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	2026-01-24	Code-Free Machine Learning Solutions for Microscopy Image Processing: Deep Learning 2024-10, Tissue engineering. Part A DOI:10.1089/ten.TEA.2024.0014 PMID:38556835	综述	本文综述了无需编程的深度学习算法在显微镜图像处理中的应用，特别关注生物学领域	聚焦于无需编程的深度学习解决方案，为无编程背景的生物学家提供可访问的算法资源	主要关注生物医学应用，可能未全面覆盖其他科学领域的具体需求	探索和介绍适用于显微镜图像处理的深度学习算法，降低使用门槛	显微镜图像，特别是生物学领域的图像	计算机视觉	NA	深度学习	人工神经网络	图像	NA	NA	NA	NA	NA
1582	2026-01-24	Addressing grading bias in rock climbing: machine and deep learning approaches 2024, Frontiers in sports and active living IF:2.3Q2 DOI:10.3389/fspor.2024.1512010 PMID:40046938	综述	本文综述了机器学习和深度学习在解决攀岩路线难度评级主观性问题中的应用	首次系统分类并比较了基于路线中心、攀岩者中心和路径查找/生成三种机器学习方法在攀岩难度评级中的效果，并指出自然语言处理或循环神经网络算法是最优方法	NA	探索标准化攀岩路线难度评级的机器学习方法	攀岩路线难度评级系统	自然语言处理, 机器学习	NA	NA	RNN	文本	NA	NA	NA	NA	NA
1583	2026-01-23	Deep learning in central serous chorioretinopathy 2026 Mar-Apr, Survey of ophthalmology IF:5.1Q1 DOI:10.1016/j.survophthal.2025.07.011 PMID:40752852	综述	本文全面回顾了深度学习在中心性浆液性脉络膜视网膜病变（CSC）中的应用，包括自动分析成像生物标志物、诊断、分类、预后和治疗结果预测	首次系统综述深度学习如何通过自动化分析CSC相关成像生物标志物（如视网膜下液、脉络膜血管等）来增强诊断和管理效率，并详细探讨了脉络膜血管的非侵入性可视化技术	未提及具体数据样本量或模型性能比较，且领域仍面临挑战和空白，需要进一步研究	探讨深度学习在眼科，特别是中心性浆液性脉络膜视网膜病变（CSC）中的应用，以提升诊断和管理的效率	中心性浆液性脉络膜视网膜病变（CSC）及其相关成像生物标志物，如视网膜下液、脉络膜层等	计算机视觉	中心性浆液性脉络膜视网膜病变	NA	深度学习模型	图像	NA	NA	NA	NA	NA
1584	2026-01-23	Artificial intelligence in age-related macular degeneration: Advancing diagnosis, prognosis, and treatment 2026 Mar-Apr, Survey of ophthalmology IF:5.1Q1 DOI:10.1016/j.survophthal.2025.09.007 PMID:40975441	综述	本文综述了人工智能（AI）在年龄相关性黄斑变性（AMD）的诊断、预后和治疗中的最新进展、临床应用及关键局限性	系统性地总结了AI在AMD早期检测/分类以及疾病进展/治疗反应预测方面的应用，并开始解决算法偏见、泛化性有限和“黑箱”性质等先前挑战	AI模型的临床整合依赖于提高模型可解释性并在多样化人群中验证工具	评估人工智能在年龄相关性黄斑变性管理中的潜力，以推动及时诊断和个性化干预	年龄相关性黄斑变性（AMD）患者	数字病理学	年龄相关性黄斑变性	NA	机器学习, 深度学习	图像	基于对193条记录的筛选，纳入了47项研究	NA	NA	准确率	NA
1585	2026-01-23	TPVNet: A domain-aware graph-based framework for reliable multivariate physiological time series classification in healthcare 2026-Mar, Computer methods and programs in biomedicine IF:4.9Q1 DOI:10.1016/j.cmpb.2025.109214 PMID:41442988	研究论文	提出了一种名为TPVNet的领域感知图框架，用于医疗物联网中多变量生理时间序列的可靠分类	提出了时间增强有限可穿透可见图（TPVG）将原始信号转换为不可逆的图表示，并采用通道级投票策略以增强决策鲁棒性	未明确提及	提升医疗物联网应用中多变量生理时间序列分类的准确性、稳定性和隐私保护	多变量生理时间序列	机器学习	心房颤动	时间序列分析，图表示学习	GIN	时间序列数据	七个公共生理数据集	NA	Graph Isomorphism Network	准确率，召回率，精确率，F1分数，标准差	NA
1586	2026-01-23	Liver cancer segmentator: Metadata-guided confidence scoring for reliable segmentation of colorectal liver metastases in CT 2026-Mar, Computer methods and programs in biomedicine IF:4.9Q1 DOI:10.1016/j.cmpb.2026.109233 PMID:41505999	研究论文	本研究介绍了肝脏癌症分割器（LCS），一种用于自动和鲁棒地分割结直肠肝转移患者腹部增强CT图像中肝实质和肿瘤的深度学习模型，旨在通过元数据引导的置信度评分提高分割可靠性	开发了结合肿瘤体积和切片厚度元数据的置信度评分系统，以增强分割失败检测和临床可靠性	研究为回顾性设计，数据来源于两个机构，可能限制泛化性；未在外部验证集上测试模型	提高结直肠肝转移CT图像自动分割的可靠性和临床评估置信度	结直肠肝转移患者的腹部增强CT图像	数字病理学	结直肠肝转移	对比增强计算机断层扫描（CT）	深度学习模型	CT图像	446例腹部增强CT检查（355例训练，91例测试）	NA	NA	Dice分数, 归一化表面距离, 风险覆盖曲线下面积	NA
1587	2026-01-23	Noninvasive real-time dynamic monitoring of white blood cells based on microscopic imaging and deep learning 2026-Mar, Computer methods and programs in biomedicine IF:4.9Q1 DOI:10.1016/j.cmpb.2026.109238 PMID:41505998	研究论文	本研究开发了一种基于显微成像和深度学习的无创实时动态白细胞监测系统	结合便携式光学成像设备和基于YOLOv8的两阶段检测框架，首次实现了甲襞微循环中白细胞的连续无创监测	研究样本量较小（仅22名志愿者），且未在临床环境中进行大规模验证	开发一种无创、实时监测白细胞动态的系统，以替代传统的间歇性血液采样方法	甲襞微循环中的白细胞	计算机视觉	NA	显微成像，532 nm照明光学成像	CNN	视频	22名志愿者	PyTorch	YOLOv8	平均精度均值（mAP），精确率，召回率，F1分数	通用计算平台
1588	2026-01-23	SegRenal: AI-Driven segmentation of frozen sections in transplant kidney biopsies - A comparative analysis of deep learning models 2026-Mar, Computer methods and programs in biomedicine IF:4.9Q1 DOI:10.1016/j.cmpb.2025.109216 PMID:41512382	研究论文	本研究开发了SegRenal，一种基于人工智能的模型，用于自动分割移植肾活检冰冻切片中的关键结构，并比较了不同深度学习模型的性能	首次将深度学习模型应用于肾移植冰冻切片的自动化分割，并进行了跨扫描仪性能评估，模型甚至能检测出人工标注遗漏的结构	研究样本量相对有限（共183张全切片图像），且仅针对两种特定扫描仪进行了评估	开发并评估用于肾移植冰冻切片自动分割的AI模型，以支持快速、一致的术中评估	肾移植供体活检的冰冻切片全切片图像	数字病理学	肾脏疾病	苏木精和伊红染色	CNN	图像	183张冰冻全切片图像，来自两种扫描仪，并由肾脏病理专家手动标注	NA	UNet, ResNet-UNet, DenseNet-UNet	Dice分数, 精确率, 召回率, 组内相关系数	NA
1589	2026-01-23	ADHTransNet-based radiomics on multimodal pituitary MRI for non-invasive hormone prediction in children 2026-Mar, Computer methods and programs in biomedicine IF:4.9Q1 DOI:10.1016/j.cmpb.2026.109235 PMID:41519096	研究论文	本研究提出了一种基于ADHTransNet的放射组学方法，利用多模态垂体MRI图像，实现儿童生长激素和促性腺激素水平的无创预测	提出了ADHTransNet用于垂体腺体的自动分割，并开发了一个全自动、多模态、可重复的放射组学流程，首次实现了从MRI图像直接预测多种激素水平，以减少对侵入性刺激测试的依赖	样本量相对有限（共274名受试者），且研究为单中心设计，可能限制了模型的泛化能力	开发一种无创的辅助工具，用于预测儿童生长激素缺乏症和特发性中枢性性早熟患者的激素水平，以减少侵入性血液测试的需求	患有生长激素缺乏症（GHD）、特发性中枢性性早熟（ICPP）的儿童以及正常对照组	数字病理学	儿科内分泌疾病	MRI成像（T1加权和T2加权图像）	CNN, Transformer	医学图像（MRI）	274名受试者，共548次扫描（包括T1WI和T2WI图像）	NA	ADHTransNet	相关系数（r值），p值	NA
1590	2026-01-23	Chemo-prAIdict Breast: A deep learning solution for predicting residual disease on biopsies of breast cancer patients treated with neoadjuvant chemotherapy 2026-Feb-05, European journal of cancer (Oxford, England : 1990) DOI:10.1016/j.ejca.2026.116222 PMID:41518683	研究论文	开发了一种基于深度学习模型Chemo-prAIdict Breast，利用诊断活检的全切片图像预测乳腺癌患者新辅助化疗后的残留疾病	首次提出使用全切片图像的深度学习模型预测乳腺癌新辅助化疗后的残留疾病，并在大型队列中验证了其优于标准临床病理特征的性能	需要基于现代治疗方案的前瞻性研究来确立临床实用性	预测早期乳腺癌患者对新辅助化疗的敏感性，以帮助个体化治疗	接受新辅助化疗的早期乳腺癌患者	数字病理学	乳腺癌	全切片图像分析	深度学习模型	图像	初始纳入1140名患者，经筛选后分析928名（训练队列438名，外部验证队列490名）	NA	NA	AUC, Pearson相关系数	NA
1591	2026-01-23	Peripapillary Choroidal Vascularity Index for Differentiating Papilledema from Pseudopapilledema: A Deep Learning-Based Approach 2026-Feb, Ophthalmology science IF:3.2Q1 DOI:10.1016/j.xops.2025.101024 PMID:41552652	研究论文	本研究使用深度学习算法比较了特发性颅内高压引起的视盘水肿与视盘玻璃膜疣引起的假性视盘水肿的视盘周围脉络膜血管指数	首次应用深度学习ResUNet模型结合体积平滑算法自动分割脉络膜，并量化视盘周围脉络膜血管指数以区分视盘水肿与假性视盘水肿	样本量较小，且为回顾性研究，可能存在选择偏倚	区分特发性颅内高压引起的视盘水肿与视盘玻璃膜疣引起的假性视盘水肿	特发性颅内高压患者、视盘玻璃膜疣患者及健康对照者的眼睛	数字病理学	眼科疾病	OCT	CNN	图像	138只眼睛（30只视盘水肿眼、30只假性视盘水肿眼、78只健康对照眼）	NA	ResUNet	均值比较、P值	NA
1592	2026-01-23	Comparison of RETFound and a Supervised Convolutional Neural Network for Detection of Referable Glaucoma from Fundus Photographs 2026-Feb, Ophthalmology science IF:3.2Q1 DOI:10.1016/j.xops.2025.101008 PMID:41552656	研究论文	比较基于视觉Transformer的基础模型RETFound和监督卷积神经网络VGG-19在眼底照片中检测可转诊青光眼的性能	首次将自监督预训练的视觉Transformer基础模型RETFound与监督CNN模型VGG-19在青光眼检测任务中进行系统比较，并探讨了图像裁剪、训练数据规模及人口统计学因素对模型性能的影响	研究主要基于特定筛查项目数据，外部验证集规模较小（N=300），且未涉及其他类型青光眼或更广泛的临床场景	评估不同深度学习架构在青光眼自动筛查中的诊断性能	来自洛杉矶县卫生服务远程视网膜筛查项目的6,116名参与者的眼底照片	计算机视觉	青光眼	眼底摄影	Vision Transformer, CNN	图像	训练集8,996张，验证集3,002张，内部测试集1,000张，外部测试集300张眼底照片	未明确说明	RETFound, VGG-19	AUC-ROC, 敏感性, 特异性, F1分数	NA
1593	2026-01-23	The role of fibration symmetries in geometric deep learning 2026-Jan-27, Proceedings of the National Academy of Sciences of the United States of America IF:9.4Q1 DOI:10.1073/pnas.2416552123 PMID:41564124	研究论文	本文提出将几何深度学习（GDL）扩展至局部对称性，特别是纤维化对称性，以增强图神经网络（GNNs）的表达能力和计算效率	放松GDL限制，引入局部对称性（纤维化对称性），推导出GNNs表达能力的更紧上界，并通过识别网络对称性压缩节点以提高计算效率	当前GDL公式仅限于全局对称性，新方法虽扩展至局部对称性，但实际应用效果需进一步验证	扩展几何深度学习框架，引入局部对称性以改进图神经网络的表达能力和效率	图神经网络（GNNs）、几何深度学习（GDL）框架	机器学习	NA	NA	GNN	图数据	NA	NA	NA	NA	NA
1594	2026-01-23	[Precision surgical treatment for middle and low rectal cancer in the era of artificial intelligence] 2026-Jan-25, Zhonghua wei chang wai ke za zhi = Chinese journal of gastrointestinal surgery DOI:10.3760/cma.j.cn441530-20251015-00381 PMID:41566182	综述	本文探讨了人工智能技术在结直肠癌诊疗中的应用，特别是在中低位直肠癌精准手术治疗中的作用	通过深度学习算法分析CT和MRI等影像数据，为手术规划提供定量支持，并结合增强现实技术实现术中实时肿瘤定位和解剖平面可视化	NA	推动中低位直肠癌手术治疗向个体化和精准化范式发展	中低位直肠癌患者	数字病理	结直肠癌	深度学习, 增强现实	深度学习模型	影像数据	NA	NA	NA	NA	NA
1595	2026-01-23	[Artificial intelligence prediction of surgical difficulty in mid-low rectal cancer: a single-center cohort study] 2026-Jan-25, Zhonghua wei chang wai ke za zhi = Chinese journal of gastrointestinal surgery DOI:10.3760/cma.j.cn441530-20251015-00382 PMID:41566184	研究论文	本研究利用深度学习技术处理和分析中低位直肠癌患者的直肠MRI图像，并结合临床基线信息，构建了一个全自动端到端的预测模型，旨在辅助结直肠外科医生术前评估手术难度并选择最佳手术方案	首次提出一个结合直肠MRI图像和临床数据的全自动端到端人工智能模型，用于预测中低位直肠癌的手术难度	研究为单中心队列研究，可能存在选择偏倚；样本量相对有限（366例患者）；模型性能（如特异性0.521）仍有提升空间	开发一个能够预测中低位直肠癌手术难度的人工智能模型，以辅助术前规划和手术方案选择	接受腹腔镜全直肠系膜切除术（TME）的中低位直肠癌患者	数字病理学	直肠癌	深度学习，直肠MRI图像分析	深度学习模型	图像（直肠MRI DICOM图像），临床基线数据	366例患者（253例男性，113例女性），其中训练集和测试集划分未明确说明	NA	NA	准确率, 精确率, 特异性, 召回率, F1分数, AUC	NA
1596	2026-01-23	Refined query network (RQNet) for precise MRI segmentation and robust TED activity assessment 2026-Jan-22, Physics in medicine and biology IF:3.3Q1 DOI:10.1088/1361-6560/ae3101 PMID:41442780	研究论文	本文提出了一种名为RQNet的高效深度学习框架，用于精确分割眼眶MRI图像并评估甲状腺眼病活动性	引入了新颖的Refined Query Transformer Block，通过池化细化查询将注意力复杂度从O(N²)降低到O(N·M)，并整合多序列MRI特征进行放射组学分析	未明确说明数据集的样本来源多样性或外部验证结果	开发一个深度学习框架，用于精确分割眼眶MRI图像并评估甲状腺眼病活动性，以支持临床决策	甲状腺眼病患者的多序列MRI图像	计算机视觉	甲状腺眼病	多序列磁共振成像	CNN, Transformer	三维MRI图像	NA	NA	U-Net, Transformer	Dice相似系数, 曲线下面积	NA
1597	2026-01-23	Exploring the Mutarotation Mechanism of Glucose in Solution Using Deep Learning Potential 2026-Jan-22, The journal of physical chemistry. B DOI:10.1021/acs.jpcb.5c07574 PMID:41501613	研究论文	本研究利用深度学习势能分子动力学模拟探索了葡萄糖在水溶液中的变旋机制	采用深度学习势能分子动力学模拟，相比传统方法提供了更准确且统计收敛的反应路径描述，首次明确揭示了葡萄糖变旋优先通过开环路径进行	研究主要基于模拟结果，缺乏直接的实验验证证据	阐明葡萄糖在水溶液中的变旋机制，区分两种可能路径	葡萄糖分子在水溶液中的变旋过程	机器学习	NA	深度学习势能分子动力学模拟	深度学习势能模型	分子动力学模拟数据	NA	NA	NA	NA	NA
1598	2026-01-23	Breaking the performance barrier in deep learning-based SSVEP-BCIs: a joint frequency-phase training strategy 2026-Jan-22, Journal of neural engineering IF:3.7Q2 DOI:10.1088/1741-2552/ae36f6 PMID:41525762	研究论文	本文提出了一种联合频率-相位训练策略（JFPTS），以提升基于深度学习的稳态视觉诱发电位（SSVEP）脑机接口的分类性能	通过结合频率先验驱动采样和锁相采样两阶段策略，首次在深度学习训练中同时利用SSVEP信号的频率和相位特性，突破了现有方法仅关注单一特征的局限	未明确讨论策略在不同噪声环境或个体差异下的鲁棒性，也未涉及实时应用中的计算效率问题	提高SSVEP信号在脑机接口中的分类准确率，推动深度学习在该领域的应用	稳态视觉诱发电位（SSVEP）信号	机器学习	NA	脑电图（EEG）	深度学习模型	时间序列信号	基于两个公开数据集	NA	NA	分类准确率	NA
1599	2026-01-23	MMoGCN: a multi-gate mixture of graph convolutional network model for EEG emotion and mood disorder recognition 2026-Jan-22, Journal of neural engineering IF:3.7Q2 DOI:10.1088/1741-2552/ae37dc PMID:41529398	研究论文	本文提出了一种名为MMoGCN的多门混合图卷积网络模型，用于基于脑电图的情绪和心境障碍联合识别	设计了一个多任务学习框架，通过多门共享专家模块和自适应任务特定塔，有效提取脑电图数据中情绪和心境障碍的共享特征，并动态调整任务贡献	模型在自收集数据集和公开DEAP数据集上进行了评估，但可能在其他脑电图数据集或更广泛的人群中泛化能力有待进一步验证	开发一个基于脑电图的深度学习框架，用于情绪和心境障碍的联合识别，以探索两者之间的内在关系	脑电图信号，用于识别情绪状态和心境障碍	机器学习	心境障碍	脑电图	图卷积网络	脑电图信号	自收集数据集和公开DEAP数据集	NA	MMoGCN	NA	NA
1600	2026-01-23	DeepDBPI: DNA-Binding Protein Identifier Using a Deep Learning Model with Transformed Denoised Features 2026-Jan-22, Journal of chemical information and modeling IF:5.6Q1 DOI:10.1021/acs.jcim.5c02637 PMID:41566703	研究论文	本文提出了一种名为DeepDBPI的深度学习模型，用于预测DNA结合蛋白，通过结合多种新型特征描述符和去噪技术提升预测性能	开发了结合CC-PSSM、BP-PSSM、TRG-PSSM和FEGS等新型特征描述符，并应用小波去噪算法处理序列特征，首次将Bi-GRU与去噪后的FEGS编码方法结合用于DNA结合蛋白预测	未明确说明模型在更广泛或不同物种数据集上的泛化能力，以及计算资源消耗的具体评估	开发一种高效的计算工具来预测DNA结合蛋白，以替代昂贵耗时的湿实验方法	DNA结合蛋白（DBPs）	生物信息学	NA	特征编码方法（CC-PSSM、BP-PSSM、TRG-PSSM、FEGS）、小波去噪算法	深度学习模型（包括ResNet、LSTM、BiLSTM、RNN、BiRNN、BiGRU）	蛋白质序列数据	未明确说明具体样本数量，但使用了独立测试集和5折交叉验证	未明确指定，但可能基于常见深度学习框架如TensorFlow或PyTorch	ResNet, LSTM, BiLSTM, RNN, BiRNN, BiGRU	准确率（ACC）、灵敏度（SN）、特异性（SP）、马修斯相关系数（MCC）	未明确说明具体计算资源