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
361	2026-02-14	Identification and validation of γ-Linolenic acid as a natural FABP5 inhibitor in hepatocellular carcinoma through deep learning and experimental approaches 2026, Frontiers in immunology IF:5.7Q1 DOI:10.3389/fimmu.2026.1700347 PMID:41685317	研究论文	本研究通过深度学习与实验方法相结合，识别并验证了γ-亚麻酸作为肝细胞癌中天然FABP5抑制剂的作用	整合了机器学习虚拟筛选、分子对接与分子动力学模拟，以深度学习指导天然化合物筛选，并实验验证了γ-亚麻酸作为FABP5抑制剂的抗肿瘤活性	NA	识别并验证天然FABP5抑制剂，以开发肝细胞癌的潜在治疗化合物	肝细胞癌细胞系	机器学习	肝细胞癌	虚拟筛选, 分子对接, 分子动力学模拟, 体外实验	深度学习	化学化合物数据, 细胞实验数据	NA	NA	NA	NA	NA
362	2026-02-13	Multimodal deep learning to predict postoperative major adverse cardiac and cerebrovascular events after non-cardiac surgery - correspondence 2025-Dec-05, International journal of surgery (London, England) DOI:10.1097/JS9.0000000000004261 PMID:41677095	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
363	2026-02-14	Artificial Intelligence in The Diagnosis, Treatment, and Prognostication in Endodontics: A Comprehensive Literature Review 2025-Dec, European endodontic journal IF:1.6Q3 DOI:10.14744/eej.2025.83788 PMID:41685843	综述	本文对人工智能在牙髓病学中诊断、治疗和预后预测的应用进行了全面综述	系统总结了2016年至2025年间AI在牙髓病学的三大应用领域（诊断、治疗、预后），并分析了现有局限性	面临大数据集需求、高成本以及缺乏自主开发能力等限制	综述人工智能在牙髓病学中优化诊断、支持临床决策和预测治疗结果的应用	牙髓病学中的诊断、治疗和预后预测	计算机视觉	牙髓病	放射影像、锥形束计算机断层扫描	CNN	图像	基于51篇纳入文章，未明确总样本量	NA	Diagnocat	准确率	NA
364	2026-02-14	DART-Net: A Novel Deep Learning Framework for Precise Radiotherapy Planning with Automated Multiorgan Segmentation and RTSTRUCT Generation 2025 Oct-Dec, Journal of medical physics IF:0.7Q4 DOI:10.4103/jmp.jmp_238_25 PMID:41684493	研究论文	本文提出了一种名为DART-Net的新型深度学习框架，用于精确放疗计划，实现自动化多器官分割和RTSTRUCT生成	首次将双编码器架构、注意力机制和残差连接统一，用于盆腔器官的自动化分割和直接RTSTRUCT生成，解决了现有方法在复杂解剖边界和临床工作流集成方面的不足	研究仅基于125例专家标注的盆腔CT扫描，样本量相对有限，且未明确讨论模型在其他解剖区域或不同成像模态下的泛化能力	开发一个深度学习框架以自动化放疗计划中的器官分割和RTSTRUCT文件生成，减少临床时间消耗和观察者间变异性	盆腔器官（膀胱、前列腺、直肠）的CT图像分割	数字病理	前列腺癌	CT成像	CNN	图像	125例专家标注的盆腔CT扫描	NA	DART-Net（双注意力残差技术网络）	Dice相似系数, Hausdorff距离	NA
365	2026-02-14	Uncertain Feature-refinement Attention Unet: Considering Suitable Convolutional Neural Network Model for Real-time Segmentation in Markerless Tumor Tracking 2025 Oct-Dec, Journal of medical physics IF:0.7Q4 DOI:10.4103/jmp.jmp_112_25 PMID:41684490	研究论文	本研究提出了一种名为UFA-Unet的卷积神经网络模型，用于无标记肿瘤跟踪中的实时分割，以应对噪声和解剖变化引起的领域偏移问题	开发了UFA-Unet模型，通过不确定特征细化注意力机制抑制过激活，提高了在领域分布偏移下的分割准确性和鲁棒性	模型在仅使用单次呼气相位（T50）的4DCT数据进行训练，并在动态体模XF图像上评估，可能未覆盖所有呼吸相位变化	开发适用于实时无标记肿瘤跟踪的卷积神经网络分割模型	肺癌病例的数字化重建放射影像和千伏X射线荧光图像	计算机视觉	肺癌	4DCT, X射线荧光成像	CNN	图像	10例肺癌病例，每例包含两个数据集（首次计划和二次计划），以及动态体模图像	NA	UFA-Unet, U-Net, Attention-Unet, Swin-Unet	3D误差（95百分位数）	NA
366	2026-02-14	Application and Optimization of Lee Filter for Segmentation of Benign Tumor in Breast Ultrasound Images 2025 Oct-Dec, Journal of medical physics IF:0.7Q4 DOI:10.4103/jmp.jmp_131_25 PMID:41684505	研究论文	本研究通过优化Lee滤波器的窗口尺寸来减少乳腺超声图像中的斑点噪声，并利用U-Net模型评估良性肿瘤分割性能	优化Lee滤波器的窗口尺寸以提升乳腺超声图像中斑点噪声的抑制效果，并系统评估不同窗口尺寸对深度学习分割模型性能的影响	研究仅针对良性肿瘤图像，且噪声强度固定为0.05，未考虑其他类型肿瘤或不同噪声水平的情况	优化Lee滤波器在乳腺超声图像斑点噪声去除中的应用，以提高深度学习模型的分割准确性	乳腺超声图像中的良性肿瘤	计算机视觉	乳腺癌	超声成像	U-Net	图像	未明确说明样本数量，仅提及使用良性肿瘤图像	未明确说明	U-Net	IoU, PSNR, UQI	NA
367	2026-02-14	Automatic quantitative analysis of atherosclerotic aortic plaques in patients with embolic cerebral infarction using deep learning 2025-09, The Korean journal of internal medicine DOI:10.3904/kjim.2024.360 PMID:40859808	研究论文	本研究开发了一种基于U-net的自动斑块分割模型，用于分析经食管超声心动图（TEE）图像中的动脉粥样硬化主动脉斑块，并评估其在预测复杂斑块和心血管事件中的临床价值	首次将U-net深度学习模型应用于TEE图像的自动斑块分割，以量化主动脉斑块面积（APA）和斑块比例（APR），并探索其在预测复杂主动脉斑块和心血管事件中的潜力	U-net模型估计的APA或APR在预测主要不良心脑血管事件方面未显示出额外价值，可能需要结合斑块的其他特征（如活动性和形态）进行更全面的定量分析	开发自动斑块分割模型并评估其在不明原因栓塞性脑卒中（ESUS）患者中的临床实用性	来自心血管中心的患者TEE主动脉图像，包括711名因各种原因就诊的患者和ESUS患者临床数据集	数字病理学	心血管疾病	经食管超声心动图（TEE）	CNN	图像	711名患者的TEE主动脉图像数据集，以及来自三个心血管中心的ESUS患者临床数据集	NA	U-net	平均交并比（IoU）	NA
368	2026-02-14	Multicenter Evaluation of Interpretable AI for Coronary Artery Disease Diagnosis from PET Biomarkers 2025-Jun-30, medRxiv : the preprint server for health sciences DOI:10.1101/2025.06.19.25329944 PMID:40630571	研究论文	本研究开发了一种集成PET/CT心肌灌注成像关键临床参数的人工智能模型，用于提高阻塞性冠状动脉疾病的诊断准确性	首次开发了一个集成多种PET成像生物标志物（包括冠状动脉钙化评分、心肌血流和灌注参数）的AI模型，并通过多中心外部验证展示了其优于传统定量分析和临床评分的诊断性能	研究为回顾性设计，且仅纳入在180天内接受侵入性冠状动脉造影的患者，可能存在选择偏倚	提高阻塞性冠状动脉疾病的诊断准确性	接受心脏PET/CT检查的患者	数字病理学	心血管疾病	PET/CT心肌灌注成像	XGBoost, 深度学习	医学影像（PET/CT图像）及临床参数	总队列17,348名患者，其中1,664名纳入研究（训练集386名，外部测试集1,278名）	NA	NA	AUC	NA
369	2026-02-14	In-Silico Predictions of Drug Resistance in Lung Cancers With EGFR Mutation 2025-Jun, Proceedings of the Platform for Advanced Scientific Computing Conference DOI:10.1145/3732775.3733588 PMID:41669100	研究论文	本文提出了一种利用高性能计算资源预测EGFR突变肺癌中耐药机制的计算工作流程	整合了深度学习结构预测、分子动力学模拟、分子对接和结合预测等多种计算方法，并探索了量子化学计算作为实验验证的补充工具	NA	预测肺癌中由EGFR突变引起的耐药机制，并为治疗策略提供替代方案	EGFR突变的肺癌	计算生物学	肺癌	深度学习结构预测、分子动力学模拟、分子对接、量子化学计算	深度学习模型	分子结构数据、化合物数据	NA	NA	NA	NA	高性能计算资源
370	2026-02-14	From situational interest and state curiosity to personal interest: developmental pathways and underlying mechanisms 2025, Frontiers in psychology IF:2.6Q2 DOI:10.3389/fpsyg.2025.1700208 PMID:41473513	综述	本文综述了从情境兴趣和状态好奇心到个人兴趣的发展路径及其核心机制	整合教育心理学、认知神经科学和动机科学的视角，提出了两条个人兴趣发展的整合框架，并强调奖励处理作为核心机制	NA	探讨短暂动机状态（如情境兴趣和状态好奇心）如何发展为稳定的个人兴趣	个人兴趣的发展路径和机制	教育心理学	NA	NA	NA	NA	NA	NA	NA	NA	NA
371	2026-02-14	A computational validation for the health concept maturity levels questionnaire 2025, Frontiers in psychology IF:2.6Q2 DOI:10.3389/fpsyg.2025.1555014 PMID:41669151	研究论文	本研究开发了健康概念成熟度水平网格和问卷，并利用机器学习和深度学习模型验证其计算语义效度	引入计算语义效度作为传统心理测量验证的新颖补充方法，通过机器学习技术展示专家话语与问卷结构的语义对齐	“程序性”和“需求”因素之间存在重叠，表明健康概念成熟度水平模型需要改进	评估健康概念成熟度水平，验证健康概念成熟度水平问卷的计算语义效度	健康概念成熟度水平专家干预的言语行为，以及健康概念成熟度水平问卷项目	自然语言处理	NA	言语行为标注，机器学习和深度学习建模	CatBoost算法，神经网络	文本	NA	CatBoost	神经网络	敏感性	NA
372	2026-02-14	Residual-SwishNet: a deep learning-based approach for reliable lung cancer classification 2025, Frontiers in oncology IF:3.5Q2 DOI:10.3389/fonc.2025.1729021 PMID:41669256	研究论文	提出一种名为Residual-SwishNet的深度学习模型，用于提高肺癌分类的准确性和泛化能力	在ResNet50框架中，将传统的ReLU激活函数替换为Swish，并在分类模块前集成三个额外的密集层，以增强特征表示	未提及模型在更大或更多样化数据集上的泛化能力，以及计算资源需求的具体分析	开发一种准确且可靠的肺癌分类方法，以改善早期诊断和患者预后	肺癌分类任务，基于公开的医学影像数据集	计算机视觉	肺癌	深度学习	CNN	图像	两个公开数据集：LUNA16和IQ-OTH/NCCD	PyTorch	ResNet50	准确率, 精确率, 召回率, F1分数	NA
373	2026-02-14	A deep learning architecture for leaf water potential prediction in Populus euramericana 'I-214' from hyperspectral reflectance 2025, Frontiers in plant science IF:4.1Q1 DOI:10.3389/fpls.2025.1709473 PMID:41669633	研究论文	本文提出了一种深度学习框架CIDL，用于从高光谱反射数据中预测杨树叶片水势，以解决传统测量方法的破坏性和耗时问题	集成条件生成对抗网络（CGAN）平衡数据分布，结合Inception-ResNet与ACmix的特征提取器捕获局部和全局光谱特征，并引入分布感知回归网络（DARN）显式建模目标变量分布，提升预测可靠性	研究基于杨树特定品种的脱水实验数据，样本量相对较小（229个实测样本），可能限制模型在其他树种或环境条件下的泛化能力	开发一种非破坏性、高精度的叶片水势预测方法，以支持森林干旱胁迫监测和智能林业管理	欧洲黑杨'I-214'品种的年轻树木叶片	计算机视觉	NA	高光谱反射测量	CGAN, CNN	高光谱图像	229个实测叶片水势与高光谱反射配对样本，另通过CGAN生成500个合成样本用于增强	NA	Inception-ResNet, ACmix	R², RMSE	NA
374	2026-02-14	Integrating Direct Observation of Procedural Skills as a workplace‑based assessment tool for residents working in an intensive care unit 2025, African journal of thoracic and critical care medicine DOI:10.7196/AJTCCM.2025.v31i4.3120 PMID:41685281	研究论文	本研究评估了将直接观察程序技能作为一种基于工作场所的评估工具，用于重症监护室住院医师的超声引导中心静脉导管置入培训	首次在重症监护室环境中将DOPS系统性地应用于住院医师的超声引导中心静脉导管置入技能评估，并采用混合方法研究设计和Pendleton模型进行结构化反馈	样本量较小（25名住院医师），研究范围仅限于单一医疗中心的特定操作技能评估	评估DOPS作为基于工作场所的形成性评估工具在重症监护室住院医师培训中的有效性和可接受性	重症监护室的住院医师（注册医师）及其超声引导中心静脉导管置入技能	医学教育	NA	直接观察程序技能评估，超声引导技术	NA	评估分数，问卷调查反馈	25名住院医师	NA	NA	满意度指数，统计显著性（p值）	NA
375	2026-02-14	Advancements in computer vision and pathology: Unraveling the potential of artificial intelligence for precision diagnosis and beyond 2024, Advances in cancer research DOI:10.1016/bs.acr.2024.05.006 PMID:39032956	综述	本章探讨了计算机视觉与人工智能在病理学领域的整合及其对精准诊断和自动化工作流程的变革潜力	系统阐述了AI驱动的计算机视觉如何通过深度学习架构（如CNN和U-Net）增强病理诊断能力，并提出了跨学科协作的必要性	承认AI在病理学应用中的技术、实践和伦理限制，包括开发与实施过程中的挑战	分析人工智能与计算机视觉在数字病理学中的整合潜力，以提升诊断精度和工作效率	数字病理切片图像及其自动化分析流程	数字病理学	NA	切片数字化	CNN, U-Net	图像	NA	NA	CNN, U-Net	NA	NA
376	2026-02-14	Deep learning-based multimodal spatial transcriptomics analysis for cancer 2024, Advances in cancer research DOI:10.1016/bs.acr.2024.08.001 PMID:39271260	书籍章节	本章探讨了深度学习与多模态空间转录组学在癌症研究中的整合，以推进癌症诊断、治疗规划和精准医学	整合深度学习与多模态空间转录组学，提供对肿瘤生物学前所未有的洞察，实现更精确和个性化的肿瘤学方法	NA	推进癌症诊断、治疗规划和精准医学	癌症研究，特别是肿瘤生物学、诊断和治疗	数字病理学	癌症	空间转录组学	CNN	多模态数据（包括基因组、蛋白质组、影像和临床数据）	NA	NA	NA	NA	NA
377	2026-02-14	Update on Lung Cancer Screening Guideline 2023-Nov, Thoracic surgery clinics IF:1.1Q3 DOI:10.1016/j.thorsurg.2023.04.002 PMID:37806735	综述	本文更新了肺癌筛查指南，并讨论了当前存在的种族/民族和性别差异	强调了2021年指南扩展后仍存在的筛查资格差异，并提出了风险预测模型、生物标志物和深度学习作为改进筛查选择的方法	未提供具体数据或模型验证结果，主要基于现有指南和观察性差异的讨论	更新肺癌筛查指南并探讨如何通过新技术减少筛查资格的不平等	符合年龄和吸烟史标准的个体，特别是高风险种族少数群体和女性	数字病理学	肺癌	NA	深度学习	NA	NA	NA	NA	NA	NA
378	2026-02-14	Deep 3D Neural Network for Brain Structures Segmentation Using Self-Attention Modules in MRI Images 2022-Mar-27, Sensors (Basel, Switzerland) DOI:10.3390/s22072559 PMID:35408173	研究论文	本文提出了一种结合局部特征与全局上下文的自注意力深度学习模型，用于MRI图像中的脑结构分割	首次在3D脑结构分割中集成自注意力模块以捕获全局上下文，并实现了对37个脑结构的分割，这是使用注意力机制的3D方法中分割结构数量最多的工作	模型仅在Mindboggle-101数据集上进行训练和评估，未在其他多样化的医学影像数据集上验证泛化能力	开发一种能够更精确、更快速地进行脑结构分割的深度学习模型	MRI图像中的脑结构	医学图像分割	NA	磁共振成像（MRI）	CNN, 自注意力模块	三维（3D）MRI图像块	Mindboggle-101数据集	NA	基于UNet的架构，包含无池化操作的CNN层和自注意力模块	平均Dice分数	NA
379	2026-02-14	Combating data incompetence in pollen images detection and classification for pollinosis prevention 2022-01, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2021.105064 PMID:34861642	研究论文	本文提出了一种用于花粉图像检测和分类的新型开放数据集，并研究了在小数据情况下的学习方法，包括检测任务中的贝叶斯RetinaNet网络和分类任务中的生成对抗网络预训练及少样本学习	提出了一个针对检测和分类任务的新型开放花粉数据集，并引入了贝叶斯RetinaNet网络来建模随机不确定性，同时在分类任务中探索了基于生成对抗网络（StyleGAN和自注意力GAN）的合成图像预训练方法	数据集规模相对较小，仅包含13种花粉植物物种，可能限制了模型的泛化能力	通过深度学习技术自动识别花粉图像，以预防和治疗花粉症症状	花粉图像	计算机视觉	花粉症	图像识别	CNN, GAN, Siamese神经网络	图像	13种花粉植物物种的图像数据集	NA	RetinaNet, StyleGAN, Self-attention GAN	平均精度均值, F值	NA
380	2026-02-14	A deep learning model for pediatric patient risk stratification 2019-10-01, The American journal of managed care PMID:31622071	研究论文	本研究开发了一种基于深度学习的模型，用于分析儿科患者的临床和财务数据，以预测住院风险并进行风险分层	采用无监督的深度学习Skip-Gram方法进行预测建模，无需人工输入，相比传统模型在住院风险预测中表现更优	研究仅基于医疗索赔数据，可能未涵盖所有临床因素；样本局限于特定儿科责任医疗组织成员	比较深度学习与传统风险预测模型在儿科患者住院风险预测中的性能	112,641名儿科责任医疗组织成员的医疗索赔数据	机器学习	儿科疾病	医疗索赔数据分析	深度学习	医疗索赔数据	112,641名儿科患者	NA	Skip-Gram	AUC	NA