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	2026-06-05	Integrating deep learning techniques for analysis of chin morphology among Han Chinese individuals using a large cone-beam computed tomography dataset 2026-Jun-02, Clinical oral investigations IF:3.1Q1 DOI:10.1007/s00784-026-06947-z PMID:42228150	研究论文	利用深度学习技术分析汉族人群下巴形态与大锥形束CT数据集	首次系统性地使用深度学习模型（nnU-Net）对汉族人群下巴形态进行自动化分割，并结合性别和骨骼类型建立三维平均模型	研究仅基于汉族人群数据，可能无法推广至其他人群；未探讨不同种族间的形态差异	表征下巴形态及其与性别和骨骼模式的关联	汉族人群下巴形态	机器学习和数字病理学	不适用	CBCT成像	nnU-Net	图像（CBCT图像）	743张CBCT图像（男性322人，女性421人，年龄18-83岁），其中304张用于模型训练	PyTorch	nnU-Net	不适用	不适用
922	2026-06-05	Benchmarking Deep Learning Methods for Cα Atom Prediction in Cryo-EM Density Maps 2026-Jun-02, Bioinformatics (Oxford, England) DOI:10.1093/bioinformatics/btag350 PMID:42234518	研究论文	为评估四种深度学习方法的Cα原子预测性能，建立了一套涵盖多种分辨率和分子量的基准测试框架	引入多阈值RMSD指标和点云相似性度量，对自动化建模工具中的Cα预测模块进行了全面、定量的对比评估	数据集限于特定分辨率和分子量范围，可能未涵盖所有真实场景中的噪声条件	填补缺乏专门针对Cα原子预测模块的基准测试空白，为方法开发提供可重现评估框架	ModelAngelo、DeepMainMast、EModelX和CryoAtom四种深度学习Cα预测方法	数字病理学	NA	冷冻电镜	深度学习模型	冷冻电镜密度图	覆盖1-8Å分辨率和多种分子量的多样数据集	PyTorch	ModelAngelo、DeepMainMast、EModelX、CryoAtom	多阈值RMSD、Chamfer距离、地球移动距离	NA
923	2026-06-05	A novel peak-searching method for multiple radioisotopes based on deep learning 2026-Jun-02, Applied radiation and isotopes : including data, instrumentation and methods for use in agriculture, industry and medicine IF:1.6Q3 DOI:10.1016/j.apradiso.2026.112730 PMID:42235196	研究论文	提出一种基于深度学习的多放射性同位素自动峰值搜索方法，用于伽马能谱分析中的核素识别	首次将深度学习框架（CNN、ResNet、Transformer）系统应用于伽马能谱光峰值搜索，通过通道坐标匹配实现多核素环境下的自动实时识别	Transformer模型在严格匹配标准下定位精度较差，ResNet假阳性率较高	开发适用于移动探测平台的自动实时放射性核素识别系统	伽马能谱中的光峰通道坐标及多放射性同位素	机器学习	NA	伽马能谱分析	CNN, ResNet, Transformer	光谱数据	NA	NA	卷积神经网络, 残差网络, Transformer	精确率, 召回率, F1分数	NA
924	2026-06-05	DisSubFormer: A subgraph transformer model for disease subgraph representation and comorbidity prediction 2026-Jun, Computational biology and chemistry IF:2.6Q2 DOI:10.1016/j.compbiolchem.2026.108935 PMID:41655406	研究论文	提出DisSubFormer亚图Transformer模型，用于疾病亚图表示学习和共病预测	首次在共病预测中引入亚图到亚图注意力机制，并结合基因本体的层次祖先结构，使用可学习的多头注意力捕获碎化疾病亚图的拓扑和功能信息	仅基于基准共病数据集评估，未在其他疾病网络或实际临床数据上验证通用性	开发一种能有效建模疾病亚图拓扑和基因本体层次信息的计算方法，以提升共病预测性能	疾病共病关系及蛋白质互作网络中的疾病亚图	机器学习	NA	NA	Transformer	蛋白质互作网络数据、基因本体数据、共病数据	基准共病数据集（未具体说明样本数量）	PyTorch	Transformer, 多头注意力机制	AUROC	NA
925	2026-06-05	K-CC-MoCo: A Fast k-Space-Based Respiratory Motion Correction for Highly Accelerated First-Pass Perfusion Cardiovascular MR 2026-Jun, Magnetic resonance in medicine IF:3.0Q2 DOI:10.1002/mrm.70287 PMID:41664248	研究论文	提出一种基于k空间的快速呼吸运动校正方法K-CC-MoCo，用于高度加速的首过灌注心血管磁共振成像	直接在k空间进行帧间刚性运动校正，解决了图像域方法在高度加速扫描中因欠采样伪影而失效的问题，并针对动态对比度设计了归一化互相关目标函数	仅适用于刚性运动校正，未考虑非刚性变形；依赖线圈压缩和ROI选择，可能对心脏区域定位敏感	实现自由呼吸首过灌注CMR中呼吸运动的高效校正，支持高度加速采集下基于模型或深度学习的高质量重建	自由呼吸状态下的首过灌注心血管磁共振成像数据	计算机视觉	冠状动脉疾病	心血管磁共振成像	NA	k空间数据	使用数字体模和真实自由呼吸采集数据，包含不同加速因子（最高50倍）	NA	NA	SSIM	NA
926	2026-06-05	Morphological classification of Schizochytrium and mutagenic selection of high-oil-producing strains based on deep learning 2026-Jun, Microbiological research IF:6.1Q1 DOI:10.1016/j.micres.2026.128464 PMID:41666518	研究论文	基于深度学习的裂殖壶菌形态分类及高产油菌株诱变筛选研究	开发了13类新型形态分类系统，整合细胞分裂特征和脂滴参数，并构建了专用目标检测架构MLC-YOLO，实现了裂殖壶菌形态自动分析和高产油菌株高效筛选	未提及实时发酵监测系统的实际应用验证及模型在更广泛工业场景中的泛化能力	建立基于深度学习的裂殖壶菌形态自动分析方法，用于实时发酵监测和高产油菌株高效筛选	裂殖壶菌的细胞形态、脂滴参数、生物量动态及脂质合成关系	计算机视觉	不适用	深度学习图像分析	YOLO（MLC-YOLO改进模型）	图像	包含裂殖壶菌不同形态类型的细胞图像数据集	PyTorch	MLC-YOLO（基于YOLOv8s改进）	平均精度均值（mAP）	未提及
927	2026-06-05	Masked Image Modeling for Generalizable Organelle Segmentation in Volume EM 2026-Jun, IEEE transactions on medical imaging IF:8.9Q1 DOI:10.1109/TMI.2026.3667612 PMID:41734129	研究论文	提出一种名为OrgMIM的双分支掩码图像建模框架，用于提升体积电子显微镜中细胞器分割的泛化能力	首次结合静态结构先验和动态重建反馈的双分支互补掩码策略，并构建了首个以细胞器为中心的大规模3D EM数据集IsoOrg-1K	仅在电子显微镜数据上验证，未涉及其他成像模态；对计算资源要求较高	提高深度学习方法在电子显微镜体积数据中细胞器分割的准确性和鲁棒性，减少对大量标注数据的依赖	电子显微镜体积数据中的细胞器结构（如线粒体、内质网等）	计算机视觉, 数字病理学	NA	电子显微镜（EM）体积成像	Transformer, 掩码图像建模（MIM）	3D体积图像	IsoOrg-1K数据集包含928个信息量丰富的体积，超过1200亿体素；使用三个公开EM数据集进行验证	PyTorch	双分支MIM框架（含视觉基础模型生成亲和图和自引导损失图）	mIoU（平均交并比）	NA
928	2026-06-05	M2PL-GAN: Multi-View Multi-Level Pathology Semantic Perception Learning for H&E-to-IHC Virtual Staining 2026-Jun, IEEE transactions on medical imaging IF:8.9Q1 DOI:10.1109/TMI.2026.3668248 PMID:41747115	研究论文	提出一种多视角多层次病理语义感知学习模型M2PL-GAN，用于H&E到IHC的虚拟染色	首次引入结构上下文关系、特征分布和拓扑感知细粒度语义的三视角综合语义学习范式，通过CACM、LDAM和GBCLM三个机制分别增强上下文一致性、对齐特征分布和优化拓扑感知语义对齐	未提及局限性和计算资源开销	解决H&E到IHC虚拟染色中病理语义特征难以对齐的问题	H&E染色图像与IHC染色图像之间的转换	数字病理学	NA	NA	GAN	图像	公共和私有数据集	PyTorch	CACM, LDAM, GBCLM, 图神经网络	定量指标和定性评估	NA
929	2026-06-05	Design of an optimal planning framework for cryosurgical treatment of brain tumor using CNN segmentation of MRI images 2026-Jun, Cryobiology IF:2.3Q3 DOI:10.1016/j.cryobiol.2026.105619 PMID:41819035	研究论文	提出一个整合深度学习分割、聚类优化和生物热模拟的脑肿瘤冷冻手术规划框架	将2D U-Net MRI图像分割与K-Medoids聚类、高斯混合模型和气泡包装算法等探头放置策略相结合，实现不规则脑肿瘤的精准冷冻手术规划	NA	开发术前冷冻手术规划方法，确保肿瘤完全覆盖同时最小化对周围健康组织的损伤	不规则形状脑肿瘤	计算机视觉, 医学影像	脑肿瘤	MRI成像	2D U-Net	二维MRI图像	NA	TensorFlow, PyTorch, COMSOL Multiphysics	2D U-Net	肿瘤覆盖精度, 冷冻时间估计	NA
930	2026-06-05	TearNET: Validation of a convolutional neural network for grading of tear ferning patterns using deep learning 2026-Jun, Contact lens & anterior eye : the journal of the British Contact Lens Association IF:4.1Q1 DOI:10.1016/j.clae.2026.102654 PMID:41967396	研究论文	验证基于卷积神经网络的深度学习算法TearNET用于泪液蕨类图案自动分级	首次提出使用卷积神经网络对泪液蕨类图案进行自动分级，减少主观性和不一致性	样本量较小（80名参与者），未提及多中心验证或外部数据集测试	验证TearNET模型在泪液蕨类图案自动分级中的性能，辅助干眼病筛查	泪液蕨类图案	计算机视觉	干眼病	显微镜成像	卷积神经网络	图像	80名健康参与者（160只眼睛）	NA	卷积神经网络	准确率, 灵敏度, 特异性, 召回率, F分数	NA
931	2026-06-05	Factors predicting MRI glioma segmentation accuracy in deep learning models: a systematic review and meta-analysis 2026-Jun, Journal of neuroradiology = Journal de neuroradiologie DOI:10.1016/j.neurad.2026.101562 PMID:42102794	综述与荟萃分析	通过系统综述和荟萃分析，识别影响深度学习模型在MRI胶质瘤分割准确性的预测因素	首次系统评估影响深度学习胶质瘤分割模型准确性的多个因素，包括模型架构、输入数据模态、训练数据集来源和发表年份	未发现单一因素能解释研究间观察到的异质性，且仅发表年份在多变量分析中独立预测准确性改善	系统评估影响深度学习模型在MRI胶质瘤分割准确性的关键因素	已发表研究中用于术前胶质瘤分割的深度学习模型及其性能数据	医学影像分析	胶质瘤	MRI	深度学习模型	MRI图像	88个模型，其中36个纳入定量分析	NA	3D模型架构	Dice相似系数	NA
932	2026-06-05	Artificial intelligence in antimicrobial drug discovery: predictive and generative strategies 2026-Jun, Expert opinion on drug discovery IF:6.0Q1 DOI:10.1080/17460441.2026.2674968 PMID:42154787	综述	总结人工智能在抗菌药物发现中的预测和生成策略研究进展与挑战	系统整合了人工智能驱动的预测和生成策略，覆盖小分子、肽类、噬菌体和蛋白质药物等多种药物类别，并提出“自主发现”范式	存在数据偏差、缺乏标准化基准框架和临床转化缺口等问题	综述人工智能在抗菌药物发现中的应用进展与挑战	针对细菌、真菌和病毒感染的抗菌药物（小分子、肽类、噬菌体、蛋白质药物）	机器学习, 自然语言处理	微生物感染	NA	机器学习, 深度学习, 自然语言处理	文本	NA	NA	NA	NA	NA
933	2026-06-05	Artificial intelligence-assisted urine cytology based on the Paris System for Reporting Urothelial Carcinoma 2026-Jun, Cancer cytopathology IF:2.6Q2 DOI:10.1002/cncy.70120 PMID:42223163	研究论文	开发并验证基于巴黎报告系统的AI辅助尿液细胞学系统用于尿路上皮癌检测	首次将深度学习细胞检测分割与支持向量机分类整合，模拟细胞病理学家工作流程，并基于巴黎系统进行分级	研究样本量有限，且AI与病理学的一致性主要体现在相邻级别间，可能存在系统性偏差	开发并验证基于AI的尿液细胞学系统，用于临床和筛查场景中尿路上皮癌检测	回顾性临床病例及前瞻性健康筛查样本的尿液细胞学标本	计算机视觉, 数字病理学	尿路上皮癌	液基细胞学, 数字化成像	CNN, SVM	图像	328例回顾性临床病例和1489例前瞻性健康筛查样本，共269张标注训练玻片（56710个细胞）	PyTorch, Scikit-learn	深度学习细胞检测与分割网络, SVM	加权κ值, 患病率校正偏差校正κ值, 阴性预测值, 阴性一致性百分比, 错误遗漏率	NA
934	2026-06-05	Deep learning the TF regulatory code for gene expression 2026-Jun-01, Genome research IF:6.2Q1 DOI:10.1101/gr.281425.125 PMID:42140663	研究论文	提出深度学习模型DeepTF，从转录因子序列预测基因表达，揭示转录因子调控代码	首次系统研究转录因子调控代码，提出DeepTF模型从转录因子序列预测基因表达，并捕获转录因子调控语法	仅分析了13种转录因子的结合谱，未涵盖所有重要转录因子；跨细胞系验证AUROC>0.90表明迁移性良好但仍有提升空间	探索转录因子调控代码并建立基因表达预测模型	转录因子结合谱与基因表达关联	机器学习	NA	转录因子结合谱分析	深度学习模型	转录因子结合序列	13种转录因子的结合谱数据	NA	DeepTF	AUROC	NA
935	2026-06-05	Artificial Intelligence for the Diagnosis of Pancreatic Diseases Using Endoscopic Ultrasonography 2026-Jun, Digestive endoscopy : official journal of the Japan Gastroenterological Endoscopy Society IF:5.0Q1 DOI:10.1111/den.70171 PMID:42227807	综述	该文章综述了人工智能在基于超声内镜的胰腺疾病诊断中的应用	系统回顾了超声内镜人工智能在胰腺疾病诊断中的最新研究，包括深度学习架构和多模态模型的应用	研究数据多为单中心、样本量有限、病例标注不一致、诊断标准多样，且仅少数研究进行了充分的外部验证	评估基于超声内镜的人工智能在胰腺疾病诊断中的现状、挑战和未来方向	胰腺疾病（包括胰腺肿瘤、囊性病变、实质及部位识别）	计算机视觉	胰腺疾病	超声内镜	深度学习	图像	共22项研究（1项检测、17项分类、4项囊性病变、4项实质或部位识别）	NA	ResNet, EfficientNet, VGG, UNet++, YOLO, 自定义卷积网络	准确率（0.84-0.94）	NA
936	2026-06-05	uBrainSurf: Unified Curvature-Aware Deformation Framework for Lifespan Brain Cortical Surface Reconstruction 2026-Jun, IEEE transactions on medical imaging IF:8.9Q1 DOI:10.1109/TMI.2026.3672432 PMID:41805509	研究论文	提出了一种统一的曲率感知变形框架uBrainSurf，用于全生命周期大脑皮层表面重建	引入辅助曲率预测分支提供解剖先验，以及曲率驱动的损失函数确保重建表面直接适用于下游分析	NA	实现跨全生命周期的大脑皮层表面精确且自动化的重建	大脑皮层表面的白质和软膜表面重建	计算机视觉	神经疾病	NA	NA	MRI图像	2132名受试者，年龄范围0-100岁	PyTorch	NA	NA	NA
937	2026-06-05	Harnessing artificial intelligence in healthcare: Advancing diagnosis, treatment, and patient-centered care 2026-Jun, Journal of the National Medical Association IF:2.5Q1 DOI:10.1016/j.jnma.2026.02.007 PMID:41833484	综述	该文章综述了人工智能在医疗健康中的应用，涵盖诊断、治疗、患者监控和医疗系统管理，讨论了其带来的改进和挑战	系统性地整合了AI在临床实践中的多种应用，包括深度学习诊断工具、虚拟健康助手及具体案例（如NVIDIA Clara和MyBreastAI Suite），并深入分析了从技术到伦理的全面障碍	依赖于同行评审文献和案例研究，可能遗漏最新实践；未提供定量分析或比较不同AI方法的性能	评估AI在医疗中的整合方式及其对健康结果、可及性和质量的影响，同时识别实施中的关键障碍	AI驱动的诊断工具、药物发现过程、医疗管理系统和远程医疗应用	自然语言处理	NA	NA	深度学习,人工神经网络	文本,图像	NA	NA	NA	NA	NA
938	2026-06-05	Flexible Pressure Sensor With Multi-Stage Microdome Structure Enabling Ultra-Wide Linear Range and High Sensitivity for Wearable Applications 2026-Jun, Advanced science (Weinheim, Baden-Wurttemberg, Germany) DOI:10.1002/advs.74927 PMID:41858275	研究论文	提出基于MXene的多级微穹顶结构柔性压阻传感器，实现超高线性范围和灵敏度，用于可穿戴应用	多级微穹顶结构通过分级压缩和逐步接触特性，同时实现高灵敏度和宽压力检测范围，突破传统传感器性能权衡限制	具体限制未在摘要中明确说明	解决柔性压阻传感器在高灵敏度和宽压力检测范围之间的权衡问题	MXene基柔性压阻传感器与深度学习算法结合的可穿戴系统	可穿戴传感	NA	MXene材料制备	深度学习算法（用于模式识别）	压力信号	手掌和脚掌形状的传感器阵列（具体样本数未提及）	NA	NA	灵敏度 (11.57 kPa⁻¹)、检测范围（高达2500 kPa）、识别准确率（超过95%）	NA
939	2026-06-05	BigOrthoATD.Net: A scalable and adaptable distributed deep learning framework for multi-class orthopedic classification across imaging modalities in low-resourced settings 2026-Jun-01, Neural networks : the official journal of the International Neural Network Society IF:6.0Q1 DOI:10.1016/j.neunet.2026.109190 PMID:42235476	研究论文	提出一个统一、无服务器且去中心化的深度学习框架BigOrthoATD.Net，用于多模态骨科图像分类，在资源受限环境下具有可扩展性和适应性	同时解决了多模态数据处理、新任务适应、分布式数据集管理及有限计算资源限制的问题，实现隐私保护的知识融合和多模态整合，支持渐进式扩展和持续学习而无需重新训练或性能下降	未明确说明局限性，但可能包括框架在真实临床环境中的部署复杂性或对其他模态图像的泛化能力	开发一个可扩展、适配性强的去中心化深度学习框架，用于低资源环境下多模态骨科图像的多类分类	骨科图像分类任务中的X光和CT影像数据	计算机视觉, 机器学习	骨科疾病	NA	深度学习框架	图像	13个模拟去中心化节点，覆盖50个骨科类别	无服务器、去中心化学习框架	BigOrthoATD.Net	准确率	低资源环境（未指定具体GPU类型或云平台）
940	2026-06-05	Machine Learning for Diagnosis and Differentiation of Central Disorders of Hypersomnolence: A Systematic Review 2026-Jun, European journal of neurology IF:4.5Q1 DOI:10.1111/ene.70661 PMID:42237746	综述	系统回顾了机器学习在中枢性嗜睡障碍诊断与鉴别诊断中的应用	首次系统性地评估了机器学习在区分中枢性嗜睡障碍亚型中的表现，揭示了无监督学习在发现异质性表型和诊断标签局限性方面的潜力	大部分研究因使用刚性诊断标签而限制了临床相关性；深度学习存在黑箱性质且数据需求高；对非发作性睡病1型亚型的泛化能力有限	系统评估当前机器学习在中枢性嗜睡障碍诊断和鉴别诊断中的应用、局限性并指出未来方向	成人中枢性嗜睡障碍患者	机器学习	中枢性嗜睡障碍（包括发作性睡病1型及其他亚型）	神经影像学（fMRI, PET）、睡眠评估（MSLT, 多导睡眠图）、标准化问卷	监督学习、无监督学习、深度学习	脑影像数据、睡眠多导图数据、人口统计学数据、问卷数据	41项研究（37篇同行评审文章和4篇预印本）	NA	NA	准确率	NA