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
61	2026-01-28	Hierarchical image pyramid transformer framework for automated breast cancer molecular subtyping using tissue microarrays 2026-Jan-26, The Journal of pathology IF:5.6Q1 DOI:10.1002/path.70028 PMID:41588712	研究论文	提出了一种名为PBC-HIPT的新型深度学习框架，用于从标准H&E染色图像中自动进行乳腺癌分子分型	开发了一种基于多级Transformer的架构，能够从细胞到组织尺度分层聚合组织病理学特征，以捕获高分辨率图像中的多尺度形态特征和长程依赖关系	模型在组织微阵列（TMA）上表现出稳健的模态内泛化能力，但在全切片图像（WSI）的跨模态验证中性能下降	解决乳腺癌在分子和组织学水平的异质性带来的诊断和治疗挑战，实现从H&E染色图像中自动、准确的分子分型和生物标志物评估	乳腺癌组织微阵列（TMA）和全切片图像（WSI）	数字病理学	乳腺癌	H&E染色，免疫组织化学（用于比较）	Transformer	图像	252例TMA病例和46张独立的全切片图像（WSI）	NA	Hierarchical Image Pyramid Transformer (HIPT)	准确率，曲线下面积（AUC）	NA
62	2026-01-28	Enhanced MesoNet-based deepfake detection using deep learning: A robust framework for multimedia forensics 2026-Jan-26, Journal of forensic sciences IF:1.5Q2 DOI:10.1111/1556-4029.70275 PMID:41588812	研究论文	本研究提出了一种基于增强版MesoNet卷积神经网络的深度伪造检测框架，用于识别被篡改的图像和视频	在原始MesoNet架构基础上增加了两个卷积层，显著提升了检测性能，并开发了结合React前端和Flask后端的实时检测系统	未明确说明模型在不同类型深度伪造技术（如换脸、语音合成等）上的泛化能力，也未提及对对抗性攻击的鲁棒性	开发一个鲁棒且可扩展的深度伪造检测框架，以应对人工智能生成的虚假多媒体内容对数字内容真实性和公众信任的威胁	被深度伪造技术篡改的图像和视频	计算机视觉	NA	深度学习	CNN	图像, 视频	NA	NA	MesoNet	准确率, 精确率, 召回率, F1分数, 马修斯相关系数	NA
63	2026-01-28	Artificial Intelligence Models Integrating Preoperative Prostate MRI and Clinical Parameters for Predicting Extraprostatic Extension: A Systematic Review and Meta-Analysis 2026-Jan-26, Journal of surgical oncology IF:2.0Q2 DOI:10.1002/jso.70167 PMID:41588994	系统综述与荟萃分析	本文通过系统综述和荟萃分析，评估了整合术前前列腺MRI图像和临床参数的人工智能模型在预测前列腺癌包膜外侵犯方面的诊断性能	系统性地评估了整合放射组学特征与临床参数的人工智能模型在预测前列腺癌包膜外侵犯方面的诊断性能，并比较了深度学习与传统机器学习算法的表现	研究间存在异质性，主要源于MRI协议、分割方法和建模方法的差异，且深度学习与传统机器学习算法间的性能差异无统计学显著性	评估整合术前前列腺MRI和临床参数的人工智能模型在预测前列腺癌包膜外侵犯方面的诊断性能	前列腺癌患者	数字病理学	前列腺癌	多参数MRI（如T2加权成像、弥散加权成像）	深度学习, 传统机器学习	图像, 临床参数	14项研究，共涉及2131名患者	NA	NA	灵敏度, 特异度, 曲线下面积, 诊断比值比	NA
64	2026-01-28	Bioinspired Multifunctional Hydrogels for Deep Learning-Enabled Wound pH Visual Monitoring and Treatment 2026-Jan-24, Analytical chemistry IF:6.7Q1 DOI:10.1021/acs.analchem.5c05725 PMID:41579059	研究论文	本文报道了一种受生物启发的多功能水凝胶，用于伤口pH值的视觉监测与治疗，并集成了深度学习技术	开发了一种基于酶级联反应原位聚合的多功能水凝胶，结合了pH响应性视觉监测、广谱抗菌活性和机械适应性，并首次将深度学习模型用于水凝胶图像的pH值分类	NA	开发一种智能伤口敷料，实现实时环境监测和治疗干预，以促进难愈合伤口的智能管理	多功能水凝胶及其在伤口愈合中的应用	数字病理	NA	酶级联催化聚合、比色法	CNN	图像	1000张比色水凝胶图像用于训练深度学习模型，并在小鼠伤口模型中进行测试	PyTorch	ResNet34	分类准确率	NA
65	2026-01-28	Machine learning-based models for preoperative prediction of pituitary adenoma consistency: a systematic review and meta-analysis 2026-Jan-24, Acta neurochirurgica IF:1.9Q2 DOI:10.1007/s00701-026-06775-w PMID:41580565	系统综述与荟萃分析	本文通过系统综述和荟萃分析，评估了基于机器学习的模型在术前预测垂体腺瘤质地中的诊断性能	首次对基于机器学习的垂体腺瘤质地预测模型进行系统综述和荟萃分析，综合量化了其诊断准确性	纳入研究数量有限（9项），未来需要多中心、标准化成像和外部验证研究以优化临床转化	评估基于机器学习的模型在术前预测垂体腺瘤质地中的诊断性能	垂体腺瘤患者	机器学习	垂体腺瘤	MRI	机器学习模型，包括Extra Trees, Random Forest, Support Vector Machine, k-Nearest Neighbors, Logistic Regression, Artificial Neural Network, 以及深度学习混合架构	MRI图像	9项研究，共1621名患者	NA	Extra Trees, Random Forest, Support Vector Machine, k-Nearest Neighbors, Logistic Regression, Artificial Neural Network, 深度学习混合架构	AUC, 准确率, 灵敏度, 特异度, 诊断比值比	NA
66	2026-01-28	MRI-based multilevel radiomics and transformer features for predicting radiation-induced carotid artery injury after nasopharyngeal carcinoma radiotherapy: A multicenter study 2026-Jan-24, Radiotherapy and oncology : journal of the European Society for Therapeutic Radiology and Oncology IF:4.9Q1 DOI:10.1016/j.radonc.2026.111390 PMID:41587618	研究论文	本研究开发并验证了一种基于MRI的多层次影像组学与Transformer特征融合模型，用于预测鼻咽癌放疗后放射性颈动脉损伤	首次将常规影像组学、亚区域影像组学与Transformer深度学习特征融合，构建多中心预测模型，并通过SHAP分析揭示了不同特征对模型决策的贡献	回顾性研究设计可能存在选择偏倚，样本量相对有限，且仅基于MRI数据	预测鼻咽癌患者放疗后放射性颈动脉损伤的发生风险	鼻咽癌放疗患者	数字病理学	鼻咽癌	MRI成像	深度学习, 影像组学	医学影像	500名患者（来自四家医院，分为训练集274例、内部测试集118例、外部测试集108例）	NA	Swin Transformer	AUC, 准确率, 灵敏度, 特异度, Brier分数, NRI, IDI	NA
67	2026-01-28	Deep learning to predict left ventricular hypertrophy from the electrocardiogram 2026-Jan-23, Europace : European pacing, arrhythmias, and cardiac electrophysiology : journal of the working groups on cardiac pacing, arrhythmias, and cardiac cellular electrophysiology of the European Society of Cardiology IF:7.9Q1 DOI:10.1093/europace/euag015 PMID:41589068	研究论文	本研究开发了一种深度学习模型，利用心电图和临床变量预测左心室肥厚，并在两个大型队列中进行了评估	采用全卷积网络架构，结合心电图和临床变量直接预测左心室质量指数，相比传统机器学习方法显著提高了预测性能	模型在外部验证队列中的泛化能力有限，受临床特征、心电图采集和心脏磁共振标记差异的影响	开发一种基于深度学习的可扩展筛查工具，用于从心电图预测左心室肥厚	英国生物银行和波美拉尼亚健康研究的参与者	机器学习	心血管疾病	心脏磁共振成像	CNN	心电图信号, 临床变量	英国生物银行48,835名参与者，波美拉尼亚健康研究1,423名参与者	NA	全卷积网络	AUROC	NA
68	2026-01-28	Deep Learning-Based Prediction of Cardiopulmonary Disease in Retinal Images of Premature Infants 2026-Jan-22, JAMA ophthalmology IF:7.8Q1 DOI:10.1001/jamaophthalmol.2025.5814 PMID:41569552	研究论文	本研究利用深度学习模型分析早产儿视网膜图像，预测支气管肺发育不良和肺动脉高压，并探索多模态模型结合图像特征与人口统计学风险因素的性能	首次利用早产儿视网膜病变筛查中的视网膜图像预测心肺疾病，并开发了结合图像特征与人口统计学风险因素的多模态模型，以提升预测性能	研究样本仅来自7个新生儿重症监护室，可能限制结果的普遍性；图像采集时间限于34周或更小的矫正胎龄，可能影响模型对晚期诊断的适用性	确定早产儿视网膜图像是否包含与支气管肺发育不良和肺动脉高压相关的特征，并评估多模态模型在预测这些疾病中的性能	早产儿，特别是那些有早产儿视网膜病变风险的婴儿	计算机视觉	心血管疾病	视网膜成像	支持向量机	图像	493名婴儿（包括BPD队列的99名患者和PH队列的37名患者作为测试集）	NA	ResNet18	AUROC	NA
69	2026-01-28	A predicted structural interactome reveals binding interference from intrinsically disordered regions 2026-Jan-22, PLoS computational biology IF:3.8Q1 DOI:10.1371/journal.pcbi.1013899 PMID:41570036	研究论文	本研究利用AlphaFold2多聚体预测果蝇蛋白质相互作用，并探讨了内在无序区域在相互作用中的重要性	结合功能关联数据预测物理相互作用，并强调内在无序区域在蛋白质相互作用中的关键作用	研究主要基于果蝇数据，可能不直接适用于其他物种，且预测准确性依赖于AlphaFold2的局限性	预测果蝇蛋白质相互作用的结构细节，并分析内在无序区域的影响	果蝇的蛋白质相互作用网络	机器学习	NA	深度学习，AlphaFold2多聚体	深度学习模型	蛋白质序列和结构数据	NA	AlphaFold2	AlphaFold2多聚体	NA	NA
70	2026-01-28	Diagnostic Performance of Deep Learning and Radiomics in Extracranial Carotid Plaque Detection: Systematic Review and Meta-Analysis 2026-Jan-22, Journal of medical Internet research IF:5.8Q1 DOI:10.2196/77092 PMID:41570300	系统综述与荟萃分析	本文通过系统综述和荟萃分析，评估了深度学习和影像组学在诊断颅外颈动脉斑块中的诊断性能	首次对深度学习和影像组学在颅外颈动脉斑块检测中的诊断准确性进行了系统性综合与定量分析，并建立了标准化评估框架	研究结果存在高异质性，回归分析未能识别显著的异质性来源，且符合条件的研究数量有限，限制了更全面的亚组分析，缺乏多中心研究和外部验证	定量探索深度学习和影像组学对颅外颈动脉斑块的诊断效能，并建立一个改进斑块检测的标准化框架	颅外颈动脉斑块	医学影像分析	心血管疾病	影像组学，深度学习	深度学习模型，基于影像组学的机器学习模型	医学影像	40项研究，共17,246名患者	NA	NA	敏感性，特异性，SROC曲线下面积	NA
71	2026-01-28	Artificial Intelligence and Machine Learning in Bone Metastasis Management: A Narrative Review 2026-Jan-22, Current oncology (Toronto, Ont.) DOI:10.3390/curroncol33010065 PMID:41590385	综述	本文是一篇关于人工智能和机器学习在骨转移管理中应用的叙事性综述	整合了AI/ML在骨转移管理中的最新应用，并指出了未来研究方向，如开发替代Mirels评分的AI增强工具和多中心协作	现有研究多为内部验证，缺乏外部验证；可解释性、偏见缓解和健康经济影响评估不足；极少框架集成到常规工作流程中	综述AI/ML在骨转移管理中的应用，包括病灶检测、分割、预后建模、骨折风险评估和手术决策支持	骨转移患者	机器学习	骨转移	影像组学和深度学习	NA	影像数据	NA	NA	NA	NA	NA
72	2026-01-28	Out-of-distribution evaluation of active learning pipelines for molecular property prediction 2026-Jan-21, RSC advances IF:3.9Q2 DOI:10.1039/d5ra08055j PMID:41584114	研究论文	本文评估了用于分子性质预测的主动学习管道在分布外数据上的性能	首次在分子性质预测中引入分布外评估框架，并基于证据深度学习的不确定性开发主动学习策略	研究仅关注溶剂化能量预测，未扩展到其他分子性质；实验数据主要来自PubChem，可能受数据源限制	评估主动学习在分子性质预测中的有效性，特别是在分布外数据场景下的性能	分子结构及其对应的溶剂化能量	机器学习	NA	证据深度学习	深度学习	分子结构数据	未明确指定具体样本数量，但涉及来自PubChem的分布外数据集	未明确指定，可能基于常见的深度学习框架如PyTorch或TensorFlow	未明确指定具体架构，但基于证据深度学习	未明确指定具体指标，但关注分布外性能评估	NA
73	2026-01-28	Interpretable Diagnosis of Pulmonary Emphysema on Low-Dose CT Using ResNet Embeddings 2026-Jan-21, Journal of imaging IF:2.7Q3 DOI:10.3390/jimaging12010051 PMID:41590936	研究论文	提出了一种基于ResNet嵌入的质量控制和可解释深度学习流程，用于低剂量CT上肺气肿的诊断	利用预训练的ResNet-152嵌入，无需重新训练即可有效用于肺气肿表征，并结合定量CT标记增强鲁棒性和可解释性	未在摘要中明确提及	开发一种准确且可解释的肺气肿检测方法，适用于大规模筛查和人群健康研究	低剂量CT图像中的肺气肿	计算机视觉	肺气肿	低剂量CT	CNN	图像	未在摘要中明确提及	未在摘要中明确提及	ResNet-152	ROC-AUC, PR-AUC, 平衡准确率	未在摘要中明确提及
74	2026-01-28	ADAM-Net: Anatomy-Guided Attentive Unsupervised Domain Adaptation for Joint MG Segmentation and MGD Grading 2026-Jan-21, Journal of imaging IF:2.7Q3 DOI:10.3390/jimaging12010050 PMID:41590935	研究论文	本文提出了一种名为ADAM-Net的注意力引导无监督域自适应多任务框架，用于联合进行睑板腺分割和睑板腺功能障碍分级	引入结构感知多任务学习和解剖引导注意力机制，增强特征共享、抑制背景噪声并改善腺体区域感知	未明确说明模型在更广泛设备或临床环境中的泛化能力限制	开发一个鲁棒且可解释的自动化睑板腺功能障碍评估解决方案	睑板腺图像	计算机视觉	干眼病	深度学习	CNN	图像	涉及多个中心数据集（MGD-1K, K5M, CR-2, LV II），具体样本数未明确	未明确指定	ADAM-Net	准确率, F1分数, 马修斯相关系数	NA
75	2026-01-28	UNISELF: A unified network with instance normalization and self-ensembled lesion fusion for multiple sclerosis lesion segmentation 2026-Jan-20, Medical image analysis IF:10.7Q1 DOI:10.1016/j.media.2026.103954 PMID:41570473	研究论文	提出一种名为UNISELF的统一网络，用于多发性硬化病灶的自动分割，旨在同时优化域内精度和跨域泛化能力	结合了测试时自集成病灶融合与测试时实例归一化，以应对域偏移和输入对比度缺失问题	仅使用单一来源的有限数据进行训练，未明确说明模型在更广泛临床场景中的验证情况	开发一种能够同时实现高精度分割和强跨域泛化能力的多发性硬化病灶自动分割方法	多发性硬化（MS）病灶	数字病理	多发性硬化	多对比度磁共振成像	深度学习网络	磁共振图像	使用ISBI 2015纵向MS分割挑战训练数据集进行训练，并在多个外部测试数据集（MICCAI 2016、UMCL及私有多中心数据集）上评估	未明确说明	UNISELF	分割精度、泛化性能	未明确说明
76	2026-01-28	Energy-driven innovations in computational de novo protein engineering 2026-Jan-20, Progress in biophysics and molecular biology DOI:10.1016/j.pbiomolbio.2026.01.005 PMID:41570866	综述	本文综述了基于能量模型的计算从头蛋白质工程中的创新方法及其在生物技术、医学和合成生物学中的应用	整合了经典力场、量子力学方法和AI驱动预测，提出了基于物理与数据驱动策略协同的蛋白质设计路线图	NA	推进计算从头蛋白质工程，设计具有定制功能的新型蛋白质	蛋白质	计算生物学	NA	分子动力学、热力学积分、蒙特卡洛采样	机器学习、深度学习	NA	NA	NA	NA	准确性、成本、通量	NA
77	2026-01-28	XCPP: A Multi-model Explainable Deep Learning Framework for Accurate Identification of Cell-Penetrating Peptides from Structured Sequence Features 2026-Jan-20, Current drug targets IF:3.0Q2 DOI:10.2174/0113894501416864251212082231 PMID:41588770	研究论文	本文提出了一种名为XCPP的多模型可解释深度学习框架，用于基于结构化序列特征准确识别细胞穿透肽	结合了多种序列描述符和三种深度学习架构，并利用SHAP值增强模型的可解释性	尚未进行体外或体内验证，LSTM模型可能存在过拟合问题	开发一个准确识别细胞穿透肽的计算框架	细胞穿透肽	机器学习	NA	序列描述符计算	DNN, CNN, LSTM	序列特征	473个已确认的细胞穿透肽	NA	Deep Neural Networks, Convolutional Neural Networks, Long Short-Term Memory	准确率	NA
78	2026-01-28	Triple-Negative Breast Cancer and Artificial Intelligence: Current Paradigms in Diagnosis, Therapy Prediction, Prognosis, and Challenges 2026-Jan-20, Current pharmaceutical biotechnology IF:2.2Q3 DOI:10.2174/0113892010413048251103143500 PMID:41588757	综述	本文综述了人工智能在三阴性乳腺癌诊断、治疗预测和预后中的当前应用范式与挑战	整合了多种AI模型（如Transformer-GCN、混合CNN-Bi-LSTM-EfficientNet）在TNBC中的应用，并探讨了AI与纳米技术结合用于智能药物递送系统	AI模型的泛化性因训练数据集差异和TNBC生物学异质性而受限，临床实施面临挑战	探讨人工智能在三阴性乳腺癌精准医疗中的应用与整合	三阴性乳腺癌	数字病理学	乳腺癌	放射组学, 全切片组织病理学图像分析	Transformer, GCN, CNN, Bi-LSTM, EfficientNet, ConvNeXtBase	图像, 临床数据	NA	NA	NACNet, 混合CNN-Bi-LSTM-EfficientNet, ConvNeXtBase	准确率, 灵敏度, AUC, F1分数, C指数	NA
79	2026-01-28	The Diagnostic Value of Image-Based Machine Learning for Osteoporosis: Systematic Review and Meta-Analysis 2026-Jan-16, Journal of medical Internet research IF:5.8Q1 DOI:10.2196/75965 PMID:41544126	系统综述与荟萃分析	本文通过系统综述和荟萃分析，评估了基于医学影像的机器学习模型在骨质疏松症诊断中的价值	首次系统评估了基于不同医学影像模态（X射线、CT、MRI）的机器学习模型在骨质疏松症诊断中的性能，并进行了分层和亚组分析	纳入的基于MRI的原始研究数量有限，且各研究间缺乏足够的外部验证，这带来了解释上的局限性	阐明基于不同医学影像模态的深度学习模型在骨质疏松症检测中的作用	基于医学影像使用机器学习进行骨质疏松症诊断的相关研究	机器学习	骨质疏松症	医学影像（X射线、CT、MRI）	机器学习（ML）、深度学习（DL）	医学影像	60项研究，共66,195名参与者	NA	NA	敏感性（SEN）、特异性（SPC）	NA
80	2026-01-28	Hybrid Spike-Encoded Spiking Neural Networks for Real-Time EEG Seizure Detection: A Comparative Benchmark 2026-Jan-16, Biomimetics (Basel, Switzerland) DOI:10.3390/biomimetics11010075 PMID:41589992	研究论文	本研究提出了一种用于实时EEG癫痫发作检测的混合脉冲编码脉冲神经网络，并在CHB-MIT数据集上进行了性能评估	提出了一种结合Delta-Sigma（基于变化）和随机速率表示的混合脉冲编码方案，并设计了两种专为实时EEG分析优化的脉冲神经网络架构	研究仅在CHB-MIT数据集上进行评估，未在其他EEG数据集上验证模型的泛化能力	开发低延迟、高精度的实时EEG癫痫发作检测模型，适用于临床连续监测和可穿戴健康技术	脑电图（EEG）信号中的癫痫发作检测	机器学习	癫痫	脑电图（EEG）	SNN（脉冲神经网络）	EEG信号	CHB-MIT数据集	NA	HybridSNN（紧凑前馈网络）, ConvSNN（深度可分离卷积结合时序自注意力）	准确率, F1分数, 误报率（每天）, 推理延迟	标准CPU硬件