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
10341	2026-01-28	Generating Training Data for Ureter Segmentation Using Dual-Energy CT Two-Material Decomposition 2026-Jan-26, Journal of imaging informatics in medicine DOI:10.1007/s10278-026-01847-w PMID:41588287	研究论文	本研究评估了基于双能CT双物质分解技术在生成输尿管分割训练数据中的效用	利用双能CT双物质分解技术从增强图像生成虚拟平扫图像，以创建用于输尿管分割的训练数据，这是一种创新的数据生成方法	外部验证数据集的性能有限，表明模型泛化能力有待提高	评估双能CT双物质分解技术生成输尿管分割训练数据的可行性	接受双能CT尿路造影的180名患者	数字病理学	泌尿系统疾病	双能CT，双物质分解技术	深度学习分割模型	CT图像	180名患者（150名来自机构1，30名来自机构2）	nnU-Net	U-Net	Dice系数，精确度，召回率	NA
10342	2026-01-28	Advancing the modernization of traditional Chinese medicine through artificial intelligence and multimodal data integration 2026-Jan-26, Chinese medicine IF:5.3Q1 DOI:10.1186/s13020-025-01194-y PMID:41588523	综述	本文综述了人工智能技术如何通过整合多模态数据，推动中医药现代化进程	系统性地从多尺度数据、研发、诊疗及大语言模型四个维度，全面回顾了AI在中医药现代化中的应用进展，强调了AI在数据驱动复杂系统、基础科学研究和精准医学中的前沿应用	NA	探讨人工智能技术如何促进中医药的现代化发展	中医药领域的多模态数据、研发过程、诊断与治疗实践	自然语言处理, 机器学习	NA	机器学习, 深度学习, 知识图谱, 自然语言处理, 大语言模型	NA	多模态数据	NA	NA	NA	NA	NA
10343	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
10344	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
10345	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
10346	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
10347	2026-01-28	Multi-Class Malocclusion Detection on Standardized Intraoral Photographs Using YOLOv11 2026-Jan-16, Dentistry journal IF:2.5Q2 DOI:10.3390/dj14010060 PMID:41590184	研究论文	本研究提出并评估了一种基于YOLOv11的深度学习模型，用于在常规口内照片上自动检测多种临床相关的牙齿错颌畸形	首次将YOLOv11模型应用于基于标准化口内照片的多类别错颌畸形自动检测，并采用源自正畸治疗需求指数（IOTN）的结构化标注协议进行训练	由于样本数量不足，两种错颌畸形（牙齿易位和非咬合）被排除在定量分析之外；后牙区域的可视化限制影响了部分类别的检测性能	开发一种能够从常规临床口内照片中自动、准确识别多种牙齿错颌畸形的深度学习系统，以支持高效筛查和标准化文档记录	牙齿错颌畸形	计算机视觉	牙齿错颌畸形	深度学习，目标检测	YOLOv11	图像（口内照片）	5854张匿名口内照片（包括正面咬合、左右颊侧、上下颌咬合视图）	NA	YOLOv11	mAP50（平均精度均值，IoU阈值为0.5），宏精确率，宏召回率	NA
10348	2026-01-28	Informing atmospheric pollution hotspots and exposure risks under climate change using machine learning: Evidence from 2843 Chinese regions 2026-Jan-15, Journal of hazardous materials IF:12.2Q1 DOI:10.1016/j.jhazmat.2025.141002 PMID:41494348	研究论文	本研究应用时间序列和因果推断模型，量化气候变化下中国2843个地区多种空气污染物浓度的变化及其对全因死亡的影响	提出基于气候变化的深度学习模型（RSSFF），用于预测污染物浓度变化及其与全因死亡的因果关系，并识别气候敏感区域	研究中存在不确定性增加，特别是多种污染物共暴露和气候指标对健康影响的放大效应	评估气候变化对中国空气污染暴露及健康风险的影响	中国2843个地区的空气污染物浓度（CO、NO、O、SO、PM、PM）和全因死亡数据	机器学习	NA	时间序列分析，因果推断模型	深度学习模型	时间序列数据	2843个中国地区	NA	RSSFF	NA	NA
10349	2026-01-28	Application of deep learning on MRI for prognostic prediction in rectal cancer 2026-Jan-15, European radiology IF:4.7Q1 DOI:10.1007/s00330-025-12246-0 PMID:41537781	研究论文	本研究利用预处理MRI，结合临床特征与深度学习，开发并验证了一个用于直肠癌预后预测的组合模型	采用多实例学习整合多切片预测以提升模型性能，并构建了结合深度学习特征与临床病理参数的列线图来改善预测表现	研究为回顾性设计，样本量相对有限（共458例患者），且随访时间至少3年，可能影响结果的普遍适用性	开发并验证一个结合临床特征与深度学习的模型，用于直肠癌的预后预测	直肠癌患者	计算机视觉	直肠癌	MRI	深度学习	图像	458例患者（训练集268例，验证集115例，外部测试集75例）	NA	多实例学习	Harrell's C-index, 时间依赖性ROC曲线	NA
10350	2026-01-28	Accuracy of Deep Learning in Diagnosing Chronic Obstructive Pulmonary Disease: Systematic Review and Meta-Analysis 2026-Jan-14, Journal of medical Internet research IF:5.8Q1 DOI:10.2196/83459 PMID:41562629	系统综述与荟萃分析	本研究通过系统综述和荟萃分析，评估了深度学习模型在诊断慢性阻塞性肺疾病及其严重程度分级方面的准确性	这是首个系统性地综合深度学习在COPD检测和GOLD分期中应用的荟萃分析，为智能诊断工具的设计和临床实施提供了最新证据	研究存在显著的异质性和有限的外部验证，多类别GOLD分级的准确性有限，需要谨慎解读结果	系统评估深度学习模型在诊断和分级慢性阻塞性肺疾病方面的准确性	已发表的关于深度学习用于COPD诊断和严重程度分级的研究	机器学习	慢性阻塞性肺疾病	深度学习	深度学习模型	CT影像、呼吸音或音频、胸部X光片、肺功能指标或曲线、生理波形、心电图、容积二氧化碳图、放射遗传学数据、临床评分	56项研究，共886,753名参与者	NA	NA	灵敏度、特异性、诊断比值比、汇总受试者工作特征曲线下面积、准确率	NA
10351	2026-01-28	Multi-Task Deep Learning Model for Automated Detection and Severity Grading of Lumbar Spinal Stenosis on MRI: Multi-Center External Validation 2026-Jan-14, Diseases (Basel, Switzerland) DOI:10.3390/diseases14010032 PMID:41590247	研究论文	本研究评估了基于深度学习的特征提取方法（VGG19、ConvNeXt-Tiny和DINOv2）结合经典机器学习分类器，用于腰椎管狭窄症的自动多级严重程度分级，并进行了多中心外部验证	结合预训练的深度卷积特征提取模型（VGG19、ConvNeXt-Tiny、DINOv2）与经典机器学习分类器（逻辑回归、SVM、LightGBM），实现腰椎管狭窄症的自动化、客观化、可重复的严重程度分级，并进行了多中心外部验证以评估泛化能力	大多数分类错误发生在相邻严重程度等级之间；DINOv2特征在外部验证中表现出较差的泛化能力，尤其是与LightGBM结合时	开发并验证一种自动化、可泛化的深度学习模型，用于从MRI图像中检测和分级腰椎管狭窄症的严重程度，以辅助临床决策	腰椎管狭窄症患者的轴向MRI图像	医学影像分析	腰椎管狭窄症	MRI成像	CNN, 逻辑回归, SVM, LightGBM	图像	内部数据集和来自University of Phayao Hospital的外部MRI数据（具体数量未在摘要中提供）	NA	VGG19, ConvNeXt-Tiny, DINOv2	准确率, 精确率, 召回率, F1分数, 混淆矩阵, 多分类ROC曲线, AUC	NA
10352	2026-01-28	Advancements in Wearable Sensor Technologies for Health Monitoring in Terms of Clinical Applications, Rehabilitation, and Disease Risk Assessment: Systematic Review 2026-Jan-09, JMIR mHealth and uHealth IF:5.4Q1 DOI:10.2196/76084 PMID:41511829	综述	本文系统回顾了可穿戴传感器技术在临床监测、康复和疾病风险评估中的应用	系统性地评估了可穿戴传感器在临床和研究中的应用，并识别了当前挑战及未来研究方向	传感器协议标准化、数据处理一致性以及真实世界验证方面仍存在挑战	评估可穿戴传感器在临床和研究中的应用，特别是在评估活动能力、预测疾病风险和辅助康复方面的作用	使用可穿戴传感器的临床或真实世界环境研究	机器学习	帕金森病、中风、多发性硬化症、衰弱症	惯性测量单元、智能手表、多传感器系统	随机森林、深度学习	传感器数据	30项符合条件的研究	NA	NA	受试者工作特征曲线下面积	NA
10353	2026-01-28	Early Prediction of Cardiac Arrest Based on Time-Series Vital Signs Using Deep Learning: Retrospective Study 2026-Jan-09, JMIR formative research IF:2.0Q4 DOI:10.2196/78484 PMID:41512300	研究论文	本研究开发了一种基于深度学习的实时预测方法，利用患者过去2小时的生命体征数据，每5分钟预测未来1小时内是否会发生心脏骤停	提出了一种结合Transformer和门控循环单元（GRU）架构的TrGRU模型，并采用基于滑动窗口的统计特征来提升性能，同时利用元学习方法有效增强了模型的泛化能力	模型在外部验证数据集eICU-CRD上的敏感性（0.813）和AUPRC（0.848）略低于内部验证结果，表明泛化能力仍有提升空间，且研究为回顾性研究，可能存在数据偏差	开发一种基于临床生命体征的实时预测方法，以实现心脏骤停的早期准确预测	来自MIMIC-III波形数据库的4063名患者，以及eICU-CRD数据集用于外部验证	机器学习	心血管疾病	时间序列数据分析，深度学习	深度学习模型	时间序列生命体征数据	4063名患者（来自MIMIC-III），外加eICU-CRD数据集用于外部验证	未明确提及，但可能基于PyTorch或TensorFlow等深度学习框架	Transformer, GRU	准确率, 敏感性, AUROC, AUPRC	未明确提及
10354	2026-01-28	Complex Phonon Behaviors Dictate Anisotropic and Nonmonotonic Thermal Transport in Ice Polymorphs 2026-Jan-09, Physical review letters IF:8.1Q1 DOI:10.1103/fw22-25rz PMID:41586639	研究论文	本研究结合深度学习势能与分子动力学模拟，探究了冰多晶型物在宽温压范围内的热输运行为，揭示了其各向异性与非单调压力依赖性	首次利用深度学习势能结合分子动力学模拟，在从头算精度下系统研究冰多晶型物的热输运，揭示了氢键网络复杂性对热输运的主导作用	研究未涉及极端高压或低温条件下的热输运行为，且模拟范围限于特定温压区间	探究冰多晶型物的热输运机制及其与微观结构的关系	冰多晶型物（冰的不同晶体结构）	计算材料科学	NA	深度学习势能、分子动力学模拟、从头算方法	深度学习势能模型	分子结构数据、热输运模拟数据	NA	NA	NA	NA	NA
10355	2026-01-28	Bio-Inspired Ghost Imaging: A Self-Attention Approach for Scattering-Robust Remote Sensing 2026-Jan-08, Biomimetics (Basel, Switzerland) DOI:10.3390/biomimetics11010053 PMID:41589970	研究论文	本研究提出了一种受生物视觉系统启发的自注意力深度学习架构，用于增强雾霾环境下鬼成像的重建质量	首次将生物选择性注意力机制引入鬼成像，通过自注意力模块建模一维桶测量中的局部和全局依赖关系，在低采样率下实现细节和结构连贯性的优越恢复	研究主要基于模拟数据集（MNIST和自定义Human-Horse数据集），未在真实雾霾场景中进行大规模验证	提升鬼成像在雾霾等散射环境下的远程感知能力	雾霾环境下的鬼成像重建图像	计算机视觉	NA	鬼成像，深度学习	自注意力神经网络	一维桶测量数据，图像	基于MNIST和自定义Human-Horse数据集的模拟数据	NA	自注意力模块	峰值信噪比，结构相似性指数	NA
10356	2026-01-28	Segmentation-Guided Hybrid Deep Learning for Pulmonary Nodule Detection and Risk Prediction from Multi-Cohort CT Images 2026-Jan-06, Diseases (Basel, Switzerland) DOI:10.3390/diseases14010021 PMID:41590236	研究论文	本研究提出了一种名为Seg-CADe-CADx的双阶段深度学习框架，用于从多队列CT图像中检测肺结节并进行恶性风险预测	提出了一种结合分割引导检测与恶性分类的双阶段深度学习框架，其中检测阶段采用轻量级2.5D细化头提升小结节定位精度，分类阶段使用混合3D DenseNet-Swin Transformer架构并结合概率校准以提高风险估计的可靠性	未明确提及研究的具体局限性	开发一个统一的计算机辅助检测与诊断框架，以同时提升肺结节的定位准确性和恶性评估能力，并保持临床可靠性	多队列CT图像中的肺结节	计算机视觉	肺癌	低剂量计算机断层扫描（LDCT）	CNN, Transformer	图像	基于公开基准数据集（如LUNA16和LIDC-IDRI），具体样本数量未明确说明	NA	DenseNet, Swin Transformer	竞争性能指标（CPM）, ROC-AUC, PR-AUC, 特异性, 敏感性, 预期校准误差, Brier分数	NA
10357	2026-01-28	Advancing Drug-Drug Interaction Prediction with Biomimetic Improvements: Leveraging the Latest Artificial Intelligence Techniques to Guide Researchers in the Field 2026-Jan-05, Biomimetics (Basel, Switzerland) DOI:10.3390/biomimetics11010039 PMID:41589955	综述	本文全面综述了基于人工智能（AI）的药物-药物相互作用（DDI）预测方法，包括经典机器学习、深度学习、图模型及新兴仿生方法	探讨了仿生改进在AI模型中的应用，如遗传算法优化LR和SVM、神经评估优化DNN和LSTM、蚁群启发的图网络路径探索及免疫启发的注意力机制，为DDI预测提供了新的研究方向	未提及具体实验验证或性能比较数据，主要基于理论和方法综述，缺乏实际应用案例的深入分析	综述AI技术在药物-药物相互作用预测领域的应用，指导研究人员改进预测模型的准确性、可用性和可解释性	药物-药物相互作用（DDI）预测方法及相关AI模型	机器学习	NA	机器学习（ML）、深度学习（DL）、图模型、知识图谱、Transformer	LR, SVM, DNN, LSTM, GCN, GAT, Transformer	生物、化学和临床领域的大规模数据	NA	NA	深度神经网络（DNN）、长短期记忆网络（LSTM）、图卷积网络（GCN）、图注意力网络（GAT）、Transformer	NA	NA
10358	2026-01-28	Developing a Deep Learning Radiomics Model Combining Lumbar CT, Multi-Sequence MRI, and Clinical Data to Predict High-Risk Adjacent Segment Degeneration Following Lumbar Fusion: A Retrospective Multicenter Study 2026-Jan, Global spine journal IF:2.6Q1 DOI:10.1177/21925682251342531 PMID:40488256	研究论文	本研究开发并验证了一个结合临床数据、深度学习影像组学和影像组学特征的模型，用于预测腰椎融合术后高风险邻近节段退变	首次结合Vision Transformer 3D深度学习模型、影像组学特征和临床数据，构建多模态预测模型，用于预测腰椎融合术后高风险邻近节段退变	回顾性研究设计，样本量相对较小（305例患者），外部验证队列规模有限（30例）	预测腰椎融合术后高风险邻近节段退变患者	接受腰椎融合手术的患者	医学影像分析	脊柱退行性疾病	CT, 多序列MRI	Vision Transformer 3D, 线性支持向量机, AdaBoost, 多层感知机	影像数据（CT, MRI）, 临床数据	305例患者（训练集192例，内部验证集83例，外部测试集30例）	NA	Vision Transformer 3D	ROC曲线下面积（AUC）	NA
10359	2026-01-28	Identification of Atypical Scoliosis Patterns Using X-ray Images Based on Fine-Grained Techniques in Deep Learning 2026-Jan, Global spine journal IF:2.6Q1 DOI:10.1177/21925682251349999 PMID:40500925	研究论文	本研究基于深度学习中的细粒度技术，利用X射线图像开发了一个分类模型，用于筛查脊柱侧凸，并进一步识别与Chiari畸形I型相关的非典型脊柱侧凸模式	开发了基于ResNet-50的细粒度分类模型，能够准确筛查与Chiari畸形I型相关的非典型脊柱侧凸模式，并在某些性能指标上超越了资深脊柱外科医生的诊断水平	研究为回顾性诊断研究，样本量相对有限（508对图像），可能影响模型的泛化能力	开发一个基于深度学习的细粒度分类模型，用于从X射线图像中筛查脊柱侧凸，并识别与Chiari畸形I型相关的非典型模式	Chiari畸形I型患者、青少年特发性脊柱侧凸患者和正常对照的冠状位和矢状位X射线图像	计算机视觉	脊柱侧凸	X射线成像	CNN	图像	508对冠状位和矢状位X射线图像，来自Chiari畸形I型患者、青少年特发性脊柱侧凸患者和正常对照	NA	ResNet-50	准确率, 灵敏度, 特异性, 阳性预测值, 阴性预测值, ROC曲线	NA
10360	2026-01-28	Early prediction of adverse outcomes in liver cirrhosis using a CT-based multimodal deep learning model 2026-Jan, Abdominal radiology (New York) DOI:10.1007/s00261-025-05045-0 PMID:40576670	研究论文	本研究开发了一种基于CT的多模态深度学习模型TMF-LCNet，用于早期预测肝硬化患者的不良结局	提出了一种新颖的三模态融合深度学习网络TMF-LCNet，整合了非对比腹部CT图像、从肝脏和脾脏提取的影像组学特征以及包含实验室参数和脂肪组织成分测量的临床文本数据，以早期预测肝硬化不良结局	研究为回顾性设计，样本量相对较小（共243例患者），且仅包含两个中心的患者数据，可能限制模型的泛化能力	开发一个深度学习模型，用于早期预测肝硬化患者的不良结局，以改善早期风险评估和临床管理策略	早期肝硬化患者	数字病理学	肝硬化	CT成像	深度学习	图像, 文本, 特征	243例早期肝硬化患者（训练队列184例，外部测试队列59例）	NA	TMF-LCNet	AUC, 校准曲线, 决策曲线分析	NA