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
1161	2026-05-30	Deep Learning-Guided Engineering of Bst DNA Polymerase Improves LAMP-Based Detection of Foodborne Pathogens 2026-Apr-23, Microorganisms IF:4.1Q2 DOI:10.3390/microorganisms14050954 PMID:42197341	研究论文	本研究结合深度学习与半理性设计策略，改造Bst DNA聚合酶，提升基于LAMP的食源性病原体检测性能	首次将深度学习引导的蛋白质工程与融合蛋白技术结合，开发出热稳定性增强、抑制剂耐受性提高的CL7-L105M突变体，显著提升LAMP检测的灵敏度和便携性	未提及在复杂真实食品基质中的验证，且仅针对单一病原体（大肠杆菌O157:H7）进行检测	开发高性能DNA聚合酶，用于快速、灵敏、现场部署的LAMP食源性病原体检测	Bst DNA聚合酶及其突变体（A0A150MFP3、L105M、CL7-突变体）	机器学习, 数字病理学（注：实际为生物技术，但根据选项选择"机器学习"）	食源性疾病（如大肠杆菌O157:H7感染）	LAMP（环介导等温扩增），高通量筛选，融合蛋白工程	深度学习模型（未具体说明架构，如CNN）	序列数据（蛋白质序列），实验数据（酶活性、热稳定性等）	未明确样本数量，仅涉及大肠杆菌O157:H7的纯化和粗提DNA检测	未明确提及，可能包括深度学习框架（如TensorFlow或PyTorch）	未明确指定深度学习模型架构	酶活性增加率（32.92%），Tt值，检测限（1×10^4 CFU/mL）	未提及
1162	2026-05-30	Development and validation of the IVENUS artificial intelligence model for automated CEAP classification of early-stage chronic venous disease using lower limb photographs 2026-Apr-21, Journal of vascular surgery. Venous and lymphatic disorders DOI:10.1016/j.jvsv.2026.102503 PMID:42025953	研究论文	开发并验证基于下肢照片自动进行早期慢性静脉疾病CEAP分级的IVENUS人工智能模型	首次利用深度学习模型（基于Swin Transformer V2架构）从下肢照片中自动分类早期CVD的CEAP临床分级（C0-C2），并展示了高诊断价值	未提及具体限制，但可能包括数据集的多样性（仅来自俄罗斯诊所）和模型对极端条件的鲁棒性未测试	开发和验证一个AI模型，以从下肢照片中准确分类早期慢性静脉疾病的CEAP临床分级	早期慢性静脉疾病患者的下肢照片	计算机视觉, 数字病理学	慢性静脉疾病	智能手机和专业相机摄影	深度学习模型（Swin Transformer V2）	图像（下肢照片）	10,745张下肢照片，包含C0期673条腿、C1期4445条腿、C2期5627条腿；外部验证子集1622张照片	PyTorch	Swin Transformer V2	准确率, 精确率, 召回率（灵敏度）, 特异度	NA
1163	2026-05-30	A Transformer-Residual Network-Integrated Deep Learning Model for Digital Pathology-Based Grading and Risk Stratification of Metabolic Dysfunction-Associated Steatotic Liver Disease-Related Liver Fibrosis 2026-Apr-20, Clinical and translational gastroenterology IF:3.0Q2 DOI:10.14309/ctg.0000000000001017 PMID:42007561	研究论文	开发并验证了一种结合Transformer和残差网络的深度学习模型，用于基于数字病理图像的MASLD相关肝纤维化分级和风险分层	首次将Transformer与残差网络架构集成应用于MASLD肝纤维化的数字病理分级，并通过可解释性分析支持病理辅助决策	需要整合临床风险因素并在纵向结局框架中进行验证	开发用于MASLD相关肝纤维化自动分级和病理表型识别的深度学习模型	人类肝活检组织的马森染色数字病理图像	数字病理学	代谢功能障碍相关脂肪性肝病	数字病理成像	Transformer-残差网络集成模型	图像	467例肝活检标本（来自Duke 338例、MHH 72例、BI-int 57例）	PyTorch	Transformer, ResNet, 1×1步进卷积, 多头自注意力	准确率, 混淆矩阵, 连续AI评分, 梯度加权类激活映射	NA
1164	2026-05-30	Combining structural modeling and deep learning to calculate the E. coli protein interactome and functional networks 2026-Apr-11, Nature communications IF:14.7Q1 DOI:10.1038/s41467-026-71166-9 PMID:41965370	研究论文	结合结构建模与深度学习，在大肠杆菌蛋白质组范围内预测蛋白质二元复合物，构建相互作用组与功能网络	首次整合三种互补的蛋白质相互作用预测方法（基于结构的PrePPI、基于蛋白质语言模型的Topsy-Turvy和基于进化信息的ZEPPI），并利用AF3Complex算法对374个蛋白对进行结构预测，实现了对大肠杆菌蛋白质相互作用组的高置信度构建与功能子网络聚类	NA	开发并验证一种整合多种预测方法的高精度蛋白质相互作用预测框架，用于重建大肠杆菌蛋白质相互作用组及功能网络	大肠杆菌的蛋白质二元相互作用对及功能子网络	自然语言处理, 机器学习	NA	蛋白质结构建模, 蛋白质语言模型, 进化信息分析	蛋白质语言模型, 三维结构预测模型	蛋白质序列数据, 三维结构数据, 进化信息数据	高质量的HINT数据库中的二元PPI数据以及374个经AF3Complex结构预测的蛋白对	NA	PrePPI, Topsy-Turvy, ZEPPI, AF3Complex	预测性能（优于单一组件的置信度评估）	NA
1165	2026-05-30	Artificial intelligence in microbiology: implications for metagenomics, diagnostics, and AMR surveillance 2026-Apr-11, Biomedical engineering online IF:2.9Q3 DOI:10.1186/s12938-026-01568-9 PMID:41965741	综述	综述人工智能在微生物学中的应用，特别是对宏基因组学、诊断和抗菌素耐药性监测的影响	重点讨论了深度学习、基于Transformer的序列模型、图神经网络和多模态架构在微生物分类、耐药基因检测和耐药性预测中的最新进展，并强调了可解释AI技术的应用	存在数据集变异、模型对数据集的依赖性、可解释性不足和监管审批问题	综述AI辅助微生物学的最新进展，重点关注抗菌素耐药性监测	微生物基因组、宏基因组、临床数据及抗菌素耐药性相关基因和表型	机器学习, 自然语言处理	感染性疾病	宏基因组测序	深度学习, Transformer, 图神经网络, 多模态架构	基因组数据, 宏基因组数据, 临床数据	NA	NA	NA	NA	NA
1166	2026-05-30	Utilizing deep learning algorithms and artificial neural networks to forecast the viscosity, thermal conductivity, and electrical conductivity of Fe3O4/TiO2 magnetic hybrid nanofluid 2026-Apr-06, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-45886-3 PMID:41942598	研究论文	利用机器学习算法预测Fe₃O₄/TiO₂磁性混合纳米流体的粘度、热导率和电导率	首次将多元多项式回归模型与多目标灰狼优化器结合，用于同时预测和优化纳米流体的多种热物理性质	NA	预测并优化Fe₃O₄/TiO₂磁性混合纳米流体的热物理性质	Fe₃O₄/TiO₂磁性混合纳米流体	机器学习	NA	NA	多元多项式回归、高斯过程回归、多元线性回归、支持向量回归、多层感知器	实验数据	温度范围10-50°C，体积分数0-0.3%	Scikit-learn	MPR, GPR, MLR, SVR, MLP	相关系数、均方根误差	NA
1167	2026-05-30	Real-time deep learning interpretation of echocardiographic video for automated detection of anatomical features associated with tetralogy of fallot in pediatric patients : a feasibility study 2026-Apr-05, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-45943-x PMID:41936642	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
1168	2026-05-30	Malignant vs. Non-malignant Annotations on TCGA Breast Cancer Whole Slide Images for AI Analysis 2026-Apr-02, Scientific data IF:5.8Q1 DOI:10.1038/s41597-026-07106-5 PMID:41922381	研究论文	在TCGA乳腺癌全切片图像上生成恶性和非恶性注释，用于AI分析	利用专家病理学家手动注释及独立复核，生成高质量注释；结合对比-监督混合机器学习流水线进行质量验证，F1分数达0.90	NA	为乳腺癌组织病理学的AI模型提供高质量注释数据集	乳腺癌全切片图像中的恶性和非恶性区域	数字病理学	乳腺癌	全切片成像	对比-监督混合机器学习模型	图像	50张TCGA乳腺癌全切片图像，包含1,882个恶性注释和374个非恶性注释	NA	NA	F1分数	NA
1169	2026-05-30	Clinical Grading of Artificial Intelligence-Based 3D Fetal Brain Segmentations: A Cross-Vendor Evaluation of Deep Learning in Fetal Neuroimaging 2026-04, Prenatal diagnosis IF:2.7Q2 DOI:10.1002/pd.70103 PMID:41761049	研究论文	评估基于深度学习的三维胎儿脑部分割方法在不同超声设备商数据集上的表现，并提出一种临床医生导向的视觉评估框架	引入临床医生导向的视觉评估框架作为Dice相似系数的补充，评估深度学习模型在不同超声设备商数据集上的跨设备稳健性	未提及具体限制	评估自动胎儿脑(亚)皮质分割方法在不同超声设备商数据集上的性能，并引入临床导向的视觉评估框架	141个胎儿（19至26+6孕周）的270个体积超声图像	数字病理学	无特定疾病	3D超声成像	深度学习模型	3D超声图像	270个体积（141个胎儿，孕周19-26+6）	NA	NA	Dice相似系数, 视觉分级（1-4级）, 观察者间一致性	NA
1170	2026-05-30	An end-to-end generalizable deep learning framework to comprehensively analyze transcriptional regulation 2026-04-01, Nature communications IF:14.7Q1 DOI:10.1038/s41467-026-70070-6 PMID:41922356	研究论文	介绍BioSeq2Seq，一个端到端的可泛化深度学习框架，通过整合进化保守的DNA序列特征、细胞系特异性转录活性和方向性，推断用于基因组注释的分子检测结果	提出三模态输入（DNA序列、转录活性、方向性）结合梯度引导架构优化的深度学习框架，实现跨任务的通用基因组注释，显著降低实验成本	未提及在跨物种或复杂疾病场景下的泛化性能，且依赖单细胞系输入数据可能限制对组织特异性调控的全面解析	开发一种高效低成本的基因组注释方法，替代传统多分子实验重复工作	基因转录调控机制及基因组功能元件注释	机器学习, 自然语言处理	NA	深度测序	深度学习模型	DNA序列、转录活性数据	NA	PyTorch	BioSeq2Seq	准确率, 改善率	NA
1171	2026-05-30	GCNPath: introspecting drug response prediction with pathway-guided graph convolution networks 2026-Apr-01, Communications biology IF:5.2Q1 DOI:10.1038/s42003-026-09957-5 PMID:41922495	研究论文	提出一种结合图卷积网络与路径特征降维的模型GCNPath，用于药物反应预测	首次系统性基准测试验证模型架构与性能的关系，并展示对未见药物和批次效应的鲁棒性	未说明具体限制	开发能适应多样化组学数据集、具实际可用性的药物反应预测模型	癌症细胞系的多组学数据及药物反应	机器学习	癌症	基因表达谱、多细胞组学平台	图卷积网络 (GCN)	组学数据（RNA数据等）	未说明具体样本量	PyTorch	GCN	预测未见药物性能、批次效应克服能力	NA
1172	2026-05-30	Prognostic value of end-to-end deep learning assessment of myocardial scar and microvascular obstruction on late gadolinium enhancement cardiovascular magnetic resonance 2026-Mar-12, Journal of cardiovascular magnetic resonance : official journal of the Society for Cardiovascular Magnetic Resonance IF:4.2Q1 DOI:10.1016/j.jocmr.2026.102712 PMID:41831720	研究论文	开发和验证一种用于心肌瘢痕和微血管梗阻自动分割的端到端深度学习管道LGE-CMRnet，并评估其在急性心肌梗死患者中的预后价值	提出LGE-CMRnet，整合YOLOv8和nnU-Net进行全自动心肌瘢痕和微血管梗阻分割，并在预后价值上达到与专家分析相当的水平	样本量有限（567名患者），且为单中心研究，可能需要更多外部验证	评估LGE-CMRnet在急性心肌梗死患者中自动分割心肌瘢痕和微血管梗阻的预后价值	急性心肌梗死患者	数字病理学	心血管疾病	心脏磁共振（LGE CMR）	YOLOv8和nnU-Net	图像	567名AMI患者（409名用于训练/内部压力测试；158名用于外部测试），共3874张LGE图像	PyTorch	YOLOv8, nnU-Net	Dice相似系数（DSC）、相关系数、Bland-Altman分析、Cox回归、C指数	未明确提及但对推理而言快速处理（每张图像0.05秒）
1173	2026-05-30	Deep Learning for Standardized Head CT Reformatting: A Quantitative Analysis of Image Quality and Operator Variability 2026-03, Journal of the American College of Radiology : JACR IF:4.0Q1 DOI:10.1016/j.jacr.2025.09.016 PMID:40998241	研究论文	验证深度学习基础模型在自动头部CT重建中的表现，并量化手动重建的质量和变异	首次使用单一深度学习基础模型实现自动头部CT重建，并利用该模型作为参考标准在大规模真实世界数据集中评估手动重建的质量和速度	未提及具体限制	验证深度学习模型自动头部CT重建的图像质量和操作者变异	1,763例连续非增强头部CT检查中的自动和手动重建结果	机器学学习	无特定疾病	非增强头部CT	深度学习基础模型	图像	1,763例非增强头部CT检查，其中100例用于模型验证	NA	NA	地标定位误差、旋转误差、中心误差、缩放误差	NA
1174	2026-05-30	Validating Radiology Artificial Intelligence Model Performance on Photon-Counting CT Images Using Large Language Models for Ground Truth Extraction 2026-03, Journal of the American College of Radiology : JACR IF:4.0Q1 DOI:10.1016/j.jacr.2025.11.024 PMID:41265766	研究论文	评估利用大语言模型从放射学报告中自动提取真实标签，用于验证AI模型在光子计数CT图像上的性能	首次将大语言模型应用于自动提取放射学报告中的真实标签，实现对新型成像硬件上AI工具的可扩展性能评估与监控	大语言模型标签与人工标注间存在一定差异，需部分人工校正；仅评估了四种诊断任务的AI工具	验证使用大语言模型自动化真实标签提取的可行性，并评估AI模型在新安装光子计数CT扫描仪上的表现	四种FDA批准的基于深度学习的计算机辅助检测与分诊工具（针对肺栓塞、颅内出血、颈椎骨折和椎体压缩性骨折）	自然语言处理、计算机视觉	肺栓塞、颅内出血、颈椎骨折、椎体压缩性骨折	光子计数CT成像	大语言模型 (Llama 3.3) 和深度学习计算机辅助检测模型	文本（放射学报告）	来自PCCT和传统CT扫描仪的多例放射学报告，具体数量未说明	PyTorch	Llama 3.3	Fleiss κ系数	NA
1175	2026-05-30	Automated Lymph Node and Extranodal Extension Assessment Improves Risk Stratification in Oropharyngeal Carcinoma 2026-02-10, Journal of clinical oncology : official journal of the American Society of Clinical Oncology IF:42.1Q1 DOI:10.1200/JCO-24-02679 PMID:41435207	研究论文	应用自动化人工智能影像平台整合淋巴结自动分割与结外侵犯预测，评估对咽癌患者风险分层的预后价值	首次将AI预测的结外侵犯淋巴结数量作为独立预后因子，并整合到现有风险分组系统中以改善分层效果	NA	评估自动AI预测的结外侵犯淋巴结数量对咽癌患者风险分层的预后价值	1,733名接受根治性放疗的咽癌患者的治疗前CT影像数据	计算机视觉	咽癌	CT成像	深度学习	影像	1,733名咽癌患者	NA	深度学习自动分割模型，结外侵犯预测模型	C指数，决策曲线分析，风险比	NA
1176	2026-05-30	Performance of Artificial Intelligence Models in Predicting Responsiveness of Hepatocellular Carcinoma to Transarterial Chemoembolization (TACE): A Systematic Review and Meta-Analysis 2026-01, Journal of the American College of Radiology : JACR IF:4.0Q1 DOI:10.1016/j.jacr.2025.08.028 PMID:40889566	系统综述与荟萃分析	评估人工智能模型预测肝细胞癌患者对经动脉化疗栓塞（TACE）治疗反应的性能	首次通过荟萃分析系统比较了手工影像组学（HCR）和深度学习（DL）模型在预测TACE疗效方面的性能，并评估了临床数据整合的影响	观察到研究中的异质性，表明需要进一步研究来验证模型的一致性和临床适用性	评估人工智能模型预测肝细胞癌患者接受TACE后治疗效果的预测性能	肝细胞癌（HCC）患者，接受经动脉化疗栓塞（TACE）治疗	机器学习	肝细胞癌	手工影像组学（HCR）、深度学习（DL）	深度学习模型、手工影像组学模型	影像数据、临床数据	27项研究纳入综述，其中11项研究用于TACE治疗反应的整体荟萃分析	NA	NA	受试者工作特征曲线下面积（AUC）	NA
1177	2026-05-30	From pixels to prognosis: A QUADAS-2-Guided systematic review and meta-analysis of deep learning segmentation for DLBCL in PET and PET/CT 2026, Cancer treatment and research communications DOI:10.1016/j.ctarc.2026.101144 PMID:41719779	系统综述与荟萃分析	对深度学习模型在PET/CT成像中自动分割弥漫性大B细胞淋巴瘤的性能与方法学质量进行系统评价和荟萃分析	首次采用QUADAS-2工具对DLBCL深度学习分割研究的偏倚风险进行全面评估，并基于随机效应模型计算了合并Dice相似系数	纳入研究间算法、研究设计和数据集存在异质性，单中心与多中心研究表现有差异，未来需更大且多样化的队列及改进报告标准	评估深度学习模型在PET/CT中自动分割DLBCL的性能与方法学质量	15项合格研究（11项定量合成，4项定性评估）	计算机视觉	弥漫性大B细胞淋巴瘤	PET/CT成像	深度学习模型	医学影像	15项研究（11项定量合成）	NA	NA	Dice相似系数	NA
1178	2026-05-30	Integrative multi-omics and machine learning/deep learning approaches in cancer knowledge discovery: A scoping review 2026, Cancer treatment and research communications DOI:10.1016/j.ctarc.2026.101136 PMID:41740538	综述	该范围综述评估了多组学整合结合机器学习和深度学习方法在癌症知识发现中的应用效果	系统性总结了70项研究中多组学整合与ML/DL方法在癌症预测和分型中的应用，揭示了当前研究设计的多样性和知识缺口	纳入研究的设计和数据类型差异显著，难以进行跨研究比较，且缺乏标准化整合方法	评估多组学整合与ML/DL方法在癌症知识发现中的有效性，并识别关键主题和知识缺口	70项关于多组学整合和ML/DL应用的研究	机器学习	癌症	多组学（转录组学、基因组学、蛋白质组学等）	机器学习、深度学习	多组学数据	70项研究	NA	NA	NA	NA
1179	2026-05-30	An AI-based intelligent diagnosis system for adolescent mental health based on multitask deep learning 2026, Frontiers in psychiatry IF:3.2Q2 DOI:10.3389/fpsyt.2026.1752423 PMID:41816530	研究论文	基于多任务深度学习的青少年心理健康智能诊断系统，利用中国青少年的自发文本表达非侵入性预测共病抑郁和焦虑严重程度	采用中文优化BERT编码器与多任务学习架构联合预测共病抑郁和焦虑，通过双重特征融合和变分自编码器数据增强解决类别不平衡问题	未来需进行纵向验证、多模态整合及道德部署策略研究	开发一种文化敏感、可扩展的青少年心理健康筛查工具，替代传统自评量表	中国青少年自发文本表达与抑郁焦虑症状的关系	自然语言处理	青少年抑郁和焦虑	自然语言处理，变分自编码器数据增强	多任务深度学习	文本	约1275名青少年的文本回答，扩展测试集308个样本	PyTorch，Jieba	中文优化BERT编码器，自注意力机制，双重特征融合（池化[CLS]令牌和全局池化），多任务头	皮尔逊相关系数，AUC，F1分数，均方误差	NA
1180	2026-05-30	Development and evaluation of AI model with deep learning for segmentation of extraocular muscles in thyroid eye disease 2026, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0349074 PMID:42189850	研究论文	开发并评估用于甲状腺眼病眼外肌分割的深度学习AI模型	首次开发用于甲状腺眼病眼外肌自动分割的AI模型，并分析了不同数据集大小对分割精度的影响	单中心回顾性研究，样本量较小，且仅使用MRI影像数据	开发并评估基于深度学习的AI模型用于甲状腺眼病患者眼外肌的自动分割	甲状腺眼病（TED）患者	计算机视觉, 数字病理	甲状腺眼病	MRI	深度学习模型	图像	52例甲状腺眼病患者	NA	NA	Dice相似系数, 信号强度比	NA