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
1661	2026-01-09	Innovative approaches for coronary heart disease management: integrating biomedical sensors, deep learning, and stellate ganglion modulation 2026-Jan, Computer methods in biomechanics and biomedical engineering IF:1.7Q3 DOI:10.1080/10255842.2024.2378099 PMID:39023137	研究论文	本研究评估了结合传统中医干预、现代生物医学传感器和星状神经节调节的综合治疗方法对冠心病患者的疗效	将传统中医干预与现代生物医学传感器和星状神经节调节相结合，形成一种创新的冠心病综合治疗方法	研究样本量相对较小（117名患者），且仅针对痰浊壅盛证型的冠心病患者，需要进一步研究优化传感器技术	评估综合治疗方法对冠心病患者症状缓解、临床结局、血液流变学指标和炎症生物标志物的影响	117名痰浊壅盛证型的冠心病患者	数字病理学	心血管疾病	生物医学传感器、星状神经节调节	NA	临床数据、血液流变学指标、炎症生物标志物	117名冠心病患者	NA	NA	中医症状评分、临床效果、心绞痛表现、血液流变学指标、血清炎症生物标志物	NA
1662	2026-01-09	Prediction of influenza virus infection based on deep learning and peripheral blood proteomics: A diagnostic study 2026-Jan, Journal of advanced research IF:11.4Q1 DOI:10.1016/j.jare.2025.03.051 PMID:40158620	研究论文	本研究基于深度学习和外周血蛋白质组学，建立并验证了流感病毒感染的诊断预测模型，并识别了SAA2作为流感感染的特异性分子标志物	结合外周血蛋白质组学与机器学习（随机森林和LASSO回归）预测流感病毒感染的关键分子标志物，并首次验证SAA2蛋白作为流感辅助诊断指标	样本量相对有限（共1115名参与者），且未提及模型在外部验证集上的泛化性能	预测流感病毒感染的关键分子标志物，并建立诊断预测模型	850名患者（包括流感、COVID-19和混合感染）和265名健康个体的外周血样本	机器学习	流感	蛋白质组测序、ELISA	随机森林、LASSO回归	蛋白质组学数据、临床特征数据	1115名参与者（850名患者和265名健康个体）	NA	NA	ROC曲线分析	NA
1663	2026-01-09	Development and validation of a deep learning model based on cascade mask regional convolutional neural network to noninvasively and accurately identify human round spermatids 2026-Jan, Journal of advanced research IF:11.4Q1 DOI:10.1016/j.jare.2025.03.059 PMID:40185275	研究论文	本研究开发并验证了一种基于级联掩码区域卷积神经网络的深度学习模型，用于无创且准确地识别人类圆形精子细胞	首次应用级联掩码R-CNN深度学习模型于人类圆形精子细胞的非侵入性识别，避免了传统Hoechst染色的毒性问题	模型仅基于3457张光学显微镜图像进行训练和验证，样本量相对有限，且未在更广泛或多样化的临床样本中进行外部验证	评估深度学习模型在非侵入性准确识别人类圆形精子细胞方面的能力，以促进人类圆形精子注射技术的临床应用	人类圆形精子细胞	计算机视觉	男性不育症	流式细胞术分析、光学显微镜成像	CNN	图像	3457张已分选人类圆形精子细胞的光学显微镜图像	NA	级联掩码区域卷积神经网络	平均精度均值	NA
1664	2026-01-09	Confining thrombus morphospace through targeted inhibition of platelet mechanosensory signaling 2026-Jan, Journal of thrombosis and haemostasis : JTH IF:5.5Q1 DOI:10.1016/j.jtha.2025.08.013 PMID:40907704	研究论文	本研究开发了一种基于深度学习的框架，用于在体内追踪大量血小板活动，以评估靶向抑制血小板机械传感信号对血栓形态的影响	通过选择性抑制血小板机械传感信号（PI3KC2α），揭示了其在血栓持续扩张中的作用，并展示了如何在不损害止血关键区域结构完整性的情况下，优化抗血小板治疗的风险/效益比	研究主要针对高流量肠系膜静脉，可能不适用于其他血管类型或低流量环境，且未涉及长期临床效果评估	探索如何利用止血系统的结构-功能关系来改善抗血小板治疗的风险/效益比	血小板活动与血栓形态	数字病理学	心血管疾病	深度学习追踪技术	深度学习模型	视频或图像序列	NA	NA	NA	NA	NA
1665	2026-01-09	The combined use of cervical ultrasound and deep learning improves the detection of patients at risk for spontaneous preterm delivery 2026-Jan, American journal of obstetrics and gynecology IF:8.7Q1 DOI:10.1016/j.ajog.2025.09.012 PMID:40945809	研究论文	本研究开发并验证了一种基于深度学习的AI模型，用于从宫颈超声图像中预测自发性早产，并与宫颈长度测量方法进行比较	首次大规模多中心研究证明AI在预测自发性早产方面比宫颈长度测量更敏感，且能整合更多数据特征	超声检查的指征未系统记录，可能基于风险因素或早产症状进行，存在选择偏倚	开发并验证用于自发性早产预测的人工智能模型，并与传统宫颈长度测量方法进行性能比较	接受宫颈超声扫描的孕妇及其超声图像	数字病理学	早产	宫颈超声扫描	深度学习模型	图像	4224例妊娠，7862张宫颈超声图像	NA	NA	AUC, 敏感性, 特异性, 似然比	NA
1666	2026-01-09	Fractal-driven self-supervised learning enhances early-stage lung cancer GTV segmentation: a novel transfer learning framework 2026-Jan, Japanese journal of radiology IF:2.9Q2 DOI:10.1007/s11604-025-01865-8 PMID:40952548	研究论文	本文开发并评估了一种利用数学生成的非自然分形图像进行预训练的新型深度学习策略，用于自动分割早期肺癌大体肿瘤体积	提出了一种新颖的迁移学习框架，使用数学生成的分形图像（FractalDB）进行自监督预训练，以增强早期肺癌GTV分割，这在医学图像分割领域是一种创新的预训练数据来源	研究为回顾性研究，样本量相对较小（104名患者），且仅针对外周早期非小细胞肺癌，结果可能无法推广到其他类型或阶段的肺癌	开发并评估用于自动分割早期肺癌大体肿瘤体积（GTV）的深度学习策略	早期非小细胞肺癌患者的大体肿瘤体积（GTV）	数字病理	肺癌	CT成像	CNN, Vision Transformer (ViT)	图像	104名患者（36-91岁；81名男性；23名女性）的CT图像和医生勾画的轮廓数据	NA	NA	体积Dice相似系数（vDSC）, 表面Dice相似系数（sDSC）, 95百分位Hausdorff距离（HD95）	NA
1667	2026-01-09	Ultra-fast whole-brain T2-weighted imaging in 7 seconds using dual-type deep learning reconstruction with single-shot acquisition: clinical feasibility and comparison with conventional methods 2026-Jan, Japanese journal of radiology IF:2.9Q2 DOI:10.1007/s11604-025-01875-6 PMID:41003971	研究论文	本文评估了结合单次激发涡轮自旋回波技术和双类型深度学习重建的超快速T2加权成像的图像质量与临床效用	提出了一种超快速T2加权成像方法，仅需7秒即可完成全脑扫描，并采用结合去噪和超分辨率的双类型深度学习重建技术	研究样本量较小（38例患者），且仅由两名放射科医生进行定性评估，可能存在主观偏差	评估超快速T2加权成像在临床中的可行性和图像质量，并与传统方法进行比较	38例接受传统T2加权成像和超快速T2加权成像的患者	医学影像	中枢神经系统疾病	单次激发涡轮自旋回波技术，深度学习图像重建	深度学习	磁共振图像	38例患者	NA	NA	信噪比，对比噪声比，图像质量评分，噪声和伪影水平，解剖结构可见性，病变描绘	NA
1668	2026-01-09	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	本研究开发了一个名为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	首次开发了能够从超声心动图视频中自动分类二尖瓣脱垂的深度学习模型，并验证了其预测与临床终点（如二尖瓣反流严重程度和未来二尖瓣修复/置换术）的关联	模型主要在单一医疗中心（MGH）的数据上训练和验证，尽管进行了外部验证（BWH），但样本来源可能有限，且未提及模型在不同人群或设备间的泛化能力	开发一个深度学习模型来自动化二尖瓣脱垂的诊断，并探索其预测与临床结局的关联	心脏病患者和初级保健患者的超声心动图视频	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心脏病患者、8,888名MGH初级保健患者和257名BWH初级保健患者	NA	DROID-MVP	AUROC, 平均精度	NA
1669	2026-01-09	Multicenter deep learning-based automatic delineation of CTV and PTV in uterine malignancy CT imaging 2026-Jan, Radiotherapy and oncology : journal of the European Society for Therapeutic Radiology and Oncology IF:4.9Q1 DOI:10.1016/j.radonc.2025.111212 PMID:41120056	研究论文	本文提出了一种基于深度学习的多中心自动分割模型，用于在CT影像中准确勾画子宫恶性肿瘤的临床靶区和计划靶区	开发了一个能够跨多种子宫恶性肿瘤类型（宫颈癌和子宫内膜癌）和多中心数据准确分割CTV和PTV的深度学习模型，并进行了广泛的外部验证	研究为回顾性设计，且主要基于对比增强CT影像，未来需要前瞻性研究和更多样化的影像数据验证	开发一个自动化、可扩展的深度学习框架，以改进子宫恶性肿瘤放疗中靶区勾画的准确性和效率	子宫恶性肿瘤患者，包括宫颈癌和子宫内膜癌	数字病理	子宫恶性肿瘤	CT成像	深度学习分割模型	CT图像	602例对比增强CT扫描（302例来自内部机构，300例来自外部中心）	NA	2D分割网络, 全分辨率3D网络, 级联3D网络	Dice相似系数, 95%豪斯多夫距离, 平均表面距离	NA
1670	2026-01-09	Ultra-low dose CT for suspected physical abuse 2026-Jan, Journal of medical imaging and radiation sciences IF:1.3Q3 DOI:10.1016/j.jmir.2025.102148 PMID:41274092	研究论文	本研究比较了超低剂量CT与标准剂量CT在疑似虐待儿童诊断中的图像质量和辐射剂量	首次在新生儿全身模型中评估超低剂量CT用于疑似虐待儿童诊断的可行性，并展示了93.5%的辐射剂量降低	研究基于体模而非真实患者，未直接与X射线骨骼检查比较，需要进一步协议优化和临床验证	比较超低剂量CT与标准剂量CT在疑似虐待儿童诊断中的图像质量和辐射剂量	新生儿全身人体模型	医学影像学	儿童虐待	CT扫描，深度学习迭代重建，蒙特卡洛模拟	NA	CT图像	46名观察者（38名放射技师和8名放射科医生）	NA	NA	图像质量评分，有效剂量，AUC	GE Revolution Apex扫描仪
1671	2026-01-09	A deep learning radiomics model for predicting non-sentinel lymph node metastases in early-stage breast cancer patients 2026-Jan, Future oncology (London, England) DOI:10.1080/14796694.2025.2595688 PMID:41319290	研究论文	开发并验证一个深度学习放射组学模型，用于预测早期乳腺癌患者中非前哨淋巴结转移	结合临床因素、腋窝超声发现和放射组学特征，构建了一个综合预测模型，显著提升了非前哨淋巴结转移的预测性能	研究为回顾性和前瞻性结合，可能存在选择偏倚；模型在外部验证中的泛化能力未明确评估	预测早期乳腺癌患者的非前哨淋巴结转移	早期乳腺癌患者（具有1-2个阳性前哨淋巴结转移）	数字病理学	乳腺癌	超声成像	深度学习模型	图像	1,647名患者	NA	NA	AUC, 决策曲线分析, 校准曲线分析	NA
1672	2026-01-09	SenSeqNet: A Deep Learning Framework for Cellular Senescence Detection From Protein Sequences 2026-Jan, Aging cell IF:8.0Q1 DOI:10.1111/acel.70344 PMID:41432347	研究论文	本文提出了一种名为SenSeqNet的深度学习框架，用于直接从蛋白质序列预测细胞衰老状态	首次将进化尺度建模（ESM-2）嵌入与混合LSTM-CNN架构结合，直接从蛋白质序列预测细胞衰老，超越了传统机器学习与深度学习方法	未明确提及模型在更大规模或更复杂蛋白质数据集上的泛化能力，以及计算资源的具体需求	开发一种准确、可扩展的工具，用于从蛋白质序列中检测细胞衰老，以促进衰老机制研究和治疗靶点识别	蛋白质序列	自然语言处理	老年疾病	蛋白质序列分析	LSTM, CNN	序列数据	NA	NA	LSTM-CNN混合架构	准确率	NA
1673	2026-01-09	[Artificial intelligence for the management and monitoring of cardiovascular disease] 2026-Jan, Giornale italiano di cardiologia (2006) DOI:10.1714/4618.46266 PMID:41441829	综述	本文综述了人工智能在心血管疾病管理与监测中的应用、潜力及挑战	整合了机器学习、深度学习与自然语言处理技术，结合多模态数据，为心血管疾病提供早期诊断、动态风险分层和个性化治疗的新途径，并探讨了AI与远程医疗、数字疗法结合带来的远程监测和临床决策支持机会	存在算法偏见、可解释性不足、伦理法律问题以及医疗专业人员培训需求等挑战，且欧洲AI法案的严格监管标准可能减缓大规模实施	探讨人工智能在心血管疾病管理与监测中的变革性作用及其临床应用潜力	心血管疾病的管理与监测过程	自然语言处理, 机器学习	心血管疾病	机器学习, 深度学习, 自然语言处理	NA	电子健康记录, 影像数据, 可穿戴设备数据, 传感器数据	NA	NA	NA	NA	NA
1674	2026-01-09	LCSD-Net: a light-weight cross-attention-based semantic dual transformer for domain generalization in melanoma detection 2026-Jan, Journal of medical imaging (Bellingham, Wash.) DOI:10.1117/1.JMI.13.1.014502 PMID:41503367	研究论文	本文提出了一种轻量级交叉注意力语义双变换器模型，用于提高黑色素瘤检测中的领域泛化能力	模型通过提取全局语义信息、特征归一化和语义查询来减少对疾病无关视觉伪影的依赖，并优化计算复杂度以支持实时移动应用	NA	开发一种可靠且高效的黑色素瘤检测模型，以应对临床环境中的领域泛化挑战	皮肤病变图像	计算机视觉	黑色素瘤	深度学习	Transformer	图像	三个数据集：Derm7pt-Dermoscopic、Derm7pt-Clinical和PAD-UFES-20	NA	LCSD-Net	分类准确率	NA
1675	2026-01-09	Integrated biomarker analysis and next-generation AI for precision diabetes prediction 2026-Jan, Toxicological research IF:1.6Q4 DOI:10.1007/s43188-025-00312-0 PMID:41503444	研究论文	本研究探索了将先进深度学习与关键药物生物标志物相结合，以增强糖尿病的早期预测	开发了一种多模态集成方法，利用Transformer架构捕捉异构医疗数据中的复杂依赖关系，并使用扩散模型通过生成合成样本来解决类别不平衡问题	需要多中心验证，并整合更多组学数据，以及在多样化人群中进行专门验证	提升糖尿病的早期预测精度，并推动个性化糖尿病管理	糖尿病患者，包括1型糖尿病和妊娠期糖尿病等少数群体	机器学习	糖尿病	NGS, 电子健康记录, 医学影像, 可穿戴设备时间序列数据	Transformer, Diffusion Models	图像, 文本, 时间序列数据	NA	NA	Transformer	准确率, AUC, 精确率, 召回率, F1分数	NA
1676	2026-01-09	SR-LLM: An incremental symbolic regression framework driven by LLM-based retrieval-augmented generation 2025-Dec-30, Proceedings of the National Academy of Sciences of the United States of America IF:9.4Q1 DOI:10.1073/pnas.2516995122 PMID:41428869	研究论文	提出了一种基于大语言模型检索增强生成机制的增量式符号回归框架SR-LLM，用于从观测数据中发现复杂且可解释的解析表达式	将大语言模型的检索增强生成机制与深度强化学习相结合，实现增量学习，能够利用外部知识库中的先验知识和历史探索结果	未明确说明框架的计算效率、对特定领域知识的依赖程度以及在大规模复杂问题中的可扩展性	改进符号回归方法，使其能够有效利用先验知识发现复杂且可解释的解析模型	观测数据中的符号回归问题，特别是人类跟车行为的解析建模	机器学习	NA	符号回归, 检索增强生成, 深度强化学习	大语言模型, 深度强化学习模型	观测数据, 车辆轨迹数据	NA	NA	NA	拟合效果, 可解释性	NA
1677	2026-01-09	Flexible protein-ligand docking with diffusion-based side-chain packing 2025-Dec-30, Proceedings of the National Academy of Sciences of the United States of America IF:9.4Q1 DOI:10.1073/pnas.2511925122 PMID:41439702	研究论文	本文介绍了一种名为PackDock的框架，它结合深度学习和基于物理的建模来模拟蛋白质-配体相互作用，以解决蛋白质灵活性问题	提出PackDock框架，其核心组件PackPocket利用扩散模型采样多样化的结合口袋构象并预测配体诱导的变化，从而有效处理蛋白质灵活性	未明确提及具体局限性	旨在通过整合深度学习和物理建模，更好地理解和预测蛋白质-配体相互作用，以支持基础生物学研究和药物发现	蛋白质结构和动力学，特别是蛋白质-配体相互作用	机器学习	NA	扩散模型	扩散模型	蛋白质结构数据	NA	NA	PackPocket	NA	NA
1678	2026-01-09	Graph Neural Networks with Transformer Fusion of Brain Connectivity Dynamics and Tabular Data for Forecasting Future Tobacco Use 2025-Dec-29, ArXiv PMID:41503105	研究论文	提出一种结合图神经网络与Transformer融合的时间感知模型，用于整合大脑动态连接数据与表格数据，以预测未来烟草使用情况	提出GNN-TF模型，首次在纵向功能磁共振成像研究中，通过时间感知的Transformer融合结构，将非欧几里得的大脑动态连接数据与欧几里得的表格数据（临床与人口统计学信息）在统一框架内进行灵活整合	研究基于特定青少年酒精与神经发育联盟的纵向静息态fMRI数据集，模型在其他人群或疾病领域的泛化能力有待验证	开发一种能够有效整合多模态纵向数据的方法，以提升对未来临床结果（如烟草使用）的预测准确性	青少年群体的大脑功能连接动态与临床/人口统计学表格数据	医学影像分析	成瘾行为（烟草使用）	静息态功能磁共振成像	图神经网络, Transformer	图像（大脑连接动态）, 表格数据（临床与人口统计学信息）	来自国家青少年酒精与神经发育联盟的纵向数据集	NA	GNN-TF（图神经网络-Transformer融合模型）	预测准确性	NA
1679	2026-01-09	A Museum artifact classification model based on cross-modal attention fusion and generative data augmentation 2025-Dec-18, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-29671-2 PMID:41413412	研究论文	本文提出了一种基于跨模态注意力融合和生成式数据增强的博物馆文物分类模型（VBG模型），以解决多模态信息协作不足和高质量标注数据稀缺的挑战	通过任务导向重构ViT、BERT和GAN构建集成多模态框架，并利用双向交互注意力融合层实现精确特征对齐，以及通过GAN生成多样样本形成“生成-反馈-优化”闭环以缓解数据稀缺问题	模型在训练时间和生成图像质量方面仍有改进空间	提升博物馆文物分类任务的效率和准确性，为数字文物管理和文化遗产保护提供技术支持	博物馆文物	计算机视觉	NA	生成对抗网络	Transformer, GAN	图像, 文本	MET和MS COCO数据集	NA	Vision Transformer, BERT, GAN	分类准确率, mAP, F1分数	NA
1680	2026-01-09	A physics informed neural network architecture for moving boundary problems in science and engineering 2025-Dec-18, Neural networks : the official journal of the International Neural Network Society IF:6.0Q1 DOI:10.1016/j.neunet.2025.108500 PMID:41500169	研究论文	本文提出了一种新颖的物理信息神经网络架构，专门用于解决科学与工程中的移动边界问题	设计了一种新型通用物理信息神经网络架构，通过两个独立的神经网络分别预测自由边界和系统变量，以处理随时间演化的空间域问题	NA	开发一种用于解决移动边界问题的物理信息神经网络方法	移动边界问题中的自由边界和系统变量	机器学习	NA	物理信息神经网络	神经网络	NA	NA	NA	物理信息神经网络	NA	NA