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
341	2026-06-06	Super-adhesive sensor based on amylopectin-polyacrylic acid hydrogel for deep learning-assisted sign language recognition 2026-May, Journal of colloid and interface science IF:9.4Q1 DOI:10.1016/j.jcis.2026.139914 PMID:41570706	研究论文	设计了一种基于支链淀粉-聚丙烯酸水凝胶的超粘附传感器，用于深度学习辅助的手语识别	通过调控水凝胶组成和网络结构，同时实现了超强韧性、高灵敏度（GF=3.24）、高电导率和广泛表面粘附性，并集成到深度学习手语识别系统中	文中未提及在长期使用或复杂环境下的稳定性和耐久性测试	开发高性能柔性可穿戴传感器，解决粘附性差和性能不稳定问题，实现手语识别应用	PATA（聚丙烯酸/单宁酸/支链淀粉）水凝胶传感器	计算机视觉	NA	NA	深度学习模型（未指定具体类型）	信号数据	NA	NA	NA	韧性、应变因子、电导率、粘附强度	NA
342	2026-06-06	Transfer learning from 2D natural images to 4D fMRI brain images via geometric mapping 2026-May, Medical image analysis IF:10.7Q1 DOI:10.1016/j.media.2026.103949 PMID:41576824	研究论文	提出基于几何映射的迁移学习方法，将2D自然图像迁移学习应用于4D fMRI脑图像	提出多尺度多域特征聚合（MMFA）模块，通过表面几何映射将大脑皮层从3D黎曼流形映射到2D空间，实现2D自然图像到4D fMRI数据的迁移，保持皮层拓扑关系并沿流形计算以抑制信号干扰	未提及	解决fMRI数据集样本量小导致深度学习应用受限的问题，实现从大规模2D自然图像到4D fMRI脑图像的有效迁移学习	fMRI脑图像数据（包括性别分类、年龄估计、行为测量预测和抑郁症诊断）	计算机视觉, 机器学习	抑郁症	fMRI, 几何映射	CNN	图像	HCP数据集（未明确样本数）和23个抑郁症数据集	PyTorch	MMFA模块	准确率, AUC	NA
343	2026-06-06	Automatic detection and measurement system for aortic aneurysms using deep learning-based artificial intelligence 2026-May, The international journal of cardiovascular imaging DOI:10.1007/s10554-026-03630-y PMID:41591618	研究论文	基于深度学习的人工智能系统在非增强CT图像上自动检测梭形主动脉瘤并测量整个主动脉直径的性能评估	首次开发并验证了基于深度学习的AI系统，可在非增强CT图像上自动检测主动脉瘤并测量全主动脉直径，无需造影剂	研究为回顾性设计，样本人群主要为男性，未包含所有类型的主动脉瘤（如梭形动脉瘤），且未与其他检测方法进行对比	评估深度学习AI系统在非增强CT图像上检测主动脉瘤和测量主动脉直径的准确性和可靠性	非增强CT图像，主动脉瘤（梭形），全主动脉、胸主动脉、腹主动脉、髂动脉	计算机视觉	主动脉瘤	CT成像	CNN	图像	160张训练数据（130名男性，71.8±9.2岁），190张验证数据（153名男性，70.7±10.3岁）	NA	NA	Dice系数, 灵敏度, 阳性预测值, F1值, 组内相关系数	NA
344	2026-06-06	iAFP-fLRM: Accurate identification of antifungal peptides via hybrid deep learning architecture and multi-modal feature fusion 2026-May, Biophysical chemistry IF:3.3Q2 DOI:10.1016/j.bpc.2026.107591 PMID:41653519	研究论文	提出一种混合深度学习框架iAFP-fLRM，基于氨基酸序列准确识别抗真菌肽	设计双分支特征融合模块，集成自适应池化对齐与跨分支注意力增强，动态调整异质特征贡献度以提升互补性	本文未明确说明局限性	开发一种高效、经济的抗真菌肽计算识别方法，替代实验鉴定	抗真菌肽的氨基酸序列数据	机器学习	真菌感染	氨基酸序列分析	混合深度学习模型（Transformer编码器+ LSTM-ResMLP分类模块）	文本（氨基酸序列）	基准数据集（具体数目未提及）	PyTorch（基于代码仓库推测）	Transformer, LSTM, ResMLP	准确率, AUC, 马修斯相关系数（MCC）	NA
345	2026-06-06	Graph Embedding Comparator for Evolutionary Neural Architecture Search with Isomorphic Multi-Comparison 2026-May, International journal of neural systems IF:6.6Q1 DOI:10.1142/S0129065726500097 PMID:41582094	研究论文	提出一种基于图嵌入比较器的进化神经架构搜索框架，通过图卷积网络学习架构表征，并利用对比学习和同构多比较机制提升搜索鲁棒性和效率	首次将图卷积网络编码架构为嵌入向量，结合对比学习使相似精度架构在嵌入空间中靠近，并引入同构多比较机制评估多个结构等价变体，聚合生成全局排序分数以增强进化选择一致性	该方法可能依赖于标准NAS基准测试，未在更大规模或更多样化的数据集上验证其泛化能力；同构多比较机制增加了计算开销	自动化神经架构搜索，提升搜索效率和鲁棒性	神经网络架构的图结构表征与性能预测比较	机器学习	NA	NA	图卷积网络（GCN）	图结构数据（神经网络架构）	NA	NA	图卷积网络	精度、鲁棒性指标	NA
346	2026-06-06	Fréchet radiomic distance (FRD): A versatile metric for comparing medical imaging datasets 2026-May, Medical image analysis IF:10.7Q1 DOI:10.1016/j.media.2026.103943 PMID:41610784	研究论文	提出一种用于医学影像数据集分布比较的度量标准Fr茅chet放射组学距离	首次将标准化的临床有意义且可解释的放射组学特征融入感知度量，用于医学图像分布比较，克服了传统度量（如FID）对解剖特征捕捉不足的问题	NA	开发一种适用于医学图像的、任务无关的感知度量标准，用于评估图像分布差异	医学影像数据集和生成模型输出的图像	计算机视觉, 数字病理学	NA	放射组学特征提取	NA	图像	多个数据集（未明确具体数量）	NA	NA	与下游任务性能的相关性、解剖一致性和真实性评分、对抗攻击检测率	NA
347	2026-06-06	High-resolution automated mapping of potential Aedes larval container habitats using drone imagery and supervised machine learning in Dar es Salaam, Tanzania 2026-May, PLoS neglected tropical diseases IF:3.4Q1 DOI:10.1371/journal.pntd.0014361 PMID:42189914	研究论文	利用无人机影像和监督机器学习在坦桑尼亚达累斯萨拉姆进行高分辨率自动绘制潜在伊蚊幼虫容器栖息地	将高分辨率无人机影像与U-Net深度学习模型结合，实现密集城市环境中潜在伊蚊幼虫容器栖息地的自动化和大规模测绘，尤其能识别屋顶轮胎等传统地面监测难以发现的容器类型	模型对不同容器的检测准确率差异较大（水桶54%、轮胎72%、水箱75%），且未提及对阴影或遮挡情况的处理性能	探索可扩展的高分辨率无人机影像和机器学习方法，以自动绘制城市环境中潜在伊蚊幼虫容器栖息地	坦桑尼亚达累斯萨拉姆20个社区中水桶、轮胎和水箱等潜在伊蚊幼虫容器	计算机视觉	登革热、寨卡、基孔肯雅热、黄热病	无人机影像、NGS	U-Net	图像	标注区域4.6平方公里，预测区域27.27平方公里，共20个社区	PyTorch	U-Net	检测准确率	NA
348	2026-06-06	Intelligent Bioelectrical Sensing and Deep Learning Framework for Non-Invasive Monitoring of Plant Alkaline Stress 2026 May-Jun, Physiologia plantarum IF:5.4Q1 DOI:10.1111/ppl.70954 PMID:42229536	研究论文	开发了一种非侵入性植物电生理感知框架，结合深度学习方法，用于监测君子兰在碱性胁迫下的生理状态	首次提出空间通道碱性胁迫网络（SCANet）这一专用深度学习模型，结合薄膜贴片电极采集的电生理信号，实现非破坏性、连续性的碱性胁迫级别识别，并验证了30秒输入窗口在信号完整性与区分能力之间的最优平衡	研究仅在受控环境下进行，未评估在野外复杂环境中的适用性；未深入探讨电生理信号变化与具体分子机制的关联	实现植物碱性胁迫水平的非侵入性、高精度监测，为植物胁迫表型分析及智能监测提供新方法	君子兰电生理信号	机器学习	NA	电生理信号采集、小波去噪	深度学习模型（SCANet）	电生理信号	5个碱性梯度（pH 7.0、7.5、8.0、8.5、9.0）下的信号数据，具体样本量未说明	NA	SCANet（包含空间重建模块与通道重建模块）	准确率、精确率、召回率、F值	NA
349	2026-06-06	DREAMER-S: Deep leaRning-Enabled Attention-based Multiple-instance approaches with Explainable Representations for Spatial biology 2026-May, PLoS computational biology IF:3.8Q1 DOI:10.1371/journal.pcbi.1013581 PMID:42189895	研究论文	提出DREAMER-S框架，利用基于注意力的多实例学习在3D成像超立方体中学习空间特征，仅使用图像或切片级别标签，无需像素级标注	通过注意力权重可解释地突出显示类别相关光谱实例，无需手动标注；方法可泛化至需要实例级过滤的空间生物学应用	NA	从大规模多通道空间成像中识别与诊断或预后类别强关联的图像特征	结直肠癌患者来源异种移植模型（PDX）的量子级联激光红外（QCL-IR）组织成像数据	数字病理学	结直肠癌	QCL-IR组织成像	基于注意力的多实例学习（MIL）	图像	两个PDX样本：化疗敏感型（CRC0344）和反应较差型（CRC0076）	NA	注意力MIL框架	F1分数	NA
350	2026-06-06	Artificial Intelligence for Procedural Guidance of Spinal Epidural Steroid Injections: A Scoping Review 2026-May, Cureus DOI:10.7759/cureus.108260 PMID:42245875	范围综述	总结人工智能在脊柱硬膜外类固醇注射操作引导中的应用证据	首次系统梳理AI在SESI操作前规划、术中引导和术后预测三个阶段的临床应用证据	数据集规模小、AI模型设计异质性高、脊柱病理或高BMI患者代表性不足	评估AI辅助脊柱硬膜外类固醇注射操作引导的当前证据	脊柱硬膜外类固醇注射操作	机器学习	脊柱疾病	NA	机器学习、深度学习、神经网络	图像	9项研究	NA	NA	准确性、轨迹规划效率、穿刺时间、辐射暴露量	NA
351	2026-06-05	Integrating AI in Medicinal Chemistry for Accelerated Drug Discovery: A Comprehensive SAR (CSAR) Optimization Strategy and Discovery of Potent ALDH3A1 Inhibitors 2026-May-30, Journal of medicinal chemistry IF:6.8Q1 DOI:10.1021/acs.jmedchem.6c00537 PMID:42216908	研究论文	提出一种AI引导的基于反应的先导化合物优化策略（CSAR），并成功发现强效ALDH3A1抑制剂	结合顺序反应枚举、药效团引导对接和预测建模，实现可扩展的SAR扩展，并在ALDH3A1抑制剂优化中实现约1000倍效力提升	NA	加速药物发现中的先导化合物优化过程	ALDH3A1抑制剂	机器学习	癌症, 神经退行性疾病	反应枚举、药效团对接、深度学习预测建模	深度学习模型	分子结构数据	约250,000个虚拟类似物，150个合成化合物	NA	NA	生化效力（IC50）、细胞活性（EC50）	NA
352	2026-06-05	Artificial intelligence based techniques for brain tumor analysis: A systematic review 2026-May-30, Artificial intelligence in medicine IF:6.1Q1 DOI:10.1016/j.artmed.2026.103460 PMID:42235350	综述	对基于人工智能的脑肿瘤分析技术进行系统性综述	明确了现有文献中弱监督脑肿瘤分割的研究空白，并强调了可解释人工智能在脑肿瘤分析中的重要性	仅纳入IEEE Xplore和ACM两个数据库的论文，可能遗漏其他来源的重要研究；未涉及AI方法在临床实践中的全面应用	系统回顾基于人工智能的脑肿瘤分析技术，包括常用方法、数据集、特征、评估指标和可解释人工智能方法	脑肿瘤分析技术相关的学术论文	机器学习	脑肿瘤	NA	深度学习	NA	3950篇初始论文，最终筛选101篇	NA	NA	NA	NA
353	2026-06-05	Letter to the Editor: Traditional medical image interpretation and deep learning-based image analysis in predicting risk in patients with spontaneous intracerebral hemorrhage 2026-May-28, World journal of radiology IF:1.4Q3 DOI:10.4329/wjr.v18.i5.118969 PMID:42238230	评论	讨论传统医学影像解读与基于深度学习的影像分析在预测自发性脑出血患者风险中的优缺点	提出将传统影像解读与深度学习模型相结合的混合评估系统，以实现更精准的早期干预策略	深度学习模型对数据要求高且复杂，阻碍其广泛应用；传统影像解读存在主观性和局限性	探讨传统影像解读与深度学习模型在预测自发性脑出血后血肿扩大和死亡风险中的比较与结合潜力	自发性脑出血患者	计算机视觉	脑血管疾病	计算机断层扫描（CT），磁共振成像（MRI），深度学习	深度学习模型	医学影像	NA	NA	NA	预测准确性	NA
354	2026-06-05	Artificial intelligence in allergen immunotherapy: toward a proactive and personalized management of allergic diseases 2026-May-26, Current opinion in allergy and clinical immunology IF:3.0Q3 DOI:10.1097/ACI.0000000000001172 PMID:42235032	综述	探讨人工智能在过敏原免疫治疗中的应用，旨在实现过敏性疾病的前瞻性和个性化管理	总结了机器学习在患者分层、治疗依从性预测、实时监测及联邦学习在保护数据隐私方面的创新应用，同时指出了生成式AI在临床记录合成中的可靠性局限	生成式AI在直接用于患者时可靠性不足，且AI作为决策辅助工具仍需专家监督以确保患者安全	研究将人工智能整合到过敏原免疫治疗管理中，以提高精准医学效率和诊断准确性，并预测治疗结果	免疫球蛋白E介导的过敏性疾病患者及其过敏原免疫治疗管理	机器学习	过敏性疾病	NA	长短期记忆递归神经网络、随机潜变量actor-critic模型、深度学习、联邦学习、生成式AI	组学数据、分子致敏谱数据、可穿戴传感器数据、环境参数数据	NA	NA	长短期记忆递归神经网络、随机潜变量actor-critic	NA	NA
355	2026-06-05	Two-Step Ensemble Convolutional Neural Networks for Colonoscopic Biopsy Classification Resembling Pathologists' Process 2026-May-25, Journal of Korean medical science IF:3.0Q1 DOI:10.3346/jkms.2026.41.e152 PMID:42190697	研究论文	提出一种集成深度学习管道，用于结肠镜活检的五种诊断类别分类，类似于病理学家的诊断流程	首次采用两步骤集成卷积神经网络方法，模拟病理学家从整张切片图像中逐步分类的过程，并能过滤低质量图像	数据集可能仍有限，且NET分类任务可能需要更多验证	利用人工智能自动分类结肠直肠癌的多种亚型，提升诊断可靠性	结肠直肠癌活检切片图像	数字病理学, 计算机视觉, 机器学习	结肠直肠癌	数字病理学	卷积神经网络，集成模型	图像（整张切片图像）	18,922张结肠直肠癌整张切片图像	PyTorch	EfficientNet, 聚类约束注意力多实例学习模型	微观F1分数, 宏观F1分数, 加权F1分数	NA
356	2026-06-05	Generating Labeled Low-Heterogeneity Transcriptomes Using CRISPRa and CRISPRi Can Improve Phenotype Prediction by Deep Learning 2026-May-25, ACS synthetic biology IF:3.7Q1 DOI:10.1021/acssynbio.5c00873 PMID:42183825	研究论文	提出利用CRISPRa和CRISPRi技术生成低异质性标记转录组数据集，以改善深度学习的表型预测能力	首次提出通过CRISPRa和CRISPRi技术创建具有小增量转录组差异的标记细胞系，用于补充现有高异质性数据集，从而提升深度学习模型的表型预测性能	未提供实际生成的实验数据集验证方法有效性，仅停留在理论框架和实验设计阶段	解决现有组学数据因体积不足和高异质性而难以直接用于深度学习表型预测的问题	使用CRISPRa和CRISPRi技术生成的标记细胞系及其对应的转录组数据集	机器学习	癌症	CRISPRa, CRISPRi, 转录组测序	NA	转录组数据	NA	NA	NA	NA	NA
357	2026-06-05	PySERA: Open-source standardized python library for automated, scalable, and reproducible handcrafted and deep radiomics 2026-May-24, Computer methods and programs in biomedicine IF:4.9Q1 DOI:10.1016/j.cmpb.2026.109463 PMID:42235274	研究论文	开发了一个名为PySERA的开源标准化Python库，用于自动化、可扩展和可重复的手工与深度学习影像组学分析	首次在统一的Python框架中整合了标准化手工影像组学特征和深度学习影像组学嵌入，支持自动化和可重复分析，并具有高效的并行计算引擎	NA	解决现有影像组学工具在可重复性和可扩展性方面的局限，提供一个标准化且集成深度学习的Python原生框架	医学图像中的定量生物标志物提取与建模	计算机视觉, 数字病理学	NA	影像组学, 深度学习	CNN	医学图像（DICOM, NIfTI, NRRD格式）	NA	TensorFlow, PyTorch, Scikit-learn, MONAI	ResNet50, DenseNet121, VGG16	准确率, 可重复性（>94% IBSI）	NA
358	2026-06-05	Acoustic-based Stenosis Detection for Dialysis Patients using Explainable Machine Learning 2026-May-22, Research square DOI:10.21203/rs.3.rs-9781692/v1 PMID:42239778	研究论文	通过可解释机器学习方法，基于声学记录自动检测透析患者动静脉瘘狭窄	首次系统性比较经典机器学习模型与视觉Transformer在动静脉瘘狭窄声学检测中的性能，并结合SHAP分析提供生理学可解释性	NA	开发一种非侵入性、可解释的动静脉瘘狭窄自动检测方法，提升透析患者长期血管通路监测的临床可行性	血液透析患者的动静脉瘘声学记录	机器学习	肾脏疾病	声学录音	经典机器学习模型、视觉Transformer	声学信号	NA	NA	Vision Transformer	F1分数	NA
359	2026-06-05	Maximizing pancreatic carcinoma classification performance using parrot optimized vision transformer 2026-May-21, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-53240-w PMID:42168286	研究论文	利用鹦鹉优化视觉变换器最大化胰腺癌分类性能	结合YOLOv11特征提取、视觉变换器分类和鹦鹉元启发式优化算法，实现胰腺CT图像的高精度分类	数据集仅来自Kaggle的1411张图像，可能缺乏泛化性；未提及外部验证或临床应用可行性	开发一种自动化系统用于胰腺癌的识别与分类	胰腺CT图像，包含1411张图像	计算机视觉	胰腺癌	CT成像	视觉变换器	图像	1411张胰腺CT图像	NA	UNet, YOLOv11, Vision Transformer	准确率, 精确率, 召回率, F1分数, 马修斯相关系数, 真阳性率, 假阳性率	NA
360	2026-06-05	A Robust Deep Learning Framework for Skill Level Discrimination in Tennis Strokes Using Bilateral IMU Measurements 2026-May-21, Sensors (Basel, Switzerland) DOI:10.3390/s26103273 PMID:42198080	研究论文	提出一种基于同步双侧惯性测量单元数据的层次化深度学习框架，用于网球击球技能水平分类，准确率达95.54%	首次利用双侧惯性测量单元数据结合CNN-BiLSTM混合架构自动提取时空特征，实现精英与业余球员的客观区分，并揭示精英运动员的双侧协调稳定性优势	样本量有限（39名参与者），且仅涵盖特定类型击球（正手、反手、发球、截击），可能影响泛化性	开发客观、可现场应用的技能分类系统，用于网球教练和人才识别，克服主观视觉观察的局限	39名网球运动员（11名精英、28名业余）的4594次击球数据（含增强样本）	机器学习	NA	IMU	CNN-BiLSTM	时间序列信号	39名参与者（11精英、28业余），4594次击球数据	NA	CNN, BiLSTM	准确率	NA