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
8141	2026-01-30	Constructing a deep learning-assisted smartphone application for intelligent recognition of steak doneness during cooking 2026-Feb, Meat science IF:5.7Q1 DOI:10.1016/j.meatsci.2025.109995 PMID:41241987	研究论文	本研究构建了一个深度学习驱动的智能手机应用，用于在烹饪过程中智能识别牛排熟度	结合深度学习模型与理化性质数据，开发移动端边缘计算应用，实现实时牛排熟度识别	NA	开发智能烹饪设备，提高牛排熟度识别的准确性和实用性	牛排	计算机视觉	NA	图像采集，理化性质分析	CNN	图像	1803张图像（来自601块不同牛排）和153个样本的理化性质数据（来自51块不同牛排）	NA	DenseNet121	准确率	移动优化边缘计算
8142	2026-01-30	Evaluation of trajectory analysis for disease risk assessment: a scoping review 2026-Feb-01, Journal of the American Medical Informatics Association : JAMIA IF:4.7Q1 DOI:10.1093/jamia/ocaf208 PMID:41293989	综述	本文通过范围综述评估了利用纵向电子健康记录进行疾病风险预测的轨迹分析方法的研究特征、模型类型及性能表现	首次对利用患者轨迹进行疾病风险预测的研究进行系统性范围综述，识别了该领域的研究趋势、模型应用差异及性能提升潜力	研究领域尚处于早期阶段，缺乏对初级护理数据集的广泛应用、疾病多样性不足、外部验证有限且临床适用性考虑不充分	评估轨迹分析在疾病风险评估中的应用现状，总结研究特征、模型类型及性能报告情况	使用时间序列电子健康记录识别疾病特征或预测疾病存在的研究	机器学习	心血管疾病	NA	深度学习模型, 统计方法	电子健康记录	62项研究	NA	NA	AUC	NA
8143	2026-01-30	Ensemble transfer learning for classifying physical examinations in GP consultation: a multi-model approach to human-object and human-to-human activity recognition 2026-Feb-01, Journal of the American Medical Informatics Association : JAMIA IF:4.7Q1 DOI:10.1093/jamia/ocaf196 PMID:41299889	研究论文	本研究开发了一种集成迁移学习框架，用于自动分类全科医生咨询中的体格检查活动，区分人-物交互和人-人交互类型	提出了一种结合空间与时间特征分析的多组件集成迁移学习框架，通过融合CNN-LSTM模块与多种预训练网络（EfficientNet-B7、DenseNet-121、Inception-v3），并引入注意力机制优化特征融合，显著提升了分类性能	未明确提及数据集的规模限制、模型在未见环境下的泛化能力或计算资源需求的具体分析	自动分类全科医生咨询中的体格检查活动，以支持远程医疗和诊断研究	全科医生咨询视频中的体格检查活动，包括人-物交互（如血压测量）和人-人交互（如腺体触诊）	计算机视觉	NA	深度学习融合模型，迁移学习	CNN, LSTM	视频	未明确提及具体样本数量，但使用了五折分层视频级交叉验证	未明确指定，但可能基于TensorFlow或PyTorch等深度学习框架	EfficientNet-B7, DenseNet-121, Inception-v3, CNN-LSTM	精确度, 召回率, F1分数, 特异性, Cohen's κ, PR-AUC	未明确提及具体GPU类型或云平台，但使用了预训练网络和迁移学习
8144	2026-01-30	Deep learning based CT grading system for sacroiliitis: a multi-center studydemonstrating superior accuracy and efficiency compared to human readers 2026-Feb, European journal of radiology IF:3.2Q1 DOI:10.1016/j.ejrad.2025.112557 PMID:41330312	研究论文	本研究开发并验证了一种基于深度卷积神经网络的自动化骶髂关节炎分级系统，用于轴型脊柱关节炎的CT图像分析	首次采用3D-ResNet50模型对骶髂关节炎进行自动化CT分级，并在多中心验证中显示出比人类阅片者更高的准确性和效率	对于IV级骶髂关节炎的分级改进未达到统计学显著性（p > 0.05），且模型在更广泛人群中的泛化能力仍需进一步验证	开发并验证一个深度学习模型，用于自动化骶髂关节炎的CT图像分级	轴型脊柱关节炎患者的CT图像	数字病理学	轴型脊柱关节炎	CT成像	CNN	图像	总计1590名患者（包括1341名用于模型开发的axSpA患者，130名内部验证患者，以及249名来自两家三级医院的外部验证患者）	NA	3D-ResNet50	准确率, AUC	NA
8145	2026-01-30	Interpretable fusion deep learning on super-resolution MRI for perineural invasion prediction in pancreatic ductal adenocarcinoma: a multicenter study 2026-Feb, European journal of radiology IF:3.2Q1 DOI:10.1016/j.ejrad.2025.112610 PMID:41418691	研究论文	本研究开发了一种基于超分辨率MRI的可解释融合深度学习模型，用于预测胰腺导管腺癌的术前神经侵犯，并评估其在指导术后预后和治疗决策中的作用	提出了一种融合临床、放射组学和深度迁移学习的可解释模型，用于预测胰腺导管腺癌的神经侵犯，并在多中心研究中验证了其在预后分层和辅助治疗个性化中的价值	研究为回顾性设计，可能存在选择偏倚；模型性能需在前瞻性研究中进一步验证	开发并验证一种基于超分辨率MRI的融合深度学习模型，用于预测胰腺导管腺癌的神经侵犯，以指导术后预后评估和治疗决策	胰腺导管腺癌患者	数字病理学	胰腺癌	超分辨率MRI	深度学习, 机器学习	MRI图像	714名患者（608名用于开发/内部验证，106名来自三个外部中心用于外部验证）	NA	融合临床-放射组学-深度迁移学习模型	AUC	NA
8146	2026-01-30	Accuracy of fully automated iliac artery tortuosity measurements in patients with abdominal aortic aneurysm using deep learning 2026-Feb, European journal of radiology IF:3.2Q1 DOI:10.1016/j.ejrad.2025.112609 PMID:41422647	研究论文	本研究通过深度学习算法PRAEVAorta 2对腹主动脉瘤患者的CT血管造影图像进行髂动脉弯曲度的自动测量，并与手动参考测量进行外部验证	首次在腹主动脉瘤患者中外部验证了基于深度学习的髂动脉弯曲度自动测量工具PRAEVAorta 2的准确性	研究中21.1%的扫描因明显的分割错误被排除，且自动报告仍需经验丰富的观察者进行关键审查	验证深度学习算法在腹主动脉瘤患者髂动脉弯曲度测量中的准确性	腹主动脉瘤患者的CT血管造影图像	数字病理学	腹主动脉瘤	CT血管造影	深度学习	医学图像	270例CTA扫描（最终分析213例）	NA	PRAEVAorta 2	Pearson相关系数, Intraclass Correlation, Bland-Altman分析偏差	NA
8147	2026-01-30	Sex-specific cardiovascular risk prediction using AI-derived epicardial adipose tissue measurements on CT calcium scoring exams 2026-Feb, American journal of preventive cardiology IF:4.3Q1 DOI:10.1016/j.ajpc.2025.101367 PMID:41509672	研究论文	本研究评估了将心外膜脂肪组学特征与冠状动脉钙化评分结合，用于改善女性心血管事件预测的效能	首次在大型队列中验证心外膜脂肪组学特征对女性心血管风险预测的增量价值，并开发了性别特异性模型	随访时间相对较短（平均1.7年），且为回顾性研究设计	提高女性心血管风险预测的准确性和公平性	接受CT钙化评分检查的个体	数字病理学	心血管疾病	CT钙化评分，深度学习分割	深度学习模型	CT图像	40,851名个体（其中49.4%为女性），测试集8,169人	NA	NA	C-index，校准曲线，决策曲线	NA
8148	2026-01-30	[Artificial intelligence in diagnostics-a pathology perspective] 2026-Feb, Pathologie (Heidelberg, Germany) DOI:10.1007/s00292-025-01524-9 PMID:41396309	综述	本文从病理学角度综述了人工智能在诊断中的应用，特别是数字病理学的发展、算法创新及临床实施前景	讨论了从卷积神经网络向Vision Transformer模型的转变，以及基础模型和视觉语言模型在病理学中的新兴应用，强调了多模态数据整合的潜力	指出技术、法律和社会心理障碍仍需克服，以实现广泛的临床采用	探讨人工智能在肿瘤诊断和治疗个性化背景下的应用，以提升病理学诊断的效率和敏感性	数字病理学中的全切片图像和文本数据	数字病理学	肿瘤	数字全切片成像	CNN, Vision Transformer, 基础模型, 视觉语言模型	图像, 文本	NA	NA	Vision Transformer	效率, 敏感性	NA
8149	2026-01-30	CocoaMoniliaDataSet: A cocoa pod dataset to detect and classify Monilia roreri in real conditions 2026-Feb, Data in brief IF:1.0Q3 DOI:10.1016/j.dib.2025.112447 PMID:41608050	研究论文	本文提出了一个用于检测和分类可可豆荚中Monilia roreri真菌病害的数据集CocoaMoniliaDataSet，以支持计算机视觉应用	首次创建了一个针对可可豆荚Monilia病害的标注图像数据集，涵盖了病害的多个症状阶段，并提供了多种格式的标注以支持目标检测算法训练	数据集仅包含1953张图像，样本规模相对有限，且病害分类基于视觉症状而非完整的生物周期	开发一个用于农业病害检测的计算机视觉数据集，以促进可可豆荚Monilia病害的早期诊断	可可豆荚及其感染Monilia roreri真菌后的症状阶段	计算机视觉	植物真菌病害	数字图像采集与标注	NA	图像	1953张可可豆荚图像，分为四个类别：健康、病害周期1、周期2-3、周期4	NA	NA	NA	NA
8150	2026-01-30	Detection of Acromegaly From Facial Images Using Machine Learning: A Comparison With Clinical Experts 2026-Feb, Journal of the Endocrine Society IF:3.0Q2 DOI:10.1210/jendso/bvaf203 PMID:41608201	研究论文	本研究通过机器学习分析面部图像，验证了其在肢端肥大症检测中的有效性，并与临床专家评估进行了比较	首次在大型、特征明确的队列中，使用基于面部特征预训练的深度学习模型（FaRL）进行肢端肥大症检测，并与多种ImageNet预训练模型及临床专家进行性能对比	样本主要来自瑞典大学医院，可能限制了结果的普适性；且患者中79%已生化控制，可能影响模型对活动性疾病的检测敏感性	开发并验证一种基于面部图像分析的简单、精确的肢端肥大症预筛查方法	155名肢端肥大症患者（79%生化控制）和153名匹配对照的面部图像	计算机视觉	肢端肥大症	智能手机采集面部图像	CNN	图像	308名参与者（155名患者，153名对照）	NA	ResNet50, InceptionV2, DenseNet121, FaRL	AUC, 特异性, 敏感性	NA
8151	2026-01-30	Phase Model-Driven Deep Learning for Robust Phase Correction in High-Throughput NMR-Based Metabolomics 2026-Jan-29, The journal of physical chemistry letters IF:4.8Q1 DOI:10.1021/acs.jpclett.5c03529 PMID:41508827	研究论文	本研究提出了一种结合物理模型与深度学习的相位校正方法PD-RAN，用于高通量NMR代谢组学数据的高效处理	将物理模型驱动的相位特征与残差注意力网络结合，实现了对高维NMR光谱的精确相位校正	未明确说明方法在极端噪声或复杂样本类型下的泛化能力	开发一种适用于高通量NMR代谢组学的鲁棒相位校正方法	NMR光谱数据，包括脑提取物、血浆和尿液样本	机器学习	NA	NMR（核磁共振）	深度学习神经网络	一维NMR光谱（高维数据表示）	包括脑提取物、血浆和尿液等多种代谢组学样本，具体数量未明确	NA	残差注意力网络（Residual Attention Network）	NA	NA
8152	2026-01-30	Decoding Allosteric Inhibition in MALT1: The Hidden Role of Conformational Plasticity in Metastable States via Biased MD and Deep Learning 2026-Jan-29, The journal of physical chemistry. B DOI:10.1021/acs.jpcb.5c07665 PMID:41557786	研究论文	本研究通过偏置分子动力学模拟、神经网络等机器学习技术及对接计算，揭示了MALT1蛋白在变构抑制过程中的复杂构象行为	首次结合偏置分子动力学、深度学习及对接计算，系统研究了MALT1蛋白的变构抑制机制，特别是Loop 1和3运动对催化位点空腔体积的影响	研究基于小鼠MALT1构建体（与人类MALT1有93%同源性），结果推广至人类MALT1需谨慎	探究MALT1蛋白在变构抑制过程中的构象行为，为计算设计新的MALT1变构抑制剂提供依据	MALT1蛋白（黏膜相关淋巴组织淋巴瘤易位蛋白1）	计算生物学	血液癌症	偏置分子动力学模拟, 对接计算	神经网络	分子动力学模拟数据, 对接数据	NA	NA	NA	NA	NA
8153	2026-01-30	Artificial intelligence revolution in shoulder magnetic resonance imaging: current evidence and future directions for rotator cuff diagnosis 2026-Jan-29, Clinics in shoulder and elbow IF:1.8Q2 DOI:10.5397/cise.2025.00990 PMID:41605224	综述	本文综述了人工智能在肩关节磁共振成像中用于诊断肩袖撕裂的当前证据与未来方向	系统回顾了2019年以来AI在肩关节MRI中用于肩袖撕裂检测、分类、分割和报告的最新应用，并特别探讨了深度学习和大语言模型（LLMs）的潜力	现有证据受限于有限的外部验证、数据集异质性以及缺乏监管批准，尚无完全自动化的诊断系统获得FDA许可	评估人工智能在肩关节磁共振成像中诊断肩袖撕裂的准确性、效率及临床应用潜力	应用于肩关节MRI的AI研究，特别是针对肩袖撕裂的检测、分类、分割或报告	医学影像分析	肩袖撕裂	磁共振成像	深度学习, 卷积神经网络, 大语言模型	图像, 文本	从732条记录中筛选，最终纳入19项研究进行综述	NA	VGG, 卷积神经网络	准确率, 灵敏度, 特异性	NA
8154	2026-01-30	Refining deep learning segmentation in gallium-68-prostate-specific membrane antigen-11 positron emission tomography: evaluation of small lesion filtering and intersection-over-union thresholds 2026-Jan-29, Nuclear medicine communications IF:1.3Q3 DOI:10.1097/MNM.0000000000002114 PMID:41607277	研究论文	本文评估了在Ga-68-PSMA-11 PET图像中，小病灶过滤和不同IoU阈值对深度学习分割性能的影响	通过评估小病灶过滤和IoU阈值对分割性能的影响，优化了深度学习分割的可靠性，特别是在定量评估方面	需要多中心研究和更大数据集进行进一步验证以确保结果的普适性	评估小病灶过滤和不同IoU阈值如何影响前列腺癌Ga-68-PSMA-11 PET图像的深度学习分割	前列腺癌患者的Ga-68-PSMA-11 PET图像	数字病理学	前列腺癌	Ga-68-PSMA-11 PET成像	CNN	图像	115例患者扫描	NA	3D U-Net	Dice系数, 精确度, 灵敏度, 阳性预测值	NA
8155	2026-01-30	MetalloDock: Decoding Metalloprotein-Ligand Interactions via Physics-Aware Deep Learning for Metalloprotein Drug Discovery 2026-Jan-28, Journal of the American Chemical Society IF:14.4Q1 DOI:10.1021/jacs.5c15876 PMID:41527511	研究论文	本文提出了首个专门为金属蛋白靶点设计的深度学习对接框架MetalloDock，用于精确预测金属蛋白-配体相互作用	创新性地将自回归空间解码引擎与物理约束的几何生成范式相结合，能精确重建金属配位几何并准确捕获金属-配体相互作用	NA	加速金属蛋白靶向药物发现，为金属蛋白特异性对接算法提供标准化评估框架	金属蛋白-配体相互作用	机器学习	前列腺癌	深度学习	深度学习模型	蛋白质-配体复合物结构数据	NA	NA	自回归空间解码引擎	对接成功率,虚拟筛选性能	NA
8156	2026-01-30	Coronary artery segmentation in non-contrast cardiac CT using anatomy-informed contrastive learning and synthetic data 2026-Jan-28, Physics in medicine and biology IF:3.3Q1 DOI:10.1088/1361-6560/ae387c PMID:41534216	研究论文	本研究提出了一种基于合成数据和对比学习的深度学习方法，用于从非对比心脏CT图像中自动分割冠状动脉	提出了一个完全在合成数据上训练的深度学习框架，并引入了一种基于解剖学先验的体素级对比学习策略，以区分冠状动脉和视觉相似的背景结构	模型仅在合成数据上训练，未使用真实世界的标注数据，其性能可能受合成数据与真实数据之间域差异的影响	开发一种无需人工标注即可从非对比心脏CT图像中准确分割冠状动脉的方法，以支持大规模冠状动脉疾病筛查	非对比心脏CT图像中的冠状动脉	数字病理学	心血管疾病	非对比心脏CT成像	深度学习	医学图像	未明确指定具体样本数量，但使用了大规模合成NCCT数据集以及一个公共NCCT数据集和一个内部临床数据集进行评估	未明确指定	未明确指定	未明确指定具体指标，但通过与最先进的无监督和域适应方法比较来评估性能	NA
8157	2026-01-30	ATRNet-STAR: A Large Dataset and Benchmark Towards Remote Sensing Object Recognition in the Wild 2026-Jan-28, IEEE transactions on pattern analysis and machine intelligence IF:20.8Q1 DOI:10.1109/TPAMI.2026.3658649 PMID:41605166	研究论文	本文介绍了ATRNet-STAR数据集，这是一个用于合成孔径雷达自动目标识别的大规模、高质量数据集，并基于该数据集进行了广泛的基准测试	提出了首个大规模、多样化的合成孔径雷达车辆目标识别数据集，包含40种车辆类别和超过19万个标注样本，规模是先前著名数据集的10倍	数据收集成本高昂，且受隐私问题、微波雷达图像感知特性和专业标注需求限制	填补合成孔径雷达自动目标识别领域缺乏大规模公开数据集的空白，推动深度学习技术在该领域的应用	合成孔径雷达图像中的车辆目标，包括40种不同类别	计算机视觉	NA	合成孔径雷达成像	NA	图像	超过190,000个标注样本	NA	NA	NA	NA
8158	2026-01-30	Artificial Intelligence-Based Multi-Stage System for Automated Angle's Classification of Malocclusion from Intraoral Images in Orthodontics 2026-Jan-28, Journal of imaging informatics in medicine DOI:10.1007/s10278-025-01826-7 PMID:41606231	研究论文	本研究提出了一种基于多阶段深度学习流程的系统，用于从口腔内图像自动进行Angle错𬌗畸形分类	开发了一个三阶段自动化流程，仅使用口腔内照片（无需X光片）即可完成分类，并集成了侧向分类、特定侧别的磨牙区域定位和统一的错𬌗分类器	目前仅基于口腔内图像，未来需要整合X光片或3D扫描等多模态数据以进行更全面的正畸诊断	开发一个自动化系统，用于正畸中Angle错𬌗畸形的分类，以减少诊断差异并支持大规模筛查	口腔内咬合图像，特别是侧向咬合图像，要求患者年龄大于6岁且第一磨牙已完全萌出	计算机视觉	错𬌗畸形	深度学习，图像分析	CNN	图像	来自三个正畸中心的8909张侧向口腔内咬合图像，外部验证集包含383张未见过的图像	NA	MolarBBoxNet-R, MolarBBoxNet-L, AngleClassifier-R50	准确率, 敏感性, 特异性	NA
8159	2026-01-30	Benchmarking the geographic generalization of deep learning models for precipitation downscaling 2026-Jan-27, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-34557-4 PMID:41593162	研究论文	本文通过RainShift数据集和基准测试，评估了深度学习模型在降水降尺度任务中的地理泛化能力	引入了RainShift数据集和基准，首次系统评估了降尺度模型在地理分布偏移下的泛化性能，并探讨了领域适应等改进策略	模型在分布外区域性能显著下降，即使扩展训练域也难以完全克服地理差异，且高分辨率观测数据在全球分布不均	评估深度学习降水降尺度模型的地理泛化能力，以促进高分辨率气候信息的全球公平获取	地球系统模型（ESM）的输出数据，以及全球不同地理区域的降水观测数据	机器学习	NA	深度学习降尺度	GAN, 扩散模型	气候数据	NA	NA	NA	NA	NA
8160	2026-01-30	Sustainable design of organic solar cells utilized machine and deep learning 2026-Jan-27, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-35067-7 PMID:41593236	研究论文	本研究通过SCAPS-1D模拟和人工智能模型，对有机太阳能电池的结构进行优化和性能预测	结合详细物理模拟与人工智能预测模型（CNN和SVR），优化有机太阳能电池设计并预测其性能，以支持可持续发展目标	模拟基于一维模型，可能未完全反映三维实际器件中的复杂效应；人工智能模型的训练数据来源于模拟结果	优化有机太阳能电池的设计以提高其功率转换效率，并利用人工智能预测性能，推动清洁能源技术的可持续发展	具有ITO/PEDOT:PSS/PBDB-T:IT-M/PFN-Br/Al结构的有机太阳能电池	机器学习	NA	SCAPS-1D太阳能电池模拟器	CNN, SVR	模拟的结构参数与性能数据	NA	NA	卷积神经网络，支持向量回归	预测准确性	NA