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
5041	2026-04-18	Regulatory risk loci link disrupted androgen response to the pathophysiology of polycystic ovary syndrome 2026-May, Journal of the Endocrine Society IF:3.0Q2 DOI:10.1210/jendso/bvag083 PMID:41994484	研究论文	本研究通过整合分子和表观基因组注释，并应用深度学习框架，预测了多囊卵巢综合征风险变异在细胞类型特异性调控中的作用，揭示了其与雄激素信号通路及疾病病理生理学的关联	首次将深度学习模型与表观基因组数据整合，以预测PCOS风险变异在特定细胞类型中的调控效应，并揭示了这些变异如何通过破坏雄激素介导的信号通路影响疾病表型	研究主要基于计算预测和体外实验数据，缺乏体内功能验证；样本类型和数量可能限制了对所有相关细胞类型的全面覆盖	解析多囊卵巢综合征遗传易感位点如何通过调控机制驱动疾病表型，特别是与雄激素信号相关的病理生理过程	多囊卵巢综合征的风险遗传变异及其在脑和内分泌细胞类型中的调控效应	机器学习	多囊卵巢综合征	表观基因组注释、深度学习框架、报告基因检测	深度学习模型	分子和表观基因组数据	NA	NA	NA	与报告基因检测数据的一致性	NA
5042	2026-04-18	Cogninet: an explainable deep learning model for multi-class MRI-based Alzheimer's disease staging 2026-Apr-17, International journal of computer assisted radiology and surgery IF:2.3Q2 DOI:10.1007/s11548-026-03617-z PMID:41991821	研究论文	本文提出了一种名为CogniNet的新型可解释深度学习模型，用于基于MRI的多阶段阿尔茨海默病分期	结合VGGNet19的架构深度与DenseNet201的特征复用和梯度效率优势，设计了一种新的CNN架构，并利用Grad-CAM生成类别特异性注意力图以提高模型可解释性	未明确提及模型在更广泛或不同分布数据集上的泛化能力，以及临床部署中的实际验证	解决现有研究中依赖二分类、缺乏模型可解释性以及较少考虑临床可用性等关键限制	阿尔茨海默病的多阶段分类	数字病理学	阿尔茨海默病	磁共振成像	CNN	图像	3200个未见过的轴向MRI切片	NA	VGGNet19, DenseNet201	准确率, 灵敏度	NA
5043	2026-04-18	Application of an open-source AI tool for quantitative quality control in whole slide images of prostate needle core biopsies - a retrospective study 2026-Apr-17, Journal of histotechnology IF:0.6Q4 DOI:10.1080/01478885.2026.2657106 PMID:41994924	研究论文	本研究回顾性评估了开源AI工具PathProfiler在自动化、定量化控制前列腺穿刺活检全切片图像质量方面的可行性与价值	首次在前列腺活检WSI质量控制的临床工作流程中，系统性地应用并评估了基于深度学习的开源工具PathProfiler，实现了对图像可用性、聚焦质量和H&E染色质量的自动化、定量化评分	研究为单中心回顾性分析，样本量有限（226例）；算法将前列腺外组织识别为“其他伪影”可能导致评分偏差；未与病理学家的主观质量评估进行直接比较验证	评估PathProfiler软件在自动化、定量化控制前列腺穿刺活检全切片图像质量方面的可行性及其对诊断流程的辅助价值	前列腺穿刺活检的H&E染色全切片图像	数字病理学	前列腺癌	H&E染色，全切片成像	深度学习	图像	226张来自前列腺穿刺活检的H&E全切片图像	NA	NA	可用性评分，聚焦评分，H&E质量评分	NA
5044	2026-04-18	Mamba-ACP: a Hybrid State-Space and Transformer Framework for Interpretable Anticancer Peptide Prediction 2026-Apr-16, IEEE transactions on computational biology and bioinformatics DOI:10.1109/TCBBIO.2026.3684898 PMID:41989903	研究论文	本文提出了一种名为Mamba-ACP的混合深度学习框架，用于预测抗癌肽，该框架结合了基于Transformer的进化尺度建模嵌入、手工特征和Mamba序列建模架构	创新点在于首次将Transformer的ESM-2嵌入、手工特征（AAindex、BLOSUM62）与Mamba序列建模架构相结合，以捕获肽的进化和理化特性，从而提升预测性能	未明确提及具体局限性，但可能涉及模型对特定数据集的依赖或泛化能力的进一步验证	研究目的是开发一个准确、可扩展且可泛化的抗癌肽预测模型，以克服抗癌肽在临床转化中的生物挑战	研究对象是抗癌肽（ACPs），即一类选择性破坏癌细胞而不伤害健康组织的治疗剂	自然语言处理	癌症	深度学习、进化尺度建模（ESM-2）、主成分分析（PCA）	Transformer, Mamba	序列数据（肽序列）	使用两个基准数据集（Set 1和Set 2），具体样本数量未明确提及	未明确指定，但可能基于PyTorch或TensorFlow等深度学习框架	ESM-2, Mamba	准确率, AUC	未明确提及
5045	2026-04-18	Automatic sleep staging from CPAP airflow using a dual fusion multi-period convolutional neural network 2026-Apr-16, Physiological measurement IF:2.3Q3 DOI:10.1088/1361-6579/ae60df PMID:41990791	研究论文	本文提出了一种基于双融合多周期卷积神经网络的模型，用于从CPAP气流信号中自动进行睡眠分期	引入了一种新颖的双融合多周期卷积神经网络架构，利用多个周期特定的卷积核和双融合机制，共同编码CPAP气流信号中的短程和长程时间依赖性，克服了传统固定尺度模型的限制	未明确提及具体局限性	利用CPAP设备记录的气流信号进行自动睡眠分期，以扩展CPAP设备在被动睡眠动态监测中的应用	CPAP气流信号	机器学习	阻塞性睡眠呼吸暂停低通气综合征	CPAP气流信号分析	CNN	信号数据	NA	NA	双融合多周期卷积神经网络	准确率, Cohen's κ	NA
5046	2026-04-18	Automated deep learning for real-time focal liver lesions detection in ultrasound videos a multicenter study 2026-Apr-16, NPJ digital medicine IF:12.4Q1 DOI:10.1038/s41746-026-02629-y PMID:41991627	研究论文	本研究开发了一种基于深度学习的自动化模型Auto-DFLLs，用于实时检测超声视频中的局灶性肝脏病变	首次提出基于ResNet和FPN架构的自动化深度学习模型，用于实时检测超声视频中的局灶性肝脏病变，并在多中心研究中验证其能显著提升不同经验水平超声医师的检测性能	NA	开发并验证一种自动化深度学习模型，以降低超声检测局灶性肝脏病变对操作者经验的依赖性	超声视频中的局灶性肝脏病变	计算机视觉	肝脏疾病	超声成像	CNN	视频	来自三家医院的5258个前瞻性收集的超声视频	NA	ResNet, FPN	AP50, Pr70, FP70, AFROC-AUC	NA
5047	2026-04-18	LGGC-Net: a local-global graph and color attention-based lightweight CNN for skin cancer classification 2026-Apr-16, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-48724-8 PMID:41991637	研究论文	本研究提出了一种名为LGGC-Net的轻量级CNN模型，通过结合局部-全局图与颜色注意力机制来提升皮肤癌分类性能，同时保持计算效率	提出了LGGC（局部、全局图和颜色）注意力机制，并将其集成到轻量级CNN中，以增强判别性特征学习，在保持高精度的同时大幅减少模型参数量	模型在未见过的HAM10000数据集上的多分类准确率为76.1%，仍有提升空间；研究未详细说明在更多样化临床环境中的泛化能力	开发一种可临床部署、轻量、鲁棒且可解释的AI系统，用于皮肤癌分类	皮肤病变图像	计算机视觉	皮肤癌	NA	CNN	图像	使用了外部图像集和HAM10000数据集，具体样本数量未在摘要中明确说明	NA	LGGC-Net	准确率, AUC	NA
5048	2026-04-18	Class-adaptive oracle-free metamorphic test case prioritization framework for vision-based deep neural networks 2026-Apr-16, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-49010-3 PMID:41991724	研究论文	提出了一种面向视觉深度神经网络的无预言机类自适应蜕变测试用例优先级排序框架	首次将类别依赖的模型行为变化与预测不确定性和可解释性漂移的互补作用相结合，通过多目标贝叶斯优化进行集成，实现了动态的、类自适应的测试用例优先级排序	实验仅在三个公开数据集和三种网络架构上进行验证，未涉及更复杂的现实世界场景或更大规模的模型	为安全关键的视觉应用开发一种鲁棒且可扩展的深度神经网络验证策略	视觉深度神经网络系统	计算机视觉	NA	蜕变测试	深度神经网络	图像	CIFAR-10、Fashion-MNIST和ISIC2019数据集	NA	ResNet-18, ResNet-50, ConvNeXt-Base	统计显著性改进	NA
5049	2026-04-18	A vision-language foundation model improves preoperative diagnosis of follicular thyroid neoplasms using ultrasound images 2026-Apr-16, NPJ precision oncology IF:6.8Q1 DOI:10.1038/s41698-026-01430-0 PMID:41991963	研究论文	本研究开发了一个名为FTC-Net的视觉-语言基础模型，用于术前利用超声图像对滤泡性甲状腺肿瘤进行分类	首次将视觉-语言基础模型应用于滤泡性甲状腺肿瘤的术前诊断，相比传统深度学习和TI-RADS系统，在外部验证中取得了更高的AUC，并显著降低了细针穿刺活检率	研究为回顾性多中心设计，可能存在选择偏倚；模型性能需在前瞻性临床试验中进一步验证	开发一种非侵入性工具，以改善滤泡性甲状腺肿瘤的术前诊断，减少不必要的手术和活检	滤泡性甲状腺肿瘤（包括滤泡性甲状腺癌和滤泡性甲状腺腺瘤）的超声图像	计算机视觉	甲状腺癌	超声成像	视觉-语言基础模型	图像	2421名患者（6477张图像），来自14个机构	NA	FTC-Net	AUC	NA
5050	2026-04-18	Identification and selection of the best artificial intelligence methods developed for detection and diagnosis of breast cancer 2026-Apr-16, Tumori DOI:10.1177/03008916261434125 PMID:41992582	研究论文	本研究通过模糊AHP-TOPSIS技术，系统识别并优先排序了用于乳腺癌检测和诊断的人工智能方法	首次结合模糊层次分析法（FAHP）和TOPSIS方法，对乳腺癌检测与诊断的AI技术进行系统性评估与排序	研究依赖于现有文献数据，未进行原始实验验证；评估标准可能受主观因素影响	识别并选择最佳的乳腺癌检测与诊断人工智能方法	乳腺癌检测与诊断的人工智能技术	数字病理	乳腺癌	NA	深度学习集成架构	显微图像	NA	NA	VGG16, ResNet34, ResNet50	有效性, 准确性, 全面性, 处理时间, 成本, 简洁性, 执行能力	NA
5051	2026-04-18	Accuracy of Deep Learning for Detecting Axillary Lymph Node Metastasis in Breast Cancer: Systematic Review and Meta-Analysis 2026-Apr-16, Journal of medical Internet research IF:5.8Q1 DOI:10.2196/77593 PMID:41992690	系统综述与荟萃分析	本文通过系统综述和荟萃分析，评估了深度学习模型在检测乳腺癌腋窝淋巴结转移方面的诊断性能	首次对深度学习在乳腺癌腋窝淋巴结转移检测中的诊断准确性进行了全面的系统综述和荟萃分析，并比较了不同影像模态（超声、磁共振成像、计算机断层扫描）下模型的性能	纳入研究存在异质性，部分研究可能存在偏倚风险，且未对特定深度学习架构进行亚组分析	评估深度学习在检测乳腺癌腋窝淋巴结转移方面的有效性，为临床诊断工具的开发或优化提供证据支持	乳腺癌患者	数字病理学	乳腺癌	深度学习	深度学习模型	医学影像（超声、磁共振成像、计算机断层扫描）	28项独立研究，共20,811名乳腺癌患者，其中7,123例确诊腋窝淋巴结转移	NA	NA	灵敏度, 特异度, 诊断比值比, 受试者工作特征曲线下面积, 阳性似然比, 阴性似然比	NA
5052	2026-04-18	Deep learning-enabled scaffolding of spatial arrays of PfCSP epitopes 2026-Apr-14, Proceedings of the National Academy of Sciences of the United States of America IF:9.4Q1 DOI:10.1073/pnas.2521914123 PMID:41945436	研究论文	利用生成式深度学习模型设计包含多个PfCSP表位的空间阵列支架，以模拟抗体与疟疾环子孢子蛋白的结合结构，旨在开发新型多表位免疫原	首次应用生成式深度学习模型设计具有预定相对空间取向的多表位支架，模拟抗体与病原体多价簇结合时的同型相互作用	支架中第三个表位发生位移，且在小鼠模型中抑制肝脏入侵的效果不如展示较长连接肽的纳米颗粒	设计能够引发类似L9抗体的多表位免疫原，以增强对疟疾的免疫保护	疟疾环子孢子蛋白（CSP）的表位，特别是连接区重复表位	机器学习	疟疾	生成式深度学习模型	生成式深度学习模型	结构数据	NA	NA	NA	亲和力、结构研究、肝脏入侵抑制效果	NA
5053	2026-04-18	Automatic monitoring of single-wall MAPSE by transesophageal echocardiography for tracking global left ventricular function irrespective of regional hypokinesia: a secondary analysis 2026-Apr-14, Intensive care medicine experimental IF:2.8Q2 DOI:10.1186/s40635-026-00898-1 PMID:41979780	研究论文	本研究通过经食管超声心动图，使用深度学习自动监测单壁二尖瓣环平面收缩期位移（MAPSE），以追踪全球左心室功能，并探讨区域壁运动异常的影响	开发了名为autoMAPSE的深度学习自动方法，用于连续监测单壁MAPSE，首次在术后ICU患者中评估其追踪全球左心室功能变化的能力，并系统分析区域壁运动异常的影响	研究为前瞻性观察研究的二次分析，样本量较小（49例患者），且仅针对心脏手术患者，可能限制结果的普适性	评估单壁autoMAPSE在追踪全球左心室功能变化（即趋势能力）中的表现，并探索区域壁运动异常对此能力的影响	接受心脏手术的术后ICU患者	数字病理学	心血管疾病	经食管超声心动图	深度学习	图像	49例患者	NA	NA	一致性率	NA
5054	2026-04-18	MRI-based spatio-temporal atlas of ganglionic eminence 2026-Apr-14, European radiology experimental IF:3.7Q1 DOI:10.1186/s41747-026-00702-5 PMID:41979773	研究论文	本研究构建了一个基于MRI的胎儿基底节隆起时空图谱，覆盖19至36孕周	首次生成了高分辨率（0.5毫米各向同性）的基底节隆起时空MRI图谱，并揭示了其在21孕周左右达到最大体积后逐渐减少的动态变化	研究样本仅基于扩展的人类连接组计划图谱，可能未涵盖所有胎儿发育变异；专家分割的一致性虽高，但可能存在主观偏差	构建胎儿基底节隆起的时空图谱，以监测其发育动态并理解与神经发育异常的关系	胎儿基底节隆起结构	数字病理学	NA	磁共振成像	NA	MRI图像	基于扩展的人类连接组计划图谱，覆盖19至36孕周	NA	NA	Dice相似系数	NA
5055	2026-04-18	Investigating performance and key factors for real-world deployment of grain image classification using convolutional neural networks 2026-Apr-14, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-45314-6 PMID:41981057	研究论文	本研究提出并演示了一种结构化方法，用于研究卷积神经网络（CNN）及影响小麦籽粒分类性能的关键因素，旨在确保高且稳健的分类准确性	聚焦于CNN在真实世界部署中的实际挑战与可靠性问题，通过逐步分析阐明了不同图像数据集特征和训练参数对性能的影响	研究中较小的类别因缺乏代表性样本而表现不佳，且存在可疑标注和多类别归属问题	确定一个能确保高且稳健分类准确性的CNN模型，并解释不同图像数据集特征和训练参数如何影响性能和可靠性	小麦籽粒	计算机视觉	NA	基于视觉的机器学习与深度学习方法	CNN	图像	NA	NA	ResNet50V2, EfficientNetV2B0	准确率	NA
5056	2026-04-18	Bioimage analysis for multiplexed FUCCI acquisitions powered by deep learning 2026-Apr-14, Npj imaging DOI:10.1038/s44303-026-00159-6 PMID:41981225	研究论文	本文开发了一种基于深度学习的生物图像分析方法，用于处理多路复用的FUCCI活细胞成像数据，以精确分割和分类细胞核，并实现稳健的自动追踪和细胞周期伪时间分析	提出了一种整合FUCCI信号与细胞质α-微管蛋白荧光报告基因的深度学习网络，显著提升了在低信噪比条件下对FUCCI细胞核的分割和分类精度，并引入了动态时间规整分析以从非完整轨迹中推断细胞周期伪时间并检测细胞周期停滞	未明确说明模型在更广泛的组织类型或更极端的成像条件下的泛化能力，也未详细讨论计算资源需求和处理速度	开发一种高精度的生物图像分析工具，以改善在低信噪比多路复用活细胞成像条件下对细胞周期相位的解码和追踪	使用FUCCI传感器和细胞质α-微管蛋白荧光报告基因标记的活细胞	数字病理学	癌症	多路复用活细胞成像，FUCCI传感器，荧光报告基因	深度学习网络	多通道荧光显微镜图像	NA	NA	NA	分割精度，分类精度	NA
5057	2026-04-18	Graph Neural Networks Model Based on Atomic Hybridization for Predicting Drug Targets 2026-Apr-13, Journal of chemical information and modeling IF:5.6Q1 DOI:10.1021/acs.jcim.5c02961 PMID:41838774	研究论文	本文开发了一种结合图神经网络与显式分子描述符的混合深度学习框架，用于预测药物靶点的半数抑制浓度值	通过整合图神经网络与可解释的物理化学性质及结构指纹，同时捕捉局部结构模式和全局物理化学性质，提升了预测准确性和可解释性	未明确说明模型在更广泛或未知靶点上的泛化能力，以及计算资源需求的具体细节	加速药物发现过程，提高化合物活性预测的准确性	药物化合物及其对多种生物靶点的抑制活性	机器学习	NA	定量构效关系建模，图神经网络	图神经网络	分子图数据，分子描述符	14,316种化合物，涵盖激酶、核受体和蛋白酶等九种生物靶点	NA	图神经网络	R²	NA
5058	2026-04-18	Rapid Machine Learning-Driven Detection of Pesticides and Dyes Using Raman Spectroscopy 2026-Apr-13, Journal of chemical information and modeling IF:5.6Q1 DOI:10.1021/acs.jcim.6c00396 PMID:41843405	研究论文	本研究提出了一种基于深度学习的框架MLRaman，利用Raman光谱快速检测农药和合成染料	结合ResNet-18特征提取与XGBoost、SVM等分类器，开发了名为MLRaman的深度学习框架，并构建了用户友好的Streamlit应用进行实时预测	NA	开发一种快速、可靠的检测方法，用于监测食品和环境中的农药及合成染料残留	7种农药和3种染料，共10种分析物	机器学习	NA	Raman光谱	CNN, XGBoost, SVM	光谱数据	NA	NA	ResNet-18	准确率, AUC	NA
5059	2026-04-18	Hybrid Graph-Machine Learning Framework for Accurate and Interpretable Band Gap Prediction 2026-Apr-13, Journal of chemical information and modeling IF:5.6Q1 DOI:10.1021/acs.jcim.6c00365 PMID:41855083	研究论文	本文提出了一种结合图深度学习嵌入与经典机器学习算法的混合人工智能框架，用于实现高精度、可解释且计算高效的带隙预测	提出了一种混合图-机器学习框架，通过整合多种图神经网络（CGCNN、MEGNet、SchNet）的嵌入与物理意义的晶体描述符，实现了比传统模型和单一图神经网络更高的预测精度和更好的泛化能力，同时计算资源需求更低	未明确提及具体局限性，但可能依赖于特定数据库（Materials Project）的数据质量和覆盖范围	加速半导体和能源材料的发现与设计，通过高精度预测电子带隙	晶体结构及其电子带隙	机器学习	NA	NA	图神经网络, 梯度提升, 神经网络	晶体结构数据	来自Materials Project数据库的136,000个晶体结构	NA	CGCNN, MEGNet, SchNet	R², MAE, MSE	未明确指定，但提及比ALIGNN模型所需计算资源更低
5060	2026-04-18	LiBRe: A Ligand-Aware Sequence-Based Binding Residue Prediction Model for Virtual Screening 2026-Apr-13, Journal of chemical information and modeling IF:5.6Q1 DOI:10.1021/acs.jcim.5c02883 PMID:41856929	研究论文	本文提出了一种名为LiBRe的配体感知序列结合残基预测模型，用于虚拟筛选	模型首次在序列预测中同时整合蛋白质残基级信息和配体信息，突破了现有方法仅关注蛋白质序列的局限	未明确说明模型对未见配体类型的泛化能力或计算效率的具体数据	开发一种能够准确预测蛋白质-配体结合残基的序列深度学习模型，以支持虚拟筛选和药物发现	蛋白质序列及其与特定配体的结合残基	计算生物学, 生物信息学	NA	深度学习	深度学习模型	蛋白质序列数据, 配体信息	NA	NA	NA	结合亲和力	NA