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
261	2026-06-06	Towards robust deep learning-based autosegmentation in MRI-planned gynecological brachytherapy: Importance of scalable development and comprehensive evaluation 2026 Mar-Apr, Brachytherapy IF:1.7Q3 DOI:10.1016/j.brachy.2025.12.007 PMID:41571559	研究论文	提出在MRI引导的宫颈癌近距离放疗中，开发通用深度学习自动分割模型的方法论和综合评价流程	强调可扩展开发与综合评价的重要性，结合几何、剂量学指标和医师定性审查进行多维度模型评估	定性评价与定量结果存在差异，小肠道分割变异性较大	开发可泛化的深度学习自轮廓模型用于标准盆腔危及器官自动分割	MRI引导宫颈癌近距离放疗中的盆腔危及器官	医学影像分析	宫颈癌	MRI	卷积神经网络	3D MRI图像	200例3D-MRI数据	PyTorch	nnU-Net	Dice系数, Hausdorff距离95百分位数, 剂量体积直方图, 剂量差异	NA
262	2026-06-06	Deep learning assessment of fetal brain maturation on 3D ultrasound volumes in early-onset fetal growth restriction 2026-Mar, Ultrasound in obstetrics & gynecology : the official journal of the International Society of Ultrasound in Obstetrics and Gynecology IF:6.1Q1 DOI:10.1002/uog.70168 PMID:41575808	研究论文	利用深度学习模型从三维超声图像中评估早发性胎儿生长受限的胎儿大脑成熟度	首次使用深度学习模型基于三维超声影像定量评估早发性FGR胎儿的大脑成熟度，并探索其与新生儿并发症的关联	样本量较小（仅43例），且为单中心研究，可能限制结果的普适性	量化早发性FGR胎儿的大脑成熟延迟，并评估其作为宫内应激累积标志物与新生儿并发症风险的关联	早发性胎儿生长受限的胎儿（孕周18+0至28+6周）	机器学习	胎儿生长受限	3D超声	深度学习	三维超声影像	43例早发性FGR胎儿（其中13例伴有脑血流再分配）	NA	NA	估计孕周与实际孕周的平均差（ΔGA）	NA
263	2026-06-06	TransSE: A Transfer Learning-Based Predictive Model for Distinguishing Super Enhancers and Typical Enhancers 2026 Mar-Apr, IEEE transactions on computational biology and bioinformatics DOI:10.1109/TCBBIO.2026.3657361 PMID:41576119	研究论文	提出TransSE深度学习框架，结合卷积与循环神经网络及跨物种迁移学习，用于区分超级增强子和典型增强子	提出两阶段策略（预训练+物种特异性微调）结合跨物种迁移学习，实现高效跨物种预测；通过序列表征学习达到10.4倍的聚类指标提升	未在更多物种上验证泛化性，且对稀有增强子类型可能表现有限	开发高精度、跨物种适用的超级增强子预测模型，提升基因调控机制研究能力	人类和小鼠基因组的超级增强子与典型增强子序列	机器学习	NA	DNA序列分析	卷积神经网络与循环神经网络混合模型	基因序列数据	人类与小鼠基因组组合数据集	PyTorch	CNN, RNN	AUC（人类0.828，小鼠0.832），聚类指标	GPU（类型未指定）
264	2026-06-06	Multimodal-based crystal graph convolution neural networks for predicting soil toxicity to earthworms 2026-Mar-01, Environmental research IF:7.7Q1 DOI:10.1016/j.envres.2026.123770 PMID:41577106	研究论文	提出一种基于多模态晶体图卷积神经网络的方法，用于预测土壤化学物质对蚯蚓的毒性	首次将分子级特征（通过晶体图卷积网络提取原子和键信息）与暴露条件、土壤及生物属性等多尺度特征融合，构建多模态深度学习模型提升毒性预测性能	文献来源的数据集规模有限，可能影响模型泛化性	开发集成异构数据的多模态深度学习框架，实现土壤化学毒性的可解释性预测	14种化学物质对蚯蚓（标准土壤测试物种）的半致死浓度（LC50）	机器学习	NA	NA	图卷积神经网络（GCNN）	分子结构数据、土壤暴露条件、生物属性数据	14种化学物质对应的蚯蚓毒性数据	NA	晶体图卷积神经网络	决定系数（R²）	NA
265	2026-06-06	Artificial intelligence in diagnosis of pediatric neurodevelopmental disorders: a scoping review 2026-Mar, World journal of pediatrics : WJP IF:6.1Q1 DOI:10.1007/s12519-025-00999-z PMID:41593252	综述	综述人工智能技术在儿童神经发育障碍诊断中的应用现状	系统总结了深度学习、监督机器学习、决策支持系统和生物信号分析等多种AI技术在儿童神经发育障碍诊断中的应用效果	研究设计、人群和算法标准化存在差异，面临数据隐私、可解释性、公平性及算法偏见等伦理问题	评估AI技术提升儿童神经发育障碍诊断准确性的现有证据	儿童神经发育障碍（包括自闭症谱系障碍和注意缺陷多动障碍）	机器学习	神经发育障碍	精神影像学、生物信号分析	深度学习、监督机器学习、决策支持系统	神经影像数据、生物信号数据	包含22项研究	NA	NA	诊断准确率	NA
266	2026-06-06	U2AD: Uncertainty-based unsupervised anomaly detection framework for detecting T2 hyperintensity in MRI spinal cord 2026-Mar, Medical image analysis IF:10.7Q1 DOI:10.1016/j.media.2026.103939 PMID:41558246	研究论文	提出一种基于不确定性的无监督异常检测框架U2AD，用于检测脊髓MRI中的T2高信号	引入不确定性引导的掩码策略，结合Vision Transformer架构的“掩码-重建”范式，通过蒙特卡洛推理估计重建不确定性，解决正常重建与异常检测之间的任务冲突	未在多种不同临床数据集上进行泛化验证，可能面临域偏移挑战	开发一种无需异常数据标注的无监督异常检测方法，用于检测脊髓T2高信号病变	脊髓T2高信号区域，特别关注退变性颈椎病相关的MRI图像	计算机视觉	退变性颈椎病	MRI	Vision Transformer	影像（MRI）	未在摘要中明确说明	PyTorch	Vision Transformer	患者级识别和区域级定位性能指标	NA
267	2026-06-06	From treadmill to outdoor overground walking: Enhancing ground contact timing detection for older adults using transfer learning 2026-Mar, Experimental gerontology IF:3.3Q2 DOI:10.1016/j.exger.2026.113056 PMID:41654277	研究论文	利用迁移学习增强老年人户外地面接触时间检测	首次将迁移学习应用于从跑步机到户外地面行走的老年人步态识别，验证了深度学习模型在不同行走条件下的泛化能力	下坡行走场景下模型性能较差，表明需要更先进的建模策略；样本量有限且未涉及其他年龄段或病理步态	提高老年人户外行走时地面接触时间检测的准确性，推动真实环境下的移动监测	20名年轻人和26名老年人的步态数据	机器学习	老年疾病	惯性测量单元	CNN, 双向LSTM, 全连接神经网络	时间序列数据	20名年轻人（跑步机）和26名老年人（跑步机及户外平地、上坡、下坡）的数据	NA	CNN, 双向LSTM, 全连接神经网络	F1分数, 平均绝对误差	NA
268	2026-06-06	Artificial Intelligence and Machine Learning for Osteoarthritis and Cartilage Assessment 2026-Mar, Radiologic clinics of North America IF:2.1Q2 DOI:10.1016/j.rcl.2025.09.001 PMID:41656050	综述	评估人工智能和机器学习在骨关节炎和软骨评估中的应用	全面综述AI在骨关节炎影像分析中的多种应用，包括X光片和磁共振成像的先进技术	未提及具体性能比较或数据偏倚问题	评估AI在骨关节炎影像评估中的应用现状	X光片和磁共振成像中的骨关节炎及相关软骨评估	医学影像分析	骨关节炎	NA	深度学习	影像数据	NA	NA	NA	NA	NA
269	2026-06-06	Association between cognitive status and structural brain changes in Alzheimer's disease: Clinical implication of lightweight deep learning-aided diagnosis 2026-Mar, European journal of radiology IF:3.2Q1 DOI:10.1016/j.ejrad.2026.112678 PMID:41558396	研究论文	构建轻量级深度学习模型，揭示阿尔茨海默病中认知状态与脑结构变化之间的关联	采用分组卷积、全局池化和高效通道注意力实现轻量级设计，模型参数减少高达十倍，同时保持高准确率，并利用遮挡图提供可解释性	未明确提及局限性，但可能包括基于有限样本量和单一数据库的潜在泛化问题	探索轻量级深度学习模型在阿尔茨海默病诊断中的临床实用性，并揭示认知状态与脑结构变化的关系	阿尔茨海默病患者的T1加权磁共振图像和认知状态	计算机视觉	阿尔茨海默病	T1加权磁共振成像	CNN	图像	418名阿尔茨海默病患者和418名年龄匹配的认知正常对照者	NA	轻量级CNN（含分组卷积、全局池化和高效通道注意力）	准确率、遮挡图、层次回归R²变化	NA
270	2026-06-05	Optimizing deep CNN architecture via hybrid Harris Hawks arithmetic algorithm for EEG meditation classification 2026-Mar-27, Neuroscience IF:2.9Q2 DOI:10.1016/j.neuroscience.2026.02.001 PMID:41655886	研究论文	提出一种混合Harris Hawks算术优化算法优化深度CNN架构用于EEG冥想分类	将Harris Hawks优化与算术优化算法结合用于CNN超参数调优，并利用Stockwell变换将EEG信号转换为时频图像	未明确说明局限性	提升脑电图冥想信号的分类性能	三种冥想类别：Vipassana、Isha Shoonya和对照	机器学习	NA	EEG	CNN	时频图像	未明确说明	NA	CNN	准确率, 最佳适应度, 最差适应度, 平均适应度, 标准差	未提及
271	2026-06-05	A misclassification-aware explainable hybrid CNN-vision transformer framework for radiographic weld inspection 2026-Mar-22, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-44874-x PMID:41866427	研究论文	提出一种可区分误分类的可解释混合CNN-视觉Transformer框架，用于焊缝射线检测，以提高可靠性和可解释性	结合CNN与视觉Transformer的混合架构，利用全局上下文建模增强相似缺陷判别能力，并通过Grad-CAM和自注意力图提供可解释性	文中未明确提及局限性，但可能包括计算资源需求较高以及对不同成像条件数据集的进一步泛化测试	提高焊缝缺陷检测的可靠性、降低误分类率并提供透明解释，支持工业5.0导向的检验系统	焊缝射线图像中的缺陷类型（裂纹、气孔、未熔合等）	计算机视觉, 数字病理学（可归于工业检测领域）	NA	射线检测	混合CNN-视觉Transformer	图像（射线图像）	RIAWELC数据集（未提供具体数量）和GDXray外部数据集	NA（未明确指定框架）	混合CNN-ViT，轻量级CNN基线	准确率, 误分类率, 混淆矩阵	NA（未提及）
272	2026-06-05	Protocol for non-invasive tumor monitoring and diagnosis based on interpretable deep learning 2026-Mar-20, STAR protocols IF:1.3Q4 DOI:10.1016/j.xpro.2026.104358 PMID:41653437	研究论文	提出一种基于可解释深度学习的无创肿瘤监测与诊断协议，利用Oncoder框架分析血浆游离DNA中的肿瘤特异性DNA甲基化动态变化	引入了Oncoder这一可解释深度学习框架，提高了肿瘤监测的可解释性和临床可用性，同时协议具有高适应性和多场景应用能力	NA	开发一种基于可解释深度学习的非侵入性肿瘤监测与诊断方法，用于追踪治疗反应	患者血浆游离DNA中的肿瘤特异性DNA甲基化信号	机器学习	肿瘤	DNA甲基化测序	深度学习	DNA甲基化数据	NA	NA	Oncoder	NA	NA
273	2026-06-05	INTELCAPE: A Deep Learning-Powered System for Automated, High-Accuracy Crohn's Disease Diagnosis via Capsule Endoscopy 2026-Mar-19, Clinical gastroenterology and hepatology : the official clinical practice journal of the American Gastroenterological Association IF:11.6Q1 DOI:10.1016/j.cgh.2026.02.026 PMID:41861933	研究论文	开发了一个名为INTELCAPE的深度学习系统，用于通过胶囊内镜自动化高精度诊断克罗恩病	首次将多任务深度学习框架（集成ResNet、Transformer和EfficientNet架构）应用于胶囊内镜视频的自动化分析，实现小肠分割、病变检测和疾病诊断的一体化处理，显著提升诊断效率和准确性	该研究为回顾性多中心研究，可能受限于数据来源的多样性和样本量；未提及对罕见病变类型的检测能力或跨种族人群的泛化性能验证	开发并验证一个基于深度学习的自动化系统，用于提高胶囊内镜视频分析中克罗恩病诊断的准确性和效率	来自两家中国医院的757名（队列1）和115名（队列2）患者的胶囊内镜视频数据	计算机视觉、数字病理学	克罗恩病（消化系统疾病）	胶囊内镜	深度学习模型（CNN、Transformer）	视频	872名患者的胶囊内镜视频（队列1：757例，队列2：115例）	PyTorch	ResNet, Transformer, EfficientNet	交并比、AUC、分类准确率	NA
274	2026-06-05	BKDRP: a biological knowledge-driven approach for drug response prediction using multi-omics data in cancer cell lines 2026-Mar-17, BMC bioinformatics IF:2.9Q1 DOI:10.1186/s12859-026-06406-2 PMID:41845230	研究论文	提出一种生物知识驱动的深度学习模型BKDRP，利用多组学数据预测癌细胞系对药物的反应	将先验生物学知识（基因编码蛋白质形成复合物、调控通路、药物靶向）嵌入深度学习架构，提升模型可解释性	未提及	开发可解释的深度学习模型用于癌症药物反应预测	GDSC数据集中的癌细胞系	机器学习	肺癌	多组学测序（基因表达、蛋白质表达、突变、拷贝数变异）	深度神经网络	多组学数据	GDSC细胞系数据集	NA	BKDRP	AUC, AUPR	NA
275	2026-06-05	The impact of stability considerations on genetic fine-mapping 2026-03-16, eLife IF:6.4Q1 DOI:10.7554/eLife.88039 PMID:41838038	研究论文	提出一种基于稳定性的遗传精细定位方法，不依赖于残差化，通过跨遗传背景或环境的一致性变异识别，提升因果变异发现能力	首次提出稳定性引导的精细定位框架，无需预残差化处理；通过对比一致性变异与不一致变异的功能注释富集，揭示稳定性方法对传统方法的互补增强作用	稳定性方法不优于或不劣于残差化，但各自识别出显著不同的变异；在部分情况下两种方法报告不同变异时，稳定性方法识别变异的功能注释富集程度相近	开发一种不依赖残差化的稳定性引导精细定位方法，以识别在不同遗传背景或环境中一致精细定位的变异，并增强传统方法对功能影响变异的识别能力	GEUVADIS数据中的eQTLs以及378种不同的人类基因组功能注释（包括基于深度学习的Enformer注释）	机器学习	NA	遗传精细定位、功能注释分析	Enformer（深度学习）	遗传变异数据、基因表达数据、功能注释数据	GEUVADIS数据集中378种功能注释	NA	NA	因果变异恢复率、功能注释富集度	NA
276	2026-06-05	MolVE: An Open-Source Web Platform for Visualizing and Evaluating AI-Designed Molecules to Aid in Prioritization 2026-Mar-09, Journal of chemical information and modeling IF:5.6Q1 DOI:10.1021/acs.jcim.5c02412 PMID:41667067	研究论文	MolVE是一个开源网络平台，用于可视化和评估AI设计的分子，以辅助优先级排序	MolVE结合了安全用户认证、数据集管理和交互式2D/3D可视化，实现异步、分布式、协作式的分子评估，并提供了支持编程语言集成的API和Python服务来运行机器学习与深度学习模型	NA	开发一个开源网络平台，使化学家和药理学家能够高效地策展、注释和评估AI生成的分子结构	AI设计的分子结构	计算机视觉、自然语言处理、机器学习	NA	NA	深度学习生成模型	分子结构数据	NA	React, Node.js, Express, PostgreSQL, Docker	NA	NA	Docker容器化部署，支持学术和工业环境
277	2026-06-05	Micro- and nanoplastics (MNPs) in liquid food: From occurrence, health risks and migration mechanisms to AI-enabled analytical and circular solutions 2026-Mar-01, Food research international (Ottawa, Ont.) DOI:10.1016/j.foodres.2025.118160 PMID:41652739	综述	综述了液态食品中微塑料和纳米塑料的存在、健康风险、迁移机制及人工智能辅助的分析与循环解决方案	提出了迁移不仅由机械磨损和聚合物降解引起，还由食品-包装界面的物理化学分配（能斯特分配定律）驱动，并评估了机器学习和深度学习在检测、分类及回收优化中的潜力	机器学习/深度学习在液态食品检测中的应用仍处于概念阶段，在回收优化和预测迁移建模中的潜力尚未实现	总结液态食品中微塑料和纳米塑料的存在、迁移机制和暴露影响，并评估人工智能在分析检测和循环解决方案中的作用	液态食品（包括饮用水、牛奶、饮料和调味品）中的微塑料和纳米塑料	机器学习	NA	NA	CNN, LSTM, 生成对抗网络	图像	NA	NA	NA	NA	NA
278	2026-06-05	Computational advances in RNA-small molecule binding site prediction 2026-Mar, Progress in biophysics and molecular biology DOI:10.1016/j.pbiomolbio.2026.02.003 PMID:41654089	综述	综述RNA-小分子结合位点预测的计算方法进展，从传统统计模型到深度学习和大型语言模型的演变	系统总结了RNA-配体结合位点预测方法从手工特征统计模型到多模态深度学习模型的演化，特别强调了大型语言模型在捕获长程序列依赖性和上下文模式方面的创新应用	RNA内在的结构灵活性、瞬时性和环境依赖的结合口袋、高分辨率复合结构数据有限，以及准确、可泛化和可解释预测的持续挑战	加速RNA靶向药物发现，通过提供准确、可泛化和可解释的RNA-配体结合位点预测方法	RNA-小分子结合位点	机器学习, 自然语言处理	NA	计算预测方法	大型语言模型, 深度学习模型	序列数据, 结构数据, 拓扑数据	NA	NA	NA	NA	NA
279	2026-06-05	Emergent Language Symbolic Autoencoder (ELSA) with weak supervision to model hierarchical brain networks 2026-Mar, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2026.111533 PMID:41655479	研究论文	提出一种名为涌现语言符号自编码器（ELSA）的新型架构，利用弱监督和涌现语言框架对分层脑网络进行建模	引入一组层次感知损失函数（渐进损失、严格损失和包含偏置损失），结合独立成分分析排序的弱监督信息，隐式地强制涌现语言形成由粗到细的层次结构，无需大量人工标注	在低阶独立成分分析排序时层次一致性仅达43.5%，且模型目前仅在静息态功能磁共振成像数据上验证，泛化性待评估	构建可解释的分层脑网络表示模型，将脑网络编码为层次化的符号化句子，同时保持数据重建能力	静息态功能磁共振成像中的分层脑网络	机器学习	NA	静息态功能磁共振成像	符号自编码器	功能磁共振图像	来自1000功能连接组计划的公开数据集	NA	涌现语言符号自编码器（ELSA）	层次一致性	NA
280	2026-06-05	VSSI2p-Net: Physics-guided deep unfolding with L2p-norm and variation sparsity for EEG source imaging 2026-Mar, NeuroImage IF:4.7Q1 DOI:10.1016/j.neuroimage.2026.121793 PMID:41655611	研究论文	提出一种基于深度展开的变分稀疏源成像网络（VSSI-Net），用于脑电图源成像	首次将变化稀疏性和ℓ范数（0<p<1）正则化引入脑电图源成像问题，并通过深度展开将交替方向乘子法的迭代过程映射为神经网络，实现包括关键参数p在内的端到端优化，融合了传统方法的可解释性和深度学习的数据驱动优势	需要合理大小的训练集，且网络结构的深度取决于迭代步数，可能增加计算复杂度	提高脑电图源成像的准确性和效率，解决传统方法参数调整困难和深度学习方法可解释性差的问题	脑电图源成像问题中的源定位和空间范围估计	机器学习	NA	脑电图	深度展开网络（基于交替方向乘子法迭代映射）	脑电图信号	合成数据集和真实数据集（具体数量未在摘要中说明）	PyTorch（推断）	VSSI-Net（自定义深度展开架构）	源定位精度, 空间范围估计, 成像速度	NA