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
4281	2026-05-07	W-WaveNet: A multi-site water quality prediction model incorporating adaptive graph convolution and CNN-LSTM 2024, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0276155 PMID:38442101	研究论文	提出一种结合自适应图卷积和CNN-LSTM的多站点水质预测模型W-WaveNet	首次处理多站点水质数据中的非对齐空间相关性，并通过交错堆叠集成时间和空间模型	未提及模型的局限性，如计算复杂度或应用范围限制	提高多站点水质预测的准确性，考虑时空相关性	两个真实河流断面上的多个站点水质数据	机器学习	NA	自适应图卷积	CNN-LSTM	水质数据	两个真实河流断面多站点数据	NA	自适应图卷积网络, CNN-LSTM	平均绝对误差	NA
4282	2026-05-07	Delineating yeast cleavage and polyadenylation signals using deep learning 2023-Oct-13, bioRxiv : the preprint server for biology DOI:10.1101/2023.10.10.561764 PMID:37873420	研究论文	利用深度学习模型解析酵母的切割和聚腺苷酸化信号	首次利用深度学习对酵母中退化的顺式调控元件进行解卷积，并量化其在介导酵母多聚A位点形成、切割异质性及强度中的位置重要性	未明确提及	阐明酵母中多聚腺苷酸化信号如何形成及其对mRNA成熟的作用机制	酵母物种中的多聚A位点及其调控元件	机器学习	NA	深度测序	深度学习模型	DNA序列	未明确提及	NA	深度学习模型（未明确具体架构）	NA	NA
4283	2026-05-06	Mapping Artificial Intelligence Research in Oral and Maxillofacial Surgery: A Bibliometric Analysis 2026-Jun, International dental journal IF:3.2Q1 DOI:10.1016/j.identj.2026.109456 PMID:41775013	综述	通过文献计量分析绘制口腔颌面外科中人工智能研究的现状、热点和新兴趋势	首次系统运用文献计量学方法对口腔颌面外科中人工智能研究进行全景分析，揭示从传统机器学习到深度学习与Transformer模型的范式转移，以及非影像应用（如路径分析和预后分析）作为新兴方向	仅基于Web of Science和Scopus数据库，可能遗漏其他来源文献；文献计量分析本身的局限性，无法深入评估每项研究的临床实用性	映射口腔颌面外科中人工智能研究的当前状态、热点和新兴趋势	Web of Science核心合集和Scopus中关于人工智能和口腔颌面外科的出版物	自然语言处理, 机器翻译	头颈癌	文献计量分析	Transformer	文本	5267篇文献	NA	Transformer	NA	NA
4284	2026-05-06	Automated Segmentation of Augmented Bone After Transalveolar Sinus Floor Elevation Using Deep Learning 2026-Jun, International dental journal IF:3.2Q1 DOI:10.1016/j.identj.2026.109468 PMID:41795243	研究论文	评估深度学习模型在经牙槽嵴上颌窦底提升术后增强骨分割中的性能	首次使用多种深度学习模型（UNETR++、Swin Transformer、U-Net、3D-VNet）对经牙槽嵴上颌窦底提升术后的增强骨进行自动化分割，并揭示UNETR++在精度和效率上的显著优势	样本量较小（103例患者），且仅基于锥形束CT数据，可能限制模型泛化性	探索深度学习在口腔颌面外科术后影像分割中的应用，以提升增强骨分析的准确性和效率	经牙槽嵴上颌窦底提升术患者的锥形束CT影像数据	计算机视觉	口腔颌面疾病	锥形束CT	UNETR++、Swin Transformer、U-Net、3D-VNet	图像（锥形束CT扫描）	103例患者，每个患者包含术前（T0）和术后即刻（T1）两组影像	NA	UNETR++、Swin Transformer、U-Net、3D-VNet	Dice相似系数、交并比、灵敏度、精确率、95% Hausdorff距离、准确率	NA
4285	2026-05-06	Automated Tooth Detection and Caries Identification in CBCT With Deep Learning 2026-Jun, International dental journal IF:3.2Q1 DOI:10.1016/j.identj.2026.109508 PMID:41850174	研究论文	开发了一种用于锥形束CT图像中牙齿检测、编号和龋齿识别的两阶段深度学习框架	首次提出了一种两阶段深度学习框架，用于自动化定位和编号龋齿，并结合多个分类网络进行龋齿识别，填补了CBCT图像中自动化龋齿分析的空白	样本量较小（65名患者），类别不平衡，需要外部多中心前瞻性验证以确认临床实用性	开发自动化工具，支持机会性龋齿筛查，优先处理疑似龋齿病变的CBCT扫描	65名患者的CBCT图像中的牙齿和龋齿	计算机视觉, 医学影像分析	龋齿（蛀牙）	锥形束计算机断层扫描（CBCT）	卷积神经网络（CNN）	医学图像（CBCT轴向切片）	65名患者	PyTorch	YOLOv3, Cascade R-CNN, DenseNet169, MobileNet_V2, ResNet50	平均精度均值（mAP）、平均精度（AP）、平衡准确率、敏感性、特异性、阳性预测值（PPV）、阴性预测值（NPV）、马修斯相关系数（MCC）、精确率-召回率曲线下面积（AUC-PR）	NA
4286	2026-05-06	Association of MRI-Visible Perivascular Spaces With Longitudinal Cognitive Decline Over a Decade 2026-May-12, Neurology IF:7.7Q1 DOI:10.1212/WNL.0000000000214803 PMID:42030516	研究论文	探究MRI可见的血管周围间隙（PVS）与十年间纵向认知功能下降之间的关系	独立于其他小血管疾病标志物，证明基底节区PVS负荷对执行功能和视空间技能纵向下降的独立贡献	无法建立因果关系	明确PVS作为独立小血管疾病标志物在纵向认知下降中的临床意义	无卒中或痴呆的老年参与者	机器学习	脑血管疾病	3T MRI, 深度学习	深度学习算法	医学影像	750名参与者（平均年龄68岁，52%女性）	NA	NA	NA	NA
4287	2026-05-06	Uncertainty Exploration of Deep Learning Enabled Fast Multidimensional NMR Spectroscopy of Proteins 2026-May-05, Analytical chemistry IF:6.7Q1 DOI:10.1021/acs.analchem.5c07201 PMID:41844363	研究论文	通过建模内部不确定性，为深度学习加速的蛋白质多维核磁共振波谱重建提供无参考质量评估基准	首次将深度集成、蒙特卡洛丢弃和证据深度学习三种不确定性量化框架整合到核磁共振重建骨干网络中，实现无需参考即可评估全局和频率级细节的预测可靠性	未明确提及局限性，但可能依赖特定蛋白质的二维和三维核磁共振谱数据，泛化性需进一步验证	提高深度学习在核磁共振波谱中的可靠性，通过不确定性估计回答“是否、何处、为何信任”的关键问题	蛋白质的二维和三维核磁共振波谱数据	深度学习，核磁共振波谱	不适用	核磁共振波谱	深度集成，蒙特卡洛丢弃，证据深度学习	核磁共振波谱数据（2D和3D）	不适用（文章中未明确样本数量）	NA	深度重建骨干网络，具体架构未指定	重建精度，不确定性图与重建残差的一致性，与参考度量的相关性	不适用（文章中未明确）
4288	2026-05-06	Deep Learning-Aided SERS Detection of Microplastics in Water Samples with a Hierarchically Porous Gold Sponge Substrate 2026-May-05, Analytical chemistry IF:6.7Q1 DOI:10.1021/acs.analchem.5c06552 PMID:42010957	研究论文	提出一种结合多孔金海绵基底与深度学习框架的无预处理微塑料SERS检测方法	创新性地将静电功能化SERS基底与可解释深度学习框架结合，实现无预处理的复杂水样中微塑料分类检测	未提及对更广泛环境水样（如海水、废水）的验证以及不同尺寸微塑料的定量分析能力	开发一种无预处理的微塑料SERS检测方法，结合深度学习实现准确分类与化学可解释性	五种代表性微塑料：聚四氟乙烯、聚丙烯、聚苯乙烯、聚氯乙烯、聚对苯二甲酸乙二醇酯	机器学习	NA	表面增强拉曼散射（SERS）	卷积神经网络（CNN）	光谱数据	在拉曼数据集上评估，具体样本量未提及	NA	二值卷积神经网络（模块化一对其余架构）	精确率	NA
4289	2026-05-06	Brain tumors classification using electrical bioimpedance spectroscopy based on a multi-scale feature extraction network with frequency band attention mechanism 2026-May-05, Biomedical physics & engineering express IF:1.3Q3 DOI:10.1088/2057-1976/ae5f9e PMID:41985487	研究论文	提出一种结合多尺度阻抗特征提取和频段注意力机制的深度学习框架，用于脑肿瘤分类	首次将多尺度特征提取与频段注意力机制集成于生物电阻抗谱分析，实现自动肿瘤分类	样本量为52个，较小，可能影响模型泛化能力	开发基于电阻抗谱的脑肿瘤快速自动分类方法	脑肿瘤组织样本（包括胶质瘤、脑膜瘤、转移瘤等）	机器学习	脑肿瘤	生物电阻抗谱测量	CNN	电阻抗谱数据	52个脑肿瘤样本	NA	并行卷积核（尺寸1, 3, 5, 7, 9）	精确率, 灵敏度, 特异度, F1分数	NA
4290	2026-05-06	SAM2HIPT: a hybrid deep learning framework integrating SAM2 and HIPT with joint loss optimization for immunohistochemical cell nucleus segmentation 2026-May-05, Biomedical physics & engineering express IF:1.3Q3 DOI:10.1088/2057-1976/ae63d6 PMID:42025178	研究论文	提出了一种结合SAM2和HIPT的混合深度学习框架SAM2HIPT，采用联合损失优化，用于免疫组织化学图像细胞核分割	首次将SAM2与HIPT结合，构建两阶段分割框架，并设计联合损失函数实现两个阶段的协同优化	NA	提高免疫组织化学图像中细胞核分割的准确性和边界描绘能力	免疫组织化学图像中的细胞核	数字病理学	NA	NA	混合深度学习模型（SAM2和HIPT）	图像	两个公开数据集：BCData和DeepLIIF	NA	SAM2, HIPT	Dice系数, HD95边界误差	NA
4291	2026-05-06	Predicting Intracranial Aneurysm Rupture Risk and Intervention Outcomes Using Denoising-Enhanced CTA 2026-May-04, AJNR. American journal of neuroradiology DOI:10.3174/ajnr.A9093 PMID:41213812	研究论文	开发一个综合多模态框架，利用去噪增强CTA图像，预测颅内动脉瘤破裂风险及干预结果	提出一种新颖的去噪算法提升CTA图像质量，并整合临床变量、影像组学特征和深度学习衍生的形态学数据，构建三模态融合框架	未说明	评估颅内动脉瘤破裂风险并预测干预结局	352名接受CTA检查的颅内动脉瘤患者	计算机视觉	颅内动脉瘤	CTA	CNN	图像、文本	352名患者	NA	NA	AUC	NA
4292	2026-05-06	Deep-Learning Accelerated Vessel Wall Imaging Using T1-SPACE at Ultra-High-Field Strength MRI 2026-May-04, AJNR. American journal of neuroradiology DOI:10.3174/ajnr.A9097 PMID:41213815	研究论文	评估在7T超高场强MRI下，使用基于深度学习的图像重建（DLBIR）加速T1-SPACE序列进行颅内血管壁成像（IC-VWI）的可行性和技术性能	首次在7T超高场强MRI下评估基于深度学习的图像重建加速T1-SPACE序列在颅内血管壁成像中的应用，并显示相比标准方案在图像质量和采集时间上的显著优势	单中心回顾性研究，样本量有限（36名患者），且未评估深度学习重建对诊断准确性的影响	评估7T MRI下基于深度学习的T1-SPACE序列在颅内血管壁成像中的可行性和表现	36名接受7T颅内血管壁成像的患者	计算机视觉	NA	7T MRI, T1-SPACE序列, 深度学习图像重建（DLBIR）	深度学习	MRI图像	36名患者（21名女性，平均年龄53.3岁）	NA	NA	图像质量（噪声、伪影、清晰度、整体质量），血管壁和管腔可视化评分（4点Likert量表），比值比（OR），置信区间（CI），假发现率（FDR）校正的P值，Wilcoxon检验，Bland-Altman图，一致性百分比	NA
4293	2026-05-06	Comparative Evaluation of Deep Learning Models for 3D Segmentation and Volumetry of Vestibular Schwannomas Using Large Heterogeneous Data Sets with External Validation 2026-May-04, AJNR. American journal of neuroradiology DOI:10.3174/ajnr.A9112 PMID:41260669	研究论文	评估五种深度学习模型在三维分割与体积测量听神经鞘瘤上的表现，使用大型异质性数据集并进行外部验证	首次系统比较nnUNet、U-Mamba、UNETR和MedSAM等深度学习模型在听神经鞘瘤三维分割中的性能，并评估采集异质性对模型鲁棒性的影响	研究未探讨模型在非对比增强MRI或其他序列上的泛化能力，且外部验证数据集来源有限	比较深度学习模型在听神经鞘瘤三维分割与体积测量中的准确性及鲁棒性	听神经鞘瘤患者在T1对比增强MRI上的扫描影像	计算机视觉，数字病理学	听神经鞘瘤	MRI扫描	卷积神经网络(CNN)，Transformer，基础模型	医学图像（3D MRI）	内部训练集2692次扫描（383名患者），内部测试集277次扫描（97名患者），外部测试集241次扫描	NA	nnUNet (Base, ResEncL), U-Mamba, UNETR, MedSAM	Dice相似系数，Hausdorff距离，表面到表面距离，相对体积误差	NA
4294	2026-05-06	Vessel Wall Imaging at 7T: State of the Art 2026-May-04, AJNR. American journal of neuroradiology DOI:10.3174/ajnr.A9065 PMID:41136333	综述	本文综述了7T磁共振血管壁成像的技术发展、临床应用及未来方向	系统总结了7T-VWI从早期尝试到关键技术突破的演进过程，包括脉冲序列开发和脑脊液抑制技术的整合	存在B1场不均匀性、缺乏标准化协议等挑战	总结7T磁共振血管壁成像的技术现状和临床潜力	颅内血管壁	数字病理学	脑血管疾病	7T-MRI	NA	图像	NA	NA	NA	NA	NA
4295	2026-05-06	Comparative Analysis of Artificial Intelligence-Based Quantification versus Visual Rating of Enlarged Perivascular Spaces in the Multi-Ethnic Study of Atherosclerosis Cohort 2026-May-04, AJNR. American journal of neuroradiology DOI:10.3174/ajnr.A9129 PMID:41397892	研究论文	比较人工智能基于量化与视觉评分在动脉粥样硬化多种族研究队列中扩大的血管周围间隙的分析	首次系统比较了基于人工智能的自动量化方法与传统视觉评分在检测扩大的血管周围间隙与血管风险因素和认知功能关联中的敏感性，显示出AI方法的更高敏感性	NA	比较视觉评分与基于人工智能的量化方法在识别扩大的血管周围间隙与血管风险因素和认知表现关联中的效果	扩大的血管周围间隙（PVS）及其与血管风险因素和认知功能的关系	机器学习	心血管疾病	脑MRI	深度学习	图像	235名来自动脉粥样硬化多种族研究队列的参与者	NA	NA	关联性指标（如β系数和95%置信区间）	NA
4296	2026-05-06	Incorporating valuable prior knowledge to improve deep learning prediction of genetic perturbation responses 2026-May-04, Genome research IF:6.2Q1 DOI:10.1101/gr.281523.125 PMID:41887798	研究论文	提出一种基于先验知识的遗传扰动响应预测模型（PRIM），利用对照细胞基因表达的先验知识提升深度学习的预测性能	引入对照细胞基因表达的先验知识，设计轻量化模型，提高组合扰动响应预测精度并捕捉非加性遗传相互作用	未明确提及局限性	改进深度学习模型对遗传扰动后细胞响应的预测能力	遗传扰动后的基因表达变化	机器学习	NA	NA	PRIM（先验引导响应推断模型）	基因表达数据	NA	NA	PRIM	NA	NA
4297	2026-05-06	Deep Learning-Based Identification of Surgical Candidacy for Cervical Spinal Cord Decompression 2026-May-04, International journal of spine surgery IF:1.7Q2 DOI:10.14444/8877 PMID:42061991	研究论文	利用深度学习基于颈椎磁共振成像识别适合手术减压的患者，为转诊提供客观指标	首次构建基于最小横截面积差生物标志物的深度学习模型，用于区分颈椎管狭窄患者的手术与非手术分组，为临床转诊提供客观量化支持	作为概念验证模型，样本量较小（训练100例、测试147例），且仅基于单中心数据，未考虑患者功能状态等非影像因素	评估深度学习从颈椎影像中区分手术与非手术患者的可行性，为转诊决策提供辅助指标	颈椎管狭窄患者的颈椎磁共振影像	机器视觉	颈椎疾病	磁共振成像	卷积神经网络	影像	训练集100例轴向颈椎磁共振图像，测试集147例连续患者数据	NA	分割模型	曲线下面积	NA
4298	2026-05-06	EyeKey: Self-Supervised Keypoint Detection and Description Network Based on Local Feature Saliency for Retinal Image Global Registration 2026-May-04, IEEE transactions on image processing : a publication of the IEEE Signal Processing Society IF:10.8Q1 DOI:10.1109/TIP.2026.3688165 PMID:42081396	研究论文	提出一个基于局部特征显著性的自监督关键点检测与描述网络EyeKey，用于视网膜图像全局配准	采用“描述的同时检测(DWD)”设计，通过UDPAM++模块增强特征描述能力并检测显著关键点，结合随机局部最困难样本挖掘策略和累积显著关键点扩展策略实现自监督和无监督训练	NA	实现高分辨率、精细纹理视网膜图像的全局配准，提升关键点检测和描述的鲁棒性	视网膜图像	计算机视觉	视网膜疾病	NA	卷积神经网络	图像	NA	PyTorch	UDPAM++模块、映射模块	NA	NA
4299	2026-05-06	Breaking the Black Box: Interpretable AI Achieves Superior Hemorrhage Detection with the Compensatory Reserve Measurement 2026-May-04, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2026.3690009 PMID:42081408	研究论文	提出首个可解释的Vision Transformer模型进行补偿储备测量(CRM)估计，实现出血检测中的高性能与可解释性统一	首次将Vision Transformer应用于CRM估计，在保持比CNN和手工特征模型更高精度的同时，通过注意力机制实现生理学可解释性	模型在R²指标上的提升经10折交叉验证的折级p值(0.052)未达显著性阈值，仅在受试者级p值(0.008)显著	开发可解释的深度学习模型用于早期出血检测与CRM估计	208名接受渐进式下半身负压模拟出血的人类受试者	机器学习	出血	动脉血压(ABP)波形分析	Vision Transformer (ViT)	生理时序波形数据	208名人类受试者，每名提供20秒波形片段作为令牌序列	Optuna, PyTorch	单层Vision Transformer	R², 配对t检验p值	NA
4300	2026-05-06	MZSGO: multimodal zero-shot protein function annotation via evolutionary signals and textual semantics 2026-May-03, Bioinformatics (Oxford, England) DOI:10.1093/bioinformatics/btag168 PMID:41934619	研究论文	提出MZSGO框架，融合蛋白质语言模型的进化信号与大语言模型的语义特征，实现多模态零样本蛋白质功能注释	首次结合蛋白质语言模型的进化信号和大语言模型的文本语义，通过自适应门控融合机制对齐序列与文本模态，实现未知功能标签的零样本预测	未提及具体局限性	突破当前蛋白质功能预测方法对有限模态的依赖，提升对未见标签的泛化能力	蛋白质功能注释与基因本体术语	机器学习, 自然语言处理	NA	蛋白质语言模型, 大语言模型	多模态融合模型	蛋白质序列, 文本语义	NA	PyTorch	自适应门控融合网络	准确率, 召回率, F1分数	NA