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
621	2026-04-24	A foundation model for multi-task cross-distribution restoration of fluorescence microscopy images 2026-Mar-10, Nature communications IF:14.7Q1 DOI:10.1038/s41467-026-70307-4 PMID:41807447	研究论文	提出一个名为FluoResFM的基础模型，用于荧光显微镜图像的多任务跨分布复原	利用文本先验信息适应特定任务和数据分布；通过单样本微调即可获得与常规模型在成百上千样本上训练相当的性能	未明确提及，可能包括对极端噪声的适应性或计算资源需求	开发一个统一的通用基础模型，解决荧光显微镜图像复原中的多种任务及跨分布泛化问题	荧光显微镜图像（覆盖图像去噪、反卷积、超分辨率三大任务及20余种生物结构）	计算机视觉	NA	荧光显微镜成像	基础模型（FluoResFM）	图像	覆盖3个任务（去噪、反卷积、超分辨率）和20多种生物结构的数据集	NA	FluoResFM	复原性能（具体未明确指标），分割模型增强性能（如细胞/细胞器分割q）	NA
622	2026-04-24	SYN-OCT:A synthetic dataset of ocular optical coherence tomography images from healthy and glaucoma eyes 2026-Mar-10, Scientific data IF:5.8Q1 DOI:10.1038/s41597-026-06946-5 PMID:41807485	研究论文	介绍一个名为SYN-OCT的合成数据集，包含来自健康眼和青光眼眼的20万张光学相干断层扫描（OCT）图像	提供了大规模、公开可用的合成OCT图像数据集，可用于青光眼分析，且通过自动分割验证了合成数据与真实数据结构的可比性	未提及具体局限性，但可能受限于真实训练数据的质量和代表性	支持青光眼分析与检测的深度学习应用开发，以及医学图像合成生成及其可用性的研究	来自健康眼和青光眼眼的光学相干断层扫描（OCT）图像	计算机视觉	青光眼	OCT成像	生成图像模型	图像	20万张横截面环视乳头OCT图像（10万张来自青光眼模型，10万张来自健康眼模型）	NA	生成图像模型（未指定具体架构）	自动分割方法（用于验证结构可比性）	NA
623	2026-04-24	Deep learning for predicting stem cell efficiency for use in beta cell differentiation 2026-Mar-09, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-42830-3 PMID:41803201	研究论文	提出基于图像深度学习模型，预测干细胞克隆效率，用于β细胞分化指导	利用无标记相位差成像与深度学习（EfficientNet-V2-S）相结合，实现分化的早期预测（53小时），克隆级准确率达96.7%，并通过层相关性传播和傅立叶分析解释模型特征	本研究仅为概念验证，且未提及模型在更大样本或不同干细胞系上的泛化能力	开发基于图像的深度学习模型，早期预测干细胞克隆在β细胞分化中的效率，以降低细胞生产成本	患者来源的干细胞克隆（高效与低效克隆）	计算机视觉, 数字病理学	糖尿病	相位差成像	卷积神经网络（EfficientNet-V2-S）	图像（相位差成像）	干细胞克隆样本（具体数量未给出）	NA	EfficientNet-V2-S	准确率（96.7%）	NA
624	2026-04-24	Deep learning-based HTTP TRACE flood detection in wireless sensor network using deep spectral multi-layer convolutional neural network 2026-Mar-09, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-42474-3 PMID:41803397	研究论文	提出一种基于深度光谱多层卷积神经网络的HTTP TRACE泛洪攻击检测方法，用于提升无线传感器网络的安全性	引入增强型深度光谱多层卷积神经网络（EDSMCNN），结合蜘蛛算法优化特征选择及Lattice服务率访问值（LSRAV）来预测TRACE攻击流量，显著提升CPU性能并降低计算时间	未提及在实际WSN部署中的能耗与实时性限制，且数据集来源单一，可能影响泛化能力	解决无线传感器网络中HTTP TRACE泛洪攻击的检测问题，提高系统对多种URL请求的处理效率和攻击预测准确性	无线传感器网络中的HTTP TRACE泛洪攻击流量及传感器节点	计算机视觉, 机器学习, 网络安全	NA	NA	卷积神经网络（CNN）	网络流量数据	NA	NA	增强型深度光谱多层卷积神经网络（EDSMCNN）	CPU性能, 计算时间	NA
625	2026-04-24	Adaptive Logit Fusion for Mitigating Class Imbalance in Multi-Category Sperm Morphology Assessment 2026-Mar-09, Life (Basel, Switzerland) DOI:10.3390/life16030438 PMID:41900957	研究论文	提出一种基于深度学习的集成方法，用于对精子细胞进行18类形态学分类，包括1类正常和17类异常	通过自适应逻辑融合策略结合EfficientNetV2-S和ResNet50V2两种架构，并优化融合权重以最大化召回率、精确率和F1分数，有效缓解了类别不平衡问题	视觉特征不明显的缺陷类型分类性能较低	提高多类别精子形态评估中类别不平衡下的分类性能	精子细胞，涵盖1个正常和17个异常形态类别	计算机视觉	男性不育症	深度学习	卷积神经网络集成模型	图像	未明确说明样本数量	TensorFlow, Keras	EfficientNetV2-S, ResNet50V2	准确率, 召回率, 精确率, F1分数	自动混合精度训练，未明确GPU类型
626	2026-04-24	BIBSNet: A deep learning baby image brain segmentation network for MRI scans 2026-Mar-09, Developmental cognitive neuroscience IF:4.6Q1 DOI:10.1016/j.dcn.2026.101706 PMID:42013743	研究论文	提出一个名为BIBSNet的深度学习神经网络，用于婴儿磁共振图像的脑组织分割，该模型利用数据增强和大量手动标注图像，具有鲁棒性和泛化能力	首次提出开源的婴儿脑分割神经网络BIBSNet，结合真实图像和SynthSeg生成的合成图像进行训练，分割速度比联合标签融合快600倍，可输出与FreeSurfer兼容的分割标签	在6-8个月大的婴儿中，iBeat的皮层分割性能显著优于BIBSNet，且BIBSNet未专门针对皮层分割进行优化	开发一个鲁棒且泛化能力强的婴儿脑组织分割模型，用于研究典型和非典型的脑发育过程	从0到8个月大的婴儿脑组织，包括灰质和白质区域	计算机视觉	未指定	磁共振成像	卷积神经网络	图像	90名0-8个月大的参与者，中位年龄4.6个月	PyTorch	U-Net	Dice相似系数	未指定
627	2026-04-24	Performance of breast cancer risk prediction algorithms across mammography systems in the UK screening programme 2026-Mar-08, NPJ digital medicine IF:12.4Q1 DOI:10.1038/s41746-026-02507-7 PMID:41795013	研究论文	在英国国家筛查项目中，评估多种乳腺癌风险预测算法在不同乳腺摄影系统中的表现	首次在完整的国家筛查数据上对四种深度学习算法（Mirai、iCAD、Transpara、Google）进行对比验证，并探讨不同乳腺摄影系统（Philips、GE）对算法性能的影响	仅基于英国两个筛查站点和五年随访数据，可能无法推广到其他人群或设备系统；未进行前瞻性测试或算法微调	比较并评估不同深度学习风险预测算法在乳腺癌筛查中的判别能力和泛化性能	英国NHS乳腺癌筛查项目中的112,621张阴性乳腺摄影图像和1225例未来癌症病例	计算机视觉	乳腺癌	乳腺摄影成像	深度学习	图像	112,621张阴性乳腺摄影图像，来自1225例未来癌症和对照组	NA	Mirai、iCAD、Transpara、Google	AUC	NA
628	2026-04-24	Efficient cardiac MRI multi-structure segmentation for cardiovascular assessment with limited annotation by integrating data-level and network-level consistency 2026-Mar-07, NPJ digital medicine IF:12.4Q1 DOI:10.1038/s41746-026-02475-y PMID:41794927	研究论文	提出一种集成数据级和网络级一致性的半监督学习框架，以有限标注数据高效分割心脏MRI多结构，用于心血管评估	通过整合数据级和网络级一致性构建互集成框架，有效利用有限标注和大量未标注数据，提升心脏MRI多结构分割性能	NA	解决心脏MRI分割中标注数据稀缺问题，实现高精度多结构分割	心脏MRI中的多个解剖结构	计算机视觉	心血管疾病	心脏MRI	半监督学习网络	图像	有限标注数据和大量未标注数据	NA	互集成框架	分割性能指标（具体未提及）	NA
629	2026-04-24	EpiExpr: Predicting gene expression using epigenetic data and chromatin interactions 2026-Mar-06, bioRxiv : the preprint server for biology DOI:10.64898/2026.02.06.704509 PMID:41867859	研究论文	EpiExpr是一个灵活的深度学习框架，利用一维表观遗传数据和三维染色质相互作用预测基因表达	整合一维表观遗传图谱和三维染色质相互作用进行基因表达预测，无需序列嵌入即可达到与基于DNA序列的transformer模型相当的性能	NA	从表观基因组图谱解码基因表达，捕获远端调控效应	GM12878和K562细胞	机器学习	NA	CRISPRi-FlowFISH	残差卷积网络、图神经网络、图注意力模型、图变换器模型	表观遗传图谱、染色质相互作用数据	两种细胞系（GM12878和K562）	PyTorch	ResNet, GNN, GAT, Graph Transformer	预测精度、AUC	NA
630	2026-04-24	Artificial Intelligence-Driven Discovery and Optimization of Antimicrobial Peptides Targeting ESKAPE Pathogens and Multidrug-Resistant Fungi 2026-Mar-06, Microorganisms IF:4.1Q2 DOI:10.3390/microorganisms14030591 PMID:41900351	综述	本文综述了人工智能在针对ESKAPE病原体和多重耐药真菌的抗菌肽发现与优化中的应用	结合机器学习、深度学习及基于transformer的蛋白质语言模型，以及生成式方法（如变分自编码器、扩散模型和强化学习）实现从头多目标肽设计和病原导向优化	尚未有完全由AI设计的抗菌肽获得监管批准，临床转化仍受毒性、稳定性和生产限制	评估人工智能在加速下一代抗多重耐药病原体的抗菌肽临床转化中的潜力	抗菌肽、ESKAPE病原体、多重耐药真菌	机器学习	抗微生物耐药性感染	NA	机器学习、深度学习、transformer、变分自编码器、扩散模型、强化学习	序列数据	NA	NA	transformer, 变分自编码器, 扩散模型	NA	NA
631	2026-04-24	AI-Driven Drug Discovery: Focus on Targets for Solid Tumors 2026-Mar-06, Pharmaceutics IF:4.9Q1 DOI:10.3390/pharmaceutics18030329 PMID:41900815	综述	探讨人工智能在实体肿瘤药物靶点发现中的应用进展与挑战	系统总结了近三年特别是大语言模型在肿瘤药物发现中的应用，并聚焦于AI辅助靶点识别的最新进展	未提及具体实验验证或定量性能比较，且侧重于综述性分析而非技术方法创新	综述AI在实体肿瘤药物靶点发现中的应用现状及未来方向	实体肿瘤及其药物靶点	机器学习	实体肿瘤	NA	大语言模型	多组学生物数据、真实世界证据	NA	NA	NA	NA	NA
632	2026-04-24	Integration of radiomics, deep learning, transcriptomics, and metabolomics reveals prognostic risk stratification and underlying biological mechanisms in colorectal cancer 2026-Mar-06, NPJ precision oncology IF:6.8Q1 DOI:10.1038/s41698-026-01331-2 PMID:41792227	研究论文	通过整合影像组学、深度学习、转录组学和代谢组学，开发了一种预后风险分层模型，并揭示结直肠癌的潜在生物学机制	首次系统评估十种机器学习算法在117种组合中的表现，构建深度学习影像组学模型，并整合多组学数据揭示预后风险分层的生物学基础	仅使用静脉期CT图像，未涉及多模态影像数据；研究基于回顾性数据，需前瞻性验证	开发结合影像组学和深度学习的预后风险分层模型，并探索其背后的生物学机制	结直肠癌患者	机器学习, 数字病理学	结直肠癌	CT影像, 转录组测序, 代谢组学分析	深度学习, 机器学习	影像, 转录组数据, 代谢组数据	来自四个中心的1183名患者的静脉期CT图像，以及一个独立公共队列的417名样本	NA	深度学习影像组学模型	预后风险分层（高风险与低风险组的生存差异）	NA
633	2026-04-24	Collision-free morgan fingerprints: a principled approach to enhance machine learning performance and interpretability in chemistry 2026-Mar-02, Journal of cheminformatics IF:7.1Q1 DOI:10.1186/s13321-026-01170-0 PMID:41772717	研究论文	提出无冲突摩根指纹（CF-MF），通过自适应数据驱动大小机制消除指纹中的位冲突，提升机器学习性能和可解释性	首次系统量化摩根指纹位冲突对机器学习性能的影响，并提出一个基于信息论的理论框架，将冲突导致的信息熵损失与性能退化直接关联，同时证明消除冲突可恢复化学有效的SHAP归因	未明确讨论在不同数据类型或极端大规模分子数据集上的扩展性，以及计算开销的具体分析	解决摩根指纹中位冲突导致的结构-性质关系错乱和可解释性下降问题，建立更可靠的分子表示方法	超过5万个分子，涵盖25个多样化数据集	机器学习	NA	分子指纹（摩根指纹）	多种机器学习范式（含深度学习）	分子描述数据（SMILES或分子结构图）	超过5万个分子样本	NA	NA	RMSE（回归任务）、准确率（分类任务）、R²（信息论分析）	NA
634	2026-04-24	MRI-based qualitative, quantitative, and radiomics/deep learning methods for assessing treatment response after neoadjuvant chemoradiotherapy in patients with locally advanced rectal cancer 2026-Mar, Precision radiation oncology DOI:10.1002/pro6.70055 PMID:42022355	综述	总结基于MRI的定性、定量、影像组学和深度学习方法在评估局部进展期直肠癌新辅助放化疗疗效中的现状与未来展望	综合阐述了功能MRI技术（如弥散加权成像、灌注加权成像等）以及新兴的影像组学和深度学习方法在评估新辅助放化疗后病理完全缓解中的应用	未明确提及，但综述性质可能导致缺乏实证对比分析	评估新辅助放化疗后病理完全缓解的术前准确评估方法	局部进展期直肠癌患者	医学影像分析, 机器学习	直肠癌	MRI, 功能MRI, 影像组学, 深度学习	深度学习模型（未具体指定）	MRI图像	NA	NA	NA	NA	NA
635	2026-04-24	Early Cancer Detection: What's Going on and What's Next 2026-Mar, MedComm IF:10.7Q1 DOI:10.1002/mco2.70653 PMID:42022539	综述	本文综述了基于血液的多癌种早期检测技术的现状、挑战与未来方向	整合多组学分析与先进分子成像的协同方法，以及风险适应的MCED范式，可能提高检测准确性和肿瘤定位能力	MCED方法在方法学、临床和实施方面仍面临重大障碍，影响了其广泛应用	评估多癌种早期检测技术的发展现状、优势及局限，并探讨人工智能在其中的作用	循环游离DNA和循环肿瘤DNA为基础的检测方法	机器学习	癌症	多组学分析、分子成像、循环游离DNA测序、循环肿瘤DNA测序	深度学习	血液样本中的DNA数据	NA	NA	NA	灵敏度、特异性、预测性能	NA
636	2026-04-24	Explainable Artificial Intelligence in Healthcare: Current Landscape, Challenges, and Future Directions 2026-Mar, Health science reports IF:2.1Q3 DOI:10.1002/hsr2.72172 PMID:42022614	综述	系统综述了可解释人工智能在医疗健康领域的当前状况、挑战与未来方向	首次系统性地将可解释人工智能技术与具体医疗领域（如肿瘤学、心脏病学）进行映射分析，并识别出新兴趋势如混合可解释模型和人本设计	真实世界验证不足、可解释性指标缺乏标准化、伦理监管框架不完善	综合评估可解释人工智能在医疗健康中的应用现状，识别关键挑战并指出未来发展方向	2017-2025年间发表的70篇同行评审研究文献	机器学习	肿瘤学、心脏病学、传染病、神经学	NA	深度学习（CNN、RNN、LSTM、Transformer）、树模型（随机森林、XGBoost、决策树）	文本	70篇研究文献	NA	CNN, RNN, LSTM, Transformer, 随机森林, XGBoost, 决策树	NA	NA
637	2026-04-24	Wearable Hybrid Strain-Myoelectric Sensing System for Machine-Learning-Assisted Sarcopenia Screening 2026-Mar, Small science IF:11.1Q1 DOI:10.1002/smsc.202500582 PMID:42022867	研究论文	提出一种可穿戴混合应变-肌电传感系统，结合CNN-LSTM深度学习框架，用于机器学习辅助的肌肉减少症早期筛查	首次集成表面肌电信号与压电应变传感技术，同时捕捉电生理信号和机械变形信号，结合CNN-LSTM深度学习和特征工程（9种生理相关特征）实现高精度筛查，并利用SHAP可解释性分析揭示神经肌肉退行性变化机制	仅在75名老年参与者中验证，样本量较小，且未明确说明该方法在更广泛人群或临床环境中的泛化能力	开发一种便携、低成本、无辐射的肌肉减少症早期筛查系统	肌肉减少症患者的神经肌肉状态，特别是肌肉收缩时的电生理信号和机械变形信号	机器学习	老年疾病	表面肌电图、压电应变传感	CNN-LSTM	信号	75名老年参与者	PyTorch	CNN, LSTM	准确率, 曲线下面积	NA
638	2026-04-24	Truth-based physics informed estimation of material composition in spectral CT in terms of density and effective atomic number 2026-Feb-13, Physics in medicine and biology IF:3.3Q1 DOI:10.1088/1361-6560/ae4284 PMID:41643313	研究论文	开发并验证一种物理信息引导的深度学习模型，用于从光谱CT图像中分解出密度和有效原子序数图	首次将物理信息正则化损失引入生成对抗网络（GAN），结合高质量模拟数据训练，实现了无真实标签情况下的高精度材料分解	样本量较小（6例临床病例），限制了结果的泛化能力	开发一种物理信息引导的深度学习模型，用于光谱CT中的材料分解，以提升密度和有效原子序数图的估计精度	光谱CT图像中材料的密度和有效原子序数	计算机视觉	一般性病变（肝病变检测）	光谱CT	生成对抗网络（GAN）	图像	32个人体模型用于训练，16个计算体模和6个临床病例用于验证	PyTorch	GAN	NRMSE, SSIM, PSNR, RMSE, 感知能见度评分	NA
639	2026-04-24	Deep learning for the change-point Cox model with current status data 2026-Feb-09, Lifetime data analysis IF:1.2Q2 DOI:10.1007/s10985-026-09689-y PMID:41661381	研究论文	本研究针对当前状态数据，开发了含变点的深度部分线性Cox比例风险模型的估计方法，旨在处理复杂的变点效应	利用深度神经网络在Cox框架内建模协变量效应，并提出变点检测的最大似然估计程序，建立了估计量的渐近性质，包括一致性、渐近独立性和半参数效率	未明确说明局限性，但可能涉及对深度模型复杂性和数据要求的讨论	开发针对当前状态数据中含变点的深度部分线性Cox模型的估计方法，以准确捕捉复杂变点效应	当前状态数据中的变点效应建模，以及乳腺癌数据集的应用分析	机器学习	乳腺癌	NA	深度神经网络	时间事件数据	乳腺癌数据集（具体样本数量未说明）	NA	深度部分线性Cox比例风险模型	一致性，渐近独立性，半参数效率	NA
640	2026-04-24	A Novel Ensemble Learning Approach for Grouping the State-of-the-Art YOLOV10 and YOLOV11 Models for Kidney Stone Detection in CT and Ultrasound Images 2026-Feb, Journal of imaging informatics in medicine DOI:10.1007/s10278-025-01499-2 PMID:40234345	研究论文	提出一种集成YOLOV10和YOLOV11模型的集成学习方法，用于在CT和超声图像中检测肾结石	首次将YOLOV10和YOLOV11模型集成用于肾结石检测，通过减少假阴性和假阳性错误提升个体模型性能	未提及具体计算资源和数据集规模等限制	提高肾结石在医学图像中的检测准确性和精确度	CT和超声图像中的肾结石	计算机视觉	肾结石	深度学习	YOLOV10, YOLOV11	图像	未提及	NA	YOLOV10, YOLOV11	精确率, 召回率, F1分数, Map50	NA