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
1541	2026-07-28	A Systematic Literature Review on Integrated Deep Learning and Multiagent Vision-Language Frameworks for Pathology Image Analysis and Report Generation 2026, Computational and structural biotechnology journal IF:4.4Q2 DOI:10.34133/csbj.0023 PMID:41982676	综述	系统综述深度学习、视觉语言模型与多智能体系统在病理图像分析及报告生成中的集成应用	首次系统整合深度学习、视觉语言模型与多智能体系统在病理诊断中的协同应用框架，提出自动化报告生成的新范式	未提供具体实验验证，缺乏定量比较不同集成框架的性能优劣	评估视觉语言模型与大型语言模型在病理图像分析与报告生成中的有效性，探索多智能体系统提升诊断准确性和可扩展性的潜力	病理图像分析、自动化报告生成的AI技术体系	数字病理学	病理诊断相关疾病	全切片成像	卷积神经网络、Transformer、视觉语言模型、大型语言模型	病理图像、临床文本	不适用	不适用	不适用	不适用	不适用
1542	2026-07-28	A federated multimodal deep learning framework for brain tumor classification using MRI 2026, Frontiers in artificial intelligence IF:3.0Q2 DOI:10.3389/frai.2026.1754000 PMID:41982753	研究论文	提出一种联邦多模态深度学习框架，用于脑肿瘤MRI分类，在保护隐私的同时实现协作学习	通过层跳过机制降低通信成本，结合差分隐私和安全聚合技术确保数据隐私，使用FedPropSAG聚合方法提升收敛性能	未说明具体样本量和多模态数据融合的详细策略，框架在非IID数据分布下的表现可能受限于具体场景	开发一个隐私保护且高效的分布式脑肿瘤MRI分类方法	脑肿瘤患者MRI数据	机器学习	脑肿瘤	NA	深度学习模型	影像数据	NA	联邦学习框架	NA	分类准确率, 通信成本	NA
1543	2026-07-28	Advances in artificial intelligence and thermal analysis for brain tumor detection: a review of models, methods, and modalities 2026, Frontiers in artificial intelligence IF:3.0Q2 DOI:10.3389/frai.2026.1744410 PMID:41982752	综述	总结人工智能与热成像技术结合在脑肿瘤检测中的最新进展	系统评估了深度学习、混合架构和生物热传导模型（如Pennes方程）在脑肿瘤检测中的应用，并比较了直接红外热成像与基于MRI的模拟热图两种方法	多模态数据集有限，热信号变异性大，缺乏临床验证	评估人工智能与热成像技术结合在脑肿瘤检测中的现状与挑战，推动临床转化	脑肿瘤检测的模型、方法及成像模态	机器学习	脑肿瘤	深度学习, 热成像, 生物热传导模型	CNN, 混合架构	图像, 热数据	综述未报告具体样本量	NA	CNN, 混合架构	准确率, 精确率, 召回率, F1分数, AUC, Dice系数	NA
1544	2026-07-28	Deep Learning-Based Assessment of the Value of Vertebral Structural Parameters in Predicting Osteoporotic Vertebral Compression Fractures on Opportunistic CT Scans 2026, International journal of general medicine IF:2.1Q2 DOI:10.2147/IJGM.S594749 PMID:41982817	研究论文	基于深度学习的椎体结构参数在机会性CT扫描中预测骨质疏松性椎体压缩性骨折的价值评估	利用深度学习模型从常规CT中自动提取椎体皮质参数，构建列线图用于个体化骨折风险评估	单中心回顾性研究，缺乏外部验证	评估机会性CT椎体结构参数对骨质疏松性椎体压缩性骨折的预测价值	骨质疏松性椎体压缩性骨折患者	数字病理学	骨质疏松性骨折	CT扫描	CNN	医学图像	298例患者，其中骨折组134例，非骨折组164例	PyTorch	3D Dense-U-Net	AUC，校准分析	NA
1545	2026-07-28	AI-guided design and optimization of a novel KIM-1-targeted peptide for bFGF delivery in acute kidney injury repair 2026, Regenerative biomaterials IF:5.6Q1 DOI:10.1093/rb/rbag050 PMID:41983045	研究论文	基于人工智能指导设计并优化靶向KIM-1的新型WEV多肽，用于急性肾损伤中bFGF的定向递送	结合结构计算和深度学习，提出‘锚点延伸’策略系统优化多肽亲和力和特异性	未明确说明研究局限性	开发靶向KIM-1的生长因子递送系统，用于急性肾损伤治疗	WEV多肽、KIM-1、bFGF、重组蛋白WEV-bFGF	机器学习	急性肾损伤	结构计算、深度学习、重组蛋白构建、转录组分析	深度学习模型	分子结构数据、转录组数据	不适用	不适用	不适用	结合亲和力、特异性	不适用
1546	2026-07-28	Automated Food Weight and Content Estimation Using Computer Vision and AI Algorithms: Phase 2 2025-12-22, Sensors (Basel, Switzerland) DOI:10.3390/s26010076 PMID:41516511	研究论文	利用计算机视觉和AI算法自动估算食品重量和成分	结合YOLO目标检测与密度模型进行食品重量估算，并通过RGB和深度相机实现体积测量	未提及具体计算资源及模型在多样化食品类型上的泛化能力	量化自助餐厅中食品的成分和份量	自助餐厅托盘上的食品（重点测试大米和鸡肉）	计算机视觉	NA	RGB相机、深度相机	YOLO	图像	未明确说明样本数量	NA	YOLO	平均精度均值(mAP), 精确率-召回率曲线, 误差率	NA
1547	2026-07-28	A hybrid CNN-transformer framework optimized by Grey Wolf Algorithm for accurate sign language recognition 2025-12-10, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-27390-2 PMID:41372241	研究论文	提出一种基于灰狼优化的卷积变换网络，用于准确高效地识别动态手语手势	将卷积神经网络（CNN）与Transformer结合，并引入灰狼优化算法进行超参数调优，实现空间特征提取和时序建模的融合，提高了手语识别的准确性和鲁棒性	未提及对复杂背景、不同手型或光照变化的鲁棒性测试，也未讨论多类手势扩展的挑战	开发一种高精度、可扩展的视觉手语识别系统，用于辅助交流技术	美国手语（ASL）中的动态手势，包括静态和动态手语字母分类	计算机视觉, 机器学习	NA	NA	CNN, Transformer, 灰狼优化（GWO）	图像	两个基准数据集：ASL Alphabet 和 ASL MNIST	NA	GWO-CTransNet（灰狼优化卷积变换网络）	准确率, F1分数, 马修斯相关系数（MCC）, 曲线下面积（AUC）	NA
1548	2026-07-28	Deep learning-based artificial intelligence models predict survival in patients with oral cavity squamous cell carcinoma 2025-12-10, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-27428-5 PMID:41372262	研究论文	利用深度学习人工神经网络综合多种临床因素预测口腔鳞状细胞癌患者生存率	首次将包括人口统计、生活方式、ASA分级及影像学等多种因素整合到深度学习模型中进行口腔鳞状细胞癌的个性化生存预测，并采用多任务学习和最小二乘法处理类别不平衡问题	未在论文标题和摘要中明确提及具体局限性，可能包括回顾性研究设计、单中心数据集等潜在偏差	开发基于深度学习的人工智能模型，提升口腔鳞状细胞癌生存预测的准确性，超越传统TNM分期	1018例在1996年至2020年间接受手术治疗的口腔鳞状细胞癌患者	机器学习	口腔癌	NA	深度神经网络（DNN）	临床变量数据	1018名口腔鳞状细胞癌手术患者	NA	多组分类深度神经网络（multi-group DNN）、回归型深度神经网络（regression-based DNN）	AUC, 敏感性, 特异性, 一致性指数（concordance index）	NA
1549	2026-07-28	Optimization of deep learning models for inference in low resource environments 2025-Sep, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.110615 PMID:40716232	研究论文	评估用于医疗健康应用的深度学习模型在低资源环境下的推理优化技术效果	针对放射学、组织病理学和医学RGB成像等多种医疗AI工作负载，在多种硬件配置下系统评估模型优化技术对推理性能的影响	未提及具体局限性	研究深度学习模型在低资源环境下的优化技术，促进临床转化	MRI脑提取、H&E染色结直肠癌分割、糖尿病足溃疡RGB图像分类三种医疗工作负载	计算机视觉	结直肠癌, 糖尿病足	NA	深度学习模型	图像	NA	NA	NA	推理运行时间（加速比、延迟、内存使用）、模型在未见过数据上的效用	多种硬件配置
1550	2026-07-28	Multitask Deep Learning Based on Longitudinal CT Images Facilitates Prediction of Lymph Node Metastasis and Survival in Chemotherapy-Treated Gastric Cancer 2025-07-02, Cancer research IF:12.5Q1 DOI:10.1158/0008-5472.CAN-24-4190 PMID:40305075	研究论文	基于纵向CT图像的多任务深度学习模型CTSMamba用于预测化疗后胃癌患者的淋巴结转移和生存期	提出了一个名为CTSMamba的多任务深度学习模型，能够同时预测淋巴结转移和总生存期，并在多中心数据中表现优于临床模型	未明确提及具体局限性	开发并验证一个基于纵向CT图像的多任务深度学习模型，以预测局部晚期胃癌患者的淋巴结转移和总生存期	接受新辅助化疗的局部晚期胃癌患者	计算机视觉, 机器学习, 数字病理	胃癌	CT成像	多任务深度学习模型	纵向CT图像	来自两个中心的1021名局部晚期胃癌患者（其中398名用于训练和验证，623名用于外部验证）	PyTorch	CTSMamba（基于共注意力三向空间Mamba架构）	准确率、AUC	NA
1551	2026-07-28	Assessing Substrate Scope of the Cyclodehydratase LynD by mRNA Display-Enabled Machine Learning Models 2025-07-01, Biochemistry IF:2.9Q3 DOI:10.1021/acs.biochem.4c00682 PMID:40492579	研究论文	利用mRNA展示技术结合深度学习模型评估环脱水酶LynD的底物范围	首次使用mRNA展示高通量技术大规模解析LynD底物偏好性，并构建深度学习模型预测底物处理能力，揭示不同YcaO酶家族成员底物选择性的物理基础	未明确说明模型泛化能力是否适用于其他YcaO酶家族成员，且实验数据可能受限于体外展示条件与体内环境的差异	评估LynD环脱水酶的底物混杂性，并开发预测模型以指导新型含唑啉肽抑制剂或探针的设计	LynD环脱水酶及其对肽底物的催化修饰	自然语言处理	NA	mRNA展示技术、深度学习模型	深度学习	肽序列数据	大规模肽文库（具体数量未在摘要中说明）	NA	深度神经网络	NA	NA
1552	2026-07-28	Ranking Protein-Protein Models with Large Language Models and Graph Neural Networks 2025, Methods in molecular biology (Clifton, N.J.) DOI:10.1007/978-1-0716-4623-6_4 PMID:40601251	研究论文	利用大型语言模型和图神经网络对蛋白质-蛋白质相互作用模型进行排序	通过结合蛋白质语言模型和图神经网络，提出了一种基于图的深度学习算法DeepRank-GNN-esm，用于从大量生成模型中识别近天然构象	NA	解决蛋白质复合物建模中从大量生成模型中识别高质量近天然构象的挑战	蛋白质-蛋白质相互作用模型	机器学习	癌症、感染性疾病、神经退行性疾病	蛋白质语言模型	图神经网络、蛋白质语言模型	蛋白质结构数据	NA	DeepRank-GNN-esm	图神经网络	NA	NA
1553	2026-07-28	Using InterLabelGO+ for Accurate Protein Language Model-Based Function Prediction 2025, Methods in molecular biology (Clifton, N.J.) DOI:10.1007/978-1-0716-4623-6_7 PMID:40601254	研究论文	介绍InterLabelGO+模型，一种基于ESM2蛋白质语言模型和深度学习进行基因本体术语预测的工具	考虑了不同GO术语之间的复杂关系，并结合序列同源搜索获得共识预测	未提及	开发高性能的蛋白质功能预测方法，特别是基因本体术语预测	蛋白质序列的基因本体术语预测	机器学习，自然语言处理	NA	蛋白质语言模型（ESM2），序列同源搜索	深度学习模型	蛋白质序列数据	NA	NA	NA	NA	NA
1554	2026-07-28	Predicting the Pathogenicity of Human Protein Variants: Not Only a Matter of Residue Labeling 2025, Methods in molecular biology (Clifton, N.J.) DOI:10.1007/978-1-0716-4623-6_12 PMID:40601259	研究论文	描述预测人类蛋白质变异致病性的方法及其在结构功能注释上的扩展	提出在预测致病性后进一步推导蛋白质结构稳定性、溶剂可及性和相互作用网络扰动的在线框架	未明确提及具体局限性	通过序列嵌入和机器学习预测人类变异致病性，并在线提供结构功能解释	人类蛋白质变异	机器学习	NA	蛋白质序列嵌入	机器学习和/或深度学习模型	蛋白质序列数据	NA	NA	NA	NA	NA
1555	2026-07-28	Tracking the Evolving Role of Artificial Intelligence in Implementation Science: Protocol for a Living Scoping Review of Applications, Evaluation Approaches and Outcomes 2025, F1000Research DOI:10.12688/f1000research.171774.2 PMID:41835982	研究协议	本生活范围综述协议旨在追踪人工智能在实施科学中的应用，包括评估方法和结果	采用生活范围综述方法，动态跟踪人工智能在实施科学中的快速演变作用	未提及具体局限性	绘制人工智能在实施研究和实践中的应用，识别评估方法、报告结果及潜在风险，并综合研究空白和机会	人工智能在实施科学中的应用，包括机器学习、深度学习、自然语言处理、大语言模型等技术	自然语言处理, 机器学习	NA	机器学习, 深度学习, 自然语言处理, 大语言模型	机器学习, 深度学习, 自然语言处理, 大语言模型	文本	NA	NA	NA	NA	NA
1556	2026-07-28	CGMega: explainable graph neural network framework with attention mechanisms for cancer gene module dissection 2024-07-17, Nature communications IF:14.7Q1 DOI:10.1038/s41467-024-50426-6 PMID:39013885	研究论文	开发了可解释的图神经网络框架CGMega，用于癌症基因模块解析	结合模型无关解释方法和图注意力机制，实现可解释的癌症基因模块解析	未提及局限性	开发可解释的深度学习框架用于癌症基因模块解析	乳腺癌细胞系和急性髓系白血病患者	机器学习	乳腺癌，急性髓系白血病	多组学整合	图神经网络	多组学数据	乳腺细胞系和急性髓系白血病患者样本	PyTorch	图注意力网络	癌症基因预测性能指标	未提及
1557	2026-07-28	Biophysical neural adaptation mechanisms enable artificial neural networks to capture dynamic retinal computation 2024-07-16, Nature communications IF:14.7Q1 DOI:10.1038/s41467-024-50114-5 PMID:39009568	研究论文	将神经适应机制嵌入人工神经网络，以捕捉视网膜的动态计算过程	首次在传统卷积神经网络前端整合光感受器适应的生物物理机制，形成新模型“Deep Retina”，显著提升对灵长类和啮齿类视网膜神经节细胞反应的预测能力	未明确提及	探究嵌入神经适应机制能否提高人工神经网络在动态输入条件下预测神经输出的性能	灵长类和啮齿类的视网膜神经节细胞反应	机器学习	NA	光感受器适应的生物物理建模	卷积神经网络	神经电生理数据	NA	PyTorch	Deep Retina（基于卷积神经网络）	NA	NA
1558	2026-07-28	Disease-driven domain generalization for neuroimaging-based assessment of Alzheimer's disease 2024-06-01, Human brain mapping IF:3.5Q1 DOI:10.1002/hbm.26707 PMID:38798082	研究论文	提出一种利用模型可解释性增强跨队列分类模型泛化能力的框架，用于阿尔茨海默病的MRI评估	通过将类级注意力与统一视觉显著性先验对齐，使深度神经网络聚焦于疾病相关脑区，提升跨数据集的泛化性能并改善与死后组织学的相关性	NA	开发一种疾病驱动的域泛化方法，提高基于MRI的阿尔茨海默病分类模型在不同队列间的泛化能力	来自四个独立队列的MRI扫描和临床诊断数据	计算机视觉, 数字病理学	阿尔茨海默病	MRI扫描	深度神经网络	图像	ADNI队列1821例、FHS队列304例、AIBL队列661例、NACC队列4647例，总计7433例	NA	NA	NA	NA
1559	2026-07-28	Assessing brain involvement in Fabry disease with deep learning and the brain-age paradigm 2024-04, Human brain mapping IF:3.5Q1 DOI:10.1002/hbm.26599 PMID:38520360	研究论文	利用深度学习与脑年龄范式评估法布里病患者的脑部受累情况，并验证脑预测年龄差异（brain-PAD）作为疾病严重程度生物标志物的可能性	首次将脑年龄范式应用于法布里病，验证brain-PAD与多器官损伤和神经影像学指标的相关性，提出综合性的神经系统疾病严重程度生物标志物	单中心回顾性研究，样本量较小（52例FD患者和58例HC），未涉及外部验证队列	评估法布里病患者大脑是否比正常老化更快，并验证brain-PAD作为疾病严重程度生物标志物的可行性	法布里病患者和健康对照者	计算机视觉, 机器学习	法布里病	NA	深度学习	3D T1加权脑部MRI图像	训练集：来自8个公开数据集的2160名健康受试者（年龄4-86岁）；内部队列：52例FD患者（平均40.6岁）和58例HC（平均38.4岁）	NA	DenseNet	平均绝对误差（MAE）, 相关系数（R）	NA
1560	2026-07-28	Machine learning in small sample neuroimaging studies: Novel measures for schizophrenia analysis 2024-04, Human brain mapping IF:3.5Q1 DOI:10.1002/hbm.26555 PMID:38544418	研究论文	本研究利用脑结构图像中的沟回模式，结合统计、机器学习和深度学习技术，构建计算机辅助诊断系统，用于区分精神分裂症患者和健康对照	首次使用全脑皮层的沟回特征构建计算机辅助诊断系统，并在小样本情况下系统评估了工作流各阶段的性能，应用可解释人工智能技术分析特征重要性	样本量较小（58名患者和56名健康对照），可能影响模型的泛化能力	在小样本神经影像研究中，构建并全面评估基于沟回特征的计算机辅助诊断系统，用于精神分裂症分析	精神分裂症患者和健康对照者的脑结构磁共振成像中的沟回模式	机器学习	精神分裂症	磁共振成像	CNN	图像	58名精神分裂症患者和56名健康对照者	Scikit-learn、TensorFlow	CNN	准确率	NA