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
1681	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
1682	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
1683	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
1684	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
1685	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
1686	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
1687	2026-03-14	Interpreting Deep Learning-Based Prediction of the BRAF V600E Mutation Using Diagnostic Whole Slide Images in Skin Cutaneous Melanoma 2026-Mar, The American journal of pathology DOI:10.1016/j.ajpath.2025.11.004 PMID:41391751	研究论文	本研究通过解释深度学习模型XpressO-melanoma在皮肤黑色素瘤全切片图像中预测BRAF V600E突变状态的决策过程，评估了模型的可解释性及其与病理学家标注的一致性	提出了一个用于解释弱监督深度学习模型预测结果的框架，并将模型性能与有意义的诊断模式区域关联起来，为人类与深度学习在临床病理学中的协作铺平了道路	模型在部分区域需要标注细化，且可解释性评估主要基于形态学合理性，可能未涵盖所有临床相关因素	提高深度学习模型在临床病理学中预测分子突变状态的可解释性和透明度，以增强临床信任	皮肤黑色素瘤的全切片图像	数字病理学	皮肤黑色素瘤	全切片图像分析	弱监督深度学习模型	图像	NA	NA	XpressO-melanoma	AUC, 精确率, 召回率	NA
1688	2026-03-14	[Artificial intelligence in risk stratification of acute coronary syndrome : Future vision or already reality?] 2026-Mar, Herz IF:1.1Q4 DOI:10.1007/s00059-025-05360-8 PMID:41533149	综述	本文综述了人工智能在急性冠脉综合征风险分层中的应用，重点讨论了基于临床变量和高敏肌钙蛋白测量的模型以及基于心电图的方法	利用连续肌钙蛋白值与患者特征结合估计心肌梗死个体概率，而非依赖固定阈值；深度学习模型直接应用于原始心电图信号，利用细微时空变化提升性能	模型仍依赖实验室检测，目前缺乏改善患者相关结局的前瞻性证据	探讨人工智能在急性冠脉综合征风险分层中的支持作用，以实现基于风险的决策	急性冠脉综合征患者，特别是1型或闭塞性心肌梗死	机器学习	心血管疾病	高敏肌钙蛋白测量，心电图分析	机器学习，深度学习	临床变量，肌钙蛋白测量值，心电图信号	NA	NA	NA	NA	NA
1689	2026-03-14	Peripheral Retinal Vessel Density in Children and Adolescents with Myopia: A Deep Learning Assessment 2026-Mar, Ophthalmology and therapy IF:2.6Q2 DOI:10.1007/s40123-026-01335-y PMID:41689621	研究论文	本研究利用深度学习模型评估了儿童和青少年近视患者眼轴长度对周边视网膜血管密度的影响	首次结合Nested U-Net和ResNet34深度学习模型，通过超广角视网膜图像分析近视儿童周边视网膜血管密度的变化模式	研究为横断面设计，需要纵向研究验证血管变化与近视进展的因果关系	探究眼轴长度对周边视网膜血管密度的影响，并评估深度学习检测近视早期血管变化的可行性	儿童和青少年近视患者	数字病理学	近视	非散瞳超广角成像	CNN	图像	396名儿童和青少年的679只眼睛	NA	Nested U-Net, ResNet34	AUC	NA
1690	2026-03-14	Impact of a deep-learning image reconstruction algorithm on ventilation and perfusion parameters derived by phase-resolved functional lung (PREFUL) magnetic resonance imaging (MRI) in a prospective healthy cohort 2026-Mar, Clinical radiology IF:2.1Q2 DOI:10.1016/j.crad.2026.107248 PMID:41643396	研究论文	本研究首次评估了基于深度学习的图像重建算法对相位分辨功能肺磁共振成像衍生的通气和灌注参数的影响	首次在健康人群中评估深度学习重建算法对PREFUL MRI功能参数的影响，验证了其在提升图像质量的同时不改变功能量化结果	研究仅纳入健康志愿者且样本量较小（24人），未涵盖肺部疾病患者群体	评估深度学习图像重建算法在功能肺MRI中对通气和灌注参数量化的影响	24名肺功能正常的健康志愿者	医学影像分析	NA	相位分辨功能肺磁共振成像，2D快速扰相梯度回波序列	深度学习重建算法	磁共振图像	24名健康志愿者（12名男性，平均年龄28.9±12.8岁）	NA	NA	信噪比，对比噪声比，Bland-Altman分析，相关系数	NA
1691	2026-03-14	Automated Report Generation in Ophthalmology: Integrating Artificial Intelligence, Multimodal Imaging, and Clinical Data 2026-Mar, Ophthalmology and therapy IF:2.6Q2 DOI:10.1007/s40123-026-01316-1 PMID:41714517	综述	本文综述了人工智能在眼科自动报告生成领域的最新进展，重点探讨了多模态成像与临床数据的整合	强调将多模态成像（如眼底照相、OCT、荧光素血管造影）与临床数据通过AI进行整合，以生成结构化、可解释且个性化的诊断报告，从而提升诊断精度和工作流程效率	面临数据异质性、模型可解释性、伦理治理以及临床整合等持续挑战	总结AI驱动的眼科报告生成技术进展，探讨其临床价值、挑战及未来方向	眼科诊断报告，涉及糖尿病视网膜病变、青光眼、白内障、年龄相关性黄斑变性等疾病	自然语言处理, 计算机视觉	糖尿病视网膜病变, 青光眼, 白内障, 年龄相关性黄斑变性	多模态成像（眼底照相、光学相干断层扫描、荧光素血管造影）	深度学习, 自然语言处理模型, 卷积神经网络, Transformer, 大语言模型	图像, 文本（临床记录）	NA	NA	卷积神经网络, Transformer	NA	NA
1692	2026-03-14	Explicit differentiable slicing and global deformation for cardiac mesh reconstruction 2026-Feb-23, Medical image analysis IF:10.7Q1 DOI:10.1016/j.media.2026.103999 PMID:41818863	研究论文	提出一种显式可微体素化和切片算法，结合图谐波变形描述符，用于从稀疏采样的医学图像中重建心脏三维网格	首次提出直接使用二维切片以可微方式监督三维网格重建的方法，并引入图谐波变形描述符以在优化过程中保持网格质量和光滑性	未明确说明算法在极端稀疏图像或不同心脏病理条件下的泛化能力	从稀疏采样的医学图像中重建高质量的心脏三维网格，用于形状和运动测量以及生物物理模拟	患者特异性左心室网格	医学图像处理	心血管疾病	CT, MRI	NA	二维切片图像, 三维网格	多数据集	NA	NA	Dice系数, 射血分数, 全局心肌应变	NA
1693	2026-03-14	YOLO-based real-time floating debris counting in urban rivers for flood monitoring and water resource management 2026-Feb-19, Environmental monitoring and assessment IF:2.9Q3 DOI:10.1007/s10661-026-15040-7 PMID:41711999	研究论文	本研究提出了一种基于YOLO深度学习模型的实时监测框架，用于城市河流中漂浮碎片的识别与计数，以支持洪水监测和水资源管理	首次将YOLO系列模型与视频监控结合，应用于城市河流漂浮碎片的实时检测与量化，并在真实洪水易发环境中进行了实地部署验证	研究仅在马来西亚莎阿南的特定洪水易发点进行部署，可能未涵盖所有环境条件（如极端天气或不同水质），且比较的模型版本有限（仅YOLOv7与YOLOv9）	开发一个实时监测系统，用于早期洪水预警和长期水资源管理，通过自动检测漂浮碎片来评估洪水风险	城市河流中的漂浮碎片	计算机视觉	NA	视频监控	CNN	视频	在马来西亚莎阿南的洪水易发地点进行实地部署（具体样本数量未在摘要中说明）	NA	YOLOv7, YOLOv9	精确率, 召回率, F1分数	NA
1694	2026-03-14	Phylogenetic estimation of diversity-dependent biogeographic rates using deep learning 2026-Feb-18, bioRxiv : the preprint server for biology DOI:10.64898/2026.02.17.706216 PMID:41756993	研究论文	本文介绍了一种名为DDGeoSSE的基于事件的系统发育多样化模型，用于估计多样性依赖的生物地理速率	开发了DDGeoSSE模型，首次将深度学习方法应用于多样性依赖的系统发育模型中，以处理不可处理的似然函数	模型依赖于模拟验证，可能受限于特定类群或生态系统的适用性	研究局部物种丰富度如何影响生物地理速率，如物种形成、灭绝和扩散	加勒比蜥蜴和云雾林植物类群	机器学习	NA	系统发育建模，深度学习方法	深度学习模型	系统发育数据	两个类群：加勒比蜥蜴和云雾林植物	phyddle	NA	参数推断和模型选择	NA
1695	2026-03-14	Estimating changes in center pivot irrigation in the High Plains Aquifer using a hybrid GIS-remote sensing deep learning approach, 2001 to 2023 2026-Feb-17, Environmental monitoring and assessment IF:2.9Q3 DOI:10.1007/s10661-026-15061-2 PMID:41703333	研究论文	本文提出了一种结合GIS与遥感技术的深度学习方法，用于估计2001年至2023年间美国高平原含水层中心支点灌溉系统的变化	采用混合GIS-遥感方法，结合Google Earth Engine的多年度Landsat影像与Esri的ArcGIS深度学习框架，实现了对中心支点灌溉系统变化的快速、可复制估计	NA	开发时空明确的模型以监测中心支点灌溉系统的长期变化，支持水资源管理和农业可持续发展	美国高平原含水层区域内的中心支点灌溉系统	遥感	NA	遥感影像分析, 深度学习	深度学习模型	遥感影像	覆盖2001年至2023年每隔一年的高平原含水层区域影像数据	Esri ArcGIS深度学习框架, Google Earth Engine	NA	总体准确率	NA
1696	2026-03-14	Ensemble learning for air quality index prediction: integrating gradient boosting, XGBoost, and stacking with SHAP-based interpretability 2026-Feb-12, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-39232-w PMID:41680275	研究论文	本文提出了一种加权投票集成模型，结合多种梯度提升算法，用于提高空气质量指数（AQI）预测的准确性，并利用SHAP提供模型可解释性	提出了一种结合Gradient Boosting、CatBoost、XGBoost和LightGBM的加权投票集成模型，并采用完整的预处理和超参数优化流程，同时利用SHAP进行特征贡献度分析以增强模型可解释性	模型部署仅限于单个站点（排除了空间/时间ID），且未明确说明模型在极端天气条件下的泛化能力	开发一种高精度且可解释的空气质量指数预测方法，以支持可持续城市生活和社区健康管理	空气质量指数（AQI）	机器学习	NA	NA	集成学习, 梯度提升, XGBoost, LightGBM, CatBoost	时间序列数据, 数值数据	台湾空气质量数据集（2016-2024年，来自74个监测站的每小时记录）	Scikit-learn, Optuna	加权投票集成（Gradient Boosting ×4, CatBoost ×3, XGBoost ×2, LightGBM ×1）	MSE, R²	NA
1697	2026-03-14	Serial cascaded hybrid adaptive deep networks-based lyrics text classification using optimization approach 2026-Feb-12, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-38813-z PMID:41680344	研究论文	提出了一种基于序列级联混合自适应深度网络（SCHADNet）的歌词文本分类方法，用于根据情感内容对音乐歌词进行分类	开发了新型的序列级联混合自适应深度网络（SCHADNet），该网络集成了基于Transformer的双向长短期记忆网络（Trans Bi-LSTM）和门控循环单元（GRU），并使用改进的海洋捕食者算法（IMPA）优化网络参数	未在摘要中明确说明	开发一种深度学习模型，用于根据情感内容对音乐歌词进行分类，以帮助识别不适宜的音乐	音乐歌词文本	自然语言处理	NA	NA	Trans Bi-LSTM, GRU	文本	未在摘要中明确说明	未在摘要中明确说明	序列级联混合自适应深度网络（SCHADNet），集成Trans Bi-LSTM和GRU	准确率, 召回率, 净预测值（NPV）	未在摘要中明确说明
1698	2026-03-14	OpenEar: an ultra-affordable, high-throughput, and accurate maize ear phenotyping system 2026-Feb-08, Plant methods IF:4.7Q1 DOI:10.1186/s13007-026-01504-x PMID:41656271	研究论文	本文开发了一种名为OpenEar的开源、低成本玉米果穗表型分析系统，该系统结合了DIY成像平台和基于深度学习的端到端表型数据提取流程	开发了一种超低成本、高通量且准确的玉米果穗表型分析系统，结合了3D打印DIY成像平台和基于深度学习的端到端分析流程，并公开了标注数据集	NA	解决田间作物表型分析在单株分辨率下的高通量、低成本和高精度瓶颈，以促进遗传分析和育种应用	玉米果穗	计算机视觉	NA	360°表面扫描成像	CNN, YOLOv11	图像, 视频	NA	NA	NA	相关系数R	NA
1699	2026-03-14	CMC-WDTK: CpG methylation change prediction by a weight-sharing dual-branch Transformer-Kolmogorov-Arnold network model 2026-Feb-07, BMC genomics IF:3.5Q2 DOI:10.1186/s12864-026-12627-9 PMID:41654764	研究论文	提出了一种名为CMC-WDTK的深度学习框架，用于整合CpG位点侧翼序列和相邻单核苷酸变异信息，以预测DNA序列间的甲基化变化	首次提出结合权重共享双分支Transformer和Kolmogorov-Arnold网络（KAN）的深度学习框架，用于预测序列间的甲基化变化，并识别出促进甲基化增加的重复胞嘧啶和鸟嘌呤序列基序	未明确提及	开发一种能够准确预测DNA序列间甲基化变化的计算工具，以更好地理解癌症发展中的表观遗传过程	DNA序列，特别是CpG位点及其侧翼序列和相邻的单核苷酸变异	机器学习	癌症	DNA甲基化分析	Transformer, KAN	序列数据	八个真实数据集	未明确提及	权重共享双分支Transformer, Kolmogorov-Arnold网络	AUC	未明确提及
1700	2026-03-14	Advanced deep learning techniques for classifying dental conditions using panoramic X-ray images 2026-Feb-07, BMC oral health IF:2.6Q1 DOI:10.1186/s12903-026-07727-7 PMID:41654817	研究论文	本研究评估了多种深度学习模型在牙科全景X射线图像上自动分类牙科疾病（如填充物、龋齿、种植体和阻生牙）的性能	比较了定制CNN、混合CNN-机器学习模型和微调预训练架构，并发现混合CNN-随机森林模型在手动标注区域上具有最优的判别能力	观察到系统性的误分类模式，表明这些AI系统应作为临床专业知识的辅助工具，需要前瞻性验证研究	评估用于牙科疾病自动分类的深度学习技术	牙科全景X射线图像	计算机视觉	牙科疾病	全景X射线成像	CNN, SVM, Decision Tree, Random Forest	图像	1,512张全景X射线图像，包含11,137个手动标注边界框，平衡后每类894个样本	TensorFlow, Keras, Scikit-learn	VGG16, Xception, ResNet50	准确率, 精确率, 召回率, F1分数	NA