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	2026-04-01	Detecting Extrachromosomal DNA from Routine Histopathology 2026-Mar-02, bioRxiv : the preprint server for biology DOI:10.64898/2026.02.27.708546 PMID:41847039	研究论文	本研究开发了一种基于常规H&E染色全切片病理图像的深度学习框架，用于推断肿瘤中的染色体外DNA状态	首次利用常规病理图像而非专门基因组检测来推断ecDNA状态，通过弱监督深度学习框架实现端到端检测，并揭示了ecDNA在组织形态上的可重复足迹	依赖于现有病理图像数据，可能受图像质量和染色差异影响，且需进一步验证以确认其作为分子检测前筛选工具的可靠性	开发一种从常规病理图像中检测染色体外DNA的方法，以促进肿瘤的分子检测筛选	来自癌症基因组图谱的十二种癌症类型的肿瘤样本	数字病理学	癌症	H&E染色全切片病理成像	深度学习	图像	来自十二种癌症类型的肿瘤样本，具体数量未在摘要中明确	NA	NA	NA	NA
502	2026-04-01	Use of Electrocardiograms to Identify Coronary Artery Disease: Cross-Validation of an Artificial Intelligence Model 2026-Mar, JACC. Advances DOI:10.1016/j.jacadv.2025.102573 PMID:41616590	研究论文	本研究开发并验证了一种基于深度学习的人工智能模型，利用静息12导联数字心电图预测冠状动脉疾病	首次开发了一种深度学习AI模型，能够通过非侵入性的心电图数据预测冠状动脉疾病，为CAD诊断提供了一种新的无创筛查工具	研究为回顾性设计，可能存在选择偏倚；模型在外部验证集中的阳性预测值有所下降	开发并验证一种基于心电图的人工智能模型，用于预测冠状动脉疾病	接受冠状动脉造影的患者	机器学习	心血管疾病	心电图	深度学习	数字信号	16,476名患者	NA	NA	阳性预测值, 阴性预测值, 曲线下面积	NA
503	2026-04-01	Dual-channel ultrasonic images empowered deep learning: significantly improving prediction of occult central lymph node metastases in solitary papillary thyroid microcarcinoma 2026-03-01, Radiology and oncology IF:2.1Q2 DOI:10.2478/raon-2026-0006 PMID:41686681	研究论文	本研究开发了一种结合纵向和横向超声图像的双通道深度学习模型，用于预测孤立性甲状腺微小乳头状癌中的隐匿性中央淋巴结转移	首次提出使用双通道超声图像（纵向和横向）的深度学习模型来预测PTMC中的隐匿性CLNM，并通过结合深度学习特征与临床指标实现了更高的预测性能	研究为回顾性设计，样本量相对有限（461例患者），且仅来自两家医院，可能存在选择偏倚	提高术前对甲状腺微小乳头状癌中隐匿性中央淋巴结转移的预测准确性，以指导个体化治疗决策	461例接受术前超声检查的甲状腺微小乳头状癌患者	数字病理学	甲状腺癌	超声成像	深度学习模型	超声图像	461例患者	NA	双通道深度学习模型	AUC, 校准曲线	NA
504	2026-04-01	Automated neural network femur segmentation performance in computed tomography images of older adults with obesity 2026-Mar, JBMR plus IF:3.4Q2 DOI:10.1093/jbmrpl/ziag015 PMID:41704480	研究论文	本研究评估了一种用于老年人股骨CT图像自动分割的卷积神经网络模型在肥胖老年人群中的性能表现	将已在冰岛老年人群中验证的CNN模型应用于美国肥胖老年人群的股骨分割，验证了模型在不同人群中的适用性	模型在股骨头边界划分和骨赘检测方面存在轻微误差，需要在预处理和后处理阶段进行人工干预	评估深度学习模型在肥胖老年人股骨CT图像分割中的可行性和性能	166例美国肥胖老年人的CT扫描图像	数字病理学	老年疾病	CT扫描	CNN	医学影像	166例CT扫描	NA	NA	Dice相似系数, 95% Hausdorff距离	NA
505	2026-04-01	Development of a Deep Learning Algorithm for Posterior Fossa Abnormality Recognition on First-Trimester US Screening Scans: AIRFRAME Study Part 1 2026-03, Radiology. Artificial intelligence DOI:10.1148/ryai.250394 PMID:41563074	研究论文	开发一种深度学习算法，用于在孕早期超声筛查扫描中自动评估后颅窝，以识别开放性脊柱裂和囊性后颅窝异常	首次利用深度学习算法在孕早期（11-14周）超声图像中自动评估后颅窝，并区分正常图像与开放性脊柱裂或囊性后颅窝异常图像	研究为回顾性设计，样本量相对较小（251例胎儿），且模型性能在内部测试集上评估，需要进一步外部验证	开发并验证一种深度学习算法，用于孕早期超声筛查中后颅窝异常的自动识别	孕早期（11-14周）胎儿大脑超声图像，包括正常、开放性脊柱裂和囊性后颅窝异常病例	计算机视觉	胎儿脑部异常	超声成像	CNN	图像	251例胎儿（150例正常，101例异常，其中43例开放性脊柱裂，58例囊性后颅窝异常）	NA	MobileNetV3 Large	AUC, 准确率, 召回率, 特异性, 精确率, 阴性预测值, F1分数	NA
506	2026-04-01	Imaging-based prognostic factors in patients undergoing thermal ablation for colorectal liver metastases. A retrospective study on the role of sarcopenia parameters and tumor burden score 2026-03-01, Radiology and oncology IF:2.1Q2 DOI:10.2478/raon-2026-0011 PMID:41777029	研究论文	本研究探讨了在接受结直肠肝转移热消融治疗的患者中，基于影像学的预后因素，重点关注肌肉减少症相关身体成分参数和L1骨密度与肿瘤负荷评分的比较	首次在结直肠肝转移热消融治疗患者中，使用开源深度学习工具TotalSegmentator自动提取腰大肌体积指数，并发现其与1年生存率显著相关，而传统肿瘤负荷评分和其他肌肉减少症参数未显示显著关联	研究为单中心回顾性分析，样本量较小（88例患者），可能存在选择偏倚，且未考虑其他潜在混杂因素	评估影像学预后因素在结直肠肝转移热消融治疗患者中的作用	接受热消融治疗的结直肠肝转移患者	数字病理学	结直肠癌	CT成像	深度学习	医学影像	88例患者	TotalSegmentator	NA	p值	NA
507	2026-04-01	EEG-based biomarkers for psychosis: Comparative performance of support vector machines and deep neural networks 2026-Mar, Biological psychology IF:2.7Q2 DOI:10.1016/j.biopsycho.2026.109232 PMID:41786272	研究论文	本研究比较了支持向量机（SVM）和深度神经网络（DNN）在基于任务相关脑电图（EEG）数据对精神病进行分类时的性能	在有限样本条件下，系统地比较了经典机器学习（SVM）与深度学习（DNN）在精神病EEG分类任务中的表现，并强调了非线性特征和低频指标作为潜在生物标志物的价值	样本量较小（43名参与者），需要在更大的多中心数据集中验证结果的普适性和临床实用性	评估和比较不同机器学习方法在基于EEG数据识别精神病谱系障碍方面的性能	精神病患者（19名）与健康对照者（24名）	机器学习	精神病谱系障碍	脑电图（EEG）	SVM, DNN	EEG信号	43名参与者（19名患者，24名对照）	NA	NA	准确率, AUC	NA
508	2026-04-01	Drug screening for α-synuclein aggregation inhibitors via multimodal graph neural network 2026-Mar-01, Briefings in bioinformatics IF:6.8Q1 DOI:10.1093/bib/bbag118 PMID:41870129	研究论文	本研究提出了一种用于预测α-突触核蛋白相关分子性质的多模态图神经网络深度学习框架，以筛选其聚集抑制剂	首次设计了一种整合图上下文注意力机制、结构特征聚合协议、双通道特征集成及复合正则化策略的先进深度学习框架，用于α-突触核蛋白分子性质预测	未明确说明模型在更大规模或更广泛化合物库上的泛化能力，以及实验验证的局限性	筛选α-突触核蛋白聚集抑制剂，为神经退行性疾病药物发现提供初步筛选框架	α-突触核蛋白（α-syn）及其与小分子配体的相互作用	机器学习	帕金森病	分子对接研究	图神经网络（GNN）	分子图数据	NA	NA	多模态图神经网络（整合图上下文注意力机制、双通道特征集成）	均方误差（MSE）	NA
509	2026-04-01	Deconvolving cell-type-specific gene expression profiles from bulk RNA-seq samples 2026-Mar, PLoS computational biology IF:3.8Q1 DOI:10.1371/journal.pcbi.1014101 PMID:41886524	研究论文	本文开发了一种基于U-Net的深度学习算法BLUE，用于从批量RNA-seq样本中解卷积出细胞类型比例和细胞类型特异性基因表达谱	利用U-Net的强大特征提取和表示学习能力，首次将深度学习应用于批量RNA-seq数据的细胞类型特异性基因表达谱解卷积，显著优于现有算法	未明确说明算法对实验成本的依赖性或数据规模的限制	整合批量RNA-seq和单细胞RNA-seq的优势，利用现有批量RNA-seq数据集进行细胞类型特异性分析	批量RNA-seq样本和单细胞RNA-seq数据	机器学习	癌症	RNA-seq, scRNA-seq	CNN	基因表达数据	NA	NA	U-Net	NA	NA
510	2026-04-01	Advancing modified barium swallow pre-sorting with deep learning: a new paradigm for the first step analysis in X-ray swallowing study 2026-Mar, International journal of computer assisted radiology and surgery IF:2.3Q2 DOI:10.1007/s11548-025-03505-y PMID:41046271	研究论文	本研究提出了一种深度学习方法来自动化改良钡餐吞咽检查中视频片段的分类，以区分不同类型的诊断视频并识别非诊断性定位视频，从而优化分析流程	首次将深度学习应用于改良钡餐吞咽检查视频的自动预分类，并引入多任务学习方法来提升模型性能	模型在区分定位视频与吞咽视频时的帧级准确率相对较低（90.26%），且样本量有限（285次检查），可能影响泛化能力	自动化改良钡餐吞咽检查中视频片段的分类，以提高临床工作效率	改良钡餐吞咽检查中的视频片段，包括前后位、侧位诊断视频和非诊断性定位视频	计算机视觉	吞咽功能障碍	X射线吞咽研究	深度学习模型	视频	285次改良钡餐吞咽检查，涉及216名患者（平均年龄60±9岁），包含3,740个视频片段，总计986,808帧	NA	NA	准确率	NA
511	2026-04-01	STGNET: extending panel coverage in imaging-based spatial transcriptomics using deep generative adversarial networks 2026-Mar-01, Briefings in bioinformatics IF:6.8Q1 DOI:10.1093/bib/bbag122 PMID:41875024	研究论文	本文提出了一种名为STGNET的深度学习框架，通过结合生成对抗网络和图神经网络来扩展成像空间转录组学中的基因面板覆盖范围	STGNET创新性地将多阶段GAN与空间感知图卷积网络结合，从单细胞RNA测序数据学习全局转录组分布，并通过建模物理细胞邻近性和转录相似性来优化基因填补	未在摘要中明确提及	克服成像空间转录组学技术中基因面板覆盖范围有限的限制，实现更全面的空间生物学分析	成像空间转录组学数据，涉及小鼠胚胎发生、乳腺癌进展和大脑组织	数字病理学	乳腺癌	成像空间转录组学，单细胞RNA测序	GAN, GCN	空间转录组学数据，单细胞RNA测序数据	九个不同的空间转录组学数据集	未在摘要中明确提及	生成对抗网络，图卷积网络	基因填补准确性，细胞拓扑结构保持性	未在摘要中明确提及
512	2026-04-01	Performance of predictive AI-based clinical decision support systems across clinical domains: A systematic review and meta-analysis 2026-Mar, PLOS digital health DOI:10.1371/journal.pdig.0001310 PMID:41875094	系统综述与荟萃分析	本文通过系统综述和荟萃分析，评估了基于人工智能的临床决策支持系统（AI-CDSS）在多个医学专科中的预测性能	本研究首次对跨多个医学专科的当代AI驱动预测工具进行了广泛的系统综述和荟萃分析，并提出了一个名为ROADMAP的实用框架，以弥合算法性能与有意义的临床整合之间的差距	纳入的研究存在显著的异质性，且仅有24%的研究涉及前瞻性部署，64%的研究仅报告了技术指标而缺乏临床工作流程数据	评估基于人工智能的临床决策支持系统（AI-CDSS）在多个医学专科中的预测性能	评估基于人工智能的临床决策支持系统（AI-CDSS）预测性能的研究	机器学习	NA	NA	NA	真实世界临床数据	NA	NA	NA	AUC, 特异性, 准确性, 敏感性	NA
513	2026-04-01	HiCMamba: Enhancing Hi-C resolution and identifying 3D genome structures with state space modeling 2026-Mar, PLoS computational biology IF:3.8Q1 DOI:10.1371/journal.pcbi.1014057 PMID:41875404	研究论文	本文提出了一种基于深度学习和状态空间模型的新方法HiCMamba，用于增强Hi-C接触图的分辨率并识别3D基因组结构	首次将状态空间模型应用于Hi-C分辨率增强领域，并设计了基于UNet的自动编码器架构，结合了全局和局部多尺度感受野的感知能力	未明确说明方法在极低覆盖度数据上的性能边界，也未讨论跨细胞类型或物种的泛化能力	解决Hi-C数据因测序成本和技术限制导致的覆盖度不足问题，提升染色质相互作用频率估计的精确度	Hi-C接触图数据及其衍生的3D基因组结构（如拓扑关联结构域TADs和染色质环）	计算生物学	NA	Hi-C技术	深度学习	基因组相互作用频率矩阵（接触图）	NA	NA	UNet-based auto-encoder	NA	显著减少了计算资源需求（具体类型未说明）
514	2026-04-01	Are we ready for causal discovery in biological systems using deep learning? 2026-Mar-01, Briefings in bioinformatics IF:6.8Q1 DOI:10.1093/bib/bbag127 PMID:41911151	综述	本文探讨了在生物系统中应用深度学习进行因果发现的现状、挑战与新兴方法	强调了超越传统全局无环性假设，利用高效可扩展的神经方法直接从数据中推断成对因果关系的新兴方法	指出实现生物因果网络更深理解和更强推断仍需克服五个关键技术障碍	评估深度学习在生物系统因果发现中的准备程度与应用前景	生物系统（特别是大规模、自调节的自然系统）	机器学习	NA	深度学习	NA	NA	NA	NA	NA	NA	NA
515	2026-03-31	AI-driven drug-target interaction prediction: current progress, challenges, and future roadmap for precision medicine 2026-Mar-31, Journal of computer-aided molecular design IF:3.0Q2 DOI:10.1007/s10822-026-00798-2 PMID:41910880	综述	本文系统回顾了人工智能驱动的药物-靶点相互作用预测的当前进展、挑战及未来在精准医学中的应用路线图	全面整合了从传统计算方法到现代深度学习及多组学混合模型的最新进展，并强调了跨学科整合和伦理框架的重要性	面临数据稀疏性、模型可解释性及泛化能力等关键挑战	探索计算药物-靶点相互作用预测方法，以支持药物发现、开发和重定位	药物-靶点相互作用	机器学习	NA	QSAR, 药效团建模, 分子对接, 结合位点预测, 多组学整合	机器学习, 深度学习, 图神经网络, Transformer	化学, 生物, 组学特征	NA	NA	图神经网络, Transformer	预测准确性	NA
516	2026-03-31	Recent Advances in Musculoskeletal Radiology: Bridging Innovation and Clinical Application 2026-Mar-30, Magnetic resonance in medical sciences : MRMS : an official journal of Japan Society of Magnetic Resonance in Medicine IF:2.5Q2 DOI:10.2463/mrms.rev.2025-0150 PMID:41443887	综述	本文综述了肌肉骨骼放射学领域的最新进展，重点介绍了MRI、CT和人工智能等技术创新及其在临床诊断中的应用	总结了肌肉骨骼成像的7个关键领域，包括CT样对比MRI、定量MRI、AI在图像重建和诊断支持中的应用等，代表了该领域的范式转变	作为一篇综述文章，未提出新的原始研究数据或模型，主要依赖现有文献进行总结	回顾并总结肌肉骨骼放射学领域的最新技术进展及其临床转化应用	肌肉骨骼系统的影像学诊断技术，包括MRI、CT、PET和人工智能应用	数字病理学	肌肉骨骼疾病	MRI, CT, PET, MR spectroscopy (MRS), 人工智能	CNN, 自然语言处理模型	图像, 文本	NA	NA	NA	NA	NA
517	2026-03-31	Automated daily adaptation for breast cancer radiotherapy: benefits of deep learning-driven dose prediction workflow for CBCT-based adaptation 2026-Mar-30, Physics in medicine and biology IF:3.3Q1 DOI:10.1088/1361-6560/ae5387 PMID:41843986	研究论文	本研究探讨了基于深度学习的剂量预测与自动计划结合，用于乳腺癌放疗中基于锥形束CT的每日自适应放疗的可行性及临床益处	首次将深度学习驱动的剂量预测引擎与自动计划解决方案结合，用于乳腺癌放疗的每日自适应工作流，并通过预测标准优化重新计划决策	每日自适应可能并非对所有患者的所有分次都带来益处，且研究样本量较小（28例患者），需要进一步验证	评估基于锥形束CT的每日自适应放疗在乳腺癌治疗中的临床可行性及益处	28例接受容积旋转调强放疗的乳腺癌患者及其每日锥形束CT图像	数字病理学	乳腺癌	锥形束CT成像，容积旋转调强放疗	深度学习模型	医学图像（锥形束CT）	28例乳腺癌患者，每日锥形束CT图像（约15次/患者）	未明确指定	未明确指定	计划靶区剂量覆盖率，临床目标达成比例，器官风险剂量减少百分比	未明确指定
518	2026-03-31	Integration of Raman tweezers and machine learning for label-free single-cell characterization of endometriosis cells 2026-Mar-30, The Analyst DOI:10.1039/d5an01076d PMID:41711554	研究论文	本研究开发并验证了一种结合光学捕获和拉曼光谱的拉曼镊子平台，用于对子宫内膜异位症来源的VK2/E6E7上皮细胞进行无标记单细胞生化分析	首次将拉曼镊子应用于子宫内膜异位症细胞的单细胞分析，并整合了深度学习预处理和可解释机器学习方法	研究仅比较了VK2/E6E7细胞与A549上皮癌细胞系，未涉及更多细胞类型或临床样本，可能限制其普适性	探索子宫内膜异位症的细胞机制，开发一种无标记、微创的诊断策略	子宫内膜异位症来源的VK2/E6E7上皮细胞和上皮癌细胞系A549	机器学习	子宫内膜异位症	拉曼镊子（结合光学捕获和拉曼光谱）	Random Forest, XGBoost	拉曼光谱数据	涉及VK2/E6E7细胞和A549细胞系，具体样本数量未明确说明	NA	RSPSSL（自监督深度学习模型用于预处理）	准确率	NA
519	2026-03-31	Algorithm prediction of lifetime under high-power microwave based on T-type field plate HEMTs 2026-Mar-30, Nanotechnology IF:2.9Q2 DOI:10.1088/1361-6528/ae5539 PMID:41861404	研究论文	本研究构建了一个深度学习模型，结合TCAD技术，用于预测T型场板HEMTs在高功率微波应力下的可靠性	采用深度学习算法预测高功率微波下HEMTs的寿命，相比传统机器学习方法具有更低的预测误差，并允许非半导体专家快速获取设备寿命数据	未明确提及模型在极端或未见过条件下的泛化能力，以及可能的数据集规模限制	预测T型场板HEMTs在高功率微波应力下的可靠性，以支持设备设计和寿命评估	T型场板高电子迁移率晶体管（HEMTs）	机器学习	NA	TCAD技术	深度学习模型	数值数据（脉冲宽度、功率、占空比）	NA	NA	NA	相对误差，平均相对误差	NA
520	2026-03-31	Cross-platform deep learning enables automated cytomorphologic subtyping of acute leukemia from bone marrow smears 2026-Mar-30, Virchows Archiv : an international journal of pathology IF:3.4Q1 DOI:10.1007/s00428-026-04492-4 PMID:41906037	研究论文	本研究开发了一个深度学习框架ALSNet，用于从Wright-Giemsa染色的骨髓涂片中自动进行细胞级分类和病例级亚型分型急性白血病	ALSNet结合了双分支卷积架构和Transformer编码器，以捕获细粒度局部特征和全局形态学上下文，并通过多平台数据训练增强了泛化能力	未明确提及具体局限性，但外部验证的病例级准确率为0.75，仍有提升空间	自动化急性白血病的细胞形态学亚型分型，以指导治疗和预测患者结局	急性白血病患者的Wright-Giemsa染色骨髓涂片	数字病理学	急性白血病	Wright-Giemsa染色	CNN, Transformer	图像	180,928张专家标注的单细胞图像，涵盖19个造血和白血病细胞类别，来自三个不同的成像平台	NA	双分支卷积架构, Transformer编码器	每类准确率, 病例级准确率, 相关系数R	NA