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
161	2026-06-07	A DNABERT based deep learning framework for predicting transcription factor binding sites 2026-Feb-03, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-37483-1 PMID:41634097	研究论文	提出一个基于DNABERT的深度学习框架用于预测转录因子结合位点	结合预训练DNABERT、CNN模块、改进的卷积块注意力模块和多尺度卷积注意力模块，实现了对DNA序列长程依赖和高级局部特征的有效提取	未提及	提高转录因子结合位点预测的准确性	DNA序列	机器学习	NA	ChIP-seq	CNN, DNABERT, MCBAM, MSCA	序列数据	165个ENCODE ChIP-seq数据集	PyTorch	DNABERT, CNN, MCBAM, MSCA	准确性、精度、召回率、F1分数、AUC	NA
162	2026-06-07	TEERAI-Pre: A Multiview Artificial Intelligence Model for Preoperative Assessment of Transcatheter Edge-to-Edge Mitral Valve Repair Using Multiview, Multimodal Echocardiography 2026-Feb-03, Journal of the American Heart Association IF:5.0Q1 DOI:10.1161/JAHA.125.044333 PMID:41614293	研究论文	提出一种基于多视图、多模态超声心动图的深度学习模型TEERAI-pre，用于经导管缘对缘二尖瓣修复术的术前评估	首次开发基于视频视觉变换器的端到端深度学习模型，通过多视图、多模态超声心动图特征级融合实现术前形态学适合性预测	外部验证集规模相对较小（150例患者），且未提及模型在不同超声设备或操作者间的泛化能力评估	开发用于经导管缘对缘二尖瓣修复术术前人工智能评估的深度学习模型，提升患者选择的准确性和临床工作流程效率	经导管缘对缘二尖瓣修复术候选患者的术前超声心动图数据	计算机视觉	二尖瓣反流	超声心动图	视频视觉变换器	超声心动图视频及脉冲波多普勒图像	内部数据集633例患者（7997个经胸超声心动图视频及766个脉冲波多普勒图像）；外部数据集150例患者（1735个视频及169个图像）	PyTorch	视频视觉变换器, 基于变换器的特征级融合模块	准确率, 精确率, 召回率, F1分数	NA
163	2026-06-07	AI-based multiomics profiling reveals complementary omics contributions to personalized prediction of cardiovascular disease 2026-Feb-02, Nature communications IF:14.7Q1 DOI:10.1038/s41467-026-68956-6 PMID:41629312	研究论文	提出基于多组学数据的人工智能框架CardiOmicScore，用于心血管疾病的个性化风险预测	首次提出多任务深度学习框架CardiOmicScore，整合蛋白质组和代谢组学特征，学习疾病特异性的ProScore和MetScore风险评分，并证明其结合临床数据可提前15年显著提升心血管疾病风险预测能力	外部验证尚未完成，识别出的蛋白质和代谢物需要进一步验证以开发新型生物标志物和靶向疗法	利用多组学分析提升心血管疾病的早期个性化风险评估	六种最常见的心血管疾病	机器学习	心血管疾病	蛋白质组学、代谢组学、多组学分析	多任务深度学习	蛋白质组数据、代谢组数据、临床数据	UK Biobank数据库中的2920种蛋白质和168种代谢物的样本数据	NA	多任务深度学习框架	C指数	NA
164	2026-06-07	Mitigating Disparities in Prostate Cancer Survival Prediction Through Fairness-Aware Machine Learning Models 2026-Feb, Cancer medicine IF:2.9Q2 DOI:10.1002/cam4.71544 PMID:41589030	研究论文	对比两种公平性感知的深度学习生存模型，以减轻前列腺癌根治术后生存预测中的种族差异	将公平性感知方法扩展到生存分析领域，并首次在大型前列腺癌数据集中对比两种公平性深度Cox模型（Fair DCPH和GroupDRO DCPH）	未具体说明局限性	评估公平性感知的深度学习模型在减少前列腺癌生存预测中的种族差异方面的效果	前列腺癌患者（基于种族分组：白人、黑人、西班牙裔、亚裔等）	机器学习	前列腺癌	NA	深度Cox比例风险模型（Deep Cox Proportional Hazards Model）	表格数据（来自国家癌症数据库的临床记录）	418,968名患者（其中白人78.5%，黑人13.2%，西班牙裔4.5%，亚裔1.9%，其他2.0%）	NA	Fair DCPH, GroupDRO DCPH, 标准深度Cox模型	C指数（concordance index），包括组间和组内C指数	NA
165	2026-06-07	Image reconstruction and elongation artifact reduction for a dual-panel dedicated prostate PET scanner 2026-Feb, Medical physics IF:3.2Q1 DOI:10.1002/mp.70298 PMID:41589400	研究论文	针对双面板专用前列腺PET扫描仪，研究并比较多种图像重建策略以减少伸长伪影并提升图像质量	首次将Swin-UNETR深度学习模型应用于双面板专用前列腺PET的图像后处理增强，并系统比较了经典MLEM、PSF建模、混合列表模式重建及深度学习方法在有限角度系统上的效果	未提及深度学习模型的泛化性验证或在不同扫描仪上的迁移能力，且仅在仿真和体模实验中评估，缺乏临床患者数据验证	优化双面板专用前列腺PET扫描仪（ProVision）的图像重建方法，减少有限角度采集导致的伸长伪影并提高对比度噪声比	双面板专用前列腺PET扫描仪（ProVision）及其采集的图像数据	计算机视觉	前列腺癌	PET	深度学习后处理增强模型（Swin-UNETR）	图像	使用缩放NEMA体模和真实尺寸人体骨盆体模（Adam-PETer）进行实验	PyTorch	Swin-UNETR	对比度恢复系数(CRC)、对比度噪声比(CNR)、对比度噪声一致性(CNC)	NA
166	2026-06-07	CLinNET: An Interpretable and Uncertainty-Aware Deep Learning Framework for Multi-Modal Clinical Genomics 2026-Feb, Advanced science (Weinheim, Baden-Wurttemberg, Germany) DOI:10.1002/advs.202512842 PMID:41604548	研究论文	提出一种名为CLinNET的多模态深度神经网络框架，用于整合基因组数据以增强基因筛选和意义不确定变异解读，并提升可解释性与不确定性建模	提出双分支设计整合测序数据、基因表达、生物通路和基因本体，结合生物学先验知识构建稀疏网络，并引入置信度不确定性量化与分层SHAP可解释性方法	未明确讨论模型泛化性到其他疾病领域的限制，也未说明不确定性过滤对低置信度预测的具体影响	开发一种可解释且不确定性感知的深度学习框架，用于神经认知障碍相关基因的精准筛选与意义不确定变异解读	神经认知障碍相关基因及意义不确定变异	机器学, 数字病理学	神经认知障碍	测序技术, 基因表达分析, 生物通路分析, 基因本体分析	深度神经网络	基因序列数据, 基因表达数据, 生物通路数据, 基因本体注释数据	神经认知障碍数据集（未说明具体样本量），前列腺癌数据集用于验证	PyTorch	双分支深度神经网络，含自信度不确定性模块及SHAP解释模块	F1分数, 准确率, 精确率-召回率曲线下面积	NA
167	2026-06-07	Deep learning-based lung volume estimation with dynamic chest radiography 2026-Feb, Journal of applied clinical medical physics IF:2.0Q3 DOI:10.1002/acm2.70487 PMID:41611260	研究论文	基于深度学习的动态胸部X线摄影肺容量估计方法研究，并与传统方法对比评估其准确性	首次将深度学习应用于动态胸部X线摄影图像进行肺容量估计，且性能优于传统线性回归方法	基于动态胸部X线摄影的用力肺活量估计误差较大，模型架构和呼吸引导技术有待改进	评估基于深度学习的动态胸部X线摄影肺容量估计方法的准确性	257名患者的动态胸部X线摄影图像和对应的CT参考肺容量	计算机视觉	肺疾病	动态胸部X线摄影	卷积神经网络	图像	257名患者的动态胸部X线摄影图像数据集	NA	VGG19, DenseNet121	平均绝对误差, 平均绝对百分比误差, 皮尔逊相关系数, 调整决定系数	NA
168	2026-06-07	Classification of lung nodules in CT images based upon a multiplane dense inception network 2026-Feb, Medical physics IF:3.2Q1 DOI:10.1002/mp.70316 PMID:41619284	研究论文	提出一种基于多平面密集初始网络的计算机辅助诊断系统，用于根据CT图像预测肺结节的恶性可能性	将手工纹理特征图与强度CT图像结合作为网络输入，并采用多平面密集初始网络（MPDINet）同时利用DenseNet进行特征压缩和GoogLeNet进行特征提取，通过三个平行分支（轴向、冠状面和矢状面）包括结节周围区来增强结节特征描述，同时保持计算效率	未在标题和摘要中明确说明	开发一种基于深度学习的计算机辅助诊断系统，用于肺结节恶性可能性预测，以提高肺癌早期检测效果	CT图像中的肺结节	计算机视觉	肺癌	CT成像	深度神经网络	图像	1235个结节（802个良性，433个恶性）	NA	MPDINet, DenseNet, GoogLeNet	AUC, 敏感性, 特异性, 精确率	NA
169	2026-06-07	Selection of the best artificial intelligence techniques for analysis of gastrointestinal endoscopic images 2026-Feb, Arab journal of gastroenterology : the official publication of the Pan-Arab Association of Gastroenterology IF:1.1Q4 DOI:10.1016/j.ajg.2025.09.021 PMID:41620373	研究论文	通过模糊AHP-TOPSIS方法，系统识别和优先选择用于分析胃肠内镜图像的最佳人工智能技术	首次使用模糊AHP-TOPSIS多准则决策方法，对胃肠内镜图像分析中的人工智能技术进行综合排序和选择	依赖系统的文献搜索和专家判断，可能遗漏未公开发表的技术，且选择标准权重存在一定主观性	筛选并优先推荐用于胃肠内镜图像分析的最佳人工智能技术	从数据库中识别出的70种人工智能技术	计算机视觉	胃肠疾病	NA	深度神经网络（DNN）、卷积神经网络（CNN）、ResNet18	图像	通过系统检索识别70项已发表研究中的人工智能技术，未提供具体样本数量	NA	ResNet18, CIECAM, CAD系统, PD-CNN-PCC-EELM, DNN-CAD	效度、准确性、全面性、处理时间、成本、简单性、执行能力（作为选择标准）	NA
170	2026-06-07	Assessing the effect of bovine MSTN variants on pre-mRNA splicing 2026-Feb, Animal genetics IF:1.8Q3 DOI:10.1002/age.70073 PMID:41614706	研究论文	评估牛MSTN基因变异对pre-mRNA剪接的影响，并验证深度学习预测工具的有效性	首次建立全长基因检测法（FLGA）用于功能评估牛MSTN剪接变异，并验证SpliceAI和Pangolin两种深度学习剪接预测工具的性能	仅测试了五种错义变异，未评估其他类型变异；FLGA系统可能未覆盖所有剪接调控机制	评估牛MSTN基因错义变异对pre-mRNA剪接的功能影响，并验证深度学习预测工具的准确性	牛MSTN基因的五种错义变异和一个深度内含子剪接变异（阳性对照）	机器学习	牛肉用性状（双肌性状）	全长基因检测法（FLGA）、深度学习剪接预测	SpliceAI、Pangolin（深度学习模型）	DNA序列数据	6个MSTN基因变异	NA	SpliceAI、Pangolin	预测与FLGA实验结果的 concordance（一致性）	NA
171	2026-06-07	MRI-based deep learning model predicts recurrent nasopharyngeal carcinoma in post-radiation nasopharyngeal necrosis 2026-Feb, Computerized medical imaging and graphics : the official journal of the Computerized Medical Imaging Society IF:5.4Q1 DOI:10.1016/j.compmedimag.2026.102711 PMID:41621202	研究论文	基于MRI的深度学习模型预测放疗后鼻咽坏死中的复发性鼻咽癌	首次研究识别放疗后鼻咽坏死患者中的复发性鼻咽癌，并开发基于深度学习的预测模型	未明确说明	开发基于常规MRI的深度学习模型，区分癌浸润性PRNN和无癌PRNN	放疗后鼻咽坏死患者	计算机视觉	鼻咽癌	MRI	深度学习模型	图像	437名PRNN患者的MRI数据	NA	Video Swin Transformer, 多层感知器	AUC, 准确率, 敏感性, 特异性	NA
172	2026-06-07	3D CSFA-UNet: a unified attention-driven deep learning framework for accurate knee MRI segmentation and osteoarthritis severity classification 2026-Feb-01, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-37847-7 PMID:41622323	研究论文	提出一种统一的深度学习框架，用于3D膝关节MRI的联合分割与骨关节炎分级分类	提出了3D CSFA-UNet注意力驱动网络，集成多尺度空洞空间金字塔池化、基于元启发式的特征选择模块和尖峰Transformer分类器，实现高效联合分割与分类	计算成本可能较高，且仅在单一公开数据集OAI上验证，泛化性有待进一步验证	提高膝关节MRI分割和骨关节炎严重程度分类的诊断精度、可解释性和效率	3D膝关节MRI图像	计算机视觉	骨关节炎	MRI	CNN与Transformer混合模型	3D医学图像	OAI公开数据集（具体样本数未提及）	PyTorch	3D CSFA-UNet, 尖峰Transformer, ASPP模块	Dice相似系数, 交并比, 平均表面距离, 95%豪斯多夫距离, 准确率, 精确率, 召回率, F1分数	NA
173	2026-06-07	Fuzzy rough set loss for deep learning-based precise medical image segmentation 2026-Feb, Computerized medical imaging and graphics : the official journal of the Computerized Medical Imaging Society IF:5.4Q1 DOI:10.1016/j.compmedimag.2026.102716 PMID:41581251	研究论文	提出一种基于模糊粗糙集的新型损失函数，用于提升医学图像分割的精度	将像素的模糊相似关系与边界不确定性模型通过凸组合方法集成，构建模糊粗糙集损失函数，增强边界敏感性和处理预测不确定性的能力	该方法对中等等级的类别不平衡表现鲁棒性，但未明确讨论对极端不平衡的处理能力	实现精确的医学图像分割，特别是在模糊边界、类别不平衡和复杂解剖结构场景下提升分割性能	五种不同医学影像数据集（乳腺超声、胃肠道息肉、脑磁共振成像、胸部计算机断层扫描和皮肤病变）中的图像	数字病理学	乳腺癌、胃肠道息肉、脑部疾病、肺部疾病、皮肤病	NA	CNN（基于深度学习的分割模型）	图像	五种数据集，具体样本数未提及	PyTorch	NA（损失函数适用于多种分割架构，如U-Net等）	Dice系数、统计学显著性p值	平均推理时间0.075-0.12秒/图像，内存4.5 MB，未指定GPU类型
174	2026-06-07	Monitoring the lateral ventricles in the presence of intracranial hemorrhage using automated dual segmentation 2026-Feb, Medical physics IF:3.2Q1 DOI:10.1002/mp.70308 PMID:41615056	研究论文	开发一种全自动双分割方法，同时量化颅内出血和侧脑室体积，用于监测脑外伤患者的病情变化	首次提出全自动同时分割颅内出血和侧脑室的方法，并验证其在轻度、中度至重度脑外伤及脑室内出血患者中的可行性	在轻度脑外伤患者中有6例假阳性结果，且未涉及CT图像以外的其他影像模态	开发并评估全自动同时分割颅内出血和侧脑室体积的深度学习方法，以辅助脑外伤管理	脑外伤患者（包括轻度、中度至重度）及脑室内出血患者的非增强CT图像	计算机视觉	脑外伤、颅内出血	CT成像	深度学习模型（3D nnU-Net）	医学图像（CT）	154张用于训练；591例轻度脑外伤、91例中度至重度脑外伤（含基线和随访）、5例脑室内出血患者（含重复CT）	NA	3D nnU-Net	Dice系数、Hausdorff距离	NA
175	2026-06-07	Slice-prompted HR-CTV interactive segmentation for cervical cancer brachytherapy: A multi-center study 2026-Feb, Medical physics IF:3.2Q1 DOI:10.1002/mp.70305 PMID:41615195	研究论文	提出一种切片提示的交互式分割方法SPSeg，用于宫颈癌近距离放疗中高危临床靶体积的勾画，并在多中心验证其有效性	首次将临床医生的稀疏提示（关键切片手动勾画）编码进入3D U-Net架构，实现全容积引导分割，并设计单编码器（SPSeg-Mono）和双编码器（SPSeg-Dual）两种变体	未在非CT模态或更复杂病例中验证；提示切片的选择依赖临床医生，可能引入主观偏差	开发一种结合深度学习与临床经验的交互式分割框架，提高HR-CTV勾画的效率和精度	宫颈癌近距离放疗中CT引导下的高危临床靶体积（HR-CTV）	计算机视觉，医疗影像分析	宫颈癌	CT成像，交互式分割	3D U-Net	CT图像	训练集：640次扫描（160例患者）；验证集：160次扫描（40例）；外部测试集：400次扫描（100例）、115次扫描（40例）、150次扫描（30例）	PyTorch	3D U-Net (SPSeg-Mono 单编码器， SPSeg-Dual 双编码器)	Dice相似系数（DSC）， 95% Hausdorff距离（HD95）， 5点Likert量表，时间效率，观察者间一致性	NA
176	2026-06-06	AI-Guided Design and Predictive Modeling of Synthetic Escherichia coli Promoters through Comprehensive -10/-35 Box Engineering 2026-Feb-20, ACS synthetic biology IF:3.7Q1 DOI:10.1021/acssynbio.5c00765 PMID:41589500	研究论文	通过系统性改造-10/-35框，结合AI预测与生成模型，实现大肠杆菌合成启动子的精准设计与转录强度调控	首次建立-10/-35框序列与转录活性的深度学习双向框架，整合CNN预测模型与平衡生成对抗网络实现特定强度启动子的定制化设计	未明确指出潜在不足，推测包括文库覆盖度有限、模型对异常序列的泛化能力待验证	解析-10/-35框序列组成与转录输出的定量关系，开发理性设计合成启动子的AI平台	大肠杆菌合成启动子文库中-10/-35框序列	机器学习	NA	荧光激活细胞分选测序	卷积神经网络, 平衡生成对抗网络	序列数据	20,799个不同启动子序列	NA	卷积神经网络, 梯度惩罚生成对抗网络	皮尔逊相关系数	NA
177	2026-06-06	PTET-DDI: Dual-Channel Drug-Drug Interaction Prediction with a Pre-Trained Language Model and Equivariant Graph Transformer 2026-Feb-20, ACS synthetic biology IF:3.7Q1 DOI:10.1021/acssynbio.5c00722 PMID:41563056	研究论文	提出一种双通道框架PTET-DDI，结合化学语义与几何结构信息预测药物相互作用	首次将预训练分子语言模型（ChemBERTa）与改进的完全等变图Transformer相结合，同时捕获一维序列语义、二维图结构及三维分子构象信息，并实现可解释性	未明确提及局限性	准确预测药物相互作用以提升联合治疗的安全性和有效性	药物相互作用预测任务	机器学习	NA	NA	双通道框架	化学分子数据	三个基准数据集，采用5折交叉验证	PyTorch	ChemBERTa, 完全等变图Transformer	NA	NA
178	2026-06-06	Multi-task non-contact ballistocardiogram-based vital signs monitoring in acupuncture 2026-Feb-15, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2026.111461 PMID:41548353	研究论文	提出一种结合多通道心冲击图信号与多任务学习的非接触式生命体征监测方法，用于针刺治疗中的心率、呼吸率估计和卧姿检测	首次将多任务深度学习应用于针刺场景下的生命体征监测，采用PVDF薄膜传感器和GRU+多头自注意力机制实现高效的非接触式监测	实验仅涉及25名参与者，样本量有限；且传感器仅置于患者背部下方，可能对不同体型或睡姿的泛化性有限	实现针刺治疗中非接触式生命体征的准确监测，包括心率、呼吸率估计和卧姿分类	针刺治疗中的患者生命体征（心率、呼吸率）和卧姿	机器学习	NA	多通道心冲击图	GRU与多头自注意力机制	心冲击图信号	25名参与者	NA	GRU、多头自注意力	准确率、平均绝对误差	NA
179	2026-06-06	Towards contrast- and pathology-agnostic clinical fetal brain MRI segmentation using SynthSeg 2026-Feb-15, NeuroImage IF:4.7Q1 DOI:10.1016/j.neuroimage.2026.121729 PMID:41548822	研究论文	本研究提出一种数据驱动的训练时采样策略，结合SynthSeg框架的域随机化技术，用于提高胎儿脑MRI分割网络对病理和对比度变化的泛化能力	提出一种新颖的数据驱动训练时采样策略，能充分利用训练数据集的多样性来增强网络的域泛化能力，并整合到SynthSeg框架中	在重度解剖异常的测试对象上分割质量显著提升，但在异常较少的案例中性能略有下降	训练能够自动分割胎儿脑MRI的网络，使其能应对生理结构差异和采集环境差异带来的域偏移，特别是病理情况下常见的形状差异	胎儿脑MRI图像，包括不同生理结构和病理情况的样本	计算机视觉	神经发育疾病	MRI	CNN	图像	NA	NA	SynthSeg	分割质量（p值）	NA
180	2026-06-06	Neural-linguistic analysis for Alzheimer's detection: A deep learning approach informed by cognitive neuroscience 2026-Feb-15, NeuroImage IF:4.7Q1 DOI:10.1016/j.neuroimage.2026.121739 PMID:41570955	研究论文	提出一种受认知神经科学启发的深度学习框架COASTAL，通过神经语言学分析进行阿尔茨海默病检测	首次将认知神经科学中的层级语音处理通路模型（如额颞语言网络）与深度学习结合，通过专门转换模块将声学模式转为离散符号，并保留细粒度时间特征以提升诊断准确性	未讨论模型在更大规模或多样化人群中的泛化能力，也未明确提及计算资源需求	开发一种非侵入性、低成本的阿尔茨海默病早期检测方法	阿尔茨海默病患者的语音信号	机器学习	阿尔茨海默病	语音信号处理	深度学习模型	语音	ADReSSo语料库（未明确具体样本数量）	PyTorch	COASTAL	准确率	未明确说明