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
21	2026-06-03	Explainable deep learning-based multiclass classification of foot radiographs into normal, plantar fasciitis, and flatfoot 2026-Mar, Clinical imaging IF:1.8Q3 DOI:10.1016/j.clinimag.2026.110724 PMID:41548324	研究论文	开发并解释一种深度学习模型，用于将足部X光片分类为正常、足底筋膜炎和扁平足三类	利用合成数据集训练DenseNet-121模型，并通过Grad-CAM++增强可解释性，定量分析六个空间注意力特征，揭示解剖学一致的激活模式	需在真实临床环境中进一步验证	开发并解释深度学习模型，实现足部X光片的正常、足底筋膜炎和扁平足三类分类	足部X光片	计算机视觉	足部疾病（足底筋膜炎、扁平足）	X光成像	深度学习模型（DenseNet-121）	图像（合成侧位足部X光片）	9500张合成侧位足部X光图像（来自AI-Hub数据集），独立测试集	NA	DenseNet-121	准确率、F1分数	NA
22	2026-06-03	AI-Guided Droplet Microreactors Enable Rapid and Reproducible Protein Crystallization 2026-Mar, Small (Weinheim an der Bergstrasse, Germany) DOI:10.1002/smll.202510977 PMID:41552976	研究论文	提出DCCV平台，结合程控渗透调节与自动化计算机视觉，实现快速、可复现的蛋白质结晶	通过半透性双乳液液滴和深度学习成像系统实现液滴内溶质浓度的动态调控，克服传统微液滴方法浓度固定的局限	NA	开发新型微流控平台以提高蛋白质结晶的速度和可重复性	蛋白质结晶过程	计算机视觉	NA	微流控、深度学习成像	深度学习模型	图像	NA	NA	NA	NA	NA
23	2026-06-03	Attenuation-based ultra-low-dose lung computed tomography at 0.1 mSv to 0.3 mSv effective dose in children 2026-Mar, Pediatric radiology IF:2.1Q2 DOI:10.1007/s00247-025-06503-z PMID:41553466	研究论文	评估使用宽探测器能量积分CT系统对儿童进行超低剂量肺部CT的辐射剂量和图像性能	在儿童中实现0.12-0.23 mSv的超低有效辐射剂量，与光子计数CT系统剂量相当，并通过深度学习重建维持诊断图像质量	心率伪影和阶梯伪影频繁出现，尽管不影响诊断解释	评估超低剂量肺部CT协议在儿童患者中的辐射剂量和诊断图像质量	儿童患者	计算机视觉	肺部疾病	CT	深度学习重建模型	图像	106名儿童患者的277次低剂量肺部CT扫描	NA	NA	信噪比, 对比噪声比	NA
24	2026-06-03	Classification of Alzheimer's Disease by Modeling Brain Networks as Signed Networks Under Deep Learning Frameworks 2026 Mar-Apr, IEEE transactions on computational biology and bioinformatics DOI:10.1109/TCBBIO.2026.3655150 PMID:41553900	研究论文	该论文通过构建带符号脑网络模型并利用符号图神经网络技术，提出了一种预测和分析阿尔茨海默病的新方法	创新地将脑网络建模为包含正负相关性的符号图，并利用符号图卷积网络提升阿尔茨海默病预测精度，同时通过正负注意力矩阵识别重要脑区生物标志物	未明确说明	提高阿尔茨海默病的诊断准确性，尤其是早期诊断	阿尔茨海默病患者的脑网络数据	机器学习	阿尔茨海默病	NA	图卷积网络 (GCN) 及其变体	脑网络数据	NA	PyTorch	图卷积网络 (GCN)	诊断精度	NA
25	2026-06-03	Controlling gene expression using AI designed Cis-regulatory elements 2026 Mar-Apr, Biotechnology advances IF:12.1Q1 DOI:10.1016/j.biotechadv.2026.108802 PMID:41554183	综述	本文综述了利用人工智能设计顺式调控元件以控制基因表达的最新进展	系统总结了深度学习在合成CRE设计中的应用，包括专门设计模型和DNA基础模型，并讨论了多模态建模、强化学习和系统级调控网络设计等新兴方向	数据可用性有限、计算预测与实验结果之间存在差距、模型可解释性不足、生成能力受数据质量限制、当前模型主要依赖序列级特征而未完全捕获更广泛的调控背景	探讨新兴AI技术如何支持合成CRE的系统性和靶向设计	顺式调控元件，包括启动子、增强子及更复杂的调控架构	机器学习	NA	深度学习	NA	高通量实验数据、基因组序列数据	NA	NA	NA	NA	NA
26	2026-06-03	Maternal High-Fat Diet and Neonatal LPS Exposure Prolong USV Sequences and Shift Call-Type Repertoires in Neonatal Rats 2026-03, Developmental psychobiology IF:1.8Q3 DOI:10.1002/dev.70142 PMID:41844290	研究论文	采用深度学习系统DeepSqueak分析母体高脂饮食和新生期LPS暴露对新生大鼠超声发声序列和叫声类型的影响	首次利用深度学习自动化系统DeepSqueak对新生大鼠超声发声的声谱图和语法特征进行详细分析，揭示母体高脂饮食和新生期LPS暴露对发声序列时长和语法转换概率的显著影响	样本量相对较小（总N=41），且仅关注新生期第7天的发声记录，缺乏长期追踪数据	探究母体高脂饮食和新生期脂多糖暴露对新生大鼠超声发声的时间结构和语法特征的影响	长埃文斯大鼠的后代（共41只，每条件5-6只）	机器学习	NA	深度学习系统DeepSqueak	CNN	超声音频数据	41只新生大鼠（每条件5-6只）	DeepSqueak	NA	一致性比率	NA
27	2026-06-02	MFDR-DTI: Multisource Feature Decoupling and Dual-Level Reorganization Fusion for Accurate Drug-Target Interaction Prediction 2026-Mar-31, ACS omega IF:3.7Q2 DOI:10.1021/acsomega.5c13460 PMID:41939349	研究论文	提出MFDR-DTI框架，通过多源特征解耦表示和双级动态重组融合机制预测药物-靶标相互作用	创新性地将特征解耦为拓扑结构、物理化学性质和上下文语义三个正交空间，并通过同质特征集成和共享权重跨性质注意力网络实现双级动态重组融合，同时设计基于梯度统计的自适应协同优化策略以平衡训练中不同特征分支的贡献	未明确说明局限性（摘要中仅提及模型优势，未讨论潜在限制）	提高药物-靶标相互作用预测的准确性和泛化能力	药物与靶标之间的相互作用	机器学习	NA	NA	深度神经网络	生物化学特征数据（来自异构数据源）	多个广泛使用的数据集	NA	NA	准确率、精确率、召回率、F1分数、AUC	NA
28	2026-06-02	Comparative Evaluation of Deep Learning Graph Neural Networks and Classical Machine Learning Models for Predicting Heats of Combustion as a Key Hazard Indicator under GHS/CLP Standards 2026-Mar-31, ACS omega IF:3.7Q2 DOI:10.1021/acsomega.5c10417 PMID:41939413	研究论文	系统评估了四种机器学习模型（XGBoost、多层感知器、图卷积网络和神经网络卷积）在预测燃烧热方面的性能，并分析其在GHS/CLP标准下危害分类中的应用	首次在4516种化合物数据集上系统比较描述符基和图基模型对燃烧热的预测性能，并评估其在实际危险分类标准（GHS/CLP）中的分类准确性	未明确提及模型的可迁移性及对数据分布变化的鲁棒性	评估不同机器学习模型预测燃烧热的能力，并探讨其在化学品安全评估中的监管应用价值	4516种化合物	机器学习	NA	NA	XGBoost, 多层感知器, 图卷积网络, 神经网络卷积	分子结构数据	4516种化合物	NA	XGBoost, MLP, GCN, NNConv	决定系数, 测试误差, 训练时间	NA
29	2026-06-02	Deep learning assessment of fetal brain maturation on 3D ultrasound volumes in early-onset fetal growth restriction 2026-03, 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评估早期胎儿生长受限中的胎儿脑成熟延迟	首次使用深度学习模型基于三维超声体积评估早期FGR胎儿的脑成熟度，并探索其与新生儿并发症的关联	单中心前瞻性研究，样本量较小（43例），且仅包括32周前的胎儿，可能限制结果的普适性	量化早期FGR胎儿的脑成熟延迟，并探讨其与围产期并发症的关系	早期FGR胎儿（伴随或不伴随脑保护效应）的三维超声脑部图像	计算机视觉	胎儿生长受限	三维超声	深度学习模型（未指定具体类型，基于卷积神经网络）	三维超声图像	43例早发型FGR胎儿三维超声扫描（13例有脑保护效应）	NA	NA	估计胎龄与实际胎龄的差异（ΔGA，天）	NA
30	2026-06-02	Deep learning-driven protein binder design for crop improvement 2026-Mar, aBIOTECH IF:4.6Q1 DOI:10.1016/j.abiote.2025.100018 PMID:41940160	综述	探讨深度学习驱动的蛋白质结合体设计在作物改良中的应用潜力，并概述从目标选择到实验验证的完整流程	首次系统总结深度学习工具（如BindCraft、AlphaFold、RoseTTAFold等）在植物蛋白质结合体设计中的端到端流程，并将设计选择与农业实际测试联系起来	亲和力预测存在不确定性，许多植物蛋白的结构信息有限，从早期成功案例到稳健农业应用仍需大量工作	探索深度学习驱动的蛋白质结合体设计在作物改良中的潜力，提供从目标选择到实验测试的实践指南	植物蛋白质结合体及其与靶标的相互作用，涉及抗病性、逆境耐受性和发育相关的关键通路	机器学习	NA	深度学习（蛋白结合体设计）	ProteinMPNN、RFdiffusion	蛋白质结构数据	NA	NA	AlphaFold、RoseTTAFold、BindCraft	界面质量和稳定性指标	NA
31	2026-06-01	Small-molecule binding and sensing with a designed protein family 2026-Mar-28, Nature communications IF:14.7Q1 DOI:10.1038/s41467-026-70953-8 PMID:41904144	研究论文	结合深度学习和物理方法设计小分子结合蛋白家族，并应用于传感器开发	首次将NTF2折叠与深度学习结合，设计出具有多样性和可设计性口袋几何结构的蛋白质家族，实现六种小分子靶标的计算设计，并利用皮质醇结合蛋白构建化学诱导二聚化系统用于生物传感器	未提及长期稳定性和体内应用验证	开发按需设计任意小分子传感器的通用平台	六种小分子靶标（包括皮质醇）及设计的蛋白质结合剂	蛋白质设计, 深度学习	NA	深度学习和物理方法	深度学习模型	蛋白质结构数据	六种小分子靶标	NA	NTF2折叠	纳摩尔至低微摩尔结合亲和力	NA
32	2026-06-01	Segmentation and diagnosis of anterior cruciate ligament tear using deep learning and radiomics based on knee CT 2026-03-24, BMC medical imaging IF:2.9Q2 DOI:10.1186/s12880-026-02297-0 PMID:41877097	研究论文	基于膝关节CT使用深度学习和影像组学建立前交叉韧带撕裂的分割与诊断模型	首次基于膝关节CT而非MRI，结合深度学习和影像组学构建ACL分割与撕裂诊断模型	未提及外部验证的多样性及模型泛化性限制	建立ACL撕裂的CT分割与诊断AI系统，提高诊断准确性与便利性	前交叉韧带撕裂及其分割与诊断	计算机视觉	前交叉韧带撕裂	CT扫描	3D nnU-Net、支持向量机、随机森林、随机梯度下降	影像	469名患者用于分割模型，其中328名用于诊断模型	NA	3D nnU-Net、SVM、RF、SGD	Dice相似系数、AUC	NA
33	2026-06-01	Comparing YOLO and U-net deep learning algorithms in chronic wound image segmentation 2026-03-19, BMC medical imaging IF:2.9Q2 DOI:10.1186/s12880-026-02266-7 PMID:41857518	研究论文	比较YOLO和U-Net深度学习算法在慢性伤口图像分割中的性能	首次系统比较YOLOv8和YOLO11与U-Net在伤口分割中的性能，并使用跨数据集验证确保模型鲁棒性	未提及计算资源消耗和临床应用验证	评估YOLO系列算法在慢性伤口图像分割中的有效性	慢性伤口图像	计算机视觉	慢性伤口	NA	卷积神经网络 (CNN)	图像	使用FUSeg和Wound Data两个数据库，具体样本数量未提及	NA	YOLOv8, YOLO11, U-Net	IoU, Precision, Recall, Dice相似系数 (DSC)	NA
34	2026-06-01	Multiphase CT-based deep learning radiomics nomogram models for preoperative WHO/ISUP grading of clear cell renal cell carcinoma: a two-center validation study 2026-03-09, BMC medical imaging IF:2.9Q2 DOI:10.1186/s12880-026-02268-5 PMID:41803747	研究论文	基于多期CT的深度学习影像组学列线图模型用于术前预测肾透明细胞癌WHO/ISUP分级的两中心验证研究	首次整合多期CT影像的影像组学特征、深度学习特征和临床变量构建列线图模型，用于无创术前预测ccRCC核分级，并进行了双中心大样本验证	NA	开发和验证一种基于多期CT影像的深度学习影像组学列线图模型，用于术前无创预测肾透明细胞癌的WHO/ISUP核分级	1499例经组织学确诊的肾透明细胞癌患者	数字病理学	肾透明细胞癌	多期CT成像	列线图模型融合影像组学、深度学习与临床特征	CT影像与临床数据	1499例ccRCC患者（训练集929例，内部验证集398例，外部验证集172例）	NA	DenseNet201	AUC	NA
35	2026-06-01	Ensemble Learning Model: A Novel Technique to Detect Malignancy in Effusion Cytology 2026-03, Cytopathology : official journal of the British Society for Clinical Cytology IF:1.2Q3 DOI:10.1111/cyt.70036 PMID:41205194	研究论文	本研究应用结合六种迁移学习架构的集成学习模型来检测积液细胞学中的恶性病变	这是首个在积液细胞学中应用六模型集成深度学习方法的创新研究	NA	开发用于积液细胞学恶性检测的集成学习模型	积液细胞学涂片的显微图像	数字病理学	积液细胞恶性病变	巴氏染色涂片显微摄影	集成学习模型（包含DenseNet121、Xception、ResNet50、MobileNetV2、InceptionV3和VGG16）	图像	110例积液细胞学病例（59例良性，51例恶性），共755张代表性显微照片	Jupyter Notebook	DenseNet121, Xception, ResNet50, MobileNetV2, InceptionV3, VGG16	灵敏度, 特异度, 准确率, 精确率, 阴性预测值, F1分数, AUROC	NA
36	2026-05-31	Interactive deep learning for myocardial scar segmentation using cardiovascular magnetic resonance 2026-Mar-20, Journal of cardiovascular magnetic resonance : official journal of the Society for Cardiovascular Magnetic Resonance IF:4.2Q1 DOI:10.1016/j.jocmr.2026.102720 PMID:41864346	研究论文	开发一种交互式深度学习系统，用于心血管磁共振图像中的心肌疤痕分割与量化	结合提示引导分割与视觉基础模型，并集成到临床交互界面，实现实时交互和自动量化	未提及具体局限性	开发一种交互式深度学习系统，用于心肌疤痕分割和量化，以提高准确性和可重复性	慢性心肌梗死患者的心血管磁共振图像中的心肌疤痕	计算机视觉	心血管疾病	晚期钆增强（LGE）心血管磁共振成像	深度学习模型	医学图像	348名慢性心肌梗死患者的LGE-CMR图像（244训练，51验证，53测试）	NA	提示引导分割模型，视觉基础模型	Dice相似系数，豪斯多夫距离，疤痕质量误差，一致性相关系数	NA
37	2026-05-31	[Auto detection on morphological characteristics of termite legs based on deep learning] 2026-Mar, Ying yong sheng tai xue bao = The journal of applied ecology DOI:10.13287/j.1001-9332.202603.033 PMID:42209239	研究论文	基于深度学习自动检测白蚁腿形态特征	填补了深度学习在白蚁腿形态自动准确测量领域的应用空白	NA	开发基于深度学习的白蚁腿形态自动检测与分析软件	白蚁腿的股节、胫节、跗节长度及相关衍生特征	计算机视觉	NA	NA	关键点检测模型	图像	NA	NA	关键点检测模型	平均绝对误差、平均相对误差、均方根误差、皮尔逊相关系数	NA
38	2026-05-30	Prognostic value of end-to-end deep learning assessment of myocardial scar and microvascular obstruction on late gadolinium enhancement cardiovascular magnetic resonance 2026-Mar-12, Journal of cardiovascular magnetic resonance : official journal of the Society for Cardiovascular Magnetic Resonance IF:4.2Q1 DOI:10.1016/j.jocmr.2026.102712 PMID:41831720	研究论文	开发和验证一种用于心肌瘢痕和微血管梗阻自动分割的端到端深度学习管道LGE-CMRnet，并评估其在急性心肌梗死患者中的预后价值	提出LGE-CMRnet，整合YOLOv8和nnU-Net进行全自动心肌瘢痕和微血管梗阻分割，并在预后价值上达到与专家分析相当的水平	样本量有限（567名患者），且为单中心研究，可能需要更多外部验证	评估LGE-CMRnet在急性心肌梗死患者中自动分割心肌瘢痕和微血管梗阻的预后价值	急性心肌梗死患者	数字病理学	心血管疾病	心脏磁共振（LGE CMR）	YOLOv8和nnU-Net	图像	567名AMI患者（409名用于训练/内部压力测试；158名用于外部测试），共3874张LGE图像	PyTorch	YOLOv8, nnU-Net	Dice相似系数（DSC）、相关系数、Bland-Altman分析、Cox回归、C指数	未明确提及但对推理而言快速处理（每张图像0.05秒）
39	2026-05-30	Deep Learning for Standardized Head CT Reformatting: A Quantitative Analysis of Image Quality and Operator Variability 2026-03, Journal of the American College of Radiology : JACR IF:4.0Q1 DOI:10.1016/j.jacr.2025.09.016 PMID:40998241	研究论文	验证深度学习基础模型在自动头部CT重建中的表现，并量化手动重建的质量和变异	首次使用单一深度学习基础模型实现自动头部CT重建，并利用该模型作为参考标准在大规模真实世界数据集中评估手动重建的质量和速度	未提及具体限制	验证深度学习模型自动头部CT重建的图像质量和操作者变异	1,763例连续非增强头部CT检查中的自动和手动重建结果	机器学学习	无特定疾病	非增强头部CT	深度学习基础模型	图像	1,763例非增强头部CT检查，其中100例用于模型验证	NA	NA	地标定位误差、旋转误差、中心误差、缩放误差	NA
40	2026-05-30	Validating Radiology Artificial Intelligence Model Performance on Photon-Counting CT Images Using Large Language Models for Ground Truth Extraction 2026-03, Journal of the American College of Radiology : JACR IF:4.0Q1 DOI:10.1016/j.jacr.2025.11.024 PMID:41265766	研究论文	评估利用大语言模型从放射学报告中自动提取真实标签，用于验证AI模型在光子计数CT图像上的性能	首次将大语言模型应用于自动提取放射学报告中的真实标签，实现对新型成像硬件上AI工具的可扩展性能评估与监控	大语言模型标签与人工标注间存在一定差异，需部分人工校正；仅评估了四种诊断任务的AI工具	验证使用大语言模型自动化真实标签提取的可行性，并评估AI模型在新安装光子计数CT扫描仪上的表现	四种FDA批准的基于深度学习的计算机辅助检测与分诊工具（针对肺栓塞、颅内出血、颈椎骨折和椎体压缩性骨折）	自然语言处理、计算机视觉	肺栓塞、颅内出血、颈椎骨折、椎体压缩性骨折	光子计数CT成像	大语言模型 (Llama 3.3) 和深度学习计算机辅助检测模型	文本（放射学报告）	来自PCCT和传统CT扫描仪的多例放射学报告，具体数量未说明	PyTorch	Llama 3.3	Fleiss κ系数	NA