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
761	2026-06-07	Deep-learning based automated quantification of critical optical coherence tomography features in neovascular age-related macular degeneration 2024-02, Eye (London, England) DOI:10.1038/s41433-023-02720-8 PMID:37670143	研究论文	验证深度学习算法在新生血管性年龄相关性黄斑变性（nAMD）中自动分割视网膜内液体（IRF）、视网膜下液体（SRF）和新生血管性色素上皮脱离（nPED）的性能	提出两种基于深度学习的分割模型（A1和A2），并利用掩膜阅读者分级进行验证，实现了与人工分级相当的自动化分析性能	样本量较小（50名患者），且未明确提及跨种族的验证等潜在限制	评估深度学习算法在nAMD中自动量化关键OCT特征的准确性和可靠性	50名患有渗出性nAMD的患者（50只眼）	计算机视觉	年龄相关性黄斑变性	光学相干断层扫描	卷积神经网络	图像	50名患者（50只眼）	NA	NA	曲线下面积、Dice系数、相关系数(R2)	NA
762	2026-06-07	Image quality assessment of retinal fundus photographs for diabetic retinopathy in the machine learning era: a review 2024-02, Eye (London, England) DOI:10.1038/s41433-023-02717-3 PMID:37667028	综述	对机器学习时代用于糖尿病视网膜病变的视网膜眼底照片图像质量评估进行综述	强调了图像质量评估在人工智能模型开发中的重要性，并指出需要清晰、易获取的报告方式	仅检索了20个数据集，且仅8个明确了质量评价标准，信息获取存在挑战	评估公开数据集中糖尿病视网膜病变图像质量评估及质量标准的现状	糖尿病视网膜病变相关公开数据集	计算机视觉	糖尿病视网膜病变	NA	深度学习	图像	20个数据集	NA	NA	NA	NA
763	2026-06-07	Prediction of immunotherapy response in idiopathic membranous nephropathy using deep learning-pathological and clinical factors 2024, Frontiers in endocrinology IF:3.9Q2 DOI:10.3389/fendo.2024.1328579 PMID:38524629	研究论文	利用深度学习结合病理和临床特征预测特发性膜性肾病免疫治疗反应	首次将深度学习训练的病理特征与临床因素结合构建模型，用于预测特发性膜性肾病患者对免疫治疗的反应，并发现病理特征整合模型优于临床特征模型	样本量较小（291例），且模型在验证集上AUC较低（0.77），可能影响泛化能力	建立并验证一种结合病理和临床特征的深度学习模型，以评估特发性膜性肾病患者对免疫抑制治疗的反应	291例特发性膜性肾病（IMN）患者	数字病理学	特发性膜性肾病	全切片病理图像分析	卷积神经网络（CNN）	全切片病理图像和临床数据	291例患者（训练集219例，验证集72例）	NA	CNN	AUC	NA
764	2026-06-07	PET/CT-based deep learning grading signature to optimize surgical decisions for clinical stage I invasive lung adenocarcinoma and biologic basis under its prediction: a multicenter study 2024-01, European journal of nuclear medicine and molecular imaging IF:8.6Q1 DOI:10.1007/s00259-023-06434-7 PMID:37725128	研究论文	基于PET/CT的深度学习分级特征用于优化临床I期浸润性肺腺癌的手术决策及其预测的生物学基础	首次开发基于PET/CT的深度学习分级特征（DLGS）用于个性化治疗临床I期浸润性肺腺癌，并探索其预测下的生物学基础	需要更大规模的国际研究验证其在其他地区的适用性	开发一种基于PET/CT的深度学习分级特征，以个性化手术治疗临床I期浸润性肺腺癌，并探索其预测的生物学基础	临床I期浸润性肺腺癌患者	计算机视觉	肺腺癌	PET/CT	深度学习	图像	来自4个医疗中心的2638名临床I期浸润性肺腺癌患者	NA	NA	AUC	NA
765	2026-06-07	Markerless Motion Tracking With Noisy Video and IMU Data 2023-11, IEEE transactions on bio-medical engineering DOI:10.1109/TBME.2023.3275775 PMID:37171931	研究论文	提出深度学习模型，利用含噪视频和惯性测量单元数据估计人体运动，无需精确标定	无需传感器与身体对齐的繁琐标定流程，模型对传感器错位和摄像头遮挡噪声具有鲁棒性	模型训练使用合成数据，真实场景应用仍需验证	简化临床和家庭环境中人体运动分析的流程，降低成本和操作门槛	人体运动姿态估计（包括行走、跑步、深蹲、坐立等动作）	计算机视觉, 机器学习	神经肌肉骨骼疾病	视频运动捕捉, 惯性测量单元	深度学习模型	视频, 惯性传感器数据	使用标记点运动捕捉数据集生成合成训练数据，测试包含真实动作数据	NA	VideoNet, IMUNet, FusionNet	均方根误差	NA
766	2026-06-07	Autonomous Robotic Ultrasound Vascular Imaging System With Decoupled Control Strategy for External-Vision-Free Environments 2023-11, IEEE transactions on bio-medical engineering DOI:10.1109/TBME.2023.3279114 PMID:37227912	研究论文	提出了一种在无外部视觉环境下自主执行机器人超声血管成像的解耦控制策略	将系统分为外环姿态控制和内环方向控制，分别由深度学习智能体和强化学习智能体独立决策，摆脱了对外部视觉信息的依赖	未提及具体局限	实现机器人在无外部视觉的动态环境中自主超声血管成像	人体手臂血管（不同硬度、曲率和尺寸的志愿者的手臂）	机器人学, 医学影像	血管疾病	超声成像	深度学习模型, 强化学习模型	超声图像	多个志愿者	NA	超声血管分割网络（弱监督）	NA	NA
767	2026-06-07	Deep learning-based diagnosis of disease activity in patients with Graves' orbitopathy using orbital SPECT/CT 2023-10, European journal of nuclear medicine and molecular imaging IF:8.6Q1 DOI:10.1007/s00259-023-06312-2 PMID:37395800	研究论文	提出基于深度学习的GO-Net模型，利用眶部SPECT/CT自动检测Graves眼病炎症活动性	首次结合语义分割网络（SV-Net）与卷积神经网络（CNN），融合CT、SPECT及眼外肌掩膜进行甲状腺相关眼病活动性自动分类	未提及模型在不同医院或设备上的泛化能力验证，且手动勾画感兴趣区可能引入标注偏差	开发自动化方法检测Graves眼病炎症活动性，减轻医生解读负担	478例Graves眼病患者的956只眼（活动期475眼，非活动期481眼）	计算机视觉	Graves眼病	SPECT/CT	V-Net, 卷积神经网络	医学影像	956只眼（来自478例患者）	NA	语义V-Net分割网络（SV-Net），卷积神经网络（CNN）	敏感度，特异度，AUC，平均交并比	NA
768	2026-06-07	Parametric Modeling and Deep Learning for Enhancing Pain Assessment in Postanesthesia 2023-10, IEEE transactions on bio-medical engineering DOI:10.1109/TBME.2023.3274541 PMID:37527300	研究论文	提出结合分数阶阻抗模型参数化与深度学习（CNN）的方法，用于术后麻醉期间疼痛评估，以提高可靠性	提出了递归识别方法结合分数阶阻抗模型参数化，以及利用时频数据和频谱图的CNN分类算法，实现个性化、客观的疼痛评估	样本量小（仅12名患者），尚处于概念验证阶段，需在更大规模临床中验证	通过术后创伤建模与分类增强疼痛评估的可靠性	术后麻醉患者的皮肤阻抗测量数据	机器学习	术后疼痛	皮肤阻抗测量	CNN	时频数据	12名患者	PyTorch	CNN	NRS评分相关性	NA
769	2026-06-07	Development and validation of MRI-based deep learning models for prediction of microsatellite instability in rectal cancer 2021-06, Cancer medicine IF:2.9Q2 DOI:10.1002/cam4.3957 PMID:33963688	研究论文	开发并验证基于MRI的深度学习模型，用于预测直肠癌中的微卫星不稳定性	首次将改进的MobileNetV2架构应用于直肠癌MRI图像，以预测微卫星不稳定性状态，并探索了结合临床因素的集成模型	单中心回顾性研究，样本量有限，可能存在选择偏倚；临床模型性能较低，深度学习模型间差异无统计学意义	术前预测直肠癌患者的微卫星不稳定性状态，以辅助制定个性化治疗策略	491例直肠癌患者，其微卫星状态经病理证实	计算机视觉	直肠癌	MRI成像	改进的MobileNetV2	图像（高分辨率T2加权MRI图像）	491例直肠癌患者，其中训练/验证队列395例，测试队列96例	PyTorch	MobileNetV2	准确率、AUC、95%置信区间	NA
770	2026-06-06	Early apple moldy core classification via multi-modal sensing and SE-ResNet18 2026-Nov-05, Spectrochimica acta. Part A, Molecular and biomolecular spectroscopy DOI:10.1016/j.saa.2026.128056 PMID:42161033	研究论文	提出一种融合可见近红外光谱与电子鼻数据的多模态图像编码方法，结合SE-ResNet18深度学习模型，实现苹果霉心病早期无损检测	首次将格拉姆角场、马尔科夫转移场和递归图等图像编码技术用于融合一维时间序列和光谱数据，并构建基于通道注意力的双分支SE-ResNet18模型，有效增强模态融合和特征表征能力	文中未提及明显局限性	实现苹果霉心病的早期、高效、无损诊断	苹果霉心病（早期内部病变）	机器视觉, 深度学习	苹果霉心病	可见近红外光谱, 电子鼻	SE-ResNet18（加入通道注意力机制的残差网络）	一维时间序列数据（光谱数据与电子鼻传感器数据）, 图像（经编码转换）	未明确说明具体样本数量	PyTorch	SE-ResNet18	准确率	未明确说明
771	2026-06-06	Prediction of intrinsic clearance using an explainable learning framework integrating molecular fingerprints and graph representation 2026-Oct-05, European journal of medicinal chemistry IF:6.0Q1 DOI:10.1016/j.ejmech.2026.118996 PMID:42176654	研究论文	开发了一个融合分子指纹和图表示的可解释学习框架，用于预测药物固有清除率	提出了一种动态结合机器学习与深度学习预测的集成策略，并通过可解释性分析将模型输出与分子理化性质及潜在代谢位点联系起来	公开数据质量对模型性能的约束以及现有模型生物可解释性不足	为早期药代动力学筛选提供生物学信息支持的工具，并深入理解结构-代谢关系	药物固有清除率数据及分子结构特征	机器学习	NA	分子指纹提取与图表示学习	传统机器学习、深度学习（双分支架构）	分子结构数据	从公开数据库系统收集并经人工验证的固有清除率数据集	NA	双分支深度学习架构	R值（相关系数）	NA
772	2026-06-06	Enhancing saline soil quality using enriched sheep manure compost and organic fertilizer: A FTIR-Deep learning evaluation of physiochemical and electrical properties 2026-Oct-01, Talanta IF:5.6Q1 DOI:10.1016/j.talanta.2026.129880 PMID:42035676	研究论文	利用FTIR光谱与深度学习模型评估改良羊粪堆肥和有机肥对盐渍土壤理化和电学性质的提升效果	首次将傅里叶变换红外光谱与1D-CNN、LSTM深度学习模型结合，并引入SHAP解释方法，建立盐渍土壤性质预测与光谱特征解释的集成框架	NA	建立基于FTIR光谱和机器学习/深度学习的快速、准确且可解释的盐渍土壤评估与可持续改良策略	盐渍土壤样本经羊粪堆肥和有机肥处理后的理化和电学性质	机器学习	NA	FTIR光谱分析	1D-CNN, LSTM, PLSR	光谱数据	NA	NA	1D-CNN, LSTM	决定系数R	NA
773	2026-06-06	Dual-modal deep learning model with microstrip isoelectric focusing and imaging strategy for feed classification 2026-Sep-08, Analytica chimica acta IF:5.7Q1 DOI:10.1016/j.aca.2026.345706 PMID:42242815	研究论文	提出一种双模态深度学习框架，结合阵列式微条等电聚焦装置与RGB成像，用于动物源性饲料分类	首次将微条等电聚焦生化指纹与数字图像宏观纹理通过双分支ResNet18模型融合，实现生化与视觉信息的互补，突破单模态盲区	未提及模型在极端样本或实际生产环境中的稳定性测试，且方法局限于饲料分类场景	开发一种低成本、高通量的智能饲料溯源分析方法，提升复杂基质中动物源性成分的识别准确性	15种不同动物源性饲料类别，包括可能具有生物同源性的样本	计算机视觉, 机器学习	不适用	等电聚焦, RGB成像	卷积神经网络	图像	15种饲料类别，每次运行可处理12-24个样本	PyTorch	ResNet18	准确率	不适用
774	2026-06-06	Artificial intelligence in pain assessment and management for older adults: A scoping review 2026-Sep, Artificial intelligence in medicine IF:6.1Q1 DOI:10.1016/j.artmed.2026.103455 PMID:42160993	综述	该综述探索了人工智能在老年人疼痛评估和管理中的应用，展示了趋势和现有差距	系统性地梳理了2014至2025年间人工智能在老年人疼痛管理中的应用现状，并指出多数工具仍处于早期阶段，缺乏老龄特异性动态	所纳入的研究数据有限，且缺乏针对老龄化的专门动态分析	调查人工智能在老年人疼痛管理中的应用趋势和现存空白	老年人疼痛管理相关文献	机器学习	老年疾病	NA	机器学习、深度学习、机器人技术、自然语言处理、基于规则的系统	临床记录、面部分析、影像、视频序列	96篇研究	NA	NA	NA	NA
775	2026-06-06	SiCLIP: An explainable multimodal framework for silicosis diagnosis 2026-Sep, Artificial intelligence in medicine IF:6.1Q1 DOI:10.1016/j.artmed.2026.103456 PMID:42190351	研究论文	提出基于CLIP-ViT的多模态检索框架SiCLIP用于矽肺诊断，结合胸部X光图像与患者结构化档案信息	首次将多模态检索框架应用于矽肺诊断，通过共享嵌入空间融合影像与结构化信息，并基于检索聚合实现可解释性预测	仅进行了内部评估，缺乏外部验证，临床部署前需要外部数据集验证	开发用于矽肺筛查与二分类的多模态诊断方法，提升早期检测能力	矽肺患者及高危工种的受照人群的胸部X光图像与患者结构化档案信息	计算机视觉，自然语言处理	矽肺	NA	CLIP-ViT	图像，结构化文本	矽肺诊断数据集SDD包含胸部X光图像与患者结构化档案信息（未明确样本总数）	PyTorch	CLIP, ViT	准确率, F1分数	NA
776	2026-06-06	A hybrid chemometric and deep learning model for monitoring quality loss in thermally processed edible oils 2026-Aug-31, Food research international (Ottawa, Ont.) DOI:10.1016/j.foodres.2026.119497 PMID:42215142	研究论文	研究热加工食用油质量损失的混合化学计量学与深度学习模型	首次将傅立叶变换红外光谱与介电测量结合，并利用1D-CNN和SHAP可解释人工智能进行热加工食用油降解的多模态化学计量学建模和关键特征识别	NA	建立一种结合光谱和介电分析的灵敏、非破坏性方法，用于评估热加工过程中的食用油降解	热加工食用油（花生油、芝麻油和餐馆回收油）的聚合、氧化和水解降解过程	机器学习	NA	FTIR光谱，介电测量	1D-CNN	光谱数据，介电数据	三种油样（花生油、芝麻油和餐馆回收油）在加热过程中的多个时间点	PyTorch，Scikit-learn	1D-CNN	R值，RMSE	NA
777	2026-06-06	Spiking neural networks for video analysis: An in-depth review of models and architectures 2026-Aug, Neural networks : the official journal of the International Neural Network Society IF:6.0Q1 DOI:10.1016/j.neunet.2026.108844 PMID:41850015	综述	全面综述脉冲神经网络在视频分析中的模型、架构、训练策略和优化技术，并通过实验验证其性能	首次系统综述SNN在视频分析领域的最新进展，并引入SpikeActNet动作识别模型与传统CNN模型进行对比	未明确指出具体局限，但作为综述可能涵盖范围有限且实验对比仅涉及特定模型	综述SNN在视频分析中的最新进展，评估其作为下一代视频分析技术的潜力	脉冲神经网络模型、视频分析任务（如动作识别）	计算机视觉	不适用	脉冲神经网络（SNN）	脉冲神经网络（SNN）、卷积神经网络（CNN）	视频	不适用	不适用	SpikeActNet, C3D, I3D, ResNet	评估指标提及但未具体列出	不适用
778	2026-06-06	Lightweight Truncated Fused-MirrorNet for Classification and Analysis of Histopathology Images 2026-Jul, Microscopy research and technique IF:2.0Q3 DOI:10.1002/jemt.70127 PMID:41636335	研究论文	提出一种轻量级截断融合镜像网络用于组织病理图像分类和分析	采用镜像架构、部分层冻结和特征融合方法，在保持分类精度的同时显著减少训练时间，适合低端设备部署	NA	开发一种轻量级深度学习模型用于组织病理图像分类，克服传统方法在计算资源和数据集上的限制	肾脏组织病理图像（TCGA肾脏数据集）和乳腺组织病理图像（BreakHis数据集）	数字病理学	肾细胞癌	NA	CNN（卷积神经网络）	图像	两个数据集：TCGA肾脏数据集和BreakHis数据集	NA	Fused-MirrorNet（融合镜像网络）	准确率	低端设备（适合低端基础设施）
779	2026-06-06	AI-Based Denoising for Simulated Dose Reduction in Pediatric Chest Radiography: A Prospective Multicenter Evaluation of Image Quality and Diagnostic Performance 2026-Jul, Academic radiology IF:3.8Q1 DOI:10.1016/j.acra.2026.04.003 PMID:42034503	研究论文	前瞻性多中心评估基于AI的去噪算法在模拟低剂量儿童胸部X光摄影中的图像质量和诊断性能	首次进行前瞻性多中心验证，使用供应商中立的深度学习去噪系统在约50%剂量降低条件下评估儿童胸部X光图像质量和诊断性能的变化	正式非劣效性未建立（ΔAUC的置信区间跨越预设边界），需通过临床获取的低剂量数据进行进一步前瞻性验证	评估基于深度学习的去噪系统在模拟低剂量儿童胸部X光摄影中改善图像质量及诊断性能的变化程度	420名接受临床指示胸部X光检查的儿科患者	计算机视觉	儿童疾病	Poisson-Gaussian噪声插入框架	深度残差卷积神经网络	图像	420名儿科患者，来自4家三级医院	PyTorch	深度残差卷积神经网络	接收者操作特征曲线下面积、结构相似性指数	NA
780	2026-06-06	Benchmarking Deep Learning for PROTAC Ternary Complex Prediction 2026-Jul, Proteins IF:3.2Q2 DOI:10.1002/prot.70117 PMID:41635150	研究论文	对四种深度学习工具（Chai-1、AlphaFold2、AlphaFold3和Protenix）预测PROTAC三元复合物的性能进行了基准测试	首次系统比较多个前沿深度学习模型在PROTAC三元复合物预测中的表现，并提供了详细的性能评估和挑战分析	所有预测工具在准确预测POI与E3连接酶取向（Cα-RMSD < 10 Å）以及小分子PROTAC位置（RMSD < 5 Å）方面仍面临重大挑战	评估深度学习模型预测PROTAC三元复合物的能力，为未来预测工具开发提供参考	PROTAC三元复合物	机器学习	NA	蛋白质结构预测	深度学习模型	蛋白质结构数据	未明确提及样本数量	NA	Chai-1, AlphaFold2, AlphaFold3, Protenix	Cα-RMSD	NA