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
6281	2026-01-20	Feasibility of deep learning-based cancer detection in ultrasound microvascular images 2026-Apr, Ultrasonics IF:3.8Q1 DOI:10.1016/j.ultras.2025.107892 PMID:41270708	研究论文	本研究探讨了基于深度学习的癌症检测在超声微血管图像中的可行性，通过训练卷积神经网络在声学血管造影体积数据上实现肿瘤检测	首次将端到端的3D卷积神经网络应用于声学血管造影体积数据，实现高效且准确的肿瘤相关血管检测，并通过与已知恶性肿瘤标志物的相关性进行验证	研究样本量相对较小（n=195），且仅基于啮齿动物模型，尚未在人类临床数据中进行验证	开发一种基于深度学习的自动化方法，以克服声学血管造影在癌症检测中手动分割耗时和操作者间变异性的限制	啮齿动物模型中的声学血管造影体积数据，包括对照组和肿瘤组	计算机视觉	癌症	声学血管造影（超谐波对比增强超声）	CNN	3D体积图像	195个声学血管造影体积（98个对照，97个肿瘤）	PyTorch, TensorFlow	EfficientNet, ResNet, DenseNet	准确度, 灵敏度, 特异性	NA
6282	2026-01-20	Attention-fused dual-stream learning for defect classification in thick aerospace CFRPs with complex microstructures using multi-angle ultrasonic scattering signatures 2026-Apr, Ultrasonics IF:3.8Q1 DOI:10.1016/j.ultras.2025.107921 PMID:41380499	研究论文	提出一种融合注意力的双流深度学习框架，用于利用多角度超声散射特征对具有复杂微观结构的厚航空航天碳纤维增强聚合物进行缺陷分类	提出了一种高效且可解释的AttentionFusion模块，能够协同整合来自B扫描图像的空间形态信息和来自原始全矩阵捕获数据的富含物理信息的多角度散射特征，并利用YOLOv8检测器进行缺陷识别	未明确提及	解决厚碳纤维增强聚合物中关键缺陷（特别是分层）的可靠检测问题，尤其是在复杂微观结构（如纤维波纹）限制常规超声检测有效性的情况下	厚碳纤维增强聚合物中的缺陷（特别是分层）	计算机视觉	NA	超声测试，全矩阵捕获	深度学习，基于YOLOv8的检测器	B扫描图像，原始全矩阵捕获数据	2776个样本	NA	YOLOv8	mAP50	NA
6283	2026-01-20	Predicting skeletal age from HR-pQCT imaging 2026-Mar, Bone IF:3.5Q2 DOI:10.1016/j.bone.2025.117761 PMID:41391644	研究论文	本研究开发了一种深度学习模型，用于从HR-pQCT扫描中预测骨骼年龄，以提供一种可解释的、相对于实际年龄的骨骼健康量化总结	首次提出基于HR-pQCT成像的深度学习框架来预测骨骼年龄，通过显著性图揭示了不同年龄组中皮质骨和小梁骨特征对预测的贡献差异，提供了一种可解释的骨骼健康总结指标	研究仅基于成人队列，未涵盖儿童或青少年群体；模型性能在独立测试集上表现良好，但需在更广泛人群中验证	开发深度学习模型以从HR-pQCT扫描中估计骨骼年龄，提升HR-pQCT数据的可解释性和临床实用性	成人队列的HR-pQCT扫描图像（远端桡骨和胫骨）	医学影像分析	骨骼老化相关疾病	HR-pQCT成像	深度学习模型	3D医学影像	训练集1236名成人（62.1%女性），独立测试集460名成人（69.3%女性）	NA	2D模型（2DRad, 2DTib, 2DRadTib）和3D模型（3DRad, 3DTib）	平均绝对误差（MAE）, R2	NA
6284	2026-01-20	Time-resolved prediction of dental implant biomechanics through integration of finite element analysis, osseointegration dynamics, and deep learning 2026-Mar, Journal of the mechanical behavior of biomedical materials IF:3.3Q3 DOI:10.1016/j.jmbbm.2025.107316 PMID:41411948	研究论文	本研究提出了一种结合有限元分析、骨整合动力学和深度学习的混合时间分辨计算框架，用于预测钛种植体在整个愈合过程中的生物力学行为	开发了一种混合MLP-LSTM神经网络框架，整合了空间和时间特征，实现了对种植体-骨界面机械和生物演化的动态预测，计算速度比传统有限元分析快4000倍以上	依赖于简化骨几何生成的合成数据、静态加载假设以及未经验证的力学生物学参数，需要在未来进行体内验证和患者特异性数据验证	预测牙种植体在愈合过程中的生物力学行为，实现个性化、AI辅助的种植体设计和负荷管理	钛牙种植体	机器学习	NA	有限元分析，力学生物学建模	MLP, LSTM	合成数据（基于参数化3D FEA模型）	800个种植体-骨配置（模拟不同几何形状、载荷和骨质量）	NA	混合MLP-LSTM神经网络	R², 平均绝对误差	NA
6285	2026-01-20	Deep learning-based micro-CT grayscale analysis for early detection and staging of osteoporosis in rats 2026-Mar, Bone IF:3.5Q2 DOI:10.1016/j.bone.2025.117768 PMID:41435999	研究论文	本研究提出了一种基于深度学习的Micro-CT灰度分析方法，用于大鼠骨质疏松症的早期检测和精确分期	提供了跨多个时间点的标准化参考数据，并利用深度学习对Micro-CT灰度进行分析，实现了比传统参数更早、更准确的骨质疏松检测和分期	研究仅使用大鼠模型，结果可能无法直接推广到人类；样本量相对较小（n=64）	开发一种用于骨质疏松症早期检测和疾病分期的定量分析工具	卵巢切除的Sprague-Dawley大鼠（骨质疏松模型）和假手术组大鼠	数字病理学	骨质疏松症	Micro-CT成像	自定义深度学习模型	Micro-CT图像	64只大鼠（32只OVX组，32只假手术组），在术后4、8、16、24周采集股骨样本	NA	自定义深度学习模型	准确率	NA
6286	2026-01-20	Breaking resistance with machine and deep learning: A computational intelligence hunt for AmvR (TetR) inhibitors in Acinetobacterbaumannii 2026-Mar, Journal of molecular graphics & modelling IF:2.7Q2 DOI:10.1016/j.jmgm.2025.109261 PMID:41442824	研究论文	本研究利用机器学习和深度学习模型，从天然化合物库中筛选针对Acinetobacter baumannii的AmvR (TetR)蛋白抑制剂	结合QSAR模型、多种机器学习算法（RF、SVM、KNN、XGBoost）和深度学习CNN模型进行虚拟筛选，并辅以分子对接、分子动力学模拟（500 ns）和结合自由能分析（MMGBSA/PBSA）等综合计算手段	研究为计算模拟结果，需进一步实验验证；筛选的化合物库仅限于10,860个天然化合物	开发针对多重耐药Acinetobacter baumannii感染的新型治疗方法，寻找AmvR (TetR)蛋白抑制剂	Acinetobacter baumannii的TetR家族调控蛋白AmvR及其潜在抑制剂	计算生物学, 药物发现	细菌感染, 多重耐药菌感染	定量构效关系(QSAR), 虚拟筛选, 分子对接, 分子动力学模拟, 药代动力学(ADME)分析	RF, SVM, KNN, XGBoost, CNN	化学结构数据, 生物活性数据(MIC), 蛋白质结构数据	ChEMBL数据集, 10,860个天然化合物	Scikit-learn, XGBoost, TensorFlow/PyTorch (未明确指定)	CNN	准确率(96%), 结合能(kcal/mol), 结合自由能(MMGBSA/PBSA)	NA
6287	2026-01-20	Clinical validation of fully automated (peri-)articular tissue analysis for assessing osteoarthritis progression: A narrative review 2026-Mar, Osteoarthritis and cartilage open DOI:10.1016/j.ocarto.2025.100719 PMID:41550414	综述	本文是一篇叙述性综述，总结了全自动（关节周围）组织分析技术在评估骨关节炎进展方面的临床验证研究	系统性地回顾和比较了基于深度学习的全自动方法在评估骨关节炎结构进展方面的临床有效性，并与参考测量（如手动分割）进行了对比	纳入的研究数量有限（仅9篇，其中5篇符合纳入标准），且主要依赖于骨关节炎倡议（OAI）的数据，可能限制了结果的普适性	评估和总结全自动方法在评估骨关节炎结构进展方面的临床有效性	骨关节炎患者的（关节周围）关节组织，包括软骨、肌肉和脂肪组织	数字病理学	骨关节炎	MRI，X射线成像	深度学习	医学影像（MRI，X射线）	NA	NA	NA	对变化的敏感性，区分能力	NA
6288	2026-01-20	Detecting Human Frequency-Following Responses Using an Artificial Neural Network 2026-Feb, Perceptual and motor skills IF:1.4Q4 DOI:10.1177/00315125251347006 PMID:40440687	研究论文	本研究探讨了使用三层人工神经网络检测由英语元音/i/的上升语调引发的人类频率跟随响应的有效性	首次将深度学习模型（人工神经网络）应用于频率跟随响应的检测，探索了其在听觉处理评估中的潜力	研究仅针对特定语调（英语元音/i/的上升语调）的FFR，未涵盖更广泛的声学条件或语言环境	评估人工神经网络在检测人类频率跟随响应方面的效能，为听觉处理评估和临床诊断提供基础	由英语元音/i/的上升语调引发的人类频率跟随响应神经信号	机器学习	NA	频谱域F0估计	ANN	FFR录音信号	NA	NA	三层人工神经网络	预测准确率	NA
6289	2026-01-20	Evaluation of deep learning models for anterior segment OCT image segmentation during scleral lens wear 2026-Feb, Contact lens & anterior eye : the journal of the British Contact Lens Association IF:4.1Q1 DOI:10.1016/j.clae.2025.102484 PMID:40764201	研究论文	本研究评估了16种深度学习模型在巩膜镜佩戴期间前段OCT图像分割中的性能	首次系统比较了四种不同架构（U-Net、U-Net++、FPN、MA-Net）与五种编码器（EfficientNet-B4、DenseNet201、VGG19、ResNet34、Xception）组合在巩膜镜佩戴AS-OCT图像分割中的表现，并确定了U-Net++/VGG19为最佳组合	研究仅涉及正常角膜参与者，未包括角膜疾病或组织形态改变的病例，且部分模型在Bowman层与角膜基质界面存在误分类问题	评估深度学习模型在巩膜镜佩戴期间前段OCT图像分割中的准确性和性能	巩膜镜佩戴期间获取的前段光学相干断层扫描图像，包括巩膜镜前/后表面、角膜上皮前表面、基质前界面和内皮	计算机视觉	NA	前段光学相干断层扫描	深度学习模型	图像	15名正常角膜参与者在巩膜镜佩戴0和480分钟后获取的AS-OCT图像	NA	U-Net, U-Net++, FPN, MA-Net, EfficientNet-B4, DenseNet201, VGG19, ResNet34, Xception	Dice系数, 平均绝对边界误差	NA
6290	2026-01-20	Harnessing deep statistical potential for biophysical scoring of protein-peptide interactions 2026-Feb, Acta pharmacologica Sinica IF:6.9Q1 DOI:10.1038/s41401-025-01659-8 PMID:41034399	研究论文	本文开发了一种名为DeepPpIScore的新型评分函数，用于评估蛋白质-肽相互作用，该方法结合了无监督几何深度学习和物理启发的统计势能	DeepPpIScore是首个利用无监督几何深度学习和物理统计势能来评分蛋白质-肽相互作用的模型，无需结合亲和力数据或分类标签进行训练，且在多个任务中展现出卓越的泛化能力	模型仅基于精选的实验结构进行训练，可能未覆盖所有蛋白质-肽相互作用的多样性，且未明确讨论其在未知结构或大规模数据集上的表现	开发一个高精度的评分函数，以改进蛋白质-肽相互作用的预测，并促进肽疗法的进展	蛋白质-肽相互作用	机器学习	NA	无监督几何深度学习，物理启发的统计势能	深度学习模型	三维结构数据	NA	NA	NA	结合亲和力预测，结合对识别，肽结合模式预测	NA
6291	2026-01-20	Chromosome Image Classification Using Edge Fusion Attention Network 2026-Feb, Microscopy research and technique IF:2.0Q3 DOI:10.1002/jemt.70070 PMID:40884446	研究论文	本文提出了一种用于染色体图像分类的深度学习架构——边缘融合注意力网络（EFANet），通过结合自适应边缘保持融合算法和特征聚焦注意力网络，提高了染色体分类的准确性	提出了一种新的深度学习架构EFANet，结合了自适应边缘保持融合（AEPF）算法和特征聚焦注意力网络（FANet），以增强染色体边界识别和形态差异特征，从而提高分类精度	NA	解决染色体结构变异和边界不精确导致的分类困难，提高染色体图像分类的准确性	染色体图像	计算机视觉	遗传性疾病	NA	CNN	图像	NA	NA	EFANet, AEPF, FANet	准确率, F1分数, 精确率, 召回率	NA
6292	2026-01-20	Physics-informed deep learning sharpens nano diagnostics for elusive pancreatic cancer 2026-Feb, Seminars in oncology IF:3.0Q2 DOI:10.1016/j.seminoncol.2025.152427 PMID:41129854	综述	本文探讨了物理信息深度学习在胰腺癌纳米诊断中的应用及其潜力	结合物理信息深度学习与人工智能、纳米医学和影像学，以提升胰腺癌的早期检测和个性化治疗	未提及具体实验数据或模型验证的局限性	改善胰腺癌的早期诊断和患者预后	胰腺癌患者，特别是高风险群体	数字病理学	胰腺癌	物理信息深度学习，人工智能，纳米医学，液体活检	深度学习模型	影像数据，合成数据	NA	NA	NA	NA	NA
6293	2026-01-20	Accelerating 2D Kidney Magnetic Resonance Fingerprinting Using Deep Learning Based Tissue Quantification 2026-Feb, Journal of magnetic resonance imaging : JMRI IF:3.3Q1 DOI:10.1002/jmri.70150 PMID:41085013	研究论文	本文开发了一种基于深度学习的加速肾脏磁共振指纹成像方法，用于快速量化组织特性	首次将深度学习应用于加速肾脏MRF采集，实现了三倍加速且保持量化准确性	对于T1或T2值与健康组织差异较大的肾脏肿块，需要更多MRF时间帧才能保证准确量化	开发加速肾脏磁共振指纹成像的深度学习方法并评估其性能	健康受试者的肾脏及肾脏肿块患者的病变组织	数字病理学	肾脏疾病	磁共振指纹成像	深度学习	磁共振图像	开发集：36名健康受试者+20名肾脏肿块患者；测试集：4名健康受试者+16名患者	NA	NA	归一化均方根误差	NA
6294	2026-01-20	Standardized evaluation of orthokeratology lens fitting status assisted by deep learning algorithm 2026-Feb, Contact lens & anterior eye : the journal of the British Contact Lens Association IF:4.1Q1 DOI:10.1016/j.clae.2025.102519 PMID:41115819	研究论文	本研究开发了一种基于YOLOv8n目标检测算法的标准化评估方法，用于在荧光素染色条件下定量评估角膜塑形镜的位移并客观评价其适配状态	首次将YOLOv8n目标检测算法应用于角膜塑形镜荧光素染色图像的自动识别与位移计算，实现了适配状态的客观、定量评估	对于经验丰富的适配医师可能无法显著提高效率，且未来需要扩大样本量并纳入多中心数据以验证泛化能力	开发一种标准化、客观的角膜塑形镜适配状态评估方法，以辅助临床评估并减少主观偏差	角膜塑形镜在荧光素钠染色下的适配过程视频及对应的眼科检查结果	计算机视觉	NA	荧光素钠染色成像	目标检测算法	视频、图像	117个记录角膜塑形镜荧光素钠染色适配过程的视频	NA	YOLOv8n	准确率, 召回率, F1分数, Kappa一致性检验	NA
6295	2026-01-20	A review of deep learning techniques in Alzheimer's disease with emphasis on data tools and transfer learning 2026-Jan-26, Neuroscience IF:2.9Q2 DOI:10.1016/j.neuroscience.2025.12.032 PMID:41401894	综述	本文综述了深度学习技术在阿尔茨海默病中的应用，重点关注数据工具和迁移学习方法	强调迁移学习在解决数据标注不足和类别不平衡问题上的创新应用，并全面回顾了数据预处理工具	未提出新的模型或算法，主要基于现有文献进行总结，可能未涵盖所有最新研究进展	回顾深度学习特别是迁移学习在阿尔茨海默病阶段分类中的应用，并讨论相关挑战	阿尔茨海默病的早期识别和阶段分类	机器学习	阿尔茨海默病	NA	深度学习	图像（MRI, PET）	NA	NA	NA	NA	NA
6296	2026-01-20	Comparison of deep learning reconstruction and adaptive statistical iterative reconstruction for head CT in acute stroke 2026-Jan-19, Neuroradiology IF:2.4Q2 DOI:10.1007/s00234-025-03898-2 PMID:41549105	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
6297	2026-01-20	A chronic kidney disease prediction system based on Internet of Things using walrus optimized deep learning technique 2026-Jan-19, Informatics for health & social care IF:2.5Q3 DOI:10.1080/17538157.2025.2610695 PMID:41553156	研究论文	本文提出了一种基于物联网的慢性肾病预测系统，采用海象优化的深度学习技术	结合了增强残差网络50进行特征提取，并引入了基于精英对立和柯西分布的海象优化算法进行特征选择，以及海象优化的双向长短期记忆网络进行分类	未提及模型在外部验证集上的泛化能力或计算效率的具体评估	开发一种高效的慢性肾病预测系统，以提升医疗保健服务	慢性肾病患者的医疗数据	机器学习	慢性肾病	物联网数据采集与处理	深度学习	结构化医疗数据	NA	NA	EResNet50, WOBLSTM	灵敏度	NA
6298	2026-01-20	Hybrid imaging-clinical model for predicting microvascular invasion in hepatocellular carcinoma using deep learning-derived features from CT 2026-Jan-19, Physical and engineering sciences in medicine IF:2.4Q2 DOI:10.1007/s13246-025-01689-w PMID:41553627	研究论文	本研究提出了一种结合深度学习和机器学习技术的方法，利用CT图像中的脂肪组织特征来预测肝细胞癌患者的微血管侵犯状态	首次整合脂肪组织深度特征与临床特征构建混合模型，用于预测肝细胞癌的微血管侵犯，并通过可视化分析验证了脂肪组织模态的临床诊断价值	研究仅基于两个中心的517例患者数据，样本量相对有限，且未进行外部验证	开发一种预测肝细胞癌微血管侵犯的混合成像-临床模型	肝细胞癌患者	计算机视觉	肝细胞癌	增强计算机断层扫描	深度学习, 机器学习	图像	517例肝细胞癌患者	NA	NA	AUC, 决策曲线分析, 散点图, 箱线图	NA
6299	2026-01-20	Development and validation of a deep survival model to predict time to seizure from routine electroencephalography 2026-Jan-19, Epilepsia IF:6.6Q1 DOI:10.1002/epi.70101 PMID:41553763	研究论文	本研究开发并验证了一个深度学习生存模型EEGSurvNet，用于从常规脑电图分析中预测个体随时间变化的癫痫发作风险	首次开发了深度学习生存模型EEGSurvNet，能够从单次常规脑电图中提取超出可见癫痫样异常的预后信息，并在无癫痫样放电的脑电图中表现出优越的区分能力	研究为回顾性队列设计，未来需要前瞻性研究来验证结果并评估临床影响	开发并验证一个深度学习模型，以预测癫痫患者从常规脑电图记录到下一次癫痫发作的时间	994名患者的1014次连续常规脑电图记录	机器学习	癫痫	常规脑电图	深度学习生存模型	脑电图信号	1014次脑电图记录（来自994名患者），测试集包含135次脑电图记录（来自115名患者）	NA	EEGSurvNet	时间依赖性AUROC, 2年积分AUROC, C指数	NA
6300	2026-01-20	EvoZymePro-Cat: A Protein-Ligand-Aware Deep Learning Framework for Predicting Mutation Effects in Enzyme Function 2026-Jan-16, ACS synthetic biology IF:3.7Q1 DOI:10.1021/acssynbio.5c00755 PMID:41422407	研究论文	本文提出了一种名为EvoZymePro-Cat的深度学习框架，用于预测突变对酶功能的影响，并通过比较预测突变活性来筛选改进的酶突变体	提出了一种成对比较框架，直接建模变体间的相对活性优势，避免了绝对活性预测的系统误差；整合了蛋白质和配体的全序列与局部结构语义，并利用双线性注意力机制捕获催化过程中的长程分子间相互作用	未明确说明模型在跨酶家族或不同反应类型中的泛化能力，也未详细讨论计算资源需求或运行时间	开发一个深度学习平台，用于高效筛选酶突变体，以推动酶的高效发现和定向进化	酶突变体及其功能活性	机器学习	NA	深度学习	Transformer, 注意力机制	蛋白质序列、配体分子表示、结构特征	NA	NA	ESM1b, MolT5, 双线性注意力机制	AUC	NA