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
61	2026-06-09	Beyond 0.29±0.02 mm intrinsic spatial resolution based on monolithic crystals using convolutional neural network: a simulation study 2026-Jun-08, Biomedical physics & engineering express IF:1.3Q3 DOI:10.1088/2057-1976/ae796a PMID:42257692	研究论文	通过卷积神经网络提升单晶探测器在正电子发射断层扫描中的固有空间分辨率至0.29±0.02毫米	提出基于深度学习的定位算法以更精确地确定湮没事件位置，结合晶体尺寸优化策略减轻边缘效应，并建立定量评估机制优化晶体-传感器耦合结构	基于模拟研究验证，尚未在实验系统中实施，实际性能可能受噪声和校准差异影响	实现单晶探测器亚毫米级固有空间分辨率，支持单细胞追踪和啮齿类大脑动态成像等应用	正电子发射断层扫描系统中的单晶探测器	计算机视觉	不适用	不适用	CNN	模拟数据	不适用	不适用	卷积神经网络	空间分辨率	不适用
62	2026-06-09	The impact of a novel deep learning reconstruction algorithm on image quality in ultralow-dose CT: a quantitative phantom study 2026-Jun-08, European radiology experimental IF:3.7Q1 DOI:10.1186/s41747-026-00751-w PMID:42257775	研究论文	评估新型深度学习重建算法在超低剂量CT成像中的图像质量表现	首次系统量化深度学习重建算法在极低剂量（94%剂量减少）下的噪声抑制、低碘浓度检测能力及图像质量保持效果	基于体模实验，临床适用性需进一步验证	评估深度学习重建算法在超低剂量CT成像中的噪声抑制、对比噪声比提升及低碘浓度检测能力	九孔体模（含0-40 mg/mL碘浓度）	机器学习	NA	CT成像	深度学习重建算法	图像	NA	NA	深度学习图像重建	噪声、对比噪声比、CT值准确性（Bland-Altman分析）	NA
63	2026-06-09	Deep learning-based biliary stent classification and transfer learning adaptation to an additional stent type 2026-Jun-08, European radiology experimental IF:3.7Q1 DOI:10.1186/s41747-026-00749-4 PMID:42257782	研究论文	开发深度学习模型用于胆道支架分类，并通过迁移学习适应新型支架	首次将ResNet-50深度学习模型应用于胆道支架分类，并验证迁移学习策略可高效适应新型支架类型，无需完整重新训练	单中心研究，样本量有限（185例患者），仅评估了五种支架类型，可能影响模型泛化能力	开发并评估深度学习模型在放射影像和透视图像上对胆道支架进行分类的可靠性，以及迁移学习适应新型支架的效果	185名接受胆道支架置入患者的X射线和透视图像，包含Epic™、EGIS、Niti-S、Bonastent® uncovered和Bonastent® partially covered五种支架	计算机视觉, 数字病理学	胆道疾病	X射线成像, 透视成像	CNN	图像	185名患者，共488张图像（主数据集412张来自151例患者，增强数据集488张来自185例患者）	PyTorch	ResNet-50	准确率, 精确率, 召回率, F1分数	NA
64	2026-06-09	A round-robin exercise for the precise prediction of aqueous solubility of organic chemicals using chemometric, machine learning, and stacking ensemble of deep learning models 2026-Jun-08, Journal of computer-aided molecular design IF:3.0Q2 DOI:10.1007/s10822-026-00854-x PMID:42258020	研究论文	通过对比多种机器学习和深度学习模型，使用大型数据集预测有机化学品水溶性，并识别最优预测模型	采用轮询比较策略，结合统计排名差异法和共识排名策略选择最优模型，并引入堆叠集成深度q-RASPR模型	研究未探讨模型在新化学空间中的泛化能力，且数据集中可能存在重复和混合物的影响	开发可靠的水溶性预测模型，以辅助药物筛选和生态毒理学评估	有机化学品的水溶性预测	机器学习	NA	NA	机器学习和深度学习模型（如堆叠集成深度q-RASPR模型）	数值型化学描述符	超过6000种化合物	NA	堆叠集成深度q-RASPR模型	平均绝对误差、均方根误差、留一法交叉验证、十折交叉验证	NA
65	2026-06-09	Deep learning based depth of anaesthesia monitoring using EEG: a 4-layer CNN model with PSD and BSR correlation features 2026-Jun-08, Physical and engineering sciences in medicine IF:2.4Q2 DOI:10.1007/s13246-026-01753-z PMID:42258106	研究论文	基于深度学习的脑电图麻醉深度监测方法：采用4层CNN模型结合PSD和BSR相关性特征	将功率谱密度（PSD）与爆发抑制比（BSR）的关联特征融入CNN架构，提升对麻醉深度的区分能力	对过渡状态（充足/轻度麻醉）区分敏感度不足，因光谱特征重叠导致分类性能受限	通过脑电图分析实现麻醉深度监测，支持手术中的患者安全与麻醉优化	三种临床相关麻醉状态：深度麻醉、充足麻醉和清醒状态	机器学习	NA	脑电图频谱图转换	卷积神经网络	脑电图信号	3个代表性患者案例	NA	4层CNN	准确率, 精确率, 召回率, F1分数	NA
66	2026-06-09	SBEM-UNet: A Semantic Boundary and Contour-Enhanced Framework for Semisupervised Medical Image Segmentation 2026-Jun-08, Journal of imaging informatics in medicine DOI:10.1007/s10278-026-02033-8 PMID:42258115	研究论文	提出SBEM-UNet框架，通过语义边界增强和轮廓增强解码器，在半监督学习中解决医学图像分割中的模糊边界问题	首次在半监督框架中联合使用语义边界增强模块（SBEM）和轮廓增强解码器（CED），显著提升模糊和不连续边界的定位精度	依赖伪标签一致性正则化，在极端低标注场景下可能引入噪声，且未探讨跨数据集泛化能力	提升医学图像分割中模糊或不连续边界的精确解剖描绘能力，尤其是标注稀缺条件下	医学图像中的模糊或非连续边界区域	医学图像分析	NA	深度学习半监督分割	U-Net增强框架	医学图像	多个公开基准数据集	PyTorch	SBEM-UNet（包含语义边界增强模块、轮廓增强解码器）	区域准确率, 边界分割质量	NA
67	2026-06-09	Correction: ThyroFusion: A Multi-modal Deep Learning Framework Integrating Vision and Language for Thyroid Nodule Malignancy Risk Assessment 2026-Jun-08, Journal of imaging informatics in medicine DOI:10.1007/s10278-026-02054-3 PMID:42258118	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
68	2026-06-09	Deep Learning-Based Restoration of Distorted Transmission Raman Spectra through Biological Tissue 2026-Jun-08, Analytical chemistry IF:6.7Q1 DOI:10.1021/acs.analchem.5c07804 PMID:42258226	研究论文	开发了一种基于深度学习的框架，恢复通过生物组织传输后失真的拉曼光谱，以提高定量准确性	首次利用1D U-Net模型学习生物组织引起的拉曼光谱逆变换，实现全光谱恢复，达到>95%余弦相似度	未提及在体内实时应用或更复杂组织类型的验证	恢复通过散射介质传输的拉曼光谱，提升定量分析精度	18种拉曼活性样本的透射拉曼或表面增强拉曼散射光谱	深度学习	NA	拉曼光谱、表面增强拉曼散射	1D U-Net	光谱数据	4410对透射前后拉曼或SERS光谱（来自18个样本）	NA	U-Net	余弦相似度	NA
69	2026-06-09	Artificial Intelligence in Burn and Wound Care: Image Analysis, Prediction, and Clinical Integration 2026-Jun-07, Journal of burn care & research : official publication of the American Burn Association IF:1.5Q3 DOI:10.1093/jbcr/irag090 PMID:42251750	综述	综述2015至2025年间人工智能在烧伤与创面护理中的图像分析、预测模型及临床整合研究	系统总结了深度学习在创面识别分割、愈合/感染/截肢预测以及远程监测平台集成三方面的最新进展	存在肤色偏差导致的算法偏见、数据集多样性不足、模型行为不透明、工作流整合困难及监管框架不完善等挑战	评估人工智能在烧伤与慢性创面客观评估、预后预测及临床部署中的潜力和障碍	烧伤创面和糖尿病/血管疾病/活动受限相关的慢性创面	计算机视觉	烧伤、糖尿病足溃疡、血管性疾病创面	深度学习	卷积神经网络	创面影像数据	NA	NA	卷积神经网络	Dice系数、灵敏度、准确率、受试者工作特征曲线下面积	NA
70	2026-06-09	A fractal-enhanced deep learning framework for forecasting agricultural production in India 2026-Jun-07, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-55859-1 PMID:42252319	研究论文	提出一种结合分形插值函数与LSTM/Bi-LSTM的深度学习框架，用于预测印度四种主要农作物的年产量	首次将具有可变缩放因子的分形插值函数作为数据增强技术集成到LSTM和Bi-LSTM中，有效捕获农业时间序列的非光滑特征和局部波动性，显著提升了预测精度	仅针对印度四种农作物（小米、玉米、小麦、水稻）进行验证，未涵盖其他作物或地理区域；模型对降雨依赖性和气候敏感性作物的适用性可能有限	评估分形插值函数作为数据增强方法在提高印度农作物产量预测准确性方面的有效性	印度四种主要作物（小米、玉米、小麦、水稻）的年度产量数据（1961-2023年）	机器学习	NA	分形插值函数	LSTM, 双向LSTM	时间序列数据	四种农作物1961至2023年的年产量数据	NA	LSTM, Bi-LSTM	MAPE, R²	NA
71	2026-06-09	Methods for Uncertainty Quantification in Dictionary Matching to Advance Reliability of Quantitative MRI 2026-Jun-07, Magnetic resonance in medicine IF:3.0Q2 DOI:10.1002/mrm.70459 PMID:42252544	研究论文	针对定量磁共振成像中的字典匹配方法，引入两种不确定性量化方法以提升其可靠性	首次将非独立同分布噪声模型（空间变异和时间相关）融入字典匹配的不确定性量化中，提出频率学派似然比检验和贝叶斯边际后验方法	贝叶斯方法计算效率较低，且方法验证主要基于径向涡轮自旋回波和Look-Locker序列，泛化性需进一步验证	提升定量磁共振成像中字典匹配结果的不确定性量化能力，确保临床参数图的可靠性	定量磁共振成像中的字典匹配方法	机器学习	NA	定量磁共振成像	频率学派似然比检验、贝叶斯边际后验模型	图像	仿真实验、体模实验及体内实验（涵盖不同加速因子条件）	NA	NA	标称覆盖率、一致性区间	NA
72	2026-06-09	Deep learning layer-specific collagen quantification correlates with activity and is associated with outcomes in Crohn's disease 2026-Jun-07, Journal of Crohn's & colitis DOI:10.1093/ecco-jcc/jjag075 PMID:42257256	研究论文	开发并验证了首个基于深度学习的层特异性胶原定量方法，用于克罗恩病的活动性评估和预后预测	首次构建了基于机器学习的自动化管道，实现了肠道活检中层特异性胶原的定量分析，克服了传统半定量方法的低通量限制	单中心回顾性研究设计，样本量相对有限，需进一步验证其普适性和临床适用性	开发并验证一种基于机器学习的层特异性胶原定量方法，评估其与克罗恩病活动性和临床结局的关联	191例IBD患者（92例CD，99例UC）和74例对照者的1317份肠道活检样本	数字病理学	克罗恩病	天狼星红染色	深度学习分割模型	全切片图像	191例IBD患者（92例CD，99例UC）和74例对照者的1317份肠道活检样本	NA	K-means聚类	组内相关系数	NA
73	2026-06-09	Quantitative RNA pseudouridine landscape reveals dynamic modification patterns and evolutionary conservation across bacterial species 2026-Jun-04, eLife IF:6.4Q1 DOI:10.7554/eLife.107545 PMID:42241317	研究论文	该研究首次在五种细菌物种中实现转录组范围单碱基分辨率的假尿苷修饰定量图谱，揭示动态修饰模式与进化保守性	首次利用优化baBID-seq方法实现细菌RNA假尿苷全转录组定量图谱；开发整合LSTM-Transformer-GNN的深度学习框架pseU_NN预测假尿苷位点	仅涵盖五种细菌物种，未涉及更多样化菌株；深度学习方法依赖现有数据特征，可能无法完全捕捉未知修饰模式	阐明细菌RNA假尿苷修饰的全转录组分布、动态规律、进化保守性及其功能意义	五种细菌物种（包括大肠杆菌、枯草芽孢杆菌等）的RNA假尿苷修饰	机器学习, 自然语言处理, 计算生物学	NA	baBID-seq, RNA-seq, 深度学习	LSTM-Transformer-GNN混合神经网络（pseU_NN）	RNA测序数据, RNA序列特征, RNA局部结构特征	5种细菌物种（每种含多个生长阶段样本）	PyTorch	LSTM, Transformer, 图神经网络（GNN）	准确率, 精确率, 召回率, F1分数, AUC	NA
74	2026-06-09	Clinical Evaluation of Deep Learning-Reconstructed Postcontrast 3D T1-Weighted Volume Interpolated Breath-Hold Examination (VIBE) Compared with Standard VIBE for Detection of Internal Auditory Canal Lesions 2026-Jun-03, AJNR. American journal of neuroradiology DOI:10.3174/ajnr.A9189 PMID:42235966	研究论文	对比深度学习重建的增强后3D T1加权VIBE序列与标准VIBE序列在内听道病变检测中的图像质量	首次在临床环境中评估深度学习重建VIBE相较于标准VIBE在内听道评估中的非劣效性和优越性，证明了扫描时间减少25%的同时图像质量更优	本研究仅限于74例患者，样本量较小；且仅由两名神经放射科医师评估，可能引入主观偏差	评估深度学习重建VIBE序列在临床内听道病理评估中的图像质量、结构可见性和病变检出能力	内听道病变患者	数字病理学	内听道病变	对比增强MRI、深度学习重建	深度学习模型	MRI图像	74名患者	NA	NA	图像质量指标（如信噪比、对比噪声比）、结构可见性评分、病变增强可见性评分、组间一致性κ值	NA
75	2026-06-09	Deep learning-based Desikan-Killiany parcellation of the brain using diffusion MRI 2026-Jun-03, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-54446-8 PMID:42236782	研究论文	提出了一种基于深度学习的框架，仅利用扩散MRI数据直接进行Desikan-Killiany脑区分割	首次实现仅使用扩散MRI数据进行DK图谱的直接脑区分割，避免了依赖解剖MRI和模态间配准的步骤，并采用层次化两阶段分割网络提升精度	文中未明确提及具体局限性，但可能包括对数据集多样性的依赖或分割边界在低分辨率下的模糊性	开发一种无需解剖MRI的通用扩散MRI脑区分割方法，提高神经影像分析的实用性和准确性	脑部扩散MRI数据，包括Human Connectome Project和Consortium for Neuropsychiatric Phenomics数据集	计算机视觉	NA	扩散MRI（dMRI）	卷积神经网络（CNN）	图像（扩散MRI参数图）	Human Connectome Project数据集和Consortium for Neuropsychiatric Phenomics数据集，具体样本数未说明	PyTorch	层次化两阶段分割网络（粗分割阶段和细分阶段，类似U-Net结构）	Dice相似系数（DSC），相对标准差（RSD）	NA（文中未明确说明）
76	2026-06-09	Knowledge-guided brain tumor segmentation via synchronized visual-semantic-topological prior fusion 2026-Jun-03, BMC medical imaging IF:2.9Q2 DOI:10.1186/s12880-026-02189-3 PMID:42237259	研究论文	提出一种知识引导的脑肿瘤分割框架，通过同步融合视觉、语义和拓扑先验信息提升分割精度	首次将病理驱动特征、无监督语义描述和持久同调几何约束三种异构知识先验进行同步融合，并设计双级融合架构动态分配先验权重	未明确讨论模型对输入序列缺失或噪声的鲁棒性，以及在其他数据集上的泛化验证	提升多序列MRI脑肿瘤分割在模糊边界区域的准确性，并增强模型泛化能力	脑肿瘤分层结构（ET、TC、WT）的精确分割	数字病理学	脑肿瘤	MRI	CNN	医学影像（多序列MRI）	BraTS 2020数据集	PyTorch	双级融合架构	Dice系数	NA
77	2026-06-09	AI-Driven Image Analysis for Nanofiber Characterization: From Diameter Measurement to Multiparameter Assessment 2026-Jun-02, ACS omega IF:3.7Q2 DOI:10.1021/acsomega.5c12433 PMID:42255639	综述	系统调查了用于纳米纤维表征的计算方法，特别是纤维直径的测量技术，并对比了人工测量、开源工具及人工智能方法	涵盖从经典机器学习到深度学习架构（包括生成框架和基于Transformer的模型）的全面AI策略，并整合了智能制造和自动化质量控制等工业应用视角	NA（摘要未明确提及局限性）	为纳米纤维表征中的计算方法和AI技术提供系统性综述，指导工艺优化与质量控制	纳米纤维及其直径测量方法	计算机视觉, 机器学习	NA	扫描电子显微镜（SEM）等成像技术	经典机器学习模型, 深度学习架构, 生成框架, Transformer模型	图像	NA	NA	DiameterJ, GIFT, SIMpoly, 深度学习架构, 生成框架, Transformer模型	纤维直径测量精度等	NA
78	2026-06-09	A deep learning-based method for evaluating the fitting states of orthokeratology lenses using fluorescein staining videos 2026-Jun, Contact lens & anterior eye : the journal of the British Contact Lens Association IF:4.1Q1 DOI:10.1016/j.clae.2026.102633 PMID:41794006	研究论文	开发一种基于深度学习的自动化工具，利用荧光素染色视频评估角膜塑形镜的配适状态	提出基于ResNet-50和时序注意力模块的双流架构，结合边缘检测数据增强方法，能够同时提取镜片形态特征和运动特征，实现对配适状态的自动分类	未提及	开发和验证自动化深度学习工具，用于评估角膜塑形镜配适状态，并比较与经验丰富的验光师人工标注结果的性能	143个荧光素染色检查视频记录，荧光素染色检查在裂隙灯显微镜下进行	计算机视觉	未明确提及，但涉及眼科健康及角膜塑形镜配适评估	荧光素染色视频分析	CNN（卷积神经网络）	视频	143个荧光素染色视频记录	PyTorch	ResNet-50, TimeSformer, ViViT, 时序注意力模块	准确率, 宏敏感性, 宏特异性	未提及
79	2026-06-09	Oxylipin profile data analysis: Current methodologies, challenges, and future directions 2026-Jun, Progress in lipid research IF:14.0Q1 DOI:10.1016/j.plipres.2026.101381 PMID:41796823	综述	该综述综合评价了氧脂质谱数据分析的现有方法、挑战和未来方向	系统比较了传统统计方法、多变量统计方法和新兴机器学习/深度学习在氧脂质数据处理中的适用性，并提出了整合多组学和通路分析的新框架	目前机器学习和深度学习方法受限于数据可用性，且生物信息学基础设施在整合氧脂质数据方面存在局限性	提升氧脂质数据的生物学可解释性，推动其在系统生物学和转化脂质研究中的应用	氧脂质谱数据集及其分析方法	机器学习	NA	靶向质谱	主成分分析、偏最小二乘判别分析、非度量多维尺度分析、机器学习、深度学习	高维共线数据、时间序列数据、横截面数据	NA	NA	NA	NA	NA
80	2026-06-09	Discovery of Peripheral Airway Beyond Incomplete CT Annotations for Navigational Bronchoscopy 2026-Jun, IEEE transactions on medical imaging IF:8.9Q1 DOI:10.1109/TMI.2026.3672178 PMID:41801779	研究论文	提出ASTRA-Net深度学习框架，用于从CT扫描中分割标注和未标注的外周气道分支，提升支气管镜导航的敏感性	集成辅助解剖输入、编码器引导注意力模块、中心线和分支感知损失加权方案及分辨率鲁棒后优化步骤，以应对不完整标注和CT采集变异性	NA	提高支气管镜导航中外周气道分支的敏感重建能力，克服现有深度学习方法在不完整标注和CT变异性方面的局限	CT扫描中的气道分支分割，包括标注和未标注的外周气道	计算机视觉，数字病理学	肺部疾病	CT扫描	深度学习框架（ASTRA-Net）	图像（CT扫描）	多个公开和内部数据集	PyTorch	ASTRA-Net（含编码器引导注意力模块）	树检测率（TDR），分支检测率（BDR），重叠分数	NA