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
1	2026-06-19	Automated subcutaneous fat segmentation with a convolutional neural network in magnetic resonance guided high-intensity focused ultrasound treatment for uterine fibroids 2026-12, International journal of hyperthermia : the official journal of European Society for Hyperthermic Oncology, North American Hyperthermia Group IF:3.0Q2 DOI:10.1080/02656736.2026.2634734 PMID:41755457	研究论文	开发了一种基于注意力门控U-Net卷积神经网络的自动分割算法，用于MR引导高强度聚焦超声治疗子宫肌瘤时对皮下腹部脂肪层的分割，以提升治疗安全性和效率	首次将注意力门控U-Net应用于MR-HIFU治疗中的皮下脂肪自动分割，实现了从3分钟的手动分割缩短到3秒的自动化处理	NA	实现MR引导高强度聚焦超声治疗子宫肌瘤过程中皮下脂肪层的自动分割，增强治疗安全性和效率	子宫肌瘤患者的腹部MR图像中的皮下脂肪层	计算机视觉, 数字病理学	子宫肌瘤	MR引导高强度聚焦超声	卷积神经网络	图像	62名接受MR-HIFU治疗的患者的MR图像	NA	注意力门控U-Net	Dice系数, 第95百分位数Hausdorff距离, 平均脂肪层厚度误差	NA
2	2026-06-19	Sweet artificial intelligence as digital catalysts in infectious diseases: Glycomics and glycoanalysis 2026-Oct-15, Biosensors & bioelectronics IF:10.7Q1 DOI:10.1016/j.bios.2026.118863 PMID:42218857	综述	总结人工智能、机器学习和深度学习在感染生物学糖组学和糖分析中的应用	系统性地总结了AI/ML/DL在糖组学中的应用，包括糖结构分析、凝集素-糖结合预测、病原性评估和生物标志物发现，并介绍了SweetNet和LectinOracle等代表性模型	标注稀疏、批次效应、结构覆盖不全、模型可解释性有限	探讨AI在感染生物学糖组学和糖分析中的应用现状与前景	糖组学和糖分析数据及相关AI模型	机器学习	感染性疾病	质谱、核磁共振、色谱、糖/凝集素微阵列	CNN, GNN, 序列模型, Transformer	糖组学数据	NA	NA	SweetNet, LectinOracle	NA	NA
3	2026-06-19	Heritability of the olfactory bulb and its associated brain network 2026-Aug-15, NeuroImage IF:4.7Q1 DOI:10.1016/j.neuroimage.2026.122021 PMID:42235655	研究论文	利用深度学习分割模型和机器学习框架，在健康年轻成年人双胞胎样本中探究嗅球体积及其相关脑网络的遗传度	首次在大样本双胞胎中同时评估嗅球体积单独及其与嗅觉相关脑区组合的遗传度，并证明嗅觉网络作为整体具有更强的遗传调控特征	样本仅包含22-35岁健康成年人，且未纳入嗅球功能或微观结构特征	探究嗅球体积及其与嗅觉相关脑区的网络整合是否受遗传因素影响	健康年轻成年人（n=941，22-35岁）中的同卵和异卵双胞胎	机器学习	NA	NA	支持向量机	磁共振成像（MRI）	941名受试者（包括同卵和异卵双胞胎对）	Scikit-learn	深度学习分割模型（未指定具体架构）、支持向量机	准确率、p值	NA
4	2026-06-19	SPIRAL: A probabilistic deep learning framework for Chinese liquor (Baijiu) classification via near-infrared hyperspectral imaging 2026-Aug-01, Food chemistry IF:8.5Q1 DOI:10.1016/j.foodchem.2026.149583 PMID:42176475	研究论文	提出SPIRAL概率深度学习框架，结合近红外高光谱成像技术，用于白酒的酒精含量、香气类型和品牌快速无损分类	首次将概率深度学习与近红外高光谱成像结合用于白酒分类，通过自适应方差学习处理化学基质复杂性和测量变异性带来的光谱不确定性	未提及模型的泛化能力验证和实际工业部署中的挑战	开发快速、非破坏性的白酒分析方法，用于食品安全和质量控制	中国白酒（白酒）	机器学习	NA	近红外高光谱成像	概率深度学习框架（SPIRAL）	高光谱图像	1000张近红外高光谱图像，涵盖49种白酒、9种酒精含量、5种香气类型和30多个品牌	PyTorch	NA	F1分数	NA
5	2026-06-19	Non-invasive predictive model for incidental gallbladder carcinoma based on multimodal features: Integrating clinical data, MRI radiomics, and deep transfer learning features 2026-Aug, Translational oncology IF:4.5Q1 DOI:10.1016/j.tranon.2026.102826 PMID:42172792	研究论文	基于临床数据、MRI放射组学及深度学习特征建立无创预测模型，用于偶发性胆囊癌的术前风险评估	首次整合多模态特征（临床数据、MRI放射组学与深度学习特征）构建预测模型，且显著优于单模态模型	NA	开发偶发性胆囊癌的无创术前预测模型，实现风险分层	偶发性胆囊癌患者及良性胆囊疾病患者	机器学习	胆囊癌	MRI	深度学习模型	图像数据（MRI）	299例良性胆囊疾病患者和106例偶发性胆囊癌患者	NA	NA	AUC	NA
6	2026-06-19	Artificial intelligence in nuclear medicine 2026-Jul-01, The British journal of radiology DOI:10.1093/bjr/tqag012 PMID:41564330	综述	探讨人工智能在核医学中的潜力与应用，涵盖成像流程从采集到临床决策支持的各个环节，并讨论从开发到临床实施的挑战与机遇	系统性回顾AI在核医学中的全流程应用，特别强调从开发到临床实施的转化，并指出当前只有少数AI应用达到商业成熟度	AI在核医学中实现商业成熟的应用极少，且大多数开发仍停留在原型阶段，未广泛用于临床	评估人工智能在核医学中的当前应用与未来潜力，重点关注其从开发到临床实施的过渡	核医学中的AI应用，包括图像采集、重建、后处理、分析及临床决策支持	机器学习	肿瘤学, 神经学	NA	深度学习, 卷积神经网络	医学图像	NA	NA	卷积神经网络	NA	图形处理器
7	2026-06-19	A Driving Regime-Embedded Deep Learning Framework for Modeling Intradriver Heterogeneity in Multiscale Car-Following Dynamics 2026-Jul, IEEE transactions on cybernetics IF:9.4Q1 DOI:10.1109/TCYB.2026.3660643 PMID:41671114	研究论文	提出一种嵌入驾驶模式的深度学习框架，用于建模多尺度跟驰动态中的个体驾驶员异质性	系统性地将离散驾驶模式嵌入车辆运动预测，利用混合深度学习架构融合GRU和LSTM，统一了离散决策与连续动力学，更准确地表征个体驾驶员的动态异质性	NA（摘要未明确说明局限性）	解决跟驰建模中个体驾驶员异质性的表示难题，提升多尺度跟驰动态预测的准确性	个体驾驶员的跟驰行为，包括稳态跟驰、加速、巡航等不同驾驶模式下的动态变化	机器学习	NA	NA	GRU、LSTM	高分辨率交通轨迹数据	NA（摘要未说明具体样本量）	PyTorch（假设）	GRU, LSTM	多项预测误差指标（未具体列出）	NA
8	2026-06-19	Multiview 2.5D Deep Learning Outperforms 2D and 3D Models for Preoperative Prediction of Visceral Pleural Invasion in Stage IA Lung Adenocarcinoma 2026-Jul-01, Journal of thoracic imaging IF:2.0Q3 DOI:10.1097/RTI.0000000000000876 PMID:41854294	研究论文	本研究评估了两种新型2.5维深度学习模型在预测临床IA期肺腺癌内脏胸膜侵犯中的性能，并与传统2D和3D模型进行比较	首次验证2.5D深度学习模型（特别是多视图方法）用于内脏胸膜侵犯预测，通过可解释可视化揭示空间相关生物标志物	未明确说明	评估2.5D深度学习模型在术前预测IA期肺腺癌内脏胸膜侵犯中的性能	804名经病理确诊的IA期肺腺癌患者	计算机视觉	肺癌	NA	2.5D深度学习模型（多视图模型和上下文模型）	CT图像	804名患者，分为训练集（360人）、内部验证集（155人）和外部测试集（289人）	NA	NA	AUC，准确率，阳性预测值，阴性预测值	NA
9	2026-06-19	AI-Based Denoising for Simulated Dose Reduction in Pediatric Chest Radiography: A Prospective Multicenter Evaluation of Image Quality and Diagnostic Performance 2026-Jul, Academic radiology IF:3.8Q1 DOI:10.1016/j.acra.2026.04.003 PMID:42034503	研究论文	本研究前瞻性地评估了基于AI的降噪技术对模拟低剂量小儿胸部X光片图像质量和诊断性能的影响	首次在大规模多中心前瞻性研究中验证了一种与设备无关的深度学习降噪系统，并评估了其在约50%剂量减少下诊断性能的变化幅度	非劣效性检验未通过，因为诊断性能差异的置信区间跨越了预设的非劣效性界值，且研究使用了模拟低剂量数据而非临床获取的原始低剂量数据	评估基于AI的降噪技术是否能在模拟低剂量小儿胸部X光片中提高图像质量和维持诊断性能	420名接受临床胸部X光检查的小儿患者	计算机视觉	肺炎、肺不张、心脏扩大	X光摄影，深度学习降噪	CNN	图像	420名小儿患者，来自四家三级医院	NA	深度残差卷积神经网络	结构相似性、噪声特性、AUC	NA
10	2026-06-19	FINS: An interactive platform for automated zebrafish image analysis and morphological screening 2026-Jul, SLAS technology IF:2.5Q3 DOI:10.1016/j.slast.2026.100426 PMID:42067140	研究论文	介绍了一个交互式网络平台FINS，用于斑马鱼图像的自动分析和形态筛选	集成基于深度学习的分类与可视化质量控制，实现自动评分，减少人工评分时间和变异性	NA	开发一个可重复、可扩展的斑马鱼形态学自动评分工具	斑马鱼胚胎图像	计算机视觉	NA	NA	卷积神经网络	图像	NA	TensorFlow, PyTorch, Keras	CNN	F1分数	NA
11	2026-06-19	DSMDTN: A Data-Selective Multiscale Dual Transfer Network for Fault Diagnosis of Key Components in Rotating Machinery 2026-Jul, IEEE transactions on cybernetics IF:9.4Q1 DOI:10.1109/TCYB.2026.3662702 PMID:41706780	研究论文	提出了一种数据选择性多尺度双迁移网络，用于旋转机械关键部件的故障诊断	创新性地结合数据选择器、多尺度拼接U-Net和双分类器，实现了跨工况和噪声环境下的高效故障诊断	未提及	提高滚动轴承在不同工作条件和噪声环境下的故障诊断性能	旋转机械关键部件（如滚动轴承）的故障诊断	机器学习	NA	NA	U-Net	振动信号	CWRU公开数据集和PT500mini试验台自采数据集	NA	多尺度拼接U-Net（MCU-Net）	准确率	NA
12	2026-06-19	DeePedIMV: Deep learning model for early prediction of invasive mechanical ventilation in critically ill children 2026 Jul-Aug, Heart & lung : the journal of critical care IF:2.4Q2 DOI:10.1016/j.hrtlng.2026.102761 PMID:41849979	研究论文	开发并评估用于危重儿童有创机械通气早期预测的深度学习模型DeePedIMV	首次将深度学习应用于危重儿童有创机械通气需求的早期预测，可提前8小时预警，且性能优于传统评分和机器学习模型	单中心回顾性研究，需要外部验证和前瞻性评估	提前预测危重儿童有创机械通气需求，支持早期临床恶化识别	儿科重症监护病房（PICU）年龄<18岁的危重患儿	机器学习	儿科重症疾病	电子病历数据分析	深度学习模型（DeePedIMV）	时间序列临床数据	1318例PICU住院病例（含688例IMV病例，占52.2%）	NA	NA	AUROC, AUPRC, 阳性预测值, 似然比	NA
13	2026-06-19	ECG-Gated Retrospective Coronary CT Angiography With Deep Learning Reconstruction on 8-cm Detector CT Scanners: Pushing Radiation Dose Towards Prospective Acquisition on 16-cm Wide-Detector Scanners 2026-Jul-01, Journal of thoracic imaging IF:2.0Q3 DOI:10.1097/RTI.0000000000000879 PMID:41891715	研究论文	利用深度学习重建技术，将8厘米探测器CT扫描仪上的回顾性冠脉CTA辐射剂量降低至16厘米宽探测器前瞻性扫描的水平，并验证图像质量非劣效性	首次证明深度学习重建能使8厘米探测器扫描仪的回顾性冠脉CTA辐射剂量降至与16厘米宽探测器前瞻性扫描相当的水平，同时保持图像质量不劣于常规剂量	样本量较小，且仅纳入特定体重（55-75 kg）和心率（<75 bpm）的患者，可能限制结果的普适性	评估利用深度学习重建技术降低8厘米探测器CT扫描仪回顾性冠脉CTA辐射剂量至16厘米宽探测器前瞻性扫描水平的可行性	8厘米探测器CT扫描仪上接受低剂量和常规剂量回顾性冠脉CTA的患者	计算机视觉	心血管疾病	冠脉CT血管成像	深度学习重建	图像	83例低剂量（A组）和62例常规剂量（B组）回顾性冠脉CTA病例	NA	深度学习重建	信号噪声比、主观评分	NA
14	2026-06-19	Deep learning models to predict mammographic density jointly on standard dose and low dose images 2026-Jul-01, The British journal of radiology DOI:10.1093/bjr/tqag090 PMID:42049900	research paper	使用深度学习模型在标准剂量和低剂量乳腺X光图像上预测乳腺密度	训练联合模型在标准剂量和模拟低剂量图像上预测密度，验证低剂量图像可用于准确风险分层	模拟低剂量图像与实际低剂量图像之间存在差异，导致预测误差略有增加	评估深度学习模型是否能在低剂量乳腺X光图像上准确估计乳腺密度，以实现早期乳腺癌风险分层	标准剂量和低剂量乳腺X光图像	machine learning	breast cancer	mammography	CNN	image	训练集107,619张标准剂量乳腺X光图像，独立测试集294对标准剂量和真实低剂量图像	NA	NA	root mean squared error (RMSE)	NA
15	2026-06-19	Time-aware attention network for multi-step future prediction in wastewater treatment 2026-Jul-01, Journal of environmental management IF:8.0Q1 DOI:10.1016/j.jenvman.2026.130193 PMID:42296759	研究论文	提出一种时间感知注意力网络（TAANet），用于污水处理过程中的多步未来预测	首次实现轨迹级别的多指标同时预测、基于注意力的动态融合模块捕获时变相互依赖关系、多分量时间嵌入显式编码周期和日历结构以表征非平稳系统行为	NA	提升污水处理过程中多步预测的准确性，支持未来状态感知和运行决策	污水处理过程中的多个参数（如化学需氧量去除效率）	机器学习	NA	NA	时间感知注意力网络	传感器数据	来自实际城市污水的长期厌氧生化处理实验数据集	PyTorch	Transformer, Informer, PatchTST, iTransformer	R值, 均方误差	NA
16	2026-06-19	Enhancing Generalizability and Clinical Integration of CT-based Deep Learning for Ovarian Tumor Classification 2026-Jul, Radiology. Imaging cancer DOI:10.1148/rycan.260141 PMID:42313079	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
17	2026-06-19	Integrating van't Hoff Equation with Artificial Neural Network for the Prediction of H2S Solubility in Ionic Liquids 2026-Jun-18, The journal of physical chemistry. B DOI:10.1021/acs.jpcb.6c01869 PMID:42237580	研究论文	将范特霍夫方程与人工神经网络融合，用于预测离子液体中硫化氢的溶解度	提出一种物理信息混合人工神经网络，将范特霍夫方程直接嵌入模型架构，确保预测在未知化学空间中保持物理一致性，克服了纯数据驱动模型在复杂化学外推任务中的局限性	NA	开发一种可靠、可解释且具有良好泛化能力的预测模型，以加速高性能离子液体在硫化氢捕获中的发现	离子液体中硫化氢的溶解度	机器学习	NA	NA	混合人工神经网络	NA	NA	NA	混合人工神经网络（集成范特霍夫方程）	决定系数	NA
18	2026-06-19	A universal deep learning framework for empowering nanopore identification by reinforcing temporal signals 2026-Jun-18, Nature communications IF:14.7Q1 DOI:10.1038/s41467-026-74507-w PMID:42309994	研究论文	提出一种名为SEDA-Former的通用深度学习框架，通过增强时间信号特征来提高纳米孔单分子识别的准确性	首次引入多窗口滑动标准差方法进行特征增强，并采用渐进式自适应注意力训练策略，基于学习难度动态重加权样本损失，有效提取弱判别特征	未提及在更复杂生物分子（如蛋白质或聚糖）上的直接验证，也未讨论框架在不同实验条件下的鲁棒性	开发一种高性能的深度时间学习框架，解决纳米孔传感中高相似度离子电流数据的分类难题	纳米孔信号数据，包括15种糖苷、24种人参皂苷、8种DNA分子和17种胆酸共轭物的信号	机器学习	NA	纳米孔传感	Transformer, 时序卷积网络	时间序列信号	涉及15种糖苷、24种人参皂苷、8种DNA分子和17种胆酸共轭物的纳米孔信号样本	NA	SEDA-Former	分类准确率	NA
19	2026-06-19	An in situ non-contact 3D microscopic measurement system for temporal bone anatomy based on stereo imaging 2026-Jun-18, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-56801-1 PMID:42310033	研究论文	开发了一种基于立体成像的原位非接触式颞骨解剖三维显微测量系统	集成显微立体标定、基于深度学习的视差估计、三维重建和交互式测量流程，实现高精度原位非接触测量	作为技术原型，仅在有限样本（四块颞骨）上验证，尚未在术中实际应用	实现颞骨微解剖结构的精确、非接触、原位三维定量测量	颞骨微解剖结构（来自两具新鲜冷冻尸头的四块颞骨）	计算机视觉	N/A	立体成像、深度学习、三维重建、显微成像	深度学习模型（用于视差估计）	图像（显微立体图像）	四块颞骨（来自两具尸体头部）	N/A	N/A	均方根误差、平均误差、最大误差	N/A
20	2026-06-19	Inferring translational efficiency from transcriptomes improves noncanonical neoantigen prioritization and cancer patient stratification 2026-Jun-18, NPJ precision oncology IF:6.8Q1 DOI:10.1038/s41698-026-01567-y PMID:42310075	研究论文	本研究提出一个多维框架，通过从转录组推断翻译效率来改善非经典新抗原的优先排序和癌症患者分层	首次评估基于计算推断的翻译组在临床中的应用价值，揭示了标准RNA-seq无法发现的“暗蛋白质组”，并将其整合到新抗原管道中，修正了表达谱方法导致的高危患者误分类	NA	验证从RNA-seq推断翻译效率的策略能否提供超越标准RNA-seq的临床效用，并开发一个翻译感知的新抗原优先排序管道	15个独立数据集中的肿瘤样本，包括胶质瘤患者队列	机器学习	胶质瘤	RNA-seq, 核糖体足迹测序	深度学习模型	转录组数据	15个独立数据集（具体样本数量未说明）	NA	Translatomer	生存分析	NA