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	2026-05-04	Spatiotemporal prediction of chlorophyll-a in semi-enclosed gulfs using a hybrid graph neural network-transformer framework with satellite data and causal analysis 2026-Mar-18, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-42388-0 PMID:41851279	研究论文	提出结合图神经网络与Transformer的混合模型GNN-T，利用卫星数据和因果分析预测半封闭海湾叶绿素-a浓度时空动态	首次将图神经网络与Transformer结合用于半封闭海湾叶绿素-a预测，并引入因果分析（CCM）和Sobol敏感性分析进行特征选择，减少25%计算成本	未提及模型在不同地理区域或极端气候条件下的泛化能力验证	提升半封闭海湾叶绿素-a浓度预测准确性和运行效率，为藻华预警提供决策支持	半封闭海湾（如波斯湾、墨西哥湾）的叶绿素-a浓度时空动态	机器学习、环境科学	NA	MODIS/Aqua卫星数据、ERA5再分析数据、卫星遥感	图神经网络-Transformer混合模型（GNN-T）	卫星影像（MODIS/Aqua）、再分析气象数据（ERA5）	30万观测样本（覆盖波斯湾与墨西哥湾区域）	PyTorch	GNN-T（图神经网络+Transformer）、CNN-LSTM、BiLSTM、Temporal-Relational GNN、AGTCNSD	R²、统计误差指标（如MAE/RMSE）、95%置信区间（蒙特卡洛丢弃法）	NA
942	2026-05-02	Deep learning analysis for enhanced prediction of heat transfer in Maxwell hybrid nanofluids with non-Fourier law and radiation effects 2026-Mar-17, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-43327-9 PMID:41844713	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
943	2026-05-04	SynAPSeg: A novel dataset and image analysis framework for deep learning-based synapse detection and quantification 2026-Mar-16, bioRxiv : the preprint server for biology DOI:10.64898/2026.03.12.711395 PMID:41890116	研究论文	提出名为SynAPSeg的新型数据集和图像分析框架，用于基于深度学习的突触检测与量化	首个针对突触斑点的公开大规模实例分割数据集，结合交互式界面实现全自动分割与量化流程	未提及明显局限性	开发可扩展的深度学习框架以实现突触组织在健康和疾病状态下的全面研究	突触斑点（具体为PSD95阳性兴奋性突触后密集区）	数字病理学, 计算机视觉	神经科学疾病（年龄相关认知衰退）	荧光标记成像	深度学习模型（语义分割网络）	图像（多维数据）	近400万个PSD95斑点，涉及小鼠背侧海马抑制性中间神经元及CA1区PV阳性抑制性神经元	NA	NA	达到人类专家水平的基准性能	NA
944	2026-05-04	EPInformer: scalable and integrative prediction of gene expression from promoter-enhancer sequences with multimodal epigenomic profiles 2026-Mar-14, Nature communications IF:14.7Q1 DOI:10.1038/s41467-026-70535-8 PMID:41832145	研究论文	提出了EPInformer，一个可扩展的深度学习框架，通过整合启动子-增强子相互作用及其序列、表观基因组图谱和染色质接触来预测基因表达	通过整合启动子-增强子相互作用、组蛋白修饰、染色质接触等多模态表观基因组特征，提高了对远处增强子调控效应的捕捉能力，并且具有可扩展性以适应新数据	即使是最先进的深度学习方法也可能在捕捉增强子等远端元件的调控效应方面存在不足，限制了预测准确性且可能需要大量资源来训练或适应新数据	开发一个可扩展的深度学习框架，通过整合启动子-增强子相互作用及其序列、表观基因组图谱和染色质接触来预测基因表达	基因表达、启动子-增强子相互作用、表观基因组图谱、染色质接触	机器学习	NA	NA	深度学习	序列、表观基因组数据	来自联盟的广泛染色质图谱和基因表达数据	NA	NA	跨染色体验证准确性	NA
945	2026-05-04	ROBUST-MIPS: A Combined Skeletal Pose and Instance Segmentation Dataset for Laparoscopic Surgical Instruments 2026-Mar-14, Scientific data IF:5.8Q1 DOI:10.1038/s41597-026-06938-5 PMID:41832216	研究论文	提出ROBUST-MIPS数据集，结合骨骼姿态注释与实例分割注释，用于腹腔镜手术器械定位	提出骨骼姿态注释作为手术器械更高效的注释方式，平衡语义信息丰富度与注释便捷性，并将现有数据集的实例分割注释扩展为联合姿态和分割注释	未明确提及，但从内容推断，仍受限于原始数据集规模及下游任务评估的全面性	推动骨骼姿态注释在手术器械定位中的应用，促进两种注释风格的联合研究及公平比较	腹腔镜手术器械	计算机视觉	NA	NA	姿态估计模型	图像及骨骼姿态数据	从ROBUST-MIS数据集衍生的新数据集，未明确具体样本数	NA	流行姿态估计方法（未具体列出）	NA	NA
946	2026-05-04	Myelination-attention-empowered deep learning model improved brain age prediction in children below 2 years of age 2026-03, Pediatric radiology IF:2.1Q2 DOI:10.1007/s00247-025-06495-w PMID:41432745	research paper	提出一种名为MAENet的深度学习模型，通过整合髓鞘化生物过程作为注意力机制，提高0-2岁儿童脑龄预测的准确性和可解释性	首次将髓鞘化生物过程作为注意力机制融入深度学习模型，设计多尺度和髓鞘化特征提取双通道架构，显著提升低龄婴幼儿脑龄预测精度	NA	增强早期婴儿脑龄预测的准确性和可解释性	0-2岁婴幼儿	machine learning	NA	结构磁共振成像	CNN	图像	603名0-2岁参与者的sMRI数据	NA	ResNet-50, VGG, Inception, SFCN, Skewed, FiA-Net, TSAN, MAENet	平均绝对误差	NA
947	2026-05-04	Performance of a deep learning-based algorithm for automated measurements of Cobb angles on preoperative spine radiographs in adolescent idiopathic scoliosis 2026-03, Pediatric radiology IF:2.1Q2 DOI:10.1007/s00247-025-06492-z PMID:41389104	研究论文	评估一种基于深度学习的商业软件在青少年特发性脊柱侧弯手术病例中自动测量Cobb角的准确性，并与放射科住院医师的测量结果进行比较	首次在包含重度及极重度脊柱侧弯的儿科手术病例中评估商业AI软件的Cobb角测量准确性，并直接与放射科住院医师的表现进行对比	AI在极重度脊柱侧弯（≥60°）中准确性显著下降，均绝对误差高于住院医师，提示需要放射科医师监督	评估深度学习算法在青少年特发性脊柱侧弯患者术前X光片上自动测量Cobb角的性能	151例青少年特发性脊柱侧弯患者的术前前后位全脊柱X光片	计算机视觉	青少年特发性脊柱侧弯	深度学习	卷积神经网络	X射线图像	151例全脊柱X光片（含13例中度、74例重度、64例极重度侧弯）	NA	NA	平均绝对误差，组内相关系数	NA
948	2026-05-04	Zero-shot prediction of drug responses using biologically informed neural networks trained on phosphoproteomic timeseries 2026-Mar, PLoS computational biology IF:3.8Q1 DOI:10.1371/journal.pcbi.1014100 PMID:41849361	研究论文	将生物信息学先验知识与递归神经网络结合，从磷蛋白质组时间序列数据中零样本预测药物反应	通过引入两种可解释模块（磷酸化位点映射和单调时间映射），将生物信息学先验知识嵌入递归神经网络，实现了零样本地预测药物诱导的磷蛋白质组响应	未知	从磷蛋白质组时间序列数据中预测动态药物反应	雷帕霉素、达沙替尼、曲美替尼、阿哌立布、坦西莫司、舒尼替尼、索拉非尼等抑制剂处理的EGF刺激数据集	机器学习	癌症（如前列腺癌，基于FOXO3转录因子的提及）	磷蛋白质组学 (phosphoproteomics) 通过质谱	递归神经网络 (RNN)	磷蛋白质组时间序列数据 (phosphoproteomic timeseries)	未经治疗和抑制剂处理的EGF刺激数据集（具体数量未提及）	PyTorch	LEMBAS (生物信息学递归神经网络)	NA	NA
949	2026-05-04	CrisprPr: a hybrid-driven framework for CRISPR/Cas9 off-target prediction with analysis of prior-information updates 2026-Mar-01, Briefings in bioinformatics IF:6.8Q1 DOI:10.1093/bib/bbag140 PMID:41911152	研究论文	提出一个混合驱动的CRISPR/Cas9脱靶预测框架CrisprPr，该框架整合先验信息与数据驱动建模，通过同步更新策略优化先验知识和深度学习模块，实现准确稳定的脱靶预测	首次提出混合驱动框架CrisprPr，通过同步更新策略联合优化先验知识和深度学习模块，并集成多源信息以提升脱靶活性表征能力	未明确说明具体局限性，但可能包括对某些复杂脱靶模式的捕捉仍有局限或需要更多数据验证	开发一种结合先验信息与数据驱动的新型混合框架，提高CRISPR/Cas9脱靶预测的准确性和泛化能力	CRISPR/Cas9系统的脱靶效应及其中的错配模式和组合特征	机器学习	NA	深度学习, 先验信息集成	混合驱动模型（结合先验知识与深度学习）	序列数据	多个独立测试数据集	PyTorch, TensorFlow	深度学习模块（未明确具体架构）	预测性能指标（如准确率、AUC等，具体未列出）	NA
950	2026-05-04	Vascular age estimation using a consumer wearable sleep tracker 2026-Mar, PLOS digital health DOI:10.1371/journal.pdig.0001329 PMID:41911176	研究论文	评估可穿戴设备收集的夜间光电容积描记图波形的能力，用于估计血管年龄	首次使用消费级可穿戴睡眠追踪器（Oura Ring）从光电容积描记图波形中估计血管年龄，并与临床级设备进行比较	由于波形采集方式的差异，可穿戴传感器的反射指数与年龄的关联较弱	研究可穿戴设备从光电容积描记图估计血管年龄的可行性	年龄相关的光电容积描记图波形变化和血管年龄估计	机器学习	心血管疾病	光电容积描记图	深度学习模型	波形数据	160名健康成年人（78名男性，中位年龄31岁）	NA	无特征深度学习模型	平均绝对误差，相关性系数	NA
951	2026-05-04	Towards automated fetal brain biometry reporting for 3-dimensional T2-weighted 0.55-3T magnetic resonance imaging at 20-40 weeks gestational age range 2026-02, Pediatric radiology IF:2.1Q2 DOI:10.1007/s00247-025-06403-2 PMID:41238791	研究论文	针对 20-40 孕周胎儿脑部三维 T2 加权 MRI，开发并验证全自动生物测量报告流程	首次提出全自动胎儿脑部生物测量报告流程，集成深度学习测量、百分位和 Z 分数计算，并生成标准化生长图表	未提供	实现并验证基于深度学习的全自动胎儿脑部 MRI 生物测量报告流程，以提升临床实用性并支持实时工作流整合	胎儿脑部三维 T2 加权 MRI 图像	计算机视觉	胎儿发育异常	MRI	3D UNet	图像	回顾性 90 例，前瞻性 111 例，正常对照 406 例	NA	3D UNet	绝对差值，可接受率	NA
952	2026-05-04	UK Biobank-centric advances in brain age prediction: a comprehensive review 2026-01-23, Reviews in the neurosciences IF:3.4Q2 DOI:10.1515/revneuro-2025-0055 PMID:40997331	综述	全面综述了基于UK Biobank的脑年龄预测研究在机器学习与深度学习算法方面的进展及其临床应用	系统总结了70项利用英国生物银行进行脑年龄预测的研究（2014-2024年），重点关注机器学习与深度学习算法的范式转变，并批判性评估了UKB数据集在脑年龄预测领域的独特优势和固有局限	UKB数据集可能存在代表性偏差和自身局限性，影响模型的泛化能力	评估脑年龄预测模型的准确性，提高可靠性和临床适用性	脑年龄预测模型及其训练数据集（UK Biobank）	机器学习	神经退行性疾病	NA	机器学习、深度学习	神经影像数据	70项同行评审研究（2014-2024年）	NA	NA	NA	NA
953	2026-05-04	Artificial intelligence in lymphedema: A systematic review of diagnostic and clinical applications 2026-Jan-06, Journal of plastic, reconstructive & aesthetic surgery : JPRAS DOI:10.1016/j.bjps.2025.12.035 PMID:42068963	综述	系统综述人工智能在淋巴水肿诊断和临床应用中的研究现状	首次系统评估AI在淋巴水肿全流程中的应用，涵盖风险预测、影像诊断、体积评估和临床决策支持	纳入研究缺乏外部验证，方法学异质性大，现有证据仍属初步阶段	评估人工智能在淋巴水肿诊断、风险预测、监测和手术规划中的临床价值	淋巴水肿患者的人工智能诊断与监测应用	机器学习	淋巴水肿	NGS	机器学习、深度学习	影像（超声、CT、MRI、临床照片）、人口统计学和临床数据	18项研究共8720名患者	NA	NA	AUC, 准确率, 相关系数	NA
954	2026-05-04	Accelerated magnetic resonance imaging of hippocampal sclerosis in pediatric patients with deep learning-based reconstruction: comparison of image quality and diagnostic performance with conventional reconstruction 2026-01, Pediatric radiology IF:2.1Q2 DOI:10.1007/s00247-025-06419-8 PMID:41081829	研究论文	比较深度学习重建与常规重建在儿童海马硬化加速磁共振成像中的图像质量和诊断性能	首次在儿童海马硬化患者中评估深度学习重建技术对加速MRI序列的图像质量和诊断性能的影响	NA	比较常规重建MRI与有无深度学习重建的加速序列在儿童海马硬化患者中的图像质量和诊断性能	68名确诊或疑似颞叶癫痫伴海马硬化的儿科患者	医学影像	颞叶癫痫伴海马硬化	MRI	深度学习重建模型	MRI图像	68名儿科患者	NA	NA	图像质量评分, 信噪比, Cohen's kappa系数	NA
955	2026-05-04	Enhanced convolutional block attention module with Learnable Gated Fusion (LGF-CBAM) for cocoa pod disease identification 2026, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0348147 PMID:42060662	研究论文	提出一种可学习门控融合卷积块注意力模块（LGF-CBAM）集成ResNetV2-101骨干网络，用于可可豆荚病害识别	通过可训练门控参数和softmax归一化，自适应平衡空间与通道注意力的重要性，克服标准CBAM顺序处理的局限性	在Coffee and Cocoa数据集上准确率降至94.00%，表明在高度多样性条件下泛化能力仍有不足	提高可可豆荚病害识别的准确率和鲁棒性，支持精准农业	可可豆荚病害图像	计算机视觉	植物病害	深度学习	CNN	图像	多个数据集：Cocoa_Pod_Disease_Gh（未明确数量）、Cocoa Diseases (YOLOv4)、Black and Borer Pod Rot、Cacao Diseases in Davao、Coffee and Cocoa数据集	NA	ResNetV2-101, LGF-CBAM	准确率、F1分数、PPV	NA
956	2026-05-04	A multi-modal deep learning framework with GAN-based fusion for enhanced landslide detection 2026, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0347324 PMID:42060708	研究论文	提出一种基于GAN融合的多模态深度学习框架，用于增强滑坡检测	首次在运营监测场景中结合多骨干网络特征融合与对抗性掩膜细化，创新性地整合四个预训练CNN（VGG16、DenseNet201、ResNet50和InceptionV3）与GAN对抗细化模块	未提及	实现高精度、可扩展的滑坡检测与分割，生成GIS就绪的概率图并支持低延迟推理	滑坡区域的遥感影像	计算机视觉	NA	遥感影像分析、GAN对抗细化	CNN（VGG16、DenseNet201、ResNet50、InceptionV3）和GAN	高分辨率卫星/UAV影像、中分辨率Sentinel-2影像、同震滑坡影像	三个基准数据集：CAS Landslide（高分辨率GF-2/UAV影像）、MS2LandsNet（中分辨率Sentinel-2）、GDCLD（同震滑坡）	NA	VGG16、DenseNet201、ResNet50、InceptionV3	F1分数、IoU、边界细化精度	NA
957	2026-05-04	A Lightweight Skeletal Muscle Intelligent Segmentation Network Based on Planning CT for Cervical Cancer Radiotherapy 2026 Jan-Dec, Technology in cancer research & treatment IF:2.7Q3 DOI:10.1177/15330338261446535 PMID:42041275	研究论文	提出一种轻量级深度学习网络SMA-Net，用于宫颈癌放疗患者第三腰椎水平骨骼肌的智能分割，并评估其性能	将轻量级Mamba架构引入UNet网络，并在跳跃连接上引入SAB和CAB注意力机制以抑制无关信息并突出重要局部特征	未提及具体限制	实现宫颈癌放疗患者L3骨骼肌的快速准确分割，辅助临床诊断肌少症	宫颈癌放疗患者的第三腰椎（L3）水平的骨骼肌	计算机视觉	宫颈癌，肌少症	NA	深度学习分割网络（SMA-Net）	计划CT图像	160例宫颈癌患者，分为训练集112例、验证集16例和测试集32例	PyTorch	UNet，Mamba，SAB，CAB	Dice相似系数，敏感性，阳性预测值，95% Hausdorff距离，准确率，精确率，召回率，F1分数，AUC	NA
958	2026-05-04	A Call for a Collaborative Framework for Automation in Adaptive Radiotherapy 2026 Jan-Dec, Technology in cancer research & treatment IF:2.7Q3 DOI:10.1177/15330338261449016 PMID:42068249	评论	呼吁建立协作框架以推动自适应放疗自动化发展	提出通过结构化透明和共享责任机制，将自动化从封闭架构转变为集体学习生态系统	未提及具体技术实现或实验验证	推动自适应放疗自动化从封闭系统向开放协作模式转变	自适应放疗技术和相关自动化框架	机器学习	NA	自适应放疗	NA	NA	NA	NA	NA	NA	NA
959	2026-05-04	Prenatal diagnosis of cerebellar hypoplasia in fetal ultrasound using deep learning under the constraint of the anatomical structures of the cerebellum and cistern 2025-11, Pediatric radiology IF:2.1Q2 DOI:10.1007/s00247-025-06376-2 PMID:40911057	研究论文	开发并验证一种受大脑解剖结构约束的深度学习模型，利用超声图像提高胎儿小脑发育不全的产前诊断准确性	提出双分支深度学习分类网络ASC-Net，将超声图像和脑部解剖结构掩膜作为独立输入，通过解剖结构约束提升诊断性能	研究为回顾性设计，样本来源单一，超声图像选择依赖医生经验，且小脑发育不全病例数有限（302例）可能影响模型泛化性	开发一个受胎儿小脑和后颅窝池解剖结构约束的人工智能模型，以改善超声成像中小脑发育不全的产前诊断准确性	胎儿小脑发育不全	计算机视觉	胎儿中枢神经系统发育异常	超声成像	深度学习分类网络	图像	302例小脑发育不全和549例正常妊娠病例	NA	ASC-Net (双分支网络)	准确率, AUC	NA
960	2026-05-04	Artificial Intelligence-Assisted Image Extraction in Neonatal Echocardiography for Congenital Heart Disease Diagnosis in Sub-Saharan Africa: Protocol for Model Development 2025-Oct-30, JMIR research protocols IF:1.4Q3 DOI:10.2196/75270 PMID:41167236	研究论文	提出一项在撒哈拉以南非洲地区利用人工智能辅助新生儿超声心动图诊断先天性心脏病的协议，旨在开发深度学习模型，使非专业操作者能有效提取心脏图像供远程解读	创新点在于构建一个整合卷积神经网络与卷积长短期记忆层的AI辅助超声系统，灵感来自交错视觉记忆框架，并结合强化学习动态使用特征提取器，以实现实时心脏视图检测，显著适应资源有限环境	局限性包括依赖有限地理来源的数据（仅喀麦隆和南非两家医院），可能限制模型泛化性；同时分两阶段的样本量（500例回顾性数据、1000例前瞻性数据）相对不大，且需考虑实时临床环境中的实际实施挑战	研究目的为开发AI辅助超声心动图系统，使护士、助产士和医生等非专家操作者能对疑似先天性心脏病的婴儿进行基本心脏超声扫查，提取准确心腔图像供儿科心脏病专家远程解读	新生儿（0-28天），疑似患有先天性心脏病的婴儿	计算机视觉	先天性心脏病	超声心动图	深度学习（卷积神经网络与卷积长短期记忆层）	超声心动图视频片段	第一阶段约500例回顾性数据，第二阶段1000例前瞻性数据	TensorFlow, PyTorch	卷积神经网络（CNN）, 卷积长短期记忆层	NA	NA