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
7061	2026-06-11	Domain adaptation for low-dose CT denoising via pretraining and self-supervised fine-tuning 2026-Mar, Journal of X-ray science and technology IF:1.7Q3 DOI:10.1177/08953996261419893 PMID:41769819	研究论文	提出一种基于预训练和自监督微调的低剂量CT去噪域适应方法	提出基于像素混洗图像预处理的自监督损失进行微调，并设计两阶段微调策略以缓解输入错位，同时构建双尺度SwinIR模型作为预训练骨干网络以有效捕获源域先验知识	NA	开发一种无需目标域标签的自监督微调方法，用于低剂量CT去噪域适应	低剂量CT图像去噪模型跨域性能	计算机视觉	NA	CT成像	SwinIR	图像	两个公开数据集	PyTorch	双尺度SwinIR	NA	NA
7062	2026-06-11	Multi-omics signatures of chronic inflammation across immune-related disease states 2026, Frontiers in immunology IF:5.7Q1 DOI:10.3389/fimmu.2026.1753156 PMID:41766899	研究论文	利用UK Biobank数据，通过整合临床指标、NMR代谢组和Olink蛋白质组的多组学深度学习模型，分析慢性炎症在多种免疫相关疾病状态下的系统性特征	首次在人群规模上整合多组学数据（临床、代谢组、蛋白质组）构建多分类深度学习模型，并结合竞争风险模型揭示慢性炎症与死亡风险的关联	NA	解码慢性炎症在多种免疫相关疾病状态下的免疫代谢信号，并评估其与长期死亡率的关系	UK Biobank参与者（健康对照组、癌症、自身免疫病、感染性疾病、代谢疾病及多重共病状态）	机器学习	慢性炎症相关疾病（癌症、自身免疫病、感染性疾病、代谢疾病）	NMR代谢组学、Olink蛋白质组学	深度学习模型、堆叠集成模型	临床血液学指标、NMR代谢物、Olink蛋白质组数据	UK Biobank参与者分类为六组基线状态	NA	NA（多分类深度学习模型，包括临床/炎症模型、+NMR模型、+Olink模型、三塔多组学模型）	准确率、宏F1分数、多分类AUC	NA
7063	2026-06-11	[A visual analysis of machine learning in periodontal disease research, 2001-2023] 2025-Dec, Shanghai kou qiang yi xue = Shanghai journal of stomatology PMID:41766323	综述	利用文献计量学分析2001-2023年机器学习在牙周病研究中应用及热点的可视化分析	系统梳理了2001-2023年机器学习在牙周病研究中的文献，揭示了其应用趋势和研究热点，特别是近两年基于图像的图像分割和特征提取成为热点	NA（摘要未提及明确局限性）	分析机器学习在牙周病研究中的应用及研究热点	2001-2023年Web of Science核心合集中的机器学习与牙周病相关文献	机器学习	牙周病	NA	机器学习，深度学习	NA	127篇文献	NA	NA	NA	NA
7064	2026-06-10	Open-set deep learning enabled LIBS sensor for label-free and on-site identification of unknown pathogen powders 2026-Jul-01, Talanta IF:5.6Q1 DOI:10.1016/j.talanta.2026.129539 PMID:41712987	研究论文	开发了一种基于开放集深度学习的LIBS传感器，用于无标签、现场识别未知病原体粉末	将分类重构开放集识别（CROSR）策略集成到残差网络（ResNet）中，构建改进的开放集深度学习模型，显著提升对未知样本的拒识能力	文中未明确提及局限性	实现现场、无标签的病原体粉末识别，提高生物安全与生物恐怖主义的应对能力	病原体粉末，包括五种已知目标病原体和九种未知样本（生物样本、培养基、非生物干扰物）	机器学习	病原体感染相关疾病	激光诱导击穿光谱（LIBS）	残差网络（ResNet）	光谱数据	包含五种已知目标病原体和九种未知样本的测试集	PyTorch	ResNet, CROSR	识别准确率	未提及
7065	2026-06-10	Mapping knowledge landscapes and emerging trends in AI for coronary artery disease imaging biomarkers: A bibliometric and visualization analysis 2026-May, Current problems in cardiology IF:3.0Q2 DOI:10.1016/j.cpcardiol.2026.103302 PMID:41713756	文献综述	通过文献计量学和可视化分析，系统评估人工智能应用于冠状动脉疾病影像生物标志物的全球研究现状、发展趋势、知识结构和合作网络	首次综合运用VOSviewer、CiteSpace和Bibliometrix等多种工具进行深入分析，揭示2015-2025年间该领域的发展轨迹、研究热点和跨学科互动	研究基于单一数据库（Web of Science），可能存在文献覆盖不全；合作关系分析表明研究合作仍显分散，跨学科整合不足	全面评估人工智能在冠状动脉疾病影像生物标志物领域的全球研究状态和新兴趋势	2015-2025年间Web of Science核心合集中的1,105篇相关出版物	Machine Learning	冠状动脉疾病	NA	NA	文本	1,105篇出版物，涉及5,949位作者、1,903所机构、262种期刊和67个国家	NA	NA	NA	NA
7066	2026-06-10	An automated vertebral heart scale measurement tool based on deep learning: Facilitating screening for prevention of canine cardiomegaly 2026-May, Preventive veterinary medicine IF:2.2Q1 DOI:10.1016/j.prevetmed.2026.106810 PMID:41713362	研究论文	提出一种基于改进U-Net和YOLOv11的自动化犬类心脏椎体尺度测量工具，用于早期筛查和预防犬类心脏肥大	结合SWA-UNet与YOLOv11实现精确的心脏分割和关键点检测，显著提升自动化VHS计算的准确性，并解决了低对比度图像、边界模糊和结构重叠问题	未提及在真实临床环境中对大样本量或多种犬种的验证，也未讨论计算资源需求或系统部署的可扩展性	开发一种高效、客观且可重复的自动化VHS测量工具，用于犬类心脏疾病的筛查与诊断辅助	犬类胸部X光图像中的心脏和胸椎关键点	计算机视觉	犬类心脏肥大	X光成像	SWA-UNet, YOLOv11	图像	NA	PyTorch	U-Net, YOLOv11	平均交并比, Dice系数, 精确率, 召回率, Pearson相关系数, Bland-Altman分析	NA
7067	2026-06-10	Deep learning-based H&E-derived risk scores in colorectal cancer: associations with tumour morphology, biology, and predicted drug response 2026-May, The Journal of pathology IF:5.6Q1 DOI:10.1002/path.70039 PMID:41716034	研究论文	基于深度学习的H&E染色切片风险评分与结直肠癌肿瘤形态、生物学及预测药物反应的关联分析	首次系统分析了基于H&E切片的深度学习风险评分与肿瘤-脂肪细胞直接相互作用、肿瘤出芽等形态学特征以及药物敏感性差异的关联	研究局限于已发表的深度学习模型生成的风险评分，未涉及模型训练过程及数据异质性对结果的影响	探究H&E切片深度学习风险评分与结直肠癌临床病理特征、肿瘤形态学和药物反应的关系	来自四个国际队列的4000多例结直肠癌患者的全切片图像及临床数据	数字病理学	结直肠癌	H&E染色	深度学习模型	全切片图像	4000余例结直肠癌患者（来自四个国际队列）	NA	NA	风险评分（低风险 vs 高风险，以及绝对风险评分）	NA
7068	2026-06-10	Blood pressure estimation using single photoplethysmography signal based on ResNet-BiGRU 2026-Apr-24, Biomedizinische Technik. Biomedical engineering DOI:10.1515/bmt-2025-0285 PMID:41715883	研究论文	开发一种基于单光电容积描记信号的深度学习方法，实现无袖带血压估计	提出ResNet-BiGRU混合深度神经网络，结合残差卷积块和双向门控循环单元，同时捕获形态特征和时间特征	外部验证使用VitalDB数据集时，收缩压MAE（8.15 mmHg）相比UCI数据集（4.78 mmHg）显著升高，表明模型在不同临床条件下的泛化性能仍有提升空间	实现准确、连续、无创的无袖带血压估计	单路PPG信号用于血压估计	机器学习	心血管疾病	光电容积描记	混合模型（ResNet + BiGRU）	生理信号（PPG和动脉血压）	942名受试者（UCI数据集）	NA	ResNet, BiGRU	平均绝对误差 (MAE)	NA
7069	2026-06-10	Advancements in OCT and OCTA imaging for AMD: An in-depth analysis of research hotspots, emerging trends, and technological innovations 2026-Apr, Photodiagnosis and photodynamic therapy IF:3.1Q2 DOI:10.1016/j.pdpdt.2026.105402 PMID:41713794	综述	利用文献计量分析，深度剖析2015-2024年间OCT和OCTA在年龄相关性黄斑变性（AMD）中的研究热点、新兴趋势和技术创新	首次通过文献计量方法系统梳理OCT/OCTA在AMD领域的演变，集成热点图谱和前沿主题（如AI联合检测、超反射灶生物标志物、时间序列预测模型）	仅检索Web of Science Core Collection单一数据库，排除非英文文献，且无法完全涵盖最新发表成果（分析截止于2025年1月）	绘制OCT与OCTA在AMD研究中的全球合作网络、核心主题和新兴方向，为精准诊断和个性化治疗提供趋势参考	2471篇关于OCT/OCTA在AMD应用的英文研究文章（2015-2024年）	医学影像分析	年龄相关性黄斑变性（AMD）	OCT, OCTA	NA	文献元数据	2471篇文章	CiteSpace, Excel	NA	NA	NA
7070	2026-06-10	Integration of Raman tweezers and machine learning for label-free single-cell characterization of endometriosis cells 2026-Mar-30, The Analyst DOI:10.1039/d5an01076d PMID:41711554	研究论文	开发并验证了一种结合光镊和拉曼光谱的拉曼镊子平台，用于对子宫内膜异位症细胞进行无标记单细胞生化分析，并利用机器学习实现分类	首次将拉曼镊子应用于子宫内膜异位症细胞的单细胞分析，结合了自监督深度学习预处理和可解释机器学习方法	NA	建立一种无标记的单细胞分析方法，用于探测子宫内膜异位症的细胞病理生理学并支持微创诊断策略	子宫内膜异位症衍生的VK2/E6E7上皮细胞和A549上皮癌细胞系	机器学习	子宫内膜异位症	拉曼光谱	随机森林、XGBoost	拉曼光谱数据	NA	NA	随机森林、XGBoost	准确率	NA
7071	2026-06-10	YOLO-based real-time floating debris counting in urban rivers for flood monitoring and water resource management 2026-Feb-19, Environmental monitoring and assessment IF:2.9Q3 DOI:10.1007/s10661-026-15040-7 PMID:41711999	研究论文	本研究提出一个结合YOLO深度学习目标检测模型和视频监控的实时框架，用于城市河流中漂浮垃圾的识别与计数，以支持洪水预警和水资源管理	首次将YOLOv7与YOLOv9在真实城市河流环境中进行对比评估，并实现基于视频监控的实时漂浮垃圾自动计数系统	仅在马来西亚莎阿南特定洪水易发区部署，可能未涵盖不同气候和地理条件下的泛化性	开发用于城市河流漂浮垃圾实时监测的自动化框架，支持洪水预警和水资源管理	城市河流中的漂浮垃圾	计算机视觉	不适用	深度学习目标检测、视频监控	YOLO	图像	在马来西亚莎阿南洪水易发区部署的现场数据	PyTorch, OpenCV	YOLOv7, YOLOv9	精确率, 召回率, F1分数	不适用
7072	2026-06-10	The consensus molecular subtypes of esophageal squamous cell carcinoma 2026-Feb-19, Signal transduction and targeted therapy IF:40.8Q1 DOI:10.1038/s41392-026-02577-9 PMID:41714596	研究论文	通过整合八个现有分类系统，采用网络方法识别出食管鳞状细胞癌的四种共识分子亚型，并开发基于图像的深度学习方法进行亚型分类	首次建立食管鳞状细胞癌的共识分子亚型分类系统（ECMS），并开发基于H&E染色全切片图像的空间组织特征（SOF）的深度学习分类器imECMS，实现了从组织病理图像直接预测分子亚型	未提及具体的局限性	建立食管鳞状细胞癌的标准化分类系统，促进精准治疗	食管鳞状细胞癌的分子亚型及其与预后和治疗反应的关系	数字病理学	食管鳞状细胞癌	H&E染色全切片图像分析	深度学习	组织病理图像	多个独立队列验证	NA	深度学习模型（未具体说明架构类型）	未能从标题和摘要中提取具体指标	NA
7073	2026-06-10	Machine Learning for Predicting Stroke Risk Stratification Using Multiomics Data: Systematic Review 2026-Feb-19, Journal of medical Internet research IF:5.8Q1 DOI:10.2196/85654 PMID:41711384	综述	系统评估使用多组学数据的机器学习模型在中风风险分层中的表现、整合策略及报告实践	首次系统评价多组学机器学习模型在中风风险预测中的判别性能、整合策略与验证实践，以指导未来方法学发展	仅有7项研究符合纳入标准，样本量小、设计异质且报告不完整，限制了可重复性和泛化能力	系统评价多组学机器学习模型用于中风风险分层，分析判别性能、整合策略、验证及报告模式，为未来方法学开发提供信息	缺血性、出血性或未明确中风类型的成年患者	机器学习	心血管疾病	多组学技术（包括代谢组学、蛋白质组学、脂质组学等）	支持向量机、树集成方法、广义线性模型、深度学习架构	多组学数据（至少包含两个组学层次）	7项研究，总计40,274名参与者	NA	支持向量机、树集成、广义线性模型、深度学习架构	接收者操作特征曲线下面积	NA
7074	2026-06-10	AI-driven CRISPR screening: optimizing gene editing through automation and intelligent decision support 2026-Feb-19, Journal of translational medicine IF:6.1Q1 DOI:10.1186/s12967-026-07849-0 PMID:41715150	综述	总结人工智能如何通过引入预测性、自适应性和系统级智能重塑CRISPR筛选流程	将CRISPR筛选从静态分析流程重构为智能实验系统，提出机器学习/深度学习与大型语言模型智能体双模块协同机制	未提及具体局限性	阐述人工智能优化CRISPR筛选的实验设计与数据分析方法	CRISPR筛选技术及其应用场景	机器学学习	NA	CRISPR筛选	大型语言模型智能体	NA	NA	NA	NA	NA	NA
7075	2026-06-10	Pneumonia detection from enhanced chest X-Ray images based on Double SGAN model 2026-Feb-19, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-39785-w PMID:41714360	研究论文	提出一种基于深度学习的肺炎检测系统，利用增强的胸部X光图像和双SGAN模型解决类别不平衡问题	创新性地提出双SGAN模型，结合谱归一化、自注意力机制和铰链损失函数进行稳定训练，并构建嵌入空间注意力机制的ResNet18-SA分类模型	仅使用儿童肺部图像的肺炎MNIST数据集，可能无法全面代表不同年龄和人群的肺炎特征	提高肺炎图像分类的准确性和鲁棒性	胸部X光图像中的肺炎病灶	计算机视觉, 数字病理学	肺炎	胸部X光成像	SGAN, ResNet	图像	肺炎MNIST数据集（儿童肺部图像）	NA	ResNet18, 自注意力机制	准确率, 精确率, 召回率, F1分数	NA
7076	2026-06-10	Classification of dysphagia severity after lateral medullary infarction with deep learning 2026-Feb-19, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-40751-9 PMID:41714402	研究论文	利用深度学习算法，基于急性期弥散加权MRI对延髓背外侧梗死患者吞咽困难严重程度进行分类	首次采用分层视觉Transformer（Hier-ViT）架构，利用急性期弥散加权MRI对延髓背外侧梗死患者吞咽困难严重程度进行分类，考虑了空间层次和全局图像上下文	AUC值中等（0.69），表明模型区分能力有限，特别是在不平衡临床数据集中需要进一步优化和多模态整合	开发和验证一种深度学习算法，用于早期分类延髓背外侧梗死患者吞咽困难严重程度，以便及时干预和个性化康复计划	163名确诊急性延髓背外侧梗死患者的急性期弥散加权MRI图像和视频荧光吞咽研究确定的吞咽困难严重程度	计算机视觉，数字病理学	老年病（吞咽困难）	弥散加权MRI（DWI），视频荧光吞咽研究（VFSS）	分层视觉Transformer（Hier-ViT）	图像（MRI）	163名患者	PyTorch（假设，基于Transformer架构）	Hierarchical Vision Transformer (Hier-ViT)	准确率，精确率，召回率， F1分数， AUC	NA
7077	2026-06-10	Deep learning models identify brain changes during the progression of Alzheimer's disease 2026-Feb-19, NPJ systems biology and applications IF:3.5Q1 DOI:10.1038/s41540-026-00666-7 PMID:41714635	研究论文	提出一种多分支融合通道注意力网络，利用纵向sMRI数据识别阿尔茨海默病进展中的脑区动态变化	首次提出利用多分支融合通道注意力网络整合纵向多个时间点的sMRI数据，通过可解释性分析揭示AD进展中脑区贡献的动态变化模式	文本未明确提及局限性，可能包括样本量有限、外部验证不足或模型泛化性需进一步评估	开发基于多时间序列的深度学习方法，识别阿尔茨海默病进展过程中的脑区动态变化	阿尔茨海默病患者及正常衰老对照组的纵向结构磁共振成像数据	计算机视觉	阿尔茨海默病	sMRI	CNN	图像	未指定	未指定	多分支融合通道注意力网络	未指定	未指定
7078	2026-06-10	Automated Risk Assessment of Opioid Use: Analysis Using Pre-Trained Transformers on Social Media Data 2026-Feb-19, JMIR infodemiology IF:3.5Q1 DOI:10.2196/77783 PMID:41711388	研究论文	利用预训练Transformers模型分析社交媒体数据，实现阿片类药物使用风险的自动评估	提出一个基于BioBERT并集成自定义注意力机制的框架，用于从社交媒体帖子中自动检测阿片类药物过量风险和药物分类，相比传统方法和现有基线模型获得显著性能提升	依赖Reddit帖子数据集，数据量和代表性可能有限；模型性能和通用性需在更大规模、更多来源的数据上进一步验证	开发能够自动检测阿片类药物过量风险并将药物分类为高风险和低风险类别的工具	Reddit社交媒体帖子	自然语言处理	阿片类药物滥用	NA	Transformer	文本	未明确，但通过5折交叉验证使用了n=5折的统计测试	NA	BioBERT，自定义注意力机制	F1分数	NA
7079	2026-06-10	From modality-specific to compositional foundation models for cell biology 2026-Feb-18, Cell systems IF:9.0Q1 DOI:10.1016/j.cels.2026.101534 PMID:41713397	综述	探讨组合式AI作为模块化设计方法构建多模态基础细胞模型的潜力	提出组合式AI作为模块化设计方法统一多模态生物学数据（如染色质可及性、蛋白质丰度、空间转录组学、显微镜成像和文本注释）以构建细胞行为表示	数据可用性有限、模态表示间的结构差异、部分重叠多模态测量的对齐与连接挑战	利用多模态AI解码细胞系统的复杂性，实现代理虚拟细胞模型	多模态细胞生物学数据及其关系	机器学习	NA	多模态建模	Transformer	图像、文本、基因表达数据	NA	PyTorch	Transformer	NA	NA
7080	2026-06-10	Deep Learning-Based Structural Brain Age Estimation in Bipolar Disorder and Schizophrenia: A Single-Site Pilot Study 2026-Feb-15, Human brain mapping IF:3.5Q1 DOI:10.1002/hbm.70479 PMID:41714875	研究论文	使用3D-CNN基于结构MRI预测双相障碍和精神分裂症的脑年龄，并分析Brain-PAD的组间差异和区域贡献	首次在一个单站点试点研究中，利用3D-CNN分别评估双相障碍和精神分裂症患者的脑年龄差异，并结合Grad-CAM揭示颞叶和额叶等关键脑区的贡献	单站点设计限制泛化性，样本量相对较小，仅使用横断面数据无法直接推断脑老化的纵向轨迹	探讨双相障碍和精神分裂症中加速脑老化的生物标志物Brain-PAD及其与年龄的交互作用	健康对照组、双相障碍患者、精神分裂症患者的结构MRI数据	计算机视觉	双相障碍, 精神分裂症	结构MRI	3D-CNN	图像	健康对照155名，双相障碍122名，精神分裂症161名	NA	3D卷积神经网络	MAE, 相关系数r	NA