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
901	2026-04-24	Artificial intelligence in drug discovery from advanced molecular representation to pipeline applications 2026, Frontiers in bioinformatics IF:2.8Q2 DOI:10.3389/fbinf.2026.1755843 PMID:42022447	综述	本文综述了人工智能在药物发现中的应用，从先进的分子表示到管线集成，强调通过模拟复杂生物系统加速研发流程	系统性地覆盖了从字符串方法到图神经网络（GNNs）、三维感知几何深度学习（GDL）、量子机器学习（QML）及混合量子-经典神经网络（HQNNs）等先进分子表示，并提出了集成量子计算、自主实验和生成模型的Q-BioFusion框架	三维分子预测和生成的几何保真度有待提高，数据效率需要增强，生物测定中固有的数据稀疏问题仍未完全解决	利用人工智能技术，通过先进分子表示加速药物发现管线的研发过程，降低成本和失败率	药物发现管线中的分子表示、模型性能、计算资源与集成框架	机器学习	NA	量子机器学习 (QML), 混合量子-经典神经网络 (HQNNs)	图神经网络 (GNNs), 三维感知几何深度学习 (GDL), 量子机器学习 (QML)	分子表示数据	NA	NA	图神经网络, 三维感知几何深度学习, 量子机器学习, 混合量子-经典神经网络	药效(PD)预测, 毒理效应预测	NA
902	2026-04-24	Deep learning for intracranial hemorrhage detection and classification in brain CT scans: a systematic review and hybrid model approach 2026, Frontiers in digital health IF:3.2Q2 DOI:10.3389/fdgth.2026.1703634 PMID:42022505	系统综述	该论文对深度学习在颅内出血CT影像检测与分类中的应用进行了系统综述，并提出了混合模型方法	系统回顾了传统CNN、3D CNN、混合集成框架及新兴Transformer架构在该领域的应用，并评估了Grad-CAM等可解释性方法	存在泛化能力不足、数据集异质性及临床验证缺失等挑战	整合分析基于机器学习和深度学习的非增强CT颅内出血检测与分类方法	从非增强CT影像中检测和分类颅内出血及其亚型（硬膜外、硬膜下、脑实质内、脑室内和蛛网膜下腔出血）	计算机视觉	颅内出血	CT成像	CNN, 3D CNN, Transformer	CT影像	NA	NA	卷积神经网络, 三维卷积神经网络, Transformer	灵敏度, 特异性	NA
903	2026-04-24	A multimodal deep learning model for predicting impending rupture in symptomatic abdominal aortic aneurysms using CTA and clinical data 2026, Frontiers in cardiovascular medicine IF:2.8Q2 DOI:10.3389/fcvm.2026.1771669 PMID:42022533	研究论文	开发并验证一个可解释的多模态深度学习模型，用于预测症状性腹主动脉瘤的即将破裂风险	首次结合CTA序列图像和六种关键临床生物标志物，通过双向交叉注意力机制构建多模态模型，显著优于传统临床规则和CTA征象基线	回顾性研究设计，样本量有限（263例），需要前瞻性验证确认临床适用性	开发可解释的多模态深度学习模型，评估症状性AAA患者的破裂风险，支持急诊决策	症状性腹主动脉瘤（AAA）患者	医学影像分析	腹主动脉瘤	CTA	多模态深度学习模型（基于ResNet-50图像编码器和双向交叉注意力机制）	CTA图像（序列切片）和临床数据（生物标志物）	263例症状性AAA患者（230例开发队列，33例独立时序测试集）	PyTorch	ResNet-50	AUC, 灵敏度, 阴性预测值	NA
904	2026-04-24	MVBeetle: an interpretable multi-view deep learning model for fine-grained classification of Galerucinae and Alticinae (Coleoptera: Chrysomelidae) 2026, Frontiers in plant science IF:4.1Q1 DOI:10.3389/fpls.2026.1798135 PMID:42023004	研究论文	提出一种可解释的多视图深度学习模型MVBeetle，用于细粒度分类萤叶甲亚科和跳甲亚科	首次将多视图融合框架与可解释性分析结合用于萤叶甲亚科和跳甲亚科的细粒度分类，通过Grad-CAM揭示不同亚科的关键形态特征（跳甲亚科关注跳跃腿，萤叶甲亚科关注触角）	未明确指出限制，但可能包括数据集仅涵盖43种物种、未考虑野外复杂背景或不同光照条件下的泛化能力	提供一种高精度且便捷的叶甲分类模型，并探究亚科间形态进化差异	萤叶甲亚科和跳甲亚科的43种叶甲物种（23种萤叶甲与20种跳甲）	计算机视觉	NA	多视图图像采集	卷积神经网络	图像	43种叶甲物种的多视图图像（背、侧、腹面）	PyTorch	ResNet18, ResNet50, VGG16, MobileNetV2	准确率	NA
905	2026-04-24	An environment-guided visual-temporal deep learning framework for early disease detection in greenhouse horticultural crops 2026, Frontiers in plant science IF:4.1Q1 DOI:10.3389/fpls.2026.1796407 PMID:42023011	研究论文	提出一种环境引导的视觉-时间深度学习框架，用于温室园艺作物的早期病害检测	通过环境引导的视觉注意力机制和时空联合建模，将环境变量从被动特征转化为主动先验，增强对微弱病害信号的敏感性	实验仅在真实温室多模态时序数据集上验证，未测试其他环境条件下的泛化能力	实现温室园艺作物早期病害的智能预警和精准调控	温室园艺作物及其相关环境变量（温度、湿度、蒸汽压差、二氧化碳浓度）	计算机视觉, 机器学习	温室作物病害	多模态时序数据采集	CNN, Transformer	图像, 文本（环境变量数值）	真实温室多模态时序数据集（未明确样本数量）	NA	Transformer, CNN	准确率, 召回率, F1分数, 早期精度, 早期召回率, 提前时间	NA
906	2026-04-24	Application of deep learning-clinical baseline feature fusion model to predict postoperative mortality in elderly patients with hip fracture: a multicenter study 2026, Frontiers in medicine IF:3.1Q1 DOI:10.3389/fmed.2026.1784156 PMID:42023085	研究论文	构建深度学习与临床基线特征融合模型，预测老年髋部骨折患者术后死亡率	首次将深度学习模型提取的CT图像特征与临床基线特征融合，显著提升了预测性能	未提及具体限制	基于深度学习与临床基线特征融合，提高老年髋部骨折术后1年死亡率预测准确性	老年髋部骨折患者	机器学习	老年性疾病	计算机断层扫描（CT）	Densenet161 和 LightGBM	图像（CT骨骼肌组织图像）及临床基线数据	内部训练集221例（机构1），外部验证集113例（机构2）	NA	Densenet161, LightGBM	AUC、敏感性、特异性、F1分数	NA
907	2026-04-24	Deep Learning for Autonomous Surgical Guidance Using 3-Dimensional Images From Forward-Viewing Endoscopic Optical Coherence Tomography 2025-Nov, Journal of biophotonics IF:2.0Q3 DOI:10.1002/jbio.202500181 PMID:40709742	研究论文	开发了一种用于分析前视内窥光学相干断层扫描三维图像的深度学习模型，以增强经皮肾造口术中的内窥镜引导	首次将三维卷积神经网络应用于前视内窥光学相干断层扫描图像的术中引导，在保持高准确率的同时显著降低推理延迟，优于现有先进三维架构	实验仅基于猪肾脏数据集，未涉及人类组织或临床环境验证	提升光学相干断层扫描引导的经皮肾造口术手术引导的实时性和准确性	三维光学相干断层扫描图像和经皮肾造口术手术引导	计算机视觉	肾脏疾病	光学相干断层扫描（OCT）	三维卷积神经网络（3D-CNN）	三维图像	10个猪肾脏	NA	3D-CNN, 3D-ViT, 3D-DenseNet121, M3T	准确率（accuracy）, 推理延迟（inference latency）	NA
908	2026-04-24	Utility of Deep Learning to Address Missing Modalities from Multi-Modal Medical Imaging Studies: A Systematic Review 2025-Oct-17, Artificial intelligence and applications (Commerce, Calif.) DOI:10.47852/bonviewaia52026392 PMID:42021869	综述	系统综述深度学习在多模态医学影像缺失模态问题中的应用方法	对深度学习解决多模态医学数据缺失模态的方法（图像合成、知识迁移、潜在特征空间）进行系统分类和比较	综述方法可能受限于所选数据库（PubMed、IEEE、Scopus）及时间范围（2013-2025年），且未深入分析每种方法的具体性能差异	系统性回顾深度学习应对多模态医学影像缺失模态问题的解决方案	2013年1月至2025年5月间发表的61篇相关研究论文	数字病理学	未指定具体疾病	医学影像（多模态）	深度学习（包括图像合成、知识迁移、潜在特征空间方法）	图像	234篇初筛文章，61篇符合纳入标准	NA	NA	评价指标（具体未列出），关键属性	NA
909	2026-04-24	Automated classification of cellular expression in multiplexed imaging data with Nimbus 2025-Oct, Nature methods IF:36.1Q1 DOI:10.1038/s41592-025-02826-9 PMID:41062826	研究论文	提出Nimbus深度学习模型，基于多重成像数据自动化分类细胞标记表达，无需重新训练	构建包含1.97亿条标注的Pan-M数据集，并在此基础上开发无需重新训练的预训练模型Nimbus，能跨不同组织、细胞类型和显微镜平台进行细胞标记表达分类	NA	开发一种无需重新训练的深度学习模型，自动从多重成像数据中分类单个细胞的标记表达，以促进细胞表型分析	多重成像数据中的细胞标记表达模式	计算机视觉	NA	多重成像	深度学习	图像	1.97亿条标记表达标注，涵盖15种细胞类型	PyTorch	NA	准确率	NA
910	2026-04-24	Prostate Cancer Risk Stratification and Scan Tailoring Using Deep Learning on Abbreviated Prostate MRI 2025-Sep, Journal of magnetic resonance imaging : JMRI IF:3.3Q1 DOI:10.1002/jmri.29798 PMID:40259798	研究论文	开发并评估基于双参数MRI的深度学习模型用于前列腺癌风险分层并优化扫描方案选择	提出一种深度学习模型根据个体风险推荐使用双参数或多参数MRI方案，实现MRI资源优化利用，并在实时临床工作流中验证	未提及具体局限性	开发和评估基于bpMRI的深度学习模型用于分类临床显著前列腺癌，并评估其优化MRI协议选择的能力	前列腺MRI影像	计算机视觉	前列腺癌	MRI	CNN	图像	训练验证26129例，回顾性队列151例，前瞻性队列142例	NA	3D ResNet-50	AUC	NA
911	2026-04-24	Integrating artificial intelligence into orthopedics: Opportunities, challenges, and future directions 2025-Jul, Journal of hand and microsurgery IF:0.3Q4 DOI:10.1016/j.jham.2025.100257 PMID:40395968	综述	综述人工智能在骨科中的应用，包括诊断准确性、手术规划优化和个性化治疗等方面的机遇与挑战	系统评估AI在骨科多个领域（如骨折检测、关节重建、脊柱手术和康复）的应用效果，并提出了未来多中心临床试验和数据协议优化的方向	存在数据标准化和临床验证不足等挑战	评估AI在骨科中的应用潜力及其对患者护理的影响	骨科相关的AI应用研究，包括骨折检测、治疗规划、关节重建、脊柱手术和康复	机器学习	骨科疾病	NA	机器学习、深度学习	NA	NA	NA	NA	NA	NA
912	2026-04-24	PackPPI: An integrated framework for protein-protein complex side-chain packing and ΔΔG prediction based on diffusion model 2025-May, Protein science : a publication of the Protein Society IF:4.5Q1 DOI:10.1002/pro.70110 PMID:40260988	研究论文	提出一个基于扩散模型的集成框架PackPPI，用于蛋白质-蛋白质复合物侧链包装和ΔΔG预测	首次将扩散模型与近端优化算法结合，统一处理蛋白质复合体的侧链包装和突变效应预测两大任务	未在摘要中提及明显的限制	开发一个鲁棒且通用的计算工具，提升蛋白质复合体的侧链构象预测和结合亲和力变化预测性能	蛋白质-蛋白质复合体及其侧链包装和突变引起的结合亲和力变化	机器学习	NA	扩散模型、近端优化算法	扩散模型	蛋白质结构数据	CASP15数据集和SKEMPI v2.0数据集	PyTorch	扩散模型	原子RMSD、低能量景观	未在摘要中提及
913	2026-04-24	An end-to-end neural network for 4D cardiac CT reconstruction using single-beat scans 2025-Apr-22, Physics in medicine and biology IF:3.3Q1 DOI:10.1088/1361-6560/adcafb PMID:40203865	研究论文	提出了一种基于深度学习的端到端重建框架，用于单次心跳快速CT扫描的动态心脏成像，以减少运动伪影	首次采用端到端方式结合去噪与配准网络，仅利用单周期扫描数据实现运动补偿重建，无需心率限制	研究基于模拟投影数据，未在真实临床数据上验证，且30名患者样本量有限，可能影响泛化能力	开发一种减少心脏CT运动伪影的深度学习方法，提升动态成像质量	心脏CT图像中的运动伪影矫正与冠状动脉等关键结构恢复	医学影像	心脏疾病	心脏CT成像	神经网络	CT投影数据	30名真实患者的模拟投影数据，外部机构模拟数据集和XCAT生成连续体模	NA	去噪网络、配准网络	结构相似性（SSIM）、峰值信噪比（PSNR）、均方根误差（RMSE）、Dice相似系数	NA
914	2026-04-24	The benefit of automated sac volume measurements in postoperative endovascular aortic repair surveillance 2025-03, Journal of vascular surgery IF:3.9Q1 DOI:10.1016/j.jvs.2024.10.070 PMID:39522568	研究论文	本研究比较了自动测量的动脉瘤囊体积与最大直径在评估腹主动脉瘤腔内修复术后囊行为方面的差异	首次系统评估基于深度学习的自动体积测量在EVAR术后监测中相比传统直径测量的额外临床价值	样本量较小（89例），且为回顾性研究，需要更大规模研究验证	探讨EVAR术后自动动脉瘤囊体积测量是否能提供比直径测量更细致的囊行为信息	接受标准或开窗EVAR治疗的腹主动脉瘤患者	数字病理学	腹主动脉瘤	CTA	深度学习	影像	89例患者（标准EVAR 46例，开窗EVAR 43例）	NA	NA	t检验，χ2检验或Fisher检验	NA
915	2026-04-24	Dimensionality reduction in 3D causal deep learning for neuroimage generation: an evaluation study 2025-Mar, Journal of medical imaging (Bellingham, Wash.) DOI:10.1117/1.JMI.12.2.024506 PMID:40276097	研究论文	评估不同降维方法对三维因果深度学习模型生成反事实神经影像的影响	首次系统比较多种降维技术（2D PCA、2.5D PCA、3D PCA、自编码器和VQ-VAE）在三维因果深度学习生成反事实医学影像中的应用效果	仅评估了年龄和性别两个变量变化，未考虑其他临床相关变量；降维方法可能丢失部分空间信息影响生成图像质量	比较不同降维方法对因果深度学习模型生成反事实神经影像的影响，确定最优降维策略	三维脑部医学影像（23,692张）	计算机视觉, 数字病理学	NA	因果深度学习, 正态化流, 主成分分析(PCA), 自编码器, 向量量化变分自编码器(VQ-VAE)	卷积神经网络（CNN）	三维图像	23,692张三维脑部MRI图像	NA	CNN	平均绝对误差(MAE), 分类准确率(Accuracy)	NA
916	2026-04-24	BIBSNet: A Deep Learning Baby Image Brain Segmentation Network for MRI Scans 2025-Jan-11, bioRxiv : the preprint server for biology DOI:10.1101/2023.03.22.533696 PMID:36993540	研究论文	介绍了一种用于婴儿MRI脑图像分割的深度学习网络BIBSNet，该模型通过数据增强和大量手动标注图像实现鲁棒且可泛化的分割	提出开源社区驱动模型BIBSNet，结合真实手动标注和SynthSeg合成图像训练，分割速度比联合标签融合快600倍，输出与FreeSurfer兼容的分割标签	NA	开发一种适用于0-8个月婴儿大脑MR图像的可泛化分割方法，支持典型和非典型脑发育研究	从90名0-8月龄参与者采集的MR脑图像（中位年龄4.6个月）	计算机视觉, 数字病理学	NA	MRI扫描	深度学习神经网络	医学图像（MRI）	90名参与者	NA	BIBSNet	Dice相似系数, 皮质厚度, 静息态连接性, 脑区体积	NA
917	2026-04-24	Enhanced Detection of Colon Diseases via a Fused Deep Learning Model with an Auxiliary Fusion Layer and Residual Blocks on Endoscopic Images 2025, Current medical imaging IF:1.1Q3 DOI:10.2174/0115734056353246241209060804 PMID:39757657	研究论文	提出一种融合深度学习模型，结合辅助融合层和残差模块，利用内窥镜图像增强结肠疾病的检测能力	提出融合多个预训练骨干网络（EfficientNetB0、MobileNetV2、ResNet50V2）并创新引入辅助融合层和融合残差块，通过特征融合与残差学习缓解梯度消失问题，提升分类准确性和鲁棒性	未提及具体局限性	提升内窥镜图像中结肠疾病的自动检测与分类准确率	内窥镜图像中的结肠病变（如胃肠道异常）	计算机视觉	结肠疾病	NA	CNN	图像	大范围内窥镜图像数据集（具体数量未明确）	NA	EfficientNetB0, MobileNetV2, ResNet50V2	分类准确率, 鲁棒性（具体指标未明确）	NA
918	2026-04-24	Exercise mitigates high-fat diet-induced cardiac dysfunction via APOE genotype- and immune-dependent mechanisms: A photon-counting CT study in adult mice 2025, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0339293 PMID:41417779	研究论文	利用光子计数CT和深度学习分割技术，研究运动如何通过APOE基因型和免疫依赖机制减轻高脂饮食诱导的小鼠心脏功能障碍	首次结合光子计数CT和深度学习分割技术，在APOE基因靶向替换小鼠中系统研究运动、饮食与APOE基因型及免疫反应的交互作用对心脏功能的影响	未提供具体的模型性能指标和计算资源信息	探讨运动对高脂饮食诱导的心脏功能障碍的保护作用及其与APOE基因型和免疫反应的依赖机制	APOE2、APOE3和APOE4基因型的人源化APOE靶向替换小鼠，包括不同性别、运动状态、饮食和NOS2介导的先天免疫反应状态	数字病理学	心血管疾病	光子计数CT成像、深度学习图像分割	3D U-Net	图像	251只成年小鼠	NA	3D U-Net	NA	NA
919	2026-04-24	Octascope: A Lightweight Pre-Trained Model for Optical Coherence Tomography 2025, IEEE access : practical innovations, open solutions IF:3.4Q2 DOI:10.1109/access.2025.3595838 PMID:40874077	研究论文	开发了一种轻量级域特定卷积神经网络模型Octascope，用于光学相干断层扫描图像分析	采用课程学习策略，先在自然图像（ImageNet）上预训练，再在视网膜、腹部和肾脏组织的OCT图像上训练，实现多领域迁移；相比Transformer模型RETFound，推理速度快2至4.4倍且预测精度略高	NA	解决OCT图像分析中训练数据有限和实时应用高推理延迟的挑战	OCT图像（视网膜、腹部、肾脏组织）以及硬膜外组织检测和视网膜诊断两个下游任务	计算机视觉	NA	光学相干断层扫描（OCT）	卷积神经网络（CNN）	图像	NA	NA	Octascope	准确率	NA
920	2026-04-24	Global Research Landscape of Artificial Intelligence in Urology: A Systematic Analysis of Emerging Trends, Clinical Impact, and Collaborative Networks (1971-2024) 2025, Medical journal of the Islamic Republic of Iran DOI:10.47176/mjiri.39.156 PMID:42021824	综述	对1971年至2024年人工智能在泌尿外科领域的研究进行全面系统分析，涵盖发展趋势、临床影响和国际合作网络	首次系统梳理AI在泌尿外科领域50多年的研究演变，揭示从基础机器学习到先进临床工具的转变趋势，并特别关注深度学习在泌尿系统癌症检测中的应用	仅纳入英文文献，可能遗漏非英语国家的重要研究；数据库仅限Scopus，可能存在出版偏差	系统分析人工智能在泌尿外科领域的研究演变、临床影响和合作网络，为未来发展方向提供见解	1971年至2024年发表的5755篇AI相关泌尿外科文献，包括5109篇原创文章和646篇综述	自然语言处理, 机器学习	前列腺癌, 泌尿系统癌症, 慢性肾病	深度学习, 机器学习	深度学习模型	文献元数据, 图像	5755篇文献，包括5109篇原创文章和646篇综述	VOSviewer, GraphPad Prism, Data Wrapper	NA	文献数量, 被引次数, 合作网络强度	NA