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
1361	2026-05-25	Oral bioavailability property prediction based on task similarity transfer learning 2026-Jun, Molecular diversity IF:3.9Q2 DOI:10.1007/s11030-025-11345-w PMID:40928678	研究论文	基于任务相似性迁移学习预测人类口服生物利用度，以优化药物候选分子并提高临床成功率	提出相似性引导的迁移学习框架TS-GTL，包含PGnT深度模型，结合分子图与外部知识，并引入MoTSE量化理化性质与HOB的相似性，实现数据稀缺场景下的高效预测	未提及具体局限性，但可能面临数据依赖性问题的挑战	提高人类口服生物利用度预测的准确性与可解释性，为药物ADMET性质研究提供高效方法	药物分子的口服生物利用度及其相关理化性质	机器学习	药物研发	分子图表示学习	深度学习模型（PGnT）	分子结构与理化性质数据	未提供具体样本数量	NA	GNN, Transformer编码器	准确率	NA
1362	2026-05-25	Automated Coregistered Segmentation for Volumetric Analysis of Multiparametric Renal MRI 2026-06, Magnetic resonance in medicine IF:3.0Q2 DOI:10.1002/mrm.70288 PMID:41639936	研究论文	开发并评估了一个全自动深度学习驱动后处理流程，用于多参数肾脏MRI，实现准确的肾脏对齐、分割和定量特征提取	提出了一种集成深度学习分割网络与图像配准的全自动流程，在单一高效工作流中完成多参数肾脏MRI的配准、分割和定量分析，显著提高了处理速度和准确性	未明确提及局限性，但样本量相对较小（24名患者和10名健康受试者），且仅在肾脏MRI数据集上验证，泛化性有待进一步研究	开发并评估用于多参数肾脏MRI的自动化深度学习后处理流程，以支持肾脏疾病的诊断和治疗规划	肾脏结构的分割与对齐，以及多参数MRI的定量特征提取	计算机视觉, 数字病理学	前列腺癌, 神经内分泌肿瘤, 肾脏疾病	MRI（多参数磁共振成像）	深度学习分割网络，深度学习图像配准模型	医学图像（多参数肾脏MRI）	24名前列腺癌或神经内分泌肿瘤患者及10名健康受试者，每人进行重复扫描	NA	分割网络，深度学习配准网络	相关系数（r > 0.9），组内相关系数，偏差	每扫描约需15秒处理时间，未指定具体GPU或云平台
1363	2026-05-25	Accelerating MRI With Longitudinally-Informed Latent Posterior Sampling 2026-06, Magnetic resonance in medicine IF:3.0Q2 DOI:10.1002/mrm.70257 PMID:41724725	研究论文	提出一种基于扩散模型的重建框架，利用纵向既往扫描加速MRI采集，无需配对训练数据	不需要纵向配对训练数据，能够整合受试者既往扫描的DICOM格式幅度图像以指导随访重建，并开放多会话配对数据集	未明确提及，但可能依赖于既往扫描与随访扫描的结构相似性，在解剖或病理变化较大时效果可能受影响	加速MRI采集，通过整合受试者既往扫描提高重建质量	MRI纵向成像中的受试者，包括既往扫描和随访扫描	计算机视觉	NA	扩散模型	扩散模型	磁共振成像（MRI）图像和k空间数据	开放获取的临床数据集，包含多会话对的既往DICOM和随访k空间	NA	扩散模型	SSIM, PSNR	NA
1364	2026-05-25	TabulaTime: Novel multimodal deep learning for Acute Coronary Syndrome prediction through environmental and clinical data integration 2026-06, Artificial intelligence in medicine IF:6.1Q1 DOI:10.1016/j.artmed.2026.103395 PMID:41825437	研究论文	提出TabulaTime，一种多模态深度学习框架，通过整合临床和环境数据增强急性冠脉综合征风险预测	三方面创新：多模态时间序列环境与临床数据整合；采用PatchRWKV以线性计算复杂度提取复杂时间模式；通过注意力机制增强可解释性	NA	增强急性冠脉综合征风险预测	急性冠脉综合征患者，包括STEMI和NSTEMI	机器学习	心血管疾病	NA	深度学习	时间序列数据和临床数据	NA	NA	PatchRWKV	准确率	NA
1365	2026-05-25	PatientFlow: Learning to generate mixed-type longitudinal clinical data with flow matching 2026-06, Artificial intelligence in medicine IF:6.1Q1 DOI:10.1016/j.artmed.2026.103392 PMID:41830733	研究论文	提出PatientFlow方法，结合变分自编码器和流匹配，生成混合类型纵向临床数据，以支持深度学习在医疗中的应用	首次将变分自编码器与流匹配结合用于纵向临床数据的生成，能处理静态和时序混合类型数据，且生成的数据在临床终点预测上堪比甚至超越真实数据	仅在肌萎缩侧索硬化症一个队列（N=1560）上验证，可能需在其他疾病中进一步测试其泛化能力	生成高保真的合成纵向临床数据，以解锁大规模深度学习模型在复杂疾病中的应用并保护患者隐私	肌萎缩侧索硬化症患者的纵向临床数据，包括静态和时序混合类型成分	机器学习	肌萎缩侧索硬化症	NA	变分自编码器、流匹配	纵向临床数据（静态和时序混合类型）	1560名肌萎缩侧索硬化症患者	NA	变分自编码器、流匹配	临床专家验证、预后模型性能（五个临床终点）	NA
1366	2026-05-25	AI-Based Forecasting of National Tourism Revenues: Integrating Economic, Fiscal, Political, and Environmental Determinants Through Regression-Oriented Hybrid Models 2026-Jun, Big data IF:2.6Q2 DOI:10.1177/2167647X261431683 PMID:41902908	研究论文	提出一个集成经济、财政、政治和环境因素的混合模型框架，用于预测国家旅游收入	提出回归导向的两阶段残差提升设计，先以Transformer作为主要预测器，再以LightGBM拟合残差校正系统误差，实现透明错误归因，超越以往的DL-DL堆叠混合模型	实证结果为相关性和预测关联，不应解读为政策干预的因果效应	提升国家旅游收入预测的准确性和可解释性，为政策制定提供指导	国家层面的旅游收入预测	机器学习	NA	NA	混合模型（LightGBM + Transformer）	面板数据	国家-年份面板数据（未明确具体样本量）	NA	Transformer, LightGBM	平均绝对误差, 均方根误差, 平均绝对百分比误差	NA
1367	2026-05-25	Twin cross contrastive learning with multi-modality fusion for drug-target affinity prediction 2026-06, Artificial intelligence in medicine IF:6.1Q1 DOI:10.1016/j.artmed.2026.103394 PMID:41806518	研究论文	提出一种基于双交叉对比学习与多模态融合的药物-靶标结合亲和力预测框架TCCL	首次引入双交叉对比学习架构，同时从分子尺度和网络尺度提取语义与结构信息，并通过多模态融合增强表征能力	未在更多真实场景或更大规模数据集上进行验证，计算资源需求未明确说明	提升药物-靶标结合亲和力预测的准确性和泛化能力	药物分子与靶标蛋白	机器学习	NA	NA	双编码器神经网络	分子结构数据、拓扑图数据	两个基准数据集	NA	双流编码器、双交叉对比学习架构	准确率、F1分数、AUC	NA
1368	2026-05-25	Precise estimation of tissue microstructure with hybrid graph transformer 2026-06, Artificial intelligence in medicine IF:6.1Q1 DOI:10.1016/j.artmed.2026.103390 PMID:41806520	研究论文	结合混合图Transformer精准估计组织微结构	提出混合图Transformer，同时考虑q-空间和图卷积网络以及x-空间残差密集Transformer块，实现空间域和扩散波矢量域的联合信息利用	未在更多样化的数据集或更低采样率下验证模型泛化能力	通过高度欠采样弥散磁共振成像数据精准估计组织微结构	组织微结构	计算机视觉、自然语言处理、机器学习	帕金森病	弥散磁共振成像	图卷积网络和Transformer	弥散磁共振成像数据	人类连接组项目和帕金森病高质量弥散加权成像数据	PyTorch	混合图Transformer（包括图卷积网络和残差密集Transformer块）	NA	NA
1369	2026-05-25	A systematic review of machine and deep learning techniques for acute lymphoblastic leukemia diagnosis 2026-06, Artificial intelligence in medicine IF:6.1Q1 DOI:10.1016/j.artmed.2026.103393 PMID:41806519	综述	系统综述机器学习和深度学习方法在急性淋巴细胞白血病诊断中的应用	全面分析了传统机器学习和先进深度学习架构在ALL检测和分类中的应用，包括预处理、特征提取和细胞定量等关键阶段	未提及具体的技术局限性	评估并比较机器学习和深度学习技术在ALL诊断中的性能	急性淋巴细胞白血病（ALL）诊断中的淋巴细胞和淋巴母细胞	机器学习	急性淋巴细胞白血病	NA	机器学习模型和深度学习模型	NA	NA	NA	NA	准确性	NA
1370	2026-05-25	Habitat-informed MRI Radiomics and Deep Learning Fusion for Short-Term Survival Prediction in Patients with Glioblastoma: Exploratory Radiogenomic and Immune Correlates 2026-May-23, Academic radiology IF:3.8Q1 DOI:10.1016/j.acra.2026.04.035 PMID:42177147	研究论文	开发并外部验证一种融合无监督影像组学和深度学习的术前多对比MRI堆叠模型，用于预测胶质母细胞瘤患者的短期生存，并探索转录组学和免疫相关性	提出基于无监督影像组学和3D ResNet-50的两级堆叠集成模型，结合影像组学与深度学习预测胶质母细胞瘤短期生存，并首次探索DLK1表达与免疫浸润的相关性	配对RNA测序队列的分析为探索性研究，样本量有限，且模型在不同外部验证队列中AUC略有差异	开发并验证一种术前预测胶质母细胞瘤患者短期生存（总生存期≤9个月）的融合模型，并探索其影像基因组学与免疫相关性	468例胶质母细胞瘤患者的多中心回顾性数据，包括MRI影像和RNA测序数据	数字病理学	胶质母细胞瘤	多对比MRI影像组学、RNA测序	CNN	图像（MRI）	468例患者（训练集196例，外部验证集1-3分别为66、185和21例）	NA	3D ResNet-50	AUC、决策曲线分析	NA
1371	2026-05-25	Towards precision agriculture for assessing germination rates and density of rice seedling using hierarchical convolutional neural network on drone imagery 2026-May-23, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-37681-x PMID:42177173	研究论文	利用无人机图像和分层卷积神经网络评估水稻幼苗的发芽率和密度	提出了一种基于分层深度网络的RSAGRD-AIHDN模型，结合ConvNeXt特征提取和集成模型（SAE、BiTCN、DQL），实现了高精度水稻幼苗检测	未提及模型在不同环境条件下的泛化能力或计算资源需求	利用无人机遥感图像技术评估水稻田中幼苗的发芽率和密度，以改进作物生长监测	水稻田中的幼苗	数字农业	不适用	无人机遥感成像	分层卷积神经网络、堆叠自编码器、双向时序卷积网络、深度Q学习	图像	水稻幼苗的无人机图像数据集	不适用	ConvNeXt, SAE, BiTCN, DQL	准确率	不适用
1372	2026-05-25	Multi-scale temporal convolution attention network for state-of-charge estimation in Li-ion batteries 2026-May-23, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-53615-z PMID:42177236	研究论文	提出一种多尺度时间卷积注意力网络，用于锂离子电池荷电状态估计	融合多尺度时间卷积进行层次化特征提取，并结合注意力机制突出电压、电流和温度测量中的关键信号，以同时捕捉短期瞬态和长期荷电状态演化	未在动态负载变化和温度波动等复杂实际场景下进行充分验证，且模型可能对特定数据集过拟合	提升锂离子电池荷电状态估计的准确性和鲁棒性，以优化电池管理系统性能	特斯拉Model-3 2170锂离子电池的荷电状态	机器学习	NA	NA	时序卷积网络（TCN）与注意力机制的融合	时间序列数据	特斯拉Model-3 2170锂离子电池数据集，经数据清洗、归一化和循环分割处理	NA	多尺度时间卷积注意力网络（MSTCAN）	均方根误差（RMSE）、平均绝对误差（MAE）、最大误差、决定系数（R²）	NA
1373	2026-05-25	A well-perceived, blind image quality assessment algorithm using an enhanced noise feature criterion 2026-May-23, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-54147-2 PMID:42177264	研究论文	提出了基于增强噪声特征准则的无参考盲图像质量评估方法	改进了噪声加权和判决准则，解决了传统噪声特征分析在强水平结构图像中不稳定的问题	依赖复杂网络架构和大型数据集，可能限制其广泛应用	开发一种即时实用的无参考盲图像质量评估方法	带有强水平结构（如栅栏状图案）的图像	计算机视觉	NA	噪声特征分析	NA	图像	四个公开数据库（LIVE、CSIQ、TID2013、KADID-10k），TID2013数据集中的24张完美无失真图像	NA	NA	Spearman秩相关系数, Pearson线性相关系数	NA
1374	2026-05-25	SurgWound-Bench: a benchmark for surgical wound diagnosis 2026-May-23, NPJ digital medicine IF:12.4Q1 DOI:10.1038/s41746-026-02791-3 PMID:42177302	research paper	提出首个开源多类型手术伤口数据集SurgWound，并构建包括视觉问答和报告生成任务的基准测试，同时提出三阶段学习框架WoundQwen用于手术伤口诊断	首次公开包含多种手术伤口类型的开源数据集，并建立基于该数据集的综合基准测试，包括视觉问答和报告生成任务；提出三阶段学习框架，利用多个多模态大语言模型预测伤口特征并整合生成诊断报告	数据集规模较小（686张图像），可能限制模型泛化能力；研究未提及计算资源消耗及模型在真实临床环境中的验证	解决手术伤口诊断中数据隐私和专家标注成本高的问题，推动开源手术伤口筛查工具发展	手术伤口图像	computer vision	surgical site infection	NA	MLLM（多模态大语言模型）	image	686张手术伤口图像，由3名专业外科医生标注了8个细粒度临床属性	NA	Qwen（WoundQwen基于Qwen架构）	NA	NA
1375	2026-05-25	Integrated deep learning model for multi-label retinal disease diagnosis 2026-May-23, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-54982-3 PMID:42177338	研究论文	提出一种集成深度学习模型用于多标签视网膜疾病诊断，基于MuReD数据集实现19种疾病的自动分类	采用混合卷积结构，结合特征提取双分支与多阶段预处理流水线（对比度增强、亮度校正、降噪、视网膜掩膜），并进行特征融合与优化以实现多标签预测	最高F1-micro为0.5484，表明模型性能仍有提升空间；依赖特定数据集，泛化性需进一步验证	实现多标签视网膜疾病自动诊断，支持计算机辅助筛查和分诊	视网膜眼底图像中的多种共现异常与病变	计算机视觉	视网膜疾病	眼底成像	混合卷积神经网络	图像	2208张眼底图像，来自ARIA、STARE和RFMiD数据集，涵盖19种视网膜疾病标签（排除非诊断类别OTHERS）	NA	混合卷积结构（特征提取双分支）	F1-micro, PR-AUC micro, ROC-AUC micro	NA
1376	2026-05-25	Phenotype discovery and mortality prediction in sepsis-induced myocardial dysfunction: a deep learning and stratified modeling approach 2026-May-23, BMC medical informatics and decision making IF:3.3Q2 DOI:10.1186/s12911-026-03575-1 PMID:42177490	研究论文	利用无监督深度学习识别脓毒症诱导心肌功能障碍（SIMD）的临床表型，并基于表型分层构建最优短期生存预测模型	首次结合自编码器、UMAP和K-means聚类发现SIMD的三个不同预后表型，并通过表型特异性建模显著提升了死亡率预测性能	研究基于MIMIC-III和MIMIC-IV回顾性数据库，可能存在选择偏倚；表型发现未在前瞻性队列中验证	识别SIMD的临床表型并开发基于表型分层的短期生存预测模型	MIMIC-III和MIMIC-IV数据库中脓毒症诱导心肌功能障碍患者	机器学习	脓毒症诱导心肌功能障碍	NA	自编码器、XGBoost	临床数据	来自MIMIC-III和MIMIC-IV的SIMD患者队列（具体数量未提及）	PyTorch	自编码器、UMAP、K-means、XGBoost	AUC、PR-AUC	NA
1377	2026-05-25	Automated measurement of the minimum macular hole diameter based on optical coherence tomography images 2026-May-23, BMC ophthalmology IF:1.7Q3 DOI:10.1186/s12886-026-04931-5 PMID:42177481	研究论文	提出一种基于光学相干断层扫描图像的黄斑裂孔最小直径自动测量方法	设计包含图像预处理、边缘提取和自动测量三子任务的自动化流程，通过黄斑裂孔数据集裁剪和双边轮廓定位算法提升测量准确性与效率	深度学习方法在泛化能力上存在局限，且当前方法在低对比度图像中的表现有待验证	提高黄斑裂孔最小直径测量的自动化程度和准确性，辅助眼科诊断与治疗评估	公共OCT图像中的黄斑裂孔区域	计算机视觉	眼科疾病	光学相干断层扫描	NA	图像	公共数据集中的黄斑裂孔OCT图像	OpenCV	形态学操作与边缘检测算法	平均距离误差, 相对距离误差	NA
1378	2026-05-25	Cerebrospinal fluid volume outperforms traditional measures for predicting treatment failure in infant hydrocephalus 2026-May-23, Fluids and barriers of the CNS IF:5.9Q1 DOI:10.1186/s12987-026-00819-0 PMID:42177495	研究论文	探讨术前脑脊液体积测量在预测婴儿脑积水内镜下第三脑室造瘘术联合脉络丛烧灼术后是否需要分流依赖中的价值	首次证明术前脑脊液体积及其与颅内体积的比值（通过深度学习分割方法测量）优于传统线性测量指标，能独立预测婴儿脑积水ETV/CPC术后的分流依赖风险	NA	评估术前脑脊液体积测量是否独立预测婴儿脑积水ETV/CPC术后分流依赖	2008年至2024年期间接受ETV/CPC作为初始治疗的婴儿脑积水患者	机器学习	婴儿脑积水	MRI	深度学习分割模型	医学影像	188名婴儿（中位手术年龄60天，42.5%为女性）	NA	NA	风险比（HR）、95%置信区间（CI）、p值	NA
1379	2026-05-25	Coformer: a deep learning-based framework for cross-environment and multi-year cotton phenotype prediction and interpretation 2026-May-23, Plant methods IF:4.7Q1 DOI:10.1186/s13007-026-01528-3 PMID:42177568	研究论文	提出Coformer模型，用于跨环境和多年度棉花表型预测与解释	创新性地结合Transformer自注意力编码器与自动解码器，实现高维SNP数据压缩和长距离依赖性捕获；无需显式建模环境因素即可保持跨环境预测鲁棒性；同时提供可解释性，精确定位关键遗传位点	未明确讨论模型在极端环境或非典型数据集上的泛化能力，且可能对低频SNP信号不敏感	提高棉花关键农艺性状预测精度，突破传统模型在高维基因组数据上的过拟合和泛化瓶颈	棉花及其多环境、多年度的表型与SNP标记数据	机器学习	NA	SNP基因分型	Transformer-autoencoder混合模型	基因组数据（SNP标记）与表型数据	未明确样本数量，但提及多环境、多年度数据集	NA	Transformer编码器, 自动解码器, 线性投影层, 归一化模块	预测鲁棒性、可解释性（关键遗传位点定位）	NA
1380	2026-05-25	Denoising Preclinical MRI with Vendor-neutral Deep Learning-based Image Reconstruction 2026-May-22, Journal of neuroscience methods IF:2.7Q3 DOI:10.1016/j.jneumeth.2026.110813 PMID:42176781	研究论文	评估基于深度学习的图像重建方法在小鼠临床前磁共振图像去噪中的效果	首次验证了基于人类临床磁共振图像训练的供应商中立型深度学习重建方法可直接应用于小鼠脑部临床前磁共振图像去噪	未提及	评估供应商中立型深度学习重建方法对临床前小鼠脑部磁共振图像去噪的适用性	FVB小鼠的脑部磁共振图像	计算机视觉	不适用	磁共振成像（MRI）	深度学习模型	图像	6只FVB小鼠	不适用	不适用	信噪比（SNR）、对比噪声比（CNR）、锐度指数	不适用