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	2026-05-21	Magnetic resonance parameter mapping using model-guided self-supervised deep learning 2021-06, Magnetic resonance in medicine IF:3.0Q2 DOI:10.1002/mrm.28659 PMID:33464652	研究论文	提出一种基于模型引导自监督深度学习的MRI重建框架RELAX，用于快速定量MR参数映射	通过融合MR成像模型和定量模型，消除了对全采样参考数据的需求，实现了从欠采样k空间直接重建参数图	仅展示了初步可行性，且总变分约束对图像质量的提升有限	开发快速定量MR参数映射方法	模拟和实际采集的MRI数据集中的T1和T2参数映射	计算机视觉, 机器学习	不适用	MRI	自监督深度学习	MRI k空间数据	模拟数据集和实际采集的体内T1/T2映射数据集，具体样本量未说明	不适用	RELAX框架	图像质量对比（与监督学习、传统迭代重建）	不适用
2	2026-05-21	A deep learning approach for 18F-FDG PET attenuation correction 2018-Nov-12, EJNMMI physics IF:3.0Q2 DOI:10.1186/s40658-018-0225-8 PMID:30417316	研究论文	开发并评估基于深度学习的PET图像衰减校正方法deepAC，无需解剖成像即可从18F-FDG PET图像生成伪CT图像	首次提出数据驱动的深度学习框架，直接从非衰减校正的18F-FDG PET图像生成连续值的伪CT，无需CT或MRI解剖成像	仅针对头部PET成像，且训练数据量较小（100例），未评估其他部位或示踪剂的泛化能力	实现无需解剖成像的PET衰减校正，避免额外CT辐射并提高临床适用性	18F-FDG PET头部图像及对应CT数据	数字病理学	脑部疾病	PET/CT, 18F-FDG PET	卷积编码器-解码器网络	图像	100例回顾性3D FDG PET头部图像用于训练，28例患者用于评估	NA	深度卷积编码器-解码器网络	Dice系数, 平均绝对误差, 配对样本t检验	NA
3	2026-05-20	Multi-scale drift characteristics of Ulva prolifera in the Yellow Sea derived from deep learning-based MODIS and Sentinel-1 observations 2026-Jul, Marine pollution bulletin IF:5.3Q1 DOI:10.1016/j.marpolbul.2026.119516 PMID:41855964	研究论文	利用深度学习模型融合MODIS和Sentinel-1数据，分析黄海浒苔多尺度漂移特征	提出融合注意力机制与Vision Transformer的AttFusionViT-UNet模型，首次实现多源遥感数据（MODIS和Sentinel-1）的融合，生成周、月、年多尺度浒苔时空分布，提升短期漂移过程的捕捉能力	未明确讨论模型对极端天气或高云覆盖场景的鲁棒性，且融合方法可能引入数据配准误差	量化黄海浒苔空间覆盖及不同时间尺度的漂移特征，改善预测能力	黄海浒苔的短期涌现、扩展和漂移过程	计算机视觉，遥感	不适用	MODIS遥感， Sentinel-1合成孔径雷达	深度神经网络， Vision Transformer	卫星图像	MODIS数据（2008-2024年）和Sentinel-1数据（2015-2024年）	NA	AttFusionViT-UNet	平均交并比（mean IoU）	NA
4	2026-05-20	Enhancing the accuracy of seawater intrusion vulnerability assessment using a hybrid GALDIT framework in tropical low-lying coastal settings 2026-Jul, Marine pollution bulletin IF:5.3Q1 DOI:10.1016/j.marpolbul.2026.119585 PMID:41861586	研究论文	提出一种混合GALDIT框架（结合CNN-XGBoost）以提升热带低洼沿海地区海水入侵脆弱性评估的准确性	首次将改进的GALDIT模型与混合深度学习技术（CNN用于特征提取、XGBoost用于预测建模）相结合，通过XGBoost的正则化技术减轻过拟合，实现空间分析精度的显著提升	传统GALDIT和改进GALDIT模型均难以捕捉海水入侵的非线性空间复杂性	提高热带低洼沿海地区海水入侵脆弱性评估的准确性	印度奥里萨邦沿海地区的海水入侵脆弱性	机器学习	不适用	NA	CNN、XGBoost	空间数据（土壤介质、井密度、总溶解固体等）	NA	NA	CNN、XGBoost	接收者操作特征曲线、曲线下面积、R值、总溶解固体数据	NA
5	2026-05-20	Leveraging quantum chemical properties in transfer learning for predicting blood-brain barrier permeability of drugs 2026-Jun, Drug delivery and translational research IF:5.7Q1 DOI:10.1007/s13346-025-02005-5 PMID:41160380	研究论文	探索机器学习、深度学习和迁移学习模型，利用量子化学性质预测药物分子的血脑屏障渗透性，并通过PAMPA-BBB实验验证	首次将量子化学性质（QM9扩展的极化率和偶极矩）融入迁移学习，提升了预测血脑屏障渗透性的性能，且量子化学性质提供的预测价值超越了传统分子描述符和P-糖蛋白抑制基线	NA	开发计算模型快速筛选药物分子的血脑屏障渗透性，以促进中枢神经系统药物开发	药物分子的血脑屏障渗透性预测	机器学习	中枢神经系统疾病	PAMPA-BBB体外实验, 机器学习分类模型	SVM, DNN, D-MPNN, 迁移学习模型	分子结构数据 (2D RDKit和Morgan指纹, QM9量子化学性质)	约8000个化合物（B3DB数据库），18个化合物（EEBL库实验验证）	NA	SVM, DNN, D-MPNN	准确率, ROC-AUC	NA
6	2026-05-20	De Novo Multi-Mechanism Antimicrobial Peptide Design via Multimodal Deep Learning 2026-May, Advanced science (Weinheim, Baden-Wurttemberg, Germany) DOI:10.1002/advs.202515835 PMID:41801219	研究论文	提出了一种基于多模态深度学习的多机制抗菌肽从头设计管道M3-CAD，并构建了QLAPD数据库	首次整合3D结构特征、物种特异性抗菌活性和机制进行抗菌肽的从头设计，提出创新性的3D体素着色方法捕捉氨基酸的细微理化上下文	体内实验验证了抗菌效果且毒副作用有限	利用人工智能驱动抗菌肽发现，实现多机制抗菌肽的从头设计以对抗多重耐药菌	多机制抗菌肽	机器学习	多重耐药菌感染	NA	多模态深度学习模型	序列、结构、抗菌活性数据	12,914个抗菌肽样本	NA	生成模块、回归模块、分类模块	抗菌活性、毒性	NA
7	2026-05-20	Deep learning-based precision phenotyping of spine curvature identifies novel genetic risk loci for scoliosis in the UK Biobank 2026-Mar-26, NPJ digital medicine IF:12.4Q1 DOI:10.1038/s41746-026-02540-6 PMID:41882318	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
8	2026-05-20	2D Multimodal Image Collection for Fluorescence Prediction from Transmitted Light Microscopy 2026-Mar-24, Scientific data IF:5.8Q1 DOI:10.1038/s41597-026-07004-w PMID:41876523	研究论文	介绍一个大规模开放存取数据集Light My Cells Database，包含2,574个采集集和56,984张显微镜2D图像，用于从透射光图像预测荧光	提供了一个多模态、多中心、标准化的大规模显微镜图像数据集，支持机器学习模型从无标记透射光图像预测荧光信号，并遵循REMBI元数据标准	未明确说明研究局限性，但可能面临数据覆盖范围有限、实际应用中的泛化挑战	开发用于从透射光显微镜图像预测荧光的机器学习模型	生物样品，包括细胞核、线粒体、微管蛋白和肌动蛋白等亚细胞结构	计算机视觉, 数字病理学	NA	明场显微镜, 相差显微镜, 微分干涉差显微镜, 荧光显微镜	NA	图像	2,574个采集集，56,984张图像，来自30项独立实验和8个国家成像中心	NA	NA	NA	NA
9	2026-05-20	A Sensor based turning dataset for data-driven surface roughness estimation 2026-Mar-24, Scientific data IF:5.8Q1 DOI:10.1038/s41597-026-07061-1 PMID:41876568	研究论文	介绍了一种用于车削过程表面粗糙度估计的传感器数据集，特别是在Inconel-625难加工材料上的应用	提供了针对难加工合金Inconel-625的公开车削传感数据集，包括振动、力和力矩数据，以及表面粗糙度测量结果，便于开发在线估计模型	未提及具体的数据集限制或模型验证结果	为基于机器学习和深度学习的数据驱动表面粗糙度估计提供公开数据集，减少材料浪费并提高加工效率	Inconel-625合金在车削过程中的表面粗糙度与传感器数据的关系	机器学习	不适用	三轴加速度计、测力计、表面粗糙度测试仪	尚未指定具体模型类型	振动信号、力与力矩数据、表面粗糙度测量值	共382,189,197个样本，来自27组数据采集	不适用	不适用	不适用	Kirloskar Turnmaster 40车床用于加工，Mitutoyo表面粗糙度测试仪用于测量
10	2026-05-20	Detection of Structural Glaucoma Progression with Deep Learning on Serial Optic Disc Photographs 2026-Mar-17, Ophthalmology. Glaucoma DOI:10.1016/j.ogla.2026.03.005 PMID:41856358	研究论文	使用深度学习模型检测基于眼底照片序列的青光眼结构性进展	首次采用孪生卷积神经网络对序列眼底照片进行青光眼进展检测，实现了临床相关精度的自动化分类	未在论文标题和摘要中明确说明局限性	设计有监督深度学习模型以检测青光眼结构性进展	青光眼患者的序列眼底照片	计算机视觉	青光眼	NA	孪生卷积神经网络	图像	1510只眼（916名患者），每只眼至少2年随访并有2对眼底照片	NA	孪生卷积神经网络	AUC, 准确率, 灵敏度, 特异度	NA
11	2026-05-20	A hybrid deep learning approach integrating CNN and transformer for lung cancer classification using CT scans 2026-Mar-17, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-41161-7 PMID:41844829	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
12	2026-05-20	Elevated Retinal Neovascularization on Widefield Optical Coherence Tomography Angiography Predicts Complications in High-Risk Proliferative Diabetic Retinopathy 2026-Mar, American journal of ophthalmology IF:4.1Q1 DOI:10.1016/j.ajo.2025.12.017 PMID:41453592	研究论文	利用超广角扫频源光学相干断层扫描血管成像衍生的视网膜新生血管参数，预测高风险增殖性糖尿病视网膜病变并发症的发生	首次使用单次超广角SS-OCTA成像结合深度学习分割算法，量化视网膜新生血管的膜面积和血管面积，并依据其与内界膜的轴向空间关系（隆起或附着）进行分层分析，发现隆起性RNV指标能更有效地预测玻璃体积血和牵拉性视网膜脱离等并发症	样本量较小（18只眼），且为单中心前瞻性研究，可能影响结果的普适性；随访中位数291天，长期预后尚需更长时间观察	评估超广角SS-OCTA衍生的RNV指标能否预测高风险PDR患者发生威胁视力的并发症（玻璃体积血或牵拉性视网膜脱离）	临床上分级为高风险增殖性糖尿病视网膜病变的眼部（来自三级医疗中心，随访≥6个月）	计算机视觉	糖尿病视网膜病变	扫频源光学相干断层扫描血管成像	深度学习算法	图像	18只眼（高风险PDR患者），共识别115个RNV病灶	NA	验证的深度学习分割算法（具体结构未明确）	AUC, 灵敏度, 特异度	NA
13	2026-05-20	Dbert2_LR: A deep learning-based model for predicting cis-regulatory elements in crops 2026-03, Genomics IF:3.4Q2 DOI:10.1016/j.ygeno.2026.111201 PMID:41544987	研究论文	开发了一种名为Dbert2_LR的混合深度学习框架，用于预测作物中的顺式调控元件	首次将预训练基因组基础模型DNABERT-2与并行双向RNN和LSTM网络结合，有效捕获DNA的深层上下文依赖和局部序列模式，并揭示模型决策依赖于已知转录因子结合基序，克服了深度学习的'黑箱'问题	在高度重复的作物基因组（如陆地棉）上性能相对较低（宏平均F1分数仅为0.637），且可能泛化性受限于训练数据覆盖的物种	开发高精度预测作物中顺式调控元件（启动子、增强子和非调控序列）的模型，用于功能基因组注释和分子育种	拟南芥和陆地棉中的顺式调控元件序列	机器学习	NA	DNA测序	深度学习混合模型	DNA序列	未明确提及	PyTorch	DNABERT-2, 双向RNN, LSTM	宏平均F1分数	NA
14	2025-12-11	The road to bedside: addressing key hurdles for deep learning prognostic models in light-chain cardiac amyloidosis 2026-Feb-27, European heart journal. Cardiovascular Imaging DOI:10.1093/ehjci/jeaf344 PMID:41364678	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
15	2026-05-20	Rapid prediction of cardiac activation in the left ventricle with geometric deep learning: a step towards cardiac resynchronization therapy planning 2026-Feb-07, NPJ digital medicine IF:12.4Q1 DOI:10.1038/s41746-026-02399-7 PMID:41654658	研究论文	利用几何深度学习快速预测左心室激活时间图，为心脏再同步治疗规划提供支持	首次构建基于图神经网络和几何信息神经算子的几何深度学习模型，实现左心室激活时间图的实时预测，并开发了用于优化起搏点选择的工作流	模型在真实左心室几何结构上的性能略低于合成数据，且尚未在临床环境中进行验证	开发一种用于个性化心脏再同步治疗规划的计算方法，通过快速预测激活时间图并优化起搏点位置	左心室几何形状上的激活时间图预测	机器学习	心脏疾病（心脏衰竭）	有限元模拟	图神经网络（GNN）和几何信息神经算子（GINO）	合成和真实左心室几何形状的激活时间图数据	基于广泛合成左心室形状、起搏点配置和组织电导率生成的有限元模拟大样本数据集	PyTorch	图神经网络（GNN），几何信息神经算子（GINO）	误差率（百分比）	NA
16	2026-05-20	AI Prognostication in Nonsmall Cell Lung Cancer: A Systematic Review 2026-02-01, American journal of clinical oncology DOI:10.1097/COC.0000000000001238 PMID:40679809	综述	对人工智能算法在非小细胞肺癌预后预测中的应用进行系统文献综述	比较了不同人工智能类型（机器学习和深度学习）的预后性能，并评估了与TNM分期等传统预后系统的对比	建议在临床应用前需通过精心设计的临床试验进行充分验证	评估人工智能算法在非小细胞肺癌预后预测中的应用效果	非小细胞肺癌患者的预后预测	机器学习	肺癌	NA	机器学习, 深度学习	组织学数据, 遗传数据, CT, PET, MRI图像	初始3880篇文献，经筛选后纳入309篇	NA	NA	预后性能（具体指标未明确）	NA
17	2026-05-20	Accelerated water residual removal in MRS: Exploring deep learning versus fitting-based approaches 2026-01, Magnetic resonance in medicine IF:3.0Q2 DOI:10.1002/mrm.70031 PMID:40891397	研究论文	提出并验证两种快速去除MRS中水残留信号的新方法：DeepWatR和WaterFit	分别采用U-Net类似架构结合注意力机制和Torch自动微分技术，实现了快速准确的水残留去除，较传统HLSVDPro方法大幅提升速度	模拟数据集与实际临床数据的差异可能影响方法泛化性；DeepWatR在去除水后代谢物拟合精度低于WaterFit	开发临床适用的快速水残留去除方法，提升磁共振波谱（MRS）的临床实用性	模拟和体内1H脑部MRS数据集中的水残留信号	机器学习	NA	MRS	U-Net	磁共振波谱数据	模拟和体内1H脑部数据集，包含10,000个体素和100个体素两个测试集	PyTorch	U-Net	平均百分比量化误差、速度提升倍数	低端图形处理单元（GPU）
18	2026-05-20	Automatic classification of uveal melanoma response patterns following ruthenium-106 plaque brachytherapy using ultrasound images and deep convolutional neural network 2025-12-29, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-28995-3 PMID:41461779	研究论文	利用超声图像和深度卷积神经网络自动分类葡萄膜黑色素瘤钌-106敷贴器治疗后反应模式	首次将深度学习模型（DenseNet121和ResNet34）应用于基于B型超声图像的葡萄膜黑色素瘤治疗后反应模式分类，并发现无预训练权重、使用dropout层和批次大小32的配置性能最佳	需要进一步验证并探索其融入临床实践的可行性	应用深度学习模型预测葡萄膜黑色素瘤患者接受敷贴治疗后肿瘤反应模式	葡萄膜黑色素瘤患者治疗前后的超声图像及其反应模式（消退、增大、稳定或其他）	计算机视觉	葡萄膜黑色素瘤	B型超声成像	卷积神经网络	图像	192名患者的B型超声图像样本	PyTorch	DenseNet121, ResNet34	宏平均AUC, 每类评估, DeLong检验	NA
19	2026-05-20	Differences in different reconstruction algorithms for coronary CTA demonstrating pericoronary adipose tissue attenuation 2025-12-29, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-28914-6 PMID:41461810	研究论文	评估三种不同重建算法（DLIR-H、ASiR-V50%和FBP）在冠状动脉CTA中展示冠状动脉周围脂肪衰减的差异	首次系统比较深度学习图像重建（DLIR-H）、自适应统计迭代重建（ASiR-V50%）和滤波反投影（FBP）三种算法对冠状动脉周围脂肪衰减指数（FAI）测量的影响	未提及样本量大小和患者选择的具体标准，未评估算法在不同医疗设备和扫描参数下的通用性	评估不同重建算法对冠状动脉周围脂肪衰减指数（FAI）测量的差异，强调标准化重建方案的必要性	冠状动脉周围脂肪组织、冠状动脉斑块（正常、无斑块、非钙化斑块、混合斑块、钙化斑块）	计算机视觉	心血管疾病	冠状动脉计算机断层扫描血管造影（CCTA）	NA	图像	NA	NA	NA	脂肪衰减值、图像噪声、脂肪衰减指数（FAI）	NA
20	2026-05-20	HGCPep: Hypergraph Deep Learning Identifies Cancer-associated Non-coding Peptides 2025-Dec-22, Genomics, proteomics & bioinformatics DOI:10.1093/gpbjnl/qzaf093 PMID:41329495	研究论文	提出HGCPep框架，利用超图深度学习识别与癌症相关的非编码肽	首次将超图神经网络与卷积神经网络结合，建模非编码RNA与多个肽之间的转录关系以增强特征表示	未在更多癌症类型或大规模样本上验证；依赖非编码RNA转录本注释的准确性	开发一种系统性方法识别癌症相关非编码肽，助力免疫治疗靶点发现	癌症相关非编码肽及其编码的非编码RNA转录本	机器学习	癌症	NA	超图神经网络、卷积神经网络	序列数据（肽序列和RNA序列）	NA	PyTorch	超图神经网络、卷积神经网络	准确率、精确率、召回率、F1分数、AUC	NA