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
761	2026-04-24	Retraction Note: Hybrid deep learning framework for cardiovascular disease diagnosis and prognosis using GAN, LSTM, GRU, VARMA, and deep DynaQ network 2026-Apr-20, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-49102-0 PMID:42009846	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
762	2026-04-24	Interpretable predictions from whole-body FDG-PET/CT using parameters associated with clinical outcome 2026-Apr-20, Communications medicine IF:5.4Q1 DOI:10.1038/s43856-026-01567-w PMID:42010056	研究论文	利用全身FDG-PET/CT的组织投影进行可解释的临床结果预测	提出基于组织投影的深度学习框架，首次将全身PET/CT影像分解为骨、瘦组织、脂肪组织和空气等特定组织的投影，并用于预测与临床结果相关的参数	仅作为概念验证研究，未直接预测临床结局，且样本量相对较小（1014例）	评估基于深度学习的组织投影方法在预测与临床结局相关参数中的可行性	FDG-PET/CT影像及其对应的临床参数（TMTV、病灶计数、年龄、性别、诊断状态）	计算机视觉	癌症	FDG-PET/CT	深度回归和分类框架	医学影像	1014次FDG-PET/CT检查	NA	NA	MAE, R², AUC	NA
763	2026-04-24	Predicting biomolecular interactions via a dual-stream graph neural network with motif constraint and diffusion-based regularization 2026-Apr-20, Computational biology and chemistry IF:2.6Q2 DOI:10.1016/j.compbiolchem.2026.109056 PMID:42019100	研究论文	提出一种双流图神经网络框架DSG-BIP，结合可学习模体约束和扩散正则化，用于预测RNA-蛋白质和蛋白质-蛋白质相互作用	引入可学习模体约束，动态优化序列保守性和网络上下文信息，增强生物可解释性并缓解数据稀疏性；改进扩散正则化项稳定表示学习，处理稀疏和噪声数据	未明确讨论在更复杂生物网络或大规模数据集上的可扩展性，也未与其他前沿方法进行跨领域泛化性比较	提高生物分子相互作用预测的准确性、可解释性和泛化能力，解决数据稀疏和噪声敏感问题	RNA-蛋白质相互作用和蛋白质-蛋白质相互作用	机器学习	NA	NA	图神经网络	图数据	多个基准数据集的RPI和PPI数据	PyTorch	双流图神经网络	预测性能（与现有方法相当，但未明确具体指标）	NA
764	2026-04-24	Feature Mapping of Native Oxygenation-Sensitive CMR Images for Classifying Cardiomyopathies 2026-Apr-20, Journal of cardiovascular magnetic resonance : official journal of the Society for Cardiovascular Magnetic Resonance IF:4.2Q1 DOI:10.1016/j.jocmr.2026.102734 PMID:42019569	研究论文	本研究利用氧敏感心血管磁共振成像结合深度学习，对心肌病理进行分类，并验证了AI生成的特征图与专家定义病灶的空间一致性	首次将氧敏感心血管磁共振成像与深度学习结合，用于心肌病无创分类，并通过层激活图可视化提供可解释性，识别出潜在的表型特异性信息	未明确提及局限性	探索氧敏感心血管磁共振成像与深度学习集成，用于心肌病理分类，并评估其诊断性能	心肌病例，包括缺血性、非缺血性、炎症/水肿和健康心肌四种类型	计算机视觉, 数字病理学	心血管疾病	氧敏感心血管磁共振成像	卷积神经网络（含残差学习）	图像	共190例：缺血性42例，非缺血性33例，炎症/水肿47例，健康心肌68例	NA	含蒙特卡洛丢弃层和残差学习的卷积神经网络	AUC值, Dice系数	NA
765	2026-04-24	Diagnosis of Leukemia from Bone Marrow Flow Cytometry Data using Deep Learning and Explainable AI 2026-Apr-20, The American journal of pathology DOI:10.1016/j.ajpath.2026.03.011 PMID:42019815	研究论文	利用深度学习和可解释人工智能从骨髓流式细胞术数据诊断白血病	提出结合注意力增强的VGG19卷积网络模型，并通过可解释人工智能技术提升模型透明度	仅针对高肿瘤负荷的新诊断骨髓样本，可能无法推广至低疾病状态或微小残留病场景	开发自动化诊断系统，加速白血病诊断并减少人为错误	骨髓流式细胞术样本	计算机视觉	白血病	流式细胞术	递归网络、图网络、注意力增强卷积网络	图像	超过2000份样本（包括白血病患者和健康个体）	NA	注意力增强VGG19	准确率	NA
766	2026-04-24	Deep Learning-Assisted identification and quantification of cell-associated microplastics using darkfield hyperspectral imaging 2026-Apr-19, Talanta IF:5.6Q1 DOI:10.1016/j.talanta.2026.129864 PMID:42019285	研究论文	结合暗场高光谱成像与深度学习自动检测和量化细胞关联的微塑料	开发了结合暗场高光谱成像与深度学习管道的自动化策略，实现了单细胞水平上细胞关联微塑料的检测与量化	该方法可能需针对其他颗粒类型和细胞系进行重新训练和验证	开发一种自动化的策略，用于检测和量化细胞关联的聚苯乙烯微塑料	Caco-2细胞与聚苯乙烯微塑料的相互作用	计算机视觉、数字病理学	微塑料毒性相关疾病	暗场高光谱成像	Mask R-CNN, 最小二乘支持向量机, 圆形霍夫变换	图像	Caco-2细胞样本，具体数量未说明	NA	Mask R-CNN, 最小二乘支持向量机, 圆形霍夫变换	精确度、准确率	NA
767	2026-04-24	Deep learning-based identification of visually similar foliar diseases in field-grown barley 2026-Apr-18, Plant methods IF:4.7Q1 DOI:10.1186/s13007-026-01532-7 PMID:42001137	研究论文	评估多类分割模型同时检测和区分田间大麦两种视觉相似叶部病害的能力	首次证明多类分割模型在田间自然共感染条件下，能同时分割视觉相似的叶部病害并优于特异性二元模型	仅针对两种真菌病害，未验证在更多病害或更广泛作物品种上的可扩展性	开发可扩展的大田大麦叶部病害自动分割方法，支持育种程序中的抗性评估	田间生长的感染褐锈病和柱隔孢叶斑病的大麦叶片	计算机视觉	大麦褐锈病，大麦柱隔孢叶斑病	深度学习	U-Net	图像	336张高分辨率田间扫描叶片	NA	U-Net	Dice系数	NA
768	2026-04-24	Tackling small sample survival analysis via transfer learning: A study of colorectal cancer prognosis 2026-Apr-18, Artificial intelligence in medicine IF:6.1Q1 DOI:10.1016/j.artmed.2026.103426 PMID:42019107	研究论文	本研究通过迁移学习解决小样本生存分析问题，并以结直肠癌预后为案例进行验证	针对不同生存模型（参数模型如DeepSurv、Cox-CC、DeepHit和非参数模型如随机生存森林）提出了多种迁移学习方法，尤其是针对非参数模型提出了新的迁移生存森林模型	未明确提及局限性，但小样本场景下迁移学习的泛化性可能受源数据与目标数据相似度影响	提升小样本生存分析中癌症预后模型的预测性能	结直肠癌患者的生存数据	机器学习	结直肠癌	迁移学习	DeepSurv, Cox-CC, DeepHit, 随机生存森林, 迁移生存森林	结构化生存数据	源数据：27,379例SEER结直肠癌I期患者；目标数据：728例华西医院结直肠癌I期患者；还包括小样本实验（如50例）	NA	DeepSurv, Cox-CC, DeepHit, 随机生存森林, 迁移生存森林	C指数	NA
769	2026-04-24	TransUNet for automated segmentation of intracranial aneurysms in digital subtraction angiography: A dual-center validation study 2026-Apr-18, European journal of radiology IF:3.2Q1 DOI:10.1016/j.ejrad.2026.112882 PMID:42019376	研究论文	本研究系统评估五种深度学习模型在数字减影血管造影中自动分割颅内动脉瘤的一致性，并验证其用于临床形态学和定量血流动力学生物标志物的可靠性	首次在双中心大样本中验证TransUNet在动脉瘤分割中结合局部精确性和全局上下文的优势，并全面评估其用于形态学和血流动力学参数（如脑血流量、脑血容量）的一致性	未明确提及限制	评估深度学习模型在自动分割颅内动脉瘤并导出临床相关生物标志物中的表现与可靠性	DSA图像中的颅内动脉瘤分割及形态学和血流动力学参数提取	计算机视觉	颅内动脉瘤	数字减影血管造影	深度学习模型（UNet, VNet, DeepLabV3, SwinUNet, TransUNet）	图像（DSA图像）	2777张图像，1539名患者（内部队列1212图像，外部队列327图像）	NA	UNet, VNet, DeepLabV3, SwinUNet, TransUNet	Dice系数, 组内相关系数	NA
770	2026-04-24	A protocol for single-sequence protein-RNA complex structure prediction using ProRNA3D-single 2026-Apr-17, STAR protocols IF:1.3Q4 DOI:10.1016/j.xpro.2026.104502 PMID:42001425	研究论文	提出一种使用深度学习方法ProRNA3D-single从序列预测蛋白质-RNA复合物三维结构的协议	利用预训练语言模型预测蛋白质-RNA相互作用图谱，并通过优化技术从预测的相互作用生成复合物结构	NA	开发从序列预测蛋白质-RNA复合物三维结构的协议	蛋白质与RNA的相互作用及复合物结构	机器学习	NA	NA	深度学习模型	序列	NA	NA	NA	NA	NA
771	2026-04-24	Automatic selection of optical coherence tomography images for prognostic prediction models in age-related macular degeneration 2026-Apr-17, Computer methods and programs in biomedicine IF:4.9Q1 DOI:10.1016/j.cmpb.2026.109384 PMID:42019353	研究论文	提出一个自动化深度学习框架，从电子病历中的大量OCT报告中选择合适图像，用于年龄相关性黄斑变性预后预测模型	首次利用基于Vision Transformer的自动化框架替代人工图像选择，并融合红外与OCT图像特征，提升下游预后预测准确性	未明确提及局限性，但可能涉及数据来源单一、模型泛化性需验证	开发一种自动化深度学习框架，减少对眼科医生手动图像选择的依赖，优化AMD长期治疗结果的早期预测	年龄相关性黄斑变性患者的OCT图像和红外眼底图像	计算机视觉	年龄相关性黄斑变性	OCT成像	Vision Transformer (ViT)	图像	未明确说明样本量	NA	Vision Transformer	准确率、置信度	NA
772	2026-04-24	Uncertainty-aware AI for tumor subtyping with histology and immunohistochemistry: A multi-center study in Renal Cell Carcinoma 2026-Apr-17, Computer methods and programs in biomedicine IF:4.9Q1 DOI:10.1016/j.cmpb.2026.109373 PMID:42019354	研究论文	提出一种不确定性感知的AI框架，整合组织学与免疫组织化学数据，用于肾细胞癌亚型分类，并通过多中心研究验证其性能	创新性地将不确定性估计引入肾细胞癌亚型分类，利用高置信度直接接受组织学预测、低置信度自动触发免疫组化分析的两级策略，并结合CycleGAN染色转移模块消除实验室间染色变异	未明确说明局限性，但免疫组化模块仅在低置信度情况下激活，可能遗漏部分不确定性评估中的细微误差	开发一个不确定性感知的AI框架，整合组织学与免疫组化数据，提高肾细胞癌亚型分类的准确性和实验室操作流程效率	肾细胞癌亚型分类，涉及多中心数据集中的组织学和免疫组化病理图像	数字病理学	肾细胞癌	HE组织学染色, 免疫组化	深度学习模型, 机器学习算法	图像	多中心数据集，涵盖不同染色协议，具体样本量未提供	PyTorch	CycleGAN, 深度学习分类网络（具体架构未明确）	准确率, 患者级别准确率	NA
773	2026-04-24	ASCENT: an active transfer learning paradigm for efficient drug-target interaction prediction 2026-Apr-17, Science China. Life sciences DOI:10.1007/s11427-025-3234-6 PMID:42024183	研究论文	提出一种名为ASCENT的主动迁移学习框架，用于高效预测药物-靶标相互作用	结合自适应主动学习策略和基于熵的对抗性方法，动态选择和标注最具代表性和不确定性的样本，同时对齐源域与目标域的特征空间，以20%的标注成本实现高预测性能	未明确讨论在极低数据量或极端化学空间稀疏情况下的表现，可能仍需进一步验证其跨域泛化能力	开发一种能有效探索化学多样性、降低标注成本并提升药物-靶标相互作用预测准确性的方法	药物-靶标相互作用预测任务中的跨领域样本	机器学习	不适用	不适用	不适用	不适用	不适用	不适用	不适用	不适用	不适用
774	2026-04-24	Cognitive prototype learning: Towards self-supervised and semantic-aware few-shot open-set sound recognition 2026-Apr-16, Neural networks : the official journal of the International Neural Network Society IF:6.0Q1 DOI:10.1016/j.neunet.2026.109008 PMID:42019217	研究论文	提出一种结合自监督学习和语义知识引导的认知原型学习框架，用于少样本开放集声音识别	首次将认知原型学习与自监督和语义先验知识相结合，解决少样本开放集识别中的数据稀缺和类别开放性问题	仅在ESC-50数据集上验证，未在更大规模或更多样化的声音数据集上测试其泛化能力	构建能够模拟人类认知能力（模式发现和语义推理）的计算模型，提升少样本开放集声音识别性能	环境声音类别，如ESC-50数据集中的50类环境声音	机器学习	NA	NA	原型网络（Prototype Network）	音频	ESC-50数据集中的50类环境声音，每类40个样本，共2000个音频样本	PyTorch	对比学习网络、预训练语言模型、语义原型生成模块	准确率、AUROC	NA
775	2026-04-24	Lung cancer diagnosis from CT scans using artificial intelligence techniques: A global perspective 2026-Apr-15, Clinics (Sao Paulo, Brazil) DOI:10.1016/j.clinsp.2026.100930 PMID:41990487	综述	对用于肺癌诊断的人工智能技术进行系统性回顾	全面总结了多种AI技术在肺癌诊断中的应用，并评估了其性能指标范围	未分析具体模型的临床适用性，且建议需要进一步研究以优化技术	评估人工智能技术在肺癌诊断中的潜力与准确性	204篇关于肺癌诊断的AI研究文献	机器学习	肺癌	NA	CNN, SVM, RF, KNN, PM-DL, ANN, DNN, CDNs, DLS, LSTM, NNE, LDA	医学图像	204篇研究文章	NA	CNN, SVM, RF, KNN, PM-DL, ANN, DNN, CDNs, DLS, LSTM, NNE, LDA	AUC, 敏感度, 准确率, 特异度, 召回率	NA
776	2026-04-24	Signal-to-noise ratio improvement in postmortem MRI using deep learning reconstruction (SwiftMR) 2026-Apr-15, Forensic science international IF:2.2Q1 DOI:10.1016/j.forsciint.2026.112973 PMID:42019274	研究论文	评估深度学习重建软件SwiftMR在低场强死后头部MRI中对信噪比和图像质量的提升效果	首次将商用深度学习重建技术SwiftMR应用于法医学死后MRI，在不延长扫描时间的前提下显著改善低场强图像质量	样本量较小（33例），且仅使用0.3T低场强扫描仪，可能不适用于高场强或不同身体部位的成像	验证深度学习重建技术对死后MRI图像质量和信噪比的提升效果，推动其作为PMCT辅助手段的常规应用	33例死后头部MRI扫描（20男13女，年龄33-92岁，平均75.2岁）	计算机视觉	法医学死后成像	MRI	深度学习重建模型	图像	33例死后头部MRI扫描	SwiftMR（AIRS Medical）	NA	信噪比（SNR）、图像质量视觉评分（1-10量表）	SwiftMR v3.0.11.0软件（未指定GPU类型或计算平台）
777	2026-04-24	Exploring Chemoinformatics Aspects of Few-Shot Meta-Learning by Example of an Infinite Dilution Activity Coefficient in Ionic Liquid Prediction 2026-Apr-13, Journal of chemical information and modeling IF:5.6Q1 DOI:10.1021/acs.jcim.6c00067 PMID:41972498	研究论文	通过元学习解决离子液体体系中无限稀释活度系数预测的数据稀缺问题	提出了任务相似性感知的Reptile（TSA-Reptile）算法，通过缩放损失函数至最接近训练任务的相似性，在分布外任务上优于MAML	模型泛化性可能因灾难性遗忘而降低，测试任务性能受分子Tanimoto相似性影响	探索少样本元学习在分子性质预测中的应用，特别是离子液体-溶质体系	离子液体-溶质体系的无限稀释活度系数	机器学习	NA	NA	MAML, Reptile, TSA-Reptile	数值数据	多个离子液体-溶质体系的数据点，分别使用64或128个数据点训练	NA	MAML, Reptile, TSA-Reptile	R², RMSE, MAE	NA
778	2026-04-24	DNAi: an open-source AI tool for unbiased DNA fiber analysis 2026-Apr-13, Nucleic acids research IF:16.6Q1 DOI:10.1093/nar/gkag335 PMID:41994869	研究论文	开发了一种基于深度学习的开源计算机视觉工具DNAi，用于自动化DNA纤维检测和长度定量	首次将深度学习应用于DNA纤维分析自动化，在多种实验条件下达到人类水平的准确性和性能	未提及验证方法的局限性及在不同实验条件下的泛化能力细节	实现DNA纤维分析的自动化、快速和可重复性	DNA纤维图像中的复制纤维检测和长度定量	计算机视觉	NA	DNA纤维成像（荧光显微镜）	深度学习模型（基于计算机视觉）	图像	大量且多样化的手动标注DNA纤维图像数据集	未知（开源的深度学习框架，未明确指定）	具体架构未在摘要中明确，但为基于深度学习的计算机视觉模型	分割精度、长度测量准确性（与人类性能匹配）	未提及
779	2026-04-24	Automated detection of tooth loss using tooth numbering segmentation in 3D intraoral scans from a population-based sample with artificial intelligence 2026-Apr-05, Journal of dentistry IF:4.8Q1 DOI:10.1016/j.jdent.2026.106674 PMID:41946428	research paper	本研究旨在验证基于深度学习的三维口内扫描图像中牙齿缺失自动检测方法，并与临床评估进行比较	首次在基于人群的样本中验证了通过牙齿编号分割实现口内扫描图像中牙齿缺失的自动检测，并证明其优于传统临床评估对任意牙齿和牙齿类型的检测性能	模型对FDI编号的检测效果不如临床评估，特别是在前磨牙和磨牙区分上存在混淆	开发并验证一种自动检测口内扫描图像中牙齿缺失的深度学习方法，用于流行病学研究	来自1982年佩洛塔斯出生队列的453名参与者的897个口内扫描图像	computer vision	geriatric disease	3D intraoral scanning	deep learning	image	453名参与者的897个口内扫描图像	NA	NA	F1-score, macro-F1	NA
780	2026-04-24	Deep Learning-Based Instance Appraisable Model (EDi Pain) for Pain Estimation via Facial Videos: A Retrospective Analysis and a Prospective Emergency Department Study 2026-Apr, Journal of imaging informatics in medicine DOI:10.1007/s10278-025-01534-2 PMID:40355693	研究论文	提出一种基于深度学习的实例可评估模型（EDi Pain），通过面部视频进行疼痛强度估计，并在回顾性和前瞻性研究中验证其性能	提出灵活的多实例学习方法解决弱标签问题，通过特殊损失函数和采样策略实现实例级疼痛评估，模型能同时估计疼痛强度并评估每个实例片段的显著性	在回顾性数据集UNBC-McMaster上表现良好，但在前瞻性急诊数据集上相关性较低（PCC=0.22），可能受真实临床环境复杂因素影响	开发一种客观、动态的自动化疼痛评估系统，用于临床环境中的实时疼痛强度估计	面部视频中患者的疼痛强度	计算机视觉	疼痛	NA	多实例学习	面部视频	回顾性数据集UNBC-McMaster（未明确数量）和前瞻性收集的931名患者数据集	NA	EDi Pain	平均绝对误差，皮尔逊相关系数	NA