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
961	2026-04-10	Closed-loop transcranial ultrasound stimulation based on NREM and REM sleep for bidirectional modulation of sleep neural oscillation and memory 2026-Apr-09, Journal of neural engineering IF:3.7Q2 DOI:10.1088/1741-2552/ae584a PMID:41894824	研究论文	本研究开发了一种基于深度学习的闭环经颅超声刺激系统，针对非快速眼动和快速眼动睡眠振荡，评估了睡眠神经振荡和记忆能力	首次利用闭环经颅超声刺激技术，结合深度学习，针对睡眠特定振荡进行双向调制，揭示了其对神经活动和记忆功能的影响	研究主要基于小鼠模型，对人类睡眠和记忆的适用性尚不明确，且未详细探讨长期刺激效应	探究闭环经颅超声刺激对睡眠神经振荡和记忆能力的调制作用	健康小鼠和阿尔茨海默病模型小鼠	神经科学, 生物医学工程	阿尔茨海默病	闭环经颅超声刺激, 深度学习	深度学习模型	神经振荡信号, 行为数据	未明确指定样本数量，涉及健康小鼠和阿尔茨海默病模型小鼠	NA	NA	神经活动相关性, 记忆能力改善	NA
962	2026-04-10	Uncertainty-Aware Multi-Class Brain Tumor Segmentation Using Bayesian U-Net Variants 2026-Apr-08, Biomedical physics & engineering express IF:1.3Q3 DOI:10.1088/2057-1976/ae5ca9 PMID:41950940	研究论文	本文提出了一种基于贝叶斯推理的不确定性感知框架，用于多类别脑肿瘤分割，并评估了多种U-Net变体在BraTS 2020数据集上的性能	将多种U-Net变体（Attention U-Net、Residual U-Net、Squeeze-Attention U-Net、CBAM U-Net）集成到统一的贝叶斯推理框架中，通过MC dropout实现像素级和类别特定的认知不确定性估计，提供了超越传统精度指标的互补见解	未明确提及模型的计算效率、实时性限制或在其他数据集上的泛化能力	开发一种不确定性感知的脑肿瘤分割框架，以提高分割结果的可靠性和临床可解释性	脑肿瘤的MRI图像，特别是BraTS 2020数据集中的多类别肿瘤子区域（全肿瘤、肿瘤核心、增强肿瘤）	数字病理学	脑肿瘤	磁共振成像	CNN	图像	NA	NA	Attention U-Net, Residual U-Net, Squeeze-Attention U-Net, CBAM U-Net	分割精度	NA
963	2026-04-10	Discovery, engineering and application of a maleate isomerase for efficient L-malic acid biosynthesis via dual-enzyme cascade with fumarase 2026-Apr-06, Bioorganic chemistry IF:4.5Q1 DOI:10.1016/j.bioorg.2026.109842 PMID:41950715	研究论文	本研究通过生物信息学挖掘和深度学习工具指导的酶工程，开发了一种高效的双酶级联系统，用于以低成本马来酸为底物绿色合成L-苹果酸	从候选序列中鉴定出高活性的Schaalia vaccimaxillae来源的马来酸异构酶，并利用基于深度学习的计算预测指导突变，使其催化活性提升153.6%，进而与富马酸酶构建一锅双酶级联系统	未明确说明该酶系统在长期工业运行中的稳定性、底物浓度进一步提高的可行性以及大规模生产成本的具体评估	开发一种高效、可持续且经济可行的生物催化路线用于L-苹果酸的生产	L-苹果酸的生物合成	合成生物学，酶工程	NA	生物信息学挖掘，深度学习指导的酶工程，双酶级联催化	基于深度学习的计算预测工具	蛋白质序列数据，酶活性数据	NA	NA	NA	催化活性提升百分比（153.6%），产物浓度（171.4 g/L L-MA），生产率（14.28 g·(L·h)）	NA
964	2026-04-10	Brain Myelin in Children With Attention-Deficit/Hyperactivity Disorder: A Longitudinal T1-Weighted/T2-Weighted Ratio Study 2026-Apr, Biological psychiatry. Cognitive neuroscience and neuroimaging DOI:10.1016/j.bpsc.2025.07.012 PMID:40789484	研究论文	本研究通过纵向T1加权/T2加权比值分析，探讨了注意力缺陷/多动障碍（ADHD）儿童脑白质髓鞘发育轨迹	首次在纵向社区儿科队列中，使用T1w/T2w比值结合深度学习自动纤维束追踪方法，系统评估ADHD儿童脑白质髓鞘发育模式	研究未发现ADHD组与对照组在髓鞘发育上的显著差异，可能受样本特征或方法灵敏度限制，且未考虑纤维结构等其他白质特性	探究ADHD儿童脑白质髓鞘的发育轨迹及其与疾病的关系	9-14岁儿童（包括195名ADHD患者及205名对照）	神经影像学	注意力缺陷/多动障碍	T1加权/T2加权比值成像、扩散加权成像	深度学习	神经影像数据（T1w、T2w、DWI）	400次扫描（195名ADHD儿童，年龄范围9-14岁，3个时间点）	NA	NA	NA	NA
965	2026-04-10	Graph-based deep learning approach for high-throughput protein-DNA interaction scoring 2026-Apr, Acta pharmacologica Sinica IF:6.9Q1 DOI:10.1038/s41401-025-01688-3 PMID:41326808	研究论文	本文提出了一种基于图深度学习的蛋白质-DNA相互作用评分方法PDIScore，用于准确量化蛋白质-DNA相互作用	开发了PDIScore这一新型深度学习评分函数，采用全面的图表示捕获核苷酸灵活性，结合可扩展的GraphGPS架构与BigBird线性全局注意力处理大相互作用界面，并利用混合密度网络建模残基-核苷酸距离分布	NA	开发可靠的蛋白质-DNA相互作用评分函数以促进生物学过程理解和药物设计	蛋白质-DNA相互作用	机器学习	NA	深度学习	图神经网络	蛋白质-核酸复合物结构	约7000个蛋白质-核酸复合物结构	NA	GraphGPS, BigBird, 混合密度网络	富集因子, AUROC, 对接成功率, 皮尔逊相关系数	NA
966	2026-04-10	Deep Learning and Fluid Dynamics On-Site CT-FFR Solution Compared to Off-Site FFRct and Invasive FFR 2026-Apr, JACC. Cardiovascular imaging DOI:10.1016/j.jcmg.2025.11.011 PMID:41758106	研究论文	本研究评估了基于深度学习和流体动力学的现场CT-FFR算法（xFFR）在冠状动脉疾病评估中的诊断性能，并与场外FFRct和有创FFR进行了比较	开发并验证了一种现场、快速（平均8分钟）的CT-FFR算法，结合了深度学习和流体动力学，作为场外FFRct解决方案的替代方案	单中心研究，需要进一步研究以确认其普适性并优化实施	评估现场CT-FFR算法在冠状动脉疾病诊断中的性能	250名有症状的中高风险冠状动脉疾病患者	数字病理学	心血管疾病	冠状动脉计算机断层扫描血管造影	深度学习	医学影像	250名患者	NA	NA	AUC, 敏感性, 特异性, 准确性, Spearman相关系数, Cohen's κ	NA
967	2026-04-10	Automated Brain Tumor Detection Using Convolutional Neural Network 2026-Apr, Biotechnology and applied biochemistry IF:3.2Q2 DOI:10.1002/bab.70060 PMID:41076544	研究论文	本研究探讨了使用卷积神经网络（U-Net和SSD）进行脑肿瘤自动检测的效能，以提高早期诊断的准确性	结合了用于医学图像分割的U-Net模型和用于目标检测的SSD模型，评估并比较了它们在脑肿瘤检测中的性能，强调了U-Net在精确分割方面的优势	SSD模型的准确率相对较低（58%），表明其在某些场景下可能仅作为辅助工具，且研究未详细说明数据集的具体规模和多样性	通过深度学习技术提升脑肿瘤的早期检测能力，以支持及时的医疗干预	脑肿瘤的检测与定位	计算机视觉	脑肿瘤	医学图像分析	CNN	医学影像	NA	NA	U-Net, SSD	准确率	NA
968	2026-04-10	New Directions in Digital Pathology 2026-Apr, Dermatologic clinics IF:2.2Q2 DOI:10.1016/j.det.2026.01.012 PMID:41951334	综述	本文回顾了数字皮肤病理学的现状与未来方向，重点介绍了全切片成像和人工智能的作用	强调了AI工具在诊断、分诊和预后方面的应用，其准确性可与专家病理学家相媲美	实施成本高、图像质量存在变异性以及算法学习中的偏见	探讨数字病理学在临床实践中的整合与未来发展方向	数字皮肤病理学中的全切片成像和人工智能工具	数字病理学	NA	全切片成像	深度学习, 卷积神经网络	图像	NA	NA	NA	准确性	NA
969	2026-04-06	Developing an artificial intelligence tool for detecting fractures of child abuse: preliminary findings 2026-Apr-04, European radiology IF:4.7Q1 DOI:10.1007/s00330-026-12513-8 PMID:41934493	研究论文	本研究旨在开发和评估一种基于深度学习的AI工具（BoneView），用于检测儿童虐待导致的骨折，通过初步训练提升了模型性能	首次将商业可用的深度学习算法应用于儿童虐待骨折的自动检测，并通过针对性的放射影像数据重新训练，初步验证了其性能提升的潜力	研究为单中心回顾性试点研究，样本量相对有限（1740名患者），且参考标准依赖于放射学报告和单一观察者的回顾性审查，可能存在偏差	开发并评估一种人工智能工具，以提高儿童虐待所致骨折的诊断准确性，辅助临床决策	5岁以下因疑似身体虐待接受骨骼检查的儿童及其放射影像	数字病理学	儿童虐待	放射影像学检查（骨骼检查）	深度学习模型	图像（放射影像）	1740名患者（平均年龄8.77个月，1026名男性），其中1227项阳性研究中329项被标注用于训练	NA	BoneView	AUC, 灵敏度, 特异性	NA
970	2026-04-06	Application of transformer-enhanced convolutional neural network: multicenter MRI assessment of muscle invasion in bladder cancer 2026-Apr-04, European radiology IF:4.7Q1 DOI:10.1007/s00330-026-12497-5 PMID:41934494	研究论文	本研究开发了一种基于Transformer增强卷积神经网络的深度学习模型，用于多中心MRI评估膀胱癌的肌层浸润情况	通过深度学习模型克服了传统MRI解读中因病灶形态（带蒂与无蒂）导致的诊断偏差，特别是在无蒂病灶中显著提高了特异性	研究未明确说明模型在其他类型病灶或不同MRI设备上的泛化能力，且样本量虽为多中心但可能仍存在选择偏倚	准确评估膀胱癌的肌层浸润情况，以指导治疗选择	膀胱癌患者	数字病理学	膀胱癌	MRI	CNN, Transformer	图像	1374名患者	PyTorch	nnU-Net, ConvNeXt-tiny	Dice系数, AUC, 准确率, 灵敏度, 特异性	NA
971	2026-04-06	LTF-MSPCNet: A synergistic approach combining attention mechanisms and local texture features for oil spill segmentation in SAR images 2026-Apr-03, Marine pollution bulletin IF:5.3Q1 DOI:10.1016/j.marpolbul.2026.119689 PMID:41934891	研究论文	本文提出了一种结合注意力机制和局部纹理特征的SAR图像溢油分割新方法LTF-MSPCNet	在TransUNet框架基础上，集成了LBP纹理特征提取方法到多尺度大核卷积模块，并引入了可学习的特征提取与重建机制，结合SE注意力机制抑制背景噪声	未明确说明模型在极端天气条件或复杂海况下的泛化能力，也未讨论计算效率与实时性	提高SAR图像中溢油区域的分割精度，特别是对小规模溢油区域的检测能力	合成孔径雷达（SAR）图像中的海洋溢油区域	计算机视觉	NA	合成孔径雷达（SAR）成像	CNN, Transformer	图像	1655个训练样本，370个测试样本（来自Sentinel-1 SAR图像）	NA	TransUNet, LTF-MSPCNet（基于TransUNet的改进架构）	Mean Dice, Mean IoU	NA
972	2026-04-06	From statistics to deep learning in single-molecule fluorescence resonance energy transfer analysis 2026-Apr-03, Current opinion in structural biology IF:6.1Q1 DOI:10.1016/j.sbi.2026.103268 PMID:41934925	综述	本文综述了基于深度学习的方法在单分子荧光共振能量转移分析中的应用，并与传统统计方法进行比较	探讨深度学习在smFRET分析中提升精度、准确性和速度的潜力，这是该领域的前沿研究方向	NA	比较深度学习与传统方法在smFRET信号分析中的性能	单分子荧光共振能量转移信号	机器学习	NA	单分子荧光共振能量转移	深度学习模型	荧光信号	NA	NA	NA	精度, 准确性, 速度	NA
973	2026-04-06	Prediction of Early-onset Preeclampsia Using Deep Learning: A Scoping Review of Clinical and Imaging Models 2026-Apr-03, Pregnancy hypertension DOI:10.1016/j.preghy.2026.101462 PMID:41935450	综述	本文对使用深度学习模型预测早发型子痫前期的临床和影像学方法进行了范围综述，总结了现有证据、模型性能及方法学局限性	首次对早发型子痫前期预测的深度学习模型进行范围综述，系统比较了临床模型与影像学模型，并识别了多模态模型在提升判别能力方面的潜力	纳入研究数量有限（15项），多数研究缺乏外部验证，模型泛化性不足，存在参与者选择、预测因子处理和分析程序等方法学局限	系统梳理和评估深度学习模型在预测早发型子痫前期方面的现有证据、性能及临床适用性	早发型子痫前期	机器学习	子痫前期	NA	深度学习, 机器学习	临床数据, 影像数据	NA	NA	深度神经网络, 随机森林, 梯度提升, XGBoost	AUC	NA
974	2026-04-06	Advances in Artificial Intelligence in Cosmetic Dermatology 2026-Apr, Actas dermo-sifiliograficas IF:3.8Q1 DOI:10.1016/j.ad.2025.104560 PMID:41418903	综述	本文综述了人工智能在美容皮肤科中的应用进展，包括皮肤评估、个性化治疗开发以及相关移动应用和临床设备	总结了AI在美容皮肤科中从皮肤诊断到激光治疗预测和化妆品配方优化的多方面革命性应用，并指出了当前面临的挑战	面临数据偏见和临床验证不足等挑战	探讨人工智能在美容皮肤科领域的应用现状与未来潜力	美容皮肤科中的皮肤评估、诊断、治疗预测及产品推荐	机器学习	NA	NA	机器学习,深度学习	NA	NA	NA	NA	准确性	NA
975	2026-04-06	Intelligent interferometric analysis of lipid layer thickness for clinical evaluation of dry eye disease 2026-Apr, The ocular surface DOI:10.1016/j.jtos.2026.02.011 PMID:41794130	研究论文	本研究开发并验证了一个全自动深度学习框架，用于从白光干涉图像中定量分析泪膜脂质层厚度，以支持干眼症和睑板腺功能障碍的临床评估	首次将深度学习分割模型与基于物理的光学映射方法相结合，实现泪膜脂质层厚度的全自动定量测量，消除了传统定性或半定量评估的限制	研究主要基于特定动物模型和临床数据集，未涉及大规模多中心验证，且可能受成像条件变化的影响	开发一个全自动、可扩展的定量泪膜脂质层厚度分析工具，用于干眼症和睑板腺功能障碍的客观临床评估	BALB/c小鼠的临床前图像以及健康志愿者和睑板腺功能障碍患者的临床数据集	计算机视觉	干眼症	白光干涉成像	深度学习分割模型	图像	动物和人类数据集，具体样本数量未明确说明	NA	U-Net, DeepLabV3+, Unet++	Dice系数, R2	NA
976	2026-04-06	Artificial Intelligence in Vitreoretinal Surgery: A Systematic Review of Current Applications and Future Directions 2026-Apr, Ophthalmology and therapy IF:2.6Q2 DOI:10.1007/s40123-026-01347-8 PMID:41795058	综述	本文系统回顾了人工智能在玻璃体视网膜疾病和手术中的应用现状，并探讨了未来发展方向	首次全面评估了AI在玻璃体视网膜手术多个环节（术前预测、术中引导、工作流支持）的应用，并识别了知识空白	大多数研究为回顾性、单中心设计，外部验证有限，临床转化需前瞻性验证	评估人工智能在玻璃体视网膜疾病诊断、手术预后预测及术中辅助的应用潜力与挑战	玻璃体视网膜疾病患者、手术过程及相关医学影像数据	计算机视觉, 自然语言处理	玻璃体视网膜疾病	光学相干断层扫描	机器学习, 深度学习	医学影像, 临床变量, 文本	37项研究（具体样本量未明确）	NA	NA	R2, AUROC, 准确率, 精确率	NA
977	2026-04-06	Validation of the Eyerobo FC Portable Fundus Camera for Diabetic Retinopathy Screening Using Public Datasets and Deep Learning 2026-Apr, Ophthalmology and therapy IF:2.6Q2 DOI:10.1007/s40123-026-01353-w PMID:41814043	研究论文	本研究验证了便携式免散瞳眼底相机Eyerobo FC在糖尿病视网膜病变筛查中的诊断性能，通过迁移学习方法，将基于桌面相机图像训练的人工智能算法应用于该便携设备图像	首次采用迁移学习方法，将基于标准桌面眼底相机图像训练的AI模型直接应用于新型便携式设备Eyerobo FC的图像，验证了跨成像平台的算法泛化能力	前瞻性验证队列样本量相对较小（N=104只眼），且研究主要关注糖尿病视网膜病变的二元分类（可转诊vs不可转诊）	验证新型便携式免散瞳眼底相机Eyerobo FC在糖尿病视网膜病变筛查中的诊断性能是否不劣于标准桌面眼底相机	糖尿病视网膜病变患者的眼底图像	计算机视觉	糖尿病视网膜病变	眼底成像	CNN	图像	训练数据来自EyePACS和APTOS 2019公共数据集；参考标准评估使用Messidor-2数据集（N=1748只眼）；前瞻性验证使用Eyerobo FC采集的图像（N=104只眼）	TensorFlow, PyTorch	EfficientNet-B4	灵敏度, 特异性, AUC, 准确率, Cohen's kappa	NA
978	2026-04-06	Improving Fairness and Mitigating Bias in Multicenter Electronic Health Records Models to Predict Glaucoma Outcomes 2026-Apr, Ophthalmology science IF:3.2Q1 DOI:10.1016/j.xops.2026.101119 PMID:41883731	研究论文	本研究评估了在多中心电子健康记录中预测青光眼进展模型中使用偏倚缓解方法的有效性，并提出了一个平衡性能与公平性的新评估指标	提出了FairOdds-AUC这一复合指标，用于平衡模型性能与公平性，并在多中心青光眼数据上系统比较了多种偏倚缓解方法	后处理和预处理偏倚缓解策略在不同外部站点间的泛化能力较弱，结果变化较大	评估偏倚缓解方法在青光眼进展预测模型中的有效性，并促进临床人工智能的公平性	来自美国七个机构的50,656名青光眼患者	机器学习	青光眼	电子健康记录分析	XGBoost, 神经网络, Transformer	电子健康记录	50,656名患者	Python	Transformer, 全连接网络	AUROC, 均衡机会差异, FairOdds-AUC	NA
979	2026-04-05	Label-free pathological subtyping of non-small cell lung cancer using deep classification and virtual immunohistochemical staining 2026-Apr-03, NPJ digital medicine IF:12.4Q1 DOI:10.1038/s41746-026-02557-x PMID:41933080	研究论文	本研究提出了一种无标记方法，利用自发荧光成像和深度学习技术对非小细胞肺癌进行病理亚型分类和虚拟免疫组化染色	采用无标记的自发荧光成像结合深度学习，实现非小细胞肺癌亚型的快速准确区分，并生成临床级虚拟免疫组化染色，避免了传统染色过程的耗时与成本	未明确说明样本来源的多样性或外部验证集的情况，可能影响模型的泛化能力	开发一种无标记、快速且准确的非小细胞肺癌病理亚型分类方法，以加速诊断流程	非小细胞肺癌组织样本，包括非癌组织、腺癌、鳞状细胞癌及其他亚型	数字病理学	肺癌	自发荧光成像（强度成像和寿命成像）	深度学习	图像	未明确说明具体样本数量	未明确说明	未明确说明具体架构	曲线下面积	未明确说明
980	2026-04-05	Improving Diabetic Foot Care With Infrared Thermography and Artificial Intelligence: A Review 2026-Apr-03, Journal of diabetes science and technology IF:4.1Q2 DOI:10.1177/19322968261432639 PMID:41933482	综述	本文综述了红外热成像与人工智能在糖尿病足护理中的应用，分析了37篇相关研究	整合红外热成像与人工智能技术，用于糖尿病足并发症的识别和风险预测，强调了自动诊断系统的潜力	研究多局限于使用预准备数据集进行足部热图分类，分割方法研究有限，且因缺乏大规模多样化数据集而限制了深度学习的应用	评估红外热成像与人工智能在糖尿病足护理中的潜力，以改善决策、减少错误并支持预后评估	糖尿病足并发症的识别和风险预测	计算机视觉	糖尿病足	红外热成像	NA	图像	NA	NA	NA	NA	NA