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
2901	2026-03-01	Estrogen Receptor-Low Positive (ER-Low) Breast Cancer: A Unique Clinical and Pathological Entity 2026-Feb-18, Current oncology (Toronto, Ont.) DOI:10.3390/curroncol33020122 PMID:41744886	综述	本文综述了雌激素受体低表达（ER-low）乳腺癌的独特临床病理特征、治疗策略及人工智能在优化个性化治疗中的应用前景	强调ER-low乳腺癌作为ER阳性和ER阴性疾病间独特实体的生物学和临床意义，并探讨AI工具在增强ER定量和患者分层中的新兴作用	ER评估存在方法学变异性和解释挑战，可能导致误分类和治疗选择不优，且内分泌治疗益处仍不确定	综述ER-low乳腺癌的当前病理临床见解，突出治疗策略演变，并展望AI驱动方法优化这一亚型的个性化治疗	ER-low乳腺癌（ER表达1-9%）	数字病理学	乳腺癌	数字病理学，多模态深度学习	深度学习	病理图像，多模态数据	NA	NA	NA	NA	NA
2902	2026-03-01	Analysis of Biological Images and Quantitative Monitoring Using Deep Learning and Computer Vision 2026-Feb-18, Journal of imaging IF:2.7Q3 DOI:10.3390/jimaging12020088 PMID:41745452	综述	本文综述了深度学习与计算机视觉在生物图像分析和野生动物定量监测中的应用	系统评估了从CNN、YOLO到基于Transformer的架构及混合模型等多种方法在不同采集平台上的集成，并指出未来需通过自监督学习和数据增强提升模型泛化能力	存在物体遮挡、隐存物种区分困难以及高质量标注数据集稀缺等挑战，阻碍了全自动化工作流程的实现	评估自动化生物计数技术以提升野生动物监测和生物多样性评估的规模与效率	昆虫害虫、水生生物、陆地植被和森林生态系统等多种生物类群	计算机视觉	NA	NA	CNN, YOLO, Transformer	图像	NA	NA	CNN, YOLO, Transformer	准确率	NA
2903	2026-03-01	3D, multi-omic imaging reveals molecular biomarkers of the pre-metastatic niche in lung cancer 2026-Feb-18, bioRxiv : the preprint server for biology DOI:10.64898/2026.02.18.706515 PMID:41756853	研究论文	本文开发了一种结合建模、放射学、深度学习引导的三维成像、空间蛋白质组学和转录组学的工作流程，以识别与肺癌区域转移相关的早期组织转化信号	提出了一种新颖的AI辅助方法，用于检测肺癌侵袭期间组织重塑的生物标志物，特别是通过三维多组学成像揭示了转移前微环境的分子特征	研究主要基于小鼠模型（Lewis肺癌），尚未在人类患者中进行验证，且样本量有限	评估非小细胞肺癌手术切除后局部复发风险，并识别转移前微环境的生物标志物	小鼠Lewis肺癌模型中的肺组织，包括转移前微环境和早期微转移区域	数字病理学	肺癌	三维成像, 空间蛋白质组学, 空间转录组学, 多参数流式细胞术	深度学习	图像, 蛋白质组数据, 转录组数据	小鼠Lewis肺癌模型的时间点样本库（手术前后）	NA	NA	NA	NA
2904	2026-03-01	Drug-Target Interaction Prediction with PIGLET 2026-Feb-18, bioRxiv : the preprint server for biology DOI:10.64898/2026.02.18.706530 PMID:41756919	研究论文	本文提出了一种名为PIGLET的图变换器方法，用于预测药物-靶点相互作用，该方法基于蛋白质组知识图谱进行建模	创新点在于采用图变换器方法，在包含结合口袋相似性、蛋白质-蛋白质相互作用、药物相似性和已知结合关系的知识图谱上进行DTI预测，而非传统的一维或三维表示嵌入方法	未明确提及具体限制，但暗示现有模型在加速真实世界药物发现方面尚未广泛成功	研究目的是通过计算辅助方法预测药物-靶点相互作用，以加速药物开发	研究对象为药物和靶点蛋白质，具体在Human数据集上进行评估	机器学习	NA	图变换器方法	Transformer	知识图谱数据	使用Human数据集，具体样本数量未明确说明	NA	图变换器	NA	NA
2905	2026-03-01	Parameter-free representations outperform single-cell foundation models on downstream benchmarks 2026-Feb-18, ArXiv PMID:41757283	研究论文	本文探讨了在单细胞RNA测序数据下游任务中，参数自由表示方法是否能够超越基于深度学习的单细胞基础模型	研究发现，通过简单的归一化和线性方法，无需依赖计算密集的深度学习表示，即可在多个基准测试中达到或接近最先进的性能，甚至在涉及新细胞类型和未见生物体的分布外任务中超越基础模型	未明确提及具体局限性，但暗示了需要更严格的基准测试来验证模型性能	评估参数自由表示方法在单细胞RNA测序数据下游任务中的性能，并与深度学习基础模型进行比较	单细胞RNA测序数据及其下游任务，如细胞类型分类、疾病状态预测和跨物种学习	机器学习	NA	单细胞RNA测序	线性方法	基因表达数据	NA	NA	NA	NA	NA
2906	2026-03-01	An attention-guided residual 3D U-net with focal Tversky-Dice loss for multi-modal pancreatic tumor segmentation using synthetic volumetric imaging 2026-Feb-18, Cancer treatment and research communications DOI:10.1016/j.ctarc.2026.101146 PMID:41762607	研究论文	本文提出了一种结合注意力机制和残差学习的3D U-Net模型CAAG-UNet3D，用于多模态胰腺肿瘤分割	提出了结合条件特定注意力机制和残差卷积块的3D U-Net架构，并采用合成多模态成像与混合损失函数（Focal Tversky Loss + Dice Loss）来改善小肿瘤区域的分割	研究基于合成多模态CT数据集，未明确说明真实临床数据的验证情况	开发自动化胰腺导管腺癌（PDAC）分割方法以支持临床影像组学	胰腺导管腺癌（PDAC）肿瘤区域	数字病理学	胰腺癌	合成多模态成像（T1, T1ce, T2, FLAIR）	CNN	医学影像（CT）	未明确说明	PyTorch（基于AdamW优化器和OneCycleLR调度器推断）	3D U-Net, 残差卷积块, 注意力门机制	Dice分数, IoU, VOE	NA
2907	2026-03-01	TITAN-BBB: Predicting BBB Permeability using Multi-Modal Deep-Learning Models 2026-Feb-17, bioRxiv : the preprint server for biology DOI:10.64898/2026.02.15.706007 PMID:41756895	研究论文	本文提出了一种名为TITAN-BBB的多模态深度学习架构，用于预测血脑屏障渗透性，通过整合表格、图像和文本特征并利用注意力机制，在分类和回归任务上均优于现有方法	首次将传统化学描述符与深度学习嵌入相结合，并利用注意力机制整合多模态特征，构建了迄今为止最大的血脑屏障渗透性数据集	未明确说明模型在外部验证集上的泛化能力，以及计算资源需求的具体细节	开发一种高效、高精度的计算方法来预测血脑屏障渗透性，以替代传统实验方法	血脑屏障渗透性预测	机器学习	NA	多模态深度学习	深度学习模型	表格数据, 图像数据, 文本数据	多个文献来源聚合的最大血脑屏障渗透性数据集	NA	基于注意力机制的多模态架构	平衡准确率, 平均绝对误差	NA
2908	2026-03-01	Current Applications and Future Perspectives of Artificial Intelligence in Face-Driven Orthodontics: A Scoping Review 2026-Feb-16, Biomimetics (Basel, Switzerland) DOI:10.3390/biomimetics11020146 PMID:41744592	综述	本文是一篇范围综述，分析了人工智能在面部驱动正畸学中的当前应用，并探讨了其未来前景	聚焦于人工智能在面部美学导向的正畸治疗中的整合应用，强调了从单纯关注咬合向优化面部平衡与和谐的范式转变	纳入研究存在数据集异质性、缺乏标准化验证方案、外部验证有限以及临床适用性不足等关键局限性	分析人工智能在面部驱动正畸学中的当前应用，并探讨其未来前景	2021年至2025年间发表的关于人工智能在正畸学中应用的研究文献	计算机视觉	NA	NA	深度学习模型	图像数据（面部图像）	54项初步识别的研究，其中24项符合纳入标准	NA	NA	诊断准确性	NA
2909	2026-03-01	Prediction of Left Atrial Volume Parameters from Resting ECGs and Tabular Data Using Deep Learning in the UK Biobank 2026-Feb-16, medRxiv : the preprint server for health sciences DOI:10.64898/2026.02.13.26346205 PMID:41757178	研究论文	本研究开发了一种深度学习模型，利用标准12导联心电图和基本患者数据预测左心房体积参数	提出了一种结合心电图和患者特征的低成本、可扩展的左心房体积预测方法，并利用Shapley值提供可解释的特征重要性	NA	开发一种替代MRI的左心房体积测量方法，以提高临床可及性	UK Biobank中的患者数据，包括心电图和基本患者信息	机器学习	心血管疾病	深度学习	深度学习模型	心电图信号, 表格数据	NA	NA	NA	NA	NA
2910	2026-03-01	Research Progress on the Application of Radiomics and Deep Learning in Liver Fibrosis 2026-Feb-15, Journal of imaging IF:2.7Q3 DOI:10.3390/jimaging12020082 PMID:41745446	综述	本文综述了影像组学和深度学习在肝纤维化诊断、分期、预后预测及病因鉴别中的最新研究进展与应用价值	总结了AI驱动的影像分析策略在肝纤维化领域的潜力，包括多模态影像融合及克服早期诊断障碍的新视角	模型泛化性、标准化、可解释性以及技术整合与多模态融合方面仍面临挑战	探讨影像组学和深度学习在肝纤维化非侵入性诊断中的应用，以促进精准医疗	肝纤维化患者	医学影像分析	肝纤维化	磁共振成像(MRI)、计算机断层扫描(CT)、超声	深度学习模型	医学影像	NA	NA	NA	NA	NA
2911	2026-03-01	Robust Trajectory Prediction for Mobile Robots via Minimum Error Entropy Criterion and Adaptive LSTM Networks 2026-Feb-15, Entropy (Basel, Switzerland) DOI:10.3390/e28020227 PMID:41751729	研究论文	本文提出了一种结合最小误差熵准则和自适应LSTM网络的鲁棒轨迹预测框架MEE-LSTM，用于提升移动机器人在非高斯脉冲噪声环境下的预测性能	首次将最小误差熵准则与LSTM网络结合用于轨迹预测，并提出了基于Silverman的自适应退火策略动态调节核带宽，有效抑制了异常值影响	研究主要基于ETH和UCY数据集进行验证，在更复杂或更大规模的真实场景中的泛化能力有待进一步验证	提升移动机器人在存在传感器故障和遮挡等非高斯脉冲噪声环境下的轨迹预测鲁棒性	移动机器人的运动轨迹	机器学习	NA	NA	LSTM	轨迹数据	ETH和UCY数据集	NA	LSTM	平均位移误差	NA
2912	2026-03-01	Feasibility of BMI-based sub-milliSievert low-dose CT in individualized detection of lung nodules 2026-Feb-14, European radiology IF:4.7Q1 DOI:10.1007/s00330-026-12372-3 PMID:41691132	研究论文	本研究评估了基于BMI的亚毫西弗低剂量CT协议结合多种重建算法在图像质量和肺结节检测中的性能	首次系统评估基于BMI分层的亚毫西弗低剂量CT协议，并比较深度学习图像重建与传统算法在肺结节检测中的表现	样本量相对有限（214名参与者），且为单中心前瞻性研究	评估个性化低剂量CT协议在肺结节检测中的可行性和性能	肺结节患者	数字病理学	肺癌	低剂量CT扫描，深度学习图像重建	深度学习图像重建模型	CT图像	214名参与者	NA	DLIR-H, DLIR-M	结节检出率，尺寸测量准确性，Lung-RADS一致性，图像质量评分	NA
2913	2026-03-01	Distinguishing Early Depression from Negative Emotion via Multi-Domain EEG Feature Fusion and Multi-Head Additive Attention Network 2026-Feb-13, Entropy (Basel, Switzerland) DOI:10.3390/e28020218 PMID:41751720	研究论文	本研究提出一种轻量级神经网络框架，通过融合多领域EEG特征和注意力机制，用于区分早期抑郁状态与非病理性短暂负面情绪	采用小波包分解构建多领域特征空间，并引入多头加性注意力机制自适应调整特征权重，优于传统单域特征方法	未提及模型在更广泛人群或不同抑郁亚型中的泛化能力验证	开发客观筛查工具以区分病理性抑郁与非病理性负面情绪，促进抑郁症早期诊断	EEG信号，来自DEAP（负面情绪）和HUSM（重度抑郁障碍）数据集	机器学习	抑郁症	EEG信号分析，小波包分解	神经网络	EEG信号	DEAP和HUSM数据集，具体样本量未明确说明	未明确说明，推测为PyTorch或TensorFlow	多头加性注意力网络	准确率，F1分数	未明确说明，但提及架构具有高计算效率和快速收敛
2914	2026-03-01	Artificial Intelligence in Veterinary Education: Preparing the Workforce for Clinical Applications in Diagnostics and Animal Health 2026-Feb-12, Veterinary sciences IF:2.0Q2 DOI:10.3390/vetsci13020181 PMID:41745975	综述	本文探讨了人工智能（包括机器学习和深度学习）在兽医教育中的整合，旨在为兽医临床实践中的负责任应用奠定基础	将兽医教育定位为人工智能临床转化的战略推动者，并系统性地探讨了如何通过结构化教育来模拟真实临床工作流程，培养数据解读、伦理推理等关键能力	本文是一篇叙述性综述，未涉及具体的实证研究或数据验证，主要基于现有证据的整合与分析	研究人工智能在兽医教育中的整合，以促进其在临床诊断和动物健康领域的安全有效应用	兽医教育体系、人工智能驱动的教育工具（如大语言模型、智能辅导系统、虚拟现实平台）及其在兽医课程中的应用	自然语言处理, 计算机视觉, 机器学习	NA	NA	大语言模型, 深度学习模型	文本, 图像, 多模态数据	NA	NA	NA	NA	NA
2915	2026-03-01	Text-Based Depression Estimation Using Machine Learning With Standard Labels: Systematic Review and Meta-Analysis 2026-Feb-11, Journal of medical Internet research IF:5.8Q1 DOI:10.2196/82686 PMID:41671575	系统综述与荟萃分析	本文通过系统综述与荟萃分析，评估了使用标准标签的文本型抑郁症估计模型的预测性能，并探讨了影响性能异质性的因素	本研究专注于使用经过验证的量表或临床诊断作为标准抑郁症标签的模型，与以往包含弱标签或异质性标签的综述相比，提供了更具临床可靠性和可比性的证据	纳入分析的模型数量相对较少（15个模型来自11项研究），可能限制了结果的普遍性，且研究时间范围限定在2014年至2025年	评估基于文本的抑郁症估计模型的预测性能，并识别影响性能异质性的因素，如文本资源、文本表示、模型架构、标注来源和报告质量	使用参与者生成的文本并采用已验证量表或临床诊断作为抑郁症标签的机器学习模型	自然语言处理	抑郁症	NA	机器学习模型，包括深度学习与浅层模型	文本	NA	NA	NA	效应量 (r), 95% 置信区间	NA
2916	2026-03-01	Detection for New Biomarkers of Tuberculosis Infection Activity Using Machine Learning Methods 2026-Feb-11, Diseases (Basel, Switzerland) DOI:10.3390/diseases14020066 PMID:41745104	综述	本文综述了利用机器学习和多组学技术识别结核感染活动性新生物标志物的研究进展	系统比较了数据生成平台、建模策略、验证方法及研究异质性，并强调了多模态整合与可解释AI在提升诊断准确性方面的应用	存在队列同质性、平台依赖性及外部验证有限等转化障碍	通过机器学习方法开发用于区分潜伏性结核感染与活动性结核的精准生物标志物诊断工具	潜伏性结核感染与活动性结核患者的转录组和蛋白质组数据	机器学习	结核病	RNA-seq, 微阵列, 蛋白质组学分析	CNN, Transformer	转录组数据, 蛋白质组数据	NA	NA	卷积神经网络, 基于Transformer的架构	灵敏度, 特异性	NA
2917	2026-03-01	A Multiphase CT-Based Integrated Deep Learning Framework for Rectal Cancer Detection, Segmentation, and Staging: Performance Comparison with Radiologist Assessment 2026-Feb-10, Journal of imaging IF:2.7Q3 DOI:10.3390/jimaging12020076 PMID:41745441	研究论文	本研究开发并评估了一个基于多期CT图像的AI辅助系统，用于直肠癌的检测、分割和分期，其性能与放射科医生评估相当	提出了一种新颖的三阶段、双期CT的AI框架，将病灶检测、分割和分期整合到一个统一的工作流程中	研究为回顾性分析，样本量相对有限（223例患者），且仅来自单一中心	开发并评估一个用于直肠癌检测和分期的AI辅助系统，以支持治疗决策	直肠癌患者的CT扫描图像	计算机视觉	直肠癌	CT扫描（包括平扫和增强扫描）	CNN, U-Net	图像	223名直肠癌患者的CT扫描	NA	RCD-CNN, U-Net, RCS-3DCNN	准确率, 召回率, 精确率, Dice系数	NA
2918	2026-03-01	Robust Detection and Localization of Image Copy-Move Forgery Using Multi-Feature Fusion 2026-Feb-10, Journal of imaging IF:2.7Q3 DOI:10.3390/jimaging12020075 PMID:41745440	研究论文	本文提出了一种基于多特征融合的图像复制-移动伪造检测与定位方法，以克服现有模型在特征融合和解码过程中的局限性	设计了多特征融合网络，融合RGB域和噪声域特征以实现互补；开发了轻量级多层感知器解码器，通过聚合跨层信息并结合局部与全局注意力机制，生成更准确的预测掩码	未提及模型在极端图像处理操作（如严重模糊或复杂几何变换）下的性能，也未讨论计算效率或实时性	提升图像复制-移动伪造检测与定位的鲁棒性和精度	图像复制-移动伪造	计算机视觉	NA	NA	深度学习	图像	NA	NA	多特征融合网络, 轻量级多层感知器解码器	检测精度, 定位性能	NA
2919	2026-03-01	Assessing Impact of Data Quality in Early Post-Operative Glioblastoma Segmentation 2026-Feb-10, Journal of imaging IF:2.7Q3 DOI:10.3390/jimaging12020073 PMID:41745438	研究论文	本研究评估了图像和标注质量对早期术后胶质母细胞瘤分割模型训练和性能的影响	首次系统性地评估了图像和标注质量在早期术后胶质母细胞瘤分割任务中的影响，并提出了数据质量对模型泛化能力的关键作用	研究仅基于挪威和瑞典两家医院的423名患者数据，可能无法完全代表全球临床场景的多样性	评估数据质量对早期术后胶质母细胞瘤分割模型性能的影响	早期术后MRI扫描的胶质母细胞瘤患者	数字病理学	胶质母细胞瘤	磁共振成像	深度学习	图像	423名患者的早期术后MRI扫描	NA	Attention U-Net	NA	NA
2920	2026-03-01	Digital Leadership, Information Entropy, and Stock Price Volatility: Evidence from CEO Social Media Behavior 2026-Feb-10, Entropy (Basel, Switzerland) DOI:10.3390/e28020200 PMID:41751703	研究论文	本研究从信息论视角结合深度学习方法，探讨CEO社交媒体行为如何影响股价波动	引入了一种新的度量指标——语义共振耗散熵（SRE），基于Kullback-Leibler散度衡量高管语义输出与市场关注之间的信息摩擦	研究主要基于雷军和埃隆·马斯克两个对比案例，样本量有限，可能影响结论的普适性	探究数字领导力、信息熵与股价波动之间的关系	CEO社交媒体行为及其对股价波动的影响	自然语言处理	NA	BERT, LDA	LSTM	文本	以雷军（小米）和埃隆·马斯克（特斯拉）作为对比案例	NA	LSTM	NA	NA