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
281	2026-06-07	TEERAI-Pre: A Multiview Artificial Intelligence Model for Preoperative Assessment of Transcatheter Edge-to-Edge Mitral Valve Repair Using Multiview, Multimodal Echocardiography 2026-Feb-03, Journal of the American Heart Association IF:5.0Q1 DOI:10.1161/JAHA.125.044333 PMID:41614293	研究论文	提出一种基于多视图、多模态超声心动图的深度学习模型TEERAI-pre，用于经导管缘对缘二尖瓣修复术的术前评估	首次开发基于视频视觉变换器的端到端深度学习模型，通过多视图、多模态超声心动图特征级融合实现术前形态学适合性预测	外部验证集规模相对较小（150例患者），且未提及模型在不同超声设备或操作者间的泛化能力评估	开发用于经导管缘对缘二尖瓣修复术术前人工智能评估的深度学习模型，提升患者选择的准确性和临床工作流程效率	经导管缘对缘二尖瓣修复术候选患者的术前超声心动图数据	计算机视觉	二尖瓣反流	超声心动图	视频视觉变换器	超声心动图视频及脉冲波多普勒图像	内部数据集633例患者（7997个经胸超声心动图视频及766个脉冲波多普勒图像）；外部数据集150例患者（1735个视频及169个图像）	PyTorch	视频视觉变换器, 基于变换器的特征级融合模块	准确率, 精确率, 召回率, F1分数	NA
282	2026-06-07	AI-based multiomics profiling reveals complementary omics contributions to personalized prediction of cardiovascular disease 2026-Feb-02, Nature communications IF:14.7Q1 DOI:10.1038/s41467-026-68956-6 PMID:41629312	研究论文	提出基于多组学数据的人工智能框架CardiOmicScore，用于心血管疾病的个性化风险预测	首次提出多任务深度学习框架CardiOmicScore，整合蛋白质组和代谢组学特征，学习疾病特异性的ProScore和MetScore风险评分，并证明其结合临床数据可提前15年显著提升心血管疾病风险预测能力	外部验证尚未完成，识别出的蛋白质和代谢物需要进一步验证以开发新型生物标志物和靶向疗法	利用多组学分析提升心血管疾病的早期个性化风险评估	六种最常见的心血管疾病	机器学习	心血管疾病	蛋白质组学、代谢组学、多组学分析	多任务深度学习	蛋白质组数据、代谢组数据、临床数据	UK Biobank数据库中的2920种蛋白质和168种代谢物的样本数据	NA	多任务深度学习框架	C指数	NA
283	2026-06-07	Artificial intelligence-assisted risk stratification of thyroid nodules with atypia of undetermined significance 2026-Feb-01, European thyroid journal IF:3.5Q2 DOI:10.1530/ETJ-25-0268 PMID:41553093	研究论文	评估人工智能模型对甲状腺结节非典型意义未明细胞学的风险分层临床适用性	针对AUS细胞学甲状腺结节这一诊断难题，开发并验证了深度学习AI模型（AI-Thyroid），提供额外诊断信息，尤其在小结节中表现出高灵敏度	回顾性研究设计，样本量较小（165个结节），可能受选择偏倚影响	评估AI模型在甲状腺AUS细胞学结节风险分层中的临床应用价值	韩国五家医疗机构2019至2020年接受细针穿刺的甲状腺结节患者，共165个结节	机器学习	甲状腺结节	超声图像	深度学习模型	图像	165个甲状腺结节	NA	NA	敏感度、阴性预测值、AUC	NA
284	2026-06-07	Mitigating Disparities in Prostate Cancer Survival Prediction Through Fairness-Aware Machine Learning Models 2026-Feb, Cancer medicine IF:2.9Q2 DOI:10.1002/cam4.71544 PMID:41589030	研究论文	对比两种公平性感知的深度学习生存模型，以减轻前列腺癌根治术后生存预测中的种族差异	将公平性感知方法扩展到生存分析领域，并首次在大型前列腺癌数据集中对比两种公平性深度Cox模型（Fair DCPH和GroupDRO DCPH）	未具体说明局限性	评估公平性感知的深度学习模型在减少前列腺癌生存预测中的种族差异方面的效果	前列腺癌患者（基于种族分组：白人、黑人、西班牙裔、亚裔等）	机器学习	前列腺癌	NA	深度Cox比例风险模型（Deep Cox Proportional Hazards Model）	表格数据（来自国家癌症数据库的临床记录）	418,968名患者（其中白人78.5%，黑人13.2%，西班牙裔4.5%，亚裔1.9%，其他2.0%）	NA	Fair DCPH, GroupDRO DCPH, 标准深度Cox模型	C指数（concordance index），包括组间和组内C指数	NA
285	2026-06-07	Image reconstruction and elongation artifact reduction for a dual-panel dedicated prostate PET scanner 2026-Feb, Medical physics IF:3.2Q1 DOI:10.1002/mp.70298 PMID:41589400	研究论文	针对双面板专用前列腺PET扫描仪，研究并比较多种图像重建策略以减少伸长伪影并提升图像质量	首次将Swin-UNETR深度学习模型应用于双面板专用前列腺PET的图像后处理增强，并系统比较了经典MLEM、PSF建模、混合列表模式重建及深度学习方法在有限角度系统上的效果	未提及深度学习模型的泛化性验证或在不同扫描仪上的迁移能力，且仅在仿真和体模实验中评估，缺乏临床患者数据验证	优化双面板专用前列腺PET扫描仪（ProVision）的图像重建方法，减少有限角度采集导致的伸长伪影并提高对比度噪声比	双面板专用前列腺PET扫描仪（ProVision）及其采集的图像数据	计算机视觉	前列腺癌	PET	深度学习后处理增强模型（Swin-UNETR）	图像	使用缩放NEMA体模和真实尺寸人体骨盆体模（Adam-PETer）进行实验	PyTorch	Swin-UNETR	对比度恢复系数(CRC)、对比度噪声比(CNR)、对比度噪声一致性(CNC)	NA
286	2026-06-07	CLinNET: An Interpretable and Uncertainty-Aware Deep Learning Framework for Multi-Modal Clinical Genomics 2026-Feb, Advanced science (Weinheim, Baden-Wurttemberg, Germany) DOI:10.1002/advs.202512842 PMID:41604548	研究论文	提出一种名为CLinNET的多模态深度神经网络框架，用于整合基因组数据以增强基因筛选和意义不确定变异解读，并提升可解释性与不确定性建模	提出双分支设计整合测序数据、基因表达、生物通路和基因本体，结合生物学先验知识构建稀疏网络，并引入置信度不确定性量化与分层SHAP可解释性方法	未明确讨论模型泛化性到其他疾病领域的限制，也未说明不确定性过滤对低置信度预测的具体影响	开发一种可解释且不确定性感知的深度学习框架，用于神经认知障碍相关基因的精准筛选与意义不确定变异解读	神经认知障碍相关基因及意义不确定变异	机器学, 数字病理学	神经认知障碍	测序技术, 基因表达分析, 生物通路分析, 基因本体分析	深度神经网络	基因序列数据, 基因表达数据, 生物通路数据, 基因本体注释数据	神经认知障碍数据集（未说明具体样本量），前列腺癌数据集用于验证	PyTorch	双分支深度神经网络，含自信度不确定性模块及SHAP解释模块	F1分数, 准确率, 精确率-召回率曲线下面积	NA
287	2026-06-07	Deep learning-based lung volume estimation with dynamic chest radiography 2026-Feb, Journal of applied clinical medical physics IF:2.0Q3 DOI:10.1002/acm2.70487 PMID:41611260	研究论文	基于深度学习的动态胸部X线摄影肺容量估计方法研究，并与传统方法对比评估其准确性	首次将深度学习应用于动态胸部X线摄影图像进行肺容量估计，且性能优于传统线性回归方法	基于动态胸部X线摄影的用力肺活量估计误差较大，模型架构和呼吸引导技术有待改进	评估基于深度学习的动态胸部X线摄影肺容量估计方法的准确性	257名患者的动态胸部X线摄影图像和对应的CT参考肺容量	计算机视觉	肺疾病	动态胸部X线摄影	卷积神经网络	图像	257名患者的动态胸部X线摄影图像数据集	NA	VGG19, DenseNet121	平均绝对误差, 平均绝对百分比误差, 皮尔逊相关系数, 调整决定系数	NA
288	2026-06-07	Classification of lung nodules in CT images based upon a multiplane dense inception network 2026-Feb, Medical physics IF:3.2Q1 DOI:10.1002/mp.70316 PMID:41619284	研究论文	提出一种基于多平面密集初始网络的计算机辅助诊断系统，用于根据CT图像预测肺结节的恶性可能性	将手工纹理特征图与强度CT图像结合作为网络输入，并采用多平面密集初始网络（MPDINet）同时利用DenseNet进行特征压缩和GoogLeNet进行特征提取，通过三个平行分支（轴向、冠状面和矢状面）包括结节周围区来增强结节特征描述，同时保持计算效率	未在标题和摘要中明确说明	开发一种基于深度学习的计算机辅助诊断系统，用于肺结节恶性可能性预测，以提高肺癌早期检测效果	CT图像中的肺结节	计算机视觉	肺癌	CT成像	深度神经网络	图像	1235个结节（802个良性，433个恶性）	NA	MPDINet, DenseNet, GoogLeNet	AUC, 敏感性, 特异性, 精确率	NA
289	2026-06-07	Selection of the best artificial intelligence techniques for analysis of gastrointestinal endoscopic images 2026-Feb, Arab journal of gastroenterology : the official publication of the Pan-Arab Association of Gastroenterology IF:1.1Q4 DOI:10.1016/j.ajg.2025.09.021 PMID:41620373	研究论文	通过模糊AHP-TOPSIS方法，系统识别和优先选择用于分析胃肠内镜图像的最佳人工智能技术	首次使用模糊AHP-TOPSIS多准则决策方法，对胃肠内镜图像分析中的人工智能技术进行综合排序和选择	依赖系统的文献搜索和专家判断，可能遗漏未公开发表的技术，且选择标准权重存在一定主观性	筛选并优先推荐用于胃肠内镜图像分析的最佳人工智能技术	从数据库中识别出的70种人工智能技术	计算机视觉	胃肠疾病	NA	深度神经网络（DNN）、卷积神经网络（CNN）、ResNet18	图像	通过系统检索识别70项已发表研究中的人工智能技术，未提供具体样本数量	NA	ResNet18, CIECAM, CAD系统, PD-CNN-PCC-EELM, DNN-CAD	效度、准确性、全面性、处理时间、成本、简单性、执行能力（作为选择标准）	NA
290	2026-06-07	Assessing the effect of bovine MSTN variants on pre-mRNA splicing 2026-Feb, Animal genetics IF:1.8Q3 DOI:10.1002/age.70073 PMID:41614706	研究论文	评估牛MSTN基因变异对pre-mRNA剪接的影响，并验证深度学习预测工具的有效性	首次建立全长基因检测法（FLGA）用于功能评估牛MSTN剪接变异，并验证SpliceAI和Pangolin两种深度学习剪接预测工具的性能	仅测试了五种错义变异，未评估其他类型变异；FLGA系统可能未覆盖所有剪接调控机制	评估牛MSTN基因错义变异对pre-mRNA剪接的功能影响，并验证深度学习预测工具的准确性	牛MSTN基因的五种错义变异和一个深度内含子剪接变异（阳性对照）	机器学习	牛肉用性状（双肌性状）	全长基因检测法（FLGA）、深度学习剪接预测	SpliceAI、Pangolin（深度学习模型）	DNA序列数据	6个MSTN基因变异	NA	SpliceAI、Pangolin	预测与FLGA实验结果的 concordance（一致性）	NA
291	2026-06-07	MRI-based deep learning model predicts recurrent nasopharyngeal carcinoma in post-radiation nasopharyngeal necrosis 2026-Feb, Computerized medical imaging and graphics : the official journal of the Computerized Medical Imaging Society IF:5.4Q1 DOI:10.1016/j.compmedimag.2026.102711 PMID:41621202	研究论文	基于MRI的深度学习模型预测放疗后鼻咽坏死中的复发性鼻咽癌	首次研究识别放疗后鼻咽坏死患者中的复发性鼻咽癌，并开发基于深度学习的预测模型	未明确说明	开发基于常规MRI的深度学习模型，区分癌浸润性PRNN和无癌PRNN	放疗后鼻咽坏死患者	计算机视觉	鼻咽癌	MRI	深度学习模型	图像	437名PRNN患者的MRI数据	NA	Video Swin Transformer, 多层感知器	AUC, 准确率, 敏感性, 特异性	NA
292	2026-06-07	3D CSFA-UNet: a unified attention-driven deep learning framework for accurate knee MRI segmentation and osteoarthritis severity classification 2026-Feb-01, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-37847-7 PMID:41622323	研究论文	提出一种统一的深度学习框架，用于3D膝关节MRI的联合分割与骨关节炎分级分类	提出了3D CSFA-UNet注意力驱动网络，集成多尺度空洞空间金字塔池化、基于元启发式的特征选择模块和尖峰Transformer分类器，实现高效联合分割与分类	计算成本可能较高，且仅在单一公开数据集OAI上验证，泛化性有待进一步验证	提高膝关节MRI分割和骨关节炎严重程度分类的诊断精度、可解释性和效率	3D膝关节MRI图像	计算机视觉	骨关节炎	MRI	CNN与Transformer混合模型	3D医学图像	OAI公开数据集（具体样本数未提及）	PyTorch	3D CSFA-UNet, 尖峰Transformer, ASPP模块	Dice相似系数, 交并比, 平均表面距离, 95%豪斯多夫距离, 准确率, 精确率, 召回率, F1分数	NA
293	2026-06-07	Deep learning-guided discovery of IL23/IL23R macromolecular inhibitors: An integrative framework combining virtual screening and experimental validation 2026-Feb, International journal of biological macromolecules IF:7.7Q1 DOI:10.1016/j.ijbiomac.2026.150581 PMID:41611152	研究论文	提出一种结合深度生成模型和虚拟筛选的整合框架，用于发现IL23/IL23R大分子抑制剂并实验验证其机制	首次采用基于序列附着的片段嵌入（SAFE）深度生成模型设计p19靶向骨架，结合虚拟筛选和分子动力学模拟揭示抑制剂诱导受体刚性化和变构稳定的新机制	未说明	发现并机制性表征有效的IL23/IL23R抑制剂	IL23(p19)与IL23R之间的蛋白质-蛋白质相互作用	机器学习, 计算机辅助药物设计	银屑病等慢性炎症性疾病	深生成模型, 虚拟筛选, 分子动力学模拟	深度生成模型（SAFE）	分子结构数据	31种候选化合物在HEK-Blue IL23报告细胞中筛选	NA	SAFE（序列附着的片段嵌入）	NA	NA
294	2026-06-07	Fuzzy rough set loss for deep learning-based precise medical image segmentation 2026-Feb, Computerized medical imaging and graphics : the official journal of the Computerized Medical Imaging Society IF:5.4Q1 DOI:10.1016/j.compmedimag.2026.102716 PMID:41581251	研究论文	提出一种基于模糊粗糙集的新型损失函数，用于提升医学图像分割的精度	将像素的模糊相似关系与边界不确定性模型通过凸组合方法集成，构建模糊粗糙集损失函数，增强边界敏感性和处理预测不确定性的能力	该方法对中等等级的类别不平衡表现鲁棒性，但未明确讨论对极端不平衡的处理能力	实现精确的医学图像分割，特别是在模糊边界、类别不平衡和复杂解剖结构场景下提升分割性能	五种不同医学影像数据集（乳腺超声、胃肠道息肉、脑磁共振成像、胸部计算机断层扫描和皮肤病变）中的图像	数字病理学	乳腺癌、胃肠道息肉、脑部疾病、肺部疾病、皮肤病	NA	CNN（基于深度学习的分割模型）	图像	五种数据集，具体样本数未提及	PyTorch	NA（损失函数适用于多种分割架构，如U-Net等）	Dice系数、统计学显著性p值	平均推理时间0.075-0.12秒/图像，内存4.5 MB，未指定GPU类型
295	2026-06-07	Monitoring the lateral ventricles in the presence of intracranial hemorrhage using automated dual segmentation 2026-Feb, Medical physics IF:3.2Q1 DOI:10.1002/mp.70308 PMID:41615056	研究论文	开发一种全自动双分割方法，同时量化颅内出血和侧脑室体积，用于监测脑外伤患者的病情变化	首次提出全自动同时分割颅内出血和侧脑室的方法，并验证其在轻度、中度至重度脑外伤及脑室内出血患者中的可行性	在轻度脑外伤患者中有6例假阳性结果，且未涉及CT图像以外的其他影像模态	开发并评估全自动同时分割颅内出血和侧脑室体积的深度学习方法，以辅助脑外伤管理	脑外伤患者（包括轻度、中度至重度）及脑室内出血患者的非增强CT图像	计算机视觉	脑外伤、颅内出血	CT成像	深度学习模型（3D nnU-Net）	医学图像（CT）	154张用于训练；591例轻度脑外伤、91例中度至重度脑外伤（含基线和随访）、5例脑室内出血患者（含重复CT）	NA	3D nnU-Net	Dice系数、Hausdorff距离	NA
296	2026-06-07	Slice-prompted HR-CTV interactive segmentation for cervical cancer brachytherapy: A multi-center study 2026-Feb, Medical physics IF:3.2Q1 DOI:10.1002/mp.70305 PMID:41615195	研究论文	提出一种切片提示的交互式分割方法SPSeg，用于宫颈癌近距离放疗中高危临床靶体积的勾画，并在多中心验证其有效性	首次将临床医生的稀疏提示（关键切片手动勾画）编码进入3D U-Net架构，实现全容积引导分割，并设计单编码器（SPSeg-Mono）和双编码器（SPSeg-Dual）两种变体	未在非CT模态或更复杂病例中验证；提示切片的选择依赖临床医生，可能引入主观偏差	开发一种结合深度学习与临床经验的交互式分割框架，提高HR-CTV勾画的效率和精度	宫颈癌近距离放疗中CT引导下的高危临床靶体积（HR-CTV）	计算机视觉，医疗影像分析	宫颈癌	CT成像，交互式分割	3D U-Net	CT图像	训练集：640次扫描（160例患者）；验证集：160次扫描（40例）；外部测试集：400次扫描（100例）、115次扫描（40例）、150次扫描（30例）	PyTorch	3D U-Net (SPSeg-Mono 单编码器， SPSeg-Dual 双编码器)	Dice相似系数（DSC）， 95% Hausdorff距离（HD95）， 5点Likert量表，时间效率，观察者间一致性	NA
297	2026-06-07	PolyAseqTrap: a universal tool for genome-wide identification and quantification of polyadenylation sites from different 3' end sequencing data 2026-Jan-31, Genome biology IF:10.1Q1 DOI:10.1186/s13059-026-03963-w PMID:41620776	研究论文	提出PolyAseqTrap，一个用于从不同3'端测序数据中全基因组鉴定和定量多聚腺苷酸化位点的通用工具	提出了一种多聚腺苷酸化读取优先策略以精确定位polyA位点，并引入可跨物种迁移的深度学习模型缓解内部启动问题，以及采用加权密度峰值聚类方法减少微异质性影响	NA	开发一个能够从多种3'测序数据中准确鉴定和定量多聚腺苷酸化位点的通用工具	多聚腺苷酸化位点	机器学习	NA	3'端测序	深度学习模型	测序数据	16种不同3'测序技术的数据，涵盖多个物种	R	NA	有效性和稳健性	NA
298	2026-06-07	An Optimized Strategy for Brain Tumor Classification Using SO(3) Equivariant Graph Neural Networks with Snow Geese Algorithm in MRI Imaging 2026-Jan-31, Journal of molecular neuroscience : MN IF:2.8Q2 DOI:10.1007/s12031-025-02466-w PMID:41619040	研究论文	提出一种基于SO(3)等变图神经网络与雪雁算法的优化策略，用于MRI图像中的脑肿瘤分类	将SO(3)等变图神经网络与雪雁算法结合，并引入鲁棒峰值引导滤波器和多层边缘注意力机制，提升分类精度	未提及模型在更大规模或跨中心数据集上的泛化能力及计算复杂度	提高脑肿瘤MRI图像分类的准确率，避免误诊	脑肿瘤MRI图像	计算机视觉	脑肿瘤	MRI成像	SO(3)等变图神经网络、图神经网络	MRI图像	BRATS 2018数据集和对比增强MRI数据集	PyTorch	RPGFR2U++MASO(3)EGNN-SGA（含R2U++、多层边缘注意力网络、SO(3)等变图神经网络）	准确率	NA
299	2026-06-07	Trustworthy prediction of enzyme commission numbers using a hierarchical interpretable transformer 2026-Jan-30, Nature communications IF:14.7Q1 DOI:10.1038/s41467-026-68727-3 PMID:41617688	研究论文	提出了一种层次可解释的Transformer模型HIT-EC，用于可信地预测酶学委员会（EC）编号	采用四层Transformer架构与EC编号层次结构对齐，结合局部和全局依赖关系进行多标签分类，并提出学习策略处理不完整EC编号样本	低代表性EC编号性能不足，缺乏对不完整注释的学习策略，以及有限的可解释性	实现可信的EC编号预测，提升酶功能理解	酶学委员会编号及其对应的蛋白质序列	机器学习	NA	Transformer	HIT-EC	蛋白质序列数据	大型数据集及外部数据验证	NA	Transformer	预测性能通过交叉验证、外部数据验证和基于物种的性能评估来评估	NA
300	2026-06-07	Adversarial robust EEG-based brain-computer interfaces using a hierarchical convolutional neural network 2026-Jan-30, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-34024-0 PMID:41617748	研究论文	提出一种三级分层卷积神经网络，提升脑电图脑机接口在对抗攻击下的分类性能与鲁棒性	创新性地采用三级层级结构（区分运动想象与运动执行、区分单双侧任务、细粒度运动分类）增强对抗鲁棒性	仅基于BCI Competition IV-2a数据集进行实验，且仅限于健康被试数据	提高基于脑电图的脑机接口在对抗攻击下的可靠性和分类准确率	运动想象和运动执行任务中的脑电信号分类	机器学习	NA	脑电图	卷积神经网络	脑电信号	9名健康被试的多类别运动想象脑电记录	PyTorch	分层卷积神经网络	准确率	NA