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
21	2026-07-08	Selective multimodal deep learning for reliable breast cancer subtype classification from histopathology and genomic data 2026-Feb-23, Medical engineering & physics IF:1.7Q3 DOI:10.1088/1873-4030/ae449b PMID:41671586	研究论文	提出一种选择性多模态深度学习框架，结合组织病理学和RNA-seq数据，用于可靠地分类乳腺癌亚型	引入不确定性感知的智能路由机制，仅在不确定样本上使用多模态推理，实现3.12倍计算加速并在TCGA-BRCA数据集上达到94.93%准确率	仅基于TCGA-BRCA单一数据集验证，需要更多外部数据集和前瞻性临床验证	提高乳腺癌亚型分类的准确性、可解释性和计算效率	TCGA-BRCA数据集中924例患者的组织病理学全切片图像和RNA-seq转录组数据	数字病理学, 自然语言处理（基因表达分析）	乳腺癌	RNA-seq, 组织病理学成像	CTransPath视觉Transformer, 注意力机制, 路由网络	图像（组织病理学WSI）, 文本（RNA-seq表达谱）	924例TCGA-BRCA患者（PAM50分子亚型）	PyTorch	CTransPath, 门控注意力, 交叉注意力, 拼接融合	准确率, 混淆矩阵, 计算速度（3.12倍加速）	NA
22	2026-07-08	Text-Based Depression Estimation Using Machine Learning With Standard Labels: Systematic Review and Meta-Analysis 2026-Feb-11, Journal of medical Internet research IF:5.8Q1 DOI:10.2196/82686 PMID:41671575	系统综述与meta分析	系统评价和Meta分析基于标准标签的文本抑郁估计机器学习模型的预测性能	首次聚焦使用标准抑郁标签（临床诊断或验证量表）的文本抑郁模型，排除弱标签研究，提高可靠性；发现嵌入特征、深度学习架构和临床诊断标签显著提升模型性能；报告质量与模型性能正相关	纳入研究数量有限（11项研究15个模型），未能全面探索所有异质性来源；部分亚组分析可能受小样本量影响	评估使用标准标签的文本抑郁模型的预测性能，并识别文本资源、文本表示、模型架构、标注来源和报告质量对性能异质性的影响	11项研究中的15个基于参与者生成文本的机器学习模型	自然语言处理	抑郁症	NLP	深度学习、浅层模型	文本	15个模型来自11项研究，原始文章扫描3067篇	NA	嵌入表示模型、深度学习架构、浅层模型	效应量r（含95%置信区间）	NA
23	2026-07-07	Staining normalization in histopathology: Method benchmarking using multicenter dataset 2026-Feb-26, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-40943-3 PMID:41748767	研究论文	使用多中心数据集对组织病理学染色归一化方法进行基准测试	收集了来自66个不同实验室的独特多中心组织图像数据集，并全面比较了八种染色归一化方法的性能	未提及具体的局限性信息	评估不同染色归一化方法在多中心组织图像上的表现，并为提高模型泛化性提供策略	来自结肠、肾脏和皮肤的组织样本的H&E染色图像	数字病理学	NA	H&E染色	深度学习模型（CycleGAN, Pix2pix）	图像	66个不同实验室染色的组织样本数据集	NA	CycleGAN, Pix2pix	定量和定性评估指标	NA
24	2026-07-07	A deep learning model based on ultrasound imaging to differentiate malignant from benign pleural effusion: a multicenter cohort study 2026-Feb-11, Respiratory research IF:4.7Q1 DOI:10.1186/s12931-026-03574-w PMID:41673850	研究论文	开发基于超声图像的深度学习模型以区分恶性和良性胸腔积液，并进行了多中心队列研究	提出了一种利用超声图像的非侵入性深度学习方法来诊断恶性胸腔积液，避免了传统胸腔穿刺的有创性	研究中仅使用了来自两个医院的数据，外部测试集的样本量较小，且模型敏感性为0.818，特异性为0.611，可能存在不平衡或过度拟合问题	探索深度学习模型作为非侵入性诊断工具在区分恶性和良性胸腔积液中的应用潜力	601名内部队列患者和144名外部队列患者的超声图像数据	计算机视觉	肺部疾病（恶性胸腔积液）	超声成像	卷积神经网络	图像（超声图像）	内部队列601名患者和外部队列144名患者	未提及	未提及具体架构	准确率、F1分数、敏感性、特异性、AUC	未提及
25	2026-07-07	A data-driven modeling approach to prediction of persistent foot drop after gastroc-soleus lengthening surgery in children with cerebral palsy 2026-02, Gait & posture IF:2.2Q2 DOI:10.1016/j.gaitpost.2025.110010 PMID:41223483	research paper	利用术前步态和临床数据预测脑瘫儿童腓肠肌-比目鱼肌延长术后持续性足下垂的深度学习方法	首次将深度学习模型（结合卷积神经网络和前馈神经网络）用于预测GSL术后踝关节背屈角度，并利用SHAP值解释关键风险因素	NA	预测脑瘫儿童GSL术后足下垂并识别相关风险因素	110名脑瘫儿童（36例偏瘫，74例双瘫）	machine learning	geriatric disease	步态分析	CNN, 前馈神经网络	步态数据, 临床数据	110名脑瘫儿童	NA	卷积神经网络, 前馈神经网络	均方根误差, 准确率	NA
26	2026-07-07	Fully automated volumetric assessment of tumor burden using artificial intelligence on 68Ga-PSMA-11 PET predicts survival after 177Lu-PSMA therapy in metastatic Castration-resistant prostate cancer 2026-02, European journal of nuclear medicine and molecular imaging IF:8.6Q1 DOI:10.1007/s00259-025-07628-x PMID:41111086	研究论文	利用人工智能对68Ga-PSMA-11 PET进行全自动肿瘤负荷体积评估，预测转移性去势抵抗性前列腺癌患者接受177Lu-PSMA治疗后的生存情况	首次证明了基于深度学习的PSMA PET/CT自动分割肿瘤负荷量化指标（PSMATV、PSMATU、PSMATQ）对接受177Lu-PSMA治疗的mCRPC患者具有预后价值，并构建了结合PSMATQ和临床因素的诺模图用于风险分层	回顾性研究设计	探索基于AI的PSMA PET/CT肿瘤负荷量化对接受177Lu-PSMA治疗的mCRPC患者的预后意义	107名接受177Lu-PSMA治疗的转移性去势抵抗性前列腺癌（mCRPC）患者	计算机视觉, 数字病理学	前列腺癌	PET/CT, 68Ga-PSMA-11, 177Lu-PSMA	深度学习	图像	107名患者	NA	NA	C-index, 风险比	NA
27	2026-07-05	Deep learning for fast screening and localization of spinal dural arteriovenous fistulas to enhance clinical workflow 2026-Feb-27, NPJ digital medicine IF:12.4Q1 DOI:10.1038/s41746-026-02474-z PMID:41760890	研究论文	开发一种结合3D卷积神经网络与解剖先验知识的自动化AI系统（SDAVFdoc），用于快速筛查和定位脊髓硬脊膜动静脉瘘（SDAVF），并在多中心研究中进行验证	首次将解剖先验知识与3D卷积神经网络相结合，用于SDAVF的自动筛查和定位，显著减少了处理时间（从40.75分钟降至1.05分钟）和操作点击次数（从761次降至9次）	未明确提及限制，可能包括对数据集依赖性强、在不同设备或中心间的泛化性需进一步验证	开发并验证一种自动化AI系统，以提高SDAVF检测的效率和准确性，优化临床工作流程	718名患者的脊髓CTA图像，用于训练和测试SDAVF检测和定位系统	医学影像分析、计算机视觉、深度学习	脊髓硬脊膜动静脉瘘	CTA成像	3D卷积神经网络（3D CNN）和DenseNet	图像（3D脊髓CTA图像）	718名患者	NA	3D CNN、DenseNet	F1分数（0.932-0.960）、AUC（0.928-0.954）	NA
28	2026-07-05	FATE-MAP predicts teratogenicity and human gastrulation failure modes by integrating deep learning and mechanistic modeling 2026-Feb-19, Nature communications IF:14.7Q1 DOI:10.1038/s41467-026-69596-6 PMID:41714622	研究论文	FATE-MAP通过整合深度学习和机理建模预测致畸性和人类原肠胚形成失败模式	结合深度学习（Transformer）和偏微分方程（PDE）模拟形态发生素运输，创建了预测人类原肠胚形成失败模式的集成平台，并成功识别两个可能致畸的临床分子	未明确提及	阐明人类原肠胚形成失败模式，并加速安全治疗药物发现	人类2D原肠胚模型	机器学习	先天性畸形	高通量药物处理、深度学习、形态发生素建模	Transformer（深度学习）	图像（药物处理后的原肠胚表型）、化学结构数据	超过2000个药物处理的人类2D原肠胚	PyTorch	Transformer	NA	NA
29	2026-07-05	A hierarchical interaction message net for accurate molecular property prediction 2026-Feb-14, Communications chemistry IF:5.9Q1 DOI:10.1038/s42004-026-01922-x PMID:41691119	research paper	提出一种分层交互消息网络（HimNet），通过分层注意力引导的消息传递实现原子、基序和分子级别的交互感知表示学习，用于精准分子属性预测	提出了分层交互消息传递机制（HI-MPM），通过注意力引导的分层消息传递实现多层级特征的有效交互，平衡全局与局部信息	NA	实现精准的分子属性预测，包括ADMET特性，以支持药物发现的早期决策	小分子化合物	machine learning	NA	NA	图神经网络、Transformer	分子结构数据	11个数据集，包括8个MoleculeNet基准数据集和3个高价值数据集	NA	分层交互消息网络（HimNet）	最佳或接近最佳性能	NA
30	2026-07-05	Artificial intelligence-assisted assessment of metabolic response to tebentafusp in metastatic uveal melanoma: a long axial field-of-view [18F]FDG PET/CT study 2026-02, European journal of nuclear medicine and molecular imaging IF:8.6Q1 DOI:10.1007/s00259-025-07504-8 PMID:40913640	研究论文	评估人工智能辅助的[18F]FDG长轴向视野PET/CT在转移性葡萄膜黑色素瘤患者中对tebentafusp治疗代谢反应的可行性和预后价值	首次结合深度学习分割工具（RECOMIA平台）和AI辅助PERCIST 1.0标准，评估tebentafusp治疗的mUM患者的代谢反应，并验证其预后价值	样本量较小（仅15例患者），且ctDNA数据仅部分患者可用（8例），可能限制统计显著性	探讨AI辅助量化及代谢反应评估在tebentafusp治疗的mUM患者中的可行性和预后价值	转移性葡萄膜黑色素瘤（mUM）患者	数字病理学	葡萄膜黑色素瘤	PET/CT	深度学习	影像数据	15例转移性葡萄膜黑色素瘤患者	RECOMIA	深度学习分割工具（具体架构未指定）	总生存期，TMTV，TLG，PERCIST反应评估	NA
31	2026-07-05	Habitat-aware radiomics and adaptive 2.5D deep learning predict treatment response and long-term survival in ESCC patients undergoing neoadjuvant chemoimmunotherapy 2026-02, European journal of nuclear medicine and molecular imaging IF:8.6Q1 DOI:10.1007/s00259-025-07522-6 PMID:40960691	研究论文	提出一个可解释的多模态框架，结合栖息地放射组学和自适应2.5D深度学习，预测食管鳞癌患者新辅助化学免疫治疗反应和长期生存	通过体素级栖息地放射组学定量描绘瘤内/瘤周异质性，结合2.5D深度学习模型和SHAP可解释性，识别耐药相关亚区域，实现可解释的双重诊断-预后分层	NA	开发可解释的多模态框架，预测食管鳞癌患者新辅助化学免疫治疗反应和长期生存	269例未经治疗的食管鳞癌患者，基线PET/CT数据	医学影像分析	食管鳞癌	PET/CT成像	CNN, 多实例学习, 集成学习	医学图像	269例食管鳞癌患者（训练集: 144例，验证集: 62例，测试集: 63例）	PyTorch, Scikit-learn	ResNet50, Crossformer	AUC, 灵敏度, 特异性, C指数, 校准曲线, 决策曲线分析	NA
32	2026-07-05	Can artificial intelligence predict failure of non-invasive respiratory support in the neonatal unit? 2026-02, Seminars in fetal & neonatal medicine IF:2.9Q1 DOI:10.1016/j.siny.2025.101692 PMID:41290497	综述	探讨人工智能在新生儿重症监护室预测无创通气失败中的应用潜力	首次系统综述人工智能技术（包括深度学习和传统机器学习）在新生儿无创通气失败预测中的应用，强调深度学习模型的优越性	现有研究样本量小、缺乏外部验证，通用性和临床整合仍需多中心大样本研究验证	评估人工智能模型预测新生儿无创通气失败的准确性及临床实用性	新生儿重症监护室中接受无创通气治疗的早产儿	机器学习	新生儿呼吸系统疾病	NA	深度学习模型（多模态深度神经网络）、逻辑回归、支持向量机	临床数据（胎龄、血氧饱和度、最大吸入氧浓度等）	6项研究共纳入3421名婴儿	NA	多模态深度神经网络	受试者工作特征曲线下面积	NA
33	2026-07-03	Dual-path deep learning framework for accurate and interpretable brain tumor diagnosis 2026-02-26, BMC medical informatics and decision making IF:3.3Q2 DOI:10.1186/s12911-026-03367-7 PMID:41749213	研究论文	提出一种双路径深度学习框架，结合肿瘤分类与内容检索，增强脑肿瘤诊断的可解释性和准确性	将轻量级GhostNetV3骨干网络、可变形卷积和解耦全连接注意力机制集成至双路径框架，并引入分类-检索一致性评分（CRAS）以量化预测与检索的对齐程度	未提及跨机构外部验证或与其他模型集成策略的比较	开发准确且可解释的脑肿瘤诊断框架，弥合自动预测与临床上下文之间的差距	脑肿瘤患者的T1加权对比增强MRI数据	数字病理学	脑肿瘤	MRI	GhostNetV3、可变形卷积、解耦全连接注意力	MRI图像	233名患者的3,064张图像	PyTorch	GhostNetV3	准确率、精确率、召回率、F1分数、平均检索精确率、Prec@10、CRAS	NA
34	2026-07-03	Using deep learning to explore the impacts of street-view green space on school myopia prevalence: a multicenter, cross-sectional study 2026-Feb-25, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-40477-8 PMID:41741618	研究论文	通过深度学习分析街景图像中的视觉绿度，比较其与NDVI对学校儿童近视患病率的影响	首次使用视觉绿度指数（VGI）从街景图像中评估绿度感知，并与传统NDVI指标对比其与近视患病率的关系	仅基于湖北省五城市的数据，未涵盖其他地区；研究为横断面设计，无法推断因果关系；模型未完全控制所有可能混杂因素	探索街景绿度（通过深度学习计算）对学校儿童近视患病率的影响	湖北省五城市146所学校的69051名儿童（从幼儿园到高中）	计算机视觉，机器学习	近视	街景图像分析，卫星遥感（Landsat 8）	DeepLab v3（深度学习模型）	图像（街景图像，卫星图像）	146所学校的69051名儿童	PyTorch（基于DeepLab v3的实现）	DeepLab v3	偏相关系数， P值	NA
35	2026-07-03	Motion as a Language: Transformer-Based Classification of Antimicrobial Peptide Conformational Dynamics 2026-Feb-10, Journal of chemical theory and computation IF:5.7Q1 DOI:10.1021/acs.jctc.5c01690 PMID:41609302	研究论文	应用Transformer神经网络架构对来自分子动力学模拟的抗菌肽构象时间序列进行分类，从而揭示构象动力学在药物设计中的重要性	首次将Transformer架构应用于抗菌肽构象动力学的分类，实现了对MD模拟产生的复杂构象数据的无监督分类，并为药物设计管道中恢复构象动力学的应有地位提供了新途径	NA	展示如何利用Transformer网络学习抗菌肽构象空间表示，以进行无监督分类，进而用于数据库筛选	来自分子动力学模拟的抗菌肽构象时间序列	自然语言处理, 机器学习	抗菌药物耐药性相关疾病	分子动力学模拟	Transformer	文本（构象时间序列）	NA	NA	Transformer	NA	NA
36	2026-07-03	SMF-DETR: An Efficient Lightweight Detection Transformer for Real-Time Bearing Surface Defect Detection 2026-02, Annals of the New York Academy of Sciences IF:4.1Q1 DOI:10.1111/nyas.70156 PMID:41319189	研究论文	提出一种轻量级高效检测变压器SMF-DETR，用于实时轴承表面缺陷检测	采用骨干网络中的元素级乘法运算实现高维特征映射，降低计算复杂度；多尺度边缘信息选择机制同步处理不同分辨率特征，提升小缺陷检测能力；频域动态卷积自适应提取最优特征并保持计算效率	未提及	提高轴承表面缺陷检测的实时性和准确性，降低计算复杂度和模型大小以适应边缘设备部署	轴承表面缺陷	计算机视觉	NA	NA	检测变压器	图像	自定义轴承缺陷数据集及公开轴承缺陷检测数据集和PASCAL视觉对象类数据集	NA	StarNet-MEIS-FDConv-DETR	平均精度均值（mAP@50）、准确率、每秒帧数（FPS）	桌面系统和嵌入式RK3588平台
37	2026-07-02	Deep learning-guided discovery of IL23/IL23R macromolecular inhibitors: An integrative framework combining virtual screening and experimental validation 2026-Feb, International journal of biological macromolecules IF:7.7Q1 DOI:10.1016/j.ijbiomac.2026.150581 PMID:41611152	研究论文	本文报道了一种结合深度生成模型和虚拟筛选的整合框架，用于发现靶向IL23/IL23R蛋白-蛋白相互作用的小分子抑制剂，并通过实验验证其机制	利用基于序列附着的片段嵌入（SAFE）深度生成模型设计新型p19靶向骨架，结合虚拟筛选和分子动力学模拟，首次发现了一种通过诱导受体刚性化和变构稳定来锁定IL23/IL23R复合物于非信号传导状态的抑制剂Inh-31	仅对31个候选化合物进行了细胞筛选，样本量较小；未提及长期毒性或体内药效验证；分子动力学模拟时间限于300纳秒，可能不足以完全捕获动态行为	开发一种新的计算方法结合实验验证，以发现靶向IL23/IL23R相互作用的小分子抑制剂，为慢性炎症疾病（如银屑病）提供治疗候选分子	IL23/IL23R蛋白-蛋白相互作用及其小分子抑制剂	机器学习	炎症性疾病（银屑病）	分子动力学模拟	SAFE深度生成模型	分子结构数据	31个候选化合物	NA	SAFE（序列附着片段嵌入）	NA	NA
38	2026-07-01	Deep learning approaches to map individual differences in macroscopic neural structure with variations in spatial navigation behavior 2026-02-15, Neuropsychologia IF:2.0Q3 DOI:10.1016/j.neuropsychologia.2025.109352 PMID:41443585	研究论文	使用深度学习方法探究大脑宏观神经结构的个体差异与空间导航行为之间的关系	采用数据驱动方式，开发并比较图卷积神经网络和3D卷积神经网络，分析复杂脑结构特征是否能够预测年轻人的空间导航能力	样本量较小（N=90），仅使用单一行为测量指标，预测能力有限	探究健康年轻人群中大脑复杂结构特征与空间导航能力之间的关联	健康年轻成年人（N=90）	机器学习	NA	T1 MRI	图卷积神经网络, 3D卷积神经网络	T1 MRI图像	90名健康年轻成年人	NA	GCNN, 3DCNN	NA	NA
39	2026-07-01	Development and validation of a deep learning-powered system for multi-version global alignment and proportion score to predict mechanical complications after adult degenerative scoliosis surgery 2026-02, European spine journal : official publication of the European Spine Society, the European Spinal Deformity Society, and the European Section of the Cervical Spine Research Society IF:2.6Q1 DOI:10.1007/s00586-025-08995-7 PMID:40468028	研究论文	开发并验证了一种基于深度学习的多版本全局对齐与比例评分自动计算系统，用于预测成人退变性脊柱侧弯术后机械并发症	首次将深度学习技术整合到GAP评分计算中，实现了可编辑多版本GAP评分的自动计算，并提出了针对中国人群的种族-年龄-性别调整版C-GAP评分，提升了预测性能	研究可能受限于回顾性队列设计，且LDI在预测中贡献最小，需进一步优化评分成分	开发深度学习驱动的工具以自动计算多版本GAP评分，提高预测成人退变性脊柱侧弯术后机械并发症的效率和准确性	成人退变性脊柱侧弯手术患者及脊柱X光影像	计算机视觉	成人退变性脊柱侧弯	X光影像	深度学习检测模型	图像	3485张脊柱X光影像（含螺钉和无螺钉图像）	NA	NA	平均精度均值, AUC	NA
40	2026-07-01	Extending convolutional neural networks to detect differences in symmetry in videorasterstereographic back scans with the aim to improve screening for adolescent idiopathic scoliosis 2026-02, European spine journal : official publication of the European Spine Society, the European Spinal Deformity Society, and the European Section of the Cervical Spine Research Society IF:2.6Q1 DOI:10.1007/s00586-025-09520-6 PMID:41207964	研究论文	提出两种对称敏感性卷积神经网络在视频光栅立体背部扫描中识别不对称性，以改进青少年特发性脊柱侧弯筛查	将对称性分析引入卷积神经网络，通过DeepSymNet分别处理躯干左右侧图像并合并结果以识别不对称性	数据集包含多种姿势状况，混淆AIS特征，且轻度病例不足，影响模型性能	通过对称性敏感的CNN改进青少年特发性脊柱侧弯的筛查	青少年脊柱侧弯（AIS）及其他脊柱畸形患者、健康姿势个体的背部扫描图像	计算机视觉	青少年特发性脊柱侧弯	视频光栅立体扫描	卷积神经网络	图像	1444例（355例AIS，306例其他脊柱畸形，783例健康）	NA	VGG16, DeepSymNet	准确率, 特异性, 灵敏度, 阳性预测值	NA