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
4801	2026-06-13	Deep learning-based identification and maturation assessment of the zygomaticomaxillary suture in cone-beam computed tomography images 2026-Mar-02, Progress in orthodontics IF:3.5Q1 DOI:10.1186/s40510-026-00614-5 PMID:41770475	研究论文	基于深度学习的锥形束CT图像中颧上颌缝识别与成熟度评估系统	首次提出双网络深度学习架构（3D U-Net结合3D ResNet50）实现CBCT中颧上颌缝的自动化定位与成熟度分期评估，克服了传统主观评分的局限性	数据集规模有限（505例），且不同分期任务（五阶段分类）准确率较低（0.611），模型泛化能力有待验证	开发可定量、可复现的颧上颌缝成熟度评估系统，优化上颌前牵引治疗的时机决策	锥形束CT图像中的颧上颌缝结构及其成熟度分期	计算机视觉	上颌发育不足	CBCT	CNN、3D U-Net、3D ResNet50	图像（三维锥形束CT扫描）	505例锥形束CT扫描数据	PyTorch	3D U-Net、3D ResNet50	准确率、精确率、召回率、F1分数、AUC	NA
4802	2026-06-13	Evaluation of a Community-Based AI-Assisted Visual Impairment Screening Model for Performance, Operational Efficiency, Acceptability, Feasibility, and Costs: Protocol for a 2-Arm Pragmatic Randomized Controlled Trial 2026-Mar-02, JMIR research protocols IF:1.4Q3 DOI:10.2196/74164 PMID:41773693	研究论文	评估基于社区的人工智能辅助视力障碍筛查模型在性能、运营效率、可接受性、可行性和成本方面的表现	首次通过双臂实用随机对照试验设计，系统比较AI辅助筛查与传统筛查在转诊准确性、运营效率、患者可接受性、工作流程可行性和成本方面的真实世界证据	研究仍在招募中，结果尚未最终完成，且仅针对新加坡50岁及以上人群，可能限制结果的普适性	评估AI辅助视力障碍筛查模型与传统筛查模型在转诊准确性、运营效率、可接受性、可行性和成本方面的比较	1000名50岁及以上视力障碍风险人群	机器学习	视力障碍	深度学习模型分析视网膜图像	深度学习模型	视网膜图像	1000名参与者，其中符合条件（视力低于6/12）的参与者随机分为AI辅助组和传统筛查组，每组约500人	NA	AI for Disease-related Visual Impairment Screening Using Retinal Imaging模型	曲线下面积	NA
4803	2026-06-13	Application of LSTM-CNN in skiing action recognition under artificial intelligence technology 2026-Mar-02, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-42324-2 PMID:41772118	研究论文	提出一种结合视觉感知的深度学习模型，用于提升复杂场景下自动滑雪动作识别的准确性	采用双流三维卷积网络-双向长短期记忆架构，引入可学习加权融合方法有效整合视觉特征，并通过双向时序建模捕捉完整动作的上下文信息	未在更多样化的真实滑雪场景和更大规模数据集上进行系统验证	提升复杂场景下自动滑雪动作识别的准确性和稳定性	滑雪运动员的完整动作序列，包含背景干扰、光照变化和身体自遮挡的复杂场景	计算机视觉	NA	NA	C3D-BiLSTM（三维卷积-双向长短期记忆网络）	图像（RGB帧）、光流场	使用SkiTB数据集，具体样本量未明确	PyTorch	C3D, BiLSTM	精确率、召回率、F1分数、平均精确率	NA
4804	2026-06-13	PoseShot: hybrid CNN-BiLSTM transformer model for free throw action recognition via pose analysis 2026-Mar-01, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-41025-0 PMID:41766037	研究论文	提出了一种混合CNN-BiLSTM-Transformer模型PoseShot，用于通过姿态分析识别篮球罚球动作	不同于传统人体活动识别关注粗粒度活动标签，PoseShot专门设计用于分析单个篮球罚球动作中细粒度、分阶段的技术细节，通过双通道深度学习架构融合训练视频和精准身体姿态角度计算	NA （摘要中未明确提及局限性）	实现篮球罚球技术的客观、数据驱动评估，弥合主观评价与高级运动分析之间的差距	篮球罚球动作中的身体姿态和运动机制	计算机视觉	NA	姿态分析	CNN, BiLSTM, Transformer	视频（训练录像）	NA	NA	CNN, BiLSTM, Transformer编码器	F-score, 精确率, 召回率	NA
4805	2026-06-13	Could statistical potential models achieve comparable or better performance than deep learning models? 2026-Mar-01, Briefings in bioinformatics IF:6.8Q1 DOI:10.1093/bib/bbag088 PMID:41766645	研究论文	评估统计势模型在蛋白-配体相互作用预测中的表现，并提出混合势模型HybridSP	提出HybridSP混合势模型，结合距离依赖和方向依赖的原子-原子及原子-残基势，并采用亲和力加权方案校正统计分布偏差，在性能上可与深度学习模型媲美甚至超越	未提及具体局限性，但可能受限于传统统计势在数据丰富场景下的扩展性	比较统计势模型与深度学习模型在蛋白-配体对接和虚拟筛选中的性能	蛋白-配体相互作用	计算机辅助药物设计	NA	NA	统计势模型	分子结构数据	NA	NA	HybridSP	对接成功率、富集因子	NA
4806	2026-06-13	Transformer-based multidimensional feature fusion for accurate prediction of lipid nanoparticles transfection efficiency 2026-Mar-01, Briefings in bioinformatics IF:6.8Q1 DOI:10.1093/bib/bbag092 PMID:41766648	研究论文	提出了基于Transformer的多维特征融合方法，用于准确预测脂质纳米颗粒转染效率	构建了包含超过10000个实验测量转染效率值的基准数据集LNPs-TE，并引入LNPs集成特征融合Transformer（LIFT）深度学习框架，有效整合可电离脂质的多维分子表示，实现优于现有技术的预测性能	未明确提及局限性	促进脂质纳米颗粒早期设计和优化，增强RNA递送效率预测	脂质纳米颗粒转染效率预测	机器学习	NA	NA	Transformer	分子表示	超过10000个实验测量的转染效率值	PyTorch	Transformer	皮尔逊相关系数, AUC-ROC, 决定系数R²	NA
4807	2026-06-13	From data to treatment plan: An AI-driven path for automated breast radiotherapy planning 2026-Mar, Journal of applied clinical medical physics IF:2.0Q3 DOI:10.1002/acm2.70491 PMID:41769854	研究论文	提出并验证了TARS-B框架，该框架结合深度学习决策模块和自动治疗计划系统，实现乳腺癌放疗的全自动规划	首次将深度学习决策模块与全自动治疗计划系统结合，实现放疗技术选择和计划生成的端到端自动化，并显著缩短规划时间	样本量较小（仅60例患者），且部分解剖异常病例的自动计划未能满足全部标准	开发和验证用于乳腺癌放疗的自动化框架TARS-B，以优化放疗技术选择和治疗计划生成	60例乳腺癌患者（30例接受3D-CRT，30例接受IMRT）	机器学习	乳腺癌	三维适形放疗（3D-CRT）、调强放疗（IMRT）	深度学习神经网络	CT影像及患者剂量数据	60例乳腺癌患者（其中30例原接受3D-CRT，30例原接受IMRT）	NA	神经网络	剂量学参数（PTV覆盖率V95%、热点V105%、OAR约束）、低剂量和中剂量浴体积、规划时间	NA
4808	2026-06-13	Deep learning in biology faces a transferability crisis 2026-Mar, PLoS biology IF:7.8Q1 DOI:10.1371/journal.pbio.3003656 PMID:41774686	研究论文	探讨深度学习在生物学领域面临的迁移性危机	指出深度学习模型在生物学中的迁移性被误导性声称所威胁，并提出潜在解决方案	未详述具体解决方法的实施细节或验证效果	评估深度学习在生物科学中迁移性问题的严重性并提出改进建议	生物学领域的深度学习模型及其迁移性评估	机器学习	NA	NA	NA	NA	NA	NA	NA	NA	NA
4809	2026-06-13	Embracing the Digital Revolution: How Artificial Intelligence is Transforming Clinical Trials in Older Participants 2026-Mar, Drugs & aging IF:3.4Q2 DOI:10.1007/s40266-026-01288-8 PMID:41781638	综述	探讨人工智能如何通过解决老龄化相关疾病和患者异质性的独特挑战，革新老年人群的临床试验	系统综述了AI在老年临床试验中的变革性作用，涵盖智能患者分层、风险预测、实时监测及数字孪生等创新应用	未提供具体数据支撑，缺乏对AI技术实际部署挑战的量化分析	评估AI在老年临床试验中的应用现状与未来方向	老年人群的临床试验设计与执行过程	机器学习	老年病	电子健康记录集成、可穿戴设备输出分析	深度学习	文本	NA	NA	NA	NA	NA
4810	2026-06-13	MuloAD: A Multiomics Integration Model Utilizing Graph Convolutional Networks for Alzheimer's Disease Diagnosis and Biomarker Identification 2026-Mar, The European journal of neuroscience DOI:10.1111/ejn.70452 PMID:41782334	研究论文	提出一种基于图卷积网络的多组学整合模型MuloAD，用于阿尔茨海默病的诊断和生物标志物识别	使用GraphSAGE分别提取DNA甲基化、mRNA表达和microRNA表达数据特征，并通过视图相关发现网络在高维标签空间中捕捉跨组学关系	仅使用ROSMAP队列的350个样本，样本量有限	开发一种多组学整合方法以提高阿尔茨海默病的诊断准确性和生物标志物识别能力	阿尔茨海默病患者和健康对照	机器学习	阿尔茨海默病	多组学数据整合	图卷积神经网络（GraphSAGE）	组学数据（DNA甲基化、mRNA表达、microRNA表达）	350个样本（来自ROSMAP队列）	NA	GraphSAGE、视图相关发现网络	准确率	NA
4811	2026-06-13	Deep learning-based automated segmentation of intracerebral haemorrhage, intraventricular haemorrhage and perihaematomal oedema on non-contrast CT 2026-Mar-01, European stroke journal IF:5.8Q1 DOI:10.1093/esj/aakag007 PMID:41792040	研究论文	开发并外部验证一个用于非增强CT上脑内出血、脑室内出血和血肿周围水肿同步分割的深度学习模型	首次实现基于3D U-Net的脑内出血、脑室内出血和血肿周围水肿的同步自动分割，并在多中心数据上进行外部验证	模型对脑室内出血和血肿周围水肿的分割准确度较低，特别是血肿周围水肿的体积相关性中等，需要视觉检查和校正	开发和验证可同时分割脑内出血、脑室内出血及血肿周围水肿的深度学习模型	自发性脑内出血患者的非增强CT影像	计算机视觉	脑血管疾病	非增强CT成像	3D U-Net	医学影像	301例患者用于训练，141例患者用于外部验证	PyTorch	3D U-Net	Dice相似系数, 组内相关系数, Bland-Altman分析	NA
4812	2026-06-13	Sequence-based modeling of low-affinity transcription factor-DNA binding through deep learning 2026-Mar, NAR genomics and bioinformatics IF:4.0Q1 DOI:10.1093/nargab/lqag027 PMID:41799016	研究论文	使用深度学习对低亲和力转录因子-DNA结合进行序列建模	系统评估了处理DNA序列方向的不同策略在深度学习模型中的效果，特别是在学习低亲和力结合位点特异性方面的表现	未明确提及	提高对低亲和力转录因子-DNA结合特异性的建模和解释能力	Exd-Hox异源二聚体在果蝇中的SELEX-seq数据	深度学习	NA	SELEX-seq	CNN, 自注意力Transformer	序列数据（DNA序列）	8种Exd-Hox异源二聚体	NA	CNN, 自注意力Transformer	模型准确率，结合特异性指标	NA
4813	2026-06-13	[Current status, application scenarios, challenges, and recommendations for the development of medical artificial intelligence: a domestic and international perspective] 2026-Feb-10, Zhonghua liu xing bing xue za zhi = Zhonghua liuxingbingxue zazhi DOI:10.3760/cma.j.cn112338-20250621-00419 PMID:41765657	综述	本文综述了医疗人工智能的发展现状，涵盖技术框架演进、中美政策支持、三大领域（数据、算力、算法）进展，以及在五大医疗应用场景中的具体表现，并分析了当前面临的关键挑战与应对策略	从国内外双重视角系统梳理了医疗AI在数据、算力、算法三个关键领域的发展现状，并首次全面覆盖五大精准医疗应用场景	未提供具体的实验验证或量化比较分析，主要依赖文献综述和政策分析	全面评估医疗人工智能的发展现状、应用场景、关键挑战，并为中国医疗AI的持续发展提供战略建议	医疗人工智能技术、中美政策支持、医疗应用场景（精准预防、精准诊疗、精准药物研发、精准传染病防控、精准医学教育）	机器学习	NA	NA	大型语言模型、深度学习模型	文本	NA	NA	NA	NA	NA
4814	2026-06-13	Deep learning-based assessment of PD-L1 expression in NSCLC predicts outcome for patients treated with anti-PD-1 immunotherapy 2026, Frontiers in immunology IF:5.7Q1 DOI:10.3389/fimmu.2026.1750816 PMID:41766864	研究论文	本研究利用深度学习分析PD-L1免疫组化切片，评估非小细胞肺癌患者接受抗PD-1免疫治疗后的预后	首次将深度学习应用于PD-L1 IHC切片，识别出可重复的组织形态学模式，超越传统PD-L1评分，为抗PD-1治疗患者提供额外预后信息	OS未达到统计学显著性，样本量相对较小（训练集182例，验证集108例），且仅基于10个极端预后病例进行聚类	评估深度学习能否从PD-L1 IHC切片中识别出预测抗PD-1治疗患者预后的组织学模式	非小细胞肺癌患者（两个独立队列：MSK 182例和CGFL 108例）	数字病理学	非小细胞肺癌	PD-L1免疫组化	CNN（UNI基础模型）	图像（PD-L1 IHC切片）	两个独立队列：训练集182例，验证集108例	NA	UNI	进展生存期、总生存期、风险比、95%置信区间	NA
4815	2026-06-13	MAAR-Net: Multi-scale attention-assisted residual neural network for renal microvascular structure segmentation 2026, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0342752 PMID:41779699	研究论文	提出一种多尺度注意力辅助残差神经网络（MAAR-Net），用于肾脏微血管结构分割	集成多尺度残差块、高层语义特征提取层以及深度可分离卷积注意力模块，在跳跃连接中增强全局与局部特征捕获，并引入额外分割分支聚合多感受野信息	基于2D PAS染色图像，可能缺乏3D空间信息；压缩后的模型可能在极端复杂微血管场景下性能下降	实现高精度、连续、背景干扰抑制的肾脏微血管分割	2D PAS染色肾脏组织学图像中的微血管结构	数字病理学	肾脏疾病	组织学染色（PAS）	CNN（U-Net变体）	图像	HuBMAP数据集（具体数量未提及）	NA	U-Net、多尺度残差块、深度可分离卷积注意力模块	交并比（IoU）、F1分数	通过剪枝和量化为临床部署优化，无需专用工作站或云服务器
4816	2026-06-13	Hybridizing deep learning algorithms and geostatistical approaches for improved crop yield disaggregation 2026, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0344081 PMID:41790616	研究论文	提出一种混合深度学习与地统计学残差克里金法的多阶段框架，用于将村级作物产量统计数据降尺度到像素级别	首次通过经验展示结合天气和卫星波段数据，实现基于混合化框架的村庄到像素级别的产量降尺度方法	NA	提高精细空间分辨率下作物产量估算的可靠性，以支持精准农业和粮食安全规划	印度哈里亚纳邦半干旱地区的小麦和芥菜作物	机器学习	NA	遥感（Sentinel-1和Sentinel-2波段数据）、地统计学残差克里金法	深度学习（DL）模型	土壤、天气、遥感图像数据	NA	NA	随机森林	R²、均方根误差（RMSE）、Moran's I	NA
4817	2026-06-13	MoGraphDRP: Multi-omics and graph fusion with bilinear attention for predicting drug sensitivity 2026, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0341458 PMID:41790794	研究论文	提出了一种多分支深度学习框架，整合多组学细胞数据和药物结构特征来预测药物反应	采用多组学细胞数据（基因表达、突变、甲基化、生物通路）与药物结构特征（分子图、化学指纹）融合，并通过多头双线性注意力模块建模细胞与药物的复杂相互作用	未在摘要中明确说明	实现精准预测癌细胞药物反应，推动精准医学和个性化治疗设计	癌细胞系及其对药物的敏感性	机器学习	癌症	NA	图卷积网络（GCN）、多层感知机（MLP）、多头双线性注意力、XGBoost	基因表达、突变、甲基化、生物通路数据、药物分子图、化学指纹	NA	NA	三层图卷积网络、MLP网络、多头双线性注意力模块、XGBoost集成模型	PCC、RMSE、R²	NA
4818	2026-06-13	Reliable deep learning for coronary artery disease detection: a patient-level, statistically validated MRI study 2025 Oct-Dec, Romanian journal of morphology and embryology = Revue roumaine de morphologie et embryologie DOI:10.47162/RJME.66.4.09 PMID:41787625	research paper	评估两种深度学习架构（DenseNet121和ResNet50）在冠状动脉疾病自动分类中的性能与统计稳健性	在患者层面严格划分数据并进行全面统计推断测试，确保模型性能的可重复性和临床意义	未提及具体限制	从心脏磁共振成像中准确检测冠状动脉疾病，支持早期诊断和临床决策	冠状动脉疾病患者的心脏磁共振图像	machine learning	冠状动脉疾病	心脏磁共振成像	CNN	image	患者级数据	NA	DenseNet121, ResNet50	average accuracy, area under the receiver operating characteristic curve (AUC-ROC), area under the precision recall curve (PR-AUC)	NA
4819	2026-06-12	Side-level versus patient-level evaluation in four-view mammography classification: a comprehensive benchmark on the CMMD dataset 2026-Dec, Future science OA IF:2.4Q3 DOI:10.1080/20565623.2026.2681575 PMID:42274080	研究论文	在CMMD数据集上对四视图乳腺X线摄影分类进行系统评估，比较不同评估粒度和模型架构对性能的影响	首次系统量化评估粒度（侧级vs患者级）对乳腺X线摄影分类性能的影响，发现侧级AUC平均比患者级高17.5个百分点，并提出三种替代聚合方法解决标准概率平均规则导致的退化问题	研究基于单一数据集（CMMD），该队列恶性患者占比极高（96.2%），限制了模型在低患病率筛查场景的适用性，且未考虑临床实际数据分布差异	量化在统一训练条件下，评估粒度（侧级vs患者级）而非模型架构对乳腺X线摄影分类性能的实际影响	来自中国乳腺X线摄影数据库（CMMD）的706名患者，每名患者提供四个视图的乳腺X线影像	计算机视觉	乳腺癌	乳腺X线摄影	CNN, Vision Transformer	图像	706名患者，每人4个视图，共2824张乳腺X线影像	NA	ResNet-18, ResNet-50, EfficientNet-B0, DenseNet-121, ConvNeXt-Tiny, ViT-B/16	AUC, 准确率, 精确率, 召回率, F1分数, Dice系数	NA
4820	2026-06-12	Wavelet Spectrum in a Multi-Channel Network May Reduce Biopsy Rates on Diagnosis of Breast Tumors with BI-RADS Category 4a or Higher 2026-Jun-11, Journal of ultrasound in medicine : official journal of the American Institute of Ultrasound in Medicine IF:2.1Q2 DOI:10.1002/jum.70315 PMID:42273765	研究论文	开发并评估一种结合小波频谱分析与深度学习的计算机辅助诊断方法，用于BI-RADS 4a级以上乳腺肿瘤的良恶性分类，以减少不必要的活检	创新性地将小波频谱分析与多通道深度学习网络结合，利用高频和低频小波分量构建三通道超声图像，并建立严格的患者特异性活检避免标准	未提及外部验证、样本量较小（390例）且为回顾性研究	利用多通道深度学习网络中的小波频谱分析，减少BI-RADS 4a级以上乳腺肿瘤的无必要活检	BI-RADS 4a级或更高的乳腺病变患者	计算机视觉	乳腺癌	小波频谱分析	深度卷积神经网络（Dual-channel deep learning network）	超声图像	390名乳腺病变患者	NA	双通道深度学习网络	准确率, 活检避免率, 漏诊率	NA