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
141	2026-04-05	Explainable deep learning discovers novel antibiotic 2024-02, Nature reviews. Drug discovery DOI:10.1038/d41573-024-00006-6 PMID:38216772	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
142	2026-04-05	Data-driven multimodal fusion: approaches and applications in psychiatric research 2023, Psychoradiology DOI:10.1093/psyrad/kkad026 PMID:38143530	综述	本文全面概述了数据驱动的多模态融合方法及其在精神病学研究中的应用	强调了在无先验信息或有先验信息下，利用典型相关分析和独立成分分析等方法进行多模态融合的创新性，并讨论了N向多模态融合、深度学习方法和临床转化等新兴趋势	未具体说明方法在实际应用中可能面临的数据异质性、模型泛化能力或计算资源限制等挑战	整合多样化的神经影像视角，以更全面地理解复杂的精神疾病	神经影像数据，包括遗传、环境、认知和治疗结果等多因素	机器学习	精神疾病	神经影像分析，如磁共振成像	深度学习	多模态数据（如神经影像、遗传、环境数据）	NA	NA	NA	NA	NA
143	2026-04-05	Artificial Intelligence Based on Machine Learning in Pharmacovigilance: A Scoping Review 2022-05, Drug safety IF:4.0Q1 DOI:10.1007/s40264-022-01176-1 PMID:35579812	综述	本文通过范围综述探讨了基于机器学习的人工智能在药物警戒领域的应用现状、与其他领域的差异以及改进机会	首次系统性地综述了2000年至2021年间机器学习在药物警戒中的应用，并识别了当前最佳实践和趋势	仅涵盖截至2021年9月的研究，可能未反映最新进展；依赖手动筛选，可能存在主观偏差	理解机器学习在药物警戒任务中的应用方式，并识别通过机器学习改进药物警戒的机会	2000年至2021年发表的关于机器学习在药物警戒中应用的393篇研究论文	机器学习	NA	机器学习	深度学习, 传统统计方法	文本, 结构化数据	7744篇摘要经筛选后纳入393篇论文	NA	NA	NA	NA
144	2026-04-05	CADD-Splice-improving genome-wide variant effect prediction using deep learning-derived splice scores 2021-02-22, Genome medicine IF:10.4Q1 DOI:10.1186/s13073-021-00835-9 PMID:33618777	研究论文	本研究通过整合深度学习衍生的剪接评分，改进了CADD工具在全基因组变异效应预测中的性能	首次将两种专门的剪接评分整合到CADD模型中，显著提升了剪接变异预测的准确性，同时保持整体性能	仅针对剪接评分进行了验证，未扩展到其他分子过程；且剪接特异性预测器在一般变异解释中无法与考虑无义和错义效应的评分竞争	改进全基因组变异效应预测工具，特别是针对影响剪接的遗传变异	遗传变异对剪接的影响，以及其在遗传疾病中的作用	机器学习	遗传疾病	深度神经网络	DNN	基因组变异数据	NA	NA	NA	分类准确性	NA
145	2026-04-05	Evaluation of the VETSCAN IMAGYST: an in-clinic canine and feline fecal parasite detection system integrated with a deep learning algorithm 2020-Jul-11, Parasites & vectors IF:3.0Q1 DOI:10.1186/s13071-020-04215-x PMID:32653042	研究论文	本研究评估了VETSCAN IMAGYST系统，这是一种集成了深度学习算法的犬猫粪便寄生虫检测系统，旨在提高粪便检查的敏感性和特异性	VETSCAN IMAGYST系统整合了自动化样本制备、扫描和基于云的深度学习算法，实现了寄生虫卵的自动定位、分类和识别，为兽医诊所提供了专家级的诊断结果	研究仅针对特定寄生虫类群（如钩虫、弓蛔虫、鞭虫和带绦虫科）进行评估，样本量有限（100个预筛选样本），且未涵盖所有可能的寄生虫种类	评估VETSCAN IMAGYST系统的能力，并比较其粪便制备方法与常规粪便浮选技术的性能	犬和猫的粪便样本	数字病理学	寄生虫感染	粪便浮选技术（离心和被动浮选）	深度学习算法	图像	100个预筛选的犬猫粪便样本	NA	NA	皮尔逊相关系数, 诊断敏感性, 诊断特异性, 定性一致性	基于云的深度学习算法
146	2026-04-05	Rapid preliminary purity evaluation of tumor biopsies using deep learning approach 2020, Computational and structural biotechnology journal IF:4.4Q2 DOI:10.1016/j.csbj.2020.06.007 PMID:32695267	研究论文	本文提出了一种基于深度学习的快速初步评估肿瘤活检纯度的方法	利用深度学习模型从转录组数据中预测肿瘤活检纯度，提供了一种快速、低成本且易于执行的替代传统病理学评估的方法	方法可能对实验协议和癌症类型差异敏感，且需要进一步验证在更广泛样本中的适用性	开发一种快速、低成本评估肿瘤活检纯度的工具	肿瘤活检样本	数字病理学	癌症	转录组分析	深度学习分类器	转录组数据	来自不同组的多数据集，具体数量未明确	NA	NA	准确度	NA
147	2026-04-04	Rapid and non-destructive detection of hollow defects in pecans by near-infrared spectroscopy combined with multimodal data fusion and deep learning 2026-Aug-05, Spectrochimica acta. Part A, Molecular and biomolecular spectroscopy DOI:10.1016/j.saa.2026.127752 PMID:41863999	研究论文	本研究提出了一种结合近红外光谱、多模态数据融合与深度学习的方法，用于快速、无损地检测山核桃的空心缺陷及其严重程度	首次将多模态数据融合（光谱特征与物理参数）与深度学习（CNN-MLP双流模型）相结合，用于山核桃空心缺陷检测，显著提高了检测精度	未提及样本来源的多样性或模型在更大规模或不同品种山核桃上的泛化能力	开发一种可靠、无损的山核桃质量评估方法，以检测空心缺陷	山核桃及其空心缺陷	机器学习	NA	近红外光谱	SVM, CNN, MLP	光谱数据, 物理参数	NA	NA	CNN-MLP双流模型	整体准确率	NA
148	2026-04-04	High confidence Raman spectroscopy of tumor biomarker proteins through experimental and theoretical cross-validation 2026-Aug-05, Spectrochimica acta. Part A, Molecular and biomolecular spectroscopy DOI:10.1016/j.saa.2026.127748 PMID:41863219	研究论文	本文提出了一种基于实验与理论交叉验证的高置信度拉曼光谱采集方法，用于肿瘤标志物蛋白检测	通过实验获取与第一性原理DFT计算的理论拉曼光谱相互验证，确认了四种乳腺癌肿瘤标志物蛋白的光谱峰特征差异及其归属，并展示了理论-实验交叉验证能提升基于AI的蛋白分类准确率7.62%	NA	开发一种高置信度的拉曼光谱方法，用于肿瘤标志物蛋白的快速准确检测，以支持癌症筛查和组织活检病理诊断	四种乳腺癌肿瘤标志物蛋白	机器学习	乳腺癌	拉曼光谱，超滤纯化，第一性原理密度泛函理论（DFT）	NA	光谱数据	NA	NA	NA	准确率	NA
149	2026-04-04	Bridging AI advancements with risk assessment needs: A journey towards effective use and regulatory acceptance 2026-Jun, Toxicology IF:4.8Q1 DOI:10.1016/j.tox.2026.154439 PMID:41786018	综述	本文是一篇叙述性综述，探讨了人工智能（AI）在化学风险评估（CRA）和下一代风险评估（NGRA）中的应用现状与挑战	将AI进展与风险评估需求相结合，提出在证据管理和证据生成两个领域整合AI工具，以支持毒理学机制发现、生物标志物识别、AOP开发及毒代动力学/毒效动力学建模	需要超越技术验证，制定详细的监管接受标准，AI工具在CRA中的成功整合仍需进一步进展	促进AI工具在化学测试和评估中的有效整合，以支持新方法学（NAMs）和下一代风险评估（NGRA）	化学风险评估（CRA）和下一代风险评估（NGRA）相关的AI应用	机器学习	NA	NA	NA	大型复杂数据集	NA	NA	NA	NA	NA
150	2026-04-04	Ameliorative effect of Rhus verniciflua Stokes on high-fat diet-induced obesity and advanced analysis with machine learning and deep learning-based network pharmacology 2026-May-15, Life sciences IF:5.2Q1 DOI:10.1016/j.lfs.2026.124337 PMID:41881279	研究论文	本研究评估了漆树提取物对高脂饮食诱导的肥胖及代谢功能障碍相关脂肪肝病的改善作用，并利用人工智能方法分析其活性成分	结合体内实验与多层人工智能/机器学习流程（包括分子对接、分子动力学、深度学习药物-靶点相互作用建模及强化学习），系统分析漆树提取物的抗肥胖机制与活性成分	研究仅使用雄性ICR小鼠模型，未涉及雌性动物或更复杂的疾病模型；人工智能预测的活性成分需进一步实验验证	评估漆树提取物的抗肥胖疗效及其作用机制	雄性ICR小鼠及24种经核磁共振鉴定的漆树提取物成分	机器学习	肥胖	核磁共振（NMR）鉴定、分子对接、分子动力学模拟、转录组学分析	深度学习, 强化学习	生物化学数据、分子结构数据、基因表达数据	雄性ICR小鼠（具体数量未明确说明），24种漆树提取物成分	NA	NA	体重变化百分比、血清低密度脂蛋白降低百分比、肝脏甘油三酯降低百分比、NAS评分降低百分比	NA
151	2026-04-04	Low-Field Magnetic Resonance Imaging of the Late Gestation Cervix and Birth Outcome Correlation: A Prospective Cohort Study 2026-May, BJOG : an international journal of obstetrics and gynaecology DOI:10.1111/1471-0528.70103 PMID:41332358	研究论文	本研究利用低场MRI技术对晚期妊娠宫颈进行重建和3D建模，并自动化测量以关联人口统计学和分娩结局	开发了一种新颖、准确的自动化系统，用于评估MRI晚期妊娠宫颈生物测量和体积测量，揭示了宫颈表型可能影响分娩结局的新机制	样本量相对较小（n=97），且仅针对首次尝试阴道分娩的晚期妊娠女性，可能限制结果的普遍性	探究晚期妊娠宫颈的MRI测量与分娩结局之间的相关性	晚期妊娠（36-41周）女性，首次尝试阴道分娩	数字病理学	产科疾病	低场MRI，2D T2加权Turbo-Spin-Echo序列	3D深度学习分割网络	MRI图像	97名晚期妊娠女性	NA	NA	图像重建质量，分割质量，组间变异性，相关性分析，OR值	0.55 T Freemax MRI扫描仪
152	2026-04-04	Accelerating Prostate Cancer Detection Through Histopathological Image Analysis Using Artificial Intelligence 2026-May, Microscopy research and technique IF:2.0Q3 DOI:10.1002/jemt.70104 PMID:41376335	研究论文	本研究提出了一种结合CNN集成与Vision Transformer的混合深度学习框架，用于加速前列腺癌的病理图像检测	提出了一种结合CNN集成与Vision Transformer的混合深度学习框架，并引入了交叉注意力融合模块和知识蒸馏技术，以提高检测性能并实现轻量化部署	模型的计算复杂度较高，相比传统CNN需要更多的计算资源	加速前列腺癌的早期检测和准确诊断	前列腺癌的病理组织图像	数字病理学	前列腺癌	病理图像分析	CNN, Vision Transformer	图像	使用公开的PANDA数据集进行训练和测试	NA	VGG-16, DenseNet-121, AlexNet, Vision Transformer	准确率, 真阳性率, 真阴性率, 精确率, F1分数, 假阴性率, 假阳性率	GPU内存, 推理时间
153	2026-04-04	A High-Efficiency and High-Accuracy Cellular Segmentation Scheme for Imperfect Cytoarchitecture Images 2026-May, Microscopy research and technique IF:2.0Q3 DOI:10.1002/jemt.70110 PMID:41460794	研究论文	提出了一种针对不完美细胞结构图像的高效高精度细胞分割方案	结合图像增强与预训练的Cellpose算法，无需额外训练即可处理不完美细胞结构图像，显著提升分割精度	未提及方案在处理极端噪声或高度重叠细胞图像时的性能限制	开发一种高效且准确的细胞分割方法，以支持细胞形态学分析和疾病诊断	不完美的细胞结构图像，特别是小鼠脑部图像	数字病理学	NA	图像增强，深度学习分割	Cellpose	图像	未明确指定样本数量，但涉及小鼠脑部图像	未明确指定，但基于Cellpose算法	Cellpose with Cyto3 pretrained weight module	IoU, ACC, MCC, Dice	NA
154	2026-04-04	Deep Learning Integration in Optical Microscopy: Advancements and Applications 2026-May, Microscopy research and technique IF:2.0Q3 DOI:10.1002/jemt.70112 PMID:41486782	综述	本文综述了深度学习在光学显微镜中的集成应用，包括图像分类、分割和计算重建等关键领域	探讨了深度学习如何通过卷积神经网络、U-Net、残差网络和生成对抗网络等架构，提升光学显微镜的图像质量、定量分析能力，并降低对专业知识的依赖	需要大量标注数据集、面临动态样本变异性、模型可解释性不足以及潜在的数据偏差等挑战	研究深度学习在光学显微镜中的应用，以克服传统显微镜的光学像差、衍射极限分辨率、低信噪比和对比度差等问题	光学显微镜图像及其相关的生物医学研究数据	计算机视觉	NA	光学显微镜	CNN, U-Net, ResNet, GAN	图像	NA	NA	卷积神经网络, U-Net, 残差网络, 生成对抗网络	NA	NA
155	2026-04-04	Explainability-Based Optimized Deep Learning in Histopathological Diagnosis of Multiple Cancers and Development of Mobile Application 2026-May, Microscopy research and technique IF:2.0Q3 DOI:10.1002/jemt.70115 PMID:41511077	研究论文	本文提出了一种名为C2RN2GC2A的新型深度学习模型，结合了元启发式优化算法和可解释性AI技术，旨在提高多癌症组织病理学图像分类的效率和准确性	提出了一种结合残差学习和优化高斯扰动的深度学习模型C2RN2GC2A，并引入了基于军事战术的元启发式优化算法2GC2A进行特征选择和参数调优，同时采用LDLRP技术增强模型的可解释性	未明确说明模型在其他数据集上的泛化能力，且假阳性和假阴性数量在部分数据集上较高	提高多癌症组织病理学图像分类的准确性、效率和临床可解释性	组织病理学图像	数字病理学	多癌症	深度学习	CNN	图像	LC25000和BreakHis数据集	NA	Complementary Residual Retentive Network (C2RN2GC2A)	准确率, 训练损失, 验证损失, 假阳性数, 假阴性数	NA
156	2026-04-04	Multiparametric MRI-based Deep Learning and Radiomics for Evaluating Lymph Node Metastasis in Early-Stage Cervical Cancer 2026-May, Radiology. Imaging cancer DOI:10.1148/rycan.250345 PMID:41931018	研究论文	本研究开发了基于多参数MRI的影像组学模型和深度学习-影像组学融合模型，用于术前预测早期宫颈癌的淋巴结转移	结合了肿瘤和淋巴结的影像组学特征与深度学习特征，构建了融合模型（DLR_T+LN），并在多中心数据上进行了验证	深度学习-影像组学融合模型（DLR_T+LN）相比仅使用影像组学特征的模型（Rad_T+LN）在性能上未显示出统计学上的显著提升	开发术前预测早期宫颈癌淋巴结转移的影像学模型	早期宫颈癌患者	数字病理学	宫颈癌	多参数MRI	深度学习	MRI图像	862名患者	NA	NA	AUC, 校准曲线, 决策曲线分析	NA
157	2026-04-04	CEREBLEED: Automated Quantification and Severity Scoring of Intracranial Hemorrhage on Noncontrast CT 2026-Apr-03, Neurosurgery IF:3.9Q1 DOI:10.1227/neu.0000000000004020 PMID:41930955	研究论文	本文开发并验证了一个基于深度学习的框架，用于自动分割和量化颅内出血，并提出了一个基于体积关系的严重程度指数	开发了一个自动化的深度学习框架，用于颅内出血的分割和量化，并引入了一个新的严重程度指数，该指数基于出血亚型与脑结构的体积关系，旨在标准化严重性评估	外部验证中总出血模型的Dice分数较低（中位数0.70），表明模型在外部数据集上的泛化能力可能有限	开发一个客观、可重复的工具，用于量化颅内出血的病变负担及其解剖影响，以支持临床决策	颅内出血（ICH）在非对比CT（NCCT）上的表现	数字病理学	颅内出血	非对比计算机断层扫描（NCCT）	U-Net	图像	2112个NCCT扫描（1110个用于训练和内部评估，1002个来自外部数据集）	NA	U-Net	Dice分数, 体积相似性, 曲线下面积（AUC）, 敏感性, 特异性	NA
158	2026-04-04	Multicenter Histology Image Integration and Multiscale Deep Learning Support Machine Learning-Enabled Pediatric Sarcoma Classification 2026-Apr-02, Cancer research IF:12.5Q1 DOI:10.1158/0008-5472.CAN-25-2275 PMID:41481196	研究论文	本研究开发了一个基于深度学习的计算流程，利用数字组织病理学切片对儿科肉瘤亚型进行准确分类	采用多中心数据集并进行图像协调以减少中心特异性伪影，系统评估了多种CNN和ViT架构作为特征提取器，并引入多尺度特征提升分类精度，基于SAMPLER的WSI表示方法使训练速度比传统Transformer编码器快三个数量级	未提及	开发一个计算流程以准确分类儿科肉瘤亚型，克服其罕见性和亚型多样性带来的诊断挑战	儿科肉瘤（包括横纹肌肉瘤、非横纹肌肉瘤软组织肉瘤、尤文肉瘤等亚型）	数字病理学	儿科肉瘤	组织病理学成像	CNN, ViT	图像（全切片图像）	867张来自三个医疗中心和儿童肿瘤组的全切片图像	未提及	UNI, CONCH	AUC	未使用图形处理单元（GPU）
159	2026-04-04	Negative correlation between habenular volume and duration of gambling disorder: Modulation by symptom severity and personality traits 2026-Apr-02, Journal of behavioral addictions IF:6.6Q1 DOI:10.1556/2006.2025.00360 PMID:41718719	研究论文	本研究探讨了赌博障碍患者缰核体积与病程的负相关关系，并分析了症状严重程度和人格特质对此关系的调节作用	首次揭示了赌博障碍患者缰核体积随病程延长而减少的现象，并发现这种关联在症状严重亚组中尤为显著，同时强调了人格特质（如神经质和尽责性）对缰核结构异质性的影响	研究样本仅包括男性患者，限制了结果的普适性；采用回顾性方法计算病程，可能存在回忆偏倚；横断面设计无法确定因果关系	阐明赌博障碍患者缰核体积的变化及其与病程、症状严重程度和人格特质的关系	68名男性赌博障碍患者和75名男性健康对照者	神经影像学	赌博障碍	T1加权磁共振成像	深度学习	MRI图像	143名参与者（68名患者，75名对照）	NA	基于深度学习的自动分割模型	偏相关系数（r值），p值	NA
160	2026-04-04	Accurate Segmentation of Surgical Instruments via Spectral-Attentive Contextual Interaction Network 2026-Apr-02, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2026.3675645 PMID:41926408	研究论文	本文提出了一种用于手术器械分割的谱注意力上下文交互网络（SCI-Net），以解决复杂背景干扰、器械形态多样和低对比度带来的挑战	提出了SCI-Net，结合全局上下文聚合模块（GCAM）、谱增强特征模块（SFM）和尺度感知扩张模块（SDM），通过频域注意力增强特征表达，并自适应整合多尺度特征以改善器械精细边界的分割性能	NA	提高手术器械分割的准确性和鲁棒性，以增强机器人手术系统的视觉感知和精确操作能力	手术器械	计算机视觉	NA	深度学习	CNN	图像	多个公开可用的手术器械分割数据集	NA	SCI-Net	NA	NA