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
2381	2026-04-29	Advancements in AI-based quantitative analysis of fundus tessellation and its application in myopia research 2026, Frontiers in medicine IF:3.1Q1 DOI:10.3389/fmed.2026.1786949 PMID:41907242	综述	该文章综述了基于人工智能的眼底豹纹状改变定量分析技术及其在近视研究中的应用	首次系统整合了人工智能辅助的眼底豹纹状改变定量评估方法及其与近视临床参数的关联	NA	探讨人工智能驱动的眼底豹纹状改变量化分析在近视研究中的方法学进展和临床应用潜力	眼底豹纹状改变及其密度量化指标	计算机视觉	近视	NA	深度学习	图像	多个队列研究	NA	NA	NA	NA
2382	2026-04-29	AI-based planning for DIEAP flap procedures: exploring foundation models for artery perforators analysis 2026, Frontiers in medicine IF:3.1Q1 DOI:10.3389/fmed.2026.1757637 PMID:41907262	研究论文	评估并优化基于基础模型的自动化管道，用于DIEAP皮瓣手术中穿支血管的分割与定量分析	提出了一种新型端到端模型驱动管道，结合计算机视觉算法提取解剖先验、生成血管中心线，并利用这些空间提示指导深度学习分割模型，创新性地使用连通性感知复合损失（含骨骼召回损失）微调nnInteractive模型，显著提升分割性能	测试集仅包含九名患者，样本量较小；零样本基线性能较低（DSC 0.174），且最终DSC仅提升至0.265，仍有较大改进空间	评估、微调和验证用于穿支血管分割与定量分析的自动化端到端模型驱动管道，以提高术前规划效率和一致性	CT血管造影（CTA）图像中的穿支血管	计算机视觉	乳腺癌（乳房重建）	CT血管造影（CTA）	深度学习分割模型（基础模型：SAM 2, MedSAM-2, nnInteractive）	图像（CTA影像）	9名患者的CTA数据	NA	nnInteractive, SAM 2, MedSAM-2	Dice相似系数（DSC）	NA
2383	2026-04-29	Diabetic retinopathy severity detection using an improved Whale optimization algorithm and convolutional Kolmogorov-Arnold network 2026, Frontiers in medicine IF:3.1Q1 DOI:10.3389/fmed.2026.1709872 PMID:41907276	研究论文	采用改进鲸鱼优化算法与卷积Kolmogorov-Arnold网络进行糖尿病视网膜病变严重程度检测	结合ShuffleNet V2与视觉Transformer注意力机制进行特征提取，利用改进鲸鱼优化算法微调模型，并使用卷积Kolmogorov-Arnold网络进行分类	模型在独立数据集上的泛化性能及计算资源需求需进一步验证	基于深度学习技术自动检测糖尿病视网膜病变的严重程度	糖尿病视网膜病变患者的眼底图像	计算机视觉	糖尿病视网膜病变	NA	CNN, Transformer	图像	EyePACS数据集（用于训练）和Messidor-2数据集（用于泛化测试）	NA	ShuffleNet V2, Vision Transformer, 卷积Kolmogorov-Arnold网络	准确率	最小处理资源
2384	2026-04-29	Model-independent searches of new physics in DARWIN with deep learning 2026, The European physical journal. C, Particles and fields DOI:10.1140/epjc/s10052-025-15161-2 PMID:41907564	研究论文	提出一种深度学习流程，在拟建的下一代多吨级液氙直接探测实验DARWIN中，无模型依赖地搜索除背景外的新物理异常事件	采用变分自编码器和分类器的组合异常检测器，从高维模拟探测器响应数据中学习特征，避免传统的降维信息损失和计算开销，实现无似然函数的模型无关搜索	仅基于WIMP暗物质信号进行验证，未涵盖其他潜在新物理信号；模拟数据与真实实验数据可能存在差异，实际性能待验证	开发一种无模型依赖的异常事件搜索方法，补充或增强DARWIN实验中传统的似然分析流程	DARWIN液氙直接探测实验的高维模拟探测器响应数据	机器学习	无	NA	变分自编码器和分类器	高维模拟探测器响应数据	NA	PyTorch或TensorFlow（基于深度学习框架的VAE和分类器）	变分自编码器、分类器	异常分数（1D anomaly score）的统计功效	GPU（未明确指定具体型号，需根据实验模拟需求确定）
2385	2026-04-29	Quantification of feeding intensity and feeding control of largemouth bass based on water surface vibration characteristics 2026, Frontiers in artificial intelligence IF:3.0Q2 DOI:10.3389/frai.2026.1656290 PMID:41908139	研究论文	本研究通过整合振动信号量化与深度学习，建立了基于水面振动特性的大口黑鲈摄食强度动态预测模型	首次将水面振动特性与LSTM深度学习模型结合，实现了低成本、高精度的实时摄食强度预测与反馈控制	模型仅在特定实验条件下验证，未涉及不同水质或环境噪声影响	实现高密度水产养殖中大口黑鲈的精准投喂控制	大口黑鲈（50-300g）	机器学习	NA	三轴振动信号量化	LSTM	时间序列振动信号	实验设计：鱼尺寸50-300g（4组），养殖密度20-60条/组（3组），投喂速度1-3g/s（3组），饲料粒径2#4#6#（3组）	PyTorch	LSTM, GRU, Transformer, GCN, 光流法	RMSE, MAE, R, 残留饲料率	嵌入式系统Orange Pi AiPRO（成本<200美元）
2386	2026-04-27	Assumption-Agnostic Deep Learning Framework for Holistic Clinical Trial Monitoring 2026-May, Therapeutic innovation & regulatory science IF:2.0Q3 DOI:10.1007/s43441-026-00915-1 PMID:41703352	研究论文	提出一种无需假设的深度学习框架，用于全面监测临床试验中的异常，特别是质量容忍限度偏差	采用层次化、非参数的多维偏差评分方案结合长短期记忆自编码器，无需参数假设或先验知识，可处理异构和纵向数据	未明确提及，但可能依赖于模拟数据评估，真实世界验证有限	实现临床试验中异常（包括QTL偏差）的持续集中检测，提高安全性和运营效率	临床试验中的数值变量、层次结构（项目、研究、中心和受试者）文本数据的数值表示	机器学习	NA	NA	长短期记忆自编码器	数值数据、文本数据的数值表示	基于真实世界试验结构和异常模式的模拟数据，以及一项案例研究	NA	LSTM自编码器	异常信号区分度、不必要的随访减少、计算可扩展性	NA
2387	2026-04-27	Image Quality Assessment of the External Carotid Artery and Its Branches on Ultra-High-Resolution Head and Neck Computed Tomography Angiography Using a High-Resolution 0.25-mm Detector and Deep Learning Reconstruction 2026-Apr-25, AJNR. American journal of neuroradiology DOI:10.3174/ajnr.A9375 PMID:42034565	研究论文	评估使用高分辨率0.25毫米探测器和深度学习重建的超高分辨率头颈CT血管造影中颈外动脉及其分支的图像质量	首次系统评估深度学习重建在超高分辨率CTA中对小口径颈外动脉分支和肿瘤供血血管可视化能力的提升	样本量较小（24例），需要在更大队列中进一步验证	评估深度学习重建在超高分辨率CTA中对颈外动脉系统图像质量的改善效果	24名接受超高分辨率CTA检查的头颈肿瘤或茎突过长患者	医学影像	头颈肿瘤	CTA	深度学习重建	图像	24名患者	NA	NA	图像噪声、信噪比、对比噪声比、边缘上升距离、边缘上升斜率、主观评分（四分Likert量表）	NA
2388	2026-04-27	Prediction of infiltration degree of ground-glass nodules using a fusion of CT radiomics and deep learning 2026-Apr-25, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-50328-1 PMID:42034781	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
2389	2026-04-27	Hyperspectral image classification network based on multiscale spatial-spectral fusion and semantic enhancement encoder 2026-Apr-25, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-46407-y PMID:42034807	research paper	提出了一种基于多尺度空间-光谱融合和语义增强编码器的高光谱图像分类网络	设计多尺度空间-光谱融合模块，通过并行分支分别提取多尺度空间特征和判别性光谱信息，并实现特征协同交互；引入语义增强编码器，利用多头注意力机制显式建模全局特征依赖，增强语义关键区域表示	NA	解决现有深度学习方法在处理复杂空间结构和高度可变光谱响应时，难以有效提取判别性联合空间-光谱特征的问题	高光谱遥感图像	计算机视觉	NA	主成分分析, 多尺度空间-光谱融合, 语义增强编码器	CNN, 多头注意力机制	高光谱图像	Pavia University数据集和Salinas数据集	NA	MSNet	总体准确率	NA
2390	2026-04-27	A multi-cognitive PCB defect detection model integrating Mamba 2026-Apr-25, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-49734-2 PMID:42034824	研究论文	提出了一种多认知混合框架PCB-MMF，结合Mamba状态空间模型与CNN，用于PCB缺陷检测	提出MM-NET主干网络融合CNN局部特征提取与Mamba全局建模，并设计三阶段多感受野模块、多认知视觉增强模块和轻量级分组共享检测头	未提及模型在极端纹理复杂或光照变化条件下的性能，以及实际工业部署中的实时性验证	解决PCB缺陷检测中微小目标特征提取不足、特征利用率低和模型复杂度高的问题	印刷电路板（PCB）上的各类表面缺陷	计算机视觉	不适用	深度学习、Mamba状态空间模型	混合模型（CNN与Mamba）	图像	HRIPCB、DeepPCB、DsPCBSD+和NEU-DET四个数据集，具体样本数量未明确给出	PyTorch	MM-NET、TSMR、MC-VAM、LGSD	mAP50、参数量、FLOPs	未明确说明
2391	2026-04-27	Robust service migration for autonomous vehicles leveraging deep learning and cooperative V2V protocols 2026-Apr-25, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-48717-7 PMID:42034846	研究论文	提出一种基于深度学习和协作V2V协议的自适应服务迁移框架，用于自动驾驶车辆	采用长短期记忆网络预测内存页面变化并主动忽略，结合内容感知语义压缩引擎（混合自编码器和Z-standard策略）以及深度强化学习代理优化迁移时机，实现主动式服务迁移	模拟环境测试，实际道路场景的鲁棒性、计算开销和部署成本未验证	解决自动驾驶车辆在高速移动中网络边缘服务的持续性和稳定性问题	自动驾驶车辆的服务迁移过程	机器学习	NA	深度学习、V2V通信协议	长短期记忆网络、深度强化学习	内存页面变化数据、传感器日志	模拟数据，未明确样本数量	NA	长短期记忆网络、混合自编码器、Z-standard	数据传输量减少率、服务停机时间减少率	NA
2392	2026-04-27	S2A-RConvNet: standalone self-attention enabled deep learning model for brain tumor classification with MRI images 2026-Apr-25, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-46010-1 PMID:42034851	研究论文	提出一种基于独立自注意力机制的重复卷积网络（S2A-RConvNet），用于MRI图像中的脑肿瘤分类	引入独立自注意力模块增强对肿瘤区域的关注，并提取结构化ResNet注意力灰度级特征以减少计算复杂度	未提及实际临床应用验证及多中心数据集测试	准确分类脑肿瘤类型以降低死亡率	脑肿瘤MRI图像中的肿瘤区域	计算机视觉	脑肿瘤	MRI成像	CNN与自注意力机制结合的混合模型	图像	使用BraTS 2021数据集，训练占90%	NA	RConvNet, ResNet	灵敏度、精确率、F1分数、特异性、准确率	NA
2393	2026-04-27	Deep learning-based double-sided fudge detection system with integrated physical components 2026-Apr-25, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-49625-6 PMID:42034913	研究论文	提出一种基于深度学习的双面翻转软糖缺陷检测系统，结合多模型融合策略和物理翻转机制，实现大规模生产中的实时缺陷检测	首次将多模型融合策略（置信度加权投票、基于规则的缺陷选择与非极大值抑制）与物理翻转机构结合，实现双面检测，显著提高软糖缺陷检测的准确率和鲁棒性	该系统在特定缺陷类别（如孔洞）的初步检测准确率较低（47.5%），依赖双面翻转提升效果，且未提及对更多缺陷类型或复杂场景的泛化能力	开发自动化软糖缺陷检测系统，替代人工目检，实现大规模生产中的实时、高精度缺陷筛查	软糖样品中的正常样品和四种缺陷类型（孔洞、泄漏、白斑等）	计算机视觉	NA	深度学习、图像识别	SSD、YOLOv4/YOLOv5/YOLOv7/YOLOv8/YOLOv11	图像	1,000个真实生产样品	PyTorch	SSD、YOLOv4、YOLOv5、YOLOv7、YOLOv8、YOLOv11	准确率、mAP@0.5、mAP@0.5:0.95	NA
2394	2026-04-27	Deep Learning Model Using Transfer Learning for Detecting Left Ventricular Systolic Dysfunction: Retrospective Algorithm Development and Validation Study 2026-Apr-24, JMIR medical informatics IF:3.1Q2 DOI:10.2196/83127 PMID:42030497	研究论文	本研究提出并验证了一种利用纵向患者数据进行再校准的深度学习模型，用于检测左心室收缩功能障碍，从而提高预测准确性	创新性地提出了一种患者特定的再校准策略，通过整合历史左心室射血分数和既往AI-ECG输出来调整未来预测，从而减少混杂效应并提升模型在不同合并症患者中的一致性和准确性	未明确指出局限性	通过引入纵向患者数据再校准方法，增强AI-ECG模型在检测左心室收缩功能障碍中的预测性能，并评估其在持续监测中的临床效用	左心室收缩功能障碍患者的心电图和超声心动图数据	机器学习	心血管疾病	NA	深度学习模型（DeepECG LVSD模型）	心电图和超声心动图数据	来自韩国两家医院的多中心回顾性队列，包含配对经胸超声心动图和心电图数据	NA	DeepECG	ROC曲线下面积	NA
2395	2026-04-27	The promise of AlphaFold for gene structure annotation 2026-Apr-23, Nucleic acids research IF:16.6Q1 DOI:10.1093/nar/gkag369 PMID:42033219	研究论文	探索AlphaFold蛋白结构预测得分在基因注释质量评估中的应用	首次系统评估AlphaFold 3、Foldseek和InterProScan等多工具组合得分对基因模型手动改进的判别能力，并发现快速替代方法Protenix-Mini具有相同判别效能	仅选取三种病原真菌进行验证，物种代表性有限；依赖AlphaFold等深度学习模型的计算资源需求较高	验证蛋白结构预测得分能否作为无实验数据时评估基因模型质量的可靠指标	三种病原真菌（禾谷镰刀菌、弓形虫、烟曲霉）的基因模型	生物信息学	NA	AlphaFold 3, Foldseek, InterProScan	深度学习模型	蛋白结构预测得分	三种病原真菌基因组，经历超过1000次手动注释事件	NA	AlphaFold, Protenix-Mini	判别能力（支持手动改进变更的比例65-84%）	NA
2396	2026-04-27	A high-speed attention network for MHC-bound peptide identification and 3D modeling 2026-Apr-20, Cell reports methods IF:4.3Q2 DOI:10.1016/j.crmeth.2026.101364 PMID:41923631	研究论文	提出了SwiftMHC框架，用于快速准确的肽-MHC结合亲和力预测和三维结构建模	结合任务特定深度学习与物理模拟合成数据，实现超快速（每例0.009秒）pMHC结合预测和全原子3D结构生成，性能与AlphaFold2微调相当但计算成本更低	目前仅针对HLA-A∗02:01 9聚体肽优化，其他等位基因的扩展性有待验证	开发用于癌症免疫治疗中表位发现的高通量、高精度pMHC建模工具	主要组织相容性复合体（MHC）结合肽段及其三维结构	机器学习	癌症	深度学习、物理模拟合成数据	注意力网络	物理衍生合成数据	未明确说明	NA	注意力网络	Cα-RMSD、结合亲和力预测速度	单张NVIDIA A100 GPU
2397	2026-04-27	Multimodal cardiovascular risk profiling using self-supervised learning of polysomnography 2026-Apr-16, Sleep IF:5.3Q1 DOI:10.1093/sleep/zsaf371 PMID:41288599	研究论文	开发并评估一种自监督深度学习框架，从多导睡眠图数据中识别与心血管疾病结果相关的生理模式	首次采用自监督学习框架从多导睡眠图数据中提取可解释的投影评分，用于心血管风险分层，无需依赖手动注释（如睡眠阶段）	未提及具体局限性	探索多导睡眠图数据在评估未来健康风险（特别是心血管疾病）中的潜力，并开发可解释的风险分层工具	多导睡眠图信号（脑电图、心电图、呼吸信号）	机器学习	心血管疾病	多导睡眠图	自监督深度学习模型	生理信号（脑电图、心电图、呼吸信号）	4398名参与者（训练集），1093名参与者（外部验证集）	NA	自监督深度学习模型	曲线下面积	NA
2398	2026-04-27	Reduction of Acquisition Time in FTIR Spectroscopy via Spectral Super-Resolution by Deep Learning 2026-Apr-16, Analytical chemistry IF:6.7Q1 DOI:10.1021/acs.analchem.5c07660 PMID:41987594	研究论文	本研究开发了基于残差网络和U-Net的光谱超分辨率模型（SSR-ResUNet），通过深度学习将低分辨率FTIR光谱图像重建为高分辨率图像，从而减少采集时间并保持光谱质量	首次将深度学习超分辨率方法应用于FTIR光谱领域，通过1D、2D和3D CNN组合实现从16 cm⁻¹低分辨率到2 cm⁻¹高分辨率光谱的重建，显著降低采集时间达87.5%	未提及模型的泛化能力或在其他组织类型上的表现，且仅对肾移植组织切片进行了测试	提高傅里叶变换红外光谱（FTIR）的光谱分辨率，减少红外图像采集时间，为临床诊断提供快速、高分辨率的分子分析	肾移植组织切片的FTIR光谱图像	计算机视觉	肾病/肾移植相关疾病	FTIR光谱成像	CNN	图像（FTIR光谱图像）	肾移植组织切片样本	NA	ResNet, U-Net	均方根误差（RMSE）, 结构相似性指数（SSIM）	NA
2399	2026-04-27	AngioCAD: A public x-ray angiography dataset and an adaptive fusion framework for stenosis detection 2026-Apr-14, Computer methods and programs in biomedicine IF:4.9Q1 DOI:10.1016/j.cmpb.2026.109368 PMID:42033972	研究论文	本文提出了一个公开的X射线血管造影数据集AngioCAD和一个自适应融合框架用于狭窄检测	AngioCAD数据集提供了包含时间连续性、动脉特异性标注和临床上下文信息的血管造影视频序列及结构化临床数据，并提出了一个基于自适应融合模块的深度学习框架，该模块通过学习注意力权重来优先选择最具信息量的特征流	未明确提及	通过提供高质量数据集和适应性框架，提升冠状动脉狭窄自动检测的准确性	冠状动脉狭窄检测	计算机视觉	冠状动脉疾病	X射线血管造影	卷积神经网络（CNN）	图像（血管造影视频序列）和结构化临床数据	413名患者的数据	NA	两个卷积神经网络结合自适应融合模块	F1分数, PR-AUC	NA
2400	2026-04-27	Clustered Regularly Interspaced Short Palindromic Repeat-Based Colorimetric Aptasensor Combined with Smartphone Imaging and Deep Learning Enables Selective Recycling and Visual Prediction of Microplastics in the Environment 2026-Apr-11, Analytical chemistry IF:6.7Q1 DOI:10.1021/acs.analchem.5c08138 PMID:41964558	研究论文	基于CRISPR的比色适体传感器结合智能手机成像和深度学习，实现环境中微塑料的选择性回收和可视化预测	将CRISPR-Cas12a系统与比色反应、智能手机成像和深度学习回归模型相结合，实现微塑料的快速、灵敏、可视化定量检测	未提及实际环境样品中其他干扰物质的影响评估	开发一种简单、快速、灵敏、可现场部署的微塑料检测方法	聚氯乙烯和聚苯乙烯微塑料	机器学习，计算机视觉	不适用	CRISPR-Cas12a，比色检测，智能手机成像	深度学习回归模型	图像	不适用	不适用	深度学习回归模型	检测限，动态范围	智能手机