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
5801	2026-06-28	Prot-ΔΔG: Prediction of protein-protein binding affinity changes upon mutations with pre-training strategies 2026-Jun-25, Journal of computer-aided molecular design IF:3.0Q2 DOI:10.1007/s10822-026-00867-6 PMID:42350672	研究论文	提出一种仅基于序列的深度学习框架 Prot-ΔΔG，利用预训练策略预测蛋白质突变后的结合亲和力变化	首次将大规模预训练蛋白质语言模型与 BiGRU-DBRNN 编码器结合，完全基于序列信息预测 ΔΔG，无需高分辨率结构数据，有效捕捉序列嵌入的进化模式与上下文信息	未提及依赖结构信息时的性能对比，且对复杂多突变场景的泛化性需进一步验证	开发仅基于序列的精准预测方法，用于理解蛋白质突变导致的疾病机制、指导药物发现和蛋白质工程	蛋白质-蛋白质相互作用的突变后结合亲和力变化	机器学习	NA	蛋白质语言模型	BiGRU-DBRNN	蛋白质氨基酸序列	NA	NA	BiGRU-DBRNN	预测性能指标	NA
5802	2026-06-28	Feasibility of deep learning-accelerated ultrafast T1-weighted VIBE Dixon imaging of the pelvis for screening of metastases in prostate MRI 2026-Jun-25, European radiology experimental IF:3.7Q1 DOI:10.1186/s41747-026-00758-3 PMID:42350758	研究论文	评估深度学习加速的T1加权VIBE Dixon序列在盆腔转移瘤筛查中的图像质量和诊断信心	首次将深度学习加速的超快速T1加权VIBE Dixon序列用于前列腺MRI盆腔转移瘤筛查，显著缩短采集时间（从143秒降至15秒）而不损失图像质量和诊断信心	样本量较小（54例患者），且DL加速序列在伪影和信号均匀性方面略有增加	评估深度学习加速T1加权VIBE Dixon序列在前列腺MRI中筛查盆腔转移瘤的可行性	接受前列腺MRI的患者	计算机视觉	前列腺癌	MRI	深度学习	图像	54例患者，平均年龄68±6.6岁	NA	NA	Likert量表评分（图像质量、诊断信心）、信号均匀性	研究用深度学习加速序列，具体计算资源未提及
5803	2026-06-28	Data-Efficient and Explainable Multimodal Survival Prediction in NSCLC Using Deep Image Embeddings, Clinical Variables, and Gradient-Boosted Trees 2026-Jun-22, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics16121941 PMID:42351600	研究论文	提出一种数据高效、可解释的多模态非小细胞肺癌生存预测框架，融合深度图像嵌入、临床变量和梯度提升树	将预训练RadImageNet-InceptionV3嵌入与临床变量通过梯度提升树融合，在有限样本下实现可解释的生存预测，并利用SHAP分析揭示特征贡献	外部验证尚未进行，临床转化前需进一步验证	开发一种数据高效、可解释的多模态框架，整合CT影像信息与临床变量，用于非小细胞肺癌生存预测	非小细胞肺癌患者的CT图像、肿瘤分割结果和临床数据	计算机视觉、机器学习	非小细胞肺癌	CT成像、深度学习嵌入、主成分分析	梯度提升树（CatBoost、XGBoost、LightGBM）	CT图像、临床变量表格数据	377名NSCLC患者（LUNG1数据集）	NA	RadImageNet-InceptionV3、CatBoost、XGBoost、LightGBM	C-index（基于类别的C-index和连续事件C-index）	NA
5804	2026-06-28	Artificial Intelligence and the Evolving Paradigm of Lung Cancer Management 2026-Jun-22, Cancers IF:4.5Q1 DOI:10.3390/cancers18122012 PMID:42352544	综述	综述人工智能在肺癌管理中的前沿应用，涵盖筛查、诊断、治疗规划和药物发现	系统整合AI在肺癌全流程管理（影像、病理、液体活检、手术导航）的应用进展，并强调多学科协作与临床验证的必要性	真实世界验证有限、算法偏见、临床工作流程整合困难及伦理法律问题尚未解决	总结AI在肺癌管理中的应用现状，并探讨未来发展方向与挑战	肺癌筛查、成像分期、组织与液体活检、治疗规划、手术导航、药物发现中的AI技术	自然语言处理, 计算机视觉, 数字病理学	肺癌	NGS, RNA-seq, 甲基化测序	深度学习模型	图像, 文本, 视频	NA	NA	深度神经网络	检测率, AUC	NA
5805	2026-06-28	Untrained Position-Encoded Multilayer Perceptron Network for Structured Illumination Microscopy Reconstruction 2026-Jun-22, Chemical & biomedical imaging DOI:10.1021/cbmi.5c00153 PMID:42358782	研究论文	提出一种无需训练数据的位敏多层感知机网络用于结构光照明显微镜超分辨重建	该方法无需任何训练数据，利用隐式神经表征和SIM前向模型驱动重建超分辨图像，能够在低输入帧数下实现2D和3D图像重建，并预测3D堆栈中缺失的轴向平面	当前摘要未明确提及方法局限性，可能包括对噪声的敏感度或计算开销问题	为SIM超分辨成像提供一种数据高效且适应性强的重建方法	结构光照明显微镜（SIM）成像数据	计算机视觉	不适用	结构光照明显微镜	位敏多层感知机	图像	合成和实验数据集	PyTorch	多层感知机	结构相似性损失	NA
5806	2026-06-28	Multimodal EEG-EMG and FEM-Based Adaptive Control of Passive Upper-Limb Exoskeletons 2026-Jun-20, Sensors (Basel, Switzerland) DOI:10.3390/s26123924 PMID:42356896	研究论文	提出一种多模态神经接口，结合脑电图和肌电图信号对被动上肢外骨骼进行自适应控制，并利用有限元生物力学建模辅助分析	首次在被动外骨骼中融合EEG-EMG多模态信号与CNN-LSTM深度学习架构，通过认知负荷指数和额叶不对称指数实现无需主动驱动的软件级自适应辅助	有限元模型仅作为离线分析工具，未集成到实时控制回路中；LiveAmp平台为商用设备并非专门为本研究开发	实现被动上肢外骨骼基于用户生理和运动状态的软件级自适应辅助	十名健康被试的脑电图和肌电图信号	人机交互, 机器人学	NA	脑电图, 肌电图, 有限元建模	CNN-LSTM混合模型	生理信号（脑电图和肌电图）	10名健康被试	NA	CNN-LSTM	准确率, F1分数, 推理延迟	NA
5807	2026-06-28	Deep Learning Based on B-Mode and Color Doppler Ultrasound for Differentiation of Primary Thyroid Lymphoma and Hashimoto's Thyroiditis: A Retrospective Single-Center Study 2026-Jun-19, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics16121909 PMID:42351568	研究论文	基于B超和彩色多普勒超声的深度学习模型用于鉴别原发性甲状腺淋巴瘤和桥本甲状腺炎	提出了结合小波变换卷积和频率自适应门控机制的Frequency-Adaptive WT-ResNet模型，实现了B超和彩色多普勒超声图像中三种病变（弥漫大B细胞淋巴瘤、黏膜相关淋巴组织淋巴瘤和桥本甲状腺炎）的自动分类	探索性外部验证结果需谨慎解读，仍需更大规模的多中心队列验证模型泛化能力	开发和验证基于B超和彩色多普勒超声的深度学习模型，用于图像水平鉴别弥漫大B细胞淋巴瘤、黏膜相关淋巴组织淋巴瘤和桥本甲状腺炎	290名患者的1294张超声图像（313个病灶），来自华西医院和中山大学孙逸仙纪念医院	计算机视觉	甲状腺癌, 淋巴瘤, 桥本甲状腺炎	超声成像（B模式超声和彩色多普勒超声）	CNN (ResNet)	图像	290名患者的1294张超声图像（313个病灶），训练集与测试集按8:2划分	PyTorch	Frequency-Adaptive WT-ResNet（集成小波变换卷积和频率自适应门控机制）	AUC, 平衡准确率	NA
5808	2026-06-28	Functional Profiling in Paralympic Water Polo Using Deep Learning, Stereo Vision, and Phase-Based Kinematic Analysis: A Pilot Study 2026-Jun-19, Bioengineering (Basel, Switzerland) DOI:10.3390/bioengineering13060707 PMID:42351951	研究论文	提出一种基于深度学习、立体视觉和相位运动分析的残奥会水球功能画像框架，用于客观评估运动员的残余运动功能	将姿态估计作为定量测量工具，并将可见性中断视为功能相关事件而非噪声，为运动功能评估提供可解释的候选描述指标	样本量较小（仅5名男性运动员），且研究为试点性质，不旨在取代官方分类程序	为残奥会水球运动建立基于任务的功能画像框架，以支持基于证据的分类研究	5名国家级男子水球运动员（3名有运动障碍、2名健全参考者）	计算机视觉	运动功能障碍	立体视觉、OpenPose姿态估计	NA	视频	5名男性运动员（3名有运动障碍，2名健全参考者），共128次掷球试验	OpenPose	NA	核心值范围（0.05-0.15、0.29-0.68、0.040-0.148）	NA
5809	2026-06-28	Waist Circumference Modifies the Association Between a Deep Learning-Derived Retinal Biomarker and Coronary Artery Calcium Score in Asymptomatic Adults 2026-Jun-19, Journal of clinical medicine IF:3.0Q1 DOI:10.3390/jcm15124779 PMID:42355946	研究论文	探讨深度学习衍生的视网膜生物标志物Reti-CVD与无症状成年人冠状动脉钙化评分之间的关系，并评估腰围是否改变这一关联	首次验证中心性肥胖（以腰围衡量）对深度学习视网膜生物标志物与冠状动脉钙化评分之间关系的修饰作用，而一般肥胖（BMI）无此作用	回顾性设计、样本量较小（237人）、单一韩国人群、未考虑种族差异及长期随访数据	评估肥胖表型（特别是中心性肥胖）是否改变Reti-CVD与冠状动脉钙化评分的关联	237名接受常规健康筛查的无症状韩国成年人	机器学习, 数字病理学	心血管疾病	眼底摄影, 心脏计算机断层扫描	深度学习模型	眼底照片, 图像	237名无症状韩国成年人（其中78人患有腹部肥胖，102人患有一般肥胖）	NA	NA	受试者工作特征曲线下面积	NA
5810	2026-06-28	Cross-Sensor and Cross-Population Generalization of Deep Learning Models for Digital Mammography: A Controlled Four-Country Benchmark of Five Backbone Architectures with Statistical Significance Testing 2026-Jun-19, Sensors (Basel, Switzerland) DOI:10.3390/s26123911 PMID:42356884	研究论文	通过控制协议对五种深度学习骨干网络进行跨传感器和跨人群的数字乳腺X线摄影泛化能力基准测试	首次在统一控制协议下系统评估最新一代乳腺X线摄影专用基础模型（如Mammo-CLIP B5和Mammo-FM）在跨传感器平台和跨人群（中美印英四国数据）条件下的泛化性能，并采用带Benjamini-Hochberg FDR校正的配对DeLong z检验进行统计显著性分析	单一训练来源（CBIS-DDSM）和仅三次随机种子重复；MIAS数据集的组间比较未能达到统计显著性；极密乳腺亚组的样本量较小（n=140），导致95%置信区间重叠较大，无法支持统计优势结论	评估深度学习模型在数字乳腺X线摄影数据中跨传感器和跨人群迁移时的泛化能力，并探讨基础模型是否优于传统架构	来自美国（CBIS-DDSM）、中国（CMMD）、印度（DMID）和英国（MIAS）四个国家的乳腺X线摄影数据集	计算机视觉, 数字病理学	乳腺癌	数字乳腺X线摄影	深度学习模型（卷积神经网络、视觉Transformer）	图像（乳腺X线摄影图像）	训练集CBIS-DDSM（n=714验证），外部测试集：CMMD（n=1032，全视野数字乳腺X线摄影）、DMID（n=509，混合数字）、MIAS（n=322，胶片数字化）	PyTorch	ResNet-50, DINOv2-B14, Rad-DINO, Mammo-CLIP B5, Mammo-FM	AUC, 灵敏度, 特异性, 校准误差（温度缩放校正）	未提及
5811	2026-06-28	Artificial Intelligence, Deep Learning, and Computer Vision in Hysteroscopy: A Systematic Review 2026-Jun-18, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics16121899 PMID:42351557	综述	系统回顾人工智能、深度学习及计算机视觉在宫腔镜中的应用	首次系统综述AI/ML/DL在宫腔镜五个领域的应用现状，包括诊断分类、实时检测、分割、手术引导及预后决策	多数研究为单中心回顾性设计，缺乏外部验证；仅一项随机研究评估了AI对可测量手术结局的影响	系统评估人工智能、机器学习、深度学习或计算机辅助诊断在宫腔镜中的应用效果并分析现有证据的局限性	宫腔镜图像分析及手术辅助系统	计算机视觉, 机器学习	妇科疾病	宫腔镜成像	CNN, 深度学习模型	图像	19项原始研究	NA	NA	AUC	NA
5812	2026-06-28	Deep Learning for Brain MRI Artifact Correction: Current Challenges and Future Directions 2026-Jun-18, Bioengineering (Basel, Switzerland) DOI:10.3390/bioengineering13060699 PMID:42351943	综述	系统性回顾了深度学习在脑MRI伪影校正中的应用，并量化分析了当前方法的表现和挑战	首次定量分析深度学习在脑MRI伪影校正中的表现，并识别了产生幻觉和过度平滑的潜在因素，同时指出频率感知神经网络的优势，并展望了物理信息神经网络这一新兴范式	仅分析了30篇研究，且未涉及儿童MRI及低于1.5T的场强情况，可能存在样本量有限和适用范围的局限性	系统性回顾深度学习在脑MRI伪影校正中的现状，评估其临床鲁棒性、幻觉和过度平滑问题，并指出未来研究方向	基于深度学习进行伪影校正的脑结构MRI研究	计算机视觉, 机器学习, 数字病理学	脑部疾病	结构磁共振成像	神经网络	图像	30篇相关研究	NA	频率感知神经网络, 物理信息神经网络	结构相似性指数, 峰值信噪比	NA
5813	2026-06-28	Ensemble Machine Learning- and Deep Learning-Driven Identification and Validation of Sennidin B as a Novel Dipeptidyl Peptidase-4 Inhibitor 2026-Jun-18, International journal of molecular sciences IF:4.9Q2 DOI:10.3390/ijms27125536 PMID:42353251	研究论文	结合机器学习和深度学习，筛选并验证Sennidin B作为一种新型二肽基肽酶-4抑制剂	首次通过集成结构虚拟筛选和机器学习模型，从天然化合物库中发现Sennidin B作为DPP-4抑制剂，并通过分子动力学模拟和细胞实验验证	Sennidin B的体内药效和安全性仍需进一步研究	识别天然DPP-4抑制剂用于治疗2型糖尿病	Sennidin B和盐酸多柔比星作为候选DPP-4抑制剂	机器学习，药物发现	2型糖尿病	分子对接，分子动力学模拟， MM-PBSA计算， RT-PCR，蛋白质免疫印迹	随机森林，逻辑回归，支持向量机，多层感知器	分子结构数据，活性数据	天然化合物数据库包含多个化合物，筛选出107个化合物进一步分析，最终验证Sennidin B和盐酸多柔比星	Scikit-learn	随机森林，逻辑回归， SVM， MLP	AUC（曲线下面积）	NA
5814	2026-06-28	Stable and High-Throughput Single-Cell Sorting of Food Bacteria Using Spatiotemporal Video-Enhanced Raman Tweezers 2026-Jun-18, Foods (Basel, Switzerland) DOI:10.3390/foods15122208 PMID:42354176	研究论文	提出一种结合时空视频增强拉曼镊子（SVERT）系统与深度学习去噪网络，实现食品细菌的高通量稳定单细胞分选	创新性地设计减速优化微流控芯片与基于深度学习的视觉反馈回路，提出局部全局统一去噪网络（LGU-Net）恢复低信噪比视频流中的细菌结构	未提及在复杂食品基质中长时间运行时的系统稳定性及对不同细菌种类的泛化能力验证	实现液态食品中致病菌和腐败微生物的高速、无标记单细胞分选与检测	食品细菌（四种与食品安全和质量相关的细菌种类）	机器学习, 计算机视觉	NA	拉曼镊子光谱（RTS）	深度学习网络	视频	四种细菌物种，实验中使用未纯化商业饮料验证	PyTorch	LGU-Net	光学捕获成功率、光谱采集效率、分类准确率	NA
5815	2026-06-28	LTM-UNet: Linear Transformer-Mamba with Attention-Based U-Net for Context-Aware Breast Ultrasound Image Segmentation 2026-Jun-17, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics16121888 PMID:42351547	研究论文	提出一种名为LTM-UNet的新型分割模型，结合线性变换器与状态空间驱动的解码器，用于乳腺超声图像上下文感知分割	首次将高效视觉变换器编码器与基于状态空间模型的指向性解码器集成于U-Net框架中，并通过注意力引导的跳跃融合机制增强特征细节保留	未提及模型在复杂场景或低质量超声图像中的泛化能力及计算效率方面的限制	提升乳腺超声图像分割模型对全局上下文和局部细节的综合理解能力	乳腺超声图像中的病灶区域分割	计算机视觉	乳腺癌	超声成像	变换器、状态空间模型	图像	BUSI数据集和UDIAT数据集（具体样本量未提及）	NA	LTM-UNet（基于U-Net、变换器编码器、状态空间模型解码器）	Dice系数、IoU	NA
5816	2026-06-28	Application of Artificial Intelligence for Predicting Sports Injuries and Customizing Personalized Prevention Strategies: A Scoping Review 2026-Jun-17, Bioengineering (Basel, Switzerland) DOI:10.3390/bioengineering13060692 PMID:42351936	综述	系统梳理人工智能在运动损伤预测和个性化预防策略中的应用现状与趋势	首次通过系统综述方法全面评估人工智能在运动损伤预测与个性化预防中的应用趋势，并量化了模型性能（AUC 0.82-0.95）及预防效果（损伤减少23%-42%）	异质性损伤定义、小样本量、缺乏外部验证以及数据隐私问题限制了临床转化	描绘人工智能在运动损伤预测和个性化预防策略中的应用趋势，批判性评估现有方法学并指出未来研究方向	39篇同行评审的运动员损伤预测与预防研究	机器学习	运动损伤	NA	树型机器学习、深度学习	多模态数据	39项研究	NA	树型算法（随机森林等）、深度学习混合模型	曲线下面积（AUC）、准确率	NA
5817	2026-06-28	CNN-BiLSTM-Based Hybrid Deep Learning for Multi-Metric Anomaly Detection and Mitigation in Secure IoMT Healthcare WBANs 2026-Jun-17, Sensors (Basel, Switzerland) DOI:10.3390/s26123849 PMID:42356825	研究论文	提出一种基于CNN-BiLSTM的混合深度学习方法，用于安全IoMT医疗WBAN中的多指标异常检测与缓解	首次将CNN与BiLSTM结合应用于IoMT医疗WBAN的多指标异常检测，并部署在NodeMCU-32S平台，实现低延迟（15毫秒）和高准确率（94.6%）的实时攻击分类	主要针对特定攻击类型（如时序操纵、重放攻击），对未知或复杂攻击的检测能力未充分评估；实验环境可能无法完全模拟真实医疗场景的多样性	保护资源受限的IoMT医疗系统免受网络威胁，确保连续血糖监测数据传输的安全性	无线体域网中的生理信号、系统级参数和网络级通信指标	机器学习	糖尿病（通过连续血糖监测间接关联）	BLE 5.0无线通信	CNN, BiLSTM	生理信号（如血糖数据）、系统参数和网络指标	NA（未在标题和摘要中明确说明样本数量）	PyTorch（推测，因CNN-BiLSTM常用框架）	CNN, BiLSTM	准确率, 推理延迟, 计算开销（浮点操作和内存利用率）	NodeMCU-32S平台（微控制器）
5818	2026-06-28	Artificial Intelligence in Embryo Selection: Current Approaches and Clinical Implications 2026-Jun-16, Bioengineering (Basel, Switzerland) DOI:10.3390/bioengineering13060688 PMID:42351932	综述	总结人工智能在胚胎选择中的应用现状，包括基于静态图像和延时成像数据的模型，并讨论其临床意义	系统回顾了人工智能在胚胎选择中的最新方法，涵盖卷积神经网络和时空模型，并强调终点指标如活产时间的临床相关性	人工智能在常规临床应用前仍需进一步验证和标准化实施，且存在透明度、责任、人类监督和监管等方面的伦理和临床问题	综述人工智能在胚胎选择中的当前方法及其临床意义	胚胎选择中的AI模型，包括基于静态图像和延时成像数据的方法	机器学习	不孕症	NA	卷积神经网络	图像	NA	NA	CNN, 时空模型	活产时间	NA
5819	2026-06-28	Beyond the Visual Spectrum: From RGB-Based Learning to Hyperspectral Intelligence for Plant Disease Detection-Challenges and Opportunities 2026-Jun-16, Sensors (Basel, Switzerland) DOI:10.3390/s26123834 PMID:42356807	综述	系统综述高光谱成像与深度学习在植物病害检测中的交叉应用，探讨从实验室到田间的性能差距和挑战	首次系统整合视觉光谱分析与高光谱智能技术，提出从RGB学习到高光谱智能的范式转变，并量化分析实验室与田间性能差距	主要基于文献综述，缺乏实验验证；对实际部署中的计算资源需求和环境适应性讨论有限	总结高光谱成像与深度学习结合用于植物病害预症状检测的现状、挑战与未来发展方向	植物病害检测技术，特别是高光谱成像系统和深度学习模型	计算机视觉, 机器学习	植物病害	高光谱成像 (HSI)	1D CNN, 3D CNN, 混合注意力模型, Vision Transformer	高光谱图像	NA	NA	卷积神经网络, 注意力机制, Vision Transformer	准确率 (95-99%实验室, 70-85%田间)	NA
5820	2026-06-28	Quantifying Canopy Closure Dynamics Using UAV Imagery and Semantic Segmentation in Rice Breeding Trials 2026-Jun-16, Plants (Basel, Switzerland) DOI:10.3390/plants15121860 PMID:42357179	研究论文	利用无人机影像和深度学习语义分割技术，建立高效框架量化水稻冠层闭合动态	首次将无人机遥感与深度学习语义分割结合，系统量化水稻冠层闭合动态，并利用Gompertz模型和K-means聚类分析揭示不同品种间的发育差异	数据集仅来自单季节和单地点，存在局限性	建立可扩展的客观框架，用于量化水稻冠层闭合动态，支持品种筛选和栽培优化	198个杂交水稻品种	计算机视觉	NA	无人机遥感	深度学习语义分割模型	RGB图像	198个杂交水稻品种	NA	DeepLabv3+, U-Net, PSPNet	平均交并比 (mIoU), R²	NA