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
201	2026-05-15	Deep Learning-Assisted Room-Temperature Phosphorescence Sensor Array Based on Host-Guest Doping for Visual Discrimination of Triazole Fungicides 2026-May-04, Analytical chemistry IF:6.7Q1 DOI:10.1021/acs.analchem.6c00501 PMID:42076943	研究论文	基于主体-客体掺杂的深度学习辅助室温磷光传感器阵列用于三唑类杀菌剂的可视化鉴别	首次将室温磷光传感器阵列与深度学习结合，利用主体-客体掺杂诱导的磷光信号放大实现三唑类杀菌剂的可视化鉴别，并开发了基于DenseNet算法的智能人工视觉平台实现自动识别	未提及传感器阵列对复杂基质中痕量水平的检测限，以及长期稳定性评估	开发一种用于三唑类杀菌剂快速、可视化鉴别的传感方法	五种结构相似的三唑类杀菌剂亚型及其二元、三元混合物	机器学习	NA	室温磷光传感	DenseNet	图像	五种三唑类杀菌剂亚型及其二元、三元混合物	PyTorch	DenseNet	准确率	NA
202	2026-05-15	Hypergraph-Based Dual-Channel Improved Variational Autoencoder with Cross-Attention for Compound-Protein Interactions Identification 2026-May-04, Journal of chemical information and modeling IF:5.6Q1 DOI:10.1021/acs.jcim.6c00027 PMID:42077155	研究论文	提出一种基于超图的双通道改进变分自编码器结合多头交叉注意力机制，用于识别化合物-蛋白质相互作用	首次将超图与改进变分自编码器及多头交叉注意力机制结合，构建双通道理论框架，同时考虑节点特征和超图拓扑信息以提取潜在特征	未在摘要中明确提及局限性	开发高效的计算方法识别化合物-蛋白质相互作用，以加速早期药物发现和药物重定位	化合物和蛋白质之间的相互作用	机器学习	NA	NA	变分自编码器，深度神经网络	NA	使用基准数据集进行5折交叉验证；在DrugBank、GPCR、KIBA和Human数据集上验证；识别超过一百万个潜在相互作用	NA	改进变分自编码器，多头交叉注意力机制，深度神经网络	准确率、灵敏度、特异性、精确率、马修斯相关系数、受试者工作特征曲线下面积、精确率-召回率曲线下面积	NA
203	2026-05-15	Deep Learning-Driven Analysis and Quantification of Histopathologic Features in a Dextran Sulfate Sodium-Induced Colitis Mouse Model 2026-May-04, The American journal of pathology DOI:10.1016/j.ajpath.2026.04.005 PMID:42092460	研究论文	利用深度学习分类器对葡聚糖硫酸钠诱导的结肠炎小鼠模型的结肠组织切片进行组织病理学特征的识别与量化分析	首次在DSS结肠炎小鼠模型中应用基于HALO平台的人工智能分类器，实现组织区域（粘膜、粘膜下层、淋巴组织）的自动识别与量化评估，且AI评估与病理学家评估相比具有更好的相关性和更高的敏感性	概念验证研究，可能未涉及大规模样本验证或跨物种泛化能力	评估深度学习分类器在药物发现初期对结肠炎病理特征量化分析的效率和准确性	DSS诱导的结肠炎小鼠模型的结肠组织切片	数字病理学	炎症性肠病（溃疡性结肠炎和克罗恩病）	组织病理学染色	深度学习分类器	图像	NA	HALO	NA	相关性, 敏感性	NA
204	2026-05-15	Treemble: a graphical tool to generate Newick strings from phylogenetic tree images 2026-May-03, Bioinformatics (Oxford, England) DOI:10.1093/bioinformatics/btag197 PMID:42018742	研究论文	介绍Treemble，一款从系统发育树图像生成Newick字符串的图形化工具	利用深度学习模型辅助节点检测，整合自动读取标签名称功能，支持矩形和圆形树图	未提及限制，但可能依赖于用户标记节点位置的准确性以及图像质量	自动化从系统发育树图像提取机器可读的Newick格式，以便后续分析和超树构建	系统发育树图像中的节点、分支和标签	机器学习	不适用	计算机视觉、深度学习	CNN	图像	不适用	PyTorch	不适用	不适用	不适用
205	2026-05-15	HighFold-MeD2: An Enhanced Boltz-2 Model for Accurate Structure Prediction of N-Methylated and d-Amino Acid Cyclic Peptides 2026-May-03, Journal of chemical information and modeling IF:5.6Q1 DOI:10.1021/acs.jcim.6c00158 PMID:42076870	研究论文	提出基于Boltz-2模型增强的高Fold-MeD2，用于精准预测含N-甲基化及d-氨基酸的环肽结构	通过通用CCD表示无缝集成非天然氨基酸，利用CADD生成构象微调全原子扩散模型，实现高效精准的环肽结构预测	未明确说明，但可能受限于训练数据覆盖的化学空间及能量最小化无法完全解决局部冲突	开发适用于含BNMeAA和d-AA的环肽三维结构预测方法	含主链N-甲基化氨基酸和d-氨基酸的环肽	机器学习	NA	CADD构象生成、Amber力场能量最小化	扩散模型	序列、修饰信息、环约束	NA	Boltz-2	Pairformer-Diffusion	预测精度	NA
206	2026-05-15	KG-bench: benchmarking graph neural network algorithms for drug repurposing 2026-May-03, Bioinformatics (Oxford, England) DOI:10.1093/bioinformatics/btag159 PMID:42103971	研究论文	提出了KG-Bench基准框架，用于系统比较不同图神经网络架构在药物重定位中的性能	首个针对药物重定位的GNN标准化基准测试框架，支持公平比较多种架构，并集成可解释性分析	未提及计算资源等实施细节；数据来源仅限定于Open Targets数据集	构建标准化基准框架以系统评估图神经网络在药物-疾病关联预测中的表现	药物、疾病、靶点的知识图谱以及六种图神经网络架构（如关系图卷积网络）	机器学习	NA	知识图谱、图神经网络	图神经网络	结构化数据（知识图谱中的三元组）	Open Targets数据集中药物、疾病、靶点实体及关联	PyTorch	Relational Graph Convolutional Networks, TransformerConv	AUC, F1分数	NA
207	2026-05-15	Integrated multi-task learning framework for hepatocellular carcinoma segmentation and histological grading using fused multi-phase MRI 2026-05, Abdominal radiology (New York) DOI:10.1007/s00261-025-05266-3 PMID:41160193	研究论文	开发并验证一个融合多相MRI的深度学习分割与影像组学分级联合多任务框架用于肝细胞癌分析	首次将多任务学习框架结合多相MRI融合技术，同时实现肝癌分割和组织学分级，并集成可解释性分析	未提及具体局限性	开发和验证一个集成多任务框架，用于肝细胞癌的分割与组织学分级	1673例经组织病理学确诊的肝细胞癌患者（875例高级别，798例低级别）	计算机视觉, 机器学习	肝癌	MRI, 影像组学	Transformer, nnU-Net, U-Net, DeepLabV3+, Swin Transformer, SegNet, TabTransformer, TabNet, XGBoost, CatBoost	多相MRI图像	1673例肝细胞癌患者	PyTorch	Vision Transformer, nnU-Net, U-Net, DeepLabV3+, Swin Transformer, SegNet, TabTransformer, TabNet, XGBoost, CatBoost	DSC, 准确率, AUC	NA
208	2026-05-15	Advancing osteoporosis opportunistic screening: multicenter validation of a deep learning algorithm using abdominal CT scans 2026-05, Abdominal radiology (New York) DOI:10.1007/s00261-025-05213-2 PMID:41171405	研究论文	开发并多中心验证了一种利用腹部CT扫描进行骨质疏松机会性筛查的深度学习算法	首次在多中心外部数据集上验证了基于腹部CT的骨质疏松筛查深度学习算法的有效性，并确定了全局优化的阈值	研究对象主要为女性，可能影响结果的普适性；研究数据为回顾性收集，存在选择偏倚	开发并验证一种从腹部CT中筛查骨质疏松的算法	来自多中心的504名参与者（中位年龄66岁，女性388人）的腹部非增强CT和近期DEXA扫描数据	计算机视觉	骨质疏松症	CT成像	卷积神经网络（CNN）	图像	504名参与者（388名女性，中位年龄66岁）	PyTorch	2D U-Net（基于ResNet34骨干网络）	Pearson相关系数、AUC、敏感度、特异度、Brier评分	NA
209	2026-05-15	Artificial intelligence-based segmentation of small renal masses: a multi-center, multi-scanner, multi-sequence study 2026-05, Abdominal radiology (New York) DOI:10.1007/s00261-025-05259-2 PMID:41171407	研究论文	基于人工智能的多中心、多扫描仪、多序列MRI肾小肿块自动分割方法的开发与验证	首次基于多中心多扫描仪多序列MRI数据开发针对肾小肿块的人工智能分割方法，并验证其在GE与非GE扫描仪上的泛化能力	未描述计算资源、算法框架、模型架构等具体技术细节	开发一种基于人工智能的肾小肿块自动分割方法	肾小肿块患者	计算机视觉	肾癌	NA	深度学习	MRI图像	988例病理确诊肾小肿块患者，来自3个中心	NA	NA	检测率，Dice相似系数	NA
210	2026-05-15	Deep learning-based combined noise reduction and contrast enhancement for post-neoadjuvant pancreatic cancer CT: does improved image quality translate to better resectability assessment? 2026-05, Abdominal radiology (New York) DOI:10.1007/s00261-025-05271-6 PMID:41186714	研究论文	评估深度学习联合降噪与对比增强重建（DLR）在术后新辅助胰腺癌CT中能否将图像质量改善转化为更好的可切除性评估	首次系统评估供应商中立的深度学习重建技术在胰腺癌新辅助治疗后的CT图像质量和可切除性预测中的临床价值	尽管图像质量显著改善，但诊断准确性未提升，且DLR图像出现明显的人工痕迹	比较DLR与传统迭代重建在胰腺癌新辅助治疗后CT评估中的图像质量和可切除性预测性能	114例接受新辅助治疗的胰腺癌患者的增强CT图像	计算机视觉	胰腺癌	CT	深度学习重建模型	CT图像	114例胰腺癌患者	NA	ClariACE（供应商中立的深度学习重建架构）	准确率、AUC、敏感性、特异性、读者置信度	NA
211	2026-05-15	Utilization of artificial intelligence in Men's Health: Opportunities for innovation and quality improvement 2026-May, International journal of impotence research IF:2.8Q2 DOI:10.1038/s41443-025-01112-8 PMID:40579440	综述	探讨人工智能在男性健康领域的应用及其伦理考量，涵盖生育力、勃起功能障碍、佩罗尼病、睾酮缺乏和早泄等关键领域	系统综述了AI在男性健康多个细分领域的最新应用，包括AI聊天机器人用于患者教育等新兴方向	未提及具体局限性	综述AI技术在男性健康中的应用进展及伦理挑战	男性健康相关疾病，包括生育力问题、勃起功能障碍、佩罗尼病、睾酮缺乏和早泄	自然语言处理, 机器学习	男性生殖系统疾病	机器学习, 深度学习, 自然语言处理, 可穿戴传感器, 影像学	机器学习模型, 深度学习模型, 自然语言处理模型	文本, 图像, 传感器数据	NA	NA	NA	诊断准确率	NA
212	2026-05-15	Systematic Review on Deep Learning Algorithms for Blood Glucose Forecasting in Type 1 Diabetes 2026-May, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2025.3630214 PMID:41533628	综述	对用于1型糖尿病血糖预测的深度学习算法进行系统性文献综述	首次专门针对深度学习在血糖预测中的应用进行全面系统综述	纳入研究的异质性限制了直接比较，且深度学习模型的生理学保真度和可解释性仍需提升	系统评估深度学习算法在1型糖尿病血糖预测中的研究现状、挑战与未来方向	1型糖尿病患者的连续血糖监测数据	机器学习	1型糖尿病	连续血糖监测	深度学习模型（如CNN、LSTM等）	时间序列数据	26项符合纳入标准的研究	NA	NA	NA	NA
213	2026-05-15	A proof-of-concept study of multitask learning for cranial synthetic CT generation across heterogeneous MRI field strengths 2026-May, Medical physics IF:3.2Q1 DOI:10.1002/mp.70429 PMID:42027157	研究论文	提出一种基于多任务学习的级联管道，用于生成颅部合成CT图像，适应不同MRI场强和序列的异质性	将颅部CT重建重新定义为结构化耦合问题，采用级联多任务管道联合建模颅骨分割和HU回归，利用基于残差Mamba的状态空间模型在3D U-Net中增强空间表示，并实现跨1.5T至7T场强的迁移学习	研究样本量较小（1.5T: 37例, 7T: 44例），且仅使用T1加权和T2-FLAIR两种模态，未涵盖其他MRI序列或扫描参数	解决MRI数据场强和序列异质性对合成CT生成方法的泛化性限制，提升临床转化潜力	颅部MRI图像及对应的CT图像	数字病理	无特定疾病	无特定技术（基于MRI和CT）	3D U-Net（结合残差Mamba）和Transformer U-Net	图像	1.5T公共脑部数据集37例，7T独立临床脑部数据集44例	PyTorch	3D U-Net（残差Mamba状态空间模型）、Transformer U-Net	Dice系数、Jaccard指数、平均绝对误差	NA
214	2026-05-15	The evolving role of artificial intelligence in optimizing treatment and patient selection in diabetic macular edema 2026-May-01, Indian journal of ophthalmology IF:2.1Q2 DOI:10.4103/IJO.IJO_3152_25 PMID:42060353	综述	探讨人工智能在优化糖尿病黄斑水肿治疗和患者选择中的演变作用	系统总结了人工智能从筛查到个体化治疗决策支持的转变，特别是利用多模态数据预测治疗反应和注射负担	存在泛化性、透明度、工作流程整合和伦理部署等问题需要系统解决	阐述人工智能如何在糖尿病黄斑水肿抗VEGF治疗中实现个体化风险分层和预后支持	糖尿病黄斑水肿患者的多模态数据，包括眼底图像、OCT图像、临床和生化数据	机器学习, 计算机视觉	糖尿病黄斑水肿	OCT，眼底照相	CNN, GAN，集成方法	图像，文本（临床数据）	未提供	NA	卷积神经网络，生成对抗网络，集成方法	准确性	NA
215	2026-05-15	Deep Learning-Based Augmented Contrast-Enhancement and Denoising for Reduced-Iodine and Low-Radiation 70-kVp Cerebral CT Angiography: A Prospective Study 2026-May, Korean journal of radiology IF:4.4Q1 DOI:10.3348/kjr.2025.1520 PMID:42062228	研究论文	评估在70 kVp下使用低碘和低辐射进行脑CT血管成像的可行性，以及深度学习增强对比和去噪算法对CTA质量的影响	首次将深度学习增强对比和去噪算法应用于低碘低辐射70-kVp脑CT血管成像，显著提高了图像质量	样本量较小（47名健康志愿者），且未包含疾病状态的患者，可能限制了结果的泛化性	评估低碘低辐射70-kVp脑CTA的可行性及深度学习算法对图像质量的改善效果	47名健康志愿者（男女比例31:16，平均年龄57.8岁）	计算机视觉	NA	CT血管成像	深度学习	图像	47名健康志愿者	NA	NA	动脉衰减值, 图像噪声, 对比噪声比, 主观图像质量	NA
216	2026-05-15	Artificial intelligence and capsule endoscopy 2026-May, Revista espanola de enfermedades digestivas IF:2.7Q2 DOI:10.17235/reed.2026.11191/2025 PMID:41848084	综述	本文综述了人工智能在胶囊内镜中的应用，重点讨论深度学习模型和卷积神经网络如何优化图像解读过程	提出AI可分别作为首读和第二读工具，TOP100等工具在临床中已显示出减少阅读时间和辅助诊断的效果	面临假阴性问题、缺乏标准化以及医学法律挑战	评估AI在胶囊内镜解读中的现状、优势与挑战，推动其临床应用	胶囊内镜生成的视频图像及相关胃肠道疾病（如克罗恩病、乳糜泻）	计算机视觉	克罗恩病, 乳糜泻	胶囊内镜	深度学习模型、卷积神经网络（CNN）	图像	每例研究涉及超过50,000张图像	NA	CNN	敏感性、特异性	NA
217	2026-05-15	Multifunctional Flexible Sensor with Bionic Micro-Nano Hierarchical Structure for Dual-Mode Pressure and Temperature Sensing 2026-May, Small (Weinheim an der Bergstrasse, Germany) DOI:10.1002/smll.73163 PMID:41858305	研究论文	本文提出了一种具有仿生微纳层次结构的双模态压力和温度传感多功能柔性传感器	仿生蚂蚁、蜘蛛、蚊子和荷叶结构，构建微纳层次结构实现超疏水性和同时传感压力与温度，结合无线传输和深度学习实现非接触人机交互	未提及其它方面限制	开发具有多模态传感能力且性能优异的柔性电子器件，用于医疗健康、电子皮肤和人机交互	基于MXene/三聚氰胺泡沫和碳纳米管/聚偏氟乙烯纳米纤维膜构建的仿生多功能传感器	机器学习	NA	NA	深度学习模型	传感器信号	NA	NA	深度学习模型	压力灵敏度、温度灵敏度、响应时间、检测范围	NA
218	2026-05-15	Deep Learning Discriminates Seizures from Normal Brain Oscillations in the Electroencephalogram of a Rat Model of Post-traumatic Epilepsy 2026-May, eNeuro IF:2.7Q3 DOI:10.1523/ENEURO.0032-26.2026 PMID:42045047	研究论文	利用深度学习在创伤后癫痫大鼠模型的脑电图中客观识别癫痫发作与正常脑振荡	采用迁移学习对三种不同脑电图表型进行训练和测试，卷积神经网络模型可区分正常棘慢波放电与惊厥性癫痫发作，实现客观化跨个体和队列的癫痫事件检测	损伤诱导的癫痫罕见性导致液体冲击损伤模型不适合有效测试抗癫痫发生疗法；惊厥性发作间可能存在的重要差异被掩盖	客观识别创伤后癫痫大鼠模型脑电图中的癫痫发作，区分癫痫性发作与正常脑振荡	雄性大鼠的创伤后癫痫模型（基于液体冲击损伤）	机器学习	创伤后癫痫	脑电图记录	卷积神经网络	脑电图信号	涉及雄性大鼠，具体数量未提及	NA	卷积神经网络	准确率	NA
219	2026-05-15	A Deep Learning Approach for Classifying Rapid Eye Movement Sleep Behavior Disorder Using EEGNet 2026-May, Journal of clinical neurology (Seoul, Korea) DOI:10.3988/jcn.2025.0552 PMID:42108845	研究论文	提出基于深度学习（EEGNet）的快速眼动睡眠行为障碍自动分类框架，并在多中心真实数据中验证其性能	首次将EEGNet应用于仅基于肌电图数据的RBD分类，并在多中心真实世界数据集上进行验证，比较了手动睡眠分期与自动U-Sleep方法的分期效果	仅使用REM期肌电图数据，无法准确区分四个临床亚组（帕金森病伴RBD、帕金森病不伴RBD、孤立性RBD、健康对照）	开发一种基于深度学习的RBD自动分类方法，辅助临床诊断决策	227份多导睡眠监测记录的REM期肌电图数据，涵盖RBD和非RBD受试者	机器学习	快速眼动睡眠行为障碍	多导睡眠监测	EEGNet	多导睡眠监测数据	227份PSG记录（RBD组156例，非RBD组71例）	NA	EEGNet	AUC，95%置信区间	NA
220	2026-05-15	Deep Learning Blood Dosimetry Predicts Severe Lymphopenia and Survival After Craniospinal Irradiation 2026-Apr-22, International journal of radiation oncology, biology, physics DOI:10.1016/j.ijrobp.2026.04.019 PMID:42031223	研究论文	开发并验证了一种基于深度学习的个体化血细胞剂量测定平台，用于预测颅脊髓照射后严重淋巴细胞减少症和生存结果	首次将深度学习全身分割、个体化血容量建模和患者特异性血流动力学整合，实现颅脊髓照射期间循环血细胞的个体化剂量体积直方图估计，并发现CBC D5%是RISL的关键预测因子	未明确说明局限性	开发和验证个体化循环血细胞剂量测定平台，评估其预测辐射诱导严重淋巴细胞减少症的价值	接受颅脊髓照射的216名患者（中位年龄12岁，范围2-68岁），包括前瞻性儿童CSI注册（48例）和回顾性收集（168例）	数字病理学，机器学习	脑肿瘤，软脑膜转移	深度学习，剂量体积直方图分析	LASSO, 随机森林, XGBoost	临床数据，剂量学数据	216名患者	NA	深度学习全身分割模型（未具体说明架构），LASSO, 随机森林, XGBoost	受试者工作特征曲线下面积（未明确提及，但RISL预测隐含性能指标），总体生存率和无事件生存率（通过CBC D5%分层）	NA