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
9861	2026-03-18	CT acquisition protocols in lung cancer screening: implications for guideline development from a worldwide survey 2026-Mar-16, Insights into imaging IF:4.1Q1 DOI:10.1186/s13244-026-02239-y PMID:41838308	研究论文	本研究通过全球调查评估了肺癌筛查中CT图像采集协议的现状，以支持指南制定	首次在全球范围内系统调查肺癌筛查中CT采集协议的应用情况，揭示了多专业参与不足和技术参数变异性大的问题	调查回复率有限，部分技术问题未完全回答，可能无法代表所有机构的实际情况	评估肺癌筛查中CT图像采集协议的当前应用情况，为指南制定提供依据	全球71家肺癌筛查机构	数字病理学	肺癌	CT扫描	NA	CT图像	来自29个国家的71家机构	NA	NA	NA	NA
9862	2026-03-18	Radiomics in fetal brain MRI: a narrative review 2026-Mar-16, European radiology experimental IF:3.7Q1 DOI:10.1186/s41747-026-00697-z PMID:41838340	综述	本文是一篇关于胎儿脑部MRI影像组学的叙述性综述，总结了其技术基础、临床应用及未来方向	系统性地将影像组学这一新兴的、数据驱动的方法应用于胎儿脑部MRI评估，揭示了人眼难以察觉的细微成像模式，为产前诊断和预后提供了新的视角	该领域尚处于早期阶段，需要更大规模、多中心、采用标准化协议的研究来提高普适性并减少变异性	探讨影像组学在胎儿脑部MRI中的应用潜力，以改善胎儿脑部发育评估、表型分析、疾病诊断及神经发育结局预测	胎儿脑部MRI图像	数字病理学	NA	MRI	机器学习模型	图像	NA	NA	NA	NA	NA
9863	2026-03-18	Generating synthetic CEM from low-energy images using deep learning: A future without contrast media? A proof-of-concept study 2026-Mar-16, European radiology experimental IF:3.7Q1 DOI:10.1186/s41747-026-00681-7 PMID:41838331	研究论文	本研究利用深度学习从低能量对比增强乳腺摄影图像生成合成碘增强图像，探索无对比剂应用的潜力	首次使用二维循环生成对抗网络从低能量CEM图像生成视觉上类似临床碘增强的合成图像，并展示了在病灶检测和背景实质增强评估中的潜在应用	研究为回顾性设计，样本量较小（140例检查），且仅作为概念验证研究，需要更大规模的前瞻性验证	探索深度学习生成合成碘增强乳腺摄影图像的可行性，以减少对比剂使用	对比增强乳腺摄影图像（低能量和碘增强图像）	计算机视觉	乳腺疾病	对比增强乳腺摄影	GAN	图像	140例CEM检查（训练集100例患者390张图像，测试集40例患者）	NA	二维循环生成对抗网络	对比噪声比, 平均绝对误差, 结构相似性指数, 准确率, 敏感性, 特异性	NA
9864	2026-03-18	Current and future contributions of AI to pulmonary function test interpretation, diagnostic approaches, and predictions of disease progression 2026-Mar-16, Expert review of respiratory medicine IF:2.9Q2 DOI:10.1080/17476348.2026.2647482 PMID:41838429	综述	本文综述了人工智能（AI）在肺功能测试（PFT）解释、诊断方法和疾病进展预测方面的当前及未来贡献	系统总结了AI在PFT中应用的最新进展，包括机器学习、深度学习和可解释AI方法，并强调了多学科合作的重要性	算法性能存在变异性、可解释性有限、依赖训练数据的质量和代表性、临床背景整合不足	探讨AI如何增强肺功能测试的解释、标准化流程并支持临床决策	肺功能测试数据及相关临床决策	机器学习	肺病	NA	NA	肺功能测试数据	NA	NA	NA	准确性、可重复性	NA
9865	2026-03-18	GeoCTP: Structure-aware Prediction of Multifunctional Cancer Therapy Peptides via Graph Transformer and Contrastive Learning 2026-Mar-16, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2026.3674608 PMID:41838499	研究论文	本文提出了一种名为GeoCTP的几何深度学习框架，用于准确预测多功能癌症治疗肽	首次专门针对多功能癌症治疗肽设计的预测工具，结合了序列和结构信息，并采用了两级对比学习策略来增强特征对齐和类间区分能力	未在摘要中明确提及	开发一个准确预测多功能癌症治疗肽的计算工具	癌症治疗肽	生物信息学	癌症	ESMfold, ESM-2语言模型	Graph Transformer	序列数据, 3D结构数据	未在摘要中明确提及	未在摘要中明确提及	Graph Transformer	未在摘要中明确提及	未在摘要中明确提及
9866	2026-03-18	Ground Truth Reliability and Clinical Generalisability in Deep Learning for Reticular Pseudodrusen 2026-Mar-16, Clinical & experimental ophthalmology DOI:10.1111/ceo.70110 PMID:41839531	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
9867	2026-03-18	Out-of-Distribution Detection in Medical Image Segmentation with β -VAE and Likelihood Regret 2026-Mar-16, Journal of imaging informatics in medicine DOI:10.1007/s10278-026-01907-1 PMID:41840137	研究论文	本文提出了一种结合β-VAE和似然后悔的新方法，用于医学图像分割中的分布外检测，能同时识别图像样本和分割掩码的分布外情况	首次同时检测图像样本和分割掩码的分布外情况，引入似然后悔计算OOD分数以提高分布拟合评估的准确性	未明确说明具体数据集规模或计算资源细节，可能限制方法在更大规模或不同医疗场景下的泛化能力评估	解决医学图像分割中分布外数据的检测问题，提高模型在真实医疗应用中的鲁棒性	3D医学图像及其分割掩码	计算机视觉	NA	深度学习	VAE, U-Net	3D医学图像	NA	NA	β-VAE, U-Net	OOD检测性能（未指定具体指标）	NA
9868	2026-03-18	Robust Histopathology Subtyping via Perturbation Fidelity in Deep Classifier 2026-Mar-16, Journal of imaging informatics in medicine DOI:10.1007/s10278-026-01875-6 PMID:41840135	研究论文	本文提出了一种基于扰动保真度的深度分类器框架，用于提高浸润性肺腺癌亚型分型的鲁棒性	提出了边缘一致性框架和扰动保真度评分方法，通过贝叶斯优化参数施加结构化扰动，解决了对比正则化导致的特征过度聚类问题	跨机构验证时存在约15-20%的性能下降，表明存在领域偏移问题，未来需要领域自适应研究	提高深度学习模型对浸润性肺腺癌亚型分型在真实世界成像扰动下的鲁棒性	浸润性肺腺癌的五个亚型	数字病理学	肺癌	全切片图像分析	深度学习分类器	图像	143张全切片图像，共203,226个图像块	NA	Vision Transformer-Large, ResNet101, ResNet50	准确率, 受试者工作特征曲线下面积, Kendall相关系数	NA
9869	2026-03-18	Multimodal machine learning for Cr(Ⅵ) removal and floc settling using image-based floc features and operating parameters 2026-Mar-15, Journal of environmental management IF:8.0Q1 DOI:10.1016/j.jenvman.2026.129024 PMID:41719855	研究论文	本文开发了一种新颖的多模态机器学习框架，通过整合基于图像的絮体特征和操作参数，来预测电絮凝过程中Cr(Ⅵ)的去除效率和絮体沉降性能	首次提出结合基于深度学习的絮体图像特征提取（使用ResNet50）与操作参数的多模态机器学习框架，用于优化电絮凝过程，显著提高了预测准确性	研究可能受限于特定实验条件（如pH变化、电解质浓度、搅拌速率）下的数据集，未明确提及模型在其他废水类型或更广泛操作条件下的泛化能力	优化电絮凝技术，提高Cr(Ⅵ)去除效率和絮体沉降性能，以应对废水处理中多变的操作条件	废水中的Cr(Ⅵ)污染物及电絮凝过程中形成的絮体	机器学习	NA	电絮凝，深度学习图像特征提取	ResNet50, 支持向量分类, 支持向量回归, Bagging分类器, Extra Tree	图像, 操作参数	NA	NA	ResNet50	R值（相关系数）	NA
9870	2026-03-18	Advances in transfer learning for smart wastewater treatment plants: Learning frameworks and emerging pathways 2026-Mar-15, Journal of environmental management IF:8.0Q1 DOI:10.1016/j.jenvman.2026.129078 PMID:41740504	综述	本文综述了迁移学习在智能污水处理厂中的应用框架、挑战及未来研究方向	首次对迁移学习在污水处理厂领域的应用进行全面综述，填补了现有文献的空白	NA	为基于迁移学习的智能污水处理厂策略的开发与实施提供信息	污水处理厂	机器学习	NA	迁移学习	NA	水质参数、传感器数据、过程数据	NA	NA	NA	预测精度	NA
9871	2026-03-18	Accelerated discovery of cell migration regulators using label-free deep learning-based automated tracking 2026-Mar-13, Science advances IF:11.7Q1 DOI:10.1126/sciadv.aea1492 PMID:41811952	研究论文	本文介绍了一种名为DeepBIT的无标记深度学习平台，用于高通量自动追踪细胞迁移，以系统研究其调控机制	开发了基于卷积神经网络的无标记亮场成像与细胞追踪平台，无需荧光标记或人工注释，实现了大规模单细胞迁移分析	未明确提及平台在复杂三维微环境或体内模型中的适用性限制	系统解析细胞迁移的调控机制，并探索其在药物发现和基因组扰动中的应用	乳腺癌细胞	计算机视觉	乳腺癌	亮场成像，荧光成像，CRISPR敲除	CNN	视频	约1500个细胞每孔，共840种条件，产生约130万条轨迹	NA	NA	NA	NA
9872	2026-03-18	De novo design of Ras isoform selective binders 2026-Mar-11, Cell chemical biology IF:6.6Q1 DOI:10.1016/j.chembiol.2026.02.008 PMID:41819089	研究论文	本文利用深度学习技术从头设计了针对所有主要Ras亚型的特异性结合剂，以靶向Ras的C末端	首次通过深度学习从头设计出能够特异性结合Ras亚型的分子，克服了传统方法因序列差异有限而难以实现亚型选择性的挑战	NA	开发能够特异性结合不同Ras亚型的分子工具，以研究Ras生物学和疾病机制，并探索潜在的治疗应用	Ras原癌基因编码的四种主要亚型	机器学习	癌症	深度学习	NA	NA	NA	NA	NA	NA	NA
9873	2026-03-18	DGSite: A Well-Calibrated Deep Learning Framework for Protein-RNA Binding Site Prediction 2026-Mar-10, ACS omega IF:3.7Q2 DOI:10.1021/acsomega.5c12723 PMID:41835510	研究论文	本文提出了一种名为DGSite的深度学习框架，用于预测蛋白质-RNA结合位点，通过结合变形注意力Transformer和图注意力网络来整合全局与局部特征，并引入自适应偏置损失以解决类别不平衡和模型校准问题	开发了DGSite框架，首次结合简化变形注意力Transformer和图注意力网络来捕获长程依赖和多尺度局部特征，并基于最优传输理论提出自适应偏置损失（ABL）及混合损失函数ABL+FL，以优化精度、召回率和预测校准	NA	解决蛋白质-RNA结合位点预测中全局与局部特征整合不足、类别不平衡影响精度-召回率以及预测校准不佳的挑战	蛋白质-RNA相互作用	机器学习	NA	深度学习	Transformer, GAT	蛋白质-RNA结合位点数据	训练集Train-1086和测试集Test-107	PyTorch	简化变形注意力Transformer, 图注意力网络	精度, 召回率, 校准指标	NA
9874	2026-03-18	A Machine Learning Quest to Design Molecular Graph Fingerprints of Organic Chromophores for Adjusting Photoluminescent Quantum Yields 2026-Mar-10, ACS omega IF:3.7Q2 DOI:10.1021/acsomega.5c08921 PMID:41835603	研究论文	本文提出了一种基于分子指纹的深度学习流程，用于发现具有目标光致发光量子产率的有机发色团	开发了结合分子指纹与机器学习（支持向量机和梯度提升回归器）的流程，用于高效预测和设计有机发色团的光学性能，并利用逆合成分析设计了5200个新发色团	模型预测性能的R²值在0.68至0.88之间，仍有提升空间；研究基于713个已知发色团的数据集，化学空间的覆盖可能有限	设计具有高光致发光量子产率的有机发色团，以加速高性能有机光电材料的发现	有机发色团	机器学习	NA	分子指纹化、逆合成分析、结构-活性景观分析	支持向量机、梯度提升回归器	分子结构数据（转换为2048位指纹）	713个已知有机发色团，并新设计了5200个发色团	Scikit-learn	NA	R²	NA
9875	2026-03-18	Visible Light-Near Infrared Hyperspectral Imaging and Deep Learning Enable Rapid, Non-Staining Assessment of Lung Adenocarcinoma 2026-Mar, Journal of biophotonics IF:2.0Q3 DOI:10.1002/jbio.202500362 PMID:41220170	研究论文	本研究提出了一种结合可见光-近红外高光谱成像与深度学习融合框架的非破坏性基因分型方法，用于快速评估肺腺癌驱动突变	首次将可见光-近红外高光谱成像与双分支深度学习融合框架结合，实现无需染色的肺腺癌驱动突变快速评估	研究样本量较小（90例临床标本），且未提及外部验证或跨中心验证结果	开发一种非侵入性、非破坏性的肺腺癌驱动突变（如ALK、EGFR、KRAS）识别方法，以指导个性化治疗	肺腺癌临床标本的未染色病理切片	生物医学光子学	肺腺癌	可见光-近红外高光谱成像（400-1000 nm）	深度学习融合框架，XGBoost	高光谱图像	90例临床标本	NA	双分支融合网络，XGBoost	准确率，ROC曲线下面积（AUC）	NA
9876	2026-03-18	MALDI-TOF mass spectrometry coupled with machine learning: an accurate tool to detect toxigenic Clostridioides difficile strains 2026-Mar, Anaerobe IF:2.5Q3 DOI:10.1016/j.anaerobe.2025.103017 PMID:41325791	研究论文	本研究评估了MALDI-TOF质谱结合机器学习在检测产毒艰难梭菌菌株中的有效性	首次将MALDI-TOF质谱与机器学习算法结合，用于区分产毒与非产毒艰难梭菌菌株，提供了一种低成本、易用的替代方法	样本量相对有限（389个菌株），且仅基于单一机构的临床样本，可能影响模型的泛化能力	评估MALDI-TOF质谱在识别产毒艰难梭菌菌株中的有效性，并开发基于机器学习的检测工具	从315名患者粪便中分离的389个艰难梭菌菌株（包括产毒和非产毒菌株）	机器学习	艰难梭菌感染	MALDI-TOF质谱, 全基因组测序, PCR, 厌氧培养	支持向量机, 随机森林, 深度学习算法	质谱数据, 基因组数据	389个艰难梭菌菌株（来自315名患者）	NA	NA	准确率, κ值, 灵敏度, 特异性, 阳性预测值, 阴性预测值	NA
9877	2026-03-18	Fast and trustworthy nowcasting of dengue fever: A case study using attention-based probabilistic neural networks in São Paulo, Brazil 2026-Mar, Epidemics IF:3.0Q2 DOI:10.1016/j.epidem.2025.100880 PMID:41411852	研究论文	本文提出了一种名为NowcastPNN的新型概率神经网络架构，用于估计传染病（以巴西圣保罗的登革热为例）中已发生但尚未报告的病例数	结合负二项分布统计建模与注意力机制等深度学习技术，通过蒙特卡洛Dropout获取不确定性区间，在预测区间评分规则上相比现有最佳方法减少近30%的损失	模型需要大量训练数据（相当于2-4年的发病率计数）才能超越基准方法	开发快速可靠的传染病实时预测方法，以支持公共卫生决策	登革热发病率数据	机器学习	登革热	NA	概率神经网络, 注意力机制	发病率计数数据	相当于2-4年的发病率计数	NA	NowcastPNN	预测区间评分规则	计算成本低廉
9878	2026-03-18	VarCoNet: A Variability-Aware Self-Supervised Framework for Functional Connectome Extraction From Resting-State fMRI 2026-Mar, Human brain mapping IF:3.5Q1 DOI:10.1002/hbm.70469 PMID:41810518	研究论文	本文提出了一种名为VarCoNet的变异性感知自监督框架，用于从静息态功能磁共振成像数据中提取稳健的功能连接组	将功能个体间变异性视为有意义的数据而非噪声，通过自监督对比学习利用这种变异性，并引入基于信号分割的新颖增强策略	NA	开发一个用于从静息态功能磁共振成像数据中提取功能连接组的稳健框架，以支持精准医学	静息态功能磁共振成像数据，包括来自人类连接组计划的2117条记录和自闭症脑成像数据交换I（995条记录）及II（730条记录）数据集的数据	机器学习	自闭症谱系障碍	静息态功能磁共振成像	CNN, Transformer	时间序列数据	人类连接组计划：2117条记录；自闭症脑成像数据交换I：995条记录；自闭症脑成像数据交换II：730条记录	NA	1D卷积神经网络与Transformer编码器集成	准确率, AUC	NA
9879	2026-03-18	Time-resolved functional genomics using deep learning reveals global hierarchical control of autophagy 2026-Mar, Nature cell biology IF:17.3Q1 DOI:10.1038/s41556-025-01837-0 PMID:41826700	研究论文	本研究结合时间分辨高内涵成像、深度学习和潜在特征分析，绘制了氮变化期间控制自噬激活和失活的遗传网络	首次通过时间分辨功能基因组学方法，结合深度学习揭示自噬的全局层次控制，并识别逆行通路作为关键的时间变化调节因子	NA	研究自噬在营养环境变化中的系统动态调控机制	自噬过程及其遗传网络	机器学习	NA	时间分辨高内涵成像，潜在特征分析	深度学习	图像数据	5,919个突变体	NA	NA	NA	NA
9880	2026-03-18	Deep learning-driven immunohistochemical analysis of renal lymphatics for chronic kidney disease: bioinformatic and histopathological study 2026-Mar, Journal of pathology and translational medicine IF:1.7Q3 DOI:10.4132/jptm.2025.12.15 PMID:41820010	研究论文	本研究开发了一种基于弱监督、注意力机制的多实例学习框架，用于自动检测和量化肾淋巴管密度，以支持慢性肾脏病和高血压肾病的诊断与风险分层	采用聚类约束注意力多实例学习（CLAM）模型，联合执行基于注意力的实例选择和实例级聚类，以区分每个切片内的正负证据，从而生成更具区分性的切片级特征和可解释的注意力图	研究仅基于两个独立内部数据集（来自同济医院），样本量相对有限（CKD 198例，HTN 50例），且仅使用D2-40免疫组化染色的全切片图像	评估一种自动化框架，用于肾淋巴管密度的检测和量化，以替代缓慢、主观的视觉评估方法	慢性肾脏病（CKD）和高血压肾病（HTN）患者的肾活检组织	数字病理学	慢性肾脏病	免疫组化染色（D2-40）、全切片图像数字化	CNN, 多实例学习	图像	CKD 198例，HTN 50例，总计248例肾活检样本	NA	CLAM（聚类约束注意力多实例学习模型）	AUC（接收者操作特征曲线下面积）	NA