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
9041	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
9042	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
9043	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
9044	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
9045	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
9046	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
9047	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
9048	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
9049	2026-06-06	Transformer-based multimodal fusion model predicts lymph node metastasis in hepatic alveolar echinococcosis patients: A multicenter study 2026-Mar, International journal of infectious diseases : IJID : official publication of the International Society for Infectious Diseases IF:4.8Q1 DOI:10.1016/j.ijid.2026.108409 PMID:41565060	研究论文	开发一种基于CT的多模态Transformer模型，用于精确预测肝泡状棘球蚴病患者的淋巴结转移	创新性地构建了基于Transformer的多模态融合模型，整合了影像组学、3D和2D深度学习特征，为预测HAE患者淋巴结转移提供了新工具	NA	开发并验证基于CT的多模态Transformer模型，以精确预测HAE患者的淋巴结转移	肝泡状棘球蚴病患者的肝门淋巴结	计算机视觉、深度学习	肝泡状棘球蚴病	对比增强CT影像	Transformer	CT影像	318名来自三个中心的HAE患者	NA	Transformer	AUC, 决策曲线分析	NA
9050	2026-06-06	Deep Learning-Based Prediction of Cardiopulmonary Disease in Retinal Images of Premature Infants 2026-Mar-01, JAMA ophthalmology IF:7.8Q1 DOI:10.1001/jamaophthalmol.2025.5814 PMID:41569552	研究论文	利用深度学习模型从早产儿视网膜图像中预测心肺疾病，包括支气管肺发育不良和肺动脉高压	首次证明早产儿视网膜筛查图像可用于预测支气管肺发育不良和肺动脉高压，并提出融合图像特征与人口学风险因素的多模态模型优于单一模型	研究为回顾性设计，样本量有限，且排除ROP临床体征的模型仅在部分子集中验证，可能存在选择偏倚	探究早产儿视网膜图像是否包含与支气管肺发育不良和肺动脉高压相关的特征，以及多模态模型是否优于仅基于人口学风险的模型	早产儿视网膜图像及对应的人口学风险因素	计算机视觉	心血管疾病	NA	CNN	图像	493名早产儿（支气管肺发育不良队列99名，肺动脉高压队列37名用于测试）	Scikit-learn	ResNet18	AUROC	NA
9051	2026-06-06	UNISELF: A unified network with instance normalization and self-ensembled lesion fusion for multiple sclerosis lesion segmentation 2026-Mar, Medical image analysis IF:10.7Q1 DOI:10.1016/j.media.2026.103954 PMID:41570473	研究论文	提出一种名为UNISELF的统一网络，用于多发性硬化症病变分割，兼顾域内准确性与跨域泛化能力	采用测试时自集成病变融合提升分割精度，并利用测试时实例归一化处理域偏移和缺失输入对比度	训练数据单一且有限，可能限制模型在更广泛场景的适应能力	实现单训练域内高精度分割，同时具备跨多个域外测试数据集的强泛化能力	多发性硬化症病变	计算机视觉	多发性硬化症	磁共振成像	UNet变体	图像	ISBI 2015纵向MS分割挑战训练数据集及MICCAI 2016、UMCL等测试集	PyTorch	UNet, 测试时实例归一化, 自集成病变融合	Dice系数, 分割准确率	NA
9052	2026-06-06	Energy-driven innovations in computational de novo protein engineering 2026-Mar, Progress in biophysics and molecular biology DOI:10.1016/j.pbiomolbio.2026.01.005 PMID:41570866	综述	综述了能量驱动计算从头蛋白质工程的前沿进展	首次系统性地整合经典力场、量子力学方法与人工智能驱动的预测，提出基于精度-成本-吞吐量权衡的方法选择决策框架	NA（摘要未明确提及局限性）	概述能量模型在计算从头蛋白质工程中的关键作用，并为治疗和工业蛋白质设计提供路线图	从头设计的蛋白质及其工程方法	机器学习	NA	分子动力学模拟、热力学积分、蒙特卡洛采样、机器学习、深度学习	机器学习模型、深度学习模型	蛋白质结构及能量图谱数据	NA	CHARMM, Amber, Rosetta	NA（未明确指定具体架构）	精度、成本、吞吐量	NA
9053	2026-06-06	Towards robust deep learning-based autosegmentation in MRI-planned gynecological brachytherapy: Importance of scalable development and comprehensive evaluation 2026 Mar-Apr, Brachytherapy IF:1.7Q3 DOI:10.1016/j.brachy.2025.12.007 PMID:41571559	研究论文	提出在MRI引导的宫颈癌近距离放疗中，开发通用深度学习自动分割模型的方法论和综合评价流程	强调可扩展开发与综合评价的重要性，结合几何、剂量学指标和医师定性审查进行多维度模型评估	定性评价与定量结果存在差异，小肠道分割变异性较大	开发可泛化的深度学习自轮廓模型用于标准盆腔危及器官自动分割	MRI引导宫颈癌近距离放疗中的盆腔危及器官	医学影像分析	宫颈癌	MRI	卷积神经网络	3D MRI图像	200例3D-MRI数据	PyTorch	nnU-Net	Dice系数, Hausdorff距离95百分位数, 剂量体积直方图, 剂量差异	NA
9054	2026-06-06	Deep learning assessment of fetal brain maturation on 3D ultrasound volumes in early-onset fetal growth restriction 2026-Mar, Ultrasound in obstetrics & gynecology : the official journal of the International Society of Ultrasound in Obstetrics and Gynecology IF:6.1Q1 DOI:10.1002/uog.70168 PMID:41575808	研究论文	利用深度学习模型从三维超声图像中评估早发性胎儿生长受限的胎儿大脑成熟度	首次使用深度学习模型基于三维超声影像定量评估早发性FGR胎儿的大脑成熟度，并探索其与新生儿并发症的关联	样本量较小（仅43例），且为单中心研究，可能限制结果的普适性	量化早发性FGR胎儿的大脑成熟延迟，并评估其作为宫内应激累积标志物与新生儿并发症风险的关联	早发性胎儿生长受限的胎儿（孕周18+0至28+6周）	机器学习	胎儿生长受限	3D超声	深度学习	三维超声影像	43例早发性FGR胎儿（其中13例伴有脑血流再分配）	NA	NA	估计孕周与实际孕周的平均差（ΔGA）	NA
9055	2026-06-06	Multimodal-based crystal graph convolution neural networks for predicting soil toxicity to earthworms 2026-Mar-01, Environmental research IF:7.7Q1 DOI:10.1016/j.envres.2026.123770 PMID:41577106	研究论文	提出一种基于多模态晶体图卷积神经网络的方法，用于预测土壤化学物质对蚯蚓的毒性	首次将分子级特征（通过晶体图卷积网络提取原子和键信息）与暴露条件、土壤及生物属性等多尺度特征融合，构建多模态深度学习模型提升毒性预测性能	文献来源的数据集规模有限，可能影响模型泛化性	开发集成异构数据的多模态深度学习框架，实现土壤化学毒性的可解释性预测	14种化学物质对蚯蚓（标准土壤测试物种）的半致死浓度（LC50）	机器学习	NA	NA	图卷积神经网络（GCNN）	分子结构数据、土壤暴露条件、生物属性数据	14种化学物质对应的蚯蚓毒性数据	NA	晶体图卷积神经网络	决定系数（R²）	NA
9056	2026-06-06	Artificial intelligence in diagnosis of pediatric neurodevelopmental disorders: a scoping review 2026-Mar, World journal of pediatrics : WJP IF:6.1Q1 DOI:10.1007/s12519-025-00999-z PMID:41593252	综述	综述人工智能技术在儿童神经发育障碍诊断中的应用现状	系统总结了深度学习、监督机器学习、决策支持系统和生物信号分析等多种AI技术在儿童神经发育障碍诊断中的应用效果	研究设计、人群和算法标准化存在差异，面临数据隐私、可解释性、公平性及算法偏见等伦理问题	评估AI技术提升儿童神经发育障碍诊断准确性的现有证据	儿童神经发育障碍（包括自闭症谱系障碍和注意缺陷多动障碍）	机器学习	神经发育障碍	精神影像学、生物信号分析	深度学习、监督机器学习、决策支持系统	神经影像数据、生物信号数据	包含22项研究	NA	NA	诊断准确率	NA
9057	2026-06-06	U2AD: Uncertainty-based unsupervised anomaly detection framework for detecting T2 hyperintensity in MRI spinal cord 2026-Mar, Medical image analysis IF:10.7Q1 DOI:10.1016/j.media.2026.103939 PMID:41558246	研究论文	提出一种基于不确定性的无监督异常检测框架U2AD，用于检测脊髓MRI中的T2高信号	引入不确定性引导的掩码策略，结合Vision Transformer架构的“掩码-重建”范式，通过蒙特卡洛推理估计重建不确定性，解决正常重建与异常检测之间的任务冲突	未在多种不同临床数据集上进行泛化验证，可能面临域偏移挑战	开发一种无需异常数据标注的无监督异常检测方法，用于检测脊髓T2高信号病变	脊髓T2高信号区域，特别关注退变性颈椎病相关的MRI图像	计算机视觉	退变性颈椎病	MRI	Vision Transformer	影像（MRI）	未在摘要中明确说明	PyTorch	Vision Transformer	患者级识别和区域级定位性能指标	NA
9058	2026-06-06	From treadmill to outdoor overground walking: Enhancing ground contact timing detection for older adults using transfer learning 2026-Mar, Experimental gerontology IF:3.3Q2 DOI:10.1016/j.exger.2026.113056 PMID:41654277	研究论文	利用迁移学习增强老年人户外地面接触时间检测	首次将迁移学习应用于从跑步机到户外地面行走的老年人步态识别，验证了深度学习模型在不同行走条件下的泛化能力	下坡行走场景下模型性能较差，表明需要更先进的建模策略；样本量有限且未涉及其他年龄段或病理步态	提高老年人户外行走时地面接触时间检测的准确性，推动真实环境下的移动监测	20名年轻人和26名老年人的步态数据	机器学习	老年疾病	惯性测量单元	CNN, 双向LSTM, 全连接神经网络	时间序列数据	20名年轻人（跑步机）和26名老年人（跑步机及户外平地、上坡、下坡）的数据	NA	CNN, 双向LSTM, 全连接神经网络	F1分数, 平均绝对误差	NA
9059	2026-06-06	Artificial Intelligence and Machine Learning for Osteoarthritis and Cartilage Assessment 2026-Mar, Radiologic clinics of North America IF:2.1Q2 DOI:10.1016/j.rcl.2025.09.001 PMID:41656050	综述	评估人工智能和机器学习在骨关节炎和软骨评估中的应用	全面综述AI在骨关节炎影像分析中的多种应用，包括X光片和磁共振成像的先进技术	未提及具体性能比较或数据偏倚问题	评估AI在骨关节炎影像评估中的应用现状	X光片和磁共振成像中的骨关节炎及相关软骨评估	医学影像分析	骨关节炎	NA	深度学习	影像数据	NA	NA	NA	NA	NA
9060	2026-06-06	Association between cognitive status and structural brain changes in Alzheimer's disease: Clinical implication of lightweight deep learning-aided diagnosis 2026-Mar, European journal of radiology IF:3.2Q1 DOI:10.1016/j.ejrad.2026.112678 PMID:41558396	研究论文	构建轻量级深度学习模型，揭示阿尔茨海默病中认知状态与脑结构变化之间的关联	采用分组卷积、全局池化和高效通道注意力实现轻量级设计，模型参数减少高达十倍，同时保持高准确率，并利用遮挡图提供可解释性	未明确提及局限性，但可能包括基于有限样本量和单一数据库的潜在泛化问题	探索轻量级深度学习模型在阿尔茨海默病诊断中的临床实用性，并揭示认知状态与脑结构变化的关系	阿尔茨海默病患者的T1加权磁共振图像和认知状态	计算机视觉	阿尔茨海默病	T1加权磁共振成像	CNN	图像	418名阿尔茨海默病患者和418名年龄匹配的认知正常对照者	NA	轻量级CNN（含分组卷积、全局池化和高效通道注意力）	准确率、遮挡图、层次回归R²变化	NA