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
841	2026-04-20	Bioinspired Cold-Laminated Ultrathin Hydrogels as a Broadly Adaptive Platform for Physiological Monitoring 2026-Apr, Advanced science (Weinheim, Baden-Wurttemberg, Germany) DOI:10.1002/advs.202524317 PMID:41691494	研究论文	本文开发了一种仿生冷层压超薄水凝胶平台，用于生理监测，具有可调厚度、优异透气性和可逆粘附性	提出了一种新颖的冷层压策略，将TPU纳米网机械互锁于温度响应水凝胶网络中，模拟细胞外基质结构，克服了传统超薄薄膜的脆弱性	NA	开发一种广泛适应性的水凝胶系统，用于下一代生物电子学，满足不同器官特定需求	表皮和植入式应用，如心电图监测和心律失常检测	生物电子学	心血管疾病	冷层压策略	深度学习网络	生理信号数据	小鼠模型	NA	双分支深度学习网络	分类准确率	NA
842	2026-04-20	- Invited Review - Computer vision in precision livestock farming: artificial intelligence-driven technologies and applications for sustainable animal production 2026-Apr, Animal bioscience IF:2.4Q1 DOI:10.5713/ab.260165 PMID:41882488	综述	本文综述了计算机视觉在精准畜牧业中的应用，探讨了人工智能驱动技术如何促进可持续动物生产	系统性地整合了计算机视觉、物联网和人工智能技术，实现了从群体管理到个体化、非侵入式监测的转变，并提出了可解释AI和福利导向系统设计等未来研究方向	高资本投入、数据互操作性挑战以及模型泛化性限制	通过精准畜牧业技术提高动物生产效率，同时保障动物福利、环境可持续性和经济可行性	畜牧业生产系统，特别是牛生产，并扩展至水产养殖和其他畜牧领域	计算机视觉	NA	多模态传感器、视觉和环境监测系统	机器学习、深度学习	视觉数据、环境数据	NA	NA	NA	NA	NA
843	2026-04-20	MM-CPI: A multimodal fusion framework for compound-protein interaction prediction 2026-Apr, International journal of biological macromolecules IF:7.7Q1 DOI:10.1016/j.ijbiomac.2026.151617 PMID:41921797	研究论文	提出一个名为MM-CPI的多模态深度学习框架，用于预测化合物-蛋白质相互作用，以加速药物发现和再利用	整合了化合物的分子指纹、基于语言模型的表示和GCN结构特征，以及蛋白质的序列、理化性质和蛋白质语言模型特征，通过有效的特征融合和分类学习判别性相互作用模式，在未见实体上表现出鲁棒性能	未明确说明框架在更广泛的冷启动场景或不同疾病类型中的泛化能力限制	提高化合物-蛋白质相互作用预测的准确性和泛化能力，以加速药物发现和再利用	化合物和蛋白质	机器学习	法布里病	分子指纹、语言模型、Graph Convolutional Networks (GCN)、分子对接	深度学习	分子结构数据、蛋白质序列数据、理化性质数据	多个公共数据集（具体数量未说明）	未明确说明	GCN	准确性、鲁棒性、泛化能力	未明确说明
844	2026-04-19	Sparse identification of nonlinear dynamics and Koopman operators with Shallow Recurrent Decoder Networks 2026-Apr-21, Proceedings of the National Academy of Sciences of the United States of America IF:9.4Q1 DOI:10.1073/pnas.2508144123 PMID:41996161	研究论文	本文提出了一种名为SINDy-SHRED的方法，用于联合解决高维时空数据的传感与模型识别问题	结合了门控循环单元与浅层解码器网络，并引入了基于SINDy的正则化，使潜在空间逐步收敛到SINDy类函数，从而实现了符号化、可解释的生成模型	NA	解决现实世界时空数据建模中的高维性、噪声、部分观测和数据收集成本高等挑战	偏微分方程数据（如湍流）、真实世界传感器测量数据（如海面温度）和直接视频数据	机器学习	NA	NA	GRU, SINDy, Koopman	时空数据, 传感器测量数据, 视频数据	NA	NA	门控循环单元, 浅层解码器网络	准确度, 训练成本, 数据效率	NA
845	2026-04-19	Enhancing biomedical optical volumetric imaging via self-supervised orthogonal learning 2026-Apr-17, Science advances IF:11.7Q1 DOI:10.1126/sciadv.ady9194 PMID:41984965	研究论文	本文提出了一种自监督正交学习框架VALID，用于增强生物医学光学体积成像的降噪性能	利用内在三维空间相干性，通过自监督正交学习框架实现高效体积降噪，无需配对数据集	未明确说明在极端噪声条件下的性能或计算资源需求的具体限制	提高生物医学光学体积成像的结构保真度，解决噪声问题	光学体积成像数据，包括双光子显微镜、三光子显微镜、光场显微镜和光学相干断层扫描图像	计算机视觉	NA	光学体积成像技术，包括双光子显微镜、三光子显微镜、光场显微镜和光学相干断层扫描	深度学习模型	体积图像数据	NA	NA	VALID	结构保真度	NA
846	2026-04-19	Automated Classification of Alveolar Bone Defects for Preoperative Augmentation Planning Using Deep Learning 2026-Apr-17, The International journal of oral & maxillofacial implants DOI:10.11607/jomi.11768 PMID:41995833	研究论文	本研究开发了一种基于深度学习的框架，用于自动检测和分类牙槽骨缺损，以辅助牙科植入手术前的规划	首次利用深度学习模型自动分类牙槽骨缺损（健康、水平、垂直和复合缺损），并比较了四种不同CNN架构的性能	数据集规模相对较小（1305张图像），且仅基于CBCT切片，可能未涵盖所有临床变异	开发一个自动分类牙槽骨缺损的系统，以辅助牙科植入手术的术前规划	牙槽骨缺损的CBCT图像	计算机视觉	牙科疾病	锥形束计算机断层扫描（CBCT）	CNN	图像	1305张CBCT横截面图像（健康325张，水平缺损359张，垂直缺损310张，复合缺损311张）	NA	RegNetY-008, EfficientNetV2-S, ResNet50, MobileNetV3-Large	准确率, 加权精确率, 召回率, F1分数, 每轮训练时间	NA
847	2026-04-19	An ensemble pipeline, PhageHost, for phage tail fiber discovery and accurate Klebsiella pneumoniae host prediction using protein language models 2026-Apr-16, Cell reports IF:7.5Q1 DOI:10.1016/j.celrep.2026.117275 PMID:41996235	研究论文	本文介绍了PhageHost（P&H），一个基于蛋白质语言模型的集成管道，用于大规模发现噬菌体尾丝并准确预测肺炎克雷伯菌的宿主	开发了TailSeek和HostBuster两个深度学习模型，结合蛋白质语言模型进行噬菌体尾丝检测和宿主预测，提高了预测的敏感性和精确度	NA	开发一个可扩展的集成管道，用于噬菌体尾丝的大规模发现和肺炎克雷伯菌的宿主预测，以支持噬菌体疗法应用	噬菌体尾丝和肺炎克雷伯菌宿主	自然语言处理	NA	蛋白质语言模型	深度学习	基因组数据	NA	NA	TailSeek, HostBuster	敏感性, 精确度	NA
848	2026-04-19	A review of deep learning-based Unsupervised Anomaly Detection in brain MRI 2026-Apr-15, Medical image analysis IF:10.7Q1 DOI:10.1016/j.media.2026.104076 PMID:41997087	综述	本文综述了基于深度学习的无监督异常检测方法在脑部MRI中的应用	系统性地收集、比较了脑部MRI无监督异常检测领域的研究方法，并公开了包含公共数据集、研究论文和开源实现的数据集合	不同方法在评估时使用的采集参数、预处理、后处理和异常评分标准存在差异，导致难以直接比较模型性能	回顾和比较脑部MRI中基于深度学习的无监督异常检测方法	脑部磁共振成像（MRI）扫描	医学影像分析	脑部疾病	磁共振成像（MRI）	深度学习模型	图像	NA	NA	NA	NA	NA
849	2026-04-19	AmberTorchPB: A Unified Framework for Poisson-Boltzmann-Based Reaction Field Energy Calculation via Tensor Computation 2026-Apr-14, Journal of chemical theory and computation IF:5.7Q1 DOI:10.1021/acs.jctc.6c00085 PMID:41906862	研究论文	本文介绍了AmberTorchPB，一个基于LibTorch构建的统一、可扩展且支持加速器的框架，旨在现代化生物分子静电学计算	利用深度学习中的张量抽象来高效管理硬件异构性、内存优化和混合精度运算，从而克服传统Poisson-Boltzmann求解器在可扩展性和硬件适应方面的瓶颈	NA	开发一个现代化框架以支持大规模生物分子静电相互作用的高性能计算	生物分子静电相互作用，特别是基于Poisson-Boltzmann方程的反应场能量计算	计算生物学	NA	Poisson-Boltzmann方程求解	NA	张量数据	NA	LibTorch	NA	NA	现代高性能计算硬件，支持异构架构
850	2026-04-19	Automated Identification of Accessory Mental Foramen Using Cone-Beam Computed Tomography and Convolutional Neural Networks 2026-Apr, International dental journal IF:3.2Q1 DOI:10.1016/j.identj.2026.109428 PMID:41740248	研究论文	本文开发并评估了一种基于深度学习的系统，用于自动检测锥形束计算机断层扫描（CBCT）图像中的副颏孔（AMF），并比较了两种卷积神经网络（CNN）架构在该模型中的检测准确性和临床可靠性表现	首次将深度学习应用于CBCT图像中副颏孔的自动检测，并比较了自定义轻量级CNN与ResNet-50模型的性能，通过Grad-CAM可视化验证了模型关注区域的解剖相关性	研究基于回顾性数据，样本量有限（共1400个CBCT扫描），且仅比较了两种CNN架构，可能未涵盖所有最优模型	开发并评估基于深度学习的自动检测系统，以提高副颏孔诊断的准确性和临床可靠性	锥形束计算机断层扫描（CBCT）图像中的副颏孔（AMF）	计算机视觉	NA	锥形束计算机断层扫描（CBCT）	CNN	图像	1400个CBCT扫描（700个含AMF，700个正常对照）	NA	ResNet-50, 自定义轻量级CNN	准确率, 精确率, 召回率, F1分数	NA
851	2026-04-19	An effective deep learning algorithm for medical image registration 2026-Apr, PLOS digital health DOI:10.1371/journal.pdig.0001339 PMID:41990030	研究论文	提出了一种名为DTC-Reg的深度学习算法，用于医学图像配准，通过动态学习框架和几何约束增强变形场的微分同胚性	引入了动态学习配准框架DTC-Reg，结合同伦控制增量公式和多尺度几何约束，并提出了可检测和纠正折叠点的MFDC模块，提高了变形场的正则性	仅在三项3D脑部MRI配准任务上进行了实验，未涉及其他医学影像模态或更广泛的临床应用场景	开发一种能够实现准确对齐并严格保持拓扑和可逆性的医学图像配准算法	医学图像，特别是3D脑部MRI数据	计算机视觉	NA	医学影像处理	深度学习	3D图像	NA	NA	U-Net, 序列时间级联网络	定量和定性评估	NA
852	2026-04-19	Deep Learning-Based Tumor Cell Classification in Lung Adenocarcinoma With a Case-by-Case Human-in-the-Loop Approach 2026-Apr, APMIS : acta pathologica, microbiologica, et immunologica Scandinavica IF:2.2Q3 DOI:10.1111/apm.70208 PMID:41980857	研究论文	本文提出了一种基于深度学习的人机交互方法，用于肺腺癌组织切片中肿瘤细胞的分类，通过病理学家在显微镜下进行微调，提高了分类准确性	采用人机交互方法，允许病理学家在显微镜下对细胞分类进行实时微调，使数字分类达到与病理学家相当的准确率（98%-100%）	方法仅在肺腺癌的H&E染色切片上建立和测试，未涉及其他癌症类型或染色方法，且在小数据集上的性能略有下降	提高肺腺癌组织切片中单个肿瘤细胞分类的准确性，使其达到病理学家的水平	肺腺癌（LUAD）的H&E染色组织切片中的单个肿瘤细胞	数字病理学	肺癌	H&E染色	深度学习网络	图像	包括肺腺癌组织切片的高倍视野（HPF）和来自癌症基因组图谱（TCGA）的较小数据集	NA	NA	Dice系数, 真阳性率（TPR）, 精确度, 特异性	NA
853	2026-04-19	Hybrid Deep Learning Framework for Sleep Quality Prediction: Integrating Metaheuristic Optimization and Statistical Features 2026-Apr, Brain and behavior IF:2.6Q3 DOI:10.1002/brb3.71360 PMID:41981876	研究论文	本文提出了一种结合元启发式优化和统计特征的混合深度学习框架，用于基于体动记录仪数据的睡眠质量预测	提出了一种新颖的混合深度学习架构，结合了遗传算法和粒子群优化进行特征选择，并引入了独特的特征重要性分析以增强模型的可解释性	研究仅使用了MESA体动记录仪数据集，未在其他数据集上进行验证，且模型复杂度较高	开发一个高性能的睡眠质量预测模型，用于个性化睡眠健康管理和睡眠障碍的早期诊断	睡眠质量预测	机器学习	睡眠障碍	体动记录仪数据采集	LSTM, SVM	时间序列数据	MESA体动记录仪数据集（具体样本数量未在摘要中说明）	NA	LSTM网络与支持向量机结合的混合架构	准确率, F1分数, AUC	NA
854	2026-04-19	Deep Learning-Enabled Engineering of a Hyper-Stable and Soluble MPB70-83 Antigen for Sensitive Bovine Tuberculosis Surveillance 2026-Apr, Microbial biotechnology IF:4.8Q1 DOI:10.1111/1751-7915.70348 PMID:41988819	研究论文	本研究结合免疫信息学和深度学习框架ProteinMPNN，设计了一种超稳定且可溶的MPB70-83抗原，用于提高牛结核病诊断的灵敏度	利用深度学习框架ProteinMPNN重新设计非表位支架，优化蛋白质的热力学稳定性，解决了重组多表位蛋白在原核表达系统中的结构不稳定性和不溶性问题	未明确提及	开发一种高稳定性和高溶解性的抗原，用于牛结核病的精确监测	牛结核病（bTB）	机器学习	牛结核病	免疫信息学, 分子动力学模拟	深度学习	蛋白质序列数据	NA	ProteinMPNN	NA	灵敏度, 特异性, Cohen's κ	NA
855	2026-04-19	Leveraging deep learning to infer continuous predictions from ordinal labels in medical imaging 2026-Apr, PLOS digital health DOI:10.1371/journal.pdig.0001248 PMID:41996486	研究论文	本文提出了一种基于深度学习的方法，仅使用离散有序标签从医学图像中预测连续值变量	利用深度学习从离散有序标签中学习准确的连续评分，有效弥合离散与连续数据之间的差距	NA	开发一种从医学图像中预测连续变量（如疾病严重程度）的方法，仅使用离散有序标签进行模型训练	早产儿视网膜病变、膝骨关节炎的疾病严重程度预测以及乳腺X线摄影中的乳腺密度预测	医学影像分析	早产儿视网膜病变, 膝骨关节炎, 乳腺癌	深度学习	CNN	图像	NA	NA	NA	相关性, 均方误差	NA
856	2026-04-18	Cogninet: an explainable deep learning model for multi-class MRI-based Alzheimer's disease staging 2026-Apr-17, International journal of computer assisted radiology and surgery IF:2.3Q2 DOI:10.1007/s11548-026-03617-z PMID:41991821	研究论文	本文提出了一种名为CogniNet的新型可解释深度学习模型，用于基于MRI的多阶段阿尔茨海默病分期	结合VGGNet19的架构深度与DenseNet201的特征复用和梯度效率优势，设计了一种新的CNN架构，并利用Grad-CAM生成类别特异性注意力图以提高模型可解释性	未明确提及模型在更广泛或不同分布数据集上的泛化能力，以及临床部署中的实际验证	解决现有研究中依赖二分类、缺乏模型可解释性以及较少考虑临床可用性等关键限制	阿尔茨海默病的多阶段分类	数字病理学	阿尔茨海默病	磁共振成像	CNN	图像	3200个未见过的轴向MRI切片	NA	VGGNet19, DenseNet201	准确率, 灵敏度	NA
857	2026-04-18	Application of an open-source AI tool for quantitative quality control in whole slide images of prostate needle core biopsies - a retrospective study 2026-Apr-17, Journal of histotechnology IF:0.6Q4 DOI:10.1080/01478885.2026.2657106 PMID:41994924	研究论文	本研究回顾性评估了开源AI工具PathProfiler在自动化、定量化控制前列腺穿刺活检全切片图像质量方面的可行性与价值	首次在前列腺活检WSI质量控制的临床工作流程中，系统性地应用并评估了基于深度学习的开源工具PathProfiler，实现了对图像可用性、聚焦质量和H&E染色质量的自动化、定量化评分	研究为单中心回顾性分析，样本量有限（226例）；算法将前列腺外组织识别为“其他伪影”可能导致评分偏差；未与病理学家的主观质量评估进行直接比较验证	评估PathProfiler软件在自动化、定量化控制前列腺穿刺活检全切片图像质量方面的可行性及其对诊断流程的辅助价值	前列腺穿刺活检的H&E染色全切片图像	数字病理学	前列腺癌	H&E染色，全切片成像	深度学习	图像	226张来自前列腺穿刺活检的H&E全切片图像	NA	NA	可用性评分，聚焦评分，H&E质量评分	NA
858	2026-04-18	Automated deep learning for real-time focal liver lesions detection in ultrasound videos a multicenter study 2026-Apr-16, NPJ digital medicine IF:12.4Q1 DOI:10.1038/s41746-026-02629-y PMID:41991627	研究论文	本研究开发了一种基于深度学习的自动化模型Auto-DFLLs，用于实时检测超声视频中的局灶性肝脏病变	首次提出基于ResNet和FPN架构的自动化深度学习模型，用于实时检测超声视频中的局灶性肝脏病变，并在多中心研究中验证其能显著提升不同经验水平超声医师的检测性能	NA	开发并验证一种自动化深度学习模型，以降低超声检测局灶性肝脏病变对操作者经验的依赖性	超声视频中的局灶性肝脏病变	计算机视觉	肝脏疾病	超声成像	CNN	视频	来自三家医院的5258个前瞻性收集的超声视频	NA	ResNet, FPN	AP50, Pr70, FP70, AFROC-AUC	NA
859	2026-04-18	LGGC-Net: a local-global graph and color attention-based lightweight CNN for skin cancer classification 2026-Apr-16, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-48724-8 PMID:41991637	研究论文	本研究提出了一种名为LGGC-Net的轻量级CNN模型，通过结合局部-全局图与颜色注意力机制来提升皮肤癌分类性能，同时保持计算效率	提出了LGGC（局部、全局图和颜色）注意力机制，并将其集成到轻量级CNN中，以增强判别性特征学习，在保持高精度的同时大幅减少模型参数量	模型在未见过的HAM10000数据集上的多分类准确率为76.1%，仍有提升空间；研究未详细说明在更多样化临床环境中的泛化能力	开发一种可临床部署、轻量、鲁棒且可解释的AI系统，用于皮肤癌分类	皮肤病变图像	计算机视觉	皮肤癌	NA	CNN	图像	使用了外部图像集和HAM10000数据集，具体样本数量未在摘要中明确说明	NA	LGGC-Net	准确率, AUC	NA
860	2026-04-18	Class-adaptive oracle-free metamorphic test case prioritization framework for vision-based deep neural networks 2026-Apr-16, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-49010-3 PMID:41991724	研究论文	提出了一种面向视觉深度神经网络的无预言机类自适应蜕变测试用例优先级排序框架	首次将类别依赖的模型行为变化与预测不确定性和可解释性漂移的互补作用相结合，通过多目标贝叶斯优化进行集成，实现了动态的、类自适应的测试用例优先级排序	实验仅在三个公开数据集和三种网络架构上进行验证，未涉及更复杂的现实世界场景或更大规模的模型	为安全关键的视觉应用开发一种鲁棒且可扩展的深度神经网络验证策略	视觉深度神经网络系统	计算机视觉	NA	蜕变测试	深度神经网络	图像	CIFAR-10、Fashion-MNIST和ISIC2019数据集	NA	ResNet-18, ResNet-50, ConvNeXt-Base	统计显著性改进	NA