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
5761	2026-04-10	FetalSleepNet: A Transfer Learning Framework with Spectral Equalisation Domain Adaptation for Fetal Sleep State Classification 2026-Apr-08, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2026.3681572 PMID:41950122	研究论文	本文提出FetalSleepNet，一种基于迁移学习和频谱均衡域适应的深度学习框架，用于胎儿睡眠状态分类	首次开发专门用于胎儿脑电图的自动睡眠分期深度学习架构，并实现跨发育（成人到胎儿）和跨物种（人到羊）的迁移学习框架，利用频谱均衡技术对齐频域特征	胎儿脑电图数据极其稀缺，且研究依赖于跨物种数据适应，可能引入未知偏差	开发自动化胎儿睡眠状态分类方法，以识别神经发育并发症如缺氧	胎儿睡眠状态分类，基于胎儿脑电图数据	机器学习	神经发育并发症	脑电图	深度学习	脑电图信号	NA	NA	FetalSleepNet	准确率, 宏F1分数	NA
5762	2026-04-10	Neural Architecture Search With Spatial-Spectral Attention for Higher-Order Nonlinear Hyperspectral Unmixing 2026-Apr-08, IEEE transactions on neural networks and learning systems IF:10.2Q1 DOI:10.1109/TNNLS.2026.3678170 PMID:41950143	研究论文	提出一种基于神经架构搜索与空谱注意力机制的高阶非线性高光谱解混模型	首次将神经架构搜索（NAS）集成到基于扩展多线性混合模型的高光谱解混中，设计了光谱-空间注意力引导的大规模搜索空间，并采用稀疏编码启发的加速策略	未明确说明模型在极端非线性混合场景下的泛化能力，以及搜索过程对计算资源的具体需求	解决高光谱解混中非线性混合过程的精确建模问题	高光谱遥感图像	计算机视觉	NA	高光谱成像	深度自编码器,神经架构搜索	高光谱图像	合成与真实数据集（未指定具体数量）	未明确说明	自定义多尺度卷积操作	光谱角距离	未明确说明
5763	2026-04-10	Uncertainty-Aware Multi-Class Brain Tumor Segmentation Using Bayesian U-Net Variants 2026-Apr-08, Biomedical physics & engineering express IF:1.3Q3 DOI:10.1088/2057-1976/ae5ca9 PMID:41950940	研究论文	本文提出了一种基于贝叶斯推理的不确定性感知框架，用于多类别脑肿瘤分割，并评估了多种U-Net变体在BraTS 2020数据集上的性能	将多种U-Net变体（Attention U-Net、Residual U-Net、Squeeze-Attention U-Net、CBAM U-Net）集成到统一的贝叶斯推理框架中，通过MC dropout实现像素级和类别特定的认知不确定性估计，提供了超越传统精度指标的互补见解	未明确提及模型的计算效率、实时性限制或在其他数据集上的泛化能力	开发一种不确定性感知的脑肿瘤分割框架，以提高分割结果的可靠性和临床可解释性	脑肿瘤的MRI图像，特别是BraTS 2020数据集中的多类别肿瘤子区域（全肿瘤、肿瘤核心、增强肿瘤）	数字病理学	脑肿瘤	磁共振成像	CNN	图像	NA	NA	Attention U-Net, Residual U-Net, Squeeze-Attention U-Net, CBAM U-Net	分割精度	NA
5764	2026-04-10	Discovery, engineering and application of a maleate isomerase for efficient L-malic acid biosynthesis via dual-enzyme cascade with fumarase 2026-Apr-06, Bioorganic chemistry IF:4.5Q1 DOI:10.1016/j.bioorg.2026.109842 PMID:41950715	研究论文	本研究通过生物信息学挖掘和深度学习工具指导的酶工程，开发了一种高效的双酶级联系统，用于以低成本马来酸为底物绿色合成L-苹果酸	从候选序列中鉴定出高活性的Schaalia vaccimaxillae来源的马来酸异构酶，并利用基于深度学习的计算预测指导突变，使其催化活性提升153.6%，进而与富马酸酶构建一锅双酶级联系统	未明确说明该酶系统在长期工业运行中的稳定性、底物浓度进一步提高的可行性以及大规模生产成本的具体评估	开发一种高效、可持续且经济可行的生物催化路线用于L-苹果酸的生产	L-苹果酸的生物合成	合成生物学，酶工程	NA	生物信息学挖掘，深度学习指导的酶工程，双酶级联催化	基于深度学习的计算预测工具	蛋白质序列数据，酶活性数据	NA	NA	NA	催化活性提升百分比（153.6%），产物浓度（171.4 g/L L-MA），生产率（14.28 g·(L·h)）	NA
5765	2026-04-10	Brain Myelin in Children With Attention-Deficit/Hyperactivity Disorder: A Longitudinal T1-Weighted/T2-Weighted Ratio Study 2026-Apr, Biological psychiatry. Cognitive neuroscience and neuroimaging DOI:10.1016/j.bpsc.2025.07.012 PMID:40789484	研究论文	本研究通过纵向T1加权/T2加权比值分析，探讨了注意力缺陷/多动障碍（ADHD）儿童脑白质髓鞘发育轨迹	首次在纵向社区儿科队列中，使用T1w/T2w比值结合深度学习自动纤维束追踪方法，系统评估ADHD儿童脑白质髓鞘发育模式	研究未发现ADHD组与对照组在髓鞘发育上的显著差异，可能受样本特征或方法灵敏度限制，且未考虑纤维结构等其他白质特性	探究ADHD儿童脑白质髓鞘的发育轨迹及其与疾病的关系	9-14岁儿童（包括195名ADHD患者及205名对照）	神经影像学	注意力缺陷/多动障碍	T1加权/T2加权比值成像、扩散加权成像	深度学习	神经影像数据（T1w、T2w、DWI）	400次扫描（195名ADHD儿童，年龄范围9-14岁，3个时间点）	NA	NA	NA	NA
5766	2026-04-10	Graph-based deep learning approach for high-throughput protein-DNA interaction scoring 2026-Apr, Acta pharmacologica Sinica IF:6.9Q1 DOI:10.1038/s41401-025-01688-3 PMID:41326808	研究论文	本文提出了一种基于图深度学习的蛋白质-DNA相互作用评分方法PDIScore，用于准确量化蛋白质-DNA相互作用	开发了PDIScore这一新型深度学习评分函数，采用全面的图表示捕获核苷酸灵活性，结合可扩展的GraphGPS架构与BigBird线性全局注意力处理大相互作用界面，并利用混合密度网络建模残基-核苷酸距离分布	NA	开发可靠的蛋白质-DNA相互作用评分函数以促进生物学过程理解和药物设计	蛋白质-DNA相互作用	机器学习	NA	深度学习	图神经网络	蛋白质-核酸复合物结构	约7000个蛋白质-核酸复合物结构	NA	GraphGPS, BigBird, 混合密度网络	富集因子, AUROC, 对接成功率, 皮尔逊相关系数	NA
5767	2026-04-10	Deep Learning and Fluid Dynamics On-Site CT-FFR Solution Compared to Off-Site FFRct and Invasive FFR 2026-Apr, JACC. Cardiovascular imaging DOI:10.1016/j.jcmg.2025.11.011 PMID:41758106	研究论文	本研究评估了基于深度学习和流体动力学的现场CT-FFR算法（xFFR）在冠状动脉疾病评估中的诊断性能，并与场外FFRct和有创FFR进行了比较	开发并验证了一种现场、快速（平均8分钟）的CT-FFR算法，结合了深度学习和流体动力学，作为场外FFRct解决方案的替代方案	单中心研究，需要进一步研究以确认其普适性并优化实施	评估现场CT-FFR算法在冠状动脉疾病诊断中的性能	250名有症状的中高风险冠状动脉疾病患者	数字病理学	心血管疾病	冠状动脉计算机断层扫描血管造影	深度学习	医学影像	250名患者	NA	NA	AUC, 敏感性, 特异性, 准确性, Spearman相关系数, Cohen's κ	NA
5768	2026-04-10	Automated Brain Tumor Detection Using Convolutional Neural Network 2026-Apr, Biotechnology and applied biochemistry IF:3.2Q2 DOI:10.1002/bab.70060 PMID:41076544	研究论文	本研究探讨了使用卷积神经网络（U-Net和SSD）进行脑肿瘤自动检测的效能，以提高早期诊断的准确性	结合了用于医学图像分割的U-Net模型和用于目标检测的SSD模型，评估并比较了它们在脑肿瘤检测中的性能，强调了U-Net在精确分割方面的优势	SSD模型的准确率相对较低（58%），表明其在某些场景下可能仅作为辅助工具，且研究未详细说明数据集的具体规模和多样性	通过深度学习技术提升脑肿瘤的早期检测能力，以支持及时的医疗干预	脑肿瘤的检测与定位	计算机视觉	脑肿瘤	医学图像分析	CNN	医学影像	NA	NA	U-Net, SSD	准确率	NA
5769	2026-04-10	Large Language Models and Otolaryngology: A Review 2026-Apr-01, JAMA otolaryngology-- head & neck surgery DOI:10.1001/jamaoto.2025.5335 PMID:41642593	综述	本文回顾了大型语言模型（LLMs）在耳鼻喉科学中的应用现状、潜力与挑战	强调了LLMs在耳鼻喉科学这一依赖多模态数据的专科中作为强大但未充分利用工具的潜力，并借鉴其他专科的广泛方法学应用	耳鼻喉科学领域的大多数研究仍局限于可行性评估，且多使用闭源模型，限制了其临床效用和转化潜力	为耳鼻喉科医生提供一个基础，以推进LLMs技术在其领域的应用，并促进其从可行性研究向临床验证和实施研究发展	大型语言模型（LLMs）及其在耳鼻喉科学中的应用	自然语言处理	NA	NA	大型语言模型（LLMs）	多模态数据（文本、影像、电生理学、视频）	NA	NA	NA	NA	NA
5770	2026-04-10	New Directions in Digital Pathology 2026-Apr, Dermatologic clinics IF:2.2Q2 DOI:10.1016/j.det.2026.01.012 PMID:41951334	综述	本文回顾了数字皮肤病理学的现状与未来方向，重点介绍了全切片成像和人工智能的作用	强调了AI工具在诊断、分诊和预后方面的应用，其准确性可与专家病理学家相媲美	实施成本高、图像质量存在变异性以及算法学习中的偏见	探讨数字病理学在临床实践中的整合与未来发展方向	数字皮肤病理学中的全切片成像和人工智能工具	数字病理学	NA	全切片成像	深度学习, 卷积神经网络	图像	NA	NA	NA	准确性	NA
5771	2026-04-10	A comparative study of deep learning-based zebrafish image segmentation methods 2026-Mar-31, Cells & development IF:2.1Q3 DOI:10.1016/j.cdev.2026.204083 PMID:41933835	研究论文	本研究系统评估了多种基于深度学习的斑马鱼图像分割网络	首次在同一数据集和预处理流程下，对包括U-Net、SegNet、PSPNet、DeepLabv3+、Attention U-Net、HRNet、SegFormer、MASNet、Segment Anything Model (SAM)、PVT-EMCAD和RWKV-UNet在内的11种代表性分割模型进行了全面比较，并探讨了高分辨率保持、上下文聚合机制、注意力机制以及Transformer架构在提升小结构检测和边界描绘精度方面的关键作用	未提及具体的数据集规模或模型训练的计算资源限制	为斑马鱼图像的高通量毒理学筛选和形态学量化提供通用技术和理论支持	斑马鱼图像	计算机视觉	NA	深度学习图像分割	CNN, Transformer	图像	NA	NA	U-Net, SegNet, PSPNet, DeepLabv3+, Attention U-Net, HRNet, SegFormer, MASNet, Segment Anything Model (SAM), PVT-EMCAD, RWKV-UNet	Dice系数, 交并比, 平均像素精度	NA
5772	2026-04-10	LA-TReQNet: Improving Multielement Quantification Model for Laser Ablation Inductively Coupled Plasma Mass Spectrometry Based on Deep Learning Network 2026-Mar-30, Analytical chemistry IF:6.7Q1 DOI:10.1021/acs.analchem.6c00057 PMID:41910779	研究论文	本文提出了一种名为LA-TReQNet的端到端深度学习框架，用于改进激光剥蚀电感耦合等离子体质谱的多元素定量分析模型	首次建立了一种不依赖内标或外标的校准方法，通过深度学习模型捕获复杂的经验关系，并提出了基于Power Transformer的标准化和数据集分组的优化预处理策略	NA	改进激光剥蚀电感耦合等离子体质谱的多元素定量分析模型，实现全自动定量校准	质谱数据	机器学习	NA	激光剥蚀电感耦合等离子体质谱	CNN, LSTM	质谱数据	来自5676个样本的221,364个标记质谱	NA	CNN-LSTM	与认证参考值的偏差百分比	NA
5773	2026-04-10	Deep learning and object detection methods for scoring cell types within the human buccal cell micronucleus and cytome assays for human biomonitoring 2026-Mar-26, Mutagenesis IF:2.5Q3 DOI:10.1093/mutage/geaf026 PMID:41236179	综述	本文综述了深度学习和目标检测方法在人类颊细胞微核及细胞组学检测中用于细胞类型评分的研究进展，探讨了其在人群生物监测中的应用潜力	首次系统探讨将人工智能技术整合到微创颊细胞微核细胞组学检测中，以解决该领域样本变异性大、评分复杂等独特挑战	目前人工智能在颊细胞微核细胞组学检测中的应用仍处于探索阶段，缺乏大规模实际验证	探讨人工智能技术如何提升颊细胞微核细胞组学检测的可靠性、可扩展性和效率，以促进大规模流行病学研究	人类颊细胞样本中的微核及其他细胞遗传学终点	计算机视觉	NA	颊细胞微核细胞组学检测	深度学习, 目标检测	图像	NA	NA	NA	准确性, 可重复性, 通量	NA
5774	2026-04-10	Graph-Based Classification with GNN-Explainer for Predicting Cardiac Toxicity Associated with Multi-Ion Channel Blockers 2026-Mar-24, Chemical research in toxicology IF:3.7Q2 DOI:10.1021/acs.chemrestox.5c00369 PMID:41875377	研究论文	本研究开发了一个基于图神经网络的深度学习框架，用于整合多种心脏离子通道抑制数据，以预测多离子通道阻滞剂相关的心脏毒性	克服了现有机器学习模型仅依赖Kv11.1通道数据的局限性，首次整合了Kv11.1、Cav1.2和Nav1.5三种关键离子通道的抑制数据，并利用GNNExplainer提供原子和键水平的可解释性可视化	不同离子通道的数据集规模差异较大（Kv11.1数据量远多于Cav1.2和Nav1.5），可能影响模型对后两个通道预测的泛化能力	开发一个能够整合多种心脏离子通道抑制数据的深度学习框架，以更准确地预测药物候选化合物的心脏毒性风险	药物分子（小分子化合物）	机器学习	心血管疾病	实验抑制数据整合	GNN	分子图数据	总计38,905个分子（Kv11.1: 34,124个, Cav1.2: 1,564个, Nav1.5: 3,217个）	PyTorch	GNN	准确率	NA
5775	2026-04-10	Automated Classification of Mitral and Tricuspid Regurgitation With Explainability and Real-World Practice Experience 2026-Mar-17, Journal of the American Heart Association IF:5.0Q1 DOI:10.1161/JAHA.125.045851 PMID:41804879	研究论文	本研究开发了一种端到端、可解释、基于血流感知的深度学习流程，用于自动分类二尖瓣和三尖瓣反流的严重程度	该模型结合了瓣膜形态评估、多普勒解释的收缩期感知，并联合评估二尖瓣和三尖瓣反流，具有可解释性和生理约束	在房颤或左心室射血分数降低的患者中性能略有下降，外部验证中严重反流的AUC值有所降低	开发一种可解释的人工智能框架，用于自动分类二尖瓣和三尖瓣反流的严重程度	二尖瓣反流和三尖瓣反流患者	数字病理学	心血管疾病	超声心动图	深度学习	医学影像（DICOM文件）	5086例门诊研究（三级中心），并在2个额外机构的独立队列中进行外部验证	NA	NA	AUC, 敏感性, 特异性, 阳性预测值, 阴性预测值	NA
5776	2026-04-10	Climate driven drought risk and machine learning approaches for urban resilience and sustainable water governance 2026-Mar-10, Environmental research IF:7.7Q1 DOI:10.1016/j.envres.2026.124220 PMID:41819208	研究论文	本文提出了一种先进的干旱风险预测模型，结合多尺度标准化降水指数、气候分区和深度学习模型，用于预测和识别不同气候区域的干旱动态	整合了多尺度标准化降水指数、气候分区和深度学习模型，用于干旱风险预测，并比较了多种混合模型的性能	未明确说明模型在极端气候事件或数据稀缺区域的泛化能力	开发干旱风险预测模型以支持城市韧性和可持续水治理	巴基斯坦不同气候区域的干旱动态	机器学习	NA	标准化降水指数、气候分区	RNN, LSTM, BiLSTM, CNN-LSTM, SVM	气候数据	NA	NA	RNN, LSTM, BiLSTM, CNN-LSTM	NA	NA
5777	2026-04-10	EFFNet: Efficient feature fusion network for left ventricular hypertrophy identification based on 12-lead electrocardiogram signals 2026-Mar-04, Heart rhythm IF:5.6Q1 DOI:10.1016/j.hrthm.2026.02.046 PMID:41791632	研究论文	本文提出了一种基于12导联心电图信号的高效特征融合网络（EFFNet），用于左心室肥厚的识别	提出了一种新颖的特征融合模块，将卷积神经网络提取的形态特征与算法导出的振幅特征融合，并结合专家混合模块，提高了左心室肥厚检测的准确性	在外部验证集（青海数据集）上的性能（AUC为0.654）低于在UK Biobank数据集上的性能（AUC为0.933），表明模型可能对数据分布敏感，泛化能力有待进一步验证	探索一种新的深度学习方法，用于基于12导联心电图信号有效识别左心室肥厚	左心室肥厚患者的心电图信号	机器学习	心血管疾病	心电图信号分析	CNN	心电图信号	UK Biobank数据集（n = 38,289）和青海数据集（n = 142,777）	NA	EFFNet	AUC	NA
5778	2026-04-10	Exploring voltage-gated sodium channel conformations and protein-protein interactions using AlphaFold2 2026-03-02, The Journal of general physiology IF:3.3Q1 DOI:10.1085/jgp.202413705 PMID:41411077	研究论文	本研究探索了AlphaFold2在采样电压门控钠通道多种构象及评估AlphaFold Multimer在建模钠通道α亚基与其蛋白质伙伴相互作用方面的能力	利用AlphaFold2采样钠通道的多种构象，包括实验未描述的状态和潜在中间态，并首次应用AlphaFold Multimer高精度建模钠通道与辅助β亚基和钙调蛋白的复合物	预测模型仍为假设，需实验数据验证	探索深度学习方法在理解钠通道结构、门控和调控方面的潜力	电压门控钠通道及其与辅助β亚基和钙调蛋白的相互作用	机器学习	NA	冷冻电子显微镜, AlphaFold2, AlphaFold Multimer	深度学习模型	蛋白质序列和结构数据	NA	AlphaFold2, AlphaFold Multimer	AlphaFold2, AlphaFold Multimer	NA	NA
5779	2026-04-10	How I Do It: Fast MRI of the Joints 2026-03, Radiology IF:12.1Q1 DOI:10.1148/radiol.251430 PMID:41842665	综述	本文提供了关于快速肌肉骨骼关节MRI的实践导向概述，重点介绍了回波链优化和现代加速技术的应用	结合并行成像、同时多层采集和压缩感知欠采样技术，以及深度学习图像重建方法，实现关节MRI的三到十倍加速	需要进一步的研究和数据支持，以验证深度学习方法的长期临床效果	优化关节MRI的扫描速度与图像质量，提升临床效率	中枢和周围关节的肌肉骨骼MRI	医学影像	NA	MRI, 并行成像, 同时多层采集, 压缩感知, 深度学习图像重建	深度学习	MRI图像	NA	NA	NA	图像质量, 诊断准确性	NA
5780	2026-04-10	Artificial Intelligence in Proton Therapy: What Works, What Does Not, and What Is Next 2026 Mar-Apr 01, Cancer journal (Sudbury, Mass.) DOI:10.1097/PPO.0000000000000821 PMID:41880273	综述	本文综述了人工智能在质子治疗中的应用现状、挑战与未来方向	强调AI在质子治疗中整合异构数据、捕捉复杂临床工作流关系的能力，并区分任务级自动化与工作流级智能	NA	总结人工智能在质子治疗中的当前与新兴应用，并讨论其临床转化面临的挑战	质子治疗中的成像、治疗计划、质量保证、自适应工作流和结果建模	机器学习	NA	NA	机器学习,深度学习	异构数据	NA	NA	NA	NA	NA