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
501	2026-03-28	HISNET-FF: Hierarchical identification of species using a network with fused cranial and dental features 2026-Mar-18, Zoological research IF:4.0Q1 DOI:10.24272/j.issn.2095-8137.2025.156 PMID:41888061	研究论文	本文提出了一种名为HISNET-FF的双流深度学习框架，用于基于哺乳动物颅骨和牙齿特征的物种分类	开发了融合全局颅骨形态和局部牙齿及听泡诊断信号的双流架构，并采用从属到种的层次分类流程，显著提升了物种识别准确率	NA	加速基于形态学的物种鉴定，实现自动化的分类学分类	鼹鼠科（Talpidae）的51个物种，涵盖18个属	计算机视觉	NA	深度学习	CNN	图像	包含51个物种（18个属）的广泛图像数据集	NA	HISNET-FF, YOLO	准确率, 召回率, 精确率, 平均精度均值（mAP@[.50:.95]）	NA
502	2026-03-28	Temporal Integration of Serum Proteomics, Metabolomics and MRI Tumor Volumetrics via Deep Learning Identifies Systemic Mediators of Glioblastoma Response to Chemoradiotherapy 2026-Mar-18, Research square DOI:10.21203/rs.3.rs-9085743/v1 PMID:41890862	研究论文	本研究通过深度学习整合血清蛋白质组学、代谢组学与MRI肿瘤体积数据，识别了胶质母细胞瘤对放化疗反应的系统性介质	首次将AI分割的MRI体积变化与血清多组学数据结合，揭示了胶质母细胞瘤放化疗后肿瘤体积变化与特定代谢通路之间的关联	样本量较小（55例患者），且为单中心研究，需要更大规模、多中心的验证	整合临床、分子和影像数据，识别与胶质母细胞瘤放化疗反应相关的系统性生物标志物和通路	胶质母细胞瘤患者	数字病理学	胶质母细胞瘤	SomaScan蛋白质组学平台，SECIM代谢组学检测，AI分割	深度学习	血清蛋白质组学数据，血清代谢组学数据，MRI影像	55例临床注释的胶质母细胞瘤患者，提供放化疗前后的血清样本	NA	NA	p值	NA
503	2026-03-28	SynAPSeg: A novel dataset and image analysis framework for deep learning-based synapse detection and quantification 2026-Mar-16, bioRxiv : the preprint server for biology DOI:10.64898/2026.03.12.711395 PMID:41890116	研究论文	本文介绍了一个名为SynAPSeg的新型数据集和图像分析框架，用于基于深度学习的突触检测和量化	提出了首个大规模、公开可用的突触点实例分割数据集，并开发了一个集成深度学习模型和交互界面的开源分析框架	NA	解决神经科学中突触组织在电路级别量化分析的关键瓶颈	突触点，特别是兴奋性突触后PSD95点，以及抑制性中间神经元中的突触	计算机视觉	老年疾病	荧光标记和成像	深度学习模型	图像	包含近400万个兴奋性突触后PSD95点的大规模数据集	NA	NA	NA	NA
504	2026-03-28	Automated measurement of horizontal strabismus in children's primary gaze photographs using deep learning and computer vision 2026-Mar-12, Photodiagnosis and photodynamic therapy IF:3.1Q2 DOI:10.1016/j.pdpdt.2026.105438 PMID:41825684	研究论文	本研究开发并验证了一种基于深度学习和计算机视觉的自动化系统，用于从儿童主视照片中测量水平性斜视角度	提出了一种两阶段人工智能系统，结合深度学习进行眼部结构分割和计算机视觉算法测量对齐，实现了自动化水平性斜视测量	研究仅验证了水平性斜视，未涉及垂直性斜视；样本量相对有限（147张照片）	开发并验证自动测量儿童水平性眼位对齐的算法	儿童的主视照片	计算机视觉	斜视	深度学习，计算机视觉	深度学习算法	图像	深度学习训练数据集包含11,018张眼部图像，验证阶段使用147张主视照片	NA	NA	线性回归斜率，p值，组内相关系数（ICC），一致性界限（LoA），变异系数（CoV）	NA
505	2026-03-28	EpiExpr: Predicting gene expression using epigenetic data and chromatin interactions 2026-Mar-06, bioRxiv : the preprint server for biology DOI:10.64898/2026.02.06.704509 PMID:41867859	研究论文	本文介绍了一个名为EpiExpr的深度学习框架，用于从表观遗传数据和染色质相互作用预测基因表达	EpiExpr框架结合了一维表观遗传轨迹和三维染色质相互作用，利用残差卷积网络和图神经网络（包括图注意力和图变换器模型）来捕捉局部和远距离调控影响，无需DNA序列嵌入即可达到与基于序列的变换器模型相当的性能	NA	解码表观基因组景观中的基因表达，并提供一个可扩展的多分辨率框架来剖析表观遗传修饰和三维基因组组织对基因调控的贡献	GM12878和K562细胞系	基因组学	NA	表观遗传数据，染色质相互作用数据，CRISPRi-FlowFISH验证	残差卷积网络，图神经网络，图注意力模型，图变换器模型	一维表观遗传轨迹，三维染色质相互作用数据	NA	NA	残差卷积网络，图注意力模型，图变换器模型	NA	NA
506	2026-03-28	Deep Learning-Based Generation of Synthetic Multiphasic MRI In Hepatocellular Carcinoma and Cirrhosis 2026-Mar-04, JHEP reports : innovation in hepatology IF:9.5Q1 DOI:10.1016/j.jhepr.2026.101813 PMID:41887530	研究论文	本研究评估了基于深度学习的合成三维肝脏对比增强多期相MRI在肝细胞癌和肝硬化中的可行性	利用三维循环一致性生成对抗网络从非对比增强序列生成合成对比增强多期相MRI，以减少造影剂使用和扫描时间	基于中等规模的单中心数据集，需要更大规模的多中心研究和外部验证	评估深度学习生成合成对比增强多期相肝脏MRI的可行性	肝细胞癌和肝硬化患者的MRI图像	计算机视觉	肝细胞癌, 肝硬化	MRI	GAN	图像	533次MRI检查，包含3,198个MRI期相，来自185名肝细胞癌患者和182名肝硬化患者	NA	三维循环一致性生成对抗网络	结构相似性指数, 重叠度, 对称平均绝对百分比误差, 准确率, 精确率, Fleiss's kappa	NA
507	2026-03-28	Clinical validation of perfusion imaging with pulmonary function test data using Voronoi-based discretization 2026-Mar-03, Physics in medicine and biology IF:3.3Q1 DOI:10.1088/1361-6560/ae4669 PMID:41698321	研究论文	本研究提出了一种基于Voronoi图离散化的框架，用于从原始值和百分位数缩放的灌注图像中提取局部空间信息，以评估肺功能，并验证其与肺功能测试数据的相关性	提出了利用Voronoi图对肺灌注图像进行离散化的新方法，以捕获局部空间信息，并计算分层描述性统计量，从而将区域灌注成像与全局肺功能评估联系起来	未明确提及具体局限性，但文中暗示替代方法（如基于CT的灌注和深度学习模型）通常需要大量数据集进行验证，而这些数据往往稀缺	开发一个框架，以弥合区域灌注成像与全局肺功能评估之间的差距，实现SPECT和CT-P灌注图之间有意义的定量比较	肺灌注图像（SPECT和CT-P）以及肺功能测试数据	数字病理学	肺癌	单光子发射计算机断层扫描，基于CT的灌注成像，肺功能测试	NA	图像	NA	NA	NA	斯皮尔曼相关系数，AUC	NA
508	2026-03-28	Advances and challenges in AI-assisted MRI for lumbar disc degeneration detection and classification 2026-Mar, 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/s00586-025-09179-z PMID:40707791	综述	本文综述了人工智能在基于MRI的腰椎间盘退变检测与分类中的应用、挑战及未来方向	全面概述了AI在腰椎间盘退变MRI分析中的应用，特别关注深度学习技术、混合模型及可解释性工具，并指出了临床转化面临的挑战	作为叙述性综述，可能未涵盖所有最新研究；且指出当前模型在泛化性、数据不平衡、可解释性及监管整合方面仍存在局限	综述AI（特别是机器学习和深度学习）在基于MRI的腰椎间盘退变检测与分级中的应用，评估其临床价值、当前局限及未来方向	腰椎间盘退变（IDD）的MRI图像	医学影像分析	腰椎间盘退变	MRI	CNN, 支持向量机, 混合模型（结合Transformer和多任务学习）	图像（MRI）	NA	NA	SpineNet, ResNet, U-Net	准确性, 可重复性	NA
509	2026-03-28	SpineScan: a deep learning model for lumbar spine MRI annotation and Pfirrmann grading assessment 2026-Mar, 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/s00586-025-09537-x PMID:41182393	研究论文	本研究开发并验证了一个基于卷积神经网络的深度学习模型，用于自动化腰椎MRI的Pfirrmann分级评估，并创建了一个开源Web应用程序	开发了一个基于YOLOv8x架构的CNN模型，能够同时检测椎间盘并分类退变等级，并构建了开源的SpineScan Web应用，提高了模型的可访问性	模型对高度退变的Grade V椎间盘性能较低，可能由于对比度差和边界不清晰	开发并验证一个自动化的Pfirrmann分级系统，用于评估腰椎间盘退变	腰椎MRI扫描中的椎间盘	计算机视觉	腰椎间盘退变	MRI	CNN	图像	484个腰椎MRI扫描	PyTorch	YOLOv8x	准确率, 精确率, 召回率, 平均精度均值	NA
510	2026-03-28	Automated analysis of paraspinal muscles: segmentation and multi-parameter quantification in lumbar CT using convolutional neural network 2026-Mar, 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/s00586-025-09541-1 PMID:41191112	研究论文	本文开发了一种基于卷积神经网络的深度学习算法，用于在腰椎CT中自动分割和量化八块脊柱旁肌肉	首次提出使用深度学习算法自动分割和量化八块腰椎脊柱旁肌肉，并计算多个肌肉参数，克服了手动方法的耗时和变异性问题	样本量相对较小（100例CT扫描），且未提及外部验证或跨中心数据测试	开发自动分割和量化腰椎脊柱旁肌肉的深度学习工具，以支持大规模流行病学研究	腰椎CT图像中的八块脊柱旁肌肉（双侧腰大肌、腰方肌、竖脊肌和多裂肌）	数字病理学	脊柱相关疾病	CT成像	CNN	图像	100例腰椎CT扫描（年龄55.02±16.2岁，62名女性）	NA	TransUNet	Dice相似系数, Hausdorff距离, 平均交并比, 组内相关系数	NA
511	2026-03-28	External validation of SpineNetv2 deep learning system for automated lumbar spine MRI analysis: A multi-pathology diagnostic agreement study 2026-Mar, 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/s00586-025-09543-z PMID:41204023	研究论文	本研究对公开可用的深度学习系统SpineNetv2在腰椎MRI多病理自动分析方面进行了独立外部验证，并与专家评估进行了对比	首次对SpineNetv2深度学习系统在多种腰椎病理诊断方面进行了独立外部验证，并系统比较了其与初级骨科医生的性能差异	Pfirrmann分级在老年患者和上腰椎间盘中的一致性下降，系统存在特异性导向特征，假阴性超过假阳性，不推荐依赖阴性结果	验证深度学习系统在腰椎MRI多病理自动分析中的诊断性能	491名患者的2,455个腰椎间盘（L1/2-L5/S1）	数字病理学	腰椎退行性疾病	磁共振成像（MRI）	深度学习系统	医学影像（MRI图像）	491名患者，2,455个腰椎间盘	NA	SpineNetv2	敏感性, 特异性, 阳性预测值, 阴性预测值, F1分数, Matthews相关系数, 精确一致性, 加权kappa, 平均绝对误差	NA
512	2026-03-28	Deep learning model for osteoporosis screening on chest CT with low tube voltage 2026-Mar, 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/s00586-025-09540-2 PMID:41207963	研究论文	本研究开发了一种基于低管电压胸部CT图像的深度学习模型，用于骨质疏松筛查	利用低管电压（100 kV）胸部CT图像，结合两级网络（Bone-PSPNet和Ost-ClassNet）自动识别骨质疏松，为骨质疏松筛查提供了新的无创方法	研究为回顾性设计，样本量相对有限（649例），且仅基于单一机构的患者数据，可能影响模型的泛化能力	开发基于低管电压胸部CT的深度学习模型，用于骨质疏松的自动筛查	接受低管电压胸部CT和腰椎定量CT（QCT）检查的患者	计算机视觉	骨质疏松	低管电压CT（100 kV），定量CT（QCT）	深度学习模型	CT图像	649例患者（训练集518例，测试集131例）	NA	Bone-PSPNet, Ost-ClassNet	灵敏度, AUC	NA
513	2026-03-28	Spinal Cord Segmentation and Injury Detection based on Siamese Conventional WideRes Network using CT Image 2026-Mar, 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/s00586-025-09587-1 PMID:41266913	研究论文	提出了一种基于Siamese卷积WideRes网络（SCWRes-Net）的深度学习新方法，用于CT图像中的脊髓分割和损伤检测	提出了一种新颖的SCWRes-Net模型，该模型集成了Siamese卷积神经网络（SCNN）和宽残差网络（WideResNet），用于解决脊髓损伤检测中的类别不平衡和图像变异性问题	NA	开发一种用于脊髓分割和损伤检测的深度学习模型	CT图像中的脊髓区域	计算机视觉	脊髓损伤	CT成像	CNN, Siamese网络	图像	NA	NA	Mask R-CNN, WideResNet, Siamese CNN	准确率, 真阴性率, 真阳性率	NA
514	2026-03-28	Application and assessment of deep learning to routine 2D T2 FLEX spine imaging at 1.5T 2026-Mar, 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/s00586-025-09305-x PMID:40892229	研究论文	本研究评估了深度学习重建技术在1.5T磁共振脊柱成像中的应用效果，比较了DL重建与非DL重建的2D T2 FLEX图像质量	首次系统评估深度学习重建（AIR™ Recon DL）在1.5T磁共振常规脊柱2D T2 FLEX成像中的诊断图像质量和定量指标表现	样本量较小（41例患者），仅评估了特定病理类型，需要更大规模和多样化的队列研究来验证结果	比较深度学习重建与非深度学习重建的脊柱2D T2 FLEX磁共振图像的诊断质量和定量指标	41例临床需要进行颈椎或腰椎磁共振检查的患者	医学影像分析	脊柱疾病	2D T2 FLEX磁共振成像，DIXON型脂肪抑制技术	深度学习重建模型	磁共振图像	41例患者，39个病例评估	AIR™ Recon DL（GE HealthCare专有框架）	NA	信噪比（SNR），总变差（TV），边缘数量，脂肪分数（FF），诊断偏好评分	1.5T Voyager磁共振扫描仪（GE HealthCare），具体计算资源未明确说明
515	2026-03-28	Multi-class cervical spine fracture classification using deep ensemble model based on CT images 2026-Mar, 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/s00586-025-09415-6 PMID:41057591	研究论文	本研究提出了一种基于CT图像的多类别颈椎骨折分类深度集成模型，用于精确识别骨折类型	提出了一种结合增强维纳滤波预处理、改进残差块辅助ResUNet分割、以及VGG16/ResNet深度特征与LGTrP纹理特征融合的集成分类框架，采用软投票策略整合多个分类器的概率输出	未明确说明模型在外部验证集上的泛化性能，也未讨论不同CT扫描参数对模型性能的影响	开发精确有效的颈椎骨折自动分类方法以辅助临床诊断	颈椎CT图像	计算机视觉	颈椎骨折	CT成像	集成模型, CNN	医学图像（CT）	NA	NA	ResUNet, VGG16, ResNet, LeNet, ShuffleNet, DCNN	准确率, 精确率, NPV	NA
516	2026-03-28	Dual HER2/ERα Inhibitors for Breast and Ovarian Cancer: An Integrated Computational Study on 1,2,4-Oxadiazole Derivatives 2026-Mar, Chemistry & biodiversity IF:2.3Q3 DOI:10.1002/cbdv.202503520 PMID:41889096	研究论文	本研究通过综合计算策略评估了一系列1,2,4-恶二唑衍生物作为HER2和ERα双重抑制剂的潜力	采用集成计算策略（包括DFT、分子对接、动力学模拟、药代动力学分析和机器学习模型）来评估1,2,4-恶二唑衍生物作为HER2/ERα双重抑制剂，并利用机器学习和深度学习模型进行化合物活性分类	研究结果需要后续实验验证，计算模型的预测性能可能受限于训练数据	评估1,2,4-恶二唑衍生物作为HER2和ERα双重抑制剂的潜力，以加速靶向癌症疗法的发现	1,2,4-恶二唑衍生物	机器学习	乳腺癌,卵巢癌	密度泛函理论（DFT）、分子对接、分子动力学模拟、药代动力学分析、机器学习	机器学习模型,深度学习模型	化学结构数据,计算模拟数据	一系列1,2,4-恶二唑衍生物	NA	NA	预测结合亲和力,复合物稳定性,口服生物利用度,心脏毒性风险,分类性能	NA
517	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
518	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
519	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
520	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