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	2026-05-03	MAI-TargetFisher: A proteome-wide drug target prediction method synergetically enhanced by artificial intelligence and physical modeling 2025-May, Acta pharmacologica Sinica IF:6.9Q1 DOI:10.1038/s41401-024-01444-z PMID:39870848	研究论文	提出一种名为MAI-TargetFisher的蛋白质组范围药物靶点预测方法，该方法通过人工智能和物理建模的协同增强实现	首次实现人类蛋白质组范围的药物靶点扫描方法	NA	提升药物开发成功率，早期定位药物靶点和检测潜在脱靶效应	人类蛋白质组中的药物靶点和潜在结合位点	机器学习	NA	蛋白质结构预测、人工智能、生物物理模型	NA	蛋白质结构数据、小分子化学数据	覆盖82%蛋白质编码基因的高质量蛋白质结构数据库	NA	NA	命中率、可靠性	可通过在线网络服务器访问
1082	2026-05-03	Automated detection and quantification of aortic calcification in coronary CT angiography using deep learning: A comparative study of manual and automated scoring methods 2025 May-Jun, Journal of cardiovascular computed tomography IF:5.5Q1 DOI:10.1016/j.jcct.2025.02.003 PMID:39955204	研究论文	评估深度学习模型在冠状动脉CT血管造影中自动检测与量化主动脉钙化的性能，并与人工评分方法进行比较	首次系统比较深度学习自动评分与人工评分在主动脉钙化检测中的一致性，并验证其在预测重大不良心血管事件方面的等效性	未提及具体限制，但可能包括样本来源局限（仅两项研究）、未考虑不同CT扫描参数的影响等	评估深度学习模型自动检测与量化主动脉钙化的可靠性，以及其与人工评分在心血管风险预测中的一致性	冠状动脉CT血管造影图像中的主动脉钙化（包括主动脉根部、升主动脉和降主动脉）	计算机视觉	心血管疾病	冠状动脉钙化扫描	深度学习模型	图像	670名参与者（来自CORE320和CORE64研究）	未提及	未提及	一致性相关系数、Cox回归、ROC分析	未提及
1083	2026-05-03	Detection of Ocular Surface Squamous Neoplasia Using Artificial Intelligence With Anterior Segment Optical Coherence Tomography 2025-May, American journal of ophthalmology IF:4.1Q1 DOI:10.1016/j.ajo.2025.02.019 PMID:39983942	研究论文	利用深度学习模型基于前段光学相干断层扫描区分眼表鳞状细胞瘤、翼状胬肉和睑裂斑	首次使用Vision Transformer与掩码自编码器结合的方法处理AS-OCT图像，并在区分OSSN方面达到与专家相当的诊断性能	单中心回顾性研究，样本量有限，未提供临床图像或支持性临床数据给专家，模型在特异性上略低于专家	开发和验证基于深度学习的模型用于区分OSSN与翼状胬肉和睑裂斑	眼表鳞状细胞瘤、翼状胬肉和睑裂斑的AS-OCT图像	计算机视觉	眼表鳞状细胞瘤	AS-OCT	Vision Transformer与掩码自编码器	图像	训练集105859张AS-OCT图像来自5746只眼；测试集566次扫描来自62只眼（48名患者）	NA	Vision Transformer, 掩码自编码器	准确率, 敏感性, 特异性, AUC	NA
1084	2026-05-03	Deep Learning-based Aligned Strain from Cine Cardiac MRI for Detection of Fibrotic Myocardial Tissue in Patients with Duchenne Muscular Dystrophy 2025-05, Radiology. Artificial intelligence DOI:10.1148/ryai.240303 PMID:40008976	研究论文	提出一种深度学习模型，从电影心脏MRI中推导对齐应变值，用于检测杜氏肌营养不良患者的心肌纤维化	基于深度学习的对齐应变技术能够识别传统方法常遗漏的舒张期异常变形模式，并显著提升检测心肌纤维化的特异性（40%）和整体准确率（17%）	仅纳入单中心男性患者，样本量有限（139例），且未详细说明模型对保留射血分数患者的适用性及计算资源需求	开发非对比心脏MRI的深度学习方法，通过应变分析检测杜氏肌营养不良患者的心肌纤维化	139例杜氏肌营养不良男性患者的心脏MRI数据（2018年2月至2023年4月）	医学影像分析	杜氏肌营养不良	电影心脏MRI	卷积神经网络	心脏MRI图像	139例患者（57例用于有效性评估，82例用于重复性评估）	PyTorch	CNN	准确率, F1分数, 灵敏度, 特异性	NA
1085	2026-05-03	Explainable artificial intelligence to quantify adenoid hypertrophy-related upper airway obstruction using 3D Shape Analysis 2025-May, Journal of dentistry IF:4.8Q1 DOI:10.1016/j.jdent.2025.105689 PMID:40090403	研究论文	利用可解释人工智能和三维形状分析量化腺样体肥大相关的上气道阻塞	结合多视角和点云方法的深度学习模型用于三维形状分析，并使用SurfGradCAM生成可解释性热力图	未在外部数据集或不同成像设备上验证模型的泛化能力	开发和验证一个可解释的人工智能模型，用于基于锥形束CT三维形状分析来分类和量化腺样体肥大相关的上气道阻塞	年龄5-18岁患者的400份锥形束CT扫描数据	计算机视觉, 机器学习	腺样体肥大	锥形束CT扫描	深度学习模型（多视角和点云方法）	三维曲面网格数据	400份锥形束CT扫描数据	PyTorch, TensorFlow	多视角网络、点云网络	AUC, 精确率, 召回率, F1分数, 平均绝对误差, 均方根误差, 相关系数	NA
1086	2026-05-03	Graph-based prototype inverse-projection for identifying cortical sulcal pattern abnormalities in congenital heart disease 2025-May, Medical image analysis IF:10.7Q1 DOI:10.1016/j.media.2025.103538 PMID:40121807	研究论文	提出一种基于图的原型逆投影深度学习模型，用于识别先天性心脏病患者脑沟模式异常	首次将原型图神经网络应用于脑沟模式分析，并创新性地提出原型逆投影方法，将原型投影到单个节点表示上以计算逆投影权重，提高了模型可解释性，且无需预定义参考集、图匹配耗时或均匀节点分布假设	未明确说明局限性	识别先天性心脏病患者的脑沟模式异常，提供神经发育差异的机制见解	健康对照组（174例，年龄15.4±1.9岁）和先天性心脏病患者（345例，年龄15.8±4.7岁），来自四个队列研究和公共数据集	机器学习	先天性心脏病	NA	图神经网络	脑沟模式图结构数据	519例（174例健康对照，345例先天性心脏病患者）	NA	原型图神经网络	分类性能指标（未具体列出，但提及优于其他先进模型）	NA
1087	2026-05-03	Development and validation of pan-cancer lesion segmentation AI-model for whole-body 18F-FDG PET/CT in diverse clinical cohorts 2025-May, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.110052 PMID:40127518	研究论文	开发并验证了一种基于深度学习的全身18F-FDG PET/CT病变分割AI模型，适用于不同临床队列	提出了一种对疾病部位和位置无关的全身3D FDG-PET/CT自动病变分割深度学习模型，并在多个未见过的临床队列（包括骨肉瘤、神经母细胞瘤、儿童实体瘤和成人嗜铬细胞瘤/副神经节瘤）中进行了验证	模型在测试集和嗜铬细胞瘤队列中遗漏了小体积和低摄取的病灶，且因假阳性导致预测的总病灶糖酵解略高于真实值，需要专家手动检查	开发一个通用的、自动化的全身FDG-PET/CT图像病变分割AI模型，以支持癌症诊断和治疗评估	全身18F-FDG PET/CT图像中的病变区域	计算机视觉	骨肉瘤，神经母细胞瘤，儿童实体瘤，嗜铬细胞瘤/副神经节瘤	FDG-PET/CT成像	3D U-Net (nnUNet)	图像 (3D PET/CT)	训练、验证和测试集共1014例全身FDG-PET/CT图像；额外评估队列包括骨肉瘤或神经母细胞瘤13例、儿童实体瘤14例、成人嗜铬细胞瘤/副神经节瘤40例	nnUNet	3D Full Resolution nnUNet	灵敏度，Dice相似系数，p值	NA
1088	2026-05-03	Automatic Quantification of Serial PET/CT Images for Pediatric Hodgkin Lymphoma Using a Longitudinally Aware Segmentation Network 2025-05, Radiology. Artificial intelligence DOI:10.1148/ryai.240229 PMID:39969278	研究论文	开发了一种纵向感知分割网络（LAS-Net），用于自动量化儿童霍奇金淋巴瘤患者的序列PET/CT图像	LAS-Net引入纵向交叉注意力机制，利用基线PET1图像特征指导中期PET2图像分析，实现多时间点PET指标的自动量化	外部测试队列性能略有下降，且样本量有限（297名患者）	开发并验证一种能自动量化儿科霍奇金淋巴瘤序列PET/CT图像的深度学习分割模型	儿童霍奇金淋巴瘤患者的序列PET/CT图像（基线PET1和中期PET2）	医学图像分析, 深度学习	霍奇金淋巴瘤	PET/CT成像	卷积神经网络	医学图像	297名儿科患者（内部200名，外部97名）	NA	纵向感知分割网络（LAS-Net）	Dice系数, F1分数, Spearman相关系数	NA
1089	2026-05-03	AI in SPECT Imaging: Opportunities and Challenges 2025-May, Seminars in nuclear medicine IF:4.6Q1 DOI:10.1053/j.semnuclmed.2025.03.005 PMID:40189986	综述	全面概述人工智能在SPECT成像中的应用进展，涵盖图像重建、增强、衰减校正、分割、疾病分类及多模态融合	系统综述了监督/无监督学习、图像合成、跨模态学习及自监督对比学习策略在SPECT成像中的创新应用，并探讨了基础模型和大语言模型用于知识驱动图像分析的未来方向	数据异质性、模型可解释性不足及计算复杂度高限制了AI方法的临床采纳，且缺乏标准化评估指标和大规模多模态数据集	总结AI驱动SPECT成像的技术进展，分析临床转化中的关键挑战并展望未来研究方向	SPECT成像技术及其在心血管、神经、肿瘤疾病中的应用	计算机视觉	心血管疾病, 神经系统疾病, 肿瘤疾病	SPECT成像	卷积神经网络, 生成对抗网络, Transformer	SPECT图像	NA	NA	CNN, GAN, Transformer	NA	NA
1090	2026-05-03	Using deep learning for estimation of time-since-injury in pediatric accidental fractures 2025-May, Pediatric radiology IF:2.1Q2 DOI:10.1007/s00247-025-06223-4 PMID:40258953	研究论文	使用深度学习模型估计儿童意外骨折的受伤时间	首次应用深度学习模型精确估计儿童意外长骨骨折的受伤时间，在分类和直接估计任务上均取得高于基线的表现	未具体说明，可能包括样本量有限、数据来自单一机构等	训练和验证深度学习模型以正确估计儿童意外长骨骨折的年龄	儿童意外长骨骨折的X光图像	计算机视觉	骨折	X光成像	深度学习模型	图像	399名患者的2328张X光片	NA	NA	混淆矩阵、敏感性、特异性、激活图、平均绝对误差（MAE）、均方根误差（RMSE）	NA
1091	2026-05-03	Anatomy-derived 3D Aortic Hemodynamics Using Fluid Physics-informed Deep Learning 2025-05, Radiology IF:12.1Q1 DOI:10.1148/radiol.240714 PMID:40326877	研究论文	利用基于流体力学的生成对抗网络直接从解剖输入预测主动脉三维血流动力学	首次利用流体物理约束的循环生成对抗网络直接从三维主动脉解剖分割预测血流动力学，无需4D flow MRI，实现亚秒级计算	未明确讨论模型对极端解剖变异或低质量输入的鲁棒性，外部验证样本量有限（60例）	评估基于物理信息的深度学习替代4D flow MRI量化主动脉血流动力学的可行性和准确性	主动脉血流动力学指标（速度矢量场、峰值速度、壁面剪切应力、主动脉瓣狭窄分级）	计算机视觉	主动脉瓣疾病（二叶式主动脉瓣、三叶式主动脉瓣）	4D flow MRI	生成对抗网络（CycleGAN）	三维图像（主动脉分割）	1765例患者（994例BAV训练+248例测试；419例TAV训练+104例测试；外部验证60例）	PyTorch	FPI-CycleGAN	偏倚、一致性界限、相关系数（ρ）、相对差异、κ系数	GPU未具体说明，训练时间TAV网络1500分钟、BAV网络3600分钟，推理时间0.15秒
1092	2026-05-03	Trials and tribulations: Developing an artificial intelligence for screening malaria parasite from peripheral blood smears 2025 May-Jun, Medical journal, Armed Forces India DOI:10.1016/j.mjafi.2023.10.007 PMID:40463611	研究论文	本研究尝试开发一种人工智能模型，用于从外周血涂片中自动筛查疟原虫	首次尝试开发一个完整模块，用于从自动显微摄影或全玻片图像中筛查疟原虫，并对比了五种深度学习模型的性能	研究中未提及数据集的多样性、模型泛化能力及实际临床应用中的挑战	开发自动化人工智能系统以替代人工筛查疟原虫，提高检测敏感性和特异性	疟原虫感染的红细胞（正常红细胞和寄生红细胞）	计算机视觉	疟疾	显微镜血涂片图像	深度学习模型（深度卷积神经网络、Inception V3）	图像	352张利什曼-吉姆萨染色外周血涂片图像	NA	深度卷积神经网络、Inception V3、分水岭变换	敏感性, 特异性	NA
1093	2026-05-03	scDILT: A Model-Based and Constrained Deep Learning Framework for Single-Cell Data Integration, Label Transferring, and Clustering 2025 May-Jun, IEEE transactions on computational biology and bioinformatics DOI:10.1109/TCBBIO.2025.3553068 PMID:40811359	研究论文	提出scDILT框架，利用条件自编码器和深度嵌入聚类，实现单细胞数据整合、标签转移和聚类，同时保留参考数据集中的细胞类型模式	首次实现同时进行数据整合、标签转移和聚类，并通过同质性和异质性约束分别保留参考数据集的细胞类型模式并将新数据细胞映射到已标注的细胞簇	NA	开发一种能够同时进行单细胞数据整合、标签转移和聚类的工具，并确保新数据集整合后不改变旧数据集中的细胞簇定义	单细胞RNA测序数据集，包括模拟数据集和真实数据集，以及多组学单细胞数据集	机器学习	NA	scRNA-seq	条件自编码器，深度嵌入聚类	基因表达数据	NA	PyTorch	条件自编码器	数据整合评估指标	NA
1094	2026-05-03	Reliable Radiologic Skeletal Muscle Area Assessment - A Biomarker for Cancer Cachexia Diagnosis 2025-Apr-25, medRxiv : the preprint server for health sciences DOI:10.1101/2025.04.21.25326162 PMID:40313262	研究论文	开发了SMAART-AI，一个基于深度学习（nnU-Net 2D）的全自动管道，用于从CT图像中可靠评估骨骼肌面积，并预测癌症恶病质	提出端到端自动管道SMAART-AI，结合不确定性机制标记高误差预测，并使用多层感知器模型整合多模态数据预测癌症恶病质	未在多种其他癌症类型中验证其泛化性，且未讨论不确定性机制的临床接受度和成本影响	开发一个可靠、自动化的工具用于骨骼肌面积评估和癌症恶病质早期诊断	胃食管癌患者的CT图像及临床数据	计算机视觉，数字病理	癌症恶病质，胃食管癌	CT成像	CNN（nnU-Net 2D），多层感知器（MLP）	图像，临床数据	四个数据集的样本量	PyTorch	nnU-Net 2D，多层感知器（MLP）	Dice系数，绝对中位误差，精度，相关系数（方差、熵、变异系数）	未在摘要中说明
1095	2026-05-03	Active learning of enhancers and silencers in the developing neural retina 2025-Jan-15, Cell systems IF:9.0Q1 DOI:10.1016/j.cels.2024.12.004 PMID:39778579	研究论文	开发了一种主动学习方法，用于区分发育中神经视网膜中的增强子和沉默子	结合主动学习与不确定性采样，迭代训练模型区分具有相同序列但功能相反的CRX结合位点	模型训练主要基于CRX转录因子，可能不适用于其他转录因子的调控元件	建立区分增强子和沉默子的深度学习模型	CRX转录因子的顺式调控元件（增强子和沉默子）	机器学习	NA	大规模平行报告基因检测	深度学习模型	基因组序列	超过所有结合CRX的基因组位点	NA	NA	区分能力	NA
1096	2026-05-03	Accelerated CEST imaging through deep learning quantification from reduced frequency offsets 2025-Jan, Magnetic resonance in medicine IF:3.0Q2 DOI:10.1002/mrm.30269 PMID:39270056	研究论文	通过深度学习和减少频率偏移采样来加速CEST成像	利用Fisher信息增益分析识别最优频率偏移，并采用U-NET网络从欠采样Z谱中量化CEST图，实现扫描时间显著缩短	未提及大规模验证或不同场强下的适用性	缩短CEST采集时间，通过Z谱欠采样结合深度学习构建CEST图	脑部CEST图像，包括18名志愿者的体内数据及模拟的胶质母细胞瘤IV级病理	深度学习	脑部疾病, 胶质母细胞瘤	CEST成像	U-NET	图像	18名志愿者	NA	U-NET	结构相似性指数, 峰值信噪比, 皮尔逊相关系数, 均方误差	NA
1097	2026-05-03	Virtual multiplex immunofluorescence identifies lymphocyte subsets predictive of response to neoadjuvant therapy 2025, Therapeutic advances in medical oncology IF:4.3Q2 DOI:10.1177/17588359251379411 PMID:41142474	研究论文	开发并验证一种名为mSIGHT的深度学习工具，可将常规H&E染色病理图像转化为高保真合成多重免疫荧光图像，用于预测乳腺癌新辅助治疗反应	首创结合配准网络的图像翻译管线mSIGHT，解决了输入与目标图像之间的未对齐问题，性能优于标准Pix2Pix和CycleGAN，能从常规H&E染色中提取免疫细胞信息	研究样本量较小（17例三阴性乳腺癌用于模型开发），且仅针对乳腺癌，可能限制在其他癌症类型中的泛化能力	开发能从常规H&E染色图像中获取免疫细胞信息的深度学习工具，以低成本、可扩展的方式替代多重免疫荧光技术，并预测乳腺癌新辅助治疗反应	乳腺癌患者的核心针活检组织样本	数字病理学	乳腺癌	H&E染色，多重免疫荧光（mIF）	生成对抗网络（GAN）结合配准网络	病理图像	17例三阴性乳腺癌用于模型开发，218例乳腺癌用于外部验证	PyTorch	Pix2Pix, CycleGAN,配准网络	像素级指标，细胞密度，细胞间邻近度，调整后的优势比	NA
1098	2026-05-03	Evaluation of a Deep Learning Model for Metastatic Squamous Cell Carcinoma Prediction From Whole Slide Images 2024-12-01, Archives of pathology & laboratory medicine IF:3.7Q1 DOI:10.5858/arpa.2023-0406-OA PMID:38387604	研究论文	设计并验证了一种基于深度学习模型（EfficientNetB1），利用全切片图像预测转移性鳞状细胞癌	专门针对鳞状细胞癌的深度学习预测模型，仅使用全切片级别标签进行训练，无需人工标注，在多个器官来源的样本上表现出高检测性能	假阳性主要源于生发中心、灰尘细胞聚集和标本处理伪影；假阴性主要源于低分化肿瘤	提高鳞状细胞癌淋巴结转移的检测效率，减轻病理学家的工作负担	食管、头颈、肺和皮肤来源的鳞状细胞癌淋巴清扫全切片图像	数字病理学	鳞状细胞癌	NA	CNN（卷积神经网络）	图像	6587张WSI训练（2413张SCC和4174张非肿瘤），541张WSI测试（41张SCC和500张非肿瘤）	NA	EfficientNetB1	受试者工作特征曲线下面积（AUC）	NA
1099	2026-05-03	An Integral R-Banded Karyotype Analysis System of Bone Marrow Metaphases Based on Deep Learning 2024-08-01, Archives of pathology & laboratory medicine IF:3.7Q1 DOI:10.5858/arpa.2022-0533-OA PMID:37931220	研究论文	基于深度学习开发了一整套R显带骨髓中期染色体核型分析系统	首次将深度学习应用于R显带骨髓中期染色体核型分析的完整流程，包括去噪、分割、分类和极性识别四个关键步骤	全文未提及局限性	评估深度学习模型和整个核型分析系统在R显带骨髓中期染色体检测中的性能	R显带正常骨髓中期染色体	计算机视觉、数字病理学	血液系统肿瘤	深度学习	CNN	图像	4442组R显带正常骨髓中期染色体及核型图像，测试集含885张中期染色体图像	NA	NA	IoU、Dice相似系数、准确率	NA
1100	2026-05-03	A Deep Learning-Based Approach to Estimate Paneth Cell Granule Area in Celiac Disease 2024-07-01, Archives of pathology & laboratory medicine IF:3.7Q1 DOI:10.5858/arpa.2023-0074-OA PMID:37852171	研究论文	基于深度学习方法估算乳糜泻中潘氏细胞颗粒面积	采用无代码人工智能工作流（NoCodeSeg）分析完整H&E切片，实现潘氏细胞颗粒和隐窝的自动分割，避免了传统人工计数的主观性	未提及具体局限性	利用人工智能技术比较乳糜泻患者与非乳糜泻对照组的隐窝和潘氏细胞颗粒面积	349例十二指肠活检组织样本（185例乳糜泻患者，164例对照）	数字病理学	乳糜泻	H&E染色、全切片扫描	深度学习模型（U-Net架构）	组织病理图像	349例患者（185例乳糜泻，164例对照）	QuPath, DeepMIB, NoCodeSeg	U-Net	平均交并比（IoU）	NA