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
3361	2026-04-04	Deep learning-based image reconstruction significantly improves image quality of MRI examinations of the orbit at 3 Tesla 2026-Apr, Diagnostic and interventional imaging IF:4.9Q1 DOI:10.1016/j.diii.2025.11.003 PMID:41276422	研究论文	本研究评估了基于深度学习的图像重建（DLBIR）在3特斯拉轨道磁共振成像（MRI）中改善图像质量的效果	首次在3特斯拉轨道MRI中系统评估DLBIR技术对图像质量的提升效果，并验证其在保持临床相关信息不丢失的同时显著改善图像质量	样本量相对较小（71名患者），且仅评估了特定MRI序列（冠状T2加权和对比后脂肪饱和T1加权图像），未涵盖所有可能的MRI序列或场强	评估DLBIR技术在轨道MRI中改善图像质量的效益	71名接受3特斯拉轨道MRI检查的患者（48名女性，23名男性，平均年龄52±19.5岁）	医学影像分析	轨道疾病	磁共振成像（MRI），基于深度学习的图像重建（DLBIR）	深度学习模型	磁共振图像	71名患者，包括70名患者的冠状T2加权MR图像和25名患者的对比后脂肪饱和冠状T1加权MR图像	NA	NA	信噪比（SNR），对比噪声比（CNR），图像质量评分（5点Likert量表），异常检测率	NA
3362	2026-04-04	Accurate single-domain scaffolding of three nonoverlapping protein epitopes using deep learning 2026-Apr, Nature chemical biology IF:12.9Q1 DOI:10.1038/s41589-025-02083-z PMID:41350440	研究论文	本研究利用深度学习设计了一种能够同时呈现三个非重叠病毒表位的单域蛋白质支架	首次使用深度学习方法在单个小分子蛋白质域（小于130个残基）中同时成功支架三个不同的、不规则的病毒表位，且整体折叠与已知蛋白质结构库中的结构相似度极低	未明确说明深度学习模型的具体泛化能力及对其他蛋白质复合表位设计的适用性	开发一种能够同时呈现多个功能性位点的单域蛋白质设计方法	呼吸道合胞病毒（RSV）的三个非重叠、不规则表位	机器学习	呼吸道合胞病毒感染	深度学习，X射线晶体学	生成式深度学习模型	蛋白质序列与结构数据	未明确说明具体样本数量，但涉及设计的多个单域免疫原	NA	NA	交叉反应滴度，中和反应	NA
3363	2026-04-04	Super-resolution deep learning reconstruction improves brain MRI quality and detection of metastases 2026-Apr, Japanese journal of radiology IF:2.9Q2 DOI:10.1007/s11604-025-01921-3 PMID:41366626	研究论文	本研究评估了超分辨率深度学习重建（SR-DLR）与传统深度学习重建（DLR）在对比增强T1加权脑部MRI中检测和可视化脑转移瘤的性能	首次在脑转移瘤检测中比较SR-DLR与DLR，证明SR-DLR在病灶检测性能和图像质量方面具有显著优势	回顾性研究设计，样本量相对较小（47例患者），可能影响结果的普遍性	评估SR-DLR在提高脑部MRI质量和脑转移瘤检测能力方面的效果	脑转移瘤患者	数字病理学	脑转移瘤	MRI	深度学习重建模型	MRI图像	47例连续患者，共检测到117个脑转移瘤	NA	NA	JAFROC分析，Wilcoxon符号秩检验，McNemar检验，配对t检验，FWHM，ERD，ERS，SNR，CNR	NA
3364	2026-01-06	Deep learning-based image reconstruction best contributes to image quality enhancement under close expert supervision 2026-Apr, Diagnostic and interventional imaging IF:4.9Q1 DOI:10.1016/j.diii.2025.12.006 PMID:41486036	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
3365	2026-04-04	External validation of an explainable electrocardiogram-only deep learning algorithm for the prediction of response after cardiac resynchronization therapy 2026-Apr, Heart rhythm IF:5.6Q1 DOI:10.1016/j.hrthm.2026.01.014 PMID:41525968	研究论文	本研究外部验证了一种仅基于心电图的可解释深度学习算法（FactorECG算法），用于预测心脏再同步化治疗后的无应答情况	首次在外部队列中验证了仅使用心电图数据的可解释深度学习算法在预测CRT无应答方面的泛化能力，并探索了结合机械不同步指标的价值	外部验证队列样本量较小（仅161例患者），且仅针对容积无应答进行了验证，未涵盖临床结局	验证可解释深度学习算法在预测心脏再同步化治疗应答方面的有效性和泛化性	接受心脏再同步化治疗的心力衰竭患者	机器学习	心血管疾病	心电图分析	深度学习算法	心电图	外部验证队列：161例患者；原始训练数据：>100万次心电图中间搏动	NA	FactorECG算法	C统计量	NA
3366	2026-04-04	Topological control of spontaneous failure in active nematic solids 2026-Apr, Nature materials IF:37.2Q1 DOI:10.1038/s41563-026-02493-x PMID:41741734	研究论文	本研究通过实验和模型揭示了拓扑缺陷在活性向列固体中如何集中内应力并控制自发断裂的机制	发现了多缺陷构型（特别是缺陷四极子）在活性固体断裂中的关键作用，并建立了深度学习模型从初始拓扑结构预测最终星状体形成	NA	探究拓扑缺陷如何控制活性向列固体的自发机械失效	重构的二维肌动球蛋白网络	机器学习	NA	NA	深度学习模型	实验数据	NA	NA	NA	NA	NA
3367	2026-04-04	Structuring large language models for chemical health risk reasoning in environmental and occupational exposure 2026-Apr-01, Journal of hazardous materials IF:12.2Q1 DOI:10.1016/j.jhazmat.2026.141820 PMID:41865571	研究论文	本文提出了一种集成深度学习化合物属性预测、检索增强生成和提示工程的健康风险助手，用于环境与职业暴露中的化学健康风险推理	通过语义结构化和领域感知提示两种协同策略，将异构知识重组为上下文一致且语义丰富的配置文件，并引导大语言模型进行结构化、角色特定的毒理学推理	未明确说明模型在处理极端罕见化合物或高度不确定数据时的具体局限性	开发一个可信且可扩展的AI推理框架，用于公共和环境健康保护中的化学风险评估	化学化合物，特别是稀有或研究不足的化合物，涉及多样化的职业和日常暴露场景	自然语言处理	NA	深度学习化合物属性预测, 检索增强生成, 提示工程	大语言模型	文本, 结构化知识	在一个包含100个问题的基准测试上进行评估，涵盖慢性毒性、职业危害和暴露特定风险	NA	NA	正确性, 忠实性, 领域特定帮助性	NA
3368	2026-04-04	Utility of multimodal deep learning model to diagnose lymph node metastasis in esophageal cancer using computed tomography and positron emission tomography images 2026-Apr, Surgery today IF:1.7Q2 DOI:10.1007/s00595-025-03152-5 PMID:41109897	研究论文	本研究评估了基于多模态成像（包括非增强CT、增强CT和PET）的深度学习模型在诊断食管癌淋巴结转移方面的性能，并与专家评估进行比较	开发了一种结合CT和PET图像的多模态深度学习模型，用于诊断食管癌淋巴结转移，其诊断性能与经验丰富的专家相当	研究为回顾性分析，样本量相对有限（521个淋巴结来自167名患者），可能影响模型的泛化能力	评估深度学习模型利用多模态成像检测食管癌淋巴结转移的性能，并与专家诊断进行比较	食管癌患者的淋巴结（来自167名接受食管切除术的患者）	计算机视觉	食管癌	非增强CT、增强CT、正电子发射断层扫描（PET）成像	深度学习模型	图像（CT和PET图像）	521个淋巴结来自167名食管癌患者	NA	NA	受试者工作特征曲线下面积（AUC）	NA
3369	2026-04-04	Deep Learning for Automated Tumor Segmentation of Rectal Cancer on T2-Weighted Magnetic Resonance Images 2026-Apr, Yonsei medical journal IF:2.6Q1 DOI:10.3349/ymj.2025.0133 PMID:41914320	研究论文	本研究开发了一种基于深度学习的自动分割模型，用于在T2加权磁共振图像上分割直肠癌肿瘤	采用Attention U-Net模型，并比较了有无直肠引导的分割效果，发现叠加直肠轮廓可提高分割准确性	研究为回顾性设计，样本量有限（458例），且仅基于T2加权图像，未考虑多模态数据	开发直肠癌肿瘤的自动分割模型以提高诊断效率	直肠癌患者的T2加权磁共振图像	数字病理学	直肠癌	T2加权磁共振成像	CNN	图像	458例患者	NA	Attention U-Net	Dice相似系数	NA
3370	2026-04-04	Real-Life Clinical Validation of Artificial Intelligence-Assisted Detection and Differentiation of Pleomorphic Lesions in Capsule Endoscopy 2026-Apr-01, The American journal of gastroenterology DOI:10.14309/ajg.0000000000003756 PMID:40874973	研究论文	本研究通过多中心前瞻性验证，评估了人工智能辅助阅读在胶囊内窥镜中检测和区分多形性小肠病变的临床效果	首次在多中心研究中证明AI辅助胶囊内窥镜阅读在病变检测和区分方面优于传统阅读方法，并解决了设备互操作性和人口多样性挑战	未明确说明AI模型的泛化能力在更广泛临床环境中的验证情况，且未详细讨论模型对不同类型病变的具体区分性能	比较人工智能辅助阅读与传统胶囊内窥镜阅读在检测和区分小肠多形性病变方面的准确性和效率	胶囊内窥镜视频中的小肠多形性病变	数字病理学	小肠疾病	胶囊内窥镜	深度学习模型	视频	330个胶囊内窥镜视频，来自7个中心的3种设备，覆盖4个国家	NA	NA	准确率, 灵敏度, 特异性, 阳性预测值, 阴性预测值, 小肠病变检测率	NA
3371	2026-04-04	EPI-CAT: Prediction of enhancer-promoter interactions based on cross-attention transformer 2026-Apr, International journal of biological macromolecules IF:7.7Q1 DOI:10.1016/j.ijbiomac.2026.151520 PMID:41861881	研究论文	本文提出了一种基于交叉注意力Transformer的增强子-启动子相互作用预测模型EPI-CAT，通过整合转录因子结合谱来捕获调控关系	首次将交叉注意力机制与转录因子结合谱结合，用于增强子-启动子相互作用的预测，并设计了双通道卷积-交叉注意力结构来对齐区域特征	模型仅在K562和GM12878细胞系的26个共享转录因子数据上进行验证，可能在其他细胞类型或转录因子中泛化能力有限	预测增强子与启动子之间的相互作用，以深入理解转录调控机制	增强子-启动子相互作用	自然语言处理	NA	ChIP-seq	Transformer	序列数据	使用K562和GM12878细胞系的26个共享转录因子的ChIP-seq信号数据	NA	Transformer, 双通道卷积-交叉注意力结构	AUROC, AUPRC	NA
3372	2026-04-04	Classification of soil-embedded colored plastics of many types with NIR hyperspectral high-resolution imaging system and multi-scale 3D deep learning 2026-Apr-01, Journal of hazardous materials IF:12.2Q1 DOI:10.1016/j.jhazmat.2026.141821 PMID:41875571	研究论文	本研究提出了一种结合近红外高光谱成像系统和多尺度3D深度学习网络的方法，用于在复杂土壤背景下对多种颜色的嵌入式塑料进行高精度分类	开发了新型近红外高光谱成像系统，并设计了专门的MS3D-Net模型，能够同时进行像素级分割和聚合物分类，有效克服了塑料着色剂和复杂土壤背景的干扰	NA	开发一种能够在复杂土壤环境中精确分类多种塑料聚合物的方法，为环境可持续性和塑料废物管理提供技术支持	嵌入土壤中的11种塑料类型，包括经过老化、氧化、破碎和生物污染的塑料，以及从环境中收集的不规则消费塑料产品	计算机视觉	NA	近红外高光谱成像	3D深度学习	高光谱图像	在三种不同的异质土壤类型（壤土、粘土和沙子）中，在不同湿度梯度下进行测试	NA	MS3D-Net	平均精度	NA
3373	2026-04-04	Deep learning model for pathological invasiveness prediction using smartphone-based surgical resection images in clinical stage IA lung adenocarcinoma (SuRImage): a prospective, multicentric, diagnostic study 2026-Apr-01, The Lancet. Digital health DOI:10.1016/j.landig.2025.100965 PMID:41927432	研究论文	本研究开发了一种基于智能手机拍摄的手术切除图像的深度学习模型（SuRImage），用于临床IA期肺腺癌的术中病理侵袭性预测和风险分层	首次在术中诊断领域，基于智能手机在自然光条件下拍摄的手术切除宏观图像，开发深度学习模型用于预测IA期肺腺癌的病理侵袭性，为宏观形态特征与侵袭性的关联提供了新见解	研究为前瞻性多中心诊断性研究，但模型性能仍需在更广泛的外部验证集中进一步确认，且图像采集依赖于智能手机和自然光照条件，可能存在标准化挑战	开发一种快速、准确的术中诊断工具，以辅助胸外科医生在IA期肺腺癌手术中决定是否进行肺段切除或肺叶切除	临床IA期肺腺癌患者的手术切除宏观图像	数字病理学	肺癌	智能手机图像采集，深度学习	深度学习模型	图像	共纳入1727名患者（广东省人民医院1529名患者，2344张图像；广东医科大学附属医院116名患者，307张图像；梅州市人民医院82名患者，259张图像）	NA	NA	AUC	NA
3374	2026-04-04	Multiomics Research Strategies in Cancer: A Growing and Innovative Field 2026-Apr, MedComm IF:10.7Q1 DOI:10.1002/mco2.70644 PMID:41930321	综述	本文综述了癌症多组学研究策略，包括疾病特征、多组学生物标志物研究现状，以及利用深度学习方法整合多组学数据以揭示癌症上游致病变化和下游分子效应的策略	讨论了单细胞和空间组学在指导治疗策略、风险评估和早期诊断中的应用及其对精准医学的潜在影响，强调多组学综合分析在癌症研究中的创新性	该领域相对年轻，单细胞和空间组学的发展尚在早期阶段，可能面临技术和方法学上的限制	综述癌症多组学研究策略，以促进对癌症分子机制的理解，并推动生物标志物发现和治疗靶点识别	癌症作为一种高度复杂和异质性疾病，涉及多种病理生理事件	机器学习	癌症	多组学方法，包括单细胞组学和空间组学	深度学习	多组学数据	NA	NA	NA	NA	NA
3375	2026-04-04	A deep learning-based IoT malware detection approach for electric vehicle charging stations 2026-Mar-31, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-45220-x PMID:41917121	研究论文	本文提出了一种基于深度学习的物联网恶意软件检测方法，专门针对电动汽车充电站，通过统一中间表示和多模态特征融合提升检测性能	该方法首次将多CPU架构的opcode统一转换为PCode中间表示，并集成了全局结构特征、统计特征和语义特征，采用动态加权机制和多层编码器进行深度特征融合	未明确说明方法在实时检测场景下的性能表现，也未讨论对新型或未知恶意软件的泛化能力	提高电动汽车充电站中物联网恶意软件检测的准确性和适应性	物联网恶意软件样本，特别是针对电动汽车充电站环境的样本	机器学习	NA	反编译工具，深度学习算法	深度学习模型	二进制灰度图像，PCode中间表示数据	基于公共物联网恶意软件数据集，具体数量未明确说明	NA	多层编码器	F1分数	NA
3376	2026-04-04	Data-Driven Toxicity Prediction: Advances in Machine Learning, Deep Learning, and Predictive Tools - A Systematic Review 2026-Mar-31, Current reviews in clinical and experimental pharmacology IF:1.3Q4 DOI:10.2174/0127724328441651260211220550 PMID:41926296	综述	本文系统回顾了机器学习、深度学习和新兴后深度学习策略在药物发现和环境安全领域毒性预测中的应用进展	总结了从传统机器学习到深度学习，再到应对数据稀缺问题的后深度学习策略（如属性增强、迁移学习和半监督学习）的演进，并综述了多端点预测的在线工具平台	该领域仍面临数据集有限、数据质量参差不齐以及缺乏机制可解释性等挑战	系统总结和评估数据驱动方法在毒性预测中的最新进展，以促进药物发现和环境安全研究	毒性预测相关的机器学习、深度学习模型及预测工具	机器学习	NA	NA	卷积神经网络, 图神经网络, 支持向量机, 随机森林	NA	从1020篇文献中筛选出50篇进行综述	NA	卷积神经网络, 图神经网络	准确率, AUC, F1分数	NA
3377	2026-04-04	Multi-scale adaptive fusion network for retinal layer and fluid segmentation in optical coherence tomography B-scans 2026-Mar-30, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-44006-5 PMID:41912546	研究论文	本文提出了一种用于OCT B扫描中视网膜层和液体分割的多尺度自适应融合网络	提出了自适应多域融合网络（AMDF-Net），集成了混合光谱-空间变换器（HSST）以有效获取全局和局部特征，并引入了动态注意力融合（DAF）模块和疾病包容性分割（DIS）模块来增强对特定视网膜液体特征的识别和分割精度	未明确说明模型在临床环境中的泛化能力或对不同OCT设备的适应性	改进视网膜疾病的检测，特别是对视网膜层和液体（如积液）的精确分割	光学相干断层扫描（OCT）B扫描图像	计算机视觉	视网膜疾病（如糖尿病性黄斑水肿、年龄相关性黄斑变性、视网膜静脉阻塞）	光学相干断层扫描（OCT）成像	深度学习网络	图像（OCT B扫描）	公开可用数据和实时数据（具体数量未明确）	NA	自适应多域融合网络（AMDF-Net），包含混合光谱-空间变换器（HSST）、动态注意力融合（DAF）模块、疾病包容性分割（DIS）模块	Dice系数, 分类准确率	NA
3378	2026-04-04	A unified low-carbon cybersecurity framework integrating energy-efficient intrusion detection, lightweight cryptography, and carbon-aware scheduling for edge-cloud architectures 2026-Mar-30, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-44260-7 PMID:41912554	研究论文	本文提出了一种名为GreenShield的统一低碳网络安全框架，集成能效入侵检测、轻量级密码学和碳感知调度，用于边缘-云架构	提出了一种威胁自适应量化机制和碳感知调度控制器，结合知识蒸馏、动态量化、ASCON轻量级密码学和分层联邦学习，实现能效和碳减排的网络安全解决方案	NA	开发一个低碳、能效的网络安全框架，以减少边缘-云计算环境中的能源消耗和碳足迹	边缘-云计算架构中的网络安全系统，特别是入侵检测系统	机器学习	NA	NA	深度学习	网络流量数据	基于UNSW-NB15和CIC-IDS2017数据集进行实验	NA	NA	检测准确率, 能源减少百分比, 碳排放减少百分比, 通信开销减少百分比, 推理能源减少百分比	NA
3379	2026-04-01	EEG imagined speech neuro-signal preprocessing and deep learning classification 2026-Mar-30, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-39395-6 PMID:41912561	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
3380	2026-04-04	Detection of DSCP-based traffic prioritization manipulations and their impact on network performance 2026-Mar-30, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-44350-6 PMID:41912577	研究论文	本研究采用深度学习模型检测基于DSCP的流量优先级操纵及其对网络性能的影响	首次将CNN、RNN和LSTM的集成方法应用于DSCP操纵检测，实现了99.28%的高准确率	尚未在真实网络环境中部署，缺乏跨网络适应性和模型可解释性	检测DSCP流量优先级操纵并评估其对网络性能的影响	网络流量数据	机器学习	NA	深度学习	CNN, RNN, LSTM	网络流量数据	包含正常和操纵流量模式的标注数据集	NA	CNN, RNN, LSTM	准确率	NA