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
401	2026-05-03	Alterations in Retinal Vasculometry After Acute Primary Angle Closure Episode: A Comparative Analysis 2026-Mar-02, Translational vision science & technology IF:2.6Q2 DOI:10.1167/tvst.15.3.26 PMID:41879421	研究论文	评估急性原发性闭角型青光眼发作后成功治疗的视网膜血管测量学改变与未受累对侧眼的比较	使用深度学习分析急性原发性闭角型青光眼发作后视网膜血管参数变化，并发现与眼压控制无关的独立血管测量学改变	横断面设计，缺乏纵向数据以确定这些改变是否导致青光眼性视神经病变	评估急性原发性闭角型青光眼发作后视网膜血管测量学改变	单侧急性原发性闭角型青光眼患者	医疗影像	急性原发性闭角型青光眼	眼底摄影	深度学习模型	视网膜图像	116名单侧急性原发性闭角型青光眼患者	NA	NA	NA	NA
402	2026-05-03	A deep convolutional neural network trained for lightness constancy is susceptible to lightness illusions 2026-Mar-02, Journal of vision IF:2.0Q2 DOI:10.1167/jov.26.3.14 PMID:41879245	研究论文	训练深度卷积神经网络以实现光照恒常性，并评估其对经典亮度错觉的敏感性	首次将深度卷积神经网络作为人类亮度感知的规范性模型，通过系统测试多种经典亮度错觉来评估网络表现，并与人类行为实验及经典模型进行对比	网络在White错觉和棋盘错觉上未能预测人类感知，且仅使用灰度渲染图像，可能限制其泛化能力	评估深度卷积神经网络作为人类亮度感知新模型的可能性，并验证其是否受到经典亮度错觉的影响	深度卷积神经网络输出与人类观测者亮度匹配实验的对比	计算机视觉	NA	NA	CNN	灰度渲染图像	包括菱形错觉、Koffka错觉、蛇形错觉、同时对比错觉、White错觉和棋盘错觉等几种错觉图及其控制图	Pytorch	CNN	反射率估计准确性	NA
403	2026-05-03	Privacy-Preserving Latent Diffusion-Based Synthetic Medical Image Generation 2026-Mar, IEEE transactions on medical imaging IF:8.9Q1 DOI:10.1109/TMI.2025.3618511 PMID:41052162	研究论文	提出一种基于潜在扩散的隐私保护合成医学图像生成方法	在潜在扩散模型中嵌入隐私保护机制，能够在不牺牲患者隐私的前提下生成高质量的合成医学图像	未在文中明确提及模型局限性	开发一种隐私保护的潜在扩散方法，用于合成医学图像数据，以支持深度学习模型的训练	公开可用的CT、MRI和PET医学图像数据集	医学图像生成	NA	潜在扩散模型	扩散模型	图像	NA	NA	潜在扩散模型	图像质量	NA
404	2026-05-03	Integrating and mapping single-cell transcriptomics across the entire gene expression space 2026-Mar-01, Briefings in bioinformatics IF:6.8Q1 DOI:10.1093/bib/bbag204 PMID:42059480	研究论文	提出scGES框架，利用深度学习方法整合单细胞转录组数据并校正批次效应于全基因表达空间	首次在全基因表达空间（包括低变异基因）校正批次效应，突破了现有方法仅限高度可变基因的局限	未提及	开发一种能够有效校正批次效应并整合单细胞转录组数据的新方法	单细胞转录组数据集	机器学习, 数字病理学	未提及	单细胞转录组测序	深度学习模型	单细胞转录组数据	未提及	PyTorch	scGES (scGESI + scGESM)	批次效应校正与生物变异保留指标	未提及
405	2026-05-02	Novel two-stage deep learning framework for automated pressure injury classification 2026-Mar-27, BMJ health & care informatics IF:4.1Q2 DOI:10.1136/bmjhci-2025-101636 PMID:41895731	研究论文	提出一个两阶段深度学习框架，用于自动从临床图像中对压力损伤进行分期	通过结合目标检测（YOLOv9）和图像分类（DenseNet161）的两阶段方法，无需手动定位病灶即可实现自动化分期，提高临床可解释性	在处理伤口内异质性、早期细微边界识别以及图像质量差异方面仍存在挑战	开发一个直接从临床图像自动进行压力损伤分期的AI框架，以提高诊断准确性和一致性	中国医科大学医院收集的1807张压力损伤图像	计算机视觉	压力损伤	NA	YOLOv9, DenseNet161	图像	1807张压力损伤图像（训练及验证集），测试集n=365	PyTorch	YOLOv9, DenseNet161	准确率, 灵敏度, 特异度, F1分数, AUC, mAP@0.5	NA
406	2026-03-18	Deep learning-based physiological risk stratification in night-shift hospital workers 2026-Mar-16, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-43982-y PMID:41839952	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
407	2026-05-02	Deep learning enhanced prediction framework for bio oil yield from organic solid waste with chemically informed features 2026-Mar-16, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-43604-7 PMID:41839987	研究论文	提出基于深度学习的框架，利用化学信息特征增强对有机固体废物热解生物油产率的预测	创新性地结合化学引导特征工程（元素比、灰分校正挥发度和能量密度指数）与VIF特征选择，构建混合深度神经网络模型DNPO，在多样化数据集上实现优于传统基准模型的预测性能	NA	提高有机固体废物热解过程中生物油产率的预测准确性，支持实验设计、生物质筛选和工艺优化	有机固体废物热解产生的生物油产率预测	机器学习	NA	NA	混合深度神经网络	数值型数据（生物质成分和热解条件参数）	245个样本，来自多种生物质来源和热解条件	NA	DNPO	相关系数R, 均方根误差RMSE	NA
408	2026-05-02	Transformer-encoded nnU-Net with local region perceptron and contrastive learning (TLC-nnUNet) for multiple brain metastasis detection and delineation 2026-Mar-13, Physics in medicine and biology IF:3.3Q1 DOI:10.1088/1361-6560/ae4ced PMID:41775070	研究论文	提出一种集成局部区域感知器和对比学习的Transformer增强型nnU-Net（TLC-nnUNet），用于多发性脑转移瘤的检测与分割	首次将局部区域感知器损失约束和对比学习预训练策略融入Transformer增强的nnU-Net架构，分别提升小病灶检测能力和降低假阳性	未在更大规模、更异质的数据集上验证，且计算资源需求可能较高（需预训练和Transformer模块）	提高磁共振图像中多发性脑转移瘤（尤其是小病灶）的检测灵敏度和分割精度	多发性脑转移瘤病灶（包括最长轴长度小于3毫米的小病灶）	计算机视觉, 数字病理学	脑转移瘤	磁共振成像	CNN, Transformer	图像	多机构数据集（具体数量未提及）	PyTorch, MONAI	nnU-Net, Transformer	灵敏度, 精确率, Dice系数, 假阳性率	NA
409	2026-05-02	Humans with function-disrupting variants in the myostatin gene (MSTN) have increased skeletal muscle mass and strength, and less adiposity 2026-Mar-13, Nature communications IF:14.7Q1 DOI:10.1038/s41467-026-70422-2 PMID:41826329	研究论文	本研究利用大规模多队列遗传关联分析，结合深度学习的全身MRI图像分割方法，探究肌生成抑制素基因功能破坏性变异对人体肌肉质量、力量及脂肪组成的影响	首次在人类大规模人群（110万人）中系统评估MSTN基因功能破坏性变异对全身肌肉和脂肪组成的长期效应，并结合深度学习自动分割技术对77,572人的全身MRI数据进行精细肌肉群分析	未明确说明，但可能包括变异携带者的选择偏差、观察性研究无法完全排除混杂因素、以及影像分割模型的潜在误差	探究MSTN基因功能破坏性变异对人体肌肉质量、力量和脂肪组成的长期效应，评估治疗性阻断肌生成抑制素信号通路的潜在益处与安全性	人类MSTN基因功能破坏性变异携带者（杂合子）及其体成分和心脏代谢健康相关表型	机器学习、计算机视觉	NA	全基因组关联分析、全身MRI、深度学习图像分割	深度学习分割模型	遗传变异数据、全身MRI图像、握力与肌酐等生化指标数据	110万名个体的遗传数据；77,572人的全身MRI数据	NA	深度学习图像分割模型（具体架构未明确），可能基于U-Net或类似架构	肌肉质量增加百分比、握力、肌酐水平、脂肪量变化	NA
410	2026-05-02	A generalizable eye disease detection method based on Zero-Shot Learning 2026-Mar-12, Communications medicine IF:5.4Q1 DOI:10.1038/s43856-026-01439-3 PMID:41820587	研究论文	提出一种基于零样本学习的泛化眼病检测方法，无需标注即可检测早期糖尿病视网膜病变	将零样本学习应用于眼病检测，通过模拟临床推理过程，利用孪生网络识别疾病关联性并迁移知识，实现无需标注的早期疾病检测	可能受限于源疾病与目标疾病之间的关联性强度，且依赖大规模无标注数据集LCFP-14M	开发一种无需标注数据的泛化眼病检测方法，解决深度学习在医学图像分析中对大规模标注数据的依赖问题	早期糖尿病视网膜病变（DR1）检测，以及零样本学习在眼病诊断中的泛化能力	计算机视觉	糖尿病视网膜病变	眼底图像分析	孪生网络、ResNet-Agglomerative聚类	图像	LCFP-14M数据集（1400万张眼底图像）	NA	Siamese network, ResNet, Agglomerative clustering	准确率、精确率、召回率、F1分数、ROC-AUC	NA
411	2026-05-02	Synthetic data-driven deep learning for label-free autonomous atomic force microscopy 2026-Mar-10, Nature communications IF:14.7Q1 DOI:10.1038/s41467-026-70421-3 PMID:41807395	研究论文	介绍SimuScan框架，利用合成数据驱动深度学习实现无标签自动原子力显微镜分析	提出利用合成数据驱动深度学习，无需大量人工标注实验数据集，实现原子力显微镜自动特征识别、分割和靶向成像，并纳入真实实验伪影，提高模型泛化能力	未在论文标题和摘要中明确说明局限性	实现原子力显微镜自动化分析，减少对专家操作员的依赖，促进高通量材料发现和统计研究	纳米结构表面、DNA组装体和细菌细胞	计算机视觉	NA	原子力显微镜	深度学习	图像	包括纳米结构表面、DNA组装体和细菌细胞等多种样本类型	NA	NA	未在论文标题和摘要中明确列出性能指标	未在论文标题和摘要中明确说明计算资源
412	2026-05-02	Neuroimaging Insights Into the Neurophysiological Subtypes of Major Depressive Disorder 2026-Mar-05, Biological psychiatry IF:9.6Q1 DOI:10.1016/j.biopsych.2026.02.018 PMID:41794061	综述	对基于神经影像的重性抑郁障碍亚型研究进行批判性综合，涵盖方法学进展、亚型模式比较、临床转化及未来方向	整合无监督/半监督聚类、深度学习、规范建模等前沿方法，推动从群体平均向个体化偏差谱的转变，并比较多模态成像中的趋同与分歧亚型模式	关键挑战包括大规模协调数据集缺乏、验证不充分及需整合生理、遗传和环境数据	阐明基于神经影像的MDD亚型现状，描绘将脑部异质性转化为临床有意义进展的路线图	重性抑郁障碍患者	机器学习	重性抑郁障碍	NA	深度学习	神经影像数据	NA	NA	NA	NA	NA
413	2026-05-02	OralSegNet: An Approach to Early Detection of Oral Disease Using Transfer Learning 2026-Mar, Oral diseases IF:2.9Q1 DOI:10.1111/odi.70135 PMID:41207876	研究论文	提出一种基于YOLOv11架构的深度学习分割系统，用于从口腔内照片中自动检测和定位口腔疾病	利用YOLOv11的三个变体（YOLOv11n-seg、YOLOv11s-seg和YOLOv11m-seg）进行口腔疾病分割，并通过三阶段训练（特征提取、部分微调和完全微调）优化性能	数据集来自公开来源，可能存在偏差；模型在部分微调阶段表现最佳，但整体指标不高（mAP约0.5）	早期检测口腔疾病	口腔内图像中的疾病区域	计算机视觉	口腔疾病	NA	CNN	图像	初始版本582张像素级标注图像，经增强形成v2和v3版本	PyTorch, ONNX Runtime Web	YOLOv11n-seg, YOLOv11s-seg, YOLOv11m-seg	box mAP@50, mask mAP@50	Google Colab免费版，Intel Xeon CPU，13 GB RAM，15 GB T4 GPU，120 GB存储
414	2026-05-02	Integrating morphological and deep learning approaches for the identification of economically important nematode genera in vineyards: Mesocriconema and Xiphinema 2026-Mar, Helminthologia IF:1.1Q3 DOI:10.2478/helm-2026-0002 PMID:42063676	研究论文	结合形态学与基于YOLO的深度学习目标检测方法，提高葡萄园中两种重要线虫属（Mesocriconema和Xiphinema）的鉴定准确性	首次将形态学专业知识与YOLO系列深度学习框架整合，提出了一种新的线虫鉴定方法学框架，展示了YOLO架构作为高效、可扩展、可重复工具的潜力	研究仅聚焦于属级检测，未涉及种级区分；目标线虫属存在显著的形态变异性和遗传差异，可能影响模型泛化性	通过整合形态学表征和深度学习目标检测，提高葡萄园经济重要线虫属的诊断准确性，助力精准农业和可持续线虫管理	葡萄园中两种主要外寄生线虫属：Mesocriconema和Xiphinema	计算机视觉	线虫病害	显微镜成像	YOLO目标检测模型	高分辨率显微图像	961张图像和1034个边界框标注	PyTorch, Roboflow	YOLO-NAS, YOLOv11, YOLOv8	精度, mAP@50, 召回率	NA
415	2026-05-01	Boundary sensitive-net-based lumbar vertebra segmentation and spondylolisthesis measurement 2026-Mar-16, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-38522-7 PMID:41839918	研究论文	提出一种基于深度学习的边界敏感网络（BS-Net），用于腰椎椎体分割和滑脱测量	通过集成多任务边缘处理模块和上下文双边融合模块，增强椎体边缘特征提取，并结合边缘损失函数和形态学后处理实现联合分割与量化	未明确说明局限性	实现腰椎滑脱的自动化精确诊断	腰椎CT影像和MRI影像	计算机视觉	腰椎滑脱	CT成像	CNN	图像	379名患者的783张腰椎CT图像及公共SPIDER MRI数据集	深度学习框架（未具体说明）	边界敏感网络（BS-Net）	MIoU, Dice系数, ICC	NA
416	2026-05-01	ProSeg: multi-scale context fusion for high-precision prostate segmentation in MRI 2026-Mar-16, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-43589-3 PMID:41839937	研究论文	提出ProSeg深度学习框架，用于高精度前列腺MRI分割	设计ProSeg块，融合各向异性卷积与跨切片注意力机制，分别处理外周带的薄片不规则边界和中央腺体的均匀纹理	未提及方法的局限性	实现高精度前列腺MRI分割	前列腺MRI图像中的外周带和中央腺体	计算机视觉	前列腺癌	MRI	深度学习框架	图像	Promise12和Promise158数据集	NA	ProSeg块（各向异性卷积、跨切片注意力）	Dice系数	NA
417	2026-05-01	R3MV: a novel reliable system architecture for skin cancer classification using progressive heterogeneous multiblock model 2026-Mar-16, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-40522-6 PMID:41840099	研究论文	提出了R3MV三层次决策融合系统，使用渐进式异构多块模型提高皮肤癌分类的可靠性	创新地提出了R3MV三层次决策融合系统，结合个体CNN预测、特征融合分类架构和元分类器，通过多数投票增强可靠性，并采用渐进式学习策略提升分类准确率	未提及明确局限，但单一模型预测的不可靠性及数据集变异的影响仍需进一步探讨	提高皮肤癌分类的准确性和可靠性，解决单一模型预测不可靠的问题	皮肤病变图像分类	计算机视觉	皮肤癌	深度学习	CNN, GRU	图像	两个数据集：PAD_UFES_20和HAM10000，具体样本数量未提及	NA	PHMBCNN, PHMBCNN-GRU	准确率	NA
418	2026-03-16	Classification of health product defect reports by deep learning 2026-Mar-14, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-43961-3 PMID:41832296	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
419	2026-05-01	Automated CTA-Derived Collateral Grading and Morphologic Metrics for Enhanced Prediction of Post-Stroke Outcomes 2026-Mar-13, AJNR. American journal of neuroradiology DOI:10.3174/ajnr.A9289 PMID:41826063	研究论文	基于CTA的自动侧支分级和形态学指标用于增强卒中后结局预测	提出一种全自动的定量侧支指数(qCI)，基于深度学习U-Net分割框架从CTA中提取，并评估其与形态学指标结合用于预测卒中后恢复和功能结局的能力	研究为回顾性分析，样本量相对较小(230例)，且来自单一中心，可能限制结果的泛化性	开发并验证从CTA中自动推导的定量侧支指数(qCI)，并评估基于CTA的特征预测卒中后恢复和功能结局的能力	急性缺血性卒中(AIS)患者	计算机视觉	脑血管疾病	CTA	U-Net	医学影像	230例急性缺血性卒中患者	NA	U-Net	精度, Pearson相关系数, Cohen's Kappa, AUROC, Brier评分	NA
420	2026-05-01	Design of miniprotein inhibitors targeting complement C9 to block membrane attack complex assembly 2026-Mar-12, Nature communications IF:14.7Q1 DOI:10.1038/s41467-026-70667-x PMID:41813685	研究论文	利用深度学习设计靶向补体C9的微型蛋白抑制剂以阻断膜攻击复合物形成	首次通过深度学习方法从头设计针对补体C9的微型蛋白抑制剂，并用部分扩散优化亲和力至700 pM，在体内溶血抑制中表现优于上市药物依库珠单抗	当前补体C9的膜插入机制研究有限，且其宽平极性界面给理性设计带来挑战	开发新型微型蛋白抑制剂以阻断膜攻击复合物异常形成，为相关免疫疾病提供治疗策略	补体C9蛋白及其膜插入过程	机器学习	免疫疾病	蛋白质从头设计	深度学习模型	蛋白质结构数据	NA	NA	NA	亲和力、结合特异性、体内溶血抑制效果	NA