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
3601	2026-02-26	Masked Image Modeling for Generalizable Organelle Segmentation in Volume EM 2026-Feb-24, IEEE transactions on medical imaging IF:8.9Q1 DOI:10.1109/TMI.2026.3667612 PMID:41734129	研究论文	本文提出了一种名为OrgMIM的双分支掩码图像建模框架，用于提升体积电子显微镜中细胞器的可泛化分割性能	提出了首个面向细胞器的双分支MIM框架，结合静态结构先验和动态重建反馈的互补掩码策略，并构建了首个大规模细胞器中心3D EM数据集IsoOrg-1K	未明确说明模型在极端分辨率或高度异质样本上的泛化能力，也未讨论计算效率与实时应用的可行性	开发一种可泛化的深度学习方法，以提升体积电子显微镜中细胞器分割的准确性和稳定性	体积电子显微镜图像中的细胞器	数字病理学	NA	体积电子显微镜	Transformer	3D体积图像	928个体积数据，超过1200亿体素	PyTorch	Transformer	mIoU	NA
3602	2026-02-26	Performance comparison and future perspectives of deep learning and classical machine learning in bone tumor applications: a systematic review (2019-2025) 2026-Feb-24, BMC medical informatics and decision making IF:3.3Q2 DOI:10.1186/s12911-026-03401-8 PMID:41735994	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
3603	2026-02-26	An Explainable Deep Learning Model for Clathrin Protein Prediction Using a DCT-Enhanced Position-Specific Scoring Matrix 2026-Feb-19, Current drug targets IF:3.0Q2 DOI:10.2174/0113894501400875251113072024 PMID:41735215	研究论文	本研究提出了一种名为Pred-CLGRUs的新型计算框架，用于预测网格蛋白，该框架结合了门控循环单元和离散余弦变换增强的位置特异性评分矩阵	提出Pred-CLGRUs框架，首次将PSSM与DCT结合用于网格蛋白预测，并比较了四种深度学习架构的性能	模型尚未整合异质性生物信息（如结构、进化、功能），未来计划结合胶囊神经网络与DeepWalk获取结构特征	开发高精度的网格蛋白预测模型以支持生物医学研究	网格蛋白	生物信息学	神经退行性疾病，癌症	位置特异性评分矩阵，离散余弦变换	GRU, CNN, LSTM, DNN	蛋白质序列数据	NA	NA	GRU, CNN, LSTM, DNN	准确率，灵敏度，特异性，马修斯相关系数	NA
3604	2026-02-26	CT Radiation Dose Reduction With Preserved Diagnostic Performance: How Far Have We Come Over 25 Years? 2026-Feb-04, AJR. American journal of roentgenology DOI:10.2214/AJR.25.34450 PMID:41636571	综述	本文回顾了过去25年来CT辐射剂量降低技术的发展历程及其对诊断性能的影响	系统总结了从滤波、调制到深度学习重建及光子计数探测器CT等一系列剂量降低技术的演进，并强调基于任务的客观图像质量评估的重要性	NA	总结CT辐射剂量降低技术的关键里程碑与创新，并评估这些技术对常规检查剂量与图像质量的累积影响	CT辐射剂量降低技术及其在常规解剖部位检查中的应用	医学影像	NA	CT扫描技术，包括光束滤波、动态z轴准直、自动管电流调制、管电压选择、迭代重建、深度学习重建及光子计数探测器CT	NA	CT图像	NA	NA	NA	基于任务的图像质量评估	NA
3605	2026-02-26	Clinician-Led Code-Free Deep Learning for Detecting Papilledema and Pseudopapilledema Using Optic Disc Imaging 2026-Feb-02, Translational vision science & technology IF:2.6Q2 DOI:10.1167/tvst.15.2.25 PMID:41718661	研究论文	本研究评估了无代码自动机器学习平台在利用标准光学相干断层扫描的近红外反射图像区分视盘水肿和假性视盘水肿方面的性能	首次比较了多种无代码自动机器学习平台在视盘水肿检测和严重程度分级中的表现，为无编码专业知识的临床团队提供了可访问的解决方案	研究为回顾性队列研究，需要进一步的外部验证来确认临床实用性	评估自动机器学习模型在区分视盘水肿和假性视盘水肿以及分级视盘水肿严重程度方面的性能	来自289名患者的813张视神经头中心光学相干断层扫描图像，包括正常视盘、视盘水肿和视盘玻璃膜疣	医学影像分析	眼科疾病	光学相干断层扫描	自动机器学习	图像	289名患者，813张图像	Amazon Rekognition, Medic Mind, Google Vertex	自动机器学习模型	AUC, 精确度, 召回率, F1分数, 混淆矩阵	NA
3606	2026-02-26	PCG-based exercise fatigue detection method using multi-scale feature fusion model 2026-Feb, Computer methods in biomechanics and biomedical engineering IF:1.7Q3 DOI:10.1080/10255842.2024.2406369 PMID:39318193	研究论文	提出了一种基于心音图信号、利用多尺度特征融合模型进行运动疲劳检测的新方法	首次提出利用PCG信号进行运动疲劳检测，并创新性地融合了深度学习特征与线性特征以提高检测性能	未明确说明模型在更广泛人群或不同运动场景下的泛化能力，也未与更多现有PCG分析方法进行对比	开发一种基于生理信号的、准确的运动疲劳检测方法	心音图信号	机器学习	NA	短时傅里叶变换	CNN, SVM, LDA	信号，图像	两个数据集（具体数量未在摘要中说明）	NA	VGG-16	准确率，F1分数，敏感度	NA
3607	2026-02-26	Exploring coronavirus sequence motifs through convolutional neural network for accurate identification of COVID-19 2026-Feb, Computer methods in biomechanics and biomedical engineering IF:1.7Q3 DOI:10.1080/10255842.2024.2404149 PMID:39508163	研究论文	本文提出了一种名为DeepCoV的深度学习模型，利用卷积神经网络（CNN）对SARS-CoV-2病毒序列进行分类，并识别其关键序列基序	通过CNN模型不仅实现了高精度的SARS-CoV-2病毒分类，还能解释模型决策过程，定位与病毒相关的序列基序，增强了模型的可解释性	未提及模型在其他冠状病毒数据集上的泛化能力，以及计算资源需求的具体细节	开发一种快速准确识别SARS-CoV-2病毒的方法，以区分其与其他冠状病毒	SARS-CoV-2病毒序列及其他冠状病毒序列	自然语言处理	COVID-19	基因组序列分析	CNN	文本（基因组序列）	使用2019nCoVR数据集，具体样本数量未提及	未提及	分层卷积神经网络（具体架构未指定）	AUCPR, AUC-ROC	未提及
3608	2026-02-26	Deep learning model integrating contrast-enhanced ultrasound spatiotemporal imaging with clinical data for the differential diagnosis between hepatocellular carcinoma and intrahepatic cholangiocarcinoma 2026-Feb, La Radiologia medica DOI:10.1007/s11547-025-02132-6 PMID:41148561	研究论文	本研究开发了一种深度学习模型CEUS-CD-Net，通过整合动态对比增强超声的时空特征与患者临床参数，用于肝细胞癌和肝内胆管癌的鉴别诊断	首次提出将动态对比增强超声的时空特征与患者临床参数整合的深度学习模型，显著提升了鉴别诊断性能	回顾性研究设计，样本量相对有限（305例患者），未提及外部验证结果	开发一种深度学习模型，用于肝细胞癌和肝内胆管癌的鉴别诊断	肝细胞癌和肝内胆管癌患者	医学影像分析	肝癌	对比增强超声	深度学习模型	动态超声图像序列，临床数据	305例患者（165例ICC，140例HCC）	NA	CEUS-CD-Net	AUC	NA
3609	2026-02-26	Strategies in Global Ancestry and Local Ancestry Inference 2026-Feb, Current protocols DOI:10.1002/cpz1.70321 PMID:41649483	综述	本文是一篇关于全球祖先和局部祖先推断策略的实用指南，旨在帮助研究人员为不同研究设计和数据集选择和实施适当的祖先推断方法	提供了一种面向协议的实用指南，系统性地组织了全球祖先和局部祖先推断的方法，并提供了基于ADMIXTURE和SHAPEIT5 + RFMix的分步协议	NA	为研究人员提供选择和实施适当祖先推断方法的指导	混合人群的遗传祖先推断	机器学习	NA	基因型芯片和全基因组测序数据	基于模型的聚类、降维方法、隐马尔可夫模型、基于窗口的机器学习、深度学习框架	遗传数据	NA	NA	ADMIXTURE, RFMix	NA	NA
3610	2026-02-26	The Dual Associations of Peripheral Inflammatory Cells With Brain Reorganization in Insular Gliomas With/Without Epilepsy: An Exploratory Analysis 2026-Feb, CNS neuroscience & therapeutics IF:4.8Q1 DOI:10.1002/cns.70788 PMID:41721208	研究论文	本研究探讨了岛叶胶质瘤伴或不伴癫痫患者中大脑重组与周围炎症细胞的关联	揭示了岛叶胶质瘤伴癫痫与不伴癫痫患者大脑重组模式的差异，并探索了周围炎症细胞作为潜在生物标志物的价值	样本量有限，为探索性分析，需要纵向研究和更具体的生物标志物来阐明因果关系	揭示岛叶胶质瘤患者的大脑重组过程，并探索反映这些过程的潜在周围生物标志物	岛叶胶质瘤相关癫痫患者和不伴癫痫患者	数字病理学	胶质瘤	深度学习肿瘤分割，虚拟大脑移植，形态学分析	深度学习	医学影像	103名患者（51名岛叶胶质瘤相关癫痫，52名不伴癫痫）	MATLAB, SPM, CAT12	NA	NA	NA
3611	2026-02-26	Systematic bibliometric and visualized analysis of global research trends, impact, emerging areas, and hotspots of artificial intelligence in personalized medicine 2026-Feb, Naunyn-Schmiedeberg's archives of pharmacology DOI:10.1007/s00210-025-04732-5 PMID:41105247	综述	本研究通过文献计量和可视化分析，全面评估了人工智能在个性化医学领域的研究趋势、影响力、新兴领域和热点	首次系统性地利用Scopus数据库数据，结合多种分析工具，对AI在个性化医学领域的全球研究趋势进行文献计量和可视化分析，识别出关键热点如深度学习、生物标志物和影像组学	分析仅基于Scopus数据库，可能未涵盖所有相关文献；研究为回顾性分析，无法预测未来具体技术发展	分析人工智能在个性化医学领域的研究趋势、影响力、新兴领域和热点，为研究者、政策制定者和资助机构提供参考	全球范围内关于人工智能在个性化医学领域的学术文献	机器学习	NA	文献计量分析，可视化分析	NA	文本数据（学术文献元数据）	3719篇文章	Microsoft Excel 365, VOSviewer, Bibliometrix R package	NA	NA	NA
3612	2026-02-26	A Beginner's Guide to Using DeepVirFinder for Viral Sequence Identification From Metagenomic Datasets 2026-Feb, Current protocols DOI:10.1002/cpz1.70310 PMID:41609929	指南	本文提供了使用DeepVirFinder软件从宏基因组数据集中识别病毒序列的入门指南	通过优化运行时间性能并保持原始用户界面，改进了DeepVirFinder软件，并提供了基本工作流程和下游分析辅助脚本	NA	促进DeepVirFinder软件在病毒序列识别中的快速采用，帮助初学者用户有效挖掘宏基因组数据中的病毒信息	病毒序列	机器学习	NA	宏基因组测序	CNN	序列数据	NA	NA	孪生卷积神经网络	NA	NA
3613	2026-02-26	[Delivering with Intelligence: Integrating Artificial Intelligence into Intrapartum Ultrasound] 2026-Feb, Harefuah PMID:41736619	研究论文	本文探讨了将人工智能整合到产时超声中，以自动化关键测量并减少对操作者经验的依赖	开发了一种全自动深度学习算法，用于分析经会阴产时超声扫描，自动识别最佳帧并测量进展角，无需人工干预	NA	提高产时超声的诊断精度，减少不必要的干预，并确保在分娩和分娩环境中提供一致、个性化的护理	产时超声扫描，包括胎儿头位、进展角和头会阴距离等参数	医学影像	产科疾病	超声	深度学习	图像	NA	NA	NA	NA	NA
3614	2026-02-26	Causal deep learning to personalize medicine: Which intensive care patients with sepsis will benefit from corticosteroid therapy? 2026-Feb, Journal of intensive medicine DOI:10.1016/j.jointm.2025.07.002 PMID:41736785	研究论文	本研究利用因果深度学习框架，识别哪些重症监护脓毒症患者能从皮质类固醇治疗中获益	首次将因果深度学习应用于脓毒症治疗个性化，通过TARNet模型估计治疗对28天死亡率的预测概率降低，并识别治疗反应者、无反应者和可能受伤害者	研究依赖于回顾性ICU数据库，可能存在未测量的混杂因素；外部验证性能（AUROC 0.71）低于内部验证（AUROC 0.79）	个性化脓毒症治疗，确定皮质类固醇治疗对重症监护脓毒症患者的生存获益	重症监护脓毒症患者	机器学习	脓毒症	因果深度学习	TARNet	临床数据	阿姆斯特丹UMCdb数据库2920例入院患者（干预组1378例，对照组1542例），MIMIC-IV v2.2用于外部验证	未明确指定	TARNet	AUROC, Wasserstein距离	NA
3615	2026-02-26	Web-Based Application of Simplified Machine Learning for Detecting Reduced LVEF From 12-Lead ECG 2026-Feb, Journal of arrhythmia IF:2.2Q2 DOI:10.1002/joa3.70296 PMID:41738056	研究论文	本研究开发并验证了基于12导联心电图数值参数的简化机器学习模型，用于检测左心室射血分数降低，并实现了一个用户友好的网络应用	提出简化的机器学习模型替代复杂的深度学习模型，以提高临床可用性，并开发了网络应用工具	模型在外部验证中连续预测性能较差，且研究为回顾性分析，可能存在选择偏倚	开发并验证简化的机器学习模型，用于从12导联心电图检测左心室射血分数降低	来自两个机构的21,471名患者的心电图和经胸超声心动图数据	机器学习	心血管疾病	心电图，经胸超声心动图	随机森林，极端梯度提升，支持向量机，广义加性模型	数值参数	21,471名患者（开发队列：非房颤12,922例，房颤1,281例；外部验证队列：非房颤6,284例，房颤984例）	NA	随机森林，XGBoost，支持向量机，广义加性模型	R²，AUC	NA
3616	2026-02-26	Protein language models trained on biophysical dynamics inform mutation effects 2026-Jan-27, Proceedings of the National Academy of Sciences of the United States of America IF:9.4Q1 DOI:10.1073/pnas.2530466123 PMID:41576089	研究论文	本文介绍了SeqDance和ESMDance两种蛋白质语言模型，它们基于分子动力学模拟和正常模式分析训练，用于预测蛋白质动态特性和突变效应	首次将蛋白质动态生物物理特性整合到语言模型中，通过超过64,000个蛋白质的模拟数据训练，能够捕获残基间的动态相互作用和协同运动，并在缺乏进化信息的蛋白质上实现零样本预测	模型依赖于分子动力学模拟和正常模式分析的数据质量，可能无法完全覆盖所有蛋白质的动态复杂性，且训练数据规模虽大但仍有限	开发能够整合蛋白质动态特性的语言模型，以更准确地预测蛋白质行为和突变效应	蛋白质，包括有序和无序蛋白质，以及设计蛋白质和病毒蛋白质	自然语言处理	NA	分子动力学模拟，正常模式分析	蛋白质语言模型	序列数据，动态生物物理特性数据	超过64,000个蛋白质	NA	SeqDance, ESMDance, ESM2	零样本预测性能	NA
3617	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
3618	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
3619	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
3620	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