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
381	2026-06-03	Deep learning-based neuroanatomical profiling reveals population-specific brain changes in multiple sclerosis: a large-scale Middle Eastern study 2026-Jun-01, BMC medical imaging IF:2.9Q2 DOI:10.1186/s12880-026-02481-2 PMID:42226149	研究论文	利用深度学习神经解剖学分析，揭示中东人群多发性硬化症的特定脑部变化	首次针对中东人群建立多发性硬化症的神经影像学生物标志物群体特异性参考范围，并利用自动化深度学习分割进行大规模比较	NA	对多发性硬化症患者与健康对照进行脑结构变化的全面统计特征分析，并建立中东人群的群体特异性参考范围	多发性硬化症患者与健康对照	计算机视觉	多发性硬化症	FLAIR序列成像	CNN	图像	1381名受试者（1000名健康对照，381名多发性硬化症患者）	NA	U-Net	Dice相似系数，Hausdorff距离95百分位数	NA
382	2026-06-03	Deep learning-driven decoding of ubiquitination: from regulatory mechanisms to targeted protein degradation 2026-Jun-01, Biology direct IF:5.7Q1 DOI:10.1186/s13062-026-00848-7 PMID:42226266	综述	总结深度学习在泛素化研究中的多重应用，从预测泛素化位点到机制解码和治疗转化	系统梳理了深度学习从预测到机制理解再到治疗设计的全链条应用，强调了可解释性和理性分子设计	未进行实证分析，未来需发展更可解释的模型并加强实验验证	揭示深度学习如何重塑泛素化研究，推动从描述性预测向机制理解和治疗应用转化	泛素化系统及其在疾病中的作用机制	机器学习	癌症, 神经退行性疾病, 免疫功能障碍, 代谢疾病	深度学习	卷积神经网络(CNN), 循环神经网络(RNN), Transformer, 蛋白质语言模型, 图神经网络(GNN), 生成模型, 强化学习	序列数据, 结构数据, 多模态数据	NA	NA	卷积神经网络, Transformer, 图神经网络, 生成对抗网络(GAN)	预测准确性	NA
383	2026-06-03	Artificial Intelligence Methods in Early Detection of Autism Spectrum Disorder: A DSM-5 Criterion-Based Systematic Review 2026-Jun-01, Autism research : official journal of the International Society for Autism Research IF:5.3Q1 DOI:10.1002/aur.70279 PMID:42226557	系统性综述	本系统性综述评估了基于人工智能的儿童自闭症谱系障碍早期检测方法，分析了其分布、性能、与DSM-5标准的一致性以及方法学质量	首次基于DSM-5标准系统地评估AI在ASD早期检测中的应用，揭示了不同AI技术（经典机器学习、深度学习、混合方法）的分布与表现，并发现直接符合DSM-5标准的研究具有更高的准确性中位数	Criterion B（限制性/重复性行为）覆盖率不足，研究地理偏向高收入地区，方法学不一致（如57%的患者选择不明确、43%的指数测试风险不明确），且未进行引文追踪	评估人工智能方法在早期检测自闭症谱系障碍（ASD）中的潜力，提供比主观行为评估更客观的替代方案	0-18岁临床诊断为ASD的儿童	机器学习	自闭症谱系障碍	NA	卷积神经网络、支持向量机、经典机器学习、深度学习、混合方法	可观察行为数据	43项研究（从1018篇记录中筛选）	NA	CNN、SVM	accuracy	NA
384	2026-06-03	Predictive and interactive roles of motivation and situational learning activities on emotional and cognitive engagement 2026-Jun-01, The British journal of educational psychology DOI:10.1111/bjep.70099 PMID:42226569	研究论文	探讨课外学习活动中动机与情境学习活动对学生情感和认知参与的预测及交互作用	聚焦课外学习情境，采用经验取样法捕捉实时数据，揭示动机与情境参与的动态交互关系	未明确提及具体局限性	研究学生动机、情境参与（情绪和学习策略）与课外学习活动背景之间的关系	394名本科生，平均年龄21.26岁，来自不同种族背景和学科	机器学习	NA	NA	NA	问卷数据	394名本科生	NA	NA	NA	NA
385	2026-06-03	Machine learning in tissue engineering: a comprehensive review of applications, challenges, and prospects 2026-Jun-01, Journal of biomaterials science. Polymer edition DOI:10.1080/09205063.2026.2675360 PMID:42226588	综述	全面回顾机器学习在组织工程中的应用、挑战与前景	系统梳理了机器学习和深度学习在组织工程（包括生物材料性能预测、支架设计、组织再生和3D生物打印）中的最新应用，并指出了数据质量、模型可解释性和标准化等关键挑战	数据质量、模型可解释性和标准化问题阻碍了这些技术的全面整合	概述机器学习与深度学习在组织工程中的当前进展、挑战和未来方向	组织工程中的生物材料、支架、组织再生和3D生物打印	机器学习	NA	NA	机器学习, 深度学习	NA	NA	NA	NA	NA	NA
386	2026-06-03	Overrepresentation Bias Leads to Performance Overestimation in Blood-Brain Barrier Permeability Prediction Models: Characterization and Mitigation 2026-Jun-01, Journal of chemical information and modeling IF:5.6Q1 DOI:10.1021/acs.jcim.5c02891 PMID:42226621	研究论文	揭示了药物性质数据库中近相同化合物的过度代表偏差导致血脑屏障渗透性预测模型性能被高估，并提出了自动检测和偏差感知数据处理方法来缓解该问题	首次系统性地识别并研究了药物化合物数据库中过度代表偏差对血脑屏障渗透性预测模型评估的影响，并提出了自动检测算法和偏差感知数据处理流程	NA	探索过度代表偏差对血脑屏障渗透性预测模型性能评估的影响，并提出缓解方法以确保更可靠的模型评估	近相同化合物及血脑屏障渗透性预测模型	机器学习	神经系统疾病（血脑屏障相关）	NA	深度学习	药物化合物属性数据	NA	NA	NA	AUC, 宏平均F1分数	NA
387	2026-06-03	Artificial Intelligence for the Diagnosis of Pancreatic Diseases Using Endoscopic Ultrasonography 2026-Jun, Digestive endoscopy : official journal of the Japan Gastroenterological Endoscopy Society IF:5.0Q1 DOI:10.1111/den.70171 PMID:42227807	综述	本文系统回顾了人工智能在超声内镜图像诊断胰腺疾病中的应用现状、技术方法及未来方向	首次系统梳理了EUS-AI在胰腺疾病诊断中的三种主要任务（肿瘤检测分类、囊性病变分类、实质/站识别），并总结了多模态模型和深度学习架构的应用，同时指出仅有一个模型在日本获批但技术细节未公开	已发表研究多数缺乏充分的外部验证，数据来自单一机构、标签标注不一致、诊断标准多样，且内部验证可能高估模型性能，现有证据基础有限	评估人工智能在超声内镜图像诊断胰腺疾病中的研究现状、技术进展和临床转化挑战	胰腺肿瘤、囊性病变、胰腺实质及超声内镜站位的相关图像数据	数字病理学	胰腺疾病	超声内镜成像	深度学习模型	图像	共纳入22篇同行评审研究（1项检测+17项肿瘤分类+4项囊性病变分类+4项实质/站位识别）	NA	ResNet, EfficientNet, VGG, UNet++, YOLO, 自定义卷积网络	准确率	NA
388	2026-06-03	MedNet-FS: a few-shot learning framework for 3D MRI-based knee injury classification 2026-May-31, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-54489-x PMID:42225724	研究论文	提出一种名为MedNet-FS的小样本学习框架，用于基于3D MRI的膝关节损伤分类	将针对膝关节MRI数据的领域特定预训练与广义端到端（GE2E）损失相结合，在数据稀缺环境下显著超越通用预训练或标准交叉熵损失模型	对于模糊的部分撕裂病例（AUC 0.58）性能下降，且当前性能未达到自主临床部署的阈值	开发一种有效的小样本学习解决方案，以减少对大量标注MRI数据的依赖，实现数据高效的医疗图像分析	3D膝关节MRI影像数据	计算机视觉, 数字病理学	膝关节损伤	MRI	小样本学习网络	3D MRI影像	内部MRNet数据集中每类40个样本，外部KneeMRI数据集用于验证	NA	NA	AUC	NA
389	2026-06-03	LLM-guided expert feature extraction with fusion-based complementary learning network for fish freshness classification using eye images 2026-May-31, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-55139-y PMID:42225756	research paper	本文提出了一种融合专家特征与大语言模型引导的互补学习网络，用于通过鱼眼图像分类鱼类新鲜度	利用大语言模型处理鱼类专家知识，自动提取可解释的数值特征，无需人工特征工程，并构建融合层将数值特征与深度视觉特征进行互补学习	NA	开发一种融合专家建议光度特征与深度视觉表示的互补学习网络，用于非侵入性鱼类新鲜度分类	鱼类新鲜度分类，基于鱼眼图像	computer vision, machine learning	NA	大语言模型	CNN	image	多个鱼类物种和新鲜度类别的鱼眼图像数据集（FFE数据集）	NA	ResNet50	accuracy	NA
390	2026-06-03	Deep learning algorithm for automatic detection of acute ischemic stroke on noncontrast brain CT 2026-May-31, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-55530-9 PMID:42225843	研究论文	评估基于深度学习的算法在非对比脑CT上检测急性缺血性卒中（包括小梗死灶）的诊断性能	首次在包含不同梗死体积和读者专业水平的多个亚组中，全面评估AI辅助解读对非对比CT上急性缺血性卒中检测的诊断改进效果	研究为回顾性设计，且读者数量有限，可能无法完全代表实际临床环境	验证深度学习算法辅助非放射科医生、放射科医生和神经放射科医生在非对比CT上检测急性缺血性卒中的诊断准确性	917例急性缺血性卒中病例的非对比脑CT图像	计算机视觉	急性缺血性卒中	非对比CT	深度学习模型	图像	917例病例	NA	NA	ROC曲线下面积、准确率、敏感度、特异度	NA
391	2026-06-03	In silico generation of gene expression profiles using diffusion models 2026-May-31, BMC bioinformatics IF:2.9Q1 DOI:10.1186/s12859-026-06470-8 PMID:42226153	研究论文	提出基于扩散模型（DDPM和DDIM）的基因表达谱生成流程，解决转录组数据样本稀疏问题，并验证其在TCGA和GTEx数据集上的预测性能提升	首次将扩散模型应用于转录组数据生成，并探索线性和非线性重构方法以恢复完整转录组，证明扩散模型性能优于VAE和GAN	未提及明确局限性，但可推断对大规模高维转录组数据的泛化能力及计算资源需求可能为潜在问题	解决转录组数据样本稀疏问题，利用扩散模型生成高质量合成基因表达数据以增强下游预测任务	L1000 landmark基因表达谱及TCGA和GTEx转录组数据集	数字病理学	癌症	RNA-seq	扩散模型（DDPM, DDIM）	基因表达数据	NA（未明确说明样本数量，涉及TCGA和GTEx公开数据）	PyTorch	DDPM, DDIM	预测性能、数据质量指标	NA（未明确说明计算资源）
392	2026-06-03	Does lens opacity matter? The effect of cataract on deep learning based cardiovascular disease risk scores from fundus photos 2026-May-30, Asia-Pacific journal of ophthalmology (Philadelphia, Pa.) DOI:10.1016/j.apjo.2026.100333 PMID:42219087	研究论文	探讨白内障对基于眼底照片的深度学习心血管疾病风险评分的影响	首次系统评估白内障引起屈光介质混浊对深度学习模型预测心血管疾病风险的影响，并发现糖尿病视网膜病变患者的评分偏移更显著	仅使用单一AI软件（Dr.Noon CVD），需在更多模型上验证；SEED队列中白内障手术状态与DR的交互作用不显著	评估白内障对深度学习模型从眼底照片预测心血管疾病风险的影响	白内障手术患者（HUGH纵向队列和SEED横断面队列）的眼底图像	机器学习	心血管疾病	眼底照相	深度学习模型	图像	纵向队列：HUGH白内障手术患者；横断面队列：SEED研究，具体样本量未明确	NA	Dr.Noon CVD（具体架构未披露）	β系数、置信区间、P值	NA
393	2026-06-03	Comparative evaluation of CNN models for nasopharyngeal carcinoma classification on pathology data 2026-May-30, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-53395-6 PMID:42225742	研究论文	系统评估多种卷积神经网络模型在鼻咽癌病理图像分类中的表现	首次对多种CNN架构及其混合模型在鼻咽癌全切片图像分类中进行系统性比较，并提出通过中间层特征融合提升分类性能的策略	未在外部多中心数据集上验证模型的泛化能力	评估不同CNN模型在鼻咽癌病理图像分类中的性能，探索特征融合策略以优化诊断准确性	鼻咽癌病理全切片图像（WSIs）	数字病理学	鼻咽癌	全切片成像（WSI）	卷积神经网络（CNN）	病理图像	88002张图像（来自沙捞越综合医院和吉隆坡医院）	NA	DenseNet201, MobileNet, EfficientNetB0, InceptionNet, XceptionNet, VGG16, NASNetMobile, 混合模型（EfficientNetB0+DenseNet201）	准确率, 精确率, F1分数, 训练时间	NA
394	2026-06-03	Privacy-aware continuous federated biometric authentication (PACFBA) using federated deep learning: a novel usable security framework 2026-May-30, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-55046-2 PMID:42225851	研究论文	提出了一种隐私感知的连续联邦生物特征认证框架，融合联邦深度学习以增强移动和物联网环境下的用户认证安全	创新地结合了联邦学习、差分隐私与同态加密，以及CNN-LSTM混合架构，实现了去中心化、连续且隐私保护的生物特征认证，降低了通信开销并提升了隐私保护能力	需要在大规模、异构的真实世界数据集上进行进一步的实证验证，才能完全符合部署要求	解决传统认证方法仅单次登录验证、无法确保持续用户身份的问题，设计一种安全、无缝且隐私保护的连续认证机制	移动设备、物联网和边缘计算环境中的用户认证数据	机器学习	NA	联邦学习、差分隐私、同态加密	CNN-LSTM混合模型	生物特征数据（如行为或生理信号）	未明确说明样本数量，但使用实验数据集进行验证	NA	卷积神经网络（CNN）和长短期记忆网络（LSTM）的混合架构	准确率（92.5%）、精确率（90.8%）、召回率（91.2%）、F1分数（0.91），以及通信开销减少20%、隐私保护提升35%	NA
395	2026-06-03	Improving image quality and diagnostic confidence for PRETEXT staging in pediatric hepatoblastoma using thin-slice and low-energy virtual monochromatic images in dual-energy CT with deep learning image reconstruction algorithm 2026-May-30, BMC medical imaging IF:2.9Q2 DOI:10.1186/s12880-026-02476-z PMID:42226141	研究论文	探讨双能量CT结合深度学习图像重建算法获得的薄层低能虚拟单能量图像对儿童肝母细胞瘤PRETEXT分期图像质量和诊断信心的影响	首次将薄层40 keV虚拟单能量图像与深度学习图像重建结合，用于儿童肝母细胞瘤PRETEXT分期，以提升图像质量和诊断信心	单中心回顾性研究，样本量较小（53例），且未评估对实际治疗决策的直接影响	评估薄层低能量（40 keV）双能量CT图像结合深度学习重建算法是否比常规图像提高PRETEXT分期的图像质量和诊断信心	儿童肝母细胞瘤患者	计算机视觉, 数字病理学	肝癌, 儿童肿瘤（肝母细胞瘤）	双能量CT, 深度学习图像重建, 虚拟单能量成像	深度学习重建网络（DLIR-H）	医学影像（CT图像）	53例儿童患者（平均年龄3.54±2.26岁）	NA	DLIR-H（深度学习图像重建），ASIR-V50%（自适应统计迭代重建）	对比噪声比、边缘上升斜率、5分Likert量表评分（图像噪声、肝静脉可视化、诊断信心）	NA
396	2026-06-03	Multi-task deep learning for sub-clinical screening of mood and sleep disturbances using physical activity biomarkers 2026-May-29, Journal of affective disorders IF:4.9Q1 DOI:10.1016/j.jad.2026.122055 PMID:42217638	研究论文	提出名为MUSCLE的多任务深度学习框架，利用体力活动生物标志物同时筛查情绪障碍和睡眠障碍风险	首次将多任务深度学习应用于社区级情绪与睡眠障碍亚临床筛查，通过同步卷积LSTM网络捕获体力活动模式与心理健康间的相互依赖关系	基于自我报告的健康指标可能存在回忆偏倚；数据集仅包含台湾人群，通用性有待验证	开发并验证一种利用可获取的体力活动生物标志物进行情绪和睡眠障碍风险并发识别的多任务深度学习框架	44,477份完整的台湾国民体力适能与自我报告健康指标记录	机器学习	情绪障碍, 睡眠障碍	体力活动监测	多任务同步卷积LSTM（MUSCLE）	体力活动生物标志物数据	44,477份体力评估与自我报告健康指标记录	NA	卷积神经网络（CNN）结合长短期记忆网络（LSTM）	精确率, 召回率, F1分数	NA
397	2026-06-03	Artificial Intelligence-Supported Colorimetric Multibiomarker Sensor to Enable Critical Neonatal Monitoring 2026-May-28, ACS sensors IF:8.2Q1 DOI:10.1021/acssensors.5c04171 PMID:42205010	研究论文	提出一种基于人工智能的无创多生物标志物监测传感器，通过比色分析实现新生儿关键生命体征的实时监测	首次将丝绸基传感器与12种比色墨水结合，实现新生儿体温、pH值、钠和葡萄糖的多参数无创监测，并采用深度学习进行比色响应量化	未提及在真实临床环境中的长期验证和传感器生物相容性评估	开发一种非侵入性、人工智能支持的比色多生物标志物传感器，用于高危新生儿的关键监测	早产新生儿或危重新生儿的经皮体液（作为血液成分的替代指标）	数字病理学	新生儿疾病	比色分析、丝基传感器、纸芯片微流体技术	深度学习模型（用于比色响应量化）	比色图像	不适用（传感器性能验证涉及模拟体液和运动物体测试）	Keras（推测，因深度学习框架未明确指定）	卷积神经网络（具体架构未明确）	平均绝对误差、平均精度@IoU=0.5	未指定
398	2026-06-03	Deep Learning of Protein Structure and Physicochemical Properties from Two-Dimensional Infrared Spectra 2026-May-28, The journal of physical chemistry letters IF:4.8Q1 DOI:10.1021/acs.jpclett.6c00969 PMID:42205032	研究论文	提出一种数据驱动框架，从二维红外光谱中推断蛋白质结构表征与理化性质	首次系统性建立“光谱-结构-性质”关系的定量映射，并通过大规模模拟数据集实现多尺度特征预测蛋白质距离图及多种理化描述符	当前仅基于模拟光谱进行验证，尚需实验二维红外数据进一步评估实际应用可行性	建立从二维红外光谱定量推断蛋白质结构与理化性质的计算框架	蛋白质结构与理化性质（包括二级结构含量、回转半径、氢键数目、埋藏残基分数）	机器学习	NA	二维红外光谱	深度学习模型	模拟光谱数据	631651个计算二维红外光谱，涵盖静态蛋白质结构与分子动力学轨迹	TensorFlow, PyTorch	多尺度特征提取网络、卷积神经网络	预测精度、一致性指标	NA
399	2026-06-03	Are We Underestimating Overfitting? 2026-May-28, Journal of chemical information and modeling IF:5.6Q1 DOI:10.1021/acs.jcim.6c00518 PMID:42206593	研究论文	探讨了在定量构效关系建模中过拟合和过参数化的传统观念，并分析了过参数化模型在预测外部数据时的潜在优势	挑战了传统上认为模型越简洁泛化能力越强的观点，提出过参数化模型可能通过包含更多结构-活性关系信息来提高对新数据的预测准确性	部分依赖信息理论论证和模拟数据，实际应用中的普遍性尚需更多验证	澄清过拟合和过参数化的理解，并探讨其在定量构效关系和定量结构-性质关系建模中的影响	定量构效关系和定量结构-性质关系模型中的过拟合与过参数化现象	机器学习	NA	NA	机器学习模型（如深度学习模型）	合成数据与真实数据	NA	NA	过参数化模型（深度学习模型）	预测准确性	NA
400	2026-06-03	Cell segmentation in microscopy images using a SAM-based U-Net architecture and a novel dataset 2026-May-28, Computer methods and programs in biomedicine IF:4.9Q1 DOI:10.1016/j.cmpb.2026.109470 PMID:42224852	研究论文	提出了一种基于SAM与多尺度U-Net的混合神经网络mSAMUNet，用于显微镜图像中的细胞分割，并创建了mCellSeg数据集	首次将SAM与多尺度U-Net结构结合，利用Transformer的全局建模和CNN的局部特征提取，并通过多尺度分支提升不同大小细胞的分割性能	未提及计算资源消耗或模型在低资源环境下的适用性	提高显微镜图像中细胞实例分割的准确性，解决密集细胞、模糊边界等问题	HEK-293T和HUVEC细胞系的微观图像	计算机视觉	通用（不针对特定疾病）	显微镜成像	混合神经网络（SAM + U-Net）	图像（显微镜图像）	200张专家标注的显微镜图像，包含16,199个细胞	PyTorch	SAM, U-Net, mSAMUNet	F1分数, SA50, SA75, 平均SA	NA