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
1	2026-06-01	Quantitative comparison of GRAPPA and RAKI simultaneous multi-slice reconstruction algorithms 2026-Sep, Magnetic resonance imaging IF:2.1Q2 DOI:10.1016/j.mri.2026.110697 PMID:42066870	研究论文	定量比较基于GRAPPA和RAKI的同步多层重建算法，并提供开源工具箱	首次系统比较线性GRAPPA与非线性数据驱动RAKI方法在同步多层MRI重建中的性能，并开源GPU加速重建工具箱	结果基于特定供应商、线圈阵列、脉冲序列和体模数据，需更多实验验证才能推广至体内观察	定量比较不同k空间插值同步多层重建算法性能，提供GPU加速开源重建工具箱	不同加速因子组合下的同步多层MRI重建算法	磁共振成像	不适用	GRAPPA, RAKI, 同步多层成像	线性GRAPPA, 非线性RAKI	MRI k空间数据	单个体模数据，含全采样参考和不同加速因子下的加速数据	开源工具箱（未指明具体框架）	Slice-GRAPPA, split-slice-GRAPPA, readout-SENSE-GRAPPA, 其RAKI对应模型（含超参数调优）	结构相似性指数（SSIM）, 变异系数（CV）	GPU加速（未指定具体GPU型号）
2	2026-06-01	A unified approach for maintaining MRI reconstruction quality and quantifying both aleatoric and epistemic uncertainty 2026-Sep, Magnetic resonance imaging IF:2.1Q2 DOI:10.1016/j.mri.2026.110680 PMID:41966495	研究论文	提出一种统一方法，在模型驱动深度学习加速MRI重建中同时维持图像质量并量化偶然不确定性和认知不确定性	系统比较了蒙特卡洛丢弃与贝叶斯反向传播在不同随机层放置模式下的表现，并提出两阶段训练策略以提升重建网络性能	未说明	为模型驱动深度学习加速MRI重建提供贝叶斯不确定性量化的实用设计选择指导	加速MRI重建中的不确定性估计方法	计算机视觉	不适用	加速MRI重建	模型驱动深度学习, 贝叶斯神经网络	图像	未说明	NA	NA	峰值信噪比	NA
3	2026-06-01	Deep Learning-Based Reconstruction Improves Image Quality in Canine Cranial Abdominal MRI: A Prospective Pilot Study 2026-Jul, Veterinary radiology & ultrasound : the official journal of the American College of Veterinary Radiology and the International Veterinary Radiology Association IF:1.3Q2 DOI:10.1111/vru.70193 PMID:42216717	研究论文	本研究前瞻性比较了深度学习方法重建与常规MRI在犬颅腹部成像中的图像质量	首次将深度学习重建方法应用于犬颅腹部MRI，证明其能在不延长采集时间的情况下显著提升图像质量	仅包括10只临床健康犬，样本量较小，且未评估临床疾病状态下的效果	评估深度学习重建在犬颅腹部MRI中改善图像质量的可行性	10只临床健康犬的颅腹部MR图像	机器学习	NA	MRI	深度学习重建网络	图像	10只临床健康犬的颅腹部MR图像	NA	嵌入式重建路径的DLR网络	信噪比、对比度噪声比、边缘锐度、器官清晰度、呼吸运动伪影、粗糙度、整体图像质量	NA
4	2026-06-01	Comparison of machine learning and deep learning models in manual strength prediction using anthropometric variables 2026-Jun, International journal of occupational safety and ergonomics : JOSE IF:1.6Q3 DOI:10.1080/10803548.2025.2554461 PMID:41021732	研究论文	使用人体测量学变量评估机器学习与深度学习模型在手动力量预测中的表现	比较了传统机器学习与多种深度学习模型（包括TabNet、TabPFN和定制卷积神经网络）在手动力量预测中的性能，并结合SHAP分析解释特征重要性	深度学习模型在特定任务中表现优异，但线性回归在泛化方面更为稳健，且集成方法存在过拟合倾向	评估机器学习与深度学习模型在利用人体测量学变量预测手动力量方面的性能	墨西哥坎佩切经济活动人口中的382名参与者	机器学习	NA	NA	线性回归、随机森林、AdaBoost、极限梯度提升、TabNet、TabPFN、卷积神经网络	数值型数据（人体测量学变量和力量数据）	382名参与者（男性和女性）	NA	线性回归、随机森林、AdaBoost、XGBoost、TabNet、TabPFN、自定义卷积神经网络	平均绝对误差、均方误差、解释方差分数	NA
5	2026-06-01	Artificial intelligence-based approaches to augmenting and automating surgical training 2026-Jun, BJU international IF:3.7Q1 DOI:10.1111/bju.70229 PMID:41817162	综述	综述了人工智能在手术技能评估与反馈中自动化改进手术训练的最新进展	系统总结了AI通过运动学、统计指标、计算机视觉和手势分析等多种方法自动化评估手术技能，并进一步用于生成自动反馈以改善手术表现	当前AI模型主要能检测较大技能差异并提供基础反馈，尚需开发能进行更精细技能评估和生成更详细建设性反馈的模型	探讨如何利用人工智能自动化手术技能评估与反馈，以改善手术训练中的不足	2015年至2025年间发表的关于AI用于手术训练的研究文献	计算机视觉,自然语言处理,机器学习	不适用	运动学分析,统计指标分析,计算机视觉,手势分析	深度学习模型（具体未指明）	手术视频,运动学数据,手势数据	不适用（综述，具体样本数量未提及）	不适用	不适用	与人类评分员的一致性	不适用
6	2026-06-01	Design of an optimal planning framework for cryosurgical treatment of brain tumor using CNN segmentation of MRI images 2026-Jun, Cryobiology IF:2.3Q3 DOI:10.1016/j.cryobiol.2026.105619 PMID:41819035	研究论文	提出一个利用CNN分割MRI图像以优化脑肿瘤冷冻手术规划的综合框架	将深度学习分割、聚类优化和生物热模拟整合用于冷冻手术规划，实现不规则肿瘤的精准术前规划	未提及	开发基于MRI图像分割的冷冻手术最优规划方法，确保肿瘤完全覆盖并最小化周围健康组织损伤	不规则形状的脑肿瘤	医学影像分析, 计算机视觉	脑肿瘤	冷冻手术	U-Net	二维MRI图像	未提及	TensorFlow, PyTorch	2D U-Net	精度	未提及
7	2026-06-01	Artificial intelligence in lymphedema: A systematic review of diagnostic and clinical applications 2026-Jun, Journal of plastic, reconstructive & aesthetic surgery : JPRAS DOI:10.1016/j.bjps.2025.12.035 PMID:42068963	系统综述	系统评估人工智能在淋巴水肿诊断与临床应用中的现状	首次系统总结AI在淋巴水肿全流程（风险预测、影像诊断、容量评估及临床决策支持）中的应用，并揭示外部队列验证缺失这一关键转化瓶颈	纳入研究间方法学异质性大，均缺乏外部验证，证据等级仍属初步阶段	评估人工智能在淋巴水肿诊断、风险预测、监测及手术规划中的临床应用价值	淋巴水肿患者	机器学习	淋巴水肿	超声、CT、MRI、临床照片、三维成像	机器学习、深度学习	人口统计学数据、临床数据、影像	18项研究共纳入8720例患者	NA	NA	AUC, 准确率, 相关系数	NA
8	2026-06-01	Artificial Intelligence in Spine Imaging Interpretation 2026-Jun, Seminars in musculoskeletal radiology IF:0.9Q4 DOI:10.1055/a-2836-8033 PMID:41980600	综述	本文综述了人工智能在脊柱影像解读中的最新应用，包括椎体骨折、脊柱畸形、退行性疾病、骨骼肿瘤、炎症性疾病和机会性筛查等病理领域	以病理为导向系统梳理了人工智能在脊柱影像中的创新应用，为肌肉骨骼放射科医生提供了全面的技术概览	作为叙述性综述，未进行系统性的文献检索或定量分析，可能遗漏部分最新研究	为放射科医生提供脊柱影像中人工智能应用的最新综述，促进临床采纳	脊柱影像解读中的人工智能应用，涵盖多种脊柱疾病	计算机视觉、机器学习	脊柱疾病	NA	深度学习、传统机器学习	影像	NA	NA	NA	NA	NA
9	2026-06-01	Integrating AI in Medicinal Chemistry for Accelerated Drug Discovery: A Comprehensive SAR (CSAR) Optimization Strategy and Discovery of Potent ALDH3A1 Inhibitors 2026-May-30, Journal of medicinal chemistry IF:6.8Q1 DOI:10.1021/acs.jmedchem.6c00537 PMID:42216908	研究论文	提出一种AI引导的、基于反应式的先导化合物优化策略（CSAR），用于加速ALDH3A1抑制剂的发现	结合顺序反应枚举、药效团对接和预测建模的AI引导工作流程，实现可扩展的构效关系优化，将先导化合物的生化效力提升约1000倍	仅对ALDH3A1靶点进行了验证，且枚举反应限于Enamine构建模块，可能限制了化学空间多样性	开发一种可扩展、通用的AI辅助策略来加速先导化合物的优化	ALDH3A1抑制剂	机器学习	癌症，神经退行性疾病	反应式枚举、药效团对接、深度学习预测建模	深度学习模型	分子结构数据	约25万虚拟类似物，150个合成化合物	NA	NA	生化效力（IC50），细胞活性（EC50）	NA
10	2026-06-01	Automated interictal epileptic spike detection from simple and noisy annotations in MEG data 2026-May-30, Brain structure & function IF:2.7Q3 DOI:10.1007/s00429-026-03118-4 PMID:42217046	研究论文	利用深度学习方法从简单且嘈杂的MEG数据注释中自动检测发作间期癫痫样棘波	提出基于特征的人工神经网络和卷积神经网络两种模型，能利用仅含时间标注和单个专家标注的数据进行检测，并采用交互式机器学习策略迭代提升注释质量	未明确说明局限性，但可能包括模型对非典型数据的鲁棒性仍需验证、F1分数相对较低（CNN=0.46，ANN=0.44）	开发适用于临床实践的自动检测发作间期癫痫样棘波方法，减少对大量标注数据的依赖并提高对非典型数据的鲁棒性	脑磁图（MEG）记录中的发作间期癫痫样棘波	机器学习	耐药性癫痫	MEG	人工神经网络（ANN）和卷积神经网络（CNN）	MEG信号时间窗数据	82名患者的数据库，其中10名作为留出测试患者	NA	基于特征的人工神经网络（ANN）和卷积神经网络（CNN）	F1分数	NA
11	2026-06-01	Two-stage deep learning networks for diagnosing and staging membranous glomerulonephritis from electron microscopy images 2026-May-29, Laboratory investigation; a journal of technical methods and pathology DOI:10.1016/j.labinv.2026.106141 PMID:42217547	研究论文	开发基于深度学习的两阶段模型，用于从透射电镜图像检测和分期膜性肾小球肾炎	首次将Vision Transformer网络应用于膜性肾小球肾炎的自动分期，采用两阶段架构（膜区域检测与分期分类）提升临床可解释性	NA	构建基于深度学习的AI模型，实现膜性肾小球肾炎的自动检测与分期	膜性肾小球肾炎患者的透射电镜图像	数字病理	膜性肾小球肾炎	透射电镜	Vision Transformer	图像	包含患者微图的综合数据集及独立外部验证数据集	PyTorch	Vision Transformer	准确率、灵敏度、特异度	NA
12	2026-06-01	Integration of network pharmacology, deep learning, and molecular biology reveals the efficacy of Citrus aurantium L. var. amara Engl. blossom extract in ameliorating diabetic osteoporosis 2026-May-29, Journal of ethnopharmacology IF:4.8Q1 DOI:10.1016/j.jep.2026.121939 PMID:42217588	研究论文	通过网络药理学、深度学习和分子生物学整合方法，揭示柑橘花提取物改善糖尿病性骨质疏松的功效和机制	首次结合网络药理学、深度学习和分子生物学，系统探究柑橘花提取物对糖尿病性骨质疏松的保护作用及PI3K/AKT和Wnt/β-catenin通路机制	仅在T2DM小鼠模型中验证，缺乏临床样本验证	探究柑橘花提取物对糖尿病性骨质疏松的保护作用和潜在机制	柑橘花乙醇提取物及其对2型糖尿病小鼠骨质疏松的影响	机器学习	糖尿病性骨质疏松	HPLC/MS	深度学习	分子结构数据	高脂饮食和链脲佐菌素诱导的2型糖尿病小鼠	NA	NA	骨密度、骨小梁数量、血糖含量、血清钙离子水平	NA
13	2026-06-01	Advances in Clinical Imaging and AI Integration for Dry Eye Diagnosis 2026-May-29, The American journal of pathology DOI:10.1016/j.ajpath.2026.04.022 PMID:42217618	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
14	2026-06-01	Improving airport security with IoT-powered deep learning methods for threat detection and intelligent recommendation systems 2026-May-28, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-54104-z PMID:42209587	research paper	本研究提出了一种融合深度学习算法、智能推荐系统和物联网设备的框架，旨在提升机场安保水平	将深度学习、推荐系统与物联网设备集成，实现机场威胁检测和异常行为识别，并通过迁移学习和新型ISODI方法提升检测准确率	需进一步研究在现有安保系统中的最佳应用场景，并解决潜在的隐私问题；实际系统需大量测试以适应不同机场环境的复杂性	提升机场安保水平，通过智能检测和推荐系统减少误报、提高运营效率并增强安全措施	机场安保场景中的威胁行为（如无人看管行李）和航班延误相关的异常	computer vision, machine learning	NA	NA	CNN, Decision Tree, K-Nearest Neighbors	image, simulation data	NA	PyTorch, Scikit-learn	MVCNN	accuracy	NA
15	2026-06-01	A novel hybrid deep learning framework for customer churn prediction using RFM and embedding clustering 2026-May-28, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-53220-0 PMID:42209595	研究论文	提出一种融合RFM特征工程、深度嵌入聚类和深度学习模型的混合框架，用于电子商务中的客户流失预测	将RFM特征工程、深度嵌入聚类与GRU/LSTM深度序列模型创新性地整合为统一框架，实现客户细分与流失预测的联合优化	传统模型如逻辑回归和支持向量机在跨异构数据分布时表现有限	解决电子商务客户流失预测中标签数据稀缺、传统方法难以捕捉复杂动态客户行为模式的问题	电子商务平台中的客户交易行为数据	机器学习	NA	NA	GRU, LSTM, 自编码器	表格数据	两个数据集：Online Retail数据集和Events数据集	NA	深度嵌入聚类, Gated Recurrent Unit (GRU), Long Short-Term Memory (LSTM)	准确率	NA
16	2026-06-01	Enhancing resolution and image quality in musculoskeletal MRI using deep learning reconstruction 2026-May-28, European radiology experimental IF:3.7Q1 DOI:10.1186/s41747-026-00743-w PMID:42207458	研究论文	在1.5特斯拉肌骨MRI中应用深度学习重建以提升图像分辨率和质量	首次将深度学习重建技术整合到1.5特斯拉肌骨MRI协议中，在保持信噪比和对比度噪声比的同时提升空间分辨率和缩短扫描时间	回顾性研究设计、样本量有限（39例检查）、仅使用单一制造商1.5特斯拉扫描仪、未评估临床诊断准确性变化	评估深度学习重建在1.5特斯拉肌骨MRI中提升图像质量而不牺牲信噪比的可行性	39例肌骨MRI检查（包含膝、肩、踝、髋关节）	计算机视觉	肌骨疾病	磁共振成像	深度学习重建模型	图像	39例肌骨MRI检查	NA	NA	Likert评分，信噪比，对比度噪声比，Kendall τ系数	NA
17	2026-06-01	Deep learning unlocks sequence-divergent synthetic promoters to empower Streptomyces natural product engineering 2026-May-27, Metabolic engineering IF:6.8Q1 DOI:10.1016/j.ymben.2026.05.009 PMID:42208848	研究论文	利用深度学习生成模型设计链霉菌合成启动子，显著提升天然产物产量	首次为链霉菌建立AI生成的启动子库，通过深度生成模型实现十亿级序列设计，92%候选启动子具有活性，动态范围达17100%，且与天然基因组序列同源性极低	NA	开发深度学习驱动的序列设计方法，以突破链霉菌启动子强度范围窄、可用性差和多样性有限的瓶颈，推动天然产物工程化应用	链霉菌及其用于生产天然产物的启动子（如抗真菌多环四酸内酰胺、抗生素达托霉素、免疫抑制剂雷帕霉素）	机器学习	NA	深度学习生成模型	生成模型	序列数据	10亿个启动子序列（其中100个经实验验证，92个有活性）	NA	深度生成模型	动态范围、相对活性、产量提升倍数	NA
18	2026-06-01	Automated assessment of coronal lower extremity alignment on long-leg radiographs using a deep-learning model: validation, efficiency gains, and superiority of an edge-based tibial joint-line definition 2026-May-26, BMC musculoskeletal disorders IF:2.2Q3 DOI:10.1186/s12891-026-09980-x PMID:42185802	研究论文	开发并验证一种基于深度学习模型的全自动系统，用于在长腿X光片上评估冠状位下肢力线参数	首次提出基于边缘的胫骨关节线定义（Method 2），在深度学习测量中显著优于传统最低点定义，同时实现15个参数的同步评估与畸形定位	需要前瞻性研究验证Method 2与临床结局（如骨关节炎进展和手术结果）的关联性	开发并验证一种能够自动测量冠状位下肢力线参数并定位畸形的深度学习系统	站立位长腿X光片上的冠状位下肢力线参数（包括HKAA、mLDFA、mMPTA等15个参数）	计算机视觉	骨关节疾病	X光成像	卷积神经网络（YOLOv5）	图像	384例长腿X光片（309例用于训练/验证/测试，75例用于外部泛化测试）	PyTorch	YOLOv5	绝对误差、临床失败率（≥2°或≥2%）、Bland-Altman分析	NA
19	2026-06-01	A Multistage Virtual Screening Strategy Integrating Molecular Similarity, Deep Learning Scoring, and Molecular Docking toward the Discovery of Novel LRRK2 Inhibitors 2026-May-26, Journal of chemical information and modeling IF:5.6Q1 DOI:10.1021/acs.jcim.6c00241 PMID:42187161	研究论文	结合分子相似性搜索、深度学习评分和分子对接的多阶段虚拟筛选策略，用于发现新型LRRK2抑制剂	首次整合Ouroboros分子表征模型（融合构象和药效团特征）与虚拟筛选流程，实现从已知命中化合物到新型LRRK2抑制剂的高效筛选	仅通过分子对接和实验验证了15个候选化合物，缺乏更大规模筛选和体内药效学评估	发现针对帕金森病靶点LRRK2的新型强效小分子抑制剂	LRRK2蛋白及其G2019S突变体	机器学习	帕金森病	分子相似性搜索、深度学习评分、分子对接、分子动力学模拟	Ouroboros分子表征模型	分子结构数据	15个候选化合物	NA	Ouroboros	IC50、细胞活力、活性氧水平、磷酸化抑制率	NA
20	2026-06-01	Label-Free Imaging of Single Proteins and Binding Dynamics via Deep Learning-Enhanced Plasmonic Scattering Microscopy 2026-May-26, Journal of the American Chemical Society IF:14.4Q1 DOI:10.1021/jacs.6c04749 PMID:42189600	研究论文	通过深度学习增强的等离激元散射显微镜实现无标记单蛋白成像及结合动态分析	结合时空深度学习框架与等离激元散射显微镜，实现从复杂背景中连续分离和追踪单个未标记蛋白质，并直接区分瞬态与稳定结合事件	未提及具体限制	实现无标记单蛋白结合动态的高通量自动成像与实时轨迹分析	单个未标记蛋白质及其结合动态	计算机视觉	NA	等离激元散射显微镜	递归神经网络（RNN）	图像	NA	NA	定制递归神经网络	NA	NA