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
201	2026-06-13	Evaluation of a Community-Based AI-Assisted Visual Impairment Screening Model for Performance, Operational Efficiency, Acceptability, Feasibility, and Costs: Protocol for a 2-Arm Pragmatic Randomized Controlled Trial 2026-Mar-02, JMIR research protocols IF:1.4Q3 DOI:10.2196/74164 PMID:41773693	研究论文	评估基于社区的人工智能辅助视力障碍筛查模型在性能、运营效率、可接受性、可行性和成本方面的表现	首次通过双臂实用随机对照试验设计，系统比较AI辅助筛查与传统筛查在转诊准确性、运营效率、患者可接受性、工作流程可行性和成本方面的真实世界证据	研究仍在招募中，结果尚未最终完成，且仅针对新加坡50岁及以上人群，可能限制结果的普适性	评估AI辅助视力障碍筛查模型与传统筛查模型在转诊准确性、运营效率、可接受性、可行性和成本方面的比较	1000名50岁及以上视力障碍风险人群	机器学习	视力障碍	深度学习模型分析视网膜图像	深度学习模型	视网膜图像	1000名参与者，其中符合条件（视力低于6/12）的参与者随机分为AI辅助组和传统筛查组，每组约500人	NA	AI for Disease-related Visual Impairment Screening Using Retinal Imaging模型	曲线下面积	NA
202	2026-06-13	Application of LSTM-CNN in skiing action recognition under artificial intelligence technology 2026-Mar-02, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-42324-2 PMID:41772118	研究论文	提出一种结合视觉感知的深度学习模型，用于提升复杂场景下自动滑雪动作识别的准确性	采用双流三维卷积网络-双向长短期记忆架构，引入可学习加权融合方法有效整合视觉特征，并通过双向时序建模捕捉完整动作的上下文信息	未在更多样化的真实滑雪场景和更大规模数据集上进行系统验证	提升复杂场景下自动滑雪动作识别的准确性和稳定性	滑雪运动员的完整动作序列，包含背景干扰、光照变化和身体自遮挡的复杂场景	计算机视觉	NA	NA	C3D-BiLSTM（三维卷积-双向长短期记忆网络）	图像（RGB帧）、光流场	使用SkiTB数据集，具体样本量未明确	PyTorch	C3D, BiLSTM	精确率、召回率、F1分数、平均精确率	NA
203	2026-06-13	PoseShot: hybrid CNN-BiLSTM transformer model for free throw action recognition via pose analysis 2026-Mar-01, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-41025-0 PMID:41766037	研究论文	提出了一种混合CNN-BiLSTM-Transformer模型PoseShot，用于通过姿态分析识别篮球罚球动作	不同于传统人体活动识别关注粗粒度活动标签，PoseShot专门设计用于分析单个篮球罚球动作中细粒度、分阶段的技术细节，通过双通道深度学习架构融合训练视频和精准身体姿态角度计算	NA （摘要中未明确提及局限性）	实现篮球罚球技术的客观、数据驱动评估，弥合主观评价与高级运动分析之间的差距	篮球罚球动作中的身体姿态和运动机制	计算机视觉	NA	姿态分析	CNN, BiLSTM, Transformer	视频（训练录像）	NA	NA	CNN, BiLSTM, Transformer编码器	F-score, 精确率, 召回率	NA
204	2026-06-13	Could statistical potential models achieve comparable or better performance than deep learning models? 2026-Mar-01, Briefings in bioinformatics IF:6.8Q1 DOI:10.1093/bib/bbag088 PMID:41766645	研究论文	评估统计势模型在蛋白-配体相互作用预测中的表现，并提出混合势模型HybridSP	提出HybridSP混合势模型，结合距离依赖和方向依赖的原子-原子及原子-残基势，并采用亲和力加权方案校正统计分布偏差，在性能上可与深度学习模型媲美甚至超越	未提及具体局限性，但可能受限于传统统计势在数据丰富场景下的扩展性	比较统计势模型与深度学习模型在蛋白-配体对接和虚拟筛选中的性能	蛋白-配体相互作用	计算机辅助药物设计	NA	NA	统计势模型	分子结构数据	NA	NA	HybridSP	对接成功率、富集因子	NA
205	2026-06-13	Transformer-based multidimensional feature fusion for accurate prediction of lipid nanoparticles transfection efficiency 2026-Mar-01, Briefings in bioinformatics IF:6.8Q1 DOI:10.1093/bib/bbag092 PMID:41766648	研究论文	提出了基于Transformer的多维特征融合方法，用于准确预测脂质纳米颗粒转染效率	构建了包含超过10000个实验测量转染效率值的基准数据集LNPs-TE，并引入LNPs集成特征融合Transformer（LIFT）深度学习框架，有效整合可电离脂质的多维分子表示，实现优于现有技术的预测性能	未明确提及局限性	促进脂质纳米颗粒早期设计和优化，增强RNA递送效率预测	脂质纳米颗粒转染效率预测	机器学习	NA	NA	Transformer	分子表示	超过10000个实验测量的转染效率值	PyTorch	Transformer	皮尔逊相关系数, AUC-ROC, 决定系数R²	NA
206	2026-06-13	From data to treatment plan: An AI-driven path for automated breast radiotherapy planning 2026-Mar, Journal of applied clinical medical physics IF:2.0Q3 DOI:10.1002/acm2.70491 PMID:41769854	研究论文	提出并验证了TARS-B框架，该框架结合深度学习决策模块和自动治疗计划系统，实现乳腺癌放疗的全自动规划	首次将深度学习决策模块与全自动治疗计划系统结合，实现放疗技术选择和计划生成的端到端自动化，并显著缩短规划时间	样本量较小（仅60例患者），且部分解剖异常病例的自动计划未能满足全部标准	开发和验证用于乳腺癌放疗的自动化框架TARS-B，以优化放疗技术选择和治疗计划生成	60例乳腺癌患者（30例接受3D-CRT，30例接受IMRT）	机器学习	乳腺癌	三维适形放疗（3D-CRT）、调强放疗（IMRT）	深度学习神经网络	CT影像及患者剂量数据	60例乳腺癌患者（其中30例原接受3D-CRT，30例原接受IMRT）	NA	神经网络	剂量学参数（PTV覆盖率V95%、热点V105%、OAR约束）、低剂量和中剂量浴体积、规划时间	NA
207	2026-06-13	Deep learning in biology faces a transferability crisis 2026-Mar, PLoS biology IF:7.8Q1 DOI:10.1371/journal.pbio.3003656 PMID:41774686	研究论文	探讨深度学习在生物学领域面临的迁移性危机	指出深度学习模型在生物学中的迁移性被误导性声称所威胁，并提出潜在解决方案	未详述具体解决方法的实施细节或验证效果	评估深度学习在生物科学中迁移性问题的严重性并提出改进建议	生物学领域的深度学习模型及其迁移性评估	机器学习	NA	NA	NA	NA	NA	NA	NA	NA	NA
208	2026-06-13	Deep Learning-Based Super-Resolution for Vessel Enhancement in Photoacoustic Microscopy Imaging 2026-Mar, Journal of biophotonics IF:2.0Q3 DOI:10.1002/jbio.70221 PMID:41780538	研究论文	提出了一种基于深度学习的超分辨率网络GDSU-Net，用于增强光声显微成像中的血管细节	在U-Net架构基础上集成了组归一化、深度可分离卷积、挤压激励模块和像素重排解码器四项关键组件，实现了计算高效的光声成像超分辨率重建	未提及在多种光声成像系统或不同组织类型中的泛化能力验证	解决光声成像中空间分辨率与成像深度之间的权衡问题，提升血管结构重建质量	光声显微成像中的血管网络	计算机视觉	NA	光声显微成像	卷积神经网络	图像	NA	NA	GDSU-Net（基于U-Net改进的架构）	结构相似性指数, 峰值信噪比, 均方根误差, 平均绝对误差	NA
209	2026-06-13	Embracing the Digital Revolution: How Artificial Intelligence is Transforming Clinical Trials in Older Participants 2026-Mar, Drugs & aging IF:3.4Q2 DOI:10.1007/s40266-026-01288-8 PMID:41781638	综述	探讨人工智能如何通过解决老龄化相关疾病和患者异质性的独特挑战，革新老年人群的临床试验	系统综述了AI在老年临床试验中的变革性作用，涵盖智能患者分层、风险预测、实时监测及数字孪生等创新应用	未提供具体数据支撑，缺乏对AI技术实际部署挑战的量化分析	评估AI在老年临床试验中的应用现状与未来方向	老年人群的临床试验设计与执行过程	机器学习	老年病	电子健康记录集成、可穿戴设备输出分析	深度学习	文本	NA	NA	NA	NA	NA
210	2026-06-13	MuloAD: A Multiomics Integration Model Utilizing Graph Convolutional Networks for Alzheimer's Disease Diagnosis and Biomarker Identification 2026-Mar, The European journal of neuroscience DOI:10.1111/ejn.70452 PMID:41782334	研究论文	提出一种基于图卷积网络的多组学整合模型MuloAD，用于阿尔茨海默病的诊断和生物标志物识别	使用GraphSAGE分别提取DNA甲基化、mRNA表达和microRNA表达数据特征，并通过视图相关发现网络在高维标签空间中捕捉跨组学关系	仅使用ROSMAP队列的350个样本，样本量有限	开发一种多组学整合方法以提高阿尔茨海默病的诊断准确性和生物标志物识别能力	阿尔茨海默病患者和健康对照	机器学习	阿尔茨海默病	多组学数据整合	图卷积神经网络（GraphSAGE）	组学数据（DNA甲基化、mRNA表达、microRNA表达）	350个样本（来自ROSMAP队列）	NA	GraphSAGE、视图相关发现网络	准确率	NA
211	2026-06-13	Deep learning-based automated segmentation of intracerebral haemorrhage, intraventricular haemorrhage and perihaematomal oedema on non-contrast CT 2026-Mar-01, European stroke journal IF:5.8Q1 DOI:10.1093/esj/aakag007 PMID:41792040	研究论文	开发并外部验证一个用于非增强CT上脑内出血、脑室内出血和血肿周围水肿同步分割的深度学习模型	首次实现基于3D U-Net的脑内出血、脑室内出血和血肿周围水肿的同步自动分割，并在多中心数据上进行外部验证	模型对脑室内出血和血肿周围水肿的分割准确度较低，特别是血肿周围水肿的体积相关性中等，需要视觉检查和校正	开发和验证可同时分割脑内出血、脑室内出血及血肿周围水肿的深度学习模型	自发性脑内出血患者的非增强CT影像	计算机视觉	脑血管疾病	非增强CT成像	3D U-Net	医学影像	301例患者用于训练，141例患者用于外部验证	PyTorch	3D U-Net	Dice相似系数, 组内相关系数, Bland-Altman分析	NA
212	2026-06-13	Sequence-based modeling of low-affinity transcription factor-DNA binding through deep learning 2026-Mar, NAR genomics and bioinformatics IF:4.0Q1 DOI:10.1093/nargab/lqag027 PMID:41799016	研究论文	使用深度学习对低亲和力转录因子-DNA结合进行序列建模	系统评估了处理DNA序列方向的不同策略在深度学习模型中的效果，特别是在学习低亲和力结合位点特异性方面的表现	未明确提及	提高对低亲和力转录因子-DNA结合特异性的建模和解释能力	Exd-Hox异源二聚体在果蝇中的SELEX-seq数据	深度学习	NA	SELEX-seq	CNN, 自注意力Transformer	序列数据（DNA序列）	8种Exd-Hox异源二聚体	NA	CNN, 自注意力Transformer	模型准确率，结合特异性指标	NA
213	2026-06-11	A novel framework for cognitive state identification using resting-state EEG 2026-Mar-02, Biomedical physics & engineering express IF:1.3Q3 DOI:10.1088/2057-1976/ae4807 PMID:41769796	研究论文	提出一种基于静息态脑电图的认知状态识别新框架PowerSyncNet	通过频带间功能连接特征和时频表征编码模块（Encoder4Band），实现跨频带信息融合，提升认知状态识别性能	NA	开发用于早期认知衰退检测的脑电信号分析方法	静息态脑电图数据中的认知状态分类	机器学习	老年疾病	EEG	PowerSyncNet	脑电图信号	两个数据集：公开的CAUEEG数据集和自采集的ECED数据集	PyTorch	PowerSyncNet	识别准确率、召回率、F1分数、AUC	NA
214	2026-06-11	Evaluating resolution requirements for subtle caenorhabditis elegans strain discrimination using classical descriptors and CNN-transformer models 2026-Mar-02, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-40784-0 PMID:41771937	研究论文	评估图像分辨率对使用经典描述符与CNN-Transformer模型区分秀丽隐杆线虫细微品系差异的影响	首次系统评估了图像分辨率对CNN-Transformer模型区分秀丽隐杆线虫细微品系表型的影响，并揭示了传统描述符无法捕捉的细微运动差异	仅分析了三种线虫品系，且未探讨其他成像条件或深度学习架构的泛化能力	确定区分秀丽隐杆线虫细微品系所需的最小有效图像分辨率	秀丽隐杆线虫的三个品系：野生型N2、转基因线vltIs66和突变体unc-1(vlt10)	计算机视觉	NA	宏观板级成像与高分辨率显微单虫成像	CNN-Transformer	图像序列	三个线虫品系，未提供具体样本数量	PyTorch	CNN-Transformer	分类准确率	NA
215	2026-06-11	CSWin-MDKDNet: cross-shaped window network with multi-dimensional fusion and knowledge distillation for medical image segmentation 2026-Mar-02, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-40690-5 PMID:41771973	研究论文	提出了一种基于Transformer的CSWin-MDKDNet架构，结合多维融合与知识蒸馏用于医学图像分割	提出多维选择性融合模块（MDSF）和知识蒸馏损失（KD-loss），分别用于精细化多尺度特征融合和减少深层特征冗余	未提及	解决医学图像分割中局部细节保留与全局上下文建模的平衡问题	医学图像分割任务	计算机视觉	NA	深度学习	Transformer	图像	Synapse（多器官CT）、ACDC（心脏MRI）、ISIC2018数据集	NA	CSWin-MDKDNet	DSC	NA
216	2026-06-11	Multi-reader evaluation of deep learning-based auto-segmentation of eloquent brain arteriovenous malformation on MRA and white matter tractography in stereotactic radiosurgery 2026-Mar-02, Radiation oncology (London, England) DOI:10.1186/s13014-026-02811-2 PMID:41772699	研究论文	开发并评估基于深度学习的自动分割系统，用于脑动静脉畸形立体定向放射外科中的白质束及MRA图像分割	提出两阶段深度学习分割集成模型，整合2D检测和3D分割，显著提升临床手动勾画的准确性和效率，减少医生间差异	未提及具体局限性，但样本量有限（191例），可能需更大规模验证	开发深度学习系统以减少白质束放疗损伤，提高脑动静脉畸形分割的准确性和效率	脑动静脉畸形患者，特别是白质束邻近区域	机器学习, 数字病理学	脑动静脉畸形	MRA（磁共振血管成像）, 白质束成像	CNN（卷积神经网络）	图像（3D TOF-MRA和白质束图像）	191例患者（153例训练，38例测试），另10例用于多读者评估	PyTorch	ResNet, U-Net, 2D检测+3D分割集成模型	Dice相似系数, Hausdorff距离, 勾画时间	NA
217	2026-06-11	Enhanced Magnetic Resonance Imaging-Based Knee Cartilage Segmentation Using a Swin-UNet Conditional Generative Adversarial Network: Development and Validation Study 2026-Mar-02, JMIR medical informatics IF:3.1Q2 DOI:10.2196/86155 PMID:41771536	研究论文	提出并验证了一种基于Swin-UNet条件生成对抗网络的膝关节软骨磁共振图像分割方法	首次将Swin-UNet与条件生成对抗网络结合用于膝关节软骨分割，在外边界精度上显著优于传统模型	未提及	开发临床适用的深度学习框架实现股骨和胫骨软骨自动分割	股骨和胫骨软骨分割	医学影像分割	膝骨关节炎	磁共振成像	条件生成对抗网络	磁共振图像	232例膝关节MRI扫描	PyTorch	Swin-UNet, UNet, UNet cGAN	Dice相似系数, 平均交并比, 第95百分位Hausdorff距离, 平均对称表面距离	NA
218	2026-06-11	Domain adaptation for low-dose CT denoising via pretraining and self-supervised fine-tuning 2026-Mar, Journal of X-ray science and technology IF:1.7Q3 DOI:10.1177/08953996261419893 PMID:41769819	研究论文	提出一种基于预训练和自监督微调的低剂量CT去噪域适应方法	提出基于像素混洗图像预处理的自监督损失进行微调，并设计两阶段微调策略以缓解输入错位，同时构建双尺度SwinIR模型作为预训练骨干网络以有效捕获源域先验知识	NA	开发一种无需目标域标签的自监督微调方法，用于低剂量CT去噪域适应	低剂量CT图像去噪模型跨域性能	计算机视觉	NA	CT成像	SwinIR	图像	两个公开数据集	PyTorch	双尺度SwinIR	NA	NA
219	2026-06-10	Integration of Raman tweezers and machine learning for label-free single-cell characterization of endometriosis cells 2026-Mar-30, The Analyst DOI:10.1039/d5an01076d PMID:41711554	研究论文	开发并验证了一种结合光镊和拉曼光谱的拉曼镊子平台，用于对子宫内膜异位症细胞进行无标记单细胞生化分析，并利用机器学习实现分类	首次将拉曼镊子应用于子宫内膜异位症细胞的单细胞分析，结合了自监督深度学习预处理和可解释机器学习方法	NA	建立一种无标记的单细胞分析方法，用于探测子宫内膜异位症的细胞病理生理学并支持微创诊断策略	子宫内膜异位症衍生的VK2/E6E7上皮细胞和A549上皮癌细胞系	机器学习	子宫内膜异位症	拉曼光谱	随机森林、XGBoost	拉曼光谱数据	NA	NA	随机森林、XGBoost	准确率	NA
220	2026-06-09	Ancestral state reconstruction with discrete characters using deep learning 2026-Mar-21, bioRxiv : the preprint server for biology DOI:10.64898/2026.03.19.712918 PMID:41890074	研究论文	利用深度学习修改phyl软件进行祖先状态重建，评估其性能并与贝叶斯推断比较，应用于实证数据	首次将深度学习软件phyddle应用于离散字符的祖先状态重建，特别是处理似然函数难以计算的情况，扩展了phylogenetics工具的适用性	随着树的大小增加，phyddle性能下降；对于复杂模型（如物种形成和灭绝模型），估计结果与贝叶斯推断差异较大	评估深度学习在祖先状态重建中的潜力，尤其是对于似然不可操作模型的替代方法	离散字符的祖先状态，包括亚属的祖先范围和2014年塞拉利昂埃博拉病毒爆发的序列祖先位置	机器学习	埃博拉病毒病	深度学习	NN	离散字符数据	两个实证数据：一个亚属的祖先范围数据和2014年塞拉利昂埃博拉病毒爆发序列数据	PyTorch	NN架构未指定	与贝叶斯推断的比较	NA