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
741	2026-05-02	Monotherapy cancer drug-blind response prediction is limited to intraclass generalization 2026-Apr, PLoS computational biology IF:3.8Q1 DOI:10.1371/journal.pcbi.1013232 PMID:42018603	研究论文	本文量化了单药癌症药物反应预测模型在药物盲测中的泛化能力，发现其受限于药物间机制重叠，并揭示了数据集行为是性能瓶颈而非模型本身	首次量化了药物盲测泛化能力对药物机制重叠的依赖，并证明单一机制训练可显著提升特定机制的预测性能	研究仅基于现有大型药基因组学数据集，无法预先确定克服药物盲测失败所需的数据量，且未涉及新数据采集的实验验证	阐明单药癌症药物反应预测模型在药物盲测中失败的根本原因，并评估模型泛化能力的真实来源	多种深度学习模型架构和多个大型药基因组学数据集中的细胞系药物反应	机器学习	癌症	NA	深度学习模型（多种架构）	药基因组学数据	多个大型药基因组学数据集中的细胞系和药物，具体数量未明确	NA	NA（文中提及多种架构但未具体列出）	NA（文中提及性能评估但未明确具体指标）	NA
742	2026-05-02	Artificial Intelligence-Based Exosome Analysis for Improving Diagnostic Performance of Breast Lesions on Ultrasound: Protocol of a Prospective, Multicenter Cohort Study 2026-Apr, Journal of breast cancer IF:2.2Q3 DOI:10.4048/jbc.2025.0206 PMID:41918185	研究论文	一项前瞻性多中心队列研究，评估基于外泌体的表面增强拉曼光谱与人工智能平台（exosome-SERS-AI）对超声诊断可疑乳腺病变的增效作用	首次在临床试验中系统评估外泌体SERS-AI技术联合超声对BI-RADS 3-5级乳腺病变的诊断性能提升效果	该研究为方案描述，尚未完成数据采集和分析，结果需待2026年揭晓	评估exosome-SERS-AI能否提高超声对可疑乳腺病变的诊断准确性	乳腺病变患者的血浆外泌体样本及超声影像数据	机器学习	乳腺癌	表面增强拉曼光谱（SERS）、外泌体分离技术	深度学习模型（未指定具体类型）	拉曼光谱信号、超声影像、组织病理数据	500名40岁以上女性患者（各250例良性和恶性病变）	NA	NA	敏感性、特异性、阳性预测值、阴性预测值、受试者工作特征曲线下面积	NA
743	2026-05-02	Transfer Learning From Hand-Trained Deep Learning Models to Estimate Bone Age From Knee Radiographs 2026-Apr, Orthopaedic journal of sports medicine IF:2.4Q2 DOI:10.1177/23259671261424923 PMID:42063486	research paper	基于膝关节X光片，利用迁移学习从手工训练的深度学习模型估算骨骼年龄	首次利用膝关节X光片通过深度学习模型进行骨骼年龄估算，避免了传统方法需额外手部X光片的辐射暴露，且模型性能优于现有方法	需要外部验证和模型优化才能应用于日常临床实践	开发基于膝关节X光片的深度学习模型用于骨骼年龄估算	18岁及以下骨科患者的膝关节X光片	computer vision, machine learning	geriatric disease	NA	ConvNeXT	image	2374张裁剪后的膝关节图像	NA	ConvNeXT	mean absolute error, Bland-Altman analysis, saliency maps	NA
744	2026-04-30	Multiclass Arrhythmia Classification Using Multimodal Smartwatch Photoplethysmography Signals Collected in Real-Life Settings 2026-Apr, IEEE transactions on bio-medical engineering DOI:10.1109/TBME.2025.3613471 PMID:40986597	研究论文	利用真实环境中收集的多模态智能手表光电容积描记信号进行多类心律失常分类	采用轻量级双向门控循环单元深度学习模型，结合多模态输入（1D PPG、加速度计和心率数据），在真实环境下实现了对房颤与房性/室性早搏的高精度区分，尤其在PAC/PVC检测上达到83%的敏感性，且计算效率提升14倍	高密度脂蛋白相关分类（PAC/PVC）的敏感性仍有提升空间，且研究基于单一临床试验数据，外部数据集虽验证了泛化性但样本类型有限	开发一种能准确区分心房颤动与房性/室性早搏的轻量级深度学习方法，以减少假阳性检测	利用Pulsewatch临床试验中106名受试者超过两周的智能手表光电容积描记数据	机器学习	心律失常（心房颤动、房性/室性早搏）	光电容积描记（PPG）	双向门控循环单元（Bi-GRU）	信号数据（PPG、加速度计、心率）	106名受试者超过两周的监测数据	NA	1D双向GRU	敏感性、准确率、AUROC	NA
745	2026-04-29	Satellite On-Orbit Chip-Level Deep Learning Model for Real-Time Dust Storm Monitoring 2026-Apr-28, Environmental science & technology IF:10.8Q1 DOI:10.1021/acs.est.5c14697 PMID:41855461	研究论文	提出一种星上芯片级深度学习模型，用于实时沙尘暴监测，将沙尘检测与定量反演直接部署在卫星上，显著缩短数据处理延迟	首次将级联轻量事件门与多任务反演器集成到星上芯片级框架中，并采用尾感知损失函数优化极端浓度下的预测精度，实现分钟级的延迟降低	未提及该模型在不同卫星平台或不同气溶胶类型下的泛化能力，且模拟部署环境与实际星上计算条件可能存在差异	实现沙尘暴的实时、星上监测，将产品生成延迟从小时级降至分钟级，支持实时暴露评估与预警	沙尘暴事件及其相关的PM₂.₅和PM₁₀浓度	计算机视觉	NA	多光谱成像	级联深度学习模型	卫星遥感图像	未明确样本数量，但案例研究涉及2023年5月19-20日和2025年4月15日的沙尘暴事件	Pytorch	级联轻量事件门与多任务反演器	RMSE、推理延迟、功耗、内存占用	NVIDIA Jetson AGX Orin平台，功耗约10W，内存小于3GB
746	2026-04-29	Deep learning-based framework for comprehensive quantification of thigh and calf muscles and adipose tissues from MRI 2026-Apr, Magma (New York, N.Y.) DOI:10.1007/s10334-025-01308-5 PMID:41342972	研究论文	提出一个基于深度学习的框架，用于从MRI中全面量化大腿和小腿肌肉及脂肪组织	提出3D Attention-Res-V-Net管道，实现个体肌肉、皮下脂肪、肌间和肌内脂肪的精细量化，并公开高质量专家标注数据集	样本量较小（25名参与者），且肌内脂肪误差范围较大（17.4%-58.8%）	开发自动化方法以全面分析下肢肌肉和脂肪组织，助力神经肌肉、肌肉骨骼和代谢疾病研究	下肢肌肉（13块大腿肌肉和9块小腿肌肉）、皮下脂肪、肌间脂肪和肌内脂肪	计算机视觉	神经肌肉疾病、肌肉骨骼疾病、代谢疾病	MRI（两点Dixon序列）	3D Attention-Res-V-Net	图像（MRI轴向切片）	25名参与者（平均年龄40.5±5.86岁，64%男性）	NA	Attention-Res-V-Net	Dice相似系数（DSC）、相对误差	NA
747	2026-04-27	Image Quality Assessment of the External Carotid Artery and Its Branches on Ultra-High-Resolution Head and Neck Computed Tomography Angiography Using a High-Resolution 0.25-mm Detector and Deep Learning Reconstruction 2026-Apr-25, AJNR. American journal of neuroradiology DOI:10.3174/ajnr.A9375 PMID:42034565	研究论文	评估使用高分辨率0.25毫米探测器和深度学习重建的超高分辨率头颈CT血管造影中颈外动脉及其分支的图像质量	首次系统评估深度学习重建在超高分辨率CTA中对小口径颈外动脉分支和肿瘤供血血管可视化能力的提升	样本量较小（24例），需要在更大队列中进一步验证	评估深度学习重建在超高分辨率CTA中对颈外动脉系统图像质量的改善效果	24名接受超高分辨率CTA检查的头颈肿瘤或茎突过长患者	医学影像	头颈肿瘤	CTA	深度学习重建	图像	24名患者	NA	NA	图像噪声、信噪比、对比噪声比、边缘上升距离、边缘上升斜率、主观评分（四分Likert量表）	NA
748	2026-04-27	Hyperspectral image classification network based on multiscale spatial-spectral fusion and semantic enhancement encoder 2026-Apr-25, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-46407-y PMID:42034807	research paper	提出了一种基于多尺度空间-光谱融合和语义增强编码器的高光谱图像分类网络	设计多尺度空间-光谱融合模块，通过并行分支分别提取多尺度空间特征和判别性光谱信息，并实现特征协同交互；引入语义增强编码器，利用多头注意力机制显式建模全局特征依赖，增强语义关键区域表示	NA	解决现有深度学习方法在处理复杂空间结构和高度可变光谱响应时，难以有效提取判别性联合空间-光谱特征的问题	高光谱遥感图像	计算机视觉	NA	主成分分析, 多尺度空间-光谱融合, 语义增强编码器	CNN, 多头注意力机制	高光谱图像	Pavia University数据集和Salinas数据集	NA	MSNet	总体准确率	NA
749	2026-04-27	A multi-cognitive PCB defect detection model integrating Mamba 2026-Apr-25, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-49734-2 PMID:42034824	研究论文	提出了一种多认知混合框架PCB-MMF，结合Mamba状态空间模型与CNN，用于PCB缺陷检测	提出MM-NET主干网络融合CNN局部特征提取与Mamba全局建模，并设计三阶段多感受野模块、多认知视觉增强模块和轻量级分组共享检测头	未提及模型在极端纹理复杂或光照变化条件下的性能，以及实际工业部署中的实时性验证	解决PCB缺陷检测中微小目标特征提取不足、特征利用率低和模型复杂度高的问题	印刷电路板（PCB）上的各类表面缺陷	计算机视觉	不适用	深度学习、Mamba状态空间模型	混合模型（CNN与Mamba）	图像	HRIPCB、DeepPCB、DsPCBSD+和NEU-DET四个数据集，具体样本数量未明确给出	PyTorch	MM-NET、TSMR、MC-VAM、LGSD	mAP50、参数量、FLOPs	未明确说明
750	2026-04-27	Robust service migration for autonomous vehicles leveraging deep learning and cooperative V2V protocols 2026-Apr-25, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-48717-7 PMID:42034846	研究论文	提出一种基于深度学习和协作V2V协议的自适应服务迁移框架，用于自动驾驶车辆	采用长短期记忆网络预测内存页面变化并主动忽略，结合内容感知语义压缩引擎（混合自编码器和Z-standard策略）以及深度强化学习代理优化迁移时机，实现主动式服务迁移	模拟环境测试，实际道路场景的鲁棒性、计算开销和部署成本未验证	解决自动驾驶车辆在高速移动中网络边缘服务的持续性和稳定性问题	自动驾驶车辆的服务迁移过程	机器学习	NA	深度学习、V2V通信协议	长短期记忆网络、深度强化学习	内存页面变化数据、传感器日志	模拟数据，未明确样本数量	NA	长短期记忆网络、混合自编码器、Z-standard	数据传输量减少率、服务停机时间减少率	NA
751	2026-04-27	S2A-RConvNet: standalone self-attention enabled deep learning model for brain tumor classification with MRI images 2026-Apr-25, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-46010-1 PMID:42034851	研究论文	提出一种基于独立自注意力机制的重复卷积网络（S2A-RConvNet），用于MRI图像中的脑肿瘤分类	引入独立自注意力模块增强对肿瘤区域的关注，并提取结构化ResNet注意力灰度级特征以减少计算复杂度	未提及实际临床应用验证及多中心数据集测试	准确分类脑肿瘤类型以降低死亡率	脑肿瘤MRI图像中的肿瘤区域	计算机视觉	脑肿瘤	MRI成像	CNN与自注意力机制结合的混合模型	图像	使用BraTS 2021数据集，训练占90%	NA	RConvNet, ResNet	灵敏度、精确率、F1分数、特异性、准确率	NA
752	2026-04-27	The promise of AlphaFold for gene structure annotation 2026-Apr-23, Nucleic acids research IF:16.6Q1 DOI:10.1093/nar/gkag369 PMID:42033219	研究论文	探索AlphaFold蛋白结构预测得分在基因注释质量评估中的应用	首次系统评估AlphaFold 3、Foldseek和InterProScan等多工具组合得分对基因模型手动改进的判别能力，并发现快速替代方法Protenix-Mini具有相同判别效能	仅选取三种病原真菌进行验证，物种代表性有限；依赖AlphaFold等深度学习模型的计算资源需求较高	验证蛋白结构预测得分能否作为无实验数据时评估基因模型质量的可靠指标	三种病原真菌（禾谷镰刀菌、弓形虫、烟曲霉）的基因模型	生物信息学	NA	AlphaFold 3, Foldseek, InterProScan	深度学习模型	蛋白结构预测得分	三种病原真菌基因组，经历超过1000次手动注释事件	NA	AlphaFold, Protenix-Mini	判别能力（支持手动改进变更的比例65-84%）	NA
753	2026-04-27	A high-speed attention network for MHC-bound peptide identification and 3D modeling 2026-Apr-20, Cell reports methods IF:4.3Q2 DOI:10.1016/j.crmeth.2026.101364 PMID:41923631	研究论文	提出了SwiftMHC框架，用于快速准确的肽-MHC结合亲和力预测和三维结构建模	结合任务特定深度学习与物理模拟合成数据，实现超快速（每例0.009秒）pMHC结合预测和全原子3D结构生成，性能与AlphaFold2微调相当但计算成本更低	目前仅针对HLA-A∗02:01 9聚体肽优化，其他等位基因的扩展性有待验证	开发用于癌症免疫治疗中表位发现的高通量、高精度pMHC建模工具	主要组织相容性复合体（MHC）结合肽段及其三维结构	机器学习	癌症	深度学习、物理模拟合成数据	注意力网络	物理衍生合成数据	未明确说明	NA	注意力网络	Cα-RMSD、结合亲和力预测速度	单张NVIDIA A100 GPU
754	2026-04-27	Multimodal cardiovascular risk profiling using self-supervised learning of polysomnography 2026-Apr-16, Sleep IF:5.3Q1 DOI:10.1093/sleep/zsaf371 PMID:41288599	研究论文	开发并评估一种自监督深度学习框架，从多导睡眠图数据中识别与心血管疾病结果相关的生理模式	首次采用自监督学习框架从多导睡眠图数据中提取可解释的投影评分，用于心血管风险分层，无需依赖手动注释（如睡眠阶段）	未提及具体局限性	探索多导睡眠图数据在评估未来健康风险（特别是心血管疾病）中的潜力，并开发可解释的风险分层工具	多导睡眠图信号（脑电图、心电图、呼吸信号）	机器学习	心血管疾病	多导睡眠图	自监督深度学习模型	生理信号（脑电图、心电图、呼吸信号）	4398名参与者（训练集），1093名参与者（外部验证集）	NA	自监督深度学习模型	曲线下面积	NA
755	2026-04-27	AngioCAD: A public x-ray angiography dataset and an adaptive fusion framework for stenosis detection 2026-Apr-14, Computer methods and programs in biomedicine IF:4.9Q1 DOI:10.1016/j.cmpb.2026.109368 PMID:42033972	研究论文	本文提出了一个公开的X射线血管造影数据集AngioCAD和一个自适应融合框架用于狭窄检测	AngioCAD数据集提供了包含时间连续性、动脉特异性标注和临床上下文信息的血管造影视频序列及结构化临床数据，并提出了一个基于自适应融合模块的深度学习框架，该模块通过学习注意力权重来优先选择最具信息量的特征流	未明确提及	通过提供高质量数据集和适应性框架，提升冠状动脉狭窄自动检测的准确性	冠状动脉狭窄检测	计算机视觉	冠状动脉疾病	X射线血管造影	卷积神经网络（CNN）	图像（血管造影视频序列）和结构化临床数据	413名患者的数据	NA	两个卷积神经网络结合自适应融合模块	F1分数, PR-AUC	NA
756	2026-04-27	Clustered Regularly Interspaced Short Palindromic Repeat-Based Colorimetric Aptasensor Combined with Smartphone Imaging and Deep Learning Enables Selective Recycling and Visual Prediction of Microplastics in the Environment 2026-Apr-11, Analytical chemistry IF:6.7Q1 DOI:10.1021/acs.analchem.5c08138 PMID:41964558	研究论文	基于CRISPR的比色适体传感器结合智能手机成像和深度学习，实现环境中微塑料的选择性回收和可视化预测	将CRISPR-Cas12a系统与比色反应、智能手机成像和深度学习回归模型相结合，实现微塑料的快速、灵敏、可视化定量检测	未提及实际环境样品中其他干扰物质的影响评估	开发一种简单、快速、灵敏、可现场部署的微塑料检测方法	聚氯乙烯和聚苯乙烯微塑料	机器学习，计算机视觉	不适用	CRISPR-Cas12a，比色检测，智能手机成像	深度学习回归模型	图像	不适用	不适用	深度学习回归模型	检测限，动态范围	智能手机
757	2026-04-27	Accurate 3D Structure Prediction of Small Cyclic Peptides Containing Non-Canonical Amino Acid Residues Using an All-Atom Diffusion Model with Stereogenic Implementation 2026-Apr-10, Journal of chemical information and modeling IF:5.6Q1 DOI:10.1021/acs.jcim.5c03236 PMID:41962133	研究论文	利用全原子扩散模型精确预测含非规范氨基酸的小环肽的三维结构	将原用于小分子构象生成的全原子扩散模型AGDIFF改编并重新训练于环肽数据集，通过立体化学校正步骤解决了立体化学不敏感性问题，能够可靠生成对映体残基的正确镜像异构体	未明确说明，可能包括对非规范氨基酸和复杂环化化学的覆盖范围有限，以及计算资源需求等未提及	实现含非规范氨基酸的小环肽的高精度结构预测，以支持药物发现中的理性设计	含非规范氨基酸和多样化环化化学的小环肽	机器学习	NA	深度学习扩散模型	扩散生成模型	分子图结构数据	36,198个成员的Conformer Rotamer Ensembles of Macrocyclic Peptides (CREMP)数据集	NA	AGDIFF（全原子扩散模型）	平均RMSD（均方根偏差）、环扭转指纹偏差、Ramachandran分析	NA
758	2026-04-27	RetinaDetachNet: Automated Deep Learning Quantification of Photoreceptor Cell Death for Neuroprotection Studies in Experimental Retinal Detachment 2026-Apr-06, Translational vision science & technology IF:2.6Q2 DOI:10.1167/tvst.15.4.23 PMID:42017313	研究论文	开发并验证了RetinaDetachNet，一种用于实验性视网膜脱离模型中光感受器细胞死亡自动量化的深度学习流程	首次提出并验证了针对TUNEL阳性细胞量化的深度学习流程，采用混合双验证架构（U-Net结合StarDist和Otsu阈值）提高准确性和可重复性	未提及	开发自动化量化光感受器细胞死亡的工具，用于神经保护研究的标准化评估	实验性视网膜脱离模型中的光感受器细胞	数字病理学	视网膜脱离	TUNEL染色	CNN	图像	三个独立数据集：主数据集（50张图像）、历史数据集（50张图像）、外部数据集（40张图像）	TensorFlow, PyTorch	U-Net, StarDist	Dice系数, Spearman相关系数, Bland-Altman分析	NA
759	2026-04-27	Deep learning discriminates thymic epithelial tumors' histological subtypes using digital pathology 2026-Apr, Annals of oncology : official journal of the European Society for Medical Oncology IF:56.7Q1 DOI:10.1016/j.annonc.2025.12.003 PMID:41390119	研究论文	利用深度学习模型基于H&E全切片图像区分胸腺上皮肿瘤的组织学亚型	引入新型层级损失函数以反映基于治疗策略和患者预后的临床相关肿瘤分组	模型误分类中60%处于相同临床管理组内，但六分类准确率仍有提升空间；研究基于单一机构外部验证集	开发深度学习工具以降低胸腺上皮肿瘤组织学分类的观察者间差异并提高诊断一致性	胸腺上皮肿瘤的H&E染色全切片图像	数字病理学	胸腺肿瘤	H&E染色	深度学习模型	全切片图像	训练集来自TCGA；验证集包含112例连续病例	NA	NA	准确率, Cohen's κ系数, 敏感性	NA
760	2026-04-25	MRDT-GAN: generative adversarial network with multi-scale residual dense transformer generator for low-dose CT denoising 2026-Apr-24, Physics in medicine and biology IF:3.3Q1 DOI:10.1088/1361-6560/ae28b0 PMID:41349217	研究论文	提出一种基于多尺度残差密集变换器生成对抗网络的低剂量CT去噪方法	在生成器中采用MRDT Block作为核心单元，将多尺度策略引入残差密集网络以减少过度平滑并保留精细细节，同时结合补丁变换器模块捕获长距离依赖，减轻卷积神经网络局部感受野引起的失真；引入混合注意力模块处理空间、频率和对比度信息，实现更好的噪声抑制和对比度均匀性；判别器在全局、像素和子尺度上对抗性探索去噪LDCT与正常剂量CT的差异，以更好捕捉结构变化	未提及具体局限性	开发一种低剂量CT去噪框架，在增强噪声抑制的同时保留解剖细节和结构保真度	低剂量CT图像	计算机视觉	NA	低剂量CT	生成对抗网络	图像	NIH-AAPM-Mayo Clinic低剂量CT数据集和真实世界数据集	NA	多尺度残差密集变换器生成对抗网络	NA	NA