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
6221	2026-03-24	Automated Phenotyping of Mitral Stenosis Using Deep Learning 2026-Mar-04, medRxiv : the preprint server for health sciences DOI:10.64898/2026.03.03.26347557 PMID:41867211	研究论文	本研究开发了一个名为EchoNet-MS的深度学习框架，用于从超声心动图视频中自动检测临床显著性的二尖瓣狭窄及其病因	提出了首个结合视频卷积神经网络、用于评估二尖瓣狭窄严重程度并区分风湿性病因的端到端开源AI框架，并在多个外部队列中验证了其泛化能力	研究未明确提及模型在罕见或复杂病例中的表现，且依赖于多个超声心动图视图的组合评估	开发人工智能框架以自动检测临床显著性的二尖瓣狭窄	二尖瓣狭窄患者	计算机视觉	心血管疾病	超声心动图	CNN	视频	总计431,612个视频，来自44,671项研究，涉及多个医疗系统的患者队列	NA	NA	AUC	NA
6222	2026-03-24	Deep Learning-Assisted Evaluation of Laryngeal Mobility in a Rat Model 2026-Mar-02, bioRxiv : the preprint server for biology DOI:10.64898/2026.02.26.708292 PMID:41867773	研究论文	本研究使用深度学习辅助的计算机视觉技术，在大鼠模型中定量评估喉部活动性	首次将开源深度学习框架SLEAP应用于大鼠喉部关键标志点跟踪，以量化喉部不对称性，并设定了区分对称与非对称的位移阈值	研究仅使用成年雄性Long-Evans大鼠，样本可能有限，且方法在其它动物模型或人类中的适用性未经验证	定量评估单侧喉返神经损伤后大鼠模型的喉部活动性	成年雄性Long-Evans大鼠	计算机视觉	喉部神经损伤	直接喉镜检查，高分辨率视频录制	深度学习	视频	未明确指定样本数量，仅提及使用成年雄性Long-Evans大鼠	SLEAP	NA	平均差异，95%置信区间	NA
6223	2026-03-24	Deep Learning for Segmenting Ischemic Stroke Infarction in Non-contrast CT Scans by Utilizing Asymmetry 2026-Mar, Clinical neuroradiology IF:2.4Q2 DOI:10.1007/s00062-025-01559-8 PMID:40908314	研究论文	本研究开发了一种结合对称性原理与nnUNet分割模型的方法，用于在非对比增强CT扫描中分割缺血性卒中梗死区域	提出了一种新颖的分割方法，整合了基于对称性的生成模块和上游分割模块，引入了强度病变概率函数和特定输入通道以增强模型敏感性和特异性	外部测试数据集的DSC为0.4891，表明模型在泛化能力上仍有提升空间，且仅使用了有限的外部验证集	开发一种自动分割缺血性卒中病变的方法，以辅助临床决策	急性缺血性卒中患者的非对比增强CT扫描图像	数字病理学	缺血性卒中	非对比增强CT扫描	深度学习	医学图像	397例NCCT扫描（内部训练验证345例，内部测试52例），外加60例阳性病例用于外部验证	nnUNet	2.5D ResUNet, 3D nnUNet	Dice相似系数, Hausdorff距离, 曲线下面积	NA
6224	2026-03-24	Quantitative Histological Insights Into Sudden Arrhythmic Death Syndrome: Findings From a Forensic Autopsy Cohort 2026-Mar, APMIS : acta pathologica, microbiologica, et immunologica Scandinavica IF:2.2Q3 DOI:10.1111/apm.70169 PMID:41747709	研究论文	本研究应用定量组织学和基于深度学习的细胞分割技术，探究了突发性心律失常死亡综合征（SADS）与对照组之间的形态学特征差异	首次将AI驱动的定量组织学方法应用于SADS的尸检研究，揭示了先前被认为正常的心脏中存在的细微形态学差异，并识别出SADS内的潜在亚组	研究为回顾性设计，样本量相对有限（77例SADS和41例对照），且遗传分析仅在部分病例中进行，可能影响结果的普遍性	探究突发性心律失常死亡综合征（SADS）的形态学特征，以改进诊断、指导家族筛查并增进对心律失常机制的理解	尸检获取的心脏组织样本，包括77例SADS病例和41例年龄与性别匹配的对照组（死于创伤或自杀）	数字病理学	心血管疾病	定量组织学，基于深度学习的图像处理	深度学习，随机森林	图像	118例（77例SADS，41例对照），年龄范围1-49岁	QuPath, Quan10	NA	p值	NA
6225	2026-03-24	Histologic Distinction Between Clear Cell Sarcoma and Melanoma Using Supervised and Deep Learning 2026-Mar, APMIS : acta pathologica, microbiologica, et immunologica Scandinavica IF:2.2Q3 DOI:10.1111/apm.70184 PMID:41804209	研究论文	本研究利用监督学习和深度学习构建分类器，以区分透明细胞肉瘤和黑色素瘤	结合核形态计量学与深度学习模型（如CLAM/ResNet-50、CTransPath和UNI），开发可解释的分类器，并在外部验证集中实现高准确率	样本核数少于10,000或透明细胞肉瘤因治疗导致形态改变时，预测准确性可能降低	区分透明细胞肉瘤和黑色素瘤，提供辅助诊断工具	透明细胞肉瘤和黑色素瘤的苏木精-伊红染色切片	数字病理学	肉瘤, 黑色素瘤	核形态计量分析, 深度学习	决策树, 深度学习模型	图像	1,954,194个细胞核（来自透明细胞肉瘤和黑色素瘤切片）	CLAM, ResNet-50, CTransPath, UNI	ResNet-50, 决策树	准确率	NA
6226	2026-03-24	Weakly supervised deep learning for cutaneous squamous and basal cell carcinoma in whole-slide histopathology 2026-Mar, The journal of pathology. Clinical research DOI:10.1002/2056-4538.70082 PMID:41841638	研究论文	本研究开发了一种弱监督深度学习模型，用于区分浸润性基底细胞癌和低分化皮肤鳞状细胞癌，并在内部和外部队列中验证其泛化能力	采用弱监督的深度学习框架（CLAM）结合病理学专用Transformer模型（Phikon）进行特征提取，并首次与皮肤病理学基础模型（HistoGPT）进行零样本和微调性能比较	外部验证队列样本量有限（如昆士兰队列仅10例），且COBRA队列存在部分分布外数据，模型部署需谨慎校准和领域适应	提高皮肤基底细胞癌和鳞状细胞癌亚型诊断的自动化分类准确性和可靠性	皮肤浸润性基底细胞癌和低分化皮肤鳞状细胞癌的病理切片	数字病理学	皮肤癌	全切片图像分析	Transformer, 多示例学习	图像	内部数据集335张全切片图像（含84张测试集），外部数据集包括昆士兰队列（10例）和COBRA队列（200例）	CLAM, PyTorch	Phikon, HistoGPT	AUC, 准确率, 灵敏度, 特异性, 平衡准确率, 威尔逊置信区间	未明确指定，但涉及深度学习模型训练和验证
6227	2026-03-24	Remote monitoring of heart failure exacerbations using a smartwatch 2026-Mar, Nature medicine IF:58.7Q1 DOI:10.1038/s41591-026-04247-3 PMID:41862772	研究论文	本研究利用智能手表数据，开发深度学习模型预测心力衰竭患者的每日峰值摄氧量，并评估其预测非计划医疗事件的能力	首次利用消费者级可穿戴设备（Apple Watch）的日常数据，通过深度学习模型连续预测心力衰竭患者的峰值摄氧量，并将其与临床不良事件风险关联，提供了一种可扩展、可推广的纵向监测新方法	研究为观察性队列研究，需进一步的前瞻性研究验证其临床效用；外部验证队列使用的传感器能力有所降低	评估智能手表数据在预测心力衰竭患者峰值摄氧量及非计划医疗事件风险方面的能力	心力衰竭患者	机器学习	心血管疾病	心肺运动测试	深度学习模型	可穿戴设备时序数据	训练集154名患者（46名女性，108名男性），验证集63名患者（24名女性，39名男性），并在独立外部队列（All of Us研究计划）中进行验证	NA	NA	Pearson相关系数, 风险比, 置信区间, P值	NA
6228	2026-03-24	Combating Misinformation in the Digital Age: A Machine Learning Approach to Protect Community Water Fluoridation and Promote Oral Health Equity 2026-Mar, Journal of public health dentistry IF:1.8Q3 DOI:10.1111/jphd.70020 PMID:41866756	研究论文	本研究开发并评估了机器学习与深度学习模型，用于识别社交媒体上关于社区水氟化的错误信息，并分析了其对公共卫生沟通和健康公平的影响	首次将机器学习与深度学习模型应用于社区水氟化错误信息的自动检测，并结合地理空间与社会人口学数据进行健康公平性分析	研究仅基于英文推文，且地理标记分析仅限于美国数据，可能无法完全代表全球情况	开发自动化工具以识别和对抗社交媒体上关于社区水氟化的错误信息，促进口腔健康公平	社交媒体上关于社区水氟化的推文内容	自然语言处理	口腔疾病	社交媒体数据挖掘，情感分析，主题内容编码	机器学习，深度学习	文本	19,960条英文推文（2014-2024年）	Scikit-learn, TensorFlow/PyTorch（用于BERT）	支持向量分类器，BERT，XGBoost	准确率	NA
6229	2026-03-24	Synthesizing breast cancer ultrasound images from healthy samples using latent diffusion models 2026-Mar, Journal of medical imaging (Bellingham, Wash.) DOI:10.1117/1.JMI.13.2.024002 PMID:41868563	研究论文	本文提出了一种基于潜在扩散模型的三阶段工作流程，用于从健康样本合成乳腺癌超声图像和分割掩码	采用三阶段潜在扩散模型结合Vision Transformers和低秩适应微调，直接从健康样本合成恶性与良性乳腺超声图像及准确分割掩码，显著降低了单模型合成任务的复杂性	合成模型仍需依赖一定量的数据进行训练，且未在更大规模或更多样化的数据集上验证泛化能力	解决乳腺癌超声图像数据稀缺和标注困难的问题，通过合成图像增强训练数据集并保护患者隐私	乳腺超声图像，包括健康、良性和恶性样本	计算机视觉	乳腺癌	超声成像	潜在扩散模型, Vision Transformer	图像	BUSI数据集中的830张图像（133张健康、487张良性、210张恶性）	PyTorch	ResNet101, U-Net	AUC, Fréchet inception distance, inception score, F1-score	NA
6230	2026-03-24	Deep transfer learning based image colorization using VGG19 and CLAHE 2026-Feb-18, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-40292-1 PMID:41702997	研究论文	本文提出了一种基于深度迁移学习的图像着色方法，利用VGG19网络提取特征并结合CLAHE后处理提升色彩质量	结合预训练的VGG19网络进行特征提取，并引入CLAHE作为后处理步骤以增强输出图像的对比度和色彩鲜艳度	未明确提及方法在极端光照或复杂纹理场景下的泛化能力限制	实现高质量且高效的灰度图像自动着色	灰度图像	计算机视觉	NA	NA	CNN	图像	在ImageNet、COCO-Stuff和Places365等多个数据集上进行实验	NA	VGG19	PSNR, SSIM	NA
6231	2026-03-24	Explainable AI in education: integrating educational domain knowledge into the deep learning model for improved student performance prediction 2026-Feb-18, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-40538-y PMID:41703044	研究论文	本研究提出了一种结合教育领域知识优化人工神经网络（ANN）的方法，用于提高学生数学成绩预测的准确性和可解释性	提出了基于SHAP的学生成绩预测解释（SPPE）算法，通过教育领域知识引导重新评估特征贡献，使模型学习的关系与领域知识一致，从而显著提升预测性能	研究仅基于一个包含395名葡萄牙高中学生的公开数据集，模型在其他数据集或教育背景下的泛化能力有待进一步验证	开发可解释的人工智能模型，以更准确、可信地预测学生学业表现	葡萄牙高中学生的数学成绩记录	机器学习	NA	NA	ANN	表格数据	395名葡萄牙高中学生	NA	人工神经网络	预测准确率	NA
6232	2026-03-24	Adaptive example selection for prototype based explainable mitosis detection in digital pathology 2026-Feb-18, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-40283-2 PMID:41708713	研究论文	本文提出了一种基于原型的可解释AI框架AES，用于提高有丝分裂检测深度学习模型的可解释性	AES框架通过自适应选择真实世界的支持性和矛盾性原型图像，高保真地局部近似模型置信度表面，不同于以往专注于离散类别预测的方法	NA	提高深度学习模型在数字病理学有丝分裂检测中的可解释性和透明度	有丝分裂检测	数字病理学	癌症	NA	Faster R-CNN	图像	NA	NA	Faster R-CNN	F1-score	NA
6233	2026-03-24	Evaluating Sentinel-2 gap filling techniques for cloud removal and data reconstruction 2026-Feb-17, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-39488-2 PMID:41703033	研究论文	本研究评估了多种填补Sentinel-2卫星图像中云层导致数据缺失的技术，包括空间、时间、时空和时空光谱方法	建立了一个评估框架，首次系统比较了不同填补方法在Sentinel-2图像上的性能，并公开了所有代码以确保可重复性	深度学习方法需要更多训练努力，且在所有场景中泛化能力有限	评估Sentinel-2图像中云层导致数据缺失的填补技术，以支持水资源管理、灌溉调度和作物健康预测等时间敏感应用	Sentinel-2卫星图像，特别是可见光（B02、B03、B04）、近红外（B08）和短波红外（B11、B12）波段	计算机视觉	NA	卫星遥感	深度学习	图像	NA	NA	NA	决定系数（R²）、相对均方根误差（rRMSE）、偏差（bias）	NA
6234	2026-02-14	A comprehensive maternal health risk prediction dataset from IoT-enabled medical cyber-physical systems in developing countries: supporting machine learning and deep learning applications for clinical decision support 2026-Feb-12, BMC medical informatics and decision making IF:3.3Q2 DOI:10.1186/s12911-026-03343-1 PMID:41680779	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
6235	2026-03-24	Deep learning-assisted discovery of a potent and cell-active inhibitor of RNA N6-methyladenosine recognition protein YTHDC2 2026-01-06, Nature communications IF:14.7Q1 DOI:10.1038/s41467-025-65542-0 PMID:41495018	研究论文	本研究开发了一种基于深度学习的分子生成模型EPMolGen，用于发现针对RNA N6-甲基腺苷识别蛋白YTHDC2的有效小分子抑制剂	首次开发了EPMolGen模型，该模型在分子生成中明确整合了受体蛋白的静电特征，实现了干实验验证中的最先进性能，并成功发现了高效且具有选择性的YTHDC2抑制剂DC2-C1	未在摘要中明确提及	发现针对YTHDC2蛋白的有效小分子抑制剂，以用于药物开发	RNA N6-甲基腺苷识别蛋白YTHDC2及其小分子抑制剂	机器学习	NA	深度学习	分子生成模型	分子结构数据，受体蛋白静电特征	NA	NA	EPMolGen	IC50值	NA
6236	2026-03-24	Deep learning guided design of protease substrates 2026-01-06, Nature communications IF:14.7Q1 DOI:10.1038/s41467-025-67226-1 PMID:41495045	研究论文	本文提出了一种名为CleaveNet的端到端AI流程，用于设计蛋白酶底物	开发了首个端到端AI流程（CleaveNet），用于大规模、可调控且高效地设计蛋白酶底物，并引入了条件标签以引导生成具有特定切割谱的肽段	研究主要应用于基质金属蛋白酶，尚未扩展到所有蛋白酶类别；大规模体外筛选的实验验证可能受限于特定实验条件	加速蛋白酶底物的设计，以研究蛋白酶活性并应用于蛋白酶激活的诊断和治疗	蛋白酶（特别是基质金属蛋白酶）的肽段底物	机器学习	NA	深度学习，大规模体外筛选	深度学习模型	肽序列数据	NA	NA	CleaveNet	体外实验验证（切割效率与选择性）	NA
6237	2026-03-24	Vision-Guided Surgical Navigation Using Computer Vision for Dynamic Intraoperative Imaging Updates 2026-Jan, International forum of allergy & rhinology IF:7.2Q1 DOI:10.1002/alr.70000 PMID:40847589	研究论文	本研究提出了一种基于计算机视觉的无传感器方法，利用神经辐射场（NeRF）从单目内窥镜视频生成动态术中CT更新，以改善内窥镜鼻窦手术中的图像引导导航	首次将神经辐射场（NeRF）应用于内窥镜鼻窦手术，实现无外部跟踪的术中CT动态更新，通过视频直接可视化切除进展	研究仅基于三个3D打印模型（共6侧）进行验证，样本量较小，且未在真实患者手术中进行测试	开发一种能够动态反映术中变化的图像引导手术系统，以提高手术完整性和减少残留病灶	内窥镜鼻窦手术（ESS）中的3D打印模型	计算机视觉	鼻窦疾病	神经辐射场（NeRF）、CT扫描、内窥镜视频处理	深度学习算法	视频、CT图像	3个3D打印模型（双侧，共6侧）	自定义NeRF流程	神经辐射场（NeRF）	豪斯多夫距离、Dice相似系数、Bland-Altman分析	NA
6238	2026-03-24	The application of artificial intelligence in the acute and sub-acute phases of spinal cord injury- a systematic review 2026-01, Spinal cord IF:2.1Q1 DOI:10.1038/s41393-025-01155-0 PMID:41345782	系统综述	本文系统综述了人工智能在脊髓损伤急性期和亚急性期管理中的应用，重点关注诊断、预后预测和治疗干预	首次系统性地总结了2020年至2025年间AI在脊髓损伤急性期和亚急性期管理中的应用，涵盖了多种机器学习模型和临床预测目标	仅纳入了2020年至2025年间的英文研究，排除了脑机接口、机器人技术和非神经学方面的研究，可能存在发表偏倚	描述人工智能在创伤性脊髓损伤管理中的应用，特别是在诊断、预后预测和治疗干预方面	脊髓损伤患者，特别是在急性期、损伤后康复期和第一年内的患者	机器学习	脊髓损伤	机器学习	经典机器学习模型, 集成学习模型, 深度学习模型	临床数据, 影像数据	23项研究，共120,931名个体	NA	NA	满意，部分研究显示高于人类表现	NA
6239	2026-03-24	AI-navigated shoulder injection: precision, real-time learning and clinical translation 2026, Frontiers in artificial intelligence IF:3.0Q2 DOI:10.3389/frai.2026.1727704 PMID:41867312	综述	本文综述了人工智能引导的超声肩关节注射技术，系统检索了相关研究并评估了其技术原理、临床应用及伦理监管	通过AI技术实现精准定位和实时学习，克服传统超声引导的局限性，优化肩关节注射治疗	NA	评估人工智能在超声引导肩关节注射中的应用效果及临床价值	人工智能引导的肩关节注射相关研究文献	计算机视觉	肩关节疾病	超声成像	深度学习	医学图像	NA	NA	NA	Dice相似系数, 首次穿刺成功率, 视觉模拟量表评分, 美国肩肘外科医师评分	NA
6240	2026-03-24	Artificial neural networks fighting real neural decline: a systematic review of AI in Alzheimer's research 2026, Artificial intelligence review IF:10.7Q1 DOI:10.1007/s10462-025-11484-4 PMID:41867506	系统综述	本文对2010年至2024年间关于人工智能在阿尔茨海默病研究中应用的156项同行评审研究进行了系统性回顾，并提出了一个新颖的分层框架来组织该领域	提出了一个新颖的分层框架，将AI应用分为早期检测、疾病进展建模、治疗发现和现实世界整合四个领域，并应用ARIMA预测模型来预测至2030年的研究轨迹	识别了模型泛化能力有限、伦理问题以及临床实施探索不足等持续存在的挑战	系统性回顾人工智能在阿尔茨海默病研究中的应用，并预测未来研究方向	2010年至2024年间发表的156项关于AI在阿尔茨海默病研究中应用的同行评审研究	机器学习	阿尔茨海默病	NA	深度学习, 生成模型, Transformer	神经影像, 遗传学数据, 生物标志物, 临床数据	NA	NA	Transformer	准确性	NA