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
481	2026-06-18	Decision processes in 3D structural MRI schizophrenia classification evaluated with saliency maps 2026-06-13, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-57667-z PMID:42288602	研究论文	利用显著性图评估三维结构MRI精神分裂症分类中的决策过程并评价深度学习模型的可解释性	首次通过定性和定量评估七种常用深度学习架构的Grad-CAM显著性图，发现仅有两种模型在精神分裂症分类中基于合理的脑结构信息做出决策，并开发了将显著性图转化为通用可解释解剖标记的方法	仅评估了七种模型架构，且仅针对精神分裂症分类任务，未探讨其他精神疾病或更复杂模型的可解释性	评估深度学习模型在精神分裂症分类中的决策可解释性，并探索从显著性图中提取生物标记物的可行性	精神分裂症患者与健康对照的三维结构MRI数据	机器学习	精神分裂症	MRI	CNN	图像	NA	NA	Grad-CAM	NA	NA
482	2026-06-18	Hybrid deep learning model for brain age prediction using time-distributed convolutional and bidirectional LSTM networks 2026-06-12, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-54198-5 PMID:42286062	研究论文	提出一种混合深度学习模型，利用时间分布卷积和双向LSTM网络进行脑龄预测	结合时间分布卷积和双向LSTM层的新型深度学习架构，并通过使用VBM的MRI数据和预处理步骤（异常值检测、数据增强、切片选择）提升了预测准确性	未明确提及局限性，但可能包括数据集单一、年龄预测误差仍有提升空间等	提高脑龄预测的准确性和可靠性，减少脑龄差距的误差	OpenBHB数据集的MRI脑图像数据	计算机视觉	神经系统疾病（如精神分裂症、阿尔茨海默病）	MRI成像	深度学习模型（时间分布卷积和双向LSTM）	图像	NA（未提及具体样本数量）	NA（未提及）	时间分布卷积层、双向LSTM层	平均绝对误差 (MAE), R²分数	NA（未提及）
483	2026-06-18	A PSC-tailored deep learning model for liver segmentation on fat-saturated T2-weighted MR: Robustness to hepatic dysmorphia and multicentre generalisability 2026-Jun-12, European journal of radiology IF:3.2Q1 DOI:10.1016/j.ejrad.2026.113010 PMID:42302441	研究论文	本研究旨在找到一种有效且准确的肝脏分割策略，用于原发性硬化性胆管炎（PSC）患者的脂肪饱和T2加权MRI，并验证GLRM-RunEntropy这一放射组学特征的预后价值	针对PSC患者脂肪饱和T2加权MRI训练的nnU-Net模型在肝脏分割上表现卓越，对肝脏形态变异和队列差异具有鲁棒性，优于通用分割工具	未提及具体局限性，但可能包括样本量有限或外部验证队列的多样性不足	识别PSC患者脂肪饱和T2加权MRI的有效肝脏分割策略，实现GLRM-RunEntropy的多中心验证	183名PSC患者的脂肪饱和T2加权MRI图像（来自内部和外部队列）	计算机视觉	原发性硬化性胆管炎（PSC）	MRI（脂肪饱和T2加权成像）	nnU-Net	图像（MRI）	183名PSC患者	PyTorch	nnU-Net	Dice相似系数（DSC），Hausdorff距离（HD）	未提及
484	2026-06-18	Deep learning four decades of human migration 2026-Jun-10, Nature IF:50.5Q1 DOI:10.1038/s41586-026-10611-7 PMID:42271065	研究论文	利用深度集成递归神经网络整合多源数据，构建1990年至今全球230个国家与地区的年度迁移流数据集	首次实现人口迁移流的年度动态估计，通过集成深度递归神经网络融合地理、经济、文化与政治协变量，较现有五年期估计提供更精细的时间分辨率	不确定性较高的区域仍需改善数据收集；部分区域数据稀疏可能影响估计可靠性	构建全球一致、高时间分辨率的人口迁移流数据集，揭示迁移动态与短期响应	全球230个国家与地区的人口迁移流（1990年至今）	机器学习	NA	NA	深度集成递归神经网络	统计资料、人口普查存量数据、净迁移估计、历史迁移流重建数据	覆盖230个国家与地区，时间跨度34年（1990-2024）	NA	深度递归神经网络	准确性（相对于五年期估计的留出数据验证）	NA
485	2026-06-18	Nuclear DNA-Gated Electrochemiluminescence Microscopy with Deep Learning for Single-Cell Apoptosis Profiling 2026-06-09, Analytical chemistry IF:6.7Q1 DOI:10.1021/acs.analchem.6c01234 PMID:42177648	研究论文	开发了一种基于核DNA门控电化学发光显微镜和深度学习的单细胞凋亡分析方法	利用基因组DNA作为内在共反应物，通过电化学发光信号空间变化实现凋亡相关染色质变化的定量监测，并结合深度学习实现高通量分类	未明确讨论该方法在临床样本或复杂微环境中的适用性，也未评估对不同凋亡时间点的长期稳定性	实现单细胞凋亡的定量、高通量分析，以应对抗癌药物疗效评估中的异质性挑战	经过抗癌化合物处理的细胞和光敏剂处理的细胞	数字病理学	癌症	电化学发光显微镜	深度学习模型	图像	未提及具体样本数量	NA	NA	分类准确率	NA
486	2026-06-18	Computational blueprints for cell fate programming 2026-06-09, Stem cell reports IF:5.9Q2 DOI:10.1016/j.stemcr.2026.102929 PMID:42208532	综述	综合细胞命运编程的计算方法，形成迭代设计-测试-学习管线的实用蓝图	将单细胞与空间组学、扰动筛选和深度学习整合为迭代设计-测试-学习管线中的计算蓝图	未明确讨论域迁移、可解释性和可重复性等挑战的具体解决方案	系统梳理并整合细胞命运编程的计算方法	细胞命运编程中的计算蓝图	机器学习	NA	单细胞与空间组学、扰动筛选	深度学习	单细胞与空间组学数据	NA	NA	NA	NA	NA
487	2026-06-18	AI-Empowered and a Bio-/Nanoenzyme-Hybrid Multisensors Array toward Precision Diagnosis of Kidney Diseases 2026-06-09, Analytical chemistry IF:6.7Q1 DOI:10.1021/acs.analchem.6c00066 PMID:42171404	研究论文	开发了一种结合人工智能与生物/纳米酶杂交多传感器阵列的精准诊断平台，用于慢性肾病的早期筛查和风险评估	首次将多模态电化学传感阵列与一维卷积神经网络和多层感知器结合，实现尿液中肌酐、尿酸和pH的联合检测与智能分析	NA	实现慢性肾病的精准早期诊断和个性化风险评估	慢性肾病患者的尿液代谢物（肌酐、尿酸和pH值）	数字病理学	慢性肾病	激光诱导电化学传感阵列，生物/纳米酶杂交技术	一维卷积神经网络（1D-CNN）、多层感知器（MLP）	电化学信号数据	NA	PyTorch	1D-CNN, MLP	准确率（98.67%）、检测限（LOD）、检测范围	NA
488	2026-06-18	Artificial intelligence in inflammatory bowel disease: From current evidence, clinical translation, and the road to precision medicine 2026-Jun-09, Chinese medical journal IF:7.5Q1 DOI:10.1097/CM9.0000000000004170 PMID:42268244	综述	综述人工智能在炎症性肠病内镜、组织学、影像学和组学中的应用现状、临床转化潜力及推动精准医学的进展	系统整合了人工智能在内镜、组织学、影像学和组学多模态数据中的交叉应用，并提出通过多模态与多组学融合实现精准医学的策略	存在临床试验和临床常规应用中的主要挑战、未满足需求及局限性，阻碍了技术采纳	总结人工智能在炎症性肠病中的当前证据，探讨临床转化路径及精准医学发展前景	炎症性肠病的多模态数据（内镜、组织学、影像学、组学数据）	机器学习, 数字病理学	炎症性肠病	NA	深度学习	图像, 文本, 组学数据	NA	NA	NA	准确率	NA
489	2026-06-18	A comprehensive review of deep learning applications in the segmentation and classification of skin cancer 2026-Jun-08, Biomedical physics & engineering express IF:1.3Q3 DOI:10.1088/2057-1976/ae74d6 PMID:42214390	综述	系统综述了2014至2024年间深度学习技术在皮肤癌病灶分割与分类中的应用	纳入2014-2024年间77项符合标准的研究，分析CNN与U-Net等架构在分类与分割中的主导地位，识别类别不平衡和数据泄露问题，并指出从单一CNN向混合框架和多源特征融合的范式转变	类别不平衡、数据集多样性有限、临床验证不足	系统评估深度学习在皮肤癌分割与分类中的研究现状和挑战	皮肤癌病灶的医学图像	机器学习	皮肤癌	NA	CNN, U-Net, 混合框架, 集成模型	图像	77项实验研究，涉及ISIC和HAM10000等公开数据集	NA	CNN, U-Net, 混合架构	准确率（平均96%在ISIC数据集，93%在HAM10000数据集）	NA
490	2026-06-18	Cascaded deep learning enables multimodal brain PET spatial normalization and quantification for Alzheimer's disease 2026-Jun-06, NeuroImage IF:4.7Q1 DOI:10.1016/j.neuroimage.2026.122039 PMID:42250835	研究论文	提出了一种级联深度学习方法，实现多模态脑部PET图像的空间归一化和定量分析，用于阿尔茨海默病研究	首次开发完全自动化的纯PET框架DCCC，集成级联CNN刚体/仿射配准和VoxelMorph弹性配准模块，无需结构MRI即可实现快速空间归一化，并支持7种模态和13种示踪剂的跨示踪剂泛化	未明确在本文中讨论，但可能受限于回顾性研究设计和多中心数据异质性	开发和验证纯PET的深度级联脑部计算器，实现阿尔茨海默病的空间归一化和定量分析，替代传统MRI引导方法	3539名患者、6535次扫描，涵盖7种PET模态和13种示踪剂的数据集	计算机视觉, 机器学习, 数字病理	阿尔茨海默病	PET成像	CNN, VoxelMorph	图像	3539名患者，6535次扫描	PyTorch, MONAI	CNN, VoxelMorph	平均绝对相对SUVr误差, 体素级皮尔逊相关系数, R², AUC	NA
491	2026-06-18	Adaptive feature unlearning for trustworthy medical imaging privacy 2026-Jun-04, Medical image analysis IF:10.7Q1 DOI:10.1016/j.media.2026.104151 PMID:42302475	研究论文	提出AdaptForget框架，用于可信医疗影像隐私保护的领域自适应特征级遗忘	引入了基于分布外引导的特征级遗忘框架，实现了单条目即时遗忘和特征分离的可审计验证	仅在特定医疗影像和健康记录数据集上验证，未在更广泛临床应用中进行测试	解决医疗影像中深度学习模型记忆训练数据导致的隐私泄露问题	医疗影像数据和健康记录数据集	数字病理学	NA	NA	CNN	图像, 文本	四个医疗影像基准数据集（组织病理学、视网膜眼底、皮肤镜、OCT）及补充健康记录数据集	PyTorch	NA	隔离验证距离, 隐私保护效用	NA
492	2026-06-18	Overrepresentation Bias Leads to Performance Overestimation in Blood-Brain Barrier Permeability Prediction Models: Characterization and Mitigation 2026-Jun-02, Journal of chemical information and modeling IF:5.6Q1 DOI:10.1021/acs.jcim.5c02891 PMID:42226621	研究论文	研究发现药物性质数据库中存在的过度表征偏差会导致血脑屏障渗透性预测模型性能被高估，并提出了自动检测算法和偏差感知数据处理流程来缓解这一问题	首次系统性地揭示了药物性质数据库中过度表征偏差对血脑屏障渗透性预测模型性能评估的影响，并提出了自动检测算法和偏差感知数据处理的解决方案	未说明其提出的自动检测算法和偏差感知数据处理流程在不同类型数据库或不同预测任务中的泛化能力	研究血脑屏障渗透性预测模型中过度表征偏差对性能评估的影响并提出缓解方法	血脑屏障渗透性预测模型中的药物化合物数据	机器学习	NA	NA	深度学习模型	药物化合物数据	NA	NA	NA	AUC, Macro F1-score	NA
493	2026-06-18	AI-Driven Design and Clinical Translation of Nucleotide-Peptide and Peptide-Drug Conjugates 2026-Jun-02, ACS biomaterials science & engineering IF:5.4Q2 DOI:10.1021/acsbiomaterials.6c00187 PMID:42228500	综述	本文综述了核苷酸-肽偶联物和肽-药物偶联物的设计与临床转化进展	本文强调了人工智能和深度学习在预测肽-药物相互作用、优化连接子和虚拟筛选生物活性支架中的变革性作用	本文未明确讨论具体的实验验证或量化限制，但指出临床转化中仍面临肽可用性、连接子优化和可扩展合成等挑战	优化偶联化学，加速这些多层生物分子结构从理论到实践的转化	核苷酸-肽偶联物和肽-药物偶联物	机器学习	癌症、神经退行性疾病、炎症性疾病	生物偶联策略	深度学习	文本	NA	NA	NA	NA	NA
494	2026-06-18	From Empirical Ratio Tuning to Mechanistic Insight: Decoding NiO-ZnO Heterojunction Effects in Gas Sensing via Explainable Machine Learning 2026-Jun-02, ACS sensors IF:8.2Q1 DOI:10.1021/acssensors.6c00675 PMID:42228598	研究论文	利用可解释机器学习揭示NiO-ZnO异质结在气体传感中的机制，探索复合比例对传感性能的非单调调控作用	将可解释人工智能（SHAP）与特征交互网络相结合，解析NiO-ZnO复合比例对气体传感性能的非单调调控机制，超越传统经验比例调优方法	NA	阐明NiO-ZnO复合比例对气体传感性能的调控机制，并建立材料组成、响应特征演化与气体识别能力之间的内在联系	NiO-ZnO基气体传感器，比例从0到1变化的七种不同摩尔比的传感器	机器学习	NA	NA	深度学习多任务网络	气体传感响应数据	七种不同摩尔比的NiO-ZnO传感器，针对六种代表性挥发性有机化合物进行传感实验	NA	深度学习多任务网络	准确率、精确率、召回率、F1分数、AUC	NA
495	2026-06-18	Precise, predictable genome integrations by deep-learning-assisted design of microhomology-based templates 2026-Jun, Nature biotechnology IF:33.1Q1 DOI:10.1038/s41587-025-02771-0 PMID:40796977	研究论文	通过深度学习辅助设计基于微同源性的模板，实现精准、可预测的基因组整合	利用深度学习模型预测修复过程，设计碱基对串联重复修复臂，匹配双链断裂处的微同源性，提高整合精准度，减少缺失，并开发设计工具Pythia	NA	实现精准、可预测的CRISPR介导DNA整合和编辑	HEK293T细胞、爪蟾和成年小鼠大脑中的生殖细胞传递转基因整合及内源蛋白标记	机器学习	NA	CRISPR, 深度学习, NGS	深度学习模型	序列数据	32个位点在HEK293T细胞中验证，以及爪蟾和成年小鼠大脑的实验	NA	Pythia	整合精准度, 缺失率	NA
496	2026-06-18	Multi-stage deep learning architecture for carotid artery segmentation and stenosis evaluation: comparative study with digital subtraction angiography 2026 Summer, Journal of cardiovascular magnetic resonance : official journal of the Society for Cardiovascular Magnetic Resonance IF:4.2Q1 DOI:10.1016/j.jocmr.2026.102683 PMID:41512998	研究论文	提出一种多阶段深度学习架构，用于颈动脉分割和狭窄评估，并与数字减影血管造影进行比较	首次提出一种自动分割和评估颅外颈动脉狭窄的多阶段深度学习架构，并与金标准DSA进行对比验证，提高了诊断效率并减少了观察者间差异	NA	开发一种自动化的颈动脉分割和狭窄评估方法，以缩短诊断时间并提高诊断一致性	颈动脉狭窄患者的高分辨率磁共振图像	数字病理学, 计算机视觉	颈动脉粥样硬化	高分辨率磁共振成像	深度学习架构	图像	422名患者的641条狭窄动脉，来自四家三级医院	NA	NA	Dice相似系数, 准确率	NA
497	2026-06-18	Characterizing mating behaviour in broiler breeders via a vision based deep learning model 2026-Jun, Poultry science IF:3.8Q1 DOI:10.1016/j.psj.2026.106812 PMID:41895022	研究论文	开发了一种基于视觉的深度学习模型来检测肉种鸡的交配行为，并分析其时间动态	首次应用YOLOv8深度学习模型自动检测肉种鸡的交配行为，量化了交配持续时间、间隔和日频率等时间特征	仅检测了骑跨行为阶段，未完全覆盖交配行为的所有子动作，样本为单一品种且实验环境受控	开发自动检测肉种鸡交配行为的深度学习模型，并分析交配行为的时间特征及其与福利指标的关系	肉种鸡的交配行为（骑跨阶段）及其时间动态	计算机视觉	NA	NA	卷积神经网络（CNN）	图像	4个围栏，每栏10只母鸡（Cobb 500F）和1只公鸡（Cobb MX），共40只母鸡和4只公鸡，持续4.5个月	PyTorch	YOLOv8	准确率（accuracy）	NA
498	2026-06-18	Comparative assessment of diagnostic agreement between artificial intelligence and general practitioners in diabetic retinopathy screening using non-mydriatic fundus photography 2026-06, Primary care diabetes IF:2.6Q1 DOI:10.1016/j.pcd.2026.04.007 PMID:41991402	研究论文	比较人工智能与全科医生在糖尿病视网膜病变筛查中使用非散瞳眼底照片的诊断一致性	首次在初级保健环境中直接比较深度学习人工智能系统与全科医生在糖尿病视网膜病变筛查中的诊断性能，并以眼科医生评估为参考标准	仅纳入可分级图像，样本来自单一中心，未在未经选择的筛查人群中验证，缺乏多中心研究和正式的成本效益分析	评估人工智能系统与全科医生在糖尿病视网膜病变筛查中的诊断一致性	500名2型糖尿病初级保健患者的眼底照片	计算机视觉	糖尿病视网膜病变	非散瞳眼底照相	深度学习模型	图像	500例初级保健2型糖尿病患者，共拍摄2000张45°非散瞳眼底照片	NA	EyeArt v3.0.0	Cohen's kappa系数, Cramer's V, 灵敏度, 特异度, 预测值, 似然比, 总体准确率	NA
499	2026-06-18	BIBSNet: A deep learning baby image brain segmentation network for MRI scans 2026-Jun, Developmental cognitive neuroscience IF:4.6Q1 DOI:10.1016/j.dcn.2026.101706 PMID:42013743	研究论文	介绍BIBSNet，一种基于深度学习的婴儿脑部MRI图像分割网络	通过数据增强和大量手动标注图像实现稳健且可泛化的婴儿脑组织分割，比传统方法快600倍	仅适用于0-8个月婴儿；在6-8个月年龄组中，与另一款工具iBeat相比无显著优势	开发一种适用于婴儿MRI脑图像分割的深度学习模型，以支持脑发育研究	90名0-8个月婴儿的脑部MRI图像	计算机视觉	NA	MRI	深度神经网络	图像	90名参与者，年龄范围0-8个月（中位年龄4.6个月）	PyTorch	BIBSNet（类似U-Net的架构）	Dice相似系数（DSC）	NA
500	2026-06-18	Development of a deep learning based framework for classification of Indian venomous snakes integrated with explainable artificial intelligence for primary and emergency care providers 2026-Jun, PLoS neglected tropical diseases IF:3.4Q1 DOI:10.1371/journal.pntd.0014147 PMID:42247465	研究论文	开发基于深度学习的框架，用于分类印度有毒蛇类，并结合可解释人工智能以辅助初级和紧急护理提供者	结合可解释人工智能（Grad-CAM++）确保模型分类基于蛇的解剖特征（如头部形状和身体条纹），而非背景；提供人机交互的Web界面，专家可实时确认或覆盖预测	数据集规模有限且来自单一机构，限制了结果的广泛适用性	为资源匮乏的基层医疗机构提供临床导向的深度学习管道，用于印度有毒和无毒蛇类的二分类，以辅助蛇咬伤管理	20种医学上重要的印度蛇类	计算机视觉	蛇咬伤中毒	图像分类	CNN	图像	20种印度蛇类的真实世界图像数据	PyTorch	MobileViT-S, ConvNeXt-Tiny, EfficientNet-V2-S, ResNeXt-50 (32×4d)	测试准确率、灵敏度、特异性、F1分数、ROC-AUC、PR-AUC	NA