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
641	2026-06-14	MIRAGE: a multimodal deep learning framework for interpretable risk assessment of high myopia from genetic and retinal imaging data 2026-Jun-09, Human molecular genetics IF:3.1Q2 DOI:10.1093/hmg/ddag040 PMID:42262223	研究论文	开发了一种结合全外显子基因型和眼底图像的深度学习框架MIRAGE，用于高风险近视的个性化预测	在深度学习框架中首次整合全外显子基因型数据和眼底图像，通过门控注意机制融合两种模态，并使用深层基因风险模型捕捉非线性交互作用	NA	早期识别高度近视风险个体，实现个性化预测和临床干预	高度近视患者和对照组的基因型与眼底图像数据	机器学习	高度近视	全外显子测序	深度学习	基因型数据, 眼底图像	1991名个体	PyTorch	DeepExGRS, CNN, 门控注意机制	AUC	NA
642	2026-06-14	Observational study of predictors and outcomes of lung cancer in never-smokers in the UK (OLIVE): study protocol 2026-Jun-09, BMJ open respiratory research IF:3.6Q1 DOI:10.1136/bmjresp-2025-003966 PMID:42264884	研究论文	本研究协议旨在设立一项英国多中心观察性队列，探索从不吸烟者肺癌的预测因素和结局	聚焦英国人群的LCINS，结合深度学习和自然语言处理分析自由文本数据，并通过回顾性和前瞻性队列设计填补当前研究空白	尚未涵盖所有EHR外的暴露因素，未来可能需要额外数据采集；单中心可行性试验样本量有限（225名患者）	扩大对LCINS的理解，尤其在英国背景下改善诊断和治疗路径	从不吸烟的肺癌成人患者	自然语言处理	肺癌	NA	NA	文本	225名患者（单中心可行性试验），后续扩展至多中心	NA	NA	NA	NA
643	2026-06-14	Deep Learning-Guided Reverse Translation Enhances Soluble Expression of Recombinant Proteins in Escherichia coli 2026-Jun-05, International journal of molecular sciences IF:4.9Q2 DOI:10.3390/ijms27115131 PMID:42278656	研究论文	开发了一种结合同义密码子生成模型和基因表达水平预测模型的深度学习框架，用于优化异源蛋白在大肠杆菌中的可溶性表达	首次提出结合同义密码子生成模型（SCG）与基因表达水平预测模型（GELP）的集成深度学习框架，并揭示核心回避密码子优化策略	研究仅针对两种工业酶进行验证，样本范围有限；计算资源信息未在标题和摘要中提及	设计能够提高重组蛋白在大肠杆菌中可溶性表达的DNA序列	异源蛋白在大肠杆菌中的可溶性表达	机器学习	NA	DNA序列优化	深度学习模型	基因组数据、基因表达数据	两种工业酶：α-葡聚糖磷酸化酶和异淀粉酶	NA	NA	可溶性表达倍数变化、单因素方差分析、单样本t检验	NA
644	2026-06-14	CLARISA: Connexin-43 Lateralization Automated ROI-Based Image Signal Analyzer 2026-Jun-02, International journal of molecular sciences IF:4.9Q2 DOI:10.3390/ijms27115033 PMID:42278561	研究论文	提出CLARISA，一种无需分割、基于ROI的深度学习框架，用于直接从荧光图像分类CX43阳性区域为终末或侧向化	采用无分割的ROI基深度学习方法，避免传统方法中对单个心肌细胞分割的依赖，并利用双流EfficientNetV2-S分类器同时捕获局部和上下文ROI形态	需要在更大、独立且更异质的数据集上进一步验证其鲁棒性、跨成像条件的可移植性和转化应用性	实现心脏组织中CX43侧向化的可扩展、无分割定量评估	Wistar大鼠心脏左心室冷冻切片中CX43阳性区域的分布模式	计算机视觉	心律失常	荧光成像	卷积神经网络	图像	来自Wistar大鼠心脏的专家标注数据集（具体数量未提及）及一个独立分析的组织切片	PyTorch	EfficientNetV2-S	ROC-AUC, PR-AUC	NA
645	2026-06-14	AI-enhanced Wrist-Hand US Image Acquisition: Development and Initial Clinical Evaluation 2026-Jun, Radiology IF:12.1Q1 DOI:10.1148/radiol.251268 PMID:42262241	research paper	开发深度学习模型用于动态腕手超声检查中的标准平面识别和解剖分割，并在临床实践中评估其性能	基于残差网络和高分辨率网络构建AI工具，在腕手超声标准平面识别中达到96.2%的F1分数，并在解剖分割中实现0.647的平均交并比，优于EfficientNet、MobileNet、SegFormer和DeepLabV3等基线模型	临床评估仅涉及36名健康志愿者，且仅由初级和高级新手肌肉骨骼超声医师操作，样本量和医师经验水平有限	开发并评估AI辅助腕手超声图像采集的深度学习模型，以提高新手肌肉骨骼超声医师的扫描质量和效率	来自20家医院430名志愿者的66,743张正常腕手超声图像，以及36名健康志愿者在临床评估阶段的数据	computer vision	musculoskeletal disease	ultrasound	ResNet, High-Resolution Network	image	430名志愿者（66,743张图像）用于模型开发；36名健康志愿者用于临床评估	NA	ResNet, High-Resolution Network	F1 score, mean intersection over union	NA
646	2026-06-14	Predicting Post-Radiotherapy Epigenetic Age Acceleration From Pre-Treatment Data Using a Machine Learning Framework in Head and Neck Cancer Patients 2026-Jun, Cancer medicine IF:2.9Q2 DOI:10.1002/cam4.72014 PMID:42277901	论文	该研究开发并验证了一个机器学习框架，利用头颈癌患者放疗前的社会人口学信息、症状报告、临床测量和免疫生物标志物，预测放疗后的表观遗传年龄加速（EAA）	首次利用低成本、常规收集的放疗前数据而非昂贵表观遗传检测，基于机器学习框架预测头颈癌患者放疗后的表观遗传年龄加速轨迹，尤其是深度学习模型TabNet优于传统算法	样本量可能有限（具体未说明），预测准确性在不同患者亚群间存在较大差异（RMSE范围1.70-4.34），且结果仅针对头颈癌患者，泛化性需进一步验证	开发一种无需昂贵表观遗传检测的方法，利用放疗前临床数据预测头颈癌患者放疗后的表观遗传年龄变化，以实现早期高风险患者识别和靶向干预	接受放疗的头颈癌患者，利用其放疗前（Time 1）的社会人口学信息、症状报告、临床测量和免疫生物标志物数据进行预测	机器学习	头颈癌	NA	深度学习模型（TabNet）及传统机器学习模型	数值型数据（社会人口学信息、症状报告、临床测量和免疫生物标志物）	具体样本数量未在标题和摘要中说明	NA	TabNet	均方根误差（RMSE）	NA
647	2026-06-14	Towards Interpretable Seizure Detection: An Excitation/Inhibition Dynamic Polynomial Network Framework for Electroencephalography 2026-Jun-01, Sensors (Basel, Switzerland) DOI:10.3390/s26113488 PMID:42281002	研究论文	提出一种基于兴奋/抑制动力学多项式网络的可解释癫痫检测框架	首次将兴奋/抑制双路径与威尔逊-考恩动力学模块结合，实现生理可解释的癫痫检测，并利用物理信息优化策略确保模型符合神经生理原理	未提及	开发一种兼顾高准确率与生理可解释性的癫痫脑电检测方法	癫痫脑电信号中的兴奋/抑制失衡动态及其与癫痫发作的关系	机器学习	癫痫	脑电图	E/I-DynPolyNet	脑电信号	CHB-MIT与Bonn两个数据集	PyTorch	E/I-DynPolyNet	准确率	NA
648	2026-06-14	Multiagent First-Person Perspective Analysis for Leadership Assessment in Pediatric Emergency Simulations: A Feasibility Study 2026-Jun-01, Critical care explorations DOI:10.1097/CCE.0000000000001428 PMID:42283629	研究论文	本研究探讨了在多智能体、时空同步的第一人称视角分析在儿科急救模拟中评估领导力的可行性	首次将多智能体时间同步的第一人称视角分析与深度学习对象检测（YOLOv8）结合，用于急救模拟中的领导力评估，提供客观的观察者无关指标	样本量小（仅两名领导者），视频帧排除较多（29.3%），且研究为探索性，结果仅为说明性	验证多智能体、时空同步的第一人称视角分析在儿科急救模拟中评估领导力的可行性	儿科重症监护室（PICU）中的两名医生（一名重症监护专家和一名儿科住院医生）作为团队领导者	计算机视觉	NA	可穿戴智能眼镜、深度学习对象检测（YOLOv8）、注视向量估计	CNN	视频、注视数据	2名参与者（医生），每人完成一个场景	YOLO	YOLOv8	不适用	NA
649	2026-06-14	Discriminating HFrEF vs HFpEF from chest radiographs: Mitigating demographic performance gaps via augmentation and multimodal fusion 2026-Jun, PLOS digital health DOI:10.1371/journal.pdig.0001467 PMID:42284341	研究论文	本研究评估了深度学习模型在胸部X光片上区分射血分数降低型心力衰竭和射血分数保留型心力衰竭的性能，重点关注人口统计学性能差距，并提出了通过数据增强和多模态融合来缓解这些差距的方法	首次以公平性为中心，系统评估胸部X光深度学习模型在心力衰竭亚型区分中的人口统计学性能差距，并证明轻量级多模态融合能将最大AUC差距相对减少83%	这是一项概念验证研究，使用公开数据集MIMIC-CXR和MIMIC-IV，样本可能有限，且仅限于影像学肺水肿病例	提高胸部X光深度学习模型在心力衰竭表型区分中的公平性和鲁棒性	射血分数降低型心力衰竭和射血分数保留型心力衰竭患者	计算机视觉, 数字病理学	心血管疾病	胸部X光成像	DenseNet121, 多模态融合	图像, 人口统计学和合并症数据	源自MIMIC-CXR与MIMIC-IV数据集，限制为影像学肺水肿病例	NA	DenseNet121	AUC, 灵敏度, 特异性	NA
650	2026-06-13	A transformer and 3D CNN-based feature fusion network with interpretable ability for Raman spectra analysis: improving the diagnosis of thyroid cancer 2026-Jun-05, Spectrochimica acta. Part A, Molecular and biomolecular spectroscopy DOI:10.1016/j.saa.2026.127623 PMID:41762798	研究论文	提出了一种结合Transformer和3D CNN的深度学习框架，用于拉曼光谱分析以改善甲状腺癌诊断	首次将1D光谱和2D时空特征的多模态融合应用于基于拉曼光谱的甲状腺癌检测，通过多头交叉注意力机制实现动态特征整合，并增强了模型可解释性	2D光谱转换可能引起信息丢失，其程度取决于编码策略	提高甲状腺良恶性病变的鉴别准确性和模型可解释性	甲状腺病变的拉曼光谱数据	机器学习	甲状腺癌	拉曼光谱	Transformer, 3D CNN	光谱数据	未明确说明	PyTorch	Transformer, 3D-CNN	准确率	未明确说明
651	2026-06-13	Deep learning assisted cell electrical signal analysis in impedance cytometry 2026-Jun, Analytical biochemistry IF:2.6Q2 DOI:10.1016/j.ab.2026.116093 PMID:41763285	研究论文	开发了基于一维CNN的算法BioFluxNet，用于自动分析阻抗细胞术中的原始电信号，实现细胞分类和计数	BioFluxNet消除了传统信号处理中耗时的步骤，减少人工干预和操作者主观性，提供快速自动化的解决方案	NA	实现阻抗细胞术中原始电信号的自动分析，以直接分类细胞类型并量化细胞数量	阻抗细胞术中的细胞（包括血液细胞和肿瘤细胞）及颗粒	机器学习	NA	阻抗细胞术	一维CNN	原始电信号流	NA	NA	卷积层、归一化层、激活层、池化层、线性层	NA	NA
652	2026-06-13	Improved image quality and reduced acquisition time in brain MRI using deep learning-based reconstruction: A quantitative and subjective assessment compared to standard MPRAGE in 0.55 T MRI 2026-Jun, Magnetic resonance imaging IF:2.1Q2 DOI:10.1016/j.mri.2026.110656 PMID:41794343	研究论文	评估深度学习重建技术在0.55T低场强脑部MRI中提高图像质量和缩短采集时间的效果	首次在0.55T低场强MRI中系统评估基于变分网络架构的深度学习重建算法，证明其能显著提升定量与主观图像质量，同时缩短采集时间至标准MPRAGE的一半	标准重建在伪影抑制和灰白质对比方面略优于DL重建；样本量较小（30例），可能影响结果泛化性	量化评估深度学习图像重建在低场强脑部MRI中的应用价值，特别是与标准MPRAGE的图像质量和采集时间比较	30例接受0.55T MRI扫描的患者脑部3D T1加权MPRAGE图像	计算机视觉	NA	MRI	变分网络 (Variational Network)	图像	30例患者MRI扫描数据	NA	变分网络 (Variational Network)	信噪比 (SNR), 对比度噪声比 (CNR), Likert评分（解剖细节、血管可见度、整体诊断质量等）	0.55T MRI系统 (MAGNETOM Free.Max, Siemens Healthineers)
653	2026-06-13	Graph neural network-based prediction and interpretation of Daphnia toxicity using distinct scale molecular representations 2026-Jun-01, Water research IF:11.4Q1 DOI:10.1016/j.watres.2026.125676 PMID:41795367	研究论文	基于图神经网络的多尺度分子表征预测和解释水蚤毒性	首次整合分子和宏观层面特征，比较三种图分子表示方法，并证实基于SMARTS子图表示具有最佳鲁棒性和可解释性	未提及具体局限性	开发基于深度学习的框架以预测水蚤致死浓度并解释毒性机制	化学物质对水蚤的毒性（LC值）	机器学习	NA	SMILES, SMARTS, 图分子表示	图神经网络	分子结构数据	涵盖五种作用机制类别（麻醉、极性麻醉、非特异性反应、特定机制、未分类）的化学物质	PyTorch	图神经网络变体（标准GNN优于复杂变体）	决定系数R²	NA
654	2026-06-13	Frontiers and challenges in the design of binders for intrinsically disordered proteins 2026-Jun, Current opinion in structural biology IF:6.1Q1 DOI:10.1016/j.sbi.2026.103256 PMID:41887012	综述	探讨针对固有无序蛋白的配体设计领域的最新进展与挑战	系统比较了从物理原理到深度学习驱动的设计策略，并指出该快速进展领域的关键挑战与未来方向	未提供具体的计算验证或实验数据支持，侧重于方法学讨论与展望	综述固有无序蛋白配体设计策略的原理、优势、局限及其应用	固有无序蛋白及其特异性配体	机器学习	普通疾病类别（未明确指出具体疾病）	计算机辅助蛋白设计	NA	NA	NA	NA	NA	NA	NA
655	2026-06-13	Harnessing artificial intelligence in healthcare: Advancing diagnosis, treatment, and patient-centered care 2026-Jun, Journal of the National Medical Association IF:2.5Q1 DOI:10.1016/j.jnma.2026.02.007 PMID:41833484	综述	探讨人工智能在医疗保健中的整合应用及其对诊断、治疗和患者护理的影响	系统评估AI在临床实践中的整合效果，涵盖诊断工具、药物发现、管理系统和远程医疗，并强调可解释性和伦理对齐的未来方向	AI融入常规临床实践面临系统整合复杂性、数据依赖性及伦理挑战，如数据隐私风险、算法偏见和决策透明度不足	评估AI技术对医疗保健可及性、质量和效率的提升作用，并分析其实际应用中的障碍	同行评审文献、报告和案例研究	机器学习	NA	NA	深度学习、人工神经网络	文本、图像	NA	NA	NA	诊断准确性	NVIDIA Clara
656	2026-06-13	Leveraging deep learning semantic segmentation for imaging coral skeletons 2026-Jun, Journal of structural biology IF:3.0Q3 DOI:10.1016/j.jsb.2026.108313 PMID:41819390	研究论文	利用基于U-Net的深度学习模型对石珊瑚骨骼的显微CT图像进行语义分割，以分析骨骼结构特性	首次系统比较了多种U-Net变体（Attention U-Net、U-Net++和标准U-Net）在珊瑚骨骼显微CT图像分割中的性能，并展示了该方法在分析骨骼健康与疾病状态差异方面的应用	基于U-Net的深度学习分割存在准确率限制，可能导致假阳性或假阴性分类	建立一种用于钙化组织语义分割的深度学习模型训练和部署框架，以增进对跨物种和病理背景下骨骼生成和生长模式的理解	石珊瑚（Montastraea cavernosa和Porites astreoides）的骨骼显微CT图像	计算机视觉	石珊瑚组织损失病	显微CT	卷积神经网络	图像	来自两种石珊瑚（Montastraea cavernosa和Porites astreoides）的显微CT数据集	NA	Attention U-Net, U-Net++, 标准U-Net	计算效率, 准确率, 泛化能力	NA
657	2026-06-12	Wavelet Spectrum in a Multi-Channel Network May Reduce Biopsy Rates on Diagnosis of Breast Tumors with BI-RADS Category 4a or Higher 2026-Jun-11, Journal of ultrasound in medicine : official journal of the American Institute of Ultrasound in Medicine IF:2.1Q2 DOI:10.1002/jum.70315 PMID:42273765	研究论文	开发并评估一种结合小波频谱分析与深度学习的计算机辅助诊断方法，用于BI-RADS 4a级以上乳腺肿瘤的良恶性分类，以减少不必要的活检	创新性地将小波频谱分析与多通道深度学习网络结合，利用高频和低频小波分量构建三通道超声图像，并建立严格的患者特异性活检避免标准	未提及外部验证、样本量较小（390例）且为回顾性研究	利用多通道深度学习网络中的小波频谱分析，减少BI-RADS 4a级以上乳腺肿瘤的无必要活检	BI-RADS 4a级或更高的乳腺病变患者	计算机视觉	乳腺癌	小波频谱分析	深度卷积神经网络（Dual-channel deep learning network）	超声图像	390名乳腺病变患者	NA	双通道深度学习网络	准确率, 活检避免率, 漏诊率	NA
658	2026-06-12	Compact neural network algorithm for electrocardiogram classification 2026-Jun-11, Physical and engineering sciences in medicine IF:2.4Q2 DOI:10.1007/s13246-026-01751-1 PMID:42274990	研究论文	提出一种紧凑型人工神经网络算法用于心电图分类，以解决深度学习对计算资源和大规模标注数据的高需求	采用17个可解释的工程特征提取心电图形态和生理特征，避免使用深度学习，实现高效率和低计算资源消耗	未提及算法对其他心律失常类型（如心肌梗死）的适用性，以及特征工程的可迁移性	开发一种轻量级且高效的心电图分类算法，用于心律失常诊断	心电图信号中的五种心律类别：正常窦性心律、窦性心动过缓、窦性心动过速、心室扑动和心房颤动	机器学习	心律失常	信号处理与特征工程	人工神经网络	心电图信号	未明确说明样本数量，但使用了MIT-BIH和St. Petersburg INCART心律失常数据库	NA	人工神经网络	准确率、Cohen's kappa、Matthews相关系数	标准CPU
659	2026-06-12	A mechanism-aided transformer may transform in-flight aviation safety 2026-Jun, PNAS nexus IF:2.2Q1 DOI:10.1093/pnasnexus/pgag154 PMID:42273406	研究论文	提出一种结合物理机制与深度学习的TwinTransformer方法，用于提升飞行中多变量预测及风切变危险预警能力	将航空动力学约束与Transformer深度学习模型相结合，通过物理机制辅助的TwinTransformer架构实现飞行参数预测，并针对性增强风切变危险预警	未明确说明	提升飞行中多变量预测准确率，为飞行员提供可靠的风切变危险预警，保障航空安全	飞行中的实时参数（如风切变指标）及航空状态	机器学习	NA	NA	Transformer	时间序列数据	真实飞行数据集（样本量未明确说明）	PyTorch	TwinTransformer	预测准确率、预警可靠性	NA
660	2026-06-11	A Deep Learning Model for Second-Molar Lesions Related to Impacted Third Molars 2026-Jun, International dental journal IF:3.2Q1 DOI:10.1016/j.identj.2026.109467 PMID:41764935	研究论文	开发基于深度学习模型SMM-YOLOv8n，用于自动检测全景X线片中与阻生第三磨牙相关的第二磨牙病变	在YOLOv8基础上改进，引入Slim-Neck优化和多维注意力机制，有效提升病变检测准确性和效率	NA	开发自动化深度学习系统，检测和分类全景X线片中与阻生第三磨牙相关的第二磨牙病变，提高诊断准确性并支持临床决策	1170张全景X线片，显示与阻生第三磨牙相邻的第二磨牙	计算机视觉	牙科疾病	全景X线成像	卷积神经网络	图像	1170张全景X线片，分为4组：无病变、龋齿、外根吸收、两种病变并存	PyTorch	SMM-YOLOv8n（基于YOLOv8，含Slim-Neck和多维注意力机制）	mAP@50, 精确率, 召回率, F1分数, 敏感性, 诊断时间	NA