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
821	2026-06-06	Mamba2SVN: a Mamba2 and reconstruction-cooperative sensitivity refinement-based variational network for parallel MRI reconstruction 2026-Jun-04, Physics in medicine and biology IF:3.3Q1 DOI:10.1088/1361-6560/ae788b PMID:42246132	研究论文	提出一种结合Mamba2与重建协同灵敏度细化的变分网络Mamba2SVN，用于并行MRI重建	首次将Mamba2模块融入变分网络，设计跨迭代特征融合机制和重建协同灵敏度细化模块，减少对自动校准信号大小的依赖	未明确提及限制，但可能依赖特定数据集和采样模式，泛化性需进一步验证	加速MRI采集过程，提高并行MRI重建的准确性和鲁棒性	多线圈膝关节、脑部和心脏MRI数据集	计算机视觉	NA	MRI	Mamba2	MRI图像	多线圈膝关节、脑部和心脏数据集（未说明具体样本数）	NA	Mamba2, U-Net	NA	NA
822	2026-06-06	Advancement of deep learning models with whole slide image in diagnosis, subtyping and prognosis for glioma 2026-Jun-04, Progress in biomedical engineering (Bristol, England) DOI:10.1088/2516-1091/ae7860 PMID:42246131	综述	总结基于全切片图像的深度学习模型在胶质瘤诊断、亚型分类和预后预测中的进展	系统梳理了从CNN到Transformer、混合架构及大语言模型的演进，并引入可解释性热力图和多模态融合方法	现有模型泛化性不足，且未充分验证在资源受限环境中的轻量化部署能力	总结WSI深度学习模型在胶质瘤诊断、分型、分级和预后预测中的应用现状及发展方向	胶质瘤患者的全切片病理图像及相关临床数据	数字病理学	胶质瘤	全切片图像	CNN, Transformer, 混合模型, 大语言模型	图像	NA	NA	ResNet-50, Vision Transformer, ROAM, CHIEF	AUC	NA
823	2026-06-06	Deep Learning-Accelerated 3D FLAIR Enables Reliable MS Lesion Detection 2026-Jun-03, AJNR. American journal of neuroradiology DOI:10.3174/ajnr.A9140 PMID:42209146	研究论文	评估深度学习重建的3D FLAIR序列在多发性硬化患者脱髓鞘病变检测中的诊断性能和图像质量	首次验证深度学习加速的3D FLAIR序列在检测多发性硬化病变中的可靠性，并评估不同头线圈配置的影响	亚阈值病变（<3mm）在20通道线圈扫描中有漏检情况，主观图像质量评分略低于参考序列	验证深度学习重建的3D FLAIR序列在多发性硬化病变检测中的诊断效能和图像质量	脱髓鞘病变检测	数字病理学	多发性硬化	MRI	深度学习重建模型	磁共振图像	76例多发性硬化患者	NA	深度学习重建架构	信噪比，对比噪声比，5点李克特量表评分	NA
824	2026-06-06	Genome-wide modelling of plant transcription factor binding captures regulatory variants associated with phenotypic traits 2026-Jun-03, Nature communications IF:14.7Q1 DOI:10.1038/s41467-026-73634-8 PMID:42236716	研究论文	通过可解释的多标签深度学习模型，从全基因组水平捕捉转录因子结合，识别与表型性状相关的调控变异	首次利用可解释的多标签深度学习模型整合全基因组DNA结合数据、GWAS数据和实验验证，系统揭示顺式调控元件序列、上下文和语法对转录因子占据的影响，并应用于远缘作物的条件响应性结合位点分析	模型训练基于拟南芥数据，可能限制对远缘物种的适应性；未详细说明模型在不同条件下的泛化能力和计算效率	从全基因组层面理解遗传变异如何通过顺式调控元件与转录因子相互作用影响基因调控和表型	拟南芥（A. thaliana）和玉米（Z. mays）的转录因子结合位点、顺式调控元件及与表型相关的调控变异	机器学习	NA	DNA结合分析（DNase-seq、ChIP-seq等）	多标签深度学习模型	DNA序列数据和基因型数据	NA	NA	NA	NA	NA
825	2026-06-06	A multiscale attention network for mixed artifact suppression in AFM images 2026-Jun-03, Micron (Oxford, England : 1993) DOI:10.1016/j.micron.2026.104061 PMID:42241863	研究论文	提出一种多尺度注意力网络MS-HINet-CBAM，用于抑制原子力显微镜图像中的混合噪声，包括方向性线条伪影和随机疤痕	设计了一个结合多尺度模块和卷积块注意力模块的多阶段降噪框架，能够捕捉混合噪声的长程空间相关性并自适应优先处理真实地形特征	未提及在极端噪声水平或动态扫描条件下的表现，以及模型对真实AFM图像中未见噪声类型的泛化能力	开发用于AFM图像混合伪影抑制的鲁棒降噪方法，以保留表面真实形貌细节	原子力显微镜图像中的混合伪影（方向性线条伪影和随机疤痕）及真实地形特征	计算机视觉	NA	原子力显微镜成像	卷积神经网络	图像	在多种模拟混合噪声场景及真实AFM图像（有机分子和细菌细胞样本）上评估	PyTorch	MS-HINet-CBAM（多尺度模块 + CBAM注意力模块）	视觉保真度、均方根粗糙度	NA
826	2026-06-06	Week-ahead prediction of depressive episodes using wearable-derived circadian biomarkers: A multicenter deep learning study with risk-based operating thresholds 2026-Jun-03, Journal of affective disorders IF:4.9Q1 DOI:10.1016/j.jad.2026.122076 PMID:42242428	研究论文	利用可穿戴设备衍生的昼夜节律生物标志物，通过深度学习模型提前一周预测抑郁发作	整合心率余弦相位和睡眠时间两种互补的昼夜节律标志物，采用基于风险的运行阈值汇总模型性能，并在多中心真实世界队列中验证	需进行外部验证、概率校准、可迁移性评估以及前瞻性发作评估才能实现临床转化	开发一种基于可穿戴设备数据的深度学习模型，提前一周预测抑郁发作，以实现早期识别和被动监测	144名真实世界心境障碍患者，共90281人日数据	机器学习	抑郁症	可穿戴设备采集	深度学习时间序列模型	时序数据	144名患者，90,281人日	NA	NA	AUROC, 风险分层阳性预测值, 预后提升倍数	NA
827	2026-06-06	Integrating artificial intelligence into drug delivery systems: Formulation development and current challenges 2026-Jun-03, European journal of pharmaceutics and biopharmaceutics : official journal of Arbeitsgemeinschaft fur Pharmazeutische Verfahrenstechnik e.V IF:4.4Q1 DOI:10.1016/j.ejpb.2026.115133 PMID:42242512	综述	探讨人工智能在药物递送系统中的应用，涵盖配方开发、优化及当前面临的挑战	将AI定位为决策支持工具而非自主系统，并系统评估其在质量源于设计框架中的整合潜力	数据质量、实验验证、模型可解释性和生物复杂性限制了AI在制药实践中的转化应用	评估AI在药物递送开发关键阶段（包括配方设计、纳米载体优化和智能控释系统）中的应用与障碍	药物递送系统开发中的配方变量、载体性能与生物性能的多维关系	机器学习	NA	NA	机器学习、深度学习	配方变量、载体性能数据	NA	NA	NA	NA	NA
828	2026-06-06	Chest Radiograph-Derived Age Acceleration as an Early Marker of Pulmonary Dysfunction in Middle-Aged Asians 2026-Jun-03, Chest IF:9.5Q1 DOI:10.1016/j.chest.2026.05.033 PMID:42242547	研究论文	基于胸部X光片的加速衰老作为亚洲中年人肺功能障碍的早期标志	首次将深度学习驱动的胸部X光片年龄加速作为肺功能障碍的前兆标志，建立了加速衰老与PRISm和OLD之间的横断面和纵向关联	基于韩国健康检查参与者，结果可能不适用于其他种族或不同医疗环境的人群	评估基于胸部X光片的加速衰老是否与肺功能障碍（PRISm和OLD）的患病率和发生率相关	2006年至2019年间接受健康检查的韩国成年人	计算机视觉	肺部疾病	胸部X光片深度学习分析	深度学习模型	图像、临床数据	横断面分析231,278名参与者，纵向分析104,158名参与者	NA	NA	OR、HR及95%置信区间	NA
829	2026-06-06	Update on the structure-Function relationship in glaucoma 2026-Jun-03, Survey of ophthalmology IF:5.1Q1 DOI:10.1016/j.survophthal.2026.06.002 PMID:42242557	综述	总结青光眼结构-功能关系的最新知识，重点介绍影像学、分析方法和人工智能驱动建模的进展	强调人工智能方法在预测视野缺损和改进临床解释中的作用，并介绍解剖补偿映射、多模态融合和深度学习等新兴框架	数据质量、近视相关解剖变异和跨设备协调仍是关键限制因素	更新青光眼结构-功能关系的知识，推动动态个性化生物标志物的开发	青光眼患者的视网膜结构和视觉功能之间的关系	机器学习	青光眼	光学相干断层扫描(OCT), OCT血管成像(OCTA), 标准自动视野计(SAP)	深度学习	影像数据	NA	NA	NA	NA	NA
830	2026-06-06	Data driven prediction of bat flight kinematics and trajectory 2026-Jun-02, Bioinspiration & biomimetics IF:3.1Q2 DOI:10.1088/1748-3190/ae66bf PMID:42055078	研究论文	利用数据驱动方法预测蝙蝠飞行的运动学和轨迹，通过本征正交分解和深度学习架构分析不同飞行模式下的维度复杂性	首次量化蝙蝠不同复杂飞行动作的维度复杂性，并提出深度学习架构实现翼运动与飞行轨迹的双向预测	未提及	预测蝙蝠飞行轨迹并实现翼运动与轨迹间的双向映射	大圆叶蝠的三种飞行模式（直线飞行、上升右转、U型转弯）	自然语言处理	NA	本征正交分解	深度学习架构	运动学数据（翼运动与轨迹）	三种飞行模式（直线飞行、上升右转、U型转弯）各包含多次扑翼周期	NA	深度学习架构（具体架构未明确）	NA	NA
831	2026-06-06	Robust deepfake video detection using spatio-temporal features and dynamic difference learning 2026-Jun-02, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-53545-w PMID:42230680	研究论文	提出一种结合时空特征与动态差异学习的深度伪造视频检测框架	引入动态差异模块（DDM）强调面部运动中的突变和非自然变化，增强对时空不一致性的捕获能力	未提及在低质量或高压缩视频上的泛化表现，且可能受限于人脸关键点检测的精度	提升深度伪造视频检测的鲁棒性与泛化能力	深度伪造视频中的时空不一致性特征	计算机视觉, 机器学习	NA	人脸关键点检测	Transformer, CNN, LSTM	视频	三个基准数据集：FaceForensics++ (FF++)、UADFV、DFDC	NA	Transformer编码器, CNN, LSTM	精确率, 召回率, F1分数, 准确率	NA
832	2026-06-06	Robust end-to-end stratification of amyotrophic lateral sclerosis patients via recurrent variational autoencoder and consensus clustering 2026-Jun-02, Journal of biomedical informatics IF:4.0Q2 DOI:10.1016/j.jbi.2026.105059 PMID:42235808	研究论文	提出一种结合循环变分自编码器与共识聚类的深度学习方法，用于根据纵向疾病进展模式对肌萎缩侧索硬化症患者进行分层	将窥孔长短期记忆网络集成到变分深度嵌入架构中，同时学习潜在表示和聚类分配，并通过共识聚类和超参数优化提高鲁棒性	未提及模型可解释性验证及外部数据集泛化测试	开发数据驱动方法识别ALS患者的临床意义亚组，以支持个性化预后和临床试验设计	肌萎缩侧索硬化症（ALS）患者	机器学习	肌萎缩侧索硬化症	纵向时间序列数据建模	循环变分自编码器（RVA），共识聚类	多变量时间序列数据	3076名ALS患者（来自PRO-ACT数据集），含ALSFRS-R总分、领域分项及MiToS分期数据	PyTorch	窥孔长短期记忆网络（Peephole LSTM）	轮廓系数，戴维森-堡丁指数，卡林斯基-哈拉巴斯指数	NA
833	2026-06-06	CardioMorphNet: Cardiac motion prediction using a shape-guided Bayesian recurrent deep network 2026-Jun-02, Medical image analysis IF:10.7Q1 DOI:10.1016/j.media.2026.104149 PMID:42242080	研究论文	提出CardioMorphNet，一种基于形状引导的贝叶斯循环深度网络，用于从心脏电影MRI图像中精确估计心脏运动	使用循环变分自编码器建模时空依赖，通过贝叶斯框架推导损失函数，引导网络聚焦解剖区域，无需强度图像配准损失	仅基于UK Biobank和M&M数据集验证，且未提及对异常心脏节律或低质量图像的适用性	实现准确的心脏运动估计，改善心脏功能评估和异常检测	心脏电影MRI短轴图像中的心脏运动场和不确定性图	计算机视觉	心血管疾病	心脏电影MRI（cine CMR）	变分自编码器、贝叶斯循环神经网络	图像（3D短轴MRI序列）	UK Biobank和M&M数据集，具体数量未提及	NA	循环变分自编码器、贝叶斯循环神经网络	掩膜形状对比（warped mask vs ground-truth）、不确定性值、临床指标准确性	NA
834	2026-06-06	Selective Correlation Based Knowledge Distillation for Ground Reaction Force Estimation 2026-Jun-02, Measurement : journal of the International Measurement Confederation IF:5.2Q1 DOI:10.1016/j.measurement.2026.121510 PMID:42245537	研究论文	提出选择性相关知识蒸馏方法，用于从可穿戴鞋垫传感器数据估计地面反作用力	提出选择性相关知识蒸馏，利用基于时间特性的特征选择来提取相关图，增强可解释性并缓解高维数据处理问题	未提及模型在不同人群或非实验室环境下的泛化能力，也未讨论实时性能的实际部署挑战	实现从可穿戴传感器数据高效、准确地估计地面反作用力，支持便携式步态分析	人类步态中的地面反作用力估计	机器学习	不适用	知识蒸馏	教师-学生网络	传感器数据（来自可穿戴鞋垫）	不同步行速度下收集的多个窗口大小数据	不适用	教师-学生架构	多种评估指标（未具体说明）	不适用
835	2026-06-06	GIN-transformer based pairwise graph contrastive learning framework 2026-Jun, Neural networks : the official journal of the International Neural Network Society IF:6.0Q1 DOI:10.1016/j.neunet.2026.108621 PMID:41576557	研究论文	提出一种基于GIN-Transformer的成对图对比学习框架，用于rs-fMRI数据的神经精神疾病诊断	集成图同构网络和Transformer实现多尺度特征提取，通过无监督对比学习减少对标注数据的依赖	NA	利用无监督图对比学习方法解决神经精神疾病诊断中的数据稀缺问题	静息态功能磁共振成像（rs-fMRI）数据	机器学习	孤独症谱系障碍、重度抑郁症	rs-fMRI	GIN、Transformer	时间序列影像	两个公开数据集（具体数量NA）	PyTorch	GIN-Transformer	准确率、泛化能力	NA
836	2026-06-06	Automatic cell type identification methods for single-cell RNA sequencing based on coordinate convolutional neural network 2026-Jun, Computational biology and chemistry IF:2.6Q2 DOI:10.1016/j.compbiolchem.2026.108923 PMID:41579556	研究论文	提出了一种基于坐标卷积神经网络的单细胞RNA测序自动细胞类型识别方法	通过引入坐标信息作为额外通道增强空间感知，并采用双三次插值上采样层改进CNN对数据平移变化的适应性	未提及具体局限性	提升单细胞RNA测序数据中自动细胞类型识别的准确性	单细胞RNA测序数据中的细胞类型	机器学习	NA	scRNA-seq	CNN	基因表达数据	五个公共scRNA-seq基准数据集	NA	CoordConv	准确率	NA
837	2026-06-04	Integrated CT pipeline for automatic intracranial hemorrhage evaluation with GPT-enhanced clinical decision support 2026-Jun, European radiology IF:4.7Q1 DOI:10.1007/s00330-025-12316-3 PMID:41586845	研究论文	开发了一种自动深度学习流水线，用于颅内出血的CT检测、分割和定位，并结合GPT-4o增强临床决策支持	首次将半监督学习用于ICH检测，结合GPT-4o大型语言模型生成临床决策支持，实现从影像分析到治疗建议的端到端自动化	未明确提及外部验证的局限性，但依赖公开数据集可能限制泛化性，且临床建议需神经外科医生评估	提高颅内出血的CT评估效率与准确性，减少诊断延迟，并辅助临床决策	颅内出血患者CT影像	计算机视觉, 自然语言处理, 数字病理学	颅内出血	CT成像, 半监督学习, GPT-4o大型语言模型	深度学习模型（检测、分割、定位模型）	图像（CT扫描）	检测模型：21,784张标记和3,528张未标记CT扫描；分割模型：1,226张扫描；脑积水与中线偏移模型：507张扫描；外部验证：491例患者（CQ500数据集）	PyTorch	检测模型：YOLOv5, 分割模型：U-Net, 定位模型：标准脑区配准	AUC, Dice系数, 一致性相关系数（CCC）, Cohen's Kappa系数	NA
838	2026-06-06	Few-Shot Pulmonary Vessel Segmentation Based on Tubular-Aware Prompt-Tuning 2026-Jun, IEEE transactions on medical imaging IF:8.9Q1 DOI:10.1109/TMI.2026.3662001 PMID:41650434	研究论文	提出了一种基于管状感知提示调整的少样本肺血管分割方法，利用少量标注数据实现高精度分割	首次构建含精细配对标注的肺血管与气道数据集PV25，并提出管状感知提示调整框架TPNet，通过可调编码解码网络学习管状结构先验，桥接源域与目标域差异	NA	解决肺血管分割中高质量标注数据稀缺问题，实现少样本条件下的高效分割	CT图像中的肺血管和气道结构	计算机视觉	肺病	CT成像	提示调整网络	图像	多个数据集	NA	编码器-解码器结构，包含形态学驱动区域生长模块和互相关引导模块	NA	NA
839	2026-06-06	Deep learning-based computer-aided diagnosis for parotid gland tumors on MRI 2026-Jun, Auris, nasus, larynx DOI:10.1016/j.anl.2026.02.012 PMID:41865703	研究论文	基于深度学习的计算机辅助诊断系统在MRI上提高腮腺肿瘤良恶性鉴别准确率	首次验证深度学习辅助诊断在腮腺肿瘤MRI评估中能提升不同经验水平放射科医生的诊断性能，并揭示其对中高级别和晚期肿瘤的显著价值	未在低级别或pT1期肿瘤中观察到显著改善效果，需进一步验证模型对早期肿瘤的适用性	评估深度学习辅助诊断系统在MRI上区分腮腺肿瘤良恶性的临床增量价值	腮腺肿瘤患者（2000-2022年手术，170例组织学确诊，134例用于读者研究）	计算机视觉, 数字病理学	腮腺肿瘤	MRI	CNN	图像	170例组织学确认的腮腺肿瘤病例（训练），134例用于读者研究	NA	EfficientNet	准确率, AUC, 灵敏度, 特异性	NA
840	2026-06-06	Spectral Representation of Neurochemicals With Phase, Frequency Offset, and Lineshape Invariance: Application to JPRESS for In Vivo Concentration and T2 Mapping by Deep Learning 2026-Jun, Magnetic resonance in medicine IF:3.0Q2 DOI:10.1002/mrm.70291 PMID:41654995	研究论文	提出一个基于深度学习的神经网络模型，利用JPRESS时域数据直接映射到神经递质浓度和平均横向弛豫时间(T2)，并对相位偏移、频率偏移和线型变化具有不变性	通过WaveNet和门控循环单元的联合架构生成TE特异性表示并整合为统一的JPRESS表示，模型对相位、频率和线型变化具有不变性，无需先验知识即可自动定量代谢物浓度和T2值，并能检测低浓度神经递质如GABA	仅使用计算机合成数据训练，未提及在真实临床数据上的验证，可能面临体内数据复杂性和噪声的挑战	利用深度学习从JPRESS数据中无创定量神经化学物质的浓度和T2值	JPRESS时域数据中的神经化学物质信号，包括GABA等低浓度代谢物	机器学习	NA	JPRESS磁共振波谱	混合神经网络，结合WaveNet和门控循环单元	JPRESS时域数据	NA	NA	WaveNet, 门控循环单元	NA	NA