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
1321	2026-02-26	Knowledge-graph-enhanced multi-scale modeling for drug-drug interaction prediction 2026-Mar-12, Molecular therapy. Nucleic acids DOI:10.1016/j.omtn.2026.102855 PMID:41736888	研究论文	本文提出了一种名为ALG-DDI的多尺度特征融合模型，用于预测药物-药物相互作用，并扩展至DDI事件预测	整合了属性、局部关联和全局语义信息，通过Transformer编码器融合多尺度表示，克服了传统方法依赖手工特征和无法捕捉全局多尺度关系的局限	未明确提及模型的具体计算复杂度或对特定药物类别的泛化能力限制	预测药物-药物相互作用，以理解联合用药效果并预防不良反应	药物及其相互作用	机器学习	NA	知识图谱增强的多尺度建模	Transformer, RGCN, GraphSAGE, ComplEx	药物属性、蛋白质与疾病关联、知识图谱数据	三个数据集	NA	Transformer编码器，全连接网络	NA	NA
1322	2026-02-26	Detection and classification of medical images using deep learning for chronic kidney disease 2026-Mar, International urology and nephrology IF:1.8Q3 DOI:10.1007/s11255-025-04786-7 PMID:40991191	研究论文	本研究提出了一种基于卷积神经网络和乌鸦搜索算法的深度学习方法，用于从医学图像中检测和分类慢性肾脏病	结合了卷积神经网络和乌鸦搜索算法进行特征优化，提高了分类准确性和模型可解释性	仅使用了公开的肾脏CT扫描数据集，未在其他类型医学图像或更大规模数据上进行验证	开发一种自动化、精确且高效的慢性肾脏病早期检测和分类方法	慢性肾脏病患者的医学图像	计算机视觉	慢性肾脏病	CT扫描	CNN	图像	公开的肾脏CT扫描数据集	NA	CNN	准确率, AUC-ROC, PR-AUC, 精确率, 召回率, F1分数	NA
1323	2026-02-26	Resolution and quality enhancement of SPECT cerebral blood flow images using Pix2pix deep learning 2026-Mar, Annals of nuclear medicine IF:2.5Q2 DOI:10.1007/s12149-025-02129-1 PMID:41231365	研究论文	本研究利用Pix2pix深度学习框架提升SPECT脑血流图像的分辨率和质量	首次应用Pix2pix机器学习框架将SPECT-CBF图像转换为与PET-CBF图像质量相近的图像，同时保留SPECT的定量特性	样本量相对较小（73例患者），且仅针对疑似脑缺血患者，可能限制了模型的泛化能力	提升SPECT脑血流图像的分辨率和图像质量，使其更接近PET图像	73例疑似脑缺血患者的SPECT和PET脑血流图像	医学影像分析	脑缺血	SPECT成像（使用123I-IMP）、PET成像（使用O-15标记气体）、图像配准（SPM12）	GAN	医学图像（SPECT和PET图像）	73例患者（43例用于训练，15例用于测试，15例用于验证）	Pix2pix	Pix2pix	视觉评估（5分制）、结构相似性指数（SSIM）、基于感兴趣区域（ROI）的定量分析（相关系数r）	NA
1324	2026-02-26	Examination of simple artificial intelligence-based analysis of dopamine transporter scintigraphy for supporting a diagnosis of Parkinson's disease 2026-Mar, Annals of nuclear medicine IF:2.5Q2 DOI:10.1007/s12149-025-02132-6 PMID:41296269	研究论文	本研究开发了一种基于深度学习的简单图像分析方法，用于评估多巴胺转运体单光子发射计算机断层扫描图像，以支持帕金森病的诊断	首次利用预训练的卷积神经网络架构进行迁移学习，创建了针对DAT SPECT图像的AI模型，其准确性可与经验丰富的神经科医生相媲美	研究样本量相对有限，且仅使用单一影像模态（DAT SPECT），未考虑其他临床或影像数据	开发一种简单的人工智能图像分析方法，以辅助帕金森病的诊断	帕金森病患者和非神经退行性疾病对照患者	计算机视觉	帕金森病	多巴胺转运体单光子发射计算机断层扫描	CNN	图像	开发队列包括300名帕金森病患者和102名对照患者，验证队列包括96名帕金森病患者	NA	六种预训练的卷积神经网络架构	准确性, 敏感性, 受试者工作特征曲线下面积	NA
1325	2026-02-22	Deep Learning-Enabled Diabetic Retinopathy Screening: A Techno-Clinical Revolution or Just More Artificial Intelligence Hype? 2026-Mar-01, Diabetes care IF:14.8Q1 DOI:10.2337/dci25-0123 PMID:41719471	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
1326	2026-02-26	Integrating Artificial Intelligence in Environmental Monitoring: A Paradigm Shift in Data-Driven Sustainability 2026-Mar, EcoHealth IF:2.2Q3 DOI:10.1007/s10393-025-01752-8 PMID:40875110	综述	本文综述了人工智能在环境监测领域的最新进展，探讨了其在数据驱动可持续发展中的变革潜力	强调了可解释人工智能、边缘计算和物联网等新兴技术在提高透明度和降低处理成本方面的应用	面临数据质量、计算需求以及模型可解释性等持续挑战	评估人工智能在可持续环境管理中的实际应用潜力与挑战	环境监测系统、生态系统数据	机器学习	NA	机器学习、深度学习	NA	图像、GPS数据	NA	NA	NA	NA	边缘计算
1327	2026-02-25	Applicator reconstruction in cervical cancer brachytherapy: A systematic review of current methods, challenges, and AI-driven future directions 2026 Mar-Apr, Brachytherapy IF:1.7Q3 DOI:10.1016/j.brachy.2025.10.004 PMID:41344965	综述	本文系统综述了宫颈癌近距离放射治疗中施源器重建的现有方法、挑战及AI驱动的未来方向	系统评估了从手动到AI驱动的施源器重建方法，并重点分析了深度学习模型在克服金属伪影、部分容积效应和操作者间变异性方面的潜力	临床验证有限（60%的研究使用体模），数据异质性大（层厚范围0.6-5毫米），且对新施源器设计的泛化性不足	评估施源器重建方法的准确性、效率和临床影响，并探讨AI克服现有局限性的潜力	宫颈癌近距离放射治疗中的施源器重建	数字病理	宫颈癌	3D图像引导近距离放射治疗	CNN	医学影像	分析了23项研究	NA	U-Net, Dilated-Supervised Deep U-Net, Attention-Gated networks	几何精度（尖端误差、豪斯多夫距离）、重建时间、剂量学参数（D90 HR-CTV、D2cc OARs）、Dice相似系数	NA
1328	2026-02-25	A Comprehensive Framework for Uncertainty Quantification of Voxel-Wise Supervised Deep Learning Models in IVIM MRI 2026-Mar, NMR in biomedicine IF:2.7Q1 DOI:10.1002/nbm.70227 PMID:41555683	研究论文	本文提出了一种基于深度集成和混合密度网络的概率深度学习框架，用于IVIM MRI中体素级监督深度学习模型的不确定性量化	创新点在于使用深度集成和混合密度网络来估计总预测不确定性，并将其分解为偶然性和认知性成分，为IVIM参数估计提供了全面的不确定性量化框架	局限性包括在伪扩散系数参数上观察到轻微过度自信，以及训练数据与真实采集条件之间存在不匹配，导致体内认知性不确定性升高	研究目标是开发一个用于IVIM MRI参数估计的不确定性量化框架，以识别和解释不可靠的估计	研究对象是IVIM MRI中的扩散加权MRI数据，包括合成数据、模拟数据和体内小鼠脑数据集	机器学习	NA	IVIM MRI, 扩散加权MRI	深度集成, 混合密度网络	图像	合成数据、模拟数据和体内小鼠脑数据集	NA	混合密度网络	校准曲线, 输出分布锐度, 连续排名概率分数	NA
1329	2026-02-25	Towards robust deep learning-based autosegmentation in MRI-planned gynecological brachytherapy: Importance of scalable development and comprehensive evaluation 2026 Mar-Apr, Brachytherapy IF:1.7Q3 DOI:10.1016/j.brachy.2025.12.007 PMID:41571559	研究论文	本文提出并评估了一种基于深度学习的自动轮廓分割模型，用于MRI计划的宫颈近距离放疗中盆腔风险器官的勾画	开发了可扩展的深度学习模型，结合了定量几何与剂量学指标及定性医生评审的综合评估方法，强调了模型在异质数据集上的泛化能力和临床可接受性	定量评分与定性结果并不总是一致，且模型在小肠等器官上表现变异性较大，需在临床可用性评估中考虑方向性和幅度差异	为MRI计划的妇科近距离放疗开发一种通用且稳健的深度学习自动轮廓分割模型	盆腔风险器官（膀胱、直肠、乙状结肠、小肠）在3D-MRI图像中的轮廓	数字病理学	宫颈癌	MRI成像	CNN	3D-MRI图像	200例3D-MRI图像（85%训练/验证，15%测试）	nnU-Net	nnU-Net	Dice系数, Hausdorff距离95百分位数, 剂量体积直方图, 剂量差异	NA
1330	2026-02-25	From treadmill to outdoor overground walking: Enhancing ground contact timing detection for older adults using transfer learning 2026-Mar, Experimental gerontology IF:3.3Q2 DOI:10.1016/j.exger.2026.113056 PMID:41654277	研究论文	本研究评估了基于年轻成人跑步机数据训练的深度学习模型在老年成人跑步机和户外行走中的泛化能力，并探索了通过迁移学习提升预测性能的方法	首次将迁移学习应用于从跑步机到户外不平坦地形（如斜坡和下降）的步态接触时间检测，并系统评估了不同模型在老年人群中的性能	下降行走的性能较差，表明需要更先进的建模策略；样本量相对有限，且老年人群的户外数据收集可能受环境因素影响	提高老年人在真实世界环境中步态接触时间检测的准确性和适用性	年轻成人和老年成人的步态数据	机器学习	老年疾病	惯性测量单元（IMU）数据采集、压力鞋垫、运动捕捉	CNN, LSTM, 全连接神经网络	IMU传感器数据	20名年轻成人（跑步机）和26名老年成人（跑步机及户外平地、斜坡、下降地形）	NA	全连接神经网络, 卷积神经网络, 双向长短期记忆网络	F1分数, 平均绝对误差（MAE）	NA
1331	2026-02-25	The emerging role of machine learning-based methods in cancer classification using microRNA 2026-Mar, Biochemistry and biophysics reports IF:2.3Q3 DOI:10.1016/j.bbrep.2026.102506 PMID:41732418	综述	本文综述了基于机器学习的microRNA在癌症分类中的新兴作用	整合机器学习与miRNA数据，通过特征工程和选择技术（如递归集成选择和miRNA-mRNA网络分析）提高模型准确性和可解释性，并应用于多种癌症分类	NA	探讨机器学习方法在利用microRNA进行癌症早期检测和准确分类中的应用潜力	microRNA作为癌症生物标志物，用于乳腺癌、肺癌、结直肠癌和肾癌等分类	机器学习	癌症	microRNA分析	Random Forest, Support Vector Machines, 深度学习, 神经模糊系统	miRNA数据	NA	NA	NA	准确性	NA
1332	2026-02-24	Artificial intelligence, machine learning and omic data integration in osteoarthritis 2026-Mar, Osteoarthritis and cartilage IF:7.2Q1 DOI:10.1016/j.joca.2025.10.012 PMID:41167326	综述	本文综述了人工智能和机器学习在骨关节炎多组学数据整合中的应用进展、挑战与机遇	总结了变分自编码器、对比学习和多模态Transformer等新兴机器学习方法在多组学整合中的应用趋势	当前研究面临样本量小、过拟合、缺乏外部验证、模型可解释性不足以及人口统计学代表性不足等挑战	通过机器学习整合和解释高维多组学数据，以推进对骨关节炎这一复杂疾病的理解	人类骨关节炎样本及相关临床前模型中的转录组、表观基因组、蛋白质组、代谢组和多组学数据	机器学习	骨关节炎	转录组学、表观基因组学、蛋白质组学、代谢组学、多组学整合	监督学习、无监督聚类、深度学习、变分自编码器、对比学习、多模态Transformer	多组学数据	NA	NA	Transformer	NA	NA
1333	2026-02-24	Visceral Adipose Tissue Alters Podometrics and Renal Compensation After Uninephrectomy 2026-Mar, Kidney international reports IF:5.7Q1 DOI:10.1016/j.ekir.2025.103739 PMID:41727777	研究论文	本研究探讨了内脏肥胖对正常体重和超重个体肾小球超微结构、足细胞形态及单侧肾切除后肾功能代偿能力的影响	首次在正常体重和超重个体中，利用深度学习支持的形态计量学方法，系统评估了内脏肥胖与肾小球体积、足细胞密度及核肥大等结构改变的关系，并揭示了这些改变与单侧肾切除后肾功能代偿受损的关联	研究为回顾性设计，样本量较小（52例），且仅纳入BMI<30 kg/m²的非转移性肾肿瘤患者，可能限制了结果的普遍性	探究内脏肥胖对肾脏形态和单侧肾切除后肾功能代偿能力的影响	52例BMI<30 kg/m²、因非转移性肾肿瘤接受肾切除且未接受过化疗或免疫治疗的患者	数字病理学	慢性肾脏病	计算机断层扫描（CT）、深度学习支持的肾小球形态计量学和足细胞形态计量学	深度学习模型	CT图像、组织学切片图像	52例患者	NA	NA	P值	NA
1334	2026-02-23	Total-body [18F]FDG-PET/CT imaging of healthy volunteers with minimal effective dose 2026-Mar, European journal of nuclear medicine and molecular imaging IF:8.6Q1 DOI:10.1007/s00259-025-07644-x PMID:41251746	研究论文	本研究探索了结合全身PET与深度学习生成的衰减图，以最小化健康受试者在[18F]FDG-PET/CT成像中的有效剂量	结合高灵敏度全身PET成像与深度学习生成的合成CT衰减图，实现极低放射性注射剂量下的可靠器官定量分析	研究仅针对健康高加索人群，未涵盖不同种族或疾病状态；模拟的低剂量数据基于原始数据下采样，可能未完全反映真实低剂量采集情况	开发最小化辐射暴露的全身PET/CT成像协议	47名健康高加索志愿者（25名女性/22名男性）	医学影像	NA	全身正电子发射断层扫描/计算机断层扫描（TB-PET/CT），[18F]氟代脱氧葡萄糖（[18F]FDG）成像	深度学习模型	PET原始数据，CT图像	47名健康志愿者	NA	NA	标准化摄取值（SUVbw），变异系数（CV），百分比差异	NA
1335	2026-02-23	Low-count whole-body PET denoising with deep learning in a multicenter, multi-tracer and externally validated study 2026-Mar, European journal of nuclear medicine and molecular imaging IF:8.6Q1 DOI:10.1007/s00259-025-07672-7 PMID:41261209	研究论文	本研究通过多中心、多示踪剂及外部验证的方式，评估了基于深度学习的PET去噪软件NUCLARITY在低计数扫描中的性能，旨在降低示踪剂剂量或扫描时间	首次在欧洲临床环境中，针对多种示踪剂和未见过的扫描仪技术，进行了盲法、多中心的PET去噪算法读者研究	研究仅基于模拟的50%低计数扫描，且未涵盖所有可能的示踪剂或扫描仪类型，临床验证范围仍有局限	评估深度学习去噪算法在低计数全身PET扫描中的临床适用性，以提升PET的可及性并降低辐射负担	来自三家欧洲医院的65次PET扫描数据，涉及[18F]FDG、[18F]PSMA、[68Ga]PSMA和[68Ga]DOTATATE示踪剂，使用GE和Siemens系统	数字病理学	NA	PET成像，深度学习去噪	深度学习	图像	65次扫描，包含243个病灶	NA	NA	RMSE, PSNR, SSIM, SUVmean, SUVmax, MTV, 敏感性, 特异性, 一致性相关系数(CCC)	NA
1336	2026-02-23	Prospective evaluation of artificial intelligence (AI) in lumbar spine magnetic resonance imaging (MRI) workflow: from deep learning (DL)-enhanced accelerated acquisition to simultaneous vision-language model (VLM)-based automated report generation 2026-Mar, European journal of radiology IF:3.2Q1 DOI:10.1016/j.ejrad.2026.112695 PMID:41579672	研究论文	本研究前瞻性评估了AI在腰椎MRI工作流程中的应用，包括深度学习加速采集和视觉语言模型自动报告生成	首次将深度学习加速MRI采集与视觉语言模型自动报告生成结合，在腰椎MRI中实现从采集到解释的全流程AI集成	样本量较小（70例患者），仅在两所机构进行，需要更大规模的多中心研究验证	评估AI在腰椎MRI工作流程中的临床可行性，包括加速采集和自动报告生成	腰椎MRI图像及相应的病理发现	医学影像分析	脊柱疾病	磁共振成像	深度学习模型, 视觉语言模型	医学图像	70例患者，共140次MRI扫描	NA	NA	信噪比, 对比噪声比, 诊断一致性	NA
1337	2026-02-23	Association between cognitive status and structural brain changes in Alzheimer's disease: Clinical implication of lightweight deep learning-aided diagnosis 2026-Mar, European journal of radiology IF:3.2Q1 DOI:10.1016/j.ejrad.2026.112678 PMID:41558396	研究论文	本研究构建了一个轻量级深度学习模型，用于揭示阿尔茨海默病中认知状态与大脑结构变化之间的关联，并评估其在临床诊断中的实用性	通过结合组卷积、全局池化和高效通道注意力机制，设计了一个参数少但性能竞争性的轻量级深度学习模型，并提供了病理可解释的结构变化分析	模型基于单一数据库（ADNI）的数据，可能缺乏外部验证，且样本量相对有限	构建一个轻量级深度学习模型，用于阿尔茨海默病的诊断，并探索认知状态与大脑结构变化之间的关联	阿尔茨海默病患者和年龄匹配的认知正常受试者	数字病理学	阿尔茨海默病	T1加权磁共振成像	CNN	图像	418名AD患者和418名年龄匹配的认知正常受试者	NA	NA	准确率	NA
1338	2026-02-22	Cutting-edge AI technologies in skin cancer applications 2026-Mar-31, Cancer letters IF:9.1Q1 DOI:10.1016/j.canlet.2026.218256 PMID:41544780	综述	本文综述了人工智能（特别是多模态大语言模型和深度学习）在皮肤癌早期检测、个体化治疗和患者管理领域的最新进展与应用	强调通过多模态融合策略整合皮肤镜图像、组织病理学信息和基因数据库，以提取更丰富互补的特征，从而显著提高诊断准确性和鲁棒性，并探讨皮肤病学专用基础模型的重要性	面临数据质量和模型可解释性相关的挑战，肿瘤异质性和免疫逃逸仍是未解决的主要问题	总结人工智能在皮肤癌领域的应用进展，重点关注早期检测、个体化治疗和患者管理	皮肤癌（包括多种亚型）及其诊断、治疗和药物开发过程	计算机视觉, 自然语言处理, 机器学习	皮肤癌	多模态融合策略	深度学习, 复杂神经网络, 多模态大语言模型 (如GPT, Med-PaLM)	皮肤镜图像, 组织病理学信息, 基因数据库	NA	NA	NA	诊断准确性, 鲁棒性	NA
1339	2026-02-22	Classification of major depressive disorder using vertex-wise brain sulcal depth, curvature, and thickness with a deep and a shallow learning model 2026-Mar, Molecular psychiatry IF:9.6Q1 DOI:10.1038/s41380-025-03273-w PMID:41044403	研究论文	本研究使用深度学习模型DenseNet和浅层学习模型SVM，基于顶点级脑沟深度、曲率和厚度特征，对重度抑郁症（MDD）患者和健康对照（HC）进行分类	首次在全球代表性多站点ENIGMA-MDD数据上，整合顶点级皮质形态特征，并比较深度学习和浅层学习模型在MDD分类中的性能	分类性能接近随机水平（平衡准确率DenseNet: 51%；SVM: 53%），表明当前特征和分类器组合无法有效区分MDD和HC，且存在站点效应影响	探索利用脑形态特征和机器学习模型进行重度抑郁症（MDD）自动分类的可行性	重度抑郁症（MDD）患者和健康对照（HC）	神经影像分析	重度抑郁症	神经影像分析	DenseNet, SVM	脑形态特征数据（顶点级脑沟深度、曲率、厚度）	7012名参与者（2772名MDD患者和4240名HC），来自31个站点	NA	DenseNet	平衡准确率	NA
1340	2026-02-22	Leveraging Artificial Intelligence to Transform Thoracic Radiology for Lung Nodules and Lung Cancer: Applications, Challenges, and Future Directions 2026-Mar-01, Journal of thoracic imaging IF:2.0Q3 DOI:10.1097/RTI.0000000000000866 PMID:41246950	综述	本文回顾了人工智能在胸部放射学（特别是肺结节和肺癌领域）的应用历史、现状、挑战及未来方向	系统梳理了从早期基于临床知识的AI方法到深度学习、Transformer架构的演进路径，并探讨了基础模型、多模态AI和多组学方法在肺癌领域的前沿应用	作为综述文章，未提出新的具体模型或实验数据，主要基于现有文献进行归纳分析	总结人工智能在胸部放射学（肺结节与肺癌）中的应用进展，并探讨未来发展方向	肺结节与肺癌相关的医学影像及临床数据	数字病理学	肺癌	医学影像分析	深度学习, Transformer	医学影像	NA	NA	Transformer	NA	NA