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
1581	2026-03-28	Spinal Cord Segmentation and Injury Detection based on Siamese Conventional WideRes Network using CT Image 2026-Mar, European spine journal : official publication of the European Spine Society, the European Spinal Deformity Society, and the European Section of the Cervical Spine Research Society IF:2.6Q1 DOI:10.1007/s00586-025-09587-1 PMID:41266913	研究论文	提出了一种基于Siamese卷积WideRes网络（SCWRes-Net）的深度学习新方法，用于CT图像中的脊髓分割和损伤检测	提出了一种新颖的SCWRes-Net模型，该模型集成了Siamese卷积神经网络（SCNN）和宽残差网络（WideResNet），用于解决脊髓损伤检测中的类别不平衡和图像变异性问题	NA	开发一种用于脊髓分割和损伤检测的深度学习模型	CT图像中的脊髓区域	计算机视觉	脊髓损伤	CT成像	CNN, Siamese网络	图像	NA	NA	Mask R-CNN, WideResNet, Siamese CNN	准确率, 真阴性率, 真阳性率	NA
1582	2026-03-28	Application and assessment of deep learning to routine 2D T2 FLEX spine imaging at 1.5T 2026-Mar, European spine journal : official publication of the European Spine Society, the European Spinal Deformity Society, and the European Section of the Cervical Spine Research Society IF:2.6Q1 DOI:10.1007/s00586-025-09305-x PMID:40892229	研究论文	本研究评估了深度学习重建技术在1.5T磁共振脊柱成像中的应用效果，比较了DL重建与非DL重建的2D T2 FLEX图像质量	首次系统评估深度学习重建（AIR™ Recon DL）在1.5T磁共振常规脊柱2D T2 FLEX成像中的诊断图像质量和定量指标表现	样本量较小（41例患者），仅评估了特定病理类型，需要更大规模和多样化的队列研究来验证结果	比较深度学习重建与非深度学习重建的脊柱2D T2 FLEX磁共振图像的诊断质量和定量指标	41例临床需要进行颈椎或腰椎磁共振检查的患者	医学影像分析	脊柱疾病	2D T2 FLEX磁共振成像，DIXON型脂肪抑制技术	深度学习重建模型	磁共振图像	41例患者，39个病例评估	AIR™ Recon DL（GE HealthCare专有框架）	NA	信噪比（SNR），总变差（TV），边缘数量，脂肪分数（FF），诊断偏好评分	1.5T Voyager磁共振扫描仪（GE HealthCare），具体计算资源未明确说明
1583	2026-03-28	Multi-class cervical spine fracture classification using deep ensemble model based on CT images 2026-Mar, European spine journal : official publication of the European Spine Society, the European Spinal Deformity Society, and the European Section of the Cervical Spine Research Society IF:2.6Q1 DOI:10.1007/s00586-025-09415-6 PMID:41057591	研究论文	本研究提出了一种基于CT图像的多类别颈椎骨折分类深度集成模型，用于精确识别骨折类型	提出了一种结合增强维纳滤波预处理、改进残差块辅助ResUNet分割、以及VGG16/ResNet深度特征与LGTrP纹理特征融合的集成分类框架，采用软投票策略整合多个分类器的概率输出	未明确说明模型在外部验证集上的泛化性能，也未讨论不同CT扫描参数对模型性能的影响	开发精确有效的颈椎骨折自动分类方法以辅助临床诊断	颈椎CT图像	计算机视觉	颈椎骨折	CT成像	集成模型, CNN	医学图像（CT）	NA	NA	ResUNet, VGG16, ResNet, LeNet, ShuffleNet, DCNN	准确率, 精确率, NPV	NA
1584	2026-03-28	Dual HER2/ERα Inhibitors for Breast and Ovarian Cancer: An Integrated Computational Study on 1,2,4-Oxadiazole Derivatives 2026-Mar, Chemistry & biodiversity IF:2.3Q3 DOI:10.1002/cbdv.202503520 PMID:41889096	研究论文	本研究通过综合计算策略评估了一系列1,2,4-恶二唑衍生物作为HER2和ERα双重抑制剂的潜力	采用集成计算策略（包括DFT、分子对接、动力学模拟、药代动力学分析和机器学习模型）来评估1,2,4-恶二唑衍生物作为HER2/ERα双重抑制剂，并利用机器学习和深度学习模型进行化合物活性分类	研究结果需要后续实验验证，计算模型的预测性能可能受限于训练数据	评估1,2,4-恶二唑衍生物作为HER2和ERα双重抑制剂的潜力，以加速靶向癌症疗法的发现	1,2,4-恶二唑衍生物	机器学习	乳腺癌,卵巢癌	密度泛函理论（DFT）、分子对接、分子动力学模拟、药代动力学分析、机器学习	机器学习模型,深度学习模型	化学结构数据,计算模拟数据	一系列1,2,4-恶二唑衍生物	NA	NA	预测结合亲和力,复合物稳定性,口服生物利用度,心脏毒性风险,分类性能	NA
1585	2026-03-28	Deep Learning-Based Diagnostic Model for Ocular Surface Neoplastic Diseases 2026-Feb-24, American journal of ophthalmology IF:4.1Q1 DOI:10.1016/j.ajo.2026.02.033 PMID:41748055	研究论文	本研究开发了一种基于深度学习的诊断模型，用于识别眼表肿瘤性疾病，并评估其诊断性能	首次应用YOLOv5深度学习模型于眼表肿瘤的自动诊断，并通过与不同级别眼科专家的比较验证了其高诊断准确性	对于罕见恶性肿瘤（如黑色素瘤和MALT淋巴瘤）的诊断性能有限，需要进一步优化	开发并评估一个深度学习模型，用于辅助诊断眼表肿瘤性疾病	眼表肿瘤图像，包括痣、角膜缘皮样瘤、MALT淋巴瘤、眼表鳞状上皮瘤、黑色素瘤、睑裂斑和翼状胬肉	计算机视觉	眼表肿瘤性疾病	裂隙灯显微镜成像	CNN	图像	1491张眼表图像，代表7种疾病，外部验证使用299张图像	PyTorch	YOLOv5	阳性预测值, 曲线下面积, 敏感性, 特异性	NA
1586	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
1587	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
1588	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
1589	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
1590	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
1591	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
1592	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
1593	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
1594	2026-03-28	Transformer and graph variational autoencoder to identify microenvironments: A deep learning protocol for spatial transcriptomics 2025-Dec-19, STAR protocols IF:1.3Q4 DOI:10.1016/j.xpro.2025.104206 PMID:41313684	研究论文	本文提出了一个结合Transformer和图变分自编码器的计算框架TG-ME，用于通过空间转录组学和形态学图像解析空间微环境	创新性地整合了Transformer和图变分自编码器，以深度学习方式识别健康、肿瘤和感染组织中的空间微环境	NA	开发一个深度学习协议，用于识别和分析空间转录组学数据中的微环境	空间转录组学和形态学图像数据	数字病理学	肿瘤	空间转录组学	Transformer, 图变分自编码器	空间转录组数据, 形态学图像	NA	NA	Transformer, 图变分自编码器	NA	NA
1595	2026-03-28	Protocol to annotate and automate single-cell instance segmentation on stimulated Raman histology using deep learning 2025-Dec-19, STAR protocols IF:1.3Q4 DOI:10.1016/j.xpro.2025.104221 PMID:41317327	研究论文	本文提出了一种基于深度学习的协议，用于在刺激拉曼组织学图像上实现单细胞实例分割的标注和自动化	开发了ELUCIDATE网络标注工具和DetectSRH Python库，结合深度学习实现无标记SRH图像的单细胞空间分析	NA	实现神经外科术中获取的SRH图像的自动化细胞分割	刺激拉曼组织学图像中的细胞	数字病理学	NA	刺激拉曼组织学	深度学习模型	图像	NA	Python	NA	NA	NA
1596	2026-03-28	A Scorpion Peptide Exerts Selective Anti-Leukemia Effects Through Disrupting Cell Membranes and Triggering Bax/Bcl-2-Related Apoptosis Pathway 2025-12-18, Biomolecules IF:4.8Q1 DOI:10.3390/biom15121751 PMID:41463404	研究论文	本研究利用深度学习模型预测并验证了一种蝎子肽Lpep3对白血病细胞的选择性抗白血病作用，通过破坏细胞膜并触发Bax/Bcl-2相关凋亡通路	结合AI计算模型快速筛选活性肽，并首次揭示Lpep3通过破坏细胞膜和诱导凋亡通路发挥选择性抗白血病效应	研究主要基于体外和动物模型，尚未进行人体临床试验，且具体作用机制细节需进一步探索	开发天然抗肿瘤药物，特别是针对白血病的治疗	白血病细胞（如MV-4-11）和小鼠模型	机器学习	白血病	深度学习模型预测，电子显微镜观察，台盼蓝染色，Calcein-AM/PI双染色，LDH和ATP释放检测，Western blotting，RT-qPCR	深度学习模型	肽序列数据，细胞实验数据	七种肽的预测验证，涉及白血病细胞系和小鼠模型	NA	NA	NA	NA
1597	2026-03-28	Applications of artificial intelligence in abdominal imaging 2025-Dec, Abdominal radiology (New York) DOI:10.1007/s00261-025-04990-0 PMID:40418375	综述	本文综述了人工智能在腹部影像学中的应用，包括疾病检测、分类和个性化护理，并讨论了当前挑战与未来方向	强调了AI在腹部影像中通过深度学习和影像组学实现疾病检测与自动化的突破性应用，并提出了解决数据异质性和可解释性等挑战的未来策略	广泛采用受限于数据异质性、缺乏多中心验证、依赖回顾性单中心研究以及AI模型的“黑箱”性质，阻碍了可解释性和临床医生信任	探讨人工智能在腹部影像学中的潜在应用，以改善疾病检测、分类和个性化护理	腹部影像学中的疾病，如弥漫性肝实质疾病、局灶性肝病变、胰腺导管腺癌、肾肿瘤和肠道病变	计算机视觉	腹部疾病	深度学习，影像组学	NA	图像	NA	NA	NA	准确性	NA
1598	2026-03-28	E2-regulated transcriptome complexity revealed by long-read direct RNA sequencing: from isoform discovery to truncated proteins 2025-12, RNA biology IF:3.6Q2 DOI:10.1080/15476286.2025.2563860 PMID:40965441	研究论文	本研究利用纳米孔长读长直接RNA测序技术，揭示了雌激素调控的转录组复杂性，并发现了一种产生截短蛋白的TLE1内含子多聚腺苷酸化亚型及其在乳腺癌中的临床意义	首次结合纳米孔长读长直接RNA测序、3'端测序和深度学习蛋白建模，系统揭示了雌激素响应转录组的复杂性，并发现了一种具有功能的新型内含子多聚腺苷酸化mRNA亚型及其产生的截短蛋白	未明确说明样本的具体数量或实验重复次数，且功能验证主要基于体外实验	探索雌激素受体α阳性乳腺癌中雌激素调控的转录组复杂性和蛋白质水平影响	雌激素受体α阳性乳腺癌细胞及相关的转录组和蛋白质	生物信息学，计算生物学	乳腺癌	纳米孔长读长直接RNA测序，3'端测序，深度学习蛋白建模	深度学习模型	RNA测序数据，蛋白质结构数据	NA	NA	NA	NA	NA
1599	2026-03-28	Serum-MiR-CanPred: deep learning framework for pan-cancer classification and miRNA-targeted drug discovery 2025-12, RNA biology IF:3.6Q2 DOI:10.1080/15476286.2025.2577433 PMID:41168129	研究论文	本研究开发了一个名为Serum-MiR-CanPred的深度学习框架，用于基于血清miRNA表达数据的泛癌分类和miRNA靶向药物发现	首次整合可解释AI与分子建模，利用88个miRNA共识集实现高精度泛癌分类，并识别出hsa-miR-5100作为关键生物标志物，进而通过分子对接发现潜在治疗配体	研究依赖于GEO数据库的现有数据，外部验证数据集可能有限，且分子对接结果需进一步实验验证	开发非侵入性癌症早期诊断工具并探索miRNA靶向药物发现	12种癌症类型及健康对照的血清miRNA表达数据	机器学习	泛癌	血清miRNA表达分析	MLP	miRNA表达数据	20,271个样本	NA	多层感知机	AUC, 准确率	NA
1600	2026-03-28	G2PDeep-v2: A Web-Based Deep-Learning Framework for Phenotype Prediction and Biomarker Discovery for All Organisms Using Multi-Omics Data 2025-12-01, Biomolecules IF:4.8Q1 DOI:10.3390/biom15121673 PMID:41463329	研究论文	本文介绍了G2PDeep-v2，一个基于深度学习的网络平台，用于多组学数据的表型预测和生物标志物发现	开发了一个集深度学习、超参数优化、可视化和下游分析于一体的统一网络平台，支持跨多种生物（包括人类和植物）的多组学数据分析	未在摘要中明确说明具体限制	为研究人员提供一个易于使用的工具，以整合和分析多组学数据，实现表型预测和生物标志物发现	跨多种生物（包括人类和植物）的多组学数据	机器学习	NA	多组学数据整合分析	深度学习模型	多组学数据	NA	NA	NA	NA	高性能计算资源