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
1361	2026-03-28	Deep Learning-Based Diagnostic Model for Ocular Surface Neoplastic Diseases 2026-Feb-24, American journal of ophthalmology IF:4.1Q1 DOI:10.1016/j.ajo.2026.02.033 PMID:41748055	研究论文	本研究开发了一种基于深度学习的诊断模型，用于识别眼表肿瘤性疾病，并评估其诊断性能	首次应用YOLOv5深度学习模型于眼表肿瘤的自动诊断，并通过与不同级别眼科专家的比较验证了其高诊断准确性	对于罕见恶性肿瘤（如黑色素瘤和MALT淋巴瘤）的诊断性能有限，需要进一步优化	开发并评估一个深度学习模型，用于辅助诊断眼表肿瘤性疾病	眼表肿瘤图像，包括痣、角膜缘皮样瘤、MALT淋巴瘤、眼表鳞状上皮瘤、黑色素瘤、睑裂斑和翼状胬肉	计算机视觉	眼表肿瘤性疾病	裂隙灯显微镜成像	CNN	图像	1491张眼表图像，代表7种疾病，外部验证使用299张图像	PyTorch	YOLOv5	阳性预测值, 曲线下面积, 敏感性, 特异性	NA
1362	2026-03-28	Graph Learning in Bioinformatics: A Survey of Graph Neural Network Architectures, Biological Graph Construction and Bioinformatics Applications 2026-02-23, Biomolecules IF:4.8Q1 DOI:10.3390/biom16020333 PMID:41750401	综述	本文综述了图神经网络在生物信息学中的应用，涵盖图构建、架构设计和生物医学应用	提供了一个结构化框架，从图构建、GNN架构到生物医学应用三个维度系统梳理GNN在生物信息学中的方法与应用，并强调图质量、架构选择和训练动态对性能的联合影响	NA	为理解和应用图神经网络在生物信息学中提供一个系统框架	生物系统，包括蛋白质相互作用网络、基因调控回路、分子图和多组学整合等	生物信息学	NA	图神经网络	GNN, GCN, GAT, GraphSAGE, GIN	图数据	NA	NA	Graph Convolutional Networks, Graph Attention Networks, Graph Sample and AggregatE, Graph Isomorphism Network	NA	NA
1363	2026-03-28	Detection of esophageal varices and prediction of hepatic decompensation in unresectable hepatocellular carcinoma using AI 2026-Feb-10, Journal of hepatology IF:26.8Q1 DOI:10.1016/j.jhep.2026.01.021 PMID:41679555	研究论文	本研究开发并外部验证了基于AI的非侵入性模型，用于检测食管静脉曲张和预测肝失代偿，以改善不可切除肝细胞癌患者的预后评估	首次将基础模型HepatoSageCT应用于常规增强CT图像，结合临床数据，实现了对食管静脉曲张和肝失代偿风险的准确非侵入性预测	研究为回顾性设计，需要前瞻性验证来进一步确认模型的临床适用性	开发非侵入性模型以检测食管静脉曲张并预测肝失代偿风险，减少不必要的内镜检查并改善不可切除肝细胞癌患者的预后评估	接受阿特珠单抗-贝伐珠单抗治疗的不可切除肝细胞癌患者	数字病理学	肝细胞癌	对比增强CT	深度学习	图像, 临床数据	489名患者（开发队列279名，外部验证队列210名）	NA	HepatoSageCT	AUROC, 敏感性, 特异性, C指数, 风险比	NA
1364	2026-03-28	QPred: A Quantum Mechanical Property Predictor for Small Molecules 2026-Jan-26, Journal of chemical information and modeling IF:5.6Q1 DOI:10.1021/acs.jcim.5c02864 PMID:41490442	研究论文	本文提出了一种名为QPred的新型量子力学性质预测器，用于小分子的高通量筛选	提出了一种解耦的深度学习架构，能够自适应地利用2D拓扑图或3D几何信息进行分子性质预测，并引入了基于环的半主节点增强的MPNN和具有解耦更新机制的等变网络	未在摘要中明确说明	开发一种高效、高精度且可解释的分子性质预测方法，以加速分子发现过程	小分子的物理化学性质	机器学习	NA	深度学习	MPNN, 等变网络	2D拓扑图, 3D几何信息	NA	NA	Message Passing Neural Network (MPNN), 等变网络	NA	NA
1365	2026-03-28	Automated 3D segmentation of human vagus nerve fascicles and epineurium from micro-computed tomography images using anatomy-aware neural networks 2026-Jan-20, Journal of neural engineering IF:3.7Q2 DOI:10.1088/1741-2552/ae33f6 PMID:41494208	研究论文	本研究提出了一种基于深度学习的方法，用于从高分辨率微计算机断层扫描图像中自动三维分割人类迷走神经束和神经外膜	引入了新颖的解剖感知损失函数，确保预测结果符合神经拓扑结构，并开发了多类3D U-Net模型，显著提高了分割精度和解剖保真度	研究仅基于5名受试者的100个微CT体积数据，样本量相对较小，且未明确提及模型在其他神经类型或成像模态上的泛化能力	旨在通过自动化三维分割技术，精确量化神经形态，以支持有效的周围神经刺激疗法设计	人类迷走神经束和神经外膜	数字病理学	NA	微计算机断层扫描	U-Net	图像	100个微CT体积数据，来自5名受试者的颈部和胸部迷走神经	NA	3D U-Net, 2D U-Net	Dice相似系数, 体积重叠, 边界描绘, 神经束实例检测	NA
1366	2026-03-28	Deep learning feature-based model on abdominal radiography outperforms experts for early necrotizing enterocolitis diagnosis in neonates 2026-Jan-13, European radiology IF:4.7Q1 DOI:10.1007/s00330-025-12264-y PMID:41528473	研究论文	本研究开发了一种基于腹部平片和深度学习特征的模型，用于辅助新生儿坏死性小肠结肠炎（NEC）的早期诊断，并在外部验证中表现优于人类专家	首次将深度学习特征提取（使用DenseNet121）与放射组学模型（逻辑回归和随机森林）结合，应用于腹部平片以诊断早期NEC，并在多中心数据中验证其性能超越人类专家	研究为回顾性设计，样本量相对有限（共680例），且仅基于两家中心的数据，未来需要前瞻性研究和更大规模的外部验证	探索深度学习模型在辅助新生儿坏死性小肠结肠炎（NEC）早期诊断中的应用	接受腹部平片检查的新生儿	数字病理学	坏死性小肠结肠炎	腹部平片放射成像	CNN, 机器学习模型	图像	共680名新生儿（训练队列380例，外部验证队列300例）	PyTorch（推断自DenseNet121的常见实现）, Scikit-learn	DenseNet121	AUC, 准确率	NA
1367	2026-03-28	A Deep Learning Model to Identify Mitral Valve Prolapse From the Echocardiogram 2026-Jan, JACC. Cardiovascular imaging DOI:10.1016/j.jcmg.2025.08.011 PMID:41031982	研究论文	本研究开发了一种名为DROID-MVP的深度学习模型，用于从超声心动图视频中自动识别二尖瓣脱垂	首次提出一个深度学习模型DROID-MVP，能够从超声心动图视频中自动诊断二尖瓣脱垂，并与临床终点（如二尖瓣反流严重程度和未来手术需求）相关联	模型主要基于单一医疗中心（MGH）的数据进行训练，外部验证虽包含BWH数据，但样本量相对较小，可能存在泛化性限制	开发一个深度学习模型，以自动化二尖瓣脱垂的诊断过程，减少对专业知识和时间的依赖	心脏科患者和初级保健患者的超声心动图视频数据	计算机视觉	心血管疾病	超声心动图	深度学习模型	视频	总计1,043,893个超声心动图视频（来自48,829项研究），涉及16,902名MGH心脏科患者、8,888名MGH初级保健患者和257名BWH初级保健患者	未明确提及	DROID-MVP（未指定具体架构如ResNet、CNN等）	AUROC, 平均精度	未明确提及
1368	2026-03-28	DRFC: An efficient cloud-based feature reduction and clustering algorithm for agricultural product and remote-sensing imagery 2026, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0344526 PMID:41880308	研究论文	本文提出了一种高效的云原生特征降维与聚类算法DRFC，用于处理农业产品和遥感图像，以解决深度学习模型在资源受限环境中的部署问题	DRFC算法结合轻量级降维与动态资源流管理，能动态分配云资源并保持高维数据结构的判别性，在资源效率上优于传统方法	算法主要针对资源受限环境设计，可能不适用于需要极高精度的复杂深度学习任务	开发一种可扩展、资源高效的解决方案，用于处理农业近距离图像和高尺度遥感图像	农业产品图像（如水果）和遥感图像（如农作物数据）	计算机视觉	NA	特征降维与聚类算法	NA	图像	两个基准数据集：Fruits-360（产品级分类）和USDA Cropland Data Layer/BigEarthNet（作物级分析）	NA	NA	准确率, F1分数, mAP, 资源效率指标	云原生环境，分布式节点
1369	2026-03-28	Prostate cancer tissue mapping and stratification using DRAQ5 and Eosin fluorescent labels integrated with AI classification and segmentation algorithms 2026, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0345014 PMID:41886726	研究论文	本研究开发了基于DRAQ5和Eosin荧光标记的深度学习模型，用于前列腺癌组织的分类和分割，以评估其在临床诊断中的应用潜力	结合DRAQ5和Eosin荧光标记与AI分类分割算法，系统探究了图像采集和配置变异性对AI预测准确性的影响，并建立了自动Gleason分级（1-5）组织样本的实验和分析稳健性界限	未明确说明样本的具体数量或来源多样性，且未来研究需进一步扩展以将荧光生物标志物与AI方法结合应用于临床	开发用于前列腺组织分类和分割的深度学习模型，评估荧光成像与AI工具在临床诊断中的潜在应用	前列腺组织样本，使用DRAQ5和Eosin荧光标记	数字病理学	前列腺癌	荧光显微镜，DRAQ5和Eosin探针标记	深度学习网络	荧光图像	NA	NA	NA	AUC, DICE分数	NA
1370	2026-03-27	Feasibility of Free-breathing Deep Learning-reconstructed Single-Shot Cine MRI in Participants with Arrhythmia: Comparison with Conventional Segmented Cine MRI 2026-Apr, Radiology. Cardiothoracic imaging DOI:10.1148/ryct.250298 PMID:41885622	研究论文	本研究评估了基于深度学习压缩感知重建的自由呼吸单次激发心脏电影MRI在心律失常患者中的可行性，并与传统分段采集电影MRI进行对比	首次将深度学习增强的压缩感知技术应用于自由呼吸、单次激发的心脏电影MRI序列，并在心律失常患者中验证其临床可行性，显著缩短扫描时间并减少运动伪影	样本量相对较小（70名参与者），研究仅在1.5T MRI扫描仪上进行，缺乏多中心验证	评估深度学习重建单次激发电影MRI在测量左心室结构和功能方面的临床可行性	健康志愿者和疑似心律失常的参与者	医学影像分析	心血管疾病	心脏磁共振成像，深度学习增强压缩感知，平衡稳态自由进动序列	深度学习模型	心脏磁共振图像	70名参与者（25名健康志愿者，45名疑似心律失常患者）	NA	NA	欧洲心血管磁共振注册评分，图像质量评分，扫描时间，左心室容积参数一致性	1.5T MRI扫描仪
1371	2026-03-27	Automated acquisition of explainable knowledge from unannotated colposcopic images for predicting the natural course of CIN2 2026-Mar-26, International journal of gynaecology and obstetrics: the official organ of the International Federation of Gynaecology and Obstetrics DOI:10.1002/ijgo.70976 PMID:41884887	研究论文	本研究开发了一种基于深度学习的预后模型，利用阴道镜图像预测CIN2的自然病程结局（消退、持续、进展），并提供临床风险分层	首次利用无标注的阴道镜图像通过自动化特征提取和聚类分析，结合机器学习模型预测CIN2预后，并提供了可解释的风险特征	研究为回顾性设计，样本量相对较小（212例），且仅基于单一中心数据，可能影响模型的泛化能力	开发预测宫颈上皮内瘤变2级（CIN2）自然病程结局的预后模型，实现个体化临床管理	212例诊断为CIN2的患者及其阴道镜图像（包括未染色、醋酸染色和卢戈碘染色图像）	数字病理学	宫颈癌	阴道镜成像，醋酸染色，卢戈碘染色	逻辑回归, XGBoost, 随机森林, Extra Trees	图像	212例患者	Scikit-learn, XGBoost	NA	宏AUC, 灵敏度, 准确率, 精确召回曲线, 决策曲线分析	NA
1372	2026-03-27	FDS-CAP: Modeling Fragmented Disease Subgraphs with Component-Level Attention for Comorbidity Prediction 2026-Mar-26, Journal of computational biology : a journal of computational molecular cell biology IF:1.4Q2 DOI:10.1177/15578666261427466 PMID:41885386	研究论文	提出一种名为FDS-CAP的新型图深度学习框架，用于通过建模人类相互作用组中的碎片化疾病子图来预测疾病共病	首次引入组件级注意力机制来聚合碎片化疾病子图中连接组件的嵌入，从而更准确地表示反映生物复杂性的疾病，以改进共病预测	仅通过一个胶质瘤的案例研究来展示其生物学可解释性，可能缺乏更广泛的验证	预测人类疾病之间的共病关系，以揭示共享的病理生理机制并改进诊断和治疗策略	人类疾病网络中的疾病关联	机器学习	胶质瘤	图深度学习	Subgraph Neural Networks (SUBGNN), Variational Graph Auto-Encoder	图数据	基准数据集（具体数量未提及）	NA	SUBGNN, Variational Graph Auto-Encoder	AUROC	NA
1373	2026-03-27	A Two-Module Parallel Dual-Domain Network for interior tomography reconstruction 2026-Mar-26, Journal of X-ray science and technology IF:1.7Q3 DOI:10.1177/08953996261433954 PMID:41885505	研究论文	本文提出了一种用于内部断层扫描重建的双模块并行双域网络（TPDDN），通过整合投影域和图像域信息来提升重建图像质量	提出了一个端到端的深度学习框架TPDDN，包含初始恢复模块和交互融合模块，通过并行交互分支实现投影域与图像域的双向特征交互与信息融合，有效抑制截断数据引起的杯状伪影	NA	开发一种并行网络，有效整合投影域和图像域信息，以改进内部断层扫描重建	内部断层扫描重建	计算机视觉	NA	计算机断层扫描（CT）	深度学习网络	图像	NA	NA	双模块并行双域网络（TPDDN）	定性性能，定量性能	NA
1374	2026-03-27	Enhancing drug synergy in malignant diseases with deep architecture optimization algorithms 2026-Mar-26, Computer methods in biomechanics and biomedical engineering IF:1.7Q3 DOI:10.1080/10255842.2026.2646310 PMID:41885799	研究论文	本文通过超参数优化算法提升深度学习模型在预测恶性疾病药物协同作用方面的性能	强调超参数优化算法在药物协同作用预测模型中的关键作用，并探讨不同优化策略和超参数选择对模型效果的影响	超参数优化的效果高度依赖于具体任务和数据集，可能缺乏普适性	优化深度学习模型的超参数以提高恶性疾病药物协同作用的预测准确性	恶性疾病（如癌症）的药物协同作用预测	机器学习	癌症	深度学习	深度学习模型	大规模数据集（可能包括药物筛选数据）	NA	NA	NA	准确率	NA
1375	2026-03-27	Fundus tessellation density as a quantitative marker of myopia progression: a five-year longitudinal deep learning study 2026-Mar-26, Graefe's archive for clinical and experimental ophthalmology = Albrecht von Graefes Archiv fur klinische und experimentelle Ophthalmologie DOI:10.1007/s00417-026-07200-9 PMID:41886079	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
1376	2026-03-27	Fast and accurate identification of emerging viral reassortment from genome sequences 2026-Mar-19, Nucleic acids research IF:16.6Q1 DOI:10.1093/nar/gkag255 PMID:41885208	研究论文	本研究开发了一种名为VReassort的工具，用于基于基因组序列快速准确地识别新兴病毒重配事件	结合深度学习模型和系统发育树衍生特征，实现了对病毒重配事件的高效检测，速度比基准工具快100倍以上	未明确说明工具在其他类型分段病毒上的泛化性能限制	开发快速准确识别新兴病毒重配事件的工具	分段病毒基因组序列，特别是甲型流感病毒和轮状病毒	生物信息学	流感	基因组测序	深度学习模型	基因组序列数据	模拟数据、约1000株甲型流感病毒株、超过8000株甲型流感病毒株的大规模数据	NA	NA	F1分数	NA
1377	2026-03-27	A deep learning approach to broadband modal propagation in various shallow water waveguides 2026-Mar-01, The Journal of the Acoustical Society of America IF:2.1Q1 DOI:10.1121/10.0043177 PMID:41885549	研究论文	本文提出了一种基于神经网络的深度学习方法，用于近似和加速水下声学传播中的宽带模态参数计算	引入神经网络来预测模态参数（如水平波数和模态深度函数），以替代计算密集型的传统模态模拟方法，显著提高计算效率	模型训练基于范围独立的环境，可能无法完全适应动态海洋环境或未知海底的复杂变化	加速水下声学传播模拟，特别是针对宽带信号或迭代应用如反演	浅海波导中的声学模态传播	机器学习	NA	神经网络	神经网络	模拟数据	使用Kraken正常模态代码生成的训练数据，覆盖50-500 Hz频率范围和可变环境参数的浅海波导	NA	NA	NA	NA
1378	2026-03-27	A Transformer-Based Deep Learning Model for predicting Early Recurrence in Hepatocellular Carcinoma After Hepatectomy Using Intravoxel Incoherent Motion Images 2026, Journal of hepatocellular carcinoma IF:4.2Q2 DOI:10.2147/JHC.S564217 PMID:41884404	研究论文	本研究开发并验证了一种基于Transformer框架的深度学习模型，利用体素内不相干运动扩散加权成像预测肝细胞癌肝切除术后早期复发	首次将视觉Transformer框架应用于IVIM-DWI图像，通过融合九个b值DWI图像和IVIM参数图的深度特征构建预测模型，并结合临床特征提升预测性能	回顾性研究设计，样本量较小（122例患者），缺乏外部验证队列	开发术前预测肝细胞癌肝切除术后早期复发的深度学习模型	肝细胞癌患者	数字病理学	肝细胞癌	磁共振成像，体素内不相干运动扩散加权成像	Transformer	医学影像	122例患者（训练集85例，测试集37例）	NA	视觉Transformer	曲线下面积	NA
1379	2026-03-25	Toward a unified pipeline for natural product discovery: tools and strategies for NRPS and PKS pathway exploration and engineering 2026-02-25, Natural product reports IF:10.2Q1 DOI:10.1039/d5np00041f PMID:40719200	综述	本文综述了将非核糖体肽合成酶和聚酮合酶系统转变为理性设计平台的最新进展，涵盖基因组挖掘、高通量筛选、合成生物学和计算建模等工具与策略	强调计算建模（如同源建模、分子对接、分子动力学模拟）和深度学习策略与传统技术相结合，加速定制天然产物类似物的发现与组装	NA	探索和改造非核糖体肽合成酶和聚酮合酶生物合成途径，以发现和设计新型天然产物	非核糖体肽合成酶和聚酮合酶系统及其产生的天然产物（如抗生素、免疫抑制剂、抗癌剂）	计算生物学, 合成生物学	NA	基因组挖掘, 高通量筛选, 去重复化, 同源建模, 分子对接, 分子动力学模拟	深度学习模型	基因组数据, 蛋白质结构数据, 化学数据	NA	NA	NA	NA	NA
1380	2026-03-24	Granular stockpile volume dataset 2026-Jun, Data in brief IF:1.0Q3 DOI:10.1016/j.dib.2026.112631 PMID:41869581	研究论文	本研究介绍了一个用于基于视觉的无人机系统（UAS）体积测量的标注数据集，旨在提高颗粒状料堆体积测量的准确性和自动化水平	首次提供了一个全面的UAS数据集，涵盖了不同天气条件、料堆尺寸、相机角度、飞行模式和图像重叠等参数，并包含标注的3D点云数据，支持3D深度学习模型开发	数据集为横断面设计，料堆未随时间单独追踪，且数据收集期间其中一个站点的料堆体积发生了变化	开发一个标注的UAS数据集，以促进基于视觉的无人机系统在颗粒状料堆体积测量中的应用，并研究视觉数据收集参数对测量结果的影响	颗粒状料堆（沙子和砾石材料），共47个料堆，体积范围从51 m³到3000 m³	计算机视觉	NA	无人机系统（UAS）数据采集，Pix4D摄影测量	3D深度学习模型	图像，3D点云	1521张图像，来自47个料堆，覆盖两个不同站点	NA	NA	NA	NA