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
921	2026-04-23	External Validation of Deep Learning Models for Classifying Etiology of Retinal Hemorrhage Using Diverse Fundus Photography Datasets 2024-Dec-29, Bioengineering (Basel, Switzerland) DOI:10.3390/bioengineering12010020 PMID:39851294	研究论文	本研究通过外部验证，评估了FastVit_SA12和ResNet18深度学习模型在利用多样眼底摄影数据集区分视网膜出血的创伤性与医学性病因方面的性能	首次对FastVit_SA12和ResNet18模型在视网膜出血病因分类任务上进行大规模外部验证，并利用Grad-CAM分析揭示了不同模型在特征关注区域上的差异	研究未提及模型在更广泛或更具挑战性的临床场景（如不同种族、设备或疾病阶段）中的泛化能力，也未讨论模型的可解释性在临床决策中的具体应用限制	旨在通过外部验证评估深度学习模型在视网膜出血病因分类中的准确性和可靠性，以推动AI在眼科临床诊断中的应用	视网膜出血（RH）的眼底摄影图像，用于区分创伤性与医学性病因	计算机视觉	视网膜出血	眼底摄影	深度学习模型	图像	2661张图像，包括来自韩国和弗吉尼亚的私人收藏以及公开数据集（RFMiD、BRSET、DeepEyeNet）	NA	FastVit_SA12, ResNet18	准确率, 精确率, 召回率	NA
922	2026-04-23	Evaluation of fragility fracture risk using deep learning based on ultrasound radio frequency signal 2024-11, Endocrine IF:3.0Q2 DOI:10.1007/s12020-024-03931-z PMID:38982023	研究论文	本研究评估了基于超声射频信号的多通道残差网络在绝经后女性中区分脆性骨折风险的表现	首次将多通道残差网络应用于超声射频信号分析，用于脆性骨折风险预测，并显示出优于传统定量超声参数和骨密度测量的性能	这是一项试点横断面研究，样本量有限（246人），且人群多样性不足，未来需要在更大、更多样化的人群中进行验证	评估基于超声射频信号的深度学习模型在绝经后女性中区分脆性骨折风险的有效性	246名绝经后女性，包括170名非骨折组、50名椎体骨折组和26名非椎体骨折组	数字病理	骨质疏松性骨折	定量超声（QUS）、超声射频信号采集、双能X射线吸收测定法（DXA）	CNN	超声射频信号	246名绝经后女性	NA	多通道残差网络（MResNet）	比值比（OR）、受试者工作特征曲线下面积（AUC）	NA
923	2026-04-23	High-Throughput Deep Learning Detection of Mitral Regurgitation 2024-Sep-17, Circulation IF:35.5Q1 DOI:10.1161/CIRCULATIONAHA.124.069047 PMID:39129623	研究论文	本研究开发并验证了一个全自动深度学习流程，用于从经胸超声心动图视频中识别心尖四腔视图并检测临床显著的二尖瓣反流	提出了一个全自动深度学习管道，能够从大量超声心动图视频中高效识别特定视图并检测二尖瓣反流严重程度，实现了跨机构验证	研究仅使用了来自两个医疗中心的数据，可能未涵盖所有临床场景或设备差异	开发自动化工具以辅助二尖瓣反流的诊断和筛查	经胸超声心动图视频，特别是心尖四腔视图彩色多普勒视频	数字病理学	心血管疾病	彩色多普勒超声心动图	深度学习模型	视频	内部测试集：1800项研究（80833个视频）；外部测试集：915项研究（46890个视频）；总开发数据：58614项经胸超声心动图（2587538个视频）	NA	NA	AUC, 灵敏度, 特异性	NA
924	2026-04-23	A Pan-Cancer Patient-Derived Xenograft Histology Image Repository with Genomic and Pathologic Annotations Enables Deep Learning Analysis 2024-07-02, Cancer research IF:12.5Q1 DOI:10.1158/0008-5472.CAN-23-1349 PMID:39082680	研究论文	本研究开发了一个包含超过1000个患者来源异种移植（PDX）及其配对亲本肿瘤H&E染色图像的全癌种图像库，并集成了基因组、转录组、临床元数据及病理注释，以支持深度学习分析	创建了首个大规模、全癌种的PDX H&E图像库，整合了多维数据（基因组、病理注释等），并展示了其在深度学习任务（如区域分类、疾病预测）中的应用潜力	PDX模型使用免疫缺陷小鼠，可能无法完全模拟人类肿瘤微环境；部分病例的详细病理注释有限	构建一个用于深度学习分析的PDX组织学图像资源库，以促进癌症生物学研究和计算病理学方法开发	患者来源异种移植（PDX）模型及其配对的人类亲本肿瘤样本	数字病理学	全癌种	H&E染色组织学成像	深度学习分类器、预测器	组织学图像	超过1000个PDX及其配对亲本肿瘤样本	NA	NA	NA	NA
925	2026-04-23	Precise and Rapid Whole-Head Segmentation from Magnetic Resonance Images of Older Adults using Deep Learning 2024-Mar, Imaging neuroscience (Cambridge, Mass.) DOI:10.1162/imag_a_00090 PMID:38465203	研究论文	本研究提出了一种名为GRACE的深度学习模型，用于从老年人磁共振图像中快速精确地进行全头组织分割	开发了首个专门针对老年人头部MRI的大规模手动校正数据集，并提出了GRACE模型，在分割速度和精度上均优于现有工具	模型主要针对老年人群体，在年轻人群中的适用性可能需要进一步验证	开发适用于老年人的高精度快速全头MRI分割方法，为年龄相关脑部疾病的计算机辅助解决方案提供基础	老年人T1加权磁共振图像	数字病理	老年疾病	磁共振成像	深度学习	医学图像	177个手动校正的MRI参考分割数据	NA	3D U-Net	Hausdorff距离	NA
926	2026-04-23	A deep learning algorithm to detect cutaneous squamous cell carcinoma on frozen sections in Mohs micrographic surgery: A retrospective assessment 2024-Jan, Experimental dermatology IF:3.5Q1 DOI:10.1111/exd.14949 PMID:37864429	研究论文	本研究开发并评估了一种基于深度学习的算法，用于在Mohs显微外科手术中实时检测皮肤鳞状细胞癌的冰冻切片边缘	首次将卷积神经网络应用于皮肤鳞状细胞癌的术中冰冻切片边缘分析，实现了高精度的肿瘤识别，为AI集成到手术流程提供了概念验证	算法对高分化肿瘤的独特表皮结构敏感性不足，且未考虑周围组织背景以映射肿瘤至原始解剖位置	开发并评估AI算法在皮肤鳞状细胞癌术中实时组织学边缘分析的准确性	皮肤鳞状细胞癌的冰冻切片玻片	数字病理学	皮肤鳞状细胞癌	冰冻切片扫描与标注	CNN	图像	回顾性队列研究中的冰冻cSCC切片玻片（具体数量未说明）	NA	NA	准确性	NA
927	2026-04-23	Spatiotemporal denoising of low-dose cardiac CT image sequences using RecycleGAN 2023-09-12, Biomedical physics & engineering express IF:1.3Q3 DOI:10.1088/2057-1976/acf223 PMID:37604139	研究论文	本研究开发了一种基于RecycleGAN的时空深度学习方法来增强低剂量心脏CT图像序列的质量	利用RecycleGAN结合循环网络处理时间序列图像，相比CycleGAN能更好地利用时空信息进行降噪	研究主要基于模拟数据和有限的患者样本，临床验证规模相对较小	开发一种深度学习方法来降低心脏CT图像序列的噪声，以减少辐射剂量	心电图门控多相计算机断层扫描血管造影（MP-CTA）图像序列	计算机视觉	心血管疾病	计算机断层扫描（CT）	GAN	图像序列	模拟数据：18名患者（14训练，2验证，2测试）；临床数据：50名患者	NA	RecycleGAN, CycleGAN	视觉检查，定量指标	NA
928	2026-04-23	The state of the art for artificial intelligence in lung digital pathology 2022-07, The Journal of pathology IF:5.6Q1 DOI:10.1002/path.5966 PMID:35579955	综述	本文综述了人工智能在肺部数字病理学中的最新进展与应用	系统性地回顾了AI在肺部数字病理学中的多种应用，包括癌症、结核病、特发性肺纤维化和COVID-19，并探讨了新兴方向如多模态数据分析和3D病理学	未提及具体研究的数据限制或方法学局限性，主要作为领域综述存在	探讨人工智能工具在肺部数字病理学中的发展现状、应用及未来挑战	肺部疾病，包括肺癌、结核病、特发性肺纤维化、COVID-19等	数字病理学	肺癌	数字病理学成像	深度学习，无监督特征方法	病理图像	NA	NA	NA	NA	NA
929	2026-04-23	Researchers turn to deep learning to decode protein structures 2022-03-08, Proceedings of the National Academy of Sciences of the United States of America IF:9.4Q1 DOI:10.1073/pnas.2202107119 PMID:35235461	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
930	2026-04-23	Stability and folding pathways of tetra-nucleosome from six-dimensional free energy surface 2021-02-17, Nature communications IF:14.7Q1 DOI:10.1038/s41467-021-21377-z PMID:33597548	研究论文	本文通过近原子模型和深度学习技术，研究了四核小体的稳定性和折叠途径	使用近原子模型结合深度学习，首次构建了六维自由能表面，揭示了染色质折叠的多条途径和中间态	模型基于特定四核小体，可能无法完全反映体内更复杂染色质结构的动态	探究染色质三维组织的稳定性和折叠机制，以理解基因调控	四核小体	计算生物学	NA	近原子模型、深度学习、高级采样模拟	深度学习模型	模拟数据	NA	NA	NA	NA	NA
931	2026-04-23	Exploring semantic deep learning for building reliable and reusable one health knowledge from PubMed systematic reviews and veterinary clinical notes 2019-11-12, Journal of biomedical semantics IF:1.6Q3 DOI:10.1186/s13326-019-0212-6 PMID:31711540	研究论文	本研究探索了一种结合语义网技术和深度学习的语义深度学习方法，用于从PubMed系统综述和兽医临床笔记中提取可靠且可重用的“同一健康”知识	提出了一种将语义网技术与深度学习相结合的新方法，用于从非结构化自由文本中获取和验证临床知识，并开发了针对缩写和首字母缩略词的自定义映射方法	该方法依赖于外部知识库（如UMLS和BMJ Best Practice）进行映射和验证，可能受限于这些资源的覆盖范围和更新频率	探索如何将关于人类和动物健康的自由文本信息转化为可计算的知识，以支持“同一健康”知识的构建	从PubMed系统综述文章（PMSB数据集，30万篇）和兽医临床笔记（VetCN数据集，250万条）中提取的11种已知医学状况相关的临床概念	自然语言处理	NA	语义深度学习，语义网技术，MetaMap映射	深度学习	文本	PMSB数据集包含约30万篇系统综述文章，VetCN数据集包含约250万条兽医临床笔记	NA	NA	F值，精确率，召回率	NA
932	2026-04-22	Local-Contextual Feature Fusion Network Based on Nonlinear Spiking Neural Model for Semantic Segmentation of Remote Sensing Images 2026-Aug, International journal of neural systems IF:6.6Q1 DOI:10.1142/S0129065726500292 PMID:41873601	研究论文	提出了一种基于非线性脉冲神经元模型的局部上下文特征融合网络，用于遥感图像的语义分割	设计了一种使用新型非线性脉冲神经元模型的通道注意力-特征融合模块，以有效利用局部上下文特征，辅助解码器进行更好的特征恢复	NA	解决高分辨率遥感图像在复杂场景中物体纹理丰富、边缘复杂且分布不规则带来的语义分割挑战	遥感图像	计算机视觉	NA	NA	CNN, Transformer	图像	NA	NA	ResNet-18, 局部上下文Transformer块	mIoU	NA
933	2026-04-22	Deep learning-based early screening for porcine embryos with different developmental potential 2026-Jul-15, Theriogenology IF:2.4Q1 DOI:10.1016/j.theriogenology.2026.117900 PMID:41865699	研究论文	本研究通过建立胚胎滴状培养系统，开发并比较了多种深度学习模型，用于早期筛选具有高发育潜能的猪胚胎	提出了一种新型胚胎滴状培养系统，并首次将MaxViT_T模型应用于猪胚胎发育潜能的早期预测，在4细胞阶段达到最佳预测性能	研究仅使用孤雌激活胚胎数据，未涉及受精胚胎；模型在更早期胚胎阶段的预测性能可能有限	提高猪人工繁殖技术效率，通过早期胚胎筛选优化胚胎选择过程	猪孤雌激活胚胎，涵盖从1细胞到囊胚阶段的发育过程	计算机视觉	NA	胚胎滴状培养系统，亮场显微成像	深度学习	图像	10,041张猪孤雌激活胚胎的亮场图像	NA	MaxViT_T	预测性能	NA
934	2026-04-22	An artificial intelligence model for accurate drug-target affinity prediction in medicinal chemistry 2026-Jul-05, European journal of medicinal chemistry IF:6.0Q1 DOI:10.1016/j.ejmech.2026.118840 PMID:41950652	研究论文	本文提出了一种结合进化蛋白质表征与多模态配体分析的人工智能模型，用于高精度预测药物-靶点亲和力	提出了一种新颖框架，通过PCA从ESM-2特征向量中提取进化信息，结合CNN提取的局部基序捕获多尺度特征；在配体侧整合分子图与多种化学描述符；引入分阶段交互机制结合交叉注意力和自注意力解析细粒度结合模式	未明确说明模型在更广泛数据集或真实药物发现场景中的泛化能力限制	开发高保真度的药物-靶点亲和力预测模型，以加速药物发现中的先导化合物优化	药物-靶点相互作用对	机器学习	NA	深度学习	CNN, 注意力机制	蛋白质序列特征向量, 分子图, 化学描述符	基准数据集（Davis和KIBA）	NA	结合PCA、CNN和注意力机制的混合架构	在Novel-pair和Novel-drug设置下的预测性能	NA
935	2026-04-22	Biochemical biomarker-Driven deep learning framework with SHAP-based feature interpretation for diabetes classification 2026-Jul, Biophysical chemistry IF:3.3Q2 DOI:10.1016/j.bpc.2026.107601 PMID:41935405	研究论文	本研究提出了一种结合深度神经网络、特征排序和统计算法的预测模型，用于糖尿病的早期识别，并通过SHAP增强模型可解释性	整合深度神经网络与特征排序及统计算法，并应用SHAP进行特征解释，以提高糖尿病早期诊断的准确性和可解释性	未明确提及样本来源的多样性或模型在外部验证集上的泛化能力	开发一种早期糖尿病诊断方法，以减少严重并发症的风险	糖尿病患者及处于糖尿病前期状态的个体	机器学习	糖尿病	NA	深度神经网络	生化生物标志物数据	NA	NA	NA	准确率	NA
936	2026-04-22	Deep learning model for predicting mRNA half-life based on 3'UTR sequences 2026-Jun-04, Biochemical and biophysical research communications IF:2.5Q3 DOI:10.1016/j.bbrc.2026.153691 PMID:41932116	研究论文	本研究提出了一种基于预训练RNA语言模型和Transformer架构的深度学习框架，用于仅根据3'UTR序列预测酿酒酵母mRNA的半衰期	结合预训练的RNA语言模型（RNA-FM）与Transformer主干网络，构建了一个序列驱动的预测框架，在保证预测精度的同时增强了生物学可解释性，并通过位置掩码和计算机模拟诱变识别了具有全局去稳定化或稳定化作用的短基序	模型目前仅针对酿酒酵母（Saccharomyces cerevisiae）的转录本进行验证，尚未扩展到其他物种；预测性能（R=0.545）仍有提升空间；个体效应大小适中	从3'UTR序列预测mRNA半衰期，以研究基因表达稳态和转录后调控	酿酒酵母（Saccharomyces cerevisiae）转录本的3'非翻译区（3'UTR）序列	自然语言处理, 机器学习	NA	RNA序列分析, 计算机模拟诱变	Transformer, 预训练语言模型	序列（RNA 3'UTR序列）	未明确说明具体样本数量，但使用了独立留出测试集和5折交叉验证的训练/验证池	未明确说明，但提及了预训练RNA语言模型（RNA-FM）	Transformer, RNA-FM	RMSE, MAE, R（皮尔逊相关系数）, FDR	NA
937	2026-04-22	MorphMaskFormer: a transformer-based deep segmentation model for multi-class Demirjian stage estimation from panoramic radiographs 2026-Jun, Oral surgery, oral medicine, oral pathology and oral radiology DOI:10.1016/j.oooo.2026.01.012 PMID:41856821	研究论文	本研究开发了一种基于Transformer的深度学习模型MorphMaskFormer，用于从全景X光片中自动估计多类Demirjian牙龄阶段，以提高法医和临床应用中牙龄估计的准确性和客观性	提出了MorphMaskFormer模型，该模型在经典UNet架构基础上，引入了受Mask2Former启发的轻量级Transformer注意力模块，实现了对牙齿发育阶段的高精度像素级分割	研究样本量相对有限（888张全景X光片），且模型在某些Demirjian阶段（如B、C、E、F、G）的准确性可能未达到最优，需要进一步验证和优化	开发一个先进的深度学习模型，用于自动确定全景X光片中第三磨牙的发育阶段，以改进牙龄估计的准确性和客观性	来自7至30岁个体的888张全景X光片	计算机视觉	牙科疾病	全景X光成像	CNN, Transformer	图像	888张全景X光片	PyTorch, TensorFlow	UNet, ResUNet, DeepLabV3+, PSPNet, SegNet, MorphMaskFormer	IoU, Dice系数, 精确率, 召回率, 推理时间	GPU（具体型号未提及），可能使用云平台或本地计算资源
938	2026-04-22	Scratcher: An automated machine-vision tool for dissecting the neural basis of itch 2026-May-25, Neuroscience IF:2.9Q2 DOI:10.1016/j.neuroscience.2026.03.046 PMID:41912065	研究论文	本文介绍了一种名为Scratcher的自动化机器视觉工具，用于分析小鼠的抓挠行为，以研究瘙痒的神经基础	开发了一种基于实时物体检测算法的GUI计算工具，实现半监督自动化分析小鼠抓挠行为，计算成本低	工具主要针对实验室小鼠和大鼠，可能需进一步验证以扩展到其他动物模型或人类研究	研究瘙痒诱导抓挠行为的神经回路机制	实验室小鼠	计算机视觉	NA	机器视觉、深度学习、光遗传学、化学遗传学	物体检测算法	视频	NA	NA	NA	NA	计算成本低，具体资源未指定
939	2026-04-22	Deep learning-assisted portable fluorescence device for dynamic monitoring of mercury absorption in rice 2026-May-15, Food chemistry IF:8.5Q1 DOI:10.1016/j.foodchem.2026.148815 PMID:41812440	研究论文	本研究开发了一种基于深度学习辅助的便携式荧光设备，用于动态监测水稻中汞的吸收情况	结合氮掺杂碳点荧光探针、3D打印便携设备、智能手机图像采集以及卷积神经网络特征提取，实现了汞的高灵敏度现场定量检测	检测范围限定在1-50 μM，在更宽浓度范围或复杂基质中的性能未验证	开发一种简单有效的现场汞检测策略，用于环境监测和水稻汞吸收动态研究	水稻、自来水、河水、废水样品中的汞离子	计算机视觉	NA	荧光检测、水热合成法	CNN	图像	自来水、河水、废水样品及水稻应用	NA	NA	相关系数(R)、回收率	NA
940	2026-04-22	Fusion-m6A: A lightweight hybrid deep learning framework for RNA m6A site prediction 2026-May-15, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2026.111669 PMID:41950858	研究论文	提出了一种名为Fusion-m6A的轻量级混合深度学习框架，用于高精度预测RNA m6A修饰位点	融合了Word2Vec序列嵌入、卷积层、带注意力的双向门控循环单元以及辅助k-mer特征，在保持高精度的同时实现了更快的推理速度和更低的内存占用	未明确说明模型在跨物种或低质量数据上的泛化能力	开发一种高效、准确的计算方法用于大规模和特定组织的RNA m6A位点预测	RNA N6-甲基腺苷（m6A）修饰位点	生物信息学	NA	计算预测方法	混合深度学习模型（CNN, BiGRU with attention）	RNA序列数据	多个人体组织和细胞系数据（具体数量未说明）	未明确说明	自定义混合架构（Word2Vec + CNN + BiGRU with attention + 全连接层）	准确率, 马修斯相关系数	未明确说明