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
661	2026-05-24	Predicting categorical and continuous Alzheimer's disease outcomes from a single MRI scan 2026-May, Nature aging IF:17.0Q1 DOI:10.1038/s43587-026-01121-2 PMID:42151377	研究论文	提出一种多任务深度学习策略，仅使用单次基线MRI扫描预测阿尔茨海默病的分类诊断和连续认知评分	结合领域知识与大规模预训练模型，通过定制损失函数和组织分割调优的潜在表示作为正则化特征，无需纵向、多模态或专用神经影像数据即可从单次基线扫描预测当前及未来的认知评分	NA	开发一种仅依赖基线MRI和人口统计数据的多任务深度学习框架，用于预测阿尔茨海默病的分类诊断、认知评分及其纵向变化	阿尔茨海默病患者及健康对照的认知评估和MRI扫描数据	计算机视觉	阿尔茨海默病	MRI	多任务深度学习模型	图像（MRI）和人口统计数据	NA	PyTorch	大规模预训练模型	诊断准确率、认知评分预测精度	NA
662	2026-05-24	Smart beamforming and deep-learning reader for RFID systems in edge IoT 2026-Apr-19, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-43657-8 PMID:42002557	研究论文	提出一种结合波束成形与深度学习解码器的新型无芯片RFID系统，用于5G/物联网边缘	首次将波束成形技术和深度学习解码器整合到无芯片RFID系统中，通过协同设计标签物理结构、波束成形阅读器和深度学习推理，实现高密度频谱编码与鲁棒解码	研究主要基于仿真和暗室测量，实际边缘物联网环境中的性能验证尚未充分；系统对标签弯曲和角度变化的鲁棒性仍需进一步测试	开发一种可扩展、频谱高效且鲁棒的无芯片RFID识别系统，适用于5G无线边缘物联网环境	无芯片RFID标签（地背T形微带谐振器阵列）、波束成形阅读器（1×4 Tx/Rx波束成形）、深度学习解码器（一维卷积神经网络）	机器学习, 数字信号处理	NA	无芯片RFID, 波束成形, 深度学习, RCS测量	一维卷积神经网络	RCS频谱数据	使用全波仿真和双静态RCS测量数据，具体样本量未明确提及	FPGA/SoC平台, PyTorch（推测用于深度学习模型训练）	一维卷积神经网络	比特级准确率, 全码准确率	FPGA/SoC边缘平台，波束成形采用窄带数字波束成形
663	2026-05-24	Diagnostic performance of deep learning models on ultrasound images for distinguishing benign from malignant ovarian cysts 2026-Apr-15, Journal of ovarian research IF:3.8Q1 DOI:10.1186/s13048-026-02090-1 PMID:41987029	研究论文	评估深度学习模型在超声图像上区分卵巢囊肿良恶性的诊断性能	首次比较深度学习模型与资深超声医师及O-RADS分类系统在卵巢囊肿超声图像诊断中的性能，并证明DenseNet121模型具有更优的区分能力	未提及具体局限性，但可能包括样本量有限或模型泛化性待验证	探索深度学习模型在超声图像中自动准确分类卵巢囊肿良恶性的能力	卵巢囊肿的超声图像	计算机视觉	卵巢囊肿	超声成像	深度学习模型	图像	未明确提及样本数量，但涉及超声图像数据集	NA	DenseNet121	AUC, 准确率	NA
664	2026-05-24	Differentiation of adrenal metastases and adenomas based on clinical characteristics, deep learning features, and radiomics features derived from ultrasound imaging 2026-Apr-14, BMC medical imaging IF:2.9Q2 DOI:10.1186/s12880-026-02343-x PMID:41981403	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
665	2026-05-24	[Contrast-enhanced CT-based habitat radiomics for analyzing the predictive capability for oral squamous cell carcinoma] 2026-Apr-01, Hua xi kou qiang yi xue za zhi = Huaxi kouqiang yixue zazhi = West China journal of stomatology DOI:10.7518/hxkq.2026.2025211 PMID:41919548	研究论文	基于对比增强CT的病灶影像组学分析，预测口腔鳞状细胞癌的颈淋巴结转移和病理亚型	将深度学习和病灶分析模型相结合，通过K-means聚类将CT图像分为三个区域，并利用全连接神经网络进行特征选择，构建了临床-病灶联合模型，显著提高了预测性能	NA	探索预测口腔鳞状细胞癌颈淋巴结转移和病理亚型的新方法	经石蜡病理诊断为口腔鳞状细胞癌的107例患者	计算机视觉	口腔癌	对比增强CT	K-means聚类, 全连接神经网络	图像	107例患者	NA	全连接神经网络	ROC曲线下面积, 混淆矩阵	NA
666	2026-05-24	Predicting Pharmacological Treatment Response in Migraine Using AI/ML: A Scoping Review of the Evidence and Future Directions 2026-02, Pharmacotherapy IF:2.9Q2 DOI:10.1002/phar.70085 PMID:41276479	综述	系统评估了人工智能/机器学习模型预测偏头痛药物治疗反应的证据，并指出了方法学上的关键缺陷及未来方向	首次对AI/ML预测偏头痛药物反应的证据进行系统范围综述，揭示大多数研究仅依赖内部验证、缺乏外部验证，以及数据模态不全等核心问题	纳入研究存在普遍的方法学弱点，如过度依赖内部验证、患者队列重叠、缺乏生物标志物和遗传数据	评估AI/ML模型预测偏头痛急性或预防性药物治疗反应的证据，并提出未来研究方向	偏头痛患者的药物治疗反应预测模型	机器学习	偏头痛	NA	支持向量机、深度学习、概率模型	临床表型数据和神经影像数据	12项符合条件的研究	NA	支持向量机、深度学习模型、概率模型	预测准确性	NA
667	2026-05-24	Deep learning motion correction of quantitative stress perfusion cardiovascular magnetic resonance 2026-Jan-20, Journal of cardiovascular magnetic resonance : official journal of the Society for Cardiovascular Magnetic Resonance IF:4.2Q1 DOI:10.1016/j.jocmr.2026.102697 PMID:41571054	研究论文	开发并评估了基于无监督深度学习的运动校正流程，用于定量压力灌注心血管磁共振成像中的运动伪影校正	采用无监督深度学习模型替代传统迭代配准优化，实现单步快速估计运动校正，结合主成分分析抑制动态对比效应，显著提升处理速度和鲁棒性	NA（摘要未明确提及限制）	提高定量压力灌注心血管磁共振成像中运动校正的效率和鲁棒性，促进临床广泛应用	心脏灌注系列图像及辅助图像，包括低分辨率短饱和准备时间动脉输入函数系列和质子密度加权图像	计算机视觉	心血管疾病	心脏磁共振灌注成像	深度学习模型（无监督）	图像	201名患者的多厂商数据用于训练和验证，38名患者数据独立测试	NA	NA	时间强度曲线平滑度、Dice系数、定量灌注图标准差、处理时间	NA
668	2026-05-24	Nephrocast-V: A Deep Learning Model for the Prediction of Vancomycin Trough Concentration Using Electronic Health Record Data 2026-01, Pharmacotherapy IF:2.9Q2 DOI:10.1002/phar.70062 PMID:41025800	研究论文	利用深度学习模型基于电子健康记录数据预测重症监护病房患者万古霉素谷浓度	提出结合长短期记忆网络和多头注意力机制的深度学习模型，提前2天预测万古霉素谷浓度并给出剂量调整建议	单中心回顾性研究，样本量有限（2205次住院记录），模型性能与临床药师辅助贝叶斯软件相当但未显著超越	验证深度学习模型在重症患者中预测万古霉素谷浓度并优化给药方案的可行性	2016年1月至2024年6月入住加州大学圣地亚哥健康系统ICU的成年患者	机器学习	感染性疾病（革兰阳性菌感染）	电子健康记录数据提取	长短期记忆网络结合多头注意力机制	结构化电子健康记录数据	2205次住院记录	NA	LSTM, Multi-Head Attention, Skip Connections	平均绝对误差（MAE），均方根误差（RMSE）	NA
669	2026-05-24	Computational drug design in the artificial intelligence era: A systematic review of molecular representations, generative architectures, and performance assessment 2026-01, Pharmacological reviews IF:19.3Q1 DOI:10.1016/j.pharmr.2025.100095 PMID:41389438	综述	系统综述了人工智能时代计算药物设计中分子表征、生成架构和性能评估的现状	提出按药物表征优先、生成模型类型其次的分类框架，明确不同模型对特定分子数据类型的适用性	文中未明确阐述局限性	为人工智能驱动的药物发现提供统一框架，理解表征选择、生成机制和评估范式间的复杂关系	计算药物设计中的分子表征策略、生成架构和评估方法	机器学习	NA	深度学习	变分自编码器，生成对抗网络，强化学习系统，扩散模型	分子数据	NA	NA	VAE, GAN, 强化学习, 扩散模型	NA	NA
670	2026-05-24	Deep Learning-Enabled Virtual Multiplexed Immunostaining of Label-Free Tissue for Vascular Invasion Assessment 2026, BME frontiers IF:5.0Q1 DOI:10.34133/bmef.0226 PMID:41676162	研究论文	基于深度学习的无标记组织虚拟多重免疫染色方法，用于血管侵犯评估	首次利用深度学习实现无标记组织的虚拟多重免疫染色，同时生成ERG、PanCK和H&E图像，避免传统化学染色流程	当前未明确提及虚拟染色在复杂组织异质性或罕见病变中的泛化能力，以及临床大规模验证的不足	开发并验证一种基于深度学习的虚拟多重免疫染色方法，用于提高血管侵犯评估的准确性和效率	甲状腺癌组织切片，评估血管侵犯标志物ERG、PanCK和H&E的表达	数字病理学	甲状腺癌	深度学习的虚拟多重免疫染色（自动荧光成像为基础）	深度学习模型	无标记组织自动荧光图像	NA（未在标题和摘要中明确样本数量）	NA	NA	一致性评估（与组织化学染色结果对比，由病理医生盲审）	NA
671	2026-05-24	Encoding functional edges in graphs to model spatially varying relationships in the tumor microenvironment 2026, NPJ artificial intelligence DOI:10.1038/s44387-026-00075-5 PMID:41783808	研究论文	介绍了一个名为SPIFEE的图深度学习框架，用于模拟肿瘤微环境中多尺度的空间变化关系	通过将空间变化的函数向量直接编码到图边中，增强了图表示的表达能力，且框架与模态无关，支持跨模态整合	未明确提及，但可能包括对计算资源的需求或处理大规模数据时的可扩展性挑战	开发一个灵活的图深度学习框架，以揭示肿瘤微环境中的多级空间洞察	肿瘤微环境中的空间关系，包括细胞类型、表型簇和分子通路	数字病理学，机器学习	癌症	多重免疫荧光、H&E组织病理学、空间转录组学	图神经网络	图像，文本	未明确提及（使用了多重免疫荧光、H&E组织病理学和空间转录组学数据集）	PyTorch（根据图神经网络框架推断）	基于图注意力机制的自定义图神经网络	性能指标未明确列出，但提到优于现有空间建模方法	未明确提及
672	2026-05-24	Ontogenetic shifts in morphology and ecology of eastern Pacific white sharks revealed by computer vision 2026, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0348174 PMID:42160294	研究论文	结合无人机和深度学习分析东太平洋白鲨的形态与生态	首次利用无人机影像和深度学习流水线远程获取大型海洋捕食者的高分辨率形态测量数据，揭示个体发育驱动的生态结构	依赖高分辨率无人机影像质量，且研究区域局限于蒙特雷湾，可能不反映全种群特征	探究东太平洋白鲨的形态变化与生态结构，及其与个体发育和性别的关系	东太平洋白鲨（Carcharodon carcharias）	计算机视觉	NA	无人机成像	深度学习	图像	东太平洋白鲨个体（具体数量未明确）	NA	UNet, ResNet, Transformer	NA	NA
673	2026-05-24	Prediction of cognitive impairment through speech data analysis: A comparative evaluation of deep learning models 2026, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0349412 PMID:42166472	研究论文	评估多种深度学习模型在通过语音数据分类正常认知、轻度认知障碍和阿尔茨海默病个体中的表现，以识别最有效的基于音频的认知障碍诊断方法	系统比较了一维卷积神经网络、音频频谱图变换器和Wav2Vec 2.0三种深度学习架构在认知障碍分类任务中的性能，并采用统计检验确保结果显著性	研究仅纳入女性参与者，可能限制结果的普适性；数据集来源单一，需在其他人群验证	确定基于语音数据的认知障碍诊断中最有效的深度学习模型	认知障碍患者的语音录音数据	自然语言处理, 机器学习	阿尔茨海默病, 认知障碍	语音数据分析	卷积神经网络, 变换器, 语音识别模型	音频数据	320名女性参与者（105名阿尔茨海默病患者、92名轻度认知障碍患者、123名正常认知对照）	PyTorch	一维卷积神经网络, 音频频谱图变换器, Wav2Vec 2.0	准确率, 召回率, 精确率, F1分数, 威尔逊评分95%置信区间	NA
674	2026-05-24	Eigen-guided transformer: A data-driven approach for chronic kidney disease forecasting 2026, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0348886 PMID:42166450	研究论文	提出一种基于特征值引导的Transformer架构，用于慢性肾病的精准预测	通过数据驱动的特征值分析自动确定注意力头数量、特征向量引导的权重初始化及验证驱动的深度优化，提升模型效率与可解释性	未提及，但可能受限于MIMIC-IV和eICU数据集的样本代表性	实现慢性肾病进展的精准预测并解决深度模型的计算低效与可解释性不足问题	慢性肾病患者的纵向临床序列数据	机器学习	慢性肾病	NA	Transformer	序列数据，数值型临床指标	MIMIC-IV数据集和eICU数据集（每日聚合的纵向序列），具体样本量未在摘要中说明	PyTorch	Eigen-Guided Transformer	均方误差（MSE）、平均绝对误差（MAE）、FLOPs/准确率比	NA（未在摘要中说明）
675	2026-05-24	Quantitative evaluation of spatially-variant deformations recovered by deep learning on clinical-like breast lesions 2025-Dec-26, IEEE transactions on radiation and plasma medical sciences IF:4.6Q1 DOI:10.1109/trpms.2025.3649164 PMID:41929561	研究论文	针对临床乳腺病变，定量评估深度学习恢复空间变异变形的能力	开发了生成模拟临床乳腺图像的方法，包含复杂病变形状和示踪剂依赖特征，并首次在临床样合成数据上训练和测试深度学习模型	研究基于合成数据，未在真实临床数据上全面验证模型性能，且仅评估了有限示踪剂类型	评估深度学习在双面板PET成像中恢复空间变异变形的效果，改善乳腺病变的可视化和定量分析	双面板乳腺PET扫描仪（B-PET）重建图像中的乳腺病变	数字病理学	乳腺癌	NA	深度学习神经网络	合成图像（模拟临床乳腺图像）	NA	NA	NA	病变对比度指标、图像粗糙度	NA
676	2026-05-24	Deep learning for hepatocellular carcinoma segmentation in MRI: A systematic review of models, performance, and challenges 2025-Dec-19, Medicine IF:1.3Q2 DOI:10.1097/MD.0000000000047061 PMID:41430967	综述	系统评估深度学习模型在MRI肝细胞癌分割中的应用，重点关注模型架构、性能指标和实施挑战	首次系统性地综述深度学习在MRI肝细胞癌分割中的模型、性能及挑战，涵盖多种U-Net变体及Transformer混合模型	数据集规模小（19-602名患者），病灶异质性和MRI协议变异性限制泛化能力；8项研究存在患者选择偏倚高风险	评估深度学习模型在MRI肝细胞癌分割中的性能并识别实施障碍	13项符合标准的同行评审研究，主要使用U-Net及其变体（如nnU-Net、UNet++）	数字病理学	肝细胞癌	MRI	深度学习（CNN、U-Net、Transformer混合模型）	MRI图像	19至602名患者（基于13项研究）	NA	U-Net, nnU-Net, UNet++, Transformer	Dice相似系数	NA
677	2026-05-24	Design of Carbon Nanotube Inhibitors for Main Proteinase of SARS-CoV-2: A Combined Deep Learning and Molecular Dynamics Simulation Study 2025-11-20, The journal of physical chemistry. B DOI:10.1021/acs.jpcb.5c05780 PMID:41212638	研究论文	比较深度学习模型DeepRMSD+Vina与传统分子动力学模拟在碳纳米管与SARS-CoV-2主蛋白酶对接问题中的性能	首次评估深度学习在纳米结构对接问题中的表现，并发现其与分子动力学模拟结果高度一致，但需注意柔性环区的局部能量势垒	深度学习生成的结构未完全捕捉结合口袋附近柔性环区的结构变化，且其预测的结合构象处于局部能量最小值，需克服能垒才能到达全局最小值	评估深度学习方法在纳米生物系统对接中的性能，为纳米医学材料设计提供新思路	碳纳米管（最代表性纳米材料）与SARS-CoV-2主蛋白酶（Mpro）的对接系统	机器学习	新冠肺炎	深度学习、分子动力学模拟	DeepRMSD+Vina	分子结构数据	NA	NA	DeepRMSD+Vina	NA	NA
678	2026-05-24	OpenSpindleNet: An open-source deep learning network for reliable sleep spindle detection in scalp and intracranial EEG 2025-10, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.110854 PMID:40857816	研究论文	介绍一种基于深度学习的开源网络OpenSpindleNet，用于可靠检测头皮和颅内脑电图中的睡眠纺锤波	提出双头架构提高检测性能、鲁棒性和易用性，专门针对颅内脑电图独特的信号特征和记录环境进行优化	未明确说明	开发一种精确、自动化的睡眠纺锤波检测方法，以推动脑电图分析在睡眠研究和临床应用中的发展	睡眠纺锤波（scalp和intracranial EEG数据）	数字病理学	睡眠障碍	EEG	深度学习	EEG信号	挑战性iEEG数据集和公开头皮DREAMS数据集	NA	双头架构	F1分数	NA
679	2026-05-24	Dual-Attention BiLSTM for Interpretable Forecasting of Treatment Toxicities 2025-Oct, ... IEEE-EMBS International Conference on Biomedical and Health Informatics. IEEE-EMBS International Conference on Biomedical and Health Informatics DOI:10.1109/bhi67747.2025.11269508 PMID:42170647	研究论文	提出一种双重注意力机制增强的双向长短期记忆网络模型，用于可解释地预测治疗毒性	在BiLSTM中引入项目和时序两个层面的双重注意力机制，选择性强调最具信息量的症状-时间交互，提高预测准确性和临床可解释性	未提及	实现可解释的纵向患者报告结果数据症状轨迹预测，支持肿瘤学个性化及时决策	患者报告结果数据中的症状严重程度	机器学习	肿瘤	NA	注意力增强的双向长短期记忆网络（BiLSTM）	文本（纵向患者报告结果数据）	来自一家大型癌症中心的纵向PRO数据集	PyTorch	BiLSTM，双重注意力机制	预测准确性，可解释性	NA
680	2026-05-24	BlurryScope enables compact, cost-effective scanning microscopy for HER2 scoring using deep learning on blurry images 2025-Aug-06, NPJ digital medicine IF:12.4Q1 DOI:10.1038/s41746-025-01882-x PMID:40764388	研究论文	开发了一种名为“BlurryScope”的快速扫描光学显微镜，结合连续图像采集和深度学习，为组织切片的自动检查和分析提供经济高效且紧凑的解决方案	利用运动模糊图像进行深度学习分类，实现了低成本、小巧轻便的扫描显微镜，性能媲美高端商用数字病理扫描仪	未提及具体局限性	实现乳腺癌组织切片中HER2评分的自动分类	免疫组化染色的乳腺组织切片	数字病理学	乳腺癌	免疫组化染色	深度学习	图像	284个独特患者核心样本	NA	NA	准确率	NA