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	2026-07-10	Database of Chemicals for Organophosphorus (DCOP): An Information Application Platform for Organophosphorus Compounds 2026-04-07, Analytical chemistry IF:6.7Q1 DOI:10.1021/acs.analchem.5c06885 PMID:41894161	研究论文	构建了一个集成了有机磷化合物相关化学信息学数据、优先高产量有机磷化合物识别以及基于图神经网络轻量级深度学习模型预测串联质谱数据的综合信息应用平台DCOP	首次整合并结构化分类了结构多样的有机磷化合物库，开发了基于图神经网络的轻量级深度学习模型直接预测有机磷化合物的串联质谱数据，克服了现有库中大部分有机磷化合物参考质谱数据有限的瓶颈	NA	为有机磷化合物的环境监测、风险评估和监管决策提供综合性分析工具和开放获取软件平台	有机磷化合物（包括有机磷酸酯及其他结构多样的有机磷化合物）	机器学习, 化学信息学	NA	质谱分析, 图神经网络	图神经网络	化学结构数据, 串联质谱数据	NA	NA	图神经网络	NA	NA
42	2026-07-10	Deep learning-based high-information-content graph representation of early stage bacterial biofilms 2026-04-03, NPJ biofilms and microbiomes IF:7.8Q1 DOI:10.1038/s41522-026-00971-3 PMID:41932927	研究论文	提出一种基于深度学习的框架，将早期细菌生物膜建模为高信息含量的无向相互作用图，结合Mask R-CNN细胞分割和BINet交互预测网络，实现对生物膜生长、结构基序和定植模式的分析	首次将生物膜建模为高信息含量的相互作用图，结合细胞分割和交互预测网络，实现从图像到图特征的自动分析，能够预测生物膜发育阶段和材料类型	目前仅在早期生物膜阶段验证，未涉及成熟生物膜的复杂动态；对多样本类型和条件的泛化能力有待进一步验证	开发一种自动化的、具有高信息含量的计算框架，用于早期细菌生物膜的结构分析和表型分类	早期细菌生物膜中的单细胞和细胞间相互作用	计算机视觉, 深度学习	慢性感染相关疾病	显微镜成像	Mask R-CNN, 自定义神经网络（BINet）	显微镜图像	未明确说明	PyTorch, OpenCV	Mask R-CNN, BINet	分类准确率, 预测精度	未明确说明
43	2026-07-10	Artificial intelligence in the diagnosis of Hirschsprung disease: A scoping review and rationale for a multicentric approach 2026-Apr, Journal of pediatric surgery IF:2.4Q2 DOI:10.1016/j.jpedsurg.2026.162932 PMID:41565153	综述	系统综述基于人工智能（AI）在先天性巨结肠（HD）诊断中的应用研究，并指出当前研究局限及未来方向	首次系统综述AI在HD诊断中的应用，整合多种数据源，强调多中心协作和可解释性需求	训练数据多样性不足、缺乏外部验证及可解释性（XAI），且计算成本和模型权重信息缺失	评估AI诊断策略的有效性及识别研究空白以指导未来多中心研究	18岁以下HD患者的组织学切片、临床或影像数据	机器学习、数字病理学	先天性巨结肠	组织学切片分析、临床或影像特征提取	机器学习、深度学习	图像（组织学切片、影像）、文本（临床数据）	6项回顾性研究	NA	NA	准确率、召回率、AUC	NA
44	2026-07-10	Clinical Grading of Artificial Intelligence-Based 3D Fetal Brain Segmentations: A Cross-Vendor Evaluation of Deep Learning in Fetal Neuroimaging 2026-Apr, Prenatal diagnosis IF:2.7Q2 DOI:10.1002/pd.70103 PMID:41761049	研究论文	评估基于AI的3D胎儿脑部分割方法在跨厂商超声数据集上的表现，并引入临床视觉评估框架	首次在跨厂商3D超声数据集上评估深度学习分割方法的鲁棒性，并引入临床医生视觉评估框架作为Dice系数的补充	侧脑室后角分割表现较差（73.9%充分），且数据集仅来自单一胎龄范围（19-26+6周）	评估自动化胎儿脑部分割方法在不同超声厂商数据集上的泛化能力，并建立临床可视化评价标准	胎儿脑部五个亚皮质结构（透明隔腔、侧脑室后角、脉络丛、小脑、皮质板）	计算机视觉	胎儿神经影像疾病	3D超声	深度学习	3D超声图像	270个容积（141个胎儿，胎龄19-26+6周）	NA	NA	Dice相似系数，视觉分级（1-4级）	NA
45	2026-07-10	Deep learning-based segmentation of caries, implants, fixed prosthesis, and restorations on bitewing radiographs: A retrospective study 2026 Apr-Jun, Science progress IF:2.6Q2 DOI:10.1177/00368504261439717 PMID:41960635	研究论文	评估基于深度学习的人工智能系统在咬翼片X光片上自动检测牙齿、龋齿、植入物、修复体和固定修复体的性能	首次在大规模咬翼片X光片数据集上系统评估AI系统对多种牙科病变（包括龋齿、修复体、固定修复体和植入物）的检测能力，并与口腔放射科医生进行对比验证	龋齿检测的特异性略低（0.842），且数据来源仅限于单一人群（315名成人患者），可能存在选择偏倚	评估基于AI的自动化系统在咬翼片X光片上检测牙齿、龋齿、植入物、修复体和固定修复体的诊断准确性	407张来自315名成年患者的咬翼片X光片，包含2,829个牙齿级别观测数据	数字病理学	口腔疾病	咬翼X线摄影	深度学习	图像	407张咬翼片X光片（来自315名患者），2,829个牙齿级别观测	未明确说明	未明确说明	Cohen's kappa系数, 敏感性, 特异性	未明确说明
46	2026-07-10	Deep Learning Guided Optimization of Primary Electron Source Parameters in Geant4 for Clinical Linac Modeling 2026 Apr-Jun, Journal of medical physics IF:0.7Q4 DOI:10.4103/jmp.jmp_24_26 PMID:42422118	研究论文	开发数据驱动代理框架，利用深度学习优化Geant4中临床直线加速器初级电子源参数	首次将前馈神经网络与梯度提升回归器结合，替代传统耗时的蒙特卡罗试错调优过程	仅在单一直线加速器（Elekta Synergy）的10 MeV电子模式中验证，未涉及光子模式或其他加速器型号	建立高效代理模型预测伽马通过率并识别影响剂量分布的关键电子束参数	Elekta Synergy直线加速器的10 MeV电子束初级源参数	机器学习	NA	Geant4蒙特卡罗模拟	前馈神经网络，梯度提升回归器	模拟剂量分布与实验测量剂量分布	训练和测试数据集由蒙特卡罗模拟生成（具体样本数未明确提及）	TensorFlow, Scikit-learn	前馈神经网络	R²	NA
47	2026-07-10	Artificial Intelligence in Chest Computed Tomography Optimization: A Task-based Framework for Balancing Detectability and Radiation Dose 2026 Apr-Jun, Journal of medical physics IF:0.7Q4 DOI:10.4103/jmp.jmp_57_26 PMID:42422132	review	本文综述了基于任务驱动框架下人工智能在胸部CT优化中的应用，重点探讨了病变可检测性、诊断效能与辐射剂量降低之间的平衡	提出一种任务驱动的AI辅助胸部CT优化框架，侧重于病变可检测性而非传统整体图像质量指标，并强调AI重建需与剂量优化策略整合而非单独应用	不同诊断任务、研究设计和评估指标下的获益程度存在差异，且需进一步验证以维持诊断效能	探讨AI在胸部CT协议优化中的应用框架，以兼顾病变可检测性与辐射剂量降低	成人胸部CT中的AI辅助采集、深度学习重建及辐射剂量优化研究	machine learning	NA	CT	深度学习重建模型	文本、图像	NA	NA	NA	NA	NA
48	2026-07-10	Optimizing Chest Computed Tomography Imaging Protocols: A Narrative Review on Dose Reduction and Diagnostic Efficacy 2026 Apr-Jun, Journal of medical physics IF:0.7Q4 DOI:10.4103/jmp.jmp_7_26 PMID:42422138	综述	系统回顾胸部CT辐射剂量优化策略，重点介绍基于体模的方案优化、深度学习重建方法和循证方案修改	结合体模验证与先进重建算法，提出实现剂量降低70%不损诊断质量的新路径	未提及跨中心验证和任务特异性方案优化的安全性重复性	全面梳理胸部CT辐射剂量优化文献，降低辐射暴露而不损诊断效能	胸部CT成像协议、辐射剂量优化策略	数字影像学	肺癌、心脏疾病、呼吸系统疾病	CT成像	深度学习重建模型	图像	未提供具体样本量	NA	迭代重建、模型重建、深度学习重建	图像质量、噪声、解剖细节保留	NA
49	2026-07-09	Systematic multi-component profiling of Xiangju Rupining Capsule via online comprehensive two-dimensional liquid chromatography-quadrupole time-of-flight mass spectrometry coupled with stepwise acquisition workflow and multivariate data mining 2026-Apr-12, Journal of chromatography. A DOI:10.1016/j.chroma.2026.466831 PMID:41734484	研究论文	采用在线全二维液相色谱-四极杆飞行时间质谱结合逐步采集工作流程和多变量数据挖掘，系统分析香菊乳宁胶囊的多组分特征	提出了DPM逐步采集工作流程，集成了深度学习辅助分类、优选离子列表引导采集和分子网络可视化分析，并结合2DLC-Q-TOF-MS平台高效表征复杂天然产物	NA	系统表征香菊乳宁胶囊的化学成分组成	香菊乳宁胶囊中的化学组分	机器学习	NA	2DLC-Q-TOF-MS, RP-LC × RP-LC	深度学习模型	质谱数据	香菊乳宁胶囊样品	NA	NA	NA	NA
50	2026-07-09	Navigated hepatic tumor resection using intraoperative ultrasound imaging 2026-Apr, International journal of computer assisted radiology and surgery IF:2.3Q2 DOI:10.1007/s11548-026-03581-8 PMID:41729473	研究论文	评估基于术中超声的导航系统在开放性肝脏手术中的可行性和准确性	与依赖于术前图像配准的传统系统不同，该系统完全使用术中超声生成的三维模型进行导航切除	样本量较小（共25例，4例因传感器脱落或数据记录错误被排除），研究中仅20例成功建立导航，且为初步验证性研究	验证基于术中超声的导航系统在肝脏肿瘤切除术中的可行性与准确性	接受肝转移瘤切除术的25例患者	计算机视觉	肝癌（肝转移瘤）	术中超声成像	深度学习算法	超声图像	25例患者（前5例用于优化流程，20例用于评估准确性，其中16例用于最终分析）	NA	NA	中位导航精度、R0切除率	NA
51	2026-07-09	Cerebrovascular 5D flow MRI 2026-Apr-01, NeuroImage IF:4.7Q1 DOI:10.1016/j.neuroimage.2026.121828 PMID:41730486	研究论文	开发了一种5D相衬血流MRI框架，用于量化脑部血流中的呼吸调制，并在健康志愿者中进行了验证	通过解析心脏和呼吸周期中的速度向量场，首次实现了对脑部血流呼吸调制的高空间和心脏分辨率定量测量，并整合了深度学习图像重建和分析方法	仅基于健康志愿者的验证，未在病理条件下评估；20分钟的采集时间可能限制了临床适用性	研究脑部循环中呼吸对血流的影响，增进对脑血管耦合和整体循环的理解	健康志愿者的脑部动脉和静脉血流	数字病理学	NA	5D相衬血流MRI	深度学习	图像	10名健康志愿者	NA	NA	Pearson相关系数, 偏差	NA
52	2026-07-08	Identification of roasting degree and interpretability analysis of Yunnan arabica coffee beans based on multi-dimensional visual features and CNNs-SHAP 2026-Apr-15, Food chemistry IF:8.5Q1 DOI:10.1016/j.foodchem.2026.148367 PMID:41672011	研究论文	基于多维视觉特征和CNNs-SHAP方法实现云南阿拉比卡咖啡豆烘焙程度的精准识别与可解释性分析	通过加权融合CIE Lab*颜色直方图、灰度共生矩阵-局部二值模式复合纹理和形态参数提取多维特征，并首次将CNN与SHAP结合打破深度学习黑箱限制，提供咖啡烘焙标准化的精确可解释技术	仅针对云南阿拉比卡咖啡豆，可能不适用于其他品种或产地；样本量未明确说明	实现咖啡豆烘焙程度的精准识别和透明决策，支持烘焙标准化	云南阿拉比卡咖啡豆	计算机视觉	NA	NA	卷积神经网络	图像	未明确说明	NA	CNN	准确率	NA
53	2026-07-08	Intelligent storage year identification of Anhua dark tea via carbon quantum dots-based colorimetric sensor array and computer vision 2026-Apr-15, Food chemistry IF:8.5Q1 DOI:10.1016/j.foodchem.2026.148329 PMID:41672020	研究论文	开发了一种结合碳量子点比色传感器阵列与深度学习的安化黑茶储存年份快速识别方法	首次将碳量子点比色传感器阵列与深度学习结合，用于安化黑茶储存年份的快速识别，并设计了用户友好的图形界面便于非专业人员操作	文章未明确提及局限性，但可能涉及碳量子点传感器阵列的稳定性及实际应用中光照条件的影响	开发一种低成本、高可达性的安化黑茶储存年份快速检测平台	安化黑茶的储存年份	计算机视觉	不适用	碳量子点比色传感器阵列	深度学习模型	图像	未明确提及	未明确提及	ResNet18, VGG16, DenseNet121, MobileNetV3-Small, EfficientNet B0	准确率	未明确提及
54	2026-07-07	Diverse mechanical properties, composition, and performance of shark dermal denticles 2026-Apr-29, Nature communications IF:14.7Q1 DOI:10.1038/s41467-026-72415-7 PMID:42049766	研究论文	利用深度学习对鲨鱼真皮齿状突起的电镜图像进行分类，并结合纳米压痕、电子探针微分析和计算流体动力学分析其力学性能、组成和游泳性能	首次通过深度学习量化鲨鱼真皮齿状突起的形态差异，识别出十个形态组，并发现脊状齿状突起的多功能性超出减阻范畴	未明确说明局限性	量化现代鲨鱼真皮齿状突起的形态差异，并揭示其机械性能、元素组成和游泳性能之间的关联	现代鲨鱼的皮肤牙齿（真皮齿状突起）	机器视觉, 深度学习, 计算流体动力学	NA	扫描电子显微镜成像, 纳米压痕, 电子探针微分析, 计算流体动力学	深度学习	图像	涉及现代鲨鱼（Selachii）样本，具体数量未说明	NA	NA	NA	NA
55	2026-07-07	Mapping functional non-coding variation in individual human genomes through haplotyping, multiomics, and deep learning 2026-Apr-29, Nature communications IF:14.7Q1 DOI:10.1038/s41467-026-72392-x PMID:42056104	research paper	结合个人基因组、等位基因特异性调控和深度学习预测，绘制非编码变异在天然等位基因和调控背景下的功能影响图谱	整合全染色体单倍型、等位基因特异性分析和深度学习预测，在个体人类基因组中建立调控连接，系统评估常见和罕见变异的功能后果，揭示等位基因特异性染色质可及性和基因表达的新机制	NA	解释人类基因组中的非编码调控变异，系统解析变异效应，研究疾病机制	人类个体基因组中的非编码变异	machine learning	NA	基因组测序、RNA-seq、表观基因组学	深度学习模型	基因组序列、表观基因组数据、基因表达数据	个体人类基因组样本（具体数量未说明）	NA	NA	NA	NA
56	2026-07-07	Deep learning driven clustering of post-traumatic stress disorder (PTSD) profiles in student-athletes: implications for precision and stratified mental health support 2026-Apr-20, BMC psychology IF:2.7Q1 DOI:10.1186/s40359-026-04573-8 PMID:42010714	研究论文	本研究将深度学习驱动的聚类范式与分层护理框架相结合，探索经历严重运动损伤的大学生运动员中创伤后应激障碍症状的异质性聚类特征	首次将基于Transformer的语义嵌入技术与K-means聚类结合，用于识别运动员PTSD症状的潜在亚型，并提出精准分层支持策略	仅针对单一大学生运动员群体，未包含普通人群或其他运动项目；PCL-C问卷自报数据可能存在回忆偏倚	探索大学生运动员PTSD症状的差异化聚类模式，为精准心理健康干预提供依据	468名在过去一年内经历严重运动损伤的高水平大学生运动员	机器学习	创伤后应激障碍	NA	K-means聚类, Transformer	问卷文本数据（PCL-C量表）	468名高水平大学生运动员	PyTorch, Scikit-learn	Transformer, PCA	聚类有效性指标（如轮廓系数, Calinski-Harabasz指数）	NA
57	2026-07-07	Evaluating deep learning based structure prediction methods on antibody-antigen complexes 2026-Apr-07, Bioinformatics (Oxford, England) DOI:10.1093/bioinformatics/btag136 PMID:41863324	研究论文	评估基于深度学习的蛋白质结构预测方法在抗体-抗原复合物上的性能	系统评估了大规模采样和新型网络结构（如AlphaFold3的pairformer）在无共进化信号的抗体-抗原相互作用中的效果，并揭示了AlphaFold内部质量估计在识别最优模型方面的局限性	所有方法在识别最佳模型方面仍面临挑战，且AlphaFold3对训练集中缺乏结构相似性的复合物性能显著下降，表明其可能只是学习到了检测远程结构相似性	评估深度学习蛋白质结构预测方法在抗体-抗原复合物上的准确性和局限性	未在训练集中出现的抗体-抗原复合物	机器学习	NA	蛋白质结构预测	深度学习模型	蛋白质结构数据	NA	NA	AlphaFold2, AlphaFold3, Boltz-1, Chai-1	模型准确性	NA
58	2026-07-07	Deep Learning Analysis Based on Dual-energy CT-Derived Iodine Map for Predicting PD-L1 Expression in Gastric Cancer: A Multicenter Study 2026-Apr, Academic radiology IF:3.8Q1 DOI:10.1016/j.acra.2025.12.033 PMID:41547630	研究论文	基于双能量CT碘图深度学习分析预测胃癌PD-L1表达水平的多中心研究	首次利用双能量CT碘图结合深度学习预测胃癌PD-L1表达水平，并建立多中心验证模型，使用SHAP和Grad-CAM增强模型可解释性	未明确提及局限性	探索基于双能量CT碘图的深度学习分析在预测胃癌PD-L1表达水平中的价值	胃癌患者	机器学习，数字病理学	胃癌	双能量CT	深度学习模型	医学图像	267例胃癌患者（训练集143例，内部验证集60例，外部验证集64例）	NA	50层残差网络	AUC	NA
59	2026-07-07	Artificial Intelligence in Drug Discovery: Integrative Advances From Data to Therapeutic Innovation 2026-04, Drug development research IF:3.5Q2 DOI:10.1002/ddr.70229 PMID:41630488	综述	综合探讨人工智能在药物发现全流程中的应用，从数据到治疗创新的整合进展	系统梳理AI在靶点识别、虚拟筛选、从头药物设计、毒性预测、临床优化及多靶点药物发现等环节的突破性能力，强调其缩短研发周期和降低成本的核心价值	数据质量问题、模型可解释性不足、监管审批挑战及伦理关切尚未完全解决	概述AI如何加速药物发现流程并推动精准医疗发展	药物发现全流程（靶点发现、先导化合物优化、临床试验设计、药物重定位等）	机器学习	NA	NA	机器学习、深度学习、强化学习	NA	NA	NA	NA	NA	NA
60	2026-07-07	Identifying ovarian cancer with AI analysis of abdominal CT scans 2026-04, Gynecologic oncology IF:4.5Q1 DOI:10.1016/j.ygyno.2026.01.774 PMID:42000373	研究论文	利用人工智能分析腹部CT扫描来识别卵巢癌	首次将深度学习与腹部盆腔CT扫描结合，用于区分上皮性卵巢癌与良性附件肿块，并比较了卷积神经网络与视觉变换器等多种架构的性能	样本量较小（355例病例与213例对照），且为病例对照研究设计，需进一步验证模型在早期检测中的应用能力	构建并验证基于深度学习的预测模型，利用腹部盆腔CT扫描提高上皮性卵巢癌的早期检测准确性	上皮性卵巢癌患者与良性附件肿块患者	数字病理学	卵巢癌	CT成像	卷积神经网络（CNN）与视觉变换器（ViT）	图像（3D CT扫描）	568例（355例卵巢癌患者与213例良性附件肿块患者）	NA	卷积神经网络（CNN）与视觉变换器（ViT）	AUC、准确率、精确率	NA