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	2026-04-04	Rapid and non-destructive detection of hollow defects in pecans by near-infrared spectroscopy combined with multimodal data fusion and deep learning 2026-Aug-05, Spectrochimica acta. Part A, Molecular and biomolecular spectroscopy DOI:10.1016/j.saa.2026.127752 PMID:41863999	研究论文	本研究提出了一种结合近红外光谱、多模态数据融合与深度学习的方法，用于快速、无损地检测山核桃的空心缺陷及其严重程度	首次将多模态数据融合（光谱特征与物理参数）与深度学习（CNN-MLP双流模型）相结合，用于山核桃空心缺陷检测，显著提高了检测精度	未提及样本来源的多样性或模型在更大规模或不同品种山核桃上的泛化能力	开发一种可靠、无损的山核桃质量评估方法，以检测空心缺陷	山核桃及其空心缺陷	机器学习	NA	近红外光谱	SVM, CNN, MLP	光谱数据, 物理参数	NA	NA	CNN-MLP双流模型	整体准确率	NA
2	2026-04-04	High confidence Raman spectroscopy of tumor biomarker proteins through experimental and theoretical cross-validation 2026-Aug-05, Spectrochimica acta. Part A, Molecular and biomolecular spectroscopy DOI:10.1016/j.saa.2026.127748 PMID:41863219	研究论文	本文提出了一种基于实验与理论交叉验证的高置信度拉曼光谱采集方法，用于肿瘤标志物蛋白检测	通过实验获取与第一性原理DFT计算的理论拉曼光谱相互验证，确认了四种乳腺癌肿瘤标志物蛋白的光谱峰特征差异及其归属，并展示了理论-实验交叉验证能提升基于AI的蛋白分类准确率7.62%	NA	开发一种高置信度的拉曼光谱方法，用于肿瘤标志物蛋白的快速准确检测，以支持癌症筛查和组织活检病理诊断	四种乳腺癌肿瘤标志物蛋白	机器学习	乳腺癌	拉曼光谱，超滤纯化，第一性原理密度泛函理论（DFT）	NA	光谱数据	NA	NA	NA	准确率	NA
3	2026-04-04	Bridging AI advancements with risk assessment needs: A journey towards effective use and regulatory acceptance 2026-Jun, Toxicology IF:4.8Q1 DOI:10.1016/j.tox.2026.154439 PMID:41786018	综述	本文是一篇叙述性综述，探讨了人工智能（AI）在化学风险评估（CRA）和下一代风险评估（NGRA）中的应用现状与挑战	将AI进展与风险评估需求相结合，提出在证据管理和证据生成两个领域整合AI工具，以支持毒理学机制发现、生物标志物识别、AOP开发及毒代动力学/毒效动力学建模	需要超越技术验证，制定详细的监管接受标准，AI工具在CRA中的成功整合仍需进一步进展	促进AI工具在化学测试和评估中的有效整合，以支持新方法学（NAMs）和下一代风险评估（NGRA）	化学风险评估（CRA）和下一代风险评估（NGRA）相关的AI应用	机器学习	NA	NA	NA	大型复杂数据集	NA	NA	NA	NA	NA
4	2026-04-04	Ameliorative effect of Rhus verniciflua Stokes on high-fat diet-induced obesity and advanced analysis with machine learning and deep learning-based network pharmacology 2026-May-15, Life sciences IF:5.2Q1 DOI:10.1016/j.lfs.2026.124337 PMID:41881279	研究论文	本研究评估了漆树提取物对高脂饮食诱导的肥胖及代谢功能障碍相关脂肪肝病的改善作用，并利用人工智能方法分析其活性成分	结合体内实验与多层人工智能/机器学习流程（包括分子对接、分子动力学、深度学习药物-靶点相互作用建模及强化学习），系统分析漆树提取物的抗肥胖机制与活性成分	研究仅使用雄性ICR小鼠模型，未涉及雌性动物或更复杂的疾病模型；人工智能预测的活性成分需进一步实验验证	评估漆树提取物的抗肥胖疗效及其作用机制	雄性ICR小鼠及24种经核磁共振鉴定的漆树提取物成分	机器学习	肥胖	核磁共振（NMR）鉴定、分子对接、分子动力学模拟、转录组学分析	深度学习, 强化学习	生物化学数据、分子结构数据、基因表达数据	雄性ICR小鼠（具体数量未明确说明），24种漆树提取物成分	NA	NA	体重变化百分比、血清低密度脂蛋白降低百分比、肝脏甘油三酯降低百分比、NAS评分降低百分比	NA
5	2026-04-04	Low-Field Magnetic Resonance Imaging of the Late Gestation Cervix and Birth Outcome Correlation: A Prospective Cohort Study 2026-May, BJOG : an international journal of obstetrics and gynaecology DOI:10.1111/1471-0528.70103 PMID:41332358	研究论文	本研究利用低场MRI技术对晚期妊娠宫颈进行重建和3D建模，并自动化测量以关联人口统计学和分娩结局	开发了一种新颖、准确的自动化系统，用于评估MRI晚期妊娠宫颈生物测量和体积测量，揭示了宫颈表型可能影响分娩结局的新机制	样本量相对较小（n=97），且仅针对首次尝试阴道分娩的晚期妊娠女性，可能限制结果的普遍性	探究晚期妊娠宫颈的MRI测量与分娩结局之间的相关性	晚期妊娠（36-41周）女性，首次尝试阴道分娩	数字病理学	产科疾病	低场MRI，2D T2加权Turbo-Spin-Echo序列	3D深度学习分割网络	MRI图像	97名晚期妊娠女性	NA	NA	图像重建质量，分割质量，组间变异性，相关性分析，OR值	0.55 T Freemax MRI扫描仪
6	2026-04-04	Accelerating Prostate Cancer Detection Through Histopathological Image Analysis Using Artificial Intelligence 2026-May, Microscopy research and technique IF:2.0Q3 DOI:10.1002/jemt.70104 PMID:41376335	研究论文	本研究提出了一种结合CNN集成与Vision Transformer的混合深度学习框架，用于加速前列腺癌的病理图像检测	提出了一种结合CNN集成与Vision Transformer的混合深度学习框架，并引入了交叉注意力融合模块和知识蒸馏技术，以提高检测性能并实现轻量化部署	模型的计算复杂度较高，相比传统CNN需要更多的计算资源	加速前列腺癌的早期检测和准确诊断	前列腺癌的病理组织图像	数字病理学	前列腺癌	病理图像分析	CNN, Vision Transformer	图像	使用公开的PANDA数据集进行训练和测试	NA	VGG-16, DenseNet-121, AlexNet, Vision Transformer	准确率, 真阳性率, 真阴性率, 精确率, F1分数, 假阴性率, 假阳性率	GPU内存, 推理时间
7	2026-04-04	Learning Deep Tree-Based Retriever for Efficient Recommendation: Theory and Method 2026-May, IEEE transactions on pattern analysis and machine intelligence IF:20.8Q1 DOI:10.1109/TPAMI.2025.3648453 PMID:41452694	研究论文	本文提出了一种基于深度树结构的检索器（DTR），用于提高推荐系统的效率	DTR将训练任务构建为同一层级树节点上的基于softmax的多类别分类，引入了显式的横向竞争，并通过损失函数修正和基于树的采样方法，更好地满足最大堆假设并提升泛化能力	未明确提及具体限制	提高推荐系统的效率，同时保持推荐准确性	推荐系统中的候选物品	机器学习	NA	NA	基于树的深度推荐模型	推荐数据	四个真实世界数据集	NA	Deep Tree-based Retriever (DTR)	推荐准确性、效率	NA
8	2026-04-04	A High-Efficiency and High-Accuracy Cellular Segmentation Scheme for Imperfect Cytoarchitecture Images 2026-May, Microscopy research and technique IF:2.0Q3 DOI:10.1002/jemt.70110 PMID:41460794	研究论文	提出了一种针对不完美细胞结构图像的高效高精度细胞分割方案	结合图像增强与预训练的Cellpose算法，无需额外训练即可处理不完美细胞结构图像，显著提升分割精度	未提及方案在处理极端噪声或高度重叠细胞图像时的性能限制	开发一种高效且准确的细胞分割方法，以支持细胞形态学分析和疾病诊断	不完美的细胞结构图像，特别是小鼠脑部图像	数字病理学	NA	图像增强，深度学习分割	Cellpose	图像	未明确指定样本数量，但涉及小鼠脑部图像	未明确指定，但基于Cellpose算法	Cellpose with Cyto3 pretrained weight module	IoU, ACC, MCC, Dice	NA
9	2026-04-04	Deep Learning Integration in Optical Microscopy: Advancements and Applications 2026-May, Microscopy research and technique IF:2.0Q3 DOI:10.1002/jemt.70112 PMID:41486782	综述	本文综述了深度学习在光学显微镜中的集成应用，包括图像分类、分割和计算重建等关键领域	探讨了深度学习如何通过卷积神经网络、U-Net、残差网络和生成对抗网络等架构，提升光学显微镜的图像质量、定量分析能力，并降低对专业知识的依赖	需要大量标注数据集、面临动态样本变异性、模型可解释性不足以及潜在的数据偏差等挑战	研究深度学习在光学显微镜中的应用，以克服传统显微镜的光学像差、衍射极限分辨率、低信噪比和对比度差等问题	光学显微镜图像及其相关的生物医学研究数据	计算机视觉	NA	光学显微镜	CNN, U-Net, ResNet, GAN	图像	NA	NA	卷积神经网络, U-Net, 残差网络, 生成对抗网络	NA	NA
10	2026-04-04	Revisiting Out-of-Distribution Detection in Real-Time Object Detection: From Benchmark Pitfalls to a New Mitigation Paradigm 2026-May, IEEE transactions on pattern analysis and machine intelligence IF:20.8Q1 DOI:10.1109/TPAMI.2025.3650695 PMID:41489965	研究论文	本文针对实时目标检测中的分布外检测问题，揭示了现有评估基准的缺陷，并提出了一种新的训练时缓解范式	揭示了广泛使用的OoD评估基准存在根本性缺陷（高达13%的标注错误），并提出了一种不依赖外部OoD检测器的新型训练时缓解范式，通过语义相似的合成OoD数据集微调检测器	未明确说明合成OoD数据集的构建细节和适用范围，且实验主要基于特定数据集（BDD-100K）	有效减少目标检测器中由分布外输入引起的幻觉错误	实时目标检测模型	计算机视觉	NA	NA	YOLO, Faster R-CNN, RT-DETR	图像	NA	NA	YOLO, Faster R-CNN, RT-DETR	幻觉错误减少率	NA
11	2026-04-04	Explainability-Based Optimized Deep Learning in Histopathological Diagnosis of Multiple Cancers and Development of Mobile Application 2026-May, Microscopy research and technique IF:2.0Q3 DOI:10.1002/jemt.70115 PMID:41511077	研究论文	本文提出了一种名为C2RN2GC2A的新型深度学习模型，结合了元启发式优化算法和可解释性AI技术，旨在提高多癌症组织病理学图像分类的效率和准确性	提出了一种结合残差学习和优化高斯扰动的深度学习模型C2RN2GC2A，并引入了基于军事战术的元启发式优化算法2GC2A进行特征选择和参数调优，同时采用LDLRP技术增强模型的可解释性	未明确说明模型在其他数据集上的泛化能力，且假阳性和假阴性数量在部分数据集上较高	提高多癌症组织病理学图像分类的准确性、效率和临床可解释性	组织病理学图像	数字病理学	多癌症	深度学习	CNN	图像	LC25000和BreakHis数据集	NA	Complementary Residual Retentive Network (C2RN2GC2A)	准确率, 训练损失, 验证损失, 假阳性数, 假阴性数	NA
12	2026-04-04	Learn to Enhance Sparse Spike Streams 2026-May, IEEE transactions on pattern analysis and machine intelligence IF:20.8Q1 DOI:10.1109/TPAMI.2026.3653768 PMID:41528913	研究论文	本文提出首个深度学习框架SS2DS，用于将稀疏的脉冲流增强为密集脉冲流，以解决脉冲相机在低光照高速场景下的性能下降问题	首次提出深度学习框架直接增强稀疏脉冲流，通过估计并增强脉冲发放频率来调整脉冲的时间分布	NA	解决脉冲相机在低光照高速场景下因脉冲稀疏导致现有方法失效的问题	脉冲相机产生的稀疏脉冲流	计算机视觉	NA	脉冲相机成像	神经网络	脉冲流数据	构建了合成和真实稀疏脉冲流数据集	NA	NA	MA, BRISQUE, NIQE, PSNR, SSIM, LPIPS	NA
13	2026-04-04	Consistency-Aware Spot-Guided Transformer for Accurate and Versatile Point Cloud Registration 2026-May, IEEE transactions on pattern analysis and machine intelligence IF:20.8Q1 DOI:10.1109/TPAMI.2026.3653989 PMID:41533614	研究论文	本文提出了一种用于点云配准的一致性感知点引导Transformer模型，旨在通过改进粗匹配过程实现更准确、高效和鲁棒的配准	设计了两种稀疏注意力机制：一致性感知自注意力，通过全局一致对应点传播几何一致性；点引导交叉注意力，利用局部一致性动态限制注意力范围，从而显著提升粗匹配的几何一致性和效率	未在摘要中明确说明	开发一种准确、高效且通用的点云配准方法，适用于大规模实时应用	室外LiDAR数据集和室内RGB-D相机数据集中的点云	计算机视觉	NA	NA	Transformer	点云	NA	NA	一致性感知点引导Transformer (CAST)	准确性、效率、鲁棒性、泛化能力	NA
14	2026-04-04	Single-Photon Imaging in Complex Scenarios via Physics-Informed Deep Neural Networks 2026-May, IEEE transactions on pattern analysis and machine intelligence IF:20.8Q1 DOI:10.1109/TPAMI.2026.3654264 PMID:41538339	研究论文	本文提出了一种基于物理信息深度神经网络（PIDNN）的单光子成像框架，用于在复杂场景中实现高效的三维结构重建	通过将成像物理嵌入深度神经网络进行无监督学习，并引入多尺度时空先验和体积渲染的双分支结构，有效解决了复杂场景中低信噪比、多深度和雾遮挡等问题	未明确说明计算资源需求或实时性能限制，且实验验证可能受限于特定传感器和环境条件	开发一种适应复杂多变传感环境的单光子成像方法，提高光子利用效率和重建质量	复杂场景中的单光子成像数据，包括多返回、多深度和雾干扰情况	计算机视觉	NA	单光子成像	深度神经网络	三维成像数据	NA	NA	U-Net	均方根误差	NA
15	2026-04-04	Deep Learning-based Automated Coronary Plaque Quantification: First Demonstration With Ultra-high Resolution Photon-counting Detector CT at Different Temporal Resolutions 2026-May-01, Investigative radiology IF:7.0Q1 DOI:10.1097/RLI.0000000000001233 PMID:40843653	研究论文	本研究评估了一种基于深度学习的自动化冠状动脉斑块量化工具在超高分辨率光子计数探测器CT冠状动脉造影中的可行性和可重复性，并探讨了时间分辨率对斑块量化的影响	首次在超高分辨率光子计数探测器CT冠状动脉造影中应用基于深度学习的全自动冠状动脉分割和斑块量化算法，并比较了不同时间分辨率（66毫秒与125毫秒）对量化结果的影响	研究为单中心回顾性设计，样本量较小（45例患者），且仅评估了特定CT扫描仪和重建模式	评估基于深度学习的自动化冠状动脉斑块量化工具在超高分辨率CT数据中的技术稳健性和可重复性，并分析时间分辨率对量化结果的影响	接受临床指征的超高分辨率光子计数探测器CT冠状动脉造影的45例患者	数字病理学	心血管疾病	超高分辨率光子计数探测器CT冠状动脉造影，双源和模拟单源重建模式	深度学习	CT图像	45例患者，共135支冠状动脉（其中119支显示动脉粥样硬化斑块）	NA	NA	斑块体积量化，直径狭窄程度，统计显著性（P值）	NA
16	2026-04-04	Multiparametric MRI-based Deep Learning and Radiomics for Evaluating Lymph Node Metastasis in Early-Stage Cervical Cancer 2026-May, Radiology. Imaging cancer DOI:10.1148/rycan.250345 PMID:41931018	研究论文	本研究开发了基于多参数MRI的影像组学模型和深度学习-影像组学融合模型，用于术前预测早期宫颈癌的淋巴结转移	结合了肿瘤和淋巴结的影像组学特征与深度学习特征，构建了融合模型（DLR_T+LN），并在多中心数据上进行了验证	深度学习-影像组学融合模型（DLR_T+LN）相比仅使用影像组学特征的模型（Rad_T+LN）在性能上未显示出统计学上的显著提升	开发术前预测早期宫颈癌淋巴结转移的影像学模型	早期宫颈癌患者	数字病理学	宫颈癌	多参数MRI	深度学习	MRI图像	862名患者	NA	NA	AUC, 校准曲线, 决策曲线分析	NA
17	2026-04-04	CEREBLEED: Automated Quantification and Severity Scoring of Intracranial Hemorrhage on Noncontrast CT 2026-Apr-03, Neurosurgery IF:3.9Q1 DOI:10.1227/neu.0000000000004020 PMID:41930955	研究论文	本文开发并验证了一个基于深度学习的框架，用于自动分割和量化颅内出血，并提出了一个基于体积关系的严重程度指数	开发了一个自动化的深度学习框架，用于颅内出血的分割和量化，并引入了一个新的严重程度指数，该指数基于出血亚型与脑结构的体积关系，旨在标准化严重性评估	外部验证中总出血模型的Dice分数较低（中位数0.70），表明模型在外部数据集上的泛化能力可能有限	开发一个客观、可重复的工具，用于量化颅内出血的病变负担及其解剖影响，以支持临床决策	颅内出血（ICH）在非对比CT（NCCT）上的表现	数字病理学	颅内出血	非对比计算机断层扫描（NCCT）	U-Net	图像	2112个NCCT扫描（1110个用于训练和内部评估，1002个来自外部数据集）	NA	U-Net	Dice分数, 体积相似性, 曲线下面积（AUC）, 敏感性, 特异性	NA
18	2026-04-04	Multimodal CT Perfusion-Based Deep Learning for Predicting Stroke Lesion Outcomes in Complete and No Recanalization Scenarios 2026-Apr-02, AJNR. American journal of neuroradiology DOI:10.3174/ajnr.A9016 PMID:40973461	研究论文	本文开发了一种基于多模态CT灌注的深度学习模型，用于预测急性缺血性卒中在完全再通和无再通情况下的最终梗死病灶结果	开发了专门针对成功再灌注（预测梗死核心）和失败再灌注（预测核心-半暗带联合区域）的深度学习模型，相比传统基于阈值的方法，提供了更准确的病灶结果预测	样本量相对有限（CR组n=350，NR组n=138），且仅基于CT灌注参数图进行预测，未整合其他影像模态或临床变量	预测急性缺血性卒中的最终病灶位置和体积，以改善临床管理和治疗决策	急性缺血性卒中患者，分为完全再通组（CR）和无再通组（NR）	医学影像分析	急性缺血性卒中	CT灌注成像	深度学习	CT灌注参数图，随访DWI影像	完全再通组350例，无再通组138例，总计488例	nnU-Net	3D nnU-Net	Dice系数	NA
19	2026-04-04	Multicenter Histology Image Integration and Multiscale Deep Learning Support Machine Learning-Enabled Pediatric Sarcoma Classification 2026-Apr-02, Cancer research IF:12.5Q1 DOI:10.1158/0008-5472.CAN-25-2275 PMID:41481196	研究论文	本研究开发了一个基于深度学习的计算流程，利用数字组织病理学切片对儿科肉瘤亚型进行准确分类	采用多中心数据集并进行图像协调以减少中心特异性伪影，系统评估了多种CNN和ViT架构作为特征提取器，并引入多尺度特征提升分类精度，基于SAMPLER的WSI表示方法使训练速度比传统Transformer编码器快三个数量级	未提及	开发一个计算流程以准确分类儿科肉瘤亚型，克服其罕见性和亚型多样性带来的诊断挑战	儿科肉瘤（包括横纹肌肉瘤、非横纹肌肉瘤软组织肉瘤、尤文肉瘤等亚型）	数字病理学	儿科肉瘤	组织病理学成像	CNN, ViT	图像（全切片图像）	867张来自三个医疗中心和儿童肿瘤组的全切片图像	未提及	UNI, CONCH	AUC	未使用图形处理单元（GPU）
20	2026-04-04	Negative correlation between habenular volume and duration of gambling disorder: Modulation by symptom severity and personality traits 2026-Apr-02, Journal of behavioral addictions IF:6.6Q1 DOI:10.1556/2006.2025.00360 PMID:41718719	研究论文	本研究探讨了赌博障碍患者缰核体积与病程的负相关关系，并分析了症状严重程度和人格特质对此关系的调节作用	首次揭示了赌博障碍患者缰核体积随病程延长而减少的现象，并发现这种关联在症状严重亚组中尤为显著，同时强调了人格特质（如神经质和尽责性）对缰核结构异质性的影响	研究样本仅包括男性患者，限制了结果的普适性；采用回顾性方法计算病程，可能存在回忆偏倚；横断面设计无法确定因果关系	阐明赌博障碍患者缰核体积的变化及其与病程、症状严重程度和人格特质的关系	68名男性赌博障碍患者和75名男性健康对照者	神经影像学	赌博障碍	T1加权磁共振成像	深度学习	MRI图像	143名参与者（68名患者，75名对照）	NA	基于深度学习的自动分割模型	偏相关系数（r值），p值	NA