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
461	2026-06-18	A Triple-Perception Adaptive Network for In Vivo Organ Recognition Using Diffuse Reflectance Hyperspectral Imaging 2026-05-19, Analytical chemistry IF:6.7Q1 DOI:10.1021/acs.analchem.6c00546 PMID:42087583	研究论文	提出一种三重感知自适应网络，用于通过漫反射高光谱成像进行体内器官识别	TriAd网络通过三个互补分支（图卷积网络、2D卷积神经网络和离散小波变换）分别提取全局光谱-结构依赖、局部空间-光谱特征和多尺度光谱成分，并利用最大均值差异减少跨领域差异	未提及	开发一种自适应网络，用于校正实验条件与发育阶段引起的个体间光谱变异，实现斑马鱼体内器官识别	斑马鱼体内12个器官	计算机视觉	不适用	近红外漫反射高光谱成像	图卷积网络、2D卷积神经网络、离散小波变换	光谱图像	包含两个发育阶段斑马鱼12个器官的高光谱数据集	PyTorch（推测）	图卷积网络、2D卷积神经网络、离散小波变换	分类性能（未具体说明指标）	未提及
462	2026-06-18	Non-invasive profiling of the tumour microenvironment with spatial ecotypes 2026-May-06, Nature IF:50.5Q1 DOI:10.1038/s41586-026-10452-4 PMID:42092150	研究论文	提出一种机器学习框架，通过对肿瘤微环境的多分析物分析，识别出保守的空间生态型，并利用深度学习方法从血浆游离DNA中重建这些生态型	首次提出“空间生态型”概念，整合超过1000万个单细胞和空间转录组数据，发现九种保守的EC；证明空间生态型可通过DNA甲基化谱区分，并能利用深度学习从血浆cfDNA中恢复，为液体活检提供新方法	分析主要基于已有公开数据集，样本量和肿瘤类型可能有限；cfDNA检测的临床验证规模较小（约100例黑色素瘤患者），需更大队列验证	开发一种非侵入性方法，通过分析肿瘤微环境的细胞状态和多细胞生态系统，改善癌症风险分层和免疫治疗个性化	多种人类癌症（包括黑色素瘤）的肿瘤微环境中的细胞状态和多细胞生态系统	机器学习	黑色素瘤	空间转录组学, 单细胞转录组学, DNA甲基化测序, 血浆游离DNA测序	深度学习模型	基因表达数据, 甲基化数据, 图像数据	超过1000万个单细胞和点水平空间转录组数据，约100例黑色素瘤患者的cfDNA样本	NA	NA	NA	NA
463	2026-06-18	AI Clinical Decision Tools in Multidisciplinary Team Discussions for Colorectal Cancer 2026-May, Clinics in colon and rectal surgery IF:1.2Q3 DOI:10.1055/a-2769-1363 PMID:41948157	综述	探讨人工智能在结直肠癌多学科团队讨论中的临床应用工具	系统梳理了人工智能（特别是机器学习、影像组学和大语言模型）在结直肠癌多学科团队中的整合潜力，重点关注临床决策支持	在复杂病例中处理能力有限，可解释性差，缺乏监管框架，伦理挑战未解决，尚未整合到常规多学科团队工作流程中	概述人工智能在结直肠癌多学科团队中整合的现有证据，强调临床潜力和实施障碍	结直肠癌多学科团队讨论中的人工智能决策工具	机器学习	结直肠癌	NA	机器学习、深度学习、大语言模型	影像、内镜、文本	NA	NA	NA	准确性、预测性能	NA
464	2026-06-18	Artificial Intelligence for the Treatment and Management of Colorectal Liver Metastases 2026-May, Clinics in colon and rectal surgery IF:1.2Q3 DOI:10.1055/a-2769-1413 PMID:41948161	综述	总结人工智能在结直肠癌肝转移治疗与管理中的应用现状及未来前景	系统性地梳理了AI在CRLM诊疗全流程（诊断、治疗反应预测、手术规划、术中导航、术后监测）中的应用，并强调了多模态数据整合与个性化治疗潜力	多数研究为回顾性，外部验证不足，模型决策可解释性有限	探讨人工智能改善结直肠癌肝转移治疗流程和结果的潜力	结直肠癌肝转移患者	机器学习	结直肠癌肝转移	NA	NA	影像、基因组、病理、临床数据	NA	NA	NA	NA	NA
465	2026-06-18	The Role of Perioperative Artificial Intelligence in Colon and Rectal Surgery 2026-May, Clinics in colon and rectal surgery IF:1.2Q3 DOI:10.1055/a-2769-1052 PMID:41948166	综述	本文探讨了围手术期人工智能在结肠和直肠手术中的应用，涵盖术前规划、术中引导及术后优化	系统性地总结了AI在结直肠手术围手术期的创新应用，包括计算机视觉、放射组学、多组学数据整合、深度学习识别关键解剖结构以及视觉-语言模型等新兴技术	研究仍处于早期阶段，尚未准备好用于广泛的临床实施	探索围手术期人工智能工具在结直肠手术中的应用潜力，以增强决策并标准化手术护理	结肠和直肠手术的围手术期流程，包括术前预测、术中引导和术后结果优化	计算机视觉, 自然语言处理, 机器学习	结直肠癌, 炎症性肠病	放射组学, 深度测序, 多组学	机器学习模型, 深度学习, 视觉-语言模型, 手术基础模型	影像数据, 分子数据, 多组学数据	NA	NA	NA	NA	NA
466	2026-06-18	Methodological considerations for evaluating deep learning segmentation models in digital pathology whole-slide images 2026-May, Journal of medical imaging (Bellingham, Wash.) DOI:10.1117/1.JMI.13.3.037501 PMID:42305726	研究论文	评估深度学习分割模型在数字病理全玻片图像中的性能，并探讨方法学问题	引入基于不同分析单位（像素、感兴趣区域、全玻片）的性能聚合方法和自助法估计幻灯片级别性能方差	未提及具体模型架构或计算资源细节	评估深度学习分割模型在乳腺癌全玻片图像数据集上的性能，并探究评估中的方法学问题	乳腺癌全玻片图像数据集（来自肿瘤浸润淋巴细胞挑战赛）	数字病理	乳腺癌	NA	深度学习	图像（全玻片图像）	乳腺癌全玻片图像数据集（具体数量未提及）	NA	NA	性能估计（均值）、不确定性（方差）	NA
467	2026-06-18	Additional Dose Reduction Potential of Vendor-Agnostic Deep Learning Model: A Phantom Study 2026-May, Journal of the Korean Society of Radiology DOI:10.3348/jksr.2025.0047 PMID:42306167	研究论文	使用体模实验评估一个厂商无关的深度学习模型应用于不同CT厂商迭代重建方法时的额外剂量降低潜力	首次评估了厂商无关的深度学习模型（ClariCT.AI）对不同CT厂商迭代重建方法的额外剂量降低潜力	未提及具体局限性	评估厂商无关的深度学习模型对CT图像额外剂量降低的潜力	多尺寸图像质量体模（Mercury v4.0）的图像	计算机视觉, 医学影像	NA	CT成像	深度学习模型（DLM, ClariCT.AI）	CT图像	使用两台不同厂商的CT扫描仪，在六个剂量水平（参考剂量的6%, 12%, 25%, 50%, 100%, 200%）下获取图像	NA	NA	可探测指数（d'）, 对比度噪声比（CNR）	NA
468	2026-06-18	Artificial intelligence in dentistry: Training and testing a caries detection model with intraoral scans 2026-May, Journal of conservative dentistry and endodontics DOI:10.4103/JCDE.JCDE_1025_25 PMID:42306595	研究论文	开发和评估基于YOLOv5的深度学习模型，用于从口内扫描中检测咬合面龋齿	首次将YOLOv5模型应用于口内扫描图像的龋齿检测，并通过针对性预处理模块（单通道、混合通道、Ohta变换）提升模型可靠性	未提及样本分布均衡性及外部验证泛化能力	开发并验证基于深度学习模型的口内扫描龋齿检测方法	117名患者的330颗龋齿（中等和广泛病变）	计算机视觉	龋齿	口内扫描	YOLOv5	图像	117名患者，330颗龋齿	YOLOv5	YOLOv5（变体）	精确率、召回率、F1分数、平均精确率、Cohen's kappa、McNemar检验	NA
469	2026-06-16	PI-RADS v2.1 for prostate MRI: current applications, ongoing debates, and synergies with advanced technologies-a narrative review 2026-May-30, Translational andrology and urology IF:1.9Q3 DOI:10.21037/tau-2026-0193 PMID:42293821	综述	回顾PI-RADS v2.1在前列腺MRI中的当前应用、诊断表现、局限性以及与生物标志物、AI等新技术的协同作用	系统总结了PI-RADS v2.1与先进技术（如深度学习、放射组学、酰胺质子转移加权成像等）的协同潜力	仍存在读者间差异性和患者准备指导不明的问题，且缺乏对不同临床环境中整合方法的前瞻性验证	总结PI-RADS v2.1的应用现状并探索其与先进技术的协同作用以推动精准诊断	PI-RADS v2.1版本及相关诊断方法	自然语言处理	前列腺癌	mpMRI, bpMRI, AI, 深度学习, 放射组学, 酰胺质子转移加权成像, 限制谱成像, 磁共振弹性成像	深度学习, CNN	图像	NA	NA	NA	诊断准确性	NA
470	2026-06-16	Evolutionary transfer learning enables organism-wide inference of mammalian enhancer landscapes 2026-May-27, bioRxiv : the preprint server for biology DOI:10.64898/2026.04.07.717039 PMID:41993329	研究论文	通过进化迁移学习，结合单细胞染色质可及性图谱和深度学习模型，实现对哺乳动物增强子景观的全基因组推断	提出‘进化转移学习’方法，利用物种间增强子进化速率差异，引入跨物种增强子同源信息（241个哺乳动物基因组），显著提升模型在不同物种间的泛化能力	进化感知模型（STEAM）仍面临标签噪声放大问题，且对串联重复序列和启动子-远端增强子语法混淆的改进有限	使用单细胞数据和深度学习技术，在全基因组尺度上预测哺乳动物发育过程中的细胞类型特异性远端增强子	人类、小鼠及其他239种哺乳动物的发育胚胎细胞，涵盖36个细胞类别和140个细胞类型	机器学习, 数字病理学	NA	单细胞染色质可及性测序（组合索引法）、全基因组增强子预测	多输出深度学习模型（CREsted、STEAM）	染色质可及性数据、序列数据、进化同源注释数据	3.9 million 个细胞（来自36个阶段小鼠胚胎）	TensorFlow, PyTorch, Keras	ResNet, Transformer, U-Net	AUC, 精确率, 召回率, F1分数	NVIDIA RTX 3090 GPU, 云计算平台（AWS）
471	2026-06-16	DiagPat: An Explainable Language Detection Model Using EEG Signals 2026-May-26, Sensors (Basel, Switzerland) DOI:10.3390/s26113363 PMID:42280883	研究论文	提出了一种基于EEG信号的可解释语言检测模型DiagPat，用于区分阿拉伯语和土耳其语的不同任务模式	提出了基于对角线模式分析的过渡表特征提取方法，结合迭代邻域成分分析和可解释性符号语言，实现了轻量级且高准确率的脑电语言检测	留一法交叉验证的准确率较低（29.75%-83.50%），表明模型在主体间泛化能力有限	开发一种准确、轻量且可解释的脑电信号语言检测框架	346名参与者的脑电信号（98名阿拉伯语、248名土耳其语），包含阅读和听力两种模式	机器学习	NA	脑电图（EEG）	特征工程模型（DiagPat）	脑电信号（14通道×15秒，128Hz）	346名参与者，6364个脑电片段	NA	DiagPat、k近邻（tkNN）	准确率、平衡准确率、宏F1分数	NA
472	2026-06-16	TailBoost: Tail-Synthetic Learning for Boosting Long-Tailed Skin Cancer Image Classification 2026-May-25, Sensors (Basel, Switzerland) DOI:10.3390/s26113343 PMID:42280864	研究论文	提出TailBoost框架，通过尾部合成学习提升长尾分布的皮肤癌图像分类性能	创新性地利用显著图引导的SPMix策略，在混合头尾类图像时保留并增强尾部类的判别特征，并结合监督对比学习和类中心重平衡进一步优化表征	未在摘要中明确提及，可能需在原文中查看具体限制	解决皮肤癌图像数据中长尾分布导致的分类性能下降问题	长尾分布下的皮肤癌图像分类任务	计算机视觉	皮肤癌	NA	深度学习模型	图像	NA（具体样本数未在摘要中给出，数据集包括ISIC2018、ISIC2019和PAD-UFES-20）	NA	NA	准确率	NA
473	2026-06-16	CN-RNN: a Deep Learning Framework for Copy Number Variation Detection with Exome Sequencing Data 2026-May-15, bioRxiv : the preprint server for biology DOI:10.64898/2026.05.13.724920 PMID:42182454	研究论文	提出基于深度学习的CN-RNN框架，用于从全外显子测序数据中检测拷贝数变异	结合双向长短期记忆网络与多层感知器，同时捕获局部深度变化、上下文依赖及区域级基因组特征，提升检测准确性	未提及模型对长片段变异或高噪声数据的鲁棒性，也未讨论跨平台或不同测序深度的泛化能力	开发高准确性、低假阳性率的拷贝数变异检测方法，推动全外显子测序在临床和群体遗传研究中的应用	全外显子测序数据中的拷贝数变异	机器学习	通用疾病（涉及自闭症队列）	全外显子测序	BiLSTM, MLP	测序数据（基因区域特征）	自闭症测序联盟（ASC）亲子三人组队列，以及三个独立数据集	NA	BiLSTM, MLP	准确性，召回率，假阳性率	NA
474	2026-06-16	CONTRA-IL6: an interpretable hybrid convolutional neural network and Transformer framework for accurate prediction of interleukin-6-inducing peptides using protein language models 2026-May-04, Briefings in bioinformatics IF:6.8Q1 DOI:10.1093/bib/bbag250 PMID:42281397	研究论文	提出一种结合Transformer融合和卷积定位模块的深度学习框架CONTRA-IL6，用于预测白细胞介素-6诱导肽	首次将Transformer融合模块与卷积定位模块结合，利用预训练蛋白质语言模型嵌入来同时捕获全局语义和局部基序特征，并通过计算机模拟突变进行因果验证	未提及在更广泛的肽类或不同物种上的泛化能力，以及计算资源需求的具体细节	开发一种可解释的深度学习框架，用于准确预测白细胞介素-6诱导肽	白细胞介素-6诱导肽	自然语言处理	自身免疫性疾病	蛋白质语言模型嵌入	混合卷积神经网络与Transformer	序列数据	独立数据集	PyTorch	卷积神经网络, Transformer, 1D梯度加权类激活映射++	马修斯相关系数, F1分数	NA
475	2026-06-16	GraphChIAr: genome-wide super-resolution reconstruction of protein-mediated remote chromatin interactions by augmenting hi-C interaction maps with multiple ChIP-seq profiles 2026-May-04, Briefings in bioinformatics IF:6.8Q1 DOI:10.1093/bib/bbag305 PMID:42289051	研究论文	提出GraphChIAr，一个基于回归的深度学习框架，通过整合Hi-C接触图与多种ChIP-seq图谱及基因组序列信息，实现全基因组超分辨率重构蛋白质介导的远程染色质相互作用	超分辨率能力，能从常规分辨率精确估计至近核小体分辨率（如200 bp）；引入基因组移位距离实现全基因组尺度远程相互作用预测；整合多种互补基因组特征提高了预测准确性	NA	提供一种有效的计算工具，通过增强实验数据来推进三维基因组组织研究，特别是蛋白质介导的染色质相互作用的预测	染色体相互作用强度，关键介导蛋白（如CTCF）的远程互作	机器学习	NA	Hi-C测序，ChIP-seq	深度学习框架	基因组序列数据，Hi-C接触图，ChIP-seq谱	NA	NA	NA	预测准确性	NA
476	2026-06-16	Data Augmentation Via Generative Adversarial Networks for Robust Prediction of NADH and pH from Limited Time-Resolved Fluorescence Spectra 2026-May, Journal of fluorescence IF:2.6Q3 DOI:10.1007/s10895-026-04775-8 PMID:41998303	研究论文	提出结合生成对抗网络与长短期记忆模块的数据增强方法，用于从有限时间分辨荧光光谱中稳健预测NADH浓度和pH值	首次将生成对抗网络与长短期记忆模块混合用于时间分辨荧光光谱数据增强，实现NADH和pH双参数同步预测，显著提高小样本下的预测精度	NA	实现基于cpYFP生物传感器的NADH浓度和pH值同步定量检测	cpYFP基NADH生物传感器SoNar的时间分辨荧光光谱数据	机器学习	NA	时间分辨荧光光谱	生成对抗网络（GAN）、长短期记忆网络（LSTM）	光谱数据	有限实验数据（具体数量未提及）	NA	GAN, LSTM	预测精度	NA
477	2026-06-16	Radiomics-based artificial intelligence models in brain tumors: A systematic review and meta-analysis of diagnostic performance 2026-May, Neuroradiology IF:2.4Q2 DOI:10.1007/s00234-026-03983-0 PMID:42043503	系统综述与Meta分析	系统评估基于影像组学的人工智能模型在脑肿瘤诊断中的性能	首次对基于影像组学的AI模型诊断脑肿瘤的准确性进行系统回顾和Meta分析，并探讨模型类型、成像方式和肿瘤亚型对预测准确性的影响	仅31%研究使用了外部验证，且方法学异质性高	系统评估基于影像组学的AI模型诊断脑肿瘤的性能，并识别影响预测准确性的因素	脑肿瘤患者的影像数据及基于影像组学的AI诊断模型	机器学习	脑肿瘤	影像组学	深度学习、混合模型、传统机器学习	影像数据	107项研究	NA	深度学习模型、混合模型、传统机器学习模型	AUC、敏感度、特异度、准确率	NA
478	2026-06-16	Feasibility of Deep Learning-Based Segmentation of the Facial and Vestibulocochlear Nerves on High-Resolution Magnetic Resonance Imaging 2026-May, Cureus DOI:10.7759/cureus.108842 PMID:42291893	研究论文	评估基于深度学习的面神经和前庭耳蜗神经自动分割在高分辨率磁共振成像上的可行性	首次验证深度学习对颅神经薄小结构（面神经和前庭耳蜗神经）在脑池段和管内段高分辨率MRI上的自动分割，并系统比较多种U-Net变体（Attention U-Net、Dynamic U-Net、U-Net++）在该任务中的性能	回顾性研究，样本量有限（仅22例患者），分割性能指标中等，测试数据集较小，且分割的是小结构导致体素表示有限	评估深度学习自动分割面神经和前庭耳蜗神经在脑池段和管内段的可行性	面神经和前庭耳蜗神经	计算机视觉	NA	高分辨率磁共振成像（MRI）	CNN	图像	22名成年患者	MONAI	三维U-Net, Attention U-Net, Dynamic U-Net, U-Net++	Dice相似系数	NA
479	2026-06-15	SSPSPredictor: A Sequence- and Structure-Based Deep Learning Model for Predicting Phase-Separating Proteins 2026-May-29, Journal of chemical information and modeling IF:5.6Q1 DOI:10.1021/acs.jcim.6c00363 PMID:42214054	研究论文	提出SSPSPredictor模型，融合序列和结构信息预测相分离蛋白	首次融合蛋白质语言模型ESM-2的结构序列信息和图神经网络GVP的结构洞察，实现多模态预测相分离蛋白，无需监督即可识别驱动区域	NA	开发高效、可解释的相分离蛋白预测工具，探索相分离与疾病的联系	相分离蛋白（PSPs）、折叠蛋白、固有无序蛋白（IDPs）、人类蛋白质组中的致病突变	计算机视觉	NA	蛋白质语言模型、图神经网络	多模态深度学习模型	蛋白质序列、蛋白质结构	多个数据集（具体数量未提供）、人类蛋白质组	PyTorch	ESM-2, GVP	平衡性能（未具体列出指标）	在线Web服务器（https://bio-comp.ucas.ac.cn/SSPSPredictor/）
480	2026-06-15	'Man vs. Machine: can ML algorithms diagnose headaches as accurately as clinicians? A systematic review.' 2026-May-26, Journal of neurology IF:4.8Q1 DOI:10.1007/s00415-026-13853-7 PMID:42189256	综述	系统评价人工智能与机器学习模型在头痛疾病诊断中与临床医生的准确性对比	首次系统评估AI/ML模型诊断头痛障碍的准确性、方法学质量及临床适用性，并基于QUADAS-AI工具分析偏倚风险	多数研究存在严重的方法学缺陷（病例对照设计偏差、数据泄露、缺乏外部验证），临床实施前需前瞻性真实世界验证	评估AI/ML模型依据国际头痛分类标准诊断头痛障碍的准确性及临床可行性	已发表的AI/ML诊断头痛障碍研究（74项）	机器学习	头痛障碍	机器学习（传统ML、深度学习、混合/规则方法）	传统机器学习、深度学习、混合模型	神经影像、多模态数据、神经生理信号、临床问卷	154,856名参与者（74项研究）	NA	NA	敏感度、特异度、AUC-ROC	NA