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
861	2026-06-05	Deep learning-based classification of interphalangeal finger joints in erosive hand osteoarthritis 2026-Sep, Osteoarthritis and cartilage open DOI:10.1016/j.ocarto.2026.100821 PMID:42239506	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
862	2026-06-05	Towards scalable deep learning for automated microscopy in harmful algal bloom monitoring: Data-centric workflow and multi-region generalisation 2026-Aug-15, Water research IF:11.4Q1 DOI:10.1016/j.watres.2026.126038 PMID:42090852	研究论文	提出基于数据驱动的深度学习工作流程，用于有害藻华监测中的自动化显微镜分析，并评估多区域泛化能力	构建了涵盖三个澳大利亚区域、105个微藻/蓝藻类群的多区域显微数据集，并基于YOLOv12目标检测模型系统评估了数据集设计选择（如分类粒度、优先类包含、数据增强）对真实世界条件下自动化显微镜性能的影响	跨区域泛化能力差，仅用目标域数据微调时性能提升有限；合并多区域数据训练虽恢复部分性能，但仍低于域内水平，表明域泛化是部署的关键瓶颈	推进可扩展的深度学习自动化显微镜系统，用于有害藻华的快速监测	有害藻华监测中的微藻和蓝藻类群	计算机视觉	不适用	明场显微镜	目标检测模型（YOLOv12）	显微图像	来自三个澳大利亚区域的105个微藻/蓝藻类群	YOLOv12	YOLOv12	mAP@0.5	不适用
863	2026-06-05	Morphology-, noise-, and resolution-robust ultrasound elasticity imaging with Fourier neural operator 2026-Aug-15, Computer methods and programs in biomedicine IF:4.9Q1 DOI:10.1016/j.cmpb.2026.109432 PMID:42134076	研究论文	探究傅里叶神经算子用于准静态应变弹性成像中位移场到弹性场映射的鲁棒性	将傅里叶神经算子首次应用于超声弹性成像，并系统评估其对病灶形态、噪声和分辨率变化的鲁棒性，同时展示少样本微调对未见肿瘤形态的泛化能力	未模拟原始超声信号形成过程及从RF/IQ数据估计位移的步骤，且定量对比受限于缺乏像素级模量真值	评估傅里叶神经算子在不同临床场景下映射位移场至弹性场的准确性和鲁棒性	准静态应变弹性成像中模拟和实验的位移场与弹性场数据	计算机视觉	NA	超声弹性成像	Fourier Neural Operator	模拟位移场和实验超声RF数据	有限元仿真生成的多种病灶形态样本及一个公开实验体模数据集	NA	Fourier Neural Operator, U-Net, DeepONet	预测准确性	NA
864	2026-06-05	Glo-MMF: A modular multi-model framework for automated morphometry of glomerular ultrastructural features 2026-Aug-15, Computer methods and programs in biomedicine IF:4.9Q1 DOI:10.1016/j.cmpb.2026.109431 PMID:42139796	research paper	开发了一个名为Glo-MMF的模块化多模型框架，用于自动定量分析肾小球超微结构特征	通过构建三个专用深度学习模型（超微结构分割模型、肾小球滤过屏障区域分类模型和电子致密沉积物检测模型），并结合后处理流程，实现了对肾小球超微结构多种特征的联合定量分析，克服了传统单一模型的局限性	模型训练仅使用了372张肾活检电镜图像，样本量有限；CPU环境下每例样本分析时间约4.23秒，可能存在效率提升空间	开发一个能同时实现结构测量、状态评估和病变定位的自动化肾小球超微结构定量分析框架，辅助肾病理诊断	肾小球超微结构特征，包括肾小球基底膜厚度、足突融合程度和电子致密沉积物位置	digital pathology	renal disease	electron microscopy	CNN	image	372张肾活检电镜训练图像，115例测试样本（涵盖9种肾病理类型）	PyTorch	分割模型、分类模型、检测模型	与病理报告描述的一致性	CPU环境
865	2026-06-05	TAPSeg: An open-source deep learning tool for instance-level tooth and pulp segmentation in CBCT 2026-08, Journal of dentistry IF:4.8Q1 DOI:10.1016/j.jdent.2026.106643 PMID:41865812	research paper	开发了一个基于深度学习的一键式CBCT自动分割工具TAPSeg，用于在3D Slicer软件中对牙齿和牙髓进行集成分割与重建	将V-Net与nnU-Net集成在3D Slicer中，实现一键式牙齿与牙髓的全自动分割，并验证了在包括未成熟恒牙在内的多数据集上的泛化能力	未提及具体局限性	开发开源的一键式CBCT自动分割工具，降低临床使用门槛	牙齿和牙髓在CBCT影像中的实例级分割	digital pathology	NA	CBCT	V-Net, nnU-Net	image	牙齿分割198例，牙髓分割148例	3D Slicer	V-Net, nnU-Net	Dice similarity coefficient, 95% Hausdorff distance, sensitivity, precision	NA
866	2026-06-05	Identification of non-hydroxamate histone deacetylase 8 inhibitors using deep learning-based screening of two-dimensional molecular images 2026-Aug, Bioorganic & medicinal chemistry IF:3.3Q1 DOI:10.1016/j.bmc.2026.118694 PMID:42107269	研究论文	利用基于二维分子图像的深度学习筛选方法识别非羟肟酸组蛋白去乙酰化酶8抑制剂	首次将ResNet架构集成到基于二维分子图像的DEEPScreen平台中，用于识别非羟肟酸HDAC8抑制剂，并通过实验验证和结构优化发现更有效的化合物	原文未明确提及局限性，但可能包括深度学习模型的泛化能力有限、虚拟筛选库的规模限制以及实验验证的化学空间探索尚不全面	开发基于二维分子图像的深度学习方法，识别新型非羟肟酸HDAC8抑制剂	大阪大学化合物库中的虚拟筛选候选化合物，以及经过实验验证的HDAC8抑制剂	机器学习	癌症	NA	卷积神经网络（CNN）和残差网络（ResNet）	二维分子图像	大阪大学化合物库中的大量虚拟筛选化合物，具体数量未提及	TensorFlow, PyTorch（推断）	ResNet	F1分数	NA
867	2026-06-05	A web-based platform for real-time stewed beef freshness monitoring: Integrating anthocyanin colorimetric film with deep learning 2026-Jul-30, Food chemistry IF:8.5Q1 DOI:10.1016/j.foodchem.2026.149643 PMID:42143922	研究论文	通过整合花青素比色膜与深度学习，开发了一套用于实时监测卤牛肉新鲜度的网络平台	首次将基于桑葚花青素提取物的pH响应比色膜与改进的Ordinal-ResNet-50深度学习模型结合，构建从智能传感到在线智能的完整技术框架，实现卤牛肉新鲜度的实时、无损分级监测	未明确提及，可能是模型对特定存储条件（4°C）的依赖性以及膜对不同肉类品种的泛化能力有限	开发一种基于网络的卤牛肉新鲜度在线监测系统	卤牛肉	计算机视觉、深度学习	不适用	比色膜制备、深度学习	改进的Ordinal-ResNet-50	图像	未明确提及样本数量	PyTorch	ResNet-50	准确率	NA
868	2026-06-05	A two-level neurodynamic approach for heterogeneous networked game under event-triggered quantized mechanism 2026-Jul, Neural networks : the official journal of the International Neural Network Society IF:6.0Q1 DOI:10.1016/j.neunet.2026.108671 PMID:41666488	研究论文	提出一种两层级神经动力学方法，用于解决事件触发量化机制下的异构网络化博弈问题	结合一对一梯度事件触发器和对数量化器降低通信成本，引入基于无源性策略补偿信息缺失，设计分段时变函数确保预设时间收敛	数值示例仅限于自主移动机器人连通性控制问题，未在更复杂或大规模系统中验证	降低网络化博弈中的通信成本并提高收敛速度，同时处理异构动态玩家的纳什均衡跟踪问题	异构动态玩家组成的网络化博弈系统	机器学习	NA	NA	两层级神经动力学	NA	NA	NA	NA	收敛时间	NA
869	2026-06-05	Deep Learning for Pretreatment Imaging-Based Tumor and Nodal Classification in Head and Neck Squamous Cell Carcinoma: A Systematic Review and Network Meta-Analysis 2026-Jul, Head & neck DOI:10.1002/hed.70292 PMID:42051065	系统综述与网络荟萃分析	通过系统综述和网络荟萃分析，评估深度学习在头颈部鳞状细胞癌治疗前影像分期中的诊断性能	首次基于网络荟萃分析比较不同深度学习模型和影像模态在头颈部鳞状细胞癌淋巴结和肿瘤侵犯分类中的表现，并量化与人工判读的差异	研究质量受限于单中心设计与非标准化的数据集，多中心和外部验证研究的曲线下面积显著低于单中心研究	系统评估深度学习模型在头颈部鳞状细胞癌治疗前影像分期中的诊断准确度	2019至2025年发表的利用CT、MRI、PET/CT或SPECT/CT影像进行淋巴结或肿瘤侵犯分类的研究	计算机视觉	头颈部鳞状细胞癌	CT, MRI, PET/CT, SPECT/CT	深度学习	医学影像	23项研究	NA	融合模型	AUC	NA
870	2026-06-05	Time Distributed Classification of Alzheimer's Disease on MRI Scans 2026-Jul, NMR in biomedicine IF:2.7Q1 DOI:10.1002/nbm.70322 PMID:42240570	研究论文	结合体积特征分析和深度学习方法，利用MRI扫描对阿尔茨海默病进行时间分布分类	将基于CAT12工具箱的体积统计分析（如皮质厚度斜率）与混合CNN-LSTM深度学习方法相结合，首次在单一框架中整合空间和时间MRI数据，显著提升MCI患者分类效果	MCI分类错误主要源于年度MRI数据获取受限以及模型仅基于CN和AD队列进行预训练	利用MRI数据的空间和时间特征，实现对认知正常、轻度认知障碍和阿尔茨海默病患者的自动分类，促进早期诊断和疾病进展评估	来自ADNI数据集的MRI扫描数据，包括皮质厚度、白质、灰质、脑脊液和颅内总体积等体积特征	医学影像分析	阿尔茨海默病	结构磁共振成像	混合CNN-LSTM模型	MRI图像	ADNI数据集（具体样本数未在摘要中给出）	NA	3D ResNet-101, LSTM	准确率	NA
871	2026-06-05	Redesign to Mechanism: Interpretable AI Reveals Determinants of Protein Hydrate Binding 2026-Jun-04, The journal of physical chemistry letters IF:4.8Q1 DOI:10.1021/acs.jpclett.6c00954 PMID:42175929	研究论文	建立了一个集成深度学习、分子动力学模拟和可解释机器学习的计算框架，用于合理设计天然抗冻蛋白	首次提出Chill+算法并整合XGBoost和SHAP分析，揭示空间结构特征比统计序列特征更准确预测抑制活性，并阐明Asn和Ser-Ile突变对水合物结合的关键机制	未提及模型在大规模多样本下的泛化性验证以及实验验证的具体蛋白产量数据	通过可解释AI框架实现抗冻蛋白的理性设计，平衡结构稳定性、表达效率和功能活性	天然抗冻蛋白及其设计肽段	机器学习	NA	深度学习和分子动力学模拟	XGBoost和深度学习模型	分子结构数据和序列数据	NA	XGBoost	Chill+算法和XGBoost	抑制活性预测准确率	NA
872	2026-06-05	Imaging foundation model for universal enhancement of non-ideal measurement CT 2026-Jun-04, Nature communications IF:14.7Q1 DOI:10.1038/s41467-026-73943-y PMID:42236476	研究论文	提出了一种成像基础模型TAMP，用于通用增强非理想测量CT图像	首次将多尺度集成Transformer放大器作为基础模型，并基于1080万张物理模拟图像预训练，实现跨多种非理想测量CT设置、缺陷程度和身体区域的通用增强	未提及具体局限性	开发一种通用的非理想测量CT图像增强方法	非理想测量CT图像	计算机视觉，数字病理学	NA	CT成像	Transformer	图像	1080万张物理模拟非理想测量CT图像	NA	多尺度集成Transformer放大器（TAMP）	图像质量、临床可接受性	NA
873	2026-06-05	Artificial intelligence in forensic science: a systematic review. Part I: personal identification 2026-Jun-04, International journal of legal medicine IF:2.2Q1 DOI:10.1007/s00414-026-03855-5 PMID:42236556	系统综述	对2012至2026年间89项关于人工智能在法医学个人识别中应用的研究进行系统综述，涵盖性别推断、人类识别、祖先推断和亲缘关系分析等任务	首个系统性地总结法医个人识别中AI应用证据的综述，包括方法学特征、模型性能及挑战	研究间方法学异质性大、主要依靠特定人群数据集、缺乏充分的独立外部验证	综合评估AI模型在法医个人识别中的可用证据、方法学特征和性能	89项涉及AI法医个人识别的原始研究	机器学习	不适用	计算断层扫描、X射线影像、深度学习模型	深度学习模型、传统机器学习模型	影像数据（主要是CT和X光图像）	89项研究（2012-2026年发表）	NA	NA	准确率（中位91.4%，四分位距88.9-95.0%）	NA
874	2026-06-05	Physics-informed deep learning enables reliable and scalable organoid quantification for drug screening via OCT 2026-Jun-04, NPJ digital medicine IF:12.4Q1 DOI:10.1038/s41746-026-02847-4 PMID:42236584	研究论文	提出物理信息引导的深度学习框架DICE-2DSeg，实现基于OCT的类器官高通量药物筛选量化	创新性地将OCT物理原理（层内相干增强）与图结构层间上下文聚合结合，解决高精度与高通量矛盾，实现多尺度一致分割	依赖93个体积数据验证，未说明更大规模外推性；物理先验可能对非OCT数据泛化有限	开发可靠且可扩展的类器官量化方法，用于基于OCT的高通量药物筛选	患者来源类器官（PDOs）的光学相干断层扫描（OCT）图像	计算机视觉, 数字病理学	癌症	OCT	CNN, GNN	图像	93个OCT体积数据，涵盖多种癌症类型和药物处理	PyTorch	nnUNet3D, DICE-2DSeg	准确率, 速度（加速比）, 多尺度一致性	NA
875	2026-06-05	CT-based deep learning radiogenomics for predicting key glioma genotypes (IDH, ATRX, EGFR, TP53) 2026-Jun-04, Neuroradiology IF:2.4Q2 DOI:10.1007/s00234-026-04043-3 PMID:42236611	研究论文	评估基于CT的影像基因组学与机器学习结合预测胶质瘤关键基因型（IDH、ATRX、EGFR、TP53）的性能	首次系统评估非对比CT影像组学与深度学习模型预测多种胶质瘤临床相关基因突变（IDH、ATRX、EGFR、TP53）的有效性，并比较传统机器学习与深度学习方法的表现	EGFR亚组样本量小（n=17），结果可能不具备推广性；缺乏外部验证；回顾性研究设计存在偏差风险	验证CT影像组学结合机器学习能否准确预测胶质瘤的临床相关分子标志物	197例经组织学确诊胶质瘤患者的非对比CT扫描数据及对应的分子标志物突变状态	机器学习, 数字病理	胶质瘤	CT影像组学, 非对比CT扫描	传统机器学习（六种经典分类器）和深度学习（自定义全连接神经网络FCNN和TabNet）	影像数据（非对比CT扫描）	197例成人患者（ATRX：81例突变，EGFR：17例突变，TP53：71例突变，IDH：183例突变）	NA	TabNet, 自定义全连接神经网络（FCNN）	ROC-AUC	NA
876	2026-06-05	Shortening MRI scanning time for acute ischemic stroke: analysis of the effect of 3.0T MRI compressed sensing deep learning reconstruction 2026-Jun-04, Emergency radiology IF:1.7Q3 DOI:10.1007/s10140-026-02496-w PMID:42236638	研究论文	评估压缩感知深度学习重建技术能否在保持诊断图像质量的同时缩短急性缺血性中风患者的3.0T MRI扫描时间	首次评估压缩感知深度学习重建在三种加速倍数（R3、R4、R5）下对急性缺血性中风MRI扫描时间和图像质量的影响	单中心回顾性设计，样本量较小（69例），未评估不同病变大小和位置的图像质量差异	评估压缩感知深度学习重建能否减少急性缺血性中风MRI扫描时间并维持诊断图像质量	急性缺血性中风患者	数字病理学	脑血管疾病	MRI	深度学习重建网络	图像	69例急性缺血性中风患者	NA	压缩感知深度学习重建	信噪比、对比噪声比、总体质量评分、噪声评分、清晰度评分	NA
877	2026-06-05	An explainable AI framework for enhanced software defect prediction using transformer-assisted boosting 2026-Jun-04, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-44202-3 PMID:42236753	research paper	提出一种结合Transformer自注意力机制与XGBoost的可解释AI框架，用于提升软件缺陷预测的准确性和可解释性	首次将Transformer自注意力机制与XGBoost集成，实现高预测性能与可解释性的统一，并利用SHAP解释关键特征重要性	未讨论框架在不同规模数据集上的泛化能力及计算资源消耗细节	开发一种兼具高准确度和可解释性的软件缺陷预测模型，帮助质量保证从业者优化缺陷管理和资源分配	NASA Metrics Data Program和Code4Code数据集中的软件缺陷数据	machine learning	NA	NA	Transformer、XGBoost	数值型软件度量数据（圈复杂度、Halstead属性、代码行数）	NASA MDP和Code4Code两个数据集，具体样本量未提及	XGBoost	Transformer	AUC, ROC, accuracy	NA
878	2026-06-05	A comparative analysis of deep learning models for disease classification in multi-organ histopathological images 2026-Jun-04, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-56045-z PMID:42236837	研究论文	比较了深度学习模型在多器官组织病理学图像疾病分类中的表现	首次系统比较了卷积神经网络和视觉Transformer在多器官疾病分类中的性能，并验证了从单器官扩展到多器官分类时性能不下降	NA	评估并比较CNN和ViT模型在多器官组织病理学图像疾病分类中的性能	人体主要器官（心脏、肺、肝脏、胰腺）的组织病理学全切片图像	数字病理学	NA	组织病理学全切片图像	卷积神经网络、视觉Transformer	图像	NA	NA	Swin-T, DenseNet-161	分类准确率	NA
879	2026-06-05	Deep learning enables automated detection of dinosaur footprints with high accuracy 2026-Jun-04, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-56031-5 PMID:42236855	研究论文	提出一种基于YOLOv8深度学习的自动化恐龙足迹检测系统，实现高精度识别与跨区域泛化	首次将YOLOv8目标检测网络应用于恐龙足迹自动检测，开发了多尺度检测方法以解决分辨率依赖问题，并在韩国和巴西不同足迹点验证了跨区域泛化能力	检测精度受光照条件、保存质量和轮廓标记存在性的影响	开发高效自动化恐龙足迹检测系统以替代耗时的人工调查	韩国多个足迹点的兽脚类、鸟脚类和蜥脚类恐龙足迹	计算机视觉	不适用	目标检测	CNN	图像	49,242张来自AI-Hub数据集的图像	PyTorch	YOLOv8	平均精度均值mAP50, mAP50-95	不适用
880	2026-06-05	Differentiating advanced from non-advanced hepatic fibrosis: a hybrid deep learning-radiomics model leveraging synthetic contrast-enhanced CT from CycleGAN 2026-Jun-04, Abdominal radiology (New York) DOI:10.1007/s00261-026-05563-5 PMID:42240649	研究论文	开发并验证一种混合深度学习-影像组学模型，利用CycleGAN合成的增强CT图像区分晚期和非晚期肝纤维化	首次结合CycleGAN合成增强CT图像与混合深度学习-影像组学模型，用于肝纤维化分期的非侵入性诊断，且融合真实平扫与合成增强CT图像进一步提升性能	NA	开发并验证一种基于CycleGAN合成增强CT图像的混合深度学习-影像组学模型，以区分晚期与非晚期肝纤维化	410例经活检确诊的肝纤维化患者	计算机视觉, 机器学习	肝纤维化	CT成像, CycleGAN	CycleGAN, 深度学习模型, 放射组学模型, 机器学习分类器	图像	410例患者的非增强和增强CT图像	NA	CycleGAN, 端到端深度学习模型	AUC, 准确率, 校准曲线, 决策曲线分析, DeLong检验	NA