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
7001	2026-03-18	Artificial intelligence based detection and control strategies for river water pollution: A comprehensive review 2025-04, Journal of contaminant hydrology IF:3.5Q2 DOI:10.1016/j.jconhyd.2025.104541 PMID:40112582	综述	本文对2019年至2024年间人工智能技术在河流水质污染检测与控制领域的应用进行了全面回顾	系统梳理了机器学习、深度学习及物联网技术在河流水质模拟中的最新进展与应用，并探讨了多技术融合在实时监测与预测方面的潜力	作为综述文章，未提出新的原创模型或方法，主要基于对现有文献的分析与总结	评估人工智能技术在河流水质污染检测与控制领域的应用现状与发展趋势	河流水质污染	机器学习	NA	NA	ANN, DNN, LSTM, RF	水质相关数据集	分析了超过110篇研究文章	NA	NA	NA	NA
7002	2026-03-18	A Lesion-aware Edge-based Graph Neural Network for Predicting Language Ability in Patients with Post-stroke Aphasia 2025, Machine learning in clinical neuroimaging : 7th international workshop, MLCN 2024, held in conjunction with MICCAI 2024, Marrakesh, Morocco, October 10, 2024, proceedings. MLCN (Workshop) (7th : 2024 : Marrakesh, Morocco) DOI:10.1007/978-3-031-78761-4_9 PMID:41800187	研究论文	本文提出了一种基于病变感知的图神经网络（LEGNet），用于从卒中后失语症患者的静息态功能磁共振成像（rs-fMRI）连接性中预测语言能力	LEGNet整合了边缘学习模块、病变编码模块和子图学习模块，利用功能相似性进行预测，并在合成数据上进行超参数调优和预训练，展示了在脑损伤患者中学习rs-fMRI连接性与语言能力关系的潜力	研究使用了内部数据集，且第二个数据集的神经影像协议略有不同，可能影响泛化能力的全面评估	预测卒中后失语症患者的语言能力，以改进卒中后失语症的评估	卒中后失语症患者	数字病理学	卒中后失语症	rs-fMRI	图神经网络（GNN）	神经影像数据（rs-fMRI）	内部神经影像数据集，具体样本数量未在摘要中明确说明	NA	LEGNet	NA	NA
7003	2026-03-18	Tracking the Evolving Role of Artificial Intelligence in Implementation Science: Protocol for a Living Scoping Review of Applications, Evaluation Approaches and Outcomes 2025, F1000Research DOI:10.12688/f1000research.171774.2 PMID:41835982	研究方案	本文提出了一项关于人工智能在实施科学中应用、评估方法和成果的活体范围综述协议	采用活体范围综述方法，以跟踪人工智能在实施科学中快速演变的角色	NA	绘制人工智能在实施研究和实践中的应用图景，识别评估方法、报告成果及潜在风险，并综合研究空白和机遇	实证研究、系统综述、灰色文献和政策文件	自然语言处理, 机器学习	NA	机器学习, 深度学习, 自然语言处理, 大语言模型	NA	文本	NA	NA	NA	NA	NA
7004	2026-03-18	A Lesion-aware Edge-based Graph Neural Network for Predicting Language Ability in Patients with Post-stroke Aphasia 2024-Sep-03, ArXiv PMID:39279836	研究论文	本研究提出了一种病变感知的图神经网络（LEGNet），用于预测中风后失语症患者的语言能力，通过整合功能连接、病变编码和子图学习模块	LEGNet模型创新性地结合了基于边缘的学习模块、病变编码模块和子图学习模块，以利用功能相似性进行预测，并在合成数据和真实数据上验证了其优越性能	研究使用了内部神经影像数据集，且第二个数据集的采集协议略有不同，可能影响泛化能力的全面评估	预测中风后失语症患者的语言能力，以改进中风后失语症的评估方法	中风后失语症患者	自然语言处理	中风后失语症	静息态功能磁共振成像（rs-fMRI）	图神经网络（GNN）	神经影像数据	内部神经影像数据集，具体样本数量未在摘要中明确说明	NA	LEGNet	NA	NA
7005	2026-03-18	Learning co-plane attention across MRI sequences for diagnosing twelve types of knee abnormalities 2024-09-02, Nature communications IF:14.7Q1 DOI:10.1038/s41467-024-51888-4 PMID:39223149	研究论文	本文提出了一种融合多序列MRI共平面注意力的深度学习模型，用于自动诊断12种膝关节异常	引入了跨图像序列的共平面注意力机制，并使用了当前最大、最全面的多序列膝关节MRI异常数据集进行验证	未明确说明模型在外部验证集上的泛化性能，也未详细讨论计算复杂度	开发一种能够辅助放射科医生准确诊断多种膝关节异常的自动化深度学习模型	膝关节磁共振成像（MRI）序列	计算机视觉	膝关节异常	多序列磁共振成像（MRI）	深度学习模型（具体架构未明确，但包含注意力机制）	图像（MRI序列）	1748名受试者，涵盖12种异常类型	NA	NA（提及包含共平面注意力机制）	受试者工作特征曲线下面积（AUC），准确率	NA
7006	2026-03-18	Validation of an AI-Powered Automated X-ray Bone Age Analyzer in Chinese Children and Adolescents: A Comparison with the Tanner-Whitehouse 3 Method 2024-09, Advances in therapy IF:3.4Q2 DOI:10.1007/s12325-024-02944-4 PMID:39085749	研究论文	本研究验证了一款基于深度学习的AI骨龄分析仪在中国儿童和青少年中的临床适用性，并与Tanner-Whitehouse 3方法进行了性能比较	首次在中国多中心大规模验证商业AI骨龄分析仪的临床性能，并直接与医生评估者进行对比，展示了AI在骨龄评估中的准确性和效率优势	研究仅针对中国儿童和青少年群体，未涉及其他种族或成人群体，且仅比较了TW3方法	验证AI驱动的自动化骨龄评估系统在临床实践中的准确性和适用性	中国儿童和青少年的X射线影像	医学影像分析	儿童生长发育评估	X射线成像	深度学习模型	X射线影像	来自中国30个中心的900名儿童和青少年	NA	NA	平均绝对误差, 绝对误差小于1年的患者百分比	NA
7007	2026-03-18	Artificial intelligence study on left ventricular function among normal individuals, hypertrophic cardiomyopathy and dilated cardiomyopathy patients using 1.5T cardiac cine MR images obtained by SSFP sequence 2022-May-01, The British journal of radiology DOI:10.1259/bjr.20201060 PMID:35084208	研究论文	本研究利用深度学习卷积神经网络自动量化不同心肌病患者左心室功能，评估其在肥厚型心肌病和扩张型心肌病中的性能差异	首次客观评估商业化深度学习方法在不同心肌病心功能评估中的表现，并指出其在各类心肌病中的优缺点	未尝试设计新算法，仅将现有方法应用于临床数据测试集，且评估的心肌病类型有限	评估基于深度学习的自动左心室功能量化方法在不同心肌病中的性能	肥厚型心肌病患者、扩张型心肌病患者及健康参与者的心脏磁共振图像	医学影像分析	心肌病	心脏磁共振成像	CNN	图像	388名患者	NA	卷积神经网络	Bland-Altman分析, ROC曲线分析, Pearson相关系数, 敏感性, 特异性	NA
7008	2026-03-17	ESM-AnatTractNet: Advanced deep learning model of true positive eloquent white matter tractography to improve preoperative evaluation of pediatric epilepsy surgery 2026-May, Medical image analysis IF:10.7Q1 DOI:10.1016/j.media.2026.103969 PMID:41638061	研究论文	本研究提出了一种名为ESM-AnatTractNet的新型深度学习模型，用于在儿童癫痫手术前准确分类与关键功能相关的真实阳性白质通路	该模型首次在点云框架中整合了电刺激映射确认的空间坐标和基于标准脑图谱的解剖上下文标签，以增强白质通路分类的几何和解剖一致性	研究样本量相对较小（85名患者），且模型性能验证主要基于特定临床环境下的数据	旨在通过非侵入性方法准确定位与关键功能相关的真实阳性白质通路，以改善儿童癫痫手术的术前评估	85名药物难治性癫痫患儿（年龄10.70±4.41岁）的术前扩散加权成像纤维束追踪数据	数字病理学	癫痫	扩散加权成像纤维束追踪, 电刺激映射	深度学习模型	点云数据, 医学影像	85名药物难治性癫痫患者	NA	ESM-AnatTractNet	准确率, 相关系数	NA
7009	2026-03-17	DDTracking: A diffusion model-based deep generative framework with local-global spatiotemporal modeling for diffusion MRI tractography 2026-May, Medical image analysis IF:10.7Q1 DOI:10.1016/j.media.2026.103967 PMID:41650793	研究论文	提出一种基于扩散模型的深度生成框架DDTracking，用于扩散MRI纤维束追踪，通过局部-全局时空建模提高追踪精度和效率	首次将扩散模型应用于纤维束追踪，提出条件去噪扩散过程重新定义流线传播，并设计双路径编码方案整合局部空间特征与全局时间上下文	未明确说明模型对超参数敏感度或在小样本场景下的表现	开发高精度、高效率的扩散MRI纤维束追踪方法	大脑纤维通路	医学影像分析	NA	扩散MRI	扩散模型	扩散MRI信号	合成与临床数据集（具体数量未说明）	PyTorch（根据代码仓库推断）	条件扩散模型	追踪准确性，计算效率	NA
7010	2026-03-17	A navigation-guided 3D breast ultrasound scanning and reconstruction system for automated multi-lesion spatial localization and diagnosis 2026-May, Medical image analysis IF:10.7Q1 DOI:10.1016/j.media.2026.103965 PMID:41633129	研究论文	本研究开发了一种智能导航引导的3D乳腺超声扫描与重建系统，用于自动化多病灶空间定位与诊断	提出了一个集成导航引导的3D乳腺超声系统，结合了混合病灶感知时空Transformer（HLST）模型和几何自适应时钟投影方法，实现了无缝3D重建、乳头中心病灶定位以及基于视频的恶性预测，无需患者附着标记或预标记地标	NA	开发一个智能导航引导的乳腺超声扫描系统，以标准化乳腺超声工作流程，提高病灶定位和诊断的准确性与效率	乳腺病灶（在乳腺体模和临床患者中）	计算机视觉	乳腺癌	超声成像	Transformer	视频, 3D图像	3个乳腺体模和43名女性患者（其中30个异常乳腺）	NA	Hybrid Lesion-informed Spatiotemporal Transformer (HLST), BUS-SAM-2	准确性, 相关系数（距离、3D大小、顺时针角度）	NA
7011	2026-03-17	Comprehensive Multiomics Characterization of Perineural Invasion in Cervical Cancer Reveals Diagnostic Markers, Molecular Drivers, and Therapeutic Strategies 2026-Mar-16, Cancer research IF:12.5Q1 DOI:10.1158/0008-5472.CAN-25-0149 PMID:41379570	研究论文	本研究通过多组学分析揭示了宫颈癌神经周围浸润的分子机制，并识别了诊断标志物和潜在治疗策略	首次通过整合全外显子、全基因组和RNA测序数据，结合机器学习和深度学习模型，系统性地识别了PNI的基因表达特征、驱动突变及靶向治疗药物	样本量相对较小（45例患者），且验证队列规模有限（37例），可能影响结果的普适性	阐明宫颈癌神经周围浸润的分子机制，开发诊断标志物和治疗策略	宫颈癌患者的肿瘤和匹配正常组织样本	机器学习, 深度学习	宫颈癌	全外显子测序, 全基因组测序, RNA测序	机器学习, 深度学习	基因组数据, 转录组数据	45例患者（23例PNI, 22例非PNI），独立验证队列37例（18例PNI, 19例非PNI）	NA	NA	准确性	NA
7012	2026-03-17	Predicting Cerebral Aneurysm Recurrence after Coil Embolization: A Novel Deep Learning Approach Using Time-of-flight Magnetic Resonance Angiography 2026-Mar-15, Neurologia medico-chirurgica IF:2.4Q2 DOI:10.2176/jns-nmc.2025-0288 PMID:41526250	研究论文	本研究提出了一种结合机器学习和深度学习技术的新方法，利用时间飞跃磁共振血管成像来预测脑动脉瘤弹簧圈栓塞术后的复发	首次将临床数据与3D重建的时间飞跃磁共振血管成像数据结合，构建了融合深度学习的预测模型，并比较了仅使用术前图像与同时使用术前术后图像两种版本的性能	研究为回顾性多中心分析，样本量相对有限（154例患者），且模型性能有待在前瞻性研究中进一步验证	预测脑动脉瘤在弹簧圈栓塞术后的复发风险	接受弹簧圈栓塞术的未破裂脑动脉瘤患者	数字病理学	脑血管疾病	时间飞跃磁共振血管成像	逻辑回归, 神经网络, 深度学习	图像, 临床数据	154例患者	NA	NA	AUC, 准确率, 灵敏度, 特异性	NA
7013	2026-03-17	Peptide cheminformatics tools: making computational tasks accessible in peptide drug discovery 2026-Mar, Drug discovery today IF:6.5Q1 DOI:10.1016/j.drudis.2026.104612 PMID:41577169	综述	本文综述了肽类药物发现中计算化学信息学工具的当前方法，旨在促进这些工具在药物发现流程中的整合应用	系统性地概述了肽类计算研究的不同阶段，包括表示、相似性评估、机器学习/深度学习模型和肽设计，并基于关键特征强调了现有工具	NA	促进肽类药物发现中计算工具的应用，加速设计-测试周期并指导候选药物开发	肽类分子及其在药物发现中的应用	计算化学信息学	NA	计算化学信息学工具，机器学习/深度学习	ML/DL模型	肽类分子数据	NA	NA	NA	NA	NA
7014	2026-03-17	Volatile biomarkers of fungal infection and mycotoxin contamination in fruits and vegetables: emerging targets for monitoring and early warning 2026, Critical reviews in food science and nutrition IF:7.3Q1 DOI:10.1080/10408398.2025.2562369 PMID:40965270	综述	本文综述了水果和蔬菜采后真菌感染及其产生的挥发性有机化合物作为生物标志物，用于早期检测和预警的研究进展	系统性地将挥发性有机化合物作为非侵入性生物标志物，结合人工智能技术，用于采后病害的早期诊断和预警	综述文章，未提出具体的实验验证或模型性能数据	开发基于挥发性有机化合物的智能、快速、经济有效的采后病害监测框架	水果和蔬菜采后真菌病原体及其感染过程	机器学习	NA	气相色谱-质谱联用，电子鼻，生物传感器	机器学习，深度学习	挥发性有机化合物数据	NA	NA	NA	NA	NA
7015	2026-03-17	Computational Approaches to Neurological Disorder Diagnosis: An In-Depth Review of Current Methods and Future Prospects 2026, Current medical imaging IF:1.1Q3 DOI:10.2174/0115734056404224251026110800 PMID:41276980	综述	本文对用于阿尔茨海默病、帕金森病、癫痫、亨廷顿病和肌萎缩侧索硬化症这五种主要神经系统疾病诊断的现有计算方法进行了全面分析	系统性地回顾和评估了140项同行评议研究，涵盖了机器学习算法、神经影像技术和电生理信号分析等多种诊断方法，并讨论了多模态数据整合以及深度学习等新兴技术的潜力	本文是一篇综述，未提出新的算法或模型，主要基于现有文献进行分析，未进行原始数据验证	评估当前用于神经系统疾病诊断的计算方法的有效性、准确性及局限性，并探讨未来研究方向以提高诊断精度和患者预后	阿尔茨海默病、帕金森病、癫痫、亨廷顿病和肌萎缩侧索硬化症这五种主要神经系统疾病	机器学习	神经系统疾病	神经影像技术、电生理信号分析	NA	多模态数据（可能包括图像、信号等）	基于140项研究（未提供具体患者样本数）	NA	NA	有效性、准确性	NA
7016	2026-03-17	Investigating causal relations between brain morphology and genetic risk variants in Parkinson's disease 2026, NeuroImage. Clinical DOI:10.1016/j.nicl.2025.103928 PMID:41519071	研究论文	本文采用因果深度学习框架，研究了帕金森病中遗传风险变异与大脑形态之间的因果关系	首次将因果深度学习模型应用于帕金森病的基因型-表型分析，以探究遗传变异对大脑结构的因果影响，超越了传统的相关性分析方法	研究样本量相对有限，且模型在更广泛人群中的普适性仍需进一步验证	探究帕金森病中遗传风险变异与大脑形态学特征之间的因果关系	帕金森病患者、前驱期帕金森病患者及健康对照者的大脑影像与遗传数据	医学影像基因组学	帕金森病	影像基因组学分析	因果深度学习模型	影像数据, 遗传数据	PPMI数据集：359名参与者（102名对照，214名PD患者，43名前驱期PD患者）；UK Biobank验证集：16,861名神经健康参与者	NA	掩码因果归一化流模型	p值	NA
7017	2026-03-17	Characterization of binding kinetics and intracellular signaling of new psychoactive substances targeting cannabinoid receptor using transition-based reweighting method 2025-Nov-03, eLife IF:6.4Q1 DOI:10.7554/eLife.98798 PMID:41181929	研究论文	本研究通过分子动力学模拟、数据驱动统计方法和深度学习，揭示了新型精神活性物质（NPS）靶向大麻素受体CB1时增强下游β-arrestin信号的结构基础	结合过渡态重加权方法、变分自编码器（神经关系推断，NRI）分析配体结合动力学对下游信号的影响，首次系统阐明了NPS与经典大麻素在跨膜区TM7相互作用差异及对NPxxY基序变构调控的机制	研究主要基于计算模拟，缺乏实验验证；样本仅涉及两种配体（MDMB-Fubinaca和HU-210），可能无法完全代表所有NPS的多样性	揭示新型精神活性物质（NPS）靶向大麻素受体CB1时导致更强β-arrestin信号的结构机制与动力学差异	人类大麻素受体1（CB1）及其配体（NPS MDMB-Fubinaca和经典大麻素HU-210）	计算生物学	药物滥用	分子动力学模拟，多系综模拟，过渡态重加权方法，变分自编码器（神经关系推断）	变分自编码器	分子动力学模拟轨迹数据	两种配体（MDMB-Fubinaca和HU-210）与CB1受体的结合过程模拟	NA	神经关系推断	NA	NA
7018	2026-03-17	Deep learning-powered high-efficient atomic force microscopy single-cell nanomechanical analysis on diverse biointerfaces 2025-10-30, Biochemical and biophysical research communications IF:2.5Q3 DOI:10.1016/j.bbrc.2025.152761 PMID:41066979	研究论文	本文提出了一种结合原子力显微镜单细胞压痕实验与视觉基础模型图像识别的方法，用于在不同生物界面上进行高效、可靠的细胞力学测量	利用预训练的深度学习模型实时识别光学明场图像中的细胞，实现了自主高效的AFM单细胞压痕实验，提升了AFM的吞吐量和自动化水平	NA	揭示细胞与细胞外基质相互作用的物理机制，以全面理解生理和病理过程	单细胞在多种生物界面上的力学响应	计算机视觉	NA	原子力显微镜，单细胞压痕实验	深度学习模型	图像	NA	NA	视觉基础模型	NA	NA
7019	2026-03-17	DeepInMiniscope: Deep learning-powered physics-informed integrated miniscope 2025-Sep-12, Science advances IF:11.7Q1 DOI:10.1126/sciadv.adr6687 PMID:40938981	研究论文	本文介绍了一种名为DeepInMiniscope的微型集成显微镜，结合定制光学掩模和物理信息深度学习模型，用于高效的大规模三维成像	开发了结合定制光学掩模和物理信息深度学习模型的微型集成显微镜，显著降低了计算需求，并实现了毫米级物体体积的高质量重建	NA	开发一种紧凑、高效的大视场三维成像技术，用于生物医学研究	小鼠大脑皮层中的神经元活动	计算机视觉	NA	掩模集成荧光显微镜	深度学习模型	图像	NA	NA	NA	重建质量、速度	NA
7020	2026-03-17	Automated liver magnetic resonance elastography quality control and liver stiffness measurement using deep learning 2025-09, Abdominal radiology (New York) DOI:10.1007/s00261-025-04883-2 PMID:40088296	研究论文	本研究提出了一种基于深度学习的全自动化方法，用于肝脏磁共振弹性成像的质量控制和肝脏硬度测量	首次采用深度学习模型（SqueezeNet和U-Net）实现肝脏MRE质量控制和硬度测量的全自动化，显著提高效率	研究为单中心回顾性研究，样本量相对较小（69名患者），需进一步多中心验证	开发自动化深度学习方法以解决肝脏磁共振弹性成像质量控制和测量变异性问题	肝脏磁共振弹性成像扫描图像	数字病理学	肝纤维化	磁共振弹性成像	CNN	图像	69名患者的146次2D MRE扫描，共897张MRE幅度切片	NA	SqueezeNet, U-Net	准确率, 精确率, 召回率, 平均LSM误差, 组内相关系数	NA