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	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
5122	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
5123	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
5124	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
5125	2026-01-30	Coronary artery segmentation in non-contrast cardiac CT using anatomy-informed contrastive learning and synthetic data 2026-Jan-28, Physics in medicine and biology IF:3.3Q1 DOI:10.1088/1361-6560/ae387c PMID:41534216	研究论文	本研究提出了一种基于合成数据和对比学习的深度学习方法，用于从非对比心脏CT图像中自动分割冠状动脉	提出了一个完全在合成数据上训练的深度学习框架，并引入了一种基于解剖学先验的体素级对比学习策略，以区分冠状动脉和视觉相似的背景结构	模型仅在合成数据上训练，未使用真实世界的标注数据，其性能可能受合成数据与真实数据之间域差异的影响	开发一种无需人工标注即可从非对比心脏CT图像中准确分割冠状动脉的方法，以支持大规模冠状动脉疾病筛查	非对比心脏CT图像中的冠状动脉	数字病理学	心血管疾病	非对比心脏CT成像	深度学习	医学图像	未明确指定具体样本数量，但使用了大规模合成NCCT数据集以及一个公共NCCT数据集和一个内部临床数据集进行评估	未明确指定	未明确指定	未明确指定具体指标，但通过与最先进的无监督和域适应方法比较来评估性能	NA
5126	2026-01-30	Multi-window temporal analysis for enhanced arrhythmia classification: leveraging long-range dependencies in electrocardiogram signals 2026-Jan-28, Physiological measurement IF:2.3Q3 DOI:10.1088/1361-6579/ae3937 PMID:41539004	研究论文	本文提出了一种基于结构化状态空间模型（S4）的深度学习架构S4ECG，通过联合分析长达2分钟的多段连续心电图窗口，以捕获长程时间依赖性，从而提升心律失常分类的准确性和跨数据集鲁棒性	引入了多窗口时间分析框架，利用S4模型捕获心电图信号中的长程依赖关系，显著提高了心房颤动等心律失常检测的特异性并降低了假阳性率	未明确说明模型在实时临床环境中的部署可行性或计算效率，且最优诊断窗口（10-20分钟）可能受特定数据集限制	通过捕获心电图信号中的长程时间依赖性，提升心律失常分类的准确性和跨数据集泛化能力	心电图信号，特别是用于检测心房颤动、心房扑动等多类心律失常	机器学习	心血管疾病	心电图信号分析	结构化状态空间模型（S4）	心电图信号	基于四个公开数据库进行评估，具体样本数量未在摘要中明确说明	NA	S4（结构化状态空间模型）	宏平均受试者工作特征曲线下面积，特异性，敏感性	NA
5127	2026-01-30	ATRNet-STAR: A Large Dataset and Benchmark Towards Remote Sensing Object Recognition in the Wild 2026-Jan-28, IEEE transactions on pattern analysis and machine intelligence IF:20.8Q1 DOI:10.1109/TPAMI.2026.3658649 PMID:41605166	研究论文	本文介绍了ATRNet-STAR数据集，这是一个用于合成孔径雷达自动目标识别的大规模、高质量数据集，并基于该数据集进行了广泛的基准测试	提出了首个大规模、多样化的合成孔径雷达车辆目标识别数据集，包含40种车辆类别和超过19万个标注样本，规模是先前著名数据集的10倍	数据收集成本高昂，且受隐私问题、微波雷达图像感知特性和专业标注需求限制	填补合成孔径雷达自动目标识别领域缺乏大规模公开数据集的空白，推动深度学习技术在该领域的应用	合成孔径雷达图像中的车辆目标，包括40种不同类别	计算机视觉	NA	合成孔径雷达成像	NA	图像	超过190,000个标注样本	NA	NA	NA	NA
5128	2026-01-30	Artificial Intelligence-Based Multi-Stage System for Automated Angle's Classification of Malocclusion from Intraoral Images in Orthodontics 2026-Jan-28, Journal of imaging informatics in medicine DOI:10.1007/s10278-025-01826-7 PMID:41606231	研究论文	本研究提出了一种基于多阶段深度学习流程的系统，用于从口腔内图像自动进行Angle错𬌗畸形分类	开发了一个三阶段自动化流程，仅使用口腔内照片（无需X光片）即可完成分类，并集成了侧向分类、特定侧别的磨牙区域定位和统一的错𬌗分类器	目前仅基于口腔内图像，未来需要整合X光片或3D扫描等多模态数据以进行更全面的正畸诊断	开发一个自动化系统，用于正畸中Angle错𬌗畸形的分类，以减少诊断差异并支持大规模筛查	口腔内咬合图像，特别是侧向咬合图像，要求患者年龄大于6岁且第一磨牙已完全萌出	计算机视觉	错𬌗畸形	深度学习，图像分析	CNN	图像	来自三个正畸中心的8909张侧向口腔内咬合图像，外部验证集包含383张未见过的图像	NA	MolarBBoxNet-R, MolarBBoxNet-L, AngleClassifier-R50	准确率, 敏感性, 特异性	NA
5129	2026-01-30	A comprehensive multi-task deep learning model for kidney cancer: histological subtyping, clinical staging, and anatomical complexity grading 2026-Jan-28, European radiology IF:4.7Q1 DOI:10.1007/s00330-026-12322-z PMID:41606245	研究论文	开发并验证了一种基于多期相增强CT的多任务深度学习模型，用于同时评估恶性肾肿瘤的组织学亚型、临床分期和解剖复杂性分级	提出了一种基于渐进分层提取的多任务深度学习模型，能够同时处理肾肿瘤的多个临床任务，相比单任务模型在临床分期上表现更优，且计算效率显著提升	研究为回顾性设计，且仅包含两个中心的患者数据，可能存在选择偏倚	开发一个能够同时预测恶性肾肿瘤组织学亚型、临床分期和解剖复杂性分级的深度学习模型	恶性肾肿瘤患者及其术前肾脏多期相增强CT图像	计算机视觉	肾癌	多期相增强CT	深度学习	图像	798名患者（中心A: 620例，中心B: 178例）	NA	基于渐进分层提取的多任务深度学习模型	AUC, 决策曲线分析	NA
5130	2026-01-30	Analysis of Upper Airway Morphology Using Four-Dimensional Dynamic MRI With Active Deep Learning-Based Automatic Segmentation 2026-Jan-28, Journal of magnetic resonance imaging : JMRI IF:3.3Q1 DOI:10.1002/jmri.70237 PMID:41607039	研究论文	本研究使用主动学习的nnU-Net模型，在自由呼吸的四维动态MRI上自动分割上气道，并量化分析不同张口状态下的形态学动态变化	首次将主动学习的nnU-Net应用于自由呼吸的四维动态MRI上气道自动分割，减少了手动标注工作量，并系统量化了张口呼吸对上气道形态动态变化的影响	样本量相对有限（84名成人，内部测试集18人），且研究对象均为无阻塞性睡眠呼吸暂停的成年人，结果可能无法推广到OSA患者群体	开发自动分割方法以量化上气道在呼吸过程中的动态形态变化，并探究张口状态、性别及睡眠相关症状对上气道形态的影响	无阻塞性睡眠呼吸暂停的成年人（84人，其中28名男性，56名女性，年龄18-80岁，33人有睡眠相关呼吸症状）	数字病理学	阻塞性睡眠呼吸暂停	自由呼吸时间分辨成像与交错随机轨迹序列（TWIST）的四维动态MRI	nnU-Net	四维动态MRI图像	84名成年人（训练集68人，固定验证集4人，内部测试集18人）	nnU-Net	nnU-Net	Dice系数	NA
5131	2026-01-30	Benchmarking the geographic generalization of deep learning models for precipitation downscaling 2026-Jan-27, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-34557-4 PMID:41593162	研究论文	本文通过RainShift数据集和基准测试，评估了深度学习模型在降水降尺度任务中的地理泛化能力	引入了RainShift数据集和基准，首次系统评估了降尺度模型在地理分布偏移下的泛化性能，并探讨了领域适应等改进策略	模型在分布外区域性能显著下降，即使扩展训练域也难以完全克服地理差异，且高分辨率观测数据在全球分布不均	评估深度学习降水降尺度模型的地理泛化能力，以促进高分辨率气候信息的全球公平获取	地球系统模型（ESM）的输出数据，以及全球不同地理区域的降水观测数据	机器学习	NA	深度学习降尺度	GAN, 扩散模型	气候数据	NA	NA	NA	NA	NA
5132	2026-01-30	Sustainable design of organic solar cells utilized machine and deep learning 2026-Jan-27, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-35067-7 PMID:41593236	研究论文	本研究通过SCAPS-1D模拟和人工智能模型，对有机太阳能电池的结构进行优化和性能预测	结合详细物理模拟与人工智能预测模型（CNN和SVR），优化有机太阳能电池设计并预测其性能，以支持可持续发展目标	模拟基于一维模型，可能未完全反映三维实际器件中的复杂效应；人工智能模型的训练数据来源于模拟结果	优化有机太阳能电池的设计以提高其功率转换效率，并利用人工智能预测性能，推动清洁能源技术的可持续发展	具有ITO/PEDOT:PSS/PBDB-T:IT-M/PFN-Br/Al结构的有机太阳能电池	机器学习	NA	SCAPS-1D太阳能电池模拟器	CNN, SVR	模拟的结构参数与性能数据	NA	NA	卷积神经网络，支持向量回归	预测准确性	NA
5133	2026-01-30	An attention based optimized network for the classification of skin lesions 2026-Jan-26, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-31220-w PMID:41588030	研究论文	提出了一种结合深度学习和优化技术的新型优化网络，用于皮肤病变分类	将RegNetY032模型与改进的分类头作为主干架构，集成软注意力模块以有效识别和优先处理显著病变特征，并采用Harris-Hawks优化算法进行超参数优化	未在摘要中明确说明	开发一种自动化的皮肤病变分类方法，以辅助早期诊断和及时治疗	皮肤病变图像	计算机视觉	皮肤癌	皮肤镜检查	CNN	图像	HAM10000基准数据集	未在摘要中明确说明	RegNetY032	准确率	未在摘要中明确说明
5134	2026-01-30	SpatialDINO: A Self-Supervised 3D Vision Transformer that enables Segmentation and Tracking in Crowded Cellular Environments 2026-Jan-25, bioRxiv : the preprint server for biology DOI:10.64898/2025.12.31.697247 PMID:41509489	研究论文	本文介绍了一种名为SpatialDINO的自监督3D视觉Transformer方法，用于在拥挤的细胞环境中实现分割和跟踪	SpatialDINO是一种完全自动化的自监督方法，基于改进的DINOv2训练原生3D视觉Transformer，无需体素标注或重新训练即可从单通道显微镜图像中生成鲁棒的语义特征图，支持跨成像条件和模态的对象检测与分割	方法在训练时使用了小规模共聚焦体积数据集，可能限制其在更广泛场景下的泛化能力；自监督方法可能对某些特定对象类别的检测精度有限	开发一种自监督的3D视觉Transformer方法，以解决拥挤细胞环境中低对比度、各向异性、单色图像体积中对象识别、分割和跟踪的难题	拥挤细胞内环境中的不同大小和形状的物体，如网格蛋白包被小坑、网格蛋白包被囊泡、内体、溶酶体、细胞质膜、细胞核以及MRI扫描中的肿瘤	计算机视觉	NA	活细胞荧光3D晶格光片显微镜、共聚焦显微镜、MRI扫描	Vision Transformer	3D图像	小规模共聚焦体积数据集，涵盖不同大小和形状的目标	NA	DINOv2（改进版本）	NA	NA
5135	2026-01-26	An efficient dual path deep learning framework for COVID-19 classification using lung CT scans with explainable AI 2026-Jan-24, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-33178-1 PMID:41580460	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
5136	2026-01-30	Machine learning-based models for preoperative prediction of pituitary adenoma consistency: a systematic review and meta-analysis 2026-Jan-24, Acta neurochirurgica IF:1.9Q2 DOI:10.1007/s00701-026-06775-w PMID:41580565	系统综述与荟萃分析	本文通过系统综述和荟萃分析，综合评估了基于机器学习的模型在术前预测垂体腺瘤一致性方面的诊断性能	首次对机器学习模型在术前预测垂体腺瘤一致性方面的诊断性能进行了系统性的定量综合与荟萃分析	需要未来进行多中心研究，采用标准化成像和外部验证以优化临床转化	综合评估基于机器学习的模型在术前预测垂体腺瘤一致性方面的诊断性能	垂体腺瘤患者	机器学习	垂体腺瘤	MRI	Extra Trees, Random Forest, Support Vector Machine, k-Nearest Neighbors, Logistic Regression, Artificial Neural Network, 深度学习混合架构	图像	1621名患者	NA	NA	AUC, 准确率, 灵敏度, 特异度, 诊断比值比	NA
5137	2026-01-30	Deep learning-derived CT body composition enhances survival risk stratification beyond the TNM system in locally advanced gastric cancer: a multi-modality cohort study 2026-Jan-23, International journal of surgery (London, England) DOI:10.1097/JS9.0000000000004835 PMID:41570290	研究论文	本研究利用深度学习模型从CT图像中提取身体成分指标，结合代谢组学和免疫代谢分析，评估其在局部晚期胃癌预后分层中的作用	首次将深度学习衍生的CT身体成分指标与血浆代谢组学和肿瘤免疫代谢特征相结合，揭示了内脏与皮下脂肪比率作为超越TNM分期的预后生物标志物的潜力	回顾性单中心研究，样本量有限，代谢组学和免疫分析仅覆盖部分患者亚组	评估CT身体成分指标在局部晚期胃癌预后分层中的价值，并探索其与代谢和免疫特征的关联	227名接受根治性胃切除术的局部晚期胃癌患者	数字病理学	胃癌	CT成像，质谱分析，免疫组织化学，35色流式细胞术	深度学习	CT图像，血浆代谢组学数据，肿瘤免疫代谢数据	227名患者（其中86名进行血浆代谢组学分析，40名进行肿瘤免疫代谢分析）	NA	UNet++	一致性（r2），风险比，似然比检验，AIC变化值	NA
5138	2026-01-30	Diagnostic Performance of Deep Learning and Radiomics in Extracranial Carotid Plaque Detection: Systematic Review and Meta-Analysis 2026-Jan-22, Journal of medical Internet research IF:5.8Q1 DOI:10.2196/77092 PMID:41570300	系统综述与荟萃分析	本研究通过系统综述和荟萃分析，定量评估了深度学习和影像组学在诊断颅外颈动脉斑块方面的诊断效能	首次对深度学习和影像组学在颅外颈动脉斑块检测中的诊断准确性进行了系统性的定量综合与比较，并建立了标准化的评估框架	研究结果存在高异质性，回归分析未能识别显著的异质性来源，且合格研究数量有限，限制了更全面的亚组分析；缺乏多中心研究和外部验证	定量探索深度学习和影像组学对颅外颈动脉斑块的诊断效能，并建立一个标准化的框架以改进斑块检测	颅外颈动脉斑块	医学影像分析	心血管疾病	影像组学，深度学习	深度学习模型，基于影像组学的机器学习模型	医学影像	40项研究，共17246名患者	NA	NA	敏感性，特异性，SROC曲线下面积	NA
5139	2026-01-30	MS-MDDNet: A Lightweight Deep Learning Framework for Interpretable EEG-Based Diagnosis of Major Depressive Disorder 2026-Jan-22, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics16020363 PMID:41594339	研究论文	本文提出了一种轻量级深度学习框架MS-MDDNet，用于基于EEG信号的可解释性重度抑郁症诊断	提出了一种结合空间、时间和深度可分离卷积的轻量级CNN模型，并采用集成方法，提高了计算效率和泛化鲁棒性，同时通过伽马能量与学习特征的相关分析实现可解释性	未明确提及具体局限性，但可能包括对特定数据集依赖或未在更广泛临床环境中验证	开发一种高效、可解释的深度学习框架，用于基于EEG信号的重度抑郁症自动诊断	基于EEG信号的重度抑郁症患者	机器学习	重度抑郁症	脑电图	CNN	EEG信号	三个公共数据集（MODMA、MUMTAZ和PRED + CT），具体样本量未明确	未明确指定，但基于深度学习框架	MS-MDDNet（自定义CNN架构，包含空间、时间和深度可分离卷积及平均池化）	准确率	未明确指定
5140	2026-01-30	Domain Shift in Breast DCE-MRI Tumor Segmentation: A Balanced LoCoCV Study on the MAMA-MIA Dataset 2026-Jan-22, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics16020362 PMID:41594338	研究论文	本研究探讨了中心相关的域偏移对乳腺癌DCE-MRI肿瘤分割的影响，使用平衡的留一中心交叉验证方法评估模型性能	提出了平衡的留一中心交叉验证协议，以分离中心相关效应与样本量效应，揭示模型在未见中心上的性能下降	研究仅基于MAMA-MIA数据集，可能未涵盖所有类型的域偏移；模型性能在未见中心上显著下降，表明泛化能力有限	调查中心相关的域偏移如何影响自动化乳腺癌DCE-MRI肿瘤分割，并评估模型在未见中心上的性能	乳腺癌DCE-MRI图像中的肿瘤分割	计算机视觉	乳腺癌	动态对比增强MRI	CNN	图像	多中心MAMA-MIA数据集，包含ISPY2、DUKE、NACT三个中心组	NA	3D U-Net	Dice相似系数, 95th百分位Hausdorff距离, 灵敏度, 特异性	NA