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
2781	2026-03-02	Simulation-Driven Annotation-Free Deep Learning for Automated Detection and Segmentation of Airway Mucus Plugs on Non-Contrast CT Images 2026-Jan-28, Bioengineering (Basel, Switzerland) DOI:10.3390/bioengineering13020153 PMID:41749693	研究论文	本文开发了一种基于模拟驱动的无标注深度学习框架，用于在非对比胸部CT图像上自动检测和分割气道黏液栓	提出了一种模拟驱动的无标注深度学习框架，通过合成黏液栓数据来训练模型，避免了繁琐的手动标注，并在检测性能上超越了基于手动标注的模型	该框架在COPD队列和特定成像协议之外的泛化能力尚未验证，需要在不同人群和扫描条件下进行性能验证	开发自动化工具以准确量化气道黏液栓，作为阻塞性肺疾病的影像生物标志物	气道黏液栓	数字病理学	慢性阻塞性肺疾病	非对比胸部CT成像	深度学习	CT图像	200例COPD患者的CT扫描（98例阳性，83例阴性，19例不确定）	nnU-Net	nnU-Net	灵敏度，假阳性率	NA
2782	2026-03-02	A Robust ConvNeXt-Based Framework for Efficient, Generalizable, and Explainable Brain Tumor Classification on MRI 2026-Jan-28, Bioengineering (Basel, Switzerland) DOI:10.3390/bioengineering13020157 PMID:41749697	研究论文	本研究提出了一种基于ConvNeXt Base架构的鲁棒框架，用于MRI图像的脑肿瘤分类，并在多个独立数据集上验证了其高效性、泛化性和可解释性	采用ConvNeXt Base架构构建分类框架，并在三个独立MRI数据集上进行全面评估，结合了严格的统计验证、计算效率分析和可解释性方法（Grad-CAM++和Gradient SHAP），证明了模型优异的泛化能力和临床可靠性	研究未明确提及模型在更大规模或更多样化数据集（如多中心、多设备数据）上的泛化能力，也未讨论模型在临床实际部署中可能遇到的具体挑战（如数据隐私、实时性要求等）	开发一个准确、可靠、可泛化且可解释的脑肿瘤自动分类系统，以支持临床决策	脑部MRI图像	计算机视觉	脑肿瘤	磁共振成像（MRI）	CNN	图像	三个独立MRI数据集，包含四类样本：胶质瘤、脑膜瘤、垂体瘤和无肿瘤	NA	ConvNeXt Base	准确率、精确率、召回率、F1分数、AUC、Cohen's Kappa	NA
2783	2026-03-02	Transformer Models, Graph Networks, and Generative AI in Gut Microbiome Research: A Narrative Review 2026-Jan-27, Bioengineering (Basel, Switzerland) DOI:10.3390/bioengineering13020144 PMID:41749685	综述	本文是一篇叙述性综述，旨在综合人工智能在肠道微生物组研究中的最新方法学进展，并评估其在治疗优化、个性化营养和精准医学中的转化相关性	系统性地综述了包括Transformer模型、图神经网络和生成式AI在内的多种AI方法在肠道微生物组多组学整合分析中的应用进展，并强调了其在预测个体化治疗反应和设计干预措施方面的潜力	面临数据异质性、模型可解释性有限、人群偏倚以及临床部署障碍等关键挑战	评估人工智能方法在肠道微生物组研究中的进展及其在精准医学和个性化健康干预中的转化应用	肠道微生物组及其与人类宿主的相互作用	机器学习	NA	多组学整合（宏基因组学、宏转录组学、代谢组学、蛋白质组学）	Transformer, 图神经网络, 生成式AI	多组学数据, 临床数据	NA	NA	NA	AUC	NA
2784	2026-03-02	Integrating Textual Features with Survival Analysis for Predicting Employee Turnover 2026-Jan-26, Behavioral sciences (Basel, Switzerland) DOI:10.3390/bs16020174 PMID:41749982	研究论文	本研究提出了一种新颖方法，将基于Transformer的文本分析与传统人口统计学变量结合在生存分析框架中，用于预测员工离职	整合了专业社交平台的Transformer文本分析与人口统计学变量，在生存分析框架中预测离职，提高了预测准确性和可解释性	NA	预测员工离职，支持人力资源决策制定	来自脉脉（中国领先专业社交平台）的4087个工作事件	自然语言处理	NA	情感分析，深度学习语义表示，生存分析	Transformer	文本，人口统计学数据	4087个工作事件	NA	Transformer	C-index, 累积/动态AUC	NA
2785	2026-03-02	Artificial Intelligence in the Evaluation and Intervention of Developmental Coordination Disorder: A Scoping Review of Methods, Clinical Purposes, and Future Directions 2026-Jan-23, Children (Basel, Switzerland) DOI:10.3390/children13020161 PMID:41749517	综述	本文是一篇范围综述，系统梳理了人工智能在发育性协调障碍评估与干预中的应用方法、临床目的及未来方向	首次对人工智能在发育性协调障碍领域的应用进行系统性范围综述，明确了当前研究趋势、方法特征及证据缺口	纳入研究数量有限（7项），证据基础以早期开发和验证研究为主，缺乏外部验证，诊断定义异质性大，干预性研究稀缺	系统梳理人工智能在发育性协调障碍的评估、筛查、监测和干预中的应用现状，识别当前趋势、方法特征及证据缺口	发育性协调障碍相关人群	机器学习	发育性协调障碍	NA	监督机器学习, 深度学习	基于运动的数据, 可穿戴传感器数据, 视频记录, 神经生理信号, 电子健康记录	NA	NA	NA	NA	NA
2786	2026-03-02	Artificial Intelligence Drives Advances in Multi-Omics Analysis and Precision Medicine for Sepsis 2026-Jan-23, Biomedicines IF:3.9Q1 DOI:10.3390/biomedicines14020261 PMID:41751160	综述	本文综述了人工智能如何驱动多组学分析在脓毒症精准医学研究中的进展	系统阐述了人工智能与多组学技术融合在解码脓毒症复杂性、实现早期检测、分子分型、预后预测和治疗靶点识别方面的创新应用范式	临床转化面临数据可用性有限、队列异质性、模型可解释性与因果推断受限、计算需求高、静态分子谱与动态临床数据整合困难、伦理与治理问题以及跨人群和平台泛化能力不足等挑战	探讨人工智能与多组学技术融合如何推动脓毒症研究从描述性分析转向预测性、机制性和精准导向的医学	脓毒症（一种以显著临床异质性和复杂宿主-病原体相互作用为特征的危及生命的综合征）	机器学习	脓毒症	多组学技术（包括基因组学、转录组学、蛋白质组学、代谢组学）	机器学习，深度学习	多组学数据（超高通量、高维、异质性数据）	NA	NA	NA	NA	NA
2787	2026-03-02	Identification of FDA-Approved Drugs as Potential Inhibitors of WEE2: Structure-Based Virtual Screening and Molecular Dynamics with Perspectives for Machine Learning-Assisted Prioritization 2026-Jan-23, Life (Basel, Switzerland) DOI:10.3390/life16020185 PMID:41752823	研究论文	本研究采用结构虚拟筛选、分子动力学模拟和自由能计算，从已批准的药物中识别出潜在的WEE2激酶抑制剂，并探讨了机器学习辅助优先排序的应用前景	首次采用综合的计算方法筛选已批准药物作为WEE2抑制剂，并结合机器学习框架提升候选药物的转化优先排序	研究为计算机模拟结果，尚未进行体外或体内实验验证	识别具有WEE2抑制活性的已批准药物，为生殖健康干预提供新的候选药物	Wee1样蛋白激酶2（WEE2）及其潜在的小分子抑制剂	计算生物学, 药物发现	生殖健康疾病	结构虚拟筛选, 分子动力学模拟, MM-PBSA自由能计算, 机器学习辅助筛选	机器学习, 深度学习	分子结构数据, 化合物库数据	约3800个DrugBank化合物	NA	NA	结合亲和力（kcal/mol）, 结合自由能（kJ/mol）, 构象稳定性	NA
2788	2026-03-02	Prediction of Retinopathy of Prematurity and Treatment in Very Low Birth Weight Infants Using Machine Learning on Nationwide Non-Imaging Clinical Data 2026-Jan-19, Neonatology IF:2.6Q1 DOI:10.1159/000550513 PMID:41553943	研究论文	本研究利用全国性非影像临床数据，开发机器学习模型预测极低出生体重婴儿的早产儿视网膜病变及其严重程度和治疗需求	首次在极低出生体重婴儿中，基于全国性非影像临床数据，应用专为表格数据优化的深度学习方法（MLP和NODE）预测ROP、sROP和tROP，并开发了仅需8个关键变量的简化模型	研究仅基于韩国新生儿网络数据，未包含影像数据，模型性能需在其他人群和临床环境中进一步验证	开发基于非影像临床数据的机器学习模型，以实现极低出生体重婴儿早产儿视网膜病变的早期风险识别和及时干预	极低出生体重婴儿	机器学习	早产儿视网膜病变	NA	MLP, NODE	表格数据（临床变量）	韩国新生儿网络全国性临床数据，包含44个围产期和新生儿变量	NA	Multilayer Perceptron, Neural Oblivious Decision Ensembles	AUROC	NA
2789	2026-03-02	In Vivo Demonstration of Deep Learning-Based Photoacoustic Visual Servoing System 2026-Jan, IEEE transactions on bio-medical engineering DOI:10.1109/TBME.2025.3584076 PMID:40577292	研究论文	本文开发了一种基于深度学习的声光视觉伺服系统，用于实时三维跟踪导管尖端	首次提出基于深度学习的声光视觉伺服系统，结合点源定位和混合位置-力控制技术	实例分割方法的推理时间较长（≥516.3毫秒），可能影响实时性；系统仍需优化改进	开发实时三维跟踪手术工具尖端的视觉伺服系统	心脏导管尖端	计算机视觉	心血管疾病	声光成像	深度学习	图像	9次视觉伺服试验（包括体模和活体猪实验）	NA	NA	检测率, 跟踪误差, 推理时间, 接触保持率	NA
2790	2026-03-02	Associations between contralesional neuroplasticity and motor impairment through deep learning-derived MRI regional brain age in chronic stroke (ENIGMA): a multicohort, retrospective, observational study 2026-Jan, The Lancet. Digital health DOI:10.1016/j.landig.2025.100942 PMID:41577565	研究论文	本研究利用深度学习衍生的MRI区域脑年龄，探讨慢性卒中患者病灶对侧神经可塑性、区域脑年龄与运动障碍之间的关联	首次结合图卷积网络算法预测区域脑年龄，并系统分析卒中病灶负荷、双侧半球区域脑年龄差异与运动预后的关系，揭示了病灶对侧脑年龄降低的补偿性神经机制	研究为回顾性观察设计，无法确定因果关系；样本主要来自欧美人群，可能存在人群偏倚；未考虑急性期干预措施对脑年龄的影响	探究慢性卒中患者局部病灶损伤、双侧半球区域脑年龄与运动功能结局的关联，并识别运动障碍的关键预测因子	慢性单侧卒中患者（卒中后>180天）及健康对照人群	医学影像分析	卒中	结构T1加权MRI扫描	图卷积网络	MRI图像	ENIGMA卒中恢复工作组501例患者（8个国家34个队列）及UK Biobank数据集17791例个体	NA	图卷积网络	β系数, 95%置信区间, FDR校正p值, 调整后均值差异	NA
2791	2026-03-02	Developing the CAM-BERT: Enhancing delirium screening in hospitalized older adults using natural language processing 2025-Sep, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.110781 PMID:40675095	研究论文	本研究开发并评估了一种基于深度学习的自然语言处理模型（CAM-BERT），用于从巴西葡萄牙语临床记录中识别谵妄症状，以改善住院老年患者的谵妄筛查	提出了CAM-BERT框架，通过将模型识别的症状与CAM标准对齐来分类潜在谵妄病例，并在非英语临床环境中验证了BERTimbau模型的有效性	需要在更多样化的医疗环境中验证模型的适用性	开发并评估一种自然语言处理模型，以提高电子健康记录中谵妄症状的识别能力，促进谵妄检测	住院老年患者的临床记录	自然语言处理	老年疾病	自然语言处理	BERT, Random Forest	文本	500例住院患者的临床记录	TensorFlow, PyTorch, Scikit-learn	BERTimbau	F1分数, Cohen's kappa系数	NA
2792	2026-03-02	Improving the Robustness of Deep Learning Models in Predicting Hematoma Expansion from Admission Head CT 2025-Jul-01, AJNR. American journal of neuroradiology DOI:10.3174/ajnr.A8650 PMID:39794133	研究论文	本研究探讨了通过对抗性训练和输入修改来提高深度学习模型在预测急性脑出血患者入院头部CT血肿扩张方面的鲁棒性	结合对抗性训练与无超参数Otsu多阈值分割作为额外输入，以增强模型对抗扰动的鲁棒性	对抗性训练对FGSM攻击的鲁棒性提升有限，且模型在跨攻击类型（如PGD）的泛化能力有待加强	提高深度学习模型在临床实践中预测血肿扩张的鲁棒性	急性脑出血患者的入院头部CT扫描	医学影像分析	脑出血	CT扫描	深度学习模型	医学图像	训练/交叉验证队列890名患者，独立验证队列684名患者	NA	NA	AUC	NA
2793	2026-03-02	GINClus: RNA structural motif clustering using graph isomorphism network 2025-Jun, NAR genomics and bioinformatics IF:4.0Q1 DOI:10.1093/nargab/lqaf050 PMID:40290315	研究论文	本文提出了一种名为GINClus的RNA结构基序聚类工具，利用半监督深度学习模型基于碱基相互作用和3D结构相似性对RNA基序候选区域进行聚类	首次将图同构网络（GIN）与k均值和层次凝聚聚类结合，用于RNA结构基序的自动聚类，并成功发现新的基序实例和家族	未明确说明模型对未知基序类型的泛化能力及计算效率的具体评估	开发自动化工具以改进RNA结构基序的识别与分类，减少对人工分析的依赖	RNA结构基序候选区域（特别是RNA环区域）	机器学习	NA	RNA 3D结构分析	图同构网络（GIN）	图表示（基于碱基相互作用和3D结构）	NA	PyTorch（推断自GIN的常见实现）	图同构网络（GIN）	聚类准确率	NA
2794	2026-03-02	Development and validation of a deep learning model for diagnosing neuropathic corneal pain via in vivo confocal microscopy 2025-May-14, NPJ digital medicine IF:12.4Q1 DOI:10.1038/s41746-025-01577-3 PMID:40369269	研究论文	本文开发并验证了一种基于深度学习的模型，用于通过活体共聚焦显微镜诊断神经性角膜疼痛	提出了一种新的神经性角膜疼痛筛查系统，该模型能够检测微神经瘤，并提供了不确定性量化机制以增强临床相关性	NA	开发一个深度学习模型，以辅助诊断神经性角膜疼痛	神经性角膜疼痛患者	数字病理学	神经性角膜疼痛	活体共聚焦显微镜	深度学习模型	图像	103,168张IVCM图像	NA	NA	AuROC	NA
2795	2026-03-02	Improving Accuracy and Reproducibility of Cartilage T2 Mapping in the OAI Dataset Through Extended Phase Graph Modeling 2025-May, Journal of magnetic resonance imaging : JMRI IF:3.3Q1 DOI:10.1002/jmri.29646 PMID:39467097	研究论文	本研究通过扩展相位图建模评估了不同拟合方法对骨关节炎倡议数据集中软骨T2映射准确性和可重复性的影响	首次将扩展相位图建模应用于骨关节炎倡议数据集，解决了传统单指数模型忽略受激回波和B1不均匀性的问题	研究为回顾性设计，样本量相对较小（共100名受试者），且仅针对膝关节软骨	评估不同拟合方法对软骨T2映射准确性和可重复性的影响	骨关节炎倡议数据集中的受试者，包括50名按骨关节炎严重程度分层的患者和50名健康对照	医学影像分析	骨关节炎	多回波自旋回波序列，扩展相位图建模	深度学习，非线性最小二乘法，字典匹配	磁共振图像	100名受试者（50名患者，50名健康对照）	NA	NA	平均绝对误差，Bland-Altman分析，Lin一致性系数，变异系数	NA
2796	2026-03-02	Towards contrast-agnostic soft segmentation of the spinal cord 2025-Apr, Medical image analysis IF:10.7Q1 DOI:10.1016/j.media.2025.103473 PMID:39874684	研究论文	本文提出了一种基于深度学习的脊髓软分割方法，旨在实现跨MRI对比度的稳定分割	提出了首个能够跨MRI对比度产生稳定软分割的脊髓分割方法，通过使用参与者级别的软平均真值掩码和回归损失函数来减少分割变异性	研究主要基于健康参与者的数据（n=267），尽管在病理数据上进行了泛化测试，但样本量相对有限	开发一种对MRI对比度不敏感的脊髓软分割方法，以减少多中心研究中因协议差异导致的脊髓横截面积变异性	脊髓的MRI图像分割	医学图像分析	多发性硬化症、脊髓压迫症、神经退行性疾病	MRI成像	CNN	医学图像（MRI）	267名健康参与者，包含6种不同的MRI对比度	NA	U-Net	脊髓横截面积变异性（通过Wilcoxon符号秩检验评估p值）	NA
2797	2026-03-02	Universal consensus 3D segmentation of cells from 2D segmented stacks 2025-Mar-20, bioRxiv : the preprint server for biology DOI:10.1101/2024.05.03.592249 PMID:38766074	研究论文	本文提出了一种名为u-Segment3D的理论和工具箱，用于将2D细胞分割结果转换为3D共识实例分割，无需训练数据	开发了一种无需训练数据的2D到3D分割方法，兼容任何生成基于像素实例细胞掩码的2D方法，并在拥挤和复杂形态细胞上表现优于原生3D分割	未明确说明该方法在低对比度或噪声图像中的性能，且依赖2D分割的质量	解决3D细胞分割中密集标注的挑战，实现通用且高效的3D细胞分割	单细胞、细胞聚集体和组织中的细胞	数字病理学	NA	显微镜成像	NA	图像	11个真实数据集，超过70,000个细胞	NA	NA	NA	NA
2798	2026-03-02	Deactivated Cas9-Engineered Magnetic Micromotors toward a Point-of-Care Digital Viral RNA Assay 2025-03-11, ACS nano IF:15.8Q1 DOI:10.1021/acsnano.4c14913 PMID:40017424	研究论文	本文介绍了一种名为dCRISTOR的新型数字分子诊断系统，通过整合dCas9工程化微电机、免提取LAMP扩增、低成本明场显微镜和深度学习图像处理，实现了对HIV-1 RNA的高灵敏度检测	开发了基于dCas9工程化磁性微电机的数字病毒RNA检测平台，无需荧光读数或昂贵制造工艺，结合CNN-MOT算法实现运动变化的精确测量	研究中使用的临床样本数量有限（n=9），且主要针对HIV-1病毒，未验证对其他病毒或样本类型的适用性	开发一种适用于即时检测的高灵敏度、低成本数字核酸分析系统	人类免疫缺陷病毒-1（HIV-1）RNA	数字病理学	艾滋病	免提取环介导等温扩增（LAMP），逆转录定量聚合酶链反应（RT-qPCR）	CNN	图像	21份加标血浆样本和9份临床患者样本	NA	卷积神经网络	灵敏度，特异性，检测限（LOD）	NA
2799	2026-03-02	Deep learning in single-cell and spatial transcriptomics data analysis: advances and challenges from a data science perspective 2025-Mar-04, Briefings in bioinformatics IF:6.8Q1 DOI:10.1093/bib/bbaf136 PMID:40185158	综述	本文从数据科学视角，系统回顾了深度学习在单细胞和空间转录组学数据分析中的进展与挑战	系统性地评估了58种计算方法在9个基准测试的21个数据集上的性能，揭示了模型性能在不同数据集和评估指标间的显著差异，为基于特定应用场景选择最合适方法提供了实用视角	高质量标注数据集仍然有限，生物组织的复杂相关性使得准确重建细胞状态和空间背景具有挑战性	探讨如何有效应用深度学习进行转录组学数据分析，以服务于生物、医学和临床环境	单细胞和空间转录组学数据	机器学习	NA	单细胞测序，空间转录组学	深度学习	基因表达，表观遗传修饰，代谢物水平，空间位置	涉及21个数据集（来自9个基准测试），数据规模已扩展至数百万细胞	NA	NA	NA	NA
2800	2026-03-02	Assessing the Reporting Quality of Machine Learning Algorithms in Head and Neck Oncology 2025-Feb, The Laryngoscope DOI:10.1002/lary.31756 PMID:39258420	研究论文	本研究使用TRIPOD-AI标准评估头颈肿瘤学文献中机器学习算法的报告质量	首次在头颈肿瘤学领域系统应用TRIPOD-AI标准评估机器学习研究的报告质量	研究为文献综述性质，未涉及原始算法开发或验证	评估头颈肿瘤学中机器学习算法的报告质量并提出改进建议	头颈肿瘤学领域的机器学习研究文献	机器学习	头颈肿瘤	NA	NA	文献数据	NA	NA	NA	TRIPOD-AI标准符合率	NA