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
4501	2026-06-16	Enhanced image quality in head and neck MRI with PROPELLER and deep learning reconstruction 2026-Jun, European journal of radiology open IF:1.8Q3 DOI:10.1016/j.ejro.2026.100771 PMID:42293421	研究论文	结合PROPELLER采集技术和深度学习重建，评估其在头颈部MRI脂肪抑制T2加权成像和弥散加权成像中提升图像质量的效果	首次将PROPELLER采集技术与深度学习重建结合应用于头颈部MRI，显著改善脂肪抑制T2加权成像和弥散加权成像的图像质量和病变可见性	样本量较小（仅34例患者），且为回顾性研究	评估PROPELLER采集技术与深度学习重建联合在头颈部MRI中的图像质量改善效果	34例接受3.0-T头颈部MRI检查的患者	数字病理学	头颈部病变	MRI	深度学习重建（DLR）	图像	34例患者	NA	NA	信噪比（SNR）、对比度噪声比（CNR）、5点Likert量表评分	NA
4502	2026-06-16	TotalSegmentator-AI for aortic segmentation in CT: Reliable performance in normal anatomy but limited utility in pathological aortic disease 2026-Jun, European journal of radiology open IF:1.8Q3 DOI:10.1016/j.ejro.2026.100772 PMID:42293422	研究论文	评估TotalSegmentator-AI在CT主动脉分割中的性能，发现其正常解剖表现可靠，但在病理主动脉疾病中有限	首次对TotalSegmentator-AI在正常和多种病理主动脉条件下的性能进行系统压力测试，并映射其边界和结构失效模式	单中心、回顾性研究，样本量较小（60个CTA扫描），且未包含手动校正的比较	评估深度学习工具TotalSegmentator-AI在主动脉分割中的临床应用边界和可靠性，特别是在病理条件下	60例CTA扫描，分为年轻、老年、动脉瘤、夹层、静脉期和无对比期六组	计算机视觉	主动脉疾病	CTA（计算机断层血管造影）	深度学习	图像	60例CTA扫描，包含360个主动脉节段	NA	TotalSegmentator-AI	定性评分、定量分割误差、Spearman相关系数、加权Cohen's kappa	NA
4503	2026-06-16	Macula- Versus Disc-Centered Fundus Photography: Performance in Age-Prediction and Disease Associations 2026-Jun-01, Investigative ophthalmology & visual science IF:5.0Q1 DOI:10.1167/iovs.67.6.24 PMID:42294805	研究论文	比较以黄斑为中心与以视盘为中心的眼底照片在年龄预测和疾病关联中的性能差异	首次系统对比两种眼底照相固定方式（黄斑中心与视盘中心）对深度学习年龄预测和视网膜年龄差与疾病关联的影响	回顾性设计、单中心数据、系统偏差和异方差性不支持正式互换性、需前瞻性人群队列验证	评估眼底照相固定方式对年龄预测性能和疾病关联的影响	同一患者同一天采集的黄斑中心与视盘中心彩色眼底照片	计算机视觉	年龄相关性黄斑变性	彩色眼底摄影	深度学习年龄预测模型	图像	12,230对同一天采集的眼底照片来自5,895名患者（≥40岁）	NA	NA	平均绝对误差, 组内相关系数, Bland-Altman分析, 比值比	NA
4504	2026-06-16	Acoustic individual identification in a species of field cricket using deep learning 2026-Jun-01, The Journal of the Acoustical Society of America IF:2.1Q1 DOI:10.1121/10.0044100 PMID:42294872	研究论文	利用深度学习从蟋蟀鸣声中实现个体识别，评估其在野生动物监测中的潜力	首次在野外记录的昆虫物种中展示基于深度学习的声学个体识别方法，并对比随机森林模型，证明深度学习在复杂任务中的优越性	不同夜晚间识别准确率显著下降（从99.9%降至65.1%），温度变化未通过声谱图调整得到改进	评估深度学习在野外蟋蟀个体识别中的可行性，推动非侵入性动物种群监测	短翅蟋蟀（Plebeiogryllus guttiventris）的鸣声	机器学习	NA	声学信号分析	深度学习模型（与随机森林对比）	音频数据	封闭种群中未知具体数量个体，不同夜晚的蟋蟀鸣声记录	NA	NA	准确率	NA
4505	2026-06-16	Nuclear Enlargement as a Histological Hallmark of Skeletal Muscle Aging, Revealed by Deep Learning-Driven Analysis and Validated in Inflammatory Myopathies 2026-Jun, Aging cell IF:8.0Q1 DOI:10.1111/acel.70577 PMID:42295036	研究论文	利用深度学习驱动的核形态测量，揭示了核增大作为骨骼肌衰老的组织学标志，并在炎症性肌病中得到验证	首次通过大规模组织学与深度学习结合，发现核增大是骨骼肌衰老的可量化特征，并建立了潜在的“肌肉衰老时钟”，适用于生理性衰老和疾病状态	未明确说明，但从摘要推断可能包括样本来源单一、需要外部验证等	识别骨骼肌衰老的可重复组织学特征，并测试其生物学相关性	人类骨骼肌组织（来自974张H&E全切片图像）	数字病理学	骨骼肌衰老、炎症性肌病	H&E染色、深度学习	双注意力卷积神经网络、Mask R-CNN	图像（全切片图像）	974张H&E全切片图像	NA	双注意力卷积神经网络、Mask R-CNN	AUC、准确率	NA
4506	2026-06-16	PI-RADS v2.1 for prostate MRI: current applications, ongoing debates, and synergies with advanced technologies-a narrative review 2026-May-30, Translational andrology and urology IF:1.9Q3 DOI:10.21037/tau-2026-0193 PMID:42293821	综述	回顾PI-RADS v2.1在前列腺MRI中的当前应用、诊断表现、局限性以及与生物标志物、AI等新技术的协同作用	系统总结了PI-RADS v2.1与先进技术（如深度学习、放射组学、酰胺质子转移加权成像等）的协同潜力	仍存在读者间差异性和患者准备指导不明的问题，且缺乏对不同临床环境中整合方法的前瞻性验证	总结PI-RADS v2.1的应用现状并探索其与先进技术的协同作用以推动精准诊断	PI-RADS v2.1版本及相关诊断方法	自然语言处理	前列腺癌	mpMRI, bpMRI, AI, 深度学习, 放射组学, 酰胺质子转移加权成像, 限制谱成像, 磁共振弹性成像	深度学习, CNN	图像	NA	NA	NA	诊断准确性	NA
4507	2026-06-16	Evolutionary transfer learning enables organism-wide inference of mammalian enhancer landscapes 2026-May-27, bioRxiv : the preprint server for biology DOI:10.64898/2026.04.07.717039 PMID:41993329	研究论文	通过进化迁移学习，结合单细胞染色质可及性图谱和深度学习模型，实现对哺乳动物增强子景观的全基因组推断	提出‘进化转移学习’方法，利用物种间增强子进化速率差异，引入跨物种增强子同源信息（241个哺乳动物基因组），显著提升模型在不同物种间的泛化能力	进化感知模型（STEAM）仍面临标签噪声放大问题，且对串联重复序列和启动子-远端增强子语法混淆的改进有限	使用单细胞数据和深度学习技术，在全基因组尺度上预测哺乳动物发育过程中的细胞类型特异性远端增强子	人类、小鼠及其他239种哺乳动物的发育胚胎细胞，涵盖36个细胞类别和140个细胞类型	机器学习, 数字病理学	NA	单细胞染色质可及性测序（组合索引法）、全基因组增强子预测	多输出深度学习模型（CREsted、STEAM）	染色质可及性数据、序列数据、进化同源注释数据	3.9 million 个细胞（来自36个阶段小鼠胚胎）	TensorFlow, PyTorch, Keras	ResNet, Transformer, U-Net	AUC, 精确率, 召回率, F1分数	NVIDIA RTX 3090 GPU, 云计算平台（AWS）
4508	2026-06-16	DiagPat: An Explainable Language Detection Model Using EEG Signals 2026-May-26, Sensors (Basel, Switzerland) DOI:10.3390/s26113363 PMID:42280883	研究论文	提出了一种基于EEG信号的可解释语言检测模型DiagPat，用于区分阿拉伯语和土耳其语的不同任务模式	提出了基于对角线模式分析的过渡表特征提取方法，结合迭代邻域成分分析和可解释性符号语言，实现了轻量级且高准确率的脑电语言检测	留一法交叉验证的准确率较低（29.75%-83.50%），表明模型在主体间泛化能力有限	开发一种准确、轻量且可解释的脑电信号语言检测框架	346名参与者的脑电信号（98名阿拉伯语、248名土耳其语），包含阅读和听力两种模式	机器学习	NA	脑电图（EEG）	特征工程模型（DiagPat）	脑电信号（14通道×15秒，128Hz）	346名参与者，6364个脑电片段	NA	DiagPat、k近邻（tkNN）	准确率、平衡准确率、宏F1分数	NA
4509	2026-06-16	TailBoost: Tail-Synthetic Learning for Boosting Long-Tailed Skin Cancer Image Classification 2026-May-25, Sensors (Basel, Switzerland) DOI:10.3390/s26113343 PMID:42280864	研究论文	提出TailBoost框架，通过尾部合成学习提升长尾分布的皮肤癌图像分类性能	创新性地利用显著图引导的SPMix策略，在混合头尾类图像时保留并增强尾部类的判别特征，并结合监督对比学习和类中心重平衡进一步优化表征	未在摘要中明确提及，可能需在原文中查看具体限制	解决皮肤癌图像数据中长尾分布导致的分类性能下降问题	长尾分布下的皮肤癌图像分类任务	计算机视觉	皮肤癌	NA	深度学习模型	图像	NA（具体样本数未在摘要中给出，数据集包括ISIC2018、ISIC2019和PAD-UFES-20）	NA	NA	准确率	NA
4510	2026-06-16	An Open Multi-Center Whole-Body FDG PET/CT Foundation Model for Tumor Segmentation 2026-May-20, ArXiv PMID:42238067	研究论文	提出一个基于4,997例多中心FDG PET/CT扫描数据的开源全身肿瘤分割基础模型	采用早期通道级联的层次化UNet骨干网络，实现PET与CT特征从第一嵌入层开始交互；引入基于零均值填补的掩码自编码目标和加权全局重建损失，避免掩码区域边界的非物理强度不连续	仅在FDG PET/CT数据上训练，未探索其他示踪剂或成像协议	开发一个标签高效、多中心适用的PET/CT肿瘤分割基础模型，减少对大规模人工标注的依赖	全身FDG PET/CT肿瘤分割	计算机视觉, 数字病理学	肿瘤	FDG PET/CT	UNet, 掩码自编码器	图像	4,997例多中心扫描（来自四个公开数据集）	PyTorch, MONAI	层次化UNet（早期通道级联）	Dice系数	NA
4511	2026-06-16	CN-RNN: a Deep Learning Framework for Copy Number Variation Detection with Exome Sequencing Data 2026-May-15, bioRxiv : the preprint server for biology DOI:10.64898/2026.05.13.724920 PMID:42182454	研究论文	提出基于深度学习的CN-RNN框架，用于从全外显子测序数据中检测拷贝数变异	结合双向长短期记忆网络与多层感知器，同时捕获局部深度变化、上下文依赖及区域级基因组特征，提升检测准确性	未提及模型对长片段变异或高噪声数据的鲁棒性，也未讨论跨平台或不同测序深度的泛化能力	开发高准确性、低假阳性率的拷贝数变异检测方法，推动全外显子测序在临床和群体遗传研究中的应用	全外显子测序数据中的拷贝数变异	机器学习	通用疾病（涉及自闭症队列）	全外显子测序	BiLSTM, MLP	测序数据（基因区域特征）	自闭症测序联盟（ASC）亲子三人组队列，以及三个独立数据集	NA	BiLSTM, MLP	准确性，召回率，假阳性率	NA
4512	2026-06-16	Using Deep Learning Models of Gene Regulation to Guide Drug Prioritization 2026-May-14, bioRxiv : the preprint server for biology DOI:10.64898/2026.05.11.724354 PMID:42182259	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
4513	2026-06-16	Bayesian-Steered Structure Prediction of Mechanical Biomolecules Using Twisted Diffusion 2026-May-13, bioRxiv : the preprint server for biology DOI:10.64898/2026.05.11.724187 PMID:42182379	研究论文	使用扭曲扩散的贝叶斯导向机械生物分子结构预测	利用扭曲扩散采样器在Boltz-2中实现条件化扩散分布采样，无需额外训练神经网络，以贝叶斯似然引导生成替代分子构象	未提及具体局限性	预测在实验数据中代表性不足但具有功能相关性的分子构象	DNA片段、肌肉蛋白titin、内耳原钙粘蛋白-15和MscL离子通道	机器学习	NA	NA	扩散模型	NA	NA	Boltz-2	扭曲扩散采样器	NA	NA
4514	2026-06-16	CONTRA-IL6: an interpretable hybrid convolutional neural network and Transformer framework for accurate prediction of interleukin-6-inducing peptides using protein language models 2026-May-04, Briefings in bioinformatics IF:6.8Q1 DOI:10.1093/bib/bbag250 PMID:42281397	研究论文	提出一种结合Transformer融合和卷积定位模块的深度学习框架CONTRA-IL6，用于预测白细胞介素-6诱导肽	首次将Transformer融合模块与卷积定位模块结合，利用预训练蛋白质语言模型嵌入来同时捕获全局语义和局部基序特征，并通过计算机模拟突变进行因果验证	未提及在更广泛的肽类或不同物种上的泛化能力，以及计算资源需求的具体细节	开发一种可解释的深度学习框架，用于准确预测白细胞介素-6诱导肽	白细胞介素-6诱导肽	自然语言处理	自身免疫性疾病	蛋白质语言模型嵌入	混合卷积神经网络与Transformer	序列数据	独立数据集	PyTorch	卷积神经网络, Transformer, 1D梯度加权类激活映射++	马修斯相关系数, F1分数	NA
4515	2026-06-16	GraphChIAr: genome-wide super-resolution reconstruction of protein-mediated remote chromatin interactions by augmenting hi-C interaction maps with multiple ChIP-seq profiles 2026-May-04, Briefings in bioinformatics IF:6.8Q1 DOI:10.1093/bib/bbag305 PMID:42289051	研究论文	提出GraphChIAr，一个基于回归的深度学习框架，通过整合Hi-C接触图与多种ChIP-seq图谱及基因组序列信息，实现全基因组超分辨率重构蛋白质介导的远程染色质相互作用	超分辨率能力，能从常规分辨率精确估计至近核小体分辨率（如200 bp）；引入基因组移位距离实现全基因组尺度远程相互作用预测；整合多种互补基因组特征提高了预测准确性	NA	提供一种有效的计算工具，通过增强实验数据来推进三维基因组组织研究，特别是蛋白质介导的染色质相互作用的预测	染色体相互作用强度，关键介导蛋白（如CTCF）的远程互作	机器学习	NA	Hi-C测序，ChIP-seq	深度学习框架	基因组序列数据，Hi-C接触图，ChIP-seq谱	NA	NA	NA	预测准确性	NA
4516	2026-06-16	Data Augmentation Via Generative Adversarial Networks for Robust Prediction of NADH and pH from Limited Time-Resolved Fluorescence Spectra 2026-May, Journal of fluorescence IF:2.6Q3 DOI:10.1007/s10895-026-04775-8 PMID:41998303	研究论文	提出结合生成对抗网络与长短期记忆模块的数据增强方法，用于从有限时间分辨荧光光谱中稳健预测NADH浓度和pH值	首次将生成对抗网络与长短期记忆模块混合用于时间分辨荧光光谱数据增强，实现NADH和pH双参数同步预测，显著提高小样本下的预测精度	NA	实现基于cpYFP生物传感器的NADH浓度和pH值同步定量检测	cpYFP基NADH生物传感器SoNar的时间分辨荧光光谱数据	机器学习	NA	时间分辨荧光光谱	生成对抗网络（GAN）、长短期记忆网络（LSTM）	光谱数据	有限实验数据（具体数量未提及）	NA	GAN, LSTM	预测精度	NA
4517	2026-06-16	Radiomics-based artificial intelligence models in brain tumors: A systematic review and meta-analysis of diagnostic performance 2026-May, Neuroradiology IF:2.4Q2 DOI:10.1007/s00234-026-03983-0 PMID:42043503	系统综述与Meta分析	系统评估基于影像组学的人工智能模型在脑肿瘤诊断中的性能	首次对基于影像组学的AI模型诊断脑肿瘤的准确性进行系统回顾和Meta分析，并探讨模型类型、成像方式和肿瘤亚型对预测准确性的影响	仅31%研究使用了外部验证，且方法学异质性高	系统评估基于影像组学的AI模型诊断脑肿瘤的性能，并识别影响预测准确性的因素	脑肿瘤患者的影像数据及基于影像组学的AI诊断模型	机器学习	脑肿瘤	影像组学	深度学习、混合模型、传统机器学习	影像数据	107项研究	NA	深度学习模型、混合模型、传统机器学习模型	AUC、敏感度、特异度、准确率	NA
4518	2026-06-16	Feasibility of Deep Learning-Based Segmentation of the Facial and Vestibulocochlear Nerves on High-Resolution Magnetic Resonance Imaging 2026-May, Cureus DOI:10.7759/cureus.108842 PMID:42291893	研究论文	评估基于深度学习的面神经和前庭耳蜗神经自动分割在高分辨率磁共振成像上的可行性	首次验证深度学习对颅神经薄小结构（面神经和前庭耳蜗神经）在脑池段和管内段高分辨率MRI上的自动分割，并系统比较多种U-Net变体（Attention U-Net、Dynamic U-Net、U-Net++）在该任务中的性能	回顾性研究，样本量有限（仅22例患者），分割性能指标中等，测试数据集较小，且分割的是小结构导致体素表示有限	评估深度学习自动分割面神经和前庭耳蜗神经在脑池段和管内段的可行性	面神经和前庭耳蜗神经	计算机视觉	NA	高分辨率磁共振成像（MRI）	CNN	图像	22名成年患者	MONAI	三维U-Net, Attention U-Net, Dynamic U-Net, U-Net++	Dice相似系数	NA
4519	2026-06-16	Rolling element bearing fault diagnosis based on modified Pufferfish optimization assisted efficient customized convolutional neural network with IMI-EMD 2026-Apr-30, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-50930-3 PMID:42062436	研究论文	提出一种基于改进河豚优化算法和高效定制卷积神经网络的滚动轴承故障诊断方法	结合改进互信息经验模态分解预处理信号，并采用改进河豚优化算法优化定制卷积神经网络的权重，实现高效故障诊断	未提及模型在噪声环境、变工况条件下的鲁棒性验证及与其他最新方法的全面对比	开发一种自动从原始振动信号中提取特征并进行滚动轴承故障诊断的高效深度学习模型	滚动轴承的振动信号	机器学习	NA	经验模态分解（EMD）	定制卷积神经网络（CCNN）	振动信号	NA	NA	定制卷积神经网络	精确率, 准确率, 灵敏度, 特异度, 假阳性率, 假阴性率	计算成本12.22 GFLOPS，训练时间64.179秒；未指定具体GPU型号
4520	2026-06-16	Comparison and validation of machine learning models to predict 5-year fall risk among community-dwelling older adults in China 2026-Apr-29, BMC geriatrics IF:3.4Q2 DOI:10.1186/s12877-026-07554-z PMID:42050425	research paper	利用中国社区老年人全国代表性纵向数据，系统比较并验证了五种机器学习模型在5年跌倒风险预测中的表现，发现堆叠集成模型最优	首次基于CHARLS全国代表性数据对多个机器学习模型进行系统比较，并引入决策曲线分析和Brier评分等全面评估指标；堆叠集成模型的超强性能揭示了其在二级预防中的潜在应用价值	对于无跌倒史的老年人（一级预防），模型预测能力有限，表明静态基线数据不足以准确预测首次跌倒	比较并验证多种机器学习模型在中国社区老年人5年跌倒风险预测中的性能，为风险分层和数字健康平台集成提供依据	中国社区65岁及以上老年人（初始样本8,072人）	machine learning	geriatric disease	NA	GLM, GBM, DRF, DL, 堆叠集成模型	结构化问卷数据（人口统计学、生活方式、慢性病、感觉与身体功能、人体测量与生物标志物、心理社会/环境因素）	8,072名中国社区老年人（2015年基线，随访至2020年）	NA	GLM, GBM, 分布式随机森林, 深度学习, 堆叠集成	AUC, AUC-PR, Brier评分, 校准图, 决策曲线分析	NA