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
5341	2026-05-27	N2G calibrator: a cross-subject adversarial learning framework for neural signal-driven gait tracking in Parkinson's disease 2026-May-18, Communications engineering DOI:10.1038/s44172-026-00688-3 PMID:42151559	研究论文	提出跨被试对抗学习框架N2GCF，利用集体神经数据追踪帕金森病患者步态表现	通过域对抗学习实现跨被试知识迁移，消除对同步步态记录系统的依赖，可在非临床环境中进行个性化模型校准	未提及具体局限性	开发无需目标用户标注数据的跨被试步态追踪框架，用于自适应脑深部电刺激系统	帕金森病患者的神经信号与步态表现	机器学习	帕金森病	神经信号记录	深度学习模型	神经信号	NA	NA	域对抗学习网络	误码率	NA
5342	2026-05-27	Contrastive multimodal deep learning for survival prediction in grade 2/3 gliomas 2026-May-09, JNCI cancer spectrum IF:3.4Q2 DOI:10.1093/jncics/pkag039 PMID:41987576	研究论文	开发了一种对比多模态深度学习框架，整合组织病理学、体细胞突变和临床数据，用于预测2/3级胶质瘤患者生存期	首次将对比学习与生存分析结合，实现跨模态表示的对齐，无需人工标注即可利用常规收集数据进行风险分层	对比多模态模型与非对比多模态模型相比，c指数差异未达到统计学显著性	提高2/3级胶质瘤患者生存预测的准确性，解决肿瘤生物学异质性和单模态数据方法的局限性	2/3级胶质瘤患者	机器学习和数字病理学	胶质瘤（2/3级）	NGS（体细胞突变检测）和组织病理全切片成像	对比多模态深度学习网络	组织病理图像、基因组突变数据和临床人口统计数据	TCGA队列498例，DHMC外部验证队列61例	PyTorch	NA	c指数、Kaplan-Meier生存曲线、对数秩P值、轮廓分数	NA
5343	2026-05-27	A Few-shot Multimodal Deep Learning Framework For Precision Diagnosis Of Parotid Gland 2026-May-08, Journal of visualized experiments : JoVE DOI:10.3791/70231 PMID:42184237	研究论文	提出了一种基于少样本学习的多模态深度学习框架，用于腮腺肿瘤的精确诊断	融合多序列MRI信息与多尺度空间注意力机制，解决小样本条件下特征提取与分类性能问题	NA	解决腮腺肿瘤术前良恶性鉴别困难的问题，提升诊断准确性	腮腺肿瘤（良性107例、恶性91例）的术前MRI影像数据	计算机视觉	腮腺肿瘤	MRI (T1加权、T2加权、弥散加权成像)	多模态深度学习模型	图像（多序列MRI）	198例腮腺肿瘤患者影像数据	PyTorch, TensorFlow	ResNet, U-Net	AUC	GPU（NVIDIA RTX 3090）
5344	2026-05-27	Automated Quantitative Analysis of Pulmonary Vasculature in Congenital Diaphragmatic Hernia using Deep Learning 2026-May-08, Journal of visualized experiments : JoVE DOI:10.3791/70428 PMID:42184245	研究论文	提出基于深度学习的全自动化方法，对先天性膈疝患者的肺动脉进行分割和形态计量分析	首次实现先天性膈疝中肺动脉血管的自动定量分析，基于U-Net架构并结合三维骨架化算法提取形态参数	NA	实现先天性膈疝肺部血管的自动化定量评估，以帮助理解疾病严重程度	先天性膈疝患者的肺部血管网络（基于CT扫描）	计算机视觉	先天性膈疝	NA	卷积神经网络（CNN）	影像数据（CT扫描）	NA	NA	U-Net	分割准确度	NA
5345	2026-05-27	A Deep Learning-Based Method for Paddy Leaf Disease Detection and Growth Stage-Specific Treatment Recommendation 2026-May-05, Journal of visualized experiments : JoVE DOI:10.3791/70631 PMID:42184257	研究论文	提出一种基于深度学习的稻叶病害检测与生长阶段特异性治疗推荐决策支持系统	集成生长阶段预测、病害分类和阶段特异性治疗推荐于一个框架中，并采用集成学习方法提升分类性能	未提及模型在多环境条件下的泛化能力评估及数据集规模对性能的影响	建立精准农业中稻叶病害自动检测与治疗方案推荐的智能决策系统	水稻叶片图像及其生长阶段和病害类别	计算机视觉	水稻叶部病害	NA	卷积神经网络(CNN), 迁移学习模型(VGG16, ResNet50, InceptionV3, MobileNetV2), 集成方法	图像	数据集按80%训练、10%验证、10%测试划分	Streamlit	VGG16, ResNet50, InceptionV3, MobileNetV2	准确率, 精确率, 召回率, F1分数	NA
5346	2026-05-27	Learning drug synergy through environment-conditioned feature modulation 2026-May-03, Bioinformatics (Oxford, England) DOI:10.1093/bioinformatics/btag256 PMID:42085481	研究论文	提出Env-Syn框架，通过环境条件特征调制学习药物协同作用，以建模药物-药物-细胞动态相互作用	引入残差特征线性调制模块对药物表示进行精确仿射变换，首次将细胞-药物环境作为动态条件而非静态背景来调制药物表征	文章未明确提及局限性	提高药物协同作用预测性能并增强模型对未知药物和独立数据集的泛化能力	药物组合及细胞环境中的协同作用预测	机器学习	癌症	NA	深度学习	药敏数据及细胞特征	文章未明确说明样本量，但涉及15种新预测药物组合其中8种有文献支持	PyTorch	残差特征线性调制网络	AUROC, AUPRC, 召回率	NA
5347	2026-05-27	Artificial Intelligence in Rhinology 2026-May-01, The Journal of craniofacial surgery IF:1.0Q3 DOI:10.1097/SCS.0000000000011654 PMID:40608779	综述	这篇论文综述了人工智能在鼻科学中的应用	系统回顾了2000年至2025年间人工智能在鼻科学中的应用，涵盖机器学习分类、深度学习诊断及手术阶段评估等前沿技术	依赖高水平医疗机构和装备环境，但可能不适用于资源匮乏地区	评估人工智能在鼻科学中的应用现状并展望未来发展方向	鼻科学中的人工智能应用，包括影像诊断、手术阶段评估和机器人手术	自然语言处理，机器学习，计算机视觉	鼻窦炎等鼻科疾病	机器学习，深度学习	分类算法	图像（放射影像）	不适用	不适用	不适用	不适用	不适用
5348	2026-05-27	Automatically Measuring Kidney, Liver, and Cyst Volumes in Autosomal Dominant Polycystic Kidney Disease 2026-May-01, Journal of the American Society of Nephrology : JASN IF:10.3Q1 DOI:10.1681/ASN.0000000904 PMID:41186985	研究论文	开发了一个名为TraceOrg的基于网络的深度学习平台，用于自动测量常染色体显性多囊肾病患者的肾脏、肝脏和囊肿体积，并提供Mayo影像分类	首次将U-Net与Transformer元素结合的3D混合模型应用于多囊肾病的肾脏、肝脏及囊肿分割，并部署为公开的网页工具，支持多种MRI脉冲序列和CT图像，实现自动匿名化处理	未明确讨论模型在低对比度图像或罕见病变亚型中的表现，且外部验证数据集主要来自西方人群，可能影响种族多样性泛化能力	开发并验证一种自动、可靠且通用的工具，用于准确测量常染色体显性多囊肾病患者的肾脏、肝脏和囊肿体积	常染色体显性多囊肾病患者的MRI和CT扫描图像，以及无该病的参与者图像	数字病理学	多囊肾病	MRI, CT扫描	3D混合模型（U-Net + Transformer）	医学图像	720名参与者（611名ADPKD患者，109名非ADPKD参与者）用于训练；内部验证：70个MRI（肾脏/肝脏分割）和46个MRI（囊肿分割）；外部验证：单中心58例、多中心73例、CRISP 30例、PKD-RRC 115例	NA	U-Net, Transformer	Dice系数，平均绝对百分比差异	NA
5349	2026-05-27	FDS-CAP: Modeling Fragmented Disease Subgraphs with Component-Level Attention for Comorbidity Prediction 2026 May-Jun, Journal of computational biology : a journal of computational molecular cell biology IF:1.4Q2 DOI:10.1177/15578666261427466 PMID:41885386	研究论文	提出FDS-CAP框架，通过组件级注意力机制建模碎片化疾病子图，用于预测疾病共病关系	首次通过组件级注意力机制整合疾病子图中的连通组件，以捕捉碎片化疾病模块的生物学复杂性，从而提高共病预测的准确性和表达力	仅基于单一基准数据集评估，且案例研究仅限于胶质瘤，可能限制泛化性	改进现有方法对疾病模块碎片化的忽视，提升共病预测性能	人类疾病网络中的疾病子图及其共病关联	机器学习	胶质瘤	NA	子图神经网络（SUBGNN）、变分图自编码器	图	基准数据集（具体数量未在摘要中说明）	PyTorch	SUBGNN、变分图自编码器	AUROC	NA
5350	2026-05-27	DANCE: Deep Learning-Assisted Analysis of ProteiN Sequences Using Chaos Enhanced Kaleidoscopic Images 2026 May-Jun, Journal of computational biology : a journal of computational molecular cell biology IF:1.4Q2 DOI:10.1177/15578666261441311 PMID:41995104	研究论文	提出一种名为DANCE的方法，利用混沌增强万花筒图像对T细胞受体蛋白序列进行深度学习的分析与分类	结合混沌游戏表示与万花筒图像方法生成蛋白序列的对称可视化图像，并利用深度学习视觉模型进行分类，为短蛋白序列（如TCR）提供了一种新的图像化嵌入方式	主要针对TCR蛋白序列较短的特性设计，可能不适用于长序列；未提及对不同病原体或非癌抗原的泛化能力	开发一种基于图像的蛋白序列表示方法，以提升对TCR蛋白序列的分析与分类能力，支持基于TCR的免疫疗法研究	T细胞受体蛋白序列及其靶向的癌细胞类型	计算机视觉, 深度学习, 蛋白质组学	癌症	混沌游戏表示, 万花筒图像生成	深度学习视觉模型	图像（由蛋白序列生成的万花筒图）	未明确说明	NA	NA	分类准确率等（具体指标未在摘要中说明）	NA
5351	2026-05-27	BudFinder: A Masked Auto-Encoder vision transformer framework for yeast budding detection and lifespan quantification 2026-May, PLoS computational biology IF:3.8Q1 DOI:10.1371/journal.pcbi.1013700 PMID:42149904	研究论文	提出BudFinder框架，利用掩码自编码器视觉变换器进行酵母出芽检测与寿命量化	使用自监督预训练技术（掩码自编码器）大幅减少标注数据需求，仅需少量母细胞数据即可实现高精度检测	NA	自动化酵母细胞分裂事件检测与复制寿命量化	酵母细胞	计算机视觉	老年性疾病	延时显微镜	视觉变换器（Vision Transformer）	图像	约25万张未标注酵母细胞图像及少于50个母细胞（约1000次分裂事件）的标注数据	PyTorch	掩码自编码器（Masked Autoencoder）	NA	NA
5352	2026-05-27	VesiclePy: A machine learning vesicle analysis toolbox for volume electron microscopy 2026-May, PLoS computational biology IF:3.8Q1 DOI:10.1371/journal.pcbi.1013499 PMID:42133697	研究论文	开发了VesiclePy，一个用于体电子显微镜数据的囊泡分析工具箱，实现自动化分割、分类、校对和空间分析	整合深度学习与人工校对效率，提供大体积电镜数据中单囊泡分辨率的分块处理、精确索引、定位和可视化，支持多TB数据集处理及神经元亚型聚类	NA	解决体电子显微镜数据中囊泡分析的大体积数据处理挑战，实现全神经元形态学范围内囊泡的完整重建与定量分析	神经元囊泡（包括包装神经递质和神经肽的囊泡）及目标神经元	机器学习	NA	体电子显微镜（vEM）	深度学习	电子显微镜图像	20个完整神经元中的53,851个囊泡，来自Hydra vulgaris的高压冷冻连续电镜数据	PyTorch	NA	NA	NA
5353	2026-05-27	Bridging the Gap Between Artificial Intelligence and Clinical Readiness in Endometriosis Diagnosis: A Systematic Review 2026-Apr-30, Journal of minimally invasive gynecology IF:3.5Q1 DOI:10.1016/j.jmig.2026.04.016 PMID:42069053	综述	系统评估人工智能在子宫内膜异位症诊断中的方法学质量和诊断性能	首次系统性评估AI在子宫内膜异位症诊断中的方法学质量，并使用QUADAS-2工具进行严格评价	研究主要基于回顾性设计和狭窄的患者选择，存在显著临床异质性和系统脆弱性，如频谱偏倚和选择偏倚	评估AI（尤其是机器学习和深度学习）在通过影像学和临床症状诊断子宫内膜异位症中的方法学质量和诊断性能	子宫内膜异位症患者，基于MRI、超声或患者报告症状的AI诊断模型	机器学习	子宫内膜异位症	NA	机器学习模型，深度学习模型	影像数据（MRI、超声）、文本数据（患者报告症状）	NA	NA	随机森林、XGBoost	准确率、AUC	NA
5354	2026-05-27	Imaging Through Scattering Tissue Using Near Infra-Red and a Convolutional Autoencoder 2026-Apr-18, Sensors (Basel, Switzerland) DOI:10.3390/s26082507 PMID:42076614	研究论文	提出一种基于近红外照明与深度学习卷积自编码器的低代价、非侵入性皮下成像方法，用于肿瘤边缘检测	首次将近红外光与基于U-Net的卷积自编码器结合，实现通过散射介质对隐藏结构的高质量重建，克服了传统成像模态的高成本和术中限制	对分布外样本的泛化能力有限，重建结果伴有轻微平滑伪影	开发一种安全、快速、成本效益高的皮下可视化技术，用于临床相关肿瘤边缘检测	组织模拟鸡胸肉幻影下的隐藏结构图案	计算机视觉，数字病理学	肿瘤	近红外成像，深度学习	卷积自编码器	图像	约10,000对样本	PyTorch	U-Net	峰值信噪比（PSNR），结构相似性指数（SSIM），特征相似性指数（FSIM）	NA
5355	2026-05-27	Sagittal-Plane Knee Flexion Moment Estimation Using a Lightweight Deep Learning Framework Based on Sequential Surface EMG Feature Frames 2026-Apr-18, Sensors (Basel, Switzerland) DOI:10.3390/s26082500 PMID:42076609	研究论文	提出一种基于顺序表面EMG特征帧的轻量级深度学习框架，用于矢状面膝关节屈曲力矩估计	提出Topo2DCNN-LSTM轻量级二维卷积神经网络模型，将原始sEMG信号转换为紧凑的RMS特征帧，在资源受限设备上实现低延迟推理	仅针对健康受试者的有限行走条件进行验证，且为单侧膝关节力矩估计的概念验证	开发轻量级深度学习模型，实现非卧床场景下膝关节力矩的实时估算，便于可穿戴边缘部署	健康受试者在跑步机上以两种速度行走时的矢状面膝关节屈曲力矩	机器学习, 数字健康	NA	表面肌电图（sEMG），特征帧提取（RMS）	CNN, LSTM	时序信号（sEMG和关节动力学数据）	公开数据集，包含健康受试者在1.2 m/s和1.8 m/s跑步机速度下的数据	NA	Topo2DCNN-LSTM（轻量级2D CNN编码器 + LSTM单元）	均方根误差	SparkFun Thing Plus-SAMD51微控制器，RAM 71,316字节，Flash 257,172字节
5356	2026-05-27	Interpretable multimodal PET/CT-EHR fusion via mixture-of-experts for prognostic stratification in mantle cell lymphoma: a multicenter study 2026-Apr-16, BMC medicine IF:7.0Q1 DOI:10.1186/s12916-026-04865-1 PMID:41992190	研究论文	本研究开发了一个可解释的多模态PET/CT-EHR融合深度学习框架，用于套细胞淋巴瘤的个体化风险分层	首次将混合专家网络融合PET/CT与电子健康记录数据，结合视觉编码器、影像组学提取器和医学语言模型构建多模态影像组学特征	NA（需要根据上下文推断，但摘要未明确提及局限性）	建立可解释的深度学习框架，整合PET/CT和电子健康记录数据进行套细胞淋巴瘤预后分层	187例初治套细胞淋巴瘤患者的多中心队列数据	机器学习	套细胞淋巴瘤	FDG-PET/CT成像	混合专家网络	影像数据、文本数据	187例套细胞淋巴瘤患者	PyTorch	混合专家网络、视觉编码器、医学语言模型	AUC, HR, C-index, 时间依赖性ROC, 校准曲线, 决策曲线分析	NA
5357	2026-05-27	Non-invasive diagnosis strategy integrating PSMA PET/CT and mpMRI for patients with suspected prostate cancer: a multi-center study 2026-Apr-16, BMC medicine IF:7.0Q1 DOI:10.1186/s12916-026-04859-z PMID:41992197	研究论文	开发并外部验证了一种整合PSMA PET/CT和mpMRI的多模态影像组学模型，用于前列腺癌的自动化诊断	首次构建了多模态PET/CT与mpMRI联合的机器学习模型，并在多中心数据中验证了其外部泛化能力；比较了专家手动分割和深度学习自动分割的前列腺VOI对诊断性能的影响	研究为回顾性设计，可能引入选择偏倚；外部验证队列样本量相对较小	开发并外部验证整合PET/CT和mpMRI的自动化前列腺癌诊断模型	疑似前列腺癌患者	机器学习	前列腺癌	PSMA PET/CT, mpMRI (T2和DWI)	机器学习分类器	影像数据	488名疑似前列腺癌患者（366名用于模型开发和内部验证，41名用于外部验证队列1，81名用于外部验证队列2）	NA	LR, SVM, Random Forest, Extra Trees, XGBoost, LightGBM	AUC, 灵敏度, 特异性, 准确率, 阳性预测值, 阴性预测值	NA
5358	2026-05-27	Incorporating normal periventricular changes for enhanced pathological white matter hyperintensity segmentation: on multiclass deep learning approaches 2026-Apr-16, Biomedical engineering online IF:2.9Q3 DOI:10.1186/s12938-026-01555-0 PMID:41992229	研究论文	本研究探讨在深度学习模型训练中将正常脑室周围高信号作为独立类别，以增强病理性白质高信号分割性能	首次将正常年龄相关的脑室周围高信号作为显式类别纳入多类分割训练，相较于传统二分类方法显著提升病理性病变检测能力	数据来自115名神经退行性疾病患者，样本量有限；仅评估了四种架构，未涵盖更多先进模型	通过多类深度学习分割方法区分病理性白质高信号与正常年龄相关高信号，降低假阳性率	115名神经退行性疾病患者的2750张FLAIR MRI图像	计算机视觉	神经退行性疾病	MRI	U-Net, Attention U-Net, DeepLabV3Plus, Trans-U-Net	图像	115名患者，2750张FLAIR图像	PyTorch	U-Net, Attention U-Net, DeepLabV3Plus, Trans-U-Net	Dice系数, Hausdorff距离, Cohen's d	NA
5359	2026-05-27	Tripleknock: predicting lethal effect of three-gene knockout in bacteria by deep learning 2026-Apr-10, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-46272-9 PMID:41963398	研究论文	提出Tripleknock深度学习模型，用于预测细菌三基因敲除的致死效应	首次利用蛋白质序列特征和通量平衡分析模拟训练深度学习模型，实现无需基因组规模代谢模型的全基因组三基因敲除致死性预测，速度比FBA快约20倍	模型基于大肠杆菌K-12 MG1655的训练数据，跨物种验证仅针对6种肠杆菌科病原体，且外部验证数据集较小（仅37个三重扰动）	开发快速、不依赖基因组规模代谢模型的生物信息学方法，用于全基因组三基因敲除致死性筛选	细菌三基因敲除的致死效应预测	机器学习	NA	蛋白质序列特征提取、通量平衡分析	深度学习模型（具体架构未明确说明）	蛋白质序列特征、基因敲除模拟结果	大肠杆菌K-12 MG1655的三基因敲除FBA模拟数据，以及6种肠杆菌科病原体的跨物种验证数据	NA	NA	F1分数	NA
5360	2026-05-27	LobePrior segments lung lobes on computed tomography images in the presence of severe abnormalities 2026-Apr-10, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-48136-8 PMID:41963526	研究论文	提出LobePrior方法，结合深度神经网络和概率模型，在严重肺部异常情况下实现准确的肺叶分割	将概率模型与深度神经网络结合，利用标签融合导出的先验知识指导严重异常区域的分割，并引入合成病变生成进行数据增强	未明确说明限制	开发在严重肺部异常情况下仍能稳健进行肺叶分割的自动化算法	CT影像中的肺叶区域	数字病理学	肺部疾病（包括癌症结节和COVID-19合并症）	CT成像	AttUNet	图像	使用LOLA11及三个额外数据集（含癌性结节或COVID-19合并症）	PyTorch	AttUNet	Dice系数	NA