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
2541	2026-06-19	Enhancing X-ray Image Classification through Heterogeneous Federated Learning with Natural Image-Augmented Models 2026-Jun-17, IEEE transactions on pattern analysis and machine intelligence IF:20.8Q1 DOI:10.1109/TPAMI.2026.3704679 PMID:42308070	研究论文	提出一种利用自然图像增强的异构联邦学习框架NatIMG-FL，用于X射线图像分类	首次利用自然图像作为辅助监督数据来对齐特征分布，并提出基于双权重的细粒度知识迁移方法解决异构模型问题	可能受限于自然图像与X射线图像之间的域差距，且未提及对极少数类别或罕见病的处理效果	提升X射线图像分类中异构联邦学习的性能与知识迁移效果	X射线图像与自然图像	计算机视觉	NA	X射线成像	深度学习	图像	NA	NA	NA	NA	NA
2542	2026-06-19	Counterfactual Diffusion Models Provide Interpretable Explanations of Artificial Intelligence Models in Pathology 2026-Jun-17, Cancer research IF:12.5Q1 DOI:10.1158/0008-5472.CAN-25-5645 PMID:42308255	研究论文	MoPaDi是一个用于生成组织病理学图像反事实解释的框架，帮助识别与模型预测相关的形态或染色特征	将扩散自编码器与任务特定多实例学习分类器相结合，通过修改分类器关联特征诱导预测偏移，生成感知真实的反事实组织病理学图像	NA	为数字病理学中的深度学习模型提供可解释的反事实解释，支持评估模型特定决策线索和生成假说	组织病理学全切片图像	数字病理学	结直肠癌、乳腺癌、肝癌、肺癌	NA	扩散模型、多实例学习	图像	多个数据集，涵盖结直肠、乳腺、肝脏和肺癌	PyTorch	扩散自编码器、多实例学习分类器	NA	NA
2543	2026-06-19	Deep learning-enabled discovery of antibiotics effective against Neisseria gonorrhoeae 2026-Jun-17, Science translational medicine IF:15.8Q1 DOI:10.1126/scitranslmed.ads4699 PMID:42308330	研究论文	研究利用深度学习模型发现针对淋病奈瑟菌的有效抗生素	首次展示图神经网络可识别结构新颖、活性强的窄谱抗菌化合物，并通过虚拟筛选高效发现候选药物	化合物仅在体外和小鼠模型验证，尚未进行临床试验	提升抗生素发现效率以应对淋病奈瑟菌的耐药性危机	淋病奈瑟菌及多药耐药菌株	机器学习	淋病	高通量表型筛选	图神经网络（GNN）	小分子化合物结构数据	38,650种小分子用于训练，约600万种用于虚拟筛选	PyTorch	图神经网络	活性化合物命中率（39%）	NA
2544	2026-06-19	Research Progress of Single/Multi-Mode Optical Sensors on Visual Monitoring of Food Freshness: A Review 2026-Jun-17, Small (Weinheim an der Bergstrasse, Germany) DOI:10.1002/smll.74139 PMID:42308390	综述	系统回顾了单模、双模及多模光学传感器在检测易变质食品储存过程中关键生物标志物（如生物胺、硫化氢和有机酸）的最新进展	引入新型功能材料（如金属有机框架、天然色素和碳点）显著提升传感器性能，并整合智能手机视觉识别与深度学习算法实现信号采集与分析一体化	在抗环境干扰、多参数同步检测及商业化包装等方面仍存在挑战	总结光学传感器在食品新鲜度监测中的研究进展，探讨其作为智能食品安全质量监控系统关键技术的前景	易变质食品储存过程中产生的生物胺、硫化氢和有机酸等关键生物标志物	计算机视觉	NA	光学传感	深度学习模型	图像	NA	NA	深度学习算法	检测限、响应时间、检测范围	智能手机
2545	2026-06-19	Enhancing road safety with a power-aware approach to traffic sign detection and recognition in driving assistance systems based on machine learning using optimization techniques 2026-Jun-17, Traffic injury prevention IF:1.6Q4 DOI:10.1080/15389588.2026.2660142 PMID:42308429	研究论文	提出了一种基于机器学习的优化技术，用于驾驶辅助系统中的交通标志检测与识别，以提高道路安全性	结合卷积和序列方法，利用蚁群层次网络优化策略，提出OCSRN-AHN模型，实现了高精度、低功耗和低计算复杂度的实时交通标志检测	NA（摘要未提及局限性）	改进驾驶辅助系统中的交通标志检测与识别模型，提升道路安全性	驾驶辅助系统中的交通标志检测与识别任务	计算机视觉	NA	深度学习优化技术	卷积神经网络、序列循环神经网络、蚁群层次网络优化	图像	Kaggle数据集，包含58类交通标志	Python深度学习工具	OCSRN-AHN（优化的卷积序列循环神经蚁群层次网络）	准确率、精确率、召回率、F1分数、平均精度均值（mAP）、mAP@0.5	NA（摘要未提及具体计算资源）
2546	2026-06-19	Visceral adipose tissue inflammation in endometrial cancer 2026-Jun-17, Cancer treatment and research communications DOI:10.1016/j.ctarc.2026.101273 PMID:42308582	研究论文	探究子宫内膜癌患者内脏脂肪组织中的脂肪细胞大小和冠样结构及其与肥胖相关合并症和肿瘤特征的关系	首次结合深度学习算法分析CT图像与网膜活检组织学数据，揭示脂肪组织功能障碍在子宫内膜癌肥胖风险中的中介作用	样本量较小（90例），且为单中心回顾性研究，未探索脂肪组织炎症对肿瘤微环境的直接影响机制	阐明脂肪组织炎症标志物（脂肪细胞大小和冠样结构）在子宫内膜癌患者中的临床意义	子宫内膜癌女性患者	数字病理学	子宫内膜癌	CT成像, 深度学习图像分析, 组织学检查	NA	图像（CT扫描）、组织学数据	90例子宫内膜癌患者（其中73例有网膜活检样本）	NA	NA	相关性系数（r）、p值	NA
2547	2026-06-19	A novel multi-task deep learning framework for classification and detection of intracranial structures in first-trimester fetal ultrasound images 2026-Jun-17, Physica medica : PM : an international journal devoted to the applications of physics to medicine and biology : official journal of the Italian Association of Biomedical Physics (AIFB) DOI:10.1016/j.ejmp.2026.105806 PMID:42308601	研究论文	开发一种用于早孕期胎儿超声图像中颅内结构分类和检测的新型多任务深度学习框架	首次将深度特征选择、统计建模和基于Transformer的检测相结合用于早期胎儿脑评估	NA	开发自动化深度学习框架，用于早孕期胎儿颅内结构的分类和检测	早孕期（11-14周）胎儿颅内结构	计算机视觉	NA	超声成像	卷积神经网络（CNN）、Transformer	图像	来自2560名孕妇的2569张矢状面超声图像	PyTorch	EfficientNet, VGG16, YOLOv11, Swin Transformer	准确率、AUC、IoU、平均精度均值（mAP）、校准曲线、决策曲线分析（DCA）	NA
2548	2026-06-19	Remote sensing for marine oil spill detection, mapping, and monitoring: A systematic review and bibliometric analysis 2026-Jun-17, Marine pollution bulletin IF:5.3Q1 DOI:10.1016/j.marpolbul.2026.120028 PMID:42308721	综述	基于文献计量学对2000-2026年遥感技术用于海洋溢油检测、测绘与监测的系统性综述	首次综合文献计量与系统综述方法，分析遥感技术在溢油检测中的物理原理、传感器平台、AI方法及验证协议，并识别出多传感器星座、物理信息深度学习等新兴方向	单一传感器通用性不足，深度学习面临数据稀缺、假阳性目标和跨区域迁移局限性挑战	系统综述遥感技术在海洋溢油检测、测绘与监测中的应用现状与发展趋势	全球海洋溢油事件及相关遥感技术文献	遥感	NA	合成孔径雷达、光学、高光谱、热红外遥感	深度学习模型	遥感图像	2856篇文献，作者6473人	NA	U-Net, 变换器架构	检测精度	云原生处理平台
2549	2026-06-19	Contrast injection protocols used in oncological CT and opportunities for practice optimisation 2026-Jun-17, Radiography (London, England : 1995) DOI:10.1016/j.radi.2026.103473 PMID:42308954	研究论文	调查瑞士西部肿瘤CT造影注射方案的实践现状和异质性	首次系统性地绘制了瑞士西部地区肿瘤CT造影注射方案的实践图谱，揭示了广泛存在的异质性，并指出了利用光谱成像和深度学习重建等技术进行优化的潜在机会	样本量有限，仅涉及瑞士西部地区，可能不具备全国或全球代表性；调查的响应率为42%，可能存在非响应偏差	分析当前瑞士西部肿瘤CT造影注射方案的使用情况，为实践优化提供依据	瑞士西部74家医学影像机构的造影注射方案	医学影像	肿瘤疾病	CT造影	NA	调查问卷数据	31家机构完成调查（占74家的42%）	NA	NA	NA	NA
2550	2026-06-19	Deep learning based time series analysis for breathing phase prediction in phase-gated proton therapy 2026-Jun-17, Physics in medicine and biology IF:3.3Q1 DOI:10.1088/1361-6560/ae7eec PMID:42309140	研究论文	利用深度学习时间序列分析预测质子治疗中的呼吸相位，以提高相位门控辐射输送的准确性	首次将长短期记忆网络和时间融合变换器应用于质子治疗的呼吸相位预测，实现了比商业算法近20%的预测准确率提升	研究基于回顾性数据，未提及前瞻性验证或实时临床应用的挑战	改进呼吸相位预测精度以实现更准确的剂量输送	69名质子治疗患者的回顾性呼吸波形数据	机器学习	癌症	时间序列分析	长短期记忆网络，时间融合变换器	时间序列	69名患者，训练集165242秒，验证集24057秒，测试集30322秒，额外验证40604秒	NA	长短期记忆网络，时间融合变换器	均方误差，相位分箱精度，定时偏差	NA
2551	2026-06-19	MRI-Based estimation of physiologically consistent head conductivity and its impact on depth-dependent electric field distributions in transcranial magnetic stimulation 2026-Jun-17, Journal of neural engineering IF:3.7Q2 DOI:10.1088/1741-2552/ae7eae PMID:42309136	研究论文	提出一种基于MRI的头部电导率生理一致估计框架，并分析其在经颅磁刺激中对深度依赖电场分布的影响	采用统计秩约束损失函数，结合统计损失、秩损失和平滑损失，确保电导率与MRI强度之间的生理一致性，从而改善组织内电导率变异性并减少人工不连续性	未明确提及，但可能依赖特定MRI数据，且需要从通信作者处获取实现代码	提出一种从T1和T2加权MRI估计生理一致头部电导率分布的新框架，以改进非侵入性脑刺激中的电场建模	35名来自IXI数据集被试，以及11名独立外部验证被试	机器学习	不适用	MRI（T1加权和T2加权成像）	深度学习模型	图像	35名被试用于主要评估，11名被试用于外部验证	不适用	不适用	Spearman相关性、电导率变异性、电场模拟指标	不适用
2552	2026-06-19	CellVision: A Deep Learning based Image Analysis Platform to Accelerate Immuno-Plaque Assay Data Processing for Dengue Vaccine Development 2026-Jun-17, SLAS discovery : advancing life sciences R & D IF:2.7Q2 DOI:10.1016/j.slasd.2026.100321 PMID:42309407	研究论文	开发基于深度学习的CellVision平台，实现免疫斑块检测图像的全自动化分析，加速登革疫苗研发	首次将卷积神经网络与图像处理技术结合，实现病毒斑块的自动识别、融合分离及异质物区分，无需人工复核	未提及在不同染色方法或非标准成像条件下的泛化性能验证	实现高通量免疫斑块检测数据全自动化处理，消除人工图像复核需求	登革病毒疫苗研发中的微孔板斑块检测图像	计算机视觉	登革热	基于卷积神经网络的图像分析	CNN（卷积神经网络）	图像	多分析员验证的多样化数据集	Python	卷积神经网络	斑块计数准确率	NA
2553	2026-06-19	Deep Learning Assisted Double Inversion Recovery improves Focal Lesion Detection in Optic Neuropathy 2026-Jun-17, AJNR. American journal of neuroradiology DOI:10.3174/ajnr.A9480 PMID:42309650	研究论文	比较深度学习加速的双反转恢复序列与传统MRI在疑似视神经病变患者中的采集时间、图像质量和诊断信心	首次在临床环境中评估深度学习加速的双反转恢复序列（DIR-DL）在视神经病变检测中的应用，显著缩短扫描时间并提升图像质量	样本量较小（75例），且为单中心前瞻性研究，可能影响结果的普适性	评估深度学习加速的DIR序列在视神经病变检测中的临床价值	疑似视神经病变患者（75例）的视神经MRI图像	医学影像分析	视神经病变	MRI（磁共振成像）	深度学习加速模型	磁共振图像	75例患者（平均年龄37±20岁，47名女性）	NA	NA	Likert量表评分（图像质量、SNR、锐度、伪影、诊断信心）、加权Cohen's κ、个体等价指数（IEI）、逻辑回归、线性混合模型、配对t检验	NA
2554	2026-06-19	Enhancing Non-Contrast CT Interpretation for Acute Anterior Circulation Stroke: A Deep Learning Approach for Grayscale Image Transformation 2026-Jun-17, AJNR. American journal of neuroradiology DOI:10.3174/ajnr.A9481 PMID:42309652	研究论文	开发一种结合深度学习超分辨率和图像处理的两阶段框架，将非增强CT转换为高对比度薄层CT，以提高急性前循环卒中早期缺血改变的检测	首次提出两阶段深度学习框架将NCCT转化为HCCT，显著改善ASPECTS评分的一致性和缺血体积评估的准确性	未提及具体限制	提升急性前循环卒中早期缺血改变的检测准确性	大血管闭塞性卒中患者	计算机视觉	急性前循环卒中	CT成像	深度学习超分辨率模型	CT图像	303例患者（平均年龄67.2岁，男性187例）	NA	深度学习超分辨率网络	ASPECTS相关性、组内相关系数、缺血体积相关性、优势比	NA
2555	2026-06-19	Modeling visual memorability assessment with autoencoders reveals characteristics of memorable images 2026-Jun-17, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-56947-y PMID:42310101	研究论文	提出基于自编码器的深度学习模型来评估图像可记忆性，揭示可记忆图像的特征	首次利用自编码器重建误差与可记忆性的关系，并通过隐空间表征的区分性和整体梯度解释性分析，识别影响可记忆性的关键视觉特征	NA	探究影响图像可记忆性的特征，并建立计算模型来预测可记忆性	图像的可记忆性及其视觉特征	计算机视觉	NA	NA	自编码器、卷积神经网络、多层感知机	图像	NA	NA	自编码器、卷积神经网络、多层感知机	相关性、预测性能	NA
2556	2026-06-19	A web-based semi-supervised deep learning platform for automated AS-OCT assessment and monitoring of infectious keratitis 2026-Jun-17, NPJ digital medicine IF:12.4Q1 DOI:10.1038/s41746-026-02857-2 PMID:42310120	研究论文	提出一个基于半监督深度学习的网络平台，用于通过AS-OCT自动评估和监测感染性角膜炎	结合U-Net和Swin Transformer的半监督框架处理成像伪影和低对比度问题，并引入极坐标系量化病灶特征用于径向分层分类	未提及外部验证集或不同设备间的泛化性测试	实现感染性角膜炎的自动化、非侵入性严重程度评估与病程监测	感染性角膜炎患者的眼前节光学相干断层扫描（AS-OCT）图像	计算机视觉, 数字病理学	感染性角膜炎	AS-OCT	半监督深度学习（U-Net + Swin Transformer）	图像	3130张AS-OCT图像	NA	U-Net, Swin Transformer	Dice系数, 准确率, 组内相关系数（ICC）	NA
2557	2026-06-19	DTANet+: Dual Interaction and Kernel-Diverse Network for Drug-Target Affinity Prediction 2026-Jun-17, Interdisciplinary sciences, computational life sciences DOI:10.1007/s12539-026-00851-6 PMID:42310256	研究论文	提出一个名为DTANet+的深度学习框架，用于预测药物-靶点结合亲和力，该框架受药物和靶点的生化特性启发	融合了药物和靶点的生化特性，引入核多样化特征提取块、跨尺度交互模块、药物-靶点交互模块和多模态融合模块	未明确说明限制	加速药物-靶点结合亲和力预测，减轻实验负担	药物和靶点	机器学习	NA	深度学习	深度学习框架	药物和靶点数据	KIBA和Davis数据集	PyTorch	NA	一致性指数（CI），均方误差（MSE）	NA
2558	2026-06-19	Predicting early-stage breast cancer disease-free survival and adjuvant therapy benefit from multimodal information using deep learning 2026-Jun-17, NPJ breast cancer IF:6.5Q1 DOI:10.1038/s41523-026-00991-4 PMID:42310310	研究论文	基于深度典型相关分析的多模态深度学习模型，整合多参数MRI和临床文本数据，预测早期乳腺癌无病生存期及辅助治疗获益	首次将深度典型相关分析应用于整合多参数MRI（DCE-MRI和DWI）与临床文本数据，构建多模态模型预测早期乳腺癌无病生存期，并探索其识别辅助治疗获益患者的潜力	转录组分析仅涉及19名患者，样本量较小，可能限制了生物学机制的深入验证	开发多模态深度学习模型，实现早期乳腺癌无病生存期的非侵入性预测及复发风险分层，并初步探索辅助治疗获益的识别能力	早期乳腺癌患者	机器学习	乳腺癌	多参数磁共振成像（DCE-MRI和DWI）	深度学习模型（基于深度典型相关分析）	图像（MRI）和文本（临床数据）	1120名早期乳腺癌患者（训练队列459人，外部验证队列661人）	PyTorch	深度典型相关分析（DCCA）	一致性指数（C-index）	NA
2559	2026-06-19	An AI-driven framework for diabetic foot ulcer classification, segmentation, and depth estimation 2026-06-17, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-52864-2 PMID:42310328	研究论文	提出一个基于深度学习的综合框架，用于糖尿病足溃疡的分类、分割与深度估计	整合了分类、分割、相对深度估计与可解释性分析，并利用单张RGB图像生成相对伪深度图以表征伤口拓扑结构	尚需包括临床专家参与的前瞻性验证研究，才能实现实际临床部署	开发一种自动化辅助决策工具，用于糖尿病足溃疡的客观评估	糖尿病足溃疡患者的RGB图像	计算机视觉	糖尿病足溃疡	RGB成像	EfficientNet-B0, U-Net, MiDaS	图像	NA	PyTorch	EfficientNet-B0, U-Net, MiDaS	分类准确率, 分割Dice系数, 深度估计误差	NA
2560	2026-06-19	A novel transformer architecture for EEG decoding and neuroscientific analysis 2026-Jun-17, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-56405-9 PMID:42310346	研究论文	提出一种名为Analformer的新型Transformer架构，用于脑电图解码和神经科学分析，同时实现高预测性能和神经科学可解释性	在Transformer中引入基于固定Morlet小波核的分析性补丁嵌入模块，提取可解释的时空频率特征，并直接从模型内部表示进行标准神经电生理分析	未明确讨论局限性	设计一种既能高精度解码脑电图又能提供神经科学可解释性的统一框架	脑电图信号	机器学习	NA	脑电图	Transformer	脑电图信号	两个大型公开数据集，涵盖三类脑机接口范式：运动想象、事件相关电位和稳态视觉诱发电位	PyTorch	Analformer（基于Transformer的架构）	准确性	NA