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	2026-05-25	Geometric deep learning for local growth prediction on abdominal aortic aneurysm surfaces 2026-02, Artificial intelligence in medicine IF:6.1Q1 DOI:10.1016/j.artmed.2025.103323 PMID:41330258	研究论文	提出一种SE(3)对称变压器模型，直接在富含局部多物理特征的血管模型表面上预测腹主动脉瘤生长	首次使用SE(3)-对称变压器直接在血管表面上进行局部生长预测，保留了血管表面的解剖结构和几何保真度，而非参数化AAA形状	样本量较小（113次CTA扫描，24名患者），外部验证集仅7名患者，可能限制泛化能力	通过个性化AAA生长预测改进监测策略	腹主动脉瘤患者血管表面的局部生长预测	机器学习	腹主动脉瘤	计算机断层扫描血管造影	变压器	CTA扫描图像	24名AAA患者的113次CTA扫描（训练），7名AAA患者的25次CTA扫描（外部验证）	PyTorch	SE(3)-对称变压器	中位直径误差，准确率	NA
62	2026-05-25	Artificial intelligence in depression diagnostics: A systematic review of methodologies and clinical applications 2026-02, Artificial intelligence in medicine IF:6.1Q1 DOI:10.1016/j.artmed.2025.103320 PMID:41338039	综述	本文系统综述了人工智能在抑郁症诊断中的方法论与临床应用，涵盖数据模态、模型性能及伦理挑战	首次系统评估多模态数据融合与先进神经网络架构在抑郁症诊断中的应用，并提出提升模型泛化性和可解释性的未来方向	数据集偏差、算法透明度不足及临床适用性挑战	综述AI驱动抑郁症诊断方法的研究现状，评估技术效能与临床转化潜力	语言、行为、生理数据（社交媒体、临床访谈、语音记录、可穿戴设备）	机器学习	抑郁症	NA	机器学习、深度学习（神经网络架构）	文本、语音、行为数据、生理信号	NA	NA	神经网络	诊断准确率	NA
63	2026-05-25	QENNA: A quantum-enhanced neural network for early Alzheimer's detection using magnetic resonance imaging 2026-02, Artificial intelligence in medicine IF:6.1Q1 DOI:10.1016/j.artmed.2025.103322 PMID:41344072	研究论文	提出一种量子增强神经网络QENNA，用于早期阿尔茨海默病的磁共振成像检测	首次将量子卷积层与经典深度学习相结合，并引入量子生成对抗网络和量子随机游走进行数据增强，提升早期AD诊断准确率	训练数据匮乏时量子组件的性能提升需进一步验证，且量子计算资源在临床实践中的可扩展性尚未明确	开发高效早期阿尔茨海默病检测的AI诊断工具	早期阿尔茨海默病患者的大脑磁共振成像数据	计算机视觉, 机器学习	阿尔茨海默病	磁共振成像 (MRI)	量子增强神经网络 (QENNA), 量子生成对抗网络 (QGAN)	图像	两个公开MRI数据集	NA	量子卷积层, 经典深度学习网络	准确率, AUC	NA
64	2026-05-25	Intelligent sentiment analysis with Arabic patient feedback on healthcare services in King Hussein Cancer Center 2026-02, Artificial intelligence in medicine IF:6.1Q1 DOI:10.1016/j.artmed.2025.103334 PMID:41421129	研究论文	针对约旦阿拉伯方言的患者反馈进行情感分析，构建了JADKHCC语料库，并评估了多种深度学习模型性能	首次构建了专门用于约旦阿拉伯方言患者反馈情感分析的JADKHCC语料库，并基于BERT-Arabic表示模型与CNN架构实现了高精度预测	未明确讨论模型泛化性及跨方言迁移能力不足的问题	基于自动化情感分析技术，从阿拉伯语患者反馈中检测服务质量问题并推动改进	金侯赛因癌症中心患者的约旦阿拉伯方言文本反馈	自然语言处理	癌症	BERT-base-Arabic, Word2Vec, FastText	CNN	文本	15,812条约旦阿拉伯方言评论	PyTorch	CNN结合BERT表示	F1分数	NA
65	2026-05-24	Predicting Pharmacological Treatment Response in Migraine Using AI/ML: A Scoping Review of the Evidence and Future Directions 2026-02, Pharmacotherapy IF:2.9Q2 DOI:10.1002/phar.70085 PMID:41276479	综述	系统评估了人工智能/机器学习模型预测偏头痛药物治疗反应的证据，并指出了方法学上的关键缺陷及未来方向	首次对AI/ML预测偏头痛药物反应的证据进行系统范围综述，揭示大多数研究仅依赖内部验证、缺乏外部验证，以及数据模态不全等核心问题	纳入研究存在普遍的方法学弱点，如过度依赖内部验证、患者队列重叠、缺乏生物标志物和遗传数据	评估AI/ML模型预测偏头痛急性或预防性药物治疗反应的证据，并提出未来研究方向	偏头痛患者的药物治疗反应预测模型	机器学习	偏头痛	NA	支持向量机、深度学习、概率模型	临床表型数据和神经影像数据	12项符合条件的研究	NA	支持向量机、深度学习模型、概率模型	预测准确性	NA
66	2025-12-11	The road to bedside: addressing key hurdles for deep learning prognostic models in light-chain cardiac amyloidosis 2026-Feb-27, European heart journal. Cardiovascular Imaging DOI:10.1093/ehjci/jeaf344 PMID:41364678	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
67	2026-05-20	Rapid prediction of cardiac activation in the left ventricle with geometric deep learning: a step towards cardiac resynchronization therapy planning 2026-Feb-07, NPJ digital medicine IF:12.4Q1 DOI:10.1038/s41746-026-02399-7 PMID:41654658	研究论文	利用几何深度学习快速预测左心室激活时间图，为心脏再同步治疗规划提供支持	首次构建基于图神经网络和几何信息神经算子的几何深度学习模型，实现左心室激活时间图的实时预测，并开发了用于优化起搏点选择的工作流	模型在真实左心室几何结构上的性能略低于合成数据，且尚未在临床环境中进行验证	开发一种用于个性化心脏再同步治疗规划的计算方法，通过快速预测激活时间图并优化起搏点位置	左心室几何形状上的激活时间图预测	机器学习	心脏疾病（心脏衰竭）	有限元模拟	图神经网络（GNN）和几何信息神经算子（GINO）	合成和真实左心室几何形状的激活时间图数据	基于广泛合成左心室形状、起搏点配置和组织电导率生成的有限元模拟大样本数据集	PyTorch	图神经网络（GNN），几何信息神经算子（GINO）	误差率（百分比）	NA
68	2026-05-20	AI Prognostication in Nonsmall Cell Lung Cancer: A Systematic Review 2026-02-01, American journal of clinical oncology DOI:10.1097/COC.0000000000001238 PMID:40679809	综述	对人工智能算法在非小细胞肺癌预后预测中的应用进行系统文献综述	比较了不同人工智能类型（机器学习和深度学习）的预后性能，并评估了与TNM分期等传统预后系统的对比	建议在临床应用前需通过精心设计的临床试验进行充分验证	评估人工智能算法在非小细胞肺癌预后预测中的应用效果	非小细胞肺癌患者的预后预测	机器学习	肺癌	NA	机器学习, 深度学习	组织学数据, 遗传数据, CT, PET, MRI图像	初始3880篇文献，经筛选后纳入309篇	NA	NA	预后性能（具体指标未明确）	NA
69	2026-03-02	Explainable deep learning and radiomics integration for differentiating insulinomas from NF-PNETs in EUS imaging 2026-Feb-28, BMC medical informatics and decision making IF:3.3Q2 DOI:10.1186/s12911-026-03388-2 PMID:41764459	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
70	2026-05-19	An explainable deep learning framework for video violence detection using unsupervised keyframe selection and attention-based CNN 2026-Feb-26, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-40977-7 PMID:41748832	研究论文	提出一种可解释的注意力增强卷积神经网络框架，用于视频暴力检测，集成无监督关键帧选择、注意力驱动特征学习和Grad-CAM++可解释性	融合无监督关键帧选择、注意力机制和Grad-CAM++可解释性，在降低计算开销的同时提升时空特征判别能力和模型透明度	未明确讨论在极低光照、严重遮挡或高动态场景下的鲁棒性，且仅在五类基准数据集上验证，可能泛化到其他暴力场景需进一步测试	解决视频暴力检测中的数据冗余、透明度和泛化挑战，实现高效且可解释的实时检测系统	视频监控和在线平台中的暴力行为检测	计算机视觉	NA	无监督关键帧选择（基于相似性聚类）、注意力机制、Grad-CAM++	CNN（卷积神经网络）	视频	五个基准数据集（RLVS、Hockey Fight、Violent Flow、ShanghaiTech、UCF-Crime）	NA	注意力增强CNN（具体架构未明确，可能基于常见CNN骨干如ResNet）	准确率、F1分数、处理速度（FPS）、内存使用量	NA
71	2026-05-19	Mathematical and Artificial Intelligence Techniques in Modern Drug Discovery: A Review 2026-02, Drug development research IF:3.5Q2 DOI:10.1002/ddr.70212 PMID:41431184	综述	综述了数学和人工智能技术在药物发现中的应用	系统性地将数学框架与AI技术相结合，并分析了它们在药物开发各阶段的协同作用	未提供具体的实验验证或定量比较，分析主要基于现有文献	探讨数学建模与AI算法在药物开发中联合应用的潜力，以加速研发并降低风险	药物发现过程中的数学和AI技术	机器学习	NA	NA	机器学习、深度学习、强化学习、自然语言处理、迁移学习	NA	NA	NA	NA	NA	NA
72	2026-05-16	A deep learning framework for comprehensive prediction of human RNA G-quadruplex-binding proteins 2026-Feb-28, Bioinformatics (Oxford, England) DOI:10.1093/bioinformatics/btag088 PMID:41712756	研究论文	提出一个深度学习框架，用于全面预测人类RNA G-四链体结合蛋白	整合多种编码策略和神经架构，特别是使用ESM-2蛋白质语言模型嵌入和LSTM架构，实现高准确率预测，并发现与细胞应激反应相关的潜在联系	主要依赖计算预测，需要实验验证；模型可能对特定类型的G4BPs存在偏好	开发一种有效的方法来探索RNA G4BPs景观，揭示RNA调控中的新参与者	人类RNA G-四链体结合蛋白	机器学习	NA	蛋白质语言模型（ESM-2）嵌入	LSTM	蛋白质序列数据	人类蛋白质组中的2160个高置信度候选RG4BP	PyTorch	LSTM	准确率(86%)	NA
73	2026-05-16	Truth-based physics informed estimation of material composition in spectral CT in terms of density and effective atomic number 2026-Feb-13, Physics in medicine and biology IF:3.3Q1 DOI:10.1088/1361-6560/ae4284 PMID:41643313	研究论文	开发并验证一种基于物理信息的深度学习模型，用于从能谱CT图像中估计材料密度和有效原子序数	将物理信息正则化引入生成对抗网络（GAN），在训练中融入底层物理原理，并利用验证的模拟数据进行训练，以提高材料分解精度	临床验证样本量较小，限制了结果的泛化性；仅研究了腹部应用和碘对比剂	开发和验证基于物理信息约束的深度学习模型，用于能谱CT材料分解，生成密度和有效原子序数图谱	能谱CT图像中的材料成分，包括密度和有效原子序数	计算机视觉, 机器学习	NA	光子计数能谱CT（PCCT）	生成对抗网络（GAN）	图像（CT图像）	32个模拟人体模型用于训练，16个计算模体和6个临床病例用于验证，30个图像切片用于读者研究	NA	生成对抗网络（GAN）	NRMSE, SSIM, PSNR, RMSE, 显著度得分	NA
74	2026-05-16	Recurrent neural network long short term memory model to detect the pile toe using raw data of pile integrity test 2026-Feb-12, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-36732-7 PMID:41680218	研究论文	提出使用循环神经网络长短期记忆模型从桩完整性测试原始数据中检测桩端，以提高测试可靠性和效率	首次将RNN-LSTM模型应用于桩完整性测试的自动速度反射图生成，减少对人工经验的依赖并消除主观误差	模型仅基于埃及多个打入桩项目的数据训练，可能缺乏对其他地区或不同类型桩的泛化能力	开发一种人工智能系统，从加速度输入中学习波传播行为并正确捕捉桩端位置，替代传统人工解释方法	桩完整性测试中的桩端位置检测与反射图生成	机器学习	NA	低应变完整性测试	循环神经网络长短期记忆	加速度时程信号	埃及多个打入桩项目收集的数据	NA	六层32神经元LSTM	决定系数R，训练R为0.9126、验证R为0.8778，桩端预测准确度达84%至89.5%	NA
75	2026-05-16	Predicting Sleep and Sleep Stage in Children Using Actigraphy and Heartrate via a Long Short-Term Memory Deep Learning Algorithm: A Performance Evaluation 2026-Feb, Journal of sleep research IF:3.4Q2 DOI:10.1111/jsr.70149 PMID:40676371	研究论文	利用长短期记忆深度学习算法从体动记录仪和心率数据预测儿童睡眠及睡眠阶段的表现评估	首次使用LSTM算法结合体动记录仪和心率数据预测儿童睡眠阶段，并评估其与传统方法相比的优势	研究仅基于实验室过夜多导睡眠图，未涉及家庭环境中的长期监测；消费者可穿戴设备种类有限（仅三种）	评估LSTM算法从体动记录仪和心率数据预测儿童睡眠与睡眠阶段的准确性，并与传统方法比较	儿童（5-12岁）的睡眠数据	机器学习	睡眠障碍	体动记录仪、心率监测、多导睡眠图	LSTM	时间序列数据（体动记录仪和心率信号）	238名儿童（5-12岁，52.8%男性，50%黑人，31.9%白人）	未明确指定	LSTM	准确率、敏感性、特异性	NA
76	2026-05-16	A Multivariate Cloud Workload Prediction Method Integrating Convolutional Nonlinear Spiking Neural Model with Bidirectional Long Short-Term Memory 2026-Feb, International journal of neural systems IF:6.6Q1 DOI:10.1142/S0129065725500716 PMID:41024445	研究论文	该文提出一种结合卷积非线性脉冲神经模型与双向长短期记忆的多变量云工作负载预测方法	提出基于非线性脉冲神经P系统的卷积模型(ConvNSNP),相比传统卷积模型增强了处理非线性数据的能力	未提及模型的泛化能力和计算资源消耗情况	解决云计算环境中多变量工作负载预测问题	云工作负载时间序列数据	机器学习	NA	深度学习	混合模型	时间序列	三个公共云工作负载数据集(来自阿里巴巴和谷歌)	NA	ConvNSNP, BiLSTM	RMSE, MAE, MAPE	NA
77	2026-05-15	Improving Colorectal Cancer Screening and Risk Assessment through Predictive Modeling on Medical Images and Records 2026-02, The American journal of pathology DOI:10.1016/j.ajpath.2025.09.016 PMID:41109668	研究论文	通过医学图像和记录预测结直肠癌筛查与风险评估	利用多模态融合策略将临床记录与深度学习图像特征结合，并引入中间临床变量预测改进5年进展风险预测性能	AUC值相对较低（最高0.672），可能需进一步优化模型和扩大样本量	结合病理图像与临床记录提升结直肠癌进展风险预测准确性	结肠镜检查患者	数字病理学	结直肠癌	数字病理学	Transformer	病理图像、临床记录	新罕布什尔结肠镜登记处的长期随访数据	PyTorch	Transformer	AUC	NA
78	2026-05-08	External evaluation of an open-source deep learning model for prostate cancer detection on bi-parametric MRI 2026-Feb, European radiology IF:4.7Q1 DOI:10.1007/s00330-025-11865-x PMID:40753327	研究论文	评估一个开源深度学习模型在双参数MRI中检测临床显著前列腺癌的诊断准确性	首次对外部验证开源深度学习模型在前列腺癌检测中的性能，并强调了模型代码和权重共享的重要性	样本量相对较小，仅包含151名生物男性患者；模型特异性较低（0.53），可能导致较多假阳性结果	评估开源深度学习模型在双参数MRI中检测临床显著前列腺癌的诊断准确性，并确定促进模型共享和外部评估的必要组件	151名生物男性患者的双参数MRI检查数据	计算机视觉	前列腺癌	双参数MRI	深度学习模型	图像	151名生物男性患者的双参数MRI检查数据	NA	NA	AUC、敏感性、特异性、Fleiss' kappa	NA
79	2026-05-06	TITAN-BBB: Predicting BBB Permeability using Multi-Modal Deep-Learning Models 2026-Feb-17, bioRxiv : the preprint server for biology DOI:10.64898/2026.02.15.706007 PMID:41756895	研究论文	提出了TITAN-BBB，一种利用表格、图像和文本特征并通过注意力机制结合的多模态深度学习架构，用于预测血脑屏障渗透性	首次将传统化学描述符与深度学习嵌入集成到多模态架构中，利用注意力机制融合表格、图像和文本特征，并构建了迄今最大的BBB渗透性数据集	NA	开发计算模型预测血脑屏障渗透性，替代资源密集且通量低的传统实验方法	血脑屏障渗透性预测	机器学习	NA	NA	多模态深度学习模型	表格数据、图像、文本	汇集多个文献来源，构建了目前最大的BBB渗透性数据集	PyTorch	注意力机制	平衡准确率、平均绝对误差	NA
80	2026-05-06	Deep learning-based system for automated staging of lower molar maturation 2026-02, Journal of the World federation of orthodontists IF:2.6Q1 DOI:10.1016/j.ejwf.2025.08.004 PMID:41073252	研究论文	基于深度学习系统自动分级下颌磨牙成熟度的研究	首次使用四种卷积神经网络架构（Xception、ResNet、MobileNet和Inception）对下颌第二、第三磨牙成熟阶段进行自动分类，并利用Grad-CAM可视化模型注意力区域	研究为横断面设计，样本量有限（1805张图像），且仅针对下颌磨牙，可能不适用于其他牙齿或人群	评估自动分级牙齿成熟度系统在齿面正畸治疗规划中的辅助诊断价值	下颌第二磨牙和第三磨牙的成熟阶段	计算机视觉	无	NX	卷积神经网络（CNN）	图像（分段全景X光片）	1805张图像	NA	Inception, ResNet, Xception, MobileNet	准确率, 精确率, 召回率, F1分数, 科恩kappa系数	NA