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
941	2026-02-08	Deep Tabular Representation Corrector 2026-Mar, IEEE transactions on pattern analysis and machine intelligence IF:20.8Q1 DOI:10.1109/TPAMI.2025.3637810 PMID:41308107	研究论文	提出了一种名为TRC的深度表格表示校正器，用于增强已训练的深度表格模型的表示，而无需修改其参数	引入了一种模型无关的表示校正方法，通过两个任务（表格表示重估计和表格空间映射）来缓解表示偏移和冗余，提高预测性能	NA	提升深度表格机器学习模型的表示质量	表格数据	机器学习	NA	NA	Transformer, ResNet	表格数据	NA	NA	Transformer, ResNet	NA	NA
942	2026-02-08	Physics-Driven Neural Compensation for Electrical Impedance Tomography 2026-Mar, IEEE transactions on pattern analysis and machine intelligence IF:20.8Q1 DOI:10.1109/TPAMI.2025.3639647 PMID:41336161	研究论文	提出一种名为PhyNC的无监督深度学习框架，用于解决电阻抗断层成像中的逆问题不适定性和灵敏度分布不均的挑战	结合EIT的物理原理，通过动态分配神经表示能力到低灵敏度区域，实现准确且平衡的电导率重建	未明确提及具体局限性	提升电阻抗断层成像的重建精度和鲁棒性，特别是在低灵敏度区域	电阻抗断层成像的逆问题与灵敏度分布	医学成像	NA	电阻抗断层成像	深度学习	模拟数据与实验数据	NA	NA	NA	细节保留与伪影抵抗能力	NA
943	2026-02-08	Development of a deep learning classification model using a codeless platform for orthodontic extraction decision-making: Impact of image type on model performance 2026-Mar, Journal of dentistry IF:4.8Q1 DOI:10.1016/j.jdent.2025.106296 PMID:41389871	研究论文	本研究评估了图像类型对深度学习分类模型在正畸治疗计划决策中性能的影响，并探讨了人工智能在利用口内照片和数字模型扫描确定拔牙与非拔牙治疗计划中的临床适用性	使用无代码平台自动开发深度学习分类模型，通过自动超参数调优优化模型，无需手动编码，并比较了不同图像类型（口内照片与数字扫描）对模型性能的影响	研究为回顾性设计，样本量相对有限（共1200张图像），且仅比较了两种图像类型，可能未涵盖所有临床相关图像模态	评估图像类型对深度学习分类模型在正畸治疗计划决策中性能的影响，并探讨人工智能在确定拔牙与非拔牙治疗计划中的临床适用性	已完成正畸治疗的患者，包括其治疗前数据和正畸治疗计划	计算机视觉	正畸疾病	深度学习	深度学习分类模型	图像	1200张口内照片和1200张数字模型扫描，共2400张图像，包括600例拔牙病例和600例非拔牙病例	无代码平台	NA	准确率, 精确率, 召回率, F1分数	NA
944	2026-02-08	M44TMD: A multimodal, multi-task deep learning framework for comprehensive assessment of TMD-related abnormalities 2026-Mar, Journal of dentistry IF:4.8Q1 DOI:10.1016/j.jdent.2025.106322 PMID:41461305	研究论文	本研究提出了一种多模态、多任务的深度学习框架M44TMD，用于同时评估颞下颌关节紊乱相关的退行性关节病、前椎间盘移位和积液	M44TMD框架整合了多序列、多切片的MRI与临床数据，克服了现有方法在任务单一、数据模态有限以及MRI利用不足方面的局限	NA	开发一个多模态深度学习框架，以全面评估颞下颌关节紊乱相关的异常	765名参与者的1410个颞下颌关节，包括其MRI切片和临床数据	数字病理学	颞下颌关节紊乱	磁共振成像	CNN	图像, 临床数据	765名参与者（1410个颞下颌关节）的12,690个MRI切片及临床数据	NA	ResNet50	ROC-AUC, 准确率	NA
945	2026-02-08	The development of an image processing model to estimate tooth width and space requirements 2026-Mar, Journal of dentistry IF:4.8Q1 DOI:10.1016/j.jdent.2026.106330 PMID:41491146	研究论文	本研究开发并测试了一种基于AI的工具，用于测量牙齿宽度和牙列拥挤度	首次开发了一种基于AI的工具，能够从STL文件中自动计算牙齿的近远中宽度，并验证了其与人类评估者的一致性	研究仅基于单一正畸医生的患者数据，且样本量有限（245名患者），未来需扩大数据集并纳入更多参数如牙弓平整度	开发并验证一种AI工具，以提高正畸治疗中牙齿宽度测量和空间需求评估的效率和准确性	245名在专科正畸诊所完成治疗的患者的前后治疗石膏研究模型	计算机视觉	正畸疾病	立体光刻（STL）扫描	深度学习模型	三维图像（STL文件）	245名患者的石膏模型，其中12组预处理模型作为测试数据	NA	NA	组内相关系数（ICC），平均绝对差异（毫米）	NA
946	2026-02-08	Multi-Architecture deep learning for CBCT segmentation of dental hard tissues and pulp in mixed dentition 2026-Mar, Journal of dentistry IF:4.8Q1 DOI:10.1016/j.jdent.2026.106344 PMID:41519426	研究论文	本研究开发并评估了基于深度学习的3D模型，用于在儿童混合牙列CBCT扫描中自动分割牙髓、乳牙和恒牙结构	首次在混合牙列CBCT分割任务中系统比较了CNN、Transformer和Mamba等多种架构，并引入了U-Mamba等新型模型	外部验证集性能低于内部数据集，且乳牙分割在年龄较大儿童中准确性较低	开发用于儿童混合牙列CBCT图像中牙科硬组织和牙髓自动分割的深度学习模型	儿童CBCT扫描图像中的牙髓、乳牙和恒牙结构	数字病理学	NA	CBCT成像	CNN, Transformer, Mamba	3D医学图像	151例CBCT扫描（105例内部数据集，46例外部数据集），共29,478张图像	nnU-Net	ResEncM, U-Mamba Bot, U-Mamba Enc, WNet, UNETR, SegResNet	DSC, IoU, HD95, 分割体积, 处理时间	NA
947	2026-02-08	Association of echocardiographic findings with mortality: human assessment vs. automated deep learning analysis 2026-Mar, European heart journal. Digital health DOI:10.1093/ehjdh/ztaf148 PMID:41640420	研究论文	本研究比较了基于AI的超声心动图分析与人类专家解读的相关性，并评估了它们在预测住院患者一年死亡率方面的表现	首次在真实世界环境中，将商业AI软件（Us2.ai）的超声心动图分析与人类专家解读进行对比，并纳入自动左心室应变分析以提升死亡率预测性能	研究为回顾性设计，样本量相对有限（731例），且仅使用单一商业AI软件，可能影响结果的普适性	评估AI与人类专家在超声心动图分析中的相关性，并比较它们在预测临床结局（一年死亡率）方面的效能	住院患者（共889例，其中731例纳入分析，平均年龄68±16岁，46%为女性）的临床超声心动图检查	数字病理学	心血管疾病	超声心动图成像	深度学习模型	图像	731例住院患者的超声心动图数据	NA	NA	AUC	NA
948	2026-02-08	Convolutional Graph Isomorphism Network to Detect Glaucomatous Visual Field Defects 2026-Mar, Ophthalmology science IF:3.2Q1 DOI:10.1016/j.xops.2025.101041 PMID:41641113	研究论文	本研究评估了一种基于图同构网络（GIN）的深度学习模型在检测青光眼视野缺损方面的性能，并与传统诊断标准、密集神经网络和卷积神经网络模型进行比较	首次将标准自动视野检查（SAP）数据建模为图结构，利用图同构网络（GIN）捕捉测试点间的空间关系，从而在青光眼视野缺损检测中实现更优的诊断性能和可解释性	研究为横断面回顾性设计，可能受限于数据选择和潜在偏差；样本量相对有限（1874次测试），且仅基于单一设备（Humphrey视野分析仪）的数据	评估图同构网络（GIN）在检测青光眼视野缺损中的诊断性能，并与传统方法和现有深度学习模型进行对比	来自676名患者1009只眼的1874次可靠标准自动视野检查（SAP）测试	机器学习	青光眼	标准自动视野检查（SAP）	GIN, CNN, 密集神经网络	图数据（节点特征包括敏感度、总偏差和模式偏差值）	1874次SAP测试（来自1009只眼，676名患者）	NA	图同构网络（GIN）	AUC, 精确率-召回率曲线, 95%特异性下的敏感度, F1分数, 可重复性, 模型可解释性	NA
949	2026-02-08	A Deep Learning Algorithm for Liver Metastasis Detection at Contrast-enhanced Abdominal CT in Patients with Colorectal Cancer: A Comparative Study with Radiologists 2026-Mar, Radiology. Imaging cancer DOI:10.1148/rycan.250242 PMID:41649392	研究论文	本研究评估了一种用于在结直肠癌患者增强腹部CT图像中检测肝转移的深度学习算法，并将其性能与放射科医生进行了比较	开发并验证了一种深度学习算法，用于在结直肠癌患者的增强腹部CT中自动检测肝转移，并在多种临床情境下与不同经验水平的放射科医生进行了系统性比较	这是一项回顾性、双中心研究，样本量相对有限（181名患者），且仅使用了对比增强CT这一种成像模态	评估深度学习算法在结直肠癌患者肝转移检测中的性能，并与放射科医生的诊断准确性进行比较	结直肠癌患者	计算机视觉	结直肠癌	对比增强腹部CT	深度学习算法	医学影像	181名结直肠癌患者（95名有肝转移，86名无肝转移），共280个肝转移结节	NA	NA	检测率, 假阳性率, 置信区间, 组内相关系数	NA
950	2026-02-08	Micro- and nanoplastics (MNPs) in liquid food: From occurrence, health risks and migration mechanisms to AI-enabled analytical and circular solutions 2026-Mar-01, Food research international (Ottawa, Ont.) DOI:10.1016/j.foodres.2025.118160 PMID:41652739	综述	本文综述了液体食品中微塑料和纳米塑料的现状、健康风险、迁移机制，并探讨了人工智能在分析和循环解决方案中的应用	提出了迁移机制不仅包括机械磨损和聚合物降解，还涉及食品-包装界面的物理化学分配（能斯特分配定律），并评估了人工智能在检测、分类和回收优化中的潜力	人工智能在回收优化和迁移预测建模中的应用仍处于概念阶段，纳米塑料的定量分析仍面临光学衍射极限和基质干扰等重大挑战	综合评估液体食品中微塑料和纳米塑料的发生、迁移机制、暴露影响，并探索人工智能驱动的分析和循环解决方案	液体食品（如饮用水、牛奶、饮料和调味品）中的微塑料和纳米塑料	自然语言处理	NA	机器学习, 深度学习	NA	NA	NA	NA	NA	NA	NA
951	2026-02-08	Investigating the Cytoskeleton of DRGs Using Cryo-Electron Microscopy and Deep Learning 2026-Feb-07, Cytoskeleton (Hoboken, N.J.) DOI:10.1002/cm.70100 PMID:41653058	研究论文	本文介绍了一种利用冷冻电子显微镜和深度学习技术研究培养的背根神经节神经元轴突和膨体超微结构的方法	结合冷冻电子显微镜和深度学习策略，实现了对轴突细胞骨架的半自动断层分割，为定量描述超微结构特征提供了新方法	NA	研究背根神经节神经元轴突和膨体的超微结构组织，特别是年龄相关的变化	培养的背根神经节神经元	数字病理学	NA	冷冻电子显微镜, 冷冻电子断层扫描	深度学习	图像	年轻和年老培养的背根神经节神经元	NA	NA	NA	NA
952	2026-02-08	A Single-Mode, Multimodal, and Self-Powered Sensor Based on Electron Relaxation Dynamics 2026-Feb-07, ACS applied materials & interfaces IF:8.3Q1 DOI:10.1021/acsami.5c21901 PMID:41653092	研究论文	本文报道了一种基于电子弛豫动力学的单模态、多模态自供电柔性传感器，能够同时检测温度和压力刺激	通过无缝集成互补且兼容的热电和摩擦电传感机制，实现了单模态输出、简化操作、超低功耗、自适应响应行为以及对复杂刺激的优异区分能力	NA	开发一种能够同时检测温度和压力刺激的自供电柔性传感器，以简化制造和操作过程并增强功能与能效	柔性传感器系统	机器学习	NA	热电和摩擦电传感机制	深度学习回归模型	电压信号	NA	NA	NA	准确率	NA
953	2026-02-08	Decoding cortical folding with deep learning: toward neurodevelopmental biomarkers of psychiatric disorders 2026-Feb-07, Journal of neural transmission (Vienna, Austria : 1996) DOI:10.1007/s00702-026-03105-3 PMID:41653295	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
954	2026-02-08	Interpretable deep learning model of circulating genomics for quantitative survival prediction in advanced non-small cell lung cancer 2026-Feb-06, Clinical & translational oncology : official publication of the Federation of Spanish Oncology Societies and of the National Cancer Institute of Mexico IF:2.8Q2 DOI:10.1007/s12094-026-04220-z PMID:41649698	研究论文	本研究开发了一种可解释的深度学习模型，用于晚期非小细胞肺癌患者的定量生存预测	整合了多模态特征（包括ctDNA状态、cfDNA浓度和基因突变等）的DeepSurv模型，相比单一ctDNA或cfDNA指标，显著提升了生存预测的准确性，并利用SHAP方法增强了模型的可解释性	研究基于回顾性数据，且仅使用了两个特定的ctDNA测序平台（MSK-ACCESS和ctDx Lung），可能限制了模型的普适性	开发一种可解释的深度学习模型，以定量预测晚期非小细胞肺癌患者的生存结局	晚期非小细胞肺癌患者	机器学习	肺癌	超深度ctDNA测序（MSK-ACCESS和ctDx Lung）	DeepSurv	基因组数据、临床病理特征	1373名晚期非小细胞肺癌患者（发现队列1012人，验证队列361人）	NA	DeepSurv	时间依赖性曲线下面积（AUC）、风险比（HR）	NA
955	2026-02-08	AI-FLEET: Phase I-Multimodal Deep Learning Model for Phyllodes Tumor Classification 2026-Feb-06, Annals of surgical oncology IF:3.4Q1 DOI:10.1245/s10434-026-19179-y PMID:41649783	研究论文	本研究开发了一种名为AI-FLEET的多模态深度学习模型，用于区分乳腺叶状肿瘤的良性与交界性/恶性类别	首次将超声图像与临床变量（如年龄、BMI、种族/民族、绝经状态、回声性和肿瘤大小）结合，通过多模态深度学习模型进行叶状肿瘤分类，并利用显著性分析识别了肿瘤内异质性作为重要预测特征	研究为回顾性分析，样本量较小（81例患者，其中交界性/恶性病例仅16例），且未包含纤维腺瘤病例，模型泛化能力有待验证	提高乳腺纤维上皮性病变（特别是叶状肿瘤）的诊断准确性，减少术前评估的不确定性	经组织学确认的乳腺叶状肿瘤患者，包括良性与交界性/恶性类别	数字病理学	乳腺癌	超声成像	CNN, 注意力机制	图像, 临床数据	81例患者（65例良性，16例交界性/恶性），共1638张超声图像	NA	ConvNeXt, ResNet18	准确率, AUC	NA
956	2026-02-08	Advancing Psychiatric Safety With the Predictive Risk Identification for Mental Health Events Tool: Retrospective Cohort Study 2026-Feb-06, JMIR mental health IF:4.8Q1 DOI:10.2196/84318 PMID:41649861	研究论文	本研究开发并评估了一种基于深度学习的早期预警系统（PRIME工具），用于预测精神病住院患者在24小时内发生不良心理健康事件的风险	首次开发并评估了基于深度学习的、针对精神病住院护理的早期预警系统，利用多变量时间序列数据和注意力机制的长短期记忆网络，实现了比传统临床工具（如DASA-IV）更高的预测性能	研究为回顾性队列研究，未来需评估其公平性影响并整合到常规精神病工作流程中	开发一种主动的、基于机器学习的早期预警系统，以预测精神病住院患者的不良心理健康事件，提升患者安全	精神病住院患者（包括高风险法医患者和非法医患者）	机器学习	精神疾病	电子病历数据分析	循环神经网络，长短期记忆网络	纵向多变量时间序列数据	总共4651名患者和403,098次就诊记录；2024年测试集包括900名患者和48,313次就诊记录	NA	长短期记忆网络（带注意力机制）	受试者工作特征曲线下面积，召回率	NA
957	2026-02-08	Combating Antiviral Drug Resistance: A Multipronged Strategy 2026-Feb-06, Accounts of chemical research IF:16.4Q1 DOI:10.1021/acs.accounts.5c00724 PMID:41650319	研究论文	本文介绍了一种多管齐下的策略，以应对抗病毒药物耐药性，特别是针对SARS-CoV-2主蛋白酶（Mpro）	开发了新型共价Mpro抑制剂（如H135和H102），首次报道了靶向SARS-CoV-2 Mpro的PROTAC分子（HP211206），并整合了计算化学、深度学习（D2Screen）和动力学模拟框架来预测和克服耐药突变	研究主要集中于SARS-CoV-2 Mpro，对其他病毒蛋白酶的应用尚未广泛验证；部分策略（如PROTAC）的体内效力和安全性需进一步评估	开发对抗病毒蛋白酶药物耐药性的多策略方法，包括抑制剂设计、蛋白酶降解和计算预测	病毒蛋白酶（特别是SARS-CoV-2 Mpro）及其耐药突变体	计算化学, 药物发现	COVID-19	X射线晶体学, 虚拟筛选, 深度学习, 动力学模拟, PROTAC技术	深度学习模型	结构数据, 化学库数据, 细胞活性数据	使用了内部α-酮酰胺库进行筛选，并在VeroE6-TMPRSS2细胞中测试了多种SARS-CoV-2变体（如alpha, delta, XBB.1.5等）	PDLD/S-LRA/β框架, 深度学习框架	D2Screen	抑制活性, 结合自由能, 催化效率参数（kcat和Km）, IC50	NA
958	2026-02-08	Chemistry-Structure Dual-Perception Large Language Models: Advancing Molecular Property Prediction for Precise Disease Treatment 2026-Feb-06, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2026.3662042 PMID:41650399	研究论文	本文提出了一种名为CSLLM的新方法，通过指令引导大型语言模型生成蕴含化学知识的药物分子表示，以提升分子性质预测的准确性	提出了一个三维指令框架（任务引导、化学感知、结构感知），使大型语言模型能够像化学家一样推理，并在有限计算资源下生成富含化学知识的分子表示	未明确提及具体的数据集规模限制或模型泛化能力的详细评估	提高药物分子性质的预测准确性，以支持精准疾病诊断和个性化治疗	药物分子	自然语言处理, 机器学习	NA	大型语言模型（LLMs）	大型语言模型（LLM）	分子结构数据, 化学知识文本	在九个数据集上进行了评估	NA	CSLLM（基于指令框架的定制化LLM）	在九个数据集上优于现有模型（具体指标未列明）	有限的计算资源
959	2026-02-08	ASIL: Augmented Structural Information Learning for Deep Graph Clustering in Hyperbolic Space 2026-Feb-06, IEEE transactions on pattern analysis and machine intelligence IF:20.8Q1 DOI:10.1109/TPAMI.2026.3661424 PMID:41650430	研究论文	本文提出了一种名为ASIL（增强结构信息学习）的新方法，用于在双曲空间中实现无需预设聚类数量的深度图聚类，尤其针对不平衡图数据	首次将可微结构信息理论引入深度聚类，提出双曲空间中的神经划分树学习模型（LSEnet），并通过增强结构熵目标统一划分树构建与对比学习	未在超大规模图数据集上进行验证，且未讨论计算资源消耗的具体量化分析	解决无需预设聚类数量且能处理不平衡图数据的深度图聚类问题	图数据（特别是具有不平衡聚类结构的图）	机器学习	NA	深度学习方法	深度学习模型	图数据	Citeseer等公开图数据集（具体数量未明确说明）	PyTorch（基于深度学习框架的典型选择）	LSEnet（基于双曲空间的神经划分树架构）	NMI（标准化互信息）	NA（未明确说明具体计算资源）
960	2026-02-08	Few-Shot Pulmonary Vessel Segmentation based on Tubular-Aware Prompt-Tuning 2026-Feb-06, IEEE transactions on medical imaging IF:8.9Q1 DOI:10.1109/TMI.2026.3662001 PMID:41650434	研究论文	本文提出了一种基于管状感知提示调优的少样本肺血管分割方法，并发布了首个包含肺血管和气道精细配对标注的数据集PV25	提出了TPNet框架，通过可调的编码和解码网络学习管状结构作为迁移学习先验，并开发了MDRG和CCG模块以捕获肺血管的细粒度特征和多尺度相关性	NA	在有限标注数据下实现肺血管的精确分割，以辅助肺部疾病的诊断和治疗	肺血管和气道	数字病理学	肺部疾病	计算机断层扫描（CT）	深度学习	图像	NA	NA	编码器-解码器	NA	NA