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
181	2026-07-15	CIM-VTP: Correlation-Guided Image Modeling With Visual-Textual Task Prompt for Universal Medical Image Registration 2026-Jul, IEEE transactions on medical imaging IF:8.9Q1 DOI:10.1109/TMI.2026.3690772 PMID:42090536	研究论文	提出一种基于关联引导图像建模与视觉-文本任务提示的通用医学图像配准框架	提出两阶段通用配准框架，包括基于关联引导图像建模的预训练策略和视觉-文本任务提示模块，通过提示学习自适应调整解码器参数，提升跨任务配准的通用性和零样本表现	依赖任务分类器识别输入任务类型，可能对未见任务类型分类不准确；多分辨率提示模块增加了模型复杂度	实现单一模型处理多种医学图像配准任务的通用配准方法，提升跨任务泛化能力和零样本配准性能	六种不同的医学图像配准任务	数字病理学, 机器学习	不适用	深度学习图像配准	CNN（卷积神经网络）	医学图像	六种配准任务涉及的不同医学图像数据集	PyTorch	U-Net, 多头自注意力	配准精度、Dice系数	NVIDIA GPU（具体类型未指定）
182	2026-07-15	DSHARP: Deep Incompressible Motion Estimation With Sinusoidal-Transformed Harmonic Phase for Tagged MRI 2026-Jul, IEEE transactions on medical imaging IF:8.9Q1 DOI:10.1109/TMI.2026.3693998 PMID:42139136	research paper	提出了一种名为DSHARP的深度无监督学习方法，将谐波相位与深度学习配准框架结合，用于估计标记磁共振成像中的微分同胚且近似不可压缩的运动场	首次将谐波相位（HARP）方法集成到无监督深度学习配准框架中，通过正弦变换去除相位包裹不连续性以实现端到端训练，并利用雅可比行列式损失项鼓励不可压缩性	NA	开发一种快速、精确且能够保证微分同胚和不可压缩性的标记磁共振成像运动估计方法	2D和3D模拟不可压缩运动的体模数据、真实3D人类舌头数据（健康与舌切除受试者）以及公开STACOM 2011基准的心脏标记MRI数据	computer vision	geriatric disease	标记磁共振成像	CNN	image	包括模拟体模数据、真实人类舌头数据（健康与舌切除受试者）以及公共心脏标记MRI数据集	PyTorch	U-Net	追踪精度、计算速度、不可压缩性保持	NA
183	2026-07-15	Decoding common and rare noncoding variant effects across cellular and developmental contexts 2026-Jul, Nature genetics IF:31.7Q1 DOI:10.1038/s41588-026-02619-6 PMID:42298188	研究论文	通过深度学习模型解读人类发育过程中细胞和组织特异性非编码变异的影响	首次大规模应用深度学习预测不同胎儿和成人细胞情境下的染色质可及性，区分常见与罕见非编码变异的细胞类型特异性效应，并开发FLARE框架整合进化约束优先化具有极端调控效应的变异	未提及具体限制	研究非编码变异在人类发育和不同细胞类型中的调控效应及其对疾病的影响	胎儿和成人细胞中的非编码变异，包括常见变异和超罕见变异	机器学习	发育性疾病, 精神分裂症	深度学习序列模型, 单细胞染色质可及性分析	深度学习序列模型	染色质可及性预测数据, 群体遗传学数据	30亿次深度学习预测	NA	NA	NA	NA
184	2026-07-15	Integrating computed tomography and deep learning to assess tibiotarsus cortical bone area for leg health evaluation in purebred male turkeys 2026-Jul, Animal : an international journal of animal bioscience IF:4.0Q1 DOI:10.1016/j.animal.2026.101854 PMID:42314622	研究论文	利用计算机断层扫描和深度学习评估纯种雄性火鸡胫跗骨皮质骨面积，用于腿部健康评价	首次将深度学习与CT影像结合来衍生火鸡胫跗骨皮质骨面积指标，并估计其遗传参数及其与生产性状的相关性	Ct.Ar不能完全反映骨骼完整性，需进一步探索其他CT衍生腿部健康性状	从CT图像中通过深度学习提取Ct.Ar，估计其遗传参数，并评估与生产性状的关联	纯种雄性火鸡（品系A和品系B）	计算机视觉, 数字病理学	骨骼疾病	计算机断层扫描	深度学习	图像	2605只纯种雄性火鸡（品系A）和3337只（品系B）	PyTorch	Detectron2 panoptic segmentation	遗传力估计值，相关系数	NA
185	2026-07-15	Effect of Signal-Strength Filtering on 3D Convolutional Neural Network-Based Visual Field Estimation From Macular OCT 2026-Jul-01, Translational vision science & technology IF:2.6Q2 DOI:10.1167/tvst.15.7.17 PMID:42439429	研究论文	探讨低信号强度OCT扫描对基于3DCNN的视野估计的影响	首次系统评估信号强度过滤对深度学习视野估计模型的影响，发现包含低信号强度扫描可提升模型鲁棒性	仅使用NIDEK设备数据，未验证其他OCT设备；未明确信号强度<7的阈值效应	评估训练数据中排除低信号强度OCT扫描是否改善基于深度学习的视野估计性能	黄斑OCT体积与视野检查的配对数据	计算机视觉，数字病理学	NA	OCT成像	3D卷积神经网络（3DCNN）	图像（OCT体积）	79,803次配对检查，来自5个机构的8511名患者	PyTorch	EfficientNet 3D	平均绝对误差（MAE），平均偏差绝对误差（MD误差）	NA
186	2026-07-15	AmesNet: A Task-Conditioned Deep Learning Model with Enhanced Sensitivity and Generalization in Ames Mutagenicity Prediction 2026-Jun-29, Chemical research in toxicology IF:3.7Q2 DOI:10.1021/acs.chemrestox.6c00082 PMID:42371678	研究论文	提出一种任务条件化的深度学习模型AmesNet，在Ames诱变性预测中实现增强的灵敏度和泛化能力	采用双分支架构，包含分子编码器和专用通道来条件化Ames检测上下文（如代谢活化和菌株类型），在保持高平衡准确度的同时提升灵敏度，避免现有模型的灵敏度折衷问题	未提及具体限制	开发一种高灵敏度的in silico Ames诱变性预测模型，解决现有模型在域外分子上的灵敏度下降问题	小分子药物的Ames诱变性	机器学习	NA	NA	条件化深度学习模型	分子结构数据	NA	NA	双分支架构（分子编码器+条件化通道）	灵敏度、平衡准确度	NA
187	2026-07-15	State of the Art: Artificial Intelligence Approaches for Enhancing Medical Imaging in Burkina Faso - A Case Study on Early Detection of Breast Cancer from Pathology Imaging 2026-Jun-29, Studies in health technology and informatics DOI:10.3233/SHTI260812 PMID:42393974	综述	这篇综述回顾了人工智能方法在布基纳法索等低资源环境下通过病理图像早期检测乳腺癌的应用，分析了30/50项精选研究	该文章聚焦于资源有限地区的AI乳腺癌检测应用，强调了本地数据集和基础设施适应性的重要性	挑战包括数据可用性不足、模型可解释性差以及难以适应本地上下文	探讨AI方法在布基纳法索等低资源环境下通过病理图像早期检测乳腺癌的应用	乳腺癌检测的人工智能方法	数字病理学	乳腺癌	组织病理学成像	CNN	图像	30/50项精选研究	NA	CNN	灵敏度	NA
188	2026-07-15	TCIA Radiology Image Processing for AI and Radiomics 2026-Jun-24, medRxiv : the preprint server for health sciences DOI:10.64898/2026.06.15.26354651 PMID:42396283	研究论文	开发了一个标准化、可重复的CT影像预处理框架，用于多机构影像库（如TCIA）以支持放射组学和AI分析	提出了一个模块化、可重复的预处理流程，能够处理多机构影像数据中的采集协议差异、元数据不一致和图像质量变化，减少非生物变异性对放射组学特征稳定性和模型性能的影响	仅基于CT影像数据验证，未涉及其他模态影像；预处理步骤的通用性需要进一步在更多异质性数据集上验证	建立标准化的影像预处理框架以减少多机构影像数据中的非生物变异性，提升放射组学和AI分析的鲁棒性	TCIA上的TCGA-KIRC患者CT影像数据	数字病理学	肾癌	CT成像	NA	影像	使用TCGA-KIRC患者数据集，具体样本量未说明	NA	NA	NA	NA
189	2026-07-15	Mind Melodies: An NLP platform to examine music cognition 2026-Jun-16, Behavior research methods IF:4.6Q1 DOI:10.3758/s13428-026-03059-0 PMID:42303808	研究论文	开发了一个结合艺术、科学和技术的交互平台Mind Melodies，用于研究希腊音乐调式对个体和集体引发的心理场景、情感和概念	首次将自然语言处理和深度学习算法与希腊音乐调式研究结合，提供定量且生态有效的音乐认知分析框架	初步试点研究样本量有限（142人），可能无法完全代表广泛人群的音乐认知反应	探究希腊音乐调式（伊奥尼亚、多利亚、弗里吉亚、吕底亚、混合吕底亚、爱奥尼亚、洛克里亚）对个体和集体引发的心理场景和情感影响	希腊音乐调式及其引发的心理场景、情感和概念	自然语言处理	NA	NA	深度学习	文本	142名参与者	NA	NA	NA	NA
190	2026-07-15	Super-Resolution enhanced deep learning for efficient and accurate urban flood simulation at the street scale 2026-Jun-15, Water research IF:11.4Q1 DOI:10.1016/j.watres.2026.125819 PMID:41930893	研究论文	提出基于超分辨率增强深度学习的街道尺度城市洪水高效精确模拟方法	通过集成多源异构数据、注意力机制和空间感知一致性损失函数，以及迁移学习机制，显著提升了城市洪水超分辨率重建的精度和鲁棒性	未明确说明，但可能包括对极端降雨场景或不同城市区域的泛化能力有待验证	实现街道尺度城市洪水的高效高精度模拟以支持风险管理与应急响应	城市洪水超分辨率重建模型及其在两种不同案例上的应用表现	计算机视觉	NA	超分辨率重建	深度学习模型	图像	12种降雨场景，案例1和案例2	PyTorch	UFSR	均方根误差	NA
191	2026-07-15	Modeling and prediction of desalination performance in a scaled-up membrane capacitive deionization system using machine learning and deep learning 2026-Jun-15, Water research IF:11.4Q1 DOI:10.1016/j.watres.2026.125839 PMID:41934772	研究论文	利用机器学习和深度学习模型预测规模化膜电容去离子系统脱盐性能	首次将严格的时间序列数据切分策略用于泄漏评估，结合SHAP解释性分析揭示电流和pH的关键作用，建立了稳健的数据驱动建模框架	研究数据来自单一放大系统，模型泛化性可能受限于实际多变进水条件	探索数据驱动模型预测规模化MCDI系统出水电导率的可行性，并解释模型决策的物理化学逻辑	规模化膜电容去离子系统中在不同进水条件下的运行数据	机器学习	NA	膜电容去离子	随机森林、极端梯度提升、多层感知机、长短期记忆网络	时间序列数据	一种规模化MCDI系统在多种进水条件下的运行数据集	Scikit-learn, XGBoost, PyTorch	RF, XGBoost, MLP, LSTM	决定系数R²、均方根误差RMSE、平均绝对误差MAE	NA
192	2026-07-15	Deep learning model for predicting mRNA half-life based on 3'UTR sequences 2026-Jun-04, Biochemical and biophysical research communications IF:2.5Q3 DOI:10.1016/j.bbrc.2026.153691 PMID:41932116	研究论文	提出结合预训练RNA语言模型与Transformer骨干网络的序列驱动框架，从3'UTR序列预测酵母mRNA半衰期	首次将RNA语言模型（RNA-FM）与Transformer结合用于3'UTR序列的mRNA半衰期预测，并实现高性能与生物可解释性的统一	仅基于已知基因的新型转录本进行验证，且单次突变效应量中等，可能存在遗漏复杂调控模式的风险	开发一种从3'UTR序列预测mRNA半衰期的深度学习方法，兼顾预测精度与机制可解释性	酿酒酵母转录本的3'非翻译区序列	机器学习	NA	RNA-seq	Transformer	序列	独立保留测试集，5折交叉验证	PyTorch	Transformer, RNA-FM	RMSE, MAE, R	NA
193	2026-07-15	Deep learning and eye tracking: Convolutional neural networks provide converging evidence for experience-driven attention within visual search 2026-Jun-04, Behavior research methods IF:4.6Q1 DOI:10.3758/s13428-026-03057-2 PMID:42240817	研究论文	利用卷积神经网络分析眼动追踪数据，验证视觉搜索中经验驱动的注意力机制	首次将卷积神经网络应用于原始眼动时间序列数据分类，能够客观整合传统分析中丢弃的方差信息，并通过特征可视化揭示注意力动态模式	仅使用了视觉搜索任务中的眼动数据，且数据集规模有限，可能影响模型泛化性	探索深度学习是否能够帮助科学家客观地整合眼动追踪中原始数据中被传统简化指标排除的信息	人类受试者在视觉搜索任务中的眼动位置时间序列数据	计算机视觉, 机器学习	不适用	眼动追踪	卷积神经网络（CNN）	时间序列数据	三个数据集：来自两项先前的视觉搜索研究（Massa等, 2024; Grubb & Li, 2018）以及一项独立验证研究（Doyle等, 2025）	NA	卷积神经网络（CNN）	分类准确率	不适用
194	2026-07-15	Dose-aware diffusion model for 3D PET image denoising: Multi-institutional validation with reader study and real low-dose data 2026-Jun, Medical image analysis IF:10.7Q1 DOI:10.1016/j.media.2026.104039 PMID:41930496	研究论文	提出一种剂量感知扩散模型DDPET-3D，用于3D低剂量PET图像去噪，并通过多中心验证和读者研究证明其有效性	首次将扩散模型应用于3D低剂量PET去噪，通过2.5D条件骨干网络实现3D一致重建，具备剂量感知能力，可泛化至不同噪声水平、扫描仪和临床方案	模型采用2.5D而非全3D扩散网络，可能在完全3D一致性上有局限；未详细讨论计算资源需求	开发一种通用性强、图像质量高的低剂量PET去噪方法，解决现有深度学习模型在3D一致性、噪声泛化性和细节保真度方面的不足	低剂量/低计数PET图像（包括低噪声水平和不同扫描协议）	数字病理学	NA	PET成像	扩散模型	图像	9783例F-FDG研究（来自1596名患者），低剂量水平从1%到50%	PyTorch	2.5D条件骨干网络	定性视觉评估、读者评分、蒙特卡洛仿真、病变分割网络评估	NA
195	2026-07-15	Artificial Intelligence-Assisted reflectance confocal microscopy for Real-Time intraoperative margin assessment in oral squamous cell carcinoma 2026-Jun, Oral oncology IF:4.0Q2 DOI:10.1016/j.oraloncology.2026.107939 PMID:41932031	研究论文	本文评估了人工智能驱动的反射共聚焦显微镜在口腔鳞状细胞癌术中实时切缘评估中的诊断性能	首次将人工智能与反射共聚焦显微镜结合用于口腔鳞状细胞癌的实时术中切缘评估，并利用Google Cloud AutoML平台开发深度学习模型，在诊断准确性上超越了专家判读	仅基于4090张标注RCM图像的单中心研究，未提及外部验证或跨设备适用性；未评估模型在实际术中工作流中的实时运行速度	开发一个用于口腔鳞状细胞癌术中实时切缘评估的人工智能驱动反射共聚焦显微镜点-of-care平台	口腔鳞状细胞癌患者活检前的体内反射共聚焦显微镜图像	数字病理学	口腔鳞状细胞癌	反射共聚焦显微镜	深度学习模型	图像	4090张标注RCM图像（1998张良性，2092张恶性）	Google Cloud Vertex AI AutoML	AutoML自动生成的架构	AUC-PR, AUC-ROC, 敏感性, 特异性, 准确率, 阳性预测值, 阴性预测值	Google Cloud Vertex AI平台
196	2026-07-15	GCN combined with snake convolution for enhanced topological perception in thrombotic hepatic portal vein segmentation 2026-Jun, Medical image analysis IF:10.7Q1 DOI:10.1016/j.media.2026.104050 PMID:41932133	研究论文	提出一种结合图卷积网络和蛇形卷积的SnakeGCN模型，用于增强血栓性肝门静脉分割中的拓扑感知能力	将3D蛇形卷积模块作为插件与nnU-Net特征提取对齐以捕捉曲线血管结构，并在瓶颈层引入图卷积网络增强全局拓扑感知，同时整合关系损失处理血栓导致的血管段缺失	未提及计算资源消耗和模型推理速度，可能对多中心数据集的泛化性需进一步验证	解决肝硬化及血栓病变导致的肝门静脉血管分割中血管不连续、段缺失和错误连接问题	肝门静脉血管结构，包括血栓性病变患者的门静脉系统	机器视觉, 数字病理学	肝硬化, 血栓性肝门静脉病变	深度学习分割	图卷积网络, 蛇形卷积, nnU-Net	医学影像（CT/MRI）	多中心临床数据集及两个公开数据集（MSD-HepaticVessel和3D-IRCADb）	PyTorch	nnU-Net, GCN, 3D蛇形卷积	Dice系数, 连通分量	NA
197	2026-07-15	A predictive framework for land subsidence risk in Silakhor: integrating machine and deep learning 2026-Jun, Environmental science and pollution research international DOI:10.1007/s11356-026-37988-2 PMID:42377794	研究论文	该研究利用机器学习和深度学习模型预测Silakhor地区地面沉降风险，并识别主要驱动因素	综合使用RF、RNN、LSTM和CNN四种先进模型评估地面沉降，并通过SHAP分析明确贡献因素	深度学习模型的特异性低于随机森林模型，且RNN性能相对较差	预测Silakhor平原的地面沉降强度并识别高风险区域	Silakhor平原的地面沉降现象	机器学习	NA	NA	随机森林、循环神经网络、长短期记忆网络、卷积神经网络	地理空间数据（土地利用、排水密度、土壤性质、地下水位等）	NA	NA	RF, RNN, LSTM, CNN	决定系数R、均方误差MSE、精确率、召回率	NA
198	2026-07-15	Integrated deep learning model for multi-label retinal disease diagnosis 2026-May-23, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-54982-3 PMID:42177338	研究论文	提出一种集成深度学习模型，用于多标签视网膜疾病诊断	采用混合卷积结构整合两个互补特征提取分支，并实现包含对比度增强、亮度校正、降噪和视网膜掩膜的多阶段预处理流程	未明确说明	实现多标签视网膜疾病的自动诊断	眼底图像中的视网膜疾病	数字病理学	视网膜疾病	NA	混合卷积神经网络	图像	2208张眼底图像	NA	混合卷积结构	F1-micro, PR-AUC micro, ROC-AUC micro	NA
199	2026-07-15	GFETM: Genome foundation-based embedded topic model for scATAC-seq modeling 2026-May-20, Cell systems IF:9.0Q1 DOI:10.1016/j.cels.2026.101563 PMID:41932342	研究论文	提出一种基于基因组基础模型的嵌入主题模型GFETM，用于分析单细胞ATAC测序数据，以提高建模准确性和泛化能力	首次将基因组基础模型与嵌入主题模型结合，利用DNA序列嵌入增强单细胞ATAC-seq数据分析，实现零样本推理和注意力机制分析捕获细胞状态特异性转录因子活性	未明确提及具体限制	通过结合基因组基础模型的序列嵌入，改进单细胞ATAC-seq数据建模的准确性和泛化能力	单细胞ATAC测序数据中的开放染色质区域	机器学习	肾脏糖尿病	scATAC-seq	嵌入主题模型	序列数据	未明确提及	NA	GFETM	准确性，泛化能力	NA
200	2026-07-15	A hybrid deep learning framework for accurate breast cancer classification using MRI images 2026-May-20, BMC medical informatics and decision making IF:3.3Q2 DOI:10.1186/s12911-026-03557-3 PMID:42163216	研究论文	提出一种基于深度学习的混合框架，利用MRI图像自动分类乳腺良恶性病变	通过并行结构融合MobileNetV2和VGG16两种模型，并结合两阶段训练策略，在乳腺癌MRI图像分类中取得了优于单模型架构的性能	NA	提升乳腺癌早期检测的准确性和可靠性，为计算机辅助诊断系统提供更优方案	乳腺MRI图像中的良性和恶性病变	计算机视觉	乳腺癌	MRI成像	卷积神经网络	图像	约25,000张乳腺MRI图像	TensorFlow, PyTorch, Keras	MobileNetV2, VGG16	准确率, 精确率, 召回率, 特异性, F1分数, ROC-AUC	NA