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
5901	2026-01-23	Machine learning-enabled quantification of hepatocellular necrosis in the liver after lethal Marburg and Ebola virus exposures 2026-Jan-22, The Journal of infectious diseases IF:5.0Q1 DOI:10.1093/infdis/jiag040 PMID:41566943	研究论文	本研究利用深度学习模型对致死性马尔堡病毒和埃博拉病毒暴露后恒河猴肝脏的坏死区域进行像素级定量分析	首次将深度学习模型应用于丝状病毒暴露后肝脏坏死的高分辨率组织病理学定量分析，实现了与三位病理学家相当的观察者间一致性	研究仅使用恒河猴模型，结果向人类临床转化的有效性尚需验证；样本量相对有限	开发并验证一种基于深度学习的自动化方法，用于定量分析丝状病毒感染后肝脏坏死的程度和分布模式	暴露于马尔堡病毒（MARV）和两种埃博拉病毒变体（Makona和Kikwit）的致死性恒河猴模型的肝脏组织	数字病理学	病毒性出血热（丝状病毒感染）	组织病理学切片数字化，深度学习图像分割	深度学习模型	图像（数字化肝脏病理切片）	暴露于三种不同丝状病毒（MARV, EBOV-Makona, EBOV-Kikwit）的致死性恒河猴模型肝脏切片	NA	NA	观察者间变异性（与三位病理学家比较），统计显著性（f值，p值），相关性分析	NA
5902	2026-01-23	Effective lung nodule segmentation and classification by employing a SPPUNet model and global context attention-based InceptionV3 2026-Jan-22, Informatics for health & social care IF:2.5Q3 DOI:10.1080/17538157.2025.2611342 PMID:41568943	研究论文	本研究提出了一种结合SPPUNet分割模型和GCAINCPV3分类模型的混合预训练架构，用于肺结节的自动分割与分类，旨在提高肺癌诊断的准确性	采用SPPUNet进行肺区域分割，并结合全局上下文注意力机制的InceptionV3（GCAINCPV3）进行分类，通过数据预处理和增强策略解决了医学图像数据稀缺和类别不平衡问题	研究依赖于公开数据集LUNA16，可能无法完全代表临床实际场景；模型在更广泛或多样化数据上的泛化能力未充分验证	开发一个自动化的肺结节分割与分类系统，以辅助肺癌的早期检测和临床决策	肺CT图像中的结节区域	计算机视觉	肺癌	CT成像	CNN	图像	来自LUNA16数据集的CT肺部图像	NA	SPPUNet, InceptionV3	准确率	NA
5903	2026-01-23	Artificial intelligence-enabled pediatric radiology in low-resource settings: addressing resource constraints in the African healthcare system 2026-Jan-22, Pediatric radiology IF:2.1Q2 DOI:10.1007/s00247-025-06504-y PMID:41569331	综述	本文探讨了人工智能在非洲资源有限医疗系统中应用于儿科放射学的挑战与机遇	聚焦于非洲资源受限环境，系统分析了AI在儿科放射学应用中的具体障碍，并提出了针对性的解决方案框架	本文为综述性文章，未提供具体的实证研究数据或模型性能验证	分析AI在资源有限地区（特别是非洲）儿科放射学应用中面临的挑战，并提出可行的解决路径	非洲资源受限医疗系统中的儿科放射学服务	医学影像分析	儿科疾病	深度学习	NA	医学影像	NA	NA	NA	NA	高性能计算机、大内存容量
5904	2026-01-23	Deep learning-accelerated 3D flair for white matter lesion detection in multiple sclerosis: a feasibility study 2026-Jan-22, Neuroradiology IF:2.4Q2 DOI:10.1007/s00234-025-03889-3 PMID:41569417	研究论文	本研究比较了基于深度学习的图像重建（DLBIR）3D FLAIR与传统3D FLAIR在多发性硬化（MS）患者白质病变检测中的图像质量和诊断性能	首次将DLBIR技术应用于3D FLAIR序列，显著加速MRI采集（减少32%时间）并提高小病变（<3 mm）的检测敏感性和图像质量	样本量较小（26名患者），且需要在更大、更多样化的队列中进行进一步验证	评估DLBIR加速的3D FLAIR序列在多发性硬化患者白质病变检测中的可行性和图像质量	多发性硬化（MS）患者	医学影像分析	多发性硬化	MRI（3D FLAIR序列），深度学习图像重建（DLBIR）	深度学习模型（具体类型未指定）	3D MRI图像	26名多发性硬化患者	NA	NA	敏感性，精确度，表观信噪比（aSNR），表观对比噪声比（aCNR），病变显着性评分，诊断置信度评分	3T MRI扫描仪
5905	2026-01-23	Deep learning methods for 2D material electronic properties 2026-Jan-21, Digital discovery IF:6.2Q1 DOI:10.1039/d5dd00155b PMID:41439261	综述	本文综述了深度学习技术在理解和预测二维材料电子结构方面的应用与影响	系统总结了深度学习（包括物理感知模型、生成式AI和逆向设计）在解决二维材料独特计算挑战、预测关键电子特性（如能带结构、态密度和量子输运现象）方面的显著进步，并展望了其在加速新兴量子现象、拓扑、超导性和自主材料探索等发现中的应用	NA	探讨深度学习技术对理解和预测二维材料电子结构的影响	二维材料的电子结构	机器学习	NA	深度学习	NA	NA	NA	NA	NA	NA	NA
5906	2026-01-23	STF: A Unified Framework for Joint Pixel-Level Segmentation and Tracking of Tissues in Endoscopic Surgery 2026-Jan-21, IEEE transactions on bio-medical engineering DOI:10.1109/TBME.2026.3656751 PMID:41564043	研究论文	本文提出了一种用于内窥镜手术中组织像素级分割与跟踪的统一框架STF，通过集成分割引导的跟踪流程和自适应重检测机制，提升长期手术视频分割的鲁棒性	STF框架首次将分割引导的跟踪与自适应重检测机制相结合，通过贝叶斯细化模块增强分割与跟踪的兼容性，在极端条件下实现长期稳定的组织分析	未明确说明框架在多样化手术场景或不同组织类型中的泛化能力，且计算效率可能受复杂机制影响	开发一种能够在内窥镜手术视频中实现长期鲁棒组织分割与跟踪的自动化方法	内窥镜手术视频中的组织区域	计算机视觉	NA	深度学习	CNN	视频	未明确说明	未明确说明	Hough Voting Network	准确性, 时间一致性	NA
5907	2026-01-23	Dual Ontology-enhanced Clinical Decision Learning for First-admission Mortality Prediction 2026-Jan-21, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2025.3621475 PMID:41564069	研究论文	本文提出了一种双本体增强的临床决策学习模型（DOCD），用于首次入院患者的死亡率预测，有效解决了缺乏历史就诊序列数据的挑战	通过双本体增强学习从诊断和程序分类法中提取层次表示，并引入先验引导的注意力机制，结合基于概率的正则化来整合临床知识，模拟临床决策过程	NA	开发一种能够准确预测首次入院患者死亡率的模型，以支持早期干预和改善患者预后	首次入院患者，特别是仅有一次就诊记录的患者，包括直接入住ICU的患者	医疗健康预测	多种疾病（基于ICU入院患者）	深度学习，本体增强学习	深度学习模型（具体架构未明确指定，但包含注意力机制）	电子健康记录（EHR），包括人口统计数据、生命体征、诊断和程序代码	基于MIMIC-III和MIMIC-IV数据库，其中MIMIC-IV中55.17%、MIMIC-III中83.80%的患者仅有一次就诊记录	NA	双本体增强学习架构，包含先验引导的注意力机制和信息融合模块	AUROC, AUPRC	NA
5908	2026-01-23	Active Adversarial Noise Suppression for Image Forgery Localization 2026-Jan-21, IEEE transactions on pattern analysis and machine intelligence IF:20.8Q1 DOI:10.1109/TPAMI.2026.3656742 PMID:41564076	研究论文	本文提出一种对抗性噪声抑制模块，用于提升图像伪造定位模型对对抗攻击的鲁棒性	首次在图像伪造定位任务中提出对抗防御方法，通过两阶段训练策略（FFA和MgR）生成防御性扰动以抑制对抗噪声的影响	未明确说明方法在跨数据集或真实场景中的泛化能力，也未讨论防御策略对计算效率的影响	提升图像伪造定位模型对抗对抗攻击的鲁棒性	对抗性噪声干扰下的伪造图像	计算机视觉	NA	对抗攻击防御技术	深度学习模型	图像	未明确说明具体样本数量，但提及使用了反取证数据集	未明确说明	未明确说明基础伪造定位模型架构	伪造定位准确率	未明确说明
5909	2026-01-23	Quantitative assessment of neonatal health using dried blood spot metabolite profiles and deep learning 2026-Jan-21, Science translational medicine IF:15.8Q1 DOI:10.1126/scitranslmed.adv4942 PMID:41564154	研究论文	本研究利用新生儿干血斑代谢物谱和深度学习模型，开发了一种基于新生儿筛查的代谢健康指数，用于早产儿不良结局的风险分层	通过深度学习模型结合亚组发现，从新生儿代谢物谱中提取了超越传统孕周和出生体重的风险信号，并建立了可推广的生物风险指标	研究基于回顾性队列，可能受数据偏差影响，且外部验证仅在一个独立队列中进行	开发早产儿风险分层工具，以早期识别并启动最合适的护理路径	早产儿，特别是患有支气管肺发育不良、脑室内出血、坏死性小肠结肠炎和早产儿视网膜病变的新生儿	机器学习	新生儿疾病	新生儿筛查干血斑代谢物分析	深度学习模型	代谢物谱数据	训练集13,536例（12,096病例，1,440对照），外部验证集3,299例（2,117病例，1,182对照）	NA	NA	NA	NA
5910	2026-01-23	AI in nuclear medicine 2026-Jan-21, The British journal of radiology DOI:10.1093/bjr/tqag012 PMID:41564330	综述	本文综述了人工智能在核医学中的应用潜力、当前进展及临床转化挑战	系统性地概述了AI在核医学全流程（从图像采集到临床决策支持）的整合潜力，并特别强调了从研发到临床实施的过渡挑战	指出核医学中极少数AI应用已达到商业成熟阶段，且临床AI应用超越原型阶段的占比很低（约2%）	探讨人工智能如何推动核医学在诊断和治疗方面的进步	核医学中的影像流程及相关临床应用	医学影像	NA	深度学习	卷积神经网络	医学影像	NA	NA	NA	NA	图形处理器
5911	2026-01-23	iMCN: information compression-based multimodal confidence-guided fusion network for cancer survival prediction 2026-Jan-21, Biomedical physics & engineering express IF:1.3Q3 DOI:10.1088/2057-1976/ae3b46 PMID:41564441	研究论文	本文提出了一种基于信息压缩的多模态置信引导融合网络（iMCN），用于整合全切片图像和基因组数据进行癌症生存预测	提出了自适应病理信息压缩模块和置信引导多模态融合模块，通过可学习信息中心动态聚类图像区域并估计模态置信度，实现动态加权融合	研究仅在TCGA-LUAD和TCGA-BRCA两个队列上进行了评估，未在其他癌症类型或更大规模数据集中验证	开发一种能够有效整合病理图像和基因组数据的多模态深度学习框架，以提升癌症生存预测的准确性	癌症患者（具体为TCGA-LUAD和TCGA-BRCA队列中的肺癌和乳腺癌患者）	数字病理学	肺癌, 乳腺癌	全切片图像分析, 基因组数据分析	深度学习融合网络	图像, 基因组数据	TCGA-LUAD和TCGA-BRCA两个队列的患者样本（具体数量未在摘要中说明）	NA	信息压缩基多模态置信引导融合网络（iMCN），包含自适应病理信息压缩模块和置信引导多模态融合模块	一致性指数	NA
5912	2026-01-23	CT-based Prediction of Visceral Pleural Invasion in Lung Adenocarcinoma ≤ 3 cm: Enhancing Deep Learning Specificity by Waiving Chest Wall Information 2026-Jan-21, Annals of surgical oncology IF:3.4Q1 DOI:10.1245/s10434-026-19102-5 PMID:41566129	研究论文	本研究开发了一种基于CT的深度学习模型，通过排除胸壁信息来提高肺腺癌内脏胸膜侵犯预测的特异性	提出了一种结合新型注意力机制的四层卷积神经网络，并在胸壁掩蔽的CT输入上进行训练，以降低伪相关性并提高特异性	研究为回顾性设计，样本量有限（835例患者），且仅针对≤3 cm的肺腺癌，可能限制模型的泛化能力	开发一种高特异性且高敏感性的术前预测模型，以指导肺腺癌手术决策并减少过度治疗风险	经病理证实并接受完全切除的肺腺癌患者	计算机视觉	肺癌	CT成像	CNN	图像	835例患者（训练集692例，外部验证集143例）	NA	四层卷积神经网络结合注意力机制	AUC, 敏感性, 特异性, 准确率	NA
5913	2026-01-23	Spatial-Spectral Deep Learning for Prostate Cancer Tissue Classification in Infrared Spectroscopy 2026-Jan-21, Analytical chemistry IF:6.7Q1 DOI:10.1021/acs.analchem.5c04765 PMID:41566143	研究论文	本文比较了多种深度学习分类器在红外光谱前列腺癌组织分类中的应用，并探讨了光谱维度压缩瓶颈的影响	发现模型空间感受野与分类性能强相关，且光谱信息对深度学习模型性能影响有限，表明组织分类本身仅依赖于少量光谱特征	组织分类可能不是评估深度学习模型有效利用光谱维度的良好基准	改进前列腺癌组织分类	前列腺癌组织	数字病理学	前列腺癌	红外光谱	Vision Transformer, CNN, 多层感知机	高光谱图像	NA	NA	Vision Transformer, CNN, 多层感知机	分类性能	NA
5914	2026-01-23	Longitudinal Validation of a Deep Learning Index for Aortic Stenosis Progression 2026-Jan-20, Journal of the American Heart Association IF:5.0Q1 DOI:10.1161/JAHA.125.045179 PMID:41532549	研究论文	本研究纵向验证了一种深度学习衍生的主动脉瓣狭窄进展指数（DLi-ASc），并评估其与进展为重度主动脉瓣狭窄的预后关联	首次纵向验证深度学习衍生的主动脉瓣狭窄进展指数（DLi-ASc），并证明其与主动脉瓣最大流速和平均压力梯度的年度变化强相关，且能独立预测重度主动脉瓣狭窄的进展	研究为回顾性分析，可能存在选择偏倚；仅基于两个三级医院的超声心动图数据，外部验证有限	验证深度学习衍生的主动脉瓣狭窄进展指数（DLi-ASc）的纵向变化及其与疾病进展的预后关联	主动脉瓣狭窄患者	数字病理学	心血管疾病	经胸超声心动图	深度学习	图像	2373名患者（7371次经胸超声心动图检查）	NA	NA	Pearson相关系数, 风险比	NA
5915	2026-01-23	Shortcomings of deep learning for distributional predictors: a note 2026-Jan-20, Biostatistics (Oxford, England) DOI:10.1093/biostatistics/kxaf051 PMID:41555576	研究论文	本文探讨了在预测任务中，当输入数据具有排列不变性时，无结构深度学习方法的局限性，并推荐使用显式利用不变性的有序预测器神经网络	通过模拟实验比较了无结构神经网络与有序预测器神经网络在排列不变性场景下的性能，发现后者能降低预测误差并提高估计精度	研究基于模拟数据，未在真实世界大规模数据集上验证；仅关注排列不变性，未考虑其他可能的数据结构	评估深度学习在处理具有排列不变性的分布型预测器时的有效性，并推荐更优的建模方法	生物医学研究中具有大量同类型测量预测器的数据，其内部分布作为关键摘要	机器学习	NA	NA	神经网络	模拟数据	NA	NA	无结构神经网络, 有序预测器神经网络	预测误差, 估计精度	NA
5916	2026-01-23	Proactive safety at CVIS-enabled intersections: a framework based on high-fidelity trajectory reconstruction and dynamic risk assessment 2026-Jan-20, Accident; analysis and prevention DOI:10.1016/j.aap.2026.108410 PMID:41564447	研究论文	本文提出了一种基于高保真轨迹重建和动态风险评估的边缘计算增强两阶段框架，旨在提升协同车路系统（CVIS）在交叉路口的主动安全性	提出了一种结合物理约束、自适应小波变换和混合阈值策略的两阶段框架，用于高保真轨迹重建，并引入了基于车辆轮廓的冲突算法（VOCA），将传统的点冲突检测提升为基于轮廓的空间重叠分析	未明确说明框架在不同天气条件、传感器故障或极端交通密度下的鲁棒性，也未讨论大规模部署时的可扩展性	为CVIS环境下的交叉路口开发一种实时、高精度的主动安全预警系统	交叉路口的车辆轨迹数据与车辆间冲突事件	机器智能与边缘计算	NA	自适应小波变换、混合阈值去噪、基于物理约束的轨迹重建	NA	多源传感器数据（如车辆轨迹数据）	基于真实世界交叉路口数据验证（具体数量未说明）	NA	NA	加速度波动减少百分比（98.66%）、冲突检测率对比（22.53% vs 100%）、处理延迟（<100 ms/帧/车辆）	NVIDIA Jetson边缘设备
5917	2026-01-23	Artificial intelligence in knee osteoarthritis imaging and total knee arthroplasty: advances, challenges, and segmentation methods - A review 2026-Jan-20, The Knee DOI:10.1016/j.knee.2026.104327 PMID:41564627	综述	本文综述了人工智能在膝骨关节炎影像学和全膝关节置换术中的应用进展、挑战及分割方法	系统比较了传统分割方法与基于人工智能（尤其是深度学习）方法在全膝关节置换术规划与评估中的能力、局限性和临床相关性，并指出了将AI整合到临床工作流程以实现更精准、可靠和个体化手术的机会	基于人工智能的方法依赖于大规模标注数据集，且成像方案的变异性仍是重大挑战	探讨人工智能在膝骨关节炎影像学和全膝关节置换术中的应用，以改进手术规划与评估	膝骨关节炎患者的影像数据（X光片、CT、MRI、超声）	数字病理学	骨关节炎	影像学技术（X光、CT、MRI、超声）	深度学习模型	图像	NA	NA	NA	NA	NA
5918	2026-01-23	DeepHybridCPI: A hybrid deep learning framework for compound-protein interaction prediction 2026-Jan-19, Journal of molecular graphics & modelling IF:2.7Q2 DOI:10.1016/j.jmgm.2026.109303 PMID:41564724	研究论文	本文提出了一种名为DeepHybridCPI的混合深度学习框架，用于准确高效地预测化合物-蛋白质相互作用	提出了一种混合深度学习框架，整合了多尺度密集连接的图神经网络和结合CNN与LSTM的蛋白质序列编码器，以同时捕获化合物的局部子结构与全局分子拓扑，以及蛋白质的局部基序和长程依赖关系	未明确说明模型的计算开销或可扩展性限制	开发一种准确高效的化合物-蛋白质相互作用预测方法，以加速虚拟筛选和药物发现	化合物和蛋白质	生物信息学	NA	深度学习	GNN, CNN, LSTM	化合物分子图数据，蛋白质序列数据	基准人类和秀丽隐杆线虫数据集	未明确指定，但提供了GitHub源代码	多尺度密集连接的GNN，CNN与LSTM结合的混合序列编码器	AUC, Precision, Recall	NA
5919	2026-01-23	Transformer-based multimodal fusion model predicts lymph node metastasis in hepatic alveolar echinococcosis patients: A multicenter study 2026-Jan-19, International journal of infectious diseases : IJID : official publication of the International Society for Infectious Diseases IF:4.8Q1 DOI:10.1016/j.ijid.2026.108409 PMID:41565060	研究论文	本研究开发了一种基于CT的多模态Transformer模型，用于精确预测肝泡型包虫病患者淋巴结转移	创新性地构建了基于Transformer的多模态融合模型，结合了放射组学、3D深度学习和2D深度学习特征，以提升淋巴结转移预测的准确性	研究样本量相对有限（318例患者），且仅基于CT图像，未整合其他影像模态或临床数据	开发一个精确预测肝泡型包虫病患者淋巴结转移的模型，以指导临床淋巴结清扫决策	肝泡型包虫病患者	计算机视觉	肝泡型包虫病	对比增强CT成像	Transformer, 随机森林	CT图像	318例来自三个中心的肝泡型包虫病患者	NA	Transformer	AUC, 决策曲线分析	NA
5920	2026-01-23	Artificial Intelligence in the Diagnosis of Hirschsprung Disease: A Scoping Review and Rationale for a Multicentric Approach 2026-Jan-19, Journal of pediatric surgery IF:2.4Q2 DOI:10.1016/j.jpedsurg.2026.162932 PMID:41565153	综述	本文系统综述了人工智能在诊断先天性巨结肠症中的应用，并论证了多中心研究的必要性	这是首个系统综述人工智能在先天性巨结肠症诊断中应用的文献，并强调了未来多中心合作和可解释性模型的重要性	现有研究存在数据集多样性有限、缺乏外部验证、未使用可解释人工智能框架以及未报告计算成本等问题，限制了临床转化	系统综合人工智能在先天性巨结肠症诊断中的证据，识别当前差距，以指导未来的多中心研究	0-18岁先天性巨结肠症患者的诊断	数字病理学	先天性巨结肠症	组织病理学分析	机器学习, 深度学习	组织学切片, 临床特征, 放射学特征	NA	NA	NA	准确率, 召回率, AUC	NA