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
2981	2026-04-14	When Kids Radiate: Low-Resolution Thermography for Total Energy Expenditure Estimation in Pediatric Patients - A Proof of Concept 2026, IEEE open journal of engineering in medicine and biology IF:2.7Q3 DOI:10.1109/OJEMB.2026.3667036 PMID:41970657	研究论文	本研究提出了一种基于深度学习的框架，利用低分辨率热成像技术估计儿科患者的总能量消耗	首次将低分辨率热成像与深度学习结合用于儿科患者能量消耗估计，在视觉噪声和遮挡情况下仍能分割解剖相关区域	研究样本量有限（116例），未与其他能量消耗测量方法进行直接比较，在数据受限环境中的普适性需进一步验证	开发非侵入式、可扩展的儿科代谢监测方法	儿科重症监护病房（PICU）的患者	计算机视觉	儿科疾病	热成像技术	深度学习	热成像图像	116名儿科患者	未明确说明	UNet	平均绝对误差（279 kcal/m²/天）	NA
2982	2026-04-14	Accurate and Generalizable Protein-Ligand Binding Affinity Prediction With Geometric Deep Learning 2026, IEEE open journal of engineering in medicine and biology IF:2.7Q3 DOI:10.1109/OJEMB.2026.3667030 PMID:41970654	研究论文	提出了一种基于几何深度学习的蛋白质-配体结合亲和力预测方法IPBind，通过利用复合物结合与未结合状态间的原子间势能，实现准确且可泛化的预测	利用几何深度学习结合原子间势能，在新型未见蛋白质配体结合场景中保持稳健性能，提供原子级预测洞察	未明确说明方法在极端结构变异或罕见蛋白质家族中的泛化能力限制	开发能够准确预测蛋白质-配体结合亲和力并具有强泛化能力的计算方法	蛋白质-配体结合复合物	机器学习	NA	几何深度学习	几何深度学习模型	蛋白质-配体复合物的三维结构数据	NA	NA	IPBind	结合亲和力预测准确性	NA
2983	2026-04-14	Early-warning prediction of visceral leishmaniasis mortality using a multivariate STL-deep learning hybrid approach on 20 years of monthly time series 2026, Frontiers in public health IF:3.0Q2 DOI:10.3389/fpubh.2026.1754966 PMID:41971279	研究论文	本研究提出了一种结合季节性趋势分解与多种机器学习模型的混合预测框架，用于预测苏丹Gedaref州气候驱动的内脏利什曼病死亡率	首次将STL分解与GPR、LSTM、TPA-LSTM和LightGBM等模型结合，专注于内脏利什曼病死亡率预测，填补了该领域的研究空白	深度学习模型未能充分捕捉非线性、长期依赖和季节性变化，预测性能有待提升	开发早期预警系统以预测内脏利什曼病死亡率，支持公共卫生干预	苏丹Gedaref州的内脏利什曼病死亡率时间序列数据	机器学习	内脏利什曼病	时间序列分析，季节性趋势分解	GPR, LSTM, TPA-LSTM, LightGBM	时间序列数据	2002年至2022年共20年的月度数据	NA	STL-LightGBM, STL-GPR, STL-LSTM, STL-TPA-LSTM	MAE, RMSE, MAPE, R², Willmott Index, PBIAS	NA
2984	2026-04-14	Electroencephalogram-based multimodal attention level classification using deep learning techniques 2026, Frontiers in human neuroscience IF:2.4Q2 DOI:10.3389/fnhum.2026.1791677 PMID:41971349	研究论文	本研究提出了一种基于多模态脑机接口系统的注意力水平预测方法，整合了脑电图、心电图和眼电图信号以提高预测准确性和鲁棒性	提出了多特征增强注意力网络（MEAN），利用脑电图、心电图和眼电图信号的互补优势，克服了单模态信号易受噪声影响和信息范围有限的局限性	未明确提及具体局限性	开发一种新颖的注意力水平预测方法，通过整合多模态生理信号来增强预测准确性和鲁棒性	注意力水平预测	机器学习	NA	脑电图（EEG）、心电图（ECG）、眼电图（EOG）信号采集	深度学习	生理信号（脑电图、心电图、眼电图）	未明确提及样本数量	NA	多特征增强注意力网络（MEAN）	准确率	NA
2985	2026-04-14	Artificial intelligence-driven personalized dietary recommendations for gastric cancer high-risk populations: a narrative review 2026, Frontiers in nutrition IF:4.0Q2 DOI:10.3389/fnut.2026.1802970 PMID:41971387	综述	本文综述了人工智能在提供个性化饮食建议方面的当前应用，并探讨了其在胃癌高危人群中的潜在适用性	首次系统性地将人工智能驱动的个性化营养干预方法，从代谢性疾病领域拓展并展望应用于胃癌高危人群的预防，并强调了整合多组学数据和考虑胃微生物组相互作用的潜力	目前尚无针对胃癌患者的直接干预试验证据，主要依赖来自糖尿病和肥胖等代谢性疾病的间接证据；且面临技术可解释性、数据隐私、人群差异和临床验证等多重挑战	探索人工智能在胃癌高危人群中提供个性化饮食建议的潜力和应用前景，以弥补传统预防措施的不足	胃癌高危人群	机器学习	胃癌	多组学数据整合	机器学习，深度学习	NA	NA	NA	NA	NA	NA
2986	2026-04-14	Multiphasic CT-based multimodal deep learning model for predicting early hepatocellular carcinoma recurrence following liver transplantation 2026, Frontiers in oncology IF:3.5Q2 DOI:10.3389/fonc.2026.1767885 PMID:41971433	研究论文	本研究开发了一种整合多期相CT影像与临床实验室参数的多模态深度学习模型，用于预测肝细胞癌肝移植后的早期复发	首次结合多期相CT影像特征与临床参数构建多模态深度学习模型，用于预测HCC肝移植后早期复发，并通过SHAP分析增强模型可解释性	研究为单中心回顾性分析，样本量相对有限（147例患者），需要多中心前瞻性研究进一步验证	预测肝细胞癌（HCC）患者接受肝移植后的早期复发风险	147例在天津第一中心医院接受肝移植的HCC患者，分为复发组（40例）和非复发组（107例）	数字病理学	肝细胞癌	多期相计算机断层扫描（CT）	深度学习模型	医学影像（CT图像）、临床参数、实验室数据	147例HCC肝移植患者	NA	多模态深度学习模型	受试者工作特征曲线下面积（AUC）	NA
2987	2026-04-14	Integrated ultrasound-based radiomics and deep learning models in screening breast intraductal high-risk lesions or carcinoma: a multicenter retrospective study 2026, Frontiers in oncology IF:3.5Q2 DOI:10.3389/fonc.2026.1705400 PMID:41971435	研究论文	本研究探讨了基于超声的影像组学与深度学习模型在筛查乳腺导管内高风险病变或癌变中的诊断性能	开发了一种融合影像组学与深度学习预测概率的集成模型，用于筛查乳腺导管内高风险或恶性病变，并在多中心数据中验证了其优于单一模型的性能	研究为回顾性设计，可能存在选择偏倚；模型性能需在前瞻性研究中进一步验证	评估超声影像组学与深度学习模型在筛查乳腺导管内高风险或恶性病变中的诊断效能	乳腺导管内病变患者	数字病理学	乳腺癌	超声成像	逻辑回归, CNN	图像	785个病灶（486个良性，299个高风险或恶性），来自中国五家医院	NA	ResNet-50	AUC	NA
2988	2026-04-14	Precise leaf damage detection across diverse species and environments via a large-scale vision model 2026, Frontiers in plant science IF:4.1Q1 DOI:10.3389/fpls.2026.1788926 PMID:41971547	研究论文	本文提出了一种基于基础模型适应的大规模视觉模型，用于实现跨物种和复杂环境下的作物叶片损伤精确检测	提出了一种新的建模范式，从传统的任务特定训练转向基础模型适应，通过集成DinoV3基础模型与Unet框架，并引入空间先验模块和投影模块，有效弥合通用预训练与领域特定需求之间的差距	研究主要针对咖啡和黑豆数据集进行验证，虽然扩展到AMG数据集，但尚未覆盖更广泛的作物种类和极端环境条件	开发一种能够跨物种和复杂田间环境泛化的叶片损伤检测方法，用于实时植物健康监测和产量估算	作物叶片损伤（病斑）	计算机视觉	植物病害	深度学习，图像分割	CNN，Transformer	图像	咖啡叶片数据集和黑豆数据集，以及更大的AMG数据集	PyTorch	DinoV3, Unet	交并比，像素准确率	未明确指定，但提及实现了极高的计算效率（推理时间减少93.6%）
2989	2026-04-14	AI algorithms and IoT platforms for anomaly and failure prediction in industrial machinery-systematic review 2026, Frontiers in artificial intelligence IF:3.0Q2 DOI:10.3389/frai.2026.1799522 PMID:41971622	综述	本文对用于工业机械异常和故障预测的人工智能算法、软件及物联网平台进行了系统性文献综述	系统性地分类了预测性维护中的人工智能技术，并识别了九种支持维护操作的软件和物联网技术，同时探讨了知识迁移在数据突变时对算法的改进作用	NA	旨在通过系统性文献综述，探讨人工智能算法和物联网平台在工业机械异常和故障预测中的应用	工业机械的预测性维护	机器学习	NA	NA	机器学习, 神经网络	NA	NA	NA	NA	NA	NA
2990	2026-04-14	Tumor lactate metabolism shapes immune suppression and therapeutic resistance revealed by integrative multi-omics and digital pathology 2026, Frontiers in immunology IF:5.7Q1 DOI:10.3389/fimmu.2026.1797798 PMID:41972178	研究论文	本研究通过整合多组学数据和数字病理学，开发了一种深度学习框架，能够从常规H&E全切片图像推断肿瘤乳酸代谢状态，并揭示了其与免疫抑制和治疗耐药性的关联	首次将多组学分析与数字病理学相结合，利用深度学习从常规H&E切片直接推断肿瘤乳酸代谢状态，开发了一种可扩展且临床实用的数字生物标志物	研究主要基于回顾性数据，需要在更多前瞻性队列中进行验证；模型在部分癌症类型中的性能有待进一步优化	开发一种临床可及且低成本的方法来评估肿瘤内乳酸活性，以指导代谢精准肿瘤学	头颈部鳞状细胞癌（HNSCC）及其他多种癌症类型的肿瘤样本	数字病理学	头颈部鳞状细胞癌	多组学分析（转录组、单细胞RNA-seq）、空间分析、免疫组化、深度学习	深度学习模型	全切片图像（H&E染色）、基因表达数据、单细胞RNA-seq数据、蛋白质表达数据	TCGA、GEO数据库中的多个队列，以及独立的真实世界SAZHU-HNSCC队列	NA	NA	AUC	NA
2991	2026-04-12	BlotDx: A deep learning tool for Western blot-based diagnostics 2026-Jun, Journal of virological methods IF:2.2Q3 DOI:10.1016/j.jviromet.2026.115385 PMID:41856415	研究论文	本研究介绍了一种名为BlotDx的深度学习工具，用于辅助解释Western blot图像，以提高单纯疱疹病毒（HSV）血清学诊断的效率和一致性	开发了一种两阶段深度学习方法，结合实例分割/目标检测和分类模型，用于自动化Western blot图像解释，减少人工依赖并提高诊断一致性	研究中排除了不确定结果，且验证数据集来自单一机构，可能限制了模型的泛化能力	开发一个深度学习工具，以自动化Western blot图像解释，提高HSV血清学诊断的效率和准确性	单纯疱疹病毒（HSV-1和HSV-2）的Western blot图像	计算机视觉	单纯疱疹病毒感染	Western blot	实例分割, 目标检测, 分类模型	图像	主要数据集包含926个斑点对（2016-2017年采集，2018年拍摄），验证数据集包含185个斑点对（2019-2024年采集，2025年拍摄）	NA	NA	诊断准确率, 95%置信区间	NA
2992	2026-04-12	Tumor burden in metastatic colorectal cancer quantified using deep learning models: Prognostic value and maintenance treatment benefit in the CAIRO3 trial 2026-May-02, European journal of cancer (Oxford, England : 1990) DOI:10.1016/j.ejca.2026.116668 PMID:41819026	研究论文	本研究利用深度学习模型量化转移性结直肠癌的肿瘤负荷，探讨其在预后评估和维持治疗获益中的价值	首次在CAIRO3试验中应用自动化深度学习分割模型量化肿瘤负荷，并发现低肿瘤体积患者从维持治疗中获益更显著	探索性分析，样本量较小（104例患者），需进一步验证	评估转移性结直肠癌中肿瘤负荷的预后和预测价值	CAIRO3试验中伴有肝和/或肺转移的转移性结直肠癌患者	数字病理学	结直肠癌	深度学习分割模型	深度学习模型	医学影像	104例患者，共3989个转移性病灶	NA	NA	p值	NA
2993	2026-04-12	MuTriM: A multiscale deep learning model integrating longitudinal radiomics and pathomic features for predicting recurrence and adjuvant radiation benefit in breast cancer 2026-May-02, European journal of cancer (Oxford, England : 1990) DOI:10.1016/j.ejca.2026.116679 PMID:41850009	研究论文	本文提出了一种名为MuTriM的多模态深度学习模型，通过整合动态对比增强磁共振成像的放射组学特征和全切片病理图像的病理组学特征，用于预测乳腺癌的复发和辅助放疗获益	开发了一个基于注意力的跨模态和跨时间融合框架，首次同时整合了纵向DCE-MRI放射组学特征和WSI上的细胞形态病理组学特征，以多尺度方式预测乳腺癌预后	研究样本量相对有限（训练集335例，外部测试集126例），且仅使用了FUSCC和TCGA两个队列的数据，可能缺乏更广泛人群的验证	预测乳腺癌患者的无复发生存期和辅助放疗获益，为个体化治疗提供指导	乳腺癌患者，包括HER2+和ER+亚型人群	数字病理学	乳腺癌	DCE-MRI, 全切片病理成像	深度学习模型	图像（DCE-MRI和WSI）	训练集：FUSCC队列335例；外部测试集：TCGA队列126例	NA	基于注意力的跨模态和跨时间融合框架	风险比, 95%置信区间, p值, C指数	NA
2994	2026-04-12	18F-FDG PET-based ensemble deep learning model for the prediction of lymphovascular invasion in colorectal cancer patients 2026-May, Abdominal radiology (New York) DOI:10.1007/s00261-025-05282-3 PMID:41217477	研究论文	本研究开发了一种基于18F-FDG PET图像的2.5维集成深度学习模型，用于预测结直肠癌患者的淋巴血管侵犯	提出了一种结合不同肿瘤区域（原发灶、近端及远端瘤周）的2.5D集成深度学习模型，并利用支持向量机融合多个深度学习模型的预测结果，以提高淋巴血管侵犯的预测性能	研究为回顾性设计，样本量相对较小（177例患者），且仅进行了内部测试，缺乏外部验证	评估基于18F-FDG PET图像的深度学习模型在预测结直肠癌患者淋巴血管侵犯方面的诊断性能	结直肠癌患者	数字病理学	结直肠癌	18F-FDG PET/CT成像	集成深度学习模型	PET图像	177名结直肠癌患者	NA	VGG16, Googlenet, ResNet50, DenseNet201, Vision Transformer	AUC, 准确率, F1分数	NA
2995	2026-04-12	Poincaré feature-based classification of electroencephalography signals for multiple sclerosis diagnosis 2026-May, Multiple sclerosis and related disorders IF:2.9Q2 DOI:10.1016/j.msard.2026.107092 PMID:41747647	研究论文	本研究探索使用基于Poincaré图的EEG信号特征来区分多发性硬化症患者与健康个体	首次将Poincaré图特征应用于EEG信号以辅助多发性硬化症的诊断，并结合传统机器学习与深度学习模型进行比较分析	样本量有限（仅50名受试者），结果需视为初步发现，需要更大规模的数据集进行验证	开发一种基于EEG的低成本、无创方法来辅助多发性硬化症的诊断	多发性硬化症患者和健康对照个体的EEG信号	机器学习	多发性硬化症	EEG信号处理	KNN, DT, RF, MLP, CNN, LSTM, GRU	EEG信号	50名受试者（25名多发性硬化症患者，25名健康对照）	NA	CNN+LSTM, LSTM+GRU	准确率, 灵敏度, 特异性	NA
2996	2026-04-12	The evolution of T1-weighted lesion inpainting tools in patients with brain injury: A scoping review 2026-May-01, NeuroImage IF:4.7Q1 DOI:10.1016/j.neuroimage.2026.121869 PMID:41881175	综述	本文对脑损伤患者T1加权MRI病灶修复工具的演变进行了范围综述，系统分类并评估了传统方法和深度学习方法	首次对脑损伤病灶修复工具进行全面范围综述，系统分类传统与深度学习方法，并提出使用与开发建议	仅纳入24篇文献，可能未覆盖所有相关研究；未进行定量荟萃分析	综述脑损伤患者MRI病灶修复工具的发展与应用	获得性脑损伤患者的T1加权MRI图像	数字病理学	脑损伤	T1加权磁共振成像	CNN, GAN, 去噪扩散模型	医学影像	NA	NA	NA	NA	NA
2997	2026-04-12	Multi-dimensional CT feature screening, construction, and validation of a clinical diagnostic model for thyroid eye disease 2026-May, Journal of cranio-maxillo-facial surgery : official publication of the European Association for Cranio-Maxillo-Facial Surgery DOI:10.1016/j.jcms.2026.104534 PMID:41895192	研究论文	本研究通过多维CT特征筛选、构建并验证了甲状腺眼病的临床诊断模型	首次系统性地结合CT三维重建和多平面重建数据，通过四维参数（点、线、面、体积）的定量测量，并利用LASSO回归进行特征筛选，构建了高精度的TED诊断模型，相比单一筛查指标性能更优	研究未整合机器学习、深度学习或影像组学方法，可能限制了模型的进一步优化和临床工作流程效率	开发并验证一个用于甲状腺眼病筛查的定量、可重复的临床诊断模型	甲状腺眼病患者和对照受试者的眼眶CT影像数据	数字病理	甲状腺眼病	计算机断层扫描（CT）、三维重建、多平面重建	逻辑回归	CT影像	未明确具体样本数量，但数据集按7:3比例随机分为训练集和验证集	SPSS, R语言	NA	AUC（ROC曲线下面积）、分类准确率	NA
2998	2026-04-12	ConforFold recovers alternative protein conformations beyond MSA subsampling 2026-May, Protein science : a publication of the Protein Society IF:4.5Q1 DOI:10.1002/pro.70564 PMID:41954434	研究论文	本文介绍了一个结合二级结构采样与深度学习预测的框架ConforFold，用于恢复多种蛋白质构象状态	通过整合二级结构采样到深度学习预测中，克服了基于MSA子采样或扩散模型的限制，能恢复传统方法无法访问的构象	未明确提及具体的数据集规模或计算资源限制，可能依赖于特定测试数据集	开发一个系统性地采样蛋白质结构集合的预测工具，以研究构象异质性和功能机制	具有两种替代构象的蛋白质样本	机器学习	NA	深度学习，二级结构预测	Transformer, OpenFold	蛋白质结构数据	未明确指定具体样本数量，但基于测试数据集	PyTorch（假设基于OpenFold），TensorFlow（可能用于Transformer训练）	Transformer, OpenFold	TM-score, 准确率	未明确指定，可能使用GPU进行深度学习训练
2999	2026-04-12	Deep-Learning-Based Automatic Measurement of the Distance Between the Maxillary Sinus and Maxillary Posterior Teeth on CBCT Images 2026-Apr-11, International endodontic journal IF:5.4Q1 DOI:10.1111/iej.70141 PMID:41964309	研究论文	本研究开发了一种基于深度学习和三维点云算法的自动框架，用于在CBCT图像上量化上颌窦与上颌后牙之间的距离关系	结合U-Net卷积块注意力架构的深度学习分割模型与三维点云算法，实现了对上颌窦与上颌后牙距离的自动测量，提高了检测准确性和一致性	样本量相对较小（88个上颌窦和352颗上颌后牙），且成功检测率在1毫米阈值下为70.3%，仍有提升空间	探索基于CBCT图像的深度学习模型，自动测量上颌窦与上颌后牙之间的距离，以辅助临床诊断和治疗规划	上颌窦和上颌后牙	数字病理学	NA	锥形束计算机断层扫描	CNN	图像	88个上颌窦和352颗上颌后牙	NA	U-Net卷积块注意力架构	Dice相似系数, Jaccard系数, 成功检测率	NA
3000	2026-04-12	Deep Learning-Enabled Multimodal AFM Image Enhancement: Correlation Analysis between Surface Topography and Multiphysics Fields 2026-Apr-10, Analytical chemistry IF:6.7Q1 DOI:10.1021/acs.analchem.5c06947 PMID:41961746	研究论文	本文提出了一种基于深度学习的多模态AFM图像增强模型，用于分析纳米尺度下材料表面形貌与多物理场之间的相关性	提出了一种基于多模态数据融合的图像增强模型，利用深度学习框架从多尺度AFM数据中提取和增强特征，实现了表面形貌特征与物理性能之间的潜在关联分析	NA	实现纳米尺度下材料表面形貌与多物理场的同步关联分析，以推进材料表征技术的发展	染色体表面	计算机视觉	NA	原子力显微镜（AFM），超分辨率（SR）成像	CNN	图像	NA	NA	NA	NA	NA