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
7141	2026-05-27	Automatically Measuring Kidney, Liver, and Cyst Volumes in Autosomal Dominant Polycystic Kidney Disease 2026-May-01, Journal of the American Society of Nephrology : JASN IF:10.3Q1 DOI:10.1681/ASN.0000000904 PMID:41186985	研究论文	开发了一个名为TraceOrg的基于网络的深度学习平台，用于自动测量常染色体显性多囊肾病患者的肾脏、肝脏和囊肿体积，并提供Mayo影像分类	首次将U-Net与Transformer元素结合的3D混合模型应用于多囊肾病的肾脏、肝脏及囊肿分割，并部署为公开的网页工具，支持多种MRI脉冲序列和CT图像，实现自动匿名化处理	未明确讨论模型在低对比度图像或罕见病变亚型中的表现，且外部验证数据集主要来自西方人群，可能影响种族多样性泛化能力	开发并验证一种自动、可靠且通用的工具，用于准确测量常染色体显性多囊肾病患者的肾脏、肝脏和囊肿体积	常染色体显性多囊肾病患者的MRI和CT扫描图像，以及无该病的参与者图像	数字病理学	多囊肾病	MRI, CT扫描	3D混合模型（U-Net + Transformer）	医学图像	720名参与者（611名ADPKD患者，109名非ADPKD参与者）用于训练；内部验证：70个MRI（肾脏/肝脏分割）和46个MRI（囊肿分割）；外部验证：单中心58例、多中心73例、CRISP 30例、PKD-RRC 115例	NA	U-Net, Transformer	Dice系数，平均绝对百分比差异	NA
7142	2026-05-27	FDS-CAP: Modeling Fragmented Disease Subgraphs with Component-Level Attention for Comorbidity Prediction 2026 May-Jun, Journal of computational biology : a journal of computational molecular cell biology IF:1.4Q2 DOI:10.1177/15578666261427466 PMID:41885386	研究论文	提出FDS-CAP框架，通过组件级注意力机制建模碎片化疾病子图，用于预测疾病共病关系	首次通过组件级注意力机制整合疾病子图中的连通组件，以捕捉碎片化疾病模块的生物学复杂性，从而提高共病预测的准确性和表达力	仅基于单一基准数据集评估，且案例研究仅限于胶质瘤，可能限制泛化性	改进现有方法对疾病模块碎片化的忽视，提升共病预测性能	人类疾病网络中的疾病子图及其共病关联	机器学习	胶质瘤	NA	子图神经网络（SUBGNN）、变分图自编码器	图	基准数据集（具体数量未在摘要中说明）	PyTorch	SUBGNN、变分图自编码器	AUROC	NA
7143	2026-05-27	DANCE: Deep Learning-Assisted Analysis of ProteiN Sequences Using Chaos Enhanced Kaleidoscopic Images 2026 May-Jun, Journal of computational biology : a journal of computational molecular cell biology IF:1.4Q2 DOI:10.1177/15578666261441311 PMID:41995104	研究论文	提出一种名为DANCE的方法，利用混沌增强万花筒图像对T细胞受体蛋白序列进行深度学习的分析与分类	结合混沌游戏表示与万花筒图像方法生成蛋白序列的对称可视化图像，并利用深度学习视觉模型进行分类，为短蛋白序列（如TCR）提供了一种新的图像化嵌入方式	主要针对TCR蛋白序列较短的特性设计，可能不适用于长序列；未提及对不同病原体或非癌抗原的泛化能力	开发一种基于图像的蛋白序列表示方法，以提升对TCR蛋白序列的分析与分类能力，支持基于TCR的免疫疗法研究	T细胞受体蛋白序列及其靶向的癌细胞类型	计算机视觉, 深度学习, 蛋白质组学	癌症	混沌游戏表示, 万花筒图像生成	深度学习视觉模型	图像（由蛋白序列生成的万花筒图）	未明确说明	NA	NA	分类准确率等（具体指标未在摘要中说明）	NA
7144	2026-05-27	BudFinder: A Masked Auto-Encoder vision transformer framework for yeast budding detection and lifespan quantification 2026-May, PLoS computational biology IF:3.8Q1 DOI:10.1371/journal.pcbi.1013700 PMID:42149904	研究论文	提出BudFinder框架，利用掩码自编码器视觉变换器进行酵母出芽检测与寿命量化	使用自监督预训练技术（掩码自编码器）大幅减少标注数据需求，仅需少量母细胞数据即可实现高精度检测	NA	自动化酵母细胞分裂事件检测与复制寿命量化	酵母细胞	计算机视觉	老年性疾病	延时显微镜	视觉变换器（Vision Transformer）	图像	约25万张未标注酵母细胞图像及少于50个母细胞（约1000次分裂事件）的标注数据	PyTorch	掩码自编码器（Masked Autoencoder）	NA	NA
7145	2026-05-27	Bridging the Gap Between Artificial Intelligence and Clinical Readiness in Endometriosis Diagnosis: A Systematic Review 2026-Apr-30, Journal of minimally invasive gynecology IF:3.5Q1 DOI:10.1016/j.jmig.2026.04.016 PMID:42069053	综述	系统评估人工智能在子宫内膜异位症诊断中的方法学质量和诊断性能	首次系统性评估AI在子宫内膜异位症诊断中的方法学质量，并使用QUADAS-2工具进行严格评价	研究主要基于回顾性设计和狭窄的患者选择，存在显著临床异质性和系统脆弱性，如频谱偏倚和选择偏倚	评估AI（尤其是机器学习和深度学习）在通过影像学和临床症状诊断子宫内膜异位症中的方法学质量和诊断性能	子宫内膜异位症患者，基于MRI、超声或患者报告症状的AI诊断模型	机器学习	子宫内膜异位症	NA	机器学习模型，深度学习模型	影像数据（MRI、超声）、文本数据（患者报告症状）	NA	NA	随机森林、XGBoost	准确率、AUC	NA
7146	2026-05-27	Imaging Through Scattering Tissue Using Near Infra-Red and a Convolutional Autoencoder 2026-Apr-18, Sensors (Basel, Switzerland) DOI:10.3390/s26082507 PMID:42076614	研究论文	提出一种基于近红外照明与深度学习卷积自编码器的低代价、非侵入性皮下成像方法，用于肿瘤边缘检测	首次将近红外光与基于U-Net的卷积自编码器结合，实现通过散射介质对隐藏结构的高质量重建，克服了传统成像模态的高成本和术中限制	对分布外样本的泛化能力有限，重建结果伴有轻微平滑伪影	开发一种安全、快速、成本效益高的皮下可视化技术，用于临床相关肿瘤边缘检测	组织模拟鸡胸肉幻影下的隐藏结构图案	计算机视觉，数字病理学	肿瘤	近红外成像，深度学习	卷积自编码器	图像	约10,000对样本	PyTorch	U-Net	峰值信噪比（PSNR），结构相似性指数（SSIM），特征相似性指数（FSIM）	NA
7147	2026-05-27	Sagittal-Plane Knee Flexion Moment Estimation Using a Lightweight Deep Learning Framework Based on Sequential Surface EMG Feature Frames 2026-Apr-18, Sensors (Basel, Switzerland) DOI:10.3390/s26082500 PMID:42076609	研究论文	提出一种基于顺序表面EMG特征帧的轻量级深度学习框架，用于矢状面膝关节屈曲力矩估计	提出Topo2DCNN-LSTM轻量级二维卷积神经网络模型，将原始sEMG信号转换为紧凑的RMS特征帧，在资源受限设备上实现低延迟推理	仅针对健康受试者的有限行走条件进行验证，且为单侧膝关节力矩估计的概念验证	开发轻量级深度学习模型，实现非卧床场景下膝关节力矩的实时估算，便于可穿戴边缘部署	健康受试者在跑步机上以两种速度行走时的矢状面膝关节屈曲力矩	机器学习, 数字健康	NA	表面肌电图（sEMG），特征帧提取（RMS）	CNN, LSTM	时序信号（sEMG和关节动力学数据）	公开数据集，包含健康受试者在1.2 m/s和1.8 m/s跑步机速度下的数据	NA	Topo2DCNN-LSTM（轻量级2D CNN编码器 + LSTM单元）	均方根误差	SparkFun Thing Plus-SAMD51微控制器，RAM 71,316字节，Flash 257,172字节
7148	2026-05-27	Interpretable multimodal PET/CT-EHR fusion via mixture-of-experts for prognostic stratification in mantle cell lymphoma: a multicenter study 2026-Apr-16, BMC medicine IF:7.0Q1 DOI:10.1186/s12916-026-04865-1 PMID:41992190	研究论文	本研究开发了一个可解释的多模态PET/CT-EHR融合深度学习框架，用于套细胞淋巴瘤的个体化风险分层	首次将混合专家网络融合PET/CT与电子健康记录数据，结合视觉编码器、影像组学提取器和医学语言模型构建多模态影像组学特征	NA（需要根据上下文推断，但摘要未明确提及局限性）	建立可解释的深度学习框架，整合PET/CT和电子健康记录数据进行套细胞淋巴瘤预后分层	187例初治套细胞淋巴瘤患者的多中心队列数据	机器学习	套细胞淋巴瘤	FDG-PET/CT成像	混合专家网络	影像数据、文本数据	187例套细胞淋巴瘤患者	PyTorch	混合专家网络、视觉编码器、医学语言模型	AUC, HR, C-index, 时间依赖性ROC, 校准曲线, 决策曲线分析	NA
7149	2026-05-27	Non-invasive diagnosis strategy integrating PSMA PET/CT and mpMRI for patients with suspected prostate cancer: a multi-center study 2026-Apr-16, BMC medicine IF:7.0Q1 DOI:10.1186/s12916-026-04859-z PMID:41992197	研究论文	开发并外部验证了一种整合PSMA PET/CT和mpMRI的多模态影像组学模型，用于前列腺癌的自动化诊断	首次构建了多模态PET/CT与mpMRI联合的机器学习模型，并在多中心数据中验证了其外部泛化能力；比较了专家手动分割和深度学习自动分割的前列腺VOI对诊断性能的影响	研究为回顾性设计，可能引入选择偏倚；外部验证队列样本量相对较小	开发并外部验证整合PET/CT和mpMRI的自动化前列腺癌诊断模型	疑似前列腺癌患者	机器学习	前列腺癌	PSMA PET/CT, mpMRI (T2和DWI)	机器学习分类器	影像数据	488名疑似前列腺癌患者（366名用于模型开发和内部验证，41名用于外部验证队列1，81名用于外部验证队列2）	NA	LR, SVM, Random Forest, Extra Trees, XGBoost, LightGBM	AUC, 灵敏度, 特异性, 准确率, 阳性预测值, 阴性预测值	NA
7150	2026-05-27	Incorporating normal periventricular changes for enhanced pathological white matter hyperintensity segmentation: on multiclass deep learning approaches 2026-Apr-16, Biomedical engineering online IF:2.9Q3 DOI:10.1186/s12938-026-01555-0 PMID:41992229	研究论文	本研究探讨在深度学习模型训练中将正常脑室周围高信号作为独立类别，以增强病理性白质高信号分割性能	首次将正常年龄相关的脑室周围高信号作为显式类别纳入多类分割训练，相较于传统二分类方法显著提升病理性病变检测能力	数据来自115名神经退行性疾病患者，样本量有限；仅评估了四种架构，未涵盖更多先进模型	通过多类深度学习分割方法区分病理性白质高信号与正常年龄相关高信号，降低假阳性率	115名神经退行性疾病患者的2750张FLAIR MRI图像	计算机视觉	神经退行性疾病	MRI	U-Net, Attention U-Net, DeepLabV3Plus, Trans-U-Net	图像	115名患者，2750张FLAIR图像	PyTorch	U-Net, Attention U-Net, DeepLabV3Plus, Trans-U-Net	Dice系数, Hausdorff距离, Cohen's d	NA
7151	2026-05-27	Tripleknock: predicting lethal effect of three-gene knockout in bacteria by deep learning 2026-Apr-10, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-46272-9 PMID:41963398	研究论文	提出Tripleknock深度学习模型，用于预测细菌三基因敲除的致死效应	首次利用蛋白质序列特征和通量平衡分析模拟训练深度学习模型，实现无需基因组规模代谢模型的全基因组三基因敲除致死性预测，速度比FBA快约20倍	模型基于大肠杆菌K-12 MG1655的训练数据，跨物种验证仅针对6种肠杆菌科病原体，且外部验证数据集较小（仅37个三重扰动）	开发快速、不依赖基因组规模代谢模型的生物信息学方法，用于全基因组三基因敲除致死性筛选	细菌三基因敲除的致死效应预测	机器学习	NA	蛋白质序列特征提取、通量平衡分析	深度学习模型（具体架构未明确说明）	蛋白质序列特征、基因敲除模拟结果	大肠杆菌K-12 MG1655的三基因敲除FBA模拟数据，以及6种肠杆菌科病原体的跨物种验证数据	NA	NA	F1分数	NA
7152	2026-05-27	LobePrior segments lung lobes on computed tomography images in the presence of severe abnormalities 2026-Apr-10, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-48136-8 PMID:41963526	研究论文	提出LobePrior方法，结合深度神经网络和概率模型，在严重肺部异常情况下实现准确的肺叶分割	将概率模型与深度神经网络结合，利用标签融合导出的先验知识指导严重异常区域的分割，并引入合成病变生成进行数据增强	未明确说明限制	开发在严重肺部异常情况下仍能稳健进行肺叶分割的自动化算法	CT影像中的肺叶区域	数字病理学	肺部疾病（包括癌症结节和COVID-19合并症）	CT成像	AttUNet	图像	使用LOLA11及三个额外数据集（含癌性结节或COVID-19合并症）	PyTorch	AttUNet	Dice系数	NA
7153	2026-05-27	Fusing non-textual cues with classical NLP for enhanced multimodal fake news spread detection 2026-Apr-09, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-45735-3 PMID:41957109	研究论文	提出一种融合非文本线索与深度文本特征的多模态深度学习架构，用于提升假新闻检测的准确性和鲁棒性	首次将统计行为特征、字符级特征与词级语义特征通过多头自注意力机制动态融合，实现多模态信息的智能化整合	未说明模型对对抗性文本攻击的鲁棒性，以及跨平台泛化能力验证不足	开发一种高效的多模态假新闻检测系统，以应对传统文本分析方法在复杂虚假信息检测中的局限	社交平台上传播的新闻内容及其发布者的非文本行为特征	自然语言处理	NA	Word2Vec、多头自注意力机制	深度学习多模态模型	文本数据	使用GossipCop和PolitiFact两个公开数据集进行实验	PyTorch	多头自注意力机制、SoftMax分类器	准确率, F1值	NA
7154	2026-05-27	Machine-enhanced reconstruction of functional connectomes unravels discriminative brain sub-systems in health and disease 2026-Apr-09, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-47391-z PMID:41957158	研究论文	提出基于机器学习的全连接网络重建方法，利用几何深度学习识别具有区分性的脑子系统，应用于健康与自闭症谱系障碍受试者的功能磁共振成像数据分析	首次提出基于集体功能连接修剪的方法替代传统统计阈值修剪，利用几何深度学习学习网络表征并借助可解释人工智能识别最具有区分性的子网络，从而发现机器学习的子系统协同激活模式可显著提高对受影响个体的识别	方法在自闭症谱系障碍数据集上验证，未在其他脑疾病上测试，且依赖于功能磁共振成像数据的多频分解，可能受限于数据质量与频率选择	开发一种全连接网络重建方法，通过集体共激活模式而非独立统计显著性来保留连接，以更可靠地表征脑部疾病并识别生物标志物	健康与自闭症谱系障碍受试者的功能磁共振成像数据	机器学习, 计算机视觉	自闭症谱系障碍	功能磁共振成像	几何深度学习	功能磁共振成像信号	健康与自闭症谱系障碍受试者（具体数量未提供）	NA	几何深度学习网络	受试者识别准确性	NA
7155	2026-05-27	Transformer augmented hybrid deep learning for explainable multi class pest classification 2026-Apr-04, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-41248-1 PMID:41935133	研究论文	对多种深度学习架构进行综合实验评估，用于基于图像级分类的多类害虫分类，涵盖19种害虫物种	提出混合CNN-Transformer设计（如Hybrid EffNet-Transformer和Hybrid EfficientNetV2-S+Transformer），结合卷积特征层次和全局自注意力机制，并采用分割驱动的预处理方法增强前景隔离	未在标题和摘要中明确提及局限性	实现农业害虫的早期准确识别，为精准农业系统开发提供指导	19种害虫物种的田间图像	计算机视觉	NA	深度学习图像分类	CNN、Transformer、混合CNN-Transformer	图像	19种害虫物种的田间图像（具体数量未提及）	NA	MobileNetV2, VGG16, EfficientNetB0/B3, EfficientNetV2-B0, ResNet50, Xception, NASNetLarge, Hybrid InceptionResNetV2, Hybrid ResNet50+CBAM, Hybrid EffNet-Transformer, Hybrid EfficientNetV2-S+Transformer	验证准确率, 宏平均F1值, 验证损失	NA
7156	2026-05-27	Artificial intelligence in orthopedics: current applications, challenges, and future directions 2026-Apr-03, Knee surgery & related research IF:4.1Q1 DOI:10.1186/s43019-026-00317-5 PMID:41933417	综述	总结人工智能在骨科实践中的当前应用，并强调实现临床转化的障碍	指出技术进步与临床转化之间的差距，主张从提升模型复杂性转向严格评估、外部验证和概率校准	未具体说明局限性，但隐含地指出当前应用受限于算法不透明性、性能退化及工作流适配不足	综述人工智能在骨科领域的应用现状、挑战及未来方向	骨科实践中的机器学习、深度学习及大型语言模型应用	机器学习	骨科疾病（如骨折、骨关节炎等）	不适用	机器学习模型、深度学习模型、大型语言模型	结构化数据、医学影像、文本	不适用	不适用	不适用	外部验证、概率校准、不确定性估计	不适用
7157	2026-05-27	A fundus image dataset for intelligent diabetic retinopathy system 2026-Apr-01, Scientific data IF:5.8Q1 DOI:10.1038/s41597-026-07093-7 PMID:41922360	研究论文	构建了一个用于智能糖尿病视网膜病变系统的眼底图像数据集	提供了一个标准化、高质量的超广角眼底图像数据集，以克服现有AI模型在检测周边视网膜病变时的局限性，并公开可用以提高模型的泛化能力	未提及具体的局限性	为基于超广角图像的糖尿病视网膜病变诊断AI系统提供标准化的公开数据集	糖尿病视网膜病变患者	计算机视觉	糖尿病视网膜病变	超广角眼底成像	NA	图像	809名患者的1630张超广角眼底图像	NA	NA	NA	NA
7158	2026-05-27	Tabular LLMs for Interpretable Few-Shot Alzheimer's Disease Prexdiction with Multimodal Biomedical Data 2026-Mar-17, ArXiv PMID:41907581	研究论文	提出TAP-GPT框架，一种基于TableGPT2的表格化大型语言模型，用于多模态生物标志物的少样本阿尔茨海默病分类，生成可解释的结构化推理	首次系统性地将表格专用大型语言模型应用于多模态生物标志物驱动的阿尔茨海默病预测，采用表格提示而非纯文本进行少样本分类，并展示结构化、模态感知的推理能力且稳定性更高	NA	开发一种可解释的少样本预测方法，利用表格化大型语言模型处理多模态生物医学数据实现阿尔茨海默病的准确诊断	阿尔茨海默病患者的多模态生物标志物数据	机器学习	阿尔茨海默病	NA	大型语言模型	表格数据	四个ADNI衍生数据集	TableGPT2	TableGPT2	准确率	NA
7159	2026-05-27	Two-step deep-learning candidemia prediction model using two large time-sequence electronic health datasets 2026-Mar-04, medRxiv : the preprint server for health sciences DOI:10.64898/2026.03.03.26347531 PMID:41867227	研究论文	利用两个大型时间序列电子健康数据集开发两步深度学习模型预测念珠菌血症风险	提出结合念珠菌血症和30天死亡风险的两步预测框架，能识别出单步模型遗漏的高风险患者，并显著提高预测覆盖率和临床适用性	研究为回顾性，需前瞻性研究验证结果	开发并验证两步深度学习模型以优化念珠菌血症的早期预测和抗真菌治疗决策	两个大型电子健康记录数据集中的成年住院患者	机器学习	念珠菌血症	深度学习模型开发基于电子健康记录数据	深度学习模型	电子健康记录数据（时间序列数据）	Houston Methodist Hospital System (HMHS) 的 213,404 名患者和 MIMIC-IV 的 107,507 名患者	PyTorch	NA	AUPRC（精确率-召回率曲线下面积）	NA
7160	2026-03-02	Deep learning prediction model based on multi-modal transvaginal ultrasound scan images for endometrial cancer 2026-Feb-28, Cancer imaging : the official publication of the International Cancer Imaging Society IF:3.5Q1 DOI:10.1186/s40644-026-01013-z PMID:41764582	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA