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
201	2026-05-26	AI-Based Models for Risk Prediction in MASLD: A Systematic Review 2026-May, Digestive diseases and sciences IF:2.5Q2 DOI:10.1007/s10620-025-09499-6 PMID:41231418	综述	系统评估基于AI的模型在代谢功能障碍相关脂肪性肝病（MASLD）风险预测与患者分层中的效果	首次系统综述AI模型在MASLD风险预测中的应用，填补了识别临床显著疾病（如≥F2纤维化、MASH）风险患者的文献空白	数据多样性不足以及模型可解释性有限	评估AI预测模型在MASLD患者风险分层和临床管理中的效能	MASLD患者及AI预测模型	机器学习	代谢功能障碍相关脂肪性肝病	NA	机器学习与深度学习模型	临床特征数据（年龄、BMI、肝酶等）和多模态数据（临床+弹性成像/影像）	26项研究（2014-2025年），来自欧洲、美国、亚洲和南美洲	NA	NA	AUROC	NA
202	2025-12-25	Correction: Addressing fractures that are hard to diagnose on imaging: Radiomics or deep learning? 2026-May, La Radiologia medica DOI:10.1007/s11547-025-02151-3 PMID:41441965	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
203	2026-05-26	Dynamic ultrasound motion metrics combined with deep learning for clinical differentiation of subacromial impingement syndrome 2026-May, La Radiologia medica DOI:10.1007/s11547-026-02188-y PMID:41670888	研究论文	本研究探讨了深度学习模型在动态肩关节超声中诊断肩峰下撞击综合征的性能，比较了Faster R-CNN与STL-CNN，并用1D-CNN进行SIS分类	首次将动态超声运动指标与深度学习相结合，利用Faster R-CNN自动定位解剖标志并配合1D-CNN进行SIS分类，其中垂直肩峰肱骨距离（vAHD）表现出更优的鉴别能力	当前工作流需要离线视频分析，未来需实现实时处理并提高泛化能力	评估深度学习模型在动态肩关节超声中预测肩峰下撞击综合征的诊断性能	肩峰下撞击综合征患者和健康对照者	计算机视觉	肩峰下撞击综合征	动态超声	Faster R-CNN、STL-CNN、1D-CNN	超声视频	118名参与者（59名SIS患者和59名对照者）	NA	Faster R-CNN、自迁移学习卷积神经网络、一维卷积神经网络	准确率、平均距离误差	NA
204	2026-05-26	Construction of a classification model for liver fibrosis in MAFLD based on multiparametric MRI radiomics and machine learning: A rat study 2026-May, Medical physics IF:3.2Q1 DOI:10.1002/mp.70476 PMID:42178484	研究论文	基于多参数MRI影像组学和机器学习构建MAFLD肝纤维化分类模型的大鼠研究	首次在大鼠模型中整合多参数MRI影像组学特征与多种机器学习算法（包括逻辑回归、决策树、支持向量机、随机森林、LightGBM和AdaBoost）来构建肝纤维化分期分类模型，并采用混合模型结合深度学习和常规特征，通过SHAP分析增强模型可解释性	研究基于大鼠模型，结论在人类患者中的验证仍需进一步研究	开发并验证基于多参数MRI影像组学和机器学习的肝纤维化严重程度分期分类模型	160只雄性Sprague-Dawley大鼠的肝纤维化不同严重程度分期，包括健康对照组	机器学习	代谢功能障碍相关脂肪肝病肝纤维化	多参数MRI（T2压脂序列和IDEAL-IQ序列）影像组学	逻辑回归、决策树、支持向量机、随机森林、LightGBM、AdaBoost、CNN	MRI影像	160只雄性Sprague-Dawley大鼠	NA	逻辑回归、决策树、支持向量机、随机森林、LightGBM、AdaBoost、CNN	AUC、决策曲线分析、净重新分类改善、校准曲线、准确率	NA
205	2026-05-26	Validation of a deep learning model for bone fragility detection from conventional radiographs: an international cohort study 2026-May, EClinicalMedicine IF:9.6Q1 DOI:10.1016/j.eclinm.2026.103974 PMID:42180399	research paper	验证了一种基于深度学习模型从常规X光片中检测骨脆性的方法，该模型结合骨密度和骨小梁评分，在国际多中心队列中进行了性能评估	首次将骨小梁评分与骨密度结合用于骨脆性评估，直接从标准X光片中识别高风险骨折个体，并在多民族人群中进行外部验证	高特异性对应较低敏感性，可能遗漏部分真阳性病例；样本性别分布不均，且部分参与者已有骨密度评估，未来需在更平衡的队列和没有金标准检查的人群中验证	评估一种基于人工智能的工具从标准X光片中直接估计骨脆性，以识别骨折风险最高的个体	来自欧洲和美国五个临床中心的成年患者(≥20岁)的18858对常规X光片和腰椎双能X线吸收法扫描	machine learning	骨质疏松症	X光片	深度学习模型	图像	18858对图像(来自11138名参与者)，分为训练组(n=10692)、内部验证组和外部验证组(n=7079)	NA	NA	准确率、敏感性、特异性、AUC、精确度	NA
206	2026-05-26	DeepICER: A deep learning framework for predicting compound-induced gene expression profiles 2026-May, Acta pharmaceutica Sinica. B DOI:10.1016/j.apsb.2026.01.046 PMID:42180546	研究论文	提出一个深度学习框架DeepICER，用于预测化合物诱导的基因表达谱	利用双线性注意力机制捕获剂量、持续时间与基础基因表达之间的相互作用，首次实现任意剂量和持续时间下基因表达谱的精确预测	未明确讨论模型对复杂生物环境的泛化能力及计算资源需求	开发可预测药物诱导基因表达谱的深度学习模型，以促进药物重定位和加速药物发现	化合物、基因表达谱、细胞系（A549细胞）	机器学习	肺癌	NA	双线性注意力机制神经网络	基因表达数据	NA	NA	DeepICER（双线性注意力机制）	预测性能提升45.1%	NA
207	2026-05-26	DrugPTM-Bench: A Large-Scale Dataset for Predictive Modeling of Drug-Induced Cell Type-Specific Protein Post-Translational Modifications 2026-Apr-30, bioRxiv : the preprint server for biology DOI:10.64898/2026.04.27.721113 PMID:42094496	研究论文	提出了DrugPTM-Bench，一个大规模基准数据集，用于预测药物诱导的细胞类型特异性蛋白质翻译后修饰	首次构建了包含药物、剂量、处理时间、细胞背景和修饰位点等多维数据的标准化药物扰动PTM基准数据集	现有方法在蛋白不重叠的分布外设置中难以识别少数调控类别，标准重平衡策略以降低精确度和F1得分为代价提升召回率	建立用于预测药物诱导PTM调控的严谨框架，阐明药物作用机制和信号动态	7种癌细胞系、27种药物、11167种蛋白质的剂量依赖性PTM测量数据	机器学习	癌症	质谱分析	机器学习和深度学习模型	蛋白质组学数据	涉及7种癌细胞系、27种药物、11167种蛋白质，包含99.5%磷酸化事件、6个时间点、16个剂量水平	NA	NA	召回率、精确度、F1得分	NA
208	2026-05-26	Development and validation of a multi-task deep learning model integrating PET-CT radiomics, clinical variables, and EBV DNA for prognostic prediction in locally advanced nasopharyngeal carcinoma 2026-Apr-30, Translational cancer research IF:1.5Q4 DOI:10.21037/tcr-2025-1-2705 PMID:42180916	研究论文	开发并验证了一种多任务深度学习模型，整合PET-CT影像、临床变量和EBV DNA，用于局部晚期鼻咽癌的预后预测	首次将PET-CT双通道三维卷积神经网络、临床变量和EBV DNA整合到一个多任务深度学习框架中，同时预测总生存期和无进展生存期，并通过注意力机制实现多模态特征融合，显著优于传统分期系统和单任务模型	单中心回顾性设计，样本量有限（200例），缺乏前瞻性外部验证，需在独立多中心队列中验证后方可临床应用	开发一个整合多模态数据的深度学习模型，提高局部晚期鼻咽癌患者的预后预测准确性	200例局部晚期鼻咽癌患者（AJCC第8版III-IVA期），年龄18-75岁，WHO II/III型组织学，ECOG评分0-1，接受同步放化疗	计算机视觉，机器学习	鼻咽癌	PET-CT成像， 18F-FDG正电子发射断层扫描，标准化摄取值归一化	多任务深度学习模型，三维卷积神经网络	医学图像（PET和CT），临床变量， EBV DNA水平	200例患者（训练集140例，内部验证集60例）	PyTorch	双通道三维卷积神经网络，注意力机制	一致性指数（C-index）， 3年总生存率， 3年无进展生存率	提及梯度加权类激活映射（Grad-CAM）用于可视化，未明确说明GPU类型或云平台
209	2026-05-26	Tongue Image Analysis and Clinical Data Fusion: A Novel Approach for Non-invasive Diagnosis of Metabolic Dysfunction-associated Fatty Liver Disease 2026-Apr-28, Journal of clinical and translational hepatology IF:3.1Q2 DOI:10.14218/JCTH.2025.00631 PMID:42181845	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
210	2026-05-26	Development and validation of a deep learning radiomics model for predicting adjacent segment degeneration following anterior cervical discectomy and fusion 2026-Apr-15, European spine journal : official publication of the European Spine Society, the European Spinal Deformity Society, and the European Section of the Cervical Spine Research Society IF:2.6Q1 DOI:10.1007/s00586-026-09939-5 PMID:41984178	研究论文	开发并验证一种深度学习影像组学模型，用于预测前路颈椎间盘切除融合术后相邻节段退变	首次将影像组学应用于ACDF术后ASDeg筛查，通过整合影像组学特征和临床风险因素，利用机器学习算法构建预测模型，并比较多种算法的性能	研究为单中心回顾性设计，结果需要多中心外部验证进一步确认	开发并验证一种整合影像组学特征和临床风险因素的预测模型，实现ACDF术后ASDeg的准确筛查	2019年1月1日至2023年12月31日期间在我院接受ACDF手术的颈椎病患者	机器学习	颈椎病	MRI T2加权成像	决策树、逻辑回归、支持向量机、XGBoost	图像	90名ASDeg患者和104名非ASDeg患者，共194名，按7:3随机分为训练队列和测试队列	NA	NA	AUC、校准曲线	NA
211	2026-05-26	Quantum dot-DNA microsphere aptamer biosensor with AI-assisted structural modeling for rapid detection of the lung cancer biomarker USE1 2026-Apr-14, Journal of nanobiotechnology IF:10.6Q1 DOI:10.1186/s12951-026-04384-4 PMID:41981644	研究论文	开发了一种AI辅助的适配体生物传感平台，用于无抗体检测肺癌生物标志物USE1	将AI辅助适配体结构建模与量子点增强的DNA纳米结构相结合，构建无需抗体的生物传感平台	尚未在更大规模的临床样本中进行验证，且该平台的长期稳定性和可重复性有待进一步评估	开发一种快速、准确、低成本的肺癌诊断方法	肺癌生物标志物USE1	数字病理学	肺癌	SELEX, 滚环扩增, 量子点标记	AlphaFold3	图像	30对组织样本	NA	AlphaFold3	AUC, 敏感性, 特异性	NA
212	2026-04-12	Hybrid feature selection for IoMT based intrusion detection system for integrating mutual information filtering with deep learning based accelerated metaheuristic optimization 2026-Apr-10, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-47264-5 PMID:41963437	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
213	2026-04-05	Hybrid deep learning techniques for adaptive routing and congestion control in urban VANET for wireless mobile networking 2026-Apr-03, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-33193-2 PMID:41932949	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
214	2026-05-26	Predicting repurchase behavior and optimizing marketing for e-commerce users with genetic algorithms and deep learning 2026-Apr-03, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-45903-5 PMID:41933056	研究论文	提出一种结合深度学习与遗传算法的框架，用于预测电商用户复购行为并优化精准营销	将动态遗传算法与增强型朴素记忆网络结合，同时实现复购预测与营销干预优化	未讨论模型在跨平台或长周期数据上的泛化能力，且对营销优化效果缺乏长期追踪验证	提升电商用户复购预测精度并优化个性化营销策略	电商平台用户及其实时购买行为数据	机器学习	NA	NA	深度学习、遗传算法	结构化行为数据	真实世界电商数据集（未明确样本量）	Python	增强型朴素记忆网络（EVMN）、动态遗传算法（DGA）	F1分数、AUC-ROC、召回率、精确率、准确率	未明确
215	2026-05-26	A unified GRU model for cryptocurrency price prediction and harsh price movement detection using enhanced sentiment analysis 2026-Apr-03, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-46271-w PMID:41933101	研究论文	提出一种统一的GRU模型，通过增强情感分析预测加密货币价格并检测剧烈价格波动	重点研究情感信号构建、聚合和与价格动态对齐的方式，提出基于PCA的聚合、衰减加权方案和K-means聚类标签方法，显著提升了极端价格变动类别的预测性能	未明确提及，但可能包括模型仅基于短期数据（2021年4月至8月）以及情感数据噪声的局限性	研究情感表示和价格变动标签对短期比特币价格波动分类的影响，构建稳健的情感驱动金融模型	比特币短期价格波动分类	机器学习, 自然语言处理	NA	情感分析, PCA分析, K-means聚类	GRU, TCN, LightGBM, 多项逻辑回归	文本（推文数据）	超过110万条比特币相关推文（2021年4月至8月）	NA	RoBERTa, GRU, TCN	准确率、精确率、召回率、F1分数	NA
216	2026-05-26	Multimodal deep learning for international investment arbitration outcome prediction and bilateral investment agreement negotiation strategy optimization 2026-Apr-03, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-47149-7 PMID:41933170	研究论文	提出一种多模态深度学习框架，融合文本、数值和视觉数据预测国际投资仲裁结果	采用注意力融合架构，通过专用编码器捕捉法律文件、宏观经济指标和视觉证据之间的复杂跨模态依赖关系，显著优于单模态和传统机器学习方法	未明确讨论预测模型在实际应用中可能引发的公平性、透明度和可及性等规范性问题	开发稳健的仲裁结果预测工具，为投资者、东道国和法律顾问提供战略决策依据	国际投资仲裁案件中的投资者与国家争端解决机制	机器学习	NA	多模态深度学习的注意力融合架构	注意力机制融合的多模态深度学习模型	文本（法律文件）、数值（宏观经济指标）、视觉（证据图像）	1,247个仲裁案例，来自主要国际仲裁机构	NA	注意力融合架构、专用编码器	准确率	NA
217	2026-05-26	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扫描识别卵巢癌	首次将深度学习应用于腹部-盆腔CT扫描来预测上皮性卵巢癌，并比较了多种深度学习架构（CNN和ViT）及放射组学模型的性能	样本量相对较小（355例病例和213例对照），且为病例对照研究设计，需要进一步的研究来验证早期检测的准确性	构建、开发和验证基于深度学习的预测模型，用于识别上皮性卵巢癌	上皮性卵巢癌患者和良性附件包块患者	计算机视觉, 数字病理学	卵巢癌	CT扫描	CNN, ViT	图像（CT扫描）	355例上皮性卵巢癌患者和213例良性附件包块患者	PyRadiomics	CNN, ViT	AUC, 准确率, 精确率	未提及
218	2026-05-26	The Evolving Role of Artificial Intelligence in Fracture Diagnosis and Surgical Planning in Orthopaedics: Current Insights and Future Directions 2026-Apr, Cureus DOI:10.7759/cureus.107470 PMID:42181443	综述	综述了人工智能和机器学习在骨科骨折诊断和手术规划中的应用现状与未来方向	系统梳理了2016至2026年间AI/ML在骨折检测和术前规划中的证据，涵盖了CNN和Vision Transformer模型的最新进展	多数研究为回顾性分析、数据集缺乏多样性、缺乏前瞻性多中心验证、以及AI/ML在医学影像中应用监管框架的不完善	总结AI/ML技术在骨科骨折诊断和手术规划中的临床发现并讨论临床转化挑战	针对骨折检测和手术规划的AI/ML相关研究文献	机器学习	骨科骨折	深度学习	卷积神经网络（CNN）和视觉Transformer（ViT）	放射影像和计算机断层扫描（CT）图像	24篇同行评审出版物	NA	CNN和Vision Transformer（ViT）	受试者工作特征曲线下面积（AUROC）	NA
219	2026-05-26	A prospective multicenter trial of deep learning auto-segmentation for organs at risk in thoracic radiotherapy 2026-Mar-31, Nature communications IF:14.7Q1 DOI:10.1038/s41467-026-70863-9 PMID:41917034	研究论文	一项前瞻性多中心试验评估深度学习模型iCurveE在胸部和乳腺癌放疗中辅助勾画危及器官的临床性能	首次通过前瞻性多中心试验验证AI辅助勾画在临床放疗中的实际效果，并展示了其在减少勾画变异性和提高医疗公平性方面的优势	当前无摘要中明确提及的限制信息	评估AI辅助勾画在胸部放疗中危及器官勾画的临床性能，包括准确性和时间效率	500例胸部和乳腺癌患者的CT图像，涉及11个胸部危及器官	计算机视觉	肺癌, 乳腺癌	CT影像	深度学习模型	CT图像	500例患者，2483个危及器官集（27043个器官）	NA	iCurveE	体积Dice相似系数（vDSC），95%豪斯多夫距离（HD95），勾画时间	NA
220	2026-05-26	Enhanced corn leaf disease detection using sharpness-aware minimization optimized CNNs 2026-Mar-31, Plant methods IF:4.7Q1 DOI:10.1186/s13007-026-01514-9 PMID:41917950	研究论文	提出使用锐度感知最小化（SAM）优化卷积神经网络，用于增强玉米叶片疾病检测	首次将锐度感知最小化优化方法应用于玉米叶片疾病检测CNN，通过同时最小化训练损失和损失景观锐度，使模型收敛到更平坦的最小值，显著提高泛化能力	未提及在不同作物或更复杂疾病类别上的泛化能力验证，且仅基于单一数据集进行评价	解决现有深度学习解决方案因尖锐损失景观导致的泛化能力差问题，推动精准农业中疾病管理的自动化	玉米叶片图像（四类：健康及三种疾病类别）	计算机视觉	玉米叶片疾病	图像分类	CNN	图像	60,000张玉米叶片图像样本（增强后四类各15,000张平衡样本）	NA	CNN	准确率，精确率，F1分数，均方误差，分类错误率	树莓派4