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
61	2026-08-26	Artificial Intelligence-based detection of neuropsychiatric lupus: an exploratory meta-analysis of neuroimaging and multimodal biomarker models 2026-Feb-02, Clinical and experimental medicine IF:3.2Q2 DOI:10.1007/s10238-025-02030-1 PMID:41627551	meta分析	本文是一项探索性荟萃分析，系统评估了基于人工智能的神经影像和多模态生物标志物模型在检测神经精神狼疮中的诊断性能和方法学稳健性	首次对AI模型在神经精神狼疮检测中的诊断性能进行系统性荟萃分析，并评估了异质性和方法学特征	研究间异质性显著，汇总估计不稳定，外部验证和可解释性方法不常见，限制了临床适用性的结论	描述AI模型在检测系统性红斑狼疮神经精神受累中的报告诊断性能、异质性和方法学特征	神经精神系统性红斑狼疮患者	人工智能，神经影像	神经精神狼疮，系统性红斑狼疮	神经影像（结构或功能性MRI）、磁共振波谱、脑脊液或血清生物标志物	机器学习、深度学习	神经影像数据、生物标志物数据	14项研究，超过800名参与者	NA	NA	AUC、准确率、敏感性、特异性	NA
62	2026-08-26	Application of AI-assisted magnifying colonoscopy system in the diagnosis of colorectal tumors: a multicenter exploratory diagnostic study 2026-02, Surgical endoscopy DOI:10.1007/s00464-025-12196-0 PMID:41238992	研究论文	本研究开发了一种基于JNET分类的AI辅助诊断模型，用于放大结肠镜图像中结直肠肿瘤的诊断，并在多中心环境中与不同经验水平的内镜医师进行比较评估	创新性地将改进的DeepLabV3+模型应用于放大结肠镜图像的JNET分类，并首次在多中心研究中评估其诊断性能，证明其可显著提升初级内镜医师的诊断准确率	需要在真实临床环境中进一步评估其有效性和成本效益，可能受限于样本来源的多样性和图像的特定采集条件	开发并评估一种基于JNET分类的AI辅助诊断模型，以提高结直肠肿瘤的诊断准确性和一致性	结直肠肿瘤的放大内镜图像，包括219名患者的2645张放大图像	计算机视觉	结直肠肿瘤	放大结肠镜成像	深度学习分割模型	内镜图像	219名患者的2645张图像	NA	DeepLabV3+	准确率、敏感度、特异度、AUC	NA
63	2026-08-26	Artificial intelligence assistance narrows the experience gap in endoscopic reporting of gastric lesions: a prospective clinical trial 2026-02, Surgical endoscopy DOI:10.1007/s00464-025-12410-z PMID:41345528	研究论文	本文通过前瞻性临床试验验证了一种人工智能报告系统，用于提高胃病变内镜报告质量，特别是在缩小内镜医师间的经验差距方面	创新性地开发并验证了一个包含多个深度学习模型的AI报告系统，该系统不仅能检测和分类胃病变，还能识别其特征，并通过前瞻性试验证明其能显著提高报告完整性和准确性，尤其是对可疑肿瘤的描述	未在摘要中明确提及局限性	验证AI报告系统在提高胃病变内镜报告质量方面的有效性，并特别关注其能否缩小不同经验水平内镜医师间的报告质量差距	胃病变的内镜图像和视频片段，以及内镜医师生成的报告	计算机视觉	胃病变（包括可疑肿瘤）	内镜检查	深度学习模型（包括用于检测、分类和特征识别的模型）	图像和视频	276个视频片段用于验证，回顾性分析包含AI辅助和原始报告，前瞻性试验包含AI辅助组和常规组	未明确提及	多个深度学习模型，具体架构未详细说明	准确性、敏感性、特异性、报告完整性百分比	未明确提及
64	2026-08-23	A novel automated parathyroid glands detection and segmentation method in thyroidectomy 2026-Feb-13, BMC surgery IF:1.6Q2 DOI:10.1186/s12893-026-03590-z PMID:41680745	研究论文	提出了一种名为PG-AI的自动检测和分割甲状旁腺的新方法，用于甲状腺切除术中，以提高手术中的识别准确性和效率	基于YOLOX的定位子网和新型语义分割模型Trans-U-HRNet的创新结合，实现甲状旁腺的实时自动化检测和分割	文中未明确提及局限性	开发一种新的术中甲状旁腺识别方法，以提高甲状腺切除术中甲状旁腺的保存率	甲状旁腺的检测和分割	计算机视觉	甲状腺疾病	深度学习	YOLOX, Trans-U-HRNet	术中图像	976张图像来自121例患者，其中101例患者的图像按8:2随机分为训练集和内部验证集	NA	YOLOX, Trans-U-HRNet	准确率, 召回率, 识别率, 一致性	NA
65	2026-08-23	X-SPATIO: An Explanatory Deep Learning Pipeline for the Prediction and Visualization of Spatially Resolved Biomarker Expression in Triple-Negative Breast Cancer 2026-Feb-11, bioRxiv : the preprint server for biology DOI:10.64898/2026.02.09.704587 PMID:41726881	研究论文	开发了X-SPATIO，一个基于深度学习的可解释性流水线，用于预测和可视化三阴性乳腺癌中空间分辨的生物标志物表达，通过H&E形态与空间转录组和蛋白质组数据关联。	将空间分辨的分子数据与常规组织学结合，采用多实例学习生成空间形态学注意力图，以解释预测并揭示形态-分子关联，突破了传统基于批量或聚焦面板预测的局限。	依赖GeoMx平台的空间数据，可能受限于平台成本和通量；训练样本数量和类型未明确说明，可能影响泛化性。	建立一种成本效益高的方法，通过常规H&E组织学图像推断空间生物标志物表达，支持三阴性乳腺癌的精准肿瘤学和生物学发现。	三阴性乳腺癌组织样本中的H&E染色区域和配对的空间转录组和蛋白质组数据。	计算病理学	三阴性乳腺癌	空间转录组学、空间蛋白质组学、H&E染色	多实例学习模型	组织图像、空间转录组表达数据、空间蛋白质组表达数据	未指定样本数量；使用来自GeoMx Digital Spatial Profiler的空间分辨数据	未指定，可能使用深度学习框架（如PyTorch或TensorFlow）	多实例学习架构，可能基于卷积神经网络（CNN），但未具体说明（如ResNet或Transformer）	AUC（范围[0.79, 0.97]）	未指定具体的GPU或计算资源
66	2026-08-23	Motion-Informed 3D Deep Learning Reconstruction in Patients with Cognitive Impairment 2026-02-03, AJNR. American journal of neuroradiology DOI:10.3174/ajnr.A8977 PMID:41062184	研究论文	本研究验证了一种集成运动校正的深度学习重建方法，用于改善认知障碍患者的3D T1加权脑MRI图像质量	首次将回顾性运动校正集成到深度学习重建流程中，用于处理认知障碍患者的脑MRI运动伪影	未提及具体限制，但可能包括样本量较小、单中心或多中心验证不足等	验证一种集成运动校正的深度学习重建方法在3D T1加权脑MRI中的有效性	健康志愿者和认知障碍（记忆丧失评估）患者	医学影像	认知障碍	MRI（3D MPRAGE）	深度学习重建模型	MRI图像	41名参与者（15名女性，平均年龄58岁），154个图像体积	NA	NA	分割误差、图像质量评分（Likert量表）、运动伪影严重程度	NA
67	2026-08-23	Clinical Validation of Deep Learning-Accelerated versus Wave-CAIPI Postcontrast 3D T1-MPRAGE for Evaluation of Intracranial Enhancing Lesions 2026-02-03, AJNR. American journal of neuroradiology DOI:10.3174/ajnr.A8992 PMID:41617400	研究论文	本研究前瞻性比较了深度学习加速的3D T1-MPRAGE与Wave-CAIPI加速序列在评估颅内强化病变中的诊断质量，结果显示DL序列非劣于Wave-CAIPI，且增强了对细微强化病变的显示。	首次将深度学习加速的3D T1-MPRAGE序列与Wave-CAIPI加速序列进行临床验证，用于颅内强化病变评估	研究为单中心、样本量有限，且未涉及所有可能的病变类型	评估深度学习加速的3D T1-MPRAGE序列在颅内强化病变评估中的诊断质量，比较其与Wave-CAIPI序列的非劣性。	接受对比增强脑MRI的门诊患者，共115例，包括肿瘤、血管病变和头痛等临床指征。	医学影像	颅内强化病变（包括肿瘤、血管病变等）	MRI（3T），深度学习重建	变分网络和改进的超分辨率算法	医学图像（3D T1-MPRAGE序列）	115例患者（68女/47男，平均年龄54±10岁）	NA	变分网络（6次迭代）和超分辨率算法	非劣性检验（15%界值），P值	NA
68	2026-08-23	Accelerated Patient-specific Non-Cartesian Magnetic Resonance Imaging Reconstruction Using Implicit Neural Representations 2026-02-01, International journal of radiation oncology, biology, physics DOI:10.1016/j.ijrobp.2025.08.059 PMID:40915433	研究论文	开发了一种基于隐式神经表示（INR）的新型k空间生成对抗训练网络（k-GINR），用于加速非笛卡尔磁共振成像重建，并在肝脏数据集上验证其性能。	提出了k-GINR，一种两阶段的隐式神经表示网络，结合对抗训练，能够直接重建非笛卡尔k空间数据，适用于新患者，无需迭代优化，且在极高加速倍数下表现优异。	重建时间约为3分钟，虽快于NeRP和CS，但仍慢于Deep Cascade CNN（3秒），可能不适合实时应用。	开发一种能够快速、高质量重建非笛卡尔MR图像的深度学习方法，以加速磁共振采集。	非笛卡尔k空间重建，具体为StarVIBE T1加权肝脏数据（118个前瞻性采集扫描），包括线圈数据。	医学影像重建	NA	磁共振成像（MRI）	隐式神经表示（INR）	磁共振图像（非笛卡尔k空间数据）	118个患者扫描（肝脏数据）	PyTorch（推测）	生成对抗网络（GAN）结合INR	峰值信噪比（PSNR）	NA（未指定具体GPU型号）
69	2026-08-23	Evaluation of the Diagnostic Accuracy of Cervical Cell Morphologies from Android Device-Captured Cytopathological Microscopic Images through Artificial Intelligence in Mainly Rural or Resource-Constraint Areas of India 2026-Feb-01, Asian Pacific journal of cancer prevention : APJCP DOI:10.31557/APJCP.2026.27.2.601 PMID:41660918	研究论文	本研究开发并评估了一个人工智能集成系统，用于自动检测和分类安卓设备拍摄的宫颈细胞病理显微图像，以在印度主要农村或资源受限地区实现宫颈细胞形态的快速、经济诊断	提出一个整合三种深度学习模型和一种机器学习模型的系统，专门用于从安卓手机或平板拍摄的巴氏涂片图像中自动检测和分类细胞，并在医院内部数据集上验证了其与活检金标准的相关性	研究仅基于292张医院内部巴氏涂片图像，样本量有限，且未详细说明模型在更广泛人群或多种设备上的泛化能力	开发并评估一种人工智能软件，用于自动检测和分类宫颈细胞形态，以在资源受限地区提供时间高效、成本效益高的宫颈癌诊断方法	宫颈细胞病理显微图像，包括医院内部巴氏涂片图像以及SipakMed和Herlev公开数据集	数字病理学	宫颈癌	显微成像	深度学习模型和机器学习模型	图像	292张医院内部巴氏涂片图像，以及SipakMed和Herlev公开数据集图像	NA	NA	精确度, 准确率, 交并比	NA
70	2026-08-22	DynMoCo: a Novel AI Framework to Reveal Modular Substructures of Protein From Molecular Dynamics 2026-Feb-10, bioRxiv : the preprint server for biology DOI:10.64898/2026.02.08.704355 PMID:41727081	研究论文	提出DynMoCo，一种基于图卷积网络和循环模型的深度学习框架，用于从分子动力学模拟中识别蛋白质的动态模块化子结构	将社交网络分析中的动态社区检测引入分子动力学模拟分析，通过时间演化图建模分子，实现端到端的社区识别，并可整合结构知识确保物理合理性	未在摘要中提及具体限制，可能包括计算成本或对模拟类型的依赖	开发一种新方法，从高维分子动力学数据中提取可解释的蛋白质动态子结构，以揭示其功能相关的构象变化	三种整合素系统的分子动力学模拟轨迹	机器学习	NA	分子动力学模拟	图卷积网络（GCN）和循环模型	分子动力学轨迹数据	三种整合素系统	NA	图卷积网络（GCN）和循环模型	NA	NA
71	2026-08-22	Deep Learning-Based Event Classification of Mass Photometry Data for Optimal Mass Measurement at the Single-Molecule Level 2026-02-03, ACS nano IF:15.8Q1 DOI:10.1021/acsnano.5c13074 PMID:41549613	研究论文	本文提出了一种基于三维卷积残差网络的深度学习模型，用于对质谱光度法数据进行事件分类，以实现单分子水平的最优质量测量	首次应用三维卷积残差网络分析质谱光度法事件的时空动态，以自动分类和筛选最优单分子测量事件，消除累积直方图伪影并将分辨能力提升至两倍	摘要未明确说明局限性，但未提及对极端异质样本或实时处理性能的验证	开发一种深度学习方法来分类质谱光度法中的着陆事件，以提高质量分辨率、灵敏度和浓度测量的准确性	质谱光度法中的单分子着陆事件，包括蛋白质结合/解离过程中的时空动力学数据	机器学习	NA	质谱光度法	三维卷积残差网络	质谱光度法事件缩略图（三维时空数据）	多种实验数据集，包括分辨和部分分辨的样本，以及不同质量、浓度和积分时间（具体数量未说明）	NA	三维残差网络	质量分辨率、灵敏度、浓度准确性、分辨能力	NA
72	2026-08-20	Deep capsule neural network for identifying anticancer peptides using sequence to image transformation-based local embedded features 2026-02-11, BMC biology IF:4.4Q1 DOI:10.1186/s12915-026-02547-1 PMID:41673852	研究论文	本文提出了一种基于深度胶囊神经网络（pACP-CapsNet）的方法，通过将序列转化为图像并提取局部特征来准确识别抗癌肽	创新性地结合序列到图像转换（SMR和RECM）与多种特征提取技术（HOG、DWT、CLBP），并利用混洗蛙跳算法进行特征选择，最后采用胶囊神经网络（CapsNet）进行预测，在ACP240和ACP740测试集上分别提升了约3%和4%的性能	未明确提及局限性，但可能依赖于特定数据集，泛化能力有待进一步验证	开发一种高效准确的抗癌肽识别模型，以支持癌症药物的研发和诊断	抗癌肽（ACPs）序列	机器学习	癌症	序列到图像转换、特征提取（HOG、DWT、CLBP）、混洗蛙跳算法	胶囊神经网络（CapsNet）	序列数据（抗癌肽序列）	使用ACP240和ACP740测试集，具体样本数量未在摘要中给出	未在摘要中指定	CapsNet	准确率（Accuracy）、AUC	未在摘要中提及
73	2026-08-20	CMMSCL-DPI: cross-modal multi-structural contrastive learning for predicting drug-protein interactions 2026-02-09, BMC biology IF:4.4Q1 DOI:10.1186/s12915-026-02533-7 PMID:41664132	研究论文	本研究提出CMMSCL-DPI，一种跨模态多结构对比学习模型，用于预测药物-蛋白质相互作用。	将对比学习分别应用于蛋白质和药物的多维结构特征，并整合DPI异构图网络的交互特征以促进跨模态对比学习，有效捕捉关键差异和相似性，增强模型对新药物-靶点对的泛化能力。	信息未在标题和摘要中明确提及。	通过有效利用药物和蛋白质的多结构和多模态数据，提高药物-蛋白质相互作用预测的准确性。	药物-蛋白质相互作用预测，包括新药物-靶点对。	机器学习	NA	NA	对比学习模型	多模态数据（药物和蛋白质的多维结构特征，异构图网络）	四个基准数据集，未提及具体样本数量	NA	CMMSCL-DPI	总体性能（未具体指明指标）	全原子分子动力学模拟，未提及具体GPU等资源
74	2026-08-19	PBP_ICBA: a prediction of bacterial promoters in specific organisms using an improved convolutional block attention module 2026-02-12, Journal of computer-aided molecular design IF:3.0Q2 DOI:10.1007/s10822-025-00755-5 PMID:41677998	研究论文	提出了一种基于改进卷积块注意力模块的双路径深度学习模型PBP_ICBA，用于特异性细菌物种的启动子预测。	采用双路径架构，结合二维卷积和改进的卷积块注意力模块，并综合使用one-hot编码、核苷酸化学性质C2和ESM-2表示，实现了对细菌启动子的高精度物种特异性预测。	在13个物种数据集中，有2个物种的预测性能未达到最优，可能限制了模型的适用范围。	开发一个稳健的物种特异性细菌启动子预测框架，以提高跨物种启动子识别的准确性，并增强对转录调控机制的理解。	细菌启动子DNA序列	深度学习	NA	NA	深度学习模型（卷积神经网络）	DNA序列数据	13个物种特异性细菌启动子数据集	NA	卷积块注意力模块（CBAM），二维卷积	性能指标（如准确率等，但未明确指定）	NA
75	2026-08-18	PET Imaging in Head and Neck Squamous Cell Carcinoma: from Staging to Response Assessment 2026-02-09, Current oncology reports IF:4.7Q1 DOI:10.1007/s11912-026-01745-y PMID:41661435	综述	本综述旨在综合当前关于PET成像在头颈部鳞状细胞癌中作用的研究证据，涵盖分期、预后、治疗反应评估及新兴放射性示踪剂和人工智能分析方法的应用。	整合了定量生物标志物、新型放射性示踪剂和基于人工智能的分析方法在头颈部鳞状细胞癌PET成像中的最新研究进展。	治疗后早期因炎症或骨放射性坏死导致的假阳性结果，以及人工智能方法在临床验证方面的局限性。	综合评估PET成像在头颈部鳞状细胞癌管理中的作用，从分期到治疗反应评估，并探讨其个性化管理的潜力。	头颈部鳞状细胞癌患者的PET成像研究。	医学影像	头颈部鳞状细胞癌	PET/CT、PET/MRI、放射性示踪剂（如¹⁸F-FDG, ¹⁸F-FMISO, ¹⁸F-FLT, ⁶⁸Ga-RGD, ⁶⁸Ga-FAPI）	深度学习模型	医学影像数据	未指定	未指定	未指定	未指定	未指定
76	2026-08-18	Enhancing Fluorescence Lifetime Imaging With Differential Transformer 2026-02, Journal of biophotonics IF:2.0Q3 DOI:10.1002/jbio.70231 PMID:41622407	research paper	提出了一种基于差分Transformer的深度学习框架MFliNet，用于荧光寿命成像中多指数衰减参数的高精度估计，能够校正地形畸变并实现实时宏观成像	提出MFliNet，该框架根据光子飞行时间解卷积的物理原理，采用差分Transformer编码器-解码器架构，同时处理时间荧光衰减和对应的仪器响应函数输入，以校正光子到达分布中的地形畸变，在复杂生物和活体成像中表现出卓越的鲁棒性和精度	文中未明确提及局限性，但可推断其依赖训练数据的质量和多样性，且主要验证了组织模拟体模和临床前肿瘤模型，可能未覆盖所有生物场景	开发一种能够准确估计多指数荧光寿命参数的深度学习方法，以克服传统方法在介观和宏观尺度上面临的IRF空间和时间变异问题，并实现复杂生物和术中应用的实时宏观成像	荧光寿命成像数据，包括组织模拟体模和临床前肿瘤模型	计算机视觉	肿瘤	荧光寿命成像	Transformer	图像	NA	NA	差分Transformer编码器-解码器架构	精确度、鲁棒性	NA
77	2026-08-17	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	本研究采用深度学习方法（图卷积神经网络和3D卷积神经网络）分析大脑宏观结构特征与空间导航行为个体差异之间的关联。	采用数据驱动的深度学习方法（GCNN和3DCNN）代替传统简单结构指标，探索复杂脑结构对空间导航能力的预测能力。	样本量小（N=90），仅使用单一行为测量指标，可能导致预测能力弱。	探究复杂大脑结构特征是否能够预测年轻人群的空间导航能力。	年轻成年人的大脑结构（T1 MRI数据）和空间导航行为。	机器学习	NA	NA	图卷积神经网络（GCNN）和3D卷积神经网络（3DCNN）	T1 MRI图像数据和行为测量数据	90名参与者	NA	GCNN, 3DCNN	预测能力（具体指标未提及，可能包括准确率等）	NA
78	2026-08-12	[Expert consensus on the application of artificial intelligence in stomatology] 2026-Feb-09, Zhonghua kou qiang yi xue za zhi = Zhonghua kouqiang yixue zazhi = Chinese journal of stomatology DOI:10.3760/cma.j.cn112144-20251017-00413 PMID:41605470	专家共识	本文为人工智能在口腔医学中应用的专家共识，综述了AI在疾病筛查、诊断辅助、治疗规划、预后预测和口腔教育等方面的应用，并提出了数据治理、平台建设、伦理和监管方面的建议	提出了一套针对口腔医学AI应用的核心技术路径和统一指导建议，涵盖数据治理、平台开发、伦理和监管要求	存在标准化数据治理缺乏、模型可解释性有限、隐私安全风险和临床验证不足等问题	为口腔医师、医疗机构、研究人员和行业利益相关者提供AI在口腔医疗中安全、规范、可持续发展的实践指导	AI在口腔医学中的各种应用场景，包括龋病、牙髓病、牙周病、口腔黏膜病变和颌面创伤的管理	机器学习	口腔疾病	NA	深度学习	锥形束CT、口内扫描、电子健康记录数据	NA	NA	NA	NA	NA
79	2026-08-11	Use of Artificial Intelligence in the Classification of Upper-Limb Motion Using EEG and EMG Signals: A Review 2026-Feb-26, Sensors (Basel, Switzerland) DOI:10.3390/s26051457 PMID:41829420	综述	本系统综述总结了利用人工智能对脑电图和肌电信号进行上肢运动分类的研究进展，重点探讨了从传统机器学习到深度学习架构的转变。	通过PRISMA指南系统回顾了截至2025年6月的301项研究，揭示了从经典分类器（如LDA和SVM）向深度学习模型（如CNN、LSTM和Transformer）的转变趋势，并指出了对EEG单独模态的过度依赖（60%）和混合EEG-EMG系统应用不足（7%）的问题。	综述未提供具体的研究局限性描述，可能受限于所选数据库和发表时间范围。	总结AI在基于EEG和EMG信号的上肢运动分类中的应用进展，分析从传统机器学习到深度学习的技术演变，并识别潜在的研究空白。	上肢运动分类任务中使用的EEG和EMG信号数据以及AI分类模型。	机器学习	NA	EEG信号记录、EMG信号记录	CNN、LSTM、Transformer、LDA、SVM	脑电图信号、肌电信号	301项研究	NA	CNN、LSTM、Transformer	NA	NA
80	2026-08-11	Mining lysine post-translational modification sites by integrating protein language model representations with structural context 2026-Feb-17, Proceedings of the National Academy of Sciences of the United States of America IF:9.4Q1 DOI:10.1073/pnas.2529141123 PMID:41662532	研究论文	提出一个统一的深度学习框架，整合蛋白质语言模型表示和原子级三维结构特征，用于赖氨酸翻译后修饰位点识别，并在人类C型凝集素结构域家族12成员A（hCLEC12A）上应用预测并通过分子动力学模拟验证其功能。	首次将蛋白质语言模型序列表示与原子级三维结构特征集成于统一的深度学习框架中，适用于多种赖氨酸翻译后修饰类型，无需领域特定的特征工程。	摘要未提及明确的局限性。	开发一个统一的深度学习框架，准确且高效地识别赖氨酸翻译后修饰位点，并结合结构上下文增强预测性能。	人类C型凝集素结构域家族12成员A（hCLEC12A）及其与抗体50C1的复合物。	深度学习, 生物信息学	不适用	蛋白质语言模型表示, 分子动力学模拟	深度学习模型（具体架构未明确）	蛋白质序列、原子级三维结构	不适用	不适用	不适用	不适用	不适用