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
1061	2026-03-21	Current Trends and Future Directions of Statistical Methods in Medical Research: A Scientometric Analysis 2025-09, Journal of evaluation in clinical practice IF:2.1Q2 DOI:10.1111/jep.70257 PMID:40916916	综述	本研究通过科学计量分析，探讨了医学研究中统计方法的当前趋势、热点领域及未来发展方向	利用CiteSpace进行双图叠加和文献共被引分析，结合网络指标量化文献影响力与新颖性，系统揭示了医学统计学与多学科的交叉融合及人工智能等新兴技术的增长趋势	研究基于Web of Science的4,919篇出版物，可能未涵盖所有相关文献，且未来方向预测基于现有趋势分析，存在不确定性	全面分析医学统计学领域的当前趋势、有影响力的研究领域及未来方向	医学研究中的统计方法及相关出版物	机器学习	NA	科学计量分析，包括高频关键词分析、引文指标分析、双图叠加分析、文献共被引分析	NA	文本数据（出版物元数据）	4,919篇相关出版物	CiteSpace	NA	网络指标（如中介中心性、sigma值）	NA
1062	2026-03-21	Deep Learning-Assisted SERS for Therapeutic Drug Monitoring of Clozapine in Serum on Plasmonic Metasurfaces 2025-04-02, Nano letters IF:9.6Q1 DOI:10.1021/acs.nanolett.5c00391 PMID:40111434	研究论文	提出一种结合人工神经网络与表面增强拉曼光谱的集成框架，用于快速监测血清中氯氮平及其代谢物的浓度	首次将人工神经网络与基于等离子体超表面的表面增强拉曼光谱技术集成，实现对氯氮平及其两种主要代谢物的快速分类和浓度预测	未明确说明样本量、模型架构细节、计算资源及具体性能指标数值	开发一种快速、精确的治疗药物监测方法，以优化精神分裂症患者的治疗效果并减少不良反应	人血清中的氯氮平及其两种主要代谢物（去甲氯氮平和氯氮平-N-氧化物）	机器学习	精神分裂症	表面增强拉曼光谱	人工神经网络	光谱数据	NA	NA	NA	NA	NA
1063	2026-03-21	DSAM: A deep learning framework for analyzing temporal and spatial dynamics in brain networks 2025-Apr, Medical image analysis IF:10.7Q1 DOI:10.1016/j.media.2025.103462 PMID:39892220	研究论文	提出了一种名为DSAM的可解释深度学习框架，用于分析脑网络中的时空动态特征	该框架直接学习目标特定的功能连接矩阵，并采用专门的图神经网络进行分类，超越了固定连接矩阵的假设	未明确提及	开发深度学习框架以揭示大脑的时空动态特征	静息态功能磁共振成像数据	机器学习	NA	静息态功能磁共振成像	图神经网络, 卷积神经网络	时间序列数据	Human Connectome Project数据集1075个样本，Adolescent Brain Cognitive Development数据集8520个样本	NA	DSAM（包含时间因果卷积网络、时间注意力单元、自注意力单元和图神经网络变体）	NA	NA
1064	2026-03-21	The impact of artificial intelligence on the endoscopic assessment of inflammatory bowel disease-related neoplasia 2025, Therapeutic advances in gastroenterology IF:3.9Q1 DOI:10.1177/17562848251348574 PMID:40556746	综述	本文总结了人工智能在炎症性肠病相关肿瘤内镜评估中的应用现状、潜在益处、局限性和未来方向	聚焦于AI在IBD相关肿瘤内镜检测中的应用，这是相对于非IBD人群研究较为有限的领域，并强调了其在减少观察者间变异、改善活检靶向和个性化监测策略方面的潜力	针对IBD相关肿瘤的临床数据仍然有限，需要更多在IBD特定队列中的验证研究以及与临床工作流程的整合	总结人工智能技术在检测IBD相关肿瘤方面的应用证据	炎症性肠病患者及其内镜评估	数字病理学	炎症性肠病	内镜检查	机器学习, 深度学习	内镜图像	NA	NA	NA	灵敏度	NA
1065	2026-03-21	Diagnostic accuracy of a deep learning model for pterygium detection in Barcelos, Brazilian Amazon 2025, Arquivos brasileiros de oftalmologia IF:1.1Q3 DOI:10.5935/0004-2749.2025-0053 PMID:41172514	研究论文	本研究评估了基于MobileNet-V2的深度学习模型在巴西亚马逊地区使用智能手机拍摄的前节照片中检测翼状胬肉的诊断准确性	在偏远亚马逊地区首次应用基于智能手机和MobileNet-V2的深度学习模型进行翼状胬肉检测，为医疗资源匮乏地区提供AI辅助筛查方案	样本量较小（仅38名参与者），为试点研究，需要在更大规模人群中验证模型性能	评估深度学习模型在翼状胬肉检测中的诊断准确性，探索AI在偏远地区眼科筛查中的应用潜力	巴西巴塞卢斯地区的38名参与者（76只眼睛）的前节照片	计算机视觉	眼科疾病	智能手机摄影	CNN	图像	38名参与者（76只眼睛）	NA	MobileNet-V2	灵敏度, 特异性, 准确率, 阳性预测值, 阴性预测值, AUC	NA
1066	2026-03-21	Deep learning neural networks-based traffic predictors for V2X communication networks 2025, Frontiers in artificial intelligence IF:3.0Q2 DOI:10.3389/frai.2025.1701951 PMID:41480282	研究论文	本研究探讨了基于循环神经网络和卷积神经网络的深度学习模型在V2X通信网络中用于交通预测的应用	系统比较了GRU、LSTM和BiLSTM等RNN变体以及CNN在V2X交通预测中的性能，并优化了损失函数和优化器等超参数	未明确说明数据来源、具体网络拓扑结构以及模型在真实V2X环境中的部署验证	提高V2X通信网络的交通信息预测准确性，以改善交通管理、缓解拥堵并提升网络安全与能效	V2X通信网络中的交通流量模式	机器学习	NA	NA	RNN, CNN	交通流量数据	NA	NA	GRU, LSTM, BiLSTM	准确率, 计算效率, RMSE	NA
1067	2026-03-21	CMNet: an asymmetric dual-branch network for accurate cotton segmentation 2025, Frontiers in plant science IF:4.1Q1 DOI:10.3389/fpls.2025.1692647 PMID:41852902	研究论文	本文提出了一种名为CMNet的新型双分支棉花分割网络，用于在复杂田间环境中实现精确的棉花分割	提出了一种非对称双分支网络CMNet，通过引入2D选择性扫描模块替代原始Transformer分支来优化ParaTransCNN架构，并集成可变形卷积网络模块以增强对不规则形状目标的感知，同时采用ASPP模块和scSE注意力机制来增强多尺度特征表示和特征建模能力	未明确说明模型在极端光照条件或严重遮挡情况下的性能表现	提高复杂田间环境下棉花分割的准确性和鲁棒性，为智能农业应用提供技术支持	田间棉花图像	计算机视觉	NA	深度学习	CNN, Transformer	图像	未明确说明具体样本数量，但使用了自建的田间棉花图像数据集	PyTorch	U-Net, ParaTransCNN, Vision Mamba	Dice系数, mIoU, 准确率	未明确说明具体计算资源
1068	2026-03-21	Conserved cysteine residues in Kaposi's sarcoma herpesvirus ORF34 are necessary for viral production and viral pre-initiation complex formation 2024-08-20, Journal of virology IF:4.0Q2 DOI:10.1128/jvi.01000-24 PMID:39078391	研究论文	本研究通过深度学习辅助的结构模型揭示了卡波西肉瘤疱疹病毒ORF34中保守的半胱氨酸残基对病毒前起始复合体形成和病毒生产的关键作用	利用深度学习算法辅助构建ORF34结构模型，首次系统鉴定并验证了四个保守半胱氨酸残基在vPIC组装中的金属离子捕获功能	研究主要基于体外细胞实验，尚未在动物模型中验证这些突变体的体内影响；金属离子结合的具体机制仍需进一步生化验证	阐明KSHV ORF34蛋白在病毒前起始复合体中的具体作用机制及其对病毒晚期基因表达的调控功能	卡波西肉瘤疱疹病毒（KSHV）的ORF34蛋白及其保守氨基酸残基	计算生物学	卡波西肉瘤	深度学习辅助结构建模、丙氨酸扫描突变、病毒-细菌人工染色体（BAC）系统	深度学习算法	蛋白质序列与结构数据	NA	NA	NA	病毒产量恢复效率、蛋白质相互作用强度	NA
1069	2026-03-21	Inter-rater reliability in labeling quality and pathological features of retinal OCT scans: A customized annotation software approach 2024, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0314707 PMID:39693322	研究论文	本研究分析了两位评审员在标注视网膜OCT扫描质量和常见病理特征时的一致性	开发了自定义标注软件来评估OCT扫描特征标注的评分者间可靠性	某些特征如SRF和高反射点的标注一致性较低	评估OCT扫描质量和病理特征标注的评分者间可靠性	500个来自CIRRUS HD-OCT 5000设备的视网膜OCT扫描	数字病理学	视网膜疾病	光学相干断层扫描	NA	图像	500个OCT扫描，每位患者眼睛由16个随机扫描表示	NA	NA	原始百分比一致性, Cohen's kappa系数	NA
1070	2026-03-21	From cancer big data to treatment: Artificial intelligence in cancer research 2024-01, The journal of gene medicine IF:3.2Q2 DOI:10.1002/jgm.3629 PMID:37940369	综述	本文概述了癌症大数据，并探讨了传统机器学习和深度学习方法在癌症基因组学和蛋白质组学研究中的应用	探索了多模态人工智能框架在分析高维多组学数据中的应用，以提取难以手动获取的有意义信息	可解释性和数据质量仍然是关键挑战	推进对癌症生物学的理解，改善患者护理和临床结果	癌症大数据，包括临床研究、基因组学、蛋白质组学和公共卫生记录	机器学习	癌症	组学技术	传统机器学习，深度学习	多组学数据	NA	NA	NA	NA	NA
1071	2026-03-21	mHealth hyperspectral learning for instantaneous spatiospectral imaging of hemodynamics 2023-Apr, PNAS nexus IF:2.2Q1 DOI:10.1093/pnasnexus/pgad111 PMID:37113981	研究论文	本文提出了一种基于学习的高光谱成像方法，通过少量采样数据从RGB图像中恢复高光谱立方体，实现快速血流动力学成像	提出高光谱学习概念，仅需小区域采样数据即可从RGB图像恢复完整高光谱立方体，突破传统高光谱成像的空间-光谱权衡限制	未明确说明算法在不同光照条件和组织类型下的泛化能力，也未讨论计算复杂度对实时应用的影响	开发一种快速、低成本的高光谱成像方法，用于血流动力学监测	血管发育实验模型和人体外周微循环系统	计算机视觉	心血管疾病	高光谱成像，智能手机视频录制	深度学习	图像，视频	NA	NA	NA	光谱分辨率（与科学光谱仪对比）	普通智能手机摄像头
1072	2026-03-21	Rapid Serial Immunoprofiling of the Tumor Immune Microenvironment by Fine Needle Sampling 2021-09-01, Clinical cancer research : an official journal of the American Association for Cancer Research IF:10.0Q1 DOI:10.1158/1078-0432.CCR-21-1252 PMID:34233961	研究论文	本文介绍了一种结合生物正交化学和计算分析流程的创新技术FAST-FNA，用于通过细针抽吸对肿瘤免疫微环境进行快速、连续的免疫分析	首次证明通过简单的细针抽吸可以准确、连续地测量治疗期间复杂且快速演变的肿瘤免疫微环境，结合了生物正交化学和深度学习辅助分析流程	NA	开发一种微创方法，用于在免疫治疗期间连续评估肿瘤免疫微环境，以发现和整合预测性或预后性生物标志物	临床前小鼠模型和人类癌症患者的肿瘤免疫微环境中的单细胞	数字病理学	癌症	细针抽吸、生物正交化学、流式细胞术	深度学习	图像、单细胞数据	临床前样本和人类样本（具体数量未在摘要中明确说明）	NA	NA	R2（决定系数）	NA
1073	2026-03-20	Computer-aided diagnosis of DDH using ultrasound: deep learning for segmentation and accurate angle measurement aligned with radiologist's clinical workflow 2026-Mar-18, Medical ultrasonography IF:1.8Q3 DOI:10.11152/mu-4535 PMID:40789016	研究论文	本文提出了一种用于超声评估发育性髋关节发育不良的计算机辅助诊断系统，该系统集成了深度学习进行解剖结构分割，并采用Graf方法进行α和β角度测量	提出了一种结合解剖分割和角度测量的临床工作流对齐的CAD系统，在基线定义中排除了髂骨下缘的曲率以提升准确性，并提供了全面的标准化评估指标集以解决深度学习研究中常见的指标报告异质性问题	研究样本量相对有限（452张原始图像来自370名新生儿），且仅使用了单一机构的超声图像数据	开发一种自动化评估发育性髋关节发育不良的计算机辅助诊断系统	新生儿髋关节超声图像	数字病理学	发育性髋关节发育不良	超声成像	深度学习	图像	452张原始超声图像（来自370名新生儿），增强后共768张图像用于训练和评估	NA	U-Net, MaskR-CNN, YOLOv8, YOLOv11	精确度, 召回率, IoU, Dice系数, mAP, Bland-Altman分析, 组内相关系数	NA
1074	2026-03-20	PET Head Motion Estimation Using Supervised Deep Learning With Attention 2026-Mar, IEEE transactions on medical imaging IF:8.9Q1 DOI:10.1109/TMI.2025.3620714 PMID:41082441	研究论文	本文提出了一种基于监督深度学习和交叉注意力机制的PET头部运动估计与校正方法DL-HMC++	提出了首个利用交叉注意力机制从一秒3D PET原始数据中预测刚性头部运动的深度学习模型，无需外部硬件跟踪设备	方法主要针对刚性头部运动，未明确讨论非刚性运动或极端运动情况下的性能	开发一种数据驱动的PET头部运动校正方法，以替代硬件运动跟踪，提高临床实用性	脑部PET成像中的头部运动伪影	医学影像分析	神经系统疾病	正电子发射断层扫描（PET）	深度学习模型	3D PET原始数据	使用两台PET扫描仪（HRRT和mCT）和四种放射性示踪剂（F-FDG, F-FPEB, C-UCB-J, C-LSN3172176）的大规模队列研究数据	未明确说明	基于交叉注意力机制的深度学习架构	标准摄取值差异比，定性图像质量评估	NA
1075	2026-03-20	The Evolution of Machine Learning in Medicinal Chemistry: A Comprehensive Bibliometric Analysis 2026, Current neuropharmacology IF:4.8Q1 DOI:10.2174/011570159X384988250430093924 PMID:40370247	综述	本文通过文献计量学方法，全面分析了2001年至2023年间人工智能在药物化学领域的应用研究，揭示了该领域的发展趋势和前沿热点	首次采用混合研究策略（内容分析与文献计量学）结合bibliometrix、CiteSpace V和VOSviewer工具，对AI在药物化学领域的文献进行系统性回顾，并识别出多模态和大语言模型等未来研究方向	研究主要基于文献计量分析，未深入探讨具体AI技术的实验验证或临床应用的局限性	分析人工智能在药物化学领域的研究现状、发展趋势和未来热点	2001年至2023年间发表的AI在药物化学领域的学术文献	机器学习	NA	文献计量学分析、内容分析	NA	文献数据	覆盖92个国家或地区、196个研究机构的AI-MC相关文章	bibliometrix (R软件), CiteSpace V, VOSviewer	NA	NA	NA
1076	2026-03-20	Deep learning model for automated detection of Helicobacter pylori and intestinal metaplasia on gastric biopsy digital whole slide images 2025-Nov-19, American journal of clinical pathology IF:2.3Q2 DOI:10.1093/ajcp/aqaf110 PMID:40996022	研究论文	开发一种基于深度学习的自动化检测工具，用于在胃活检数字全切片图像上识别幽门螺杆菌和肠上皮化生	采用两阶段模型，结合Vision Transformer进行伪影过滤和Graph Attention Network进行特征聚合，并考虑背景炎症特征以更贴近临床诊断实际	NA	开发自动化检测工具以辅助胃活检标本中幽门螺杆菌和肠上皮化生的识别	胃活检标本的H&E染色全切片图像	数字病理学	胃部疾病	H&E染色	Vision Transformer, Graph Attention Network	图像	180张H&E胃活检全切片图像	NA	Vision Transformer, Graph Attention Network	精确度, F1分数, 微平均F1分数, 宏平均F1分数	NA
1077	2026-03-20	Deep learning-based prediction of cardiopulmonary disease in retinal images of premature infants 2025-Sep-19, medRxiv : the preprint server for health sciences DOI:10.1101/2025.09.18.25336004 PMID:41001491	研究论文	本研究利用深度学习模型分析早产儿视网膜图像，预测支气管肺发育不良和肺动脉高压的诊断	首次将早产儿视网膜筛查图像与多模态模型结合，用于预测心肺疾病，超越了仅基于人口统计学风险因素的模型性能	研究样本量有限（BPD队列99例，PH队列37例），且图像采集时间限于孕后34周内，可能影响模型泛化能力	探索早产儿视网膜图像中是否包含与支气管肺发育不良和肺动脉高压相关的特征，并评估多模态模型的预测性能	493名有早产儿视网膜病变风险的婴儿，来自7个新生儿重症监护室	数字病理学	心血管疾病	视网膜图像采集，支持向量机	深度学习，支持向量机	图像，人口统计学数据	493名婴儿（BPD测试集99例，PH测试集37例）	NA	ResNet18	AUC	NA
1078	2026-03-20	mamp-ml: A deep learning approach to epitope immunogenicity in plants 2025-Jul-15, bioRxiv : the preprint server for biology DOI:10.1101/2025.07.11.664399 PMID:40791437	研究论文	本文开发了一个名为mamp-ml的机器学习框架，用于预测植物受体-配体相互作用，特别是针对植物免疫系统中的免疫原性结果	结合了超过二十年的功能数据和大型蛋白质语言模型ESM-2，构建了一个能够预测免疫原性结果的管道和模型，即使缺乏实验结构也能实现73%的预测准确率	未明确提及具体局限性，但可能包括模型在未知受体-配体组合上的泛化能力或数据依赖性	开发一个计算框架，用于高通量筛选植物LRR受体-配体组合，并工程化植物免疫系统	植物受体和配体，特别是与病原体检测和免疫诱导相关的LRR受体	机器学习	NA	机器学习，蛋白质语言模型	深度学习	蛋白质序列数据，功能数据	基于超过二十年的功能数据，具体样本数量未明确	NA	ESM-2	准确率	NA
1079	2026-03-20	Machine Learning Analysis of Videourodynamics to Predict Incident Hydronephrosis in Patients With Spina Bifida 2025-07, The Journal of urology IF:5.9Q1 DOI:10.1097/JU.0000000000004547 PMID:40132220	研究论文	本研究开发了机器学习模型，利用视频尿动力学数据预测脊柱裂患者发生肾积水的风险	首次将机器学习应用于视频尿动力学数据，通过自动化特征提取（包括压力/体积记录和荧光透视图像）来预测肾积水事件，并构建了集成模型以提高预测性能	研究样本量相对有限（训练队列354人，验证队列200人），且模型性能（C统计量0.73）仍有提升空间，未进行外部验证	开发可靠的机器学习模型，以预测脊柱裂患者发生肾积水的风险，减少视频尿动力学解读的主观差异性	脊柱裂患者（年龄范围2个月至42岁）	机器学习	脊柱裂	视频尿动力学研究	随机生存森林, 集成模型	视频尿动力学数据（包括压力/体积记录和荧光透视图像）	训练队列354名患者，验证队列200名患者	NA	随机生存森林	C统计量, 特异性	NA
1080	2026-03-20	A Multi-Region Brain Model to Elucidate the Role of Hippocampus in Spatially Embedded Decision-Making 2025-May-29, bioRxiv : the preprint server for biology DOI:10.1101/2025.05.29.656671 PMID:40502058	研究论文	本文提出了一种多区域脑模型，用于探索海马体在空间嵌入式二元决策任务中的规范作用，并通过对比不同交互架构的强化学习代理，揭示了特定脑启发结构对学习效率的优化	通过反事实比较不同网格细胞与位置细胞交互架构的强化学习代理，发现特定架构能优化学习效率并再现实验观察，为高效强化学习提供了脑启发的结构化架构	模型基于简化假设，可能未完全捕捉真实神经回路的复杂性，且预测需要新的神经生理学实验验证	探索结构化记忆回路在空间嵌入式二元决策任务中的规范作用，以启发深度学习的归纳偏置	强化学习代理与不同交互架构的脑模型，特别是内嗅皮层和海马体中的网格细胞与位置细胞	机器学习	NA	强化学习	循环神经网络	模拟数据	NA	NA	循环神经网络	学习效率	NA