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
1081	2026-03-28	Graph Learning in Bioinformatics: A Survey of Graph Neural Network Architectures, Biological Graph Construction and Bioinformatics Applications 2026-02-23, Biomolecules IF:4.8Q1 DOI:10.3390/biom16020333 PMID:41750401	综述	本文综述了图神经网络在生物信息学中的应用，涵盖图构建、架构设计和生物医学应用	提供了一个结构化框架，从图构建、GNN架构到生物医学应用三个维度系统梳理GNN在生物信息学中的方法与应用，并强调图质量、架构选择和训练动态对性能的联合影响	NA	为理解和应用图神经网络在生物信息学中提供一个系统框架	生物系统，包括蛋白质相互作用网络、基因调控回路、分子图和多组学整合等	生物信息学	NA	图神经网络	GNN, GCN, GAT, GraphSAGE, GIN	图数据	NA	NA	Graph Convolutional Networks, Graph Attention Networks, Graph Sample and AggregatE, Graph Isomorphism Network	NA	NA
1082	2026-03-28	Detection of esophageal varices and prediction of hepatic decompensation in unresectable hepatocellular carcinoma using AI 2026-Feb-10, Journal of hepatology IF:26.8Q1 DOI:10.1016/j.jhep.2026.01.021 PMID:41679555	研究论文	本研究开发并外部验证了基于AI的非侵入性模型，用于检测食管静脉曲张和预测肝失代偿，以改善不可切除肝细胞癌患者的预后评估	首次将基础模型HepatoSageCT应用于常规增强CT图像，结合临床数据，实现了对食管静脉曲张和肝失代偿风险的准确非侵入性预测	研究为回顾性设计，需要前瞻性验证来进一步确认模型的临床适用性	开发非侵入性模型以检测食管静脉曲张并预测肝失代偿风险，减少不必要的内镜检查并改善不可切除肝细胞癌患者的预后评估	接受阿特珠单抗-贝伐珠单抗治疗的不可切除肝细胞癌患者	数字病理学	肝细胞癌	对比增强CT	深度学习	图像, 临床数据	489名患者（开发队列279名，外部验证队列210名）	NA	HepatoSageCT	AUROC, 敏感性, 特异性, C指数, 风险比	NA
1083	2026-03-28	QPred: A Quantum Mechanical Property Predictor for Small Molecules 2026-Jan-26, Journal of chemical information and modeling IF:5.6Q1 DOI:10.1021/acs.jcim.5c02864 PMID:41490442	研究论文	本文提出了一种名为QPred的新型量子力学性质预测器，用于小分子的高通量筛选	提出了一种解耦的深度学习架构，能够自适应地利用2D拓扑图或3D几何信息进行分子性质预测，并引入了基于环的半主节点增强的MPNN和具有解耦更新机制的等变网络	未在摘要中明确说明	开发一种高效、高精度且可解释的分子性质预测方法，以加速分子发现过程	小分子的物理化学性质	机器学习	NA	深度学习	MPNN, 等变网络	2D拓扑图, 3D几何信息	NA	NA	Message Passing Neural Network (MPNN), 等变网络	NA	NA
1084	2026-03-28	Automated 3D segmentation of human vagus nerve fascicles and epineurium from micro-computed tomography images using anatomy-aware neural networks 2026-Jan-20, Journal of neural engineering IF:3.7Q2 DOI:10.1088/1741-2552/ae33f6 PMID:41494208	研究论文	本研究提出了一种基于深度学习的方法，用于从高分辨率微计算机断层扫描图像中自动三维分割人类迷走神经束和神经外膜	引入了新颖的解剖感知损失函数，确保预测结果符合神经拓扑结构，并开发了多类3D U-Net模型，显著提高了分割精度和解剖保真度	研究仅基于5名受试者的100个微CT体积数据，样本量相对较小，且未明确提及模型在其他神经类型或成像模态上的泛化能力	旨在通过自动化三维分割技术，精确量化神经形态，以支持有效的周围神经刺激疗法设计	人类迷走神经束和神经外膜	数字病理学	NA	微计算机断层扫描	U-Net	图像	100个微CT体积数据，来自5名受试者的颈部和胸部迷走神经	NA	3D U-Net, 2D U-Net	Dice相似系数, 体积重叠, 边界描绘, 神经束实例检测	NA
1085	2026-03-28	Deep learning feature-based model on abdominal radiography outperforms experts for early necrotizing enterocolitis diagnosis in neonates 2026-Jan-13, European radiology IF:4.7Q1 DOI:10.1007/s00330-025-12264-y PMID:41528473	研究论文	本研究开发了一种基于腹部平片和深度学习特征的模型，用于辅助新生儿坏死性小肠结肠炎（NEC）的早期诊断，并在外部验证中表现优于人类专家	首次将深度学习特征提取（使用DenseNet121）与放射组学模型（逻辑回归和随机森林）结合，应用于腹部平片以诊断早期NEC，并在多中心数据中验证其性能超越人类专家	研究为回顾性设计，样本量相对有限（共680例），且仅基于两家中心的数据，未来需要前瞻性研究和更大规模的外部验证	探索深度学习模型在辅助新生儿坏死性小肠结肠炎（NEC）早期诊断中的应用	接受腹部平片检查的新生儿	数字病理学	坏死性小肠结肠炎	腹部平片放射成像	CNN, 机器学习模型	图像	共680名新生儿（训练队列380例，外部验证队列300例）	PyTorch（推断自DenseNet121的常见实现）, Scikit-learn	DenseNet121	AUC, 准确率	NA
1086	2026-03-28	A Deep Learning Model to Identify Mitral Valve Prolapse From the Echocardiogram 2026-Jan, JACC. Cardiovascular imaging DOI:10.1016/j.jcmg.2025.08.011 PMID:41031982	研究论文	本研究开发了一种名为DROID-MVP的深度学习模型，用于从超声心动图视频中自动识别二尖瓣脱垂	首次提出一个深度学习模型DROID-MVP，能够从超声心动图视频中自动诊断二尖瓣脱垂，并与临床终点（如二尖瓣反流严重程度和未来手术需求）相关联	模型主要基于单一医疗中心（MGH）的数据进行训练，外部验证虽包含BWH数据，但样本量相对较小，可能存在泛化性限制	开发一个深度学习模型，以自动化二尖瓣脱垂的诊断过程，减少对专业知识和时间的依赖	心脏科患者和初级保健患者的超声心动图视频数据	计算机视觉	心血管疾病	超声心动图	深度学习模型	视频	总计1,043,893个超声心动图视频（来自48,829项研究），涉及16,902名MGH心脏科患者、8,888名MGH初级保健患者和257名BWH初级保健患者	未明确提及	DROID-MVP（未指定具体架构如ResNet、CNN等）	AUROC, 平均精度	未明确提及
1087	2026-03-28	DRFC: An efficient cloud-based feature reduction and clustering algorithm for agricultural product and remote-sensing imagery 2026, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0344526 PMID:41880308	研究论文	本文提出了一种高效的云原生特征降维与聚类算法DRFC，用于处理农业产品和遥感图像，以解决深度学习模型在资源受限环境中的部署问题	DRFC算法结合轻量级降维与动态资源流管理，能动态分配云资源并保持高维数据结构的判别性，在资源效率上优于传统方法	算法主要针对资源受限环境设计，可能不适用于需要极高精度的复杂深度学习任务	开发一种可扩展、资源高效的解决方案，用于处理农业近距离图像和高尺度遥感图像	农业产品图像（如水果）和遥感图像（如农作物数据）	计算机视觉	NA	特征降维与聚类算法	NA	图像	两个基准数据集：Fruits-360（产品级分类）和USDA Cropland Data Layer/BigEarthNet（作物级分析）	NA	NA	准确率, F1分数, mAP, 资源效率指标	云原生环境，分布式节点
1088	2026-03-28	Enhancing autonomous agriculture control systems in greenhouses for sustainable resource usage using deep learning techniques 2026, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0344946 PMID:41886461	研究论文	本文提出了一种基于强化学习的温室气候控制框架，通过集成深度学习模型预测作物生长和资源消耗，以优化控制设定点，实现作物产量最大化与资源可持续利用的平衡	提出了一种结合多层感知器（MLP）和长短期记忆（LSTM）模型的强化学习框架，用于动态优化温室控制；设计了考虑作物参数和资源消耗指标的自定义奖励函数；引入了特征选择机制以降低观测复杂性并加速收敛；通过随机天气条件下的再训练增强了模型对动态环境的鲁棒性	NA	优化温室气候控制系统，以实现可持续资源利用和作物产量最大化	温室气候控制（温度、CO2浓度、灌溉水平）	机器学习	NA	强化学习（RL），深度学习	MLP, LSTM	气候数据，作物生长数据，资源消耗数据	NA	NA	多层感知器（MLP），长短期记忆（LSTM）	累积奖励，收敛速度，帕累托前沿（产量与资源消耗的权衡）	NA
1089	2026-03-28	Prostate cancer tissue mapping and stratification using DRAQ5 and Eosin fluorescent labels integrated with AI classification and segmentation algorithms 2026, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0345014 PMID:41886726	研究论文	本研究开发了基于DRAQ5和Eosin荧光标记的深度学习模型，用于前列腺癌组织的分类和分割，以评估其在临床诊断中的应用潜力	结合DRAQ5和Eosin荧光标记与AI分类分割算法，系统探究了图像采集和配置变异性对AI预测准确性的影响，并建立了自动Gleason分级（1-5）组织样本的实验和分析稳健性界限	未明确说明样本的具体数量或来源多样性，且未来研究需进一步扩展以将荧光生物标志物与AI方法结合应用于临床	开发用于前列腺组织分类和分割的深度学习模型，评估荧光成像与AI工具在临床诊断中的潜在应用	前列腺组织样本，使用DRAQ5和Eosin荧光标记	数字病理学	前列腺癌	荧光显微镜，DRAQ5和Eosin探针标记	深度学习网络	荧光图像	NA	NA	NA	AUC, DICE分数	NA
1090	2026-03-28	Sparse-selective quantization for real-time cyber threat detection in large-scale networks 2026, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0345758 PMID:41886730	研究论文	提出了一种用于大规模网络实时网络威胁检测的稀疏选择性量化框架，以解决计算效率和检测准确性的双重挑战	将稀疏感知特征选择与动态精度量化相结合，并将特征级稀疏模式直接与动态量化策略关联，而非关注模型激活或固定参数	未明确说明在极端资源受限环境下的性能边界或对特定网络协议/加密流量的适应性	实现大规模网络中实时网络威胁的高效准确检测	大规模网络流量数据	机器学习	NA	稀疏感知特征选择、动态精度量化、深度学习分类	GRU-attention机制	网络流量数据	NA	TensorFlow Lite, TensorRT	GRU-attention	推理延迟、检测精度	边缘部署环境、TensorRT加速
1091	2026-03-28	Research progress of artificial intelligence in bone tumor imaging 2026, Frontiers in oncology IF:3.5Q2 DOI:10.3389/fonc.2026.1780545 PMID:41889404	综述	本文综述了人工智能在骨肿瘤影像学中的研究进展，并探讨了其在提高诊断准确性和临床管理方面的潜在应用	系统性地总结了AI在骨肿瘤影像识别、分割、分类及疗效评估中的应用，并展望了未来整合多模态影像数据以加强临床决策的方向	未提及具体研究方法的局限性，主要集中于进展综述而非原创性实验验证	探索人工智能技术在骨肿瘤影像分析中的应用，以提升诊断效率和准确性，并支持个体化治疗	骨肿瘤（包括原发性和转移性肿瘤）及其影像学特征	计算机视觉	骨肿瘤	影像学分析	深度学习算法	影像	NA	NA	NA	NA	NA
1092	2026-03-28	Lower limb edema detection and grading classification using deep learning and image enhancement technologies 2026, Frontiers in medicine IF:3.1Q1 DOI:10.3389/fmed.2026.1697503 PMID:41889522	研究论文	本研究提出了一种结合目标检测和图像分类的多阶段深度学习框架，用于下肢水肿的自动检测与分级	提出了一种整合YOLO目标检测、图像增强技术和分类模型的多阶段深度学习框架，并采用随机旋转数据增强和自动背景消除技术以解决数据不平衡问题	未明确提及模型在外部验证集上的泛化性能或临床环境中的实时应用挑战	开发自动化的下肢水肿检测与严重程度分级系统，以支持标准化和精准诊断	下肢水肿图像	计算机视觉	心血管疾病	图像增强技术	CNN	图像	NA	NA	YOLO	准确率, 召回率, 精确率	NA
1093	2026-03-28	Integrative deep learning strategies to enhance early-stage drug discovery: optimizing computational structure-activity modeling for pharmacotherapeutic innovation 2026, Journal of pharmacy & pharmaceutical sciences : a publication of the Canadian Society for Pharmaceutical Sciences, Societe canadienne des sciences pharmaceutiques DOI:10.3389/jpps.2026.16155 PMID:41889533	研究论文	本研究开发了一种优化的基于神经网络的预测框架，用于支持识别具有镇痛潜力的生物活性化合物	采用逐步特征消除程序优化分子描述符集，并利用Levenberg-Marquardt算法训练人工神经网络，在QSAR任务中取得了优于传统统计方法的性能	研究仅基于532个分子的数据集，样本规模相对有限；模型尚未经过实验验证	优化计算结构-活性建模以支持早期药物发现和化合物优先排序	532个结构多样的分子及其227个分子描述符	机器学习	NA	QSAR（定量构效关系）建模	人工神经网络	分子描述符数据	532个分子	NA	人工神经网络	相关系数, 预测误差	NA
1094	2026-03-28	Deep Learning-Based Rapid Identification of Escherichia coli and Klebsiella pneumoniae from Chromogenic Agar Urine Cultures Using YOLOv12 2026, Risk management and healthcare policy IF:2.7Q2 DOI:10.2147/RMHP.S561761 PMID:41889706	研究论文	本研究开发并验证了一种基于YOLOv12深度学习模型的人工智能系统，用于从显色琼脂尿液培养图像中快速识别大肠杆菌和肺炎克雷伯菌	首次将YOLOv12模型应用于尿液培养图像的细菌菌落快速识别，实现了亚秒级的准确分类，并显著优于其他五种基准深度学习模型	模型依赖于表型识别，对罕见显色变异（如金色色素大肠杆菌菌落）可能产生错误；大肠杆菌的真实标签依赖于显色形态学，这是研究的一个关键限制	开发并验证一种人工智能模型，用于快速识别尿液培养中的大肠杆菌和肺炎克雷伯菌，以缩短诊断时间并支持抗菌药物管理	从尿液培养中获取的大肠杆菌和肺炎克雷伯菌菌落图像	计算机视觉	尿路感染	显色琼脂培养，MALDI-TOF质谱分析	YOLO	图像	1547张显色琼脂尿液培养图像（850张大肠杆菌，697张肺炎克雷伯菌），外加91张独立图像用于外部验证	NA	YOLOv12	准确率，精确率，召回率，F1分数	NA
1095	2026-03-28	digiBONE: an automated tool for segmental Greulich-Pyle bone age assessment of Indian children and adolescents 2026, Frontiers in endocrinology IF:3.9Q2 DOI:10.3389/fendo.2026.1757571 PMID:41890183	研究论文	本文介绍了一个名为digiBONE的深度学习框架，用于自动化评估印度儿童和青少年的骨龄，通过分段建模手部骨骼成熟度来提高准确性	开发了一个深度学习框架，将手部X光片分割为解剖学上一致的区域（短骨、腕骨和手腕），并分别训练卷积神经网络，结合分段成熟度信息以改进骨龄预测	研究主要针对印度人群，可能在其他种族或地区中的适用性有限，且未详细讨论模型在临床环境中的实时部署挑战	开发一个自动化工具，用于提高印度儿童和青少年骨龄评估的准确性和可解释性	印度儿童和青少年的手部X光片	计算机视觉	儿科内分泌和生长障碍	手部X光成像	CNN	图像	未在摘要中明确说明样本数量	NA	卷积神经网络	平均绝对差异	NA
1096	2026-03-28	An auxiliary diagnosis model for the pathological classification of cervical cancer based on radiomics biomarkers 2026, Frontiers in genetics IF:2.8Q2 DOI:10.3389/fgene.2026.1685927 PMID:41890225	研究论文	本文提出了一种基于卷积循环特征提取（CRFE）的自动分割框架，结合放射组学和临床特征，构建了用于宫颈癌病理分类的辅助诊断模型	开发了CRFE自动分割框架，并引入了反映病变像素浓度趋势的基于直方图的成像特征，结合传统放射组学和临床特征，实现了宫颈癌的准确分割和病理分类	研究样本量较小（114例患者），且仅基于MRI图像，未考虑多模态数据或外部验证	构建一个辅助诊断模型，用于宫颈癌的病理分类，以支持个性化治疗规划	宫颈癌患者	数字病理	宫颈癌	MRI, 放射组学	CNN, RNN, RF, XGBoost, SVM, logistic regression	图像	114例宫颈癌患者	NA	CRFE	IoU, Dice系数, F1分数, 准确率	NA
1097	2026-03-28	Promoter hypomethylation of CDH7: a novel epigenetic marker associated with cerebral small vessel disease 2026, Frontiers in genetics IF:2.8Q2 DOI:10.3389/fgene.2026.1780415 PMID:41890232	研究论文	本研究通过全基因组启动子甲基化分析，识别并验证了CDH7启动子低甲基化作为与脑小血管病影像特征相关的表观遗传标记	首次发现CDH7启动子低甲基化可作为脑小血管病的独立表观遗传预测因子，并利用深度学习模型进行验证	样本量相对较小（初始队列仅32例），且仅基于血液炎症细胞进行分析，未涉及脑组织样本	识别和验证与脑小血管病相关的基因特异性启动子甲基化变化作为表观遗传标记	脑小血管病患者（基于MRI影像特征定义）的血液炎症细胞	表观遗传学	脑小血管病	Infinium MethylationEPIC v2.0芯片（全基因组启动子甲基化分析）	深度学习模型, 逻辑回归	甲基化数据, 临床数据	初始队列：32例（16例无SVD，16例有SVD）；验证队列：766例缺血性卒中患者	NA	NA	NA	NA
1098	2026-03-28	Noise2Average: An iterative residual learning strategy for image denoising without clean data 2026, Imaging neuroscience (Cambridge, Mass.) DOI:10.1162/IMAG.a.1163 PMID:41890245	研究论文	提出一种名为Noise2Average的迭代残差学习策略，用于无需干净数据的MRI图像去噪	通过迭代残差学习，利用多个噪声重复图像的平均值作为监督目标，无需高信噪比参考数据，并结合迁移学习实现特定受试者的自监督训练	去噪性能略低于基于监督学习的去噪方法	开发一种无需干净数据的MRI图像去噪方法	磁共振成像（MRI）数据	计算机视觉	NA	磁共振成像（MRI）	CNN	图像	NA	NA	卷积神经网络（CNN）	图像锐度、纹理细节、DTI信号建模的定量微观结构指标	NA
1099	2026-03-28	Differences and Trends of Artificial Intelligence in Medical Education: A Comparative Bibliometric Analysis Between China and the International Community 2026, Advances in medical education and practice IF:1.8Q2 DOI:10.2147/AMEP.S573537 PMID:41890349	研究论文	本研究通过比较中国与国际社区在医学教育中人工智能应用的研究热点和演化趋势，提出教育实践和政策建议	基于两个数据库的比较，揭示了中英文文献在人工智能与医学教育研究中的热点差异，并提出了由人工智能驱动的三大发展趋势（生成式AI、个性化学习、沉浸式体验）	研究仅基于CNKI和Web of Science的核心文献，可能未涵盖所有相关研究，且分析依赖于特定软件工具	探索人工智能在医学教育中的应用，比较中国与国际社区的研究热点和演化趋势	2014-2024年间CNKI和Web of Science核心数据库中关于人工智能与医学教育的文献	自然语言处理	NA	文献计量分析	NA	文本	379篇中文文献和552篇英文文献	CiteSpace	NA	NA	NA
1100	2026-03-28	Enhancing efficiency in pediatric brain tumor segmentation using a pathologically diverse single-center clinical dataset 2026 Jan-Dec, Neuro-oncology advances IF:3.7Q2 DOI:10.1093/noajnl/vdag024 PMID:41890357	研究论文	本研究利用单中心临床数据集，评估了3D nnU-Net模型在儿科脑肿瘤多亚型分割中的性能	在病理多样性的儿科脑肿瘤单中心数据集上验证深度学习分割模型，并探索了MRI协议简化的可能性	囊性成分分割性能较差，且为回顾性单中心研究，可能存在选择偏倚	提高儿科脑肿瘤分割效率，以支持体积评估和临床工作流程优化	儿科脑肿瘤患者，包括高级别和低级别胶质瘤、髓母细胞瘤、室管膜瘤及其他罕见亚型	数字病理学	脑肿瘤	MRI成像	CNN	图像	174名儿科患者	PyTorch	3D nnU-Net	Dice相似系数	NA