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	2026-03-18	Expert consensus document on artificial intelligence of the Italian Society of Cardiology 2025-05-01, Journal of cardiovascular medicine (Hagerstown, Md.) DOI:10.2459/JCM.0000000000001716 PMID:40331418	专家共识	本文是意大利心脏病学会关于人工智能在心血管疾病管理中应用的专家共识文件	整合了人工智能在心血管疾病诊断、预后和管理中的最新应用，并强调了其在识别患者表型和改善临床决策方面的潜力	算法的外部有效性无法保证，结果的可解释性存在“黑箱”问题	探讨人工智能在心血管疾病管理中的应用潜力和挑战	心血管疾病患者，包括高血压、缺血性心脏病、浸润性心肌病和心房颤动等	机器学习	心血管疾病	机器学习，深度学习	人工神经网络	医院数据集，心电图，超声心动图采集数据	NA	NA	NA	准确性	NA
1662	2026-03-18	Sex-based differences in imaging-derived body composition and their association with clinical malnutrition in abdominal surgery patients 2025-Apr-07, medRxiv : the preprint server for health sciences DOI:10.1101/2025.04.05.25325276 PMID:40453372	研究论文	本研究通过深度学习分析腹部手术患者术前CT影像中的身体成分，探讨了性别差异在身体成分与临床营养不良关联中的作用	首次使用深度学习对男性和女性腹部手术患者进行全面的身体成分评估，并分别分析其与营养不良的性别特异性关联	研究为单中心回顾性设计，可能受选择偏倚影响，且未考虑所有潜在混杂因素	评估术前影像衍生的身体成分特征与临床营养不良之间的性别特异性关联	接受腹部手术并进行了术前CT扫描的患者	数字病理学	营养不良	计算机断层扫描（CT）	深度学习	医学影像（CT扫描）	1,143名患者（52%为女性）	NA	NA	比值比（OR）, p值	NA
1663	2026-03-18	Accelerated Discovery of Cell Migration Regulators Using Label-Free Deep Learning-Based Automated Tracking 2025-Apr-05, bioRxiv : the preprint server for biology DOI:10.1101/2025.04.01.646705 PMID:40236190	研究论文	本文介绍了一种基于无标记深度学习的自动化细胞追踪方法DeepBIT，用于高通量研究细胞迁移，特别是在癌症细胞迁移中的应用	开发了无需荧光标记的深度学习自动化追踪方法DeepBIT，实现了高通量单细胞迁移分析，显著提高了实验效率	方法主要针对癌症细胞迁移，可能在其他细胞类型或疾病模型中的适用性未充分验证	研究细胞迁移的调控机制，特别是在癌症转移等疾病过程中的作用	癌症细胞迁移行为	计算机视觉	癌症	时间延迟视频成像，CRISPR介导的基因敲除，小分子抑制剂筛选	深度学习	视频	约130万追踪细胞，覆盖840种不同条件	NA	NA	NA	NA
1664	2026-03-18	Artificial intelligence based detection and control strategies for river water pollution: A comprehensive review 2025-04, Journal of contaminant hydrology IF:3.5Q2 DOI:10.1016/j.jconhyd.2025.104541 PMID:40112582	综述	本文对2019年至2024年间人工智能技术在河流水质污染检测与控制领域的应用进行了全面回顾	系统梳理了机器学习、深度学习及物联网技术在河流水质模拟中的最新进展与应用，并探讨了多技术融合在实时监测与预测方面的潜力	作为综述文章，未提出新的原创模型或方法，主要基于对现有文献的分析与总结	评估人工智能技术在河流水质污染检测与控制领域的应用现状与发展趋势	河流水质污染	机器学习	NA	NA	ANN, DNN, LSTM, RF	水质相关数据集	分析了超过110篇研究文章	NA	NA	NA	NA
1665	2026-03-18	UK Biobank MRI data can power the development of generalizable brain clocks: A study of standard ML/DL methodologies and performance analysis on external databases 2025-Mar, NeuroImage IF:4.7Q1 DOI:10.1016/j.neuroimage.2025.121064 PMID:39892529	研究论文	本研究开发并比较了多种机器学习和深度学习脑时钟模型，用于基于T1加权MRI扫描预测大脑年龄，并评估其作为神经退行性疾病生物标志物的潜力	提出了一个综合流程，整合了多样化的预处理策略和校正项，训练并比较了广泛的ML/DL脑时钟模型，并设计了一个统计框架来评估年龄预测性能、跨队列稳健性及其作为生物标志物的潜力	NA	开发通用的脑时钟模型，用于年龄预测和神经退行性疾病的生物标志物研究	健康个体和神经退行性疾病患者（如痴呆症）	数字病理学	神经退行性疾病	T1加权MRI扫描	惩罚线性机器学习模型,深度学习模型	图像	来自UK Biobank、ADNI和NACC数据集的MRI扫描	NA	NA	平均绝对误差,AUROC	NA
1666	2026-03-18	A Lesion-aware Edge-based Graph Neural Network for Predicting Language Ability in Patients with Post-stroke Aphasia 2025, Machine learning in clinical neuroimaging : 7th international workshop, MLCN 2024, held in conjunction with MICCAI 2024, Marrakesh, Morocco, October 10, 2024, proceedings. MLCN (Workshop) (7th : 2024 : Marrakesh, Morocco) DOI:10.1007/978-3-031-78761-4_9 PMID:41800187	研究论文	本文提出了一种基于病变感知的图神经网络（LEGNet），用于从卒中后失语症患者的静息态功能磁共振成像（rs-fMRI）连接性中预测语言能力	LEGNet整合了边缘学习模块、病变编码模块和子图学习模块，利用功能相似性进行预测，并在合成数据上进行超参数调优和预训练，展示了在脑损伤患者中学习rs-fMRI连接性与语言能力关系的潜力	研究使用了内部数据集，且第二个数据集的神经影像协议略有不同，可能影响泛化能力的全面评估	预测卒中后失语症患者的语言能力，以改进卒中后失语症的评估	卒中后失语症患者	数字病理学	卒中后失语症	rs-fMRI	图神经网络（GNN）	神经影像数据（rs-fMRI）	内部神经影像数据集，具体样本数量未在摘要中明确说明	NA	LEGNet	NA	NA
1667	2026-03-18	Tracking the Evolving Role of Artificial Intelligence in Implementation Science: Protocol for a Living Scoping Review of Applications, Evaluation Approaches and Outcomes 2025, F1000Research DOI:10.12688/f1000research.171774.2 PMID:41835982	研究方案	本文提出了一项关于人工智能在实施科学中应用、评估方法和成果的活体范围综述协议	采用活体范围综述方法，以跟踪人工智能在实施科学中快速演变的角色	NA	绘制人工智能在实施研究和实践中的应用图景，识别评估方法、报告成果及潜在风险，并综合研究空白和机遇	实证研究、系统综述、灰色文献和政策文件	自然语言处理, 机器学习	NA	机器学习, 深度学习, 自然语言处理, 大语言模型	NA	文本	NA	NA	NA	NA	NA
1668	2026-03-18	A Lesion-aware Edge-based Graph Neural Network for Predicting Language Ability in Patients with Post-stroke Aphasia 2024-Sep-03, ArXiv PMID:39279836	研究论文	本研究提出了一种病变感知的图神经网络（LEGNet），用于预测中风后失语症患者的语言能力，通过整合功能连接、病变编码和子图学习模块	LEGNet模型创新性地结合了基于边缘的学习模块、病变编码模块和子图学习模块，以利用功能相似性进行预测，并在合成数据和真实数据上验证了其优越性能	研究使用了内部神经影像数据集，且第二个数据集的采集协议略有不同，可能影响泛化能力的全面评估	预测中风后失语症患者的语言能力，以改进中风后失语症的评估方法	中风后失语症患者	自然语言处理	中风后失语症	静息态功能磁共振成像（rs-fMRI）	图神经网络（GNN）	神经影像数据	内部神经影像数据集，具体样本数量未在摘要中明确说明	NA	LEGNet	NA	NA
1669	2026-03-18	Learning co-plane attention across MRI sequences for diagnosing twelve types of knee abnormalities 2024-09-02, Nature communications IF:14.7Q1 DOI:10.1038/s41467-024-51888-4 PMID:39223149	研究论文	本文提出了一种融合多序列MRI共平面注意力的深度学习模型，用于自动诊断12种膝关节异常	引入了跨图像序列的共平面注意力机制，并使用了当前最大、最全面的多序列膝关节MRI异常数据集进行验证	未明确说明模型在外部验证集上的泛化性能，也未详细讨论计算复杂度	开发一种能够辅助放射科医生准确诊断多种膝关节异常的自动化深度学习模型	膝关节磁共振成像（MRI）序列	计算机视觉	膝关节异常	多序列磁共振成像（MRI）	深度学习模型（具体架构未明确，但包含注意力机制）	图像（MRI序列）	1748名受试者，涵盖12种异常类型	NA	NA（提及包含共平面注意力机制）	受试者工作特征曲线下面积（AUC），准确率	NA
1670	2026-03-18	Validation of an AI-Powered Automated X-ray Bone Age Analyzer in Chinese Children and Adolescents: A Comparison with the Tanner-Whitehouse 3 Method 2024-09, Advances in therapy IF:3.4Q2 DOI:10.1007/s12325-024-02944-4 PMID:39085749	研究论文	本研究验证了一款基于深度学习的AI骨龄分析仪在中国儿童和青少年中的临床适用性，并与Tanner-Whitehouse 3方法进行了性能比较	首次在中国多中心大规模验证商业AI骨龄分析仪的临床性能，并直接与医生评估者进行对比，展示了AI在骨龄评估中的准确性和效率优势	研究仅针对中国儿童和青少年群体，未涉及其他种族或成人群体，且仅比较了TW3方法	验证AI驱动的自动化骨龄评估系统在临床实践中的准确性和适用性	中国儿童和青少年的X射线影像	医学影像分析	儿童生长发育评估	X射线成像	深度学习模型	X射线影像	来自中国30个中心的900名儿童和青少年	NA	NA	平均绝对误差, 绝对误差小于1年的患者百分比	NA
1671	2026-03-18	EPInformer: a scalable deep learning framework for gene expression prediction by integrating promoter-enhancer sequences with multimodal epigenomic data 2024-Aug-01, bioRxiv : the preprint server for biology DOI:10.1101/2024.08.01.606099 PMID:39131276	研究论文	提出EPInformer，一种可扩展的深度学习框架，通过整合启动子-增强子序列与多模态表观基因组数据来预测基因表达	整合启动子-增强子相互作用、序列、表观基因组信号和染色质接触，以捕获远端调控元件（如增强子）的调控效应，提高预测准确性	未明确提及具体局限性	开发一个可扩展的深度学习框架，用于预测基因表达，以解决现有方法在捕获远端调控元件和资源需求方面的不足	基因表达预测，涉及启动子-增强子序列、表观基因组数据和染色质接触	机器学习	NA	深度学习，整合多模态表观基因组数据	深度学习框架	DNA序列，表观基因组信号，染色质接触数据	NA	未指定	EPInformer	在交叉染色体验证中优于现有模型，准确重现CRISPR扰动实验验证的增强子-基因相互作用	未明确指定
1672	2026-03-18	Deep learning models reveal replicable, generalizable, and behaviorally relevant sex differences in human functional brain organization 2024-Feb-27, Proceedings of the National Academy of Sciences of the United States of America IF:9.4Q1 DOI:10.1073/pnas.2310012121 PMID:38377194	研究论文	本研究利用时空深度神经网络模型揭示人类功能性大脑组织中可复制、可泛化且与行为相关的性别差异	首次应用时空深度神经网络模型揭示人类大脑功能动态中的性别差异，并通过可解释AI分析识别出与默认模式网络、纹状体和边缘网络相关的关键脑区特征	研究样本主要集中于20至35岁的年轻成年人，未涵盖更广泛年龄范围或其他人口群体	探究人类功能性大脑组织中的性别差异及其行为相关性	人类大脑功能性组织	机器学习	精神疾病, 神经系统疾病	fMRI	stDNN	脑功能成像数据	约1,500名20至35岁的年轻成年人，来自多个独立队列	NA	时空深度神经网络	交叉验证准确率	NA
1673	2026-03-18	Artificial intelligence study on left ventricular function among normal individuals, hypertrophic cardiomyopathy and dilated cardiomyopathy patients using 1.5T cardiac cine MR images obtained by SSFP sequence 2022-May-01, The British journal of radiology DOI:10.1259/bjr.20201060 PMID:35084208	研究论文	本研究利用深度学习卷积神经网络自动量化不同心肌病患者左心室功能，评估其在肥厚型心肌病和扩张型心肌病中的性能差异	首次客观评估商业化深度学习方法在不同心肌病心功能评估中的表现，并指出其在各类心肌病中的优缺点	未尝试设计新算法，仅将现有方法应用于临床数据测试集，且评估的心肌病类型有限	评估基于深度学习的自动左心室功能量化方法在不同心肌病中的性能	肥厚型心肌病患者、扩张型心肌病患者及健康参与者的心脏磁共振图像	医学影像分析	心肌病	心脏磁共振成像	CNN	图像	388名患者	NA	卷积神经网络	Bland-Altman分析, ROC曲线分析, Pearson相关系数, 敏感性, 特异性	NA
1674	2026-03-17	Transfer learning from 2D natural images to 4D fMRI brain images via geometric mapping 2026-May, Medical image analysis IF:10.7Q1 DOI:10.1016/j.media.2026.103949 PMID:41576824	研究论文	提出一种基于几何映射的fMRI迁移学习方法，实现从2D自然图像到4D fMRI脑图像的迁移学习	通过将大脑皮层视为3D空间中的折叠黎曼流形，并利用表面几何映射将其映射到2D空间，弥合了fMRI数据与自然图像之间的迁移学习鸿沟	未明确说明方法在更小或不同采集协议的fMRI数据集上的泛化能力	解决fMRI数据集样本量小导致深度学习应用受限的问题，实现从大规模2D自然图像到4D fMRI数据的有效迁移学习	fMRI脑图像数据	医学图像分析	抑郁症	功能磁共振成像（fMRI），血氧水平依赖（BOLD）信号	深度学习，迁移学习	4D fMRI图像，2D自然图像	基于人类连接组计划（HCP）数据集，并在23个抑郁症数据集上验证	NA	多尺度多域特征聚合（MMFA）模块	NA	NA
1675	2026-03-17	Knowledge-guided multi-geometric window transformer for cardiac cine MRI reconstruction 2026-May, Medical image analysis IF:10.7Q1 DOI:10.1016/j.media.2026.103936 PMID:41604895	研究论文	本文提出了一种基于知识引导的多几何窗口Transformer网络（KGMgT），用于加速心脏电影MRI图像重建	结合知识引导方法、自适应时空注意力机制和Transformer驱动的动态特征聚合，以推断相邻心脏帧的运动轨迹并建立长程依赖关系	NA	加速心脏电影MRI图像采集，减少患者不适并提高诊断准确性和效率	心脏电影MRI图像	医学影像重建	心血管疾病	磁共振成像（MRI）	Transformer	MRI图像序列	NA	NA	KGMgT（知识引导多几何窗口Transformer）	NA	NA
1676	2026-03-17	ESM-AnatTractNet: Advanced deep learning model of true positive eloquent white matter tractography to improve preoperative evaluation of pediatric epilepsy surgery 2026-May, Medical image analysis IF:10.7Q1 DOI:10.1016/j.media.2026.103969 PMID:41638061	研究论文	本研究提出了一种名为ESM-AnatTractNet的新型深度学习模型，用于在儿童癫痫手术前准确分类与关键功能相关的真实阳性白质通路	该模型首次在点云框架中整合了电刺激映射确认的空间坐标和基于标准脑图谱的解剖上下文标签，以增强白质通路分类的几何和解剖一致性	研究样本量相对较小（85名患者），且模型性能验证主要基于特定临床环境下的数据	旨在通过非侵入性方法准确定位与关键功能相关的真实阳性白质通路，以改善儿童癫痫手术的术前评估	85名药物难治性癫痫患儿（年龄10.70±4.41岁）的术前扩散加权成像纤维束追踪数据	数字病理学	癫痫	扩散加权成像纤维束追踪, 电刺激映射	深度学习模型	点云数据, 医学影像	85名药物难治性癫痫患者	NA	ESM-AnatTractNet	准确率, 相关系数	NA
1677	2026-03-17	DDTracking: A diffusion model-based deep generative framework with local-global spatiotemporal modeling for diffusion MRI tractography 2026-May, Medical image analysis IF:10.7Q1 DOI:10.1016/j.media.2026.103967 PMID:41650793	研究论文	提出一种基于扩散模型的深度生成框架DDTracking，用于扩散MRI纤维束追踪，通过局部-全局时空建模提高追踪精度和效率	首次将扩散模型应用于纤维束追踪，提出条件去噪扩散过程重新定义流线传播，并设计双路径编码方案整合局部空间特征与全局时间上下文	未明确说明模型对超参数敏感度或在小样本场景下的表现	开发高精度、高效率的扩散MRI纤维束追踪方法	大脑纤维通路	医学影像分析	NA	扩散MRI	扩散模型	扩散MRI信号	合成与临床数据集（具体数量未说明）	PyTorch（根据代码仓库推断）	条件扩散模型	追踪准确性，计算效率	NA
1678	2026-03-17	Fréchet radiomic distance (FRD): A versatile metric for comparing medical imaging datasets 2026-May, Medical image analysis IF:10.7Q1 DOI:10.1016/j.media.2026.103943 PMID:41610784	研究论文	本文提出了一种针对医学图像的新型感知度量FRD（Fréchet放射组学距离），用于比较图像数据集的分布差异	首次将标准化、临床可解释的放射组学特征融入感知度量，解决了现有方法（如FID）在医学图像中解剖特征捕捉不足的问题	未明确说明在特定模态或疾病类型中的潜在适用性限制	开发一种适用于医学图像分析的通用图像分布比较度量	医学图像数据集	医学影像分析	NA	放射组学特征提取	NA	医学图像	多种数据集（具体数量未说明）	NA	NA	与下游任务性能相关性、解剖一致性、真实性、稳定性、计算效率、对抗攻击敏感性、放射科医生感知质量相关性	NA
1679	2026-03-17	A navigation-guided 3D breast ultrasound scanning and reconstruction system for automated multi-lesion spatial localization and diagnosis 2026-May, Medical image analysis IF:10.7Q1 DOI:10.1016/j.media.2026.103965 PMID:41633129	研究论文	本研究开发了一种智能导航引导的3D乳腺超声扫描与重建系统，用于自动化多病灶空间定位与诊断	提出了一个集成导航引导的3D乳腺超声系统，结合了混合病灶感知时空Transformer（HLST）模型和几何自适应时钟投影方法，实现了无缝3D重建、乳头中心病灶定位以及基于视频的恶性预测，无需患者附着标记或预标记地标	NA	开发一个智能导航引导的乳腺超声扫描系统，以标准化乳腺超声工作流程，提高病灶定位和诊断的准确性与效率	乳腺病灶（在乳腺体模和临床患者中）	计算机视觉	乳腺癌	超声成像	Transformer	视频, 3D图像	3个乳腺体模和43名女性患者（其中30个异常乳腺）	NA	Hybrid Lesion-informed Spatiotemporal Transformer (HLST), BUS-SAM-2	准确性, 相关系数（距离、3D大小、顺时针角度）	NA
1680	2026-03-17	Deep learning predicts and in vitro experiments validates the synergistic anti-liver cancer effect of vincristine and lenvatinib: Mechanism involving apoptosis induction via the TNF-α/Caspase-8 pathway 2026-03-19, Biochemical and biophysical research communications IF:2.5Q3 DOI:10.1016/j.bbrc.2026.153380 PMID:41637988	研究论文	本研究利用深度学习模型预测并验证了长春新碱与乐伐替尼在抗肝癌中的协同作用及其通过TNF-α/Caspase-8通路诱导凋亡的机制	首次结合深度学习模型（MARSY和MatchMaker）预测药物协同作用，并通过实验验证了长春新碱与乐伐替尼联用能通过ROS介导的TNF-α/Caspase-8通路诱导肝癌细胞凋亡	研究仅进行了体外实验验证，缺乏体内动物模型或临床数据的支持	开发克服乐伐替尼耐药性的协同药物组合，为肝癌治疗提供新策略	肝癌细胞	机器学习	肝癌	CCK-8检测、集落形成实验、伤口愈合实验、Transwell实验、流式细胞术、Western blot分析	深度学习模型	药物相互作用数据、细胞实验数据	NA	NA	MARSY, MatchMaker	ZIP模型协同指数	NA