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
321	2026-03-31	EEG-TriNet++: A Transformer-Guided Meta-Learning Framework for Robust and Generalizable Motor Imagery Classification 2026-Mar-06, Bioengineering (Basel, Switzerland) DOI:10.3390/bioengineering13030307 PMID:41899838	研究论文	本文提出了一种名为EEG-TriNet++的深度学习框架，用于提升脑电信号中运动想象分类的准确性和跨被试泛化能力	提出了一种结合卷积空间-频谱编码器、双向LSTM和Transformer头的多分支架构，并引入了模型无关元学习模块以快速适应新用户	未明确说明模型在更大规模或更多样化数据集上的泛化性能，也未详细讨论计算效率	开发一个鲁棒且可泛化的运动想象分类框架，以应对脑电信号的低信噪比、非平稳性和高被试间变异性	脑电信号中的运动想象分类任务	脑机接口	NA	脑电图	CNN, LSTM, Transformer	脑电信号	两个公开的运动想象数据集	NA	多分支深度学习架构（包含卷积空间-频谱编码器、双向LSTM、Transformer头）	准确率	NA
322	2026-03-31	Artificial Intelligence-Driven Discovery and Optimization of Antimicrobial Peptides Targeting ESKAPE Pathogens and Multidrug-Resistant Fungi 2026-Mar-06, Microorganisms IF:4.1Q2 DOI:10.3390/microorganisms14030591 PMID:41900351	综述	本文综述了人工智能在针对ESKAPE病原体和多重耐药真菌的抗菌肽发现与优化中的应用	整合了机器学习、深度学习和基于Transformer的蛋白质语言模型，以及生成式方法（如变分自编码器、扩散模型和强化学习），用于多目标肽设计和病原体定向优化	目前尚无完全由AI设计的抗菌肽获得监管批准，临床转化仍面临挑战	加速针对高风险耐药病原体的下一代多目标抗菌肽的临床转化	抗菌肽（AMPs）	机器学习	NA	机器学习（ML）、深度学习（DL）、Transformer模型	变分自编码器、扩散模型、强化学习	蛋白质序列数据	NA	NA	Transformer	抗菌活性、选择性、蛋白酶稳定性、宿主毒性预测	NA
323	2026-03-31	AI-Driven Drug Discovery: Focus on Targets for Solid Tumors 2026-Mar-06, Pharmaceutics IF:4.9Q1 DOI:10.3390/pharmaceutics18030329 PMID:41900815	综述	本文综述了人工智能在抗肿瘤药物发现中的应用，特别是大型语言模型在固体肿瘤靶点识别方面的最新进展	重点关注过去三年人工智能，尤其是大型语言模型在药物发现中的革命性应用，并强调其在整合多组学数据和真实世界证据以促进靶点识别方面的能力	讨论了人工智能模型在多模态数据整合和可解释性方面面临的关键挑战	概述人工智能在抗肿瘤药物发现，特别是固体肿瘤靶点识别中的应用与未来方向	固体恶性肿瘤及其靶点识别	机器学习	实体肿瘤	多组学生物数据分析、真实世界证据整合	大型语言模型	多组学生物数据、真实世界证据	NA	NA	NA	NA	NA
324	2026-03-31	Deep Learning Enabled 3D Multi-Omic Analysis Reveals Molecular Signatures of Heterogeneous Response to Chemotherapy in Pancreatic Cancer 2026-Mar-05, bioRxiv : the preprint server for biology DOI:10.64898/2026.03.03.709150 PMID:41867770	研究论文	本研究开发了一种基于深度学习的3D多组学分析流程，用于揭示胰腺癌对化疗异质性反应的分子特征	首次结合深度学习形态分类与空间多组学技术，在临床样本中实现3D分析，以识别化疗敏感与持续肿瘤细胞群	研究样本量有限，且仅针对胰腺癌，未在其他癌症类型中验证	识别胰腺癌对化疗产生耐药性的潜在机制	接受新辅助化疗的人类胰腺癌临床样本	数字病理学	胰腺癌	空间蛋白质组学, 空间转录组学	深度学习模型	3D形态图像, 空间多组学数据	一个人类胰腺癌样本队列	NA	NA	NA	NA
325	2026-03-31	Multi-Architecture Deep Learning for Early Alzheimer's Detection in MRI: Slice- and Scan-Level Analysis 2026-Mar-05, International journal of environmental research and public health DOI:10.3390/ijerph23030322 PMID:41899699	研究论文	本研究提出了一种双层次评估框架，比较了十五种深度学习架构在ADNI数据集上对阿尔茨海默病、轻度认知障碍和认知正常受试者进行分类的性能，重点关注预处理流程对模型可靠性的影响	通过系统优化预处理步骤以减少数据变异性并增强特征一致性，确立了预处理质量作为神经影像深度学习中性能的关键决定因素，并揭示了多切片聚合对不同架构的不对称影响	研究主要基于ADNI数据集，可能无法完全推广到其他人群或数据采集协议，且未详细探讨模型在不同疾病亚型或病程阶段的具体表现	开发可靠的自动化方法，用于阿尔茨海默病的早期检测，特别是在前驱期如轻度认知障碍阶段	阿尔茨海默病、轻度认知障碍和认知正常的受试者	数字病理学	阿尔茨海默病	结构磁共振成像	CNN, Transformer, 混合模型	图像	ADNI数据集中的受试者（具体数量未在摘要中明确说明）	NA	ConvNeXtV2-L, EfficientNetV2-L, VGG19, SwinV1-L	准确率	NA
326	2026-03-31	A Multi-Scale Vision-Sensor Collaborative Framework for Small-Target Insect Pest Management 2026-Mar-04, Insects IF:2.7Q1 DOI:10.3390/insects17030281 PMID:41898943	研究论文	提出了一种多尺度视觉传感器协同识别方法，用于复杂农业环境下的小目标害虫管理	联合建模多尺度视觉表示与害虫生态机制，引入环境传感器数据作为先验调制视觉特征，将生态约束显式融入判别过程	NA	提高复杂条件下小目标害虫识别的准确性和稳定性，促进从经验驱动到数据驱动的害虫管理转变	小目标害虫，包括蚜虫、蓟马、白粉虱、叶蝉、蜘蛛螨和叶甲虫	计算机视觉	NA	多尺度视觉传感器协同识别	深度学习模型	图像, 传感器数据（温度、湿度、光照）	从内蒙古巴彦淖尔市临河区真实农田和温室环境收集的多模态数据集	NA	NA	准确率, 精确率, 召回率, F1分数	NA
327	2026-03-31	Current Trends in Artificial Intelligence for Recognizing Work Postures to Prevent Work-Related Musculoskeletal Disorders: Systematic Review and Meta-Analysis by Occupational Activity 2026-Mar-03, Bioengineering (Basel, Switzerland) DOI:10.3390/bioengineering13030298 PMID:41899829	系统综述与荟萃分析	本文通过系统综述与荟萃分析，评估了人工智能在识别工作姿势以预防工作相关肌肉骨骼障碍方面的性能	首次针对不同职业活动、姿势类别和AI方法（机器学习与深度学习）进行综合性能比较，为行业5.0背景下的人本化检测系统设计提供依据	主要限制在于所使用方法的高度多样性，可能导致结果的可比性受限	评估人工智能工作姿势识别系统在职业活动中的性能，以预防工作相关肌肉骨骼障碍	工作姿势识别系统及其在预防工作相关肌肉骨骼障碍中的应用	计算机视觉	工作相关肌肉骨骼障碍	深度学习, 机器学习	深度学习, 机器学习	NA	58项研究（来自157条独特记录）	NA	NA	准确率, 精确率, 特异性, 灵敏度, F1分数	NA
328	2026-03-31	Crop-OCT: a Fully Integrated Imageomics Pipeline to Identify Regional and Focal Retinopathy in Murine Models 2026-Mar-02, bioRxiv : the preprint server for biology DOI:10.64898/2026.02.27.708333 PMID:41867838	研究论文	本文介绍了一个名为Crop-OCT的自动化端到端图像组学管道，用于从大量光学相干断层扫描图像中提取特征，以识别小鼠模型中的区域性和局灶性视网膜病变	开发了一个完全集成的自动化管道，能够处理数千张OCT图像并保留其在眼内的位置信息，支持对多种视网膜疾病模型的异质性分析	管道仍处于早期开发阶段，通用性和自动化处理大规模OCT图像的能力有待进一步验证	加速对生物特征和人类疾病过程的理解，特别是视网膜病变的诊断和监测	小鼠模型中的视网膜病变，包括遗传性视网膜疾病如色素性视网膜炎、Leber先天性黑蒙、色盲、Stargardt病、糖尿病视网膜病变和年龄相关性黄斑变性	数字病理学	视网膜病变	光学相干断层扫描	深度学习	图像	超过20,000张OCT图像，涉及13种遗传性视网膜病变模型	NA	NA	NA	NA
329	2026-03-31	EndoClean: A Hybrid Deep Learning Framework for Automated Full-Video Boston Bowel Preparation Scale Assessment 2026-Mar-02, Bioengineering (Basel, Switzerland) DOI:10.3390/bioengineering13030294 PMID:41899825	研究论文	本研究提出了一种名为EndoClean的混合深度学习框架，用于从结肠镜检查视频中自动计算全段波士顿肠道准备量表评分，旨在提供标准化、客观且接近专家水平的评估	开发了首个完全自动化的深度学习框架EndoClean，用于全视频波士顿肠道准备量表评估，整合了帧选择、解剖分割和BBPS评分三个独立模型，显著减少了评估者间差异	未明确说明模型在不同医疗机构或设备上的泛化能力，以及计算资源需求的具体细节	开发一个标准化、客观的自动化系统，用于评估结肠镜检查中的肠道准备质量，以减少人工评估的变异性和提高评估效率	结肠镜检查视频	计算机视觉	NA	深度学习	混合深度学习框架	视频	未明确说明具体样本数量，但涉及与资深专家和初级内镜医师的比较评估	未明确指定，但可能涉及TensorFlow, PyTorch等	未明确指定具体架构，但整合了帧选择、解剖分割和BBPS评分模型	准确率, 二次加权Kappa, 敏感性, 特异性	NA
330	2026-03-31	The Rise of Intelligent Plastic Surgery: A 10-Year Bibliometric Journey Through AI Applications, Challenges, and Transformative Potential 2026-Mar, Aesthetic plastic surgery IF:2.0Q2 DOI:10.1007/s00266-025-05068-4 PMID:40660032	综述	本文通过文献计量学方法，系统分析了2016年至2024年间人工智能在整形外科领域的研究趋势、应用、挑战及变革潜力	首次使用CiteSpace和VOSviewer软件对人工智能在整形外科领域的文献进行定量分析，揭示了研究轨迹、合作网络及关键词爆发趋势	研究基于Web of Science核心合集中的235篇文献，可能存在发表偏倚；跨机构合作有限，数据集多样性不足，且伦理问题尚未完全解决	系统分析人工智能在整形外科领域的研究趋势、应用挑战及未来发展方向	2016年至2024年间Web of Science核心合集中关于人工智能与整形外科结合的235篇文献	数字病理学	NA	文献计量分析，包括共引网络、关键词共现、爆发检测和聚类分析	NA	文本数据（学术文献）	235篇文献	CiteSpace, VOSviewer	NA	NA	NA
331	2026-03-31	What are you looking at? Modality contribution in multimodal medical deep learning 2026-Mar, International journal of computer assisted radiology and surgery IF:2.3Q2 DOI:10.1007/s11548-025-03523-w PMID:41037211	研究论文	本文提出了一种基于遮挡的模态贡献方法，用于量化分析多模态深度学习模型中各模态对任务完成的重要性	开发了一种模型无关且性能无关的模态贡献量化方法，能够揭示多模态模型的模态偏好和数据集不平衡问题	方法主要基于实验性应用，在更广泛的多模态医学问题中的普适性有待进一步验证	研究多模态深度学习模型中各模态的贡献度，以促进模型可解释性和临床整合	多模态医学数据	机器学习	NA	深度学习	深度神经网络	多模态数据	NA	NA	NA	NA	NA
332	2026-03-31	Artificial Intelligence in Critical Care Nephrology: Current Applications, Emerging Techniques, and Challenges to Clinical Integration 2026-Mar-01, Kidney360 IF:3.2Q1 DOI:10.34067/KID.0000001037 PMID:41148218	综述	本文综述了人工智能在重症监护肾病学中的当前应用、新兴技术及临床整合面临的挑战	系统总结了AI在CCN中的多种应用，并提出了四项优先发展重点以推动该领域进步	对患者中心结局（如死亡率、透析依赖性和成本效益）的影响仍不确定，且存在数据异质性、外部验证有限、警报疲劳和经济约束等持续障碍	探讨人工智能在重症监护肾病学领域的应用潜力、现状及未来发展方向	重症监护肾病学（CCN）中的临床预测、诊断、决策支持和工作流程	机器学习	肾病	机器学习、深度学习、强化学习、生成式AI	NA	NA	NA	NA	NA	NA	NA
333	2026-03-31	Glioblastoma survival prediction through MRI and clinical data integration with transfer learning 2026-Mar, International journal of computer assisted radiology and surgery IF:2.3Q2 DOI:10.1007/s11548-025-03548-1 PMID:41343123	研究论文	本研究通过整合多模态MRI数据和临床变量，利用深度学习模型进行胶质母细胞瘤患者的总体生存期预测	采用预训练的U-Net类模型进行自动肿瘤分割和特征提取，利用编码器潜在空间的高层次表示，并结合临床变量与降维技术，构建了一个可扩展的自动化预测框架	未在摘要中明确说明研究的局限性	准确预测胶质母细胞瘤患者的总体生存期，以推进个性化治疗和改善临床试验设计	胶质母细胞瘤患者	数字病理学	胶质母细胞瘤	MRI	U-Net, 随机森林, XGBoost, 多层感知机	图像, 临床数据	BraTS2020数据集和来自Fondazione IRCCS Istituto Neurologico Carlo Besta的专有数据集	NA	U-Net	F1分数, AUC, 准确率	NA
334	2026-03-31	Right and Left Atrial Dysfunction as Independent Cardiovascular Risk Factors: A UK Biobank Study 2026-Mar, Circulation. Arrhythmia and electrophysiology DOI:10.1161/CIRCEP.125.014412 PMID:41744085	研究论文	本研究利用深度学习分割技术分析英国生物银行参与者的心脏磁共振成像数据，评估左右心房功能障碍与心血管事件风险的独立关联	首次在大规模人群中同时评估左右心房结构与功能，并发现右心房功能障碍是独立的心血管风险因素，且识别出多个与心房性状相关的新遗传位点	研究为观察性设计，无法完全排除残余混杂因素，且随访时间相对较短（4年），可能影响长期关联的评估	探究左右心房功能障碍作为独立心血管风险因素的作用，并分析其遗传基础和因果关联	英国生物银行中51,693名无房颤病史的成年参与者	数字病理学	心血管疾病	心脏磁共振成像，深度学习分割	深度学习	图像	51,693名参与者	NA	NA	风险比，95%置信区间	NA
335	2026-03-31	Deep Few-View High-Resolution Photon-Counting CT at Halved Dose for Extremity Imaging 2026-Mar, IEEE transactions on medical imaging IF:8.9Q1 DOI:10.1109/TMI.2025.3618754 PMID:41071701	研究论文	本文提出了一种基于深度学习的PCCT图像重建方法，可在减半辐射剂量和加倍扫描速度下实现高质量的肢体成像	设计了基于分块的体素细化网络以缓解GPU内存限制，使用合成数据进行网络训练，并采用基于模型的迭代细化来弥合合成数据与临床数据之间的差距	研究仅基于8名患者的临床试验数据，样本量较小；方法在更大规模临床验证和泛化性方面仍需进一步评估	开发一种降低辐射剂量并提高扫描速度的PCCT图像重建方法，用于肢体成像	肢体PCCT成像	医学影像	肢体疾病	光子计数计算机断层扫描（PCCT）	深度学习网络	CT图像	8名患者（来自新西兰临床试验）	NA	基于分块的体素细化网络	图像质量评估、诊断价值评估（通过读者研究）	GPU（具体型号未指定）
336	2026-03-31	A robust sampling technique for realistic distribution simulation in federated learning 2026-Mar, International journal of computer assisted radiology and surgery IF:2.3Q2 DOI:10.1007/s11548-025-03504-z PMID:40892192	研究论文	本文提出了一种用于联邦学习中模拟现实标签分布的鲁棒采样技术，以评估非独立同分布数据对全局训练的影响	结合卡方检验和基尼不纯度度量，高效优化多组标签分布，实现针对非独立同分布子群体的现实数据分布模拟	未在多种网络架构或大规模数据集上进行广泛验证，且性能评估仅限于特定临床场景	开发一种采样算法，用于在联邦学习环境中模拟现实标签分布，以分析客户端偏差对全局模型性能的影响	联邦学习中的数据子集，特别是具有部分重叠标签分布的临床数据	机器学习	NA	联邦学习，数据采样	深度学习网络	3D相机数据	NA	联邦平均	NA	体重和身高估计误差	NA
337	2026-03-31	Enhancing airway obstruction diagnosis with multimodal 3D shape analysis 2026-Mar, International journal of computer assisted radiology and surgery IF:2.3Q2 DOI:10.1007/s11548-025-03527-6 PMID:41085926	研究论文	本文提出了一种基于多模态3D形状分析的自动化深度学习工具，用于定量评估气道阻塞，特别是腺样体肥大引起的鼻咽部阻塞	结合多视图和点云表示两种先进技术进行3D形状分析，以捕捉气道的全局和局部特征，从而提升分类和回归性能	模型在检测严重病例时表现良好，但需要进一步优化以改进对所有严重程度级别的分类和回归性能	开发一种开源、自动化的深度学习工具，用于基于CBCT扫描的定量气道阻塞评估，以辅助早期和准确诊断	通过CBCT扫描获取的3D气道形态，特别是与腺样体肥大相关的鼻咽部气道	计算机视觉	气道阻塞疾病	锥形束计算机断层扫描（CBCT）	深度学习模型	3D医学图像（CBCT扫描）	NA	NA	NA	准确率	NA
338	2026-03-31	Reshapeit: reliable shape interaction with implicit template for medical anatomy reconstruction 2026-Mar, International journal of computer assisted radiology and surgery IF:2.3Q2 DOI:10.1007/s11548-025-03557-0 PMID:41389113	研究论文	本文提出了一种名为ReShapeIT的方法，用于在连续空间中实现可靠且准确的解剖形状建模，以解决医学图像自动形状重建中的分辨率限制和形状先验约束缺失问题	结合类别特定的隐式模板场与变形网络，通过模板交互模块（TIM）将学习到的模板形状与实例特定的潜在编码对齐，从而在连续隐式场中表示解剖结构，而非离散体素网格	未明确提及方法在更复杂或多样解剖结构上的泛化能力，以及计算效率方面的详细评估	开发一种可靠且准确的解剖形状建模方法，以支持计算机辅助诊断中的定量分析和手术规划	肝脏、胰腺和肺叶的解剖结构	计算机视觉	NA	NA	神经网络	体积医学图像	NA	NA	ReShapeIT网络	Chamfer距离, Earth Mover's距离	NA
339	2026-03-31	Colormap augmentation: a novel method for cross-modality domain generalization 2026-Mar, International journal of computer assisted radiology and surgery IF:2.3Q2 DOI:10.1007/s11548-025-03559-y PMID:41396240	研究论文	本文提出了一种名为CmapAug的新颖颜色映射增强方法，用于提升深度学习模型在跨模态医学图像分割中的泛化能力	引入CmapAug颜色映射增强技术，结合标准增强方法，有效解决跨模态域泛化问题，方法简单且计算资源需求低	未明确说明实验数据的具体样本量，且仅针对肝脏分割任务进行了验证，可能在其他器官或模态上泛化能力有限	评估一种新颖、简单且有效的方法，以增强深度学习模型在不同模态医学图像分割中的泛化性能	医学图像分割任务，特别是针对跨模态（如不同扫描仪厂商或成像模态）的域泛化问题	计算机视觉	NA	图像增强技术，包括标准增强、强度增强和颜色变换	深度学习分割网络	医学图像	NA	NA	NA	Dice Score	NA
340	2026-03-31	AVPENet: Pain estimation from audio-visual fusion of non-speech sounds 2026-Mar, PLOS digital health DOI:10.1371/journal.pdig.0001301 PMID:41894538	研究论文	本文提出了一种新颖的多模态深度学习框架，通过融合非语音音频线索与面部表情来估计连续的疼痛强度，旨在为无法自我报告的脆弱人群提供客观的疼痛评估	提出了一种基于跨模态注意力的融合网络，结合了频谱图衍生的音频嵌入和面部动作单元特征，并利用基于Transformer的融合模块学习模态间的互补关系，显著提升了疼痛估计的准确性	研究依赖于特定数据集（3,247个视听记录，428名受试者），其泛化能力在其他临床环境或更广泛的人群中尚未得到验证；模型性能可能受到录制质量和环境噪声的影响	开发一种客观、自动化的疼痛评估方法，以解决非言语患者（如新生儿和无意识成人）临床疼痛评估的挑战	新生儿（215名）和成人（213名）受试者，共428名，涵盖三种不同的疼痛强度水平	多模态机器学习	疼痛评估	深度学习，音频频谱图处理，面部动作单元分析	CNN, Transformer	音频，视频	3,247个视听记录，来自428名受试者（215名新生儿，213名成人）	PyTorch	ResNet, 卷积神经网络, Transformer	平均绝对误差, 皮尔逊相关系数, 准确率	NA