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
1621	2026-03-14	Evaluation of KU-F40 automated microscope for parasitology: when artificial intelligence meets old school microscopy 2026-Mar-11, Journal of clinical microbiology IF:6.1Q1 DOI:10.1128/jcm.00743-25 PMID:41665376	研究论文	本研究评估了KU-F40自动化粪便分析仪在寄生虫学诊断中的性能，结合自动化显微镜和深度学习人工智能技术	首次在广泛寄生虫种类上评估KU-F40自动化粪便分析仪的性能，结合自动化显微镜和深度学习AI进行寄生虫检测与识别	性能尚不足以作为阴性结果自动验证的筛查工具，缺乏10倍放大物镜，数据库寄生虫种类有限	评估KU-F40自动化粪便分析仪在肠道寄生虫感染诊断中的性能	比利时六家临床实验室的267份临床粪便样本及外部质量控制样本	数字病理学	肠道寄生虫感染	自动化显微镜检查，深度学习人工智能	深度学习模型	显微镜图像	267份临床粪便样本	NA	NA	灵敏度，特异性	NA
1622	2026-03-14	AI-Based Personalized Therapy With Clinical Intelligence and Radiomics (SPOILS) for Patients With Low Back Pain: Prospective Observational Study 2026-Mar-11, JMIR AI DOI:10.2196/83322 PMID:41812081	研究论文	本研究开发了一个名为SPOILS的人工智能决策支持工具，结合临床智能和影像组学为腰痛患者生成个性化治疗方案	首次将深度学习自动分割、影像组学特征提取与机器学习算法相结合，用于腰痛患者的个性化治疗规划，解决了传统手动分级的主观性和变异性问题	研究为前瞻性观察性研究，需要进一步随机对照试验验证临床效果；样本量未明确说明；未提及外部验证结果	开发人工智能决策支持工具，为腰痛患者提供个性化治疗方案	腰痛患者	医学影像分析	腰痛/腰椎退行性疾病	磁共振成像	深度学习, 机器学习	医学影像	NA	NA	DeepLabV3+, ResNet50, MobileNetV2	准确率, 精确率, 召回率, Dice系数, 交并比	NA
1623	2026-03-14	Quantum-inspired deep learning model for organic municipal solid waste classification toward a circular bioeconomy 2026-Mar-11, Journal of environmental management IF:8.0Q1 DOI:10.1016/j.jenvman.2026.129331 PMID:41818969	研究论文	本文提出了一种名为Quantum BioNet 2.0的混合量子-经典深度学习模型，用于有机城市固体废物的细粒度分类，以支持循环生物经济	提出了一种结合ResNet50特征提取、经典密集层和八量子比特变分量子电路的混合量子-经典框架，通过特征融合进行决策，在细粒度有机废物分类上超越了现有卷积模型	模型尚未在大规模、多区域数据集上进行验证，也未在实际操作环境中进行实时部署的可行性测试	提高有机城市固体废物的分类精度，以支持源头分离和自动化废物分拣系统，促进资源回收和可持续废物管理	有机城市固体废物图像	计算机视觉	NA	NA	混合量子-经典深度学习模型	图像	从多个公共来源收集并整理的9000张废物图像	NA	ResNet50, InceptionResNetV2, InceptionV3, MobileNetV2, DenseNet121	准确率, AUC	NA
1624	2026-03-14	Design of an optimal planning framework for cryosurgical treatment of brain tumor using CNN segmentation of MRI images 2026-Mar-11, Cryobiology IF:2.3Q3 DOI:10.1016/j.cryobiol.2026.105619 PMID:41819035	研究论文	本研究提出了一种集成方法，用于基于MRI图像的脑肿瘤冷冻手术术前规划，结合了深度学习分割、聚类优化和生物热模拟	整合了2D U-Net进行MRI图像分割、多种空间探针放置策略（K-Medoids聚类、高斯混合模型、气泡打包算法）以及基于有限元法的生物热模拟，以优化脑肿瘤冷冻手术规划	研究基于二维MRI数据，可能未完全捕捉三维肿瘤几何形状；模拟依赖于理论模型，未进行临床验证	开发一个优化的脑肿瘤冷冻手术术前规划框架，确保肿瘤完全覆盖同时最小化对健康组织的损伤	不规则形状的脑肿瘤	数字病理学	脑肿瘤	MRI成像	CNN	图像	NA	NA	U-Net	NA	COMSOL Multiphysics（用于有限元模拟）
1625	2026-03-14	Optimizing solar and wind forecasting with iHow optimization algorithm and multi-scale attention networks 2026-Mar-10, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-39632-y PMID:41803197	研究论文	本文提出了一种结合深度学习和元启发式优化的混合框架，用于提高风能和太阳能发电预测的准确性和计算可扩展性	提出了基于人类认知阶段启发的iHow优化算法（包括二进制版biHOW和连续版iHOW），并将其与多尺度注意力网络（MSAN）相结合，用于特征选择和超参数调优	未明确说明模型在不同地理区域或极端天气条件下的泛化能力，也未讨论计算资源消耗的具体细节	开发智能且可扩展的可再生能源预测框架，解决输入特征维度高和超参数设置敏感的问题	风能和太阳能发电预测	机器学习	NA	时间序列预测	深度学习	时间序列数据	NA	NA	多尺度注意力网络（MSAN）	均方误差（MSE），平均误分类率	NA
1626	2026-03-14	Nanopore direct RNA sequencing for RNA modification analysis: workflow assessment and computational tool benchmarking 2026-Mar-10, Advanced biotechnology DOI:10.1007/s44307-025-00093-5 PMID:41806147	综述	本文全面概述了牛津纳米孔技术（ONT）在RNA修饰分析中的应用，评估了其工作流程并基准测试了相关的计算工具	系统性地评估了ONT直接RNA测序用于RNA修饰检测的完整工作流程，并对多种计算工具（包括统计模型、机器学习、深度学习及大语言模型策略）进行了基准测试，特别针对m6A和假尿苷（Ψ）进行了跨数据集分析	测序错误率较高、数据和计算需求大、多修饰联合推断复杂，以及不同工具检测结果存在显著差异	评估纳米孔直接RNA测序技术在RNA修饰分析中的工作流程性能，并对相关计算工具进行基准测试	RNA修饰（特别是m6A和假尿苷）	生物信息学	NA	牛津纳米孔直接RNA测序	统计模型, 机器学习, 深度学习, 大语言模型	纳米孔测序信号数据	两个公开可用的数据集	NA	NA	NA	NA
1627	2026-03-14	Integrative spatial profiling pipeline for determining TME architectures in archival clinical specimens using CmTSA superplex technology 2026-Mar-10, Cell discovery IF:13.0Q1 DOI:10.1038/s41421-026-00874-9 PMID:41807362	研究论文	本文开发了一种结合HOC-FD技术和CmTSA超多重技术的空间分析平台，用于在存档临床样本中分析肿瘤微环境（TME）的架构，并提出了一个基于计算机视觉和RNN分析的计算流程来提取和量化空间特征	开发了混合光化学荧光淬灭（HOC-FD）技术，整合了自发荧光淬灭与循环多重酪酰胺信号放大（CmTSA），能够在FFPE组织中同时标记30-60个生物标志物，并具有超高信噪比；同时，提出了一个集成的计算机视觉流程，结合深度学习细胞分割和半径约束邻域网络（RNN）分析，用于定义和验证TME中的功能性生态位	未明确提及样本量以外的具体局限性，但暗示从原始像素级输出中提取空间特征在技术上仍具有挑战性	克服在存档临床样本中进行空间转录组学和蛋白质组学分析的局限性，以可视化并量化肿瘤微环境（TME）中的多细胞功能状态和空间架构	存档的福尔马林固定石蜡包埋（FFPE）组织样本，特别是人类结肠癌和宫颈癌标本	数字病理学	结肠癌, 宫颈癌	混合光化学荧光淬灭（HOC-FD），循环多重酪酰胺信号放大（CmTSA），超多重成像，空间蛋白质组学	深度学习	图像（超多重成像数据）	人类结肠癌和宫颈癌标本（具体数量未明确说明）	NA	NA	准确性，可靠性	NA
1628	2026-03-14	Artificial Intelligence enabled fouling prediction and effect of adsorbent sources in submerged fluidized bed ceramic membrane reactor for food industry wastewater treatment 2026-Mar-10, Environmental research IF:7.7Q1 DOI:10.1016/j.envres.2026.124260 PMID:41819202	研究论文	本研究应用浸没式流化床陶瓷膜反应器处理食品工业废水，并构建了基于深度学习的膜污染预测模型	首次在浸没式流化床陶瓷膜反应器中结合多种循环神经网络模型（RNN、LSTM、BiLSTM、GRU）预测膜污染，并采用蒙特卡洛Dropout进行不确定性量化	未明确说明模型在不同水质条件下的泛化能力，且本地购买的活性炭有机去除率较低	开发一种环境可持续的食品工业废水处理方法，并预测和控制膜污染	食品工业废水处理过程中的膜污染现象	机器学习	NA	X射线衍射、傅里叶变换红外光谱分析	RNN, LSTM, BiLSTM, GRU	时间序列数据	NA	NA	RNN, LSTM, BiLSTM, GRU	R值, 误差	NA
1629	2026-03-14	Climate driven drought risk and machine learning approaches for urban resilience and sustainable water governance 2026-Mar-10, Environmental research IF:7.7Q1 DOI:10.1016/j.envres.2026.124220 PMID:41819208	研究论文	本文开发了一种先进的干旱风险预测模型，结合多尺度标准化降水指数、气候分区和深度学习技术，用于预测巴基斯坦不同气候区域的干旱动态	整合了多尺度SPI指数、Köppen-Geiger气候分类和深度学习模型，首次在巴基斯坦半干旱和沿海沙漠区域进行长期和短期干旱预测的对比分析	研究主要基于降水数据，可能未充分考虑其他气候变量如温度、湿度等对干旱的影响，且模型在极端气候事件下的预测性能有待进一步验证	开发一种先进的干旱风险预测模型，以支持城市韧性建设和可持续水资源治理	巴基斯坦不同气候区域的干旱动态	机器学习	NA	标准化降水指数（SPI）分析、深度学习预测	RNN, LSTM, BiLSTM, CNN-LSTM, SVM	气候数据、降水数据	NA	NA	RNN, LSTM, BiLSTM, CNN-LSTM	NA	NA
1630	2026-03-14	MolVE: An Open-Source Web Platform for Visualizing and Evaluating AI-Designed Molecules to Aid in Prioritization 2026-Mar-09, Journal of chemical information and modeling IF:5.6Q1 DOI:10.1021/acs.jcim.5c02412 PMID:41667067	研究论文	本文介绍了一个名为MolVE的开源网络平台，用于可视化和评估AI设计的分子，以辅助专家进行优先级排序	开发了一个开源、基于网络的平台，支持异步、分布式和协作的分子评估，结合了安全用户认证、数据集管理和交互式2D/3D可视化	NA	旨在通过一个网络平台促进AI设计分子的有效评估和专家协作	AI设计的分子结构	机器学习	NA	NA	NA	分子结构数据	NA	NA	NA	NA	Docker容器化部署，支持在学术和工业环境中可扩展部署
1631	2026-03-14	SwinSite: 3D Structure-Based Prediction of Protein-Ligand Binding Sites Using a Combined Vision Transformer and Convolution Model 2026-Mar-09, Journal of chemical information and modeling IF:5.6Q1 DOI:10.1021/acs.jcim.5c02734 PMID:41717955	研究论文	本文提出了一种名为SwinSite的深度学习框架，用于基于蛋白质三维结构预测配体结合位点	结合3D卷积神经网络和分层视觉Transformer模块的混合架构，通过体素化蛋白质结构并利用移位窗口自注意力机制，有效捕捉局部几何特征和长程依赖关系	NA	准确识别蛋白质-配体结合位点以支持基于结构的药物发现	蛋白质三维结构	计算生物学	NA	深度学习	CNN, Transformer	三维网格数据	NA	NA	SwinSite	NA	NA
1632	2026-03-14	ChemTorch: A Deep Learning Framework for Benchmarking and Developing Chemical Reaction Property Prediction Models 2026-Mar-09, Journal of chemical information and modeling IF:5.6Q1 DOI:10.1021/acs.jcim.5c02645 PMID:41735237	研究论文	本文介绍了一个名为ChemTorch的开源深度学习框架，旨在简化和标准化化学反应属性预测模型的开发、实验、超参数调优和基准测试	提出了一个统一的深度学习框架ChemTorch，通过模块化管道、标准化配置和内置数据分割器，解决了现有软件生态系统碎片化问题，促进了模型的可重用性、公平比较和可重复性	NA	开发一个用于化学反应属性预测模型基准测试和开发的深度学习框架	化学反应属性预测模型，特别是能垒高度预测	机器学习	NA	深度学习	NA	化学反应数据	使用RDB7数据集	PyTorch	NA	NA	NA
1633	2026-03-14	Proof-of-concept: Differentiating upper trapezius muscle with myofascial trigger point using deep learning model on a small prospective sEMG dataset 2026-Mar-08, Journal of electromyography and kinesiology : official journal of the International Society of Electrophysiological Kinesiology IF:2.0Q2 DOI:10.1016/j.jelekin.2026.103132 PMID:41818939	研究论文	本研究提出了一种基于深度学习的方法，利用表面肌电图信号区分上斜方肌的肌筋膜触发点，为肌筋膜疼痛综合征的诊断提供了概念验证	首次使用一维卷积神经网络分析表面肌电图信号来识别肌筋膜触发点，并比较了不同损失函数和干预前后信号的效果	样本量较小（仅22名受试者），需要更大规模的研究进行验证	探索表面肌电图信号是否包含足够信息用于区分肌筋膜触发点	健康对照组和肌筋膜疼痛患者的上斜方肌表面肌电图信号	机器学习	肌筋膜疼痛综合征	表面肌电图	CNN	信号数据	22名受试者（9名健康对照，13名患者），共279个收缩段	NA	1D CNN	ROC-AUC, 准确率	NA
1634	2026-03-14	Tumor burden in metastatic colorectal cancer quantified using deep learning models: Prognostic value and maintenance treatment benefit in the CAIRO3 trial 2026-Mar-07, European journal of cancer (Oxford, England : 1990) DOI:10.1016/j.ejca.2026.116668 PMID:41819026	研究论文	本研究利用深度学习模型量化转移性结直肠癌的肿瘤负荷，并评估其在CAIRO3试验中对预后和维持治疗益处的预测价值	首次在转移性结直肠癌中，通过自动化深度学习分割模型量化肿瘤数量和总体积，探索其作为维持治疗预测生物标志物的潜力	这是一项探索性分析，样本量相对较小（104名患者），且仅针对肝和/或肺转移患者，结果需在更大规模研究中验证	评估肿瘤负荷（通过肿瘤数量和总体积量化）对转移性结直肠癌患者预后和维持治疗益处的预测价值	来自CAIRO3试验的转移性结直肠癌患者，具体为肝和/或肺转移患者	数字病理学	结直肠癌	深度学习分割模型	深度学习模型	医学影像	104名患者，共3989个转移性病灶	NA	NA	p值	NA
1635	2026-03-14	Percutaneous nephrostomy guidance by a convolutional-neural-network-based optical coherence tomography endoscope 2026-Mar-06, Communications engineering DOI:10.1038/s44172-026-00613-8 PMID:41792429	研究论文	本研究开发了一种基于卷积神经网络的OCT内窥镜探针，用于经皮肾造瘘术中的针头导航，旨在提高组织识别和血管检测的准确性	结合OCT内窥镜与深度学习模型（Inception和nnU-net），自动化识别肾组织结构和检测血流，提升了手术导航的精确性和效率	实验仅在31个人类肾脏样本中进行，未涉及临床实时手术验证，且样本量相对有限	改进经皮肾造瘘术的导航技术，以解决针头精确放置和避免血管破裂出血的挑战	人类肾脏组织，包括皮质、髓质、肾盏、窦脂肪和肾盂，以及肾脏血流	计算机视觉	肾脏疾病	光学相干断层扫描（OCT），包括结构成像和多普勒功能	CNN	图像	31个人类肾脏样本	NA	Inception, nnU-net	准确率, 交并比	NA
1636	2026-03-14	Artificial intelligence-enabled nanomedicine: enhancing drug design and predictive modeling in pharmaceutics 2026-Mar-05, The Journal of pharmacy and pharmacology IF:2.8Q2 DOI:10.1093/jpp/rgaf113 PMID:41353571	综述	本文综述了人工智能与纳米医学在药物设计及预测建模中的整合应用	探讨了AI方法（如深度学习、强化学习和图神经网络）与纳米载体系统（如脂质体、聚合物纳米颗粒和树枝状聚合物）的结合，以提升药代动力学预测的准确性	面临数据标准化、算法透明度和监管合规性方面的挑战，缺乏统一且灵活的框架来适应快速技术发展	旨在通过AI增强纳米医学，推动靶向药物递送、控释和个性化治疗的发展	纳米载体系统（如脂质体、聚合物纳米颗粒、树枝状聚合物）及相关的药物设计过程	机器学习	NA	NA	深度学习, 强化学习, 图神经网络	高维数据集	NA	NA	NA	NA	NA
1637	2026-03-14	Bridging AI advancements with risk assessment needs: A journey towards effective use and regulatory acceptance 2026-Mar-03, 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工具与毒理学新方法（NAMs）及下一代风险评估（NGRA）相结合，提出了AI在证据管理和证据生成两大领域的应用框架，并强调了超越技术验证以实现监管接受的重要性	作为一篇综述，未提供具体的实验数据或模型验证，且指出在AI工具整合到CRA中仍需进一步进展，特别是在监管接受标准方面	审查AI在化学风险评估和下一代风险评估中的应用现状，并识别确保AI工具成功整合到监管毒理学中所需的进一步进展领域	AI工具在毒理学和化学风险评估中的应用，包括机器学习（ML）和深度学习（DL）	机器学习	NA	NA	NA	复杂数据集	NA	NA	NA	NA	NA
1638	2026-03-14	Multi-sequence MRI deep learning and habitat radiomics for predicting mismatch repair status and prognosis in colorectal liver metastasis: a multicenter study 2026-Mar, La Radiologia medica DOI:10.1007/s11547-025-02155-z PMID:41231329	研究论文	本研究利用多序列MRI的栖息地放射组学和深度学习模型，预测结直肠肝转移的错配修复状态和预后	结合栖息地放射组学和深度学习模型，基于多序列MRI预测结直肠肝转移的错配修复状态及预后，并进行了多中心验证	回顾性研究设计，样本量相对有限（178例患者），可能存在选择偏倚	术前预测结直肠肝转移的错配修复状态及患者预后	结直肠肝转移患者	数字病理学	结直肠癌	多序列MRI（包括T2WI、DWI、动态对比增强MRI）	深度学习模型	医学影像（MRI图像）	178例患者（训练队列93例，内部验证队列40例，外部验证队列45例）	NA	NA	AUC, 95% CI	NA
1639	2026-03-14	A Comparative Study on Signal Decomposition Techniques for Stimulated Raman Photoacoustic Microscopy 2026-Mar, Journal of biophotonics IF:2.0Q3 DOI:10.1002/jbio.202500388 PMID:41397816	研究论文	本文比较了基于受激拉曼光谱的多光谱光声显微镜系统中四种信号分解技术的性能	首次在受激拉曼光声显微镜系统中系统比较FFT、最小二乘法、互相关和基于CNN自编码器的深度学习方法的信号分解效果	深度学习方法的性能在较长时延下表现出较大变异性，研究仅在小鼠脑组织数据上进行验证	评估不同信号分解技术在受激拉曼光声显微镜系统中的性能差异	小鼠脑组织产生的532nm和558nm波长的光声信号	生物医学成像	NA	受激拉曼光谱，多光谱光声显微镜	CNN，自编码器	光声信号数据	NA	NA	卷积神经网络与自编码器结合架构	准确度，氧饱和度估计性能	NA
1640	2026-03-14	MultiCell: geometric learning in multicellular development 2026-Mar, Nature methods IF:36.1Q1 DOI:10.1038/s41592-025-02983-x PMID:41398502	研究论文	本文提出了一种名为MultiCell的几何深度学习方法，用于在发育过程中捕获细胞间复杂的相互作用并预测单细胞行为	通过统一的图数据结构整合细胞相互作用和细胞连接网络，实现了可解释的四维形态序列对齐和单细胞分辨率的行为预测	NA	理解和预测发育过程中活体组织内每个细胞随时间变化的行为	果蝇胚胎发生过程中的多细胞系统	机器学习	NA	几何深度学习	几何深度学习模型	多细胞数据，包括细胞几何和细胞连接网络	NA	NA	NA	NA	NA