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
461	2026-04-24	Performance of breast cancer risk prediction algorithms across mammography systems in the UK screening programme 2026-Mar-08, NPJ digital medicine IF:12.4Q1 DOI:10.1038/s41746-026-02507-7 PMID:41795013	研究论文	在英国国家筛查项目中，评估多种乳腺癌风险预测算法在不同乳腺摄影系统中的表现	首次在完整的国家筛查数据上对四种深度学习算法（Mirai、iCAD、Transpara、Google）进行对比验证，并探讨不同乳腺摄影系统（Philips、GE）对算法性能的影响	仅基于英国两个筛查站点和五年随访数据，可能无法推广到其他人群或设备系统；未进行前瞻性测试或算法微调	比较并评估不同深度学习风险预测算法在乳腺癌筛查中的判别能力和泛化性能	英国NHS乳腺癌筛查项目中的112,621张阴性乳腺摄影图像和1225例未来癌症病例	计算机视觉	乳腺癌	乳腺摄影成像	深度学习	图像	112,621张阴性乳腺摄影图像，来自1225例未来癌症和对照组	NA	Mirai、iCAD、Transpara、Google	AUC	NA
462	2026-04-24	Efficient cardiac MRI multi-structure segmentation for cardiovascular assessment with limited annotation by integrating data-level and network-level consistency 2026-Mar-07, NPJ digital medicine IF:12.4Q1 DOI:10.1038/s41746-026-02475-y PMID:41794927	研究论文	提出一种集成数据级和网络级一致性的半监督学习框架，以有限标注数据高效分割心脏MRI多结构，用于心血管评估	通过整合数据级和网络级一致性构建互集成框架，有效利用有限标注和大量未标注数据，提升心脏MRI多结构分割性能	NA	解决心脏MRI分割中标注数据稀缺问题，实现高精度多结构分割	心脏MRI中的多个解剖结构	计算机视觉	心血管疾病	心脏MRI	半监督学习网络	图像	有限标注数据和大量未标注数据	NA	互集成框架	分割性能指标（具体未提及）	NA
463	2026-04-24	EpiExpr: Predicting gene expression using epigenetic data and chromatin interactions 2026-Mar-06, bioRxiv : the preprint server for biology DOI:10.64898/2026.02.06.704509 PMID:41867859	研究论文	EpiExpr是一个灵活的深度学习框架，利用一维表观遗传数据和三维染色质相互作用预测基因表达	整合一维表观遗传图谱和三维染色质相互作用进行基因表达预测，无需序列嵌入即可达到与基于DNA序列的transformer模型相当的性能	NA	从表观基因组图谱解码基因表达，捕获远端调控效应	GM12878和K562细胞	机器学习	NA	CRISPRi-FlowFISH	残差卷积网络、图神经网络、图注意力模型、图变换器模型	表观遗传图谱、染色质相互作用数据	两种细胞系（GM12878和K562）	PyTorch	ResNet, GNN, GAT, Graph Transformer	预测精度、AUC	NA
464	2026-04-24	Artificial Intelligence-Driven Discovery and Optimization of Antimicrobial Peptides Targeting ESKAPE Pathogens and Multidrug-Resistant Fungi 2026-Mar-06, Microorganisms IF:4.1Q2 DOI:10.3390/microorganisms14030591 PMID:41900351	综述	本文综述了人工智能在针对ESKAPE病原体和多重耐药真菌的抗菌肽发现与优化中的应用	结合机器学习、深度学习及基于transformer的蛋白质语言模型，以及生成式方法（如变分自编码器、扩散模型和强化学习）实现从头多目标肽设计和病原导向优化	尚未有完全由AI设计的抗菌肽获得监管批准，临床转化仍受毒性、稳定性和生产限制	评估人工智能在加速下一代抗多重耐药病原体的抗菌肽临床转化中的潜力	抗菌肽、ESKAPE病原体、多重耐药真菌	机器学习	抗微生物耐药性感染	NA	机器学习、深度学习、transformer、变分自编码器、扩散模型、强化学习	序列数据	NA	NA	transformer, 变分自编码器, 扩散模型	NA	NA
465	2026-04-24	AI-Driven Drug Discovery: Focus on Targets for Solid Tumors 2026-Mar-06, Pharmaceutics IF:4.9Q1 DOI:10.3390/pharmaceutics18030329 PMID:41900815	综述	探讨人工智能在实体肿瘤药物靶点发现中的应用进展与挑战	系统总结了近三年特别是大语言模型在肿瘤药物发现中的应用，并聚焦于AI辅助靶点识别的最新进展	未提及具体实验验证或定量性能比较，且侧重于综述性分析而非技术方法创新	综述AI在实体肿瘤药物靶点发现中的应用现状及未来方向	实体肿瘤及其药物靶点	机器学习	实体肿瘤	NA	大语言模型	多组学生物数据、真实世界证据	NA	NA	NA	NA	NA
466	2026-04-24	Integration of radiomics, deep learning, transcriptomics, and metabolomics reveals prognostic risk stratification and underlying biological mechanisms in colorectal cancer 2026-Mar-06, NPJ precision oncology IF:6.8Q1 DOI:10.1038/s41698-026-01331-2 PMID:41792227	研究论文	通过整合影像组学、深度学习、转录组学和代谢组学，开发了一种预后风险分层模型，并揭示结直肠癌的潜在生物学机制	首次系统评估十种机器学习算法在117种组合中的表现，构建深度学习影像组学模型，并整合多组学数据揭示预后风险分层的生物学基础	仅使用静脉期CT图像，未涉及多模态影像数据；研究基于回顾性数据，需前瞻性验证	开发结合影像组学和深度学习的预后风险分层模型，并探索其背后的生物学机制	结直肠癌患者	机器学习, 数字病理学	结直肠癌	CT影像, 转录组测序, 代谢组学分析	深度学习, 机器学习	影像, 转录组数据, 代谢组数据	来自四个中心的1183名患者的静脉期CT图像，以及一个独立公共队列的417名样本	NA	深度学习影像组学模型	预后风险分层（高风险与低风险组的生存差异）	NA
467	2026-04-24	Collision-free morgan fingerprints: a principled approach to enhance machine learning performance and interpretability in chemistry 2026-Mar-02, Journal of cheminformatics IF:7.1Q1 DOI:10.1186/s13321-026-01170-0 PMID:41772717	研究论文	提出无冲突摩根指纹（CF-MF），通过自适应数据驱动大小机制消除指纹中的位冲突，提升机器学习性能和可解释性	首次系统量化摩根指纹位冲突对机器学习性能的影响，并提出一个基于信息论的理论框架，将冲突导致的信息熵损失与性能退化直接关联，同时证明消除冲突可恢复化学有效的SHAP归因	未明确讨论在不同数据类型或极端大规模分子数据集上的扩展性，以及计算开销的具体分析	解决摩根指纹中位冲突导致的结构-性质关系错乱和可解释性下降问题，建立更可靠的分子表示方法	超过5万个分子，涵盖25个多样化数据集	机器学习	NA	分子指纹（摩根指纹）	多种机器学习范式（含深度学习）	分子描述数据（SMILES或分子结构图）	超过5万个分子样本	NA	NA	RMSE（回归任务）、准确率（分类任务）、R²（信息论分析）	NA
468	2026-04-24	MRI-based qualitative, quantitative, and radiomics/deep learning methods for assessing treatment response after neoadjuvant chemoradiotherapy in patients with locally advanced rectal cancer 2026-Mar, Precision radiation oncology DOI:10.1002/pro6.70055 PMID:42022355	综述	总结基于MRI的定性、定量、影像组学和深度学习方法在评估局部进展期直肠癌新辅助放化疗疗效中的现状与未来展望	综合阐述了功能MRI技术（如弥散加权成像、灌注加权成像等）以及新兴的影像组学和深度学习方法在评估新辅助放化疗后病理完全缓解中的应用	未明确提及，但综述性质可能导致缺乏实证对比分析	评估新辅助放化疗后病理完全缓解的术前准确评估方法	局部进展期直肠癌患者	医学影像分析, 机器学习	直肠癌	MRI, 功能MRI, 影像组学, 深度学习	深度学习模型（未具体指定）	MRI图像	NA	NA	NA	NA	NA
469	2026-04-24	Early Cancer Detection: What's Going on and What's Next 2026-Mar, MedComm IF:10.7Q1 DOI:10.1002/mco2.70653 PMID:42022539	综述	本文综述了基于血液的多癌种早期检测技术的现状、挑战与未来方向	整合多组学分析与先进分子成像的协同方法，以及风险适应的MCED范式，可能提高检测准确性和肿瘤定位能力	MCED方法在方法学、临床和实施方面仍面临重大障碍，影响了其广泛应用	评估多癌种早期检测技术的发展现状、优势及局限，并探讨人工智能在其中的作用	循环游离DNA和循环肿瘤DNA为基础的检测方法	机器学习	癌症	多组学分析、分子成像、循环游离DNA测序、循环肿瘤DNA测序	深度学习	血液样本中的DNA数据	NA	NA	NA	灵敏度、特异性、预测性能	NA
470	2026-04-24	Explainable Artificial Intelligence in Healthcare: Current Landscape, Challenges, and Future Directions 2026-Mar, Health science reports IF:2.1Q3 DOI:10.1002/hsr2.72172 PMID:42022614	综述	系统综述了可解释人工智能在医疗健康领域的当前状况、挑战与未来方向	首次系统性地将可解释人工智能技术与具体医疗领域（如肿瘤学、心脏病学）进行映射分析，并识别出新兴趋势如混合可解释模型和人本设计	真实世界验证不足、可解释性指标缺乏标准化、伦理监管框架不完善	综合评估可解释人工智能在医疗健康中的应用现状，识别关键挑战并指出未来发展方向	2017-2025年间发表的70篇同行评审研究文献	机器学习	肿瘤学、心脏病学、传染病、神经学	NA	深度学习（CNN、RNN、LSTM、Transformer）、树模型（随机森林、XGBoost、决策树）	文本	70篇研究文献	NA	CNN, RNN, LSTM, Transformer, 随机森林, XGBoost, 决策树	NA	NA
471	2026-04-24	Wearable Hybrid Strain-Myoelectric Sensing System for Machine-Learning-Assisted Sarcopenia Screening 2026-Mar, Small science IF:11.1Q1 DOI:10.1002/smsc.202500582 PMID:42022867	研究论文	提出一种可穿戴混合应变-肌电传感系统，结合CNN-LSTM深度学习框架，用于机器学习辅助的肌肉减少症早期筛查	首次集成表面肌电信号与压电应变传感技术，同时捕捉电生理信号和机械变形信号，结合CNN-LSTM深度学习和特征工程（9种生理相关特征）实现高精度筛查，并利用SHAP可解释性分析揭示神经肌肉退行性变化机制	仅在75名老年参与者中验证，样本量较小，且未明确说明该方法在更广泛人群或临床环境中的泛化能力	开发一种便携、低成本、无辐射的肌肉减少症早期筛查系统	肌肉减少症患者的神经肌肉状态，特别是肌肉收缩时的电生理信号和机械变形信号	机器学习	老年疾病	表面肌电图、压电应变传感	CNN-LSTM	信号	75名老年参与者	PyTorch	CNN, LSTM	准确率, 曲线下面积	NA
472	2026-04-24	Truth-based physics informed estimation of material composition in spectral CT in terms of density and effective atomic number 2026-Feb-13, Physics in medicine and biology IF:3.3Q1 DOI:10.1088/1361-6560/ae4284 PMID:41643313	研究论文	开发并验证一种物理信息引导的深度学习模型，用于从光谱CT图像中分解出密度和有效原子序数图	首次将物理信息正则化损失引入生成对抗网络（GAN），结合高质量模拟数据训练，实现了无真实标签情况下的高精度材料分解	样本量较小（6例临床病例），限制了结果的泛化能力	开发一种物理信息引导的深度学习模型，用于光谱CT中的材料分解，以提升密度和有效原子序数图的估计精度	光谱CT图像中材料的密度和有效原子序数	计算机视觉	一般性病变（肝病变检测）	光谱CT	生成对抗网络（GAN）	图像	32个人体模型用于训练，16个计算体模和6个临床病例用于验证	PyTorch	GAN	NRMSE, SSIM, PSNR, RMSE, 感知能见度评分	NA
473	2026-04-24	Deep learning for the change-point Cox model with current status data 2026-Feb-09, Lifetime data analysis IF:1.2Q2 DOI:10.1007/s10985-026-09689-y PMID:41661381	研究论文	本研究针对当前状态数据，开发了含变点的深度部分线性Cox比例风险模型的估计方法，旨在处理复杂的变点效应	利用深度神经网络在Cox框架内建模协变量效应，并提出变点检测的最大似然估计程序，建立了估计量的渐近性质，包括一致性、渐近独立性和半参数效率	未明确说明局限性，但可能涉及对深度模型复杂性和数据要求的讨论	开发针对当前状态数据中含变点的深度部分线性Cox模型的估计方法，以准确捕捉复杂变点效应	当前状态数据中的变点效应建模，以及乳腺癌数据集的应用分析	机器学习	乳腺癌	NA	深度神经网络	时间事件数据	乳腺癌数据集（具体样本数量未说明）	NA	深度部分线性Cox比例风险模型	一致性，渐近独立性，半参数效率	NA
474	2026-04-24	A Novel Ensemble Learning Approach for Grouping the State-of-the-Art YOLOV10 and YOLOV11 Models for Kidney Stone Detection in CT and Ultrasound Images 2026-Feb, Journal of imaging informatics in medicine DOI:10.1007/s10278-025-01499-2 PMID:40234345	研究论文	提出一种集成YOLOV10和YOLOV11模型的集成学习方法，用于在CT和超声图像中检测肾结石	首次将YOLOV10和YOLOV11模型集成用于肾结石检测，通过减少假阴性和假阳性错误提升个体模型性能	未提及具体计算资源和数据集规模等限制	提高肾结石在医学图像中的检测准确性和精确度	CT和超声图像中的肾结石	计算机视觉	肾结石	深度学习	YOLOV10, YOLOV11	图像	未提及	NA	YOLOV10, YOLOV11	精确率, 召回率, F1分数, Map50	NA
475	2026-04-24	The Lack of Neurofeedback Training Regulation Guidance and Process Evaluation May be a Source of Controversy in Post-Traumatic Stress Disorder-Neurofeedback Research: A Systematic Review and Statistical Analysis 2026-Feb, Brain connectivity IF:2.4Q3 DOI:10.1089/brain.2024.0084 PMID:40371570	系统综述与统计分析	对脑机接口神经反馈训练在创伤后应激障碍干预中的方法学与实验设计进行系统评价	揭示了神经反馈训练中缺乏明确调控指导与过程评估机制是争议来源，并提出机器学习/深度学习方法在小样本场景下的应用方向	仅包含Web of Science数据库文献，未纳入非英语或未发表研究；样本量较小限制了高级分析方法的应用	分析神经反馈技术在PTSD调控中的主要技术路线与结果，探讨有效性争议原因并提出改进方向	已发表的PTSD神经反馈原始研究文献（共31篇）	数字病理学	创伤后应激障碍	脑电图神经反馈、功能性磁共振成像神经反馈	机器学习（基础方法）、深度学习（未应用）	时间序列信号（EEG）、脑功能影像（fMRI）	EEG研究平均样本量17.4（SD 7.13），fMRI研究平均样本量14.6（SD 6.37）	NA	NA	NA	NA
476	2026-04-24	Diffusion Posterior Sampling for Tomographic Reconstruction with Mixed Resolution Priors 2026-Feb, Proceedings of SPIE--the International Society for Optical Engineering DOI:10.1117/12.3088076 PMID:42017039	研究论文	提出一种基于扩散后验采样的混合先验模型，用于提高断层重建中区域空间分辨率并保持全局结构一致性	结合全局扩散模型和区域块状扩散模型，通过频域方法融合低频和高频成分，并采用移位块划分机制消除拼接伪影	混合先验模型依赖高质量训练数据，且区域先验的应用需手动定义掩膜	在断层图像重建中通过混合先验模型提升区域分辨率，同时保持全局稳定性和一致性	断层重建中的图像数据	计算机视觉	NA	扩散后验采样	扩散模型	图像	NA	PyTorch	扩散模型（全局+区域块状模型）	重建质量	NA
477	2026-04-24	Evaluation of Fluence Reduction versus Sparsity for Diffusion Posterior Sampling Reconstruction in Low-Dose CT 2026-Feb, Proceedings of SPIE--the International Society for Optical Engineering DOI:10.1117/12.3087836 PMID:42017038	研究论文	系统模拟研究低剂量CT中光子通量减少与稀疏采样对扩散后验采样重建性能的影响	首次在同一框架下系统比较低剂量CT协议中两种降剂量策略（稀疏采样与每视角光子通量减少）对扩散后验采样重建的影响，并提出联合优化方案	仅基于模拟研究，未涉及真实临床数据验证	探究低剂量CT协议设计时，如何平衡稀疏采样与光子通量减少以最优维持重建图像质量	基于扩散后验采样算法的低剂量CT重建	计算机视觉, 数字病理学	NA	CT扫描	扩散概率模型	图像	模拟数据集（通过调整视角数和每视角入射光子数生成的不同组合）	PyTorch	扩散后验采样	PSNR, 偏差, 后验样本变异性	NA
478	2026-04-24	Comparative Evaluation of Advanced Deep Learning, Image-to-Text Models, and Radiomics for Predicting Tumor Budding and Tumor-Stroma Ratio from Breast Ultrasound in Invasive Ductal Carcinoma 2026-Jan, Academic radiology IF:3.8Q1 DOI:10.1016/j.acra.2025.10.020 PMID:41176437	研究论文	比较深度学习、图像到文本模型和影像组学在预测浸润性导管癌超声图像中肿瘤出芽和肿瘤-基质比率方面的性能	首次系统比较了先进图像分类深度学习模型（YOLOv11x-cls、DINOv2、Vision Transformer）、图像到文本模型（BLIP-2）和基于影像组学的机器学习算法在预测乳腺癌肿瘤微环境关键参数方面的效果	样本量较小（153例患者），且为单中心回顾性研究，模型泛化性可能有限	从术前超声图像中预测浸润性导管癌的肿瘤出芽和肿瘤-基质比率，以助力个性化治疗策略制定	浸润性导管癌患者的术前超声图像	数字病理学, 计算机视觉	乳腺癌	超声成像	卷积神经网络, Transformer, 多模态模型	图像	153例浸润性导管癌患者	PyTorch, Scikit-learn	YOLOv11x-cls, DINOv2, Vision Transformer, BLIP-2, KNN, SVM, XGBoost	AUC, Accuracy	NA
479	2026-04-24	TinyAct: A framework for real-time action recognition in the cloud through distillation learning 2026, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0347245 PMID:42008450	研究论文	提出TinyAct框架，通过蒸馏学习实现云端实时人体动作识别，结合边缘计算与轻量级特征提取	采用3D视频自动编码器提取紧凑时空特征，结合知识蒸馏将ILA-ViT-B/16教师模型的知识迁移至轻量学生模型，实现边云协同计算	在Kinetics-400数据集上最高准确率仅57%，远低于当前最优模型；蒸馏实验表明预训练学生模型在教师监督下性能反而下降，需要进一步优化	设计计算高效的实时人体动作识别框架，适用于资源受限的边缘设备	人体动作识别任务，Kinetics-400数据集中的视频序列	计算机视觉	NA	知识蒸馏，3D视频自动编码器，边缘计算	随机森林，支持向量机，XGBoost，ILA-ViT-B/16 Transformer	视频	Kinetics-400数据集（具体样本量未提及）	NA	3D自动编码器，ILA-ViT-B/16 Transformer	准确率	NA
480	2026-04-24	A cross-dataset harmonized intrusion detection framework with statistically validated multi-model learning 2026, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0346982 PMID:42008467	研究论文	提出一个跨数据集统一的入侵检测框架，整合特征协调、多模型基准测试和统计验证	提出基于SHA-256哈希链的加密日志机制，实现实验结果的防篡改可追溯性和可重复性	基于手动特征对齐，可能在高度异构的数据集上效果不佳	解决机器学习入侵检测系统对单一数据集的依赖、缺乏可重复性和透明性的问题	遗留数据集NSL-KDD和现代数据集CICIDS2017	机器学习	无	NA	随机森林	网络流量数据	NA	NA	随机森林	准确率，F1分数	NA