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
1821	2026-03-13	Deep learning-assisted Raman spectroscopic quantification of total terpenes in Curcuma kwangsiensis 2026-Mar-06, Spectrochimica acta. Part A, Molecular and biomolecular spectroscopy DOI:10.1016/j.saa.2026.127668 PMID:41812501	研究论文	本研究开发了一种结合拉曼光谱与Res-SE 1D-CNN的快速高效策略，用于量化广西莪术中的总萜类化合物含量	首次将残差压缩与激励一维卷积神经网络应用于拉曼光谱数据，以量化传统中药中的总萜类化合物，并验证了其在地理溯源和现场质量控制中的潜力	研究仅基于广西地区的样本，样本来源相对有限，可能影响模型的泛化能力	开发一种快速、准确的定量方法，用于评估传统中药广西莪术中总萜类化合物的含量	广西莪术（Curcuma kwangsiensis）及其总萜类化合物	机器学习	NA	拉曼光谱，高效液相色谱，紫外光谱，密度泛函理论计算	CNN	光谱数据	来自广西6个产区的26批样本，共1400个光谱	NA	Res-SE 1D-CNN	相关系数R，均方根误差RMSE	NA
1822	2026-03-13	WSI AFB and AI deliver highest sensitivity for TB detection 2026-Mar-05, Tuberculosis (Edinburgh, Scotland) DOI:10.1016/j.tube.2026.102747 PMID:41814116	研究论文	本研究开发了一种集成了专有曲面聚焦算法和两阶段深度学习AI流程的WSI平台，用于结核病检测，并在前瞻性和回顾性评估中展示了其优于传统方法的诊断性能	开发了新型WSI平台，整合了专有的曲面聚焦算法以实现油镜下高速全玻片数字化，并采用两阶段深度学习AI流程（YOLOv5用于敏感候选检测，ResNet-18用于特异性分类）进行自动抗酸杆菌识别	未明确说明研究人群的具体特征或样本来源的多样性，且未讨论算法在不同设备或环境下的泛化能力	提高结核病的检测灵敏度，以弥补当前诊断方法的不足	结核病患者	数字病理学	结核病	全玻片成像，抗酸染色	CNN	图像	1097名患者	NA	YOLOv5, ResNet-18	灵敏度, 特异性	NA
1823	2026-03-13	Spatial Proteomics Using S4P 2026-Mar-05, Bio-protocol IF:1.0Q3 DOI:10.21769/BioProtoc.5620 PMID:41815837	研究论文	本文介绍了一种用于空间蛋白质组学的稀疏采样策略S4P，结合多角度组织条带显微切割和深度学习图像重建，以降低质谱时间需求	提出S4P方法，通过稀疏采样和多角度投影实现全组织切片覆盖，将质谱时间减少50%-90%，同时保持高蛋白质覆盖度	NA	开发高效的空间蛋白质组学映射技术，以克服蛋白质不可扩增性和质谱灵敏度限制	小鼠脑组织	数字病理学	NA	质谱蛋白质组学，多角度组织条带显微切割	深度学习	图像，蛋白质组数据	NA	NA	NA	分辨率（525 μm），质谱时间（200小时），蛋白质覆盖度（超过9,000种蛋白质）	NA
1824	2026-03-13	ICP-WAVES: Intracranial Pressure Waveform Analysis and Visualization for Enhanced Signal Processing 2026-Mar-03, IEEE transactions on bio-medical engineering DOI:10.1109/TBME.2026.3669377 PMID:41774667	研究论文	本文介绍了一种基于Transformer的基础模型，用于分析颅内压波形形态，以评估脑顺应性，并开发了一个图形用户界面进行实时交互分析	首次将Transformer基础模型应用于颅内压波形分析，能够捕捉复杂的时间动态模式，并支持实时交互式临床决策	模型在1峰顺应性波形分类上准确率仅为77.5%，且数据来源于单一医疗中心，可能影响泛化能力	开发一种增强信号处理的方法，以改进颅内压波形分析，支持临床决策	颅内出血患者和脑室外引流患者的颅内压波形数据	机器学习	脑出血	生理波形数据处理	Transformer, SVM	生理波形数据	190名颅内出血患者和23名脑室外引流患者，共标注8406个ICP脉冲	NA	Transformer	AUC, 混淆矩阵, 准确率	NA
1825	2026-03-13	Automatic Couinaud segmentation using AI and pictorial representation landmarking 2026-Mar, Abdominal radiology (New York) DOI:10.1007/s00261-025-05123-3 PMID:40736570	研究论文	本文提出了一种结合深度学习和地标识别的框架，用于自动分割Couinaud肝段，以提高肝脏手术规划的准确性和效率	通过整合深度学习分割与辅助地标识别，创建个性化图示模型，实现精确的Couinaud地标定位，且无需重新训练即可纳入新数据	未明确提及研究的具体局限性，如数据集的多样性或模型泛化能力的进一步验证	开发一种自动、准确的Couinaud肝段分割方法，以优化肝脏手术规划和监测的临床工作流程	非对比T1加权MRI图像中的肝脏Couinaud分段	计算机视觉	肝脏疾病	MRI成像	深度学习模型	图像	225例非对比T1加权MRI，来自4项不同研究	NA	NA	地标放置准确性和Couinaud分段体积估计	NA
1826	2026-03-13	FOCUS-DWI improves prostate cancer detection through deep learning reconstruction with IQMR technology 2026-Mar, Abdominal radiology (New York) DOI:10.1007/s00261-025-05100-w PMID:40748461	研究论文	本研究探讨了IQMR图像后处理技术对FOCUS-DWI序列在前列腺癌检测中图像质量的影响，并评估其在区分良恶性病变方面的效能	首次将IQMR（智能快速磁共振）图像后处理技术应用于FOCUS-DWI序列，显著提升了图像质量并改善了前列腺癌的诊断准确性	研究为回顾性分析，样本量相对较小（62例患者），且仅涉及单一中心的数据	评估IQMR后处理技术对FOCUS-DWI序列在前列腺癌检测中图像质量和诊断效能的影响	62例前列腺肿块患者（31例良性，31例恶性）的临床数据和MRI图像	数字病理	前列腺癌	MRI（磁共振成像），包括T2WI-FS和FOCUS-DWI序列，以及IQMR图像后处理技术	NA	医学影像（MRI图像）	62例患者（31例良性前列腺病变，31例恶性前列腺病变）	NA	NA	峰值信噪比（PSNR），结构相似性指数（SSIM），表观扩散系数（ADC），受试者工作特征曲线下面积（AUC），诊断置信度评分，诊断准确率	NA
1827	2026-03-13	Quantitative Assessment of Basement Membrane Loss in Melasma Using Attenuation Coefficient Estimation Based on Optical Coherence Tomography 2026-Mar, Journal of biophotonics IF:2.0Q3 DOI:10.1002/jbio.202500491 PMID:41297958	研究论文	本研究提出了一种基于光学相干断层扫描和深度学习的非侵入性定量评估方法，用于评估黄褐斑中基底膜的破坏情况	通过结合衰减系数映射和改进的Unet模型（Res-Att-Unet）进行基底膜分割，实现了对黄褐斑中基底膜损失的实时、定量评估	未明确说明样本量的具体数量，且方法在临床广泛应用前需进一步验证	开发一种非侵入性、定量的方法来评估黄褐斑中基底膜的破坏，以辅助诊断	黄褐斑患者的皮肤组织，包括病变区域和周围正常皮肤	计算机视觉	黄褐斑	光学相干断层扫描	深度学习	图像	NA	NA	Res-Att-Unet	准确率, F1分数, IoU	NA
1828	2026-03-13	From gaze to proficiency: deep learning-driven prediction of novice performance in laparoscopic training using AOI-dependent metrics 2026-Mar, Surgical endoscopy DOI:10.1007/s00464-025-12369-x PMID:41350780	研究论文	本研究通过结合计算机视觉-深度学习算法与眼动追踪数据，提取基于兴趣区域和运动指标，用于区分和预测腹腔镜训练中新手的技能水平	整合计算机视觉-深度学习与眼动追踪数据，自动检测兴趣区域并提取相关指标，以在动态训练环境中实现新手技能水平的分类和预测	研究主要关注新手，未涉及专家级受训者；模拟器环境可能无法完全反映真实手术场景	开发一种基于眼动追踪和运动指标的方法，以个性化评估和预测腹腔镜训练中新手的技能水平	医学生和住院医师在成人和儿科腹腔镜模拟器上执行peg转移任务	计算机视觉	NA	眼动追踪，计算机视觉-深度学习算法	随机森林，支持向量机，人工神经网络，决策树	眼动追踪数据，视频数据	医学生和住院医师（具体数量未在摘要中说明）	NA	NA	准确率，Gini重要性	NA
1829	2026-03-13	Association of skill and errors with outcomes in robotic rectal cancer surgery 2026-Mar, Surgical endoscopy DOI:10.1007/s00464-025-12393-x PMID:41369760	研究论文	本研究评估了机器人直肠癌手术中客观技能和错误工具，提供了一个细粒度验证数据集用于训练和测试深度学习模型	首次在机器人直肠癌手术中验证了细粒度错误和技能注释与临床结果的关联，为自动化评估和深度学习模型开发奠定了基础	样本量较小（30例手术），为可行性研究，需更大规模研究进一步验证	评估机器人直肠癌手术中客观技能和错误工具，以改善手术表现和患者安全	机器人辅助全直肠系膜切除术（RTME）的手术视频和临床数据	数字病理学	直肠癌	视频分析、传感器数据、机器学习	深度学习模型	手术视频、临床数据	30例机器人辅助全直肠系膜切除术（RTME）手术	NA	NA	错误数量、并发症关联性、操作时间延长几率、评分者间可靠性、相关性分析	DS1计算机（Digital Technologies, Medtronic公司）、Touch Surgery™平台
1830	2026-03-13	AI-Guided Droplet Microreactors Enable Rapid and Reproducible Protein Crystallization 2026-Mar, Small (Weinheim an der Bergstrasse, Germany) DOI:10.1002/smll.202510977 PMID:41552976	研究论文	本文介绍了DCCV平台，该平台结合了可编程渗透调节与自动计算机视觉，用于快速且可重复的蛋白质结晶	开发了DCCV平台，利用半透性双乳液滴实现溶质浓度的动态调节，并通过深度学习成像系统进行高通量、无标记量化	NA	开发一种快速、可重复的蛋白质结晶方法，以促进大分子结构确定及相关应用	蛋白质结晶过程	计算机视觉	NA	微流体液滴技术，渗透调节，计算机视觉	深度学习	图像	NA	NA	NA	NA	NA
1831	2026-03-13	Deep generative molecular design and its value in modern drug discovery 2026-Mar, Expert opinion on drug discovery IF:6.0Q1 DOI:10.1080/17460441.2026.2636192 PMID:41778634	综述	本文综述了深度生成模型在现代药物发现中的分子设计进展与应用价值	系统概述了生成式AI在药物发现中的最新进展，包括基于神经网络的框架、强化学习系统、扩散模型和基于语言模型的Transformer，并展望了多模态基础模型与自动化合成、高通量实验结合的未来方向	NA	综述深度生成模型在从头药物设计中的进展、应用及未来趋势	分子结构设计与优化	机器学习	NA	NA	生成模型, 神经网络, 强化学习, 扩散模型, Transformer	分子表示数据	NA	NA	NA	NA	NA
1832	2026-03-13	Advances in predicting omics profiles from imaging data 2026-Mar-01, Briefings in bioinformatics IF:6.8Q1 DOI:10.1093/bib/bbag090 PMID:41802282	综述	本文全面综述了利用成像数据预测分子组学（包括DNA异常、批量转录组、单细胞转录组和空间转录组）的当前方法	提供了跨疾病背景和成像模态的全面方法概述，并强调了深度学习与传统统计框架在图像组学预测中的多样化应用	NA	探讨从成像数据预测分子组学特征的方法，以作为传统分子分析的替代方案	成像数据（如组织病理学图像）及其预测的分子组学数据（DNA异常、转录组等）	数字病理学	NA	成像技术（如组织病理学）、分子组学分析	深度学习模型	图像	NA	NA	NA	NA	NA
1833	2026-03-13	North Atlantic right whale detection and localisation using deep learning, spectrogram cross-correlation, and nonlinear Bayesian inversion 2026-Mar-01, The Journal of the Acoustical Society of America IF:2.1Q1 DOI:10.1121/10.0042758 PMID:41811156	研究论文	本文提出了一种结合深度学习、谱图互相关和非线性贝叶斯反演的三步处理流程，用于检测和定位北大西洋露脊鲸的叫声	创新点在于将公开可用的深度学习模型与谱图互相关、非线性贝叶斯反演相结合，为北大西洋露脊鲸的被动声学监测提供了一种有效的检测与定位方法，并提供了不确定性估计	方法的有效性主要局限于声纳浮标网格内部或附近区域的鲸鱼叫声检测与定位，对于远距离或复杂传播路径的叫声可能效果有限	研究目标是开发一种用于北大西洋露脊鲸叫声检测和定位的被动声学监测工具，以支持其保护和管理工作	研究对象是北大西洋露脊鲸的叫声（包括上叫声和呻吟声），通过声纳浮标被动记录	机器学习	NA	被动声学监测	深度学习模型	音频数据	使用2018年7月在加拿大圣劳伦斯湾南部由声纳浮标网格记录的北大西洋露脊鲸叫声数据集，包括一个较小的适应集用于模型优化	NA	NA	NA	NA
1834	2026-03-13	Deep Learning on Hyperspectral Pathology for Recurrence Prediction in Clear Cell Renal Cell Carcinoma 2026-Mar, Journal of biophotonics IF:2.0Q3 DOI:10.1002/jbio.202500546 PMID:41392494	研究论文	本研究利用高光谱病理成像结合深度学习预测透明细胞肾细胞癌的复发风险	首次将高光谱成像与双分支网络（HSI-FusionNet）结合，通过门控融合和多实例学习实现患者级别的复发预测，并识别出与复发相关的特定光谱波段	样本量较小（仅48例患者），需在更大队列中验证	评估高光谱病理成像结合深度学习对透明细胞肾细胞癌个体化复发风险预测的价值	透明细胞肾细胞癌患者	数字病理	肾癌	高光谱显微镜成像（400-1000 nm）	CNN, Transformer	高光谱图像	48例患者	NA	HSI-FusionNet, ResNet-50, 1D-CNN, 1D-Transformer	AUC, 灵敏度, 特异性	NA
1835	2026-03-13	Congener-resolved hazard identification of ginkgolic acids as emerging natural contaminants 2026-Mar-01, Journal of hazardous materials IF:12.2Q1 DOI:10.1016/j.jhazmat.2026.141479 PMID:41707398	研究论文	本文提出了一种基于同系物解析的危害识别框架，用于评估银杏酸作为新兴天然污染物的毒性机制	整合网络毒理学、深度学习危害预测、分子对接、转录组学和靶向实验验证，首次对银杏酸同系物进行系统性的危害优先级排序	本研究为机制性危害识别而非定量环境风险评估，未涉及环境暴露浓度和长期毒性效应	识别银杏酸同系物中对解毒器官具有高危害风险的特定结构，为环境监测和公共健康评估提供依据	银杏酸的五种主要同系物，重点关注GA C17:2在肝细胞和肾细胞模型中的毒性效应	毒理学	肝毒性和肾毒性相关疾病	网络毒理学、深度学习危害预测、分子对接、转录组学、细胞毒性实验、短期体内暴露模型	深度学习模型	分子结构数据、转录组数据、实验数据	未明确具体样本数量，涉及细胞模型和短期体内暴露模型	NA	NA	NA	NA
1836	2026-03-13	RaSizeNet: An interpretable multimodal deep learning model integrating SERS spectra and inertial microfluidic size distribution for precise detection of complex pathogens 2026-Mar-01, Journal of hazardous materials IF:12.2Q1 DOI:10.1016/j.jhazmat.2026.141491 PMID:41707396	研究论文	本研究开发了一种名为RaSizeNet的可解释多模态深度学习模型，通过整合表面增强拉曼光谱（SERS）和惯性微流控尺寸分布数据，实现了对复杂细菌种群的高精度检测	提出了一个结合SERS光谱与微流控尺寸分布的多模态深度学习模型，并引入了尺寸引导的跨模态注意力机制以增强光谱区分能力和模型鲁棒性	NA	开发一种高精度、高通量、无标记的复杂病原体检测方法	九种代表性细菌物种	数字病理学	传染病	表面增强拉曼光谱（SERS）、惯性微流控技术	深度学习	光谱数据、尺寸分布数据	九种细菌物种构成的大规模多模态数据集	NA	RaSizeNet	准确率	NA
1837	2026-03-13	Robust cascade bidirectional triple capsule network with OOA for deep neural network-based improved brain tumor identification 2026-Mar, Medical physics IF:3.2Q1 DOI:10.1002/mp.70375 PMID:41807104	研究论文	提出一种结合Osprey优化算法的鲁棒级联双向三重胶囊网络，用于改进基于深度神经网络的脑肿瘤识别	引入了鲁棒三重提取、级联双向胶囊网络与Osprey优化算法的集成，以提高脑肿瘤检测和分类的质量、准确性和可靠性	未明确说明模型的计算复杂度、泛化能力到其他数据集或临床环境中的实际部署挑战	实现更高精度和可靠性的脑肿瘤检测与分类	脑肿瘤的MRI图像	计算机视觉	脑肿瘤	MRI成像	CNN, Capsule Network, Transformer	图像	BraTS和Figshare MRI图像数据集	NA	EfficientNet-B3 CNN, Geometric Algebra Transformer-based Robust Cascade Bidirectional Triple Capsule Network with Triple Attention (GAT-RCBTCN-TA)	召回率, 准确率	NA
1838	2026-03-13	Cross-technique transfer learning to predict the dose distribution for radiotherapy planning based on a limited sample size 2026-Mar, Medical physics IF:3.2Q1 DOI:10.1002/mp.70346 PMID:41807749	研究论文	本文提出了一种跨技术迁移学习策略，用于在有限训练样本下预测放射治疗计划的剂量分布	开发了跨技术（IMRT到VMAT）的迁移学习策略，能够在仅5-7个训练样本下实现临床可接受的剂量预测性能	研究仅针对鼻咽癌患者，且样本量相对有限（154例），未在其他癌症类型或放疗技术上进行验证	解决放射治疗计划中因训练样本不足和技术快速演变导致的剂量预测准确性问题	154名鼻咽癌患者（60例接受IMRT治疗，94例接受VMAT治疗）	医学影像分析	鼻咽癌	强度调制放射治疗（IMRT），容积旋转调强放射治疗（VMAT）	深度学习	医学影像数据（剂量分布图）	154例患者数据（60例IMRT，94例VMAT）	NA	Res-U Net	剂量体积直方图（DVH），体素平均绝对误差（MAE），等剂量体积Dice相似系数（DSC）	NA
1839	2026-03-13	Mitigating Algorithmic Bias in Cancer Site Classification Models 2026-Mar, JCO clinical cancer informatics IF:3.3Q2 DOI:10.1200/CCI-25-00250 PMID:41812100	研究论文	本研究通过大规模偏差探测分析，评估了基于深度学习的癌症部位分类模型中种族信息的编码情况，并探讨了后训练修剪对模型性能和公平性的影响	首次对基于SEER数据的癌症部位分类模型进行大规模应用性偏差探测，并采用后训练敏感性分析量化种族信息在文档嵌入中的影响	研究仅基于SEER注册数据，可能无法完全代表所有人群；后训练修剪方法可能不适用于所有类型的模型偏差	评估和减轻癌症部位分类模型中的算法偏差，确保模型公平性	来自美国国家癌症研究所SEER注册的350万份电子癌症病理报告	自然语言处理	癌症	深度学习，梯度提升决策树	分层自注意力网络，梯度提升决策树	文本	350万份电子癌症病理报告	NA	分层自注意力网络	宏F1分数，准确率，人口统计均等，机会均等	NA
1840	2026-03-13	CT-based radiomics analysis for prediction of response to neoadjuvant chemotherapy in breast cancer: A systematic review 2026-Mar, Taiwanese journal of obstetrics & gynecology IF:2.0Q2 DOI:10.1016/j.tjog.2025.06.008 PMID:41813373	综述	本文系统综述了基于CT的影像组学在预测乳腺癌新辅助化疗反应方面的预测性能与临床适用性	首次系统性地评估了CT影像组学模型在预测乳腺癌新辅助化疗反应中的表现，并比较了不同模型（包括深度学习与混合模型）的性能差异	纳入研究在特征选择和验证方法上存在较大异质性，缺乏标准化流程，且样本量范围较宽（39-549例）	评估基于CT的影像组学模型预测乳腺癌患者新辅助化疗反应的效能与临床适用性	接受新辅助化疗的乳腺癌患者	数字病理	乳腺癌	计算机断层扫描（CT）影像组学	LASSO回归, 卷积神经网络（CNN）	CT图像	13项研究（包含前瞻性与回顾性研究），患者数量范围39-549例	NA	NA	AUC（曲线下面积）, 准确率, 灵敏度, 特异性	NA