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	2026-03-28	Advanced deep learning strategies in nanopore RNA sequencing 2026-12, RNA biology IF:3.6Q2 DOI:10.1080/15476286.2026.2627968 PMID:41663212	综述	本文综述了纳米孔直接RNA测序中用于解析RNA修饰的先进深度学习策略	聚焦于利用专门学习框架和集成策略应对数据稀缺、噪声和生物变异性等挑战，以提供更高分辨率的输出	NA	评估RNA修饰作为新兴生物标志物和治疗靶点，并总结人工智能在表征表观转录组中的应用	RNA分子上的化学修饰（表观转录组）	自然语言处理, 机器学习	NA	纳米孔直接RNA测序	CNN, RNN	测序信号数据	NA	NA	NA	NA	NA
2	2026-03-28	Machine learning models enhance detection of arrhythmogenic right ventricular cardiomyopathy 2026-Jun-30, Machine learning. Health DOI:10.1088/3049-477X/ae451a PMID:41884351	研究论文	本研究旨在通过机器学习模型提升致心律失常性右心室心肌病的检测能力，并探索其在诊断路径中的角色	首次系统比较了八种机器学习模型在ARVC检测中的性能，并提出了一个基于梯度提升树的分层诊断策略，包括仅使用ECG的早期分诊模型和多模态确认模型	研究基于单一机构的回顾性数据，样本量相对有限，且需要在前瞻性外部临床环境中进行验证	寻找最优的机器学习策略以增强ARVC的检测，并明确其在诊断流程中的作用	来自约翰霍普金斯ARVC注册库的688名患者	机器学习	心血管疾病	临床评估、心电图、影像学、遗传学检测	GBT, Random Forest, Decision Tree, TabNet	结构化临床数据	688名患者	NA	梯度提升树, 随机森林, 决策树, TabNet	AUC, 准确率, 灵敏度, 特异性	NA
3	2026-03-28	Deep Learning-Based Denoising for High-Resolution Carotid Vessel Wall MRI Using Standard Neurovascular Coils 2026-May, Magnetic resonance in medicine IF:3.0Q2 DOI:10.1002/mrm.70226 PMID:41420073	研究论文	本研究开发了一种基于深度学习的去噪方法，用于提升使用标准头颈临床线圈采集的高分辨率颈动脉血管壁MRI图像质量	利用深度学习残差UNet架构，将低信噪比的标准线圈输入映射至高信噪比的专用线圈参考图像，无需额外硬件即可实现图像质量提升	研究样本量相对较小（55次扫描），且为多中心研究的一部分，可能受限于数据异质性	开发深度学习去噪方法以增强标准头颈线圈采集的颈动脉血管壁MRI图像质量	颈动脉血管壁MRI图像	医学影像处理	心血管疾病	MRI（包括2D T1/T2加权TSE、3D TOF-MRA、MPRAGE序列）	CNN	医学影像（MRI图像）	55次扫描（来自多中心研究）	NA	残差UNet	PSNR, SSIM, SNR, CNR, ERD, 放射科医生李克特评分	NA
4	2026-03-28	Deep Learning Reconstruction Enables Diagnostic-Quality 0.4T Knee and Spine MRI in One-Third of the Time 2026-May, NMR in biomedicine IF:2.7Q1 DOI:10.1002/nbm.70274 PMID:41866229	研究论文	本研究利用深度学习模型加速低场强0.4T膝关节和脊柱MRI扫描，通过优化重建算法在三分之一时间内获得诊断质量图像	首次将CIRIM模型应用于低场强MRI加速重建，并优化了欠采样模式和损失函数以实现最大加速因子	放射科医生对高加速因子图像评分存在差异，观察者间一致性较低，最优加速因子需根据具体诊断任务调整	加速低场强肌肉骨骼MRI扫描时间，同时保持诊断图像质量	膝关节和脊柱的MRI图像数据	医学影像分析	肌肉骨骼疾病	MRI扫描，k空间欠采样	深度学习	图像	包含膝关节和脊柱的异质性2D多切片扫描数据集	NA	CIRIM（级联独立循环推理机）	Kendall's Tau, Cohen's Kappa, SSIM, L1损失, 感知损失	NA
5	2026-03-28	Determination of Modified Waldenström Staging in Legg-Calvé-Perthes Disease Using Deep Learning 2026-May, Journal of the Pediatric Orthopaedic Society of North America DOI:10.1016/j.jposna.2026.100334 PMID:41890888	研究论文	本研究开发了一种深度学习模型，用于从标准髋关节X光片中自动确定Legg-Calvé-Perthes病的改良Waldenström分期	首次利用深度学习自动提取临床相关且可量化的参数，构建机器学习分类流程，以改进LCPD分期的客观性和效率	早期阶段LCPD的样本代表性不足，可能影响模型在完整分类中的准确性，需要更大规模的多中心数据集来提升性能	开发一个深度学习模型，用于从标准髋关节X光片中自动确定Legg-Calvé-Perthes病的改良Waldenström分期	来自两家三级儿童医院的Legg-Calvé-Perthes病患者的配对前后位和蛙式侧位髋关节X光片	计算机视觉	Legg-Calvé-Perthes病	X光成像	深度学习	图像	机构1共2164张图像，留出测试集229对X光片，外部验证集533对X光片	NA	NA	Dice系数, AUROC	NA
6	2026-03-28	A simulation-based deep learning framework for spatially explicit malaria modeling of CRISPR suppression gene drive mosquitoes 2026-Apr-17, iScience IF:4.6Q1 DOI:10.1016/j.isci.2026.115221 PMID:41890961	研究论文	本文提出了一种基于模拟的深度学习框架，用于空间显式疟疾建模，以研究CRISPR抑制基因驱动蚊子的效果	结合个体建模与深度学习，高效分析多参数对基因驱动效果的影响，揭示疟疾消除参数空间大于蚊子消除参数空间的新见解	未明确说明模型在真实世界数据上的验证情况，计算需求可能仍较高	预测CRISPR基因驱动释放对疟疾传播的影响，优化参数以实现蚊子和疟疾的抑制	CRISPR基因驱动蚊子、疟疾传播过程	机器学习	疟疾	CRISPR基因驱动技术、个体建模	深度学习模型	模拟数据	NA	NA	NA	NA	NA
7	2026-03-28	An Unsupervised Learning Approach for Multimodal Low Back Pain Stratification 2026-Apr-15, Spine IF:2.6Q1 DOI:10.1097/BRS.0000000000005593 PMID:41384355	研究论文	本研究提出了一种新颖的无监督学习框架，用于整合多模态数据（包括基于深度学习的腰椎MRI成像生物标志物、吸烟状态、人口统计学和问卷调查数据）对腰痛患者进行分层，以促进个性化护理	开发了一种整合多模态数据的无监督分层框架，首次将基于深度学习的成像生物标志物（如椎间盘退变和关节突关节不对称）与非成像数据结合，用于腰痛患者的风险分层	研究为横断面设计，无法确定因果关系；样本来源于特定出生队列，可能限制泛化性；未详细说明深度学习模型的训练细节或验证过程	开发一个综合多模态数据的无监督分层框架，以改进腰痛患者的风险分层和个性化治疗策略	腰痛患者，数据来源于北芬兰出生队列，包括腰椎MRI影像、吸烟状态、人口统计学（性别和BMI）以及自我报告的问卷调查（ÖMPSQ短表和STarT Back工具）	数字病理学	腰痛	深度学习分析腰椎MRI，无监督聚类分析，决策曲线分析	深度学习模型，K-Means聚类，多类逻辑回归	图像（腰椎MRI），文本（问卷调查数据），结构化数据（人口统计学和吸烟状态）	基于北芬兰出生队列的个体，具体样本大小未在摘要中明确说明	未明确指定，可能涉及TensorFlow或PyTorch用于深度学习，以及Scikit-learn用于聚类和回归分析	未明确指定具体的深度学习架构（如ResNet、U-Net），但用于提取椎间盘退变和关节突关节不对称的成像生物标志物	准确度（SBT-based: 0.89; ÖMPSQ-short-based: 0.87），净效益通过决策曲线分析评估	未在摘要中明确说明
8	2026-03-28	Neutrophil CD14 is a driver and a therapeutic target for deep vein thrombosis 2026-Apr-14, Blood advances IF:7.4Q1 DOI:10.1182/bloodadvances.2025017224 PMID:41512166	研究论文	本研究揭示了中性粒细胞CD14在深静脉血栓形成中的关键作用，并证实其作为治疗靶点的潜力	通过多组学分析和几何深度学习模型，首次发现G-CSF通过上调C/EBPα驱动CD14过表达，从而促进中性粒细胞炎症和NETosis，并开发了新型慢病毒shRNA方法进行中性粒细胞特异性CD14敲低	研究主要基于小鼠模型和体外人类中性粒细胞实验，临床转化效果需进一步验证	探究深静脉血栓形成早期中性粒细胞获得促炎和促血栓表型的机制，并寻找新的治疗靶点	骨髓中性粒细胞、小鼠DVT模型、原代人类中性粒细胞	机器学习	心血管疾病	RNA测序、蛋白质组学、流式细胞术、染色质免疫沉淀	几何深度学习模型	多组学数据	NA	NA	DeepPBS	NA	NA
9	2025-11-22	NeuralFlux: Estimation of Reaction Fluxes at a Genome-Scale Level From Time-Resolved Isotope Labelling Patterns Using Deep Learning 2026-Apr, Plant biotechnology journal IF:10.1Q1 DOI:10.1111/pbi.70470 PMID:41264380	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
10	2026-03-28	Deep learning in fetal, infant, and toddler neuroimaging research 2026-Apr, Developmental cognitive neuroscience IF:4.6Q1 DOI:10.1016/j.dcn.2026.101680 PMID:41604954	综述	本文综述了深度学习在胎儿、婴儿和幼儿神经影像研究中的应用，包括结构图像分析、数据采集增强、认知过程建模和自动化视频标记	针对胎儿、婴儿和幼儿神经影像数据稀缺和变异性大的挑战，系统介绍了深度学习作为适应性框架的应用，并面向非AI专业的研究人员提供了可访问的概述	综述内容非详尽，且该领域面临数据标注有限、成像协议多变和临床风险高等普遍挑战	探讨深度学习在胎儿、婴儿和幼儿神经影像研究中的潜力和应用，以促进该领域的发展	胎儿、婴儿和幼儿的神经影像数据	医学影像分析	NA	深度学习	NA	图像, 视频	NA	NA	NA	NA	NA
11	2026-03-28	Particulate matter emission area identification based on phenomenological atmospheric dispersion and deep learn algorithms 2026-Apr, Environmental technology IF:2.2Q3 DOI:10.1080/09593330.2025.2573837 PMID:41097995	研究论文	本研究开发了一个结合计算流体动力学和人工神经网络的集成框架，用于在平坦地形中精确定位颗粒物排放源	提出了一种结合CFD模拟和深度学习算法的新框架，用于实时识别PM排放源，在工业区和港口环境中实现了重大突破	研究仅针对平坦地形，未考虑复杂地形条件；模拟数据集规模相对有限（243次运行）	开发实时颗粒物排放源定位方法，以支持环境监管、工业责任追究和公共健康保护	工业区和港口区域的多重颗粒物排放源	机器学习	NA	计算流体动力学模拟，人工神经网络	LSTM, CNN	模拟数据	243次CFD模拟运行，包含不同风速、风向、排放高度和排放间隔的组合	NA	长短期记忆网络，一维卷积神经网络	F1分数	NA
12	2026-03-28	Utility of multimodal deep learning model to diagnose lymph node metastasis in esophageal cancer using computed tomography and positron emission tomography images 2026-Apr, Surgery today IF:1.7Q2 DOI:10.1007/s00595-025-03152-5 PMID:41109897	研究论文	本研究评估了基于多模态影像的深度学习模型在食管癌淋巴结转移诊断中的性能，并与专家评估进行比较	开发了结合非增强CT、增强CT和PET影像的多模态深度学习模型，用于诊断食管癌淋巴结转移，其诊断性能与经验丰富的专家相当	研究为回顾性分析，样本量相对有限（521个淋巴结来自167名患者），可能影响模型的泛化能力	评估深度学习模型在食管癌淋巴结转移诊断中的性能，探索其临床应用的潜力	食管癌患者的淋巴结影像数据	数字病理学	食管癌	非增强CT、增强CT、PET成像	深度学习模型	影像数据	521个淋巴结来自167名食管癌患者	NA	NA	AUC	NA
13	2026-03-28	Predicting ventilation from single breathing phase non-contrast CT using Swin Transformers 2026-Apr, Medical physics IF:3.2Q1 DOI:10.1002/mp.70406 PMID:41881558	研究论文	本研究开发了一种基于Swin Transformer的深度学习模型，仅使用非对比增强4DCT的吸气相来预测肺通气功能，并评估了添加呼气相的影响	首次探索了仅使用单呼吸相CT进行深度学习肺通气预测的可行性，并展示了基于Swin Transformer的模型在此任务上的优越性能	研究样本量较小（44例），且仅基于特定数据集进行验证，可能限制了结果的泛化能力	开发并评估基于单相CT的深度学习模型，用于预测肺通气成像，以简化临床工作流程并减少成像伪影	肺通气成像预测，特别是基于非对比增强4DCT的吸气相和呼气相数据	医学影像分析	肺疾病	4DCT成像，SPECT通气成像	深度学习模型	CT图像	44例配对吸气CT和SPECT扫描病例	PyTorch	SwinUNETR, U-Net	Spearman相关系数	NA
14	2026-03-28	A systematic evaluation of grayscale conversion methods for mitigating color variation in deep learning-based histopathological image analysis 2026-Apr, Journal of pathology informatics DOI:10.1016/j.jpi.2026.100647 PMID:41889534	研究论文	本研究系统评估了六种灰度转换算法及一种新型注意力机制方法在减轻组织病理学图像颜色变异对深度学习模型性能影响方面的效果	提出了一种基于Transformer注意力机制的新型灰度转换方法（ACSRM），通过长距离像素依赖关系保留关键颜色信息，并在多中心、跨扫描仪场景下验证了灰度转换对深度学习泛化能力的提升作用	研究主要针对H&E染色切片，未涵盖其他染色类型的组织病理学图像；评估场景虽包含多中心数据，但可能未覆盖所有临床实践中出现的颜色变异类型	评估灰度转换方法作为标准化输入策略，在减轻组织病理学图像颜色变异影响、提升深度学习模型泛化能力方面的有效性	组织病理学图像（H&E染色切片）	数字病理学	NA	深度学习，图像灰度转换	深度学习模型	图像	涉及多中心数据集，具体样本数量未在摘要中明确说明	NA	Swin-Transformer-base (Swin-B)	F1分数，交并比（IoU），Wilcoxon符号秩检验，McNemar检验	NA
15	2026-03-28	Intelligent Visible-Near Infrared Micro-Hyperspectral Sensing System for Rapid Chemical Mapping of Microplastics and Metal Oxides 2026-Mar-27, ACS sensors IF:8.2Q1 DOI:10.1021/acssensors.5c04165 PMID:41698001	研究论文	本文开发了一种集成了低成本可见-近红外微高光谱成像与定制深度学习架构的智能传感平台，用于微塑料和金属氧化物的快速化学图谱分析	提出了一种基于补丁的空间-光谱策略，通过定制的多注意力3D卷积神经网络与残差连接实现，有效弥补了宽谱Vis-NIR光谱化学特异性低的不足，实现了对光谱相似微塑料和金属氧化物的高精度分类	未明确提及	开发一种快速、无损、高通量的化学图谱分析平台，用于微观材料的表征	微塑料（聚苯乙烯和聚甲基丙烯酸甲酯）和多种金属氧化物	计算机视觉	NA	可见-近红外微高光谱成像	CNN	高光谱图像	包含8种化学物种的挑战性数据集	NA	定制的多注意力3D卷积神经网络（带残差连接）	准确率	NA
16	2026-03-28	Room-Temperature Trace NO2 Monitoring System Based on Two-Dimensional Heterostructures and Integrated with Deep Learning 2026-Mar-27, ACS sensors IF:8.2Q1 DOI:10.1021/acssensors.5c04107 PMID:41785406	研究论文	本文提出了一种基于二维异质结和深度学习集成的室温痕量NO2监测系统	结合BiS/WO异质结传感器、1D-CNN/LSTM深度学习模型和无线通信模块，实现了高精度、实时的ppb级NO2检测	未明确提及数据稀缺问题是否完全解决，以及系统在实际环境中的长期稳定性验证	开发高精度室温痕量NO2监测系统，用于空气质量控制和呼吸系统疾病早期诊断	痕量NO2气体	机器学习	呼吸系统疾病	气体传感技术	CNN, LSTM	传感器数据	NA	NA	1D-CNN/LSTM	R²值	NA
17	2026-03-28	Functional-based multi-omics early prediction of radiation pneumonitis in NSCLC using AI-generated perfusion and ventilation from planning CT 2026-Mar-27, Physics in medicine and biology IF:3.3Q1 DOI:10.1088/1361-6560/ae5209 PMID:41825133	研究论文	本研究开发了一种基于功能区域的多组学模型，用于早期预测非小细胞肺癌患者放疗后肺炎	首次系统性地证明从CT衍生的高功能肺区域提取的特征能捕获重要的功能差异，并为放疗后肺炎提供强预测价值，整合影像组学、剂量组学和基于CT的功能信息进一步提升了预测性能	回顾性研究设计，样本量有限（121名患者），且仅使用单中心数据	开发早期预测非小细胞肺癌患者放疗后肺炎的预测模型	121名接受根治性调强放疗的局部晚期非小细胞肺癌患者	数字病理学	肺癌	深度学习，超体素方法，CT成像	机器学习	CT图像，剂量分布图	121名患者	未明确说明	未明确说明	AUC, 准确率, 精确率, 召回率, F1分数	NA
18	2026-03-28	Accelerated Brain Aging in Young Women with Posttraumatic Stress Disorder 2026-Mar-27, Experimental neurobiology IF:1.8Q4 DOI:10.5607/en26007 PMID:41889261	研究论文	本研究利用深度学习模型分析年轻女性创伤后应激障碍（PTSD）患者的脑部MRI数据，发现PTSD与加速脑老化相关，且与特定症状维度（认知和情绪负性改变）的严重程度显著关联	首次在年轻女性群体中直接通过神经影像学证据证实PTSD与加速脑老化相关，并揭示了脑老化与特定PTSD症状维度（Criterion D）的关联	样本量相对较小（85人），且仅针对年轻女性，限制了结果的普适性；脑年龄预测模型为群体特异性，可能影响泛化能力	探究年轻女性PTSD患者是否存在加速脑老化现象，并分析其与症状严重度的关联	85名40岁以下女性（34名PTSD患者，51名年龄匹配的健康对照）	数字病理学	创伤后应激障碍	T1加权磁共振成像	深度学习模型	图像	85名女性（34名PTSD患者，51名健康对照）	NA	群体特异性深度学习模型	脑年龄差（BAG）	NA
19	2026-03-28	Multimodal CT Perfusion-Based Deep Learning for Predicting Stroke Lesion Outcomes in Complete and No Recanalization Scenarios 2026-Mar-26, AJNR. American journal of neuroradiology DOI:10.3174/ajnr.A9016 PMID:40973461	研究论文	本研究开发了基于多模态CT灌注的深度学习模型，用于预测急性缺血性卒中患者在不同再通情况下的最终梗死病灶位置和体积	针对成功再通和未再通两种不同临床场景，分别开发了专门的深度学习模型，预测梗死核心区或核心-半暗带联合区域，相比传统基于阈值的单技术方法显著提高了预测准确性	研究样本量相对有限（CR组350例，NR组138例），且为回顾性多中心数据，可能存在选择偏倚	开发更准确的急性缺血性卒中病灶结局预测方法，以改善临床决策和治疗选择	急性缺血性卒中患者，分为完全再通组（CR）和无再通组（NR）	数字病理学	心血管疾病	CT灌注成像	深度学习	医学影像	共488例患者（CR组350例，NR组138例）	PyTorch	3D nnU-Net	Dice系数	NA
20	2026-03-28	The effect of deep learning-based compressed sensing on the image quality of contrast-enhanced 3D T1-weighted images of the maxillofacial region 2026-Mar-26, Oral radiology IF:1.6Q3 DOI:10.1007/s11282-026-00913-x PMID:41886240	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA