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
3141	2026-06-15	Context-Aware adaptive normalization LSTM (CAAN-LSTM) for immunotherapy decision support in cancer clinical data analysis 2026-May, Journal of biomedical informatics IF:4.0Q2 DOI:10.1016/j.jbi.2026.105006 PMID:41794080	研究论文	提出了一种上下文感知自适应归一化长短期记忆网络（CAAN-LSTM），用于癌症免疫治疗临床决策支持	首次在序列处理中引入元学习的自适应归一化层，结合注意力机制、超网络和基于变压器的上下文编码器，动态融合患者特异性临床上下文	未提及具体局限性	通过动态归一化和上下文感知改进时间序列分析，提升癌症免疫治疗临床决策支持	临床时间序列数据中的癌症患者	机器学习	癌症	NA	长短期记忆网络（LSTM）	时间序列数据	在沙特医疗机构进行了试点验证，具体样本量未报告	NA	CAAN-LSTM（包含自适应归一化层、注意力机制、超网络、变压器上下文编码器、学习掩码策略和量化感知训练）	预测准确度	NA
3142	2026-06-15	H-DCA Net: Hierarchical dual-branch coordinate attention framework for multi-scale gastric histopathology diagnosis 2026-May, Pathology, research and practice DOI:10.1016/j.prp.2026.156403 PMID:41722294	研究论文	提出一种名为H-DCA Net的层级双分支坐标注意力网络，用于多尺度胃部组织病理学诊断	模仿病理学家多尺度诊断流程，设计异质双分支结构（高级语义分支与局部细节分支）并引入层级注意力机制，有效集成宏观组织结构与微观细胞细节信息	尚未提及泛化能力验证及在更大规模真实临床数据集上的评估	开发高精度深度学习框架解决计算机辅助诊断中的尺度失配问题，提升胃癌分类准确性和可靠性	胃部组织病理图像中的恶性病变分类	数字病理学	胃癌	组织病理学图像分析	CNN	图像	基于公共GasHisSDB数据集的三种图像块尺寸（80×80、120×120、160×160像素）进行训练和验证	PyTorch	EfficientNetV2-S, MobileNetV3-L	准确率, 精确率, 灵敏度, 特异度	NA
3143	2026-06-15	Empirical evaluation of variability and multi-institutional generalizability of deep learning survival models: application to renal cancer CT scans 2026-Apr-15, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2026.111603 PMID:41806695	研究论文	系统评估深度生存模型在肾癌CT影像中的变异性与多机构泛化能力	首次系统性分析数据划分、数据顺序、模型初始化和数据增强策略对CT影像深度生存模型泛化性能的影响	样本量有限（525名患者），仅针对肾癌CT影像，未探索其他癌症类型或影像模态	探究方法论选择如何影响深度生存模型在外部验证队列中的泛化能力	肾癌患者的CT影像数据及生存预测	计算机视觉,医学影像分析	肾癌	CT扫描	3D ResNet-18	CT影像	525名患者，来自9个机构（TCGA-KIRC、TCGA-KICH、TCGA-KIRP和KITS19公共数据集）	NA	3D ResNet-18	一致性指数(C-index),风险比(HR)	NA
3144	2026-06-15	Machine learning-assisted HS-GC-IMS for discrimination and traceability of baby bottles based on volatile fingerprints 2026-Apr-12, Journal of chromatography. A DOI:10.1016/j.chroma.2026.466833 PMID:41747496	研究论文	开发了结合顶空气相色谱-离子迁移谱与机器学习的分析方法，用于区分和追溯九种奶瓶的材料和品牌	首次将HS-GC-IMS与机器学习结合用于奶瓶的挥发性有机物指纹分析，并通过OPLS-DA的VIP评分与RF特征重要性整合确定关键判别标记，显著提升分类效率	NA	建立快速、可靠的奶瓶鉴别与追溯分析框架，用于食品接触材料的防伪与安全保障	九种不同材料和品牌的奶瓶	机器学习	NA	HS-GC-IMS	CNN, Transformer, RF, SVM, DT, OPLS-DA, PCA, HCA	挥发性有机物的质谱数据	九种奶瓶样品	NA	CNN, Transformer, RF, SVM, DT, OPLS-DA	分类效率（基于特征重要性优化）	NA
3145	2026-06-15	Deep Learning for Content-Based Medical Image Retrieval in Picture Archiving and Communication Systems for Brain Tumor Detection: Algorithm Development and Validation 2026-Apr-06, JMIR medical informatics IF:3.1Q2 DOI:10.2196/78300 PMID:41941563	研究论文	开发并验证基于深度学习的脑肿瘤图像检索系统，集成到影像存档与通信系统中	将深度学习特征提取算法与开源项目相结合，成功将基于内容的医学图像检索系统嵌入到标准临床PACS环境中，并针对7种脑肿瘤类型进行优化	数据集来自单中心且不公开，可能影响泛化性；系统旨在提高检索效率而非直接提升诊断准确性	开发一个集成于PACS的基于内容的医学图像检索系统，辅助放射科医生检索相关历史医学图像，提供定量决策支持	脑磁共振图像中的7种不同脑肿瘤类型	数字病理学	脑肿瘤	MRI成像	深度学习模型	图像	658名参与者，共15873张图像	NA	GoogLeNet	平均精度均值, Precision@10	NA
3146	2026-06-15	Domain adversarial gated bilinear attention networks for cross domain drug target interaction prediction 2026-Apr-02, Biochemical and biophysical research communications IF:2.5Q3 DOI:10.1016/j.bbrc.2026.153448 PMID:41687302	研究论文	提出一种结合门控双线性注意力和域自适应的深度学习框架GBAN-DA，用于跨域药物-靶点相互作用预测	首次将门控双线性注意力机制与条件域对抗网络结合，实现亚结构级相互作用建模和跨域特征分布对齐	未提及具体计算资源消耗，且仅在两个公开数据集上验证，未见多中心或临床数据验证	提高药物-靶点相互作用预测在分布偏移数据上的泛化能力和准确性	药物分子和蛋白质靶点之间的相互作用	自然语言处理，机器学习	NA	深度学习，图卷积网络， CNN-Transformer混合模型	GBAN-DA：门控双线性注意力网络结合条件域对抗网络	药物分子结构数据和蛋白质序列数据	BindingDB和BioSNAP两个数据集	PyTorch	图卷积网络， CNN-Transformer，门控双线性注意力模块，条件域对抗网络	AUROC， AUPRC	NA
3147	2026-06-15	Monitoring systemic ventriculoarterial coupling after cardiac surgery using continuous transoesophageal echocardiography and deep learning 2026-04, Journal of clinical monitoring and computing IF:2.0Q2 DOI:10.1007/s10877-025-01328-5 PMID:40676456	研究论文	开发了一种结合经食管超声心动图和深度学习的新工具autoMAPSE，用于连续监测心脏手术后患者的室内动脉耦合和左心室功能	首次将深度学习的autoMAPSE与经食管超声心动图结合，实现对术后室内动脉耦合的连续无创监测，并能关联术后心脏生物标志物变化	样本量较小（50例患者），监测时间仅为手术后120分钟，且未提供深度学习的详细模型架构和计算资源信息	评估autoMAPSE在心脏手术后监测系统性室内动脉耦合及检测术后心脏生物标志物变化的可行性	心脏手术后的患者	机器学习、数字病理（超声影像分析）	心血管疾病（心脏手术后心脏功能监测）	经食管超声心动图	深度学习模型（具体未明确）	超声图像、血压测量数据、生物标志物数据	50例心脏手术后患者，每5分钟监测一次，持续120分钟	NA	NA	相关性系数（rho）、P值	NA
3148	2026-06-15	Horizontal nystagmus identification with joint SAM segmentation and time series classification 2026-Apr, European archives of oto-rhino-laryngology : official journal of the European Federation of Oto-Rhino-Laryngological Societies (EUFOS) : affiliated with the German Society for Oto-Rhino-Laryngology - Head and Neck Surgery IF:1.9Q2 DOI:10.1007/s00405-025-09950-4 PMID:41663530	研究论文	提出一种结合SAM分割和时间序列分类的水平眼震检测模型	首次将SAM分割与多尺度一维时间序列卷积分类器结合，用于水平眼震检测，有效提取瞳孔运动轨迹并提高检测精度	瞳孔定位准确率（79.53%）仍有限，可能受视频质量或干扰帧影响	提高水平眼震的检测效率，辅助前庭疾病的早期筛查和干预	水平眼震患者的眼动视频	计算机视觉，时间序列分析	前庭疾病，水平眼震	视频眼动记录	CNN， SAM（Segment Anything Model），多尺度卷积分类器	视频	临床收集的水平眼震视频数据集（具体数量未提及）	PyTorch（推测）	SAM， CNN，多尺度一维时间卷积网络	准确率，精确率	NA
3149	2026-06-15	De novo engineering of protein interactions: Retrospective and current advances 2026-Apr, Current opinion in structural biology IF:6.1Q1 DOI:10.1016/j.sbi.2026.103240 PMID:41759349	综述	回顾从头设计蛋白质相互作用的研究进展，重点讨论基于深度学习的计算方法及其在蛋白结合体设计中的应用	总结了AlphaFold等新型结构预测模型及深度生成模型在蛋白质结合体设计中的创新应用，实现了高实验成功率的全新蛋白质折叠设计	未明确提及当前方法的局限性	探讨蛋白质结合体设计方法的发展历程，重点关注前沿技术及其应用与新的挑战	蛋白质结合体设计方法与深度学习方法	机器学习	NA	蛋白结合体设计	结构预测模型、深度生成模型	蛋白质序列与结构数据	NA	NA	AlphaFold	实验成功率	NA
3150	2026-06-15	Unsupervised segmentation of dynamic pulmonary MRI using cross-modality adaptation with annotated CT images 2026-Apr, International journal of computer assisted radiology and surgery IF:2.3Q2 DOI:10.1007/s11548-026-03584-5 PMID:41784882	研究论文	提出一种利用标注CT数据实现无监督肺动态MRI分割的跨模态自适应方法	首次利用掩码自编码器学习模态不变特征，结合时间一致性损失和选择-精炼流程生成高质量伪标签，消除对MRI标注的依赖	仅使用31个无标签4D MRI和30个标注CT训练，测试集来自两个中心，泛化性可能受限	实现肺实质在动态MRI中的准确无监督分割，辅助临床诊断和治疗规划	肺实质分割	计算机视觉, 医学影像分析	肺部疾病	动态肺MRI, CT成像	掩码自编码器, 分割网络	4D MRI图像, CT图像	31个无标签4D MRI, 30个标注CT, 20和12个4D MRI测试图像	PyTorch	掩码自编码器, U-Net	Dice系数, 平均表面距离	NA
3151	2026-06-15	Influence of deep learning image reconstruction and adaptive statistical iterative reconstruction-V on automated Alberta stroke program early CT score- evaluation 2026-Apr, Neuroradiology IF:2.4Q2 DOI:10.1007/s00234-026-03938-5 PMID:41706087	研究论文	研究深度学习图像重建与自适应统计迭代重建V对自动Alberta卒中项目早期CT评分的影响	首次系统比较了DLIR和ASIR-V两种重建技术对自动ASPECTS评分的影响，并发现DLIR-M在重新分类和专家共识一致性方面表现最佳	单中心回顾性研究，样本量有限，且未评估重建技术对临床结局的影响	评估深度学习图像重建和自适应统计迭代重建V对自动ASPECTS评分的影响	疑似大脑中动脉梗死患者的非对比CT图像	计算机视觉	脑血管疾病	CT	NA	图像	173名患者（中位年龄79岁，39%女性）	NA	NA	Bland-Altman分析、Cohen's κ系数	NA
3152	2026-06-15	Intelligent Visible-Near Infrared Micro-Hyperspectral Sensing System for Rapid Chemical Mapping of Microplastics and Metal Oxides 2026-Mar-27, ACS sensors IF:8.2Q1 DOI:10.1021/acssensors.5c04165 PMID:41698001	研究论文	开发了一种集成可见-近红外微高光谱成像与深度学习架构的智能传感平台，用于快速化学成像	提出了一种基于补丁的空间-光谱策略，通过自定义的多注意力3D卷积神经网络（带残差连接）有效补偿了宽波段可见-近红外光谱的低化学特异性	摘要中未明确提及局限性	实现微观材料快速、非破坏性、高精度的化学成像与分类	微塑料（聚苯乙烯和聚甲基丙烯酸甲酯）及多种金属氧化物	计算机视觉	NA	可见-近红外微高光谱成像	3D卷积神经网络	高光谱图像	8种化学物质	PyTorch	多注意力3D卷积神经网络（带残差连接）	准确率	NA
3153	2026-06-15	Bioinspired Keratin-Based Eutectic Hydrogels for Intelligent Health Monitoring and Photothermal Therapy 2026-Mar-18, ACS applied materials & interfaces IF:8.3Q1 DOI:10.1021/acsami.5c24539 PMID:41783971	研究论文	本文合成了一种基于角蛋白的低共熔水凝胶，用于智能健康监测和光热治疗	通过一锅法合成PDA@Ag/PAA/PSBMA/FK低共熔水凝胶，兼具高机械强度、优异传感性能、自修复能力和监测-治疗闭环功能	未提及实际临床验证和长期稳定性测试	开发集高机械强度、优异传感性能、自修复能力和监测治疗功能于一体的表皮传感器	PDA@Ag/PAA/PSBMA/FK低共熔水凝胶及其在人体关节运动监测和光热治疗中的应用	机器学习	手腕疾病	光热治疗	深度学习	运动信号	未提及	NA	NA	拉伸性、离子电导率、传感范围	NA
3154	2026-06-15	Screening of Respiratory Toxicity of Environmental Compounds Based on Multimodal Feature Fusion Model 2026-Mar-17, Environmental science & technology IF:10.8Q1 DOI:10.1021/acs.est.5c17401 PMID:41782501	研究论文	开发了一种基于多模态特征融合的深度学习框架GFEnet，用于高效筛选环境化合物的呼吸毒性	首次将分子图特征、结构指纹和电子级属性三种模态特征深度融合，实现跨尺度的呼吸毒性预测，并进行了体内外多维度验证	未提及模型在更多样化的化合物数据库上的泛化能力验证，以及与其他最新深度学习方法的详细比较	建立一种高通量的呼吸毒性筛选平台，减少对动物测试的依赖，提高环境化合物安全性评估效率	环境化合物（特别关注高度关注物质和空气污染物数据库中的化合物）	机器学习	呼吸系统毒性	深度学习	多模态深度学习框架（GFEnet）	分子图特征、结构指纹、电子级属性数据	涉及体内哺乳动物呼吸毒性、体外A549细胞毒性和ACE2基因调控活性三个毒理学维度的数据集	PyTorch	多模态融合网络（具体架构未详细说明）	AUC	未提及
3155	2026-06-15	LCMS-Net: Deep Learning for Raw High Resolution Mass Spectrometry Data Applied to Forensic Cause-of-Death Screening 2026-Mar-10, Analytical chemistry IF:6.7Q1 DOI:10.1021/acs.analchem.5c05404 PMID:41755347	研究论文	介绍LCMS-Net，一种直接分析原始LC-HRMS数据的端到端深度学习模型，用于法医死因筛查和结肠癌检测	直接处理原始LC-HRMS数据，无需手动预处理；对数据的空间特性显式建模；模型结构简单，无需预训练，计算效率高	未明确提及局限性	开发一种自动化且高效的深度学习模型，用于分析LC-HRMS数据，应用于法医死因筛查和结肠癌检测	LC-HRMS原始数据及其在死因筛查和结肠癌检测中的应用	机器学习	法医死因筛查, 结肠癌	液相色谱-高分辨率质谱	深度学习模型	原始质谱数据	未明确提及样本数量	NA	LCMS-Net	F1-score	与依赖预训练的方法相比，更快速且计算效率更高
3156	2026-06-15	Deep learning-based estimation of lung collapse in electrical impedance tomography: a simulation and phantom study 2026-Mar-06, Physiological measurement IF:2.3Q3 DOI:10.1088/1361-6579/ae4849 PMID:41713019	研究论文	提出一种基于深度学习的方法，从电阻抗断层成像图像中直接估计肺塌陷程度，避免了对肺部分割的依赖	首次利用深度学习框架从EIT图像直接估计肺塌陷程度，无需进行肺部分割，克服了传统全局不均匀性指标依赖分割的局限性	NA	估计机械通气患者肺塌陷程度，以辅助评估通气性肺损伤风险	基于EIT图像估计的肺塌陷程度	计算机视觉	呼吸系统疾病	电阻抗断层成像	深度学习模型	图像	合成数据集模拟多种肺条件，数值与体模测试	NA	NA	误差百分比	NA
3157	2026-06-15	In vivo quantification of arterial active mechanics using deep learning-assisted pressure-area analysis 2026-Mar-05, Biomechanics and modeling in mechanobiology IF:3.0Q3 DOI:10.1007/s10237-026-02042-0 PMID:41784707	研究论文	开发一种深度学习辅助的压力-面积分析框架，用于量化动脉主动力学特性	结合超声成像、血压测量、神经网络分割和生物力学模型反演，首次实现体内动脉主动力学特性的定量表征，揭示血压与平滑肌恢复的分离现象	NA	量化体内动脉主动力学特性，并探究运动后颈动脉平滑肌张力的恢复动态	人体右侧颈总动脉	数字病理学	心血管疾病	超声成像、血压测量	神经网络	超声视频数据	233名志愿者（训练神经网络），10名志愿者（运动测试）	PyTorch	U-Net	空间性能、时间性能	NA
3158	2026-06-15	Multivariable AI-based analysis of immune-lifestyle patterns associated with recurrent pregnancy loss: an exploratory retrospective study 2026-Mar-05, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-38941-6 PMID:41786881	研究论文	基于深度学习的复发性流产免疫-生活方式模式识别探索性回顾研究	首次采用TabNet深度学习模型综合分析免疫和生活方式因素与复发性流产的关联模式	未提及具体局限性信息	构建深度学习模型以识别复发性流产患者的免疫-生活方式模式	复发性流产患者与健康女性的临床和实验室数据	机器学习	复发性流产	NA	TabNet	临床与实验室数据	16818例复发性流产患者与19979例健康女性	PyTorch	TabNet	AUC, 准确率, 精确率, 特异度, 灵敏度	NA
3159	2026-06-15	Application of a Natural Language Processing Framework for Data Extraction From Pathology Reports Across Multiple Cancer Types 2026-Mar-02, Journal of Korean medical science IF:3.0Q1 DOI:10.3346/jkms.2026.41.e79 PMID:41775279	研究论文	开发一个基于自然语言处理的系统，用于自动从多种癌症类型的病理报告中提取关键数据	通过对比多种深度学习架构，选择ClinicalBERT模型实现跨多种癌症类型病理报告的高效数据提取	在远处转移变量上表现较低（F1=0.3889），且未提及模型对罕见或复杂病理变异的适应能力	自动化提取病理报告中的临床和病理特征，以简化数据存储、检索和分析流程	来自胃癌、肝癌、结直肠癌和乳腺癌的病理报告	自然语言处理	胃癌, 肝癌, 结直肠癌, 乳腺癌	NA	ClinicalBERT, BERT, BioBERT, LSTM, CNN	文本	NA	NA	ClinicalBERT, BERT, BioBERT, LSTM, CNN	F1-score	NA
3160	2026-06-15	Impact of Annotation Level on Multisequence MRI Models for Preoperative Microvascular Invasion Prediction in Hepatocellular Carcinoma 2026-Mar, Radiology. Imaging cancer DOI:10.1148/rycan.250407 PMID:41718534	研究论文	评估整合多模态数据的深度学习模型在预测肝细胞癌微血管侵犯中的性能，并研究不同人工标注方法对性能的影响	比较了体素级掩模和边界框两种人工标注方法对多序列MRI深度学习模型预测肝细胞癌微血管侵犯性能的影响，发现边界框标注在保持可比AUC的同时显著提高了标注效率	NA	评估整合多模态数据的深度学习模型在术前预测肝细胞癌微血管侵犯中的性能，并探究不同人工标注方法的影响	来自三家机构的肝细胞癌患者	机器学习	肝癌	MRI	深度学习模型	医学图像	281名患者（平均年龄59.05±11.92岁，238名男性）	NA	NA	AUC, 校准曲线, 决策曲线分析	NA