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
1521	2026-09-16	2DSDNN: A Novel Approach for Alzheimer's Disease Classification 2026, Current medical imaging IF:1.1Q3 DOI:10.2174/0115734056368237251028221129 PMID:42163688	研究论文	该文提出一种颅骨剥离算法和2D序列深度学习神经网络（2DSDNN）模型，用于基于MRI图像的阿尔茨海默病二分类和多分类诊断	提出颅骨剥离算法结合阈值处理和形态学操作进行精确图像分割；设计2D序列深度学习神经网络（2DSDNN）模型；结合高斯滤波和形态学操作提升图像分割质量；在T1和T2加权MRI模态上使用序列深度学习框架，性能优于传统CNN和DNN模型	仅使用ADNI数据集的1,044张MRI扫描图像，样本量有限；未与其他大规模多中心数据集进行验证；未讨论模型的可解释性和泛化能力	利用神经影像技术和机器学习方法实现阿尔茨海默病的早期检测和阶段分类	阿尔茨海默病（AD）、轻度认知障碍（MCI）和认知正常（CN）患者的MRI影像	医学图像分类	阿尔茨海默病	MRI（T1加权和T2加权）、颅骨剥离算法、阈值处理、形态学操作、高斯滤波	深度学习神经网络	图像	1,044张来自ADNI数据集的MRI扫描图像	NA	2D序列深度学习神经网络（2DSDNN）	准确率、灵敏度、特异性、精确率、召回率、F1分数、AUC	NA
1522	2026-09-13	Retinal proteomics in neurodegeneration: Insights into ocular and brain disorders 2026-Oct-01, Neural regeneration research IF:5.9Q1 DOI:10.4103/NRR.NRR-D-25-00291 PMID:41169217	综述	本文综述了视网膜蛋白质组学在神经退行性疾病和眼部疾病中的最新进展，重点讨论了基于质谱的蛋白质组学技术及人工智能驱动的计算流程在发现生物标志物和治疗靶点中的应用。	系统总结了人工智能驱动计算流程（包括GPU加速的深度学习架构）在视网膜蛋白质组学中的应用，强调了这些技术如何克服有限样本量和蛋白质覆盖率等挑战，并提升了大规摸多组学数据中新型蛋白质特征识别的精度和效率。	作为综述文章，未提供原始实验数据；文中提到的技术挑战如有限样本量和蛋白质覆盖率虽被讨论，但未给出具体的解决方案细节。	总结视网膜蛋白质组学在神经退行性疾病和眼部疾病中的最新研究进展，探讨其在发现新型治疗靶点和无创诊断生物标志物方面的潜力。	视网膜蛋白质组、神经退行性疾病（如阿尔茨海默病、肌萎缩侧索硬化、帕金森病）和眼部疾病（如青光眼、年龄相关性黄斑变性、糖尿病视网膜病变、视网膜色素变性）。	数字病理学	肺癌	基于质谱的蛋白质组学	深度学习	蛋白质组学数据、多组学数据	NA	NA	NA	NA	GPU加速
1523	2026-09-13	EFFNet: Efficient feature fusion network for left ventricular hypertrophy identification based on 12-lead electrocardiogram signals 2026-09, Heart rhythm IF:5.6Q1 DOI:10.1016/j.hrthm.2026.02.046 PMID:41791632	研究论文	本文提出了一种新型高效特征融合网络EFFNet，用于基于12导联心电图信号识别左心室肥厚	提出了一种新颖的特征融合模块，将卷积神经网络提取的形态学特征与算法推导的振幅特征及专家混合模块相结合	在外部青海数据集上AUC仅为0.654，泛化性能有限	探索一种有效的深度学习方法，基于12导联心电图信号识别左心室肥厚	12导联心电图信号及左心室肥厚	机器学习	心血管疾病	12导联心电图	CNN	信号	英国生物银行数据集n=38,289，青海数据集n=142,777	NA	EFFNet	AUC	NA
1524	2026-09-13	A unified approach for maintaining MRI reconstruction quality and quantifying both aleatoric and epistemic uncertainty 2026-09, Magnetic resonance imaging IF:2.1Q2 DOI:10.1016/j.mri.2026.110680 PMID:41966495	研究论文	本文研究了基于模型的深度学习（MoDL）在加速MRI重建中贝叶斯不确定性量化的实际设计选择，包括随机层位置、异方差学习以及两阶段训练策略	提出了两阶段训练策略（先冻结重建网络再训练异方差不确定性网络），系统比较了MC dropout和Bayes-by-Backprop在不同随机层放置模式下的表现，并验证了不确定性估计在域偏移下能捕捉域内与分布外趋势	未明确说明具体的数据集和样本量，可能缺乏对更广泛域偏移类型的验证	为基于MoDL的MRI重建中实现有效的贝叶斯不确定性量化提供实现层面的指导	加速MRI重建模型中的贝叶斯不确定性量化方法	计算机视觉	NA	NA	贝叶斯神经网络	图像	NA	NA	MoDL	峰值信噪比	NA
1525	2026-09-13	Deep learning cone-beam computed tomography image segmentation for the 3D visualization of mandibular infraosseous periodontal defects 2026-Sep, Journal of periodontology IF:4.2Q1 DOI:10.1002/jper.70058 PMID:42054008	研究论文	本研究评估了基于深度学习的SegResNet模型在锥形束CT图像上分割下颌骨内牙周缺损并实现三维可视化的性能	首次将多阶段SegResNet深度学习模型应用于下颌骨内牙周缺损的CBCT图像分割与三维重建，并系统比较了其与半自动分割在线性和体积测量上的一致性	研究仅局限于下颌骨缺损，对上颌骨病例的适用性尚未验证	评估深度学习模型在CBCT扫描中分割下颌骨内牙周缺损的性能，以提升牙周诊断的效率和准确性	III至IV期牙周炎患者的CBCT扫描图像及48个骨内牙周缺损	计算机视觉	牙周炎	锥形束计算机断层扫描（CBCT）	CNN	图像	48个骨内牙周缺损（来自III至IV期牙周炎患者的CBCT扫描）	NA	SegResNet	组内相关系数（ICC）	NA
1526	2026-09-13	Automated detection of neonatal pulmonary hypertension in echocardiograms with a deep learning model 2026-Jun, Pediatric research IF:3.1Q1 DOI:10.1038/s41390-025-04404-3 PMID:40993360	研究论文	本文提出了一种深度学习模型，利用标准超声心动图视频自动检测新生儿肺动脉高压，并通过收缩期偏心指数进行验证	利用时空卷积神经网络和梯度加权类激活映射，实现了新生儿肺动脉高压的自动检测，具有高准确性、可解释性和可重复性	样本量有限，仅包括975个训练和验证视频及378个保留视频，且仅针对3-90天婴儿	开发一种自动检测新生儿肺动脉高压的深度学习方法，以提高早期诊断效率和准确性	3-90天婴儿的超声心动图视频	医学图像分析	肺动脉高压	超声心动图	CNN	视频	975个视频用于训练和验证，378个视频用于保留测试	NA	时空卷积神经网络	AUROC	NA
1527	2026-09-13	Improved image quality and reduced acquisition time in brain MRI using deep learning-based reconstruction: A quantitative and subjective assessment compared to standard MPRAGE in 0.55 T MRI 2026-06, Magnetic resonance imaging IF:2.1Q2 DOI:10.1016/j.mri.2026.110656 PMID:41794343	研究论文	本研究评估了基于深度学习的图像重建在0.55T脑部MRI中对定量和主观图像质量的影响，通过比较DL重建的MPRAGE与标准MPRAGE	使用变分网络架构的DL重建显著提高了低场脑MRI的图像质量并缩短了采集时间，提供了临床证据	标准重建在伪影抑制和灰白质对比度方面略好	评估DL重建对0.55T脑MRI定量和主观图像质量的影响	30名患者	医学图像处理	脑部疾病	MRI	变分网络	图像	30名患者	NA	变分网络	信噪比, 对比噪声比, 主观评分	NA
1528	2026-09-13	Dataset of RGB images of healthy grapevine leaves and with downy mildew, powdery mildew, Esca complex, and erineum mite symptoms 2026-Jun, Data in brief IF:1.0Q3 DOI:10.1016/j.dib.2026.112743 PMID:42023017	数据集论文	该数据集包含健康葡萄叶及患有霜霉病、白粉病、埃斯卡综合症和瘿螨症状的葡萄叶的高分辨率RGB图像，用于植物病理学、精准葡萄栽培和计算机视觉研究	提供了一个包含健康叶片和四种不同病害症状的高分辨率RGB图像数据集，覆盖三个葡萄牙葡萄品种，并在三种深度学习架构上验证了数据集对五类分类的适用性	未提及	支持植物病理学、精准葡萄栽培和计算机视觉研究，用于病害检测/分类、品种识别和精准农业应用	葡萄叶（健康及患有霜霉病、白粉病、埃斯卡综合症和瘿螨症状）	计算机视觉	植物病害	RGB成像	CNN	图像	未提及	NA	未提及具体架构，仅提及三种深度学习架构	未提及	未提及
1529	2026-09-13	LCPBert: ProtBERT-based early-stage lung cancer prediction from T cell receptor beta sequences 2026-May-15, iScience IF:4.6Q1 DOI:10.1016/j.isci.2026.115581 PMID:42023149	研究论文	该文章开发了LCPBert，一个基于ProtBERT的深度学习框架，利用外周血T细胞受体β序列进行早期肺癌检测	创新点包括：首次将ProtBERT应用于TCRβ序列分析；提出了肺癌风险指数（LCRI）用于肺癌风险分层；证明了LCRI在纵向队列中预测远处转移的潜力；LCRI独立于年龄、性别和TCR多样性	摘要中未明确提及研究局限性	开发一种准确、非侵入性的早期肺癌检测方法	肺癌患者、健康供体、良性肺结节患者的外周血T细胞受体β序列	机器学习, 数字病理学	肺癌	TCRβ测序	ProtBERT	序列	外部验证队列包括健康供体、良性肺结节患者和肺癌患者，具体样本量未提供；纵向队列样本量未提供	NA	ProtBERT	AUC, 敏感性, 特异性	NA
1530	2026-09-13	CvTFuse: An unsupervised medical image fusion method of gliomas T1-DWI mode 2026-05, Magnetic resonance imaging IF:2.1Q2 DOI:10.1016/j.mri.2026.110618 PMID:41547498	研究论文	提出了一种结合CNN和Vision Transformer的无监督双分支医学图像融合网络CvTFuse，用于融合胶质瘤的T1和DWI两种MRI模态图像	提出了双分支编码器结构，分别使用CNN模块提取局部特征和Transformer模块提取全局特征；设计了全局上下文聚合模块（GCAM）聚合Transformer分支的多尺度特征；融合层采用能量感知和梯度增强的融合策略以保留源图像细节	未明确提及局限性	准确有效地融合不同MRI模态图像，精确定位病灶区域，为分析病变性质提供丰富信息	胶质瘤患者的MRI T1和DWI模态图像	计算机视觉	脑胶质瘤	MRI多模态图像融合	CNN, Transformer	图像	NA	NA	CNN, Vision Transformer	平均梯度, 信息熵, 互信息, 视觉显著性	NA
1531	2026-09-13	Pediatric coronary MR angiography with a two-minute scan using de-aliasing regularization based compressed sensing 2026-05, Magnetic resonance imaging IF:2.1Q2 DOI:10.1016/j.mri.2026.110627 PMID:41638264	研究论文	本研究旨在评估基于去混叠正则化压缩感知（DARCS）加速的儿科冠状动脉磁共振血管成像（CMRA），以减少扫描时间并检测冠状动脉瘤（CAAs）	首次在儿科人群中探索DARCS加速CMRA的临床可行性，实现了两分钟扫描并保持CAAs诊断准确性	样本量有限（123例儿科患者），且为单中心研究，需要更大规模的多中心验证	减少扫描时间并评估DARCS加速CMRA在儿科冠状动脉成像中的图像质量和诊断性能，重点关注CAAs检测	儿科患者	医学影像	心血管疾病	冠状动脉磁共振血管成像（CMRA）	深度学习	图像	123例儿科患者（96例回顾性，27例前瞻性）	NA	NA	峰值信噪比（PSNR）, 结构相似性指数（SSIM）, 血管长度, 锐度, 视觉评分, 灵敏度, 特异度	NA
1532	2026-09-13	ArchesWeatherGen: Skillful and compute-efficient probabilistic weather forecasting with machine learning 2026-Apr-24, Science advances IF:11.7Q1 DOI:10.1126/sciadv.adx2372 PMID:42018632	研究论文	本文提出了一种基于流匹配的概率天气预测模型ArchesWeatherGen，通过将确定性天气预测投影到ERA5天气状态分布，实现高效且熟练的概率天气预报	利用确定性天气模型辅助设计概率天气模型，基于流匹配（扩散模型的一种现代变体）训练，将确定性预测转化为概率分布，提升性能并降低计算成本	摘要中未明确提及	改进概率天气预报的性能并降低计算成本，同时促进生成式机器学习模型在天气预报研究中的普及	ERA5再分析数据、确定性天气预测模型和概率天气预测	机器学习	NA	NA	流匹配（扩散模型变体）	NA	NA	NA	ArchesWeatherGen	NA	NA
1533	2026-09-13	Artificial intelligence-based prediction of fetal hypoxia: a multicenter model development and nationwide AI-human comparison 2026-03-21, BMC medicine IF:7.0Q1 DOI:10.1186/s12916-026-04794-z PMID:41864912	研究论文	该研究开发了基于人工智能的模型，用于从胎心监护图中预测胎儿缺氧，并进行了多中心模型开发及全国范围的AI与人类专家对比	开发了名为CAP的深度学习模型，在预测胎儿缺氧方面优于人类专家，并通过Grad-CAM和扰动测试验证了模型的可解释性	未明确提及	开发并验证人工智能模型，以从胎心监护图中预测胎儿缺氧，并评估其相对于人类专家的性能和可解释性	胎儿缺氧	机器学习	胎儿缺氧	胎心监护	CNN, Transformer, LSTM, CfC	胎心监护图	20,780条胎心监护图用于模型开发，467例用于全国AI-人类对比，10,571份专家响应	NA	CNN, Transformer, LSTM, CfC	AUROC	NA
1534	2026-09-13	Hybrid tuned deep learning model for breast cancer diagnosis using genetic data 2026-Mar-21, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-41643-8 PMID:41865006	研究论文	本研究开发了一种混合深度学习模型，结合随机森林和关联规则挖掘进行特征选择，使用CNN和BiLSTM进行乳腺癌诊断和预后预测。	采用多阶段特征选择过程，结合随机森林排名和关联规则挖掘发现重要生物标志物；使用混合深度学习模型CNN和BiLSTM，并通过贝叶斯方法优化；引入SMOTE和高斯噪声增强提高模型鲁棒性。	未明确提及	通过开发和应用的稳健混合计算预测方法，在多个全基因组研究中进行测试，提供乳腺癌预测能力。	乳腺癌患者	机器学习	乳腺癌	全基因组研究	CNN, BiLSTM	基因组数据, 临床数据	TCGA和METABRIC数据集（具体样本量未明确，TCGA有17,814个基因，METABRIC有503个临床/基因组特征）	未明确提及	CNN, BiLSTM	准确率, AUC, 召回率	未明确提及
1535	2026-09-13	DeepDegradome: A structure-aware deep learning framework for PROTAC and ligand generation against protein targets 2026-Mar-17, Proceedings of the National Academy of Sciences of the United States of America IF:9.4Q1 DOI:10.1073/pnas.2518248123 PMID:41818153	研究论文	本文提出DeepDegradome，一种结构感知的深度学习框架，用于自动化设计小分子配体和PROTAC分子，并在WDR5和CDK9两个蛋白靶点上进行实验验证	首次实现从零开始同时自动化设计配体和PROTAC，不依赖预定义的弹头或E3连接酶配体；采用基于大片段库的片段组装策略，结合自研iFitDock对接方法，基于靶蛋白口袋的形状和理化特征构建配体，进而构建PROTAC，突破了传统方法仅修饰固定配体间连接子的局限	摘要中未明确提及研究的局限性	解决PROTAC设计中缺乏明确结合位点的蛋白难以设计有效降解剂的挑战，实现结构感知的配体和PROTAC自动化生成	WDR5蛋白和CDK9蛋白	药物发现	癌症	深度学习分子生成、分子对接（iFitDock）、X射线晶体学	深度学习生成模型	分子结构数据（蛋白质结构、化合物结构）	NA	NA	NA	预测结合亲和力、分子有效性、类药性、X射线晶体学验证的结合构象一致性	NA
1536	2026-09-13	Automated Classification of Mitral and Tricuspid Regurgitation With Explainability and Real-World Practice Experience 2026-03-17, Journal of the American Heart Association IF:5.0Q1 DOI:10.1161/JAHA.125.045851 PMID:41804879	研究论文	该研究开发了一个可解释的、考虑血流的端到端深度学习流水线，用于从常规超声心动图DICOM文件中自动选择相关视图，评估瓣膜形态，并结合收缩期相位信息对二尖瓣反流和三尖瓣反流进行联合分级。	提出了一个可解释且具有生理约束的统一人工智能框架，能够自动选择视图、通过瓣叶姿态估计进行瓣膜形态评估、结合收缩期相位感知进行多普勒解读，并联合分级二尖瓣和三尖瓣反流；模型在多个外部机构验证，并保持较强的排除诊断能力。	在房颤或左心室射血分数降低的患者中性能有所下降；外部验证中曲线下面积略低，尤其是在重度反流方面。	开发并验证一个可解释、统一的人工智能框架，用于在真实临床工作流程中自动筛查和分级二尖瓣反流与三尖瓣反流。	接受常规经胸超声心动图检查的患者，包括来自三级中心的门诊研究以及来自另外两个独立机构的外部验证队列。	医学图像分析，数字病理学（心血管影像）	心血管疾病（瓣膜性心脏病，二尖瓣反流和三尖瓣反流）	深度学习，超声心动图，DICOM文件处理，多普勒解读	深度学习（CNN）	图像（超声心动图DICOM文件）	训练和内部测试使用来自三级中心的5086例门诊研究，并在来自另外两个机构的独立队列中进行外部验证。	NA	NA	接收者操作特征曲线下面积，灵敏度，特异度，阳性预测值，阴性预测值	NA
1537	2026-09-13	Improving multi-variable weather forecasting with spatiotemporal feature interaction and large-kernel modeling 2026-Mar-12, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-42553-5 PMID:41813744	研究论文	该论文提出了一种新颖的多变量耦合天气预报模型，结合分支交叉注意力融合策略和大核卷积，以提高多变量天气预报的准确性	引入了分支交叉注意力融合策略以增强特征整合，设计了新的大核卷积模块替代循环网络中的传统卷积，并开发了基于NLK-LSTM单元的NLKRNN时空预测网络	实验仅在自定义的气象数据集上进行，未在大规模标准数据集或实际业务系统中验证	改进多变量天气预报，通过捕捉非线性交互和时空动态来提升预测性能	气象数据，包括温度、露点和U/V风分量	机器学习	NA	NA	LSTM	时间序列	NA	NA	NLK-LSTM	NA	NA
1538	2026-09-13	Mitochondrial apoptosis gene-based pathomics for ovarian cancer prognosis 2026-Mar-12, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-40121-5 PMID:41820464	研究论文	该研究开发并验证了一种基于线粒体凋亡相关基因和数字病理特征的迁移学习模型（MAR-PTL），用于卵巢癌预后预测	将线粒体凋亡基因表达与H&E切片深度学习特征相结合，构建迁移学习框架，并发现BCL2L2为核心预后基因及其与特定ResNet特征的相关性	未明确提及	开发并验证卵巢癌预后预测模型，探索线粒体凋亡与病理特征的相互作用机制	卵巢癌患者	数字病理学	卵巢癌	H&E染色、转录组测序、单细胞RNA测序	迁移学习、ResNet50	病理图像、转录组数据、单细胞RNA测序数据	未明确提及	NA	ResNet50	C-index	NA
1539	2026-09-13	A meta learning and task adaptive approach for drug target affinity prediction 2026-Mar-10, Nature communications IF:14.7Q1 DOI:10.1038/s41467-026-70554-5 PMID:41807414	研究论文	本文提出了AdaMBind，一种基于元学习框架和自适应任务模块的DTA预测模型，用于低数据场景下的药物-靶点亲和力预测	采用动态的“从易到难”任务调度机制，增强训练效率和鲁棒性；结合元学习与自适应任务模块，针对低数据场景设计	未明确提及	实现准确且鲁棒的药物-靶点亲和力预测，特别是在训练数据有限和泛化能力差的情况下	药物-靶点亲和力预测，涉及未见靶点的亲和力预测、虚拟筛选以及针对急性髓系白血病FLT3的抑制剂发现	机器学习	急性髓系白血病	NA	元学习	NA	NA	NA	NA	NA	NA
1540	2026-09-13	A multimodal retinal image dataset for diabetic retinopathy detection using foundation models 2026-Mar-10, Scientific data IF:5.8Q1 DOI:10.1038/s41597-026-07005-9 PMID:41807442	研究论文	该论文介绍了一个用于糖尿病视网膜病变检测的多模态视网膜图像数据集，并使用基础模型进行了基准测试	构建了一个大规模多模态视网膜图像数据集，包含彩色眼底摄影、光学相干断层扫描和超广角眼底成像三种模态，并提供详细的病变级注释和糖尿病视网膜病变及糖尿病黄斑水肿的严重程度分级；首次在该数据集上对多种眼底基础模型和大型视觉语言模型进行基准测试	摘要中未明确提及局限性	解决现有公共视网膜图像数据集规模有限、注释不够精细的问题，为人工智能驱动的糖尿病视网膜病变诊断提供可靠的评估基准	糖尿病视网膜病变和糖尿病黄斑水肿的视网膜图像	医学图像分析	糖尿病视网膜病变, 糖尿病黄斑水肿	彩色眼底摄影, 光学相干断层扫描, 超广角眼底成像	基础模型, 大型视觉语言模型	图像	NA	NA	NA	NA	NA