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
741	2026-05-30	Artificial Intelligence-Based MRI Segmentation in Glioblastoma and Single Brain Metastasis: An Exploratory Study of Diagnostic and Prognostic Value 2026-May-07, Life (Basel, Switzerland) DOI:10.3390/life16050779 PMID:42195335	研究论文	本研究评估了基于AI的自动分割及多室体积比率在胶质母细胞瘤与单发脑转移鉴别诊断和生存预测中的价值	利用CE认证的深度学习工具进行自动多室分割，提取归一化体积比率作为新的影像生物标志物，相比传统手动体积测量显著提升生存预测能力（AUC-ROC提升21.2%）	回顾性设计、缺乏分子分型信息、样本量相对有限，结论需在前瞻性多中心研究中验证	探索AI辅助MRI自动分割是否可提高胶质母细胞瘤与单发脑转移的鉴别诊断准确性及生存预测能力	123例患者（84例胶质母细胞瘤，39例单发脑转移）的1.5T MRI影像	数字病理学	胶质母细胞瘤, 单发脑转移	MRI	深度学习分割模型, 机器学习模型	MRI图像	123例患者（84例胶质母细胞瘤，39例单发脑转移）	NA	CE认证深度学习分割工具	相关系数, AUC-ROC	NA
742	2026-05-30	Food Origin Authenticity Using Deep Learning and Citizen Science: Bananas Case Study 2026-May-07, Foods (Basel, Switzerland) DOI:10.3390/foods15101628 PMID:42195832	研究论文	本研究利用深度学习和公民科学图像预测香蕉原产国，提出了一种基于人工智能的食品欺诈检测概念验证方法	首次将卷积神经网络与公民科学平台iNaturalist生成的图像结合，用于香蕉产地溯源，展现了人工智能在食品欺诈主动检测中的新应用维度	当前评估框架反映的是早期实验环境，数据量有限（6000张图像），且模型性能（验证准确率0.79）仍有提升空间，需要更大规模独立验证	开发基于人工智能的方法，利用公民科学图像预测香蕉（卡文迪什品种）的原产国，以主动检测食品欺诈行为	来自六个国家的卡文迪什香蕉品种的图像数据	计算机视觉	不适用	深度学习、迁移学习	卷积神经网络	图像	6000张来自iNaturalist平台的香蕉图像	TensorFlow, Keras	MobileNetV1, 以及其他8种预测练模型	准确率, 蒙特卡洛交叉验证, 5折交叉验证	不适用
743	2026-05-30	Correction: Chen et al. Deep Learning Applied to Defect Detection in Powder Spreading Process of Magnetic Material Additive Manufacturing. Materials 2022, 15, 5662 2026-May-07, Materials (Basel, Switzerland) DOI:10.3390/ma19101911 PMID:42195817	更正	本文对Chen等人关于深度学习应用于磁性材料增材制造粉末铺展过程缺陷检测的文章进行了同行评审流程相关问题的更正	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
744	2026-05-30	Cardio-Dense: Diagnosis of Cardiac Abnormalities Based on Phonocardiogram Using Improved Swin Transformer Through Lightweight Dense Blocks 2026-May-07, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics16101421 PMID:42196788	研究论文	提出Cardio-Dense混合框架，利用改进的Swin Transformer和轻量级DenseBlock从心音图信号中检测多类心脏异常	将Swin Transformer与轻量级DenseBlock结合，同时捕获全局上下文依赖和高效局部特征细化，实现低计算开销下的高精度心脏病分类	仅依赖特定PCG数据集，未提及在真实临床环境中的泛化能力验证	开发低成本、非侵入性的多类心血管疾病自动诊断方法	心音图信号中的心脏瓣膜疾病类别	机器学习	心血管疾病	连续小波变换	Swin Transformer，DenseBlock	心音图信号（转换为二维时频谱图）	多个PCG数据集	NA	Swin Transformer，DenseBlock	准确率，敏感性，特异性，F1分数，AUC，精确率	低计算开销，适合实时推理
745	2026-05-30	Radiomics-Based Differential Diagnosis of Radicular Cysts and Apical Granulomas on CBCT Images Using RadC-CNN Architecture 2026-May-07, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics16101428 PMID:42196794	研究论文	评估基于锥形束CT影像的放射组学特征在区分根尖囊肿与根尖肉芽肿中的诊断性能，并比较传统机器学习算法与新型深度学习模型RadC-CNN的表现	提出新型深度学习模型RadC-CNN（放射组学囊肿卷积神经网络）用于CBCT影像中根尖囊肿和根尖肉芽肿的鉴别诊断，并证明其优于传统机器学习算法	未明确提及，但可能包括样本量较小（98例患者）及单中心回顾性研究的局限性	评估CBCT影像放射组学特征在区分根尖囊肿和根尖肉芽肿中的诊断价值，并比较传统机器学习与深度学习模型的效果	98例患者的CBCT影像数据（55例根尖囊肿，43例根尖肉芽肿），所有病例均有组织病理学确诊	医学影像分析	根尖囊肿、根尖肉芽肿	CBCT成像、放射组学分析、组织病理学诊断	CNN（卷积神经网络）	图像（CBCT影像）	98例患者（55例根尖囊肿，43例根尖肉芽肿）	PyTorch	RadC-CNN（放射组学囊肿卷积神经网络）	准确性、敏感性、精确率	NA
746	2026-05-30	IHPP: Improved Human Parts as Points for Multi-Person Pose Regression 2026-May-07, Sensors (Basel, Switzerland) DOI:10.3390/s26102916 PMID:42197726	研究论文	提出一种改进的多人姿态回归方法，通过增强上下文建模和身体部位分支提升效率与精度	在AdaptivePose基础上，沿水平和垂直轴增加方向上下文建模以改进远端点定位，并重新设计第二阶回归阶段，采用部位级分支减少部位间特征干扰，保持轻量级架构	未明确说明局限性，但可能受限于卷积特征的感受野，以及特定数据集上的泛化性需进一步验证	提升多人姿态估计的单阶段回归方法的性能和效率，优化准确性与速度间的权衡	多人姿态估计中的身体部位及关键点	计算机视觉	NA	NA	CNN	图像	MS COCO和CrowdPose数据集（具体样本量未提及）	NA	IHPP-S, IHPP-M, IHPP-L	AP, 帧率 (fps), 参数量	NA
747	2026-05-30	Surface Electromyography for Parkinson's Disease Monitoring: A Review of Machine and Deep Learning Techniques 2026-May-07, Sensors (Basel, Switzerland) DOI:10.3390/s26102927 PMID:42197737	综述	系统综述机器学习和深度学习方法在利用表面肌电图监测帕金森病中的应用	首次对帕金森病监测中结合机器学习与深度学习的sEMG方法进行结构化综述，弥补了现有文献的空白，并提出了代表性的处理流程以支持临床转化	数据集规模有限、缺乏标准化方法、模型泛化能力不足	综述ML和DL技术应用于sEMG监测帕金森病的研究现状，分析数据采集、预处理、特征提取、模型架构及评估协议，并识别未来趋势	基于表面肌电信号的帕金森病诊断、震颤分析、冻结步态检测和步态评估	机器学习	帕金森病	表面肌电图	机器学习, 深度学习	肌电信号	NA	NA	NA	NA	NA
748	2026-05-30	Conditional Diffusion Models for CT Image Synthesis from CBCT: A Systematic Review 2026-May-06, Tomography (Ann Arbor, Mich.) DOI:10.3390/tomography12050064 PMID:42188705	综述	本文系统评估了条件扩散模型在CBCT到CT图像合成中的应用，重点关注架构策略、定量结果和临床相关性	首次系统综述条件扩散模型在CBCT到CT合成中的应用，分析了解剖先验、空间频率引导等不同策略的优劣	证据基础较小且高度异质，研究对象、维度、监督策略和评估指标不一致，限制了直接比较的可能	评估条件扩散模型用于CBCT到CT合成的研究现状和临床潜力	CBCT到CT合成的条件扩散模型相关研究	计算机视觉	NA	CBCT, CT	条件扩散模型	图像	11项研究	NA	NA	NA	NA
749	2026-05-30	Artificial intelligence and radiomics for pediatric brain tumor classification and molecular characterization: a systematic review 2026-May, Neuroradiology IF:2.4Q2 DOI:10.1007/s00234-026-03976-z PMID:41894040	综述	系统评价人工智能和影像组学在儿童脑肿瘤分类和分子特征化中的诊断应用和方法学质量	首次系统性综述人工智能和影像组学在儿童脑肿瘤影像学中的应用，涵盖放射组学/机器学习和深度学习两种方法，并评估方法学质量	前瞻性设计缺乏，外部验证率极低（12.5%），限制了泛化能力	评估人工智能模型（包括放射组学/机器学习和深度学习）在儿童脑肿瘤影像学中的诊断应用、性能和方法学质量	儿童脑肿瘤影像数据（MRI为主）	计算机视觉, 机器学习	儿童脑肿瘤	NA	NA	NA	NA	NA	NA	NA	NA
750	2026-05-30	Real-Time Cardiac Arrhythmia Classification Using TinyML on Ultra-Low-Cost Microcontrollers: A Feasibility Study for Resource-Constrained Environments 2026-May-01, Bioengineering (Basel, Switzerland) DOI:10.3390/bioengineering13050532 PMID:42194289	研究论文	提出一种基于量化一维卷积神经网络（1D-CNN）的实时心律失常分类系统，部署在8位Arduino UNO微控制器上，实现超低成本硬件环境的端到端ECG信号处理与分类	首次在极度资源受限的8位单片机（Arduino UNO）上实现基于TinyML的实时心律失常分类，通过模型量化将内存占用降至24KB以下，推理时间控制在200ms以内	仅使用健康志愿者信号进行实时验证，没有带注释的金标准数据，因此未评估诊断性能；仅考虑三类心律分类（正常、室性、室上性）	探索在超低成本微控制器上部署轻量级深度学习模型进行实时心律失常分类的可行性	心电图信号和心律失常分类	边缘计算, 嵌入式人工智能	心血管疾病	ECG信号采集（AD8232模拟前端）、信号预处理、心跳分割	一维卷积神经网络（1D-CNN）	时间序列信号	使用MIT-BIH心律失常数据库进行训练和评估；使用健康志愿者采集的实时信号进行功能验证	TensorFlow 2.15, TensorFlow Lite	量化一维卷积神经网络（1D-CNN）	准确率、内存占用、推理时间	8位Arduino UNO微控制器（ATmega328P）、AD8232模拟前端、OLED显示屏
751	2026-05-30	Decoding Skin Aging Through Transcriptomic Clocks: Gene Expression Signatures, Associated Pathways, and Explainable AI 2026-May-01, Genes IF:2.8Q2 DOI:10.3390/genes17050542 PMID:42194999	综述	本文通过文献检索，综述了人类皮肤转录组衰老时钟的研究进展，重点包括基因表达特征、关键生物通路和计算建模策略	综述了转录组衰老时钟在皮肤中的最新进展，并评估了包括深度学习、通路引导模型及可解释人工智能在提高模型透明度和生物可解释性中的作用	该综述基于有针对性的文献检索，可能未涵盖所有相关研究，且未涉及多组学整合和数字孪生等未来方向的实验验证	探讨转录组衰老时钟在人类皮肤中的基因表达特征、关键通路及计算建模策略，并评估可解释人工智能的作用	人类皮肤中的转录组衰老时钟及相关基因表达特征	自然语言处理, 机器学习	皮肤病相关衰老	RNA测序	深度学习, 通路引导模型	文本	NA	NA	SkinAGE等代表性模型	NA	NA
752	2026-05-27	Deep Learning-Assisted Nanomechanical Evaluation of Replicative Senescence in Human Umbilical Cord Mesenchymal Stem Cells 2026-May-26, Langmuir : the ACS journal of surfaces and colloids IF:3.7Q2 DOI:10.1021/acs.langmuir.6c00374 PMID:42127096	研究论文	利用原子力显微镜与深度学习模型，评估人脐带间充质干细胞复制性衰老的纳米力学表型	首次发现人脐带间充质干细胞独特的“衰老相关力学表型”，并结合变分自编码器深度学习模型实现衰老连续低维表征与早期精准预测	NA（摘要未提及局限性）	开发一种非侵入、实时定量评估人脐带间充质干细胞衰老的方法	人脐带间充质干细胞（年轻与衰老细胞）	深度学习	NA	原子力显微镜（AFM）	变分自编码器（VAE）	力学特性与纳米形态数据（高度、粗糙度、粘附力、弹性模量）	NA（未明确样本数量）	NA	变分自编码器（VAE）	预测性能、泛化能力	NA
753	2026-05-27	Deep-Learning Inversion Maps Arbitrary Design Images to Low-Cost, Efficient Nanofabrication 2026-May-26, ACS nano IF:15.8Q1 DOI:10.1021/acsnano.6c06350 PMID:42132237	研究论文	利用深度学习将任意设计图像映射到低成本、高效纳米加工，实现阴影球光刻中从目标纳米结构到加工参数的快速转换	将纳米加工中的设计图像到加工参数的转换重构为图像到配方的翻译问题，并通过双向卷积块注意力网络实现自动学习映射，将耗时数周的高成本流程转变为一键式自动化操作	NA	开发一个基于深度学习的逆向映射框架，用于快速、低成本地将用户定义的纳米图案转化为可行的加工参数	阴影球光刻中产生的纳米图案及其对应的加工参数	计算机视觉	NA	阴影球光刻	双向卷积块注意力网络	图像	超过450万合成图案和参数对	PyTorch	双向卷积块注意力网络	参数准确率，皮尔逊相关系数	消费级GPU
754	2026-05-27	Deep learning-based dose prediction in proton beam therapy for hepatocellular carcinoma: comparison of network architectures and loss functions 2026-May-26, Journal of radiation research IF:1.9Q3 DOI:10.1093/jrr/rrag026 PMID:42089554	研究论文	该研究提出一种剂量梯度感知的深度学习训练方法和无射束排列框架，用于预测肝癌质子束治疗中的剂量分布	首次引入剂量梯度感知损失函数捕捉质子束治疗特有的布拉格峰剂量分布特征，并建立无射束排列的剂量预测框架	NA	通过比较不同网络架构和损失函数，实现肝癌质子束治疗中高精度剂量分布预测	肝癌患者的质子束治疗计划	计算机视觉	肝癌	质子束治疗	深度学习	CT图像和目标/危及器官结构	172例肝癌患者	PyTorch	U-Net	平均绝对误差,均方根误差,Dice相似系数,剂量体积直方图	NA
755	2026-05-27	Construction of a sports bio mechanical injury prediction and AI warning system based on wearable sensors 2026-May-26, BMC sports science, medicine & rehabilitation DOI:10.1186/s13102-026-01761-2 PMID:42186087	研究论文	提出一种基于可穿戴传感器的运动生物力学损伤预测与人工智能预警系统，用于实时监测和预防运动损伤	通过多模态数据融合、轻量级模型设计和动态自适应机制，结合改进的混合神经网络架构和边缘计算优化策略，实现高灵敏度损伤预测和毫秒级实时干预	未来需在多中心数据共享、可穿戴外骨骼联动干预和增强现实可视化反馈方面进一步扩展应用场景和临床价值	开发运动生物力学损伤预测与实时预警系统，解决传统单传感器监测维度单一、误报率高、实时性不足等问题	运动过程中的高风险动作（如篮球跳停动作、长距离跑步）及关键生物力学参数	机器学习	运动损伤	九轴惯性传感器、柔性应变传感器、足底压力传感阵列	混合神经网络	传感器数据	未明确说明	边缘计算框架	改进的混合神经网络	误报率、漏报率、灵敏度、特异性	模型量化为8位整数，端到端延迟控制在毫秒级，功耗降低并支持嵌入式部署
756	2026-05-27	A multi-branch vision transformer with GA-optimized focal loss for ECG signal classification 2026-May-26, Technology and health care : official journal of the European Society for Engineering and Medicine IF:1.4Q3 DOI:10.1177/09287329261446510 PMID:42186368	研究论文	提出一种结合多分支视觉变换器和遗传算法优化Focal Loss的混合深度学习模型，用于心电图信号分类	首次将多分支视觉变换器架构与遗传算法优化的Focal Loss函数相结合，通过不同补丁大小的三个独立ViT分支有效学习ECG信号的局部和全局时序模式，并利用GA优化解决心律失常数据中的类别不平衡问题	NA	提升心电图信号分类的准确性和鲁棒性，特别是处理心律失常检测中的类别不平衡问题	心电图信号分类中的心律失常检测问题	机器学习	心律失常	心电图信号处理	多分支视觉变换器	时间序列信号	MIT-BIH心律失常数据库	PyTorch	多分支视觉变换器	准确率、F1分数	NA
757	2026-05-27	DiffDock-Glide: A Hybrid Physics-Based and Data-Driven Approach to Molecular Docking 2026-May-25, Journal of chemical information and modeling IF:5.6Q1 DOI:10.1021/acs.jcim.5c01635 PMID:42023722	研究论文	提出一种混合物理与数据驱动的分子对接方法DiffDock-Glide，结合扩散模型与Glide的后对接最小化管道，改善深度学习对接方法的性能	创新性地融合基于物理的对接软件Glide的后对接最小化管道与数据驱动的扩散模型DiffDock，修改生成过程以在结合口袋内采样，并用Glide管道替代置信度模型	未明确提及局限性，但可推断该方法在处理训练集外靶标时仍存在挑战，且依赖Glide的物理建模可能增加计算成本	解决深度学习对接方法在训练集外靶标预测性能不足的问题，提升近天然构象的采样能力及虚拟筛选效果	小分子配体与蛋白质受体的分子对接系统	机器学习	NA	分子对接、扩散模型	扩散模型（DiffDock）、混合模型（DiffDock-Glide）	分子结构数据	使用PoseBusters数据集和DUD-E化合物数据集进行评估	NA	扩散模型架构（DiffDock）、后对接最小化管道（Glide）	近天然构象采样率、富集值	NA
758	2026-05-27	Controlled Protein Design via Statistical Energy Functions: A Rossmann Fold Case Study 2026-May-25, Journal of chemical information and modeling IF:5.6Q1 DOI:10.1021/acs.jcim.6c00612 PMID:42065344	研究论文	本文研究统计能量函数在蛋白质设计中的可控性，以Rossmann折叠结构为例进行验证	通过统计能量函数SCUBA和ABACUS2实现蛋白质设计的物理属性可控性，并实验验证了高精度晶体结构匹配	仅以单一Rossmann折叠域为例，未探索其他类型蛋白质结构的通用性	评估统计模型在蛋白质设计中的持续有效性及可控性	由10个基序组成的Rossmann折叠蛋白质	机器学习	NA	NA	统计能量函数	蛋白质结构数据	300个低能量候选序列，其中9个进行实验验证，1个晶体结构解析	NA	SCUBA, ABACUS2, AlphaFold2	主链偏差（2.602 Å）	NA
759	2026-05-27	CARS-AMP: A Simple and Efficient Deep Learning Model for Antimicrobial Peptide Prediction 2026-May-25, Journal of chemical information and modeling IF:5.6Q1 DOI:10.1021/acs.jcim.6c00362 PMID:42066253	研究论文	构建了一个名为CARS-AMP的深度学习模型，用于抗菌肽预测，该模型结合了卷积神经网络、循环神经网络和自注意力机制	提出了一种简单高效的深度学习模型CARS-AMP，通过小规模但集中的数据集训练，实现了近最佳的抗菌肽预测性能	模型在区分侧链大小和序列长度差异方面存在不足，需要进一步改进	开发一种高效的深度学习模型用于抗菌肽分类预测，以应对全球抗生素耐药性问题	抗菌肽序列	机器学习	NA	深度学习	卷积神经网络(CNN)、循环神经网络(RNN)、自注意力机制(Self-attention)	序列数据	小规模但集中的数据集	NA	CNN, RNN, Self-attention	准确率(Accuracy)	NA
760	2026-05-27	HighFold-MeD2: An Enhanced Boltz-2 Model for Accurate Structure Prediction of N-Methylated and d-Amino Acid Cyclic Peptides 2026-May-25, Journal of chemical information and modeling IF:5.6Q1 DOI:10.1021/acs.jcim.6c00158 PMID:42076870	研究论文	提出了一种基于Boltz-2的增强模型HighFold-MeD2，用于准确预测含有N-甲基化主链氨基酸和d-氨基酸的环肽的三维结构	通过利用Rosetta SCP生成的构象数据微调Boltz-2的全原子扩散模型，并采用通用化学组件字典实现非天然氨基酸的无缝集成，突破了传统硬编码方式的局限	对局部空间位错的纠正依赖Amber力场能量最小化，可能未完全解决复杂修饰环肽的构象采样问题	开发一种高效且通用的环肽结构预测方法，以支持含甲基化主链氨基酸和d-氨基酸修饰的环肽药物设计	含有骨架N-甲基化氨基酸和d-氨基酸的环肽	机器学习	NA	NA	全原子扩散模型	分子结构数据	NA	Boltz-2	Pairformer-Diffusion	预测精度	NA