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
41	2026-02-14	DeepArousal-Net: A Multi-Block Recurrent Deep Learning Model for Proactive Forecasting of Non-Apneic Arousals From Multichannel PSG 2026-Mar, IEEE transactions on bio-medical engineering DOI:10.1109/TBME.2025.3596900 PMID:40824988	研究论文	本研究开发了一种名为DeepArousal-Net的深度学习模型，用于从多通道PSG记录中准确预测非呼吸暂停性睡眠觉醒	提出了一种新颖的多块循环深度学习模型，能够提前30秒预测非呼吸暂停性睡眠觉醒，相比传统时间序列预测方法具有优越性能	NA	开发一个深度学习模型，用于准确预测非呼吸暂停性睡眠觉醒，以改善睡眠质量和整体健康	多通道PSG记录，包括EEG、ECG、EOG、EMG、血氧饱和度和气流信号	机器学习	睡眠障碍	多通道PSG	CNN, Bi-LSTM	多通道生理信号	NA	NA	DeepArousal-Net	准确率, 灵敏度, 特异性	NA
42	2026-02-14	Meta-Learning With Unlabeled Query Updating and Consistency Learning for Few-Shot OCT Image Classification 2026-Mar, IEEE transactions on bio-medical engineering DOI:10.1109/TBME.2025.3602687 PMID:40853820	研究论文	本文提出了一种用于少样本OCT图像分类的新算法，结合元学习、无标签查询更新和一致性学习来提高模型对罕见疾病的诊断能力	首次在元学习中引入基于查询数据的无监督学习，提出跨集一致性学习以减少支持集和查询集之间元知识的差距，并集成数据混合以增强数据多样性	NA	解决传统深度学习在训练数据不足时难以实现罕见疾病自动诊断的问题	光学相干断层扫描（OCT）图像，用于筛查常见和罕见视网膜疾病	计算机视觉	视网膜疾病	光学相干断层扫描（OCT）	深度神经网络，元学习	图像	基于公共OCT数据集构建的轻量级子集，并在组织学图像数据集上进行了额外实验	NA	NA	分类准确率	NA
43	2026-02-14	Classification of Brain Tumors in MRI Images with Brain-CNXSAMNet: Integrating Hybrid ConvNeXt and Spatial Attention Module Networks 2026-Mar, Interdisciplinary sciences, computational life sciences DOI:10.1007/s12539-025-00743-1 PMID:40739060	研究论文	本文提出了一种结合ConvNeXt和空间注意力模块的混合模型Brain-CNXSAMNet，用于MRI图像中脑肿瘤的分类	整合ConvNeXt以扩大感受野并捕获更广泛的空间上下文信息，同时引入空间注意力机制使网络能选择性关注信息丰富的区域，从而提升模型区分脑肿瘤类型和捕获复杂空间关系的能力	NA	开发一种AI驱动的诊断系统，用于准确高效地识别MRI图像中的脑肿瘤类型	脑肿瘤（包括脑膜瘤、垂体瘤和胶质瘤）的MRI图像	计算机视觉	脑肿瘤	磁共振成像（MRI）	CNN	图像	NA	NA	ConvNeXt, 空间注意力模块（SAM）	准确率	NA
44	2026-02-14	AIP-TranLAC: A Transformer-Based Method Integrating LSTM and Attention Mechanism for Predicting Anti-inflammatory Peptides 2026-Mar, Interdisciplinary sciences, computational life sciences DOI:10.1007/s12539-025-00761-z PMID:40830309	研究论文	本文提出了一种名为AIP-TranLAC的新型深度学习框架，用于准确预测抗炎肽	整合了Transformer嵌入、双向长短期记忆网络、多头注意力和卷积神经网络，以捕获序列的局部和全局模式	未明确提及具体局限性	开发一种计算工具以加速治疗性肽的发现和炎症研究	抗炎肽	自然语言处理	炎症性疾病	深度学习	Transformer, LSTM, CNN	序列数据	NA	NA	Transformer, Bi-LSTM, CNN	NA	NA
45	2026-02-14	AlzhiNet: Traversing from 2D-CNN to 3D-CNN, Towards Early Detection and Diagnosis of Alzheimer's Disease 2026-Mar, Interdisciplinary sciences, computational life sciences DOI:10.1007/s12539-025-00764-w PMID:40846816	研究论文	本研究提出了一种名为AlzhiNet的新型混合深度学习框架，用于阿尔茨海默病的早期检测与诊断	提出了一种结合2D-CNN和3D-CNN的混合深度学习框架，并引入了自定义损失函数和体积数据增强技术，以增强特征提取能力	未明确提及研究的局限性	提高阿尔茨海默病的早期检测和诊断准确性	阿尔茨海默病患者	数字病理学	阿尔茨海默病	磁共振成像	CNN	图像	来自Kaggle和MIRIAD数据集的MRI数据	NA	2D-CNN, 3D-CNN, ResNet-18	准确率, AUC	NA
46	2026-02-14	Hot-Spot-Guided Generative Deep Learning for Drug-Like PPI Inhibitor Design 2026-Mar, Interdisciplinary sciences, computational life sciences DOI:10.1007/s12539-025-00756-w PMID:40897867	研究论文	本文提出了一种名为Hot2Mol的生成式深度学习框架，用于从头设计靶点特异性和类药物的蛋白质-蛋白质相互作用抑制剂	Hot2Mol框架通过捕获热点残基的关键药效团特征，无需已知生物活性配体，实现了对PPI界面的精确靶向，并整合了条件Transformer、E(n)-等变图神经网络和变分自编码器以生成新颖多样的分子结构	未在摘要中明确提及	加速针对蛋白质-蛋白质相互作用的理性药物发现	蛋白质-蛋白质相互作用抑制剂	机器学习	NA	生成式深度学习	Transformer, 图神经网络, 变分自编码器	分子结构数据	NA	NA	Transformer, E(n)-等变图神经网络, 变分自编码器	结合亲和力, 类药物性, 合成可及性, 新颖性, 独特性	NA
47	2026-02-14	Evaluating Performance of a Deep Learning-based Artificial Intelligence Model for Ovarian Tumor Classification Using a Multicenter CT Dataset 2026-Mar, Radiology. Imaging cancer DOI:10.1148/rycan.250027 PMID:41686074	研究论文	本研究开发了一种基于深度学习的计算机辅助诊断模型，用于术前CT扫描中的卵巢肿瘤分类，并在多中心数据集上评估其性能	首次开发了基于CT扫描的深度学习模型用于卵巢肿瘤术前分类，并采用自监督学习在公共和机构数据集上进行训练，与现有超声模型和放射科医生评估进行了多中心比较	模型在外部测试集上的性能（AUC 0.61）明显低于内部测试集，表明模型泛化能力仍需提升，需要进一步改进才能投入临床应用	开发并评估基于深度学习的计算机辅助诊断模型，用于术前卵巢肿瘤的良恶性分类	卵巢肿瘤患者的CT扫描图像	数字病理学	卵巢癌	CT扫描	深度学习模型	医学影像（CT图像）	387个卵巢肿瘤图像，来自344名患者（226个良性，118个恶性）	NA	NA	AUC, 敏感性, 特异性, 阳性预测值, 阴性预测值	NA
48	2026-02-13	MetaChrome: an open-source, user-friendly tool for automated metaphase chromosome analysis 2026-Mar, Methods (San Diego, Calif.) DOI:10.1016/j.ymeth.2025.12.013 PMID:41475630	研究论文	本文介绍了一款名为MetaChrome的开源软件平台，该平台专为自动中期染色体分析而设计，集成了深度学习模型进行染色体分割和FISH信号共定位分析	开发了首个结合图形用户界面、基于微调深度学习模型（Cellpose）进行自动中期染色体分割与FISH信号共定位分析的开源软件平台	未明确提及模型在多样化或低质量图像上的泛化能力，也未与其他开源工具进行系统性比较	开发一个用户友好、开源的工具，以解决自动中期染色体分割和DNA FISH信号共定位分析的挑战，促进高通量染色体分析工作流程	中期染色体图像，特别是用于DNA荧光原位杂交（FISH）分析的图像	数字病理学	NA	DNA荧光原位杂交（DNA FISH），高通量成像（HTI）	深度学习模型（基于Cellpose）	图像	NA	NA	Cellpose	分割准确性	NA
49	2026-02-13	A Few-Shot Learning Framework for Time-Varying Scientific Data Generation via Conditional Diffusion Model 2026-Mar, IEEE transactions on visualization and computer graphics IF:4.7Q1 DOI:10.1109/TVCG.2026.3656934 PMID:41570098	研究论文	本文提出了一种基于条件扩散模型的少样本学习框架，用于生成时变科学数据，以解决科学可视化中数据稀疏的问题	引入了一种时间感知的UNet架构和噪声感知损失函数，能够在仅使用少量训练样本（如1、3或5个）的情况下，通过条件扩散模型实现泛化能力和性能的平衡	未明确提及计算资源需求或模型在更复杂数据集上的可扩展性限制	解决科学可视化中因模拟计算成本高和数据存储挑战导致的数据稀疏问题，提升深度学习模型的训练效果	时变科学数据，具体应用于空间超分辨率、时间超分辨率和变量转换三个科学可视化任务	科学可视化	NA	条件扩散模型	扩散模型	体积数据（volumetric data）	少量训练样本（例如1、3或5个）	NA	时间感知UNet	定量评估和定性评估	NA
50	2026-02-13	Deep learning deciphers behavioral states from muscle activation patterns 2026-Mar, Journal of pharmacological sciences IF:3.0Q2 DOI:10.1016/j.jphs.2026.01.007 PMID:41672643	研究论文	本文提出了一种基于深度学习的多部位肌电图分析方法，用于自动分类小鼠的行为状态	利用深度学习分析多部位肌电图数据，实现行为状态的自动分类，提供了一种客观、可扩展的行为评估框架	NA	开发一种自动、客观的行为分类方法，以克服手动视频观察的限制	小鼠的肢体和颈部肌肉	机器学习	NA	肌电图记录	CNN	肌电图信号	NA	NA	自定义卷积神经网络	分类准确率	NA
51	2026-02-12	Artificial Intelligence Use in Acne Diagnosis and Management-A Scoping Review 2026-Mar, International journal of dermatology IF:3.5Q1 DOI:10.1111/ijd.70110 PMID:41199593	综述	本文是一篇关于人工智能在痤疮诊断与管理中应用的范围综述，旨在评估和概述相关AI工具的类型、应用、性能以及模型训练中皮肤多样性数据的现状	首次系统性地综述了AI在痤疮领域的应用全景，特别关注了模型训练数据中皮肤多样性（肤色）的代表性问题，并比较了不同AI模型（集成模型、深度学习、大语言模型、经典机器学习）在痤疮诊断中的性能	作为一篇范围综述，它主要进行描述性总结和现状分析，而非对AI工具的有效性进行严格的荟萃分析或质量评估；同时，纳入研究的异质性可能影响结论的普适性	评估并概述人工智能在痤疮诊断与管理中的研究现状，包括工具类型、应用领域、性能表现以及模型训练数据的多样性	已发表的关于AI应用于痤疮的研究文献	数字病理学	痤疮	NA	深度学习, 经典机器学习, 集成模型, 大语言模型	图像, 文本	共纳入105篇研究文章进行分析	NA	NA	准确率	NA
52	2026-02-12	Artificial Intelligence in Prostate MRI: Addressing Current Limitations Through Emerging Technologies 2026-Mar, Journal of magnetic resonance imaging : JMRI IF:3.3Q1 DOI:10.1002/jmri.70189 PMID:41348934	综述	本文综述了人工智能在解决前列腺MRI当前局限性方面的进展，涵盖分流、加速采集与重建、图像质量保证、诊断和预后五个领域	整合了AI在前列腺MRI中多个应用领域的最新进展，包括FDA批准的加速重建工具、PI-CAI国际读者研究提供的非劣效性证据，以及将MRI特征扩展到预后建模	分流、质量控制和预后应用仍处于早期开发阶段，需确保跨人群的公平性能、纳入不确定性估计并进行前瞻性工作流程试验	探讨人工智能如何解决前列腺MRI在临床管理路径中的局限性，以促进其作为可扩展平台的采用	前列腺MRI技术及其在癌症检测和风险分层中的应用	数字病理	前列腺癌	MRI	深度学习, 机器学习	图像	NA	NA	NA	非劣效性	NA
53	2026-02-11	Accurate compositional analysis on complex mixtures via multi-task spectral data learning 2026-Mar-15, Analytica chimica acta IF:5.7Q1 DOI:10.1016/j.aca.2025.345050 PMID:41663216	研究论文	本文提出了一种新颖的多任务学习框架，通过结合成分识别与定量分析，提高复杂混合物光谱数据成分分析的准确性	引入预测掩码机制，将多标签分类分支的概率输出直接指导并行回归分支的预测，确保仅对识别为存在的成分预测浓度，从而增强物理合理性	NA	开发一种能够直接从重叠光谱数据中准确分析复杂混合物成分的方法	复杂混合物（如金属氧化物）的光谱数据	机器学习	NA	光谱分析	多任务学习框架	光谱数据	NA	NA	ResNet1D	NA	NA
54	2026-02-11	Nano-AI synergy in food chemistry: smart analytical tools for quality, safety, and nutritional profiling 2026-Mar-01, Food chemistry IF:8.5Q1 DOI:10.1016/j.foodchem.2026.147987 PMID:41544475	综述	本文综述了纳米技术与人工智能（AI）在食品化学、质量控制及营养评估领域的协同应用与潜力	系统探讨了Nano-AI平台在食品安全、实时监测、营养递送及预测分析中的协同创新，整合了纳米材料与AI技术以开发智能分析工具	NA	为研究人员、食品技术专家和监管机构提供实现智能、响应式及可持续食品系统的全面路线图	食品化学、质量控制和营养评估领域	机器学习	NA	纳米传感器辅助光谱学、AI驱动光谱解卷积、纳米材料增强食品分析	机器学习, 深度学习, 神经网络	传感器数据	NA	NA	NA	NA	NA
55	2026-02-11	Virtual Multi-Phase Contrast Enhanced Liver MRI Using Deep Learning for Evaluating Hepatocellular Carcinoma 2026-Mar, NMR in biomedicine IF:2.7Q1 DOI:10.1002/nbm.70235 PMID:41629748	研究论文	开发了一种深度学习模型，用于生成多期增强MRI以检测肝细胞癌	提出了一种能够快速生成多期增强MRI的深度学习模型，无需使用钆基对比剂，且图像质量和诊断性能不劣于实际增强MRI	研究未明确提及模型在更广泛人群或不同扫描仪上的泛化能力	评估深度学习合成的多期增强MRI在肝细胞癌检测中的图像质量、诊断性能及临床实用性	肝细胞癌或其他非肝细胞癌肝病患者	医学影像分析	肝细胞癌	对比增强MRI	深度学习模型	MRI图像	717名患者	NA	NA	敏感性, 特异性, AUC	NA
56	2026-02-11	Artificial intelligence predicts c-KIT exon 11 genotype by phenotype in canine cutaneous mast cell tumors: Can human observers learn it? 2026-Mar, Veterinary pathology IF:2.3Q1 DOI:10.1177/03009858251380284 PMID:41059708	研究论文	本研究旨在通过人工智能预测犬皮肤肥大细胞肿瘤的c-KIT外显子11基因型，并评估人类观察者学习此任务的能力	首次尝试将深度学习算法预测的基因型特征转移给人类病理学家，并评估其学习效果	人类观察者在自我训练后分类准确率提升有限，且未发现可靠的形态学特征来预测-11-ITD状态	识别与c-KIT外显子11内部串联重复突变相关的形态学特征，并评估人类病理学家学习这些特征的能力	犬皮肤肥大细胞肿瘤的数字化苏木精-伊红染色组织切片和图像块	数字病理学	犬皮肤肥大细胞肿瘤	深度学习	深度学习算法	图像	17名未经训练的病理学家，涉及8张全切片图像和200个图像块用于初始分类，15张新全切片图像和200个新图像块用于后续测试	NA	NA	分类准确率	NA
57	2026-02-10	Deep learning for automated 3D assessment of rotator cuff muscle atrophy and fat infiltration prior to total shoulder arthroplasty 2026-Mar, Journal of shoulder and elbow surgery IF:2.9Q1 DOI:10.1016/j.jse.2025.07.025 PMID:40902715	研究论文	本研究开发了一种基于深度学习的模型，用于在肩部CT扫描上自动分割肩袖肌肉，并提出了体积肌肉萎缩的T评分分类方法	首次利用深度学习实现肩袖肌肉的自动三维分割，并引入T评分系统量化肌肉萎缩，同时定义了独特的萎缩表型、三维脂肪浸润百分比及前后平衡指标	研究样本主要来自特定患者群体（aTSA和rTSA），可能限制了结果的普适性；深度学习模型的性能依赖于CT图像质量	开发自动化工具以可靠评估肩袖肌肉萎缩和脂肪浸润，改善全肩关节置换术前的病理评估	肩袖肌肉（冈上肌、肩胛下肌、冈下肌、小圆肌）	数字病理学	肩关节疾病	计算机断层扫描（CT）	深度学习模型	三维CT图像	952例肩部CT扫描（762例健康对照，103例aTSA患者，87例rTSA患者）	NA	NA	T评分分类，三维脂肪浸润百分比，前后肌肉体积比，统计显著性（P值）	NA
58	2026-02-10	Artificial Intelligence and Machine Learning for Osteoarthritis and Cartilage Assessment 2026-Mar, Radiologic clinics of North America IF:2.1Q2 DOI:10.1016/j.rcl.2025.09.001 PMID:41656050	综述	本文评估了人工智能和机器学习在骨关节炎和软骨评估中的应用，特别是在X光片和磁共振成像分析中的进展	综述了AI在骨关节炎诊断和管理中的最新应用，包括X光片分级与分割以及MRI序列优化、快速采集、去噪、软骨测量和评分系统等多个任务	NA	评估人工智能和机器学习在骨关节炎和软骨评估中的应用，以应对其复杂的病理生理学带来的诊断和管理挑战	骨关节炎患者的X光片和磁共振成像数据	数字病理学	骨关节炎	X光成像, 磁共振成像	深度学习	图像	NA	NA	NA	NA	NA
59	2026-02-10	High-Resolution MR Imaging of Elbow Ligament Injuries and Associated Impingement and Instability Syndromes 2026-Mar, Radiologic clinics of North America IF:2.1Q2 DOI:10.1016/j.rcl.2025.09.005 PMID:41656056	综述	本文详细阐述了用于评估肘关节韧带损伤及相关撞击与不稳定综合征的高分辨率磁共振成像技术	强调了高场强磁体、专用表面线圈、三维成像和深度学习重建等先进技术在增强韧带结构可视化方面的应用	NA	评估肘关节韧带病变及相关不稳定和撞击综合征	肘关节韧带（内侧和外侧韧带复合体）及相关病理状态	数字病理学	NA	高分辨率磁共振成像，三维成像，深度学习重建	NA	磁共振图像	NA	NA	NA	NA	NA
60	2026-02-10	Corrigendum to "Geometric evaluation of a deep learning method for segmentation of urinary OARs on magnetic resonance imaging for prostate cancer radiotherapy". [Clin. Transl. Radiat. Oncol. 56 (2026) 101091] 2026-Mar, Clinical and translational radiation oncology IF:2.7Q2 DOI:10.1016/j.ctro.2025.101103 PMID:41657361	correction	本文是对一篇关于深度学习在MRI图像中分割前列腺癌放疗相关危及器官（OARs）的几何评估研究的更正	NA	NA	NA	NA	digital pathology	prostate cancer	magnetic resonance imaging	deep learning	image	NA	NA	NA	NA	NA