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
661	2026-02-11	The potential of optical coherence tomography angiography in progressive multiple sclerosis 2026-Feb-07, Journal of neurology IF:4.8Q1 DOI:10.1007/s00415-026-13659-7 PMID:41654639	研究论文	本研究评估了光学相干断层扫描血管成像（OCTA）在进展型多发性硬化症（PMS）患者中作为补充检测方法的潜力，通过深度学习算法分析视网膜血管密度变化	首次在进展型多发性硬化症（PMS）人群中系统评估OCTA的应用价值，并发现血管密度与疾病持续时间、临床残疾程度的相关性	单中心回顾性横断面研究，样本量有限，需要外部验证和纵向研究进一步证实	探索OCTA技术在进展型多发性硬化症神经退行性过程监测中的应用潜力	进展型多发性硬化症患者与健康对照者的视网膜血管影像	数字病理学	多发性硬化症	光学相干断层扫描血管成像（OCTA）	深度学习	医学影像（视网膜OCTA图像）	149只眼睛（85只来自62名PMS患者，64只来自43名健康对照）	NA	NA	血管密度（VD）、p值、相关性系数（β）	NA
662	2026-02-11	Label-free serum SERS combined with RFE-GBDT algorithm for non-invasive screening of liver cancer 2026-Feb-05, Spectrochimica acta. Part A, Molecular and biomolecular spectroscopy DOI:10.1016/j.saa.2026.127552 PMID:41662803	研究论文	本研究提出了一种基于表面增强拉曼光谱（SERS）和深度学习算法的无创光学诊断方法，用于肝癌分期识别和辅助筛查	结合无标记血清SERS与RFE-GBDT算法，通过递归特征消除优化特征选择，并利用LIME算法解释关键光谱带，实现了肝癌分期的非侵入性高效筛查	未提及样本量的具体限制或外部验证集的缺乏，可能影响模型的泛化能力	开发高效便捷的非侵入性诊断技术，用于肝癌的早期筛查和分期识别	不同分期肝癌患者（T1、T2、T3）、乙型肝炎患者和健康对照者的血清样本	机器学习	肝癌	表面增强拉曼光谱（SERS）	梯度提升决策树（GBDT）	光谱数据	未明确指定具体样本数量，但涉及肝癌患者（T1、T2、T3）、乙型肝炎患者和健康对照者的血清样本	未明确指定，可能基于Scikit-learn或其他机器学习库	梯度提升决策树（GBDT）	准确率	NA
663	2026-02-11	Multi-scale structural similarity embedding search across entire proteomes 2026-Feb-03, Bioinformatics (Oxford, England) DOI:10.1093/bioinformatics/btag058 PMID:41632625	研究论文	提出一种可扩展的结构相似性搜索策略，用于处理大量三维生物分子结构数据	利用蛋白质语言模型和深度神经网络将三维结构转换为固定长度向量，实现高效的大规模比较，并能泛化到完整多肽链和多聚体组装	NA	开发可扩展且高效的结构相似性搜索方法以应对三维生物分子结构信息的快速增长	实验确定的结构和AI/DL方法预测的计算结构模型	机器学习	NA	AI/DL-based structure predictions	deep neural network	三维结构	NA	NA	NA	TM-score	NA
664	2026-02-11	spRefine denoises and imputes spatial transcriptomics with a reference-free framework powered by genomic language model 2026-Feb-03, Genome research IF:6.2Q1 DOI:10.1101/gr.281001.125 PMID:41633767	研究论文	本文介绍了一种名为spRefine的深度学习框架，利用基因组语言模型对空间转录组数据进行去噪和插补，以提升数据质量和下游分析效果	spRefine首次结合基因组语言模型，以无参考框架同时实现空间转录组数据的去噪和插补，并展示了在模型预训练和新生物信号发现方面的应用潜力	NA	解决空间转录组数据分析中高噪声和基因测量缺失的问题，提升数据整合和下游应用准确性	空间转录组数据	机器学习	NA	空间转录组学	深度学习	空间转录组数据	NA	NA	基因组语言模型	NA	NA
665	2026-02-11	An explainable and transferable deep learning framework for spatiotemporal urban flood prediction by integrating Vision Transformer and U-Net 2026-Feb-03, Water research IF:11.4Q1 DOI:10.1016/j.watres.2026.125504 PMID:41662782	研究论文	本研究提出了一种结合Vision Transformer和U-Net的可解释、可迁移深度学习框架ViTUN，用于城市洪水的时空预测	提出了一个结合Vision Transformer和U-Net的混合深度学习框架，能够捕捉洪水传播的时空特征，并具有出色的可迁移性和可解释性	模型在未训练区域的直接应用性能虽然良好，但可能仍需针对极端或未见过的情况进行进一步验证	开发一个快速、可解释且可迁移的深度学习框架，用于城市洪水实时预测，以支持早期预警和应急响应	城市洪水淹没深度	计算机视觉	NA	耦合水动力模拟	Vision Transformer, U-Net	淹没数据	基于中国岳阳耦合水动力模拟生成的淹没数据	NA	Vision Transformer, U-Net	关键成功指数, R, 平均绝对误差	NA
666	2026-02-11	Genomic Characterization of Lung Cancer in Never-Smokers Using Deep Learning 2026-Feb-02, Modern pathology : an official journal of the United States and Canadian Academy of Pathology, Inc IF:7.1Q1 DOI:10.1016/j.modpat.2026.100973 PMID:41638573	研究论文	本研究提出了一种基于ResNet50架构的定制化深度卷积神经网络，用于从未吸烟者肺腺癌的H&E染色全切片图像中同时预测16种分子改变	首次针对从未吸烟者的肺腺癌这一分子和组织学独特亚型，应用深度学习从组织学图像推断遗传特征，并设计了简化的残差块和选择性捷径连接以降低计算复杂度	模型对肿瘤突变负荷、APOBEC突变特征和部分KRAS热点突变的预测性能较低至中等	开发深度学习模型，从组织学图像预测从未吸烟者肺腺癌的分子改变，以支持分子检测分流和精准治疗策略	从未吸烟者的肺腺癌患者	数字病理学	肺癌	H&E染色全切片图像分析	CNN	图像	495张全切片图像	NA	ResNet50	AUROC	NA
667	2026-02-11	A hyperspectral co-design framework guided by occlusion sensitivity for early mould detection in bamboo 2026-Feb-02, Spectrochimica acta. Part A, Molecular and biomolecular spectroscopy DOI:10.1016/j.saa.2026.127546 PMID:41662805	研究论文	本研究提出了一种基于遮挡敏感性的高光谱协同设计框架，用于竹材早期霉菌检测	将遮挡敏感性分析从诊断工具转化为主动协同优化引擎，实现了模型架构优化与特征波长选择的集成设计	研究仅针对特定竹种（Schizostachyum funghomii McClure），框架在其他材料或病害的普适性有待验证	开发高精度、高效率且可解释的高光谱成像系统用于竹材早期霉菌检测	竹材（Schizostachyum funghomii McClure）及其霉菌感染样本	计算机视觉	植物病害	高光谱成像	CNN	高光谱图像	未明确说明具体样本数量	未明确说明	ResNet, ResNet-HS	验证准确率	NA
668	2026-02-11	Detection of external root resorption in periapical radiographs using YOLO-based deep learning model 2026-Feb-01, Dento maxillo facial radiology DOI:10.1093/dmfr/twaf072 PMID:41014013	研究论文	本研究开发了一种基于YOLO的深度学习模型，用于在根尖周X光片中检测外部牙根吸收	采用YOLOv5x-cls和YOLOv5x-seg模型进行外部牙根吸收的检测与分割，并首次在模拟颌骨放射密度的体模模型上进行评估	研究样本仅基于110颗离体牙，且使用化学方法诱导外部牙根吸收，可能无法完全代表临床真实情况	开发人工智能算法以辅助诊断外部牙根吸收	110颗经过化学脱矿处理的离体牙齿	计算机视觉	牙科疾病	X光成像	CNN	图像	584张根尖周X光片	PyTorch	YOLOv5x-cls, YOLOv5x-seg	F1分数	NA
669	2026-02-11	Single-step prediction of inferior alveolar nerve injury after mandibular third-molar extraction using contrastive learning and Bayesian auto-tuned deep learning model 2026-Feb-01, Dento maxillo facial radiology DOI:10.1093/dmfr/twaf069 PMID:41014015	研究论文	本研究构建并评估了一个集成对比学习和贝叶斯优化的深度学习框架，用于预测下颌第三磨牙拔除后下牙槽神经损伤	首次将对比学习与贝叶斯优化结合，用于单步预测下牙槽神经损伤，显著提升了模型性能	研究为回顾性单中心数据，未来需要多中心验证，且全景X光片分析仍需专家解读	构建并评估深度学习框架以预测下颌第三磨牙拔除后下牙槽神经损伤	下颌第三磨牙拔除患者	计算机视觉	口腔颌面外科疾病	锥形束计算机断层扫描（CBCT），全景X光片	深度学习模型	图像	902张全景X光片和1,500张CBCT图像	NA	MobileNetV2, ResNet101D, Vision Transformer, Twins-SVT, SSL-ResNet50	准确率, F1分数	NA
670	2026-02-11	Improving Colorectal Cancer Screening and Risk Assessment through Predictive Modeling on Medical Images and Records 2026-Feb, The American journal of pathology DOI:10.1016/j.ajpath.2025.09.016 PMID:41109668	研究论文	本研究通过整合病理图像和医疗记录，利用深度学习模型预测结直肠癌5年进展风险，以改进筛查和风险评估	采用基于Transformer的模型分析组织病理学图像，并结合多模态融合策略整合临床记录，显著提升了结直肠癌进展风险的预测性能	研究依赖于特定注册数据库（新罕布什尔州结肠镜检查注册库）的数据，可能限制结果的普适性；模型性能仍有提升空间（AUC最高0.672）	改进结直肠癌的筛查和风险评估方法，通过整合多模态数据提升疾病进展风险的预测准确性	结直肠息肉患者及其相关的组织病理学图像和医疗记录数据	数字病理学	结直肠癌	数字病理学、深度学习	Transformer	图像、文本	来自新罕布什尔州结肠镜检查注册库的数据，包括纵向随访信息	NA	Transformer	AUC	NA
671	2026-02-11	AutoFDP: Automatic Force-Based Model Selection for Multicriteria Graph Drawing 2026-Feb, IEEE transactions on visualization and computer graphics IF:4.7Q1 DOI:10.1109/TVCG.2025.3631659 PMID:41223106	研究论文	本文提出了一种基于用户指定可读性标准自动构建力导向模型的多准则图布局框架	系统整合传统力导向模型与准则驱动技术，实现基于用户指定标准自动构建定制化力导向模型	未明确说明框架在超大规模图或动态图场景下的性能表现	开发自动化的多准则图布局方法以提升图可视化质量	图布局模型与图可视化技术	计算机视觉	NA	力导向模型与准则驱动优化技术	NA	图数据	多种类型图数据集	NA	NA	边交叉最小化等可读性标准	NA
672	2026-02-11	Quality Assessment of 3D Human Animation: Subjective and Objective Evaluation 2026-Feb, IEEE transactions on visualization and computer graphics IF:4.7Q1 DOI:10.1109/TVCG.2025.3631385 PMID:41223104	研究论文	本文提出了一种用于评估非参数化人体模型生成的虚拟人动画质量的数据驱动方法	首次针对非参数化人体模型生成的虚拟人动画开发了质量评估指标，并构建了包含主观真实性评分的数据集	未明确说明数据集的具体规模，且方法主要针对特定类型的虚拟人动画	开发虚拟人动画的质量评估方法	三维虚拟人动画	计算机视觉	NA	神经网络训练	线性回归器	三维动画序列	NA	NA	NA	相关性	NA
673	2026-02-11	Towards automated fetal brain biometry reporting for 3-dimensional T2-weighted 0.55-3T magnetic resonance imaging at 20-40 weeks gestational age range 2026-Feb, Pediatric radiology IF:2.1Q2 DOI:10.1007/s00247-025-06403-2 PMID:41238791	研究论文	本文开发并验证了一个用于3D T2加权胎儿脑MRI的完全自动化生物测量报告流程	首次提出一个完全自动化的生物测量报告流程，整合了基于深度学习的测量、百分位数和z分数计算以及报告生成	未明确说明模型在极端病例或异常情况下的泛化能力，且依赖于特定成像参数	实现和验证一个基于深度学习生物测量和规范生长图比较的完全自动化生物测量报告流程	胎儿脑MRI图像	数字病理学	NA	3D T2加权磁共振成像	深度学习	3D MRI图像	回顾性评估90例，前瞻性评估111例，正常对照组406例	NA	3D UNet	绝对差异，可接受性评分	NA
674	2026-02-11	Deep learning-based super-resolution of contrast-enhanced volumetric interpolated breath-hold examination for evaluation of intracranial enhancing lesions 2026-Feb, Acta radiologica (Stockholm, Sweden : 1987) DOI:10.1177/02841851251398622 PMID:41289091	研究论文	本研究评估了基于深度学习的超分辨率重建技术（DL-VIBE）在颅内增强病变诊断中的性能，并与传统MPRAGE序列进行比较	首次将基于深度学习的超分辨率重建技术应用于颅内对比增强病变的评估，实现了扫描时间的显著缩短	DL-VIBE在整体图像质量和灰白质区分方面表现较低	比较DL-VIBE与传统MPRAGE在颅内增强病变诊断中的性能	颅内增强病变患者	医学影像分析	颅内病变	对比增强三维T1加权成像	深度学习	医学影像	97名患者（35名男性，62名女性；平均年龄59.2±15.3岁）	NA	NA	图像质量评分、灰白质区分度、病变显著性、伪影评估、对比噪声比、病变数量、最大直径	NA
675	2026-02-11	CalDiff: Calibrating Uncertainty and Accessing Reliability of Diffusion Models for Trustworthy Lesion Segmentation 2026-Feb, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2025.3624331 PMID:41129433	研究论文	提出CalDiff框架，通过校准扩散模型的不确定性，提高医学图像中病灶分割的可靠性和可信度	利用扩散模型的生成能力，提出双步序感知校准机制，处理多标注和多预测场景下的不确定性校准与模型可靠性评估	未明确说明模型在更广泛疾病类型或数据集上的泛化能力，以及计算资源需求的具体细节	开发可靠的病灶分割模型，以支持高风险临床决策	医学图像中的病灶分割	数字病理	NA	扩散模型	扩散模型	图像	在两个病灶分割数据集上进行实验	NA	CalDiff	不确定性校准评估，模型可靠性分析	NA
676	2026-02-11	Projection-based molecular feature maps for CNN-driven nephrotoxicity prediction 2026-Feb, Archives of toxicology IF:4.8Q1 DOI:10.1007/s00204-025-04234-6 PMID:41361121	研究论文	本研究提出了一种基于投影的分子特征图方法，用于通过CNN预测药物肾毒性	开发了一种将3D分子结构通过Mollweide和Equirectangular投影转换为2D特征图的新方法，并整合了原子位置、静电和范德华势能三种分子属性，增强了特征表示和模型性能	未明确说明模型在更大规模或更复杂分子数据集上的泛化能力，也未与其他先进的深度学习模型进行广泛比较	开发可靠的肾毒性预测模型以促进药物安全开发	化学分子结构	机器学习	肾毒性	3D空间转换投影技术	CNN	2D图像（分子特征图）	NA	NA	CNN（具体架构未指定）	准确率, AUC	NA
677	2026-02-11	X-ray phase contrast imaging in GAMOS 2026-Feb, Physica medica : PM : an international journal devoted to the applications of physics to medicine and biology : official journal of the Italian Association of Biomedical Physics (AIFB) DOI:10.1016/j.ejmp.2026.105716 PMID:41512441	研究论文	本文开发并验证了一个基于GAMOS框架的蒙特卡罗模拟环境，用于真实模拟X射线相位对比成像现象，包括折射和波前传播	在GAMOS框架内集成两个互补的模拟模块，结合几何光学和波动光学模型，灵活模拟多种PCI设置	未明确提及具体应用场景的性能验证或实验数据对比	开发并验证能够真实模拟X射线相位对比成像现象的蒙特卡罗框架	X射线相位对比成像现象，包括折射和波前传播	医学成像	NA	X射线相位对比成像	蒙特卡罗模拟	模拟数据	NA	GAMOS	基于Snell定律的折射模型, Fresnel波前传播模型	与理论预测的一致性	NA
678	2026-02-11	Artificial Intelligence Model for Automated Identification of Bowel Preparation for Colonoscopy (AI-PREPOO): A Multicenter Study 2026-Feb, Journal of gastroenterology and hepatology IF:3.7Q2 DOI:10.1111/jgh.70235 PMID:41521851	研究论文	本研究开发了基于深度学习的AI模型（AI-PREPOO），用于自动识别结肠镜检查前的肠道准备状态	首次利用智能手机拍摄的粪便图像，通过迁移学习训练多个深度学习模型，实现肠道准备状态的自动化评估	样本量较小（仅37名患者），图像数据可能受拍摄条件影响，需进一步多中心验证	开发自动化AI模型以评估结肠镜检查前的肠道准备充分性，减轻医疗负担	结肠镜检查前患者的粪便图像	计算机视觉	结肠疾病	深度学习图像识别	CNN	图像	37名患者提供的282张粪便图像	未明确提及	MobileNetV3-Small	AUC, 敏感性, 特异性	NA
679	2026-02-11	Artificial intelligence-assisted risk stratification of thyroid nodules with atypia of undetermined significance 2026-Feb-01, European thyroid journal IF:3.5Q2 DOI:10.1530/ETJ-25-0268 PMID:41553093	研究论文	本研究评估了一种基于深度学习的AI模型（AI-Thyroid）在甲状腺结节（细胞学诊断为意义不明确的非典型性）风险分层中的临床应用价值	开发并验证了一种AI模型，用于对意义不明确的非典型性甲状腺结节进行二元分类和恶性风险估计，其诊断准确性与传统的K-TIRADS评分系统相当，并在小结节（<1.5 cm）中表现出高灵敏度	研究为回顾性设计，样本量相对较小（165个结节），且仅来自韩国的五家医疗机构，可能限制结果的普适性	评估人工智能模型在改善意义不明确的非典型性甲状腺结节风险分层中的临床适用性	经细针穿刺活检初步诊断为意义不明确的非典型性，并后续确认为良性或恶性的甲状腺结节	数字病理学	甲状腺癌	细针穿刺活检，超声分析	深度学习模型	超声图像	165个甲状腺结节	NA	AI-Thyroid	灵敏度，阴性预测值，曲线下面积	NA
680	2026-02-11	Make the Fastest Faster: Importance Mask Synthesis for Interactive Volume Visualization Using Reconstruction Neural Networks 2026-Feb, IEEE transactions on visualization and computer graphics IF:4.7Q1 DOI:10.1109/TVCG.2025.3621079 PMID:41082423	研究论文	本文提出了一种通过重要性掩码学习和合成网络来优化交互式体积可视化渲染延迟的方法	首次尝试直接从用户视图参数合成规则采样模式的重要区域，以最小化渲染像素数量，并联合考虑数据集、用户行为和下游重建神经网络	未明确提及具体的数据集规模或计算资源限制	减少大规模体积数据集可视化时的计算时间和空间复杂度	科学体积数据集的可视化渲染	计算机视觉	NA	深度学习图像修复方法	神经网络	体积数据集图像	NA	NA	重要性掩码学习网络, 重要性掩码合成网络	渲染延迟	GPU