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
641	2026-03-28	Automated analysis of paraspinal muscles: segmentation and multi-parameter quantification in lumbar CT using convolutional neural network 2026-Mar, European spine journal : official publication of the European Spine Society, the European Spinal Deformity Society, and the European Section of the Cervical Spine Research Society IF:2.6Q1 DOI:10.1007/s00586-025-09541-1 PMID:41191112	研究论文	本文开发了一种基于卷积神经网络的深度学习算法，用于在腰椎CT中自动分割和量化八块脊柱旁肌肉	首次提出使用深度学习算法自动分割和量化八块腰椎脊柱旁肌肉，并计算多个肌肉参数，克服了手动方法的耗时和变异性问题	样本量相对较小（100例CT扫描），且未提及外部验证或跨中心数据测试	开发自动分割和量化腰椎脊柱旁肌肉的深度学习工具，以支持大规模流行病学研究	腰椎CT图像中的八块脊柱旁肌肉（双侧腰大肌、腰方肌、竖脊肌和多裂肌）	数字病理学	脊柱相关疾病	CT成像	CNN	图像	100例腰椎CT扫描（年龄55.02±16.2岁，62名女性）	NA	TransUNet	Dice相似系数, Hausdorff距离, 平均交并比, 组内相关系数	NA
642	2026-03-28	External validation of SpineNetv2 deep learning system for automated lumbar spine MRI analysis: A multi-pathology diagnostic agreement study 2026-Mar, European spine journal : official publication of the European Spine Society, the European Spinal Deformity Society, and the European Section of the Cervical Spine Research Society IF:2.6Q1 DOI:10.1007/s00586-025-09543-z PMID:41204023	研究论文	本研究对公开可用的深度学习系统SpineNetv2在腰椎MRI多病理自动分析方面进行了独立外部验证，并与专家评估进行了对比	首次对SpineNetv2深度学习系统在多种腰椎病理诊断方面进行了独立外部验证，并系统比较了其与初级骨科医生的性能差异	Pfirrmann分级在老年患者和上腰椎间盘中的一致性下降，系统存在特异性导向特征，假阴性超过假阳性，不推荐依赖阴性结果	验证深度学习系统在腰椎MRI多病理自动分析中的诊断性能	491名患者的2,455个腰椎间盘（L1/2-L5/S1）	数字病理学	腰椎退行性疾病	磁共振成像（MRI）	深度学习系统	医学影像（MRI图像）	491名患者，2,455个腰椎间盘	NA	SpineNetv2	敏感性, 特异性, 阳性预测值, 阴性预测值, F1分数, Matthews相关系数, 精确一致性, 加权kappa, 平均绝对误差	NA
643	2026-03-28	Deep learning model for osteoporosis screening on chest CT with low tube voltage 2026-Mar, European spine journal : official publication of the European Spine Society, the European Spinal Deformity Society, and the European Section of the Cervical Spine Research Society IF:2.6Q1 DOI:10.1007/s00586-025-09540-2 PMID:41207963	研究论文	本研究开发了一种基于低管电压胸部CT图像的深度学习模型，用于骨质疏松筛查	利用低管电压（100 kV）胸部CT图像，结合两级网络（Bone-PSPNet和Ost-ClassNet）自动识别骨质疏松，为骨质疏松筛查提供了新的无创方法	研究为回顾性设计，样本量相对有限（649例），且仅基于单一机构的患者数据，可能影响模型的泛化能力	开发基于低管电压胸部CT的深度学习模型，用于骨质疏松的自动筛查	接受低管电压胸部CT和腰椎定量CT（QCT）检查的患者	计算机视觉	骨质疏松	低管电压CT（100 kV），定量CT（QCT）	深度学习模型	CT图像	649例患者（训练集518例，测试集131例）	NA	Bone-PSPNet, Ost-ClassNet	灵敏度, AUC	NA
644	2026-03-28	Spinal Cord Segmentation and Injury Detection based on Siamese Conventional WideRes Network using CT Image 2026-Mar, European spine journal : official publication of the European Spine Society, the European Spinal Deformity Society, and the European Section of the Cervical Spine Research Society IF:2.6Q1 DOI:10.1007/s00586-025-09587-1 PMID:41266913	研究论文	提出了一种基于Siamese卷积WideRes网络（SCWRes-Net）的深度学习新方法，用于CT图像中的脊髓分割和损伤检测	提出了一种新颖的SCWRes-Net模型，该模型集成了Siamese卷积神经网络（SCNN）和宽残差网络（WideResNet），用于解决脊髓损伤检测中的类别不平衡和图像变异性问题	NA	开发一种用于脊髓分割和损伤检测的深度学习模型	CT图像中的脊髓区域	计算机视觉	脊髓损伤	CT成像	CNN, Siamese网络	图像	NA	NA	Mask R-CNN, WideResNet, Siamese CNN	准确率, 真阴性率, 真阳性率	NA
645	2026-03-28	Generating Dynamic Structures Through Physics-Based Sampling of Predicted Inter-Residue Geometries 2026-Mar, Advanced science (Weinheim, Baden-Wurttemberg, Germany) DOI:10.1002/advs.202518469 PMID:41566646	研究论文	本文提出了一种名为trRosettaX2-Dynamics (trX2-D)的创新方法，通过结合深度学习预测与基于物理的采样，用于预测蛋白质的动态结构和替代构象	trX2-D首次将基于物理的迭代采样应用于trRosettaX2预测的残基间几何分布，无需先验知识即可生成动态结构，显著提升了蛋白质动态结构预测的能力	模型在训练中仅使用了约7000个动态NMR结构进行微调，可能受限于数据规模，且未明确提及对更复杂或大规模蛋白质系统的泛化能力	开发一种能够预测蛋白质替代构象和动态结构的方法，以解决现有深度学习模型（如AlphaFold2）在建模动态结构方面的不足	蛋白质结构，特别是其动态构象和替代构象	机器学习	NA	深度学习，基于物理的采样，X射线结构分析，NMR结构分析	Transformer	蛋白质结构数据（包括X射线和NMR结构）	预训练使用高分辨率X射线结构，微调使用约7000个动态NMR结构	NA	Transformer	NA	NA
646	2026-03-28	Machine Learning Discovery of Record-Low Lattice Thermal Conductivity in Double Perovskites 2026-Mar, Advanced science (Weinheim, Baden-Wurttemberg, Germany) DOI:10.1002/advs.202515766 PMID:41701522	研究论文	本研究开发了一种深度学习原子间势能模型，用于高通量筛选双钙钛矿材料，并发现了创纪录的低晶格热导率材料	开发了名为Elemental-SDNNFF的深度学习原子间势能模型，结合主动学习框架，实现了对数千种双钙钛矿材料声子性质的高效预测，发现了各向同性块体材料中最低的晶格热导率记录	研究主要关注立方结构双钙钛矿，未涵盖所有可能的双钙钛矿结构类型	开发高效机器学习框架，用于快速筛选复杂材料的动态稳定性和准确预测声子输运性质	双钙钛矿材料（ABCD型）	机器学习	NA	密度泛函理论（DFT）、深度学习原子间势能、玻尔兹曼输运方程、四声子散射计算、分子动力学模拟	深度学习神经网络	DFT计算力数据、材料结构数据	9709种立方双钙钛矿结构，其中1597种动态稳定候选材料	DeePMD, DynaPhoPy	Elemental-SDNNFF	晶格热导率预测值、带隙值	NA
647	2026-03-28	Application and assessment of deep learning to routine 2D T2 FLEX spine imaging at 1.5T 2026-Mar, European spine journal : official publication of the European Spine Society, the European Spinal Deformity Society, and the European Section of the Cervical Spine Research Society IF:2.6Q1 DOI:10.1007/s00586-025-09305-x PMID:40892229	研究论文	本研究评估了深度学习重建技术在1.5T磁共振脊柱成像中的应用效果，比较了DL重建与非DL重建的2D T2 FLEX图像质量	首次系统评估深度学习重建（AIR™ Recon DL）在1.5T磁共振常规脊柱2D T2 FLEX成像中的诊断图像质量和定量指标表现	样本量较小（41例患者），仅评估了特定病理类型，需要更大规模和多样化的队列研究来验证结果	比较深度学习重建与非深度学习重建的脊柱2D T2 FLEX磁共振图像的诊断质量和定量指标	41例临床需要进行颈椎或腰椎磁共振检查的患者	医学影像分析	脊柱疾病	2D T2 FLEX磁共振成像，DIXON型脂肪抑制技术	深度学习重建模型	磁共振图像	41例患者，39个病例评估	AIR™ Recon DL（GE HealthCare专有框架）	NA	信噪比（SNR），总变差（TV），边缘数量，脂肪分数（FF），诊断偏好评分	1.5T Voyager磁共振扫描仪（GE HealthCare），具体计算资源未明确说明
648	2026-03-28	Multi-class cervical spine fracture classification using deep ensemble model based on CT images 2026-Mar, European spine journal : official publication of the European Spine Society, the European Spinal Deformity Society, and the European Section of the Cervical Spine Research Society IF:2.6Q1 DOI:10.1007/s00586-025-09415-6 PMID:41057591	研究论文	本研究提出了一种基于CT图像的多类别颈椎骨折分类深度集成模型，用于精确识别骨折类型	提出了一种结合增强维纳滤波预处理、改进残差块辅助ResUNet分割、以及VGG16/ResNet深度特征与LGTrP纹理特征融合的集成分类框架，采用软投票策略整合多个分类器的概率输出	未明确说明模型在外部验证集上的泛化性能，也未讨论不同CT扫描参数对模型性能的影响	开发精确有效的颈椎骨折自动分类方法以辅助临床诊断	颈椎CT图像	计算机视觉	颈椎骨折	CT成像	集成模型, CNN	医学图像（CT）	NA	NA	ResUNet, VGG16, ResNet, LeNet, ShuffleNet, DCNN	准确率, 精确率, NPV	NA
649	2026-03-28	Artificial Intelligence in Proton Therapy: What Works, What Does Not, and What Is Next 2026 Mar-Apr 01, Cancer journal (Sudbury, Mass.) DOI:10.1097/PPO.0000000000000821 PMID:41880273	综述	本文综述了人工智能在质子治疗中的当前与新兴应用，包括成像、治疗计划、质量保证、自适应工作流程和结果建模	强调了现代AI方法（如机器学习和深度学习）在整合异构数据和捕捉临床工作流程中复杂关系方面的能力，特别是在应对质子治疗中范围不确定性、解剖变异和生物异质性等挑战方面	NA	总结和讨论人工智能在质子治疗中的应用现状、挑战及未来方向	质子治疗中的临床工作流程，包括成像、治疗计划、质量保证、自适应策略和结果建模	医疗人工智能	癌症（泛指，未特指具体类型）	NA	机器学习, 深度学习	异构数据（可能包括图像、剂量数据、临床参数等）	NA	NA	NA	NA	NA
650	2026-03-28	Dual HER2/ERα Inhibitors for Breast and Ovarian Cancer: An Integrated Computational Study on 1,2,4-Oxadiazole Derivatives 2026-Mar, Chemistry & biodiversity IF:2.3Q3 DOI:10.1002/cbdv.202503520 PMID:41889096	研究论文	本研究通过综合计算策略评估了一系列1,2,4-恶二唑衍生物作为HER2和ERα双重抑制剂的潜力	采用集成计算策略（包括DFT、分子对接、动力学模拟、药代动力学分析和机器学习模型）来评估1,2,4-恶二唑衍生物作为HER2/ERα双重抑制剂，并利用机器学习和深度学习模型进行化合物活性分类	研究结果需要后续实验验证，计算模型的预测性能可能受限于训练数据	评估1,2,4-恶二唑衍生物作为HER2和ERα双重抑制剂的潜力，以加速靶向癌症疗法的发现	1,2,4-恶二唑衍生物	机器学习	乳腺癌,卵巢癌	密度泛函理论（DFT）、分子对接、分子动力学模拟、药代动力学分析、机器学习	机器学习模型,深度学习模型	化学结构数据,计算模拟数据	一系列1,2,4-恶二唑衍生物	NA	NA	预测结合亲和力,复合物稳定性,口服生物利用度,心脏毒性风险,分类性能	NA
651	2026-03-28	Anomaly detection in brain MRI: a comprehensive review 2026-Mar, Biomedical engineering letters IF:3.2Q2 DOI:10.1007/s13534-026-00551-6 PMID:41890248	综述	本文全面回顾了脑部MRI异常检测领域，涵盖传统统计方法、经典机器学习及当代深度学习范式	系统地将深度学习工作组织为重建、生成和自监督三大范式，并强调了新兴策略如混合学习、多模态整合和基于生物学的指标（如脑年龄差距）在提升鲁棒性和临床相关性方面的潜力	现有方法仍面临高误报率、异常定义不明确、可解释性有限以及对领域偏移的脆弱性等关键挑战	为研究人员和临床医生提供实用且全面的指南，以推进可靠、可扩展的脑部MRI异常检测	脑部MRI图像	数字病理学	神经系统疾病	磁共振成像（MRI）	NA	图像	NA	NA	NA	NA	NA
652	2026-03-28	Data augmentation method for computer-aided diagnosis using specular reflection 2026-Mar, Biomedical engineering letters IF:3.2Q2 DOI:10.1007/s13534-025-00533-0 PMID:41890266	研究论文	本研究开发了一种利用镜面反射的数据增强技术，旨在提高结肠镜计算机辅助诊断中深度学习模型的鲁棒性和性能	提出了一种结合镜面反射生成与修复的数据增强方法，专门针对结肠镜CADx场景，尤其在训练数据有限时表现出优越性	研究仅基于2,616张NBI图像进行，未涉及其他结肠镜成像模式或更大规模的外部验证	开发并评估一种数据增强技术，以提升深度学习模型在结肠镜计算机辅助诊断中的性能	结肠息肉在窄带成像下的图像	计算机视觉	结直肠癌	窄带成像	CNN, Vision Transformer	图像	2,616张NBI图像	NA	卷积神经网络, Vision Transformer	准确率	NA
653	2026-03-28	scDBic: a novel deep learning-based biclustering algorithm for analyzing scRNA-seq data 2026-Feb-28, Bioinformatics (Oxford, England) DOI:10.1093/bioinformatics/btag095 PMID:41746287	研究论文	本文提出了一种名为scDBic的新型深度学习双聚类算法，专门用于分析单细胞RNA测序数据	结合深度自编码器与反向策略，首次在双聚类框架中同时捕获细胞群和关键基因，解决了传统方法在局部一致性和高维适应性上的不足	未明确讨论算法在大规模数据集上的计算效率或对噪声数据的鲁棒性	开发一种改进的单细胞RNA测序数据聚类方法，以更好地研究细胞异质性	单细胞RNA测序数据	机器学习	NA	scRNA-seq	自编码器	基因表达数据	NA	NA	深度自编码器	NA	NA
654	2026-03-28	Deep Learning-Based Diagnostic Model for Ocular Surface Neoplastic Diseases 2026-Feb-24, American journal of ophthalmology IF:4.1Q1 DOI:10.1016/j.ajo.2026.02.033 PMID:41748055	研究论文	本研究开发了一种基于深度学习的诊断模型，用于识别眼表肿瘤性疾病，并评估其诊断性能	首次应用YOLOv5深度学习模型于眼表肿瘤的自动诊断，并通过与不同级别眼科专家的比较验证了其高诊断准确性	对于罕见恶性肿瘤（如黑色素瘤和MALT淋巴瘤）的诊断性能有限，需要进一步优化	开发并评估一个深度学习模型，用于辅助诊断眼表肿瘤性疾病	眼表肿瘤图像，包括痣、角膜缘皮样瘤、MALT淋巴瘤、眼表鳞状上皮瘤、黑色素瘤、睑裂斑和翼状胬肉	计算机视觉	眼表肿瘤性疾病	裂隙灯显微镜成像	CNN	图像	1491张眼表图像，代表7种疾病，外部验证使用299张图像	PyTorch	YOLOv5	阳性预测值, 曲线下面积, 敏感性, 特异性	NA
655	2026-03-28	Graph Learning in Bioinformatics: A Survey of Graph Neural Network Architectures, Biological Graph Construction and Bioinformatics Applications 2026-02-23, Biomolecules IF:4.8Q1 DOI:10.3390/biom16020333 PMID:41750401	综述	本文综述了图神经网络在生物信息学中的应用，涵盖图构建、架构设计和生物医学应用	提供了一个结构化框架，从图构建、GNN架构到生物医学应用三个维度系统梳理GNN在生物信息学中的方法与应用，并强调图质量、架构选择和训练动态对性能的联合影响	NA	为理解和应用图神经网络在生物信息学中提供一个系统框架	生物系统，包括蛋白质相互作用网络、基因调控回路、分子图和多组学整合等	生物信息学	NA	图神经网络	GNN, GCN, GAT, GraphSAGE, GIN	图数据	NA	NA	Graph Convolutional Networks, Graph Attention Networks, Graph Sample and AggregatE, Graph Isomorphism Network	NA	NA
656	2026-03-28	A multi-modal approach for recognizing fake news and influential nodes in spreading them using deep learning and network analysis 2026-Feb-18, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-35342-7 PMID:41708655	研究论文	本文提出了一种结合深度学习和网络分析的多模态方法，用于识别社交媒体中的虚假新闻及其传播中的关键节点	创新点在于将深度学习与基于图的聚类技术相结合，有效检测谣言源头并预测传播路径，采用GloVe技术描述内容特征，并引入新的聚类方法识别社交网络中的社区结构	NA	研究目的是减少社交媒体中谣言的危害，通过识别谣言传播的主要节点和路径	研究对象是社交媒体中的谣言传播网络和用户节点	自然语言处理, 机器学习	NA	GloVe技术, 深度神经网络, 图聚类	深度神经网络	文本, 网络数据	使用了真实社交网络数据库	NA	NA	准确率, 精确率, 处理时间	NA
657	2026-03-28	A hybrid deep learning framework using convolutional and transformer models for robust plant disease classification 2026-Feb-18, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-38209-z PMID:41708692	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
658	2026-03-28	Integrative framework for cancer detection via integro-differential equations using deep learning techniques 2026-Feb-18, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-39283-z PMID:41708707	研究论文	本研究提出了一种结合积分-微分方程和深度学习技术的框架，用于从医学图像中检测癌症区域	提出了一种将2D医学图像转换为1D信号进行特征提取，并结合积分-微分方程建模肿瘤生长动态的创新框架，旨在提高模型的可解释性	存在数据依赖性、信号转换过程中的信息丢失以及数学模型简化等局限性	开发一种计算工具，用于在医学图像中准确识别癌症区域，以支持癌症诊断	医学图像（如乳腺X光片）	计算机视觉	癌症	深度学习	CNN	图像	来自公开乳腺X光数据集（INbreast和MIAS）的样本	NA	1D卷积神经网络	准确率	NA
659	2026-03-28	Novel algorithm for knee localization and diagnosis and grading of knee osteoarthritis based on a priori information: data from OAI 2026-Feb-17, BMC medical imaging IF:2.9Q2 DOI:10.1186/s12880-026-02235-0 PMID:41703497	研究论文	本文提出了一种基于先验信息的深度学习算法，用于膝关节的自动分割、诊断和分级膝骨关节炎	提出Anchor-free Knee Probability Calculation Net (AKPCNet)膝关节感兴趣区域提取算法和Attention Pooling全局池化优化算法，结合低阶特征强化网络(APLFRNet)提高KL分级准确性	NA	开发并评估一种基于深度学习的全自动膝关节分割方法，用于膝骨关节炎的诊断和分级	膝骨关节炎患者的X光图像	计算机视觉	膝骨关节炎	X光成像	深度学习	图像	35,000张膝关节X光片（前后位视图）	NA	AKPCNet, APLFRNet	ROC AUC, 平衡准确率	NA
660	2026-02-19	Multimodal deep learning for survival prediction and biomarker discovery in non-small cell lung cancer 2026-Feb-17, BioData mining IF:4.0Q1 DOI:10.1186/s13040-026-00522-8 PMID:41703583	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA