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
301	2026-03-01	Machine Learning on Dynamic Functional Connectivity: Promise, Pitfalls, and Interpretations 2026-Jun-05, Information sciences DOI:10.1016/j.ins.2026.123184 PMID:41737630	研究论文	本文通过大规模功能磁共振成像数据，评估了机器学习模型在认知任务识别和疾病诊断中的性能，并提出了设计深度学习模型的实证指南	利用大规模神经影像数据（39,784个fMRI样本）系统评估了多种深度学习模型在认知和临床场景中的表现，并引入了基于注意力的可解释性方法来揭示与任务和疾病相关的大脑激活空间模式	研究结果可能受数据集、任务类型和评估设置的差异影响，且未提供统一的通用模型	为功能神经影像学中的深度学习模型设计建立实证指南，并探讨模型在认知任务识别和疾病诊断中的性能与局限性	大规模功能磁共振成像数据，涵盖认知任务和疾病诊断场景	机器学习	NA	功能磁共振成像	深度学习模型	图像	39,784个fMRI样本，来自七个数据库	NA	NA	NA	NA
302	2026-03-01	LDM-Morph: Latent diffusion model guided deformable image registration 2026-Jun, Pattern recognition IF:7.5Q1 DOI:10.1016/j.patcog.2025.112925 PMID:41736822	研究论文	本文提出了一种名为LDM-Morph的无监督可变形图像配准算法，通过集成潜在扩散模型特征来增强语义信息，以提高医学图像配准的准确性和拓扑保持能力	首次将潜在扩散模型特征集成到可变形图像配准中，设计了基于潜在和全局特征的交叉注意力模块，并提出了分层度量方法，在像素空间和潜在特征空间同时评估相似性	未明确说明算法在更广泛医学图像数据集上的泛化能力，也未讨论对计算资源的具体需求	提高医学图像可变形配准的准确性和拓扑保持能力	医学图像，包括2D心脏图像和3D图像	计算机视觉	心血管疾病	潜在扩散模型	CNN, Transformer	图像	四个公开2D心脏图像数据集和两个3D图像数据集	NA	潜在扩散模型	准确性, 拓扑保持能力, 计算效率	NA
303	2026-03-01	Predicting treatment response to neoadjuvant chemotherapy in locally advanced rectal cancer: A combined deep learning and machine learning approach utilizing longitudinal multi-sequence MRI 2026-Jun, European journal of radiology open IF:1.8Q3 DOI:10.1016/j.ejro.2026.100739 PMID:41756036	研究论文	本研究开发并验证了基于深度学习和机器学习的模型，利用纵向多序列MRI预测局部晚期直肠癌患者对新辅助化疗的治疗反应	结合纵向多序列MRI的深度学习特征与临床放射学特征，构建融合模型以预测治疗反应	研究为回顾性设计，样本量相对较小（169例患者），且模型性能提升未达到统计学显著性	预测局部晚期直肠癌患者对新辅助化疗的病理反应	局部晚期直肠癌患者	数字病理学	直肠癌	多序列MRI（CE-T1WI, T2WI, DWI）	深度学习, 机器学习	图像	169例局部晚期直肠癌患者（训练队列118例，测试队列51例）	NA	DenseNet121	AUC, 准确率, 灵敏度, 特异性, Brier分数	NA
304	2026-02-28	AI-integrated smartphone platform enables POC dual-channel glucose monitoring with an indicator-free nanozyme gel kit 2026-Jun-01, Biosensors & bioelectronics IF:10.7Q1 DOI:10.1016/j.bios.2026.118510 PMID:41698866	研究论文	开发了一种基于无指示剂纳米酶凝胶试剂盒和AI集成智能手机平台的双通道葡萄糖即时检测系统	采用微波辅助静态生物矿化策略合成葡萄糖氧化酶模板化的MnO纳米片，保留了酶的天然活性和固有荧光，并构建了集成了深度学习算法的智能手机应用（SmartGDS）的“微管实验室”凝胶平台，实现了唾液葡萄糖的快速双模式（荧光和比色）定量检测	未明确说明临床验证的样本量细节或潜在的干扰物质影响	开发一种用于非侵入性、低成本健康管理的即时葡萄糖监测平台	唾液葡萄糖	数字病理	NA	微波辅助静态生物矿化，荧光共振能量转移（FRET）	深度学习算法	图像（颜色和荧光变化）	临床唾液样本（具体数量未明确）	NA	NA	线性范围，检测限（LOD），准确性	智能手机平台
305	2026-02-26	Vascular Age: A narrative review of assessment methods, clinical applications, and future directions 2026-Jun, International journal of cardiology. Cardiovascular risk and prevention DOI:10.1016/j.ijcrp.2026.200601 PMID:41738064	综述	本文综述了血管年龄的评估方法、临床应用及未来方向	整合了基于动脉僵硬度、血管结构、血管功能及多因素风险评分模型的评估技术，并讨论了利用人工智能（如深度学习）从光电容积描记或视网膜图像估计血管年龄的新兴技术	需要标准化的评估方法、建立参考值以及成本效益评估	总结血管年龄的评估方法及临床进展，以改善心血管疾病风险分层、患者沟通与依从性，并指导个性化治疗	心血管疾病风险个体，包括特定人群（如糖尿病患者和类风湿关节炎患者）	NA	心血管疾病	动脉僵硬度评估（如脉搏波速度）、血管结构评估（如颈动脉内膜中层厚度、冠状动脉钙化评分）、血管功能评估、多因素风险评分模型、人工智能（深度学习）	深度学习	光电容积描记数据、视网膜图像	NA	NA	NA	NA	NA
306	2026-02-23	Adaptive sampling for efficient Lamb wavefield reconstruction in composite laminates with Spatial-Temporal Masked AutoEncoder 2026-Jun, Ultrasonics IF:3.8Q1 DOI:10.1016/j.ultras.2026.107972 PMID:41592361	研究论文	本文提出了一种基于深度学习的方法，利用时空掩码自编码器（STMAE）从高度欠采样的波场数据中重建复合材料层压板中的完整兰姆波场数据	提出了一种新颖的基于贝叶斯优化的扫描路径优化方法，生成自适应稀疏空间采样模式，并与STMAE结合形成AdaSTMAE，从而在损伤区域周围实现更低的波场预测误差	未明确说明方法在更广泛工程场景或不同材料类型中的适用性限制	开发一种高效、可靠的兰姆波场数据重建方法，以提升非接触式扫描激光多普勒测振仪（SLDV）在碳纤维增强塑料（CFRP）无损检测中的实用性	碳纤维增强塑料（CFRP）层压板中的兰姆波场数据	机器学习	NA	超声兰姆波测试（ULWT），扫描激光多普勒测振仪（SLDV）	自编码器（AutoEncoder）	时间序列高稀疏度兰姆波场数据	NA	NA	时空掩码自编码器（STMAE），自适应时空掩码自编码器（AdaSTMAE）	重建误差	NA
307	2026-02-23	DeepHSI: A transferable and expandable hyperspectral framework for industrial plant origin identification: A case study of Pogostemon cablin (Blanco) Benth 2026-Jun-01, Talanta IF:5.6Q1 DOI:10.1016/j.talanta.2026.129474 PMID:41621286	研究论文	本研究提出了一种基于高光谱图像和深度学习的快速通用方法DeepHSI，用于识别广藿香的产地，并结合代谢组学和转录组学分析验证其可行性	开发了可迁移和可扩展的高光谱框架DeepHSI，通过多批次数据训练和迁移学习展示通用性，并引入简化的多产地识别模型融合机制以支持实际应用扩展	NA	实现广藿香产地的快速、无损识别，以支持质量控制、防伪和真实性验证	广藿香（Pogostemon cablin (Blanco) Benth）	计算机视觉	NA	高光谱成像（HSI）、代谢组学分析、转录组学分析	深度学习模型	高光谱图像	来自三个主要产地的广藿香样本，在三个实验批次条件下收集数据	NA	NA	NA	NA
308	2026-02-23	Tomek links-based SMOTE method for class imbalance in blood cell classification with dual path sliding window attention model 2026-Jun-01, Talanta IF:5.6Q1 DOI:10.1016/j.talanta.2026.129473 PMID:41628562	研究论文	本文提出了一种结合Tomek links的SMOTE方法和双路径滑动窗口注意力模型，用于解决血细胞分类中的类别不平衡问题	提出了一种新的双路径滑动窗口注意力模型，并结合了混合SMOTE-Tomek Links数据平衡策略，以解决多光谱成像数据集中的类别不平衡问题	NA	提高血细胞分类的准确性，以增强临床诊断的准确性	血细胞图像	计算机视觉	神经退行性疾病, 感染, 贫血	多光谱成像	CNN	图像	NA	NA	双路径滑动窗口注意力模型	准确率, 推理时间, GFLOPs	NA
309	2026-02-16	Redefining obstructive sleep apnea diagnosis: An attention augmented CNN-BiLSTM hybrid alternative to traditional PSG testing 2026-Jun, MethodsX IF:1.6Q2 DOI:10.1016/j.mex.2026.103808 PMID:41684745	研究论文	本研究提出了一种基于注意力增强的CNN-BiLSTM混合深度学习模型，用于自动检测阻塞性睡眠呼吸暂停（OSA），以替代传统的多导睡眠图（PSG）诊断方法	结合卷积神经网络与双向长短期记忆网络的混合架构，并集成注意力机制以提升特征表示和分类性能，同时通过ANOVA选择生理信号子集以优化检测效果	NA	开发一种替代传统多导睡眠图（PSG）的自动化OSA检测方法，以提高诊断的可及性和准确性	阻塞性睡眠呼吸暂停（OSA）患者	机器学习	阻塞性睡眠呼吸暂停	深度学习	CNN, BiLSTM	生理信号数据	基于两个公开数据库，具体样本数量未明确说明	NA	CNN-BiLSTM混合架构	准确率, F1分数	NA
310	2026-02-15	Artificial intelligence driven protein design and sustainable nanomedicine for advanced theranostics 2026-Jun, Bioactive materials IF:18.0Q1 DOI:10.1016/j.bioactmat.2026.01.036 PMID:41674557	综述	本文综述了人工智能驱动的蛋白质设计与可持续纳米医学在先进诊疗一体化中的整合应用	将人工智能、蛋白质工程与可持续纳米医学相结合，推动诊疗一体化范式转变，实现高精度疾病诊断和靶向治疗	NA	总结AI驱动的蛋白质设计策略、可持续纳米载体工程及其在下一代诊疗系统中的融合	蛋白质、肽、纳米材料、纳米载体	机器学习	肿瘤学	机器学习、深度学习	NA	生物和化学数据集	NA	NA	NA	NA	NA
311	2026-02-15	Advances and challenges in multiscale biomolecular simulations: artificial intelligence-driven paradigm shift 2026-Jun, Quantitative biology (Beijing, China) DOI:10.1002/qub2.70024 PMID:41675594	综述	本文讨论了生物分子模拟技术的最新进展，并探讨了生物分子动力学模拟中的新兴应用、发展趋势和主要挑战	整合机器学习特别是深度学习算法，推动了生物分子模拟领域的创新	NA	讨论生物分子模拟技术的最新进展，并探索生物分子动力学模拟中的新兴应用、发展趋势和主要挑战	生物分子模拟技术	机器学习	NA	分子模拟技术	深度学习算法	NA	NA	NA	NA	NA	NA
312	2026-02-15	Protein design and RNA design: Perspectives 2026-Jun, Quantitative biology (Beijing, China) DOI:10.1002/qub2.70029 PMID:41675592	综述	本文综述了深度学习和生成模型在蛋白质与RNA设计领域的最新进展，强调了其在创造具有定制结构和功能的新型生物分子方面的应用潜力	整合了蛋白质与RNA设计的生成式深度学习框架，支持前所未有的精确度进行骨架生成、序列优化及序列-结构协同设计，并展望了统一建模、大规模采样和自动化实验管道的新时代	模型泛化能力和实验验证方面仍存在挑战	探讨深度学习和生成模型如何推动蛋白质与RNA设计领域的发展，以加速可编程生物系统和下一代疗法的创建	蛋白质和RNA生物分子	机器学习	NA	深度学习, 生成建模	生成模型	序列数据, 结构数据	NA	NA	NA	NA	NA
313	2026-02-14	Development of a deep neural network model for simultaneous analysis of extracellular analyte gradients for a population of cells 2026-Jun, Artificial intelligence in the life sciences DOI:10.1016/j.ailsci.2026.100156 PMID:41669397	研究论文	本研究开发了一种结合单壁碳纳米管荧光传感平台与深度学习模型的方法，用于快速分析细胞群体释放的细胞外一氧化氮空间梯度	首次将YOLOv8分割模型与单壁碳纳米管荧光传感平台结合，实现了对多种形态和聚集细胞群体的自动识别及细胞外分析物空间梯度的同步分析	未明确说明模型在不同细胞类型或实验条件下的泛化能力，也未讨论荧光信号可能受到的环境干扰	开发一种能够快速分析细胞外分析物空间分布的自动化方法，以研究细胞通讯动态	细胞群体释放的细胞外一氧化氮	计算机视觉	NA	荧光传感、单壁碳纳米管传感	CNN	图像	100对图像	NA	YOLOv8	召回率, 精确率	NA
314	2026-02-12	Feasibility of single-phase DECT as an alternative to triple-phase CT for imaging-defined risk factors assessment in neuroblastoma for dose reduction 2026-Jun, European journal of radiology open IF:1.8Q3 DOI:10.1016/j.ejro.2026.100732 PMID:41657758	研究论文	本研究探讨了在神经母细胞瘤患者中使用单期相双能CT评估影像定义风险因素的可行性，以实现辐射剂量降低和检查流程优化	首次将单期相双能CT与深度学习图像重建技术结合，用于神经母细胞瘤的影像定义风险因素评估，相比传统三期相CT可显著降低辐射剂量	研究样本量相对有限，且仅针对神经母细胞瘤患者，未涉及其他肿瘤类型	评估单期相双能CT在神经母细胞瘤影像定义风险因素评估中的可行性，以降低辐射剂量并优化检查流程	94名儿科神经母细胞瘤患者	数字病理学	神经母细胞瘤	双能CT, 深度学习图像重建	深度学习	CT图像	94名儿科患者（年龄4.92±3.45岁，范围0-17岁）	NA	NA	CT值, 对比噪声比, 边缘上升斜率, 图像质量评分	NA
315	2026-02-06	An enhanced diabetes prediction using an improved hybrid deep learning algorithm with mountain gazelle optimizer 2026-Jun, Journal of diabetes and metabolic disorders IF:1.8Q4 DOI:10.1007/s40200-025-01844-w PMID:41641400	研究论文	提出了一种基于改进混合深度学习算法和山地瞪羚优化器的糖尿病预测框架	结合CatBoost算法、CNN和Bi-LSTM的混合深度学习架构，并利用山地瞪羚优化器进行超参数调优	仅使用Pima印度糖尿病数据集，样本规模有限，未在更广泛或多样化的数据集上验证	提高糖尿病预测的准确性和诊断效率	糖尿病患者的医疗数据	机器学习	糖尿病	深度学习	CNN, Bi-LSTM	结构化医疗数据	Pima印度糖尿病数据集（具体样本数未明确）	NA	CNN, Bi-LSTM	准确率, 精确率, 召回率, F1分数	NA
316	2026-01-29	Real-time vehicle control via edge cloud sensor fusion and CNN based perceptron 2026-Jun, MethodsX IF:1.6Q2 DOI:10.1016/j.mex.2025.103779 PMID:41583916	研究论文	本研究开发了一种混合边缘-云方法，通过集成深度学习和物联网传感器融合，实现自适应实时车辆控制	提出了一种结合深度学习与物联网传感器融合的混合边缘-云架构，用于自适应车辆控制，并在低成本边缘设备上验证了深度学习部署的可行性	研究在模拟的恶劣驾驶场景下进行评估，可能未完全覆盖所有真实世界的复杂情况	开发一种可靠、自适应的实时车辆控制系统，用于智能交通系统	车辆控制系统	机器视觉	NA	物联网传感器融合	CNN	超声波测距数据	NA	NA	CNN	R², 均方误差	Jetson Nano, Raspberry Pi
317	2026-01-25	Integrated region-specific modeling of H5 avian influenza in Asia using ENSO-based forecasts 2026-Jun, One health (Amsterdam, Netherlands) DOI:10.1016/j.onehlt.2026.101322 PMID:41567856	研究论文	本研究通过整合ENSO气候预测与分层统计模型，量化了亚洲地区H5高致病性禽流感的气候驱动动态，并利用深度学习进行风险预测	首次将ENSO指数作为主要预测因子，结合区域-宿主分层GAM模型与RNN预测框架，构建了气候驱动的禽流感动态预测系统	模型主要依赖气候变量，未充分考虑人为干预、家禽贸易网络等社会因素对疫情传播的影响	开发气候驱动的H5高致病性禽流感风险预测框架，支持亚洲地区的早期预警和针对性防控策略	亚洲地区的家禽和野生鸟类种群中的H5高致病性禽流感疫情事件	机器学习	禽流感	广义加性模型（GAM）、递归神经网络（RNN）、多变量ENSO指数（MEI）分析	GAM, RNN	气候指数时间序列、疫情事件记录	亚洲七个区域-宿主分层的数据（具体样本数未明确说明）	NA	NA	NA	NA
318	2026-01-25	Machine learning-based multi-class classification of bladder pathologies using fused 3D CT radiomic and 3D auto-encoder deep features 2026-Jun, European journal of radiology open IF:1.8Q3 DOI:10.1016/j.ejro.2026.100728 PMID:41568074	研究论文	本文提出了一种结合放射组学和深度学习特征的自动化分析框架，用于基于非增强CT图像对膀胱病理进行多类别分类	开发了一种集成3D放射组学特征和3D自编码器深度特征的混合特征提取方法，并利用XGBoost进行多类别分类，通过SHAP分析提供了模型的可解释性	研究为回顾性设计，样本量相对有限，且仅使用非增强CT图像，未对比其他影像模态	开发自动化分析框架，实现对膀胱病理（正常、结石、癌症、膀胱炎）的多类别分类	膀胱CT扫描图像	数字病理学	膀胱癌	CT成像	3D-UNet, 3D卷积自编码器, XGBoost	3D CT图像	902例CT扫描（584例正常，142例结石，66例癌症，110例膀胱炎）	PyTorch, Scikit-learn, XGBoost	3D-UNet, 3D卷积自编码器	AUROC	NA
319	2026-01-25	Automated diagnosis of usual interstitial pneumonia on chest CT via the mean curvature of isophotes 2026-Jun, European journal of radiology open IF:1.8Q3 DOI:10.1016/j.ejro.2025.100723 PMID:41568076	研究论文	本研究探讨了使用等照度线平均曲率（MCI）这一几何图像变换技术，以改进胸部CT上寻常型间质性肺炎（UIP）的自动检测性能	首次将MCI这一几何图像变换应用于胸部CT图像，以增强AI系统对UIP的自动检测能力，并展示了其在多个分类模型上的性能提升	研究为回顾性设计，数据来源于两个机构，可能存在选择偏倚；未在更大规模或更多样化的外部数据集上进行验证	评估MCI变换是否能提高胸部CT上UIP自动检测的分类性能	234名患者的胸部CT扫描图像	计算机视觉	间质性肺疾病	胸部CT成像	CNN, 非深度学习模型	图像	234名患者（123名女性，111名男性；平均年龄61.6岁；年龄范围18-90岁）的胸部CT扫描	TensorFlow, PyTorch, Scikit-learn	EfficientNet-V2	召回率-宏平均, 精确率-宏平均, F1分数-宏平均	NA
320	2026-01-20	BRAIN-META: A reproducible CNN-vision transformer meta-ensemble pipeline for explainable brain tumor classification 2026-Jun, MethodsX IF:1.6Q2 DOI:10.1016/j.mex.2025.103769 PMID:41551258	研究论文	本研究提出了一种名为BRAIN-META的可重复深度学习流程，用于基于结构MRI的多类别脑肿瘤分类	结合了十种混合CNN-Vision Transformer模型与元学习集成框架，并利用Grad-CAM增强可解释性	NA	开发一种准确、可解释且模块化的脑肿瘤分类方法，以支持神经肿瘤学的临床决策	代表四种类别的2D MRI图像：胶质瘤、脑膜瘤、垂体瘤和无肿瘤	计算机视觉	脑肿瘤	结构MRI	CNN, Vision Transformer, 元学习集成	图像	NA	NA	DenseNet121, DenseNet169, DenseNet201, MobileNet, MobileNetV2, EfficientNetB0, EfficientNetB1, EfficientNetB4, InceptionV3, Xception, Vision Transformer	准确率, 精确率, 召回率, F1分数, 混淆矩阵	NA