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
6341	2026-06-04	Integrated CT pipeline for automatic intracranial hemorrhage evaluation with GPT-enhanced clinical decision support 2026-Jun, European radiology IF:4.7Q1 DOI:10.1007/s00330-025-12316-3 PMID:41586845	研究论文	开发了一种自动深度学习流水线，用于颅内出血的CT检测、分割和定位，并结合GPT-4o增强临床决策支持	首次将半监督学习用于ICH检测，结合GPT-4o大型语言模型生成临床决策支持，实现从影像分析到治疗建议的端到端自动化	未明确提及外部验证的局限性，但依赖公开数据集可能限制泛化性，且临床建议需神经外科医生评估	提高颅内出血的CT评估效率与准确性，减少诊断延迟，并辅助临床决策	颅内出血患者CT影像	计算机视觉, 自然语言处理, 数字病理学	颅内出血	CT成像, 半监督学习, GPT-4o大型语言模型	深度学习模型（检测、分割、定位模型）	图像（CT扫描）	检测模型：21,784张标记和3,528张未标记CT扫描；分割模型：1,226张扫描；脑积水与中线偏移模型：507张扫描；外部验证：491例患者（CQ500数据集）	PyTorch	检测模型：YOLOv5, 分割模型：U-Net, 定位模型：标准脑区配准	AUC, Dice系数, 一致性相关系数（CCC）, Cohen's Kappa系数	NA
6342	2026-06-06	Deep learning-based computer-aided diagnosis for parotid gland tumors on MRI 2026-Jun, Auris, nasus, larynx DOI:10.1016/j.anl.2026.02.012 PMID:41865703	研究论文	基于深度学习的计算机辅助诊断系统在MRI上提高腮腺肿瘤良恶性鉴别准确率	首次验证深度学习辅助诊断在腮腺肿瘤MRI评估中能提升不同经验水平放射科医生的诊断性能，并揭示其对中高级别和晚期肿瘤的显著价值	未在低级别或pT1期肿瘤中观察到显著改善效果，需进一步验证模型对早期肿瘤的适用性	评估深度学习辅助诊断系统在MRI上区分腮腺肿瘤良恶性的临床增量价值	腮腺肿瘤患者（2000-2022年手术，170例组织学确诊，134例用于读者研究）	计算机视觉, 数字病理学	腮腺肿瘤	MRI	CNN	图像	170例组织学确认的腮腺肿瘤病例（训练），134例用于读者研究	NA	EfficientNet	准确率, AUC, 灵敏度, 特异性	NA
6343	2026-06-06	Spectral Representation of Neurochemicals With Phase, Frequency Offset, and Lineshape Invariance: Application to JPRESS for In Vivo Concentration and T2 Mapping by Deep Learning 2026-Jun, Magnetic resonance in medicine IF:3.0Q2 DOI:10.1002/mrm.70291 PMID:41654995	研究论文	提出一个基于深度学习的神经网络模型，利用JPRESS时域数据直接映射到神经递质浓度和平均横向弛豫时间(T2)，并对相位偏移、频率偏移和线型变化具有不变性	通过WaveNet和门控循环单元的联合架构生成TE特异性表示并整合为统一的JPRESS表示，模型对相位、频率和线型变化具有不变性，无需先验知识即可自动定量代谢物浓度和T2值，并能检测低浓度神经递质如GABA	仅使用计算机合成数据训练，未提及在真实临床数据上的验证，可能面临体内数据复杂性和噪声的挑战	利用深度学习从JPRESS数据中无创定量神经化学物质的浓度和T2值	JPRESS时域数据中的神经化学物质信号，包括GABA等低浓度代谢物	机器学习	NA	JPRESS磁共振波谱	混合神经网络，结合WaveNet和门控循环单元	JPRESS时域数据	NA	NA	WaveNet, 门控循环单元	NA	NA
6344	2026-06-06	HKD-CPI: high-order knowledge distillation enhanced inductive compound-protein interaction prediction 2026-Jun-01, Bioinformatics (Oxford, England) DOI:10.1093/bioinformatics/btag290 PMID:42179166	研究论文	提出了一种基于高阶知识蒸馏的归纳式化合物-蛋白质相互作用预测框架HKD-CPI	引入分子图标记化机制，将化合物分子图特征与序列预训练大语言模型的标记嵌入对齐；构建基于超图的表示来建模功能相似生物分子间的高阶关系；采用知识蒸馏策略将高阶交互知识从超图迁移至轻量学生模型	未明确说明	提高对未见化合物-蛋白质对的泛化能力，加速药物发现	化合物与蛋白质的相互作用	机器学习, 自然语言处理	NA	知识蒸馏, 分子图标记化, 超图表示	大语言模型, 轻量学生模型	分子图, 序列数据	五个基准数据集	NA	超图构建模型, 知识蒸馏模型	AUROC, AUPRC	NA
6345	2026-06-06	FSSM-DDI: Fusion State Space Model for predicting drug-drug interaction using social-media and drug descriptions 2026-Jun-01, BMC biology IF:4.4Q1 DOI:10.1186/s12915-026-02648-x PMID:42226246	研究论文	提出融合状态空间模型FSSM，利用社交媒体和药物描述预测药物相互作用	首次将选择性状态空间模型与基于交互的选择性过滤模块结合，实现高效长距离依赖建模和冗余信息滤除	在DDIExtraction-2013语料库上F1得分仅为75.23%，性能提升有限且未在更大规模数据集验证	开发高效药物相互作用预测方法，平衡预测性能与计算效率	药物相互作用预测任务，涉及社交媒体数据和药物描述文本	自然语言处理	NA	NA	状态空间模型	文本	DDIExtraction-2013语料库	NA	FSSM融合状态空间模型，包含选择性SSM和ISF模块	F1-score	NA
6346	2026-06-06	RIMGOGraph: integrating AlphaFold-derived residue interaction graphs and protein language embeddings for structure-informed protein function prediction 2026-Jun, International journal of biological macromolecules IF:7.7Q1 DOI:10.1016/j.ijbiomac.2026.152509 PMID:42119874	研究论文	提出RIMGOGraph框架，结合AlphaFold预测的残基相互作用图和ESM-2蛋白质语言嵌入，进行结构信息驱动的蛋白质功能预测	首次将AlphaFold预测的结构拓扑与预训练蛋白质语言模型的序列嵌入通过图神经网络和协同注意力融合模块进行多模态集成	目前仅基于人类蛋白质数据集验证，缺乏多物种训练和低同源性基准测试，未来需扩展更多生物学模态	开发可扩展的结构引导蛋白质功能预测框架，解决序列与结构信息有效融合的开放问题	人类蛋白质及其基因本体论（GO）功能注释	机器学习	NA	AlphaFold预测结构	图神经网络	蛋白质序列与结构数据	已标注GO功能的人类蛋白质数据集	PyTorch	图神经网络（GNN）、协同注意力融合模块	Fmax, AUC, AUPR	NA
6347	2026-06-06	RLSFmode: A deep learning approach for predicting RNA-small molecule binding modes via molecular surface modeling 2026-Jun, International journal of biological macromolecules IF:7.7Q1 DOI:10.1016/j.ijbiomac.2026.152711 PMID:42190788	研究论文	开发了基于分子表面建模的深度学习方法RLSFmode，用于预测RNA与小分子的结合模式	通过结合RNA-配体表面指纹、序列信息和能量评分函数，实现了结合模式的完整预测，包括姿态识别和亲和力估计	RNA结合口袋的复杂性和结构数据的稀缺性给模型开发带来挑战	预测RNA与小分子的结合模式，辅助基于结构的合理药物设计	RNA与小分子结合模式	机器学习	NA	NA	深度学习模型	分子结构数据	NA	NA	NA	NA	NA
6348	2026-06-06	KGT: Knowledge-guided graph transformer for neurodegenerative disease diagnosis and brain age prediction with MRI 2026-Jun-01, Medical image analysis IF:10.7Q1 DOI:10.1016/j.media.2026.104143 PMID:42242081	研究论文	提出KGT，一种知识引导的图Transformer网络，整合医学领域知识与脑图像，用于神经退行性疾病诊断和脑龄预测	首次将医学领域知识（知识图谱）与脑图像特征及空间邻近性结合，构建混合脑图，并通过图Transformer实现特征交互与融合	未明确提及，但依赖性于公共医疗数据集中知识图谱的质量和完整性	利用领域知识增强深度学习模型，提高神经退行性疾病诊断和脑龄预测的性能	脑部结构磁共振成像（sMRI）数据中的感兴趣区域（ROIs）	机器学习, 计算机视觉	神经退行性疾病（如阿尔茨海默病、帕金森病）	结构磁共振成像（sMRI）	图Transformer（Graph Transformer）	图像（脑部MRI）	来自ADNI、PPMI和UKB数据集，具体样本数量未提及	NA	卷积自编码器, 图Transformer	患病诊断和年龄预测的准确率、精确率、召回率、F1分数等（具体未详述）	未明确提及
6349	2026-06-06	TSProm: deep learning framework to predict tissue-specific regulatory logic 2026-Jun, NAR genomics and bioinformatics IF:4.0Q1 DOI:10.1093/nargab/lqag050 PMID:42244857	研究论文	提出TSProm框架，基于DNA基础模型解码组织特异性启动子的调控逻辑	首次将DNA基础模型（DNABERT2）应用于组织特异性调控逻辑的预测，并设计双模型对比策略，同时集成可解释AI模块用于交叉验证特征解释	研究仅针对人脑、肝脏和睾丸三种组织进行验证，尚未在更广泛组织类型中评估泛化能力	开发可解释且泛化的框架，用于预测组织特异性调控元件，揭示非编码DNA中的潜在调控语法	人类组织特异性启动子的调控逻辑	自然语言处理	神经胶质瘤, 神经母细胞瘤	DNA测序	DNABERT2（DNA基础模型）	DNA序列	包含人脑、肝脏和睾丸三种组织的启动子样本	PyTorch	DNABERT2, 注意力机制	注意力权重分析, SHAP值	NA
6350	2026-06-06	Satellite and ground-level residential greenness and hair steroid hormones during pregnancy 2026-Jun, Environmental epidemiology (Philadelphia, Pa.) DOI:10.1097/EE9.0000000000000492 PMID:42245540	研究论文	利用卫星和地面街景图像评估孕期居住绿地与头发类固醇激素水平的关系	首次结合卫星归一化植被指数和谷歌街景图像，评估孕期绿地暴露对多种头发类固醇激素的影响	横断面设计，样本量有限，仅覆盖孕期第二和第一孕期	探究孕期居住绿地暴露与头发类固醇激素水平的关联	385名孕期个体的头发样本和居住地址	机器学习	NA	液相色谱-质谱联用法	深度学习算法	图像和激素浓度数据	385名孕妇，176,196张谷歌街景图像	NA	NA	NA	NA
6351	2026-06-06	An EEG-Based Edge-AI Framework for Alzheimer's and Creutzfeldt-Jakob Disease Classification 2026-May-21, Sensors (Basel, Switzerland) DOI:10.3390/s26103274 PMID:42198082	研究论文	提出一种基于脑电图的边缘AI框架，用于区分阿尔茨海默病、克雅氏病和健康对照，并评估其在边缘设备上的部署可行性	提出轻量级混合深度学习模型，结合一维卷积神经网络与Transformer编码器，捕获局部时序和长程依赖；并在边缘AI平台实现能量高效的实时分类	样本量较小（36名受试者），可能限制模型泛化能力；仅验证了单一医院数据集，未在多个独立队列上测试	开发一种跨受试者、基于AI的EEG分类框架，实现阿尔茨海默病、克雅氏病与健康对照的准确区分，并确保临床部署的实时性和能效	阿尔茨海默病、克雅氏病患者及健康对照者的脑电图数据	机器学习	阿尔茨海默病, 克雅氏病	脑电图（EEG）	一维卷积神经网络, Transformer编码器	脑电图信号	36名受试者	NA	一维卷积神经网络, Transformer	准确率	NVIDIA Jetson AGX Orin边缘AI平台
6352	2026-06-06	Digital Pathology and the AI-Based Quantification of the Tumor Microenvironment in Gastrointestinal Cancer: From Tumor Budding and Tumor-Infiltrating Lymphocytes to Tertiary Lymphoid Structures 2026-May-14, International journal of molecular sciences IF:4.9Q2 DOI:10.3390/ijms27104386 PMID:42196367	综述	本文综述了数字病理学和人工智能在胃肠道癌症肿瘤微环境分析中的进展，重点讨论了肿瘤出芽、肿瘤浸润淋巴细胞和三级淋巴结构等生物标志物	强调AI工具在自动、定量分析整个组织切片中的优势，以及深度学习模型在结构与空间组织分析中的新生物学见解	AI在临床实践中的实施面临标准化、数据可用性和模型可解释性方面的挑战	讨论AI在胃肠道癌症肿瘤微环境生物标志物分析中的应用，推动个性化医学发展	胃肠道癌症中的肿瘤微环境，包括肿瘤出芽、肿瘤浸润淋巴细胞和三级淋巴结构	数字病理学	胃肠道癌症	数字病理学	深度学习	组织学图像	NA	NA	NA	NA	NA
6353	2026-06-06	Artificial Intelligence-Assisted Confocal Laser Endomicroscopy for Predicting Invasion Depth of Superficial Esophageal Mucosal Lesions: A Cohort Study 2026-May-08, Clinical and translational gastroenterology IF:3.0Q2 DOI:10.14309/ctg.0000000000001044 PMID:42100909	研究论文	本研究开发并验证了一种人工智能辅助共聚焦激光显微内镜系统，用于预测浅表食管黏膜病变的浸润深度	首次将人工智能与共聚焦激光显微内镜结合，建立AI-pCLE系统用于低级别上皮内瘤变与高级别上皮内瘤变伴黏膜下浸润的鉴别诊断，并与内镜医师的诊断性能进行了对比	回顾性单中心研究，样本量有限，需外部验证	开发并验证人工智能辅助共聚焦激光显微内镜系统，用于食管鳞状细胞癌浸润深度的准确评估	浅表食管黏膜病变患者，包含低级别上皮内瘤变和高级别上皮内瘤变伴黏膜下浸润病变	计算机视觉，数字病理学	食管癌	共聚焦激光显微内镜	深度学习	图像	1,234张共聚焦激光显微内镜图像	NA	六种深度学习算法，具体架构未明确说明	准确率，敏感度，特异度， AUC，阳性预测值，阴性预测值	NA
6354	2026-06-06	Pathogenicity prediction for noncanonical splice-altering variants based on multimodal feature fusion 2026-May-04, Briefings in bioinformatics IF:6.8Q1 DOI:10.1093/bib/bbag291 PMID:42242678	研究论文	开发了一种名为MOSAIC的深度学习框架，用于预测非经典剪接改变变异的致病性	首次将预训练DNA语言模型的长程上下文信号、多尺度卷积神经网络的局部序列特征和功能注释进行多模态融合，并采用Transformer编码器和门控融合模块实现自适应整合	NA（摘要未明确提及）	提高非经典剪接位点变异致病性预测的准确性	非经典剪接改变变异（noncanonical SAVs）	机器学习	多种疾病（因变异与多种疾病相关，未指定具体疾病）	深度学习	Transformer编码器、多尺度卷积神经网络、预训练DNA语言模型	DNA序列数据、功能注释数据	多个独立数据集（具体数量未提供）	PyTorch	Transformer编码器、门控融合模块、多尺度卷积神经网络	准确性、鲁棒性（与CADD和SpliceAI等方法的比较，具体指标未明确）	NA（摘要未提及）
6355	2026-06-06	Development and validation of a deep survival model to predict time to seizure from routine electroencephalography 2026-May, Epilepsia IF:6.6Q1 DOI:10.1002/epi.70101 PMID:41553763	研究论文	开发并验证了一种基于常规脑电图预测癫痫发作时间的深度生存模型EEGSurvNet	首次将深度生存模型应用于常规脑电图预测个体癫痫发作风险，超越传统临床预测因子（如发作间期痫样放电）的性能，并从脑电图信号中提取出超越可见异常信号的预后信息	需要进行前瞻性研究以验证这些发现并评估其临床影响	开发和验证一种分析常规脑电图以预测癫痫患者随时间变化的发作风险的深度生存模型	癫痫患者及其常规脑电图记录	机器学习	癫痫	NA	深度生存模型	脑电图信号	1014次连续常规脑电图记录，来自994名患者；测试集包含135次脑电图记录，来自115名患者	NA	EEGSurvNet	随时间变化的AUROC、2年综合AUROC、C指数	NA
6356	2026-06-06	Deep learning for depression prediction in older adults: A retrospective cohort study from CHARLS (2011-2020) with independent cohort validation in CLHLS (2008-2018) 2026-May-01, Journal of affective disorders IF:4.9Q1 DOI:10.1016/j.jad.2026.121206 PMID:41554486	研究论文	利用深度学习模型DARNet基于中国健康与养老追踪调查和CLHLS数据预测老年人抑郁，并进行独立队列验证	首次系统应用深度学习模型（DARNet）在大型中国纵向队列中预测老年抑郁，并整合多维度可解释性分析	需整合多种群多中心临床数据以增强实际应用价值	开发并验证用于老年人抑郁早期预测的深度学习工具	年龄超过60岁的中国老年人	机器学习	老年抑郁	NA	深度学习	纵向调查数据	CHARLS队列（2011-2020年）2781名老年人，CLHLS队列（2008-2018年）独立验证	PyTorch	双注意力残差网络（DARNet）	准确率、F1分数、AUROC、AUPRC	GPU
6357	2026-06-06	CT-based Prediction of Visceral Pleural Invasion in Lung Adenocarcinoma ≤ 3 cm: Enhancing Deep Learning Specificity by Waiving Chest Wall Information 2026-May, Annals of surgical oncology IF:3.4Q1 DOI:10.1245/s10434-026-19102-5 PMID:41566129	研究论文	开发一种基于CT的深度学习模型，通过排除胸壁信息来提高肺腺癌脏层胸膜侵犯预测的特异性	首次通过有意排除胸壁信息来增强深度学习模型的特异性，并引入新型注意力机制提高可解释性	未提及具体的局限性，但回顾性设计可能引入选择偏倚，且模型仅在≤3cm肺腺癌中验证	提高肺腺癌脏层胸膜侵犯术前预测的特异性，避免过度治疗	835例经病理确诊的肺腺癌患者（来自两个医疗中心）	计算机视觉	肺腺癌	CT成像	CNN	图像	835例患者（训练集692例，外部验证集143例）	PyTorch	四层卷积神经网络，集成注意力机制	AUC, 敏感性, 特异性, 准确率	NA
6358	2026-06-06	Super-adhesive sensor based on amylopectin-polyacrylic acid hydrogel for deep learning-assisted sign language recognition 2026-May, Journal of colloid and interface science IF:9.4Q1 DOI:10.1016/j.jcis.2026.139914 PMID:41570706	研究论文	设计了一种基于支链淀粉-聚丙烯酸水凝胶的超粘附传感器，用于深度学习辅助的手语识别	通过调控水凝胶组成和网络结构，同时实现了超强韧性、高灵敏度（GF=3.24）、高电导率和广泛表面粘附性，并集成到深度学习手语识别系统中	文中未提及在长期使用或复杂环境下的稳定性和耐久性测试	开发高性能柔性可穿戴传感器，解决粘附性差和性能不稳定问题，实现手语识别应用	PATA（聚丙烯酸/单宁酸/支链淀粉）水凝胶传感器	计算机视觉	NA	NA	深度学习模型（未指定具体类型）	信号数据	NA	NA	NA	韧性、应变因子、电导率、粘附强度	NA
6359	2026-06-06	Transfer learning from 2D natural images to 4D fMRI brain images via geometric mapping 2026-May, Medical image analysis IF:10.7Q1 DOI:10.1016/j.media.2026.103949 PMID:41576824	研究论文	提出基于几何映射的迁移学习方法，将2D自然图像迁移学习应用于4D fMRI脑图像	提出多尺度多域特征聚合（MMFA）模块，通过表面几何映射将大脑皮层从3D黎曼流形映射到2D空间，实现2D自然图像到4D fMRI数据的迁移，保持皮层拓扑关系并沿流形计算以抑制信号干扰	未提及	解决fMRI数据集样本量小导致深度学习应用受限的问题，实现从大规模2D自然图像到4D fMRI脑图像的有效迁移学习	fMRI脑图像数据（包括性别分类、年龄估计、行为测量预测和抑郁症诊断）	计算机视觉, 机器学习	抑郁症	fMRI, 几何映射	CNN	图像	HCP数据集（未明确样本数）和23个抑郁症数据集	PyTorch	MMFA模块	准确率, AUC	NA
6360	2026-06-06	Automatic detection and measurement system for aortic aneurysms using deep learning-based artificial intelligence 2026-May, The international journal of cardiovascular imaging DOI:10.1007/s10554-026-03630-y PMID:41591618	研究论文	基于深度学习的人工智能系统在非增强CT图像上自动检测梭形主动脉瘤并测量整个主动脉直径的性能评估	首次开发并验证了基于深度学习的AI系统，可在非增强CT图像上自动检测主动脉瘤并测量全主动脉直径，无需造影剂	研究为回顾性设计，样本人群主要为男性，未包含所有类型的主动脉瘤（如梭形动脉瘤），且未与其他检测方法进行对比	评估深度学习AI系统在非增强CT图像上检测主动脉瘤和测量主动脉直径的准确性和可靠性	非增强CT图像，主动脉瘤（梭形），全主动脉、胸主动脉、腹主动脉、髂动脉	计算机视觉	主动脉瘤	CT成像	CNN	图像	160张训练数据（130名男性，71.8±9.2岁），190张验证数据（153名男性，70.7±10.3岁）	NA	NA	Dice系数, 灵敏度, 阳性预测值, F1值, 组内相关系数	NA