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
4481	2026-02-14	Better Inputs, Better Learning: A Peptide Embedding Tutorial for Proteomic Mass Spectrometry 2026-Feb-06, Journal of proteome research IF:3.8Q1 DOI:10.1021/acs.jproteome.5c00563 PMID:41528974	技术说明	本文介绍了一个关于肽嵌入的教程，通过Google Colab笔记本教授五种不同的肽嵌入策略，旨在帮助研究人员将现代深度学习应用于蛋白质组学工作流	提供了首个专注于肽嵌入准备步骤的全面教育材料，填补了蛋白质组学与深度学习社区之间的知识空白，并通过免费笔记本降低学习门槛	作为技术说明，可能未涵盖所有嵌入方法或深入探讨高级模型细节，且主要面向初学者	教育蛋白质组学研究人员如何为深度学习准备肽数据，特别是通过嵌入策略优化输入表示	肽字符串及其在质谱蛋白质组学中的嵌入表示	机器学习	NA	质谱蛋白质组学，深度学习	NA	肽序列数据	NA	Google Colab	NA	基准比较（未指定具体指标）	Google Colab（云平台）
4482	2026-02-14	MDFNet: a multi-dimensional feature fusion model based on structural magnetic resonance imaging representations for brain age estimation 2026-Feb, Magma (New York, N.Y.) DOI:10.1007/s10334-025-01294-8 PMID:40965801	研究论文	本研究提出了一种基于结构磁共振成像的多维特征融合模型MDFNet，用于提升脑年龄估计的准确性	通过整合全脑、灰质体积组织分割、脑网络节点消息传递、基于边的图路径卷积及人口统计学数据，构建了统一的多维特征融合模型	模型仅在健康受试者和阿尔茨海默病患者中进行验证，未涵盖其他神经退行性疾病或更广泛的人群	开发一种基于结构MRI的脑年龄估计模型，以更好地理解衰老过程及其与神经退行性疾病的关系	健康受试者和阿尔茨海默病患者	医学影像分析	阿尔茨海默病	结构磁共振成像	CNN, GCN, MLP	图像, 图数据, 人口统计学数据	1872名健康受试者（来自四个公共数据集）及一个独立的阿尔茨海默病患者队列	NA	MDFNet（包含WBEC-channel, TEC-channel, nodeGCN-channel, edgeGCN-channel, MLP-channel）	平均绝对误差, 皮尔逊相关系数, 斯皮尔曼等级相关系数	NA
4483	2026-02-14	Comparing guideline adherence and readability: Artificial intelligence with deep learning versus specialized physicians in peripheral artery disease management 2026-Feb, Vascular medicine (London, England) DOI:10.1177/1358863X251386394 PMID:41410030	研究论文	本研究比较了人工智能模型与专科医生在管理外周动脉疾病时对指南的遵循程度和回答的可读性	首次在拉丁美洲背景下，将标准大型语言模型和思维链推理模型与专科医生的临床建议进行直接比较，并评估其指南遵循性和可读性	研究为横断面设计，样本量较小（30名医生和13个AI模型），且仅基于一个标准化病例，可能无法完全反映真实临床实践的复杂性	评估和比较人工智能模型与专科医生在外周动脉疾病管理中的临床建议质量	外周动脉疾病患者的诊断、治疗、风险和预后管理建议	自然语言处理	心血管疾病	大型语言模型，思维链推理	LLM	文本	30名专科医生（11名心脏病专家，19名血管外科医生）和13个LLM系统（10个标准模型，3个思维链模型）	NA	NA	指南遵循性评分，可读性指数（Readability μ），组内相关系数	NA
4484	2026-02-14	Interpreting free-text cardiac catheterisation reports: A machine learning approach informed by focused ethnography 2026-Feb, Nurse education in practice IF:3.3Q1 DOI:10.1016/j.nepr.2026.104715 PMID:41534421	研究论文	本研究通过聚焦民族志方法，开发了一个基于规则的机器学习流程，用于从自由文本心脏导管插入术报告中提取临床相关信息，以支持护理教育和实践	将聚焦民族志的定性洞察与机器学习流程开发相结合，以处理现实世界文档中的上下文和结构不一致性，从而提升自动化信息提取的准确性和适应性	在叙事丰富的部分提取准确率约为50%，表明模型在处理高度自由文本时仍存在局限性	改进从经皮冠状动脉介入治疗文档中提取临床相关信息的方法，以支持护理教育和实践	心脏导管插入术报告，特别是经皮冠状动脉介入治疗的文档	自然语言处理	心血管疾病	聚焦民族志观察、主题分析、规则提取	规则模型、统计主题模型、深度学习模型、大语言模型	文本	4128份去识别化的经皮冠状动脉介入治疗报告	NA	NA	提取准确率	NA
4485	2026-02-14	Geospatial-based estimation of NMHC concentrations through an ensemble stacking Geo-AI algorithm to advance air quality assessment 2026-Feb-01, Journal of hazardous materials IF:12.2Q1 DOI:10.1016/j.jhazmat.2026.141210 PMID:41579651	研究论文	本研究提出了一种集成堆叠Geo-AI算法，用于估算台湾非甲烷烃浓度，以提升空气质量评估	开发了一种集成堆叠模型，结合了五种机器学习算法，显著提升了NMHC浓度估算的预测性能，优于传统统计模型和深度学习模型	监测站点稀疏可能限制模型的空间覆盖和精度，且研究区域仅限于台湾，未考虑全球或其他地区的适用性	通过地理空间框架估算非甲烷烃浓度，以改进空气质量评估和环境监测	台湾地区的非甲烷烃浓度数据	机器学习	NA	地理空间分析，空气质量监测	集成学习，深度学习，机器学习	地理空间数据，时间序列数据	34个监测站点2015年6月至2021年的每日数据，其中最后一年用于外部验证	Scikit-learn, TensorFlow或PyTorch（未明确指定，但基于DNN和机器学习模型推断）	Deep Neural Networks, Extreme Gradient Boosting, Gradient Boosting Regressor, LightGBM Regressor, CatBoost Regressor, Random Forest Regressor	R²	NA
4486	2026-02-14	Liquid metal@lignin-based double layered hydrogel with high stretchable, toughness, adhesion, and conductivity for wearable sensor 2026-Feb, International journal of biological macromolecules IF:7.7Q1 DOI:10.1016/j.ijbiomac.2026.150632 PMID:41621510	研究论文	本文制备了一种基于木质素的双层水凝胶，具有高拉伸性、韧性、粘附性和导电性，适用于可穿戴传感器	利用液态镓作为导电填料，不仅赋予材料高导电性，还显著改善其机械性能，并通过双层结构策略保持水凝胶的粘附性	液态镓的加入导致水凝胶粘附性显著下降	开发用于可穿戴传感器和仿生手控制系统的生物基水凝胶材料	木质素、聚乙烯醇和液态镓基水凝胶复合材料	材料科学	NA	水凝胶制备、深度学习技术	NA	传感器数据	NA	NA	NA	拉伸强度、拉伸率、电导率、回收效率	NA
4487	2026-02-14	Deep learning-guided discovery of IL23/IL23R macromolecular inhibitors: An integrative framework combining virtual screening and experimental validation 2026-Feb, International journal of biological macromolecules IF:7.7Q1 DOI:10.1016/j.ijbiomac.2026.150581 PMID:41611152	研究论文	本研究开发了一个结合深度生成模型、虚拟筛选和实验验证的集成框架，用于发现IL23/IL23R大分子抑制剂	提出了一种新颖的工作流程，首次将基于顺序连接的片段嵌入（SAFE）深度生成模型用于设计新型p19靶向支架，并结合虚拟筛选和实验验证来发现抑制剂	仅对31个候选化合物进行了细胞筛选，样本量相对较小；分子动力学模拟时间为300纳秒，可能无法完全捕捉所有构象变化	发现和表征有效的IL23/IL23R蛋白-蛋白相互作用抑制剂，为慢性炎症性疾病提供新的治疗策略	白细胞介素-23（IL23）及其受体（IL23R）的蛋白-蛋白相互作用界面	机器学习	银屑病	深度生成模型, 虚拟筛选, 分子动力学模拟, 细胞报告基因检测	深度生成模型	分子结构数据, 蛋白质结构数据, 细胞实验数据	31个候选化合物	NA	SAFE（Sequential Attachment-based Fragment Embedding）	RMSD（均方根偏差）	NA
4488	2026-02-14	FDA-Cleared Artificial Intelligence Medical Devices in Orthopaedic Surgery 2026-Feb-01, Journal of the American Academy of Orthopaedic Surgeons. Global research & reviews DOI:e25.00170 PMID:41662601	综述	本文对截至2025年2月美国FDA批准的70种用于骨科手术的人工智能/机器学习医疗设备进行了回顾性分析，评估了其适应症、亚专业、技术架构和商业化情况	首次对FDA批准的骨科AI医疗设备进行全面分析，揭示了其增长趋势、技术演变（深度学习占主导）以及临床验证的不足	分析基于FDA批准数据，可能未涵盖所有临床前研究或国际设备；且为回顾性分析，无法评估设备实际临床效果	分析FDA批准的骨科AI医疗设备的现状、发展趋势及临床验证水平	70种FDA批准的用于骨科手术的人工智能/机器学习医疗设备	数字病理	骨科疾病	深度学习, 机器学习	NA	医疗设备数据, 临床数据	70种设备	NA	NA	NA	NA
4489	2026-02-14	Erratum: Deep learning-based super-resolution method for projection image compression in radiotherapy 2026-Feb-01, Quantitative imaging in medicine and surgery IF:2.9Q2 DOI:10.21037/qims-20252-03 PMID:41669401	correction	本文是对先前发表的一篇关于放疗中投影图像压缩的深度学习超分辨率方法的文章的勘误	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
4490	2026-02-14	Acquisition of Ktrans perfusion parameter maps from DCE-MRI in breast cancer using a deep learning approach 2026-Feb-01, Quantitative imaging in medicine and surgery IF:2.9Q2 DOI:10.21037/qims-2025-930 PMID:41669415	研究论文	本研究提出了一种基于深度学习的 pix2pix 条件生成对抗网络方法，用于从动态对比增强磁共振成像中合成乳腺 Ktrans 灌注参数图	首次采用 pix2pix 条件生成对抗网络结合谱归一化和局部判别器，直接从对比增强磁共振图像合成 Ktrans 灌注图，避免了传统方法计算复杂和动脉输入函数估计困难的问题	未明确说明样本量大小，且合成图像的质量指标（如 PSNR 和 SSIM）仍有提升空间，临床应用的泛化能力需进一步验证	研究深度学习技术是否能够从对比增强磁共振图像合成 Ktrans 灌注参数图，以简化临床诊断流程	乳腺肿瘤的 Ktrans 灌注参数图	医学影像分析	乳腺癌	动态对比增强磁共振成像	条件生成对抗网络	磁共振图像	NA	NA	pix2pix	峰值信噪比, 结构相似性指数, 准确率, 皮尔逊相关系数, Bland-Altman 分析	NA
4491	2026-02-14	Structural and Statistical Knowledge-Enhanced Attention Network for early Parkinson's disease diagnosis 2026-Feb-01, Quantitative imaging in medicine and surgery IF:2.9Q2 DOI:10.21037/qims-2025-1468 PMID:41669428	研究论文	本文提出了一种结构性和统计知识增强的注意力网络（SSKEA-Net），用于早期帕金森病的诊断	提出SSKEA-Net，包含灰白质交互调制模块和统计先验引导注意力模块，有效整合神经影像领域知识以增强诊断性能和临床可解释性	NA	开发一个专门的深度学习框架，有效整合神经影像领域知识，以提升早期帕金森病检测的诊断性能和临床可解释性	早期帕金森病患者	数字病理学	帕金森病	磁共振成像，扩散张量成像	CNN	图像	NA	NA	SSKEA-Net	准确度，阳性预测值，真阳性率，特异性，曲线下面积	NA
4492	2026-02-14	Feasibility of shortening the 18F-FDG Patlak scan time in a high-sensitivity short-axial field-of-view positron emission tomography-computed tomography system for oncological studies using deep learning denoising algorithms 2026-Feb-01, Quantitative imaging in medicine and surgery IF:2.9Q2 DOI:10.21037/qims-2025-1757 PMID:41669422	研究论文	本研究探讨了在高灵敏度短轴视野PET/CT系统中，通过深度学习去噪算法缩短18F-FDG Patlak扫描时间的可行性	结合高灵敏度短轴PET/CT系统与深度学习去噪算法，评估缩短Patlak扫描时间的临床实用性	样本量较小（14例患者），且部分患者因长时间躺卧不适未能完成完整协议	评估缩短18F-FDG Patlak扫描时间在高灵敏度短轴PET/CT系统中的临床可行性	14例接受双时间点18F-FDG注射的肿瘤患者	医学影像分析	肿瘤	18F-FDG PET/CT成像，Patlak动力学分析	深度学习去噪算法	PET/CT图像	14例患者	NA	NA	Bland-Altman分析，Pearson相关系数，偏差，精度误差，曲线下面积	NA
4493	2026-02-14	Optimizing S-detect classification accuracy for BI-RADS 4 breast nodules using multimodal ultrasound parameters 2026-Feb-01, Quantitative imaging in medicine and surgery IF:2.9Q2 DOI:10.21037/qims-2025-1092 PMID:41669442	研究论文	本研究通过整合多模态超声参数优化了基于深度学习的S-detect工具对BI-RADS 4乳腺结节的分类准确性	首次将多模态超声参数（如弹性应变比、血管指数等）与S-detect深度学习工具结合，显著提升了BI-RADS 4乳腺结节的鉴别诊断特异性	单中心回顾性研究设计，未来需要多中心前瞻性研究进一步验证	提高S-detect工具在区分良恶性BI-RADS 4乳腺结节中的诊断准确性	231名被诊断为BI-RADS 4型乳腺结节的女性患者	数字病理学	乳腺癌	多模态超声（包括灰度超声、血流分级、血管阻力指数、钙化、弹性评分、弹性应变比、血管指数等）	深度学习	图像	231例患者	NA	S-detect	敏感性, 特异性, 准确率, ROC曲线, AUC	NA
4494	2026-02-14	Mamba-based brain tumor segmentation of incomplete multi-modal MR images 2026-Feb-01, Quantitative imaging in medicine and surgery IF:2.9Q2 DOI:10.21037/qims-2025-1913 PMID:41669445	研究论文	本文提出了一种基于Mamba的新型融合网络，用于处理模态不完整的多模态MRI图像，以提升脑肿瘤分割的准确性	引入了新颖的Mamba融合网络和跨层级不确定性约束，利用上下文学习机制从低层级数据中捕获全局特征，以应对模态缺失的挑战	NA	提升在模态不完整情况下的脑肿瘤分割性能	多模态磁共振成像中的脑肿瘤	数字病理学	脑肿瘤	磁共振成像	深度学习网络	图像	BraTS2018和BraTS2020数据集	NA	Mamba融合网络	平均Dice相似系数	NA
4495	2026-02-14	Alzheimer's disease prediction algorithm based on hippocampal longitudinal hybrid morphological features 2026-Feb-01, Quantitative imaging in medicine and surgery IF:2.9Q2 DOI:10.21037/qims-2025-377 PMID:41669460	研究论文	本文提出了一种基于海马体纵向混合形态特征的深度学习框架，用于预测阿尔茨海默病的临床进展	开发了一个结合多视图特征融合卷积网络和双向门控循环单元的纵向预测框架，首次充分探索了海马体形态特征的时空相关性，并引入了厚度特征和热核签名来编码海马体形态萎缩特征	研究样本量相对较小（n=221），且仅使用了ADNI数据库的T1加权MRI数据，未在其他独立数据集上进行验证	开发一个能够捕捉海马体形态变化时空相关性的阿尔茨海默病临床进展预测模型	阿尔茨海默病患者的海马体形态变化	数字病理学	阿尔茨海默病	结构磁共振成像	CNN, RNN	三维MRI图像	221名来自阿尔茨海默病神经影像学倡议的受试者	NA	多视图特征融合卷积网络, 双向门控循环单元	均方根误差, 相关系数, 95%置信区间	NA
4496	2026-02-14	Nonlinear inversion model-driven deep learning method for magnetic resonance imaging (MRI) quantitative susceptibility mapping imaging 2026-Feb-01, Quantitative imaging in medicine and surgery IF:2.9Q2 DOI:10.21037/qims-2025-1851 PMID:41669455	研究论文	本文提出了一种结合非线性物理模型与数据驱动正则化的模型驱动深度学习方法（NSIDL），用于磁共振定量磁化率成像，以提高定量精度并抑制伪影	将非线性磁化率反演模型集成到卷积神经网络中，并采用近端梯度下降法求解优化问题，在网络中显式地强制执行偶极子模型数据保真度	未明确提及方法在更广泛疾病类型或更大规模数据集上的泛化能力限制	开发一种模型驱动的深度学习方法，以提升磁共振定量磁化率成像的定量准确性和图像质量，抑制伪影	多方向梯度回波磁共振成像数据集、重建挑战数据集、体内数据以及患有出血、钙化和多发性硬化症的患者数据	医学影像分析	多发性硬化症, 脑出血, 脑钙化	多方向梯度回波磁共振成像	卷积神经网络	磁共振图像	使用了多方向梯度回波MRI数据集进行训练和验证，并利用重建挑战数据集和体内数据进行评估，临床评估涉及出血、钙化和多发性硬化症患者	NA	非线性磁化率反演深度学习模型	拟合斜率, R2, 归一化均方根误差, 高频误差范数, 峰值信噪比	NA
4497	2026-02-14	Histopathologic basis of a deep learning pelvic computed tomography model for prognostic prediction among patients with advanced high-grade serous ovarian carcinoma 2026-Feb-01, Quantitative imaging in medicine and surgery IF:2.9Q2 DOI:10.21037/qims-2025-297 PMID:41669468	研究论文	本研究基于术前CT图像，利用深度学习模型提取高级别浆液性卵巢癌的组织病理学特征，并通过无监督聚类分析验证其与患者预后及风险因素的关联	首次将深度学习模型从CT图像中提取的特征与具体的组织病理学标志物（如P53、P16、Ki-67）及侵袭部位（如网膜、直肠、盆腔壁）进行关联分析，为深度学习模型的“黑箱”输出提供了组织病理学证据，并构建了一个基于聚类的分析框架来识别卵巢癌风险患者	研究为回顾性设计，样本来自三个三级医疗中心，可能存在选择偏倚；深度学习模型的具体架构和特征提取细节未详细说明；未进行外部验证	为基于术前CT的深度学习预后预测模型提供组织病理学证据支持，并构建一个识别卵巢癌风险患者的分析框架	接受根治性肿瘤切除术的高级别浆液性卵巢癌患者	数字病理学	卵巢癌	计算机断层扫描（CT）	深度学习模型	图像	418名患者（中位年龄55岁，IQR 30-77岁）	NA	NA	比值比（OR），置信区间（CI），P值，生存分析	NA
4498	2026-02-14	Diagnostic performance of coronary computed tomography (CT) angiography without electrocardiographic (ECG)-gating: comparison with invasive coronary angiography 2026-Feb-01, Quantitative imaging in medicine and surgery IF:2.9Q2 DOI:10.21037/qims-2025-1338 PMID:41669466	研究论文	本研究评估了非心电图门控冠状动脉CT血管成像（ECG-less CCTA）在诊断阻塞性冠状动脉疾病中的准确性，并与侵入性冠状动脉造影（ICA）作为参考标准进行比较	开发并验证了一种不依赖心电图门控的CCTA协议，通过模拟ECG信号、深度学习重建和运动校正技术，提高了在心律失常、高心率或急诊情况下的可行性	这是一项回顾性单中心研究，样本量相对较小（110名患者），且钙化负担高（Agatston >400）时特异性会降低	评估非心电图门控CCTA在诊断阻塞性冠状动脉疾病中的诊断性能，旨在克服传统CCTA对ECG门控的依赖	疑似冠状动脉疾病的患者	医学影像	心血管疾病	冠状动脉CT血管成像（CCTA），侵入性冠状动脉造影（ICA），深度学习图像重建，运动校正	深度学习模型（TrueFidelity™）	CT图像	110名患者	NA	TrueFidelity™（深度学习重建），SnapShot Freeze 2（运动校正）	敏感性，特异性，阴性预测值（NPV）	NA
4499	2026-02-14	Epicardial and paracardial adipose tissue quantification in short-axis cardiac cine MRI using deep learning 2026-Feb, Magma (New York, N.Y.) DOI:10.1007/s10334-025-01288-6 PMID:40848085	研究论文	本研究开发了一种基于深度学习的神经网络，用于在短轴心脏电影磁共振成像中自动分割和量化心外膜和心旁脂肪组织	提出了一种改进的U-Net架构，集成了多分辨率卷积、运动信息提取、特征融合和双重注意力机制，以利用心脏运动信息提高分割精度	未提及外部验证数据集或跨中心泛化能力评估	开发自动化工具以快速准确地量化心脏周围的脂肪组织，辅助心脏病学临床诊断	心外膜脂肪组织和心旁脂肪组织	计算机视觉	心血管疾病	心脏磁共振成像	深度学习	图像	未明确说明	未明确说明	改进的U-Net	Dice指数, 决定系数	未明确说明
4500	2026-02-14	Deep learning-based classification and internal region stratification of wooden breast in broiler by using ultrasound imaging 2026-Jan-28, Poultry science IF:3.8Q1 DOI:10.1016/j.psj.2026.106534 PMID:41633072	研究论文	本研究利用超声成像结合深度学习技术，对肉鸡木质胸病的严重程度进行分类和内部区域分层	首次通过超声成像结合深度学习实现木质胸病的精确内部区域分层，并量化了不同严重程度下的病理特征空间范围	研究样本仅来自单一品种（Arbor Acres）的雄性肉鸡，且年龄固定（42天），可能限制了结果的普适性	开发一种基于超声成像和深度学习的自动化方法，以替代传统触诊，实现对木质胸病的科学分类和内部结构分层	240只42日龄雄性Arbor Acres肉鸡的胸肉片，根据木质胸病严重程度分为正常、轻度、中度和重度四类	计算机视觉	木质胸病	超声成像、ImageJ阈值二值化、尺度校准	CNN	超声图像	240个鸡胸肉片样本（正常60，轻度60，中度60，重度60）	NA	MobileNetV3, ResNet18, AlexNet	准确率, 精确率, 召回率, F1分数	NA