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	2026-06-06	Towards noninvasive blood count using a deep learning pipeline from bulbar conjunctiva videos 2026-Apr-08, NPJ digital medicine IF:12.4Q1 DOI:10.1038/s41746-026-02598-2 PMID:41951905	研究论文	提出一种从球结膜毛细血管视频中预测血液生物标志物的深度学习管道	将高倍球结膜毛细血管视频转换为低维时空血管表征，减少视频维度约200倍，同时保留血液动力学信息；设计多实例回归网络VesselNet，结合ConvNeXt骨干网络和交叉注意力机制融合血管特异性厚度	NA	实现非侵入性全血细胞计数	球结膜毛细血管视频及相应实验室血细胞计数	计算机视觉	贫血	眼底成像	多实例回归网络	视频	224名参与者	NA	ConvNeXt	ROC-AUC, Spearman相关系数	NA
762	2026-06-06	Deep learning-based high-information-content graph representation of early stage bacterial biofilms 2026-Apr-03, NPJ biofilms and microbiomes IF:7.8Q1 DOI:10.1038/s41522-026-00971-3 PMID:41932927	研究论文	提出一种基于深度学习的计算框架，将早期细菌生物膜建模为高信息含量的无向交互图，用于定量分析其结构和生长模式	首次将早期生物膜建模为无向交互图，结合Mask R-CNN细胞分割和自定义神经网络BINet进行相互作用预测，实现了从图像衍生的图特征预测发育阶段和材料类型	可能依赖于特定显微镜成像条件，对图片质量要求较高；未提及在复杂生物膜环境或多物种生物膜中的验证	开发一种可扩展、高信息含量的自动化分析方法，用于揭示细菌生物膜的非明显组织结构规律	早期阶段的细菌生物膜，包括其细胞和细胞间相互作用	计算机视觉, 机器学习	NA	显微镜成像	卷积神经网络（CNN）	图像	NA	NA	Mask R-CNN, BINet	NA	NA
763	2026-06-06	Mitigating data center bias in cancer classification: Transfer bias unlearning and feature size reduction via conflict-of-interest free multi-objective optimization 2026-Apr, Artificial intelligence in medicine IF:6.1Q1 DOI:10.1016/j.artmed.2026.103351 PMID:41554188	research paper	提出一种基于无利益冲突多目标优化的去偏学习方法，用于减轻癌症分类中数据中心偏差的影响	通过无利益冲突多目标优化训练遗忘层，显式减少对无关模式的依赖，并联合降低特征维度和排除冲突样本以提升泛化能力	研究聚焦于癌症特征和数据中心偏差，但方法可推广至其他偏差场景	减少深度学习模型在癌症分类中的数据中心偏差，缩小内部与外部验证性能差距	来自不同数据中心的癌症组织病理学样本	digital pathology	cancer	NA	k-Nearest Neighbor (KNN)	image	多个数据中心样本，采用k折交叉验证	NA	NA	internal accuracy, external accuracy	NA
764	2026-06-06	Deep learning-guided engineering of pectinase for enhanced catalytic performance in tobacco processing 2026-Apr, Bioresource technology IF:9.7Q1 DOI:10.1016/j.biortech.2026.134028 PMID:41554444	研究论文	利用深度学习指导的蛋白质工程，设计了高活性果胶酶变体DS-5，显著提高了其在烟草加工中的催化性能	首次将深度学习模型ProteinMPNN与多序列比对结合用于果胶酶工程，实现了72个突变位点的理性设计，使催化活性提高8.9倍，并揭示表面静电势重塑对底物结合亲和力的增强机制	未探讨该策略在其他类型酶工程中的通用性，且未评估DS-5在长期工业应用中的稳定性	开发深度学习指导的高效酶工程框架，提升果胶酶在烟草加工中的催化效率并改善终产品质量	果胶酶（pectinase）及其突变体DS-5	机器学习	NA	NA	深度学习模型（ProteinMPNN）	蛋白质序列和结构数据	NA	ProteinMPNN	ProteinMPNN	催化活性（8.9倍提升）、最适温度（+10°C）、pH范围（7.0-11.0）、分子动力学模拟	NA
765	2026-06-06	A CT-based multimodal fusion model for predicting outcomes in blunt chest trauma: A multicenter study 2026-Apr, The American journal of emergency medicine DOI:10.1016/j.ajem.2025.12.038 PMID:41576754	研究论文	开发一种整合临床变量、影像组学特征和深度学习特征的多模态融合模型，用于预测钝性胸部创伤患者的预后	首次结合多时间点CT影像的delta特征和临床变量构建融合模型，显著提升了预后预测性能	NA	提高钝性胸部创伤患者预后预测的准确性，为个体化风险预测和临床决策提供工具	钝性胸部创伤患者	计算机视觉, 机器学习, 数字病理学	胸部创伤	CT影像	CNN, LASSO回归	图像, 临床数据	337名钝性胸部创伤患者（来自三个医疗中心）	NA	深度学习特征提取网络（未具体指定架构）	AUC, 校准曲线, 决策曲线分析, NRI, IDI	NA
766	2026-06-06	Dual-representation structural MRI classification of psychiatric disorders using deep learning and large language models 2026-Apr, Psychiatry research. Neuroimaging DOI:10.1016/j.pscychresns.2026.112146 PMID:41576904	研究论文	提出一种双表征结构MRI框架，结合深度学习和大语言模型用于区分精神疾病	首次将原始T1加权MRI切片和对应颜色编码的组织分割图作为双表征输入，并利用大语言模型作为后分析工具提供可解释性洞察	数据集规模较小（N=103），可能影响模型泛化能力	开发一种能准确区分精神分裂症和双相障碍等精神疾病的诊断工具	健康对照组、精神分裂症谱系、有精神病性症状的双相障碍和无精神病性症状的双相障碍四组人群	计算机视觉	精神疾病（精神分裂症谱系，双相障碍）	结构磁共振成像	深度学习（CNN, ResNet-18），大语言模型	图像（T1加权MRI切片和组织分割图）	103名受试者的结构MRI数据	PyTorch	ResNet-18	四分类性能指标	未提及
767	2026-06-06	MRI-based multilevel radiomics and transformer features for predicting radiation-induced carotid artery injury after nasopharyngeal carcinoma radiotherapy: A multicenter study 2026-Apr, Radiotherapy and oncology : journal of the European Society for Therapeutic Radiology and Oncology IF:4.9Q1 DOI:10.1016/j.radonc.2026.111390 PMID:41587618	研究论文	开发并验证一种基于MRI的多级放射组学与Transformer特征融合模型，用于预测鼻咽癌放疗后放射性颈动脉损伤	首次将传统放射组学、亚区放射组学与Swin Transformer深度学习特征融合，构建多级融合模型，用于预测放射性颈动脉损伤，并在多中心数据集上验证了其优于单一模型的表现	未在摘要中明确提及，但回顾性研究设计和有限的样本量可能为潜在局限	开发和验证一种非侵入性的风险分层工具，以预测鼻咽癌放疗后放射性颈动脉损伤	来自四家医院的500名鼻咽癌患者的MRI图像及放疗后颈动脉损伤情况	计算机视觉，数字病理学	鼻咽癌，心血管疾病	MRI	Swin Transformer, 放射组学	图像	500名鼻咽癌患者（训练集274例，内部测试集118例，外部测试集108例）	PyTorch	Swin Transformer	AUC, ACC, SEN, SPE, Brier评分, NRI, IDI	NA
768	2026-06-06	Hierarchical image pyramid transformer framework for automated breast cancer molecular subtyping using tissue microarrays 2026-Apr, The Journal of pathology IF:5.6Q1 DOI:10.1002/path.70028 PMID:41588712	研究论文	开发并验证了一种基于层级图像金字塔变换器的深度学习框架PBC-HIPT，用于从H&E染色的组织微阵列图像中自动进行乳腺癌分子分型	提出了一种新型多层级Transformer架构，能够从细胞到组织尺度层级化地聚合组织病理学特征，实现了对高分辨率图像中多尺度形态特征和长程依赖关系的有效捕获	在全切片图像的跨模态验证中性能下降，表明模型在TMA与WSI之间的泛化能力存在局限性	开发能够自动从H&E染色组织微阵列图像中进行乳腺癌分子分型和生物标志物预测的深度学习框架	乳腺癌组织微阵列和全切片图像	数字病理学	乳腺癌	H&E染色	Transformer	图像	252例组织微阵列病例和46张独立的全切片图像	PyTorch	层级图像金字塔变换器	准确率、AUC	NA
769	2026-06-06	A Wireless, Battery-Free Artificial Throat Patch with Deep Learning for Emotional Speech Recognition 2026-Apr, Advanced science (Weinheim, Baden-Wurttemberg, Germany) DOI:10.1002/advs.202516617 PMID:41603116	研究论文	展示了一种无线、无电池的人工喉贴片系统，结合深度学习方法，实现语音和情感的同步识别	首次将无线无电池技术与深度学习结合，实现喉部信号的语音和情感同步识别	未提及具体限制	开发用于语音障碍人士的情感语音识别系统	喉部信号	机器学习	语音障碍	碳纳米管薄膜应变传感器、近场通信天线	混合深度学习架构	喉部信号	未提及	NA	混合深度学习架构	NA	NA
770	2026-06-06	A novel ECG QRS complex detection algorithm based on dynamic Bayesian network 2026-Apr, Artificial intelligence in medicine IF:6.1Q1 DOI:10.1016/j.artmed.2026.103370 PMID:41653675	研究论文	提出一种基于动态贝叶斯网络的QRS波群检测新算法	首次将心电图波形与心律信息整合为统一概率模型，并利用无监督参数优化自适应患者个体差异	未提及在临床大规模数据上的验证结果及计算资源需求	提高可穿戴心电图设备中QRS波群检测的准确性和噪声鲁棒性	心电图信号中的QRS波群	自然语言处理	心血管疾病	心电图信号处理	动态贝叶斯网络	时间序列信号	NA	NA	动态贝叶斯网络	准确性、噪声鲁棒性、泛化能力	NA
771	2026-06-06	Dosimetric assessment of deep learning based organ-at-risk segmentation: insights from the HaN-Seg challenge 2026-Apr, Radiotherapy and oncology : journal of the European Society for Therapeutic Radiology and Oncology IF:4.9Q1 DOI:10.1016/j.radonc.2026.111387 PMID:41581701	research paper	对HaN-Seg挑战中基于深度学习的危及器官自动分割结果进行剂量学评估，扩展先前的几何分析，提供临床适用性的全面见解	通过集成剂量学评估，突破以往仅依赖几何指标的分析局限，首次对头颈部危及器官自动分割进行前向剂量学分析，揭示几何与剂量学指标间的弱相关性	前向剂量学分析的局限性，以及口腔和下颌下腺肿瘤邻近区域固有的剂量约束挑战可能影响临床适用性	评估深度学习危及器官自动分割方法的剂量学性能，验证其临床实用性	头颈部30个危及器官（OAR）的自动分割结果	computer vision	NA	NA	Deep Learning	image	14个测试案例	NA	NA	Dice similarity coefficient (DSC), 95th-percentile Hausdorff distance (HD95), dosimetric compliance	NA
772	2026-06-06	Real-Time Named Entity Recognition from Textual Electronic Clinical Records in Cancer Therapy Using Low-Latency Neural Networks 2026-Apr, Big data IF:2.6Q2 DOI:10.1177/2167647X251409135 PMID:41649195	研究论文	针对癌症治疗相关的电子临床记录，开发了一种使用低延迟神经网络的实时命名实体识别系统，并特别关注跨语言语音到文本应用及中医领域	提出一种结合中医特定语料库与生物医学资源的半监督方法，并优化了低延迟神经网络架构以实现多语言口语内容的实时结构化信息提取	未提及具体限制	开发用于癌症治疗临床记录的实时、低延迟命名实体识别系统，支持多语言语音到文本应用和临床决策	癌症治疗相关的电子临床记录及中医领域文本	自然语言处理	癌症	半监督学习	低延迟神经网络	多语言口语文本及临床记录文字	NA	NA	低延迟神经网络	识别准确率	NA
773	2026-06-06	Artificial intelligence in pediatric myopia - a narrative review 2026-Mar-25, Graefe's archive for clinical and experimental ophthalmology = Albrecht von Graefes Archiv fur klinische und experimentelle Ophthalmologie DOI:10.1007/s00417-026-07193-5 PMID:41879981	综述	本文探讨人工智能在儿童眼科中评估、预测、管理和治疗近视的潜力	系统总结人工智能在儿童近视领域的应用现状，并提出未来管理策略的新方向	未提供具体实验数据或模型验证，可能缺乏定量比较	总结当前关于人工智能与儿童近视的文献，突出新兴趋势和未来方向	儿童近视人群	机器学习	近视	NA	机器学习、深度学习	NA	NA	NA	NA	NA	NA
774	2026-06-06	Deep learning predicts and in vitro experiments validates the synergistic anti-liver cancer effect of vincristine and lenvatinib: Mechanism involving apoptosis induction via the TNF-α/Caspase-8 pathway 2026-03-19, Biochemical and biophysical research communications IF:2.5Q3 DOI:10.1016/j.bbrc.2026.153380 PMID:41637988	研究论文	利用深度学习模型预测并实验验证长春新碱与仑伐替尼的协同抗肝癌作用，揭示其通过TNF-α/Caspase-8通路诱导凋亡的机制	将深度学习药物协同预测（MARSY和MatchMaker模型）与体外实验验证结合，首次发现长春新碱与仑伐替尼在肝癌中的协同效应，并阐明其通过ROS介导的TNF-α/Caspase-8通路诱导凋亡的新机制	仅进行了体外实验验证，缺乏体内动物模型和临床试验数据支持；未深入探讨其他潜在协同药物组合	开发针对仑伐替尼耐药的肝癌协同药物组合，并阐明其分子机制	肝癌细胞系及仑伐替尼耐药相关的抗肿瘤药物组合	机器学习	肝癌	深度学习药物预测（MARSY/MatchMaker）、CCK-8、克隆形成、划痕实验、Transwell、流式细胞术、Western blot、ZIP模型	深度学习模型（MARSY和MatchMaker）	药物协同预测数据及细胞实验数据	未明确说明肝癌细胞系具体数量及样本量	NA	MARSY, MatchMaker	细胞活力、克隆形成能力、迁移抑制率、ZIP协同评分、ROS水平、凋亡率	NA
775	2026-06-06	Machine learning for RNA secondary structure prediction: a review of current methods and challenges 2026-Mar-16, RNA (New York, N.Y.) DOI:10.1261/rna.080840.125 PMID:41577452	综述	综述了机器学习在RNA二级结构预测领域的最新方法、挑战与未来方向	系统分析了领域内的“泛化危机”，并介绍了RNA基础模型等新兴对策	未对具体方法进行定量比较，展望部分提及的挑战（如伪结预测、长序列缩放）尚未解决	全面梳理机器学习与深度学习方法在RNA二级结构预测中的应用现状及瓶颈	RNA二级结构预测方法，包括单序列模型、进化信息模型及混合模型	机器学习	不适用	RNA测序	机器学习与深度学习模型（如基础模型）	序列数据	不适用	不适用	不适用	不适用	不适用
776	2026-06-06	Explainable deep learning-based multiclass classification of foot radiographs into normal, plantar fasciitis, and flatfoot 2026-Mar, Clinical imaging IF:1.8Q3 DOI:10.1016/j.clinimag.2026.110724 PMID:41548324	研究论文	开发并解释一种能够将足部X光片分类为正常、足底筋膜炎和扁平足的深度学习模型	使用合成足部X光片数据集训练DenseNet-121模型，并结合Grad-CAM++进行解释性分析，实现了高分类性能并提供解剖学上一致的激活模式	研究基于合成数据集，需在真实临床环境中进一步验证	开发和解释一种能够分类足部X光片为正常、足底筋膜炎和扁平足的深度学习模型	足部X光片中的内侧纵弓异常相关疾病（扁平足和足底筋膜炎）	计算机视觉, 数字病理学	扁平足, 足底筋膜炎	X光成像	卷积神经网络（CNN）	图像（X光片）	9500张合成侧位足部X光图像（来自AI-Hub数据集）	NA	DenseNet-121, Grad-CAM++	准确率, F1值	NA
777	2026-06-06	Attenuation-based ultra-low-dose lung computed tomography at 0.1 mSv to 0.3 mSv effective dose in children 2026-Mar, Pediatric radiology IF:2.1Q2 DOI:10.1007/s00247-025-06503-z PMID:41553466	研究论文	评估使用宽探测器能量积分CT结合深度学习重建的超低剂量儿童肺部CT方案，辐射剂量为0.1至0.3mSv	首次在儿童中系统验证宽探测器能量积分CT结合深度学习重建可在与光子计数CT相当的辐射剂量下实现超低剂量肺部成像，并保持诊断图像质量	未提及具体局限性，但研究为回顾性且样本量相对有限（106名患儿）	评估超低剂量儿童肺部CT方案的辐射剂量和性能，聚焦有效辐射剂量和诊断图像质量	儿童患者（年龄范围113天至17.85岁）	机器学习	肺部疾病	CT扫描	深度学习图像重建	图像	106名患儿，共277次低剂量肺部CT扫描	NA	NA	信噪比、对比噪声比	NA
778	2026-06-06	Classification of Alzheimer's Disease by Modeling Brain Networks as Signed Networks Under Deep Learning Frameworks 2026 Mar-Apr, IEEE transactions on computational biology and bioinformatics DOI:10.1109/TCBBIO.2026.3655150 PMID:41553900	研究论文	提出一种通过构建带符号脑网络模型并利用带符号图神经网络技术来预测和分析阿尔茨海默病的创新方法	首次将脑网络建模为同时包含正负相关性的带符号图，并利用带符号图卷积网络显著提升阿尔茨海默病诊断精度（至少提升19%）	未明确说明，但可能包括对负相关作用机制的系统验证尚处于初步阶段	提高阿尔茨海默病的早期诊断准确性并识别重要的脑区生物标志物	阿尔茨海默病患者的脑网络	深度学习	阿尔茨海默病	NA	图卷积网络及其变体	脑网络数据	NA	PyTorch	图卷积网络, 带符号图卷积网络	诊断精度	NA
779	2026-06-06	Controlling gene expression using AI designed Cis-regulatory elements 2026 Mar-Apr, Biotechnology advances IF:12.1Q1 DOI:10.1016/j.biotechadv.2026.108802 PMID:41554183	综述	探讨利用人工智能技术设计顺式调控元件以控制基因表达的方法与进展	首次系统综述了深度学习和DNA基础模型在合成顺式调控元件设计中的应用，并提出多模态建模和强化学习等未来方向	数据可用性有限、计算预测与实验结果存在差距、模型可解释性不足、生成能力受数据质量和序列级特征依赖限制	分析人工智能技术如何支持系统性、靶向性的合成顺式调控元件设计	顺式调控元件（包括启动子、增强子等）的设计与预测方法	机器学习	NA	深度学习、高通量实验	DNA基础模型、强化学习	基因组序列数据	NA	深度学习框架（未明确指定）	多模态模型、强化学习架构	预测准确性	NA
780	2026-06-06	Computational methods for spatial multi-omics integration 2026 Mar-Apr, Biotechnology advances IF:12.1Q1 DOI:10.1016/j.biotechadv.2026.108807 PMID:41564956	综述	系统总结现有空间多组学整合方法，从两个角度进行分类比较，并强调关键下游分析任务和当前面临的主要挑战	首次系统总结空间多组学整合方法，从多角度分类比较并评估数据集与下游任务，为方法选择提供指导	未涉及方法在实际临床或大规模数据集上的详细性能对比，也未讨论计算资源消耗等实际应用限制	总结空间多组学整合方法，辅助研究者选择合适方法以推动空间多组学在组织微环境和疾病机制研究中的应用	基于深度学习、对空间多组学数据（转录组、蛋白质组、表观基因组）进行整合的多种计算方法	数字病理学	NA	空间多组学技术（转录组、蛋白质组、表观基因组测序）	深度学习	空间多组学数据（转录组、蛋白质组、表观基因组）	NA	NA	NA	NA	NA