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
5121	2026-01-30	Comprehensive benchmarking of deep learning approaches for automated astrocyte segmentation in traumatic brain injury 2026-Feb-01, Journal of neuropathology and experimental neurology IF:3.2Q2 DOI:10.1093/jnen/nlaf114 PMID:41144310	研究论文	本文系统评估了多种深度学习架构在创伤性脑损伤中星形胶质细胞自动分割任务上的性能	首次对六种深度学习分割架构与七种常见骨干网络进行系统性组合评估，并建立了专门的星形胶质细胞分割基准测试	数据集规模相对有限（220张图像），且训练数据仅来自单一TBI病例	开发自动化星形胶质细胞分割方法以评估创伤性脑损伤严重程度和进展	GFAP染色的雪貂脑组织图像中的星形胶质细胞	数字病理学	创伤性脑损伤	免疫组织化学染色（GFAP）	CNN	图像	220张手动标注的GFAP染色雪貂脑图像（182张训练，38张测试），涉及18只雪貂	NA	U-Net, U-Net++, FPN, MANet, LinkNet, PSPNet, ResNet50, ResNet101, ResNet152, MobileNetV2, VGG16, VGG19, EfficientNet-b4	Dice系数, IoU, 精确率, 准确率, 特异度, 敏感度	NA
5122	2026-01-30	Constructing a deep learning-assisted smartphone application for intelligent recognition of steak doneness during cooking 2026-Feb, Meat science IF:5.7Q1 DOI:10.1016/j.meatsci.2025.109995 PMID:41241987	研究论文	本研究构建了一个深度学习驱动的智能手机应用，用于在烹饪过程中智能识别牛排熟度	结合深度学习模型与理化性质数据，开发移动端边缘计算应用，实现实时牛排熟度识别	NA	开发智能烹饪设备，提高牛排熟度识别的准确性和实用性	牛排	计算机视觉	NA	图像采集，理化性质分析	CNN	图像	1803张图像（来自601块不同牛排）和153个样本的理化性质数据（来自51块不同牛排）	NA	DenseNet121	准确率	移动优化边缘计算
5123	2026-01-30	Evaluation of trajectory analysis for disease risk assessment: a scoping review 2026-Feb-01, Journal of the American Medical Informatics Association : JAMIA IF:4.7Q1 DOI:10.1093/jamia/ocaf208 PMID:41293989	综述	本文通过范围综述评估了利用纵向电子健康记录进行疾病风险预测的轨迹分析方法的研究特征、模型类型及性能表现	首次对利用患者轨迹进行疾病风险预测的研究进行系统性范围综述，识别了该领域的研究趋势、模型应用差异及性能提升潜力	研究领域尚处于早期阶段，缺乏对初级护理数据集的广泛应用、疾病多样性不足、外部验证有限且临床适用性考虑不充分	评估轨迹分析在疾病风险评估中的应用现状，总结研究特征、模型类型及性能报告情况	使用时间序列电子健康记录识别疾病特征或预测疾病存在的研究	机器学习	心血管疾病	NA	深度学习模型, 统计方法	电子健康记录	62项研究	NA	NA	AUC	NA
5124	2026-01-30	Ensemble transfer learning for classifying physical examinations in GP consultation: a multi-model approach to human-object and human-to-human activity recognition 2026-Feb-01, Journal of the American Medical Informatics Association : JAMIA IF:4.7Q1 DOI:10.1093/jamia/ocaf196 PMID:41299889	研究论文	本研究开发了一种集成迁移学习框架，用于自动分类全科医生咨询中的体格检查活动，区分人-物交互和人-人交互类型	提出了一种结合空间与时间特征分析的多组件集成迁移学习框架，通过融合CNN-LSTM模块与多种预训练网络（EfficientNet-B7、DenseNet-121、Inception-v3），并引入注意力机制优化特征融合，显著提升了分类性能	未明确提及数据集的规模限制、模型在未见环境下的泛化能力或计算资源需求的具体分析	自动分类全科医生咨询中的体格检查活动，以支持远程医疗和诊断研究	全科医生咨询视频中的体格检查活动，包括人-物交互（如血压测量）和人-人交互（如腺体触诊）	计算机视觉	NA	深度学习融合模型，迁移学习	CNN, LSTM	视频	未明确提及具体样本数量，但使用了五折分层视频级交叉验证	未明确指定，但可能基于TensorFlow或PyTorch等深度学习框架	EfficientNet-B7, DenseNet-121, Inception-v3, CNN-LSTM	精确度, 召回率, F1分数, 特异性, Cohen's κ, PR-AUC	未明确提及具体GPU类型或云平台，但使用了预训练网络和迁移学习
5125	2026-01-30	Deep learning based CT grading system for sacroiliitis: a multi-center studydemonstrating superior accuracy and efficiency compared to human readers 2026-Feb, European journal of radiology IF:3.2Q1 DOI:10.1016/j.ejrad.2025.112557 PMID:41330312	研究论文	本研究开发并验证了一种基于深度卷积神经网络的自动化骶髂关节炎分级系统，用于轴型脊柱关节炎的CT图像分析	首次采用3D-ResNet50模型对骶髂关节炎进行自动化CT分级，并在多中心验证中显示出比人类阅片者更高的准确性和效率	对于IV级骶髂关节炎的分级改进未达到统计学显著性（p > 0.05），且模型在更广泛人群中的泛化能力仍需进一步验证	开发并验证一个深度学习模型，用于自动化骶髂关节炎的CT图像分级	轴型脊柱关节炎患者的CT图像	数字病理学	轴型脊柱关节炎	CT成像	CNN	图像	总计1590名患者（包括1341名用于模型开发的axSpA患者，130名内部验证患者，以及249名来自两家三级医院的外部验证患者）	NA	3D-ResNet50	准确率, AUC	NA
5126	2026-01-30	Interpretable fusion deep learning on super-resolution MRI for perineural invasion prediction in pancreatic ductal adenocarcinoma: a multicenter study 2026-Feb, European journal of radiology IF:3.2Q1 DOI:10.1016/j.ejrad.2025.112610 PMID:41418691	研究论文	本研究开发了一种基于超分辨率MRI的可解释融合深度学习模型，用于预测胰腺导管腺癌的术前神经侵犯，并评估其在指导术后预后和治疗决策中的作用	提出了一种融合临床、放射组学和深度迁移学习的可解释模型，用于预测胰腺导管腺癌的神经侵犯，并在多中心研究中验证了其在预后分层和辅助治疗个性化中的价值	研究为回顾性设计，可能存在选择偏倚；模型性能需在前瞻性研究中进一步验证	开发并验证一种基于超分辨率MRI的融合深度学习模型，用于预测胰腺导管腺癌的神经侵犯，以指导术后预后评估和治疗决策	胰腺导管腺癌患者	数字病理学	胰腺癌	超分辨率MRI	深度学习, 机器学习	MRI图像	714名患者（608名用于开发/内部验证，106名来自三个外部中心用于外部验证）	NA	融合临床-放射组学-深度迁移学习模型	AUC	NA
5127	2026-01-30	Accuracy of fully automated iliac artery tortuosity measurements in patients with abdominal aortic aneurysm using deep learning 2026-Feb, European journal of radiology IF:3.2Q1 DOI:10.1016/j.ejrad.2025.112609 PMID:41422647	研究论文	本研究通过深度学习算法PRAEVAorta 2对腹主动脉瘤患者的CT血管造影图像进行髂动脉弯曲度的自动测量，并与手动参考测量进行外部验证	首次在腹主动脉瘤患者中外部验证了基于深度学习的髂动脉弯曲度自动测量工具PRAEVAorta 2的准确性	研究中21.1%的扫描因明显的分割错误被排除，且自动报告仍需经验丰富的观察者进行关键审查	验证深度学习算法在腹主动脉瘤患者髂动脉弯曲度测量中的准确性	腹主动脉瘤患者的CT血管造影图像	数字病理学	腹主动脉瘤	CT血管造影	深度学习	医学图像	270例CTA扫描（最终分析213例）	NA	PRAEVAorta 2	Pearson相关系数, Intraclass Correlation, Bland-Altman分析偏差	NA
5128	2026-01-30	Sex-specific cardiovascular risk prediction using AI-derived epicardial adipose tissue measurements on CT calcium scoring exams 2026-Feb, American journal of preventive cardiology IF:4.3Q1 DOI:10.1016/j.ajpc.2025.101367 PMID:41509672	研究论文	本研究评估了将心外膜脂肪组学特征与冠状动脉钙化评分结合，用于改善女性心血管事件预测的效能	首次在大型队列中验证心外膜脂肪组学特征对女性心血管风险预测的增量价值，并开发了性别特异性模型	随访时间相对较短（平均1.7年），且为回顾性研究设计	提高女性心血管风险预测的准确性和公平性	接受CT钙化评分检查的个体	数字病理学	心血管疾病	CT钙化评分，深度学习分割	深度学习模型	CT图像	40,851名个体（其中49.4%为女性），测试集8,169人	NA	NA	C-index，校准曲线，决策曲线	NA
5129	2026-01-30	[Artificial intelligence in diagnostics-a pathology perspective] 2026-Feb, Pathologie (Heidelberg, Germany) DOI:10.1007/s00292-025-01524-9 PMID:41396309	综述	本文从病理学角度综述了人工智能在诊断中的应用，特别是数字病理学的发展、算法创新及临床实施前景	讨论了从卷积神经网络向Vision Transformer模型的转变，以及基础模型和视觉语言模型在病理学中的新兴应用，强调了多模态数据整合的潜力	指出技术、法律和社会心理障碍仍需克服，以实现广泛的临床采用	探讨人工智能在肿瘤诊断和治疗个性化背景下的应用，以提升病理学诊断的效率和敏感性	数字病理学中的全切片图像和文本数据	数字病理学	肿瘤	数字全切片成像	CNN, Vision Transformer, 基础模型, 视觉语言模型	图像, 文本	NA	NA	Vision Transformer	效率, 敏感性	NA
5130	2026-01-30	Development and validation of a transformer-based deep learning model for predicting distant metastasis in non-small cell lung cancer using 18FDG PET/CT images 2026-Feb, Clinical & translational oncology : official publication of the Federation of Spanish Oncology Societies and of the National Cancer Institute of Mexico IF:2.8Q2 DOI:10.1007/s12094-025-04014-9 PMID:40779149	研究论文	本研究开发并验证了一种结合卷积神经网络和视觉Transformer的混合深度学习模型，用于基于18F-FDG PET/CT图像预测非小细胞肺癌患者的远处转移	首次将CNN与ViT架构结合用于NSCLC远处转移预测，并证明其优于单独使用PET或CT特征以及传统CNN模型（如ResNet 50）	研究为回顾性分析，样本量较小（167例患者），未来需要通过更大规模的前瞻性研究进行验证	预测非小细胞肺癌患者的远处转移，以辅助个性化治疗策略的制定	新诊断且未经治疗的非小细胞肺癌患者	计算机视觉	肺癌	18F-FDG PET/CT成像	CNN, ViT	图像	167例患者	NA	ResNet 50, Vision Transformer	AUC, ROC曲线	NA
5131	2026-01-30	CocoaMoniliaDataSet: A cocoa pod dataset to detect and classify Monilia roreri in real conditions 2026-Feb, Data in brief IF:1.0Q3 DOI:10.1016/j.dib.2025.112447 PMID:41608050	研究论文	本文提出了一个用于检测和分类可可豆荚中Monilia roreri真菌病害的数据集CocoaMoniliaDataSet，以支持计算机视觉应用	首次创建了一个针对可可豆荚Monilia病害的标注图像数据集，涵盖了病害的多个症状阶段，并提供了多种格式的标注以支持目标检测算法训练	数据集仅包含1953张图像，样本规模相对有限，且病害分类基于视觉症状而非完整的生物周期	开发一个用于农业病害检测的计算机视觉数据集，以促进可可豆荚Monilia病害的早期诊断	可可豆荚及其感染Monilia roreri真菌后的症状阶段	计算机视觉	植物真菌病害	数字图像采集与标注	NA	图像	1953张可可豆荚图像，分为四个类别：健康、病害周期1、周期2-3、周期4	NA	NA	NA	NA
5132	2026-01-30	Detection of Acromegaly From Facial Images Using Machine Learning: A Comparison With Clinical Experts 2026-Feb, Journal of the Endocrine Society IF:3.0Q2 DOI:10.1210/jendso/bvaf203 PMID:41608201	研究论文	本研究通过机器学习分析面部图像，验证了其在肢端肥大症检测中的有效性，并与临床专家评估进行了比较	首次在大型、特征明确的队列中，使用基于面部特征预训练的深度学习模型（FaRL）进行肢端肥大症检测，并与多种ImageNet预训练模型及临床专家进行性能对比	样本主要来自瑞典大学医院，可能限制了结果的普适性；且患者中79%已生化控制，可能影响模型对活动性疾病的检测敏感性	开发并验证一种基于面部图像分析的简单、精确的肢端肥大症预筛查方法	155名肢端肥大症患者（79%生化控制）和153名匹配对照的面部图像	计算机视觉	肢端肥大症	智能手机采集面部图像	CNN	图像	308名参与者（155名患者，153名对照）	NA	ResNet50, InceptionV2, DenseNet121, FaRL	AUC, 特异性, 敏感性	NA
5133	2026-01-30	Deep Learning-Based Model for Breast Implant Classification in Ultrasonography: A Multi-Institutional Model Development and Validation Study 2026-Jan-29, Aesthetic surgery journal IF:3.0Q1 DOI:10.1093/asj/sjaf220 PMID:41168671	研究论文	本研究开发了一种基于深度学习的模型，用于在超声图像中分类乳房植入物，以解决患者植入物信息记录不足的问题	首次利用多机构超声图像数据开发深度学习模型，实现乳房植入物的制造商和纹理自动分类，并应用Grad-CAM提升模型可解释性	研究存在局限性，但未在摘要中具体说明	开发可靠的乳房植入物识别方法，以改善临床工作流程和患者护理	乳房植入物的超声图像	计算机视觉	NA	超声成像	深度学习模型	图像	来自2580名患者的4136个乳房植入物的28,712个超声PNG文件	NA	NA	平衡准确度	NA
5134	2026-01-30	A Systematic Review of Applications, Challenges, and Future Trajectories of Artificial Intelligence in Cosmetic Surgery 2026-Jan-29, Aesthetic surgery journal IF:3.0Q1 DOI:10.1093/asj/sjaf238 PMID:41234118	系统综述	本文系统综述了人工智能在整形美容手术中的应用、挑战及未来发展方向	首次遵循PRISMA 2020指南，对2020年至2025年间AI在整形美容手术中的应用进行全面系统综述，并识别了该领域从术前到术后的完整应用谱系	纳入的研究多为早期阶段，缺乏外部验证，数据集异质性高，结局指标不一致，且大多数研究存在中度至严重的偏倚风险	系统评估人工智能在整形美容手术领域的应用现状、面临的挑战以及未来的发展轨迹	应用于整形或美容手术的人工智能、机器学习、深度学习、计算机视觉或大语言模型相关研究	计算机视觉, 自然语言处理, 机器学习	NA	人工智能, 机器学习, 深度学习, 计算机视觉, 大语言模型	NA	NA	从3941条记录中筛选出38项符合纳入标准的研究	NA	NA	NA	NA
5135	2026-01-30	Phase Model-Driven Deep Learning for Robust Phase Correction in High-Throughput NMR-Based Metabolomics 2026-Jan-29, The journal of physical chemistry letters IF:4.8Q1 DOI:10.1021/acs.jpclett.5c03529 PMID:41508827	研究论文	本研究提出了一种结合物理模型与深度学习的相位校正方法PD-RAN，用于高通量NMR代谢组学数据的高效处理	将物理模型驱动的相位特征与残差注意力网络结合，实现了对高维NMR光谱的精确相位校正	未明确说明方法在极端噪声或复杂样本类型下的泛化能力	开发一种适用于高通量NMR代谢组学的鲁棒相位校正方法	NMR光谱数据，包括脑提取物、血浆和尿液样本	机器学习	NA	NMR（核磁共振）	深度学习神经网络	一维NMR光谱（高维数据表示）	包括脑提取物、血浆和尿液等多种代谢组学样本，具体数量未明确	NA	残差注意力网络（Residual Attention Network）	NA	NA
5136	2026-01-30	A Deep Learning-Based Ensemble Model for Automated Nasolabial-Fold Severity Grading 2026-Jan-29, Aesthetic surgery journal IF:3.0Q1 DOI:10.1093/asj/sjaf161 PMID:40798848	研究论文	本研究开发并验证了DeepFold，一种基于深度学习的集成模型，用于自动、客观且临床可解释的鼻唇沟严重程度分级	提出了首个基于深度学习的集成模型DeepFold，用于自动化鼻唇沟严重程度分级，通过集成策略减少预测方差并增强模型鲁棒性	数据集主要来自临床门诊患者和CelebA数据集，可能无法完全代表所有人群；模型性能依赖于三位资深整形外科医生的标注，仍存在主观性	开发并验证一个自动化、客观且临床可解释的鼻唇沟严重程度分级模型	鼻唇沟严重程度	计算机视觉	NA	深度学习	CNN	图像	6718张面部图像（1718张来自临床门诊患者，5000张来自CelebA数据集）	PyTorch	ResNet-50, SeResNet-50	准确率, F1分数, 混淆矩阵分析	NA
5137	2026-01-30	Decoding Allosteric Inhibition in MALT1: The Hidden Role of Conformational Plasticity in Metastable States via Biased MD and Deep Learning 2026-Jan-29, The journal of physical chemistry. B DOI:10.1021/acs.jpcb.5c07665 PMID:41557786	研究论文	本研究通过偏置分子动力学模拟、神经网络等机器学习技术及对接计算，揭示了MALT1蛋白在变构抑制过程中的复杂构象行为	首次结合偏置分子动力学、深度学习及对接计算，系统研究了MALT1蛋白的变构抑制机制，特别是Loop 1和3运动对催化位点空腔体积的影响	研究基于小鼠MALT1构建体（与人类MALT1有93%同源性），结果推广至人类MALT1需谨慎	探究MALT1蛋白在变构抑制过程中的构象行为，为计算设计新的MALT1变构抑制剂提供依据	MALT1蛋白（黏膜相关淋巴组织淋巴瘤易位蛋白1）	计算生物学	血液癌症	偏置分子动力学模拟, 对接计算	神经网络	分子动力学模拟数据, 对接数据	NA	NA	NA	NA	NA
5138	2026-01-30	Artificial intelligence revolution in shoulder magnetic resonance imaging: current evidence and future directions for rotator cuff diagnosis 2026-Jan-29, Clinics in shoulder and elbow IF:1.8Q2 DOI:10.5397/cise.2025.00990 PMID:41605224	综述	本文综述了人工智能在肩关节磁共振成像中用于诊断肩袖撕裂的当前证据与未来方向	系统回顾了2019年以来AI在肩关节MRI中用于肩袖撕裂检测、分类、分割和报告的最新应用，并特别探讨了深度学习和大语言模型（LLMs）的潜力	现有证据受限于有限的外部验证、数据集异质性以及缺乏监管批准，尚无完全自动化的诊断系统获得FDA许可	评估人工智能在肩关节磁共振成像中诊断肩袖撕裂的准确性、效率及临床应用潜力	应用于肩关节MRI的AI研究，特别是针对肩袖撕裂的检测、分类、分割或报告	医学影像分析	肩袖撕裂	磁共振成像	深度学习, 卷积神经网络, 大语言模型	图像, 文本	从732条记录中筛选，最终纳入19项研究进行综述	NA	VGG, 卷积神经网络	准确率, 灵敏度, 特异性	NA
5139	2026-01-30	Refining deep learning segmentation in gallium-68-prostate-specific membrane antigen-11 positron emission tomography: evaluation of small lesion filtering and intersection-over-union thresholds 2026-Jan-29, Nuclear medicine communications IF:1.3Q3 DOI:10.1097/MNM.0000000000002114 PMID:41607277	研究论文	本文评估了在Ga-68-PSMA-11 PET图像中，小病灶过滤和不同IoU阈值对深度学习分割性能的影响	通过评估小病灶过滤和IoU阈值对分割性能的影响，优化了深度学习分割的可靠性，特别是在定量评估方面	需要多中心研究和更大数据集进行进一步验证以确保结果的普适性	评估小病灶过滤和不同IoU阈值如何影响前列腺癌Ga-68-PSMA-11 PET图像的深度学习分割	前列腺癌患者的Ga-68-PSMA-11 PET图像	数字病理学	前列腺癌	Ga-68-PSMA-11 PET成像	CNN	图像	115例患者扫描	NA	3D U-Net	Dice系数, 精确度, 灵敏度, 阳性预测值	NA
5140	2026-01-30	MetalloDock: Decoding Metalloprotein-Ligand Interactions via Physics-Aware Deep Learning for Metalloprotein Drug Discovery 2026-Jan-28, Journal of the American Chemical Society IF:14.4Q1 DOI:10.1021/jacs.5c15876 PMID:41527511	研究论文	本文提出了首个专门为金属蛋白靶点设计的深度学习对接框架MetalloDock，用于精确预测金属蛋白-配体相互作用	创新性地将自回归空间解码引擎与物理约束的几何生成范式相结合，能精确重建金属配位几何并准确捕获金属-配体相互作用	NA	加速金属蛋白靶向药物发现，为金属蛋白特异性对接算法提供标准化评估框架	金属蛋白-配体相互作用	机器学习	前列腺癌	深度学习	深度学习模型	蛋白质-配体复合物结构数据	NA	NA	自回归空间解码引擎	对接成功率,虚拟筛选性能	NA