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
521	2026-04-01	A Hybrid Multi-CNN Feature Fusion and LASSO Optimization Approach for High-Performance Breast Cancer Classification 2026-Mar-30, Journal of imaging informatics in medicine DOI:10.1007/s10278-026-01939-7 PMID:41912956	研究论文	提出一种融合多个CNN特征并结合LASSO优化的混合方法，用于高性能乳腺癌分类	融合MobileNetV2、DenseNet121和InceptionV3三种CNN模型的互补特征，并采用LASSO进行特征选择，以增强表示能力和泛化性	仅在单一数据集（BUSI）上验证，未来需要在更大规模、多中心数据集上进行验证	开发准确、早期的乳腺癌检测方法以提高生存率	乳腺超声图像（BUSI数据集）	计算机视觉	乳腺癌	深度学习、特征融合、特征选择	CNN	图像	780张乳腺超声图像	NA	MobileNetV2, DenseNet121, InceptionV3	准确率, 灵敏度, 特异性, 精确率, F1分数, AUC	NA
522	2026-04-01	Deep Learning for Medical Ultrasound Image Segmentation: A Systematic Review of the Current Research 2026-Mar-30, Journal of imaging informatics in medicine DOI:10.1007/s10278-026-01931-1 PMID:41912960	综述	本文对基于深度学习的医学超声图像分割研究现状进行了系统性综述	提供了基于PRISMA 2020指南的全面文献分析，涵盖296篇最新研究，并识别了新兴模型（如ViT、SAM）的应用趋势	当前研究普遍缺乏计算资源信息，且模型性能评估存在不足	综述深度学习在医学超声图像分割领域的研究进展与应用现状	医学超声图像	计算机视觉	NA	深度学习	CNN, ViT, CNN/ViT混合模型, SAM	图像	NA	NA	U-Net	NA	NA
523	2026-04-01	Diagnostic Improvement in Endoleak Detection: The Role of Low-energy Virtual Monochromatic CT and Deep Learning Reconstruction 2026-Mar-30, Journal of imaging informatics in medicine DOI:10.1007/s10278-026-01949-5 PMID:41912962	研究论文	评估低能量虚拟单色CT成像结合深度学习图像重建在检测内漏中的诊断性能	首次将低能量虚拟单色CT成像与深度学习图像重建技术结合，用于内漏检测，显著提高了诊断置信度和准确性	研究为回顾性设计，样本量较小（71例患者），且仅基于CT数据，未考虑其他影像模态或临床因素	评估低能量虚拟单色CT成像结合深度学习图像重建在内漏检测中的诊断性能	接受血管内主动脉修复术后进行对比增强CT扫描的患者	医学影像分析	心血管疾病	对比增强CT扫描，虚拟单色CT成像，深度学习图像重建	深度学习	CT图像	71例患者，其中41例（58%）检测到内漏	NA	TrueFidelity-H	AUC, 诊断置信度评分	NA
524	2026-04-01	Deep learning radiomics based on multimodal MRI for preoperative prediction of N stage in tongue squamous cell carcinoma: a multicenter study 2026-Mar-30, BMC oral health IF:2.6Q1 DOI:10.1186/s12903-026-08165-1 PMID:41913156	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
525	2026-04-01	A Comparative Study of IVIM-MRI Fitting Techniques in Glioma Grading: Conventional, Bayesian, and Voxel-Wise and Spatially-Aware Deep Learning Approaches 2026-Mar-30, Journal of magnetic resonance imaging : JMRI IF:3.3Q1 DOI:10.1002/jmri.70301 PMID:41913432	研究论文	本研究比较了传统、贝叶斯和基于深度学习的IVIM-MRI拟合技术在胶质瘤分级中的应用，特别关注了空间感知Transformer方法的性能	首次在胶质瘤分级中评估并比较了传统、贝叶斯及基于深度学习的IVIM拟合方法，特别是引入了新颖的空间感知Transformer架构（NATTEN-17和SA-17），这些方法在模拟和体内数据中均显示出优越的准确性和视觉质量	研究为回顾性设计，样本量较小（仅20例患者），且缺乏外部验证，可能限制结果的普遍适用性	评估不同IVIM-MRI拟合方法在胶质瘤患者中的性能，以提高肿瘤分级的准确性	胶质瘤患者（包括2级、3级和4级）的术前扩散加权MRI数据，以及基于分形噪声的模拟数据	医学影像分析	胶质瘤	IVIM-MRI（体素内不相干运动磁共振成像），扩散加权成像（DWI）	深度学习，Transformer	MRI图像	20例胶质瘤患者（5例2级，3例3级，12例4级）的术前DWI数据，以及分形噪声模拟数据	NA	IVIM-NET, NATTEN-17, SA-17	中位数绝对百分比误差（MDAPE），中位数百分比误差，ROC曲线下面积（AUC）	NA
526	2026-04-01	Artificial Intelligence in Diabetes Care 2026-Mar-30, Diabetes, obesity & metabolism DOI:10.1111/dom.70720 PMID:41913548	综述	本文综述了人工智能在糖尿病护理中的当前和新兴应用，重点讨论了临床准备度、证据强度及实施考量	区分了算法自动化控制方法与基于机器学习的模型（如深度学习和大型语言模型），并强调了其在临床证据标准、安全风险和治理需求上的差异	NA	总结人工智能在糖尿病护理中的应用，并评估其临床就绪状态、证据支持及实施要求	糖尿病护理中的算法工具，包括自动化胰岛素输送系统、机器学习模型及新兴技术如大型语言模型、可穿戴设备和数字孪生框架	机器学习	糖尿病	连续血糖监测、连接胰岛素输送设备、电子健康记录数据分析	深度学习, 大型语言模型	临床数据，包括高频生理数据、电子健康记录	NA	NA	NA	NA	NA
527	2026-04-01	Transformer-based super-resolution lung CT images improve visualization of multiple diseases 2026-Mar-30, The British journal of radiology DOI:10.1093/bjr/tqag069 PMID:41915020	研究论文	本研究评估了基于Transformer的Swin2SR模型在肺部CT图像超分辨率增强中的应用及其临床潜力	首次将Transformer架构的Swin2SR模型应用于肺部CT图像的超分辨率增强，显著提升了放射科医生对图像质量和病灶可见性的主观评分	研究为回顾性设计，样本量相对有限（303例），且仅评估了主观评分，缺乏客观诊断性能指标的验证	评估深度学习模型在医学图像超分辨率增强中的效果，以改善肺部疾病的CT图像可视化	来自三家医院的303例患者的胸部CT扫描图像，涵盖13种主要肺部疾病	计算机视觉	肺癌	CT扫描	Transformer	图像	303例患者	NA	Swin2SR	图像噪声, 信噪比, 5点Likert量表评分	NA
528	2026-04-01	Interpretable spatiotemporal traffic crash risk prediction using DMD-based graph neural networks 2026-Mar-29, Accident; analysis and prevention DOI:10.1016/j.aap.2026.108522 PMID:41911624	研究论文	本研究开发了一种结合Hankel-DMD与时空图神经网络的混合框架，用于预测短期邻里级别的交通事故数量	提出了一种结合Hankel-DMD与STGNN的混合框架，能够以可解释的方式同时捕捉时空动态和空间依赖性	NA	预测城市交通事故的时空风险，支持主动安全管理	美国丹佛市78个邻里的每日交通事故记录	机器学习	NA	Hankel-DMD, 图神经网络	STGNN	时空数据	2019年至2021年78个邻里的每日事故记录	NA	STGNN	平均绝对误差, 均方根误差	NA
529	2026-04-01	Small-molecule binding and sensing with a designed protein family 2026-Mar-28, Nature communications IF:14.7Q1 DOI:10.1038/s41467-026-70953-8 PMID:41904144	研究论文	本文结合深度学习和物理方法，设计了一个具有多样口袋几何形状的蛋白质家族，用于计算设计针对六种小分子靶标的结合剂，并开发了基于皮质醇结合剂的生物传感器	首次将深度学习方法与物理方法结合，生成可设计口袋几何形状的蛋白质家族，并成功应用于小分子结合剂的计算设计和生物传感器开发	未提及具体实验规模或样本量限制，可能受限于计算资源和蛋白质设计的复杂性	开发一种基于蛋白质设计的小分子结合剂和传感器平台	六种小分子靶标及其对应的设计蛋白质结合剂	机器学习	NA	深度学习，物理方法，蛋白质设计	深度学习模型	蛋白质结构数据，小分子数据	NA	NA	NA	结合亲和力（纳摩尔至低微摩尔范围），原子级设计准确性	NA
530	2026-04-01	Deep learning-based infrared thermography reveals reproducible uniform and individual thermoregulatory responses during running 2026-Mar-28, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-44102-6 PMID:41904286	研究论文	本研究利用深度学习辅助的红外热成像技术，探讨了跑步期间皮肤温度指标的重复性及其与心肺和体温调节参数的关系	首次将深度学习应用于红外热成像数据的自动处理，以标准化感兴趣区域选择，并揭示了皮肤温度指标在重复运动中的高重复性和生理一致性	样本量较小（仅11名耐力训练个体），且研究仅针对跑步运动，可能限制了结果的普适性	评估深度学习辅助红外热成像在运动生理学中监测体温调节和心肺反应的重复性和生理相关性	11名耐力训练的个体	计算机视觉	NA	红外热成像	深度学习	图像	11名耐力训练的个体	NA	NA	皮尔逊相关系数, ICC值	NA
531	2026-04-01	Scratcher: An automated machine-vision tool for dissecting the neural basis of itch 2026-Mar-28, Neuroscience IF:2.9Q2 DOI:10.1016/j.neuroscience.2026.03.046 PMID:41912065	研究论文	本文介绍了一种名为Scratcher的自动化机器视觉工具，用于分析小鼠的抓挠行为，以研究瘙痒的神经基础	开发了基于实时物体检测算法的GUI工具，实现了半监督自动化分析，结合光遗传和化学遗传策略，加速了对瘙痒神经回路的理解	工具依赖于半监督自动化，可能仍存在主观性；研究主要聚焦于急性瘙痒模型，未涵盖慢性瘙痒	研究瘙痒诱导抓挠行为的神经机制，开发自动化工具以替代传统手动主观方法	实验室小鼠（包括Fos-TRAP转基因小鼠线）	计算机视觉	瘙痒症	光遗传学、化学遗传学、实时物体检测	物体检测算法	视频	未明确指定样本数量，但涉及小鼠实验	未指定	未指定	未指定	计算成本低廉，具体资源未详细说明
532	2026-04-01	Multimodal and Hyperspectral Dataset for Segmentation of Bulky Waste using VIS, IR, NIR, and Terahertz Imaging 2026-Mar-27, Scientific data IF:5.8Q1 DOI:10.1038/s41597-026-07053-1 PMID:41896252	研究论文	本研究提出了一个多传感器、多模态和高光谱数据集，用于支持基于深度学习的笨重废物分类与分割	结合了可见光、近红外高光谱、热红外和太赫兹成像四种互补传感器模态，并提供了像素级对齐的多模态数据融合	NA	开发一个多模态数据集以支持废物分类中的深度学习应用	笨重废物（如木材和非木材材料）	计算机视觉	NA	可见光成像、近红外高光谱成像、热红外成像、太赫兹成像	CNN	图像	56个注册多传感器场景，划分为22,659个标注补丁	NA	NA	NA	NA
533	2026-04-01	Progress and new challenges in image-based profiling 2026-Mar-27, Molecular systems biology IF:8.5Q1 DOI:10.1038/s44320-026-00197-7 PMID:41896452	综述	本文回顾了基于图像的细胞表型分析在计算领域的发展，重点介绍了从特征提取到归一化和批次校正的生物信息学过程，以及深度学习对该领域的重塑	深入探讨了深度学习如何从根本上重塑基于图像的细胞表型分析领域，并强调了单细胞分析、稳健相似性度量以及新模态（如光学池筛选、时间成像和3D类器官分析）扩展等关键方法学进展	该领域仍面临重大挑战，特别是在开发新兴时间和3D数据模态的方法、建立稳健的质量控制标准和工作流程以及解释处理后的特征方面	为研究人员提供导航基于图像的细胞表型分析领域进展和新挑战的路线图	基于图像的细胞表型分析的计算方法和应用	数字病理学	NA	显微镜成像、光学池筛选、时间成像、3D类器官分析	深度学习	图像	NA	NA	NA	NA	NA
534	2026-04-01	A dataset of insect sounds from 459 species for bioacoustic machine learning 2026-Mar-27, Scientific data IF:5.8Q1 DOI:10.1038/s41597-026-07123-4 PMID:41896561	研究论文	本文介绍了一个名为InsectSet459的大规模昆虫声音数据集，包含来自459个物种的26298个音频文件，旨在支持生物声学机器学习研究	首次提供了一个适用于深度学习的大规模昆虫声音数据集，覆盖了广泛的频率范围和物种多样性	数据集主要限于Orthoptera和Cicadidae两个科的物种，且音频录制使用了不同的采样率，可能带来处理挑战	开发自动识别昆虫声音的方法，以监测全球生物多样性变化	昆虫声音，特别是Orthoptera（310种）和Cicadidae（149种）的音频数据	生物声学机器学习	NA	音频录制	深度学习分类器	音频文件	26298个音频文件（226.6小时），来自459个物种	NA	NA	NA	NA
535	2026-04-01	What does it take to learn the rules of RNA base pairing? A lot less than you may think 2026-Mar-26, Communications biology IF:5.2Q1 DOI:10.1038/s42003-026-09921-3 PMID:41888287	研究论文	本文探讨了使用少量参数和序列数据，通过概率模型和深度学习技术，重新发现RNA碱基配对规则的可能性	提出了一种无需结构或比对信息、仅需少量参数和序列数据即可学习RNA碱基配对规则的方法	模型仅包含21个参数，可能无法捕捉更复杂的RNA结构或相互作用	研究RNA碱基配对规则的最小学习需求	RNA序列及其碱基配对规则	自然语言处理	NA	深度学习, 自动微分, 随机梯度下降	随机上下文无关文法	RNA序列	至少50个RNA序列，测试集包含1094个序列来自22个RNA家族	自动微分框架	随机上下文无关文法	NA	NA
536	2026-04-01	Cellular and subcellular specialization enables biology-constrained deep learning 2026-Mar-26, Cell reports IF:7.5Q1 DOI:10.1016/j.celrep.2026.117159 PMID:41894388	研究论文	本文提出了一种基于生物学约束的深度学习模型，通过模拟神经元细胞类型特化和树突区室化信号传导，实现了图像分类任务	引入了一种完全生物学兼容的深度学习算法——树突目标传播，结合兴奋性和抑制性细胞类型分离以及神经元树突区室化结构，突破了传统人工神经网络与神经科学基本原则的不兼容性	模型虽基于实验证据构建，但具体生物学机制的验证仍需进一步实验测试，且可能未涵盖所有神经可塑性细节	探索生物学习机制如何通过神经元细胞类型特化和树突区室化信号传导实现，并开发与之兼容的深度学习算法	人工神经网络模型，特别是模拟生物神经元结构和信号传导的多层网络	机器学习	NA	深度学习算法	人工神经网络	图像	NA	NA	多层人工神经网络，包含分离的兴奋性和抑制性细胞类型以及树突区室化神经元单元	分类准确度	NA
537	2026-04-01	Artificial intelligence for detection, grading, and prognostication in prostate cancer pathology: A scoping review 2026-Mar-25, Histology and histopathology IF:2.5Q2 DOI:10.14670/HH-25-059 PMID:41808601	综述	本文对人工智能在前列腺癌病理学中用于检测、分级和预后预测的应用进行了范围综述	综述了AI在病理学中的最新进展，包括基于深度学习的Gleason分级、预后标志物量化、分子改变预测以及多模态模型整合，并指出了新兴的自监督预训练、基于Transformer的图像模型和语言-视觉系统等未来方向	大多数研究为回顾性，终点异质性大；模型在新站点测试时性能常因患者群体和切片制备差异而下降；缺乏大型、高质量标注数据集，技术变异影响可重复性	综述人工智能在前列腺癌病理学领域的应用现状、进展与挑战	前列腺癌的病理学图像、临床数据及相关AI研究	数字病理学	前列腺癌	机器学习，深度学习	CNN, 大语言模型	组织学图像，临床文本	NA	NA	卷积神经网络，Transformer	准确率	NA
538	2026-04-01	Imaging-Based Prediction of Key Breast Cancer Biomarkers Using Deep Learning on Digital Breast Tomosynthesis 2026-Mar-24, European journal of breast health IF:1.3Q4 DOI:10.4274/ejbh.galenos.2026.2025-9-14 PMID:41874202	研究论文	本研究评估了使用深度学习模型在数字乳腺断层合成（DBT）图像上非侵入性预测乳腺癌关键生物标志物的可行性	首次将深度学习模型应用于DBT图像，用于非侵入性预测多种乳腺癌生物标志物，包括ER、PR、HER2、Ki-67和TNBC	样本量较小（43例），为回顾性单中心研究，需要更大规模、多中心的前瞻性研究进行验证	评估深度学习模型在DBT图像上预测乳腺癌生物标志物的可行性，以作为虚拟活检辅助病理诊断和治疗规划	经组织病理学确诊的浸润性乳腺癌患者	数字病理学	乳腺癌	数字乳腺断层合成（DBT）成像，免疫组织化学评估	CNN	图像	43名匿名女性患者	NA	VGG19, ResNet50	准确率, AUC, F1分数, 马修斯相关系数	NA
539	2026-04-01	Deep learning using electroencephalogram (EEG) data for diagnosing and predicting SSRI response in major depressive disorder 2026-Mar-23, Communications medicine IF:5.4Q1 DOI:10.1038/s43856-026-01394-z PMID:41872325	研究论文	本研究利用深度学习算法分析脑电图数据，用于诊断重度抑郁症并预测患者对SSRI药物的治疗反应	首次将深度学习应用于多个独立脑电图数据集，结合Grad-CAM技术解释分类特征，并模拟临床决策场景评估模型对治疗选择的改善效果	样本量相对有限（健康对照146例，患者203例），模型准确率仍有提升空间，且结果需在更广泛人群中验证	开发基于脑电图和深度学习的客观诊断工具，实现重度抑郁症的精准诊断和个性化治疗预测	重度抑郁症患者和健康对照者的脑电图数据	机器学习	重度抑郁症	脑电图	深度学习模型	脑电图信号	健康对照146例，患者203例，总计349例	NA	NA	准确率	NA
540	2026-04-01	Integration of alternative fragmentation techniques into standard LC-MS workflows using a single deep learning model enhances proteome coverage 2026-Mar-23, Nature methods IF:36.1Q1 DOI:10.1038/s41592-026-03042-9 PMID:41872372	研究论文	本文开发了一个集成质谱平台，通过深度学习模型整合多种碎片化技术，以增强蛋白质组覆盖范围	开发了一个统一的Prosit深度学习模型，能够预测所有解离方法的谱图，并集成到FragPipe的MSBooster模块中，平均提高蛋白质鉴定率超过10%	未明确说明模型在处理特定复杂样本或极端条件下的局限性	增强蛋白质组学中碎片化技术的整合与应用，提高蛋白质鉴定效率和覆盖范围	蛋白质组学中的肽段序列和蛋白质鉴定	质谱分析, 深度学习	NA	碰撞诱导解离(CID), 电子诱导解离, 紫外光解离, 质谱技术	深度学习模型	质谱数据	NA	NA	Prosit	蛋白质鉴定率, 序列覆盖范围	NA