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
2861	2026-04-14	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	本研究利用机器学习和深度学习模型，对放大规模的膜电容去离子（MCDI）系统的脱盐性能进行建模与预测	首次在放大规模的MCDI系统中，采用严格按时间顺序的周期数据划分策略，并结合SHAP方法解释黑盒模型的物理化学逻辑，揭示了电流和pH值等关键影响因素	未明确说明模型在其他MCDI系统或不同操作条件下的泛化能力，且数据仅来自单一放大系统	建立稳健的数据驱动建模框架，以预测MCDI系统的出水导电率，减少传统试错方法的依赖	放大规模的膜电容去离子（MCDI）系统	机器学习	NA	膜电容去离子技术	随机森林, XGBoost, 多层感知机, LSTM	时间序列数据	NA	Scikit-learn, XGBoost, TensorFlow/PyTorch	随机森林, XGBoost, MLP, LSTM	决定系数, 均方根误差, 平均绝对误差	NA
2862	2026-04-14	Enhancing cross-regional transferability of super-resolution-based flood surrogate models for data-scarce catchments 2026-Jun-15, Water research IF:11.4Q1 DOI:10.1016/j.watres.2026.125799 PMID:41916127	研究论文	本研究提出了一种迁移学习框架，通过图像超分辨率任务增强洪水替代模型在数据稀缺流域的跨区域可迁移性	将洪水替代建模视为图像超分辨率任务，开发了Residual SwinUNet模型，融合多通道粗网格洪水图与细网格地形特征，并探索了多种迁移学习策略以提升跨流域适应性	研究主要基于中国深圳河上游和澳大利亚里士满河两个流域，模型在其他地理和气候条件下的泛化能力有待进一步验证	提升基于深度学习的洪水替代模型在数据稀缺流域的跨区域可迁移性	洪水替代模型，特别是针对具有不一致基础分辨率和多样化地形特征的流域	计算机视觉	NA	深度学习，迁移学习，图像超分辨率	CNN, Transformer	图像（洪水图，地形特征）	涉及中国深圳河上游流域和澳大利亚里士满河流域的数据，具体样本数量未明确说明	PyTorch	Residual SwinUNet	准确性，基线准确度恢复率，可训练参数比例	NA
2863	2026-04-14	Multi-modal deep learning model for predicting recurrence of moderately severe and severe acute pancreatitis 2026-Jun, European journal of radiology IF:3.2Q1 DOI:10.1016/j.ejrad.2026.112758 PMID:41795349	研究论文	本研究开发并验证了一个多模态深度学习模型APNet，用于预测中重度急性胰腺炎的复发风险	通过多尺度融合整合临床因素和增强CT特征，克服了单模态预测器的局限性，显著提升了预测性能	回顾性研究设计，样本量相对有限（235例患者），需要外部验证以进一步确认泛化能力	预测中重度急性胰腺炎（MSAP/SAP）的复发风险	中重度急性胰腺炎患者	数字病理学	胰腺炎	增强CT成像	深度学习模型	临床数据和CT图像	235例患者（开发队列184例，独立验证队列51例）	PyTorch, LightGBM	ResNet50, ViT（Vision Transformer）	AUC, 准确率, 精确率, 召回率, F1分数	NA
2864	2026-04-14	NeuroMix-DL: Improving imaging quality of a fast multiparametric MRI protocol using deep learning 2026-Jun, European journal of radiology IF:3.2Q1 DOI:10.1016/j.ejrad.2026.112795 PMID:41831364	研究论文	本研究利用深度学习模型SwinUNETR提升快速多对比度脑部MRI协议（NeuroMix）的图像质量	首次将Swin U-Net Transformer（SwinUNETR）应用于快速多对比度MRI图像增强，显著降低图像误差并改善临床质量评分	研究为回顾性设计，样本量相对有限（350例），且未在外部数据集上验证模型泛化能力	通过深度学习提升快速多对比度MRI协议的图像质量，优化MRI的性价比	脑部MRI图像（T1加权、T2加权、T2 FLAIR对比度）	医学影像分析	NA	多对比度MRI序列（NeuroMix协议）	深度学习	医学影像（MRI图像）	350名患者（年龄64±17岁，155名男性）	PyTorch（基于SwinUNETR架构推断）	Swin U-Net Transformer（SwinUNETR）	均方根误差（RMSE），五点图像质量量表评分	NA
2865	2026-04-14	Deep learning synthesis of virtual T2-weighted fat-suppressed MR images: a multi-center study 2026-Jun, European journal of radiology IF:3.2Q1 DOI:10.1016/j.ejrad.2026.112797 PMID:41855768	研究论文	本研究开发了一种基于生成对抗网络的深度学习模型，用于从标准T1和T2加权MRI图像生成虚拟T2脂肪抑制序列，旨在减少MRI扫描时间而不影响脊柱肿瘤的诊断价值	提出了一种利用生成对抗网络从常规T1和T2加权图像合成虚拟T2脂肪抑制序列的方法，实现了多中心验证，并展示了在减少扫描时间方面的潜在临床价值	合成图像在肿瘤内部细节可视化方面略逊于真实图像，且研究为回顾性设计，需要前瞻性研究进一步验证	开发一种能够生成虚拟T2脂肪抑制MRI序列的深度学习模型，以优化脊柱肿瘤的MRI扫描流程	来自两个机构的1,389名脊柱肿瘤患者的MRI图像	医学影像分析	脊柱肿瘤	MRI	GAN	图像	1,389名患者（训练集1,026例，内部验证集257例，外部测试集106例）	NA	GAN	MSE, SSIM, PSNR, Dice相似系数, SNR, CNR	NA
2866	2026-04-14	Ethmoid sinus CBCT imaging as a biometric instrument: dataset creation for deep learning identification 2026-Jun, European journal of radiology IF:3.2Q1 DOI:10.1016/j.ejrad.2026.112796 PMID:41864172	研究论文	本研究构建了一个标注的筛骨CBCT数据集，并评估了其在基于深度学习的性别分类中的效用	首次利用筛骨CBCT影像作为生物特征识别工具，并创建了专门的数据集用于深度学习性别分类	样本量相对有限（565例），年龄范围较广（6-74岁），可能影响模型的泛化能力	评估筛骨CBCT影像作为生物特征识别工具的潜力，特别是用于性别分类	人类筛骨及筛窦的CBCT影像	计算机视觉	NA	锥形束计算机断层扫描（CBCT）	CNN	图像（CBCT扫描）	565例CBCT扫描（312名男性，253名女性），年龄范围6-74岁	NA	ResNet-50	F1分数	NA
2867	2026-03-24	Letter to the Editor concerning "External validation of SpineNetv2 deep learning system for automated lumbar spine MRI analysis: A multi-pathology diagnostic agreement study" by Wu et al. (Eur spine J [2025]; https://doi.org/10.1007/s00586-025-09543-z) 2026-Jun, European journal of radiology IF:3.2Q1 DOI:10.1016/j.ejrad.2026.112802 PMID:41865474	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
2868	2026-04-14	Development and validation of a CT-based deep learning radiomics model for differentiating parathyroid adenoma from atypical parathyroid tumor/parathyroid carcinoma 2026-Jun, European journal of radiology IF:3.2Q1 DOI:10.1016/j.ejrad.2026.112808 PMID:41865473	研究论文	本研究开发并验证了一种基于CT的深度学习放射组学模型，用于术前区分甲状旁腺腺瘤与非典型甲状旁腺肿瘤/甲状旁腺癌	开发了一个结合深度学习特征、放射组学特征和临床变量的综合模型，用于术前区分良恶性甲状旁腺肿瘤，并证实了其较高的诊断性能和临床实用性	这是一项回顾性研究，存在固有的选择偏倚风险；样本量相对有限，尤其是非典型肿瘤/癌的病例；模型性能需要在外部验证集中进一步确认	开发一种准确术前区分甲状旁腺腺瘤与非典型甲状旁腺肿瘤/甲状旁腺癌的工具，以支持个体化治疗决策	经病理证实的甲状旁腺肿瘤患者	数字病理	甲状旁腺肿瘤	CT成像	深度学习, 机器学习	CT图像	358个经病理证实的甲状旁腺肿瘤数据集（训练集250例，测试集108例）	Scikit-learn	KNN, Extra Trees, Random Forest	AUC, 准确率, 灵敏度, 特异性	NA
2869	2026-04-14	Reducing breath-hold time in liver MRI: Clinical performance of deep learning-accelerated post-contrast T1 VIBE sequences 2026-Jun, European journal of radiology IF:3.2Q1 DOI:10.1016/j.ejrad.2026.112815 PMID:41903373	研究论文	本研究评估了深度学习加速的T1 VIBE序列在缩短肝脏MRI屏气时间的同时，是否能够保持诊断图像质量	首次在临床前瞻性研究中，将深度学习加速技术应用于肝脏MRI的对比后T1 VIBE序列，实现了屏气时间的大幅缩短（最高达67%）	加速序列在解剖区分性和病灶显影性方面评分略低于标准序列，图像质量存在轻微折衷	评估深度学习加速技术在肝脏MRI中缩短屏气时间并保持诊断质量的临床性能	接受肝脏MRI检查的患者	医学影像分析	肝脏疾病	深度学习加速的T1加权两点Dixon梯度回波序列	深度学习	MRI图像	99名患者（平均年龄61.0±15.4岁，49.5%女性）	NA	NA	Likert量表评分（整体图像质量、运动伪影、其他伪影、解剖区分性、病灶显影性）	1.5T MRI系统
2870	2026-04-14	Experimental investigation of muscle-tendon unit geometry and kinematics in lower-limb muscles during gait: Current applications and future directions - A scoping review 2026-Jun, Gait & posture IF:2.2Q2 DOI:10.1016/j.gaitpost.2026.110159 PMID:41875704	综述	本文通过范围综述，探讨了肌肉骨骼建模和超声成像结合三维步态分析在评估神经运动障碍人群肌肉和肌肉肌腱单元特性中的应用及其临床意义	首次系统综述了肌肉骨骼建模和超声成像与三维步态分析结合在神经运动障碍人群中的应用，并评估了这些方法对临床评估和决策的潜在影响	肌肉骨骼建模受建模假设和缺乏实时数据的限制，而超声成像面临数据采集复杂性和处理挑战的约束	研究肌肉骨骼建模和超声成像如何与三维步态分析结合，以评估神经运动障碍人群的肌肉和肌肉肌腱单元特性，并探讨其临床意义	神经运动障碍人群，包括脑瘫、中风、遗传性痉挛性截瘫和特发性趾行	生物医学工程	神经运动障碍	肌肉骨骼建模，超声成像，三维步态分析	NA	运动数据，超声图像	50项研究，涉及4种病理人群和11个下肢肌肉	NA	NA	NA	NA
2871	2026-04-14	Optimizing pediatric chest CT: superior image quality and lower radiation dose with deep learning reconstruction 2026-Jun, European journal of radiology IF:3.2Q1 DOI:10.1016/j.ejrad.2026.112799 PMID:41880682	研究论文	本研究比较了深度学习重建（DLIR）与混合迭代重建（HIR）算法在儿童胸部CT中的图像质量和辐射剂量	首次在儿童胸部CT中系统比较DLIR与HIR，证明DLIR能显著降低辐射剂量同时保持图像质量	研究为混合前瞻性-回顾性设计，DLIR组使用新一代扫描仪而HIR组为回顾性匹配，可能存在设备差异影响	优化儿童胸部CT成像，在降低辐射剂量的同时保证诊断图像质量	142名16岁以下接受非增强胸部CT检查的儿科患者	医学影像	儿科疾病	CT扫描	深度学习重建算法	CT图像	142名儿科患者（按年龄分层：0-5岁、6-10岁、11-16岁）	NA	NA	主观图像质量评分（5点Likert量表）、图像噪声（HU）、衰减值、辐射剂量指标（CTDIvol, DLP, 有效剂量）	NA
2872	2026-04-14	A Systematic Review on Applications of Artificial Intelligence for Obesity Prevention 2026-May, Obesity reviews : an official journal of the International Association for the Study of Obesity IF:8.0Q1 DOI:10.1111/obr.70062 PMID:41436079	系统综述	本文系统综述了人工智能在肥胖预防中的应用，综合分析了2008年至2024年间发表的46项研究	首次系统性地综述了AI在肥胖预防领域的应用，并识别了研究空白，如预防、管理和治疗方面的探索不足	缺乏将AI整合到现实世界环境的综合框架，且预防策略的针对性研究不足	探讨人工智能技术在肥胖预防中的应用潜力，以应对这一关键公共卫生问题	肥胖预防相关的AI研究文献	机器学习	肥胖	机器学习、深度学习	支持向量机、长短期记忆网络	NA	46项研究	NA	NA	准确率、灵敏度	NA
2873	2026-04-14	Hepatic and abdominal adiposity in type 2 diabetes as assessed with machine learning on computed tomography scans 2026-May, Diabetes, obesity & metabolism DOI:10.1111/dom.70557 PMID:41705581	研究论文	本研究利用机器学习分析CT扫描，评估了2型糖尿病患者肝脏和腹部脂肪的关联	首次在大规模、种族多样化的医学生物库中，结合深度学习量化多个腹部影像特征，并揭示肝脏变化可能影响脾脏大小对糖尿病的作用	研究基于单中心数据，且糖尿病状态仅通过血红蛋白A1c阈值确定，可能未涵盖所有糖尿病亚型	探究2型糖尿病与腹部影像特征（如肝脏脂肪变性、内脏脂肪）之间的关系	1594名患者（包括950名非糖尿病患者和644名2型糖尿病患者）	医学影像分析	2型糖尿病	计算机断层扫描（CT）	深度学习	CT图像	1594名患者	NA	NA	比值比（OR）、置信区间、p值	NA
2874	2026-04-14	Artificial intelligence risk stratification from dynamic digital subtraction angiography radiomics predicts pulmonary embolism and associates with clinical outcomes in deep vein thrombosis: A retrospective cohort study 2026-May, Journal of vascular surgery. Venous and lymphatic disorders DOI:10.1016/j.jvsv.2026.102450 PMID:41638306	研究论文	本研究开发并验证了一种基于动态数字减影血管造影影像组学的人工智能风险分层系统，用于预测下肢深静脉血栓患者的肺栓塞风险	首次提出结合Transformer-UNet和LSTM网络的混合深度学习模型，从动态DSA序列中提取血栓运动学和血流动力学新参数，实现实时风险分层	回顾性单中心研究，样本量有限（168例患者），需要前瞻性多中心验证	开发人工智能系统以改进下肢深静脉血栓的风险分层，指导精准治疗决策	下肢深静脉血栓患者	数字病理	心血管疾病	动态数字减影血管造影	深度学习, Transformer, LSTM	动态影像序列	168例患者（来自单一血管外科中心，2019-2023年）	NA	Transformer-UNet, LSTM	AUC, 相对风险, 置信区间	NA
2875	2026-04-14	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，在三分之一的时间内获得诊断质量的图像	首次在低场强0.4T MRI中应用级联独立循环推理机模型进行图像重建，并系统评估了最大加速倍数	放射科医生对较高加速倍数的评分存在差异，表明最佳加速因子具有情境依赖性，且观察者间一致性较低	通过深度学习加速低场强MRI扫描，提高其临床可用性	膝关节和脊柱的MRI图像	医学影像分析	肌肉骨骼系统疾病	MRI, k-space欠采样	深度学习	医学图像	包含多种对比度、方向和矩阵尺寸的异质性膝关节和脊柱2D多切片扫描数据集	NA	CIRIM	L1损失, SSIM, 感知损失, Kendall's Tau, Cohen's Kappa	NA
2876	2026-04-14	Using deep learning to assess the toxicological effects of sublethal exposure of a novel green pesticide in a stored-product beetle 2026-May, Pest management science IF:3.8Q1 DOI:10.1002/ps.70545 PMID:41635154	研究论文	本研究利用深度学习评估一种新型绿色农药对仓储害虫的亚致死毒性效应	开发了全自动计算机视觉方法标注昆虫身体部位，无需人工干预生成标注数据集，并训练CNN进行姿态估计，结合机器学习分类器分析行为变化	LC10和LC30类别的个体区分度较低，亚致死浓度效应区分有限	评估绿色农药对仓储害虫的亚致死毒性效应，支持害虫综合治理	仓储害虫Prostephanus truncatus（大谷蠹）	计算机视觉	NA	计算机视觉，深度学习	CNN	图像	NA	NA	卷积神经网络	平均精度，召回率，F1分数	NA
2877	2026-04-14	GeoPMB: An Interface-Aware Geometric Deep Learning Framework for Peptide-MHCI Binding Prediction with Evolutionary Insight 2026-Apr-13, Journal of chemical information and modeling IF:5.6Q1 DOI:10.1021/acs.jcim.5c03233 PMID:41830611	研究论文	本文提出了一种名为GeoPMB的几何深度学习框架，用于预测肽与MHCI分子的结合，结合了进化信息和结构约束	GeoPMB创新性地将几何深度学习与预训练蛋白质语言模型结合，以建模pMHCI复合物的空间依赖性和界面物理化学特征，提高了对罕见等位基因的泛化能力	未明确提及具体限制，但可能依赖于预测的pMHCI复合物结构准确性	开发高精度计算工具，用于预测肽与MHCI分子的结合，以支持疫苗和免疫疗法开发	肽与I类主要组织相容性复合物（MHCI）分子的结合	机器学习	癌症相关疾病	几何深度学习，预训练蛋白质语言模型	几何图网络	序列数据，结构数据	NA	NA	几何图网络	结合特异性和亲和力预测性能	NA
2878	2026-04-14	ncProFormer: A CNN-enhanced Transformer for ncRNA Coding-Potential Prediction 2026-Apr-13, Journal of chemical information and modeling IF:5.6Q1 DOI:10.1021/acs.jcim.6c00056 PMID:41830618	研究论文	提出了一种名为ncProFormer的深度学习框架，用于预测非编码RNA的编码潜力	首次在ncRNA编码潜力预测中引入跨物种评估，并整合了核酸语言模型GENA-LM和CNN增强的Transformer编码器，以联合捕获局部核苷酸模式和长程依赖关系	未明确提及	开发一个准确且可推广的框架，用于识别具有编码潜力的非编码RNA	非编码RNA（ncRNA）	自然语言处理	NA	深度学习	CNN, Transformer	序列数据	内部人类数据集、外部验证数据集、公共CPPred基准数据集，以及小鼠和大鼠数据集	NA	CNN-enhanced Transformer encoder	NA	NA
2879	2026-04-14	HGT-PepPI: A Heterogeneous Graph-Based Framework Leveraging Pragmatic Analysis for Peptide-Protein Interaction Prediction 2026-Apr-13, Journal of chemical information and modeling IF:5.6Q1 DOI:10.1021/acs.jcim.5c03139 PMID:41841204	研究论文	提出了一种基于异构图的计算框架HGT-PepPI，用于预测肽-蛋白质相互作用	通过构建整合序列语义信息、进化保守谱和实验验证相互作用的多关系边异构图，实现了对相互作用语义的可迁移模式学习，提升了泛化性能	模型性能受限于RCSB蛋白质数据库中有局限的蛋白质-肽复合物数据	开发计算深度学习预测器以准确预测肽-蛋白质相互作用	肽和蛋白质序列	机器学习	NA	ProtT5模型	异构图神经网络	序列数据	NA	NA	HGT-PepPI	预测性能, 鲁棒性	NA
2880	2026-04-14	EviCYP: In Silico Prediction of Cytochrome P450 Substrates Based on Vector Quantization and Evidential Deep Learning 2026-Apr-13, Journal of chemical information and modeling IF:5.6Q1 DOI:10.1021/acs.jcim.6c00074 PMID:41843769	研究论文	本文提出了一种名为EviCYP的新型预测框架，用于准确识别细胞色素P450底物，该框架结合了向量量化和证据深度学习	首次将证据深度学习与向量量化整合，用于CYP底物预测，并能够量化预测不确定性	NA	开发一种可靠的计算工具，用于药物发现和安全评估中的细胞色素P450底物识别	细胞色素P450酶及其底物和非底物分子	机器学习	NA	计算建模	深度学习	分子表示和酶序列数据	10,996个样本，包括4388个底物、2880个非底物和3728个伪阴性样本，涵盖9种主要CYP亚型	NA	证据深度学习与向量量化整合架构	AUROC	NA