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
621	2026-06-02	Investigating the Optical Properties of Gold Nanorods Using Forward and Inverse Design 2026-May-26, ACS omega IF:3.7Q2 DOI:10.1021/acsomega.5c05623 PMID:42222797	研究论文	利用机器学习和深度学习进行金纳米棒光学特性的正向与逆向设计	提出了基于机器学习和深度学习的正向与逆向设计方法，克服了传统Mie-Gans理论和FDTD模拟的局限性，实现了对金纳米棒光学特性的高效准确预测	NA	探索金纳米棒的光学特性，并开发正向与逆向设计方法	金纳米棒的光学特性（吸收和散射截面）	机器学习	NA	FDTD模拟	XGB回归器（正向设计）、串联模型（逆向设计）	数值模拟数据	NA	Scikit-learn	XGB回归器、串联模型	MSE、MAE、R	NA
622	2026-06-02	Machine Learning in Non-fullerene Organic Solar Cells: Accelerating Discovery, Design, and Understanding 2026-May-26, ACS omega IF:3.7Q2 DOI:10.1021/acsomega.6c01194 PMID:42222818	综述	系统评估机器学习在非富勒烯有机太阳能电池材料发现、性能预测和分子设计中的应用	首次全面评估从随机森林到图神经网络等各类机器学习方法在有机光伏领域的预测与生成能力，并强调计算预测与实验验证之间的差距	数据集偏差、分布漂移、形貌效应、化学有效性及合成可及性等问题，以及预测性能与实际性能之间的持续差距	加速有机光伏材料发现与设计，缩小计算预测与实验验证间的鸿沟	非富勒烯有机太阳能电池中的给体-受体材料	机器学习	NA	NA	随机森林、梯度提升、图神经网络、Transformer、变分自编码器、生成对抗网络、遗传算法	分子结构与器件性能数据	NA	NA	随机森林、梯度提升、图神经网络、Transformer、变分自编码器、生成对抗网络	功率转换效率、开路电压、短路电流密度、填充因子	NA
623	2026-06-02	Drug Repurposing Using Machine Learning and Deep Learning: A Systematic Literature Review 2026-May-25, Current computer-aided drug design IF:1.5Q3 DOI:10.2174/0115734099434707260517095301 PMID:42220148	综述文章	系统综述了2015至2025年间基于机器学习和深度学习的药物重定位方法	全面分析了深度学习架构（如图卷积网络、深度神经网络）与机器学习模型（如随机森林、支持向量机）在药物重定位中的应用进展	计算预测与临床实际应用之间存在转化鸿沟，模型可解释性和数据完整性仍是主要挑战	评估机器学习和深度学习在药物重定位领域的应用现状与发展趋势	2015-2025年间发表的24篇相关研究论文	机器学习	肿瘤、神经退行性疾病	NGS, RNA-seq	GCN, DNN, RF, SVM	文本	24篇研究文献	NA	图卷积网络、深度神经网络、随机森林、支持向量机	准确率、AUC、精度、召回率、F1分数	NA
624	2026-06-02	Review of Machine Learning for Single-Particle Tracking: Methods, Challenges, and Biophysical Insights 2026-May-25, Chemical & biomedical imaging DOI:10.1021/cbmi.5c00146 PMID:42222567	综述	系统评估机器学习/深度学习方法在单粒子追踪中的进展，涵盖检测、链接、运动分类及生物物理推断	全面梳理深度学习（如CNN、循环架构和贝叶斯深度学习）在提升SPT分析准确性、鲁棒性和可解释性方面的创新应用，并讨论训练数据构建等实践考量	未具体说明SPT领域当前ML方法的泛化性局限及计算消耗	为单粒子追踪中机器学习方法提供综合指南，批判性评估现有技术并指导未来发展	单粒子追踪工作流程中的各个步骤（粒子检测、轨迹链接、运动分类、去噪及生物物理推断）	机器学习	NA	单粒子追踪	卷积神经网络, 循环神经网络, 贝叶斯深度学习	单粒子轨迹数据	NA	NA	CNN, 循环架构	准确性, 鲁棒性, 可解释性	NA
625	2026-06-02	Evaluation of segmentation accuracy and the improvement of time effectiveness using deep learning-based segmentation in 177Lu-DOTATATE dosimetry 2026-May-24, EJNMMI physics IF:3.0Q2 DOI:10.1186/s40658-026-00897-x PMID:42177732	研究论文	评估基于深度学习的自动分割在177Lu-DOTATATE剂量测定中的准确性、剂量可靠性和时间效率	首次系统评估深度学习AI分割在177Lu-DOTATATE剂量测定中的分割准确性、剂量可靠性和时间效率，并标准化了临床参考标准	少数肝肿大病例中AI分割的Hausdorff距离超过30.0毫米，且仅针对肾脏的剂量评估显示显著差异	评估深度学习AI分割在177Lu-DOTATATE剂量测定中的性能，包括轮廓准确性、剂量可靠性和时间效率	23名接受177Lu-DOTATATE治疗的患者	计算机视觉	神经内分泌肿瘤	核医学成像	深度学习分割模型	CT图像	23名患者	NA	NA	Dice相似系数, Hausdorff距离, 平均距离一致性, 最大、平均和最小吸收剂量	SurePlan™ MRT (MIM Software Inc.)
626	2026-06-02	Emotion Recognition Based on Fusion of Topological Features and Trajectory Images Derived from EEG Phase Space Reconstruction 2026-May-14, Sensors (Basel, Switzerland) DOI:10.3390/s26103102 PMID:42197911	研究论文	提出一种基于相空间重构的EEG信号情绪识别方法，融合拓扑特征和轨迹图像的深度特征，并利用动态注意力机制实现宏观与微观信息的协同增强	首次将相空间重构的宏观拓扑特征与轨迹图像的微观多尺度动态特征相结合，设计GN-MVXXS深度学习框架，包含粒度自适应模块和噪声滤波模块，并引入动态注意力机制实现双表示维度的自适应融合	未提及对情感类别不平衡的处理，且深度学习模型解释性有待进一步验证	提高脑电信号情绪识别的准确率，解决手工特征设计局限和宏观微观信息互补问题	正常听力和听力受损个体的EEG信号	机器学习	NA	EEG相空间重构	深度学习模型（含粒度自适应模块和噪声滤波模块）	EEG信号和轨迹图像	SEED数据集（三分类）、HIED数据集（四分类）以及正常听力和听力受损个体数据集	NA	GN-MVXXS	准确率	NA
627	2026-06-02	Prediction of Center-of-Mass Kinematics of Sensopro Exercises with Neural Network Models 2026-May-12, Sensors (Basel, Switzerland) DOI:10.3390/s26103051 PMID:42197860	研究论文	使用神经网络模型预测Sensopro运动中质心运动学	利用深度学习从不稳定基底（Sensopro Luna）的运动中预测质心运动学，无需穿戴传感器，实现无穿戴式姿势监控，并为康复和健身领域的自主协调训练提供自动化、成本有效的反馈与跟踪	垂直方向预测可靠性较低，受不稳定基底物理约束影响；预测精度在极端位移时下降	探索使用深度学习从Sensopro Luna平台的运动中预测质心运动学的可行性	64名参与者执行三种协调运动（单腿站立、踏步和波浪运动）	机器学习	NA	IMU和运动捕捉	混合编码器-LSTM-解码器架构	运动数据和惯性传感器数据	64名参与者	NA	编码器、LSTM、解码器	平均绝对误差（MAE）	NA
628	2026-06-02	A deep learning-based pachychoroid index based on choroidal image patterns of central serous chorioretinopathy using enhanced-depth-imaging optical coherence tomography 2026-May, Japanese journal of ophthalmology IF:2.1Q2 DOI:10.1007/s10384-025-01312-1 PMID:41452567	研究论文	开发一种基于深度学习的厚脉络膜指数（HUPI），利用增强深度成像光学相干断层扫描的脉络膜图像模式评估中心性浆液性脉络膜视网膜病变	首次提出基于深度学习的HUPI指数，从脉络膜图像模式中定量评估厚脉络膜特征，避免了传统指标的局限性	单中心回顾性研究，样本量较小，需在更大队列中验证	开发和评估基于深度学习的HUPI指数，作为厚脉络膜谱系疾病的代表性指标	中心性浆液性脉络膜视网膜病变（CSC）患者的脉络膜图像	计算机视觉	中心性浆液性脉络膜视网膜病变	增强深度成像光学相干断层扫描	卷积神经网络	图像	37个代表性CSC眼和40个正常眼用于训练验证，69个急性CSC眼和100个正常眼用于评估	NA	LeNet	AUC, 灵敏度, 特异度	NA
629	2026-06-02	An algorithm for automated femoral leg length and offset calculations on pelvis radiographs 2026-May, Hip international : the journal of clinical and experimental research on hip pathology and therapy IF:1.3Q3 DOI:10.1177/11207000261421918 PMID:41786668	研究论文	开发了一种深度学习算法，用于在全髋关节置换术患者骨盆X光片上自动计算股骨腿长和偏移量	提出一种自动化算法，能够在大型队列中从前后位骨盆X光片高效计算腿长和偏移，支持人群级研究，减少手动测量繁琐性	未明确说明限制，但可能包括依赖X光片质量、算法泛化性有限、需要进一步验证等潜在问题	开发并验证一种自动化算法，用于测量全髋关节置换术患者前后位骨盆X光片上的腿长和偏移量	全髋关节置换术患者的术前和术后前后位骨盆X光片	计算机视觉	髋关节疾病	X光成像	深度学习模型	图像	1100张前后位骨盆X光片用于训练；100对术前术后图像用于评估与人工测量比较；15951对图像用于应用分析	NA	NA	组内相关系数	NA
630	2026-06-02	Prediction of Pregnancy-Related Cardiovascular Outcomes Using Electrocardiogram-Based Deep Learning Estimation of Cardiorespiratory Fitness 2026-May, JACC. Advances DOI:10.1016/j.jacadv.2026.102764 PMID:42034100	研究论文	利用基于心电图深度学习估计的心肺健康水平预测妊娠相关心血管不良结局	将深度学习模型从静息心电图估算的最大摄氧量（peak VO2）用于妊娠相关心血管并发症的风险分层，提供了一种可扩展的产前风险筛查工具	NA	探究深度学习心电图预测的最大摄氧量与妊娠相关心血管并发症的关联	多机构电子健康记录妊娠队列中在孕前1年至孕13周内接受临床12导联心电图的女性	机器学习	妊娠相关心血管疾病	深度学习	深度学习模型	心电图数据	来自3,437名女性的3,650次妊娠	NA	NA	调整后的优势比（OR）、95%置信区间（CI）、P值	NA
631	2026-06-02	Fragment-based discovery of TopBP1 inhibitors integrated with AI-driven molecular docking 2026-May, Magnetic resonance letters DOI:10.1016/j.mrl.2025.200251 PMID:42221021	研究论文	结合片段筛选和AI驱动分子对接发现TopBP1抑制剂	首次通过片段筛选结合深度学习模型Chai-1预测结合模式，鉴定了TopBP1 BRCT7-8结构域的正构和潜在别构抑制剂，并解析了复合物晶体结构	研究对象仅限于TopBP1 BRCT7-8结构域，且未涉及完整的TopBP1蛋白或体内验证；仅发现四个小分子配体，其中两个为已知药物	发现靶向TopBP1 BRCT7-8结构域的小分子抑制剂	TopBP1蛋白的BRCT7-8结构域	机器学习	癌症	NMR, 片段筛选, 分子对接	深度学习（Chai-1）	NA	四个小分子配体（金刚烷乙酸、扎托洛芬、双氯芬酸钠、奎宁）	NA	Chai-1	NA	NA
632	2026-06-02	FlexCENT: A frequency-flexible CEST imaging network combining frequency offset encoding and three-dimensional U-Net 2026-May, Magnetic resonance letters DOI:10.1016/j.mrl.2025.200240 PMID:42221026	研究论文	提出一种频率灵活的化学交换饱和转移成像网络FlexCENT，结合频率偏移编码与三维U-Net实现稳健的CEST定量分析	通过创新的频率偏移编码技术将离散频率偏移转化为连续频谱特征表示，使网络能够泛化至未见过的频率偏移方案，无需重新训练	NA	开发一种无需重新训练即可适应不同频率偏移方案的CEST成像定量分析方法	CEST成像中的四池洛伦兹模型参数（水、MT、APT、rNOE）及B0不均匀性	机器学习	NA	CEST成像	3D U-Net	图像	合成数据、荷瘤小鼠实验及人体脑部实验数据	NA	三维U-Net	参数映射质量、噪声鲁棒性	NA
633	2026-06-02	UGP system: A deep learning-driven platform for automated identification of ultrafine granular powders using chromatographic fingerprinting 2026-May, Journal of pharmaceutical analysis IF:6.1Q1 DOI:10.1016/j.jpha.2025.101474 PMID:42222301	研究论文	本研究通过结合高效液相色谱指纹图谱与深度学习算法，开发了用于超细颗粒粉末自动识别的智能系统	首次将HPLC指纹图谱与三维一维卷积神经网络集成，构建了涵盖29个科、53个品种、530批样品的综合数据库，并通过数据增强技术显著提升模型泛化能力	未提及	建立标准化方法，用于食品药物同源中药超细颗粒粉末的智能鉴别，满足制药和功能食品行业对产品真实性和安全性的监管及消费者需求	超细颗粒粉末样品，包括53个品种、29个植物科、530批次	机器学习	不适用	HPLC（高效液相色谱）指纹图谱	1D-CNN（一维卷积神经网络）	色谱指纹图谱数据	530批样品用于数据库构建，63个商业样品用于外部验证	Flask	三维一维卷积神经网络（32、64、128个滤波器）	准确率、精确率、召回率	未提及
634	2026-06-01	Improving airport security with IoT-powered deep learning methods for threat detection and intelligent recommendation systems 2026-May-28, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-54104-z PMID:42209587	research paper	本研究提出了一种融合深度学习算法、智能推荐系统和物联网设备的框架，旨在提升机场安保水平	将深度学习、推荐系统与物联网设备集成，实现机场威胁检测和异常行为识别，并通过迁移学习和新型ISODI方法提升检测准确率	需进一步研究在现有安保系统中的最佳应用场景，并解决潜在的隐私问题；实际系统需大量测试以适应不同机场环境的复杂性	提升机场安保水平，通过智能检测和推荐系统减少误报、提高运营效率并增强安全措施	机场安保场景中的威胁行为（如无人看管行李）和航班延误相关的异常	computer vision, machine learning	NA	NA	CNN, Decision Tree, K-Nearest Neighbors	image, simulation data	NA	PyTorch, Scikit-learn	MVCNN	accuracy	NA
635	2026-06-01	High-resolution ultrasonic waveform analysis for decoupling physical effects in multi-damaged and healing in concrete using vibro-acoustic feature engineering and machine learning 2026-May-26, Ultrasonics IF:3.8Q1 DOI:10.1016/j.ultras.2026.108153 PMID:42217289	研究论文	提出一种高分辨率超声波波形分析方法，通过振动声学特征工程和机器学习解耦混凝土中多种物理效应（如热损伤、湿度、愈合过程）	核心创新在于振动声学特征工程，从时域、频域及时频域提取79个信号特征，并结合XGBoost模型与SHAP解释分析，实现对材料孔隙率、热损伤、湿度和愈合进程等物理效应的定量解耦和深层物理声学洞察	未明确提及	实现复杂介质（如混凝土）中多物理效应的高分辨率定量评估，特别是热损伤、湿度效应和材料愈合的区分与量化	混凝土试件中的超声波波形信号	机器学习	NA	超声波波形分析	XGBoost	超声波波形信号	NA	XGBoost, SHAP	XGBoost	NA	NA
636	2026-06-01	Comparative evaluation of deep learning architectures for microbial colony classification in microbiological imaging 2026-05-18, BMC microbiology IF:4.0Q2 DOI:10.1186/s12866-026-05028-1 PMID:42144581	研究论文	对六种卷积神经网络架构用于微生物菌落分类进行头对头比较	在同数据集AGAR上，首次系统对比六种CNN架构（AlexNet、SqueezeNet 1.1、ResNet18、ShuffleNetV2、EfficientNetB0和MobileNetV2）用于微生物菌落分类，并采用统一训练协议，揭示轻量级网络达到最佳性能	仅使用单一公众数据集AGAR，相关结论可能受限于标准化成像条件和特定物种（五种）	评估深度学习架构在微生物菌落自动分类中的比较性能，为自动化微生物图像分析提供参考	来自AGAR数据集的86,045个微生物菌落裁剪图像，涵盖五种微生物（枯草芽孢杆菌、大肠杆菌、铜绿假单胞菌、金黄色葡萄球菌和白色念珠菌）	计算机视觉	NA	微生物成像	卷积神经网络	图像	86,045个菌落裁剪图（来自4,424个可计数培养皿）	PyTorch	AlexNet, SqueezeNet 1.1, ResNet18, ShuffleNetV2, EfficientNetB0, MobileNetV2	准确率, 精确率, 召回率, F1分数	NA
637	2026-06-01	Artificial intelligence in the differential diagnosis of hypertrophic cardiomyopathy and physiological hypertrophy: a scoping review 2026-May-15, Hellenic journal of cardiology : HJC = Hellenike kardiologike epitheorese IF:2.7Q2 DOI:10.1016/j.hjc.2026.05.001 PMID:42142808	综述	系统梳理了人工智能在鉴别肥厚型心肌病与生理性心肌肥厚中的研究现状与应用潜力	首次聚焦AI鉴别HCM与运动员心脏这一临床难题，揭示了目前缺乏运动员特异性数据集的现状并指出未来研究方向	运动员来源数据集匮乏且外部验证不足，显著限制了在运动心脏病学中的临床应用	评估AI/ML在区分HCM与生理性心肌肥厚（尤其是运动员心脏）中的验证性应用范围	基于AI/ML方法区分HCM与左心室肥厚（包括生理性及病理性）的原始研究	机器学习	肥厚型心肌病	NA	支持向量机（SVM）	心电图、超声心动图、影像组学、视频数据	共纳入8项研究，其中仅1项直接比较HCM与运动员心脏	NA	支持向量机（SVM）	AUC	NA
638	2026-06-01	Development and validation of a novel deep learning coronary artery plaque quantification model 2026-05-14, BMC medical imaging IF:2.9Q2 DOI:10.1186/s12880-026-02379-z PMID:42135689	研究论文	提出并验证了一种基于深度学习的冠状动脉斑块量化模型，用于自动分割总斑块和钙化斑块体积	开发了一种名为QuantiPlaque的新型软件，利用深度学习模型实现冠状动脉斑块体积的自动化量化，并与专家手动标注进行了严格验证	样本量较小（仅115例CCTA扫描），且对左旋支动脉区域的斑块分割效果较弱	开发一种自动化的深度学习模型，用于准确量化冠状动脉总斑块和钙化斑块体积，以辅助临床评估心血管事件风险	冠状动脉斑块（总斑块和钙化斑块）	计算机视觉	冠状动脉疾病	冠状动脉CT血管造影	深度学习模型	图像	115例CCTA扫描（平均年龄58岁，51%为女性，平均冠脉钙化评分56 Agatston单位）	NA	NA	组内相关系数，皮尔逊相关系数，斯皮尔曼秩相关系数，Bland-Altman分析	NA
639	2026-06-01	Application of Artificial Intelligence-Based Transfer Learning Models to the Bethesda System for Thyroid Cytopathology 2026-05, Cytopathology : official journal of the British Society for Clinical Cytology IF:1.2Q3 DOI:10.1111/cyt.70045 PMID:41361911	研究论文	应用基于人工智能的迁移学习模型对甲状腺细胞病理学Bethesda系统进行分类	首次将集成迁移学习应用于TBSRTC分类，通过加权软投票组合六种预训练模型（Xception、ResNet50V2、DenseNet121、MobileNetV2、InceptionV3、EfficientNetB3），提升了分类精度	数据集规模较小（仅94例FNAC病例，949张代表图像），缺乏全切片影像验证，需要更大样本来进一步验证	评估集成软投票迁移学习模型在根据TBSRTC对甲状腺细胞学涂片进行分类时的性能	甲状腺细针穿刺细胞学涂片图像	计算机视觉	甲状腺疾病	NA	集成迁移学习（CNN）	图像	94例甲状腺FNAC病例，共949张代表图像	NA	DenseNet121, ResNet50V2, Xception, MobileNetV2, InceptionV3, EfficientNetB3	敏感性, 特异性, 阳性预测值, 阴性预测值, F1分数, AUCROC	NA
640	2026-03-30	Machine and Deep Learning Models for Preoperative Prediction of Suboptimal Clinical Response One Year after Metabolic Bariatric Surgery: Findings from the Tehran Obesity Treatment Study 2026-May, Obesity surgery IF:2.9Q1 DOI:10.1007/s11695-026-08568-7 PMID:41904288	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA