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
1301	2026-03-06	HiST: Histological Images Reconstruct Tumor Spatial Transcriptomics via MultiScale Fusion Deep Learning 2026-Mar, Advanced science (Weinheim, Baden-Wurttemberg, Germany) DOI:10.1002/advs.202514351 PMID:41487073	研究论文	本文开发了一个多尺度卷积深度学习框架HiST，用于从组织学图像重建空间转录组学数据，以评估肿瘤异质性并预测患者预后	HiST首次通过多尺度融合深度学习，从组织学图像中高精度重建空间分辨的基因表达谱，其性能优于现有模型约两倍，并展示了在多种癌症类型中的临床应用价值	NA	开发一个深度学习框架，以低成本从组织学图像中重建空间转录组学数据，用于肿瘤微环境分析和临床预后预测	多种癌症类型的组织学图像和空间转录组学数据，包括乳腺癌等	数字病理学	乳腺癌	空间转录组学	CNN	图像	NA	NA	多尺度卷积深度学习框架	AUC, 皮尔逊相关系数, 一致性指数	NA
1302	2026-03-06	Pixel-level Radiomics and Deep Learning for Predicting Ki-67 Expression in Breast Cancer Based on Dual-modal Ultrasound Images 2026-Mar, Academic radiology IF:3.8Q1 DOI:10.1016/j.acra.2025.12.047 PMID:41539915	研究论文	本研究开发了一种基于双模态超声图像和像素级放射组学特征的深度学习模型，用于预测乳腺癌Ki-67表达	提出了一种结合像素级放射组学特征图和Vision-Mamba深度学习架构的新方法，用于从二维和应变弹性成像超声图像中预测Ki-67表达	未明确说明模型在更广泛人群或不同超声设备上的泛化能力，以及计算资源需求的具体细节	开发一个深度学习模型来预测乳腺癌中的Ki-67表达，以辅助个体化治疗决策	乳腺癌患者	数字病理学	乳腺癌	超声成像（二维和应变弹性成像）	深度学习模型	图像	1031名乳腺癌患者（训练集616，内部验证集265，外部测试集150），外加63名前瞻性验证患者	NA	Vision-Mamba	AUC, 校准曲线, 决策曲线分析	NA
1303	2026-03-06	De novo design of GPCR exoframe modulators 2026-Mar, Nature IF:50.5Q1 DOI:10.1038/s41586-025-09957-1 PMID:41699180	研究论文	本文介绍了一种名为GPCR外框架调节器（GEMs）的从头设计蛋白质，用于靶向G蛋白偶联受体的跨膜结构域，实现多样化的变构调节	首次开发了针对GPCR跨膜结构域的从头设计蛋白质调节器，采用幻觉式设计方法和结构提示策略，实现了对多巴胺D受体的变构调节，包括激动剂-正变构调节器、负变构调节器和偏向性变构调节器	研究主要基于多巴胺D受体作为原型模型，未广泛验证其他GPCR靶点；功能恢复实验限于体外功能测定，缺乏体内疗效验证	开发针对GPCR跨膜结构域的新型变构调节剂，以拓展GPCR药物发现策略	G蛋白偶联受体（GPCRs），特别是多巴胺D受体及其功能缺失突变体	计算生物学	NA	幻觉式设计方法，结构生物学研究，功能测定	深度学习模型	蛋白质结构数据，功能测定数据	四种GEMs蛋白质，针对多巴胺D受体及其突变体进行系统研究	NA	NA	NA	NA
1304	2026-03-06	Open-Set Active Learning for Nucleus Detection From the Histopathological Images 2026-Mar, IEEE transactions on medical imaging IF:8.9Q1 DOI:10.1109/TMI.2025.3617073 PMID:41052167	研究论文	本文提出了一种用于开放集环境中细胞核检测的两阶段主动学习框架，旨在减少标注负担并提高检测准确性	首次探索开放集环境下的细胞核检测主动学习，提出基于原型的查询策略和两阶段框架以处理未知类样本	未提及具体的数据集规模限制或模型泛化能力的详细评估	开发一种在开放集环境中减少标注工作量的细胞核检测主动学习方法	组织病理学图像中的细胞核	数字病理学	NA	深度学习	CNN	图像	NuCLS和PanNuke两个数据集	PyTorch	NA	检测准确性	NA
1305	2026-03-06	Unsupervised High-Order Implicit Neural Representation With Line Attention for Metal Artifact Reduction 2026-Mar, IEEE transactions on medical imaging IF:8.9Q1 DOI:10.1109/TMI.2025.3620222 PMID:41071700	研究论文	本文提出了一种基于隐式神经表示的无监督金属伪影减少框架，通过高阶线注意力网络从X射线中捕获局部上下文和几何表示，以重建无伪影的CT图像	提出了高阶线注意力网络，通过二阶特征交互改善频谱偏差问题，并设计线性复杂度的线注意力模块建立采样射线间空间点标记的全局关系，采用多局部相邻射线采样策略提供更多上下文信息	未在摘要中明确说明	减少计算机断层扫描图像中的金属伪影	含有金属植入物的CT图像	计算机视觉	NA	计算机断层扫描	隐式神经表示	图像	NA	NA	高阶线注意力网络	NA	NA
1306	2026-03-06	Deep Learning-Enhanced Diffusion-Weighted Imaging of the Abdomen at 0.55 T: Image Quality and Apparent Diffusion Coefficient Calculation Interchangeability in Healthy Volunteers 2026-Mar, Academic radiology IF:3.8Q1 DOI:10.1016/j.acra.2025.11.039 PMID:41391962	研究论文	本研究评估了深度学习增强的低场强腹部扩散加权成像的技术可行性、图像质量和表观扩散系数可靠性	首次在0.55 T低场强磁共振中应用深度学习超分辨率重建技术，显著提升腹部扩散加权成像质量	研究仅纳入健康志愿者，样本量有限（33人），且未评估病理组织	评估深度学习增强低场强扩散加权成像的技术性能与临床适用性	健康志愿者的腹部器官（肝脏、脾脏、胸椎椎体）	医学影像分析	NA	扩散加权成像，磁共振成像	深度学习	医学影像	33名健康志愿者	NA	超分辨率重建网络	图像质量评分，组内相关系数，Bland-Altman分析，相关性系数	NA
1307	2026-03-06	Spectral Decomposition of Chemical Semantics for Activity Cliffs-Aware Molecular Property Prediction 2026-Mar, Advanced science (Weinheim, Baden-Wurttemberg, Germany) DOI:10.1002/advs.202517579 PMID:41632044	研究论文	提出了一种名为PrismNet的光谱图网络，通过模拟化学直觉，用于分子性质预测，特别是在处理活性悬崖方面表现出色	采用光谱图网络和双分解策略，将分子分解为支架、功能基团和药效团三个化学视角，并通过光谱频率解析，实现了多尺度语义的统一和化学可解释性	NA	提高分子物理化学和生物性质预测的准确性，特别是在药物发现中处理活性悬崖问题	分子	机器学习	NA	光谱图网络	光谱图网络	分子图数据	64个基准数据集，包括30个活性悬崖数据集	NA	PrismNet	NA	NA
1308	2026-03-06	Utility of Artificial Intelligence in Stereotactic Radiosurgery for Vestibular Schwannomas: A Systematic Review 2026-Mar, Asian journal of neurosurgery DOI:10.1055/s-0045-1813260 PMID:41782594	系统综述	本文系统综述了人工智能在听神经瘤立体定向放射外科治疗中的当前应用与临床效用	首次系统性地将AI在听神经瘤立体定向放射外科中的应用归纳为三个领域（治疗前肿瘤表征与分割、放射外科治疗计划、治疗后反应预测），并总结了卷积神经网络和联邦学习等AI方法在自动化、精准化方面的潜力	存在数据标准化不足、模型泛化性有限以及临床实践整合困难等挑战，需要更多前瞻性多中心研究和监管监督来验证和推广AI工具	评估人工智能在听神经瘤立体定向放射外科管理中的应用现状和临床价值	听神经瘤患者及其立体定向放射外科治疗过程	数字病理	听神经瘤	立体定向放射外科，特别是伽玛刀放射外科	机器学习，深度学习	医学影像数据	基于22项原始研究的汇总分析，具体样本量未在摘要中明确	NA	卷积神经网络	与专家手动标注相当的性能指标	NA
1309	2026-03-06	Application of Artificial Intelligence in Detecting Dental Anomalies: Current Models, Imaging Modalities, and Future Directions 2026-Mar, Health science reports IF:2.1Q3 DOI:10.1002/hsr2.71969 PMID:41782650	综述	本文综述了人工智能在牙科异常检测中的应用，包括当前模型、成像模态及未来方向	系统评估了多种AI模型在牙科异常检测中的性能，并识别了高效模型如EfficientDet-D3、nnU-Net和ResNeXt	性能在不同异常类型和成像模态间存在差异，且缺乏同时检测多种异常的多类别模型	调查人工智能在牙科异常检测与诊断中的应用	牙科异常，包括多生牙、巨牙症、阻生牙、异位萌出和磨牙-切牙釉质矿化不全	计算机视觉	牙科疾病	牙科放射成像和摄影	深度学习	图像	20项研究	NA	EfficientDet-D3, nnU-Net, ResNeXt	准确率	NA
1310	2026-03-06	Improved 3D image reconstruction via deep-learning-based fusion of light-field microscopy and Fourier light-field microscopy images 2026-Mar, Journal of biomedical optics IF:3.0Q2 DOI:10.1117/1.JBO.31.3.036002 PMID:41783388	研究论文	本文提出了一种基于深度学习的图像融合技术，结合光场显微镜（LFM）和傅里叶光场显微镜（FLFM）图像，以提高3D图像重建质量	通过深度学习网络融合LFM和FLFM图像，结合了FLFM的高空间分辨率和LFM的密集角度采集能力，并采用分层级联融合策略优化多模态特征	NA	克服光场显微镜在空间分辨率与角度信息之间的权衡限制，提升3D图像重建的细节保留和深度恢复能力	合成微管蛋白数据集和小鼠脑部血管数据集	计算显微镜	NA	光场显微镜（LFM）、傅里叶光场显微镜（FLFM）、深度学习图像融合	深度学习网络	3D图像、光场图像、傅里叶光场图像、极平面图像数据	公开可用的合成微管蛋白数据集和小鼠脑部血管数据集	NA	U-Net	峰值信噪比（PSNR）、结构相似性指数（SSIM）	NA
1311	2026-03-06	Rolling convolution filters for lightweight neural networks in medical image analysis 2026-Mar, Journal of medical imaging (Bellingham, Wash.) DOI:10.1117/1.JMI.13.2.024501 PMID:41783539	研究论文	本文提出了一种称为滚动卷积滤波器的设计元素，用于开发医学图像分析中的轻量级卷积神经网络，旨在降低模型复杂性和内存占用而不影响性能	通过通道级滚动操作在单个基础滤波器上生成独特滤波器，限制可学习参数，从而显著减少参数数量和模型大小	NA	开发轻量级卷积神经网络以降低模型复杂性和内存需求，适用于资源受限的医学成像环境	医学图像分析任务，包括重建、分割和分类，涉及MRI、CT和OCT模态	计算机视觉	NA	卷积神经网络	CNN	图像	NA	NA	滚动卷积滤波器	性能误差，参数减少倍数，模型大小减少倍数	NA
1312	2026-03-05	Enhanced PPG-based stress recognition: a transfer learning approach to internal vs. external stress 2026-Mar-04, Physiological measurement IF:2.3Q3 DOI:10.1088/1361-6579/ae241c PMID:41289696	研究论文	本研究通过建立内部与外部压力数据集，并引入基于迁移学习的跨范式压力识别模型，旨在提升基于PPG信号的自动化压力识别能力	提出了一个结合领域对抗神经网络和最大均值差异的迁移学习模型，用于从PPG信号中提取鲁棒特征，以区分内部和外部压力	未明确说明模型在更广泛人群或真实世界场景中的泛化能力	开发基于PPG信号的自动化压力识别方法，以区分内部和外部压力类型	107名参与者在四种不同压力诱导范式下采集的PPG信号	机器学习	NA	光电容积脉搏波描记法	领域对抗神经网络	PPG信号	107名参与者	NA	领域对抗神经网络	准确率	NA
1313	2026-03-05	Supervised Machine Learning and Graph Neural Networks to Predict Collision Cross-Section Values of Aquatic Dissolved Organic Compounds 2026-Mar-04, Journal of the American Society for Mass Spectrometry IF:3.1Q1 DOI:10.1021/jasms.5c00276 PMID:41505766	研究论文	本研究结合监督机器学习和深度学习，预测水环境中溶解有机化合物的碰撞截面值，以提升复杂环境混合物中分子结构的识别能力	首次整合多种监督机器学习模型与图神经网络，针对多种溶解有机分子类别预测CCS值，并利用北极海洋的高分辨率质谱数据进行验证	模型性能因分子类别和数据集特性而异，未详细讨论模型在极端环境条件下的泛化能力	开发一个数据驱动的框架，用于准确预测溶解有机化合物的碰撞截面值，以增强环境样品中的分子分类和污染物检测	水环境中的溶解有机分子，包括碳水化合物、烃类、木质素、脂质、蛋白质、单宁和未分配分子	机器学习	NA	高分辨率质谱	Gradient Boosted Regression, K-Nearest Neighbors, LASSO, Linear Regression, Partial Least Squares, Random Forest, Support Vector Regression, Voting Regressor, Graph Neural Network	分子指纹和结构描述符	NA	NA	图神经网络	准确度	NA
1314	2026-03-05	Real-time digital prescriptions unlock influenza dynamics: evidence from 21 million transactions 2026-Mar-04, NPJ digital medicine IF:12.4Q1 DOI:10.1038/s41746-026-02513-9 PMID:41775925	研究论文	本研究通过分析中国最大的按需药品配送平台的2108万张数字处方交易数据，验证了其作为流感动态实时监测和长期预测的有效代理指标	首次大规模验证数字处方交易数据作为流感流行病学实时监测和预测的因果有效代理指标，并构建了一个集成了GNN、Mamba和LSTM的时空深度学习框架，实现了长达96天的流感预测	研究数据来源于单一平台，可能无法完全代表全国所有地区的用药行为；研究主要关注流感，对其他传染病的适用性有待验证	开发一种实时、准确的流感监测和预测方法，以克服传统监测系统的报告延迟问题	中国31个省份的2108万张数字处方交易数据	机器学习	流感	数字处方交易数据分析	GNN, Mamba, LSTM	交易数据	2108万张处方交易，覆盖中国31个省份	NA	GNN, Mamba, LSTM	平均绝对误差	NA
1315	2026-03-05	Letter to the Editor: Deep learning for accurate tumour volume measurement and prediction of therapy response in paediatric osteosarcoma 2026-Mar-03, European radiology IF:4.7Q1 DOI:10.1007/s00330-026-12364-3 PMID:41774130	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
1316	2026-03-05	WGB-GLFI: A Novel Graph-Based Global-Local Feature Interaction Framework for Automated Seizure Detection 2026-Mar-03, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2026.3668888 PMID:41774635	研究论文	本文提出了一种新颖的基于图的全局-局部特征交互框架（WGB-GLFI），用于自动癫痫发作检测	通过加权图构建（WGB）模块和全局-局部特征交互（GLFI）模块，统一建模空间连接性和动态模式，全面捕捉癫痫发作期间的动态空间关系，实现无缝的全局-局部特征融合	未明确提及具体局限性	提高癫痫发作检测的准确性和鲁棒性	癫痫患者	机器学习	癫痫	EEG	深度学习	EEG数据	多个数据集（CHB-MIT, Siena Scalp及私有数据集）	未明确提及	WGB-GLFI	准确率	未明确提及
1317	2026-03-05	Clinical value of ultra-low-dose chest CT with deep learning image reconstruction in the detection and characterization of pulmonary nodules 2026-Mar-03, Radiologie (Heidelberg, Germany) DOI:10.1007/s00117-026-01583-w PMID:41775904	研究论文	本研究评估了超低剂量CT结合深度学习图像重建在肺结节检测和诊断中的临床价值	首次将深度学习图像重建技术应用于超低剂量CT，实现了在显著降低辐射剂量的同时保持与标准剂量CT相当的图像质量和诊断准确性	样本量相对较小（115例患者），且为单中心研究，可能限制了结果的普适性	评估超低剂量CT结合深度学习图像重建技术在肺结节诊断中的临床价值	疑似肺结节的患者	数字病理学	肺癌	CT扫描	深度学习图像重建	医学影像	115例患者	NA	NA	CT值、噪声值、信噪比、主观诊断信心、恶性征象一致性	NA
1318	2026-03-05	Low-input deep learning platform for citrullinated peptide identification, autoantigen discovery and rheumatoid arthritis treatment stratification 2026-Mar-03, Nature biomedical engineering IF:26.8Q1 DOI:10.1038/s41551-026-01628-4 PMID:41776034	研究论文	本研究开发了一种名为Iseq-Cit的低样本量深度学习方法，用于系统性分析瓜氨酸化蛋白质组，并基于此进行类风湿关节炎（RA）的自身抗原发现和治疗反应预测	开发了内部标准辅助的无富集高通量定量分析平台（Iseq-Cit），仅需常规方法1%的样本量即可实现全局瓜氨酸化蛋白质组分析；首次整合临床指标与瓜氨酸化数据构建预测模型；利用双向门控循环单元模型预测瓜氨酸化肽段的RA血清反应性	未明确说明模型在其他独立队列中的泛化能力；样本量虽较传统方法大幅减少，但纵向队列的具体规模未在摘要中详细说明	开发低样本量深度学习方法，实现瓜氨酸化肽段鉴定、自身抗原发现及类风湿关节炎治疗分层	类风湿关节炎风险个体及患者的血浆样本、瓜氨酸化蛋白质组数据、临床指标	生物信息学	类风湿关节炎	内部标准辅助的无富集高通量定量分析（Iseq-Cit）、酶联免疫吸附试验（ELISA）	双向门控循环单元（BiGRU）	肽段序列数据、临床数据、质谱数据	包含RA风险个体和RA患者的纵向队列（具体数量未明确），模型训练使用67,399条RA血清阴性肽段和8,816条RA血清阳性肽段	未明确说明	双向门控循环单元（BiGRU）	预测准确率（84.2%）	NA
1319	2026-03-05	Automated Measurement of Midpalatal Suture Density Ratio Based on Deep Learning 2026-Mar-03, Journal of imaging informatics in medicine DOI:10.1007/s10278-026-01877-4 PMID:41776128	研究论文	本研究开发了一种基于深度学习的自动化方法，用于量化中腭缝密度比，以快速评估上颌横向发育不足的骨骼反应性	首次提出基于深度学习的自动化中腭缝密度比测量系统，显著提高了测量效率和标准化程度	研究仅基于400例CBCT扫描，样本量有限，且未在不同设备或人群中进行外部验证	建立自动化、标准化的中腭缝密度比测量方法，以辅助快速上颌扩展治疗决策	锥形束计算机断层扫描图像中的中腭缝、硬腭和软腭区域	计算机视觉	上颌横向发育不足	锥形束计算机断层扫描	CNN	图像	400例CBCT扫描	NA	U-Net, Deeplab v3, Segformer	F1分数	NA
1320	2026-03-05	Attention-enhanced deep learning model for automated classification of hemorrhagic and ischemic stroke on CT imaging 2026-Mar-03, European journal of medical research IF:2.8Q2 DOI:10.1186/s40001-025-03784-w PMID:41776569	研究论文	本研究提出了一种名为GCDCNet的轻量高效深度学习模型，用于CT影像中出血性和缺血性中风的自动分类	基于GhostNet轻量架构，结合SCSE注意力机制、扩张卷积和通道洗牌进行特征优化，以增强模型对病灶区域的关注并提升分类性能	NA	提高中风CT影像诊断的准确性和效率，以辅助临床决策	公共中风CT数据集，包括964例出血性中风和1551例缺血性中风	计算机视觉	中风	CT成像	CNN	图像	2515例中风CT影像	NA	GCDCNet, GhostNet	准确率, 召回率, F1分数, 精确率, AUC	NA