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
6621	2026-05-04	Leveraging population-scale proteomic data with deep learning for head and neck cancer detection in saliva 2026-May-02, NPJ digital medicine IF:12.4Q1 DOI:10.1038/s41746-026-02658-7 PMID:42069923	research paper	该文章提出了一种利用深度学习和人群规模蛋白质组学数据检测唾液中头颈癌的方法	通过样本类型迁移和合成数据增强技术，提高了癌症检测模型在不同样本类型间的泛化能力	仍需进一步验证，且独立验证数据集样本量较小（n=156）	开发基于血液蛋白质组学数据的深度学习框架，用于癌症早期检测	UK Biobank中的血浆蛋白质组数据和独立头颈癌病例对照研究中的唾液蛋白质组数据	machine learning	head and neck cancer	蛋白质组学	CNN	蛋白质组数据	13,208例泛癌病例和39,806例对照的血浆数据，以及156例独立唾液样本	PyTorch	CNN-Synth, VAE	AUC	NA
6622	2026-05-04	Development and external validation of an interpretable multimodal deep learning model for 5-year mortality in high-risk stage ii colorectal cancer 2026-May-02, International journal of colorectal disease IF:2.5Q1 DOI:10.1007/s00384-026-05132-8 PMID:42069945	研究论文	开发并外部验证了一个可解释的多模态深度学习模型，用于预测高风险II期结直肠癌患者的5年死亡率	首次将临床数据、血清生物标志物和静脉期CT影像融合为多模态深度学习模型，用于高风险II期结直肠癌的预后预测，并利用SHAP和Grad-CAM增强模型可解释性	回顾性研究设计、样本量相对较小（特别是外部验证队列仅58例），且需要前瞻性验证才能用于治疗调整	提高高风险II期结直肠癌患者5年死亡率的风险分层准确性，支持风险适应性监测和临床决策	高风险II期结直肠癌患者（接受辅助化疗且有完整术前临床、生物标志物和CT数据）	机器学习	结直肠癌	NA	多模态深度学习模型（结合数值和影像输入）	数值（临床+生物标志物）和影像（CT）	778名患者（开发队列720名，外部测试队列58名）	NA	NA	AUC（曲线下面积）	NA
6623	2026-05-04	Protein foundation models: a comprehensive survey 2026-May, Science China. Life sciences DOI:10.1007/s11427-025-3147-2 PMID:41530646	综述	全面综述蛋白质基础模型的发展、应用、挑战与前景	系统梳理了蛋白质基础模型从序列到三维结构、功能注释和相互作用网络的多模态数据集资源，并探讨了自编码、自回归、扩散和流匹配等多种模型架构的进展	面临数据瓶颈、评估复杂性和模型可解释性等主要挑战	为计算生物学家提供路线图，为实验研究者提供应用蛋白质基础模型的战略框架	蛋白质基础模型	机器学习	NA	NA	自编码模型、自回归模型、扩散模型、流匹配模型	蛋白质序列、三维结构、功能注释、相互作用网络	NA	NA	NA	NA	NA
6624	2026-05-04	Deep learning based gestational age estimation from multi-view fetal brain magnetic resonance imaging 2026-05, Pediatric radiology IF:2.1Q2 DOI:10.1007/s00247-026-06536-y PMID:41824048	研究论文	利用多视角胎儿脑部MRI和深度学习估算孕龄	首次将多视角MRI与迁移学习结合用于孕龄估算，显著优于传统生物统计回归方法	外部测试集样本量较小（80例），且未在不同MRI设备或人群中进行泛化验证	开发基于深度学习的孕龄估算模型，提升准确性	胎儿脑部MRI图像	计算机视觉	无特定疾病	MRI	CNN	图像	1,321例胎儿MRI扫描（内部训练集），80例公开MRI扫描（外部测试集）	PyTorch	ResNet-101	平均绝对误差，决定系数R2	NA
6625	2026-05-04	AI-driven paradigm shift in follicle ultrasound monitoring: from automated segmentation to clinical decision support 2026-May, Reproductive biomedicine online IF:3.7Q1 DOI:10.1016/j.rbmo.2025.105440 PMID:41826105	评论	本文描述了人工智能在超声卵泡监测中的发展路径，重点是从自动分割到临床决策支持的范式转变	引入深度学习模型CR-Unet和C-Rend实现从二维到三维的精确卵泡分割，并建立二维卵泡面积和三维卵泡体积作为新的生物标志物，用于预测卵母细胞成熟度和优化人绒毛膜促性腺激素触发时机	NA	推动人工智能在超声卵泡监测中的应用，从自动分割向临床决策支持转变	卵泡超声影像	计算机视觉，数字病理学	生殖医学相关疾病	超声成像	CR-Unet，C-Rend（深度学习模型）	超声图像	NA	NA	CR-Unet，C-Rend	边界分割精度，测量一致性	Acclarix LXK9超声设备
6626	2026-05-04	Automatic segmentation of clinical target volume for radiation therapy in breast-conserving patients and exploration of clinical factors influential to its performance 2026-May-01, The British journal of radiology DOI:10.1093/bjr/tqag036 PMID:41808474	研究论文	开发并验证用于乳腺癌保乳术后放疗中全乳腺临床靶体积自动分割的深度学习模型，并评估影响其性能的临床因素	首次系统评估临床因素（如肿瘤床位置和乳腺密度）对自动勾画性能的影响，并识别出外周肿瘤床和低密度乳腺组织为挑战性特征	单中心数据、回顾性设计，且模型在包含不利因素（如外周肿瘤床）的病例上表现下降	开发乳腺CTV自动分割模型并探索影响其性能的临床特征	乳腺癌保乳术后患者的全乳腺临床靶体积	计算机视觉, 数字病理学	乳腺癌	NA	深度学习模型	图像	857名患者，分为5个数据集（数据集1：300例，数据集2：10例，数据集3：20例，数据集4：10例，数据集5：517例）	NA	NA	Dice相似系数, 95百分位Hausdorff距离	NA
6627	2026-05-04	Transcriptome-based Deep Learning Model for Predicting Gemcitabine and Cisplatin Chemotherapy Response in Urothelial Carcinoma: Development and External Validation 2026 May-Jun, Cancer genomics & proteomics IF:2.6Q3 DOI:10.21873/cgp.20589 PMID:42055629	研究论文	利用RNA测序数据开发深度学习模型，预测尿路上皮癌患者对吉西他滨和顺铂化疗的反应，并在外部独立队列中进行验证	基于转录组数据构建深度学习模型，实现了对化疗反应的高精度预测（训练集准确率94.7%，外部验证准确率90.0%），并通过基因本体分析和生存分析揭示了与化疗反应相关的四个关键功能簇	论文摘要中未提及明显局限性，可能包括样本量有限、模型通用性有待进一步验证等	开发一种基于RNA测序数据的深度学习模型，用于预测尿路上皮癌患者对吉西他滨和顺铂化疗的反应，以辅助个性化治疗决策	尿路上皮癌患者的RNA-seq基因表达数据	机器学习	尿路上皮癌	RNA-seq	深度学习模型	基因表达数据	训练数据集来自TCGA和GEO，外部验证来自釜山国立大学梁山医院的独立队列，具体样本数未提及	NA	NA	准确率	NA
6628	2026-05-04	AI-based knee osteoarthritis progression prediction: a comprehensive global bibliometric and hotspot evolution analysis (2010-2025) 2026-Apr-30, Knee surgery & related research IF:4.1Q1 DOI:10.1186/s43019-026-00319-3 PMID:42063116	综述	通过文献计量学方法系统分析2010年至2025年基于人工智能的膝关节骨关节炎进展预测的全球研究趋势与热点演变	首次全面映射该领域全球研究格局，包括贡献者、合作网络、方法论趋势和热点演变，并特别关注从传统机器学习到深度学习再到多模态可解释AI的转变	外部验证有限、严重依赖少数队列（OAI/MOST）、临床实施研究不足	系统绘制基于AI的膝关节OA进展预测全球研究路线图，突出关键贡献者、合作网络、方法论趋势和研究热点演变	2010年至2025年11月期间发表的1087篇出版物，覆盖Web of Science、Scopus、PubMed和IEEE Xplore数据库	机器学习	膝关节骨关节炎	NA	深度学习、卷积神经网络	文本	1087篇出版物	NA	卷积神经网络	NA	NA
6629	2026-05-04	Integrating AI-enhanced kinase enrichment analysis (KEA) with geometric deep learning and federated learning for precision drug repurposing 2026-Apr-30, Drug discovery today IF:6.5Q1 DOI:10.1016/j.drudis.2026.104687 PMID:42069049	研究论文	提出一种结合AI增强激酶富集分析、几何深度学习和联邦学习的统一框架，用于可扩展且保护隐私的药物重定位	将激酶富集分析与几何深度学习及联邦学习相结合，实现多机构隐私保护下的可扩展治疗发现	未提及具体局限性	加速精准药物发现和重定位	激酶抑制剂和蛋白降解靶向嵌合体等新兴治疗模式	机器学习	阿尔茨海默病	NA	几何深度学习	多组学数据	NA	NA	NA	预测性能	NA
6630	2026-05-04	Artificial intelligence-driven early screening and diagnosis of pancreatic cancer: technical innovations, clinical applications, and precision medicine strategies 2026-Apr-30, Journal of advanced research IF:11.4Q1 DOI:10.1016/j.jare.2026.04.060 PMID:42069141	综述	综述人工智能在胰腺癌早期筛查与诊断中的应用进展，涵盖技术革新、临床实践及精准医学策略	系统总结了人工智能在胰腺癌早期筛查与诊断中的三个前沿领域：医学影像的深度学习模型（CNN、Transformer、自配置分割框架）、生物标志物发现的机器学习方法（LASSO、随机森林、XGBoost）以及纵向电子健康记录的时间深度学习模型，强调多模态融合和风险分层策略	大多数模型仍为回顾性验证，面临数据异质性、可解释性差及跨人群泛化能力不足等挑战	评估人工智能在胰腺癌早期筛查与诊断中的技术进展，推动高危人群检测而非普筛或自主诊断	胰腺癌患者、高危人群、临床可疑症状患者	机器学习, 计算机视觉, 自然语言处理	胰腺癌	影像学（CT、MRI）、循环生物标志物（转录组、代谢组、外泌体）、电子健康记录分析	卷积神经网络, Transformer, 自配置分割框架, LASSO, 随机森林, XGBoost, 时间深度学习模型	医学影像, 转录组数据, 代谢组数据, 外泌体数据, 纵向电子健康记录	NA	NA	卷积神经网络, Transformer, 自配置分割框架, LASSO, 随机森林, XGBoost, 时间深度学习模型	放射科医生水平性能, 复合诊断特征	NA
6631	2026-05-04	A Hybrid System Integrating Deep Learning and Computer Vision for Automated Blink Monitoring and Tear Film Break-Up Pattern Classification 2026-Apr-30, The ocular surface DOI:10.1016/j.jtos.2026.04.011 PMID:42069336	研究论文	构建并验证了一个集成深度学习与计算机视觉的混合系统，用于实时眨眼监测、泪膜破裂模式分类及干眼亚型诊断与治疗推荐	首次将YOLOv8与基于几何形态的OpenCV图像处理算法结合，实现五种具体泪膜破裂模式（区域型、线型、点型、凹点型、随机型）的分类和实时眨眼监测，并验证系统测量的泪膜破裂时间比手动测量更敏感	泪膜破裂检测的精确率（74.6%）和整体分类准确率（75.47%）仍有提升空间；样本量较小（95名受试者），且仅来自单一中心	开发并验证一种混合系统，用于实时眨眼监测、泪膜破裂模式分类、干眼亚型诊断及治疗推荐	95名受试者的眼表和泪膜状态，包括65名干眼患者和30名非干眼患者	计算机视觉	干眼症	深度学习、计算机视觉	YOLOv8	图像	95名受试者（干眼组65例，非干眼组30例）	PyTorch, OpenCV	YOLOv8（YOLOv8-n/s/m三个变体）	精确率、准确率、一致性（Bland-Altman分析）	未提及，可推测为GPU加速训练（因使用深度学习模型）
6632	2026-05-04	Biologically inspired digital histology for deep phenotyping of placental composition changes across major lesion types 2026-Apr-29, Placenta IF:3.0Q2 DOI:10.1016/j.placenta.2026.04.020 PMID:42069469	研究论文	应用生物启发的深度学习框架对胎盘组织切片进行定量单细胞分辨率分析，揭示不同病变类型下的细胞和结构组成变化	首次应用生物启发的分层深度学习框架（HAPPY）对胎盘组织进行单细胞分辨率的定量表型分析，发现除了肉眼可见病变外，胎盘存在广泛的器官级细胞和结构响应，为病理学评估提供了新的AI辅助方法	样本量相对较小（62例单胎足月活产，130张切片），且未提及对不同妊娠并发症（如早产、子痫前期等）的适用性验证	开发客观、可复现的定量组织学分析方法，系统评估胎盘病变引起的细胞和结构组成变化	62例单胎足月活产胎盘中的130张实质切片，包括健康对照和四种常见病变类型（梗死、绒毛周纤维蛋白、无血管绒毛、绒毛间血栓）	数字病理学	胎盘病变	H&E染色	深度学习	组织病理图像	62例胎盘中的130张H&E染色实质切片	PyTorch	Hierarchical deep learning (HAPPY框架)	细胞组成偏差、组织结构组成偏差	NA
6633	2026-05-04	A physically constrained and interpretable deep learning framework for PM2.5 inversion under sparse monitoring conditions in arid regions 2026-Apr-28, Environmental pollution (Barking, Essex : 1987) DOI:10.1016/j.envpol.2026.128233 PMID:42061798	研究论文	提出了一种物理约束且可解释的深度学习框架ResNet-DFL，用于干旱地区稀疏监测条件下的PM2.5反演	结合分布感知学习策略和SHAP与2D-PDP可解释性分析，解决稀疏监测下的长尾偏差和污染峰值捕获问题	未明确提及，但可能限于干旱地区特定气候条件和卫星数据依赖	提高卫星数据在干旱地区数据稀缺条件下的PM2.5估算准确性	干旱地区的细颗粒物（PM2.5）浓度反演	机器学习	不适用	卫星遥感、地基监测网络	ResNet（残差网络）	卫星观测数据、气象数据（相对湿度、温度、NDVI）、气溶胶光学厚度	独立稀疏站点验证场景	PyTorch	ResNet	空间相关系数R、时间相关系数R	未明确提及
6634	2026-05-04	Development and Validation of AI System for Tooth Detection and Diagnosis in Dental Radiographs 2026-Apr-26, International dental journal IF:3.2Q1 DOI:10.1016/j.identj.2026.109576 PMID:42044605	研究论文	开发和验证一个用于牙科X光片中牙齿检测和诊断的AI系统	结合多种X光片类型和年轻患者的AI自动化牙科图表系统，使用多阶段深度学习架构进行模态分类、牙齿检测和病变分类，并基于Dawid-Skene模型聚合专家评估	对疾病相关病变的检测效果较低，稀有条件的解释需要更多X光片和标注数据	开发和验证用于牙科X光片自动诊断的AI系统	牙齿和十种牙科病变（龋齿、牙冠、填充物、种植体、桥体、根尖周病变、乳牙、残留牙根、根管治疗、未萌出牙）	计算机视觉	牙科疾病	数字X光片	深度学习模型（EfficientNetV2、RTMDet）	图像	3705张牙科X光片（包括全景片和口内片），来自斯洛伐克和埃及	深度学习框架	EfficientNetV2、RTMDet	F1分数、牙齿编号准确率	未提及
6635	2026-05-04	Explainable Machine Learning and Deep Learning Models for Understanding Operational and Degradation Effects in Nafion Membranes 2026-Apr-23, ACS applied materials & interfaces IF:8.3Q1 DOI:10.1021/acsami.5c23903 PMID:42024436	研究论文	开发可解释的机器学习和深度学习框架，用于预测Nafion膜中质子传输性质，并揭示化学降解、水含量和温度对质子传导的影响	首次结合3D卷积神经网络与Grad-CAM可视化技术，以及随机森林与Shapley值分析，构建了多模态AI框架，能够同时捕捉膜纳米结构的几何和语义信息，并生成降解-传导耦合机制图谱	基于模拟数据集，缺乏实验验证；模型泛化性尚未在实际老化膜上测试	理解化学降解如何影响Nafion膜中质子传输，建立降解-传导机制图谱，为逆设计优化提供基础	Nafion膜中的质子传输性质（包括车辆机制电导率、Grotthuss机制电导率和曲折因子）	机器学习	NA	多尺度模拟	CNN, 随机森林	体素化纳米结构图像数据	未明确提及具体数量，但表示基于高通量多尺度模拟数据集	PyTorch	3D卷积神经网络, 梯度加权类激活映射 (Grad-CAM)	NA	NA
6636	2026-05-04	Quaternion-based CNN for heart rate prediction from PPG 2026-Apr-22, Neural networks : the official journal of the International Neural Network Society IF:6.0Q1 DOI:10.1016/j.neunet.2026.108993 PMID:42068635	研究论文	提出一种四元数卷积神经网络模型，利用远程光电容积描记术从面部图像中预测心率	提出四元数卷积神经网络架构，可同时处理四通道输入，有效捕捉复杂空间-颜色交互信息，并探索多种颜色格式（RGB、YUV、HSL）增强输入表示，提升模型在现实条件下的鲁棒性	未提及具体局限性	从面部图像中提取心率等生理信息，开发可靠的非接触式远程医疗监测系统	面部视频中的人体心率信号	计算机视觉, 机器学习	心血管疾病	远程光电容积描记术	四元数卷积神经网络	图像	NA	NA	四元数卷积神经网络	准确率	NA
6637	2026-05-04	Breath-hold CBCT-to-CT synthesis using an unsupervised artifact disentanglement network with Mamba for breast cancer adaptive radiotherapy 2026-Apr-22, Applied radiation and isotopes : including data, instrumentation and methods for use in agriculture, industry and medicine IF:1.6Q3 DOI:10.1016/j.apradiso.2026.112634 PMID:42068632	研究论文	提出一种基于Mamba的无监督伪影解耦网络，用于乳腺癌自适应放疗中的屏气CBCT到CT的合成	将Mamba架构与伪影解耦网络（ADN）集成，形成ADN-Mamba模型，通过无监督学习克服配准错误和缺乏配对CBCT-CT数据集等挑战，实现高精度合成CT生成	未来需扩展到3D数据并进行多中心验证	提高乳腺癌自适应放疗中CBCT图像质量，实现精确的电子密度信息获取和在线剂量计算	屏气CBCT图像与计划CT图像之间的合成转换	计算机视觉	乳腺癌	CBCT成像	深度学习模型（ADN-Mamba）	图像（CBCT和CT）	未在摘要中明确提及样本数量	NA	ADN、Mamba	平均绝对误差（MAE）、平均绝对百分比误差（MAPE）、伽马通过率	NA
6638	2026-05-04	Data mining in pediatric radiology in the era of artificial intelligence 2026-04, Pediatric radiology IF:2.1Q2 DOI:10.1007/s00247-026-06551-z PMID:41739184	综述	综述了人工智能时代儿科放射学中的数据挖掘方法、应用与挑战	强调了人工智能与数据挖掘在儿科放射学中的相互依赖关系，并梳理了深度学习、大语言模型、多模态融合和联邦学习等现代AI工具在儿科数据集中的应用	讨论了数据质量和标准化、伦理、监管、工作流集成、资源差异、可持续性和可解释性等当前挑战	概述儿科放射学数据挖掘的核心概念、工作流程、临床应用及未来方向	儿科放射学中的多模态数据，包括图像、报告、元数据和电子健康记录	机器学习	NA	深度学习, 大语言模型, 多模态融合, 联邦学习	深度学习	图像, 文本, 元数据	NA	NA	NA	NA	NA
6639	2026-05-04	Exploratory association between multimodal AI-derived digital biomarkers and in-hospital mortality in adult patients with pneumonia: A proof-of-concept study 2026-Apr, PLOS digital health DOI:10.1371/journal.pdig.0000960 PMID:42060654	研究论文	一项概念验证性研究，探索多模态人工智能衍生的数字生物标志物与成人肺炎住院死亡率之间的关联	首次从低资源临床数据中自动整合多模态AI生物标志物（胸片、临床文本、心电图），建立心肺应激特征与肺炎死亡率的关联	样本量小（121例）、死亡事件数少（19例），导致关联结果均为初步且仅用于假说生成；单中心回顾性设计，需前瞻性验证	评估多模态AI（深度学习、自然语言处理、心率变异性分析）从常见电子健康记录数据中提取的互补性预后生物标志物与肺炎住院死亡率的关系	2024年1月至6月哥伦比亚一家医院收治的急性肺炎成年患者（≥18岁）	计算机视觉, 自然语言处理, 机器学习	肺炎	深度学习, 自然语言处理, 心率变异性分析	ResNet-18, 正则表达式, NeuroKit2	胸片图像, 临床文本笔记, 心电图信号	121例（19例死亡，15.7%）	PyTorch, NeuroKit2	ResNet-18	比值比 (OR), 95%置信区间	NA
6640	2026-05-04	Retinex-based low-light image enhancement with multi-channel feature optimization 2026 Apr-Jun, Science progress IF:2.6Q2 DOI:10.1177/00368504261446453 PMID:42044095	research paper	提出一种基于Retinex理论的多通道特征优化的两阶段低光照图像增强算法	提出三通道独立光照分解策略以减轻色彩失真，设计结合可变形卷积、双层注意力和选择性核融合的U-Net分解网络，开发包含细节增强、低频滤波和曲线光照调整模块的双分支融合网络	未明确说明局限性	解决低光照图像增强中亮度、细节保留和色彩保真度难以同时平衡的问题	低光照图像增强及下游视觉任务（目标检测）	computer vision	NA	NA	CNN	图像	标准数据集及ExDark数据集	NA	U-Net, 可变形卷积, 双层注意力, 选择性核融合	PSNR, SSIM, NIQE, mAP	NA