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
741	2026-02-11	Retinal vascular alterations in cognitive impairment: A multicenter study in China 2025-Feb, Alzheimer's & dementia : the journal of the Alzheimer's Association DOI:10.1002/alz.14593 PMID:39988572	研究论文	本研究通过多中心研究，利用深度学习模型分析认知障碍患者的视网膜血管变化，探索其作为认知功能下降生物标志物的潜力	首次在东亚三个地区（上海、香港、宁夏）开展多中心研究，利用VC-Net深度学习模型分割视网膜动静脉网络并提取36个血管特征，发现认知障碍患者血管结构显著改变	样本量相对较小（共440名参与者），需要更大规模队列验证，且未深入探讨潜在机制	研究认知障碍患者的视网膜血管变化，探索其作为阿尔茨海默病诊断生物标志物的可能性	轻度认知障碍（MCI）或阿尔茨海默病（AD）患者及健康对照者	数字病理学	阿尔茨海默病	视网膜成像	深度学习	图像	440名参与者（176名MCI/AD患者，264名对照）	NA	VC-Net	NA	NA
742	2026-02-11	Deep Learning-Based Detection of Reticular Pseudodrusen in Age-Related Macular Degeneration on Optical Coherence Tomography 2024-Sep-12, medRxiv : the preprint server for health sciences DOI:10.1101/2024.09.11.24312817 PMID:39314940	研究论文	本研究开发了一种基于深度学习的模型，用于从光学相干断层扫描图像中自动检测和量化年龄相关性黄斑变性中的网状假性玻璃膜疣	开发的深度学习模型在分割网状假性玻璃膜疣方面，其与四位视网膜专家的共识一致性（DSC=0.76）甚至超过了专家之间的一致性（DSC=0.68），并在多个外部测试集上达到了专家级别的性能	NA	开发一个能够自动、可靠地检测和量化年龄相关性黄斑变性中网状假性玻璃膜疣的深度学习模型，以辅助临床管理	年龄相关性黄斑变性患者的视网膜光学相干断层扫描图像	数字病理学	年龄相关性黄斑变性	光学相干断层扫描	深度学习模型	图像	9,800张OCT B扫描图像用于模型开发，并在包含812名个体（1,017只眼）的五个外部测试数据集上进行验证	NA	NA	Dice相似系数, 曲线下面积	NA
743	2026-02-11	Analysis and Comparison of New-Born Calf Standing and Lying Time Based on Deep Learning 2024-04-29, Animals : an open access journal from MDPI IF:2.7Q1 DOI:10.3390/ani14091324 PMID:38731328	研究论文	本研究提出了一种基于深度学习的计算机视觉方法，用于无创监测新生小牛的站立和躺卧行为，并分析其与健康状态的关系	采用多视角摄像头和YOLOv8n模型，实现了对小牛站立和躺卧行为的高精度、实时自动监测，并首次将自动测量的行为时间与腹泻等健康指标进行了关联分析	研究仅针对六头小牛进行了六天的监测，样本量较小，且未考虑其他可能影响行为的因素（如环境变化）	通过自动监测小牛的站立和躺卧时间，评估其健康状态，以改善农场管理和动物福利	新生小牛（六头）的站立和躺卧行为	计算机视觉	NA	计算机视觉，行为监测	YOLO	视频	六头小牛，连续六天的监测数据	NA	YOLOv8n	平均精度均值，推理速度（帧每秒），最大时间估计误差	NA
744	2026-02-11	Application of Deep Learning Algorithms Based on the Multilayer Y0L0v8 Neural Network to Identify Fungal Keratitis 2024, Sovremennye tekhnologii v meditsine DOI:10.17691/stm2024.16.4.01 PMID:39881837	研究论文	本文开发了一种基于深度学习算法分析眼前段照片来诊断真菌性角膜炎的方法	应用多层Y0L0v8神经网络进行真菌性角膜炎的识别，这是一种新的深度学习算法应用	NA	开发一种诊断真菌性角膜炎的方法，并评估其敏感性和特异性	眼前段照片	计算机视觉	真菌性角膜炎	深度学习算法	CNN	图像	NA	NA	多层Y0L0v8神经网络	敏感性, 特异性	NA
745	2026-02-11	Comparing Unet training with three different datasets to correct CBCT images for prostate radiotherapy dose calculations 2019-01-24, Physics in medicine and biology IF:3.3Q1 DOI:10.1088/1361-6560/aaf496 PMID:30523998	研究论文	本研究评估了三种基于U-Net的深度学习校正方法，用于前列腺癌放疗剂量计算中CBCT图像的强度校正	首次使用单一U-Net架构，在三种不同数据集（CBCT投影、vCT图像切片、校正CBCT图像切片）上进行训练，并比较了它们在光子和质子剂量计算中的准确性	研究仅基于42名前列腺癌患者的数据，样本量有限；未对其他肿瘤类型或更复杂的放疗计划进行评估	评估不同深度学习校正方法对CBCT图像在放疗剂量计算中准确性的影响	42名前列腺癌患者的CT和CBCT成像数据	数字病理	前列腺癌	锥形束计算机断层扫描（CBCT）、可变形图像配准（DIR）、容积旋转调强放疗（VMAT）、质子笔形束扫描（PBS）	CNN	图像	42名前列腺癌患者	NA	U-Net	平均误差（ME）、平均绝对误差（MAE）、剂量差异通过率、Gamma评估通过率、范围差异分布百分位数	NA
746	2026-02-10	Optimized cortical EEG modeling for Parkinson disease diagnosis with snow Shepherd Stride tuning mechanism 2026-Dec, Cognitive neurodynamics IF:3.1Q2 DOI:10.1007/s11571-025-10406-y PMID:41657964	研究论文	本文提出了一种结合堆叠自编码器和MobileNet卷积块的CortiMoS-Net模型，用于从脑电图信号中准确诊断帕金森病，并引入了雪牧羊人步幅配置调优优化技术	提出CortiMoS-Net模型，结合堆叠自编码器和MobileNet卷积块进行深度皮层建模，并引入S3C-Tune混合优化技术以提升模型收敛性和参数优化	未明确说明模型在不同临床环境或多样化患者群体中的泛化能力，以及计算资源需求的具体细节	开发一种基于脑电图的帕金森病诊断模型，提高诊断准确性和鲁棒性	帕金森病患者的脑电图信号	数字病理学	帕金森病	脑电图分析	堆叠自编码器, CNN	脑电图信号	NA	NA	堆叠自编码器, MobileNet	准确率, 精确率, 召回率, F1分数, 错误率, 损失值	NA
747	2026-02-10	Deep learning for automated 3D assessment of rotator cuff muscle atrophy and fat infiltration prior to total shoulder arthroplasty 2026-Mar, Journal of shoulder and elbow surgery IF:2.9Q1 DOI:10.1016/j.jse.2025.07.025 PMID:40902715	研究论文	本研究开发了一种基于深度学习的模型，用于在肩部CT扫描上自动分割肩袖肌肉，并提出了体积肌肉萎缩的T评分分类方法	首次利用深度学习实现肩袖肌肉的自动三维分割，并引入T评分系统量化肌肉萎缩，同时定义了独特的萎缩表型、三维脂肪浸润百分比及前后平衡指标	研究样本主要来自特定患者群体（aTSA和rTSA），可能限制了结果的普适性；深度学习模型的性能依赖于CT图像质量	开发自动化工具以可靠评估肩袖肌肉萎缩和脂肪浸润，改善全肩关节置换术前的病理评估	肩袖肌肉（冈上肌、肩胛下肌、冈下肌、小圆肌）	数字病理学	肩关节疾病	计算机断层扫描（CT）	深度学习模型	三维CT图像	952例肩部CT扫描（762例健康对照，103例aTSA患者，87例rTSA患者）	NA	NA	T评分分类，三维脂肪浸润百分比，前后肌肉体积比，统计显著性（P值）	NA
748	2026-02-10	Artificial Intelligence and Machine Learning for Osteoarthritis and Cartilage Assessment 2026-Mar, Radiologic clinics of North America IF:2.1Q2 DOI:10.1016/j.rcl.2025.09.001 PMID:41656050	综述	本文评估了人工智能和机器学习在骨关节炎和软骨评估中的应用，特别是在X光片和磁共振成像分析中的进展	综述了AI在骨关节炎诊断和管理中的最新应用，包括X光片分级与分割以及MRI序列优化、快速采集、去噪、软骨测量和评分系统等多个任务	NA	评估人工智能和机器学习在骨关节炎和软骨评估中的应用，以应对其复杂的病理生理学带来的诊断和管理挑战	骨关节炎患者的X光片和磁共振成像数据	数字病理学	骨关节炎	X光成像, 磁共振成像	深度学习	图像	NA	NA	NA	NA	NA
749	2026-02-10	High-Resolution MR Imaging of Elbow Ligament Injuries and Associated Impingement and Instability Syndromes 2026-Mar, Radiologic clinics of North America IF:2.1Q2 DOI:10.1016/j.rcl.2025.09.005 PMID:41656056	综述	本文详细阐述了用于评估肘关节韧带损伤及相关撞击与不稳定综合征的高分辨率磁共振成像技术	强调了高场强磁体、专用表面线圈、三维成像和深度学习重建等先进技术在增强韧带结构可视化方面的应用	NA	评估肘关节韧带病变及相关不稳定和撞击综合征	肘关节韧带（内侧和外侧韧带复合体）及相关病理状态	数字病理学	NA	高分辨率磁共振成像，三维成像，深度学习重建	NA	磁共振图像	NA	NA	NA	NA	NA
750	2026-02-10	Corrigendum to "Geometric evaluation of a deep learning method for segmentation of urinary OARs on magnetic resonance imaging for prostate cancer radiotherapy". [Clin. Transl. Radiat. Oncol. 56 (2026) 101091] 2026-Mar, Clinical and translational radiation oncology IF:2.7Q2 DOI:10.1016/j.ctro.2025.101103 PMID:41657361	correction	本文是对一篇关于深度学习在MRI图像中分割前列腺癌放疗相关危及器官（OARs）的几何评估研究的更正	NA	NA	NA	NA	digital pathology	prostate cancer	magnetic resonance imaging	deep learning	image	NA	NA	NA	NA	NA
751	2026-02-10	DeepDBPI: DNA-Binding Protein Identifier Using a Deep Learning Model with Transformed Denoised Features 2026-Feb-09, Journal of chemical information and modeling IF:5.6Q1 DOI:10.1021/acs.jcim.5c02637 PMID:41566703	研究论文	本文提出了一种名为DeepDBPI的深度学习模型，用于预测DNA结合蛋白，通过结合多种新型描述符和去噪技术提升预测性能	开发了结合CC-PSSM、BP-PSSM、TRG-PSSM和FEGS等新型描述符的深度学习模型，并应用小波去噪算法处理序列特征，提高了DNA结合蛋白的预测准确性	未明确提及模型在更广泛数据集上的泛化能力或计算效率的具体限制	开发高效的深度学习模型以预测DNA结合蛋白，替代传统昂贵且耗时的湿实验方法	DNA结合蛋白（DBPs）	生物信息学	NA	小波去噪（WD）算法	ResNet, LSTM, BiLSTM, RNN, BiRNN, BiGRU	蛋白质序列数据	NA	NA	ResNet, LSTM, BiLSTM, RNN, BiRNN, BiGRU	准确率（ACC）、灵敏度（SN）、特异度（SP）、马修斯相关系数（MCC）	NA
752	2026-02-10	Attention-Guided Multiview Deep Learning Framework Uncovers miRNA-Drug Associations for Therapeutic Discovery 2026-Feb-09, Journal of chemical information and modeling IF:5.6Q1 DOI:10.1021/acs.jcim.5c02839 PMID:41592800	研究论文	本文提出了一种注意力引导的多视图深度学习框架（DLMVF），用于预测miRNA-药物关联，以促进治疗发现	该框架首次全面整合了miRNA和药物的多源信息，而非仅依赖已知的相互作用图数据，并通过视图级注意力机制自适应学习不同特征的重要性	NA	预测miRNA-药物关联，以支持基于miRNA的治疗方法开发	miRNA和药物	机器学习	癌症	深度学习	注意力机制	多源信息（包括属性数据和相互作用数据）	基于最新数据库手动构建的实验基准数据集	NA	DLMVF（包含miRNA属性视图编码器、药物属性视图编码器和miRNA-药物相互作用编码器模块）	AUROC, AUPRC	NA
753	2026-02-10	CompBind: Complex Guided Pretraining-Based Structure-Free Protein-Ligand Affinity Prediction 2026-Feb-09, Journal of chemical information and modeling IF:5.6Q1 DOI:10.1021/acs.jcim.5c02451 PMID:41562952	研究论文	提出了一种名为CompBind的新型框架，用于仅使用蛋白质和配体序列预测结合亲和力，无需依赖实验解析的3D复合物结构	通过结合双向交叉注意力和双目标预训练策略，从现有复合物结构中学习潜在相互作用模式，实现仅从序列推断结合亲和力，解决了结构数据稀缺性问题	未明确说明模型对新型蛋白质-配体对或高度变异序列的泛化能力，也未讨论计算效率的具体数据	开发一种不依赖3D结构输入的蛋白质-配体结合亲和力预测方法，以加速药物发现流程	蛋白质-配体复合物及其结合亲和力	机器学习	NA	深度学习预训练	基于注意力机制的深度学习模型	蛋白质序列、配体序列、3D复合物结构（仅预训练用）	NA	NA	双向交叉注意力架构	排名准确性（案例研究中）	NA
754	2026-02-10	NeuroTDPi: Interpretable Deep Learning Models with Multimodal Fusion for Identifying Neurotoxic Compounds 2026-Feb-09, Journal of chemical information and modeling IF:5.6Q1 DOI:10.1021/acs.jcim.5c02639 PMID:41609193	研究论文	本研究开发了一个名为NeuroTDPi的多层全连接深度神经网络模型，用于识别神经毒性化合物	采用多模态融合策略，整合分子表征与针对三个特定神经毒性终点的特征表示，并利用SHAP方法增强模型可解释性	未明确说明模型在外部验证集上的泛化性能或对未知化合物的预测能力	开发可解释的深度学习模型，用于早期预测化学神经毒性	神经毒性化合物	机器学习	NA	分子表征，多模态融合	深度神经网络	分子特征数据	未明确说明	未明确说明	多层全连接神经网络	AUC	未明确说明
755	2026-02-10	Towards holistic phenotype prediction beyond genotypic data 2026-Feb-09, Journal of experimental botany IF:5.6Q1 DOI:10.1093/jxb/erag068 PMID:41656352	综述	本文探讨了超越基因组数据整合多种数据类型以增强表型预测能力的潜力	提出了五种数据整合策略（消除、促进、聚合、纳入、调制），并系统综述了其在提升表型预测准确性和全面理解复杂生物系统中的应用	作为综述论文，未提供具体实验验证，且各策略的优缺点依赖于现有研究，可能缺乏统一评估标准	增强表型预测能力，超越传统基因组选择，实现更全面的生物系统理解	多种数据类型（如环境数据）及其在表型预测中的整合应用	机器学习	NA	NA	CNN	基因组数据、环境数据等多种数据类型	NA	NA	卷积神经网络	NA	NA
756	2026-02-10	Deep learning model for identification of metabolic bone disease of prematurity using wrist radiographs 2026-Feb-09, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-37116-7 PMID:41656355	研究论文	本研究提出了一种基于手腕X光片的深度学习模型，用于识别早产儿代谢性骨病的放射学特征，并评估其决策支持的影响	开发了首个基于手腕X光片的深度学习模型，专门用于识别早产儿代谢性骨病的放射学特征，并证明了其在外部验证和临床辅助诊断中的有效性	研究为回顾性设计，样本主要来自两家医院，可能存在选择偏倚，且模型性能在更广泛人群中的泛化能力需进一步验证	开发并验证一个深度学习模型，以辅助临床医生（尤其是非放射科医生）识别早产儿代谢性骨病的放射学特征，实现及时诊断和治疗	早产儿（出生体重低于1500克），包括来自首尔国立大学医院（内部数据集）和首尔国立大学盆唐医院（外部数据集）的婴儿	数字病理学	代谢性骨病	手腕X光摄影	深度学习模型	图像（手腕X光片）	内部数据集814名受试者，外部数据集261名受试者	NA	DenseNet	AUROC, 灵敏度, 特异性, 准确率	NA
757	2026-02-10	Ninja optimization algorithm based ultra wideband antenna electromagnetic band gap modeling via a generative adversarial network 2026-Feb-09, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-39068-4 PMID:41656364	研究论文	本文提出了一种集成生成对抗网络与忍者优化算法的智能预测框架，用于精确建模和预测超宽带天线电磁带隙结构的电磁性能	将对抗性学习与基于忍者优化算法的优化相结合，以提高天线-电磁带隙系统代理建模的准确性和鲁棒性	NA	为超宽带天线电磁带隙结构的设计和优化提供高效、可扩展、高精度的建模途径	超宽带天线电磁带隙结构	机器学习	NA	NA	GAN, LSTM, GRU, RNN, ANN	NA	NA	NA	GAN, LSTM, GRU, RNN, ANN	均方误差, 均方根误差, 决定系数	NA
758	2026-02-10	Cardiac MR function analysis with DL-based super resolution reconstruction: application in the clinical setting 2026-Feb-09, The international journal of cardiovascular imaging DOI:10.1007/s10554-026-03642-8 PMID:41656477	研究论文	本研究评估了深度学习超分辨率重建在心脏磁共振成像中，与传统并行成像方法在容积测量、图像质量和采集时间方面的差异	首次将深度学习超分辨率重建算法应用于压缩感知加速采集的心脏磁共振图像，显著缩短了采集时间同时保持了图像质量和容积测量准确性	样本量较小（31例患者），且研究为回顾性设计，可能存在选择偏倚	评估深度学习超分辨率重建在心脏磁共振功能分析中的临床应用价值	31例接受心脏磁共振检查的患者，用于评估缺血性和非缺血性心肌病	数字病理学	心血管疾病	心脏磁共振成像，平衡稳态自由进动电影序列，并行成像，压缩感知	深度学习	医学图像	31例患者	NA	NA	相关系数，平均差异，一致性界限，p值	1.5T Philips Ingenia MRI扫描仪
759	2026-02-10	Information-Guided Fusion of Multimodal Vibrational Spectroscopy for Disease Diagnosis Based on Symbiotic Attention Decoupled Contrastive Learning 2026-Feb-09, Analytical chemistry IF:6.7Q1 DOI:10.1021/acs.analchem.5c06086 PMID:41657032	研究论文	提出了一种基于共生注意力解耦对比学习的多模态振动光谱信息引导融合方法，用于疾病诊断	设计了共生注意力融合和寄生注意力融合机制来模拟生物共生与寄生关系，实现差异化信息增强，并引入了监督式多模态对比学习解耦网络以平衡跨模态一致性和模态内内聚性	未明确提及	提高振动光谱在疾病诊断中的准确性和可解释性	癌症、自身免疫性疾病和心血管疾病数据集	机器学习	癌症、自身免疫性疾病、心血管疾病	拉曼光谱、红外光谱	多层感知机、卷积神经网络	光谱数据	NA	NA	Symbiotic Attention Fusion Decoupled Network (SAFDN)	准确率, AUC	NA
760	2026-02-10	Redefining Tumor Vascular Permeability through Deep Learning-Guided Microneedle Delivery 2026-Feb-09, ACS nano IF:15.8Q1 DOI:10.1021/acsnano.5c16558 PMID:41660810	研究论文	本文介绍了一种深度学习引导的微针递送平台，用于局部、时空精确地调节肿瘤血管以增强纳米颗粒外渗	将微针递送系统与升级的单血管分析框架（nano-ISML 1.1）结合，实现了对多种肿瘤类型和颗粒尺寸的血管重塑和纳米颗粒运输的定量映射，并通过局部递送组胺选择性扩大内皮连接，将低渗透性肿瘤重编程为高渗透性表型	未明确说明研究的局限性	克服肿瘤血管低渗透性障碍，为肿瘤靶向纳米药物的合理设计提供机制性和预测性范式	肿瘤血管、纳米颗粒	数字病理学	肿瘤	微针递送、单血管分析框架（nano-ISML 1.1）	深度学习	图像	NA	NA	NA	NA	NA