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
221	2026-06-07	Comparing the accuracy of artificial intelligence models to detect alcohol in video images 2026-May, Addiction (Abingdon, England) DOI:10.1111/add.70337 PMID:41588658	研究论文	比较三种人工智能模型在视频图像中检测酒精内容的准确性	首次系统比较监督深度学习和零样本学习模型在视频酒精检测中的表现，并引入零样本学习技术（CLIP和LLaVA）	实验结果仅限于三个特定数据集，未涉及多平台或真实流媒体环境验证	评估不同AI模型在大规模视频图像中自动检测酒精内容的准确性和效率	三种AI模型（ABIDLA2、ZSL-CLIP、ZSL-LLaVA）在视频帧中检测酒精存在的能力	计算机视觉	无	深度学习、零样本学习	监督深度学习模型与零样本学习模型	视频图像	三个数据集：Google/Bing图像集、多样化电影场景数据集、复杂场景数据集（具体数量未说明）	NA	ABIDLA2、CLIP、LLaVA	准确率、未加权平均召回率、F1分数、执行时间	NA
222	2026-06-04	Analysis of Upper Airway Morphology Using Four-Dimensional Dynamic MRI With Active Deep Learning-Based Automatic Segmentation 2026-May, Journal of magnetic resonance imaging : JMRI IF:3.3Q1 DOI:10.1002/jmri.70237 PMID:41607039	research paper	使用基于主动学习的nnU-Net自动分割四维动态MRI图像，分析上气道形态在两种口位下的动态变化	首次将主动学习nnU-Net应用于自由呼吸四维动态MRI上气道自动分割，减少手动标注工作量并保持高精度，同时量化不同口位下的动态形态差异	NA	实现自由呼吸四维动态MRI中上气道的自动分割，并量化闭口和开口两种口位下的动态形态变化	上气道形态在呼吸过程中的动态变化	medical imaging	睡眠呼吸障碍	4D cine MRI	nnU-Net	四维动态MRI图像	84名无OSA的成人（28男/56女，年龄18-80岁，其中33人有睡眠相关呼吸症状），内部测试集18人	NA	nnU-Net	Dice系数	NA
223	2026-06-07	Refining deep learning segmentation in gallium-68-prostate-specific membrane antigen-11 positron emission tomography: evaluation of small lesion filtering and intersection-over-union thresholds 2026-May-01, Nuclear medicine communications IF:1.3Q3 DOI:10.1097/MNM.0000000000002114 PMID:41607277	研究论文	评估小病灶过滤和交并比阈值对深度学习分割前列腺癌Ga-68-PSMA-11 PET图像的影响	系统研究了小病灶过滤和不同IoU阈值对深度学习分割性能的影响，并确定了最优阈值范围（20-40% IoU）	需要多中心研究和更大数据集进一步验证结果的泛化性	评估小病灶过滤和IoU阈值如何影响Ga-68-PSMA-11 PET图像中深度学习分割的性能	前列腺癌患者的Ga-68-PSMA-11 PET图像	计算机视觉	前列腺癌	PET成像	3D U-Net	图像	115例患者扫描	NA	3D U-Net	Dice系数, 精确率, 灵敏度, 阳性预测值	NA
224	2026-06-07	Pediatric coronary MR angiography with a two-minute scan using de-aliasing regularization based compressed sensing 2026-May, Magnetic resonance imaging IF:2.1Q2 DOI:10.1016/j.mri.2026.110627 PMID:41638264	研究论文	本研究探索了基于去混叠正则化压缩感知（DARCS）的加速冠状动脉磁共振血管成像在儿童人群中的临床应用可行性	首次将DARCS重建方法应用于儿童冠状动脉磁共振血管成像，实现两分钟扫描并保持冠状动脉动脉瘤诊断准确性	NA	评估DARCS加速CMRA在儿童冠状动脉成像中的图像质量和诊断性能，重点关注冠状动脉动脉瘤检测	儿童冠状动脉及冠状动脉动脉瘤检测	数字病理学	心血管疾病	冠状动脉磁共振血管成像	去混叠正则化压缩感知	k空间数据	123例儿童患者（96例回顾性，27例前瞻性）	NA	DARCS	峰值信噪比,结构相似性指数,血管长度,血管锐度,视觉评分,灵敏度,特异度	3.0T磁共振扫描仪
225	2026-06-07	MMCL: A Multi-Modal Contrastive Learning Framework for Molecular Property Prediction 2026 May-Jun, IEEE transactions on computational biology and bioinformatics DOI:10.1109/TCBBIO.2026.3663206 PMID:41666076	研究论文	提出一种名为MMCL的多模态对比学习框架，用于预测分子性质，以促进药物发现	通过利用分子的不同视图学习相似分子间的共同特征，并将官能团显式表示为分子图中的节点，促使模型学习与分子性质相关的特征	未提及具体限制	提高分子性质预测的准确性和信息多样性，促进药物发现	分子及其官能团	机器学习	NA	NA	对比学习框架	分子数据（分子图、分子视图）	NA	NA	NA	NA	NA
226	2026-06-07	Deep Learning Segmentation of Pelvic Soft Tissue in Isotropic and Anisotropic MRI Using Routine T2 Scans 2026 May-Jun 01, Journal of computer assisted tomography IF:1.0Q4 DOI:10.1097/RCT.0000000000001828 PMID:41701554	研究论文	对比各向同性与各向异性MRI重建下深度学习模型对骨盆软组织的分割性能	首次系统比较各向同性与各向异性MRI重建在骨盆软组织和神经分割中的效果差异，并利用nnU-Net模型量化评估两种数据类型的性能优劣	样本量较小（仅35例直肠癌患者），且未涉及其他骨盆病变类型或不同MRI参数设置的泛化性验证	评估基于各向同性与各向异性MRI重建训练的深度学习模型对骨盆肌肉和神经组织的分割性能差异，为术前规划与手术导航提供优化方案	35例直肠癌患者的骨盆MRI图像（包括骶神经、闭孔神经和梨状肌）	数字病理学	直肠癌	T2加权MRI	nnU-Net	MRI图像	35例直肠癌患者的轴向、矢状面和冠状面T2加权MRI扫描	PyTorch	nnU-Net	Dice相似系数、交并比、精确率、召回率	NA
227	2026-06-07	A Spectral Clustering-Based Approach for Balancing Data in TF-Target Gene Interaction Prediction Using Heterogeneous Network Embedding 2026 May-Jun, IEEE transactions on computational biology and bioinformatics DOI:10.1109/TCBBIO.2026.3666856 PMID:41729651	研究论文	提出一种基于谱聚类的数据平衡方法，结合异质网络嵌入预测转录因子与靶基因的相互作用	创新性地将谱聚类引入未知交互样本选择，通过从远离聚类中心的未知交互中选取样本来平衡数据集，显著提升预测性能	文章未明确讨论局限性	解决转录因子-靶基因相互作用预测中的数据不平衡问题	转录因子与靶基因之间的交互关系	自然语言处理	NA	谱聚类、随机游走采样、Skip-gram嵌入	深度学习（随机游走+Skip-gram）	网络结构数据（生物学网络）	未明确说明	NA	NA	AUC	NA
228	2026-06-07	A Deep Learning Framework for Identifying Essential Proteins Based on Vision Transformer 2026 May-Jun, IEEE transactions on computational biology and bioinformatics DOI:10.1109/TCBBIO.2026.3669744 PMID:41774661	研究论文	提出基于Vision Transformer的深度学习框架EPViT，用于识别必需蛋白质	首次将Vision Transformer用于必需蛋白质识别，且无需主观选择亚细胞定位特征	仅在酵母数据上验证，缺乏其他物种泛化性评估	提高必需蛋白质识别准确率	酵母细胞中的必需蛋白质	机器学习	NA	NA	Vision Transformer	蛋白质相互作用网络数据、亚细胞定位信息	酵母数据集	PyTorch	Vision Transformer	识别率	NA
229	2026-06-07	METRON: Metabolic Dynamic Perception Kolmogorov-Arnold Network for Biological Age Estimation 2026 May-Jun, IEEE transactions on computational biology and bioinformatics DOI:10.1109/TCBBIO.2026.3669919 PMID:41774660	研究论文	提出METRON深度学习框架，利用类固醇代谢组学数据预测生物学年龄，并揭示衰老背后的代谢驱动因素	提出代谢物相互作用感知模块（MIPM）捕捉代谢网络中的复杂非线性交互，并集成群理性Kolmogorov-Arnold网络增强表征能力，兼具高精度与可解释性	NA	从类固醇代谢组学数据中预测生物学年龄，并识别关键代谢标志物	类固醇代谢组学数据	机器学习	老年性疾病	类固醇代谢组学	深度学习	代谢组学数据	NA	NA	代谢物相互作用感知模块（MIPM），群理性Kolmogorov-Arnold网络	NA	NA
230	2026-06-07	Fast reconstruction of degenerate populations of conductance-based neuron models from spike times 2026-May, PLoS computational biology IF:3.8Q1 DOI:10.1371/journal.pcbi.1014337 PMID:42166500	研究论文	提出一种结合深度学习和动态输入电导的方法，从峰电位时间快速重建基于电导的神经元模型的简并群体	将深度学习和动态输入电导理论框架相结合，通过轻量级神经网络将峰电位时间直接映射到阈值的DIC密度，然后用迭代补偿算法生成简并的CBM群体，实现快速、可扩展的重建	未明确说明，但在本摘要中未提及具体限制	解决从实验可获得的峰电位记录中推断电导基础模型参数的反问题，处理神经元简并性	神经元模型，包括两个神经元模型（如spiking、bursting和不规则模式）	机器学习, 计算神经科学	NA	深度学习, 动态输入电导框架	神经网络（轻量级神经网络）	峰电位时间序列	两个神经元模型（未具体说明样本数量）	NA	轻量级神经网络（未具体说明架构）	高准确性、鲁棒性（未具体列出指标，如准确率等）	标准硬件（如普通计算机），毫秒级运行速度
231	2026-06-07	Hybrid Deep Learning Framework for Enhanced Melanoma Detection 2026 May-Jun, IEEE transactions on computational biology and bioinformatics DOI:10.1109/TCBBIO.2025.3596589 PMID:40811190	research paper	提出了一种名为SegFusion框架的混合深度学习方法，结合U-Net和EfficientNet，用于黑色素瘤检测	创新性地融合了U-Net的精确分割能力和EfficientNet的强大分类性能，构建了一个统一的混合框架SegFusion，在黑色素瘤检测任务上取得了显著优于现有模型的效果	NA	提高黑色素瘤检测的准确性和效率	黑色素瘤检测方法	computer vision	melanoma	NA	CNN	image	使用HAM10000数据集和ISIC 2020数据集	NA	U-Net, EfficientNet	accuracy, precision, recall, F1 score, MCC	NA
232	2026-06-07	Spatial Multiomics Reveal Insights Into ADC Efficacy 2026-05, European journal of immunology IF:4.5Q2 DOI:10.1002/eji.70190 PMID:42083302	综述	综述空间多组学技术如何揭示抗体药物偶联物（ADC）疗效的生物学见解	提出将空间转录组学和蛋白质组学与机器学习/深度学习分析相结合的综合框架，用于患者分层、毒性预测和ADC设计优化	未讨论具体实验验证或临床应用案例	探讨空间多组学在解码ADC作用机制和耐药性中的应用，并建议整合人工智能分析方法	抗体药物偶联物（ADC）及其靶点（NECTIN-4、HER2、TROP2），主要针对转移性尿路上皮癌	数字病理学	转移性尿路上皮癌	空间多组学（空间转录组学、多重蛋白质成像）	机器学习/深度学习模型	空间转录组学数据、多重蛋白质成像数据	NA	NA	NA	NA	NA
233	2026-06-07	Simulated wildfire smoke particulate matter elicits STING-dependent astrocyte-mediated inflammatory signaling and neurotoxicity 2026-May, Neurotoxicology IF:3.4Q2 DOI:10.1016/j.neuro.2026.103473 PMID:42190922	研究论文	研究模拟野火烟雾颗粒物通过STING信号通路诱导星形胶质细胞介导的炎症反应和神经毒性	首次揭示野火烟雾暴露通过cGAS-STING通路触发星形胶质细胞炎症反应和神经毒性的分子机制，并整合了体外和体内转录组数据	研究主要基于体外培养的星形胶质细胞混合胶质细胞，可能无法完全反映体内复杂微环境	探究野火烟雾颗粒物导致神经退行性疾病的细胞和分子机制	野火烟雾颗粒物对星形胶质细胞的影响及其炎症信号传导	数字病理学	神经退行性疾病	高通量显微镜、深度学习图像分析、转录组学	深度学习	图像、转录组数据	原代星形胶质细胞富集的混合胶质细胞培养物（具体数量未说明）	NA	NA	NA	NA
234	2026-06-07	The association of environmental exposure with multiple sclerosis severity score: A study based on sequential data modeling 2026-Apr-15, International journal of medical informatics IF:3.7Q2 DOI:10.1016/j.ijmedinf.2026.106295 PMID:41616738	研究论文	利用人工智能方法，结合临床数据和环境暴露信息，预测多发性硬化症严重程度评分（MSSS）	首次将环境暴露数据（空气污染和天气条件）与纵向临床数据结合，通过深度学习模型预测MSSS，并采用自动机器学习进行特征选择，发现环境变量是重要预测因子	研究基于意大利帕维亚单一中心的回顾性数据，环境数据基于患者居住地，可能受位置精度和混杂因素影响；预测性能在不同历史窗口长度下降可比，但未探索更长时间窗口的收益	研究环境暴露与多发性硬化症严重程度评分之间的关联，并评估深度学习模型在预测MS进展中的有效性	多发性硬化症患者的纵向临床记录和环境暴露数据（空气污染和天气条件）	机器学习	多发性硬化症	NA	循环神经网络、长短期记忆网络、门控循环单元	临床记录和环境时间序列数据	535名患者的4022次就诊记录	AutoML（自动机器学习）	循环神经网络、长短期记忆网络、门控循环单元	曲线下面积（AUC）	NA
235	2026-06-07	rbpCNN: a biophysics-informed deep learning model for predicting piRNA and mRNA interactions 2026-Apr-13, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-48797-5 PMID:41974838	研究论文	提出一种受生物物理学启发的轻量级卷积神经网络rbpCNN，用于预测piRNA与mRNA的相互作用	在核苷酸对编码基础上加入生物物理驱动的相互作用通道（兼容性、螺旋运行、位置和结构通道），增强预测准确性	未提供具体限制信息	提高piRNA-mRNA相互作用预测的准确性，以支持对PIWI引导沉默的调控理解	piRNA序列与mRNA序列的相互作用	自然语言处理	NA	RNA测序	卷积神经网络（CNN）	序列数据	使用了基准数据集和独立外部数据集	NA	CNN	AUC（曲线下面积），准确率	NA
236	2026-06-07	Multimodal deep feature fusion with transformer for brain tumor classification from magnetic resonance imaging 2026-Apr-11, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-44957-9 PMID:41965397	研究论文	提出一种多模态深度特征融合框架，结合Transformer进行脑肿瘤MRI图像的自动检测与分割	融合CapsNet、ResNet-50和AlexNet的多模态特征提取，结合双向卷积长短期记忆网络与Transformer的TBConvL-Net分类模型，以及nnUNet精确分割	NA	开发多模态深度学习模型，实现脑肿瘤的精确检测和分割	脑肿瘤MRI图像	计算机视觉	脑肿瘤	MRI	CNN, LSTM, Transformer	图像	NA	NA	CapsNet, ResNet-50, AlexNet, TBConvL-Net, nnUNet	准确率	NA
237	2026-06-07	Lightweight attention enhanced YOLOv11 for accurate multi class detection of brinjal diseases 2026-Apr-11, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-47734-w PMID:41965414	研究论文	提出一种轻量级注意力增强的YOLOv11模型，用于茄子病害的多类别精准检测	结合EMA（高效多尺度注意力）模块、IRMB（倒置残差移动块）和LDFM（局部细节特征模块）提取细粒度病变特征，并采用改进的MPDIoU损失函数提升目标定位精度	未提及在真实田间环境下的部署测试或对不同光照、遮挡条件的鲁棒性验证	开发可实时、准确识别茄子多种病害的轻量级深度学习模型，用于精准农业	茄子叶片病害图像，涵盖6种真菌、2种细菌、3种病毒和1种线虫感染类别	计算机视觉	茄子病害	深度学习图像识别	YOLOv11（目标检测模型）	图像	未明确样本总数，但包含6种真菌、2种细菌、3种病毒和1种线虫感染的多类别数据集	PyTorch	IEMA-YOLOv11（改进的高效多尺度注意力YOLOv11），包含EMA、IRMB、LDFM模块	精确率、召回率、mAP@50、mAP@50:95	NA
238	2026-06-07	Radiomics analysis of panoramic radiographs using machine learning for the detection of peri-implantitis 2026-Apr-06, BMC oral health IF:2.6Q1 DOI:10.1186/s12903-026-08190-0 PMID:41937158	研究论文	开发并验证基于全景X线片的深度学习模型（Mask R-CNN）和放射组学机器学习方法，用于检测种植体周围炎	首次将放射组学特征分析与Mask R-CNN深度学习结合用于全景X线片上的种植体周围炎检测	需进行前瞻性多中心验证方可临床部署	开发并验证种植体周围炎的自动检测方法	144名患者的全景X线片及其种植体周围区域	数字病理学	种植体周围炎	放射组学分析	Mask R-CNN	图像（全景X线片）	144名患者（平均年龄57.2±11.7岁）的7045个放射组学特征	NA	Mask R-CNN（ResNet-50骨架），XGBoost	F1分数，AUC，FROC分析	NA
239	2026-06-07	CRViT-YOLO: A method for multi-morphological blood cell detection using convolution-restructured vision transformer 2026-Apr, Tissue & cell IF:2.7Q3 DOI:10.1016/j.tice.2026.103312 PMID:41529371	研究论文	提出一种基于卷积重构视觉变换器的CRViT-YOLO方法，用于多形态血细胞检测	在YOLOv9架构中引入卷积重构视觉变换器（CRViT）模块，同时捕获局部和全局上下文信息，并设计特征增强模块（FEM）和集成EIoU损失函数，提升密集或重叠细胞的定位精度	未提及	提高血细胞检测的准确性和效率	多形态血细胞（包括正常和病理细胞）	计算机视觉	血液疾病	NA	YOLOv9	图像	四个公开数据集：BCCD、BCDD、LISC和BBBC041	PyTorch	CRViT, FEM	平均精度（mAP@50）	NA
240	2026-06-07	HeartUnloadNet: A cycle-consistent graph network with reduced supervision for predicting unloaded cardiac geometry from diastolic states 2026-Apr, Computer methods and programs in biomedicine IF:4.9Q1 DOI:10.1016/j.cmpb.2026.109243 PMID:41529595	研究论文	提出HeartUnloadNet，一种基于图注意力网络的深度学习框架，用于从舒张期状态直接预测心脏卸载几何形状，具有减少监督的特点	首次结合图注意力网络、循环一致双向训练策略和生理参数（压力、心肌硬度、纤维方向）实现高效准确的无负载心脏几何预测，并大幅减少监督需求	论文未明确说明局限性，但可能包括仅针对左心室建模，未考虑右心室或其他心脏结构，以及模拟数据与真实临床数据的潜在差异	开发一种高效准确的深度学习框架，直接从临床舒张末期状态预测左心室无负载几何形状，替代传统逆有限元求解器	左心室无负载几何形状的预测	机器学习	心血管疾病	有限元模拟	图注意力网络	有限元模拟生成的网格数据	10,350个有限元模拟样本	NA	图注意力网络	Dice相似系数、Hausdorff距离、平均距离、节点误差标准差	NA