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
5141	2026-04-10	Peptide-based drug design using generative AI 2026-Jan-13, Chemical communications (Cambridge, England) DOI:10.1039/d5cc04998a PMID:41376388	综述	本文综述了利用生成式人工智能进行基于肽的药物设计的最新进展，重点关注生成架构、相互作用建模、筛选和递送优化	整合了生成式AI（如图神经网络、Transformer、扩散模型）与肽化学创新（如环化、非经典氨基酸）来加速药物发现，并将发现周期从数年缩短至数月	预测生成肽序列的溶解度、免疫原性和毒性仍具挑战性，数据质量和自主药物发现的实践问题也是当前限制	加速基于肽的治疗药物的设计与发现，优化其药代动力学和临床适用性	肽类药物，特别是用于代谢性疾病、肿瘤学和医学成像的肽	机器学习	代谢性疾病, 肿瘤学	NA	图神经网络, Transformer, 扩散模型	序列数据, 结构数据	NA	NA	NA	NA	NA
5142	2026-04-10	Artificial Intelligence-Driven Differentiation Between Uveal Melanoma and Nevus Based on Fundus Photographs: A Systematic Review and Meta-Analysis 2026-Jan-05, Translational vision science & technology IF:2.6Q2 DOI:10.1167/tvst.15.1.34 PMID:41590408	系统综述与荟萃分析	本研究通过系统综述和荟萃分析评估了基于眼底照片的人工智能模型在区分葡萄膜黑色素瘤和痣方面的性能	首次对基于眼底照片的AI模型在区分葡萄膜黑色素瘤与痣方面的性能进行系统综述和荟萃分析，并评估了外部验证模型的判别能力	现有证据高度异质，受限于小数据集规模和有限的外部验证	检验人工智能模型基于眼底照片区分葡萄膜黑色素瘤和痣的能力	葡萄膜黑色素瘤（UM）和葡萄膜痣（UN）	计算机视觉	葡萄膜黑色素瘤	眼底摄影	深度学习, 传统机器学习	图像	总计6208名参与者	NA	NA	AUC, 准确率, 灵敏度, 特异性	NA
5143	2026-04-10	Assessing deep learning model performance in osteoporosis screening with lumbar spine radiographs 2026-Jan, Journal of bone and mineral metabolism IF:2.4Q3 DOI:10.1007/s00774-025-01672-1 PMID:41361106	研究论文	本研究评估了深度学习模型在腰椎X光片上筛查骨质疏松症的性能	利用腰椎X光片替代DXA进行骨质疏松症筛查，提出了一种资源有限的替代方案	模型性能（如AP图像的AUC为0.79）仍有提升空间，且依赖特定数据集	开发并评估深度学习模型用于骨质疏松症的筛查	腰椎X光片（正位和侧位）	计算机视觉	骨质疏松症	X光成像	CNN	图像	训练集：2244张正位和2368张侧位腰椎X光片；测试集：963张正位和1018张侧位图像	NA	ResNet-18, DarkNet-19	AUC, 敏感性, 特异性	NA
5144	2026-04-10	Deep Learning Approaches for Multiple Sclerosis Detection in MRI Images 2026, BioMed research international IF:2.6Q3 DOI:10.1155/bmri/5726771 PMID:41943462	研究论文	本研究探索了使用深度学习模型自动检测MRI图像中的多发性硬化病灶	比较了四种经过微调的CNN架构在医学影像任务上的性能，并评估了它们在资源受限环境中的适用性	数据集规模相对较小（60名患者），且未提及外部验证结果	自动化多发性硬化病灶检测，为临床诊断提供可靠、高效且可扩展的解决方案	多发性硬化患者的MRI图像	计算机视觉	多发性硬化	磁共振成像	CNN	图像	60名患者的2831张FLAIR和T2 MRI切片	NA	AlexNet, VGG16, ResNet-10, DenseNet-121	准确率, 精确率, 召回率, F1分数, AUC	NA
5145	2026-04-10	Hybrid deep learning and feature selection approach for autism detection from rs-fMRI data 2026, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0339921 PMID:41945612	研究论文	本文提出了一种结合深度学习和改进特征选择算法的混合方法，用于从静息态功能磁共振成像数据中检测自闭症谱系障碍	提出了一种混合深度学习与特征选择的方法，其中特征选择采用了一种改进的指数-三角优化算法，该算法整合了算术优化算法和引导学习策略以提升性能	未在摘要中明确说明	通过结合深度学习和特征选择技术，提升自闭症谱系障碍的诊断性能	自闭症谱系障碍患者	机器学习	自闭症谱系障碍	静息态功能磁共振成像	深度学习	神经影像数据	使用ABIDE I数据集，具体样本数未在摘要中说明	未在摘要中明确说明	未在摘要中明确说明	准确率, 灵敏度, AUC	未在摘要中明确说明
5146	2026-04-10	Enhancing Early Diagnosis: Multimodal AI Approaches for Neurodegenerative Diseases 2026, Journal of biotechnology and biomedicine DOI:10.26502/jbb.2642-91280211 PMID:41948713	综述	本文综述了多模态人工智能方法在神经退行性疾病早期诊断中的应用，强调其通过整合神经影像、电生理和数字表型数据来填补传统诊断框架的检测空白	提出利用多模态融合架构从MRI、PET和EEG数据中提取高维、亚视觉模式，实现比传统标志物更早的预测性检测，推动诊断从被动确认损伤转向主动风险分层和早期干预	临床转化面临数据异质性、深度学习“黑箱”问题以及全球数据集代表性不足等重大障碍	评估人工智能驱动的生物标志物如何通过连续、时间信息化的疾病建模，提升神经退行性疾病的早期诊断能力	神经退行性疾病，如阿尔茨海默病和帕金森病	机器学习	神经退行性疾病	神经影像（MRI、PET）、电生理学（EEG）、数字表型	机器学习模型，深度学习	多模态数据（图像、信号、数字表型）	NA	NA	多模态融合架构	NA	NA
5147	2026-04-10	Automated Joint Space Detection Improves Bone Segmentation Accuracy 2025-11-28, Journal of visualized experiments : JoVE DOI:10.3791/69252 PMID:41396972	研究论文	本研究开发了一种基于深度学习的自动化方法，用于提高小鼠爪部骨骼分割的准确性，通过检测关节空间来优化分割效果	在先前半自动标记分水岭算法基础上，引入了结构增强、张量投票和输出膨胀技术，并结合3D U-Net架构的深度学习模型进行关节空间预测，显著提升了分割精度	在疾病严重程度增加和年龄增长的小鼠样本中，模型准确性下降，表明其在病变或新型数据集上的性能有限	开发自动化方法以定量描述复杂解剖结构，减少手动分割所需专业知识和劳动，并降低观察者间变异性	小鼠后爪和前爪的micro-CT图像数据集，包括野生型和TNF-Tg关节炎模型	计算机视觉	关节炎	micro-CT成像	深度学习模型	3D图像	野生型和TNF-Tg小鼠的后爪及前爪样本，涵盖不同年龄和性别	NA	3D U-Net, ResNet-18	分割准确性	NA
5148	2026-04-10	Oral Cancer Detection By Using Tabular Data Synthesis and Classification 2025-Nov, Proceedings ... ICDM workshops. IEEE International Conference on Data Mining DOI:10.1109/ICDMW69685.2025.00094 PMID:41948034	研究论文	本文提出了一种基于表格数据合成与分类的口腔癌自动检测方法，旨在区分口腔癌与其前体病变，并通过数据平衡提升分类性能	通过结合表格数据分类与合成技术，有效缓解临床数据不平衡问题，显著提升口腔癌与癌前病变的分类性能	NA	开发一种AI驱动的口腔癌筛查方法，利用非图像临床表格数据区分口腔癌与癌前病变	口腔癌与癌前病变的临床表格数据	机器学习	口腔癌	深度学习	深度学习模型	表格数据	NA	NA	NA	Youden指数, 平衡准确率, 灵敏度, F1分数, Matthews相关系数	NA
5149	2026-04-10	Deep Learning-Driven Automated Assessment of Left Ventricular Diastolic Function in Echocardiography 2025-09, Echocardiography (Mount Kisco, N.Y.) DOI:10.1111/echo.70290 PMID:40892533	研究论文	本研究评估了一种基于深度学习的全自动模型在二维经胸超声心动图中评估左心室舒张功能的可行性、准确性和诊断性能	开发并验证了一种全自动深度学习模型，用于自动分析二维经胸超声心动图中的舒张参数，并与专家手动测量进行比较，展示了在分类左心室舒张功能等级方面的潜力	在中间类别分类中存在更多变异性，且三尖瓣反流速度的一致性较低，需要进一步验证	评估基于人工智能的软件在评估左心室舒张功能方面的可行性、准确性和诊断性能	302名疑似舒张功能障碍的患者	数字病理学	心血管疾病	二维经胸超声心动图	深度学习模型	图像	302名患者	NA	NA	测量成功率、相关系数（如E速度r=0.93）、分类准确性	NA
5150	2026-04-10	Analog optical computer for AI inference and combinatorial optimization 2025-09, Nature IF:50.5Q1 DOI:10.1038/s41586-025-09430-z PMID:40903585	研究论文	本文介绍了一种结合模拟电子学和三维光学的模拟光学计算机，用于在单一平台上加速AI推理和组合优化	提出了一种结合模拟电子学和三维光学的模拟光学计算机，通过快速定点搜索避免数字转换并增强噪声鲁棒性，实现了AI推理和组合优化的双域能力	未明确说明	开发一种能同时加速AI推理和组合优化的节能计算平台	模拟光学计算机硬件及其在AI和优化任务中的应用	机器学习	NA	模拟光学计算、三维光学技术	NA	图像数据（医学图像重建、图像分类）、金融交易数据	NA	NA	NA	NA	基于可扩展的消费级技术构建
5151	2026-04-10	Deep Learning-Based Segmentation of Gravity-Loaded Human Spine 2025-06-10, Journal of visualized experiments : JoVE DOI:10.3791/67781 PMID:40587489	研究论文	本研究提出了一种基于深度学习的协议，用于在重力加载条件下分割人体脊柱的3D图像	首次使用结合3D卷积层和残差连接的U-Net CNN，对重力加载（站立位）CBCT图像中的脊柱结构进行分割，并支持分割模型导出为STL格式用于3D打印	未明确提及模型在外部验证集上的泛化性能，以及处理不同扫描仪或患者群体时的鲁棒性	开发一种可靠且可适应的工具，用于在重力加载条件下准确分割脊柱及其他解剖结构，以支持临床诊断和研究	重力加载条件下的人体脊柱、骨盆和股骨头	计算机视觉	脊柱侧弯，退行性椎间盘疾病	负重锥形束计算机断层扫描（CBCT）	CNN	3D图像	NA	NA	U-Net	NA	NA
5152	2026-04-10	DSAM: A deep learning framework for analyzing temporal and spatial dynamics in brain networks 2025-Apr, Medical image analysis IF:10.7Q1 DOI:10.1016/j.media.2025.103462 PMID:39892220	研究论文	提出了一种名为DSAM的新型可解释深度学习框架，用于直接从时间序列中学习任务特定的功能连接矩阵，并利用专门的图神经网络进行最终分类，以分析脑网络的时空动态	提出了一种可解释的深度学习框架，能够直接从时间序列中学习任务特定的功能连接矩阵，并整合了时间因果卷积网络、时间注意力单元、自注意力单元以及一种新颖的图神经网络变体，以同时捕获时空动态	未明确提及研究的局限性	开发一个深度学习框架，以更准确地建模和分析静息态功能磁共振成像数据中脑网络的时空动态，超越静态或滑动窗口功能连接矩阵的假设	人脑功能连接网络	机器学习	NA	静息态功能磁共振成像	图神经网络, 卷积神经网络, 注意力机制	时间序列数据	Human Connectome Project数据集1075个样本，Adolescent Brain Cognitive Development数据集8520个样本	NA	时间因果卷积网络, 时间注意力单元, 自注意力单元, 图神经网络变体	NA	NA
5153	2025-03-05	Unveiling the Future: A Deep Learning Model for Accurate Detection of Adrenal Nodules 2025-Mar, Radiology IF:12.1Q1 DOI:10.1148/radiol.250387 PMID:40035670	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
5154	2026-04-10	Two-Stage Deep Learning Model for Adrenal Nodule Detection on CT Images: A Retrospective Study 2025-03, Radiology IF:12.1Q1 DOI:10.1148/radiol.231650 PMID:40035671	研究论文	本研究开发并测试了一个用于在腹部CT图像上自动检测肾上腺结节的两阶段深度学习模型，并模拟了其与人工解读结合的分诊性能	提出了一个针对左右肾上腺分别训练的两阶段（检测与分割）深度学习架构，并首次在大型外部数据集上模拟了模型与人工解读结合的分诊性能	这是一项回顾性研究，可能存在选择偏倚；模型性能在左右肾上腺结节上存在差异，分割精度有待提高	开发一个自动检测肾上腺结节的深度学习模型，以辅助临床分诊和管理	肾上腺结节	计算机视觉	肾上腺疾病	CT成像	深度学习模型	CT图像	内部数据集995名患者，外部测试集12080名患者，内部测试集2有1214名患者	NA	两阶段顺序检测与分割模型	AUC, 交并比	NA
5155	2026-04-10	MRI-based Deep Learning Algorithm for Assisting Clinically Significant Prostate Cancer Detection: A Bicenter Prospective Study 2025-03, Radiology IF:12.1Q1 DOI:10.1148/radiol.232788 PMID:40067105	研究论文	本研究是一项前瞻性双中心研究，旨在比较商用深度学习算法与放射科医生临床报告在检测临床显著性前列腺癌方面的诊断性能	前瞻性验证了商用深度学习算法在前列腺癌检测中的应用，并探索了将算法结果用于调节放射科医生不确定诊断（PI-RADS 3分）以提升特异性的临床场景	研究样本量相对有限（205名男性，259个病灶），且算法仅使用双参数MRI，未纳入所有影像序列	评估深度学习算法辅助检测临床显著性前列腺癌的诊断性能	疑似前列腺癌并计划进行活检的男性患者	数字病理	前列腺癌	双参数MRI	深度学习算法	MRI图像	205名男性（中位年龄68岁），共评估259个病灶，其中包含117个临床显著性前列腺癌病灶	NA	NA	AUC, 敏感性, 特异性, 阳性预测值	NA
5156	2026-04-10	Arthroscopy-validated Diagnostic Performance of 7-Minute Five-Sequence Deep Learning Super-Resolution 3-T Shoulder MRI 2025-02, Radiology IF:12.1Q1 DOI:10.1148/radiol.241351 PMID:39964264	研究论文	本研究验证了7分钟并行成像加速的深度学习超分辨率3-T肩关节MRI在诊断肩部病变中的临床效能	首次通过关节镜检查验证了快速深度学习超分辨率肩关节MRI的诊断性能，实现了7分钟扫描时间	回顾性研究设计，样本量相对较小（121名成人），部分病变（如软骨缺损）的诊断准确性较低	验证加速深度学习超分辨率肩关节MRI对肩部病变的诊断准确性	患有疼痛性肩部疾病的成人患者	数字病理学	肩部疾病	并行成像加速的深度学习超分辨率MRI	深度学习模型	MRI图像	121名成人（平均年龄55岁±14，75名男性）	NA	超分辨率网络	敏感性, 特异性, 准确性, AUC	3-T MRI扫描仪
5157	2026-04-10	Automated CT Measurement of Total Kidney Volume for Predicting Renal Function Decline after 177Lu Prostate-specific Membrane Antigen-I&T Radioligand Therapy 2025-02, Radiology IF:12.1Q1 DOI:10.1148/radiol.240427 PMID:39998377	研究论文	本研究利用基于深度学习的自动化工具从CT图像中测量总肾脏体积，以预测接受177Lu-PSMA-I&T放射性配体治疗的转移性去势抵抗性前列腺癌患者的肾功能下降	首次将基于nnU-Net框架的深度学习分割模型TotalSegmentator用于自动化测量总肾脏体积，并证明其在预测放射性配体治疗后肾功能下降方面优于其他基线风险因素和早期eGFR变化	这是一项回顾性研究，样本量相对较小（121名患者），且仅针对接受特定治疗（至少四个周期Lu-PSMA-I&T）的患者，结果可能无法推广到其他治疗或早期患者	识别接受Lu-PSMA-I&T放射性配体治疗的转移性去势抵抗性前列腺癌患者发生临床显著肾功能恶化的预测标志物	接受至少四个周期177Lu-PSMA-I&T放射性配体治疗的转移性去势抵抗性前列腺癌患者	数字病理学	前列腺癌	CT成像，放射性配体治疗（177Lu-PSMA-I&T）	深度学习分割模型	CT图像	121名患者（平均年龄76岁±7岁）	nnU-Net	TotalSegmentator（基于nnU-Net框架）	受试者工作特征曲线下面积，Youden指数	NA
5158	2026-04-10	A novel approach in cancer diagnosis: integrating holography microscopic medical imaging and deep learning techniques-challenges and future trends 2025-Jan-29, Biomedical physics & engineering express IF:1.3Q3 DOI:10.1088/2057-1976/ad9eb7 PMID:39671712	综述	本文探讨了将全息显微医学成像与深度学习技术相结合用于癌症诊断的新方法，分析了其优势、挑战及未来趋势	提出了一种结合定量相位成像（QPI）与深度学习（如U-Net和Vision Transformer）的集成方法，以捕获传统成像技术无法提供的详细结构（相位）信息，从而提高癌症诊断的准确性	文中未明确提及具体实验数据或样本量，主要基于文献综述和分析，因此缺乏实证研究的局限性讨论	研究旨在通过整合全息显微相位成像和深度学习技术，改进癌症诊断的准确性和全面性	癌症诊断中的生物结构成像，特别是通过全息显微技术捕获的振幅和相位细节	数字病理学	癌症	全息显微医学成像，定量相位成像（QPI）	深度学习模型，包括U-Net和Vision Transformer（ViT）	全息显微图像	NA	NA	U-Net, Vision Transformer（ViT）	NA	NA
5159	2026-04-10	Deep Learning to Simulate Contrast-Enhanced MRI for Evaluating Suspected Prostate Cancer 2025-01, Radiology IF:12.1Q1 DOI:10.1148/radiol.240238 PMID:39807983	研究论文	本研究评估了使用深度学习从非对比MRI序列生成模拟对比增强MRI的可行性，并探讨其在评估临床显著前列腺癌中的潜在价值	首次利用pix2pix算法从四种非对比MRI序列合成对比增强MRI，以减少对比剂使用的潜在风险	研究为回顾性设计，且模拟图像与真实图像的相似度在外部测试集上有所下降	评估深度学习生成模拟对比增强MRI的可行性及其在前列腺癌PI-RADS评分中的应用价值	疑似前列腺癌的男性患者	数字病理学	前列腺癌	多参数MRI，包括T1加权成像、T2加权成像、扩散加权成像和表观扩散系数图	GAN	MRI图像	567名男性患者（平均年龄66岁±11），分为训练测试集（244例）、内部测试集（104例）、外部测试集1（143例）和外部测试集2（76例）	NA	pix2pix	多尺度结构相似性指数，Cohen κ	NA
5160	2026-04-10	Automated Deep Learning-Based Detection and Segmentation of Lung Tumors at CT 2025-01, Radiology IF:12.1Q1 DOI:10.1148/radiol.233029 PMID:39835976	研究论文	本研究开发并评估了一种基于集成深度学习的模型，用于自动化检测和分割CT扫描中的肺部肿瘤	采用3D U-Net集成方法，平衡了体积上下文与分辨率，并展示了模型在外部站点上的泛化能力	研究为回顾性设计，可能受限于数据集的特定来源和时间范围	开发自动化工具以辅助肺部肿瘤的检测和分割，减少人工标注的负担和变异性	CT模拟扫描图像及临床肺部肿瘤分割标注	计算机视觉	肺癌	CT扫描	深度学习	图像	训练集：1,504个CT扫描；测试集：150个CT扫描（其中100个为单肿瘤子集）	NA	3D U-Net	灵敏度, 特异度, 假阳性率, Dice相似系数	NA