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
601	2026-06-07	3D CSFA-UNet: a unified attention-driven deep learning framework for accurate knee MRI segmentation and osteoarthritis severity classification 2026-Feb-01, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-37847-7 PMID:41622323	研究论文	提出一种统一的深度学习框架，用于3D膝关节MRI的联合分割与骨关节炎分级分类	提出了3D CSFA-UNet注意力驱动网络，集成多尺度空洞空间金字塔池化、基于元启发式的特征选择模块和尖峰Transformer分类器，实现高效联合分割与分类	计算成本可能较高，且仅在单一公开数据集OAI上验证，泛化性有待进一步验证	提高膝关节MRI分割和骨关节炎严重程度分类的诊断精度、可解释性和效率	3D膝关节MRI图像	计算机视觉	骨关节炎	MRI	CNN与Transformer混合模型	3D医学图像	OAI公开数据集（具体样本数未提及）	PyTorch	3D CSFA-UNet, 尖峰Transformer, ASPP模块	Dice相似系数, 交并比, 平均表面距离, 95%豪斯多夫距离, 准确率, 精确率, 召回率, F1分数	NA
602	2026-06-07	Deep learning-guided discovery of IL23/IL23R macromolecular inhibitors: An integrative framework combining virtual screening and experimental validation 2026-Feb, International journal of biological macromolecules IF:7.7Q1 DOI:10.1016/j.ijbiomac.2026.150581 PMID:41611152	研究论文	提出一种结合深度生成模型和虚拟筛选的整合框架，用于发现IL23/IL23R大分子抑制剂并实验验证其机制	首次采用基于序列附着的片段嵌入（SAFE）深度生成模型设计p19靶向骨架，结合虚拟筛选和分子动力学模拟揭示抑制剂诱导受体刚性化和变构稳定的新机制	未说明	发现并机制性表征有效的IL23/IL23R抑制剂	IL23(p19)与IL23R之间的蛋白质-蛋白质相互作用	机器学习, 计算机辅助药物设计	银屑病等慢性炎症性疾病	深生成模型, 虚拟筛选, 分子动力学模拟	深度生成模型（SAFE）	分子结构数据	31种候选化合物在HEK-Blue IL23报告细胞中筛选	NA	SAFE（序列附着的片段嵌入）	NA	NA
603	2026-06-07	Fuzzy rough set loss for deep learning-based precise medical image segmentation 2026-Feb, Computerized medical imaging and graphics : the official journal of the Computerized Medical Imaging Society IF:5.4Q1 DOI:10.1016/j.compmedimag.2026.102716 PMID:41581251	研究论文	提出一种基于模糊粗糙集的新型损失函数，用于提升医学图像分割的精度	将像素的模糊相似关系与边界不确定性模型通过凸组合方法集成，构建模糊粗糙集损失函数，增强边界敏感性和处理预测不确定性的能力	该方法对中等等级的类别不平衡表现鲁棒性，但未明确讨论对极端不平衡的处理能力	实现精确的医学图像分割，特别是在模糊边界、类别不平衡和复杂解剖结构场景下提升分割性能	五种不同医学影像数据集（乳腺超声、胃肠道息肉、脑磁共振成像、胸部计算机断层扫描和皮肤病变）中的图像	数字病理学	乳腺癌、胃肠道息肉、脑部疾病、肺部疾病、皮肤病	NA	CNN（基于深度学习的分割模型）	图像	五种数据集，具体样本数未提及	PyTorch	NA（损失函数适用于多种分割架构，如U-Net等）	Dice系数、统计学显著性p值	平均推理时间0.075-0.12秒/图像，内存4.5 MB，未指定GPU类型
604	2026-06-07	Monitoring the lateral ventricles in the presence of intracranial hemorrhage using automated dual segmentation 2026-Feb, Medical physics IF:3.2Q1 DOI:10.1002/mp.70308 PMID:41615056	研究论文	开发一种全自动双分割方法，同时量化颅内出血和侧脑室体积，用于监测脑外伤患者的病情变化	首次提出全自动同时分割颅内出血和侧脑室的方法，并验证其在轻度、中度至重度脑外伤及脑室内出血患者中的可行性	在轻度脑外伤患者中有6例假阳性结果，且未涉及CT图像以外的其他影像模态	开发并评估全自动同时分割颅内出血和侧脑室体积的深度学习方法，以辅助脑外伤管理	脑外伤患者（包括轻度、中度至重度）及脑室内出血患者的非增强CT图像	计算机视觉	脑外伤、颅内出血	CT成像	深度学习模型（3D nnU-Net）	医学图像（CT）	154张用于训练；591例轻度脑外伤、91例中度至重度脑外伤（含基线和随访）、5例脑室内出血患者（含重复CT）	NA	3D nnU-Net	Dice系数、Hausdorff距离	NA
605	2026-06-07	Slice-prompted HR-CTV interactive segmentation for cervical cancer brachytherapy: A multi-center study 2026-Feb, Medical physics IF:3.2Q1 DOI:10.1002/mp.70305 PMID:41615195	研究论文	提出一种切片提示的交互式分割方法SPSeg，用于宫颈癌近距离放疗中高危临床靶体积的勾画，并在多中心验证其有效性	首次将临床医生的稀疏提示（关键切片手动勾画）编码进入3D U-Net架构，实现全容积引导分割，并设计单编码器（SPSeg-Mono）和双编码器（SPSeg-Dual）两种变体	未在非CT模态或更复杂病例中验证；提示切片的选择依赖临床医生，可能引入主观偏差	开发一种结合深度学习与临床经验的交互式分割框架，提高HR-CTV勾画的效率和精度	宫颈癌近距离放疗中CT引导下的高危临床靶体积（HR-CTV）	计算机视觉，医疗影像分析	宫颈癌	CT成像，交互式分割	3D U-Net	CT图像	训练集：640次扫描（160例患者）；验证集：160次扫描（40例）；外部测试集：400次扫描（100例）、115次扫描（40例）、150次扫描（30例）	PyTorch	3D U-Net (SPSeg-Mono 单编码器， SPSeg-Dual 双编码器)	Dice相似系数（DSC）， 95% Hausdorff距离（HD95）， 5点Likert量表，时间效率，观察者间一致性	NA
606	2026-06-07	PolyAseqTrap: a universal tool for genome-wide identification and quantification of polyadenylation sites from different 3' end sequencing data 2026-Jan-31, Genome biology IF:10.1Q1 DOI:10.1186/s13059-026-03963-w PMID:41620776	研究论文	提出PolyAseqTrap，一个用于从不同3'端测序数据中全基因组鉴定和定量多聚腺苷酸化位点的通用工具	提出了一种多聚腺苷酸化读取优先策略以精确定位polyA位点，并引入可跨物种迁移的深度学习模型缓解内部启动问题，以及采用加权密度峰值聚类方法减少微异质性影响	NA	开发一个能够从多种3'测序数据中准确鉴定和定量多聚腺苷酸化位点的通用工具	多聚腺苷酸化位点	机器学习	NA	3'端测序	深度学习模型	测序数据	16种不同3'测序技术的数据，涵盖多个物种	R	NA	有效性和稳健性	NA
607	2026-06-07	An Optimized Strategy for Brain Tumor Classification Using SO(3) Equivariant Graph Neural Networks with Snow Geese Algorithm in MRI Imaging 2026-Jan-31, Journal of molecular neuroscience : MN IF:2.8Q2 DOI:10.1007/s12031-025-02466-w PMID:41619040	研究论文	提出一种基于SO(3)等变图神经网络与雪雁算法的优化策略，用于MRI图像中的脑肿瘤分类	将SO(3)等变图神经网络与雪雁算法结合，并引入鲁棒峰值引导滤波器和多层边缘注意力机制，提升分类精度	未提及模型在更大规模或跨中心数据集上的泛化能力及计算复杂度	提高脑肿瘤MRI图像分类的准确率，避免误诊	脑肿瘤MRI图像	计算机视觉	脑肿瘤	MRI成像	SO(3)等变图神经网络、图神经网络	MRI图像	BRATS 2018数据集和对比增强MRI数据集	PyTorch	RPGFR2U++MASO(3)EGNN-SGA（含R2U++、多层边缘注意力网络、SO(3)等变图神经网络）	准确率	NA
608	2026-06-07	Trustworthy prediction of enzyme commission numbers using a hierarchical interpretable transformer 2026-Jan-30, Nature communications IF:14.7Q1 DOI:10.1038/s41467-026-68727-3 PMID:41617688	研究论文	提出了一种层次可解释的Transformer模型HIT-EC，用于可信地预测酶学委员会（EC）编号	采用四层Transformer架构与EC编号层次结构对齐，结合局部和全局依赖关系进行多标签分类，并提出学习策略处理不完整EC编号样本	低代表性EC编号性能不足，缺乏对不完整注释的学习策略，以及有限的可解释性	实现可信的EC编号预测，提升酶功能理解	酶学委员会编号及其对应的蛋白质序列	机器学习	NA	Transformer	HIT-EC	蛋白质序列数据	大型数据集及外部数据验证	NA	Transformer	预测性能通过交叉验证、外部数据验证和基于物种的性能评估来评估	NA
609	2026-06-07	Adversarial robust EEG-based brain-computer interfaces using a hierarchical convolutional neural network 2026-Jan-30, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-34024-0 PMID:41617748	研究论文	提出一种三级分层卷积神经网络，提升脑电图脑机接口在对抗攻击下的分类性能与鲁棒性	创新性地采用三级层级结构（区分运动想象与运动执行、区分单双侧任务、细粒度运动分类）增强对抗鲁棒性	仅基于BCI Competition IV-2a数据集进行实验，且仅限于健康被试数据	提高基于脑电图的脑机接口在对抗攻击下的可靠性和分类准确率	运动想象和运动执行任务中的脑电信号分类	机器学习	NA	脑电图	卷积神经网络	脑电信号	9名健康被试的多类别运动想象脑电记录	PyTorch	分层卷积神经网络	准确率	NA
610	2026-06-07	Identification of diagnostic and prognostic biomarkers in lung adenocarcinoma through integrated bioinformatics analysis and real time PCR validation 2026-Jan-30, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-35971-y PMID:41617774	研究论文	通过整合生物信息学分析与实时PCR验证，鉴定肺腺癌的诊断和预后生物标志物	使用深度学习算法预测肺腺癌生物标志物，并结合实时PCR验证其表达水平，证明人工智能在识别生物标志物方面的有效性	未提及	利用深度学习方法寻找肺腺癌的新型生物标志物	肺腺癌患者与健康对照组的血液样本	数字病理学	肺癌	RNA-seq, 实时PCR	深度学习模型	基因表达数据	522例样本（506例肺腺癌患者，16例健康对照），外加30例患者和30例对照的血液样本	未提及	未提及	预测准确率, Brier得分, AUC, 敏感度	未提及
611	2026-06-07	A clinically applicable and generalizable deep learning model for anterior mediastinal tumors in CT images across multiple institutions 2026-Jan-30, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-37504-z PMID:41617892	研究论文	提出一种针对前纵隔肿瘤的深度学习模型，在CT图像上实现临床适用且跨机构可推广的肿瘤分割与检测	首次在大规模多中心数据（136家医院）上验证模型，克服罕见病数据稀缺挑战，实现跨121家机构的广泛泛化	未提及明确局限性	开发临床适用且跨机构可推广的前纵隔肿瘤CT图像分割与检测深度学习模型	前纵隔肿瘤（包括胸腺瘤和胸腺癌）患者的CT影像	计算机视觉	前纵隔肿瘤	CT成像	3D U-Net	图像	711例CT图像（来自136家医院，男性339例，女性372例），训练集485例，调优集62例，外部测试集164例（来自121家不同机构）	NA	3D U-Net	Dice系数、交并比、精确率、召回率、敏感度、假阳性率	NA
612	2026-06-07	Leveraging universal and transfer learning models for influenza prediction in Thailand 2026-Jan-30, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-37855-7 PMID:41617916	研究论文	利用通用深度学习模型和迁移学习模型预测泰国多个省份的流感发病率	首次将通用深度学习与迁移学习结合用于泰国多省份流感预测，解决了部分地区特征数据有限的问题，并通过特征选择增强模型泛化能力	未提及具体局限性，但可能依赖于历史数据质量以及气象和PM10数据的可用性	开发通用和迁移学习的深度学习模型，提升泰国多省份（尤其是数据有限区域）的流感预测准确性	泰国多个省份2010年至2019年的流感发病率数据及气象和PM10特征数据	机器学习	流感	NA	深度学习模型	时间序列数据（发病率、气象和PM10数据）	2010年至2019年泰国多个省份的数据	NA	单隐藏层模型（128个节点）	准确率	NA
613	2026-06-07	PMCanalSeg: A dataset for automatic segmentation of the pterygopalatine and mandibular canals from 3D CBCT images 2026-Jan-29, Scientific data IF:5.8Q1 DOI:10.1038/s41597-026-06620-w PMID:41605959	研究论文	介绍了PMCanalSeg数据集，该数据集用于从3D CBCT图像中自动分割翼腭管和下颌管	首次包含上颌翼腭管数据，填补该领域空白	未提及	推动深度学习方法在颌面CBCT扫描中分割翼腭管和下颌管技术的发展，提高手术安全性和效率	颌面锥形束CT（CBCT）扫描图像	计算机视觉	NA	CBCT	NA	图像（3D CBCT图像）	191例患者数据	NA	NA	NA	NA
614	2026-06-07	Parameter identification based on statistical and neural network approaches for the vegetation-water model 2026-Jan-29, Journal of biological physics IF:1.8Q3 DOI:10.1007/s10867-025-09698-2 PMID:41609956	研究论文	本文提出基于统计和深度学习两种方法，用于识别植被-水模型中的图灵模式参数	首次将深度学习方法应用于植被-水模型的参数识别问题，并对比统计方法与改进的ResNet50和VGG19的性能	未明确提及局限性	识别植被-水模型中的图灵模式参数，提高模型参数化与预测能力	张掖地区植被-水模型的图灵模式参数	机器学习，计算机视觉	NA	NA	CNN	图像，数值模拟数据， NDVI数据	NA	PyTorch	ResNet50， VGG19	准确率，鲁棒性	NA
615	2026-06-07	A comparative evaluation of time-series models for forecasting inpatient deaths and discharges against medical advice 2026-Jan-29, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-37913-0 PMID:41611928	研究论文	比较六种时间序列模型对两家中国三甲医院住院死亡率和非医嘱离院率的预测性能	首次将预训练概率模型Chronos用于医院结局预测，并与传统时间序列及深度学习方法（ARIMA、灰色模型、NNETAR、LSTM、Prophet）进行系统对比	样本量有限（两家医院数据），LSTM因模型复杂度和小样本表现出泛化能力不足	评估不同时间序列模型对住院死亡率和非医嘱离院率的预测能力，为医院质量监测提供方法学支持	2018年1月至2024年12月两家中国三级医院的月住院死亡率和非医嘱离院率数据	机器学习	NA	时间序列预测	ARIMA, 灰色模型, NNETAR, LSTM, Prophet, Chronos	时间序列数据	两家医院2018年1月至2024年12月的月度数据	NA	ARIMA, 灰色模型, NNETAR, LSTM, Prophet, Chronos	RMSE, MAE, MAPE	NA
616	2026-06-07	A comprehensive IMU dataset for evaluating sensor layouts in human activity and intensity recognition 2026-Jan-29, Scientific data IF:5.8Q1 DOI:10.1038/s41597-026-06710-9 PMID:41611710	研究论文	提供了一个全面的人体活动识别数据集，包含30名参与者使用17个惯性测量单元采集的12种日常活动数据，用于评估传感器布局策略	首次提供全身17个IMU传感器覆盖的完整数据集，包含标准化坐标系的三轴加速度和角速度数据，支持系统评估传感器放置策略对识别性能的影响	未明确提及具体局限	系统评估传感器布局策略，支持开发实用且可泛化的穿戴式人体活动识别系统	12种日常活动（如走路、跑步等）及30名参与者的行为数据	机器学习	NA	NA	机器学习模型、深度学习模型	传感器数据（三轴加速度、角速度）	30名参与者，17个IMU传感器，12种日常活动，总数据量未指定	NA	NA	NA	NA
617	2026-06-07	Bioinspired spiking architecture enables energy constrained touch encoding 2026-Jan-28, Nature communications IF:14.7Q1 DOI:10.1038/s41467-026-68858-7 PMID:41605933	研究论文	提出一种结合光纤布拉格光栅电子皮肤与脉冲神经网络的仿生触觉系统，实现高能效触觉编码	模拟人体体感系统早期处理阶段，结合脉冲神经网络与光纤布拉格光栅电子皮肤，实现最多10倍定位超分辨、32%定位精度提升，并在神经形态芯片上实现次瓦级并行计算	未提及在极端环境或长期使用下的稳定性与耐用性	开发可扩展、高能效的触觉感知方案，推动自主系统与动态环境安全交互	触觉感知系统的模块化架构设计与神经形态计算实现	机器学习, 机器人学	NA	光纤布拉格光栅传感, 脉冲神经网络	脉冲神经网络	触觉信号	NA	PyTorch	脉冲神经网络	定位超分辨率, 定位精度	神经形态芯片
618	2026-06-07	Lipid Nanoparticle Database towards structure-function modeling and data-driven design for nucleic acid delivery 2026-Jan-28, Nature communications IF:14.7Q1 DOI:10.1038/s41467-026-68818-1 PMID:41605942	研究论文	开发脂质纳米颗粒数据库（LNPDB），整合结构功能数据，用于核酸递送的结构-功能建模和数据驱动设计	首次建立脂质纳米颗粒领域的统一数据库LNPDB，将数据结构化并配列功能，支持分子动力学模拟和深度学习预测	未在标题和摘要中明确说明局限性	构建脂质纳米颗粒数据库以推动数据驱动的核酸递送系统理性设计	脂质纳米颗粒的结构、组成和功能数据	机器学习	NA	NA	深度学习模型	脂质纳米颗粒结构和功能数据	19,528个脂质纳米颗粒	NA	NA	NA	NA
619	2026-06-07	A Comprehensive X-ray Dataset for Pediatric Ulna and Radius Fractures Analysis 2026-Jan-28, Scientific data IF:5.8Q1 DOI:10.1038/s41597-026-06666-w PMID:41605965	研究论文	提出首个公开的儿童尺桡骨骨折X射线数据集PediURF，并设计双视图分类模型URFNet实现骨折分类	首创公开的儿童尺桡骨骨折标准化数据集，包含超1万张脱敏图像及三类骨折标注；提出双视图融合分类模型提升诊断精度	NA	构建儿童尺桡骨骨折的公开基准数据集，促进深度学习模型开发与临床验证	儿童前臂尺桡骨骨折X射线图像	计算机视觉，数字病理学	儿童骨折	X射线成像	卷积神经网络	医学图像	超过10,000张脱敏X射线图像	NA	URFNet（双视图分类模型）	分类准确率	NA
620	2026-06-07	Deep learning based individual identification and population estimation of the yellow spotted mountain newt (Neurergus derjugini) 2026-Jan-28, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-36092-2 PMID:41606028	研究论文	提出一种结合几何计算机视觉和深度学习的方法，用于黄斑山蝾螈的个体识别和种群估算	首次利用非侵入性图像方法，结合几何管道和卷积神经网络，实现濒危两栖动物的自动个体识别与种群估计，克服了传统标记方法的侵入性和不可行性	数据集仅包含549只成年个体，未来需扩大数据集验证时间稳定性；未部署移动应用进行实时现场使用	开发一种快速、伦理、可扩展的工具，用于监测濒危两栖动物黄斑山蝾螈的种群	黄斑山蝾螈（Neurergus derjugini）的个体识别和种群估计	计算机视觉, 深度学习	不适用	HSV阈值分割, 形态学操作, 图像捕获	卷积神经网络	图像	549只成年个体；两次采样共332和217只个体	PyTorch	DenseNet121, EfficientNetB0, InceptionV3	准确率, AUC	不适用