NA	CNN	准确性	NA
11060	2026-01-26	Artificial intelligence for early diagnosis in emergency department 2026-Jan-19, Journal of anesthesia, analgesia and critical care DOI:10.1186/s44158-025-00334-y PMID:41555414	系统综述	本文系统综述了人工智能（AI）在急诊医学中用于早期诊断的应用，探讨了其如何通过机器学习和深度学习技术改变临床实践	系统性地总结了AI在急诊医学早期诊断中的创新应用，强调了其在风险分层、分诊优化和快速诊断方面的预测能力，并指出了算法透明度和临床信任等关键挑战	未提供具体的研究样本量或数据细节，主要基于现有文献的综述，缺乏原始实证数据	探讨人工智能在急诊医学中早期诊断的应用潜力与挑战	急诊医学中的急性疾病，如急性冠脉综合征、中风、脓毒症和呼吸衰竭	机器学习	心血管疾病	机器学习（ML）、深度学习（DL）	NA	临床数据、诊断数据、实验室数据、医学影像	NA	NA	NA	NA	NA