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	2026-06-19	Can a novel computer vision-based framework detect head-on-head impacts during a rugby league tackle? 2026-03-27, Injury prevention : journal of the International Society for Child and Adolescent Injury Prevention IF:2.5Q2 DOI:10.1136/ip-2023-045129 PMID:39832883	研究论文	本研究开发并评估了一种新型计算机视觉框架，用于自动分类橄榄球联赛中的头对头撞击与非头对头撞击	首次在橄榄球运动中应用计算机视觉框架自动检测头对头撞击	框架对头对头撞击的灵敏度较低（标准清晰度68%，高清65%）	开发和评估一种自动检测头对头撞击的计算机视觉框架	职业橄榄球联赛中的擒抱事件	计算机视觉	脑震荡	视频分析	三维卷积神经网络（3D-CNN）	视频	训练集341个视频片段，测试集670个视频片段	PyTorch	目标检测算法, 三维卷积神经网络	灵敏度, 特异度, 阳性预测值	NA
162	2026-06-19	What does it take to learn the rules of RNA base pairing? A lot less than you may think 2026-Mar-26, Communications biology IF:5.2Q1 DOI:10.1038/s42003-026-09921-3 PMID:41888287	研究论文	利用仅21个参数的随机上下文无关文法（SCFG）模型，结合自动微分技术，仅需少量RNA序列即可发现经典碱基配对规则	证明仅用极少量参数和未标注的序列数据就能重新发现RNA经典碱基配对规则，颠覆了需要大规模模型和标注数据的传统认知	NA	探究发现RNA经典碱基配对规则所需的最小资源和条件	RNA经典碱基配对规则（沃森-克里克-富兰克林配对和摆动配对）	机器学习	NA	自动微分、随机梯度下降	随机上下文无关文法（SCFG）	RNA序列	最少50条RNA序列，测试涉及22个RNA家族的1094条序列	自动微分框架（如PyTorch等）	随机上下文无关文法（SCFG）	NA	NA
163	2026-06-19	Benchmarking multiple instance learning architectures from patches to pathology for prostate cancer detection and grading using attention-based weak supervision 2026-Mar-02, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-39196-x PMID:41771952	研究论文	开发并评估了一种基于弱监督深度学习的框架，用于前列腺癌诊断和ISUP分级，利用全切片图像并减少对像素级标注的需求	首次对弱监督MIL方法进行大规模、全面的比较，涵盖六种架构、三种特征编码器和四种补丁提取技术，共计72种配置，并利用分布式云计算处理超过3100万个组织补丁	NA	开发一种弱监督深度学习框架，最小化标注需求并确保可解释性，用于自动化前列腺癌诊断和ISUP分级	前列腺癌全切片图像	数字病理学	前列腺癌	全切片图像处理	多实例学习	图像	PANDA数据集中的10,616张全切片图像，包含超过3100万个组织补丁	PyTorch	CLAM-MB, CLAM-SB, ILRA-MIL, AC-MIL, AMD-MIL, WiKG-MIL, ResNet50, CTransPath, UNI2	准确率, 二次加权卡帕系数	分布式云计算
164	2026-06-19	3DViT-GAT: a unified atlas-based 3D vision transformer and graph learning framework for major depressive disorder detection using structural MRI data 2026-Mar-02, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-42108-8 PMID:41772023	研究论文	提出一个结合3D视觉变换器和图学习的统一框架，用于基于结构磁共振成像的重度抑郁症检测	首次将3D视觉变换器与图神经网络结合，用于从sMRI数据中提取区域嵌入并进行抑郁症分类；探索了基于图谱和基于立方体两种区域定义策略	仅使用单一数据集REST-meta-MDD进行验证，未在多中心或更大规模数据上测试；基于立方体的方法性能不如基于图谱的方法，提示模型对领域知识的依赖	开发一种自动检测重度抑郁症的深度学习方法，以提高诊断准确性和早期干预能力	重度抑郁症患者与健康对照的结构磁共振成像数据	机器学习、数字病理	抑郁症	结构磁共振成像	3D视觉变换器、图神经网络	图像	REST-meta-MDD数据集（具体样本数未在摘要中给出）	PyTorch	Vision Transformer (ViT), Graph Neural Network (GNN)	准确率、灵敏度、特异度、精确率、F1分数	NA
165	2026-06-19	Lightweight convolutional neural network for real-time earthquake P-wave detection on edge devices in New Zealand 2026-Mar-02, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-42568-y PMID:41772099	研究论文	提出一种轻量级卷积神经网络，用于在新西兰边缘设备上实时检测地震P波	针对边缘设备资源受限的特点，设计仅需两秒地震波形输入、参数量约3.8万的轻量化CNN模型，实现在树莓派5上亚7毫秒的实时P波和S波检测	未在极端噪声环境或不同地质区域进行验证，依赖新西兰特定地震台网数据	实现低成本边缘设备上实时地震P波检测，支持分布式地震预警系统	新西兰强震传感器记录的地震波形数据	机器学习	NA	NA	卷积神经网络	地震波形	约8.9万个波形片段，来自新西兰强震传感器	NA	轻量化CNN	准确率, 召回率	树莓派5
166	2026-06-18	Uncertainty-Aware Explainable AI for Pancreatic Cysts: Identifying Deep Learning Vulnerabilities and Ensuring Safe Clinical Triage in IPMN Management 2026-Mar-22, Research square DOI:10.21203/rs.3.rs-9096790/v1 PMID:41890858	研究论文	首个结合可解释人工智能与不确定性量化，系统评估病灶特征如何影响深度学习模型在胰腺导管内乳头状黏液性肿瘤恶性风险分层中性能的多中心研究	首次将可解释AI与不确定性量化相结合，系统性分析囊肿类型、大小和位置对深度学习模型行为的影响，并建立选择性预测框架用于临床分诊	回顾性研究设计；样本量有限（170例）；未在独立外部验证集上验证；模型在复杂高风险IPMN上性能显著下降	评估病灶特征如何影响深度学习模型在IPMN恶性风险预测中的性能，并实现安全的临床分诊	7个中心170例IPMN患者的影像学和临床数据	医学影像分析	胰腺导管内乳头状黏液性肿瘤	放射组学-深度学习融合模型	深度学习融合模型（具体架构未明确）	医学影像	170例IPMN患者	NA	NA	准确率，不确定性值	NA
167	2026-06-18	Development of a deep learning classification model using a codeless platform for orthodontic extraction decision-making: Impact of image type on model performance 2026-03, Journal of dentistry IF:4.8Q1 DOI:10.1016/j.jdent.2025.106296 PMID:41389871	研究论文	利用无代码平台开发深度学习分类模型，评估图像类型对正畸拔牙决策模型性能的影响	首次比较口内照片与数字模型扫描在正畸拔牙决策中的深度学习模型性能，并采用无代码平台实现自动模型开发	样本量有限、回顾性研究设计、模型性能仍有提升空间（准确率约71-74%）	评估图像类型对深度学习分类模型在正畸治疗拔牙决策中的表现影响，探究人工智能在拔牙与非拔牙方案判定中的临床适用性	已完成正畸治疗患者的治疗前口内照片和数字模型扫描	计算机视觉、机器学习	正畸疾病（错颌畸形）	无代码平台自动建模	深度学习分类模型	图像（口内照片与数字模型扫描）	1200张口内照片和1200张数字模型扫描，各包含600例拔牙和600例非拔牙病例	无代码平台（具体框架未说明）	未明确指定（由无代码平台自动优化）	准确率、精确率、召回率、F1分数	未详细说明（依赖无代码平台）
168	2026-06-18	M44TMD: A multimodal, multi-task deep learning framework for comprehensive assessment of TMD-related abnormalities 2026-03, Journal of dentistry IF:4.8Q1 DOI:10.1016/j.jdent.2025.106322 PMID:41461305	research paper	提出一种多模态、多任务深度学习框架M44TMD，用于综合评估颞下颌关节相关异常	首次利用多序列和多切片MRI与临床数据，实现颞下颌关节退行性疾病、前移位和积液的同时评估，性能达到高级牙医水平	NA	开发一种利用多模态MRI和临床数据的深度学习框架，全面评估颞下颌关节异常	765名参与者的1410个颞下颌关节的12690个MRI切片及临床数据	machine learning	颞下颌关节紊乱	MRI	CNN	图像、文本	765名参与者，1410个关节，12690个MRI切片	PyTorch	ResNet50	ROC-AUC、准确率	NA
169	2026-06-17	Real-world unified denoising for multi-organ fast MRI: a large-scale prospective validation 2026-Mar-19, NPJ digital medicine IF:12.4Q1 DOI:10.1038/s41746-026-02548-y PMID:41857225	research paper	提出一种统一的深度学习去噪模型，用于多器官加速MRI，并在大规模真实世界数据上验证其有效性	首次在大规模前瞻性收集的真实世界数据上训练多器官MRI去噪模型，涵盖六个临床中心和四种主要MRI供应商，模型可直接处理商用MRI系统的重建图像	NA	开发并验证一种统一的深度学习去噪模型，以改善加速MRI的图像质量，缩短扫描时间，并推动临床广泛应用	多器官加速MRI图像（包括六个器官和96种MRI协议）及去噪效果	machine learning	NA	MRI	深度学习模型	图像	148,930对图像用于训练，20,143对图像用于测试，46,870张外部临床图像用于泛化验证	NA	NA	Dice分数	NA
170	2026-06-17	Benchmarking Automated Detection and Classification Approaches for Long-Term Acoustic Monitoring of Endangered Species: A Case Study on Gibbons From Cambodia 2026-03, American journal of primatology IF:2.0Q1 DOI:10.1002/ajp.70127 PMID:41854092	研究论文	对柬埔寨长臂猿长期声学监测的自动检测与分类方法进行基准测试	首次对多种深度学习与迁移学习方法在长臂猿声学监测中的性能进行系统比较，并基于全球鸟类声音模型进行迁移学习	依赖手动验证，且仅针对雌性合唱歌声，未涵盖其他声学信号	评估自动检测方法在濒危物种长期声学监测中的有效性	南方黄冠冠长臂猿（Nomascus gabriellae）雌性合唱歌声	机器学习	NA	声学监测	支持向量机、DenseNet、ResNet50、BirdNET	音频	超过130,000小时连续声景数据，其中长臂猿样本数量大于200	NA	支持向量机、准DenseNet、ResNet50、BirdNET	准确率	NA
171	2026-06-15	Intelligent Visible-Near Infrared Micro-Hyperspectral Sensing System for Rapid Chemical Mapping of Microplastics and Metal Oxides 2026-Mar-27, ACS sensors IF:8.2Q1 DOI:10.1021/acssensors.5c04165 PMID:41698001	研究论文	开发了一种集成可见-近红外微高光谱成像与深度学习架构的智能传感平台，用于快速化学成像	提出了一种基于补丁的空间-光谱策略，通过自定义的多注意力3D卷积神经网络（带残差连接）有效补偿了宽波段可见-近红外光谱的低化学特异性	摘要中未明确提及局限性	实现微观材料快速、非破坏性、高精度的化学成像与分类	微塑料（聚苯乙烯和聚甲基丙烯酸甲酯）及多种金属氧化物	计算机视觉	NA	可见-近红外微高光谱成像	3D卷积神经网络	高光谱图像	8种化学物质	PyTorch	多注意力3D卷积神经网络（带残差连接）	准确率	NA
172	2026-06-15	Bioinspired Keratin-Based Eutectic Hydrogels for Intelligent Health Monitoring and Photothermal Therapy 2026-Mar-18, ACS applied materials & interfaces IF:8.3Q1 DOI:10.1021/acsami.5c24539 PMID:41783971	研究论文	本文合成了一种基于角蛋白的低共熔水凝胶，用于智能健康监测和光热治疗	通过一锅法合成PDA@Ag/PAA/PSBMA/FK低共熔水凝胶，兼具高机械强度、优异传感性能、自修复能力和监测-治疗闭环功能	未提及实际临床验证和长期稳定性测试	开发集高机械强度、优异传感性能、自修复能力和监测治疗功能于一体的表皮传感器	PDA@Ag/PAA/PSBMA/FK低共熔水凝胶及其在人体关节运动监测和光热治疗中的应用	机器学习	手腕疾病	光热治疗	深度学习	运动信号	未提及	NA	NA	拉伸性、离子电导率、传感范围	NA
173	2026-06-15	Screening of Respiratory Toxicity of Environmental Compounds Based on Multimodal Feature Fusion Model 2026-Mar-17, Environmental science & technology IF:10.8Q1 DOI:10.1021/acs.est.5c17401 PMID:41782501	研究论文	开发了一种基于多模态特征融合的深度学习框架GFEnet，用于高效筛选环境化合物的呼吸毒性	首次将分子图特征、结构指纹和电子级属性三种模态特征深度融合，实现跨尺度的呼吸毒性预测，并进行了体内外多维度验证	未提及模型在更多样化的化合物数据库上的泛化能力验证，以及与其他最新深度学习方法的详细比较	建立一种高通量的呼吸毒性筛选平台，减少对动物测试的依赖，提高环境化合物安全性评估效率	环境化合物（特别关注高度关注物质和空气污染物数据库中的化合物）	机器学习	呼吸系统毒性	深度学习	多模态深度学习框架（GFEnet）	分子图特征、结构指纹、电子级属性数据	涉及体内哺乳动物呼吸毒性、体外A549细胞毒性和ACE2基因调控活性三个毒理学维度的数据集	PyTorch	多模态融合网络（具体架构未详细说明）	AUC	未提及
174	2026-06-15	LCMS-Net: Deep Learning for Raw High Resolution Mass Spectrometry Data Applied to Forensic Cause-of-Death Screening 2026-Mar-10, Analytical chemistry IF:6.7Q1 DOI:10.1021/acs.analchem.5c05404 PMID:41755347	研究论文	介绍LCMS-Net，一种直接分析原始LC-HRMS数据的端到端深度学习模型，用于法医死因筛查和结肠癌检测	直接处理原始LC-HRMS数据，无需手动预处理；对数据的空间特性显式建模；模型结构简单，无需预训练，计算效率高	未明确提及局限性	开发一种自动化且高效的深度学习模型，用于分析LC-HRMS数据，应用于法医死因筛查和结肠癌检测	LC-HRMS原始数据及其在死因筛查和结肠癌检测中的应用	机器学习	法医死因筛查, 结肠癌	液相色谱-高分辨率质谱	深度学习模型	原始质谱数据	未明确提及样本数量	NA	LCMS-Net	F1-score	与依赖预训练的方法相比，更快速且计算效率更高
175	2026-06-15	Deep learning-based estimation of lung collapse in electrical impedance tomography: a simulation and phantom study 2026-Mar-06, Physiological measurement IF:2.3Q3 DOI:10.1088/1361-6579/ae4849 PMID:41713019	研究论文	提出一种基于深度学习的方法，从电阻抗断层成像图像中直接估计肺塌陷程度，避免了对肺部分割的依赖	首次利用深度学习框架从EIT图像直接估计肺塌陷程度，无需进行肺部分割，克服了传统全局不均匀性指标依赖分割的局限性	NA	估计机械通气患者肺塌陷程度，以辅助评估通气性肺损伤风险	基于EIT图像估计的肺塌陷程度	计算机视觉	呼吸系统疾病	电阻抗断层成像	深度学习模型	图像	合成数据集模拟多种肺条件，数值与体模测试	NA	NA	误差百分比	NA
176	2026-06-15	In vivo quantification of arterial active mechanics using deep learning-assisted pressure-area analysis 2026-Mar-05, Biomechanics and modeling in mechanobiology IF:3.0Q3 DOI:10.1007/s10237-026-02042-0 PMID:41784707	研究论文	开发一种深度学习辅助的压力-面积分析框架，用于量化动脉主动力学特性	结合超声成像、血压测量、神经网络分割和生物力学模型反演，首次实现体内动脉主动力学特性的定量表征，揭示血压与平滑肌恢复的分离现象	NA	量化体内动脉主动力学特性，并探究运动后颈动脉平滑肌张力的恢复动态	人体右侧颈总动脉	数字病理学	心血管疾病	超声成像、血压测量	神经网络	超声视频数据	233名志愿者（训练神经网络），10名志愿者（运动测试）	PyTorch	U-Net	空间性能、时间性能	NA
177	2026-06-15	Multivariable AI-based analysis of immune-lifestyle patterns associated with recurrent pregnancy loss: an exploratory retrospective study 2026-Mar-05, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-38941-6 PMID:41786881	研究论文	基于深度学习的复发性流产免疫-生活方式模式识别探索性回顾研究	首次采用TabNet深度学习模型综合分析免疫和生活方式因素与复发性流产的关联模式	未提及具体局限性信息	构建深度学习模型以识别复发性流产患者的免疫-生活方式模式	复发性流产患者与健康女性的临床和实验室数据	机器学习	复发性流产	NA	TabNet	临床与实验室数据	16818例复发性流产患者与19979例健康女性	PyTorch	TabNet	AUC, 准确率, 精确率, 特异度, 灵敏度	NA
178	2026-06-15	Application of a Natural Language Processing Framework for Data Extraction From Pathology Reports Across Multiple Cancer Types 2026-Mar-02, Journal of Korean medical science IF:3.0Q1 DOI:10.3346/jkms.2026.41.e79 PMID:41775279	研究论文	开发一个基于自然语言处理的系统，用于自动从多种癌症类型的病理报告中提取关键数据	通过对比多种深度学习架构，选择ClinicalBERT模型实现跨多种癌症类型病理报告的高效数据提取	在远处转移变量上表现较低（F1=0.3889），且未提及模型对罕见或复杂病理变异的适应能力	自动化提取病理报告中的临床和病理特征，以简化数据存储、检索和分析流程	来自胃癌、肝癌、结直肠癌和乳腺癌的病理报告	自然语言处理	胃癌, 肝癌, 结直肠癌, 乳腺癌	NA	ClinicalBERT, BERT, BioBERT, LSTM, CNN	文本	NA	NA	ClinicalBERT, BERT, BioBERT, LSTM, CNN	F1-score	NA
179	2026-06-15	Impact of Annotation Level on Multisequence MRI Models for Preoperative Microvascular Invasion Prediction in Hepatocellular Carcinoma 2026-Mar, Radiology. Imaging cancer DOI:10.1148/rycan.250407 PMID:41718534	研究论文	评估整合多模态数据的深度学习模型在预测肝细胞癌微血管侵犯中的性能，并研究不同人工标注方法对性能的影响	比较了体素级掩模和边界框两种人工标注方法对多序列MRI深度学习模型预测肝细胞癌微血管侵犯性能的影响，发现边界框标注在保持可比AUC的同时显著提高了标注效率	NA	评估整合多模态数据的深度学习模型在术前预测肝细胞癌微血管侵犯中的性能，并探究不同人工标注方法的影响	来自三家机构的肝细胞癌患者	机器学习	肝癌	MRI	深度学习模型	医学图像	281名患者（平均年龄59.05±11.92岁，238名男性）	NA	NA	AUC, 校准曲线, 决策曲线分析	NA
180	2026-06-15	Mixing features of transcription factors and genes enable accurate prediction of gene regulation relationships for unknown transcription factors 2026-Mar, NAR genomics and bioinformatics IF:4.0Q1 DOI:10.1093/nargab/lqag022 PMID:41782896	研究论文	开发了一个名为GReNIMJA的深度学习模型，通过混合转录因子氨基酸序列和目标基因核苷酸序列的特征，预测已知和未知转录因子的基因调控关系	首次实现了对未知转录因子的基因调控关系预测，解决了传统深度学习模型仅能预测已知转录因子的局限	NA	预测转录因子与基因之间的调控关系，特别是针对未知转录因子	转录因子与目标基因的调控关系	机器学习	NA	NA	2D长短期记忆网络	氨基酸序列和核苷酸序列	NA	NA	2D LSTM	准确率	NA