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
101	2026-04-12	An Interpretable, Thermodynamics-Based Deep Learning Framework for Predicting and Optimizing Drug Membrane Permeability 2026-Apr-06, Journal of medicinal chemistry IF:6.8Q1 DOI:10.1021/acs.jmedchem.6c00204 PMID:41941324	研究论文	本文开发了一个基于热力学的深度学习框架，用于预测和优化药物膜渗透性，并设计了一种新型鼻用褪黑素类似物	提出了首个结合热力学原理与图神经网络的可解释深度学习框架，用于分析药物膜渗透性的结构-渗透性关系，并成功设计出具有优化渗透性的新型化合物	研究基于粗粒度分子动力学模拟数据，可能无法完全捕捉原子级细节；模型验证主要针对鼻用给药途径，其他给药途径的普适性有待进一步验证	预测和优化药物膜渗透性，以改善药物药代动力学特性	8,239种化合物的膜渗透热力学特性	机器学习	NA	粗粒度分子动力学模拟	图神经网络	分子结构数据	8,239种化合物	NA	图神经网络	NA	NA
102	2026-04-12	Simultaneous detection of water content and ferulic acid content in Angelica sinensis using NIR-HSI and multi-task hierarchical attention CNN 2026-Apr-06, Spectrochimica acta. Part A, Molecular and biomolecular spectroscopy DOI:10.1016/j.saa.2026.127829 PMID:41962343	研究论文	本研究结合近红外高光谱成像技术与深度学习，提出一种配备多头分层注意力机制的多任务卷积神经网络，用于同时快速无损检测当归的水分和阿魏酸含量	提出了结合多任务样本划分算法、多头分层注意力机制和不确定性驱动的自适应损失平衡策略的集成模型，实现了局部与全局光谱特征的双重捕获及多任务的动态协同优化	未明确说明模型在其他中药材或食品中的泛化能力验证情况，也未讨论实际工业部署中的硬件成本与实时性要求	实现当归药材的快速、无损、智能化质量检测	当归药材样本	计算机视觉	NA	近红外高光谱成像	CNN	光谱图像	未明确说明具体样本数量	未明确说明	1DCNN	R值, RPD值	NA
103	2026-04-12	YOLO-Drop: A Deep Learning Model Enabling Accurate, High-Throughput Image Analysis for Droplet Digital Immunoassay at Attomolar Concentrations 2026-Apr-05, Analytical chemistry IF:6.7Q1 DOI:10.1021/acs.analchem.6c00939 PMID:41937323	研究论文	本文开发了一种名为YOLO-Drop的深度学习模型，用于对微滴数字免疫分析中的图像进行准确、高通量分析，以实现阿托摩尔浓度级别的超灵敏蛋白质生物标志物检测	在YOLOv8架构基础上，集成了可变形卷积、BiFormer模块、高分辨率特征金字塔网络、小物体先验和类别感知非极大值抑制等定制化模块，显著提升了复杂微滴图像中小物体的识别能力，并部署于嵌入式平台实现实时分析	未明确说明模型在更广泛生物标志物或更复杂临床样本中的泛化性能，也未讨论嵌入式平台的计算限制对更大规模图像处理的影响	开发一种深度学习模型，以提升微滴数字酶联免疫吸附分析（ddELISA）的图像分析速度、自动化和准确性，实现超灵敏蛋白质生物标志物检测	微滴数字免疫分析中的微滴图像	计算机视觉	NA	微滴数字酶联免疫吸附分析	CNN	图像	5,574张包含约750,000个微滴的标注图像	PyTorch	YOLOv8	检测准确率	NVIDIA Jetson Orin Nano嵌入式平台
104	2026-04-12	Alzheimer's disease staging using enhanced inception-ResNet-V2 and improved XceptionNet models for 3D MRI classification and segmentation 2026-Apr-05, Journal of neuroscience methods IF:2.7Q3 DOI:10.1016/j.jneumeth.2026.110767 PMID:41941947	研究论文	提出一种增强的混合深度学习框架，用于阿尔茨海默病的3D MRI分类和分割	结合增强的Inception-ResNet-V2进行多分类，改进的XceptionNet进行脑区分割，并采用并行卷积神经网络有效提取3D MRI空间特征	未提及模型在外部验证集或临床实际应用中的泛化能力	提高阿尔茨海默病的诊断准确性和疾病分期能力	阿尔茨海默病患者和正常对照的3D MRI脑部扫描图像	医学影像分析	阿尔茨海默病	3D MRI	CNN	3D医学影像	OASIS和ADNI数据集（具体数量未说明）	NA	Inception-ResNet-V2, XceptionNet, 并行卷积神经网络	准确率	NA
105	2026-04-12	Enhancing 7T MRI for deep brain stimulation with deep-learning based image reconstruction and dynamic parallel transmission 2026-Apr-04, NeuroImage. Clinical DOI:10.1016/j.nicl.2026.103993 PMID:41962172	研究论文	本研究应用基于深度学习的图像重建和动态并行传输技术，优化了7T MRI用于深部脑刺激的成像协议，提高了图像质量并缩短了扫描时间	首次将深度学习图像重建与动态并行传输技术结合应用于7T MRI的深部脑刺激协议优化，显著提升了图像质量、目标结构显影和运动鲁棒性，同时大幅减少了扫描时间	研究样本量较小（共26例患者），且为单中心研究，需要更大规模的多中心验证来确认结果的普适性	优化7T MRI用于深部脑刺激的成像协议，解决其临床应用中存在的B1+发射不均匀性、扫描时间长和运动敏感性问题	接受深部脑刺激治疗的患者	医学影像分析	神经系统疾病（涉及深部脑刺激治疗）	7T MRI, 动态并行传输, 深度学习图像重建	深度学习模型	MRI图像	26例患者（13例使用传统协议，13例使用增强协议）	NA	NA	图像质量评分, 运动伪影评分, 目标结构显影评分, 扫描时间减少百分比, 体素体积减少百分比, 优势比	NA
106	2026-04-12	Responsible Use of Artificial Intelligence to Improve Kidney Care: A Statement from the American Society of Nephrology 2026-Apr-01, Journal of the American Society of Nephrology : JASN IF:10.3Q1 DOI:10.1681/ASN.0000000929 PMID:41201255	综述	本文概述了人工智能在肾脏病学中的临床应用，并为肾科医生在慢性肾脏病、急性肾损伤、透析和移植护理中整合AI提供了实用指导	提出了一个负责任使用AI的框架，强调以患者利益为核心、确保临床医生监督，并推动在高负担疾病领域的创新	NA	为肾脏病护理中负责任且有效地实施人工智能提供指导和框架	肾脏疾病患者，包括慢性肾脏病、急性肾损伤、透析和移植患者	机器学习	肾脏疾病	NA	NA	NA	NA	NA	NA	NA	NA
107	2026-04-12	Identification of nonconvulsive status epilepticus in the ictal-interictal continuum using artificial intelligence: a prospective observational cohort study 2026-Apr, Encephalitis (Seoul, Korea) DOI:10.47936/encephalitis.2025.00157 PMID:41834605	研究论文	本研究旨在利用人工智能技术，基于脑电图功能连接性差异，区分非惊厥性癫痫持续状态与昏迷-发作间期连续状态的患者	首次结合图论功能连接性与深度学习模型，对发作间期连续状态中的非惊厥性癫痫持续状态与昏迷状态进行区分，并验证了机器学习方法在此类脑电图模式分类中的可行性	样本量相对较小（72例患者），且研究为单中心前瞻性观察性队列设计，需要更大规模的多中心研究进一步验证	探究非惊厥性癫痫持续状态与昏迷-发作间期连续状态患者在功能连接性上的差异，并评估基于这些差异的机器学习模型的分类性能	发作间期连续状态脑电图模式的患者，包括非惊厥性癫痫持续状态组和昏迷-发作间期连续状态组	机器学习	癫痫	脑电图，短时傅里叶变换	卷积神经网络	脑电图信号，时频图像	72例患者（53例非惊厥性癫痫持续状态，19例昏迷-发作间期连续状态）	NA	NA	准确率	NA
108	2026-04-12	A Deep Learning Framework for Automated Triage of Breast Cancer Biopsies in Malaysia: A Simulation Study to Reduce Resource Consumption and Diagnostic Turnaround Time 2026-Apr, Clinical breast cancer IF:2.9Q2 DOI:10.1016/j.clbc.2026.02.005 PMID:41863188	研究论文	本研究开发并验证了一个深度学习分诊系统，用于优先处理可疑的乳腺癌活检病例，以模拟方式评估其在马来西亚医院病理工作流程中减少资源消耗和诊断周转时间的潜力	提出了一种基于深度学习的自动化分诊框架，通过模拟研究预测其在资源有限医疗系统中的效率提升，首次在马来西亚背景下针对乳腺癌活检进行此类仿真分析	研究基于合成数据集进行模拟，尚未在真实世界环境中进行验证，实际应用效果需进一步确认	开发一个深度学习分诊系统，以优化乳腺癌活检的病理工作流程，减少诊断延迟和资源消耗	乳腺癌活检的数字化病理切片图像	数字病理学	乳腺癌	全切片图像分析	CNN	图像	大型合成数据集（具体数量未明确说明）	NA	NA	AUC	NA
109	2026-04-12	A Multichannel Flexible Interface for Environmental-Robust Laryngeal Signal Decoding 2026-Apr-01, ACS applied materials & interfaces IF:8.3Q1 DOI:10.1021/acsami.6c01457 PMID:41919668	研究论文	本文提出了一种可穿戴、柔性、多通道的压阻接口，用于在复杂语音行为中解码喉部和下颌下运动，以实现嘈杂或受限环境下的鲁棒人机交互	开发了一种集成微金字塔PDMS传感层、导电PPy涂层和多通道电极阵列的柔性可穿戴接口，结合改进的音频频谱图Transformer与多通道融合机制，实现了端到端的语义识别	仅使用了14个核心英语词汇构建数据集，词汇量有限；未在更广泛的语音障碍人群或多种语言中进行验证	在嘈杂、受限或语音受损环境中实现鲁棒的人机交互	喉部和下颌下运动信号	机器学习	NA	多通道压阻传感，无线数据传输，实时设备端处理	Transformer	多通道运动信号数据	总计3,840个样本（来自麦克风和发声两个结构化数据集）	NA	改进的音频频谱图Transformer	分类准确率	NA
110	2026-04-12	Multimodal Assessment of Biological Age Following Radiation Therapy Among Patients With Early-Stage NSCLC 2026-Apr-01, JAMA network open IF:10.5Q1 DOI:10.1001/jamanetworkopen.2026.4872 PMID:41949867	研究论文	本研究评估了基于照片的面部年龄和基于肺功能测试的肺年龄与早期非小细胞肺癌患者接受立体定向放疗后总生存期和早期死亡率的关系	首次将深度学习模型估计的面部年龄与肺功能衍生的肺年龄结合，作为非侵入性生物年龄指标，用于预测早期非小细胞肺癌患者的生存结局，并发现面部年龄是独立于实际年龄的生存预测生物标志物	研究为回顾性队列设计，面部年龄估计依赖于预处理照片的可用性，肺年龄数据仅来自部分患者子集，可能存在选择偏倚，且随访时间中位数为44个月，长期生存影响需进一步验证	评估非侵入性生物年龄指标（面部年龄和肺年龄）在预测早期非小细胞肺癌患者接受立体定向放疗后生存结局中的价值	年龄≥60岁、接受根治性立体定向放疗的早期非小细胞肺癌患者	数字病理学	肺癌	深度学习模型, 肺功能测试	深度学习模型	图像, 临床数据	670名患者（中位年龄77岁，61%为女性），其中477名有肺功能测试数据	NA	NA	风险比, 置信区间, P值	NA
111	2026-04-11	Advanced deep learning framework for breast cancer detection using digital breast tomosynthesis images 2026-Apr-24, Biomedizinische Technik. Biomedical engineering DOI:10.1515/bmt-2025-0011 PMID:41521204	研究论文	本研究提出了一种基于深度学习的鲁棒框架，用于利用数字乳腺断层合成图像进行乳腺癌检测	提出了一种结合单切片和多切片输入的混合深度学习模型，并应用了拉普拉斯金字塔增强、特征融合和穷举特征选择等先进方法以提升诊断性能	研究未使用多中心数据集进行验证，且尚未与临床决策支持系统集成	开发一种用于乳腺癌早期准确检测的深度学习框架	数字乳腺断层合成图像	计算机视觉	乳腺癌	数字乳腺断层合成成像	CNN, 集成学习	图像	未明确说明	TensorFlow, Keras, Scikit-learn, XGBoost	ResNet V2, MobileNet V3, Inception V3+	准确率, 灵敏度, 特异性, AUC	未明确说明
112	2026-04-11	Blood pressure estimation using single photoplethysmography signal based on ResNet-BiGRU 2026-Apr-24, Biomedizinische Technik. Biomedical engineering DOI:10.1515/bmt-2025-0285 PMID:41715883	研究论文	本研究开发了一种基于ResNet-BiGRU混合深度神经网络的框架，利用单一光电容积脉搏波信号进行无袖带血压估计	提出了一种结合残差卷积块和双向门控循环单元的混合深度学习模型，以联合捕捉光电容积脉搏波信号的形态和时间特征，实现连续、无创的血压监测	模型在外部数据集（VitalDB）上的性能（尤其是收缩压误差）相比内部数据集有所下降，表明其在不同生理条件下的泛化能力仍需进一步验证	开发一个准确、鲁棒且可泛化的深度学习框架，用于基于单一光电容积脉搏波信号的无袖带血压估计	光电容积脉搏波信号和动脉血压信号	机器学习	心血管疾病	光电容积脉搏波	CNN, BiGRU	信号数据	UCI数据集包含942名受试者的同步信号，VitalDB数据集包含手术患者的同步信号	NA	ResNet, BiGRU	平均绝对误差	NA
113	2026-04-11	A simulation-based deep learning framework for spatially explicit malaria modeling of CRISPR suppression gene drive mosquitoes 2026-Apr-17, iScience IF:4.6Q1 DOI:10.1016/j.isci.2026.115221 PMID:41890961	研究论文	本研究开发了一个基于模拟的深度学习框架，用于空间显式建模CRISPR抑制基因驱动蚊子对疟疾的影响	结合个体建模与深度学习，高效分析多参数对基因驱动效果的影响，揭示了不完美驱动仍可能消除疟疾的潜力	未明确说明模型在真实世界数据上的验证情况，且计算需求可能仍较高	预测CRISPR基因驱动释放对疟疾传播的影响，优化蚊虫抑制策略	CRISPR基因驱动蚊子及其对疟疾传播的调控	机器学习	疟疾	CRISPR基因驱动技术，个体建模	深度学习模型	模拟数据	NA	NA	NA	NA	NA
114	2026-04-11	RaMoA: Raman Microspectroscopy and Deep Learning for the Classification of Antimicrobial Mechanism of Action 2026-Apr-10, ACS infectious diseases IF:4.0Q1 DOI:10.1021/acsinfecdis.5c00917 PMID:41824399	研究论文	本文提出了一种结合拉曼显微光谱和深度学习的新技术，用于分类抗菌药物的作用机制并预测其新颖性	首次将拉曼显微光谱与深度学习结合，用于抗菌药物作用机制的分类和新颖性预测，实现了高精度分类和未知机制识别	研究仅基于大肠杆菌ATCC 25922野生型菌株，且处理时间固定为1小时，样本多样性和时间动态性有限	开发一种基于拉曼光谱和深度学习的技术，以快速分类抗菌药物的作用机制并评估其新颖性	大肠杆菌ATCC 25922野生型菌株，使用27种代表5类传统功能（细胞壁合成抑制剂、蛋白质合成抑制剂、DNA复制抑制剂、RNA合成抑制剂、细胞膜功能抑制剂）的抗生素处理	机器学习	NA	拉曼显微光谱	CNN, 自编码器	拉曼光谱	27种抗生素处理的大肠杆菌样本，代表5类作用机制	NA	1D 卷积神经网络, 自编码器	准确率	NA
115	2026-04-11	A diffusion-based framework for designing molecules in flexible protein pockets 2026-Apr-10, Science advances IF:11.7Q1 DOI:10.1126/sciadv.aeb7045 PMID:41950314	研究论文	本文提出了一种基于扩散的框架YuelDesign，用于在柔性蛋白质口袋中设计分子，以解决结构基药物发现中的挑战	YuelDesign首次联合建模蛋白质口袋结构和配体构象，通过双扩散过程迭代优化几何和化学特性，并利用E3former保持旋转和平移等变性	NA	开发一种能够处理蛋白质柔性口袋的分子设计框架，以改进药物发现过程	蛋白质-配体复合物，特别是具有柔性口袋的蛋白质	机器学习	NA	扩散模型	扩散模型	蛋白质口袋结构和配体构象数据	NA	NA	E3former, 阐明扩散模型, 离散去噪扩散概率模型	药物相似性, 合成复杂性, 化学官能团多样性, 对接能量	NA
116	2026-04-11	The impact of data consistency on deep learning models for nasopharyngeal cancer organ auto-segmentation 2026-Apr-10, Biomedical physics & engineering express IF:1.3Q3 DOI:10.1088/2057-1976/ae596e PMID:41916328	研究论文	本研究探讨了标注一致性对基于深度学习的鼻咽癌放疗中危及器官自动勾画性能的影响	揭示了标注一致性比数据集规模对自动勾画性能更具决定性影响，并展示了通过医师特定微调可弥补领域适应差距	研究仅基于CT扫描数据，未考虑其他影像模态；样本来源和标注医师的多样性可能有限	研究标注一致性如何影响深度学习模型在鼻咽癌放疗中危及器官自动勾画的性能	鼻咽癌患者的CT扫描图像及对应的危及器官勾画	数字病理	鼻咽癌	CT扫描	CNN	图像	1,301例鼻咽癌患者CT扫描，其中65例由医师A勾画，76例由医师B勾画，1,160例由多医师团队勾画	NA	U-Net	Dice相似系数	NA
117	2026-04-11	Artificial intelligence augmented imaging of pancreatic fluid collections in acute pancreatitis 2026-Apr-10, Indian journal of gastroenterology : official journal of the Indian Society of Gastroenterology IF:2.0Q3 DOI:10.1007/s12664-026-01979-5 PMID:41957213	综述	本文综述了人工智能在增强急性胰腺炎中胰腺液体积聚成像方面的应用，包括分割、图像生成、预后预测和工作流优化	利用深度学习和放射组学技术，自动化分割胰腺及液体积聚，客观量化坏死碎片，并加速MRI采集时间，可能生成合成图像	临床整合面临挑战，如数据标准化、算法验证和实际工作流适应性问题	探讨人工智能如何改进胰腺液体积聚的成像诊断和管理，以克服传统成像方法的局限性	急性胰腺炎患者的胰腺液体积聚	数字病理学	胰腺炎	深度学习, 放射组学	深度学习模型	医学影像数据（如CT、MRI）	NA	NA	NA	NA	NA
118	2026-04-11	Deep learning-based pathomics signature predicts prognosis and treatment response in gastric cancer: a multicenter retrospective study 2026-Apr-10, NPJ precision oncology IF:6.8Q1 DOI:10.1038/s41698-026-01381-6 PMID:41957258	研究论文	本研究开发了一种基于深度学习的病理组学特征（PS），用于预测胃癌患者的预后和治疗反应	提出了多尺度图神经网络与门控注意力机制的多实例学习模型（MS-GMIL），直接从H&E切片构建预后预测模型，并整合转录组数据解析病理生理机制	回顾性研究设计，需前瞻性验证；多中心数据可能存在异质性	建立能够预测胃癌预后和治疗反应的病理组学特征	胃癌患者的H&E病理切片和转录组数据	数字病理学	胃癌	H&E染色病理切片分析，转录组测序	图神经网络，多实例学习	病理图像，转录组数据	多中心回顾性队列（具体数量未在摘要中说明）	NA	多尺度图神经网络与门控注意力机制（MS-GMIL）	预后预测准确性，治疗反应预测	NA
119	2026-04-11	Vessel Wall Imaging at 7T: State of the Art 2026-Apr-09, AJNR. American journal of neuroradiology DOI:10.3174/ajnr.A9065 PMID:41136333	综述	本文综述了7T磁共振颅内血管壁成像的技术发展、临床应用及未来潜力	总结了7T-MRI在血管壁成像中的关键技术进步，包括脉冲序列开发和CSF抑制技术的整合，并探讨了深度学习重建等创新方向	面临B1场不均匀性和缺乏标准化协议等挑战	评估7T-MRI在神经血管疾病诊断中的应用价值与进展	颅内血管壁，特别是中、小口径血管	数字病理学	脑血管疾病	7T-MRI, 磁化准备反转恢复涡轮自旋回波, 采样完美与应用优化对比度序列, Cube序列	NA	磁共振图像	NA	NA	NA	NA	NA
120	2026-04-11	Hyperspectral imaging-driven detection of neutraliser adulteration in milk using spatial-spectral features 2026-Apr-09, Food additives & contaminants. Part A, Chemistry, analysis, control, exposure & risk assessment DOI:10.1080/19440049.2026.2653543 PMID:41955473	研究论文	本研究提出了一种结合新型光谱指数和空间导数特征的混合方法，利用高光谱成像和机器学习来检测牛奶中的中和剂掺假	提出了一种结合新型光谱指数（基于纯中和剂在650-975 nm范围的反射率曲线开发）和二阶空间导数特征的混合方法，以增强检测精度	NA	检测和分类牛奶中的中和剂（如碳酸钠和碳酸氢钠），以确保牛奶质量和消费者安全	新鲜牛奶和掺有不同浓度中和剂（每100 ml牛奶添加0.025 g、0.05 g和0.075 g）的牛奶样本	机器视觉	NA	高光谱成像	XGBoost, Random Forest	高光谱图像	NA	NA	NA	准确率	NA