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
401	2026-06-19	Deep learning based time series analysis for breathing phase prediction in phase-gated proton therapy 2026-Jun-17, Physics in medicine and biology IF:3.3Q1 DOI:10.1088/1361-6560/ae7eec PMID:42309140	研究论文	利用深度学习时间序列分析预测质子治疗中的呼吸相位，以提高相位门控辐射输送的准确性	首次将长短期记忆网络和时间融合变换器应用于质子治疗的呼吸相位预测，实现了比商业算法近20%的预测准确率提升	研究基于回顾性数据，未提及前瞻性验证或实时临床应用的挑战	改进呼吸相位预测精度以实现更准确的剂量输送	69名质子治疗患者的回顾性呼吸波形数据	机器学习	癌症	时间序列分析	长短期记忆网络，时间融合变换器	时间序列	69名患者，训练集165242秒，验证集24057秒，测试集30322秒，额外验证40604秒	NA	长短期记忆网络，时间融合变换器	均方误差，相位分箱精度，定时偏差	NA
402	2026-06-19	MRI-Based estimation of physiologically consistent head conductivity and its impact on depth-dependent electric field distributions in transcranial magnetic stimulation 2026-Jun-17, Journal of neural engineering IF:3.7Q2 DOI:10.1088/1741-2552/ae7eae PMID:42309136	研究论文	提出一种基于MRI的头部电导率生理一致估计框架，并分析其在经颅磁刺激中对深度依赖电场分布的影响	采用统计秩约束损失函数，结合统计损失、秩损失和平滑损失，确保电导率与MRI强度之间的生理一致性，从而改善组织内电导率变异性并减少人工不连续性	未明确提及，但可能依赖特定MRI数据，且需要从通信作者处获取实现代码	提出一种从T1和T2加权MRI估计生理一致头部电导率分布的新框架，以改进非侵入性脑刺激中的电场建模	35名来自IXI数据集被试，以及11名独立外部验证被试	机器学习	不适用	MRI（T1加权和T2加权成像）	深度学习模型	图像	35名被试用于主要评估，11名被试用于外部验证	不适用	不适用	Spearman相关性、电导率变异性、电场模拟指标	不适用
403	2026-06-19	CellVision: A Deep Learning based Image Analysis Platform to Accelerate Immuno-Plaque Assay Data Processing for Dengue Vaccine Development 2026-Jun-17, SLAS discovery : advancing life sciences R & D IF:2.7Q2 DOI:10.1016/j.slasd.2026.100321 PMID:42309407	研究论文	开发基于深度学习的CellVision平台，实现免疫斑块检测图像的全自动化分析，加速登革疫苗研发	首次将卷积神经网络与图像处理技术结合，实现病毒斑块的自动识别、融合分离及异质物区分，无需人工复核	未提及在不同染色方法或非标准成像条件下的泛化性能验证	实现高通量免疫斑块检测数据全自动化处理，消除人工图像复核需求	登革病毒疫苗研发中的微孔板斑块检测图像	计算机视觉	登革热	基于卷积神经网络的图像分析	CNN（卷积神经网络）	图像	多分析员验证的多样化数据集	Python	卷积神经网络	斑块计数准确率	NA
404	2026-06-19	Deep Learning Assisted Double Inversion Recovery improves Focal Lesion Detection in Optic Neuropathy 2026-Jun-17, AJNR. American journal of neuroradiology DOI:10.3174/ajnr.A9480 PMID:42309650	研究论文	比较深度学习加速的双反转恢复序列与传统MRI在疑似视神经病变患者中的采集时间、图像质量和诊断信心	首次在临床环境中评估深度学习加速的双反转恢复序列（DIR-DL）在视神经病变检测中的应用，显著缩短扫描时间并提升图像质量	样本量较小（75例），且为单中心前瞻性研究，可能影响结果的普适性	评估深度学习加速的DIR序列在视神经病变检测中的临床价值	疑似视神经病变患者（75例）的视神经MRI图像	医学影像分析	视神经病变	MRI（磁共振成像）	深度学习加速模型	磁共振图像	75例患者（平均年龄37±20岁，47名女性）	NA	NA	Likert量表评分（图像质量、SNR、锐度、伪影、诊断信心）、加权Cohen's κ、个体等价指数（IEI）、逻辑回归、线性混合模型、配对t检验	NA
405	2026-06-19	Enhancing Non-Contrast CT Interpretation for Acute Anterior Circulation Stroke: A Deep Learning Approach for Grayscale Image Transformation 2026-Jun-17, AJNR. American journal of neuroradiology DOI:10.3174/ajnr.A9481 PMID:42309652	研究论文	开发一种结合深度学习超分辨率和图像处理的两阶段框架，将非增强CT转换为高对比度薄层CT，以提高急性前循环卒中早期缺血改变的检测	首次提出两阶段深度学习框架将NCCT转化为HCCT，显著改善ASPECTS评分的一致性和缺血体积评估的准确性	未提及具体限制	提升急性前循环卒中早期缺血改变的检测准确性	大血管闭塞性卒中患者	计算机视觉	急性前循环卒中	CT成像	深度学习超分辨率模型	CT图像	303例患者（平均年龄67.2岁，男性187例）	NA	深度学习超分辨率网络	ASPECTS相关性、组内相关系数、缺血体积相关性、优势比	NA
406	2026-06-19	Modeling visual memorability assessment with autoencoders reveals characteristics of memorable images 2026-Jun-17, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-56947-y PMID:42310101	研究论文	提出基于自编码器的深度学习模型来评估图像可记忆性，揭示可记忆图像的特征	首次利用自编码器重建误差与可记忆性的关系，并通过隐空间表征的区分性和整体梯度解释性分析，识别影响可记忆性的关键视觉特征	NA	探究影响图像可记忆性的特征，并建立计算模型来预测可记忆性	图像的可记忆性及其视觉特征	计算机视觉	NA	NA	自编码器、卷积神经网络、多层感知机	图像	NA	NA	自编码器、卷积神经网络、多层感知机	相关性、预测性能	NA
407	2026-06-19	A web-based semi-supervised deep learning platform for automated AS-OCT assessment and monitoring of infectious keratitis 2026-Jun-17, NPJ digital medicine IF:12.4Q1 DOI:10.1038/s41746-026-02857-2 PMID:42310120	研究论文	提出一个基于半监督深度学习的网络平台，用于通过AS-OCT自动评估和监测感染性角膜炎	结合U-Net和Swin Transformer的半监督框架处理成像伪影和低对比度问题，并引入极坐标系量化病灶特征用于径向分层分类	未提及外部验证集或不同设备间的泛化性测试	实现感染性角膜炎的自动化、非侵入性严重程度评估与病程监测	感染性角膜炎患者的眼前节光学相干断层扫描（AS-OCT）图像	计算机视觉, 数字病理学	感染性角膜炎	AS-OCT	半监督深度学习（U-Net + Swin Transformer）	图像	3130张AS-OCT图像	NA	U-Net, Swin Transformer	Dice系数, 准确率, 组内相关系数（ICC）	NA
408	2026-06-19	DTANet+: Dual Interaction and Kernel-Diverse Network for Drug-Target Affinity Prediction 2026-Jun-17, Interdisciplinary sciences, computational life sciences DOI:10.1007/s12539-026-00851-6 PMID:42310256	研究论文	提出一个名为DTANet+的深度学习框架，用于预测药物-靶点结合亲和力，该框架受药物和靶点的生化特性启发	融合了药物和靶点的生化特性，引入核多样化特征提取块、跨尺度交互模块、药物-靶点交互模块和多模态融合模块	未明确说明限制	加速药物-靶点结合亲和力预测，减轻实验负担	药物和靶点	机器学习	NA	深度学习	深度学习框架	药物和靶点数据	KIBA和Davis数据集	PyTorch	NA	一致性指数（CI），均方误差（MSE）	NA
409	2026-06-19	Predicting early-stage breast cancer disease-free survival and adjuvant therapy benefit from multimodal information using deep learning 2026-Jun-17, NPJ breast cancer IF:6.5Q1 DOI:10.1038/s41523-026-00991-4 PMID:42310310	研究论文	基于深度典型相关分析的多模态深度学习模型，整合多参数MRI和临床文本数据，预测早期乳腺癌无病生存期及辅助治疗获益	首次将深度典型相关分析应用于整合多参数MRI（DCE-MRI和DWI）与临床文本数据，构建多模态模型预测早期乳腺癌无病生存期，并探索其识别辅助治疗获益患者的潜力	转录组分析仅涉及19名患者，样本量较小，可能限制了生物学机制的深入验证	开发多模态深度学习模型，实现早期乳腺癌无病生存期的非侵入性预测及复发风险分层，并初步探索辅助治疗获益的识别能力	早期乳腺癌患者	机器学习	乳腺癌	多参数磁共振成像（DCE-MRI和DWI）	深度学习模型（基于深度典型相关分析）	图像（MRI）和文本（临床数据）	1120名早期乳腺癌患者（训练队列459人，外部验证队列661人）	PyTorch	深度典型相关分析（DCCA）	一致性指数（C-index）	NA
410	2026-06-19	An AI-driven framework for diabetic foot ulcer classification, segmentation, and depth estimation 2026-06-17, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-52864-2 PMID:42310328	研究论文	提出一个基于深度学习的综合框架，用于糖尿病足溃疡的分类、分割与深度估计	整合了分类、分割、相对深度估计与可解释性分析，并利用单张RGB图像生成相对伪深度图以表征伤口拓扑结构	尚需包括临床专家参与的前瞻性验证研究，才能实现实际临床部署	开发一种自动化辅助决策工具，用于糖尿病足溃疡的客观评估	糖尿病足溃疡患者的RGB图像	计算机视觉	糖尿病足溃疡	RGB成像	EfficientNet-B0, U-Net, MiDaS	图像	NA	PyTorch	EfficientNet-B0, U-Net, MiDaS	分类准确率, 分割Dice系数, 深度估计误差	NA
411	2026-06-19	A novel transformer architecture for EEG decoding and neuroscientific analysis 2026-Jun-17, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-56405-9 PMID:42310346	研究论文	提出一种名为Analformer的新型Transformer架构，用于脑电图解码和神经科学分析，同时实现高预测性能和神经科学可解释性	在Transformer中引入基于固定Morlet小波核的分析性补丁嵌入模块，提取可解释的时空频率特征，并直接从模型内部表示进行标准神经电生理分析	未明确讨论局限性	设计一种既能高精度解码脑电图又能提供神经科学可解释性的统一框架	脑电图信号	机器学习	NA	脑电图	Transformer	脑电图信号	两个大型公开数据集，涵盖三类脑机接口范式：运动想象、事件相关电位和稳态视觉诱发电位	PyTorch	Analformer（基于Transformer的架构）	准确性	NA
412	2026-06-19	Adversarial vulnerability and robustness of deep learning models for panoramic dental X-ray segmentation 2026-Jun-17, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-57108-x PMID:42310372	研究论文	首次系统研究深度学习模型在全景牙科X射线分割中的对抗性脆弱性和鲁棒性	首次系统评估了深度学习模型在牙科X射线分割中的对抗性攻击脆弱性，并提出了一种多攻击对抗防御策略来增强模型鲁棒性	NA	评估深度学习模型在牙科X射线分割中的对抗性脆弱性，并开发有效的防御策略以确保临床部署的安全性	全景牙科X射线图像	计算机视觉	牙科疾病	NA	深度学习分割模型	图像	995张全景牙科X射线图像，包括361张专家标注图像和634张来自DENTEX 2023挑战赛的细化掩膜	NA	Attention UNet, SegNet, Trans UNet, Vanilla UNet, UNet++	IoU, Dice系数	NA
413	2026-06-19	Robust adaptive fault-tolerant learning control for human height-weight prediction based on DNN 2026-Jun-17, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-57686-w PMID:42310389	研究论文	提出一种基于深度神经网络的鲁棒自适应容错学习控制方法，用于人体身高和体重预测，解决了数据噪声、环境变化和异常值等复杂性和不确定性问题	将深度学习与容错控制理论相结合，引入有限容错机制，在数据扰动和不完整条件下保持高预测精度和稳定性，同时从统计相似性、整体预测性能和少数类检测能力三个维度评估框架性能	结果最直接适用于中小型表格数据集，具有中等类别不平衡和有限少数样本，可能不适用于大规模或非表格数据，且优化整体性能与少数类检测（如召回率/F1）存在权衡	提高公共安全技术领域中人体身高和体重预测的准确性和鲁棒性，尤其在犯罪预防、个体识别和行为分析等应用中	人体身高和体重预测，基于手指长度的生理特征	机器学习, 公共安全技术	NA	深度神经网络, 容错控制	深度神经网络	表格数据	372组数据，包含左右手指长度和对应身高体重，其中30%数据缺失	NA	深度神经网络	正常预测准确率, 容错预测准确率, 召回率, F1分数	NA
414	2026-06-19	A 1D-CNN with advanced data augmentation for robust speech emotion recognition 2026-Jun-17, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-56241-x PMID:42310400	研究论文	提出一种基于一维卷积神经网络的语音情感识别框架，结合数据增强技术提高鲁棒性	采用互补声学特征（MFCC、ZCR、RMSE）的序列级联表示与Conv1D架构结合，并通过多种数据增强技术解决数据不平衡和泛化问题	未明确提及，但可能包括对复杂环境噪声的鲁棒性仍需进一步验证	实现鲁棒的语音情感识别，提升实际应用中面对数据集不平衡、说话人变异和环境噪声的泛化能力	语音信号中的情感状态	自然语言处理	NA	NA	一维卷积神经网络	语音信号	结合RAVDESS、SAVEE、CREMA-D和TESS多数据集，具体样本数量未明确	NA	Conv1D	准确率, Macro F1值	NA
415	2026-06-19	A transformer-based multimodal deep learning model for preoperative prediction of Ki-67 expression level in glioma 2026-Jun-17, BMC medical imaging IF:2.9Q2 DOI:10.1186/s12880-026-02492-z PMID:42310560	research paper	基于Transformer的多模态深度学习模型用于术前预测胶质瘤Ki-67表达水平	首次将Vision Transformer应用于多模态MRI数据预测胶质瘤Ki-67表达水平，并构建了多模态融合模型Combined_ViT，实现了优于CNN模型的预测性能	数据来自两家医院且样本量相对较小，Ki-67表达水平的定量评估存在一定主观性，模型仅基于MRI数据未融合其他临床变量	开发基于术前多模态MRI数据的深度学习模型以预测胶质瘤Ki-67表达水平并进行外部验证	421例2-4级胶质瘤患者的术前多模态MRI影像数据及Ki-67表达水平	computer vision	glioma	MRI	Vision Transformer (ViT)	image	421例患者（训练集217例，内部验证集94例，外部验证集110例）	NA	Vision Transformer, ShuffleNet, ResNet50, DenseNet121	AUC	NA
416	2026-06-19	Automated classification of clinical T staging pulmonary oncology from chest CT reports: a natural language processing framework for real-world data utilization 2026-Jun-17, BMC medical informatics and decision making IF:3.3Q2 DOI:10.1186/s12911-026-03596-w PMID:42310616	研究论文	开发了一种从胸部CT报告中自动分类临床T分期的自然语言处理系统，用于真实世界数据利用	结合深度学习和规则算法，遵循第9版肺癌TNM分期标准，首次实现从自由文本CT报告中自动提取临床T分期信息	未提及	减轻人工标注成本，提高真实世界数据中临床T分期信息的可获取性	胸部CT报告中的临床T分期标注	自然语言处理	肺癌	自然语言处理	深度学习与规则算法混合	文本	训练集284份报告，测试集165份报告	NA	NA	加权F1分数	NA
417	2026-06-19	Navigating the uncharted: AI-driven advances in protein structure, dynamics, interactions and ligand interactions for understudied families 2026-Jun-17, BioData mining IF:4.0Q1 DOI:10.1186/s13040-026-00577-7 PMID:42310771	综述	综述人工智能驱动在未充分研究蛋白质家族的结构、动力学、相互作用及配体相互作用方面的进展	从传统方法到AlphaFold2、RoseTTAFold及基于Transformer架构等前沿深度学习框架的演变，展示了AI工具在结构预测、蛋白质动力学和内在无序建模中接近实验精度的能力，并通过孤儿G蛋白偶联受体和内在无序区域等代表性案例研究，揭示了这些技术对以往难处理系统的变革潜力	仍需实验验证、蛋白质灵活性的有效建模以及AI生成数据的伦理考量	为研究人员提供利用AI创新解决蛋白质组学中最具挑战性方面的路线图	未充分研究的蛋白质家族，特别是孤儿G蛋白偶联受体和内在无序区域	计算生物学	NA	NA	Transformer、图神经网络、扩散模型	蛋白质结构数据、蛋白质相互作用数据	两个代表性案例研究	NA	AlphaFold2、RoseTTAFold、Transformer、图神经网络、扩散模型	NA	NA
418	2026-06-19	Machine learning approaches in automated infant General Movements Assessment: A scoping review 2026-Jun-17, Developmental medicine and child neurology IF:3.8Q1 DOI:10.1111/dmcn.70308 PMID:42310947	综述	系统综述机器学习和深度学习方法在自动化婴儿全身运动评估（GMA）中用于早期预测脑瘫（CP）的应用	通过综合分析数据采集、姿态估计、特征提取和分类等各环节的方法选择，构建了一个面向临床的解释框架，揭示了方法差异与性能、泛化性和临床可解释性之间的关系	较小数据集（12-38名婴儿）的报告准确率（高达100%）高于较大数据集（557-776名婴儿，最高93.8%），表明数据集大小可能影响结果的可靠性	评估和综合自动婴儿GMA中机器学习与深度学习方法在早期预测脑瘫方面的文献	2015年至2025年2月间发表的43项相关研究	计算机视觉, 机器学习	脑瘫	无标记姿态重建（深度学习）	支持向量机（机器学习）, 卷积神经网络（深度学习）	视频	12至776名婴儿	NA	支持向量机, 卷积神经网络	准确率	NA
419	2026-06-19	Hyperspectral scrap characterisation for scrap composition optimisation in steel recycling 2026-Jun-17, Waste management & research : the journal of the International Solid Wastes and Public Cleansing Association, ISWA IF:3.7Q2 DOI:10.1177/0734242X261451604 PMID:42311089	研究论文	提出了一条由高光谱成像、深度学习识别和混合整数优化组成的三阶段处理流程，用于优化废钢回收中的成分分析	首次将3D卷积神经网络应用于废钢高光谱图像分类，并结合混合整数优化实现废钢配比决策	14种材料分类准确率仅为76%，对非钢类材料的检测精度较低	通过废钢成分自动识别与优化配比，提升电炉炼钢中废钢回收的质量和效率	包含14类材料的废钢样本（含钢铁、有色金属、石头、塑料等）	计算机视觉	NA	高光谱成像（短波红外波段437个光谱带）	3D卷积神经网络、2D卷积神经网络、多层感知机	高光谱图像	14类废钢材料样本	NA	3D卷积神经网络、2D卷积神经网络、多层感知机	准确率	NA
420	2026-06-19	Deep-Learning Solution Providing Molecular Marker Subtyping of Breast Cancer Whole Slide Images: Protocol for a UK Clinical Service Evaluation Study 2026-06-16, JMIR research protocols IF:1.4Q3 DOI:10.2196/76785 PMID:42302265	研究论文	提出一项前瞻性临床服务评估研究方案，旨在验证一款英国符合性评估认证的深度学习计算机技术能否从扫描的苏木精-伊红染色全切片图像中提供浸润性乳腺癌的ER、PR和HER2结果	在真实临床环境中评估深度学习计算机技术，同时通过服务评估设计避免对患者护理产生不良影响，为计算机技术临床应用提供信心建立步骤	目前尚无结果呈现，因为本文聚焦于研究设计，结果需待未来发表	验证一款英国符合性评估认证的深度学习计算机技术在全切片图像中提供ER、PR和HER2结果的临床可行性	浸润性乳腺癌患者的苏木精-伊红染色全切片图像及其对应病理报告中的ER、PR和HER2状态	数字病理学	乳腺癌	苏木精-伊红染色、全切片成像	深度学习	图像	计划400例可分析病例，截至2026年3月已收集366例	NA	NA	特异性、灵敏度、假阳性率、假阴性率、阳性预测值、阴性预测值	专用计算机