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
781	2026-04-10	Deep Learning and Fluid Dynamics On-Site CT-FFR Solution Compared to Off-Site FFRct and Invasive FFR 2026-Apr, JACC. Cardiovascular imaging DOI:10.1016/j.jcmg.2025.11.011 PMID:41758106	研究论文	本研究评估了基于深度学习和流体动力学的现场CT-FFR算法（xFFR）在冠状动脉疾病评估中的诊断性能，并与场外FFRct和有创FFR进行了比较	开发并验证了一种现场、快速（平均8分钟）的CT-FFR算法，结合了深度学习和流体动力学，作为场外FFRct解决方案的替代方案	单中心研究，需要进一步研究以确认其普适性并优化实施	评估现场CT-FFR算法在冠状动脉疾病诊断中的性能	250名有症状的中高风险冠状动脉疾病患者	数字病理学	心血管疾病	冠状动脉计算机断层扫描血管造影	深度学习	医学影像	250名患者	NA	NA	AUC, 敏感性, 特异性, 准确性, Spearman相关系数, Cohen's κ	NA
782	2026-04-10	An educational machine learning demonstration framework for plastic surgeons using open datasets 2026-Apr, Journal of plastic, reconstructive & aesthetic surgery : JPRAS DOI:10.1016/j.bjps.2026.02.010 PMID:41762764	研究论文	本文介绍了一个名为DermAI-Melanoma的教育性机器学习演示框架，旨在帮助整形外科医生利用开放数据集进行黑色素瘤分类的深度学习模型训练与部署	开发了一个专门针对整形外科医生的开源数据演示框架，使用公开数据集进行可重复的深度学习模型训练和浏览器部署，特别优化了轻量级模型以适应智能手机应用	框架主要基于单一公开数据集（SIIM-ISIC 2020），且模型性能虽与文献中皮肤科医生基准相当，但未在临床环境中进行大规模验证	通过教育性演示框架促进整形外科医生参与数据科学，利用开放数据集构建透明、可部署的人工智能工具	黑色素瘤皮肤病变图像	机器学习	黑色素瘤	深度学习	CNN	图像	SIIM-ISIC 2020黑色素瘤数据集中的图像，具体数量未在摘要中明确说明	TensorFlow.js	EfficientNet-B3, MobileNetV3-Small	准确率, AUC-ROC, F1分数	标准智能手机，具体GPU或云平台资源未在摘要中明确说明
783	2026-04-10	Automated Brain Tumor Detection Using Convolutional Neural Network 2026-Apr, Biotechnology and applied biochemistry IF:3.2Q2 DOI:10.1002/bab.70060 PMID:41076544	研究论文	本研究探讨了使用卷积神经网络（U-Net和SSD）进行脑肿瘤自动检测的效能，以提高早期诊断的准确性	结合了用于医学图像分割的U-Net模型和用于目标检测的SSD模型，评估并比较了它们在脑肿瘤检测中的性能，强调了U-Net在精确分割方面的优势	SSD模型的准确率相对较低（58%），表明其在某些场景下可能仅作为辅助工具，且研究未详细说明数据集的具体规模和多样性	通过深度学习技术提升脑肿瘤的早期检测能力，以支持及时的医疗干预	脑肿瘤的检测与定位	计算机视觉	脑肿瘤	医学图像分析	CNN	医学影像	NA	NA	U-Net, SSD	准确率	NA
784	2026-04-10	Artificial intelligence for single-omics in ovarian cancer: a methodological review 2026-Apr, International journal of gynecological cancer : official journal of the International Gynecological Cancer Society IF:4.1Q2 DOI:10.1016/j.ijgc.2025.104452 PMID:41617590	综述	本文对2021年至2024年间发表的14项研究进行了叙述性综述，总结了人工智能在卵巢癌单组学数据分析中的应用现状、方法学及挑战	首次系统性地综述了人工智能在卵巢癌基因组、转录组、代谢组、微生物组和表观基因组等单组学数据中的应用，并强调了数据预处理、归一化和特征选择等关键方法学考虑对模型性能的影响	纳入的研究存在样本量小、回顾性设计、单中心研究以及验证数据集使用不一致等显著局限性	综述人工智能在卵巢癌单组学数据分析中的应用，以提升该疾病的诊断、预后和治疗	上皮性卵巢癌患者	机器学习	卵巢癌	基因组学、转录组学、代谢组学、微生物组学、表观基因组学	深度学习, 随机森林, 支持向量机	组学数据	NA	NA	NA	分类准确率, AUC	NA
785	2026-04-10	Large Language Models and Otolaryngology: A Review 2026-Apr-01, JAMA otolaryngology-- head & neck surgery DOI:10.1001/jamaoto.2025.5335 PMID:41642593	综述	本文回顾了大型语言模型（LLMs）在耳鼻喉科学中的应用现状、潜力与挑战	强调了LLMs在耳鼻喉科学这一依赖多模态数据的专科中作为强大但未充分利用工具的潜力，并借鉴其他专科的广泛方法学应用	耳鼻喉科学领域的大多数研究仍局限于可行性评估，且多使用闭源模型，限制了其临床效用和转化潜力	为耳鼻喉科医生提供一个基础，以推进LLMs技术在其领域的应用，并促进其从可行性研究向临床验证和实施研究发展	大型语言模型（LLMs）及其在耳鼻喉科学中的应用	自然语言处理	NA	NA	大型语言模型（LLMs）	多模态数据（文本、影像、电生理学、视频）	NA	NA	NA	NA	NA
786	2026-04-10	New Directions in Digital Pathology 2026-Apr, Dermatologic clinics IF:2.2Q2 DOI:10.1016/j.det.2026.01.012 PMID:41951334	综述	本文回顾了数字皮肤病理学的现状与未来方向，重点介绍了全切片成像和人工智能的作用	强调了AI工具在诊断、分诊和预后方面的应用，其准确性可与专家病理学家相媲美	实施成本高、图像质量存在变异性以及算法学习中的偏见	探讨数字病理学在临床实践中的整合与未来发展方向	数字皮肤病理学中的全切片成像和人工智能工具	数字病理学	NA	全切片成像	深度学习, 卷积神经网络	图像	NA	NA	NA	准确性	NA
787	2026-04-10	A comparative study of deep learning-based zebrafish image segmentation methods 2026-Mar-31, Cells & development IF:2.1Q3 DOI:10.1016/j.cdev.2026.204083 PMID:41933835	研究论文	本研究系统评估了多种基于深度学习的斑马鱼图像分割网络	首次在同一数据集和预处理流程下，对包括U-Net、SegNet、PSPNet、DeepLabv3+、Attention U-Net、HRNet、SegFormer、MASNet、Segment Anything Model (SAM)、PVT-EMCAD和RWKV-UNet在内的11种代表性分割模型进行了全面比较，并探讨了高分辨率保持、上下文聚合机制、注意力机制以及Transformer架构在提升小结构检测和边界描绘精度方面的关键作用	未提及具体的数据集规模或模型训练的计算资源限制	为斑马鱼图像的高通量毒理学筛选和形态学量化提供通用技术和理论支持	斑马鱼图像	计算机视觉	NA	深度学习图像分割	CNN, Transformer	图像	NA	NA	U-Net, SegNet, PSPNet, DeepLabv3+, Attention U-Net, HRNet, SegFormer, MASNet, Segment Anything Model (SAM), PVT-EMCAD, RWKV-UNet	Dice系数, 交并比, 平均像素精度	NA
788	2026-04-10	LA-TReQNet: Improving Multielement Quantification Model for Laser Ablation Inductively Coupled Plasma Mass Spectrometry Based on Deep Learning Network 2026-Mar-30, Analytical chemistry IF:6.7Q1 DOI:10.1021/acs.analchem.6c00057 PMID:41910779	研究论文	本文提出了一种名为LA-TReQNet的端到端深度学习框架，用于改进激光剥蚀电感耦合等离子体质谱的多元素定量分析模型	首次建立了一种不依赖内标或外标的校准方法，通过深度学习模型捕获复杂的经验关系，并提出了基于Power Transformer的标准化和数据集分组的优化预处理策略	NA	改进激光剥蚀电感耦合等离子体质谱的多元素定量分析模型，实现全自动定量校准	质谱数据	机器学习	NA	激光剥蚀电感耦合等离子体质谱	CNN, LSTM	质谱数据	来自5676个样本的221,364个标记质谱	NA	CNN-LSTM	与认证参考值的偏差百分比	NA
789	2026-04-10	Deep learning and object detection methods for scoring cell types within the human buccal cell micronucleus and cytome assays for human biomonitoring 2026-Mar-26, Mutagenesis IF:2.5Q3 DOI:10.1093/mutage/geaf026 PMID:41236179	综述	本文综述了深度学习和目标检测方法在人类颊细胞微核及细胞组学检测中用于细胞类型评分的研究进展，探讨了其在人群生物监测中的应用潜力	首次系统探讨将人工智能技术整合到微创颊细胞微核细胞组学检测中，以解决该领域样本变异性大、评分复杂等独特挑战	目前人工智能在颊细胞微核细胞组学检测中的应用仍处于探索阶段，缺乏大规模实际验证	探讨人工智能技术如何提升颊细胞微核细胞组学检测的可靠性、可扩展性和效率，以促进大规模流行病学研究	人类颊细胞样本中的微核及其他细胞遗传学终点	计算机视觉	NA	颊细胞微核细胞组学检测	深度学习, 目标检测	图像	NA	NA	NA	准确性, 可重复性, 通量	NA
790	2026-04-10	Graph-Based Classification with GNN-Explainer for Predicting Cardiac Toxicity Associated with Multi-Ion Channel Blockers 2026-Mar-24, Chemical research in toxicology IF:3.7Q2 DOI:10.1021/acs.chemrestox.5c00369 PMID:41875377	研究论文	本研究开发了一个基于图神经网络的深度学习框架，用于整合多种心脏离子通道抑制数据，以预测多离子通道阻滞剂相关的心脏毒性	克服了现有机器学习模型仅依赖Kv11.1通道数据的局限性，首次整合了Kv11.1、Cav1.2和Nav1.5三种关键离子通道的抑制数据，并利用GNNExplainer提供原子和键水平的可解释性可视化	不同离子通道的数据集规模差异较大（Kv11.1数据量远多于Cav1.2和Nav1.5），可能影响模型对后两个通道预测的泛化能力	开发一个能够整合多种心脏离子通道抑制数据的深度学习框架，以更准确地预测药物候选化合物的心脏毒性风险	药物分子（小分子化合物）	机器学习	心血管疾病	实验抑制数据整合	GNN	分子图数据	总计38,905个分子（Kv11.1: 34,124个, Cav1.2: 1,564个, Nav1.5: 3,217个）	PyTorch	GNN	准确率	NA
791	2026-04-10	Uncertainty-Aware Explainable AI for Pancreatic Cysts: Identifying Deep Learning Vulnerabilities and Ensuring Safe Clinical Triage in IPMN Management 2026-Mar-22, Research square DOI:10.21203/rs.3.rs-9096790/v1 PMID:41890858	研究论文	本研究首次将可解释AI与不确定性量化相结合，系统评估了胰腺囊肿特征对深度学习模型在IPMN恶性风险分层中性能的影响	首次在多中心研究中系统整合可解释AI与不确定性量化，揭示了深度学习模型在评估复杂高危IPMN时存在显著的、先前未表征的性能下降，并提出了选择性预测框架	回顾性研究设计，样本量相对有限（170例IPMN），需要前瞻性验证	评估胰腺囊肿特征（类型、大小、位置）对深度学习模型在IPMN恶性风险预测中性能的影响，并确保安全的临床分流	胰腺导管内乳头状黏液性肿瘤（IPMN）	数字病理学	胰腺癌	放射组学-深度学习融合模型	深度学习	医学影像	来自7个中心的170例IPMN	NA	NA	准确率	NA
792	2026-04-10	Automated Classification of Mitral and Tricuspid Regurgitation With Explainability and Real-World Practice Experience 2026-Mar-17, Journal of the American Heart Association IF:5.0Q1 DOI:10.1161/JAHA.125.045851 PMID:41804879	研究论文	本研究开发了一种端到端、可解释、基于血流感知的深度学习流程，用于自动分类二尖瓣和三尖瓣反流的严重程度	该模型结合了瓣膜形态评估、多普勒解释的收缩期感知，并联合评估二尖瓣和三尖瓣反流，具有可解释性和生理约束	在房颤或左心室射血分数降低的患者中性能略有下降，外部验证中严重反流的AUC值有所降低	开发一种可解释的人工智能框架，用于自动分类二尖瓣和三尖瓣反流的严重程度	二尖瓣反流和三尖瓣反流患者	数字病理学	心血管疾病	超声心动图	深度学习	医学影像（DICOM文件）	5086例门诊研究（三级中心），并在2个额外机构的独立队列中进行外部验证	NA	NA	AUC, 敏感性, 特异性, 阳性预测值, 阴性预测值	NA
793	2026-04-10	Characterizing mating behaviour in broiler breeders via a vision based deep learning model 2026-Mar-17, Poultry science IF:3.8Q1 DOI:10.1016/j.psj.2026.106812 PMID:41895022	研究论文	本研究开发了一种基于视觉的深度学习模型，用于自动检测肉种鸡的交配行为，特别是爬跨阶段，并分析其时间动态特征	首次利用YOLOv8深度学习模型自动检测肉种鸡的交配行为，并量化分析爬跨频率、持续时间及影响因素	研究仅基于有限数量的鸡群（4个栏舍，每栏10只母鸡和1只公鸡）进行，可能影响结果的普适性	开发自动检测肉种鸡交配行为的深度学习模型，以促进对交配时间动态的理解和蛋受精率分析	肉种鸡（Cobb 500F母鸡和Cobb MX品系公鸡）	计算机视觉	NA	视频记录，深度学习模型	CNN	视频	4个栏舍，每栏10只母鸡和1只公鸡，持续四个半月记录	YOLOv8	YOLOv8	准确率	NA
794	2026-04-10	Climate driven drought risk and machine learning approaches for urban resilience and sustainable water governance 2026-Mar-10, Environmental research IF:7.7Q1 DOI:10.1016/j.envres.2026.124220 PMID:41819208	研究论文	本文提出了一种先进的干旱风险预测模型，结合多尺度标准化降水指数、气候分区和深度学习模型，用于预测和识别不同气候区域的干旱动态	整合了多尺度标准化降水指数、气候分区和深度学习模型，用于干旱风险预测，并比较了多种混合模型的性能	未明确说明模型在极端气候事件或数据稀缺区域的泛化能力	开发干旱风险预测模型以支持城市韧性和可持续水治理	巴基斯坦不同气候区域的干旱动态	机器学习	NA	标准化降水指数、气候分区	RNN, LSTM, BiLSTM, CNN-LSTM, SVM	气候数据	NA	NA	RNN, LSTM, BiLSTM, CNN-LSTM	NA	NA
795	2026-04-10	EFFNet: Efficient feature fusion network for left ventricular hypertrophy identification based on 12-lead electrocardiogram signals 2026-Mar-04, Heart rhythm IF:5.6Q1 DOI:10.1016/j.hrthm.2026.02.046 PMID:41791632	研究论文	本文提出了一种基于12导联心电图信号的高效特征融合网络（EFFNet），用于左心室肥厚的识别	提出了一种新颖的特征融合模块，将卷积神经网络提取的形态特征与算法导出的振幅特征融合，并结合专家混合模块，提高了左心室肥厚检测的准确性	在外部验证集（青海数据集）上的性能（AUC为0.654）低于在UK Biobank数据集上的性能（AUC为0.933），表明模型可能对数据分布敏感，泛化能力有待进一步验证	探索一种新的深度学习方法，用于基于12导联心电图信号有效识别左心室肥厚	左心室肥厚患者的心电图信号	机器学习	心血管疾病	心电图信号分析	CNN	心电图信号	UK Biobank数据集（n = 38,289）和青海数据集（n = 142,777）	NA	EFFNet	AUC	NA
796	2026-04-10	Exploring voltage-gated sodium channel conformations and protein-protein interactions using AlphaFold2 2026-03-02, The Journal of general physiology IF:3.3Q1 DOI:10.1085/jgp.202413705 PMID:41411077	研究论文	本研究探索了AlphaFold2在采样电压门控钠通道多种构象及评估AlphaFold Multimer在建模钠通道α亚基与其蛋白质伙伴相互作用方面的能力	利用AlphaFold2采样钠通道的多种构象，包括实验未描述的状态和潜在中间态，并首次应用AlphaFold Multimer高精度建模钠通道与辅助β亚基和钙调蛋白的复合物	预测模型仍为假设，需实验数据验证	探索深度学习方法在理解钠通道结构、门控和调控方面的潜力	电压门控钠通道及其与辅助β亚基和钙调蛋白的相互作用	机器学习	NA	冷冻电子显微镜, AlphaFold2, AlphaFold Multimer	深度学习模型	蛋白质序列和结构数据	NA	AlphaFold2, AlphaFold Multimer	AlphaFold2, AlphaFold Multimer	NA	NA
797	2026-04-10	How I Do It: Fast MRI of the Joints 2026-03, Radiology IF:12.1Q1 DOI:10.1148/radiol.251430 PMID:41842665	综述	本文提供了关于快速肌肉骨骼关节MRI的实践导向概述，重点介绍了回波链优化和现代加速技术的应用	结合并行成像、同时多层采集和压缩感知欠采样技术，以及深度学习图像重建方法，实现关节MRI的三到十倍加速	需要进一步的研究和数据支持，以验证深度学习方法的长期临床效果	优化关节MRI的扫描速度与图像质量，提升临床效率	中枢和周围关节的肌肉骨骼MRI	医学影像	NA	MRI, 并行成像, 同时多层采集, 压缩感知, 深度学习图像重建	深度学习	MRI图像	NA	NA	NA	图像质量, 诊断准确性	NA
798	2026-04-10	Artificial Intelligence in Proton Therapy: What Works, What Does Not, and What Is Next 2026 Mar-Apr 01, Cancer journal (Sudbury, Mass.) DOI:10.1097/PPO.0000000000000821 PMID:41880273	综述	本文综述了人工智能在质子治疗中的应用现状、挑战与未来方向	强调AI在质子治疗中整合异构数据、捕捉复杂临床工作流关系的能力，并区分任务级自动化与工作流级智能	NA	总结人工智能在质子治疗中的当前与新兴应用，并讨论其临床转化面临的挑战	质子治疗中的成像、治疗计划、质量保证、自适应工作流和结果建模	机器学习	NA	NA	机器学习,深度学习	异构数据	NA	NA	NA	NA	NA
799	2026-04-10	Clinically validated deep learning auto-contouring for glioblastoma volumetric modulated arc therapy planning: a dosimetric equivalence study 2026-Mar, Radiation oncology journal IF:1.8Q3 DOI:10.3857/roj.2025.00808 PMID:41943643	研究论文	本研究开发了一种基于深度学习的全自动双模态框架，用于胶质母细胞瘤放疗中的靶区和危及器官勾画，并通过剂量学等效性验证其临床实用性	提出了一种无需预对齐的双模态深度学习框架，结合了针对CT和MRI的专用注意力U-Net网络，实现了自动勾画并验证了剂量学等效性	研究基于100名患者的回顾性数据集，样本量相对有限，且未在更广泛的多中心数据上进行验证	验证深度学习自动勾画框架在胶质母细胞瘤容积旋转调强放疗计划中的临床可靠性和剂量学等效性	胶质母细胞瘤患者的CT和MRI图像，用于靶区和危及器官的自动勾画	数字病理	胶质母细胞瘤	CT, T2-FLAIR MRI	CNN	图像	100名患者	NA	注意力U-Net	Dice相似系数, D₉₅%, 最大剂量	NA
800	2026-04-10	Deep learning-assisted tumor radiomic dynamics on MRI predict pathological complete response in HCC undergoing immune-based therapy followed by hepatectomy 2026-Feb-26, Hepatology (Baltimore, Md.) DOI:10.1097/HEP.0000000000001724 PMID:41746634	研究论文	本研究开发并验证了一个整合临床病理和影像组学特征的模型，用于预测不可切除肝细胞癌在转化治疗后达到病理完全缓解	首次将基于MRI的时间动态影像组学特征与血清AFP反应相结合，构建预测模型，显著提高了预测性能	研究为回顾性多中心设计，样本量相对有限，需前瞻性研究进一步验证	预测不可切除肝细胞癌在免疫联合治疗后行肝切除术的病理完全缓解	不可切除肝细胞癌患者	数字病理	肝癌	MRI影像分析	机器学习模型	MRI图像	训练集78例，内部测试集32例，独立验证集44例	Scikit-learn	随机森林	AUC, NPV, PPV, 敏感性, 特异性	NA