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
681	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
682	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
683	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
684	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
685	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
686	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
687	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
688	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
689	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
690	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
691	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
692	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
693	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
694	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
695	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
696	2026-02-18	Exploring deep learning and data requirements through image classification of Erigeron annuus and Erigeron philadelphicus 2026-Feb-16, BMC research notes IF:1.6Q2 DOI:10.1186/s13104-026-07719-4 PMID:41699726	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
697	2026-03-28	Anatomy-guided visual prompt tuning for cross-modal breast cancer understanding 2026-Feb-13, NPJ digital medicine IF:12.4Q1 DOI:10.1038/s41746-026-02417-8 PMID:41688744	研究论文	提出一种结合解剖学先验的视觉提示调优框架，用于跨模态乳腺癌图像的理解任务	首次将明确的解剖结构（腺体、脂肪、导管区域）嵌入到冻结ViT骨干网络的提示空间中，并设计了层次化提示-令牌交互机制与跨模态对比对齐策略	未明确讨论模型在更广泛临床场景或不同设备采集数据上的泛化能力，也未涉及计算效率的详细对比分析	提升跨模态乳腺癌图像分析的准确性与泛化能力，同时增强模型的可解释性	乳腺癌的医学影像（乳腺X线摄影、超声、MRI）	计算机视觉	乳腺癌	医学影像分析	Vision Transformer (ViT)	图像	三个基准数据集（INbreast, BUSI, Duke-Breast-MRI），具体样本数量未在摘要中说明	PyTorch（推测，因常用ViT实现），未明确说明	Vision Transformer (ViT)	分类与分割任务的性能指标（如准确率、Dice系数等），具体指标未在摘要中列出	未明确说明
698	2026-03-28	Detection of esophageal varices and prediction of hepatic decompensation in unresectable hepatocellular carcinoma using AI 2026-Feb-10, Journal of hepatology IF:26.8Q1 DOI:10.1016/j.jhep.2026.01.021 PMID:41679555	研究论文	本研究开发并外部验证了基于AI的非侵入性模型，用于检测食管静脉曲张和预测肝失代偿，以改善不可切除肝细胞癌患者的预后评估	首次将基础模型HepatoSageCT应用于常规增强CT图像，结合临床数据，实现了对食管静脉曲张和肝失代偿风险的准确非侵入性预测	研究为回顾性设计，需要前瞻性验证来进一步确认模型的临床适用性	开发非侵入性模型以检测食管静脉曲张并预测肝失代偿风险，减少不必要的内镜检查并改善不可切除肝细胞癌患者的预后评估	接受阿特珠单抗-贝伐珠单抗治疗的不可切除肝细胞癌患者	数字病理学	肝细胞癌	对比增强CT	深度学习	图像, 临床数据	489名患者（开发队列279名，外部验证队列210名）	NA	HepatoSageCT	AUROC, 敏感性, 特异性, C指数, 风险比	NA
699	2026-03-28	Deep learning-based segmentation of acute pulmonary embolism in cardiac CT images 2026-Feb, International journal of computer assisted radiology and surgery IF:2.3Q2 DOI:10.1007/s11548-025-03503-0 PMID:40996587	研究论文	本研究开发了一种基于深度学习的自动分割方法，用于在心脏CT图像中分割急性肺栓塞	应用了两种最先进的神经网络（nnU-Net和基于Transformer的VT-UNet）进行自动APE分割，并在自建CTPA数据集上取得了优于现有技术的实验结果	未提及具体局限性	为急性肺栓塞的治疗规划和患者预后提供准确的个体化评估	急性肺栓塞患者的CTPA图像	计算机视觉	肺栓塞	CTPA	CNN, Transformer	图像	200个CTPA图像体积	NA	nnU-Net, VT-UNet	Dice相似系数, 95百分位Hausdorff距离	NA
700	2026-03-28	QPred: A Quantum Mechanical Property Predictor for Small Molecules 2026-Jan-26, Journal of chemical information and modeling IF:5.6Q1 DOI:10.1021/acs.jcim.5c02864 PMID:41490442	研究论文	本文提出了一种名为QPred的新型量子力学性质预测器，用于小分子的高通量筛选	提出了一种解耦的深度学习架构，能够自适应地利用2D拓扑图或3D几何信息进行分子性质预测，并引入了基于环的半主节点增强的MPNN和具有解耦更新机制的等变网络	未在摘要中明确说明	开发一种高效、高精度且可解释的分子性质预测方法，以加速分子发现过程	小分子的物理化学性质	机器学习	NA	深度学习	MPNN, 等变网络	2D拓扑图, 3D几何信息	NA	NA	Message Passing Neural Network (MPNN), 等变网络	NA	NA