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
7261	2026-01-10	Comparing the performance of dynamic susceptibility contrast and arterial spin labeling for detecting residual and recurrent glioblastoma with deep learning and multishell diffusion MRI 2025 Jan-Dec, Neuro-oncology advances IF:3.7Q2 DOI:10.1093/noajnl/vdaf219 PMID:41497450	研究论文	本研究比较了动态磁敏感对比增强（DSC）和动脉自旋标记（ASL）两种MR灌注技术在结合深度学习和多模态MRI（包括多壳层扩散和灌注）下，用于检测胶质母细胞瘤残留和复发的性能	首次结合深度学习和多模态MRI（包括多壳层扩散和灌注）来比较DSC和ASL在胶质母细胞瘤复发检测中的性能，并发现ASL在特定区域（如手术腔附近）具有优势	研究为回顾性设计，样本量相对有限（137次MRI扫描，107名患者），且未详细讨论模型在其他肿瘤类型或更大数据集上的泛化能力	比较DSC和ASL两种MR灌注技术在区分胶质母细胞瘤复发和治疗后变化中的性能	胶质母细胞瘤患者的MRI图像，包括灌注和多壳层扩散数据	数字病理学	胶质母细胞瘤	动态磁敏感对比增强（DSC），动脉自旋标记（ASL），多壳层扩散MRI	深度学习	MRI图像	137次MRI扫描，来自107名胶质母细胞瘤患者	nnU-Net	nnU-Net	Dice分数，曲线下面积（AUC）	NA
7262	2026-01-10	PET-TURTLE: Deep Unsupervised Support Vector Machines for Imbalanced Data Clusters 2025, IEEE signal processing letters IF:3.2Q2 DOI:10.1109/lsp.2025.3636453 PMID:41497826	研究论文	本文提出了一种名为PET-TURTLE的深度无监督支持向量机方法，用于处理不平衡数据聚类问题	通过引入幂律先验来泛化成本函数以处理不平衡数据分布，并在标记过程中引入稀疏logits以简化搜索空间，从而提升聚类准确性	NA	改进深度聚类算法以更好地处理不平衡数据分布	合成数据和真实数据中的不平衡聚类问题	机器学习	NA	NA	深度无监督支持向量机	NA	NA	NA	TURTLE, PET-TURTLE	准确性	NA
7263	2026-01-10	Linking RayStation AI auto-contouring with Eclipse TPS: a scripted workflow for clinical integration 2025, Reports of practical oncology and radiotherapy : journal of Greatpoland Cancer Center in Poznan and Polish Society of Radiation Oncology IF:1.2Q3 DOI:10.5603/rpor.109182 PMID:41498081	研究论文	本研究提出了一种自动化脚本工作流，将RayStation的AI自动勾画功能集成到Eclipse治疗计划系统中，以提升放疗计划效率	开发了跨平台自动化集成脚本，实现了RayStation与Eclipse系统间的无缝数据交换，无需用户干预即可完成深度学习分割	仅验证了35个临床案例，样本规模有限；依赖特定软件版本（RayStation 2024B）	解决不同放疗计划系统间AI工具集成的技术挑战，提升临床工作流效率	放疗计划中的靶区与危及器官轮廓勾画	数字病理	NA	深度学习分割	深度学习模型	CT图像	35个临床案例	Python, C#	内置深度学习模型	处理时间	NA
7264	2026-01-10	Deep Learning Augmented Osteoarthritis Grading Standardization 2024-10, Tissue engineering. Part A DOI:10.1089/ten.TEA.2023.0206 PMID:37950715	研究论文	本研究探讨了使用深度学习模型自动分类软骨组织学图像以标准化骨关节炎分级的可行性	首次将深度学习应用于软骨组织学图像进行骨关节炎分级，而非传统的放射影像，这是一种更基础的评估方法	未明确提及样本量限制或模型泛化能力的具体挑战	开发自动化图像分类技术以标准化骨关节炎的分级评估	膝关节软骨的组织学图像	数字病理学	骨关节炎	组织学染色（Safranin-O染色）	CNN	图像	NA	NA	DenseNet121	准确率, Cohen's kappa分数, ROC-AUC	NA
7265	2026-01-10	AI for BPH Surgical Decision-Making: Cost Effectiveness and Outcomes 2024-Sep-23, Current urology reports IF:2.5Q2 DOI:10.1007/s11934-024-01240-6 PMID:39312102	综述	本文综述了人工智能在良性前列腺增生手术决策中的应用，包括其成本效益和临床结果	探讨了AI如何整合多参数MRI、超声等非侵入性影像学数据，结合血清生物标志物和组织病理学分析，以高准确率区分BPH与前列腺癌，并预测患者治疗后结局，推动个性化医疗	AI在临床工作流程中的整合仍面临挑战，缺乏标准评估指标，且成本效益尚未完全实现	评估人工智能在改善良性前列腺增生管理决策过程中的作用，包括诊断、治疗预测和成本优化	良性前列腺增生患者，特别是60岁以上男性，以及相关的影像学、生物标志物和病理数据	数字病理学	前列腺癌	多参数磁共振成像, 超声, 血清生物标志物分析, 组织病理学分析	机器学习, 深度学习	图像, 生物标志物数据, 病理数据	NA	NA	NA	准确率	NA
7266	2026-01-10	Surrogate Simulation of Subject-Specific Lateral Pinch via Deep Learning 2024-Jul, Annual International Conference of the IEEE Engineering in Medicine and Biology Society. IEEE Engineering in Medicine and Biology Society. Annual International Conference DOI:10.1109/EMBC53108.2024.10782182 PMID:40039080	研究论文	本文提出了一种基于深度学习的自适应代理模型，用于模拟个体化的侧向捏力，以替代传统计算昂贵的肌肉骨骼建模和仿真过程	开发了一个能够接受肌肉骨骼参数和肌肉激活作为输入的深度学习代理模型，实现了对传统OpenSim前向动力学的快速模拟，且误差在实验测量标准误差范围内	未明确说明模型在其他手势或复杂运动模拟中的泛化能力，以及可能存在的过拟合风险	旨在通过深度学习技术加速个性化肌肉骨骼模型的仿真过程，提高计算效率	个体化的侧向捏力模拟，涉及肌肉骨骼参数和肌肉激活输入	机器学习	NA	深度学习	深度学习模型	肌肉骨骼参数和肌肉激活数据	NA	未指定	未指定	均方根误差	未指定
7267	2026-01-10	Narrative Feature or Structured Feature? A Study of Large Language Models to Identify Cancer Patients at Risk of Heart Failure 2024, AMIA ... Annual Symposium proceedings. AMIA Symposium PMID:40417538	研究论文	本研究比较了传统机器学习、深度学习模型和大型语言模型在利用电子健康记录识别癌症患者心力衰竭风险方面的性能	提出从结构化医疗代码中提取新型叙事特征，并首次将大型语言模型GatorTron-3.9B应用于癌症患者心力衰竭风险预测任务	研究数据仅来自单一医疗机构（佛罗里达大学健康中心），样本量相对有限，且仅涵盖肺癌、乳腺癌和结直肠癌三种癌症类型	开发有效的机器学习模型来识别癌症治疗后可能发生心力衰竭的高风险患者	癌症患者（肺癌、乳腺癌、结直肠癌）	自然语言处理	心血管疾病	电子健康记录分析	SVM, LSTM, Transformer	文本（电子健康记录）	12,806名癌症患者（其中1,602名在癌症后发生心力衰竭）	NA	T-LSTM, BERT, GatorTron-3.9B	F1分数	NA
7268	2026-01-10	Deep Learning-based Time-to-event Analysis of Depression and Asthma using the All of Us Research Program 2024, AMIA ... Annual Symposium proceedings. AMIA Symposium PMID:40417537	研究论文	本研究利用深度学习模型分析抑郁症与哮喘之间的关联，基于All of Us研究计划的大规模回顾性队列数据	首次在大型回顾性队列研究中应用深度学习模型分析抑郁症与哮喘的关联，并使用SHAP值增强模型可解释性	深度学习模型在c-index指标上未超越传统的Cox比例风险模型	探究抑郁症与哮喘之间的关联性及影响因素	All of Us研究计划中的239,161名参与者	机器学习	抑郁症, 哮喘	回顾性队列研究	DeepSurv, DeepHit, 逻辑回归, CoxPH	临床队列数据	239,161名参与者	NA	DeepSurv, DeepHit	c-index	NA
7269	2026-01-10	Genomic prediction with machine learning in sugarcane, a complex highly polyploid clonally propagated crop with substantial non-additive variation for key traits 2023-12, The plant genome DOI:10.1002/tpg2.20390 PMID:37728221	研究论文	本研究探讨了在甘蔗这种复杂、高度多倍体、无性繁殖的作物中，使用机器学习方法进行基因组预测的潜力，以捕获关键性状的非加性变异	首次在甘蔗中系统比较了深度学习神经网络（包括多层感知机和卷积神经网络）和随机森林等机器学习方法，与扩展的基因组最佳线性无偏预测（GBLUP）模型在基因组预测中的表现	机器学习模型（包括随机森林和深度学习神经网络）的预测准确性未超过扩展的GBLUP模型，表明在捕获基因间互作方面可能仍有局限	评估机器学习方法在甘蔗复杂基因组背景下对关键农艺性状进行基因组预测的准确性和适用性	甘蔗克隆及其关键性状（总甘蔗收获量、商业蔗糖含量和纤维含量）	机器学习	NA	全基因组单核苷酸多态性标记分析	CNN, MLP, RF	基因组数据	2912个甘蔗克隆，使用26,086个全基因组SNP标记	NA	多层感知机, 卷积神经网络	预测准确性	NA
7270	2026-01-10	State-of-the-art computational methods to predict protein-protein interactions with high accuracy and coverage 2023-11, Proteomics IF:3.4Q2 DOI:10.1002/pmic.202200292 PMID:37401192	综述	本文综述了利用蛋白质序列、结构和共丰度数据预测蛋白质-蛋白质相互作用的最先进计算方法，并重点介绍了深度学习在这些领域的应用	系统性地整合了基于不同数据源的蛋白质相互作用预测方法，并特别强调了深度学习技术在各数据类别中的最新进展和应用	未提及具体方法的性能比较或实验验证细节，主要侧重于文献综述和分类讨论	回顾和分类当前用于预测蛋白质-蛋白质相互作用的高精度和高覆盖率的计算方法	蛋白质-蛋白质相互作用预测的计算方法	机器学习	NA	深度学习	NA	蛋白质序列、蛋白质结构、蛋白质共丰度数据	NA	NA	NA	NA	NA
7271	2026-01-09	Predicting lung cancer survival with attention-based CT slices combination 2026-Dec, Health information science and systems IF:4.7Q1 DOI:10.1007/s13755-025-00404-z PMID:41492270	研究论文	本研究提出了一种基于注意力机制的CT切片组合方法，用于预测非小细胞肺癌患者的两年总生存期	引入软注意力机制识别对生存风险预测最相关的CT切片，并结合EfficientNetB0生成的特征表示，构建更有效的3D体积表示方法	研究使用了较小的私有数据集，可能影响模型的泛化能力；方法在有限数据场景下的性能仍需进一步验证	预测非小细胞肺癌患者的两年总生存期，以改善患者护理和治疗效果	非小细胞肺癌患者的CT扫描图像	计算机视觉	肺癌	CT扫描	CNN	图像	公共LUNG1数据集和较小的私有数据集	NA	EfficientNetB0	C-index	NA
7272	2026-01-09	Performance of deep-learning reconstruction combined with metal artifact reduction algorithm for dual-energy computed tomography angiography in intracranial aneurysm coil embolization 2026-Jun, European journal of radiology open IF:1.8Q3 DOI:10.1016/j.ejro.2025.100715 PMID:41492271	研究论文	本研究评估了深度学习图像重建结合金属伪影减少算法在颅内动脉瘤弹簧圈栓塞后双能CT血管成像中的诊断性能	首次将深度学习图像重建与金属伪影减少算法结合应用于颅内动脉瘤弹簧圈栓塞后的双能CT血管成像，并确定了80-90 keV为最优能量范围	样本量较小（54例患者），且为单中心前瞻性研究，需要更大规模的多中心验证	评估深度学习图像重建结合金属伪影减少算法在颅内动脉瘤弹簧圈栓塞后随访中的诊断信心和最优方案选择	颅内动脉瘤弹簧圈栓塞后的患者	医学影像分析	颅内动脉瘤	双能计算机断层扫描血管成像	深度学习图像重建	CT图像	54例患者的前瞻性CTA数据库	NA	NA	伪影指数, 信噪比, 对比噪声比, Likert量表评分	NA
7273	2026-01-09	AlphaFold Kinase Optimizer: Enhancing Virtual Screening Performance Through Automated Refinement of AlphaFold-Based Kinase Structures 2026-Feb, Proteins IF:3.2Q2 DOI:10.1002/prot.70056 PMID:40955709	研究论文	本研究介绍了一种名为AF Optimizer的新方法，通过深度学习辅助优化AlphaFold生成的激酶结构，以提升虚拟筛选性能	开发了AF Optimizer这一新方法，结合神经网络评分和结合自由能计算，自动优化AlphaFold生成蛋白的结合位点几何结构	NA	提升AlphaFold生成蛋白结构在基于结构的药物设计中的应用效果	TTK蛋白及其配体	机器学习	NA	虚拟筛选，分子对接	深度学习	蛋白质3D结构，配体数据	NA	NA	NA	立体冲突减少，分子对接精度，虚拟筛选命中率富集	NA
7274	2026-01-09	Benchmarking AlphaMissense against ClinVar for Diagnostic Interpretation of Missense Variants in Inherited Retinal Diseases 2026-Feb, Ophthalmology science IF:3.2Q1 DOI:10.1016/j.xops.2025.100997 PMID:41492285	研究论文	本研究评估了AlphaMissense在遗传性视网膜疾病中错义变异的诊断效用，通过比较其与ClinVar注释的一致性	首次将AlphaMissense应用于遗传性视网膜疾病基因的错义变异预测，并整合长读长测序进行相位变异分析以识别低效等位基因	AlphaMissense在预测低效等位基因（如ABCA4相关疾病）时敏感性降低，且研究依赖于公共数据库的注释，可能存在偏差	评估AlphaMissense在遗传性视网膜疾病中错义变异致病性预测的诊断准确性和临床实用性	107个遗传性视网膜疾病基因中的错义变异，以及一个接受长读长测序的临床病例	生物信息学	遗传性视网膜疾病	长读长测序，相位变异分析	深度学习模型	基因组变异数据，临床注释数据	128,248个变异（来自IRD基因和gnomAD数据库），其中4,204个具有明确的ClinVar分类；1个临床病例	NA	AlphaMissense	特异性，敏感性，假发现率	NA
7275	2026-01-09	The Impact of Radiation Dose to Bowel on the Risk of Developing Gastrointestinal Toxicities When Treating Abdominopelvic Soft-Tissue Sarcomas With Preoperative Radiation Therapy 2026-Feb, Advances in radiation oncology IF:2.2Q2 DOI:10.1016/j.adro.2025.101953 PMID:41492444	研究论文	本研究探讨了腹盆腔软组织肉瘤术前放疗中肠道辐射剂量对急性和长期胃肠道毒性的预测因素	采用基于深度学习的nnU-Net自动勾画肠道结构，并评估传统放疗剂量限制在大型肿瘤中的适用性	回顾性研究设计，样本量较小（76例患者），可能影响统计功效和普遍性	确定腹盆腔软组织肉瘤术前放疗中预测胃肠道毒性的剂量学因素	接受术前放疗和手术的非转移性腹盆腔软组织肉瘤患者	数字病理学	软组织肉瘤	放疗剂量学分析，深度学习自动分割	CNN	医学影像（如CT扫描）	76例患者	nnU-Net	U-Net	卡方检验，Fisher精确检验，Kaplan-Meier生存分析	NA
7276	2026-01-09	PFUS1: Premier pelvic floor ultrasound segmentation dataset. A resource for advancing research 2026-Feb, Data in brief IF:1.0Q3 DOI:10.1016/j.dib.2025.112346 PMID:41492545	研究论文	本文介绍了一个精心策划的盆底超声视频数据集，旨在支持自动化盆底评估、医学图像分割和动态器官跟踪的研究	该数据集是首个专注于盆底解剖结构的标注超声视频资源，旨在促进计算机辅助诊断和医学图像分析领域的基准测试、可重复性和方法创新	NA	推动自动化盆底评估、医学图像分割和动态器官跟踪的研究	111名患者的经会阴盆底超声视频，包含静息和Valsalva动作下的盆底器官中矢状面视图	医学图像分析	盆底疾病	经会阴超声成像	深度学习模型	超声视频	111名患者	NA	Feature Pyramid Networks (FPNs)	NA	NA
7277	2026-01-09	Inundation2Depth: A multi-source dataset for floodwater depth estimation in urban areas 2026-Feb, Data in brief IF:1.0Q3 DOI:10.1016/j.dib.2025.112347 PMID:41492553	研究论文	本文介绍了Inundation2Depth数据集，这是一个用于城市洪水深度估计的多源数据集，结合了航空影像和LiDAR数据	提供了首个大规模、地理参考的洪水深度数据集，结合多传感器遥感数据，支持机器/深度学习管道直接集成	数据基于静水假设（水面高程相对于地形），可能无法完全反映动态洪水条件	开发用于洪水深度估计的数据集，以支持洪水检测、分割和损害评估模型的研究	美国东南部北卡罗来纳州和南卡罗来纳州12个受洪水影响区域的洪水数据	计算机视觉	NA	航空影像、LiDAR点云数据、数字地形模型	NA	图像、点云	5925个重叠的256×256瓦片，覆盖24,649.88英亩	NA	NA	NA	NA
7278	2026-01-09	A Review on Efficient and Scalable Graph-Based Clustering Algorithms for Protein Complex Identification in PPI Networks 2026-Feb, Proteins IF:3.2Q2 DOI:10.1002/prot.70026 PMID:40820243	综述	本文综述了用于蛋白质-蛋白质相互作用网络中蛋白质复合物识别的图聚类算法	系统识别、分析和比较了生物信息学中用于PPI网络聚类的多种技术，并提出了整合图方法、机器学习和深度学习的新策略	现有方法在预测稀疏、小型和重叠复合物方面存在挑战，且缺乏对蛋白质生物学特性的显式知识整合	评估图聚类算法以促进蛋白质复合物识别方法的基准测试、识别局限性并推动新计算工具的开发	蛋白质-蛋白质相互作用网络中的蛋白质复合物	生物信息学	NA	NA	NA	网络数据	NA	NA	NA	NA	NA
7279	2026-01-09	Leveraging AI for cell biology discovery 2026-Jan-08, Biochemical Society transactions IF:3.8Q2 DOI:10.1042/BST20253023 PMID:41502213	综述	本文综述了人工智能在细胞生物学中的多样化应用及其对显微镜、成像、药物发现和合成生物学等领域的影响	探讨了人工智能在单细胞分辨率分析、细胞行为建模以及提高模型可解释性和工具普及性方面的创新潜力	NA	综述人工智能在细胞生物学中的应用，推动基础研究和治疗应用的发展	细胞生物学中的复杂生物数据，包括细胞图像、转录组学数据和蛋白质结构	机器学习	NA	深度学习	NA	图像, 文本	NA	NA	NA	NA	NA
7280	2026-01-09	Genomic prediction of feed efficiency in boars by deep learning 2026-Jan-07, G3 (Bethesda, Md.) DOI:10.1093/g3journal/jkaf274 PMID:41239183	研究论文	本研究使用深度学习模型预测公猪的饲料效率，并与传统线性模型进行比较，以评估非线性遗传效应的影响	首次将深度学习模型（多层感知机和卷积神经网络）应用于公猪饲料效率的基因组预测，并量化了其捕获的非加性遗传方差	计算成本显著增加，且捕获的非加性遗传方差并未显著提升预测能力	比较深度学习与线性模型在预测公猪饲料效率方面的能力，并评估非加性遗传效应的影响	两个公猪群体（父系和母系）的饲料效率性状	机器学习	NA	基因组选择	多层感知机, 卷积神经网络	基因组数据	两个公猪群体（具体数量未明确）	NA	多层感知机, 卷积神经网络	预测能力（以相关系数表示）	NA