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
301	2026-04-11	A simulation-based deep learning framework for spatially explicit malaria modeling of CRISPR suppression gene drive mosquitoes 2026-Apr-17, iScience IF:4.6Q1 DOI:10.1016/j.isci.2026.115221 PMID:41890961	研究论文	本研究开发了一个基于模拟的深度学习框架，用于空间显式建模CRISPR抑制基因驱动蚊子对疟疾的影响	结合个体建模与深度学习，高效分析多参数对基因驱动效果的影响，揭示了不完美驱动仍可能消除疟疾的潜力	未明确说明模型在真实世界数据上的验证情况，且计算需求可能仍较高	预测CRISPR基因驱动释放对疟疾传播的影响，优化蚊虫抑制策略	CRISPR基因驱动蚊子及其对疟疾传播的调控	机器学习	疟疾	CRISPR基因驱动技术，个体建模	深度学习模型	模拟数据	NA	NA	NA	NA	NA
302	2026-04-11	RaMoA: Raman Microspectroscopy and Deep Learning for the Classification of Antimicrobial Mechanism of Action 2026-Apr-10, ACS infectious diseases IF:4.0Q1 DOI:10.1021/acsinfecdis.5c00917 PMID:41824399	研究论文	本文提出了一种结合拉曼显微光谱和深度学习的新技术，用于分类抗菌药物的作用机制并预测其新颖性	首次将拉曼显微光谱与深度学习结合，用于抗菌药物作用机制的分类和新颖性预测，实现了高精度分类和未知机制识别	研究仅基于大肠杆菌ATCC 25922野生型菌株，且处理时间固定为1小时，样本多样性和时间动态性有限	开发一种基于拉曼光谱和深度学习的技术，以快速分类抗菌药物的作用机制并评估其新颖性	大肠杆菌ATCC 25922野生型菌株，使用27种代表5类传统功能（细胞壁合成抑制剂、蛋白质合成抑制剂、DNA复制抑制剂、RNA合成抑制剂、细胞膜功能抑制剂）的抗生素处理	机器学习	NA	拉曼显微光谱	CNN, 自编码器	拉曼光谱	27种抗生素处理的大肠杆菌样本，代表5类作用机制	NA	1D 卷积神经网络, 自编码器	准确率	NA
303	2026-04-11	A diffusion-based framework for designing molecules in flexible protein pockets 2026-Apr-10, Science advances IF:11.7Q1 DOI:10.1126/sciadv.aeb7045 PMID:41950314	研究论文	本文提出了一种基于扩散的框架YuelDesign，用于在柔性蛋白质口袋中设计分子，以解决结构基药物发现中的挑战	YuelDesign首次联合建模蛋白质口袋结构和配体构象，通过双扩散过程迭代优化几何和化学特性，并利用E3former保持旋转和平移等变性	NA	开发一种能够处理蛋白质柔性口袋的分子设计框架，以改进药物发现过程	蛋白质-配体复合物，特别是具有柔性口袋的蛋白质	机器学习	NA	扩散模型	扩散模型	蛋白质口袋结构和配体构象数据	NA	NA	E3former, 阐明扩散模型, 离散去噪扩散概率模型	药物相似性, 合成复杂性, 化学官能团多样性, 对接能量	NA
304	2026-04-11	The impact of data consistency on deep learning models for nasopharyngeal cancer organ auto-segmentation 2026-Apr-10, Biomedical physics & engineering express IF:1.3Q3 DOI:10.1088/2057-1976/ae596e PMID:41916328	研究论文	本研究探讨了标注一致性对基于深度学习的鼻咽癌放疗中危及器官自动勾画性能的影响	揭示了标注一致性比数据集规模对自动勾画性能更具决定性影响，并展示了通过医师特定微调可弥补领域适应差距	研究仅基于CT扫描数据，未考虑其他影像模态；样本来源和标注医师的多样性可能有限	研究标注一致性如何影响深度学习模型在鼻咽癌放疗中危及器官自动勾画的性能	鼻咽癌患者的CT扫描图像及对应的危及器官勾画	数字病理	鼻咽癌	CT扫描	CNN	图像	1,301例鼻咽癌患者CT扫描，其中65例由医师A勾画，76例由医师B勾画，1,160例由多医师团队勾画	NA	U-Net	Dice相似系数	NA
305	2026-04-11	Artificial intelligence augmented imaging of pancreatic fluid collections in acute pancreatitis 2026-Apr-10, Indian journal of gastroenterology : official journal of the Indian Society of Gastroenterology IF:2.0Q3 DOI:10.1007/s12664-026-01979-5 PMID:41957213	综述	本文综述了人工智能在增强急性胰腺炎中胰腺液体积聚成像方面的应用，包括分割、图像生成、预后预测和工作流优化	利用深度学习和放射组学技术，自动化分割胰腺及液体积聚，客观量化坏死碎片，并加速MRI采集时间，可能生成合成图像	临床整合面临挑战，如数据标准化、算法验证和实际工作流适应性问题	探讨人工智能如何改进胰腺液体积聚的成像诊断和管理，以克服传统成像方法的局限性	急性胰腺炎患者的胰腺液体积聚	数字病理学	胰腺炎	深度学习, 放射组学	深度学习模型	医学影像数据（如CT、MRI）	NA	NA	NA	NA	NA
306	2026-04-11	Deep learning-based pathomics signature predicts prognosis and treatment response in gastric cancer: a multicenter retrospective study 2026-Apr-10, NPJ precision oncology IF:6.8Q1 DOI:10.1038/s41698-026-01381-6 PMID:41957258	研究论文	本研究开发了一种基于深度学习的病理组学特征（PS），用于预测胃癌患者的预后和治疗反应	提出了多尺度图神经网络与门控注意力机制的多实例学习模型（MS-GMIL），直接从H&E切片构建预后预测模型，并整合转录组数据解析病理生理机制	回顾性研究设计，需前瞻性验证；多中心数据可能存在异质性	建立能够预测胃癌预后和治疗反应的病理组学特征	胃癌患者的H&E病理切片和转录组数据	数字病理学	胃癌	H&E染色病理切片分析，转录组测序	图神经网络，多实例学习	病理图像，转录组数据	多中心回顾性队列（具体数量未在摘要中说明）	NA	多尺度图神经网络与门控注意力机制（MS-GMIL）	预后预测准确性，治疗反应预测	NA
307	2026-04-11	Vessel Wall Imaging at 7T: State of the Art 2026-Apr-09, AJNR. American journal of neuroradiology DOI:10.3174/ajnr.A9065 PMID:41136333	综述	本文综述了7T磁共振颅内血管壁成像的技术发展、临床应用及未来潜力	总结了7T-MRI在血管壁成像中的关键技术进步，包括脉冲序列开发和CSF抑制技术的整合，并探讨了深度学习重建等创新方向	面临B1场不均匀性和缺乏标准化协议等挑战	评估7T-MRI在神经血管疾病诊断中的应用价值与进展	颅内血管壁，特别是中、小口径血管	数字病理学	脑血管疾病	7T-MRI, 磁化准备反转恢复涡轮自旋回波, 采样完美与应用优化对比度序列, Cube序列	NA	磁共振图像	NA	NA	NA	NA	NA
308	2026-04-11	Hyperspectral imaging-driven detection of neutraliser adulteration in milk using spatial-spectral features 2026-Apr-09, Food additives & contaminants. Part A, Chemistry, analysis, control, exposure & risk assessment DOI:10.1080/19440049.2026.2653543 PMID:41955473	研究论文	本研究提出了一种结合新型光谱指数和空间导数特征的混合方法，利用高光谱成像和机器学习来检测牛奶中的中和剂掺假	提出了一种结合新型光谱指数（基于纯中和剂在650-975 nm范围的反射率曲线开发）和二阶空间导数特征的混合方法，以增强检测精度	NA	检测和分类牛奶中的中和剂（如碳酸钠和碳酸氢钠），以确保牛奶质量和消费者安全	新鲜牛奶和掺有不同浓度中和剂（每100 ml牛奶添加0.025 g、0.05 g和0.075 g）的牛奶样本	机器视觉	NA	高光谱成像	XGBoost, Random Forest	高光谱图像	NA	NA	NA	准确率	NA
309	2026-04-11	Deep learning-driven recognition of panoramic tumor microenvironment features in H&E sections and its application 2026-Apr-09, Journal for immunotherapy of cancer IF:10.3Q1 DOI:10.1136/jitc-2025-014429 PMID:41956540	综述	本文综述了基于深度学习的全景肿瘤微环境特征识别在H&E切片中的应用及其临床转化潜力	整合全切片成像技术与深度学习算法，实现肿瘤微环境中细胞、空间和分子异质性的自动表征，为精准诊断和治疗预测提供综合视角	存在技术转化和临床应用中的当前限制，如观察者间变异性和分析效率问题	探讨深度学习驱动的全景肿瘤微环境特征识别技术在肿瘤学研究和临床应用中的进展与潜力	H&E染色的组织切片中的肿瘤微环境，包括肿瘤细胞、基质细胞、免疫细胞和血管网络等	数字病理学	肿瘤	全切片成像技术	深度学习	图像	NA	NA	NA	NA	NA
310	2026-04-11	Improved tumor-only variant calling and mutation burden estimation with VarNet-T 2026-Apr-09, Nature communications IF:14.7Q1 DOI:10.1038/s41467-026-71705-4 PMID:41957035	研究论文	本文介绍了一种名为VarNet-T的端到端弱监督深度学习框架，用于在没有匹配正常样本的情况下从肿瘤测序数据中准确识别体细胞变异	开发了首个无需匹配正常样本的端到端弱监督深度学习框架，用于体细胞变异检测，相比现有方法性能提升20-33%	未明确提及具体局限性，但可能依赖于训练数据质量和覆盖范围	提高无匹配正常样本情况下肿瘤体细胞变异检测和肿瘤突变负荷估计的准确性	肿瘤测序数据中的体细胞变异	机器学习	多种实体癌	全基因组测序	深度学习	测序数据	1000个肿瘤样本，涵盖10种实体癌类型	NA	VarNet-T	准确性，肿瘤突变负荷高状态分类准确性	NA
311	2026-04-11	Non-invasive endometriosis staging prediction using integrated radiomics and spatiotemporal transformer model based on dynamic contrast-enhanced MRI 2026-Apr-09, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-41499-y PMID:41957071	研究论文	本文提出了一种结合放射组学和时空Transformer模型的计算框架，用于基于动态对比增强MRI对子宫内膜异位症进行非侵入性分期预测	开发了一种双路径架构，通过跨模态注意力机制将工程化放射组学特征的可解释性与时空Transformer的表征能力相结合，并采用自适应权重调整特征贡献	该框架对治疗决策的最终影响需要进一步的回顾性评估	实现子宫内膜异位症的精确非侵入性分期预测，以支持术前风险分层	子宫内膜异位症患者	计算机视觉	子宫内膜异位症	动态对比增强磁共振成像	Transformer	图像	486例手术确诊病例（多机构队列）和127例回顾性患者（外部中心验证）	NA	时空Transformer	准确率, 宏平均F1分数	NA
312	2026-04-11	Deep learning-based high-speed railway communication systems 2026-Apr-09, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-46758-6 PMID:41957081	研究论文	本文研究了两种基于深度学习的数据驱动框架，以提升高速铁路无线通信系统在动态传播条件下的通信质量并降低误码概率	提出了两种深度学习框架：一种使用深度神经网络学习信道行为，避免传统时域信道估计方案的限制性假设和预定义插值模型；另一种采用自编码器/解码器架构替代传统处理单元，从数据集中获取先验信息	NA	增强高速铁路无线通信系统在严重多普勒频移和快速时变多径环境下的通信质量与可靠性	高速铁路无线通信系统，特别是长期演进铁路通信系统	机器学习	NA	深度学习	DNN, Autoencoder	无线通信信号数据	NA	NA	深度神经网络, 自编码器/解码器	误码概率, 检测性能	NA
313	2026-04-11	FedLiverNet: a federated learning framework for privacy-preserving and efficient liver cancer detection 2026-Apr-09, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-46244-z PMID:41957078	研究论文	本文提出了一种名为FedLiverNet的联邦学习框架，用于隐私保护和高效的肝癌检测与分割	结合了改进的U-Net架构、差分隐私聚合、聚类联邦学习及本地自适应，以在异构数据分布下提升性能并降低通信成本	基于模拟实验，未在真实多中心临床环境中验证	开发一个通信高效且隐私保障的肝脏和肿瘤分割系统，用于多中心肝癌检测	肝脏和肿瘤的CT图像分割	数字病理学	肝癌	计算机断层扫描	U-Net	图像	NA	NA	U-Net	Dice系数	NA
314	2026-04-11	Fusing non-textual cues with classical NLP for enhanced multimodal fake news spread detection 2026-Apr-09, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-45735-3 PMID:41957109	研究论文	本文提出了一种新颖的多模态深度学习架构，用于通过整合非文本线索和深度文本特征来增强假新闻检测	引入多模态融合方法，结合统计特征、行为特征、字符级特征和词级语义特征，并使用多头自注意力机制动态加权融合	未提及模型在跨领域或实时检测中的泛化能力，也未讨论计算复杂度或可扩展性限制	开发自动化且准确的假新闻检测系统，以应对社交媒体上日益增长的虚假信息传播	社交媒体上的新闻内容，包括文本、统计特征和行为特征	自然语言处理	NA	多模态深度学习，特征工程，Word2Vec	深度学习，多头自注意力机制	文本，统计特征，行为特征	使用GossipCop和PolitiFact两个数据集，具体样本数量未提及	未明确指定，可能为TensorFlow或PyTorch	多头自注意力机制，SoftMax分类器	准确率，F1分数	未提及
315	2026-04-11	Explainable deep learning-based lung cancer diagnosis using clinically-guided local interpretable model-agnostic explanations 2026-Apr-09, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-44127-x PMID:41957146	研究论文	本研究提出了一种基于自适应超像素扰动的局部可解释模型无关解释框架，用于提高深度学习模型在肺癌诊断中的可解释性	提出了ASP-LIME框架，通过引入自适应超像素分割、分层扰动策略、肺部区域掩码和针对医学影像的后处理增强，改进了原始LIME方法，能生成更忠实和定位准确的解释	NA	开发准确且可解释的肺癌诊断工具	肺癌	计算机视觉	肺癌	医学影像分析	CNN	图像	NA	NA	MedDeepNet	准确率, 召回率, 精确率, 特异性, F1分数, 删除分数, 插入分数, 扰动曲线间面积	NA
316	2026-04-11	Machine-enhanced reconstruction of functional connectomes unravels discriminative brain sub-systems in health and disease 2026-Apr-09, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-47391-z PMID:41957158	研究论文	本文提出了一种基于几何深度学习和可解释人工智能的功能性剪枝方法，用于从fMRI数据中重建功能脑网络，以区分健康个体和自闭症谱系障碍患者	引入功能性剪枝方法，基于连接在区分健康与患病个体中的集体重要性而非个体统计显著性来保留连接，利用几何深度学习学习网络表示，并通过XAI工具识别最具区分性的子网络	方法主要应用于fMRI数据和自闭症谱系障碍，在其他脑疾病或复杂系统中的普适性需进一步验证	开发一种改进的功能脑网络重建方法，以更好地识别脑疾病相关的生物标志物	健康个体和自闭症谱系障碍患者的fMRI数据	机器学习	自闭症谱系障碍	功能磁共振成像	几何深度学习	图像	NA	NA	NA	NA	NA
317	2026-04-11	AI-driven integration of Framingham Heart Study data with machine learning, deep learning, and explainable AI for enhanced pharmaceutical marketing 2026-Apr-09, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-45770-0 PMID:41957161	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
318	2026-04-11	Predicting mild familial exudative vitreoretinopathy with autosomal dominant inheritance using deep learning 2026-Apr-09, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-48051-y PMID:41957171	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
319	2026-04-11	Intraoperative video-based artificial intelligence model exceeding surgeon accuracy for predicting severe fibrosis in minimally invasive liver surgery 2026-Apr-09, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-47518-2 PMID:41957239	研究论文	本研究开发了一种基于术中视频的深度学习模型，用于预测肝细胞癌患者中的严重肝纤维化，其准确性超过了外科医生的视觉评估和传统非侵入性评分	首次利用术中肝脏表面视频图像，通过深度学习模型实现了对严重肝纤维化的自动诊断，其性能优于经验丰富的外科医生视觉评估和常规血液指标	这是一项单中心回顾性研究，样本量有限，需要前瞻性多中心验证来确认模型的普适性和临床影响	开发并评估一种基于深度学习的方法，用于术中准确预测肝细胞癌患者的严重肝纤维化，以辅助手术决策	接受微创肝切除术的肝细胞癌患者	计算机视觉	肝细胞癌	深度学习，视频帧分析	CNN	视频图像	103名患者	NA	DenseNet-121	AUROC, 敏感性, 特异性, F1分数	NA
320	2026-04-11	High-precision automated grading of flue-cured tobacco leaves based on hierarchical feature fusion 2026-Apr-09, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-45252-3 PMID:41957429	研究论文	本文提出了一种基于分层特征融合的深度学习框架，用于实现烤烟叶片的高精度自动化分级	提出了一种新颖的深度学习框架，该框架集成了多个预训练架构，并结合了卷积块注意力模块和具有可学习注意力权重的分层特征融合模块，以自适应地结合低层、中层和高层特征，从而有效捕获多尺度互补特征	NA	解决传统人工分级主观、低效、劳动密集型以及现有深度学习方法难以捕获多尺度互补特征导致分级精度有限的问题，实现烤烟叶片的高精度自动化分级	烤烟叶片	计算机视觉	NA	深度学习	CNN	图像	NA	NA	NA	准确率	NA