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
941	2026-05-30	CrLHP1-CrJAZ1 Module Regulates Monoterpenoid Indole Alkaloid Biosynthesis via JA Signaling in Catharanthus roseus 2026-May-17, Genes IF:2.8Q2 DOI:10.3390/genes17050569 PMID:42195026	研究论文	本研究鉴定了长春花中的CrLHP1蛋白，并揭示其通过JA信号通路与CrJAZ1互作负调控单萜吲哚生物碱的生物合成	首次发现CrLHP1通过蛋白互作调控JA信号转导进而影响单萜吲哚生物碱合成，并利用深度学习AlphaFold3预测蛋白结构	NA	探究CrLHP1在长春花单萜吲哚生物碱生物合成中的表观遗传调控机制	长春花（Catharanthus roseus）中的CrLHP1蛋白	数字病理学	NA	VIGS、RNA-seq、AlphaFold3、酵母双杂交	AlphaFold3	序列数据、基因表达数据	NA	AlphaFold3	NA	NA	NA
942	2026-05-30	Multimodal Deep Learning with Attention-Based Fusion for Skin Cancer Diagnosis 2026-May-16, Bioengineering (Basel, Switzerland) DOI:10.3390/bioengineering13050564 PMID:42194321	研究论文	提出一种结合注意力机制与多模态融合的深度学习框架，用于皮肤癌诊断，通过整合临床信息和皮肤镜图像特征提升诊断性能	采用基于注意力的特征编码器和结构化多模态融合方法，实现跨通道集成特征表示，在多个基准数据集上显著提升AUC和F1分数	未提及在真实临床环境部署的实际限制，如数据隐私、实时性要求或跨医院泛化能力	解决皮肤癌诊断中因成像条件差异导致的高变异性问题，提高诊断准确性和鲁棒性	皮肤癌诊断中的辅助临床信息和皮肤镜图像	计算机视觉	皮肤癌	深度学习	多模态深度学习模型	图像和结构化临床数据	使用ISIC 2019、ISIC 2020和HAM10000数据集，未提供具体样本数量	PyTorch	ResNet50, EfficientNet-B4	准确率, AUC, F1分数	NA
943	2026-05-30	Classification and Parameter Selection for Damage Characterization in CFRP Composite Materials Using Acoustic Emission and Multivariate Statistics 2026-May-16, Materials (Basel, Switzerland) DOI:10.3390/ma19102091 PMID:42195731	研究论文	该研究利用声发射和多元统计方法，对碳纤维增强聚合物复合材料中的损伤进行分类和参数选择	通过多项逻辑回归的前向选择和类型III分析，从18个声发射参数中识别出仅需四个参数即可高效分类损伤机制，显著降低了计算开销并增强了模型可解释性	参考标签通过波形形态和频谱分析分配，缺乏独立的物理验证（如显微观察）	为碳纤维增强聚合物复合材料的健康监测提供统计稳健且可解释的损伤分类方法	准各向同性热固性碳纤维增强聚合物层合板中的损伤机制（纤维断裂、分层、基体裂纹）	机器学习	NA	声发射分析	多项逻辑回归、机器学习、深度学习模型	声发射信号（时间域和频率域描述符）	外部试样（具体数量未提供）	NA	NA	准确率	NA
944	2026-05-30	Clinicopathological Characterization of Pediatric Atypical Teratoid/Rhabdoid Tumors and an HE-IHC Dual-Path Deep Learning Model for Auxiliary Diagnosis 2026-May-16, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics16101515 PMID:42196881	研究论文	总结儿童非典型畸胎瘤/横纹肌样瘤的临床病理与分子特征，并评估HE-IHC双路径深度学习模型作为辅助诊断方法	首次提出HE-IHC双路径深度学习模型结合迁移学习与特征融合用于辅助诊断儿童AT/RT，优于传统单路径模型	样本量较小（仅18例患者），需更大规模多中心队列及分子亚型标注进行验证	评估HE-IHC双路径深度学习模型在儿童AT/RT辅助病理诊断中的性能	收集于北京儿童医院2010年2月至2021年4月期间的18例AT/RT患儿	数字病理学	儿童中枢神经系统肿瘤	荧光原位杂交（FISH）	ResNet50	病理图像（组织学与免疫组化）	训练测试集：18例患儿的361张病理图像；独立验证集：6例新患儿的175张图像	PyTorch	ResNet50	准确率	NA
945	2026-05-30	Automated Classification of Maxillary Sinus Ostium Patency Using a ConvNeXt-Tiny + DeiT Gated MLP-Based Hybrid Deep Learning Model: A Retrospective CBCT Study 2026-May-16, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics16101512 PMID:42196878	研究论文	提出基于ConvNeXt-Tiny + DeiT门控MLP的混合深度学习模型，用于上颌窦口通畅性的自动分类	将CNN的局部特征提取能力与Transformer的全局上下文建模能力相结合，采用门控融合技术整合多源特征，显著提升分类性能	未提及具体限制	提高上颌窦口放射学评估的可靠性，减轻医生工作量并降低手术风险	上颌窦口通畅性及解剖位置	计算机视觉	上颌窦疾病	NA	混合深度学习模型（CNN+Transformer）	影像	NA	NA	ConvNeXt-Tiny, DeiT, 门控MLP	准确率	NA
946	2026-05-30	Efficacy of Spectral-Aided Visual Enhancer in Classification of Esophageal Cancer 2026-May-15, Cancers IF:4.5Q1 DOI:10.3390/cancers18101609 PMID:42192971	研究论文	提出一种光谱辅助视觉增强器（SAVE）算法，将白光内镜图像转换为高光谱窄带成像图像，用于食管癌机器学习分类	利用SAVE算法将常规白光内镜图像转换为类似高光谱窄带成像，无需专用硬件即可增强诊断价值，且在分类性能上显著优于原始白光图像	NA	评估SAVE算法在内镜图像分类中对食管癌诊断的提升效果	食管癌患者的白光内镜图像	计算机视觉	食管癌	高光谱成像	随机森林、支持向量机、卷积神经网络	图像	762张原始白光内镜图像，增强至1074张	Albumentations	NA	精确率、召回率、准确率、F1分数	NA
947	2026-05-30	Deep Learning-Based Tracking of Neurovascular Features Toward Semi-Automated Ultrasound-Guided Peripheral Nerve Blocks by Non-Specialists 2026-May-15, Bioengineering (Basel, Switzerland) DOI:10.3390/bioengineering13050556 PMID:42194313	研究论文	开发深度学习算法实时解释超声图像中的解剖标志，为半自动超声引导外周神经阻滞提供目标点，旨在使非专业人员也能进行区域麻醉	首次将深度学习算法应用于超声图像中神经血管特征的实时追踪，以实现半自动化的神经阻滞目标点识别，为人工智能引导的神经阻滞集成平台奠定基础	研究仅基于猪模型，未来需在人体上进行验证；目前仅完成算法开发与测试，尚未与手持机器人集成进行综合测试	开发深度学习算法实时识别超声图像中的解剖标志，为非专业人员实现半自动化区域麻醉提供目标点	超声图像中的神经血管解剖特征，特别是股神经区域	计算机视觉	外科手术中的疼痛管理	超声成像	卷积神经网络（CNN）	图像	来自20只猪模型的超过55,000张超声图像	NA	NA	精确率-召回率曲线下面积（AUC-PR），成功率和平均时间	NA
948	2026-05-30	Medical Image Segmentation Methods: A Decision-Guided Survey Covering 2D/3D CNNs, Transformers, VLMs, SAM-Based Models and Diffusion Approaches 2026-May-15, Bioengineering (Basel, Switzerland) DOI:10.3390/bioengineering13050555 PMID:42194312	综述	一项关于医学图像分割方法的决策导向综述，涵盖2D/3D CNN、Transformer、视觉语言模型、SAM和扩散模型	提出一项实践性的模型选择框架，将临床场景（如小病变检测、多器官3D分割、有限数据、域迁移）与适当的分割策略联系起来	未进行新的实验验证，依赖于现有文献的汇总分析	为医学图像分割方法提供面向临床决策的模型选择指导	医学图像分割方法，包括CNN、Transformer、VLM、SAM和扩散模型	数字病理学	NA	深度学习分割技术	CNN, Transformer, 视觉语言模型, SAM, 扩散模型	图像（MRI, CT, PET, 超声, 内窥镜图像）	NA	NA	2D/3D CNN, Transformer, VLM, SAM, 扩散模型	鲁棒性, 泛化能力, 标注变异性, 基准可重复性	NA
949	2026-05-30	Nondestructive Detection of Moldy Pear Core for Fruit Quality Control Using Vis/NIR Spectroscopy and Enhanced Image Encoding via Deep Learning 2026-May-15, Foods (Basel, Switzerland) DOI:10.3390/foods15101756 PMID:42195960	研究论文	本研究提出了一种利用可见/近红外光谱信号和深度学习增强图像编码技术，对库尔勒梨霉心病进行无损检测的方法	将一维光谱信号转化为改进的格拉姆角场和拉普拉斯金字塔马尔可夫转移场二维图像，并结合视觉Transformer模型进行分类，实现了高精度检测	未提及模型在实际工业生产线上的部署可行性和计算效率，以及样本数量可能有限	实现采后果品质量控制和自动化工业分拣中的梨霉心病无损检测	库尔勒梨的霉心病	机器学习, 计算机视觉	梨霉心病	可见/近红外光谱	支持向量机, 一维残差网络, 深度置信网络, MobileNetv3, 视觉Transformer	光谱信号	未明确说明样本总数，样本包括健康、轻微霉变和严重霉变三种类别	未明确说明	支持向量机, 残差网络, 深度置信网络, MobileNetv3, 视觉Transformer	测试准确率, 外部验证准确率	未明确说明
950	2026-05-30	Toward a Molecular Reclassification of Myalgic Encephalomyelitis/Chronic Fatigue Syndrome: Integrating Multi-Omics, Machine Learning, and Precision Medicine 2026-May-15, International journal of molecular sciences IF:4.9Q2 DOI:10.3390/ijms27104436 PMID:42196410	综述	本文综述了肌痛性脑脊髓炎/慢性疲劳综合征从症状分类向分子分型转变的研究进展，整合多组学、机器学习和精准医学方法	整合多组学数据与机器学习框架（如HEAL2、BioMapAI）推动ME/CFS分子重分类，识别罕见遗传风险变异、表观遗传标记及性别特异性分子特征	未提及具体实验验证或临床转化障碍，缺乏对现有模型泛化能力的讨论	推动ME/CFS从基于症状的分类转向分子定义的理解，为精准诊断和治疗提供基础	ME/CFS患者的多组学数据（基因组、表观基因组、转录组、蛋白质组）及相关生物标志物	机器学习	慢性疲劳综合征	多组学测序（基因组、表观遗传、转录组、蛋白质组）	深度学习、机器学习	多组学数据（基因组、表观遗传、转录组、蛋白质组）	NA	TensorFlow, PyTorch	HEAL2, BioMapAI	NA	NA
951	2026-05-30	Accuracy of Deep Learning Models in Detecting Mandibular Furcation Defects on Panoramic Radiographs 2026-May-15, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics16101500 PMID:42196866	研究论文	评估不同深度学习算法在识别下颌磨牙根分叉病变中的准确性和有效性	系统比较了多种深度学习模型（如Xception和ENet）在根分叉病变检测中的性能，尤其关注分类和分割任务，为牙周病诊断引入了人工智能辅助方法	样本量相对较小，且仅包含下颌磨牙，未涉及上颌磨牙，可能限制模型的泛化能力	评估AI算法在检测下颌磨牙根分叉病变方面的准确性和效果	下颌磨牙根分叉病变（FD）	计算机视觉	牙周病（根分叉病变）	NA	深度学习（Xception、ENet）	图像（全景X光片）	654张全景X光片	NA	Xception, ENet	准确率，精密度，敏感度，F1分数	NA
952	2026-05-30	Validation of Synthetic Megavoltage Computed Tomography (MVCT) for Dose Calculation in Radiotherapy Treatment Planning 2026-May-14, Cancers IF:4.5Q1 DOI:10.3390/cancers18101603 PMID:42192963	研究论文	评估使用深度学习网络从伪影影响的千伏CT生成的合成兆伏CT在头颈部癌症患者放疗计划中的剂量准确性	首次基于统计等价性检验（TOST）系统验证基于深度学习的金属伪影减少技术生成的合成MVCT在剂量计算中的等价性，并提出结合HU值和伽马指数的质量保证框架	样本量较小（19例患者），且需要在前瞻性多中心队列中进一步验证	评估从含金属伪影的kVCT生成的合成MVCT与真实MVCT在放疗计划剂量计算中的一致性	19例带有牙科金属植入物的头颈部癌症患者	数字病理学	头颈部癌症	千伏CT, 兆伏CT, 深度学习	UNet改进网络	CT图像	19例头颈部癌症患者（其中16例为独立验证子队列）	PyTorch	MAR-DTN（基于UNet的域变换网络）	平均Hounsfield单位值, 剂量-体积直方图指标, 3D伽马指数	NA
953	2026-05-30	Ligand-Receptor Interaction Combined with Histopathology Improves Glioma Prognostic Model 2026-May-14, Biomedicines IF:3.9Q1 DOI:10.3390/biomedicines14051110 PMID:42193434	研究论文	结合配体-受体相互作用与组织病理学改善胶质瘤预后模型	开发了整合配体-受体相互作用组和深度学习病理组学的多模态框架，揭示了胶质瘤细胞间通讯的分子和空间景观，并提供了一种新的风险分层方法	未明确提及	通过整合配体-受体相互作用和组织病理学特征，构建胶质瘤预后模型，改善患者风险分层	胶质母细胞瘤患者	数字病理学, 机器学习	胶质母细胞瘤	RNA-seq, 单细胞RNA测序, 空间转录组学	深度学习模型, 逻辑回归	转录组数据, 组织病理图像	TCGA-GBM转录组数据集	NA	深度学习模型, 逻辑回归	AUC, 风险比, 置信区间	NA
954	2026-05-30	From Spatial Epigenomes to Clinical Diagnostics: Integrative Methylomics Across Scales and Modalities 2026-May-14, International journal of molecular sciences IF:4.9Q2 DOI:10.3390/ijms27104377 PMID:42196356	综述	系统综述甲基化组学从数据生成到临床转化的全流程进展	跨尺度（单细胞、空间表观基因组）与跨模态（整合转录组、染色质可及性）的集成视角，并重点提出cfDNA甲基化作为跨疾病的非侵入性监测平台	技术屏障虽减弱，但分析流程标准化、参考数据集人群多样性及监管协调仍是临床转化的主要挑战	系统梳理甲基化组学技术、多组学整合方法及临床诊断应用的前沿进展	甲基化组学数据生成、多组学整合方法、单细胞和空间甲基化技术、长读长测序平台、cfDNA液体活检、疾病相关甲基化失调	机器学习	癌症、心血管疾病、神经系统疾病、自身免疫性疾病	NGS、ONT、PacBio HiFi、甲基化测序	NA	甲基化数据、转录组数据、染色质可及性数据、cfDNA数据	NA	MOFA, DIABLO	深度学习架构	NA	NA
955	2026-05-30	Digital Pathology and the AI-Based Quantification of the Tumor Microenvironment in Gastrointestinal Cancer: From Tumor Budding and Tumor-Infiltrating Lymphocytes to Tertiary Lymphoid Structures 2026-May-14, International journal of molecular sciences IF:4.9Q2 DOI:10.3390/ijms27104386 PMID:42196367	综述	本文综述了数字病理学和人工智能在胃肠道癌症肿瘤微环境分析中的应用，聚焦肿瘤出芽、肿瘤浸润淋巴细胞和三级淋巴结构等关键生物标志物的定量评估	系统阐述了深度学习模型在组织学切片全幅分析中实现自动、定量和可重复的空间组织检测与分类，突破传统病理评估主观性强和耗时的局限	临床应用面临标准化不足、数据可用性有限和模型可解释性差等挑战	探讨AI驱动数字病理学在胃肠道癌症肿瘤微环境生物标志物定量分析中的进展与前景	胃肠道癌症的肿瘤出芽、肿瘤浸润淋巴细胞和三级淋巴结构等肿瘤微环境生物标志物	数字病理学	胃肠道癌症	数字病理学	深度学习模型	组织学图像	NA	NA	深度学习模型	NA	NA
956	2026-05-30	Applications of Artificial Intelligence in Endobronchial Ultrasound for Lung Cancer Diagnosis and Staging: A Scoping Review 2026-May-13, Current oncology (Toronto, Ont.) DOI:10.3390/curroncol33050287 PMID:42187604	综述	本文对人工智能在支气管内超声用于肺癌诊断和分期中的应用进行了范围综述	系统总结了AI在EBUS中不同应用（诊断分类、分割、导航、多模态预测）的分布和性能，并指出深度学习主导但其他应用探索不足的现状	现有证据受限于回顾性、小样本、单中心研究，且应用分布不均	描绘AI在EBUS中用于肺癌诊断和分期的研究范围、方法和性能	2015-2026年间关于AI在EBUS中的研究	计算机视觉, 数字病理学	肺癌	支气管内超声	深度学习, 传统机器学习, 混合机器学习	图像, 视频	26项研究	NA	NA	NA	NA
957	2026-05-30	Dedicated Breast PET-Based Deep Learning Radiomics for Prediction of Pathologic Complete Response to Neoadjuvant Chemotherapy in HER2-Positive Breast Cancer 2026-May-13, Cancers IF:4.5Q1 DOI:10.3390/cancers18101581 PMID:42192941	研究论文	探索专用乳腺PET基于深度学习的影像组学在预测HER2阳性乳腺癌新辅助化疗病理完全缓解中的应用	首次将专用乳腺PET与深度学习影像组学融合策略用于预测HER2阳性乳腺癌新辅助化疗反应，并提出基于数据驱动高/低摄取代谢子区域的影像组学和决策级/特征级融合方法	探索性研究，样本量有限（147例），且未进行外部验证	评估基线专用乳腺PET在非侵入性预测HER2阳性乳腺癌新辅助化疗病理完全缓解中的潜力	HER2阳性乳腺癌患者	计算机视觉, 数字病理学	乳腺癌	专用乳腺PET	3D ResNet, 逻辑回归	图像	147例HER2阳性乳腺癌患者	NA	3D ResNet, 逻辑回归	AUC	NA
958	2026-05-30	A Lightweight Network for Free Fluid Detection in Focused Assessment with Sonography in Trauma (FAST) Examination 2026-May-13, Bioengineering (Basel, Switzerland) DOI:10.3390/bioengineering13050550 PMID:42194307	research paper	提出一个轻量级网络用于创伤超声重点评估（FAST）检查中的游离液体检测	基于YOLOX，结合双流融合（DSF）骨干网络以保留空间细节并降低计算量，以及全局融合反馈（GFF）颈部网络以增强多尺度特征融合	未明确说明	开发一种轻量级架构用于游离液体检测，以在资源有限的床边设备上实现快速准确的创伤评估	超声图像中的游离液体	computer vision	创伤性出血	NA	YOLOX	超声图像	使用兔肝活动性出血超声图像构建的专用数据集	NA	YOLOX、DSF骨干网络、GFF颈部网络	precision, recall, F1-score, FLOPs, 参数数量	NA
959	2026-05-30	Comprehensive annotation and analysis of human microproteins by human microprotein atlas platform 2026-May-12, Communications chemistry IF:5.9Q1 DOI:10.1038/s42004-026-02054-y PMID:42120659	研究论文	整合617,462个人类微小蛋白的序列特征、三维结构、变异效应、亚细胞定位、必需性和生物活性注释，构建人类微小蛋白图谱平台	首次系统整合大规模人类微小蛋白的序列、结构和功能注释，并通过深度学习分析预测组织特异性必需性和多类别生物活性	未提及验证或实验验证的局限性	系统研究人类微小蛋白生物学并支持功能性及治疗相关微小蛋白的发现	人类微小蛋白（由小开放阅读框编码）	机器学习	NA	结构预测、变异效应预测、深度学习	深度学习模型	序列、结构、功能注释数据	617,462个人类微小蛋白	NA	NA	NA	NA
960	2026-05-30	A Synaptogenesis-Associated Histomorphologic Signature from H&E Whole-Slide Images Predicts Glioma Prognosis and Identifies EFNB2-Positive Malignant Cells as a Candidate Neuro-Glioma Communication Hub 2026-May-12, International journal of molecular sciences IF:4.9Q2 DOI:10.3390/ijms27104300 PMID:42196284	研究论文	整合H&E全切片图像与转录组数据，开发基于突触发生相关组织形态特征的病理风险评分，用于胶质瘤预后分层	首次证明常规H&E组织形态学可捕获胶质瘤中突触发生相关的分子程序，并鉴定EFNB2阳性恶性细胞作为神经元-胶质瘤通讯候选枢纽	未在更大独立外部队列验证PRS的普适性，且EFNB2阳性细胞的通讯功能需实验验证	探索H&E组织形态学能否反映突触发生相关分子活动，并构建预后模型及揭示神经-肿瘤通讯机制	TCGA数据库中434例胶质瘤患者的H&E全切片图像、转录组和临床数据	数字病理学	胶质瘤	H&E染色、RNA-seq	深层学习模型、弹性网络、ssGSEA	图像、文本、数值	434例TCGA胶质瘤样本	MIME1框架	Enet[0.1]	生存分析、独立预后因素	NA