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
3201	2026-02-27	Diagnostically Competitive Performance of a Physiology-Informed Generative Multi-Task Network for Contrast-Free CT Perfusion 2026-Jan-26, ArXiv PMID:41647220	研究论文	本文提出了一种名为MAGIC的新型深度学习框架，用于从非对比CT图像生成无对比剂的CT灌注图	结合生成式人工智能与生理学信息，通过多任务网络将非对比CT映射到多种无对比剂CTP成像图，并在损失函数中融入生理特征以增强图像保真度	研究数据来源于单一医疗中心（UF Health），且未明确说明模型在其他疾病或器官上的泛化能力	开发一种无对比剂、成本效益高且快速的CT灌注成像方法，以替代传统需要注射对比剂的CTP	因卒中就诊患者的CT图像数据	数字病理学	卒中	CT灌注成像（CTP），非对比计算机断层扫描（CT）	生成式多任务网络	图像	来自UF Health的卒中患者CT图像数据（具体数量未在摘要中说明）	NA	MAGIC（Multitask Automated Generation of Intermodal CT perfusion maps）	视觉质量，诊断准确性	NA
3202	2026-02-27	Deep learning-based automatic adenoid segmentation and a novel volume-based index for adenoid hypertrophy assessment 2026-Jan-17, BMC oral health IF:2.6Q1 DOI:10.1186/s12903-026-07675-2 PMID:41545817	研究论文	本研究开发了一种基于深度学习的自动腺样体分割方法，并提出了一种新的体积比指标（3D-AN）用于评估腺样体肥大引起的鼻咽气道阻塞	首次利用深度学习从CBCT图像中自动分割腺样体，并创新性地提出了三维腺样体-鼻咽比率（3D-AN）作为定量评估鼻咽气道阻塞的新指标	研究为回顾性设计，样本量相对有限，且3D-AN阈值（0.18）的普适性需在更大规模、前瞻性研究中进一步验证	开发一种自动化、准确的方法来评估儿童腺样体肥大及其引起的鼻咽气道阻塞，以辅助临床诊断和管理	儿童阻塞性睡眠呼吸暂停（OSA）患者	数字病理学	儿科阻塞性睡眠呼吸暂停	锥形束计算机断层扫描（CBCT）	深度学习	CBCT图像	三个数据集：数据集1包含63名患者的126次CBCT扫描（腺样体切除术前/后），数据集2包含26名患者的术后CBCT扫描，数据集3包含161名同时有多导睡眠图和CBCT数据的儿科患者	PyTorch	SegResNet	Dice相似系数，相对体积误差	NA
3203	2026-02-27	Structure-informed machine learning for drug discovery: a task-centric perspective 2026-Jan-07, Briefings in bioinformatics IF:6.8Q1 DOI:10.1093/bib/bbag081 PMID:41729820	综述	本文从任务中心视角，全面综述了结构感知的分子建模在药物发现中的应用，重点介绍了结合口袋识别、相互作用预测、构象估计和复合物建模等任务	从任务中心视角系统梳理了结构信息如何重塑AI驱动的药物设计，并重点分类了结构条件分子生成的四种核心策略，包括基于扩散和点云模型等新兴强大工具	讨论了数据稀缺性、泛化能力和多目标控制等关键挑战	为下一代分子建模提供概念路线图和实践见解，推动可扩展、可解释且物理合理的生成流程	蛋白质结构、靶点特异性配体、药物分子	机器学习	NA	蛋白质结构预测、深度学习	深度学习架构、生成模型、扩散模型	蛋白质结构数据、3D空间坐标	NA	NA	扩散模型、点云模型、共折叠模型	NA	NA
3204	2026-02-27	MHAFR-DDI: a multimodal hierarchical attention fusion and relation-aware architecture for drug-drug interaction event prediction 2026-Jan-07, Briefings in bioinformatics IF:6.8Q1 DOI:10.1093/bib/bbag077 PMID:41729823	研究论文	本文提出了一种名为MHAFR-DDI的多模态分层注意力融合与关系感知架构，用于预测药物-药物相互作用事件	该模型通过两阶段预训练-微调范式，统一建模从分子内表征到分子间相互作用的过程，并引入了注意力引导的数据增强和多层次对比学习，以解决跨模态语义一致性和数据稀疏性问题	未在摘要中明确说明	准确预测药物-药物相互作用事件，以确保联合用药安全并支持药物开发	药物-药物相互作用	机器学习	NA	NA	深度学习模型	分子序列、2D拓扑结构、3D空间构象	NA	NA	多模态分层注意力融合与关系感知架构	macro-F1	NA
3205	2026-02-27	A two-stage GAN-based instrumental variable method for causal analysis of omics data 2026-Jan-07, Briefings in bioinformatics IF:6.8Q1 DOI:10.1093/bib/bbag071 PMID:41729822	研究论文	本文提出了一种基于生成对抗网络的两阶段工具变量方法，用于组学数据的因果分析	提出了一种无分布假设且能捕捉复杂非线性暴露-结局关系的两阶段深度学习框架，首次将GAN用于估计给定工具变量下基因表达的条件分布	未明确说明计算复杂度或对大规模数据集的扩展性	估计疾病相关基因在疾病病因学中的因果效应，减少混杂导致的虚假关联	复杂疾病相关的候选基因	机器学习	复杂疾病	组学数据	GAN, 深度函数神经网络	基因表达数据, 多组学数据	NA	NA	GAN	NA	NA
3206	2026-02-27	Systematic evaluation of computational methods for cell segmentation 2026-Jan-07, Briefings in bioinformatics IF:6.8Q1 DOI:10.1093/bib/bbag066 PMID:41734135	研究论文	本文系统评估了细胞分割的计算方法，提出了一个深度学习方法的双维度分类框架，并基于此开发了涵盖单模态和多模态方法的基准测试	提出了一个双维度分类框架，将深度学习方法按任务导向（如语义或实例分割）和数据导向（如单模态或多模态输入）分类，并开发了涵盖单模态和多模态方法的基准测试，特别强调了多模态数据在提升分割性能中的潜力	评估范围可能受限于所选数据集和算法，且基准测试仅覆盖了五个数据集，可能无法全面代表所有细胞分割场景	系统评估和分类细胞分割的计算方法，特别是深度学习方法，以促进该领域的发展	细胞分割的计算方法，包括传统算法和深度学习模型	计算机视觉	NA	NA	深度学习模型	图像数据，多模态数据（如图像与测序数据整合）	五个数据集，其中四个来自常规显微镜，一个整合了测序与图像数据	NA	NA	有效性，鲁棒性，效率	NA
3207	2026-02-27	Enhanced epileptic seizure detection using CNNs with convolutional block attention and short-term memory networks 2026-01-05, Behavioural brain research IF:2.6Q3 DOI:10.1016/j.bbr.2025.115831 PMID:40962227	研究论文	本文提出了一种结合CNN、CBAM和LSTM的深度学习模型，用于从EEG信号中自动检测癫痫发作	引入了卷积块注意力模块（CBAM）到CNN和LSTM的混合模型中，以增强模型对关键信息的聚焦能力	NA	开发一种准确的癫痫发作检测方法，以改善患者生活质量	癫痫患者的EEG信号	机器学习	癫痫	EEG信号分析	CNN, LSTM	EEG信号	使用公开的波恩大学数据集	NA	CNN_CBAM_LSTM	准确率	NA
3208	2026-02-27	Catheter detection and segmentation in X-ray images via multi-task learning 2026-Jan, International journal of computer assisted radiology and surgery IF:2.3Q2 DOI:10.1007/s11548-025-03461-7 PMID:40576920	研究论文	本文提出了一种基于多任务学习的卷积神经网络模型，用于在X射线图像中实时检测和分割导管	创新点包括集成ResNet架构与多预测头以实现端到端学习，并引入一种新颖的多级动态资源优先级方法，动态调整训练中的样本和任务权重以优先处理更具挑战性的任务	NA	研究目的是通过自动化检测和分割手术设备（如导管或导线）来增强微创心脏手术中的图像引导	研究对象是X射线荧光图像中的导管及其电极	计算机视觉	心血管疾病	NA	CNN	图像	NA	NA	ResNet	平均J指数, 平均精度	NA
3209	2026-02-27	eNCApsulate: neural cellular automata for precision diagnosis on capsule endoscopes 2026-Jan, International journal of computer assisted radiology and surgery IF:2.3Q2 DOI:10.1007/s11548-025-03425-x PMID:40615761	研究论文	本文提出了一种基于神经细胞自动机（NCA）的轻量级模型，用于胶囊内窥镜图像中的出血分割和深度估计，并成功部署到ESP32微控制器上	首次将神经细胞自动机（NCA）应用于胶囊内窥镜的出血分割和深度估计，通过知识蒸馏将大型基础模型压缩至轻量级NCA架构，并实现在微型硬件上的高效运行	模型性能依赖于伪地面真值质量，且未在多样化临床数据集上进行大规模验证	开发适用于无线胶囊内窥镜的轻量级深度学习模型，以实现实时出血分割和深度估计，辅助病理定位和精确诊断	胶囊内窥镜图像	计算机视觉	胃肠道疾病	胶囊内窥镜成像	神经细胞自动机（NCA）	图像	未明确说明	未明确说明	神经细胞自动机（NCA）	Dice系数	ESP32微控制器，ESP32-S3
3210	2026-02-27	Annotation-efficient deep learning detection and measurement of mediastinal lymph nodes in CT 2026-Jan, International journal of computer assisted radiology and surgery IF:2.3Q2 DOI:10.1007/s11548-025-03513-y PMID:40944829	研究论文	本文提出了一种新颖的注释高效半监督深度学习方法，用于在对比增强CT扫描中自动检测、分割和测量纵隔淋巴结的短轴长度	提出了一种结合专家注释精度和伪标签数据数量优势的半监督方法，通过优化注释/非注释数据集比例来减少手动注释工作量	方法依赖于伪标签的过滤质量，可能受到解剖结构重叠排除的影响，且仅在特定数据集上验证	开发自动检测、分割和测量纵隔淋巴结短轴长度的深度学习方法，以减少临床实践中的手动工作量和观察者变异性	纵隔淋巴结	数字病理学	NA	对比增强CT扫描	3D nnU-Net	CT图像	268个注释扫描（1817个淋巴结）用于训练和测试，710个未注释扫描用于伪标签生成	NA	3D nnU-Net	召回率, 精确度, 短轴长度平均差异	NA
3211	2026-02-27	Toward robust surgical phase recognition via deep ensemble learning 2026-Jan, International journal of computer assisted radiology and surgery IF:2.3Q2 DOI:10.1007/s11548-025-03543-6 PMID:41206386	研究论文	本研究通过集成学习方法结合多种深度学习架构的优势，提高了手术阶段识别的性能	采用集成学习策略整合多种深度学习模型的互补优势，以克服单一模型在空间特征捕获、时间依赖建模或类别不平衡处理方面的局限性	未明确提及具体局限性	提高手术阶段识别的准确性和鲁棒性，以支持手术室中的情境感知系统	手术工作流程，特别是手术阶段的自动识别	计算机视觉	NA	深度学习	CNN, LSTM, GAN	视频	Cholec80数据集	TensorFlow, PyTorch	ResNet, VGG, Transformer, U-Net, DenseNet, EfficientNet	F1-score, 准确率, Jaccard Index	NA
3212	2026-02-27	Surgical instrument-tissue interaction recognition with multi-task-attention video transformer 2026-Jan, International journal of computer assisted radiology and surgery IF:2.3Q2 DOI:10.1007/s11548-025-03546-3 PMID:41214416	研究论文	本研究提出了一种多任务注意力视频Transformer模型，用于识别手术器械与组织间的交互作用，通过细粒度时间上下文提升识别性能	引入了细粒度时间上下文分析，并设计了多任务注意力模块（MTAM），利用交叉注意力和门控机制优化手术器械、原子动作和解剖目标子任务间的信息交互	未明确说明模型在更复杂手术场景或实时应用中的泛化能力，且仅基于特定数据集验证	提升手术器械-组织交互识别的准确性，以支持手术工作流分析、自动化安全系统和技能评估	手术视频中的器械-组织交互动作	计算机视觉	NA	视频分析	Transformer	视频	基于CholecT45-Vid和GraSP-Vid等多个视频数据集	PyTorch	视频Transformer	识别准确率	NA
3213	2026-02-27	Phenotypic Characterization Using Open-Source Deep Learning Tools 2026, Methods in molecular biology (Clifton, N.J.) DOI:10.1007/978-1-0716-4985-5_6 PMID:41479050	研究论文	本文展示了如何使用开源深度学习工具进行表型特征分析，通过高通量显微镜成像实现细胞表型的自动分割与分类	利用开源深度学习工具简化表型特征分析流程，无需高级深度学习知识即可实现自动化图像分析	未明确说明具体实验数据规模或模型性能的量化评估	推动表型特征分析在高通量显微镜成像中的应用	细胞表型（由物质或基因修饰引起的细胞效应）	计算机视觉	NA	高通量显微镜成像	深度学习模型（未指定具体类型）	图像	NA	开源软件（未指定具体框架）	NA	NA	NA
3214	2026-02-27	Particle Morphology Controls the Bulk Mechanical Behavior of Far-Side Lunar Regolith from Chang'e-6 Samples and Deep Learning 2026, Research (Washington, D.C.) DOI:10.34133/research.1064 PMID:41522610	研究论文	本研究结合高分辨率X射线显微计算机断层扫描与半监督机器学习，对嫦娥六号返回的月球背面月壤颗粒进行了高通量形态表征，并通过离散元模拟揭示了其独特的力学性能	首次对月球背面（南极-艾特肯盆地）月壤样品进行大规模（349,740个颗粒）高通量三维形态表征，并揭示了其相较于正面样品更高的颗粒不规则性和更强的力学性能	研究基于特定采样点的样品，其结论在月球背面其他区域的普适性有待验证；模拟中使用的月表围压范围（5-15 kPa）可能无法涵盖所有实际工况	表征月球背面月壤的颗粒形态与力学性能，为月球探测、原位资源利用及未来任务设计提供关键的地质工程参数	嫦娥六号任务返回的月球背面（南极-艾特肯盆地）月壤样品	机器学习	NA	高分辨率X射线显微计算机断层扫描，离散元方法模拟	半监督机器学习	三维图像数据（显微CT扫描）	349,740个独立的月壤颗粒	NA	NA	NA	NA
3215	2026-02-27	Automated Learning of a Dense Manifold of Electronic States and Electronic Energy Transfer and Reactions in Singlet O Collisions with N2 2026, Research (Washington, D.C.) DOI:10.34133/research.0992 PMID:41541569	研究论文	本文提出了一种深度学习框架，用于自动发现和拟合单线态氧原子与N2碰撞的相容势能矩阵，并开发了一种新的动力学方法以计算电子非绝热截面	应用深度神经网络自动发现和拟合相容势能矩阵，并提出了一种新的渐近扩展公式的κCSDM半经典动力学方法，解决了相互作用原子-双原子系统与完全分离终态之间对称性冲突的问题	NA	模拟极端条件下的电子能量转移，为化学、物理和航空航天工程中的高能环境提供建模能力	单线态氧原子与N2的碰撞系统	机器学习	NA	深度神经网络	深度神经网络	NA	NA	NA	NA	NA	NA
3216	2026-02-27	A Deep Learning-Generated Mixed Tumor-Stroma Ratio for Prognostic Stratification and Multi-omics Profiling in Bladder Cancer 2026, Research (Washington, D.C.) DOI:10.34133/research.1053 PMID:41602481	研究论文	本研究开发了一种基于深度学习的混合肿瘤-基质比率（MTSR）方法，用于膀胱癌的预后分层和多组学分析，并构建了基于术前多参数MRI的放射组学模型进行无创评估	首次提出混合肿瘤-基质比率（MTSR）作为膀胱癌预后指标，结合深度学习、多组学分析和放射组学模型，实现了从组织病理学到无创影像的整合风险分层	研究基于回顾性多中心队列，需要前瞻性验证；MRI放射组学模型的准确性有待进一步提高	开发膀胱癌预后分层工具并探索其分子机制	膀胱癌患者组织样本和影像数据	数字病理学	膀胱癌	全切片图像分析，RNA测序（bulk和单细胞），多参数MRI	CNN, 随机森林	组织病理学图像，RNA测序数据，MRI影像	多中心队列（具体数量未在摘要中明确说明）	未明确说明	ResNet50	分类准确率，Cohen's kappa，Cox回归，Kaplan-Meier分析，meta分析，准确性	NA
3217	2026-02-27	Diagnostically competitive performance of a physiology-informed generative multi-task network for contrast-free CT perfusion 2026, Frontiers in human neuroscience IF:2.4Q2 DOI:10.3389/fnhum.2026.1703004 PMID:41669269	研究论文	本文提出了一种名为MAGIC的深度学习框架，用于从非对比CT图像生成无对比剂的CT灌注图	结合生成式人工智能与生理信息，将非对比CT映射到多个无对比剂的CT灌注图，并在损失函数中融入生理特征以提高图像保真度	NA	解决CT灌注成像成本高、可及性有限以及使用对比剂可能引起不良反应的问题	卒中患者的CT图像数据	医学影像分析	卒中	CT灌注成像	生成式多任务网络	CT图像	来自UF Health的卒中患者CT图像数据	NA	MAGIC	视觉质量，诊断准确性	NA
3218	2026-02-27	A Biomass-Inspired Hydrogel Patch for Intelligent Pain Monitoring and On-Demand Analgesia 2026, Research (Washington, D.C.) DOI:10.34133/research.1112 PMID:41684952	研究论文	本研究开发了一种基于生物质启发的多功能水凝胶贴片，用于智能疼痛监测和按需镇痛	首次构建了集成了AI辅助传感评估和按需治疗功能的可穿戴集成贴片，采用生物质复合材料实现实时疼痛监测与治疗	研究主要基于小鼠足底切口疼痛模型和特定疾病患者志愿者，未涉及更广泛的疼痛类型或长期大规模临床验证	开发一种可持续、客观的疼痛管理策略，实现实时疼痛监测与智能治疗	肩周炎和腰椎疾病患者志愿者，以及小鼠足底切口疼痛模型	生物医学工程	疼痛相关疾病	深度学习算法，光热镇痛技术	深度学习模型	运动相关信号数据	特定疾病患者志愿者和小鼠模型	NA	NA	准确率	NA
3219	2026-02-27	Toward ICE-XRF fusion: real-time pose estimation of the intracardiac echo probe in 2D X-ray using deep learning 2026-Jan, International journal of computer assisted radiology and surgery IF:2.3Q2 DOI:10.1007/s11548-025-03493-z PMID:40824505	研究论文	本文提出了一种基于深度学习的实时姿态估计算法，用于支持心内超声与X射线的图像融合，以促进心内超声在瓣膜治疗中的应用	引入两阶段检测算法，结合目标检测网络和回归网络，实现心内超声探头的实时5自由度姿态估计，支持ICE-XRF融合	模型验证主要基于合成数据和少量临床病例（七例），可能需更多真实临床数据以验证泛化能力	促进心内超声在临床中的应用，通过图像融合技术改进瓣膜治疗的影像引导	心内超声探头在2D X射线中的实时姿态	计算机视觉	心血管疾病	深度学习	CNN	图像	合成数据及七例临床病例	NA	NA	F1分数, 精确度, 召回率, 位置误差, 旋转误差	NA
3220	2026-02-27	High-Fidelity Seismic Super-Resolution Using Prior-Informed Deep Learning With 3D Awareness 2026, IEEE transactions on image processing : a publication of the IEEE Signal Processing Society IF:10.8Q1 DOI:10.1109/TIP.2026.3663926 PMID:41706771	研究论文	本文提出了一种结合先验知识与3D感知的深度学习框架，用于提高地震数据超分辨率的保真度与泛化能力	提出了一种融合真实合成训练数据生成、3D感知增强网络和先验知识微调策略的集成框架，有效解决了传统方法输出不真实和泛化能力有限的问题	未明确说明方法在极端地质条件下的适用性，且对无标签现场数据的依赖可能在某些场景下受限	提高地震数据垂直分辨率以改善薄层识别能力	地震数据	计算机视觉	NA	深度学习超分辨率	Transformer, CNN	地震图像数据	多个现场数据集（未指定具体数量）	NA	Swin-Transformer, 3D卷积块	保真度、泛化能力、空间一致性、频谱匹配	NA