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
3201	2026-05-15	Two-Step Semiautomated Classification of Choroidal Metastases on MRI: Orbit Localization via Bounding Boxes Followed by Binary Classification via Evolutionary Strategies 2026-Mar-04, AJNR. American journal of neuroradiology DOI:10.3174/ajnr.A8998 PMID:40925681	研究论文	提出一种基于深度学习的两步半自动化框架，在脑部MRI上通过眼眶定位和分类检测脉络膜转移瘤	采用YOLOv5架构进行眼眶定位，结合进化策略的小样本训练方法解决二分类问题，提高小病变检出率	数据集较小（仅33例正常和33例含脉络膜转移瘤样本），且模型无法区分左右眼眶导致平均精确率偏低	利用人工智能区分脑部MRI中正常眼眶与脉络膜转移瘤，提高小病变的检测率	97名患者的T2加权脑部MRI轴位切片（共386张）	计算机视觉	脉络膜转移瘤	MRI	YOLOv5, CNN	图像（脑部MRI轴位切片）	97名患者（386张切片）用于定位网络；66名患者（33例正常+33例转移瘤）用于分类网络	PyTorch	YOLOv5, 进化策略训练的卷积神经网络	准确率, 平均精确率（mAP）, AUC, 灵敏度, 特异度	NA
3202	2026-05-15	Interpreting Deep Learning-Based Prediction of the BRAF V600E Mutation Using Diagnostic Whole Slide Images in Skin Cutaneous Melanoma 2026-03, The American journal of pathology DOI:10.1016/j.ajpath.2025.11.004 PMID:41391751	研究论文	解释深度学习模型在皮肤黑色素瘤全切片图像中预测BRAF V600E突变的结果	通过弱监督深度学习模型XpressO-melanoma的输出来解释其预测BRAF V600E突变状态的形态学合理性，并与病理学家标注进行比较，提出了四种解释类别	模型性能指标（AUC为0.8，精确率和召回率为0.7）显示仍有改进空间，某些感兴趣区域需要标注优化	提高深度学习模型在临床病理学中的可解释性，促进人机协作	皮肤黑色素瘤的诊断全切片图像	数字病理学	皮肤黑色素瘤	H&E染色全切片图像分析	弱监督深度学习模型	图像	未明确说明样本数量	未明确说明	XpressO-melanoma	AUC，精确率，召回率	未明确说明
3203	2026-05-15	Development and validation of a high-resolution hyperspectral imaging system for the retina 2026-Mar, Journal of biomedical optics IF:3.0Q2 DOI:10.1117/1.JBO.31.3.036006 PMID:41858558	研究论文	开发并验证一种用于视网膜的高分辨率高光谱成像系统，可同时提取血管直径和氧合率	结合快照式高光谱相机、高分辨率RGB相机和深度学习泛锐化算法，实现视网膜高分辨率高光谱成像及血管参数同步测量	NA	开发用于视网膜的高分辨率高光谱成像系统	小鼠视网膜及血管	计算机视觉	阿尔茨海默病, 糖尿病视网膜病变, 黄斑变性	高光谱成像	深度学习	图像	小鼠视网膜样本	NA	NA	均方根误差, 相关系数, 光谱角得分, 相对全局无量纲综合误差	NA
3204	2026-05-15	Advancements and Applications of Artificial Intelligence in Hypertrophic Cardiomyopathy: A Comprehensive Review 2026-Mar, Reviews in cardiovascular medicine IF:1.9Q3 DOI:10.31083/RCM44449 PMID:41923713	综述	系统回顾人工智能在肥厚型心肌病数据分析中的应用，重点关注方法学进展和临床实施	全面整合人工智能、机器学习和深度学习技术在心超、心电图和心脏磁共振成像中的应用，推动HCM诊断从经验驱动向数据驱动的范式转变	多源数据标准化不足、模型可解释性有限以及数据隐私问题	系统梳理AI在HCM领域的应用现状并提出向精准医学和个体化管理过渡的路径	肥厚型心肌病相关的临床和影像数据	机器学习	心血管疾病	NA	NA	NA	NA	NA	NA	NA	NA
3205	2026-05-15	Weakly Supervised Teacher-Student Framework with Progressive Pseudo-mask Refinement for Gland Segmentation 2026-Mar, Journal of clinical and translational pathology DOI:10.14218/jctp.2025.00055 PMID:42125533	研究论文	提出了一种弱监督师生框架，通过渐进式伪掩膜细化实现腺体分割	创新性地结合了指数移动平均稳定的教师网络、基于置信度的过滤、自适应融合和课程引导细化，实现了从稀疏标注中生成高质量伪掩膜并分割未标注腺体区域	在SPIDER数据集上因显著域偏移导致性能下降	开发一种标注高效且泛化能力强的腺体分割方法，减少对大规模像素级标注的依赖	结直肠癌组织病理学图像中的腺体结构	数字病理学	结直肠癌	H&E染色全切片成像	CNN	图像	60张来自俄亥俄州立大学韦克斯纳医学中心的H&E染色全切片图像，以及Gland Segmentation数据集、TCGA-COAD、TCGA-READ和SPIDER公开数据集	PyTorch	教师-学生网络	平均交并比（mIoU）、Dice系数	NA
3206	2026-05-15	Improving Colorectal Cancer Screening and Risk Assessment through Predictive Modeling on Medical Images and Records 2026-02, The American journal of pathology DOI:10.1016/j.ajpath.2025.09.016 PMID:41109668	研究论文	通过医学图像和记录预测结直肠癌筛查与风险评估	利用多模态融合策略将临床记录与深度学习图像特征结合，并引入中间临床变量预测改进5年进展风险预测性能	AUC值相对较低（最高0.672），可能需进一步优化模型和扩大样本量	结合病理图像与临床记录提升结直肠癌进展风险预测准确性	结肠镜检查患者	数字病理学	结直肠癌	数字病理学	Transformer	病理图像、临床记录	新罕布什尔结肠镜登记处的长期随访数据	PyTorch	Transformer	AUC	NA
3207	2026-05-15	Learning inherent genetic patterns and trait associations with deep generative models for discrete genotype simulation 2026-01-21, GigaScience IF:11.8Q1 DOI:10.1093/gigascience/giag044 PMID:41980277	研究论文	探索使用深度生成模型模拟离散基因型数据，并在无条件与表型条件下评估模型性能	首次系统评估变分自编码器、扩散模型和生成对抗网络在离散基因型数据生成中的适用性，并针对数据离散特性提出适应性改进	未明确讨论模型对罕见变异或群体遗传结构偏差的鲁棒性	评估深度生成模型在基因型数据模拟及基因型-表型关联保持方面的能力	牛的全染色体和人类多个染色体的基因型数据	机器学习	NA	基因型模拟	变分自编码器、扩散模型、生成对抗网络	基因型数据	牛的全染色体和人类多个染色体的数据集	NA	变分自编码器、扩散模型、生成对抗网络	深度学习指标和数量遗传学指标	NA
3208	2026-05-15	SenSeqNet: A Deep Learning Framework for Cellular Senescence Detection From Protein Sequences 2026-01, Aging cell IF:8.0Q1 DOI:10.1111/acel.70344 PMID:41432347	研究论文	SenSeqNet是一个基于蛋白质序列预测细胞衰老的深度学习框架，利用ESM-2嵌入和混合LSTM-CNN架构，实现了高准确率和生物学一致性	首次将ESM-2蛋白质语言模型嵌入与混合LSTM-CNN架构结合，直接从蛋白质序列预测细胞衰老状态，避免了传统实验方法的时间消耗和规模化难题，且模型捕捉到生物学上一致的调控程序	论文摘要未提及具体局限性	开发从蛋白质序列直接检测细胞衰老的深度学习工具，以加速衰老机制研究和治疗靶点发现	蛋白质序列及相关细胞衰老基因	机器学习	老年性疾病	蛋白质序列分析	混合LSTM-CNN	蛋白质序列	NA	NA	ESM-2, LSTM, CNN	准确率	NA
3209	2026-05-15	Recent advances in computational antimicrobial peptide discovery through big data, modeling, and artificial intelligence and their interplay in ushering the next golden era of drug development 2026, Frontiers in bioinformatics IF:2.8Q2 DOI:10.3389/fbinf.2026.1749404 PMID:41923798	综述	通过大数据、建模和人工智能计算方法的综合运用，综述了它们在抗菌肽发现中的最新进展及其在推动药物开发新时代中的作用	首次系统性地整合计算策略，强调不同方法间的协同作用，并批判其局限性，填补了现有文献中方法孤立介绍的空白	未明确提及具体局限性，但隐含挑战包括序列空间巨大、平衡功效与低毒性的困难以及各方法整合中的技术壁垒	统一计算策略，揭示研究方法间的协同效应，促进高效抗菌肽发现以应对抗生素耐药性危机	抗菌肽及其作为传统抗生素替代品的发现方法	机器学习	抗生素耐药性相关感染性疾病	分子对接、分子动力学模拟、拉伸分子动力学、机器学习、深度学习	生成模型	基因组和宏基因组数据	不适用	不适用	不适用	不适用	不适用
3210	2026-05-15	Artificial intelligence for traumatic brain injury imaging: a translational review from algorithm development to clinical implementation 2026, Frontiers in neurology IF:2.7Q3 DOI:10.3389/fneur.2026.1798780 PMID:41923870	综述	系统总结人工智能在创伤性脑损伤影像学中的转化路径，涵盖算法开发到临床实践	首次系统整合AI从算法开发到临床实施的全转化路径，提出AI衍生影像生物标志物在治疗试验中作为替代终点的潜力	缺乏高质量随机对照试验证明AI直接改善患者预后结局，现有研究主要聚焦诊断指标优化而非患者中心结果	梳理AI在TBI神经影像学中的转化应用现状，识别临床实施的关键挑战与未来方向	创伤性脑损伤患者的CT影像数据及AI分析模型	机器学习	创伤性脑损伤	NA	卷积神经网络	CT影像	NA	NA	卷积神经网络	灵敏度	NA
3211	2026-05-15	Deep learning generative model for conditional crystal structure prediction of sodium amide 2026, npj computational materials IF:9.4Q1 DOI:10.1038/s41524-026-01994-2 PMID:41923897	研究论文	提出一种基于深度学习的生成框架，用于在晶体学约束下预测氨基钠（NaNH）的高压相结构，并成功识别出高压β相	首次将实验信息（晶格参数和空间群对称性）引入深度学习的晶体结构生成，结合能量导向扩散采样实现低焓候选结构预测	方法依赖实验晶格参数和对称性约束，对完全未知结构的预测能力有限；仅以氨基钠为案例验证，泛化性需进一步测试	开发一种通用策略，用于解析实验中观察到但结构未知的复杂离子材料的高压相	氨基钠（NaNH）的高压晶体结构及其相变机制	深度学习	不适用	同步辐射X射线衍射	生成模型（能量导向扩散模型）	晶体学参数（晶格参数、空间群对称性）	1种材料（氨基钠）的多个高压相候选结构	PyTorch	扩散模型	生成结构的焓值、与实验X射线衍射图谱的匹配度	不适用
3212	2026-05-15	Improved YOLOv7 enhances identification of Hylurgus ligniperda in traps 2026, Frontiers in plant science IF:4.1Q1 DOI:10.3389/fpls.2026.1740965 PMID:41923932	研究论文	改进YOLOv7模型用于自动化识别红毛松树皮甲虫，提升监测效率	将YOLOv7的骨干特征提取网络替换为更轻量高效的EfficientNetV2-S，并采用Focal Loss损失函数缓解类别不平衡问题，在保持速度与精度的同时实现模型轻量化	未提及具体局限性	开发一种自动化、高效、准确的方法，用于识别和量化自然环境中体型小、分布密、姿态多变的长林小蠹，以支持森林害虫监测与预警	红毛松树皮甲虫（Hylurgus ligniperda）在诱捕器中的图像	计算机视觉	林业虫害	深度学习	YOLOv7	图像	诱捕器内害虫图像数据集（具体数量未提及）	PyTorch	EfficientNetV2-S	平均精度均值	未提及
3213	2026-05-15	Fully autonomous tuning of a spin qubit 2026, Nature electronics IF:33.7Q1 DOI:10.1038/s41928-025-01562-4 PMID:41924173	研究论文	报告了从接地设备到拉比振荡的全自主半导体自旋量子比特调谐过程	将深度学习、贝叶斯优化和计算机视觉技术相结合，首次实现半导体量子比特的全自动调谐	仅针对锗硅核壳纳米线器件进行了演示，尚未验证其他类型器件的适用性	开发可自主调谐半导体量子比特的算法，以应对大型量子电路调谐和操作的复杂性	锗硅核壳纳米线器件中的自旋量子比特	机器学习	NA	NA	NA	图像、数值参数	单个锗硅核壳纳米线器件	NA	NA	拉比频率、g因子	NA
3214	2026-05-15	GeneCytNet: an interpretable deep learning framework for rheumatoid arthritis classification and in silico cytokine perturbation modeling 2026, Frontiers in immunology IF:5.7Q1 DOI:10.3389/fimmu.2026.1738625 PMID:41924282	研究论文	提出一个可解释的深度学习框架GeneCytNet，用于类风湿关节炎分类和细胞因子扰动计算机模拟	首次整合变分自编码器与图注意力网络，并引入计算机模拟细胞因子扰动实验以提供机制性解释	基于合成队列数据，临床验证尚需真实样本支持	开发可解释的深度学习模型，实现类风湿关节炎高准确度诊断并生成可验证的生物学假设	类风湿关节炎患者与健康对照样本的转录组数据	机器学习，计算生物学	类风湿关节炎	RNA-seq	变分自编码器，图注意力网络	转录组数据	240例RA和120例健康对照训练集，100例RA和50例对照独立验证集，每样本15000个基因特征	NA	变分自编码器，图注意力网络	AUC，准确率， F1分数	NA
3215	2026-05-15	A vision transformer-radiomics approach for enhanced chemotherapy outcome prediction in ovarian cancer 2026, Frontiers in radiology DOI:10.3389/fradi.2026.1702977 PMID:41924357	研究论文	提出一种结合视觉Transformer嵌入和放射组学特征的方法，用于预测卵巢癌化疗反应	创新性地融合了预训练视觉Transformer（ViT）嵌入、医学基础模型MedSAM嵌入和传统放射组学特征，通过LASSO特征选择和SVM分类器进行多模态影像特征集成	样本量较小（182例），为单中心回顾性研究；模型在外部验证集上的表现尚未评估	提高卵巢癌化疗反应的早期预测准确性，支持个性化治疗决策	182例卵巢癌患者治疗前的CT影像	计算机视觉, 机器学习, 数字病理学	卵巢癌	CT成像	视觉Transformer（ViT）, MedSAM	医学影像（CT图像）	182例卵巢癌患者	Scikit-learn	Vision Transformer (ViT), MedSAM, SVM	AUC, 分类准确率	NA
3216	2026-05-15	Rapid Detection and Diagnosis of Patients with Plantar Fasciitis Based on Integrated YOLOv12n and ResNet34 Framework Using Magnetic Resonance Imaging 2026, Journal of multidisciplinary healthcare IF:2.7Q2 DOI:10.2147/JMDH.S584650 PMID:41924418	研究论文	基于磁共振影像，融合YOLOv12n和ResNet34框架实现足底筋膜炎的快速检测与诊断	首次将YOLOv12n与ResNet34集成，构建全自动、高效的深度学习诊断系统，用于磁共振影像中足底筋膜炎的自动识别，无需人工干预	数据集来自单一中心，需要在多中心队列中进行外部验证以确认模型的泛化能力	开发一种全自动、计算高效的基于深度学习的系统，利用磁共振成像识别足底筋膜炎	足底筋膜炎患者和健康对照组的磁共振影像	数字病理学	足底筋膜炎	磁共振成像	卷积神经网络	图像	123例足底筋膜炎患者和150例对照组的磁共振影像	NA	YOLOv12n, ResNet34	mAP50, 准确率	NA
3217	2026-05-15	Machine learning in cancer imaging for enhanced precision in diagnosis and therapy 2026, Discover computing DOI:10.1007/s10791-026-10078-0 PMID:41924555	综述	探讨机器学习在癌症影像中提升诊断和治疗精度的应用	全面综述机器学习在癌症影像中的关键应用，包括可解释AI、联邦学习和量子计算等新兴解决方案	数据稀缺、模型偏见和监管障碍限制了临床采用	探讨机器学习在癌症影像中提升诊断和治疗精度的应用及挑战	癌症影像中的机器学习技术及其临床应用	机器学习	癌症	NA	深度学习	影像	NA	NA	NA	NA	NA
3218	2026-05-15	A deep learning model based on multiphase DCE-MRI for preoperative prediction of Ki-67 expression in breast cancer 2026, Frontiers in oncology IF:3.5Q2 DOI:10.3389/fonc.2026.1776121 PMID:41924598	研究论文	基于多相DCE-MRI的深度学习模型用于术前预测乳腺癌Ki-67表达	结合多相DCE-MRI的DenseNet-121模型与梯度提升决策树，实现非侵入性Ki-67表达预测，并利用Grad-CAM和SHAP增强模型可解释性	未在独立外部数据集验证，回顾性研究设计，样本量相对有限	开发并验证基于多相DCE-MRI的深度学习模型，无创准确预测乳腺癌中Ki-67表达水平	404名接受术前DCE-MRI检查的乳腺癌患者的影像数据	计算机视觉	乳腺癌	DCE-MRI（动态对比增强磁共振成像）	深度学习模型（CNN）与梯度提升决策树	图像	404例乳腺癌患者（训练集282例，测试集122例）	PyTorch	DenseNet-121，梯度提升决策树（GBDT）	AUC	NA
3219	2026-05-15	Systematic review of AI-based models in pharmacoepidemiology for adverse drug event prediction and detection 2026, Frontiers in drug safety and regulation DOI:10.3389/fdsfr.2026.1773186 PMID:41924717	系统综述	系统综述基于真实世界临床数据使用人工智能方法预测和检测药物不良事件的研究现状	系统性地绘制了药物流行病学中基于人工智能的ADEs预测与检测方法学图谱，揭示了当前方法的异质性和不足	外部队列或时间验证很少进行，可解释性方法应用不一致，缺乏标准化基准，报告实践差异大	系统性地描述当前用于检测或预测药物不良事件的基于人工智能的方法	15项符合纳入标准的研究	机器学习	药物不良事件	NA	树集成模型（随机森林、XGBoost）、正则化回归、深度学习	结构化电子健康记录、行政索赔数据	281篇记录筛选，15项研究符合纳入标准	NA	随机森林、XGBoost、正则化回归、深度学习架构	NA	NA
3220	2026-05-15	TFFBN-HDLF: a hybrid deep learning framework based on time-frequency functional brain networks for epileptic seizure detection 2026, Frontiers in medicine IF:3.1Q1 DOI:10.3389/fmed.2026.1788516 PMID:41924753	研究论文	提出一个名为TFFBN-HDLF的混合深度学习框架，用于基于脑电图检测老年癫痫发作	通过结合皮尔逊相关系数和相位滞后指数构建二维时频融合功能脑网络，并开发了结合CNN与增强Transformer模块的混合深度架构SeizureTransNet，能够动态选择和整合多尺度时空特征	未在更广泛或更多样化的老年人群数据集中验证，且可能对计算资源要求较高	提高人工智能辅助监测老年癫痫发作的可靠性和诊断准确性	基于脑电图（EEG）的老年癫痫发作检测	机器学习	癫痫	脑电图（EEG）	CNN, Transformer	脑电图信号	CHB-MIT数据集和Siena数据集	NA	SeizureTransNet（结合CNN和增强Transformer模块）	准确率（Accuracy），AUC	NA