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
3581	2026-07-28	Deep Learning-Based Assessment of the Value of Vertebral Structural Parameters in Predicting Osteoporotic Vertebral Compression Fractures on Opportunistic CT Scans 2026, International journal of general medicine IF:2.1Q2 DOI:10.2147/IJGM.S594749 PMID:41982817	研究论文	基于深度学习的椎体结构参数在机会性CT扫描中预测骨质疏松性椎体压缩性骨折的价值评估	利用深度学习模型从常规CT中自动提取椎体皮质参数，构建列线图用于个体化骨折风险评估	单中心回顾性研究，缺乏外部验证	评估机会性CT椎体结构参数对骨质疏松性椎体压缩性骨折的预测价值	骨质疏松性椎体压缩性骨折患者	数字病理学	骨质疏松性骨折	CT扫描	CNN	医学图像	298例患者，其中骨折组134例，非骨折组164例	PyTorch	3D Dense-U-Net	AUC，校准分析	NA
3582	2026-07-28	AI-guided design and optimization of a novel KIM-1-targeted peptide for bFGF delivery in acute kidney injury repair 2026, Regenerative biomaterials IF:5.6Q1 DOI:10.1093/rb/rbag050 PMID:41983045	研究论文	基于人工智能指导设计并优化靶向KIM-1的新型WEV多肽，用于急性肾损伤中bFGF的定向递送	结合结构计算和深度学习，提出‘锚点延伸’策略系统优化多肽亲和力和特异性	未明确说明研究局限性	开发靶向KIM-1的生长因子递送系统，用于急性肾损伤治疗	WEV多肽、KIM-1、bFGF、重组蛋白WEV-bFGF	机器学习	急性肾损伤	结构计算、深度学习、重组蛋白构建、转录组分析	深度学习模型	分子结构数据、转录组数据	不适用	不适用	不适用	结合亲和力、特异性	不适用
3583	2026-07-28	Automated Food Weight and Content Estimation Using Computer Vision and AI Algorithms: Phase 2 2025-12-22, Sensors (Basel, Switzerland) DOI:10.3390/s26010076 PMID:41516511	研究论文	利用计算机视觉和AI算法自动估算食品重量和成分	结合YOLO目标检测与密度模型进行食品重量估算，并通过RGB和深度相机实现体积测量	未提及具体计算资源及模型在多样化食品类型上的泛化能力	量化自助餐厅中食品的成分和份量	自助餐厅托盘上的食品（重点测试大米和鸡肉）	计算机视觉	NA	RGB相机、深度相机	YOLO	图像	未明确说明样本数量	NA	YOLO	平均精度均值(mAP), 精确率-召回率曲线, 误差率	NA
3584	2026-07-28	A hybrid CNN-transformer framework optimized by Grey Wolf Algorithm for accurate sign language recognition 2025-12-10, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-27390-2 PMID:41372241	研究论文	提出一种基于灰狼优化的卷积变换网络，用于准确高效地识别动态手语手势	将卷积神经网络（CNN）与Transformer结合，并引入灰狼优化算法进行超参数调优，实现空间特征提取和时序建模的融合，提高了手语识别的准确性和鲁棒性	未提及对复杂背景、不同手型或光照变化的鲁棒性测试，也未讨论多类手势扩展的挑战	开发一种高精度、可扩展的视觉手语识别系统，用于辅助交流技术	美国手语（ASL）中的动态手势，包括静态和动态手语字母分类	计算机视觉, 机器学习	NA	NA	CNN, Transformer, 灰狼优化（GWO）	图像	两个基准数据集：ASL Alphabet 和 ASL MNIST	NA	GWO-CTransNet（灰狼优化卷积变换网络）	准确率, F1分数, 马修斯相关系数（MCC）, 曲线下面积（AUC）	NA
3585	2026-07-28	Deep learning-based artificial intelligence models predict survival in patients with oral cavity squamous cell carcinoma 2025-12-10, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-27428-5 PMID:41372262	研究论文	利用深度学习人工神经网络综合多种临床因素预测口腔鳞状细胞癌患者生存率	首次将包括人口统计、生活方式、ASA分级及影像学等多种因素整合到深度学习模型中进行口腔鳞状细胞癌的个性化生存预测，并采用多任务学习和最小二乘法处理类别不平衡问题	未在论文标题和摘要中明确提及具体局限性，可能包括回顾性研究设计、单中心数据集等潜在偏差	开发基于深度学习的人工智能模型，提升口腔鳞状细胞癌生存预测的准确性，超越传统TNM分期	1018例在1996年至2020年间接受手术治疗的口腔鳞状细胞癌患者	机器学习	口腔癌	NA	深度神经网络（DNN）	临床变量数据	1018名口腔鳞状细胞癌手术患者	NA	多组分类深度神经网络（multi-group DNN）、回归型深度神经网络（regression-based DNN）	AUC, 敏感性, 特异性, 一致性指数（concordance index）	NA
3586	2026-07-28	Optimization of deep learning models for inference in low resource environments 2025-Sep, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.110615 PMID:40716232	研究论文	评估用于医疗健康应用的深度学习模型在低资源环境下的推理优化技术效果	针对放射学、组织病理学和医学RGB成像等多种医疗AI工作负载，在多种硬件配置下系统评估模型优化技术对推理性能的影响	未提及具体局限性	研究深度学习模型在低资源环境下的优化技术，促进临床转化	MRI脑提取、H&E染色结直肠癌分割、糖尿病足溃疡RGB图像分类三种医疗工作负载	计算机视觉	结直肠癌, 糖尿病足	NA	深度学习模型	图像	NA	NA	NA	推理运行时间（加速比、延迟、内存使用）、模型在未见过数据上的效用	多种硬件配置
3587	2026-07-28	Multitask Deep Learning Based on Longitudinal CT Images Facilitates Prediction of Lymph Node Metastasis and Survival in Chemotherapy-Treated Gastric Cancer 2025-07-02, Cancer research IF:12.5Q1 DOI:10.1158/0008-5472.CAN-24-4190 PMID:40305075	研究论文	基于纵向CT图像的多任务深度学习模型CTSMamba用于预测化疗后胃癌患者的淋巴结转移和生存期	提出了一个名为CTSMamba的多任务深度学习模型，能够同时预测淋巴结转移和总生存期，并在多中心数据中表现优于临床模型	未明确提及具体局限性	开发并验证一个基于纵向CT图像的多任务深度学习模型，以预测局部晚期胃癌患者的淋巴结转移和总生存期	接受新辅助化疗的局部晚期胃癌患者	计算机视觉, 机器学习, 数字病理	胃癌	CT成像	多任务深度学习模型	纵向CT图像	来自两个中心的1021名局部晚期胃癌患者（其中398名用于训练和验证，623名用于外部验证）	PyTorch	CTSMamba（基于共注意力三向空间Mamba架构）	准确率、AUC	NA
3588	2026-07-28	Ranking Protein-Protein Models with Large Language Models and Graph Neural Networks 2025, Methods in molecular biology (Clifton, N.J.) DOI:10.1007/978-1-0716-4623-6_4 PMID:40601251	研究论文	利用大型语言模型和图神经网络对蛋白质-蛋白质相互作用模型进行排序	通过结合蛋白质语言模型和图神经网络，提出了一种基于图的深度学习算法DeepRank-GNN-esm，用于从大量生成模型中识别近天然构象	NA	解决蛋白质复合物建模中从大量生成模型中识别高质量近天然构象的挑战	蛋白质-蛋白质相互作用模型	机器学习	癌症、感染性疾病、神经退行性疾病	蛋白质语言模型	图神经网络、蛋白质语言模型	蛋白质结构数据	NA	DeepRank-GNN-esm	图神经网络	NA	NA
3589	2026-07-28	Using InterLabelGO+ for Accurate Protein Language Model-Based Function Prediction 2025, Methods in molecular biology (Clifton, N.J.) DOI:10.1007/978-1-0716-4623-6_7 PMID:40601254	研究论文	介绍InterLabelGO+模型，一种基于ESM2蛋白质语言模型和深度学习进行基因本体术语预测的工具	考虑了不同GO术语之间的复杂关系，并结合序列同源搜索获得共识预测	未提及	开发高性能的蛋白质功能预测方法，特别是基因本体术语预测	蛋白质序列的基因本体术语预测	机器学习，自然语言处理	NA	蛋白质语言模型（ESM2），序列同源搜索	深度学习模型	蛋白质序列数据	NA	NA	NA	NA	NA
3590	2026-07-28	Predicting the Pathogenicity of Human Protein Variants: Not Only a Matter of Residue Labeling 2025, Methods in molecular biology (Clifton, N.J.) DOI:10.1007/978-1-0716-4623-6_12 PMID:40601259	研究论文	描述预测人类蛋白质变异致病性的方法及其在结构功能注释上的扩展	提出在预测致病性后进一步推导蛋白质结构稳定性、溶剂可及性和相互作用网络扰动的在线框架	未明确提及具体局限性	通过序列嵌入和机器学习预测人类变异致病性，并在线提供结构功能解释	人类蛋白质变异	机器学习	NA	蛋白质序列嵌入	机器学习和/或深度学习模型	蛋白质序列数据	NA	NA	NA	NA	NA
3591	2026-07-28	Tracking the Evolving Role of Artificial Intelligence in Implementation Science: Protocol for a Living Scoping Review of Applications, Evaluation Approaches and Outcomes 2025, F1000Research DOI:10.12688/f1000research.171774.2 PMID:41835982	研究协议	本生活范围综述协议旨在追踪人工智能在实施科学中的应用，包括评估方法和结果	采用生活范围综述方法，动态跟踪人工智能在实施科学中的快速演变作用	未提及具体局限性	绘制人工智能在实施研究和实践中的应用，识别评估方法、报告结果及潜在风险，并综合研究空白和机会	人工智能在实施科学中的应用，包括机器学习、深度学习、自然语言处理、大语言模型等技术	自然语言处理, 机器学习	NA	机器学习, 深度学习, 自然语言处理, 大语言模型	机器学习, 深度学习, 自然语言处理, 大语言模型	文本	NA	NA	NA	NA	NA
3592	2026-07-28	CGMega: explainable graph neural network framework with attention mechanisms for cancer gene module dissection 2024-07-17, Nature communications IF:14.7Q1 DOI:10.1038/s41467-024-50426-6 PMID:39013885	研究论文	开发了可解释的图神经网络框架CGMega，用于癌症基因模块解析	结合模型无关解释方法和图注意力机制，实现可解释的癌症基因模块解析	未提及局限性	开发可解释的深度学习框架用于癌症基因模块解析	乳腺癌细胞系和急性髓系白血病患者	机器学习	乳腺癌，急性髓系白血病	多组学整合	图神经网络	多组学数据	乳腺细胞系和急性髓系白血病患者样本	PyTorch	图注意力网络	癌症基因预测性能指标	未提及
3593	2026-07-28	Biophysical neural adaptation mechanisms enable artificial neural networks to capture dynamic retinal computation 2024-07-16, Nature communications IF:14.7Q1 DOI:10.1038/s41467-024-50114-5 PMID:39009568	研究论文	将神经适应机制嵌入人工神经网络，以捕捉视网膜的动态计算过程	首次在传统卷积神经网络前端整合光感受器适应的生物物理机制，形成新模型“Deep Retina”，显著提升对灵长类和啮齿类视网膜神经节细胞反应的预测能力	未明确提及	探究嵌入神经适应机制能否提高人工神经网络在动态输入条件下预测神经输出的性能	灵长类和啮齿类的视网膜神经节细胞反应	机器学习	NA	光感受器适应的生物物理建模	卷积神经网络	神经电生理数据	NA	PyTorch	Deep Retina（基于卷积神经网络）	NA	NA
3594	2026-07-28	Disease-driven domain generalization for neuroimaging-based assessment of Alzheimer's disease 2024-06-01, Human brain mapping IF:3.5Q1 DOI:10.1002/hbm.26707 PMID:38798082	研究论文	提出一种利用模型可解释性增强跨队列分类模型泛化能力的框架，用于阿尔茨海默病的MRI评估	通过将类级注意力与统一视觉显著性先验对齐，使深度神经网络聚焦于疾病相关脑区，提升跨数据集的泛化性能并改善与死后组织学的相关性	NA	开发一种疾病驱动的域泛化方法，提高基于MRI的阿尔茨海默病分类模型在不同队列间的泛化能力	来自四个独立队列的MRI扫描和临床诊断数据	计算机视觉, 数字病理学	阿尔茨海默病	MRI扫描	深度神经网络	图像	ADNI队列1821例、FHS队列304例、AIBL队列661例、NACC队列4647例，总计7433例	NA	NA	NA	NA
3595	2026-07-28	Assessing brain involvement in Fabry disease with deep learning and the brain-age paradigm 2024-04, Human brain mapping IF:3.5Q1 DOI:10.1002/hbm.26599 PMID:38520360	研究论文	利用深度学习与脑年龄范式评估法布里病患者的脑部受累情况，并验证脑预测年龄差异（brain-PAD）作为疾病严重程度生物标志物的可能性	首次将脑年龄范式应用于法布里病，验证brain-PAD与多器官损伤和神经影像学指标的相关性，提出综合性的神经系统疾病严重程度生物标志物	单中心回顾性研究，样本量较小（52例FD患者和58例HC），未涉及外部验证队列	评估法布里病患者大脑是否比正常老化更快，并验证brain-PAD作为疾病严重程度生物标志物的可行性	法布里病患者和健康对照者	计算机视觉, 机器学习	法布里病	NA	深度学习	3D T1加权脑部MRI图像	训练集：来自8个公开数据集的2160名健康受试者（年龄4-86岁）；内部队列：52例FD患者（平均40.6岁）和58例HC（平均38.4岁）	NA	DenseNet	平均绝对误差（MAE）, 相关系数（R）	NA
3596	2026-07-28	Machine learning in small sample neuroimaging studies: Novel measures for schizophrenia analysis 2024-04, Human brain mapping IF:3.5Q1 DOI:10.1002/hbm.26555 PMID:38544418	研究论文	本研究利用脑结构图像中的沟回模式，结合统计、机器学习和深度学习技术，构建计算机辅助诊断系统，用于区分精神分裂症患者和健康对照	首次使用全脑皮层的沟回特征构建计算机辅助诊断系统，并在小样本情况下系统评估了工作流各阶段的性能，应用可解释人工智能技术分析特征重要性	样本量较小（58名患者和56名健康对照），可能影响模型的泛化能力	在小样本神经影像研究中，构建并全面评估基于沟回特征的计算机辅助诊断系统，用于精神分裂症分析	精神分裂症患者和健康对照者的脑结构磁共振成像中的沟回模式	机器学习	精神分裂症	磁共振成像	CNN	图像	58名精神分裂症患者和56名健康对照者	Scikit-learn、TensorFlow	CNN	准确率	NA
3597	2026-07-28	Optimising brain age estimation through transfer learning: A suite of pre-trained foundation models for improved performance and generalisability in a clinical setting 2024-03, Human brain mapping IF:3.5Q1 DOI:10.1002/hbm.26625 PMID:38433665	研究论文	提出一个基于迁移学习的深度学习框架，利用常规临床MRI数据训练多个模型以优化脑龄估计，并提升模型在临床环境中的性能和泛化能力	首次在五种不同MRI序列上训练脑龄预测模型，并作为基础模型通过迁移学习适应其他MRI序列和扫描方向，即使在有限数据条件下（低至N=25）也有效	未明确提及，但可能受限于训练数据为常规临床数据（可能影响极端年龄或罕见疾病的泛化性）	开发准确且泛化能力强的脑龄估计模型，适用于临床环境，并提供公开模型工具包促进相关研究	从常规临床数据获取的脑MRI图像（五种序列：T1加权、T2-FLAIR、T2加权、扩散加权、梯度回波T2*加权）	计算机视觉	神经系统疾病	MRI	深度学习模型	图像（脑MRI）	最多18,890例临床数据，年龄范围18-96岁	未明确指定，推断为PyTorch或TensorFlow	未明确指定具体架构，可能是卷积神经网络	平均绝对误差, R²	未明确提及
3598	2026-07-28	Disease-driven domain generalization for neuroimaging-based assessment of Alzheimer's disease 2023-Sep-25, medRxiv : the preprint server for health sciences DOI:10.1101/2023.09.22.23295984 PMID:37808872	研究论文	提出一种疾病驱动的域泛化方法，用于基于神经影像的阿尔茨海默病评估	利用模型可解释性来提升分类模型在多个队列间的泛化能力，通过将类别级注意力与统一的视觉显著性先验对齐来指导模型训练	NA	开发深度学习方法以克服多中心MRI数据中的分布差异，实现跨队列泛化的认知障碍评估	从四个独立队列获取的MRI扫描影像和临床诊断数据	计算机视觉	阿尔茨海默病	MRI	深度神经网络	图像	来自ADNI（1821例）、FHS（304例）、AIBL（661例）和NACC（4647例）四个队列的MRI数据	NA	NA	NA	NA
3599	2026-07-28	DeepComBat: A Statistically Motivated, Hyperparameter-Robust, Deep Learning Approach to Harmonization of Neuroimaging Data 2023-Apr-24, bioRxiv : the preprint server for biology DOI:10.1101/2023.04.24.537396 PMID:37163042	研究论文	DeepComBat是一种基于条件变分自编码器和ComBat模型的深度学习方法，用于消除神经影像数据中的批次效应	基于统计启发的深度学习框架，放宽了先前深度学习协调方法的强假设，对超参数选择具有经验鲁棒性	NA	设计一种有效去除神经影像数据批次效应的深度学习方法，提高数据的泛化性和可重复性	神经影像数据中的批次效应及其对下游机器学习分析的影响	机器学习	老年病	神经影像	条件变分自编码器	神经影像数据	大型认知衰老队列	NA	条件变分自编码器	机器学习方法评估指标	NA
3600	2026-07-27	Early detection of severe fetal growth restriction using multimodal deep learning based on ultrasound and prenatal biomarkers 2026-Dec, Annals of medicine IF:4.9Q1 DOI:10.1080/07853890.2026.2688297 PMID:42403100	研究论文	开发并评估一种整合早孕期和中孕期超声图像与早孕期母体血清生物标志物的多模态深度学习模型，用于早期预测重度胎儿生长受限	首次将多模态深度学习模型（结合超声图像与血清标志物）用于重度FGR的早期预测，并引入多注意力机制和动态卷积模块提升性能	NA	早期预测重度胎儿生长受限	重度胎儿生长受限（FGR）病例及对照孕妇	计算机视觉	胎儿生长受限	超声成像、血清生物标志物检测	卷积神经网络（CNN）	超声图像、血清标志物数据、母体年龄	598例单胎妊娠（299例重度FGR，299例对照）	PyTorch	多层级注意力与动态卷积CNN	AUC, 准确率, F1分数, 马修斯相关系数	NA