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
21	2026-04-10	Deep Learning Methods for De Novo Peptide Sequencing 2026 May-Jun, Mass spectrometry reviews IF:6.9Q1 DOI:10.1002/mas.21919 PMID:39611290	综述	本文综述了深度学习在从头肽段测序中的应用方法、性能评估流程及领域挑战	系统总结了自2017年DeepNovo算法以来深度学习主导的从头测序技术发展脉络	未提出新的算法模型，主要侧重于现有方法的归纳与讨论	探讨深度学习在质谱数据从头肽段测序中的方法学进展与评估标准	蛋白质串联质谱数据及其对应的肽段序列	机器学习	NA	串联质谱	多层神经网络	质谱数据	NA	NA	NA	NA	NA
22	2026-04-10	Deep Learning-Based Skin Lesion Classification: A CNN Approach on High-Frequency Ultrasound Imaging 2026-May, Journal of ultrasound in medicine : official journal of the American Institute of Ultrasound in Medicine IF:2.1Q2 DOI:10.1002/jum.70125 PMID:41267329	研究论文	本研究评估了基于深度学习的模型，用于高频超声（HFUS）图像在B模式和Doppler模式下的皮肤病变二分类	通过比较单输入CNN与Unity和Cascade架构，结合B模式和Doppler模式数据，探索了定制化深度学习在非侵入性皮肤病变分类中的潜力	未明确提及具体局限性，但暗示网络设计和数据质量会影响性能	评估深度学习模型在高频超声图像上对皮肤病变进行二分类的性能	高频超声（HFUS）图像，包括B模式和Doppler模式	计算机视觉	皮肤病变	高频超声（HFUS）成像	CNN	图像	NA	NA	CNN, Unity, Cascade	准确率, AUC	NA
23	2026-04-10	Automated Detection of Cervical Spinal Cord Compression on MRI Using YOLO11 Deep Learning Architecture: A Two-Center External Validation Study 2026-May-01, Spine IF:2.6Q1 DOI:10.1097/BRS.0000000000005639 PMID:41631492	研究论文	本研究开发并验证了一种基于YOLO11深度学习架构的模型，用于在MRI上自动检测颈脊髓压迫	首次将YOLO11架构应用于颈脊髓压迫的自动化检测，并进行了多中心外部验证，模型性能与专家标注高度一致	研究为回顾性设计，数据来源于两个医疗中心，可能存在选择偏倚；模型仅针对T2加权矢状位MRI图像	开发和验证一个深度学习模型，用于自动化检测MRI上的颈脊髓压迫，以辅助退行性颈脊髓病的诊断	疑似退行性颈脊髓病患者的颈椎MRI图像	计算机视觉	退行性颈脊髓病	MRI	YOLO	图像	735名患者的1431张矢状位T2加权颈椎MRI图像	NA	YOLO11	mAP50, 精确度, 召回率	NA
24	2026-04-07	The differences in essential facial areas for impressions between humans and deep learning models: An eye-tracking and explainable AI approach 2026-May, British journal of psychology (London, England : 1953) DOI:10.1111/bjop.12744 PMID:39460393	研究论文	本研究结合眼动追踪和可解释AI技术，探讨了人类与深度学习模型在面部印象（吸引力、支配性和性别二态性）评估中关注的关键面部区域差异	首次将眼动追踪实验与可解释AI（Grad-CAM）方法结合，对比人类视觉注意与深度学习模型特征提取的差异，揭示面部印象形成机制的分离性	研究仅针对特定三种面部印象（吸引力、支配性、性别二态性），且面部图像通过几何形态测量学生成，可能未完全覆盖真实人脸的自然变异	探究人类与深度学习模型在面部印象评估中依赖的面部特征差异，并验证可解释AI技术在提取印象决定因素中的有效性	通过几何形态测量学生成的面部图像，以及参与眼动追踪实验的人类受试者	计算机视觉	NA	几何形态测量学，眼动追踪，可解释AI（Grad-CAM）	深度学习模型	图像	NA	NA	NA	NA	NA
25	2026-04-07	Computers and chess masters: The role of AI in transforming elite human performance 2026-May, British journal of psychology (London, England : 1953) DOI:10.1111/bjop.12750 PMID:39635926	研究论文	本文通过分析超过1160万次精英棋手的决策，探讨了人工智能（AI）在复杂任务中对人类顶级表现的辅助作用	首次量化分析了AI两次革命（1990年代末的PC/互联网和2010年代末的深度学习引擎）对精英棋手决策质量的影响，发现人类进步与AI发展同步，但决策质量在四十年间稳步提升，未出现预期的快速飞跃期	研究仅聚焦于国际象棋领域，结论可能无法直接推广到其他复杂任务；且最新神经网络引擎的影响可能尚未完全显现	探究AI在人类顶级表现中的辅助角色及其影响机制	精英国际象棋选手的决策数据	机器学习	NA	数据分析、深度学习	NA	决策记录数据	超过1160万次精英棋手决策	NA	NA	决策质量评估	NA
26	2026-04-07	The state of modelling face processing in humans with deep learning 2026-May, British journal of psychology (London, England : 1953) DOI:10.1111/bjop.12794 PMID:40364689	综述	本文综述了深度学习模型在人类面部处理研究中的现状，并与心理学模型进行了比较	通过比较深度学习模型与心理学模型，揭示了深度学习模型在面部编码方面的意外发现，如身份识别网络同时编码表情信息，并提出了未来研究的开放性问题	NA	探讨深度学习模型如何模拟人类面部处理系统，并比较其与心理学模型的异同	人类面部处理系统，包括核心系统（提取面部编码）和扩展系统（链接个人与社会信息）	计算机视觉	NA	深度学习	NA	图像	NA	NA	NA	NA	NA
27	2026-04-07	Deep Learning-based Automated Coronary Plaque Quantification: First Demonstration With Ultra-high Resolution Photon-counting Detector CT at Different Temporal Resolutions 2026-May-01, Investigative radiology IF:7.0Q1 DOI:10.1097/RLI.0000000000001233 PMID:40843653	研究论文	本研究评估了一种基于深度学习的自动化冠状动脉斑块量化工具在超高分辨率光子计数探测器CT冠状动脉造影中的可行性和可重复性，并探讨了时间分辨率对斑块定量的影响	首次在超高分辨率光子计数探测器CT冠状动脉造影中应用基于深度学习的全自动冠状动脉分割和斑块量化算法，并比较了不同时间分辨率（66毫秒与125毫秒）对斑块定量结果的影响	研究为单中心回顾性设计，样本量较小（45例患者），且仅评估了特定CT扫描仪和重建模式下的性能	评估基于深度学习的自动化冠状动脉斑块量化工具在超高分辨率CT数据中的技术可行性和可重复性，并分析时间分辨率对量化结果的影响	接受临床指征的超高分辨率光子计数探测器CT冠状动脉造影扫描的45例患者	数字病理学	心血管疾病	超高分辨率光子计数探测器CT冠状动脉造影	深度学习算法	CT图像	45例患者，共135支冠状动脉（其中119支显示动脉粥样硬化斑块）	NA	NA	斑块体积量化、直径狭窄程度、统计显著性（P值）	NA
28	2026-04-06	Deep Learning Integration in Optical Microscopy: Advancements and Applications 2026-May, Microscopy research and technique IF:2.0Q3 DOI:10.1002/jemt.70112 PMID:41486782	综述	本文探讨了深度学习在光学显微镜中的集成，重点关注图像分类、分割和计算重建等关键应用	深度学习作为变革性方法，提升了图像重建、增强和分析的精度，减少了手动干预和对领域专业知识的依赖	需要大量标注数据集、动态样本变异性、模型可解释性以及潜在的数据偏差	探索深度学习在光学显微镜中的应用，以解决传统显微镜面临的挑战	光学显微镜图像及其处理	计算机视觉	NA	光学显微镜	CNN, U-Net, ResNet, GAN	图像	NA	NA	卷积神经网络, U-Net, 残差网络, 生成对抗网络	NA	NA
29	2026-04-06	Artificial intelligence model for cardiovascular disease risk prediction in breast cancer patients using electronic health records and computed tomography scans 2026-May, Radiotherapy and oncology : journal of the European Society for Therapeutic Radiology and Oncology IF:4.9Q1 DOI:10.1016/j.radonc.2026.111455 PMID:41759965	研究论文	本研究开发了一种融合深度学习模型，利用电子健康记录和CT扫描预测接受放疗的乳腺癌患者的心血管疾病死亡风险	首次结合电子健康记录和CT扫描数据，通过融合深度学习模型预测乳腺癌患者的心血管疾病死亡风险	研究仅针对接受放疗的乳腺癌患者，可能不适用于其他癌症类型或治疗方式	预测乳腺癌患者心血管疾病死亡风险，实现早期检测	接受放疗的乳腺癌患者	数字病理学	心血管疾病	CT扫描，电子健康记录分析	融合深度学习模型	图像，文本	23,067名患者，包含约500万张CT切片和约60万份电子健康记录文档	NA	NA	AUC，准确率	NA
30	2026-04-05	Redesigning myoglobin via functional site scaffolding for enhanced catalytic functions 2026-May-14, Biochemical and biophysical research communications IF:2.5Q3 DOI:10.1016/j.bbrc.2026.153642 PMID:41855859	研究论文	本研究利用深度学习驱动的功能位点支架策略，重新设计肌红蛋白，以增强其催化功能	采用基于扩散的结构模型生成骨架架构，结合逆折叠设计优化序列，并通过结构预测算法评估一致性，从血红素结合口袋和二级配位球残基启动设计过程，实现了肌红蛋白的微型化改造	NA	通过蛋白质重新设计增强肌红蛋白的催化功能	肌红蛋白及其微型化变体bitMb	机器学习	NA	深度学习、扩散模型、逆折叠设计、结构预测算法	扩散模型、ProteinMPNN、AlphaFold、OmegaFold	蛋白质序列和结构数据	超过100,000个序列	NA	NA	NA	NA
31	2026-04-05	Learning Deep Tree-Based Retriever for Efficient Recommendation: Theory and Method 2026-May, IEEE transactions on pattern analysis and machine intelligence IF:20.8Q1 DOI:10.1109/TPAMI.2025.3648453 PMID:41452694	研究论文	本文提出了一种基于深度树的高效推荐检索器（DTR），通过软最大多类分类和损失函数修正方法，提升推荐效率并满足最大堆假设	提出DTR模型，将训练任务构建为同层树节点上的软最大多类分类，实现显式横向竞争和更优的top-k选择，同时引入损失函数修正和基于树的采样方法以提升泛化能力	未明确说明模型在大规模候选集下的计算成本或实际部署中的具体限制	提高深度推荐模型的推荐效率，同时保持推荐准确性	基于树结构的深度推荐模型	机器学习	NA	NA	深度树模型	推荐数据	四个真实世界数据集	NA	Deep Tree-based Retriever (DTR)	推荐准确性, 推荐效率	NA
32	2026-04-05	Revisiting Out-of-Distribution Detection in Real-Time Object Detection: From Benchmark Pitfalls to a New Mitigation Paradigm 2026-May, IEEE transactions on pattern analysis and machine intelligence IF:20.8Q1 DOI:10.1109/TPAMI.2025.3650695 PMID:41489965	研究论文	本文针对实时目标检测中的分布外检测问题，揭示了现有评估基准的缺陷并提出了一种新的训练时缓解范式	揭示了广泛使用的OoD评估基准存在根本性缺陷（高达13%的标注错误），并提出了一种不依赖外部OoD检测器的新型训练时缓解范式，通过语义相似的合成OoD数据集微调检测器	未明确说明合成OoD数据集的构建细节和规模，且方法在极端分布偏移场景下的有效性有待验证	有效减少目标检测器中由分布外输入引发的幻觉错误	实时目标检测模型	计算机视觉	NA	深度学习	CNN, Transformer	图像	BDD-100K数据集	PyTorch	YOLO, Faster R-CNN, RT-DETR	幻觉错误减少率	NA
33	2026-04-05	Learn to Enhance Sparse Spike Streams 2026-May, IEEE transactions on pattern analysis and machine intelligence IF:20.8Q1 DOI:10.1109/TPAMI.2026.3653768 PMID:41528913	研究论文	本文提出了首个深度学习框架SS2DS，用于将稀疏的脉冲流增强为密集的脉冲流，以解决脉冲相机在低光照高速场景下的性能下降问题	提出了首个深度学习框架SS2DS，能够调整稀疏脉冲流的时间分布，并首次构建了合成和真实的稀疏脉冲流数据集进行评估	未明确说明模型在极端低光照条件下的鲁棒性，以及计算复杂度和实时性方面的具体表现	解决脉冲相机在低光照高速视觉任务中脉冲信号稀疏导致的性能下降问题	脉冲相机产生的稀疏脉冲流	计算机视觉	NA	脉冲相机成像	神经网络	脉冲流数据	合成和真实稀疏脉冲流数据集（具体数量未明确）	NA	SS2DS	MA, BRISQUE, NIQE, PSNR, SSIM, LPIPS	NA
34	2026-04-05	Consistency-Aware Spot-Guided Transformer for Accurate and Versatile Point Cloud Registration 2026-May, IEEE transactions on pattern analysis and machine intelligence IF:20.8Q1 DOI:10.1109/TPAMI.2026.3653989 PMID:41533614	研究论文	本文提出了一种用于点云配准的一致性感知点引导Transformer模型，旨在通过改进粗匹配过程提升配准的准确性和效率	设计了两种稀疏注意力机制：一致性感知自注意力通过选择具有全局一致对应关系的点子集来传播全局一致性；点引导交叉注意力将注意力限制在动态定义的“点”区域，以消除相似但不相关区域的干扰	未明确说明模型在极端噪声或严重遮挡场景下的性能，也未讨论计算资源消耗的具体量化数据	提升点云配准的准确性、效率和鲁棒性，并增强模型在未见领域的泛化能力	室外LiDAR数据集和室内RGB-D相机数据集中的点云	计算机视觉	NA	NA	Transformer	点云	NA	NA	一致性感知点引导Transformer (CAST)	准确性, 效率, 鲁棒性	NA
35	2026-04-05	Single-Photon Imaging in Complex Scenarios via Physics-Informed Deep Neural Networks 2026-May, IEEE transactions on pattern analysis and machine intelligence IF:20.8Q1 DOI:10.1109/TPAMI.2026.3654264 PMID:41538339	研究论文	提出一种物理信息深度神经网络框架，用于复杂场景下的单光子成像，通过嵌入成像物理实现无监督学习	将成像物理嵌入深度神经网络，引入多尺度时空先验和体积渲染，并设计双分支结构以应对多深度和雾遮挡	未明确说明计算资源需求或模型在极端低信噪比下的性能边界	解决复杂场景下单光子成像的低信噪比和泛化问题	单光子成像系统捕获的3D结构数据	计算机视觉	NA	单光子成像	深度神经网络	图像	NA	NA	U-Net	均方根误差	NA
36	2026-04-05	Rapid assessment of pesticide toxicity in aquatic ecosystems using deep learning-based automatic duckweed counting method 2026-May, Aquatic toxicology (Amsterdam, Netherlands) DOI:10.1016/j.aquatox.2026.107791 PMID:41887020	研究论文	本研究利用基于深度学习的自动浮萍计数方法快速评估农药对水生生态系统的毒性	应用基于StarDist技术的优化自动浮萍计数工具，实现高通量、自动化的农药毒性评估	仅测试了28种常用农药，且毒性评估基于实验室条件，可能无法完全反映自然环境中的复杂效应	评估农药对水生植物的毒性，为农药环境风险评估提供快速有效的方法	浮萍（Wolffia globosa）	计算机视觉	NA	StarDist技术	深度学习	图像	28种常用农药（包括除草剂、杀菌剂和杀虫剂）对浮萍生长的测试	NA	StarDist	IC值（抑制浓度）	NA
37	2026-04-05	Neuroimaging-Based Deep Learning Applications for Lesion Detection and Predicting the Outcome Following Epilepsy Surgery 2026-May, Neuroimaging clinics of North America IF:1.3Q3 DOI:10.1016/j.nic.2025.10.002 PMID:41932780	综述	本文综述了基于神经影像的深度学习在癫痫手术病灶检测和术后结果预测中的应用	总结了深度学习在癫痫手术病灶检测中的进展，并探讨了其在术后结果预测方面的探索性应用	基于神经影像的手术结果预测模型仍处于探索阶段，缺乏透明、可解释和前瞻性验证	评估深度学习在癫痫手术病灶检测和术后结果预测中的应用潜力	药物难治性局灶性癫痫患者	医学影像分析	癫痫	神经影像（如MRI）	深度学习模型	神经影像数据	多中心大型研究	NA	NA	NA	NA
38	2026-04-04	Ameliorative effect of Rhus verniciflua Stokes on high-fat diet-induced obesity and advanced analysis with machine learning and deep learning-based network pharmacology 2026-May-15, Life sciences IF:5.2Q1 DOI:10.1016/j.lfs.2026.124337 PMID:41881279	研究论文	本研究评估了漆树提取物对高脂饮食诱导的肥胖及代谢功能障碍相关脂肪肝病的改善作用，并利用人工智能方法分析其活性成分	结合体内实验与多层人工智能/机器学习流程（包括分子对接、分子动力学、深度学习药物-靶点相互作用建模及强化学习），系统分析漆树提取物的抗肥胖机制与活性成分	研究仅使用雄性ICR小鼠模型，未涉及雌性动物或更复杂的疾病模型；人工智能预测的活性成分需进一步实验验证	评估漆树提取物的抗肥胖疗效及其作用机制	雄性ICR小鼠及24种经核磁共振鉴定的漆树提取物成分	机器学习	肥胖	核磁共振（NMR）鉴定、分子对接、分子动力学模拟、转录组学分析	深度学习, 强化学习	生物化学数据、分子结构数据、基因表达数据	雄性ICR小鼠（具体数量未明确说明），24种漆树提取物成分	NA	NA	体重变化百分比、血清低密度脂蛋白降低百分比、肝脏甘油三酯降低百分比、NAS评分降低百分比	NA
39	2026-04-04	Low-Field Magnetic Resonance Imaging of the Late Gestation Cervix and Birth Outcome Correlation: A Prospective Cohort Study 2026-May, BJOG : an international journal of obstetrics and gynaecology DOI:10.1111/1471-0528.70103 PMID:41332358	研究论文	本研究利用低场MRI技术对晚期妊娠宫颈进行重建和3D建模，并自动化测量以关联人口统计学和分娩结局	开发了一种新颖、准确的自动化系统，用于评估MRI晚期妊娠宫颈生物测量和体积测量，揭示了宫颈表型可能影响分娩结局的新机制	样本量相对较小（n=97），且仅针对首次尝试阴道分娩的晚期妊娠女性，可能限制结果的普遍性	探究晚期妊娠宫颈的MRI测量与分娩结局之间的相关性	晚期妊娠（36-41周）女性，首次尝试阴道分娩	数字病理学	产科疾病	低场MRI，2D T2加权Turbo-Spin-Echo序列	3D深度学习分割网络	MRI图像	97名晚期妊娠女性	NA	NA	图像重建质量，分割质量，组间变异性，相关性分析，OR值	0.55 T Freemax MRI扫描仪
40	2026-04-04	Accelerating Prostate Cancer Detection Through Histopathological Image Analysis Using Artificial Intelligence 2026-May, Microscopy research and technique IF:2.0Q3 DOI:10.1002/jemt.70104 PMID:41376335	研究论文	本研究提出了一种结合CNN集成与Vision Transformer的混合深度学习框架，用于加速前列腺癌的病理图像检测	提出了一种结合CNN集成与Vision Transformer的混合深度学习框架，并引入了交叉注意力融合模块和知识蒸馏技术，以提高检测性能并实现轻量化部署	模型的计算复杂度较高，相比传统CNN需要更多的计算资源	加速前列腺癌的早期检测和准确诊断	前列腺癌的病理组织图像	数字病理学	前列腺癌	病理图像分析	CNN, Vision Transformer	图像	使用公开的PANDA数据集进行训练和测试	NA	VGG-16, DenseNet-121, AlexNet, Vision Transformer	准确率, 真阳性率, 真阴性率, 精确率, F1分数, 假阴性率, 假阳性率	GPU内存, 推理时间