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
1041	2026-03-19	What's New: Sub-5-minute Knee Magnetic Resonance Imaging- Spectrum of Sports Injuries and Overuse Conditions 2026-Apr, Seminars in musculoskeletal radiology IF:0.9Q4 DOI:10.1055/a-2798-5775 PMID:41776842	研究论文	本文介绍了一种基于深度学习的亚5分钟膝关节磁共振成像协议，并展示了其在运动损伤和过度使用条件诊断中的应用	采用公开可用的亚5分钟快速膝关节磁共振成像协议，结合基于深度学习的超分辨率图像重建技术	NA	开发并评估快速膝关节磁共振成像方法在临床实践中的应用价值	膝关节异常，包括运动损伤和过度使用条件	数字病理学	运动损伤	磁共振成像，深度学习	NA	图像	NA	NA	NA	NA	NA
1042	2026-03-19	Advances in the application of artificial intelligence in mass spectrometry-based analysis of traditional Chinese medicine: compound identification and metabolic pathway elucidation 2026-Apr, Analytical and bioanalytical chemistry IF:3.8Q1 DOI:10.1007/s00216-025-06260-w PMID:41389153	综述	本文综述了人工智能在基于质谱的中药分析中的应用进展，重点关注化合物鉴定和代谢途径阐明	系统总结了AI在中药质谱分析中的最新应用，并聚焦于复杂化合物的快速定性分析和体内代谢途径重建这两个关键领域	当前领域面临高质量质谱数据库缺乏、AI模型可解释性有限以及跨模态数据融合能力不足等挑战	推动人工智能与质谱技术在中药研究中的融合，促进中药现代化和精准药理学研究	中药样品，包括生药、炮制品、体外细胞培养物和体内生物样本	机器学习	NA	质谱	机器学习, 深度学习	质谱数据	NA	NA	NA	NA	NA
1043	2026-03-18	Leveraging deep learning and spectral information for enhanced variety identification of safflower seeds 2026-Apr-15, Food chemistry IF:8.5Q1 DOI:10.1016/j.foodchem.2026.148514 PMID:41724145	研究论文	本研究基于近红外光谱结合化学计量学方法，构建了红花种子品种的快速无损识别模型	将神经网络的深度学习能力与近红外光谱固有优势协同整合，为红花种子种质鉴定建立了一个强大的分析框架	NA	实现红花种子的快速无损品种识别	红花种子	机器学习和化学计量学	NA	近红外光谱	BPNN, CNN	光谱数据	NA	NA	BPNN, CNN	预测准确率	NA
1044	2026-03-18	Automated Operative Phase and Step Recognition in Vestibular Schwannoma Surgery: Development and Preclinical Evaluation of a Deep Learning Neural Network (IDEAL Stage 0) 2026-Apr-01, Neurosurgery IF:3.9Q1 DOI:10.1227/neu.0000000000003466 PMID:40304484	研究论文	本研究开发并评估了一个深度学习神经网络，用于自动识别经乙状窦后入路前庭神经鞘瘤切除术中的手术阶段和步骤	首次将机器学习工作流预测平台应用于长时间（中位数超过5小时）、数据量大的手术视频分析，以前庭神经鞘瘤切除术为例，扩展了现有研究	个体步骤分类仍有改进空间，且数据集规模较小（仅21例手术视频），可能限制模型的泛化能力	开发并评估一个能够自动识别经乙状窦后入路前庭神经鞘瘤切除术手术工作流的机器学习模型	21例经乙状窦后入路前庭神经鞘瘤切除术的显微镜手术视频	计算机视觉	前庭神经鞘瘤	手术视频分析	CNN, RNN	视频	21例手术视频	NA	卷积神经网络与循环神经网络组合	准确率, 精确率, 召回率, F1分数	NA
1045	2026-03-18	AFTS: A patient-agnostic encoder-decoder architecture with directional attention for blood glucose forecasting 2026-Apr, Journal of biomedical informatics IF:4.0Q2 DOI:10.1016/j.jbi.2026.104998 PMID:41687901	研究论文	本文提出了一种名为AFTS的患者无关编码器-解码器架构，结合双向LSTM与级联方向表示模块，用于血糖预测	引入了专门设计的轴级注意力机制，分别处理时间和特征维度，旨在分离趋势演变与潜在特征幅度	未明确提及具体局限性	开发一种患者无关的深度学习架构，用于准确预测血糖水平	血糖数据	机器学习	糖尿病	连续血糖监测	LSTM, Transformer, RNN	时间序列数据	两个真实世界CGM数据集（KDD18和CDD23）	NA	双向LSTM编码器-解码器	MAE	NA
1046	2026-03-18	MRI-based Radiomics and volumetrics for predicting the onset of Alzheimer's Disease with explainable machine learning 2026-Apr-01, NeuroImage IF:4.7Q1 DOI:10.1016/j.neuroimage.2026.121813 PMID:41698489	研究论文	本文提出了一种基于MRI的放射组学和体积测量方法，结合可解释机器学习预测阿尔茨海默病的发病风险	通过结合放射组学特征和可解释机器学习（SHAP）来预测阿尔茨海默病的发病时间，并揭示MRI纹理、形状和体积等特征对疾病风险的复杂关联	外部验证时数据分布存在差异，模型的可重复性为中等至高	预测阿尔茨海默病的发病风险	阿尔茨海默病患者	机器学习	阿尔茨海默病	结构磁共振成像（MRI）	时间到事件模型	图像, 临床数据	ADNI数据集（训练和内部验证），AIBL和OASIS-3数据集（外部验证）	NA	NA	Brier分数	NA
1047	2026-03-18	Deep Learning Myocardial Segmentation in 3D Whole-Heart Joint T1/T2 Mapping: Comparison of nnU-Net and MA-SAM 2026-Apr, NMR in biomedicine IF:2.7Q1 DOI:10.1002/nbm.70252 PMID:41790043	研究论文	本研究比较了nnU-Net和MA-SAM两种深度学习模型在3D全心T1/T2映射中左心室心肌自动分割的性能	首次在3D全心联合T1/T2映射数据上系统比较nnU-Net和MA-SAM的分割性能与计算效率	样本量较小（仅55名受试者），且仅使用第四交错体积进行分割	评估深度学习模型在心脏MRI分割中的性能与临床适用性	左心室心肌	医学图像分析	心血管疾病	3D全心联合T1/T2映射	深度学习	3D医学图像	55名受试者（15名健康，40名疑似心血管疾病患者）	NA	nnU-Net, MA-SAM	Dice相似系数, IoU, 95% Hausdorff距离	NA
1048	2026-03-18	A Unified Deep Learning Framework for Liver MR Elastography Postprocessing: Proof-of-Concept Study 2026-Apr, NMR in biomedicine IF:2.7Q1 DOI:10.1002/nbm.70258 PMID:41800652	研究论文	本研究开发了一个统一的深度学习框架，用于肝脏磁共振弹性成像（MRE）的后处理，旨在实现从数据采集到肝脏硬度量化的全自动化	提出了一个单一的深度学习管道，能够直接从幅度和相位图像重建硬度图并生成肝脏分割掩码，在概念验证环境中实现了肝脏MRE后处理的全自动化	研究使用了来自健康志愿者或早期疾病患者的同质队列，需要在多样化的临床人群中进行进一步验证才能更广泛地推广	评估在受控的概念验证环境中，使用单一深度学习管道完全自动化肝脏MRE后处理过程的可行性	83名成年志愿者（56名女性，27名男性；中位年龄21岁），主要代表健康个体或早期疾病患者	医学影像分析	肝纤维化	磁共振弹性成像（MRE）	CNN	图像（幅度和相位图像）	83名成年志愿者	NA	U-Net, ResNet, CycleGAN	偏差百分比，组内相关系数（ICC）	NA
1049	2026-03-18	Deep Learning-Based Inner Ear Subregion Segmentation in 3D T2-Weighted MRI Using Label-Preserving Data Augmentation 2026-Apr, NMR in biomedicine IF:2.7Q1 DOI:10.1002/nbm.70266 PMID:41821500	研究论文	本研究提出了一种基于深度学习的3D T2加权MRI内耳亚区分割方法，并引入了一种标签保留数据增强策略以提升对薄壁复杂结构的分割性能	提出了一种标签保留数据增强策略，专门针对内耳中薄且复杂的半规管结构进行优化，相比传统数据增强方法显著提升了分割的鲁棒性和准确性	训练数据量相对有限（共74例内部数据），且外部验证集仅包含8例样本	开发一种自动、准确的内耳亚区分割方法，以支持听觉相关疾病的诊断和治疗规划	内耳的三个亚区：耳蜗底转、耳蜗中至顶转、以及包含半规管的前庭	医学图像分析	听觉相关疾病（如梅尼埃病）	3D T2加权磁共振成像	基于Transformer的深度学习模型	3D医学图像	内部数据集：74例3D T2加权MRI（50例训练，24例内部测试）；外部数据集：8例来自公开Vestibular-Schwannoma-SEG数据集的MRI	NA	3D Transformer	Dice相似系数, 交并比, 豪斯多夫距离	NA
1050	2026-03-18	The Application of Radiomics in Laryngeal Cancer Management: A Scoping Review of the Literature 2026-Apr, The Laryngoscope DOI:10.1002/lary.70197 PMID:41099387	综述	本文是一篇范围综述，总结了现有文献中关于影像组学在喉癌管理中应用的价值	系统性地回顾了影像组学在喉癌管理中的应用，并指出结合深度学习的影像组学模型相比传统模型和临床模型具有更高的预测性能	研究存在异质性，包括成像方案、特征提取软件和模型开发算法的差异，并且缺乏外部验证	总结影像组学在喉癌管理（如分期、预后和生存结果预测）中的现有知识	喉癌患者	数字病理	喉癌	影像组学，深度学习	NA	医学影像	30项研究，共3503名患者	NA	NA	准确率	NA
1051	2026-03-18	National scale tree canopy cover modelling using google earth engine and stacking ensemble: A case study of the Greek forests 2026-Apr-01, The Science of the total environment DOI:10.1016/j.scitotenv.2026.181628 PMID:41791321	研究论文	本研究利用Google Earth Engine和堆叠集成机器学习方法，生成了希腊全国范围的20米分辨率树冠覆盖图	结合了视觉解释样本点、Sentinel-2卫星数据、高程数据、冠层高度和生态系统类型图，并采用四种机器学习算法的堆叠集成模型进行树冠覆盖建模	不同森林生态系统类型的模型性能差异较大，R值范围从0.165到0.535，RMSE从19.811%到25.767%	开发国家尺度的树冠覆盖模型，以支持森林监测、管理和保护规划	希腊的森林生态系统，特别是六种森林类型	机器学习和遥感	NA	卫星遥感（Sentinel-2）、高程数据、冠层高度测量、生态系统类型制图	集成学习（堆叠集成）、梯度提升机、分布式随机森林、广义线性模型、深度学习（神经网络）	卫星图像、高程数据、冠层高度数据、生态系统类型图、视觉解释样本点	NA	Google Earth Engine	堆叠集成模型（结合了梯度提升机、分布式随机森林、广义线性模型和神经网络）	R值（相关系数）、RMSE（均方根误差）	Google Earth Engine平台
1052	2026-03-18	Fully automated, deep learning, cardiac CT-based multimodal network for cardiovascular risk stratification in high-risk perioperative patients 2026-Apr, European heart journal. Digital health DOI:10.1093/ehjdh/ztag037 PMID:41836588	研究论文	本文开发了一种全自动、基于深度学习的心脏CT多模态网络，用于高风险围手术期患者的心血管风险分层	开发了首个全自动多模态深度学习系统，整合患者人口统计学、合并症和冠状动脉CT血管造影结果，以优化围手术期主要不良心脏事件的风险预测	研究样本量相对较小（639名患者），且主要针对特定手术类型（骨科、血管等）的高风险患者，可能限制了结果的普适性	优化高风险围手术期患者的心血管风险预测，以改善患者预后	接受择期非心脏手术并进行冠状动脉CT血管造影作为围手术期风险评估的639名患者	数字病理学	心血管疾病	冠状动脉CT血管造影	CNN	图像, 临床数据	639名患者（平均年龄70±9岁，56%男性）	NA	卷积神经网络	AUROC, 敏感性, 特异性	NA
1053	2026-03-16	CXCL9 as a key feature for deep learning-based immune subtyping and prediction of immune checkpoint blockade response in triple-negative breast cancer 2026-Apr-15, International immunopharmacology IF:4.8Q1 DOI:10.1016/j.intimp.2026.116439 PMID:41759266	研究论文	本研究通过整合多组学数据，利用深度学习驱动的无监督聚类方法识别三阴性乳腺癌的免疫亚型，并发现CXCL9作为关键生物标志物与免疫检查点阻断反应正相关，受IDO1调控	开发了一种基于深度学习的无监督聚类方法（AE-K-means）对三阴性乳腺癌进行免疫亚型分类，并首次将CXCL9识别为与免疫检查点阻断反应相关的关键特征，揭示了IDO1可能通过调控CXCL9影响肿瘤微环境	研究主要基于公共数据集（GEO、TCGA、GTEx），样本可能缺乏多样性；体外实验初步验证了调控机制，但需进一步体内实验确认；深度学习模型的泛化能力有待更多独立队列验证	开发一种新的免疫分类系统，以更准确地预测三阴性乳腺癌患者对免疫检查点阻断疗法的反应，并探索相关的生物标志物和调控机制	三阴性乳腺癌患者的多组学数据（包括基因表达、单细胞测序数据）以及体外培养的巨噬细胞	机器学习	乳腺癌	多组学数据整合、单细胞RNA测序（scRNA-seq）、qRT-PCR、Western blotting、免疫荧光、ELISA	深度学习无监督聚类（AE-K-means）、随机森林（RF）、其他机器学习算法	基因表达数据、单细胞测序数据、实验数据	来自GEO、TCGA和GTEx数据集的多个三阴性乳腺癌样本，具体数量未明确说明，但涉及训练、测试和验证集	未明确指定，但可能涉及TensorFlow或PyTorch（用于深度学习聚类）及Scikit-learn（用于机器学习算法）	自编码器（AE）与K-means结合的聚类架构，其他模型包括NMF、ConsensusClusterPlus、VAE-GMM	轮廓系数（Silhouette Coefficient）、戴维斯-布尔丁指数（Davies-Bouldin Index）、AUC（曲线下面积）	未明确说明，但可能使用GPU进行深度学习模型训练
1054	2026-03-15	Applied immunoinformatics in modern vaccine design: a comprehensive review of available computational tools 2026-Apr-02, Vaccine IF:4.5Q2 DOI:10.1016/j.vaccine.2026.128392 PMID:41747335	综述	本文全面综述了现代疫苗设计中可用的免疫信息学计算工具，涵盖了从病原体靶点识别到疫苗候选物优化的全流程	系统梳理了超过250种计算工具，并强调了从纯预测模型向生成式框架的范式转变，即利用人工智能和深度学习进行疫苗候选物的理性设计	作为综述文章，未提出新的原创工具或算法，主要基于现有文献进行归纳总结	为疫苗研发人员提供当前最可靠、高性能的免疫信息学工具资源概览，加速疫苗设计流程	疫苗设计流程中的计算工具与算法	计算生物学	NA	免疫信息学	深度学习, 人工智能	基因组数据, 结构数据	NA	NA	NA	NA	NA
1055	2026-03-15	A novel few-shot meta-learning strategy for fault diagnosis of wastewater treatment process 2026-Apr, ISA transactions IF:6.3Q1 DOI:10.1016/j.isatra.2026.02.016 PMID:41741308	研究论文	本文提出了一种结合原型网络与增强TimesBlock模块的新型小样本故障诊断框架，用于污水处理过程的故障诊断	设计了基于XGBoost重要性分析的Meta-TimesBlock来自适应加权多维时间序列特征，引入了参数高效的MetaLearner模块以降低计算复杂度，并采用辅助损失函数增强原型判别性	NA	解决污水处理过程中故障样本有限且多维时间序列数据复杂的问题，实现小样本故障诊断	污水处理过程（WWTPs）的故障诊断	机器学习	NA	NA	原型网络, 元学习	多维时间序列数据	基于BSM1基准在三种天气场景下进行实验	NA	Meta-TimesBlock, MetaLearner	准确率	NA
1056	2026-03-15	Radiographic Data Segmentation as a Tool in Machine Learning and Deep Learning Artificial Intelligence Algorithms 2026-Apr, Dental clinics of North America DOI:10.1016/j.cden.2025.11.012 PMID:41825999	综述	本文综述了牙科领域中作为机器学习和深度学习算法基石的放射影像数据分割技术	系统性地总结了卷积神经网络在牙科多种放射影像（如全景片、根尖片、咬翼片和锥形束CT）中分类、检测和像素/体素分割任务的应用，并展示了AI在多项任务中达到或超越临床医生水平的性能指标	NA	回顾并强调放射影像数据分割在牙科机器学习和深度学习人工智能算法中的核心作用	牙科放射影像数据，包括全景片、根尖片、咬翼片和锥形束CT成像	计算机视觉	NA	放射影像技术（全景、根尖、咬翼、锥形束CT成像）	CNN	图像	NA	NA	NA	NA	NA
1057	2026-03-15	The Science Behind Machine Learning, Deep Learning, and Active Learning 2026-Apr, Dental clinics of North America DOI:10.1016/j.cden.2025.11.006 PMID:41826000	综述	本文介绍了机器学习、深度学习和主动学习的核心概念及其在现代牙科中的应用	强调了深度学习模型（如卷积神经网络和Transformer）在牙科数据自动分析中的应用，以及主动学习在减少标注负担和结合解剖学规则的知识驱动策略方面的作用	NA	介绍机器学习、深度学习和主动学习在牙科诊断、治疗规划和临床决策支持中的应用	牙科数据，特别是锥形束计算机断层扫描中的根尖周病变	机器学习	牙科疾病	锥形束计算机断层扫描	CNN, Transformer	图像	NA	NA	卷积神经网络, Transformer	NA	NA
1058	2026-03-14	Novel Psychoactive Substances: Slaying the Dragon With Artificial Intelligence 2026-Apr-01, Therapeutic drug monitoring IF:2.8Q2 DOI:10.1097/FTD.0000000000001429 PMID:41413933	综述	本文综述了人工智能和机器学习在新型精神活性物质识别与表征中的应用，探讨了其如何应对传统分析技术面临的挑战	重点介绍了基于人工智能的方法，如深度学习模型、化学语言模型和光谱预测工具，特别是DarkNPS框架和CFM-ID等工具，用于生成大量潜在NPS结构和预测质谱谱图	NA	探索人工智能在解决新型精神活性物质识别和表征日益增长挑战中的作用	新型精神活性物质	机器学习	NA	质谱分析	LSTM, 变换器, 图神经网络	化学结构数据, 质谱数据	NA	NA	NA	余弦相似度得分, 命中率	NA
1059	2026-03-14	Development and Validation of an Artificial Intelligence Surgical Video Analysis Model for Predicting Visceral Pleural Invasion in Lung Cancer Surgery: A Multicenter Study 2026-Apr, Annals of surgical oncology IF:3.4Q1 DOI:10.1245/s10434-025-18863-9 PMID:41428020	研究论文	本研究开发并验证了一种基于深度学习的胸腔镜视频分析模型（VPI-Net），用于术中预测肺癌手术中的脏层胸膜侵犯。	首次开发并验证了一种专门用于胸腔镜视频分析以预测脏层胸膜侵犯的深度学习模型（VPI-Net），并引入了VPI风险评分（VPIscore）作为量化指标，该模型在多个中心验证中显著优于外科医生和放射科医生的判断。	研究样本量相对有限（总患者数399名），且外部验证集仅来自另外两家医院，模型的泛化能力需要在更广泛的多中心数据中进行进一步验证。	提高视频辅助胸腔镜手术中脏层胸膜侵犯的术中诊断准确性，以指导手术决策。	接受视频辅助胸腔镜手术的肺癌患者。	数字病理	肺癌	视频辅助胸腔镜手术	CNN	视频，图像	总共399名患者（内部数据集346名患者，3367张图像；外部数据集53名患者，1274张图像）	NA	基于空间Dropout的残差卷积神经网络（VPI-Net）	AUC，准确率，敏感性，特异性，阳性预测值，阴性预测值	NA
1060	2026-03-14	A Deep Learning-Based Multimodal Clinico-Histology-Genomic Prognostic Model in Prostate Cancer 2026-Apr, Annals of surgical oncology IF:3.4Q1 DOI:10.1245/s10434-025-18929-8 PMID:41456225	研究论文	本研究开发了一种基于深度学习的多模态预后模型，整合了基因组特征、全切片成像的组织形态学特征和临床参数，以改善前列腺癌的风险分层和治疗决策	通过从组织病理学图像中计算推断基因组特征，消除了对基因组检测的依赖，并显著提高了预后精度，同时细化了现有的NCCN分类	研究依赖于两个独立队列（TCGA和PLCO）进行训练和验证，可能受限于这些队列的样本代表性和数据质量	开发一个多模态预后模型，以改善前列腺癌的风险分层和治疗决策	前列腺癌患者	数字病理学	前列腺癌	全切片成像（WSI）、苏木精-伊红（H&E）染色	深度学习	图像、基因组数据、临床参数	两个独立队列：TCGA（训练）和PLCO试验（外部验证）	NA	NA	C-index、Kaplan-Meier分析、Harrell's concordance index、多变量Cox回归	NA