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
3301	2026-02-26	Mapping the hidden journey of microplastics: Multi-organ deposition patterns and organ-specific health risks revealed by AI-driven analysis 2026-Jan-05, Innovation (Cambridge (Mass.)) DOI:10.1016/j.xinn.2025.101031 PMID:41737325	研究论文	本研究利用拉曼成像和机器学习，揭示了微塑料在人体七个主要器官中的分布特征及其器官特异性健康风险	首次结合深度学习和随机森林模型，系统分析了微塑料在多器官中的分布模式、特征差异及其与器官血管化程度的关系	样本量较小（仅8名捐赠者），且主要依赖体外组织样本分析，体内动态分布和长期健康影响的机制仍需进一步研究	探究微塑料在人体不同器官中的分布规律、特征差异及其潜在的器官特异性健康风险	人体器官（肺、心脏、肝脏、脾脏、大脑、肾脏、小肠）组织样本中的微塑料	机器学习	NA	拉曼成像	深度学习, 随机森林	图像	8名捐赠者的多个器官组织样本	NA	U-Net	准确率	NA
3302	2026-02-26	Automated evaluation of pulmonary lesion changes on chest radiograph during follow-up using semantic segmentation 2026-01-02, Diagnostic and interventional radiology (Ankara, Turkey) DOI:10.4274/dir.2025.253567 PMID:41321291	研究论文	本研究开发并验证了一种基于深度学习的模型，利用病灶特异性分割技术，在配对胸部X光片中自动评估实变和胸腔积液的改变状态	首次提出利用病灶特异性分割的深度学习模型，自动评估随访胸部X光片中实变和胸腔积液的改变状态，为临床优先解读、警报生成和时间序列数据提取提供潜在工具	模型在ICU环境中对胸腔积液的评估与放射科医生存在显著差异（P=0.01），且所有数据均来自单一机构，可能影响泛化能力	开发并验证一种深度学习模型，用于自动评估随访胸部X光片中肺部病灶（实变和胸腔积液）的变化状态	胸部X光片中的实变和胸腔积液病灶	计算机视觉	肺部疾病	语义分割	深度学习模型	图像	训练使用5,178张胸部X光片（来自单一机构），验证使用急诊科和重症监护室的配对X光片	NA	NA	AUC, 准确率	NA
3303	2026-02-26	Modality-AGnostic image Cascade (MAGIC) for multi-modality cardiac substructure segmentation 2026-Jan, Radiotherapy and oncology : journal of the European Society for Therapeutic Radiology and Oncology IF:4.9Q1 DOI:10.1016/j.radonc.2025.111296 PMID:41271169	研究论文	本文提出并验证了一种用于多模态心脏亚结构分割的模态无关图像级联深度学习流程	提出了一种模态无关的图像级联深度学习管道，能够处理多模态输入和重叠标签，在单一模型中实现多模态分割，显著减少了训练时间和参数数量	未明确说明模型在更广泛临床场景或不同患者群体中的泛化能力	开发一种高效、轻量化的深度学习解决方案，用于多模态心脏亚结构的准确分割	心脏亚结构，包括心脏整体、心腔、大血管、瓣膜、冠状动脉和传导节点	数字病理学	心血管疾病	深度学习分割技术	CNN	医学图像	训练集151例，验证集15例，测试集30例，涉及心脏CT血管造影、模拟CT和低场MR-Linac模态	nnU-Net	nnU-Net	Dice相似系数, Wilcoxon符号秩检验	NA
3304	2026-02-26	Prognostic value of red blood cell distribution width in traumatic brain injury: A mediation and deep learning analysis 2026, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0339879 PMID:41481601	研究论文	本研究探讨了年龄、红细胞分布宽度与创伤性脑损伤患者短期死亡率之间的关联，并分析了红细胞分布宽度在年龄对死亡率影响中的中介作用	首次在创伤性脑损伤患者中系统评估红细胞分布宽度的预后价值，并采用中介分析和深度学习生存模型揭示其作为年龄相关死亡率的部分中介因子	研究为回顾性队列分析，数据来源于单一数据库（MIMIC-IV），可能存在选择偏倚	评估红细胞分布宽度在创伤性脑损伤患者短期死亡率预测中的临床价值及其与年龄的交互作用	重症监护室收治的创伤性脑损伤患者	医学数据分析	创伤性脑损伤	回顾性队列分析，Cox比例风险回归，限制性立方样条，中介分析，深度学习生存模型	深度学习生存模型	临床数据	1,203名ICU收治的创伤性脑损伤患者	NA	Deepsurv	C-index, IBS, AUC	NA
3305	2026-02-26	Unraveling the activity of phage-carrying antibiotic resistance genes in constructed wetlands 2026, Frontiers in cellular and infection microbiology IF:4.6Q1 DOI:10.3389/fcimb.2026.1764958 PMID:41736799	研究论文	本研究通过整合宏基因组学、宏转录组学和深度学习技术，揭示了人工湿地中噬菌体携带的抗生素抗性基因（ARGs）的活性模式及其传播风险	提出了一个以载体为中心的框架，结合宏基因组和宏转录组分析以及基于深度学习的移动遗传元件识别，首次在人工湿地中量化了噬菌体介导的ARGs转录活性，并发现了低丰度高活性的残留风险模式	研究仅针对一个全尺度人工湿地，结果可能受特定环境条件影响，未在其他类型湿地或不同地理区域进行验证	评估人工湿地中抗生素抗性基因（ARGs）的活性、传播风险及噬菌体在其中的作用	人工湿地中的植物、沉积物和水体样本	环境微生物学	NA	宏基因组学、宏转录组学、深度学习	深度学习模型	基因组数据、转录组数据	一个全尺度人工湿地的植物、沉积物和水体样本	NA	NA	NA	NA
3306	2026-02-26	Multimodal skin lesion classification for early cancer diagnosis using deep learning 2026, Frontiers in physiology IF:3.2Q2 DOI:10.3389/fphys.2026.1717517 PMID:41736951	研究论文	本文利用深度卷积神经网络（DenseNet 201、VGG16和InceptionV3）构建集成模型，对皮肤镜图像进行皮肤病变分类，以实现早期癌症诊断	提出两种微调方法（重新训练顶层和半层并添加额外层），并将基础模型集成，结合超参数调优和Grad-CAM增强模型可解释性	未提及模型在外部验证集或临床环境中的泛化能力，也未讨论数据集的潜在偏差或样本多样性限制	通过深度学习技术实现皮肤病变的自动分类，以辅助早期皮肤癌诊断	皮肤镜图像中的皮肤病变	计算机视觉	皮肤癌	皮肤镜成像	CNN	图像	HAM10000数据集，分为训练集和测试集	未明确指定，但可能基于TensorFlow或PyTorch	DenseNet 201, VGG16, InceptionV3	准确率, F1分数, 召回率, 精确率	未提及
3307	2026-02-26	Dosimetric Discrepancy Between Whole-Lung and Lobe-Specific Metrics in Lung Stereotactic Body Radiotherapy and Its Implications for Regional Dose Assessment 2026-Jan, Cureus DOI:10.7759/cureus.102180 PMID:41737079	研究论文	本研究定量评估了肺癌立体定向体部放疗中传统全肺剂量学指标与肺叶特异性剂量学之间的差异	揭示了传统全肺剂量指标因体积稀释效应而显著低估肿瘤所在肺叶的辐射剂量浓度，并提出了基于肺叶的解剖学框架来更精确地描述区域剂量分布	回顾性研究，样本量较小（仅10例患者），且仅针对特定分期（T1-T2N0M0）和非小细胞肺癌的特定放疗方案（42 Gy/4次）	评估肺癌立体定向体部放疗中全肺与肺叶特异性剂量学指标的差异及其对区域剂量评估的意义	早期非小细胞肺癌患者	数字病理学	肺癌	立体定向体部放疗	深度学习	医学影像	10例T1-T2N0M0期非小细胞肺癌患者	NA	NA	Wilcoxon符号秩检验，Spearman等级相关系数	NA
3308	2026-02-26	Use of Artificial Intelligence in Preoperative Planning in Surgery: A Narrative Review 2026-Jan, Cureus DOI:10.7759/cureus.102187 PMID:41737108	综述	本文是一篇叙事性综述，评估了人工智能（AI）在手术术前规划中的应用、有效性和局限性	综合了2020年至2025年的最新研究，特别关注了整形与重建外科等专科中AI的应用实例，并探讨了AI与3D打印、虚拟现实等新兴技术结合的潜力	数据异质性、发表偏倚以及大规模前瞻性多中心临床研究数量有限是其更广泛实施的主要障碍	评估AI在手术术前规划中的应用、有效性和局限性	手术术前规划，特别是整形与重建外科等外科专科	机器学习	NA	机器学习、深度学习、三维建模、预测分析	NA	NA	NA	NA	NA	NA	NA
3309	2026-02-26	Deep learning radiomics models based on contrast-enhanced transrectal ultrasound for predicting distant metastasis in rectal cancer 2026, Frontiers in oncology IF:3.5Q2 DOI:10.3389/fonc.2026.1671887 PMID:41737487	研究论文	本研究开发了一种基于对比增强经直肠超声的深度学习放射组学模型，用于预测直肠癌患者的远处转移	首次结合对比增强经直肠超声成像与预训练的DenseNet201模型提取深度学习放射组学特征，构建集成临床与影像特征的预测模型	研究为回顾性单中心设计，需要进一步多中心前瞻性验证以确认临床适用性	预测直肠癌患者的远处转移，以辅助制定治疗策略	直肠癌患者	数字病理	直肠癌	对比增强经直肠超声成像	深度学习	超声图像	878名直肠癌患者	NA	DenseNet201	AUC	NA
3310	2026-02-26	OpthaNet: Attention-Integrated Architecture for High-Precision Multi-Class Ophthalmic Image Classification 2026 Jan-Dec, Healthcare technology letters IF:2.8Q3 DOI:10.1049/htl2.70067 PMID:41737479	研究论文	本研究评估了预训练深度学习模型在眼底图像上进行多类眼科疾病分类的效果，并提出了注意力增强的架构优化	通过注意力增强特征细化模块和自定义分类器优化了EfficientNetB3和MobileNetV2，并采用META定制优化了视觉Transformer，针对眼科迁移学习中特征选择性不足和过拟合问题提出了解决方案	研究可能受限于训练数据规模，且未在更广泛的外部数据集上进行验证	开发高精度、计算高效的多类眼科疾病分类模型，以支持早期检测和临床决策	眼底图像中的白内障、糖尿病视网膜病变和青光眼	计算机视觉	眼科疾病	深度学习	CNN, Transformer	图像	NA	NA	EfficientNetB3, MobileNetV2, vision Transformer	准确率	NA
3311	2026-02-26	An attention-augmented lightweight convolutional framework for fine-grained plant leaf disease classification 2026, Frontiers in plant science IF:4.1Q1 DOI:10.3389/fpls.2026.1762956 PMID:41738049	研究论文	本文提出了一种名为ALNet的新型轻量级CNN模型，用于细粒度植物叶片病害分类，旨在实现高分类精度同时减少参数数量	提出了一种结合注意力机制的轻量级卷积框架ALNet，其核心分类器受ResNet、SENet、EfficientNet、SqueezeNet和ShuffleNet等预训练模型启发，参数数量仅为0.17百万，比最轻量模型SqueezeNet少18倍	未明确提及模型在更广泛植物病害数据集或实际田间环境中的泛化能力测试	开发一个高精度、轻量化的模型，用于植物叶片病害的细粒度分类，便于在云平台和边缘设备上部署	植物叶片病害图像，具体包括葡萄、苹果和樱桃的病害叶片	计算机视觉	植物病害	深度学习，图像分类	CNN	图像	使用了三个不同的数据集，具体样本数量未在摘要中明确说明	未明确提及，推断可能为PyTorch或TensorFlow	ALNet（自定义架构，包含stem、core和head三个主要模块）	准确率	未明确提及具体GPU或云平台，但提到模型易于部署在云平台和边缘设备
3312	2026-02-26	Artificial Intelligence for Microbiology and Microbiome Research 2025-Dec-18, ArXiv PMID:41445807	综述	本文全面回顾了人工智能在微生物学和微生物组研究中的应用，涵盖技术进展和生物学见解	强调了AI在微生物学领域的变革性作用，并提供了从传统机器学习到深度学习方法的指导	NA	概述AI驱动的方法在微生物学和微生物组研究中的应用，以增强对微生物生命及其影响的理解	微生物学和微生物组研究	机器学习	NA	NA	NA	NA	NA	NA	NA	NA	NA
3313	2026-02-26	Transforming Intraoperative Breast Cancer Diagnosis through D-FFOCT and AI Integration 2025-Nov-21, Asian Pacific journal of cancer prevention : APJCP DOI:10.31557/APJCP.2025.26.11.3877 PMID:41312911	评论	本文讨论了将动态全场光学相干断层扫描与人工智能相结合，用于术中乳腺癌诊断的变革潜力	提出将D-FFOCT的高分辨率实时成像与AI（特别是深度学习算法）相结合，以非破坏性方式显著提升术中诊断速度和准确性	实施挑战包括需要高质量数据集以及解决算法偏差问题	优化乳腺癌手术的术中诊断，提升决策质量并改善患者预后	乳腺癌组织样本	数字病理学	乳腺癌	动态全场光学相干断层扫描	深度学习	图像	NA	NA	NA	诊断准确性, 速度	NA
3314	2026-02-26	Automated tumor stroma ratio assessment in colorectal cancer using hybrid deep learning approach 2025-Nov-20, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-24229-8 PMID:41266465	研究论文	本研究提出了一种混合深度学习方法，用于结直肠癌中肿瘤-间质比的自动评估	首次引入结合Transformer机制的集成深度学习方法，以增强TSR评估中的空间上下文理解，解决了传统纯CNN模型的局限性	未明确说明	开发一种自动、客观且稳健的结直肠癌肿瘤-间质比评估方法	结直肠癌组织切片图像	数字病理学	结直肠癌	全切片图像分析	CNN, Transformer	图像	NA	NA	CNN-Transformer UNET, Efficient-TransUNet	准确率, 精确率, 召回率, F1分数, 马修斯相关系数, 聚合Dice系数	NA
3315	2026-02-26	Wearable interactive full-body motion tracking and haptic feedback network systems with deep learning 2025-Sep-29, Nature communications IF:14.7Q1 DOI:10.1038/s41467-025-63644-3 PMID:41022813	研究论文	本研究提出了一种结合全身运动跟踪与实时双向触觉反馈的低成本可穿戴系统	整合柔性贴片式表皮触觉设备与远程机器学习框架，实现全身运动捕捉和个性化时间同步反馈，采用闭环设计支持实时双向触觉提示	NA	开发一种成本效益高的运动跟踪系统，结合全身运动分析与实时双向触觉反馈	可穿戴交互式全身运动跟踪与触觉反馈网络系统	机器学习	NA	深度学习	NA	运动数据	NA	NA	NA	NA	NA
3316	2026-02-26	Integrating deep learning for post-translational modifications crosstalk on Hsp90 and drug binding 2025-09, The Journal of biological chemistry IF:4.0Q2 DOI:10.1016/j.jbc.2025.110519 PMID:40716748	研究论文	本研究利用深度学习模型结合质谱分析，探索Hsp90蛋白的翻译后修饰（PTM）互作及其与药物结合的调控机制	首次将深度学习AI预测模型与质谱分析相结合，用于解析Hsp90等复杂蛋白质的PTM互作网络，提供了一种高效快速的研究方法	研究主要基于人类细胞系，可能无法完全反映体内复杂环境；深度学习模型的泛化能力有待进一步验证	探究Hsp90蛋白的翻译后修饰互作机制及其对药物结合的影响	热休克蛋白-90（Hsp90）及其翻译后修饰（磷酸化和乙酰化）	机器学习	癌症	质谱分析	深度学习	质谱数据	人类细胞系（HDAC3和HDAC8敲除细胞）	NA	NA	NA	NA
3317	2026-02-26	Machine learning-based multimodal radiomics and transcriptomics models for predicting radiotherapy sensitivity and prognosis in esophageal cancer 2025-07, The Journal of biological chemistry IF:4.0Q2 DOI:10.1016/j.jbc.2025.110242 PMID:40381695	研究论文	本研究整合了基于机器学习的多模态放射组学和转录组学，开发了用于预测食管癌放疗敏感性和预后的模型	首次将SEResNet101深度学习模型应用于食管癌的影像和转录组数据，并识别出与预后相关的关键基因STUB1、PEX12和HEXIM2，同时揭示了STUB1通过泛素化降解SRC蛋白来增强放疗敏感性的新机制	研究数据主要来源于公开数据库UCSC Xena和TCGA，可能缺乏外部验证队列；实验验证仅限于体外和体内模型，尚未进行大规模临床验证	开发预测食管癌放疗敏感性和预后的模型，以实现个体化放疗计划	食管癌患者	机器学习	食管癌	放射组学，转录组学	深度学习	影像数据，转录组数据	来自UCSC Xena和TCGA数据库的食管癌患者数据（具体样本数未明确说明）	NA	SEResNet101	生存概率分层	NA
3318	2026-02-26	A new age in structural S-layer biology: Experimental and in silico milestones 2025-06, The Journal of biological chemistry IF:4.0Q2 DOI:10.1016/j.jbc.2025.110205 PMID:40345586	综述	本文总结了近五年来S层蛋白结构研究的主要进展，包括实验结构测定和计算建模方面的突破	首次系统探讨了计算建模方法在S层蛋白研究中的应用，并展望了计算方法如何进一步推动对该蛋白结构的理解	NA	总结S层蛋白结构生物学领域的最新研究成果和方法进展	细菌和古菌中的表面(S-)层蛋白	结构生物学	NA	高分辨率成像，深度学习结构预测	深度学习模型	蛋白质结构数据，成像数据	NA	NA	NA	NA	NA
3319	2026-02-26	Tumor cell villages define the co-dependency of tumor and microenvironment in liver cancer 2025-Mar-12, bioRxiv : the preprint server for biology DOI:10.1101/2025.03.07.642107 PMID:40161587	研究论文	本研究通过空间单细胞成像和单细胞RNA测序分析肝细胞癌，开发了基于深度学习的空间动态网络策略，揭示了肿瘤细胞状态与微环境之间的空间共依赖性	首次提出“肿瘤细胞村庄”概念，并利用深度学习策略构建空间动态网络，揭示肿瘤细胞状态与微环境之间的特异性分子共依赖性及其对患者预后的影响	研究样本量相对有限（50个肿瘤生物样本），且仅针对肝细胞癌，未涉及其他癌症类型	探究肝细胞癌中肿瘤空间景观的形成机制及其对肿瘤适应性的影响	肝细胞癌肿瘤组织中的细胞及其微环境	数字病理学	肝癌	空间单细胞成像, 单细胞RNA测序	深度学习	图像, 基因表达数据	超过200万个细胞，来自50个肿瘤生物样本	NA	NA	NA	NA
3320	2026-02-26	Breast radiotherapy planning: A decision-making framework using deep learning 2025-Mar, Medical physics IF:3.2Q1 DOI:10.1002/mp.17527 PMID:39625151	研究论文	本研究开发了一个基于深度学习的决策框架，用于预测乳腺癌放疗的剂量分布，以辅助选择最佳治疗技术（IMRT或3D-CRT）	利用2D U-Net CNN模型预测剂量分布图和DVH指标，构建了一个决策框架，显著优于历史决策方法，在准确率、召回率和精确率上表现更优	研究基于回顾性数据集，且仅涉及两个医疗中心，可能受到CT系统、剂量学协议和临床实践差异的影响，外部验证样本量较小（30例）	开发一个深度学习决策框架，以预测剂量分布并辅助选择乳腺癌放疗的最佳治疗技术	乳腺癌患者，特别是接受IMRT和3D-CRT治疗的患者	数字病理学	乳腺癌	强度调制放射治疗（IMRT），三维适形放射治疗（3D-CRT）	CNN	图像（CT图像）	346例患者用于训练和微调，30例患者用于外部验证	NA	U-Net	Dice相似系数（DSC），剂量体积直方图（DVH）分析，准确率，召回率，精确率	NA