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
3621	2026-04-01	Uncovering prostate cancer aggressiveness signal in T2-weighted MRI through a three-reference tissues normalization technique 2024-Mar, NMR in biomedicine IF:2.7Q1 DOI:10.1002/nbm.5069 PMID:37990759	研究论文	本文开发了一种基于深度学习的自动化方法，用于前列腺T2加权MRI强度归一化，以揭示前列腺癌侵袭性信号	提出了一种利用三种参考组织（臀大肌、股骨和膀胱）的自动化归一化技术，通过MASK R-CNN进行自动分割，并结合样条函数拟合，显著提升了T2W强度在区分前列腺癌与正常组织及评估肿瘤侵袭性方面的定量利用	方法依赖于手动轮廓数据进行MASK R-CNN训练，样本量有限（32例患者），且归一化效果在独立数据集（83例患者）中验证，但未涉及更大规模或多中心验证	开发自动化前列腺T2W MRI强度归一化方法，以改善定量评估前列腺癌及其侵袭性	前列腺癌患者的前列腺T2加权MRI图像，包括癌变区域和正常前列腺组织	数字病理学	前列腺癌	T2加权MRI	CNN	图像	训练集：32例患者；独立测试集：83例患者；共231个活检感兴趣区域	PyTorch	MASK R-CNN	Spearman相关系数, t检验	NA
3622	2026-04-01	A Reinforcement Learning (RL)-Motivated Simulation Framework for Evaluating Vancomycin Dosing Strategies 2024, AMIA ... Annual Symposium proceedings. AMIA Symposium PMID:41726479	研究论文	本文开发了一个基于强化学习的模拟框架，用于评估万古霉素的给药策略	提出了结合深度学习药代动力学模型（PK-RNN-2CM）和AUC奖励分数的强化学习模拟框架，将临床指南转化为强化学习奖励	未明确说明模拟框架在真实临床环境中的验证程度	优化万古霉素给药策略，实现并维持治疗浓度范围	万古霉素给药策略	机器学习	NA	强化学习，深度学习，药代动力学模拟	RNN	患者特异性数据，模拟时间-浓度曲线	NA	NA	PK-RNN-2CM（两室药代动力学循环神经网络）	24小时AUC评估，RMSE（均方根误差）	NA
3623	2026-04-01	Improving prognosis and assessing adjuvant chemotherapy benefit in locally advanced rectal cancer with deep learning for MRI: A retrospective, multi-cohort study 2023-11, Radiotherapy and oncology : journal of the European Society for Therapeutic Radiology and Oncology IF:4.9Q1 DOI:10.1016/j.radonc.2023.109899 PMID:37660753	研究论文	本研究开发了一种基于术前MRI的深度学习模型，用于预测局部晚期直肠癌患者的局部复发、远处转移和总生存期，并评估辅助化疗的益处	提出了多生存任务网络（MuST）模型，能够同时预测多种生存结局，并构建了结合MuST-DM评分、神经侵犯和CA19-9的辅助化疗决策树，实现了个体化治疗评估	这是一项回顾性研究，可能存在选择偏倚，且模型在更广泛人群中的泛化能力仍需进一步验证	开发预测局部晚期直肠癌患者生存结局的深度学习模型，并识别能从辅助化疗中获益的患者	局部晚期直肠癌患者	数字病理学	直肠癌	MRI	深度学习	图像	主要队列308例，两个外部验证队列分别247例和245例	NA	多生存任务网络（MuST）	预后准确性	NA
3624	2026-04-01	Evaluation of different algorithms for automatic segmentation of head-and-neck lymph nodes on CT images 2023-11, Radiotherapy and oncology : journal of the European Society for Therapeutic Radiology and Oncology IF:4.9Q1 DOI:10.1016/j.radonc.2023.109870 PMID:37634765	研究论文	本研究评估了四种基于图谱和两种深度学习算法在头颈部CT图像上自动分割淋巴结的性能	首次在头颈部淋巴结自动分割任务中，系统比较了基于图谱方法与深度学习方法的性能，并引入了多中心深度学习解决方案的评估	样本量相对较小（69例患者），且所有数据均来自单一机构，可能限制了结果的泛化能力	评估不同自动分割算法在头颈部淋巴结CT图像分割中的准确性和临床实用性	头颈部癌症患者的双侧选择性淋巴结（CTVn）	计算机视觉	头颈部癌症	CT成像	深度学习模型	CT图像	69例头颈部癌症患者（10例用于图谱库，49例用于训练，20例用于测试）	NA	NA	Dice相似系数, 95% Hausdorff距离	NA
3625	2026-04-01	Efficient segmentation using domain adaptation for MRI-guided and CBCT-guided online adaptive radiotherapy 2023-11, Radiotherapy and oncology : journal of the European Society for Therapeutic Radiology and Oncology IF:4.9Q1 DOI:10.1016/j.radonc.2023.109871 PMID:37634767	研究论文	本研究开发了基于域适应的高效分割方法，用于MRI引导和CBCT引导的在线自适应放疗	设计了两种域适应方法，将计划CT的特征学习并适应到MRI或CBCT模态，并通过个性化建模提高分割准确性	NA	开发高效的分割方法以改进自适应放疗中的ROI勾画	前列腺癌患者、鼻咽癌患者和胰腺癌患者的医学影像数据	数字病理	前列腺癌, 鼻咽癌, 胰腺癌	MRI, CBCT, CT, 域适应	深度学习模型	医学影像（MRI, CBCT, CT）	242名前列腺癌患者（MRIgART），530名鼻咽癌患者（CBCTgART），35名胰腺癌患者（公共CBCT数据集）	NA	NA	Dice相似系数（DSC）	NA
3626	2026-04-01	PK-RNN-V E: A deep learning model approach to vancomycin therapeutic drug monitoring using electronic health record data 2022-09, Journal of biomedical informatics IF:4.0Q2 DOI:10.1016/j.jbi.2022.104166 PMID:35985620	研究论文	本文提出了一种基于深度学习的万古霉素药代动力学预测模型（PK-RNN-V E），利用大规模电子健康记录数据进行治疗药物监测	利用大型电子健康记录数据集开发深度学习模型，能够处理实时稀疏和不规则观测数据，提供动态预测，相比传统贝叶斯模型具有更优性能	模型仅在特定患者群体（5,483名患者）中开发，可能未涵盖所有真实世界患者多样性	开发用于万古霉素治疗药物监测的深度学习药代动力学预测模型	万古霉素治疗患者	机器学习	NA	电子健康记录数据分析	RNN	电子健康记录数据	5,483名患者，55,336次万古霉素给药	NA	PK-RNN-V E	均方根误差	NA
3627	2026-04-01	Prediction of age-related macular degeneration disease using a sequential deep learning approach on longitudinal SD-OCT imaging biomarkers 2020-09-22, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-020-72359-y PMID:32963300	研究论文	提出一种名为“Deep Sequence”的混合序列预测模型，用于基于纵向SD-OCT影像生物标志物预测非渗出性年龄相关性黄斑变性（AMD）眼在未来时间窗内发生渗出的风险	首次将放射组学工程影像特征、人口统计学和视觉因素与递归神经网络（RNN）模型集成在同一平台，以预测AMD眼在短期（3个月内）和长期（21个月内）的渗出风险	在外部真实世界临床数据集上，长期（21个月）预测性能（AUCROC 0.68）相比短期预测明显下降，可能源于数据集差异	预测非渗出性年龄相关性黄斑变性（AMD）眼在未来时间窗内发生渗出的风险	年龄相关性黄斑变性（AMD）患者的眼睛	数字病理学	年龄相关性黄斑变性	SD-OCT成像	RNN	图像	671只AMD对侧眼，包含13,954次观察	NA	Deep Sequence（混合序列模型）	AUCROC	NA
3628	2026-04-01	A robust and interpretable end-to-end deep learning model for cytometry data 2020-09-01, Proceedings of the National Academy of Sciences of the United States of America IF:9.4Q1 DOI:10.1073/pnas.2003026117 PMID:32801215	研究论文	本研究提出并测试了一种用于分析流式细胞术数据的端到端深度卷积神经网络模型，可直接关联原始数据与临床结局	开发了一种端到端的深度学习方法，可直接从原始流式细胞术数据预测临床结局，避免了传统门控方法的信息丢失，并提出了基于置换的模型解释方法	模型在高度异质性的跨研究数据上进行了验证，但未明确说明模型在其他疾病或数据集上的泛化能力	开发一种稳健且可解释的深度学习模型，用于从流式细胞术数据中直接预测临床结局	来自公开ImmPort数据库的九项大规模飞行时间质谱流式细胞术（CyTOF）研究数据	机器学习	巨细胞病毒感染	飞行时间质谱流式细胞术（CyTOF）	CNN	流式细胞术数据	九项大规模CyTOF研究的数据集	Keras, TensorFlow	深度卷积神经网络	NA	NA
3629	2026-04-01	FLImBrush: dynamic visualization of intraoperative free-hand fiber-based fluorescence lifetime imaging 2020-Sep-01, Biomedical optics express IF:2.9Q2 DOI:10.1364/BOE.398357 PMID:33014606	研究论文	本文提出了一种名为FLImBrush的鲁棒方法，用于术中自由手光纤荧光寿命成像的定位和可视化	该方法结合了基于深度学习的图像分割、基于块匹配的运动校正和基于插值的可视化，以解决自由手扫描成像中的组织运动、光照变化和稀疏采样等挑战	NA	开发一种能够准确定位荧光寿命成像点测量并生成可解释、完整可视化数据的方法，以用于术中成像和手术引导	组织表面（特别是头颈手术中的癌症边缘评估）	数字病理	头颈癌	荧光寿命成像	深度学习	图像	NA	NA	NA	NA	NA
3630	2026-03-31	Robotic-Arm Assisted Multi-Apical View 3-D Fusion of Echocardiography for Enhanced Left Ventricular Assessment Using Wavelet 2026-May, Ultrasound in medicine & biology DOI:10.1016/j.ultrasmedbio.2026.01.006 PMID:41688231	研究论文	本研究提出了一种结合机器人臂辅助采集和小波变换的多心尖视图融合方法，以提升三维超声心动图中左心室图像质量	创新点在于首次将机器人臂辅助的标准化探头定位与小波变换的多视图融合技术相结合，用于增强三维超声心动图的图像质量和可重复性	研究局限性包括样本量较小且仅基于志愿者扫描，未在临床患者群体中广泛验证，且未来需要探索更多视图和深度学习方法以进一步提升性能	研究目标是提高三维超声心动图对左心室功能的评估准确性和图像质量	研究对象为志愿者通过三维超声心动图采集的左心室图像	医学影像处理	心血管疾病	三维超声心动图，小波变换融合技术	NA	三维超声图像	志愿者扫描（具体数量未在摘要中明确说明）	NA	NA	信噪比，对比噪声比，图像清晰度评分，心肌边界连续性评分，诊断置信度评分	NA
3631	2026-03-31	High diagnostic accuracy of a resnet50-based deep learning model for osteochondral lesions of the talus on magnetic resonance imaging 2026-May-01, Joint diseases and related surgery IF:1.9Q2 DOI:10.52312/jdrs.2026.2719 PMID:41906849	研究论文	本研究评估了基于ResNet50的卷积神经网络在磁共振成像上检测距骨骨软骨病变的诊断性能，并比较了其在T1和T2加权序列间的效能	首次应用ResNet50模型于距骨骨软骨病变的MRI诊断，并系统比较了T1和T2加权序列的诊断准确性差异	数据集规模相对较小（仅219例），且为回顾性研究，可能影响模型泛化能力	评估深度学习模型在距骨骨软骨病变MRI诊断中的性能	距骨骨软骨病变患者的踝关节磁共振成像	计算机视觉	骨关节疾病	磁共振成像	CNN	图像	219例踝关节MRI扫描（60例病变，159例正常）	TensorFlow, Keras	ResNet50	准确率, 精确率, 召回率, F1分数, AUC	NA
3632	2026-03-31	Glucose forecasting and hypoglycemia forewarning in type 1 and type 2 diabetes using deep learning 2026-Apr-17, iScience IF:4.6Q1 DOI:10.1016/j.isci.2026.115294 PMID:41907406	研究论文	本研究开发了一种名为MT-HypoNet的多任务神经网络，用于从连续血糖监测数据中进行实时血糖预测和低血糖预警	提出了一种统计引导的软标签策略以改进低血糖边界附近的检测，并在大规模多中心队列（包括1型和2型糖尿病患者）中进行了验证与前瞻性评估	未明确说明模型在其他糖尿病亚型或特殊人群（如儿童、孕妇）中的适用性，且前瞻性验证样本量相对较小	通过深度学习技术实现精准的血糖预测和低血糖预警，以改善糖尿病管理安全性	1型和2型糖尿病患者	机器学习	糖尿病	连续血糖监测	深度学习神经网络	时间序列数据（连续血糖监测数据）	1,662名患者（多中心队列）和36名围手术期患者（前瞻性验证）	未明确说明	MT-HypoNet（多任务神经网络）	AUC, RMSE	NA
3633	2026-03-31	Toward accurate prediction of pediatric epidemic disease patient volume in the Chaoshan region: A deep learning framework 2026-Apr-17, iScience IF:4.6Q1 DOI:10.1016/j.isci.2026.115211 PMID:41907420	研究论文	本研究开发了一个深度学习框架，用于预测潮汕地区儿科流行病患者的就诊量，基于电子健康记录数据	该框架首次针对潮汕地区的流行病学特征设计，能够学习捕捉本地疫情动态的儿科表征，以满足区域临床预测需求	研究仅基于单一医院的电子健康记录数据，可能未涵盖所有区域流行病学变化，且模型在其他地区的泛化能力未验证	准确预测儿科流行病患者就诊量，以支持有效的预防和个性化治疗策略	潮汕地区的儿科门诊和急诊患者	机器学习	儿科流行病	深度学习	深度学习框架	电子健康记录	278,506例儿科门诊和急诊就诊记录	NA	NA	平均相关系数，均方根误差，平均绝对比例误差	NA
3634	2026-03-31	An Unsupervised Learning Approach for Multimodal Low Back Pain Stratification 2026-Apr-15, Spine IF:2.6Q1 DOI:10.1097/BRS.0000000000005593 PMID:41384355	研究论文	本研究提出了一种新颖的多模态无监督学习框架，用于对腰痛患者进行分层，整合了影像生物标志物和非影像数据	开发了一种结合深度学习提取的影像生物标志物（如椎间盘退变和关节突关节不对称）与吸烟状态、人口统计学及自我报告数据的多模态无监督分层方法	研究为横断面设计，无法确定因果关系；样本来自特定出生队列，可能限制泛化性	开发一个全面的风险分层框架，以改善腰痛患者的个性化护理	腰痛患者，数据来自北芬兰出生队列，包括影像和非影像信息	数字病理学	腰痛	深度学习分析腰椎MRI	深度学习模型	多模态数据（影像、问卷、人口统计学）	北芬兰出生队列的参与者，具体数量未在摘要中明确	NA	NA	准确率, 净收益	NA
3635	2026-03-31	Dual-feature cross-fusion network for precise brain tumor classification: a neurocomputational approach 2026-Apr, The International journal of neuroscience DOI:10.1080/00207454.2025.2565445 PMID:40986620	研究论文	本文提出了一种名为双特征交叉融合网络（DF-CFN）的新型深度学习架构，用于基于MRI数据的脑肿瘤自动分类	提出了一种结合ConvNeXt提取全局上下文特征与浅层CNN及FcaNet提取局部特征的双特征交叉融合网络，通过交叉特征融合机制提升分类性能	未明确说明模型在更广泛或更具挑战性数据集上的泛化能力，也未详细讨论计算复杂度或实时应用可行性	开发一种自动化、高精度的脑肿瘤分类方法，以辅助临床诊断	脑肿瘤MRI图像，包括胶质瘤、脑膜瘤、垂体瘤和非肿瘤类别	计算机视觉	脑肿瘤	磁共振成像（MRI）	CNN	图像	使用Kaggle数据集和FigShare数据集进行训练和验证，具体样本数量未明确说明	未明确说明，可能为PyTorch或TensorFlow	ConvNeXt, 浅层CNN, FcaNet, 双特征交叉融合网络（DF-CFN）	准确率	NA
3636	2026-03-31	Preliminary findings on a deep learning model using electroencephalogram for multi-level neuropathic pain detection in post-stroke patients 2026-Apr, The International journal of neuroscience DOI:10.1080/00207454.2025.2584081 PMID:41199478	研究论文	本研究开发了一种基于脑电图信号的深度学习模型，用于卒中后患者的多级别神经病理性疼痛检测	提出了一种量子启发的金字塔深度可分离残差网络，结合了深度可分离残差网络降低计算复杂度、金字塔注意力机制捕捉多尺度模式以及量子启发变换层建模脑电图特征间复杂非线性依赖关系三大创新点	NA	开发准确且计算高效的多级别神经病理性疼痛检测框架	卒中后患者的脑电图信号	机器学习	卒中	脑电图	深度学习	脑电图信号	NA	NA	量子启发的金字塔深度可分离残差网络	准确率, 召回率	NA
3637	2026-03-31	The role of artificial intelligence in pre-operative prediction of completeness of cytoreduction for peritoneal surface malignancies: a scoping review 2026-Apr, European journal of surgical oncology : the journal of the European Society of Surgical Oncology and the British Association of Surgical Oncology DOI:10.1016/j.ejso.2026.111480 PMID:41740519	综述	本文是一篇范围综述，分析了人工智能在预测腹膜表面恶性肿瘤细胞减灭术完全性方面的应用	首次通过范围综述系统总结了AI在预测细胞减灭术完全性中的应用，并强调了放射组学-临床列线图和深度学习框架（如DeAF）的潜力	可解释性仅限于列线图、特征重要性图或校准分析，未采用现代可解释AI技术；研究数量有限（仅9项）	分析人工智能在预测腹膜表面恶性肿瘤细胞减灭术完全性中的应用	腹膜表面恶性肿瘤患者	数字病理	腹膜表面恶性肿瘤	放射组学，深度学习	深度学习框架，列线图	临床数据，影像数据	NA	NA	DeAF	AUC	NA
3638	2026-03-31	Advancements in artificial intelligence for meibography: clinical utility and contributions to meibomian gland dysfunction management 2026-Apr, Clinical & experimental optometry DOI:10.1080/08164622.2025.2555315 PMID:41083413	综述	本文综述了人工智能在睑板腺成像（meibography）中的最新进展，及其在睑板腺功能障碍诊断与管理中的临床应用	利用深度学习实现更精确的腺体特征提取，如腺体缺失、密度和迂曲度，支持标准化和可重复的临床评估	当前AI模型在区域腺体变异建模有限、数据集多样性不足、缺乏标准化图像质量控制	探索基于AI的睑板腺成像在睑板腺功能障碍诊断与管理中的临床效用	睑板腺结构与睑板腺功能障碍	计算机视觉	睑板腺功能障碍	meibography	深度学习	图像	NA	NA	NA	NA	NA
3639	2026-03-31	Blueprint for Drug Repurposing Success: Foundational Concepts and Practical Framework 2026-Apr, Drug development research IF:3.5Q2 DOI:10.1002/ddr.70270 PMID:41904819	综述	本文全面分析了药物重定位的传统与计算策略，包括实验方法和人工智能驱动的模型，旨在加速药物发现研究	系统整合了人工智能和机器学习在药物重定位流程中的应用，强调了其在处理大规模数据、提高预测准确性方面的能力	NA	为药物化学家、计算生物学家和药物发现科学家提供加速药物重定位研究的实用框架和资源指南	现有临床评估化合物及其新的治疗应用	自然语言处理, 机器学习	NA	结合亲和力测定、临床数据挖掘、表型筛选、结构基、签名基、通路基、知识基、靶点基策略	深度学习架构, 图神经网络, 知识图谱, 网络药理学框架	大规模数据集, 药物-靶点相互作用数据	NA	NA	NA	预测准确性	NA
3640	2026-03-31	AI-driven drug-target interaction prediction: current progress, challenges, and future roadmap for precision medicine 2026-Mar-31, Journal of computer-aided molecular design IF:3.0Q2 DOI:10.1007/s10822-026-00798-2 PMID:41910880	综述	本文系统回顾了人工智能驱动的药物-靶点相互作用预测的当前进展、挑战及未来在精准医学中的应用路线图	全面整合了从传统计算方法到现代深度学习及多组学混合模型的最新进展，并强调了跨学科整合和伦理框架的重要性	面临数据稀疏性、模型可解释性及泛化能力等关键挑战	探索计算药物-靶点相互作用预测方法，以支持药物发现、开发和重定位	药物-靶点相互作用	机器学习	NA	QSAR, 药效团建模, 分子对接, 结合位点预测, 多组学整合	机器学习, 深度学习, 图神经网络, Transformer	化学, 生物, 组学特征	NA	NA	图神经网络, Transformer	预测准确性	NA