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
5361	2026-06-06	Histopathological Assessment of Myocardial Ischemia-Reperfusion Injury Using Transformer-Based Artificial Intelligence: Model Comparison Study 2026-Jun-04, JMIR medical informatics IF:3.1Q2 DOI:10.2196/80403 PMID:42241702	研究论文	基于Transformer的人工智能评估心肌缺血再灌注损伤的组织病理学模型比较研究	首次系统比较七类深度学习架构（CNN、RNN、LSTM、AE、GCN、VAE、Transformer）在组织病理学评估MIRI中的性能，并验证Transformer的优越性	仅使用公开数据集，未纳入真实临床样本；模型泛化性有待进一步验证	开发基于Transformer的智能框架，用于评估心肌缺血再灌注损伤的苏木精-伊红染色切片	心肌缺血再灌注损伤的苏木精-伊红染色全切片图像	数字病理学	心肌缺血再灌注损伤	苏木精-伊红染色、全切片成像	Transformer	组织病理学图像	1280张全切片图像（约62,000个Tile），来自抗氧化剂、β受体阻滞剂、钙通道阻滞剂及对照组，分6、24、72小时三个时间点	PyTorch	Transformer, Transformer-UNet, CNN, RNN, LSTM, AE, GCN, VAE, GAN	准确率、AUC、F1分数、Dice系数、相关系数、Bland-Altman一致性分析	NA
5362	2026-06-06	Image-based consensus molecular subtypes and colon cancer recurrence: Understanding the impact of lifestyle factors across subtypes of colon cancer 2026-Jun-04, Cancer epidemiology IF:2.4Q2 DOI:10.1016/j.canep.2026.103120 PMID:42242067	研究论文	探究基于图像的共识分子亚型与结肠癌复发的关系，以及饮食和生活方式炎症潜力在不同亚型中对复发的影响	首次利用深度学习模型从HE染色切片中确定基于图像的共识分子亚型，并探讨其与饮食和生活方式炎症评分在结肠癌复发中的交互作用	样本量较小且为嵌套病例对照研究设计，可能限制结果的普适性	研究结肠癌共识分子亚型与复发的关联，以及饮食和生活方式炎症潜力在不同亚型中的作用	结肠癌患者	数字病理学	结肠癌	深度学习	深度学习模型	图像（HE染色切片）	167例复发患者（病例组）和668例匹配对照	NA	NA	发病率比率	NA
5363	2026-06-06	Electrocardiogram-based short-term risk stratification for acute kidney injury using time-frequency deep learning analysis 2026-Jun-04, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2026.111778 PMID:42242104	研究论文	开发并初步验证了一种基于心电图时频深度学习框架（FFT-ECG），用于24小时内任意阶段急性肾损伤的短期风险分层	首次将时频分析与深度卷积网络相结合，利用心电图非侵入性信号实现急性肾损伤的短期预测，并通过离散时间生存模型估计区间特定风险	外部验证性能下降，模型跨采集设备、患者人群和结局定义的可迁移性有限	探索基于心电图的早期急性肾损伤风险非侵入性评估方法	重症监护和围手术期患者的急性肾损伤风险	机器学习	急性肾损伤	心电图信号处理与深度学习分析	卷积神经网络、双向门控循环单元、注意力机制	心电图信号	4236名患者的5673条12导联心电图片段	PyTorch	FFT-ECG（双路径卷积架构）	AUROC、AUPRC、准确率、敏感性、特异性、C指数	NA
5364	2026-06-06	Radiation dose-aware sinogram knowledge library transformer with feature modulation for low-dose medical image segmentation 2026-Jun-04, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2026.111787 PMID:42242103	研究论文	提出辐射剂量感知的正弦图知识库变换器，结合特征调制实现低剂量医学图像分割	直接从正弦图域内部线索估计视觉相对剂量，而非依赖外部剂量元数据；引入可学习的正弦图知识库注入采集域周期先验，补偿低剂量下的结构失真	未明确说明当前方法的局限性	实现低剂量CT和PET图像中剂量自适应的联合重建与病灶分割	低剂量CT图像和低剂量PET图像中的病灶分割	计算机视觉	NA	低剂量CT, 低剂量PET	Transformer	图像	使用AutoPET和KiTS数据集（具体样本数未给出）	PyTorch	Transformer	Dice相似系数, Hausdorff距离第95百分位, 峰值信噪比, 相对峰值信噪比	NA
5365	2026-06-06	Deep learning of functional perturbations from condensate morphology 2026-Jun-04, Cell IF:45.5Q1 DOI:10.1016/j.cell.2026.05.010 PMID:42242225	研究论文	开发基于神经网络的框架Deep-Phase，通过显微镜图像测量凝聚物形态变化，连接分子相互作用与介观组织	首次利用深度学习直接从显微镜图像量化药物引起的凝聚物形态扰动，并应用于药物筛选和功能发现	NA	建立分子相互作用与凝聚物介观组织之间的联系，量化药理扰动对凝聚物形态的影响	多相核仁的凝聚物形态变化	计算机视觉	NA	显微镜成像	神经网络	图像	涉及多种细胞系、标记技术和凝聚物类型	NA	未知	NA	NA
5366	2026-06-06	AI-based oculomics for trajectory-driven risk stratification of pathologic myopia in paediatric high myopia 2026-Jun-04, The British journal of ophthalmology DOI:10.1136/bjo-2026-329611 PMID:42242890	研究论文	基于人工智能的眼组学技术，对儿童高度近视中病理性近视进行轨迹驱动的风险分层	首次利用深度学习自动视网膜血管表型分析，结合纵向眼生物测量和扫频光学相干断层扫描指标，构建AI眼组学模型对儿童高度近视中病理性近视进行早期风险分层，并开发了公开可用的网络预测工具	样本量有限（仅来自单一队列375名儿童），且中位随访期为15年，可能无法完全涵盖所有风险因素；研究为前瞻性纵向设计，但未提及外部验证	识别儿童高度近视中预测病理性近视的早期眼组学生物标志物，并开发基于人工智能的个体化风险分层模型	375名双侧高度近视儿童（等效球镜度≤-6.00 D），来自中山高度近视队列	计算机视觉、机器学习	病理性近视	深度学习、扫频光学相干断层扫描、眼底照相	深度学习模型	眼底图像、眼生物测量数据	375名儿童（双侧高度近视）	NA	NA	接收者操作特征曲线下面积 (AUROC)	NA
5367	2026-06-06	Diagnostic performance of machine learning models versus established risk stratification for intracranial aneurysm rupture: a systematic review and bivariate meta-analysis 2026-Jun-04, Journal of neurology, neurosurgery, and psychiatry DOI:10.1136/jnnp-2026-338867 PMID:42242899	研究论文	对机器学习模型与传统风险分层工具在颅内动脉瘤破裂诊断性能方面进行系统综述和双变量荟萃分析	首次通过双变量荟萃分析系统比较机器学习模型与传统PHASES评分在颅内动脉瘤破裂鉴别中的诊断准确性，并纳入血流动力学和影像组学特征的亚组分析	外部验证特异性下降（0.66），存在小样本研究效应和偏倚风险不明确的问题，缺乏前瞻性验证	评估机器学习模型在颅内动脉瘤破裂状态鉴别中的诊断性能，并与传统风险分层工具（PHASES评分）和回归模型进行系统比较	62项回顾性队列研究中的209个机器学习模型，共29709例患者数据	机器学习	颅内动脉瘤	NA	深度学习，集成学习（随机森林、支持向量机）	临床文本数据，影像组学特征，血流动力学参数	62项回顾性队列研究，29709例患者，209个模型	NA	深度学习模型	敏感性，特异性，曲线下面积（AUC）	NA
5368	2026-06-06	Non-contact on-device detection of obstructive sleep apnea from infrared video 2026-Jun-04, Nature communications IF:14.7Q1 DOI:10.1038/s41467-026-73915-2 PMID:42243134	研究论文	展示了一种基于近红外视频的无接触设备SlAction，用于在设备上实时检测阻塞性睡眠呼吸暂停	首次实现了无接触、仅设备端完成OSA检测，无需生理传感器或云端数据传输，利用呼吸觉醒相关身体运动作为呼吸障碍的替代指标，结合轻量级深度学习模型在低成本硬件上进行实时分析	在受控临床环境中进行评估，尚未在真实家庭或非临床场景下验证	开发并验证一种可扩展、无接触且保护隐私的OSA筛查方法	SlAction系统及936份临床录音（超过5000小时）	计算机视觉	阻塞性睡眠呼吸暂停	近红外视频	轻量级深度学习模型	视频	936份临床录音（超过5000小时），来自三家医院	NA	NA	AHI估计误差、严重程度分类性能、体位性OSA分类性能	低成本硬件
5369	2026-06-06	An interpretable ultrasound-based deep learning system for early breast cancer in a Chinese population 2026-Jun-04, Insights into imaging IF:4.1Q1 DOI:10.1186/s13244-026-02323-3 PMID:42243600	研究论文	开发并评估一种可解释的深度学习系统BrcaDetect，用于中国人群早期乳腺癌的超声诊断	提出BrcaDetect系统，融合超声图像深度学习预测、BI-RADS评估和人口统计学因素，实现多模态集成，并通过Grad-CAM和Shapley值提供可解释性	回顾性研究设计，受控阅读条件与实际临床环境可能存在差异	开发和评估可解释的深度学习系统，用于中国人群早期乳腺癌的超声检测	24,762张超声图像，来自3048名女性，涵盖五家医院	计算机视觉	乳腺癌	超声成像	深度学习（深度学习系统）	图像（超声图像）	整体：3048名女性（24,762张图像）；训练与内部验证：2399名患者（19,340张图像）；外部验证：649名女性（5422张图像）	NA	Grad-CAM, Shapley值	AUC, 敏感性, 诊断准确性	NA
5370	2026-06-06	Deep learning in image forgery: A systematic review for risk of bias (RoB) 2026-Jun-04, Journal of forensic sciences IF:1.5Q2 DOI:10.1111/1556-4029.70371 PMID:42244086	综述	系统综述了深度学习在图像伪造检测中的偏倚风险	首次系统评估AI在图像伪造检测中的偏倚风险，并引入AP(AI)Bias模型与PROBAST和ROBINS-I工具进行对比基准测试	仅筛选出35篇相关研究，且多数研究未能满足预定义的偏倚风险阈值，三种评估方法的一致性较低	识别和量化基于AI的图像伪造检测研究中存在的偏倚风险	图像伪造（IF）检测中的AI研究	计算机视觉	不适用	深度学习	不适用	图像	35篇相关AI研究	不适用	不适用	平均评分、偏倚分类比例	不适用
5371	2026-06-06	A novel deep learning network for small bowel ulcerative lesion detection and differential diagnosis on double-balloon endoscopy images 2026-Jun-04, Biomedical physics & engineering express IF:1.3Q3 DOI:10.1088/2057-1976/ae7805 PMID:42246080	研究论文	提出一种新型级联网络Cascade-E-Yolov7，用于双气囊内镜图像中小肠溃疡性病变的检测与鉴别诊断	首次将EfficientNet-B1与ESFC-Yolov7结合构建级联网络，实现小肠溃疡性疾病的分类与精确定位	单中心回顾性研究，样本量有限，未进行外部验证	开发基于双气囊内镜图像的人工智能模型，用于小肠溃疡性疾病准确识别与分类	283名患者的1791张双气囊内镜图像，涵盖克罗恩病、CMUSE、肠结核、非特异性溃疡和原发性小肠淋巴瘤五种疾病	机器学习, 计算机视觉	小肠溃疡性疾病	内镜图像分析	级联网络	图像	283名患者，1791张双气囊内镜图像	PyTorch	EfficientNet-B1, ESFC-Yolov7	准确率, AUC, mAP@0.5, 精确率, 召回率	NA
5372	2026-06-06	Mamba2SVN: a Mamba2 and reconstruction-cooperative sensitivity refinement-based variational network for parallel MRI reconstruction 2026-Jun-04, Physics in medicine and biology IF:3.3Q1 DOI:10.1088/1361-6560/ae788b PMID:42246132	研究论文	提出一种结合Mamba2与重建协同灵敏度细化的变分网络Mamba2SVN，用于并行MRI重建	首次将Mamba2模块融入变分网络，设计跨迭代特征融合机制和重建协同灵敏度细化模块，减少对自动校准信号大小的依赖	未明确提及限制，但可能依赖特定数据集和采样模式，泛化性需进一步验证	加速MRI采集过程，提高并行MRI重建的准确性和鲁棒性	多线圈膝关节、脑部和心脏MRI数据集	计算机视觉	NA	MRI	Mamba2	MRI图像	多线圈膝关节、脑部和心脏数据集（未说明具体样本数）	NA	Mamba2, U-Net	NA	NA
5373	2026-06-06	Deep Learning-Accelerated 3D FLAIR Enables Reliable MS Lesion Detection 2026-Jun-03, AJNR. American journal of neuroradiology DOI:10.3174/ajnr.A9140 PMID:42209146	研究论文	评估深度学习重建的3D FLAIR序列在多发性硬化患者脱髓鞘病变检测中的诊断性能和图像质量	首次验证深度学习加速的3D FLAIR序列在检测多发性硬化病变中的可靠性，并评估不同头线圈配置的影响	亚阈值病变（<3mm）在20通道线圈扫描中有漏检情况，主观图像质量评分略低于参考序列	验证深度学习重建的3D FLAIR序列在多发性硬化病变检测中的诊断效能和图像质量	脱髓鞘病变检测	数字病理学	多发性硬化	MRI	深度学习重建模型	磁共振图像	76例多发性硬化患者	NA	深度学习重建架构	信噪比，对比噪声比，5点李克特量表评分	NA
5374	2026-06-06	Genome-wide modelling of plant transcription factor binding captures regulatory variants associated with phenotypic traits 2026-Jun-03, Nature communications IF:14.7Q1 DOI:10.1038/s41467-026-73634-8 PMID:42236716	研究论文	通过可解释的多标签深度学习模型，从全基因组水平捕捉转录因子结合，识别与表型性状相关的调控变异	首次利用可解释的多标签深度学习模型整合全基因组DNA结合数据、GWAS数据和实验验证，系统揭示顺式调控元件序列、上下文和语法对转录因子占据的影响，并应用于远缘作物的条件响应性结合位点分析	模型训练基于拟南芥数据，可能限制对远缘物种的适应性；未详细说明模型在不同条件下的泛化能力和计算效率	从全基因组层面理解遗传变异如何通过顺式调控元件与转录因子相互作用影响基因调控和表型	拟南芥（A. thaliana）和玉米（Z. mays）的转录因子结合位点、顺式调控元件及与表型相关的调控变异	机器学习	NA	DNA结合分析（DNase-seq、ChIP-seq等）	多标签深度学习模型	DNA序列数据和基因型数据	NA	NA	NA	NA	NA
5375	2026-06-06	A multiscale attention network for mixed artifact suppression in AFM images 2026-Jun-03, Micron (Oxford, England : 1993) DOI:10.1016/j.micron.2026.104061 PMID:42241863	研究论文	提出一种多尺度注意力网络MS-HINet-CBAM，用于抑制原子力显微镜图像中的混合噪声，包括方向性线条伪影和随机疤痕	设计了一个结合多尺度模块和卷积块注意力模块的多阶段降噪框架，能够捕捉混合噪声的长程空间相关性并自适应优先处理真实地形特征	未提及在极端噪声水平或动态扫描条件下的表现，以及模型对真实AFM图像中未见噪声类型的泛化能力	开发用于AFM图像混合伪影抑制的鲁棒降噪方法，以保留表面真实形貌细节	原子力显微镜图像中的混合伪影（方向性线条伪影和随机疤痕）及真实地形特征	计算机视觉	NA	原子力显微镜成像	卷积神经网络	图像	在多种模拟混合噪声场景及真实AFM图像（有机分子和细菌细胞样本）上评估	PyTorch	MS-HINet-CBAM（多尺度模块 + CBAM注意力模块）	视觉保真度、均方根粗糙度	NA
5376	2026-06-06	Chest Radiograph-Derived Age Acceleration as an Early Marker of Pulmonary Dysfunction in Middle-Aged Asians 2026-Jun-03, Chest IF:9.5Q1 DOI:10.1016/j.chest.2026.05.033 PMID:42242547	研究论文	基于胸部X光片的加速衰老作为亚洲中年人肺功能障碍的早期标志	首次将深度学习驱动的胸部X光片年龄加速作为肺功能障碍的前兆标志，建立了加速衰老与PRISm和OLD之间的横断面和纵向关联	基于韩国健康检查参与者，结果可能不适用于其他种族或不同医疗环境的人群	评估基于胸部X光片的加速衰老是否与肺功能障碍（PRISm和OLD）的患病率和发生率相关	2006年至2019年间接受健康检查的韩国成年人	计算机视觉	肺部疾病	胸部X光片深度学习分析	深度学习模型	图像、临床数据	横断面分析231,278名参与者，纵向分析104,158名参与者	NA	NA	OR、HR及95%置信区间	NA
5377	2026-06-06	Update on the structure-Function relationship in glaucoma 2026-Jun-03, Survey of ophthalmology IF:5.1Q1 DOI:10.1016/j.survophthal.2026.06.002 PMID:42242557	综述	总结青光眼结构-功能关系的最新知识，重点介绍影像学、分析方法和人工智能驱动建模的进展	强调人工智能方法在预测视野缺损和改进临床解释中的作用，并介绍解剖补偿映射、多模态融合和深度学习等新兴框架	数据质量、近视相关解剖变异和跨设备协调仍是关键限制因素	更新青光眼结构-功能关系的知识，推动动态个性化生物标志物的开发	青光眼患者的视网膜结构和视觉功能之间的关系	机器学习	青光眼	光学相干断层扫描(OCT), OCT血管成像(OCTA), 标准自动视野计(SAP)	深度学习	影像数据	NA	NA	NA	NA	NA
5378	2026-06-06	Data driven prediction of bat flight kinematics and trajectory 2026-Jun-02, Bioinspiration & biomimetics IF:3.1Q2 DOI:10.1088/1748-3190/ae66bf PMID:42055078	研究论文	利用数据驱动方法预测蝙蝠飞行的运动学和轨迹，通过本征正交分解和深度学习架构分析不同飞行模式下的维度复杂性	首次量化蝙蝠不同复杂飞行动作的维度复杂性，并提出深度学习架构实现翼运动与飞行轨迹的双向预测	未提及	预测蝙蝠飞行轨迹并实现翼运动与轨迹间的双向映射	大圆叶蝠的三种飞行模式（直线飞行、上升右转、U型转弯）	自然语言处理	NA	本征正交分解	深度学习架构	运动学数据（翼运动与轨迹）	三种飞行模式（直线飞行、上升右转、U型转弯）各包含多次扑翼周期	NA	深度学习架构（具体架构未明确）	NA	NA
5379	2026-06-06	Robust deepfake video detection using spatio-temporal features and dynamic difference learning 2026-Jun-02, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-53545-w PMID:42230680	研究论文	提出一种结合时空特征与动态差异学习的深度伪造视频检测框架	引入动态差异模块（DDM）强调面部运动中的突变和非自然变化，增强对时空不一致性的捕获能力	未提及在低质量或高压缩视频上的泛化表现，且可能受限于人脸关键点检测的精度	提升深度伪造视频检测的鲁棒性与泛化能力	深度伪造视频中的时空不一致性特征	计算机视觉, 机器学习	NA	人脸关键点检测	Transformer, CNN, LSTM	视频	三个基准数据集：FaceForensics++ (FF++)、UADFV、DFDC	NA	Transformer编码器, CNN, LSTM	精确率, 召回率, F1分数, 准确率	NA
5380	2026-06-06	CardioMorphNet: Cardiac motion prediction using a shape-guided Bayesian recurrent deep network 2026-Jun-02, Medical image analysis IF:10.7Q1 DOI:10.1016/j.media.2026.104149 PMID:42242080	研究论文	提出CardioMorphNet，一种基于形状引导的贝叶斯循环深度网络，用于从心脏电影MRI图像中精确估计心脏运动	使用循环变分自编码器建模时空依赖，通过贝叶斯框架推导损失函数，引导网络聚焦解剖区域，无需强度图像配准损失	仅基于UK Biobank和M&M数据集验证，且未提及对异常心脏节律或低质量图像的适用性	实现准确的心脏运动估计，改善心脏功能评估和异常检测	心脏电影MRI短轴图像中的心脏运动场和不确定性图	计算机视觉	心血管疾病	心脏电影MRI（cine CMR）	变分自编码器、贝叶斯循环神经网络	图像（3D短轴MRI序列）	UK Biobank和M&M数据集，具体数量未提及	NA	循环变分自编码器、贝叶斯循环神经网络	掩膜形状对比（warped mask vs ground-truth）、不确定性值、临床指标准确性	NA