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
1001	2026-05-30	Impact of Trait Measurement Error on Quantitative Genetic Analysis of Computer Vision-Derived Traits 2026-Apr-24, Genes IF:2.8Q2 DOI:10.3390/genes17050506 PMID:42194963	研究论文	探讨计算机视觉衍生性状测量误差对猪体重定量遗传分析的影响	首次系统评估图像衍生表型中测量误差的遗传性及其对遗传分析结果的潜在偏差	未提及具体局限性	研究动物表型测量误差对定量遗传分析结果的影响	猪的体重（BW）	计算机视觉	NA	计算机视觉算法	深度学习回归模型	图像	未明确提及样本数量	NA	NA	决定系数、拟合优度	NA
1002	2026-05-30	Deep Learning-Guided Engineering of Bst DNA Polymerase Improves LAMP-Based Detection of Foodborne Pathogens 2026-Apr-23, Microorganisms IF:4.1Q2 DOI:10.3390/microorganisms14050954 PMID:42197341	研究论文	本研究结合深度学习与半理性设计策略，改造Bst DNA聚合酶，提升基于LAMP的食源性病原体检测性能	首次将深度学习引导的蛋白质工程与融合蛋白技术结合，开发出热稳定性增强、抑制剂耐受性提高的CL7-L105M突变体，显著提升LAMP检测的灵敏度和便携性	未提及在复杂真实食品基质中的验证，且仅针对单一病原体（大肠杆菌O157:H7）进行检测	开发高性能DNA聚合酶，用于快速、灵敏、现场部署的LAMP食源性病原体检测	Bst DNA聚合酶及其突变体（A0A150MFP3、L105M、CL7-突变体）	机器学习, 数字病理学（注：实际为生物技术，但根据选项选择"机器学习"）	食源性疾病（如大肠杆菌O157:H7感染）	LAMP（环介导等温扩增），高通量筛选，融合蛋白工程	深度学习模型（未具体说明架构，如CNN）	序列数据（蛋白质序列），实验数据（酶活性、热稳定性等）	未明确样本数量，仅涉及大肠杆菌O157:H7的纯化和粗提DNA检测	未明确提及，可能包括深度学习框架（如TensorFlow或PyTorch）	未明确指定深度学习模型架构	酶活性增加率（32.92%），Tt值，检测限（1×10^4 CFU/mL）	未提及
1003	2026-05-30	Development and validation of the IVENUS artificial intelligence model for automated CEAP classification of early-stage chronic venous disease using lower limb photographs 2026-Apr-21, Journal of vascular surgery. Venous and lymphatic disorders DOI:10.1016/j.jvsv.2026.102503 PMID:42025953	研究论文	开发并验证基于下肢照片自动进行早期慢性静脉疾病CEAP分级的IVENUS人工智能模型	首次利用深度学习模型（基于Swin Transformer V2架构）从下肢照片中自动分类早期CVD的CEAP临床分级（C0-C2），并展示了高诊断价值	未提及具体限制，但可能包括数据集的多样性（仅来自俄罗斯诊所）和模型对极端条件的鲁棒性未测试	开发和验证一个AI模型，以从下肢照片中准确分类早期慢性静脉疾病的CEAP临床分级	早期慢性静脉疾病患者的下肢照片	计算机视觉, 数字病理学	慢性静脉疾病	智能手机和专业相机摄影	深度学习模型（Swin Transformer V2）	图像（下肢照片）	10,745张下肢照片，包含C0期673条腿、C1期4445条腿、C2期5627条腿；外部验证子集1622张照片	PyTorch	Swin Transformer V2	准确率, 精确率, 召回率（灵敏度）, 特异度	NA
1004	2026-05-30	A Transformer-Residual Network-Integrated Deep Learning Model for Digital Pathology-Based Grading and Risk Stratification of Metabolic Dysfunction-Associated Steatotic Liver Disease-Related Liver Fibrosis 2026-Apr-20, Clinical and translational gastroenterology IF:3.0Q2 DOI:10.14309/ctg.0000000000001017 PMID:42007561	研究论文	开发并验证了一种结合Transformer和残差网络的深度学习模型，用于基于数字病理图像的MASLD相关肝纤维化分级和风险分层	首次将Transformer与残差网络架构集成应用于MASLD肝纤维化的数字病理分级，并通过可解释性分析支持病理辅助决策	需要整合临床风险因素并在纵向结局框架中进行验证	开发用于MASLD相关肝纤维化自动分级和病理表型识别的深度学习模型	人类肝活检组织的马森染色数字病理图像	数字病理学	代谢功能障碍相关脂肪性肝病	数字病理成像	Transformer-残差网络集成模型	图像	467例肝活检标本（来自Duke 338例、MHH 72例、BI-int 57例）	PyTorch	Transformer, ResNet, 1×1步进卷积, 多头自注意力	准确率, 混淆矩阵, 连续AI评分, 梯度加权类激活映射	NA
1005	2026-05-30	Combining structural modeling and deep learning to calculate the E. coli protein interactome and functional networks 2026-Apr-11, Nature communications IF:14.7Q1 DOI:10.1038/s41467-026-71166-9 PMID:41965370	研究论文	结合结构建模与深度学习，在大肠杆菌蛋白质组范围内预测蛋白质二元复合物，构建相互作用组与功能网络	首次整合三种互补的蛋白质相互作用预测方法（基于结构的PrePPI、基于蛋白质语言模型的Topsy-Turvy和基于进化信息的ZEPPI），并利用AF3Complex算法对374个蛋白对进行结构预测，实现了对大肠杆菌蛋白质相互作用组的高置信度构建与功能子网络聚类	NA	开发并验证一种整合多种预测方法的高精度蛋白质相互作用预测框架，用于重建大肠杆菌蛋白质相互作用组及功能网络	大肠杆菌的蛋白质二元相互作用对及功能子网络	自然语言处理, 机器学习	NA	蛋白质结构建模, 蛋白质语言模型, 进化信息分析	蛋白质语言模型, 三维结构预测模型	蛋白质序列数据, 三维结构数据, 进化信息数据	高质量的HINT数据库中的二元PPI数据以及374个经AF3Complex结构预测的蛋白对	NA	PrePPI, Topsy-Turvy, ZEPPI, AF3Complex	预测性能（优于单一组件的置信度评估）	NA
1006	2026-05-30	Artificial intelligence in microbiology: implications for metagenomics, diagnostics, and AMR surveillance 2026-Apr-11, Biomedical engineering online IF:2.9Q3 DOI:10.1186/s12938-026-01568-9 PMID:41965741	综述	综述人工智能在微生物学中的应用，特别是对宏基因组学、诊断和抗菌素耐药性监测的影响	重点讨论了深度学习、基于Transformer的序列模型、图神经网络和多模态架构在微生物分类、耐药基因检测和耐药性预测中的最新进展，并强调了可解释AI技术的应用	存在数据集变异、模型对数据集的依赖性、可解释性不足和监管审批问题	综述AI辅助微生物学的最新进展，重点关注抗菌素耐药性监测	微生物基因组、宏基因组、临床数据及抗菌素耐药性相关基因和表型	机器学习, 自然语言处理	感染性疾病	宏基因组测序	深度学习, Transformer, 图神经网络, 多模态架构	基因组数据, 宏基因组数据, 临床数据	NA	NA	NA	NA	NA
1007	2026-05-30	Utilizing deep learning algorithms and artificial neural networks to forecast the viscosity, thermal conductivity, and electrical conductivity of Fe3O4/TiO2 magnetic hybrid nanofluid 2026-Apr-06, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-45886-3 PMID:41942598	研究论文	利用机器学习算法预测Fe₃O₄/TiO₂磁性混合纳米流体的粘度、热导率和电导率	首次将多元多项式回归模型与多目标灰狼优化器结合，用于同时预测和优化纳米流体的多种热物理性质	NA	预测并优化Fe₃O₄/TiO₂磁性混合纳米流体的热物理性质	Fe₃O₄/TiO₂磁性混合纳米流体	机器学习	NA	NA	多元多项式回归、高斯过程回归、多元线性回归、支持向量回归、多层感知器	实验数据	温度范围10-50°C，体积分数0-0.3%	Scikit-learn	MPR, GPR, MLR, SVR, MLP	相关系数、均方根误差	NA
1008	2026-05-30	Smart medical system integrating clinical workflows for robust skin cancer detection across heterogeneous pathologies 2026-Apr-06, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-45132-w PMID:41942573	研究论文	提出一种整合注意力引导自编码器和Transformer的混合深度学习架构，用于异质性病理下的皮肤癌稳健检测	创新性在于融合注意力引导自编码器与Transformer全局上下文建模，并设计了贝叶斯优化结合灰狼优化和鲸鱼优化算法的混合超参数优化策略	NA	开发准确且泛化能力强的自动化皮肤癌诊断系统	皮肤癌病变图像	计算机视觉	皮肤癌	NA	混合深度学习架构（注意力引导自编码器 + Transformer）	皮肤镜图像	三个基准数据集：HAM10000、ISIC-2019、ISIC-2020	NA	注意力引导自编码器、Transformer	准确率、F1-score、AUROC	NA
1009	2026-05-30	Real-time deep learning interpretation of echocardiographic video for automated detection of anatomical features associated with tetralogy of fallot in pediatric patients : a feasibility study 2026-Apr-05, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-45943-x PMID:41936642	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
1010	2026-05-30	Malignant vs. Non-malignant Annotations on TCGA Breast Cancer Whole Slide Images for AI Analysis 2026-Apr-02, Scientific data IF:5.8Q1 DOI:10.1038/s41597-026-07106-5 PMID:41922381	研究论文	在TCGA乳腺癌全切片图像上生成恶性和非恶性注释，用于AI分析	利用专家病理学家手动注释及独立复核，生成高质量注释；结合对比-监督混合机器学习流水线进行质量验证，F1分数达0.90	NA	为乳腺癌组织病理学的AI模型提供高质量注释数据集	乳腺癌全切片图像中的恶性和非恶性区域	数字病理学	乳腺癌	全切片成像	对比-监督混合机器学习模型	图像	50张TCGA乳腺癌全切片图像，包含1,882个恶性注释和374个非恶性注释	NA	NA	F1分数	NA
1011	2026-05-30	Training the diagnostic artificial intelligence in thyroid sonography: how well is deep learning truly learning? 2026-Apr, Updates in surgery IF:2.4Q2 DOI:10.1007/s13304-025-02506-5 PMID:41670922	研究论文	评估深度学习在甲状腺超声TI-RADS分类中的实际学习曲线和准确性	首次在真实世界环境中评估AI对甲状腺结节TI-RADS分类的学习曲线，并展示多轮训练后的显著性能提升	AI在复杂或异常病例（如自身免疫性甲状腺炎、异位胸腺、出血性囊肿）中仍无法替代经验丰富的临床医生	评估深度学习AI在甲状腺超声TI-RADS分类中的实际学习效果和临床应用价值	甲状腺结节患者的超声影像数据及其ACR TI-RADS分类	计算机视觉, 医学影像分析	甲状腺结节, 甲状腺疾病	3D超声影像	深度学习神经网络	超声图像	第一阶段110例患者（176个结节），第二阶段133例患者（228个结节）	NA	NA	准确性（AI与医生分类一致率）	NA
1012	2026-05-30	Clinical Grading of Artificial Intelligence-Based 3D Fetal Brain Segmentations: A Cross-Vendor Evaluation of Deep Learning in Fetal Neuroimaging 2026-04, Prenatal diagnosis IF:2.7Q2 DOI:10.1002/pd.70103 PMID:41761049	研究论文	评估基于深度学习的三维胎儿脑部分割方法在不同超声设备商数据集上的表现，并提出一种临床医生导向的视觉评估框架	引入临床医生导向的视觉评估框架作为Dice相似系数的补充，评估深度学习模型在不同超声设备商数据集上的跨设备稳健性	未提及具体限制	评估自动胎儿脑(亚)皮质分割方法在不同超声设备商数据集上的性能，并引入临床导向的视觉评估框架	141个胎儿（19至26+6孕周）的270个体积超声图像	数字病理学	无特定疾病	3D超声成像	深度学习模型	3D超声图像	270个体积（141个胎儿，孕周19-26+6）	NA	NA	Dice相似系数, 视觉分级（1-4级）, 观察者间一致性	NA
1013	2026-05-30	An end-to-end generalizable deep learning framework to comprehensively analyze transcriptional regulation 2026-04-01, Nature communications IF:14.7Q1 DOI:10.1038/s41467-026-70070-6 PMID:41922356	研究论文	介绍BioSeq2Seq，一个端到端的可泛化深度学习框架，通过整合进化保守的DNA序列特征、细胞系特异性转录活性和方向性，推断用于基因组注释的分子检测结果	提出三模态输入（DNA序列、转录活性、方向性）结合梯度引导架构优化的深度学习框架，实现跨任务的通用基因组注释，显著降低实验成本	未提及在跨物种或复杂疾病场景下的泛化性能，且依赖单细胞系输入数据可能限制对组织特异性调控的全面解析	开发一种高效低成本的基因组注释方法，替代传统多分子实验重复工作	基因转录调控机制及基因组功能元件注释	机器学习, 自然语言处理	NA	深度测序	深度学习模型	DNA序列、转录活性数据	NA	PyTorch	BioSeq2Seq	准确率, 改善率	NA
1014	2026-05-30	Manifold topological deep learning for biomedical data 2026-04-01, Nature communications IF:14.7Q1 DOI:10.1038/s41467-026-71392-1 PMID:41922355	research paper	提出了一种流形拓扑深度学习框架，用于处理生物医学图像数据	首次将拓扑深度学习拓展到可微流形数据，结合Hodge理论与卷积神经网络	未明确提及局限性	开发适用于生物医学图像数据的流形拓扑深度学习方法	生物医学图像	计算机视觉	NA	NA	卷积神经网络	图像	717,287张生物医学图像（来自11个二维和6个三维数据集）	NA	卷积神经网络	NA	NA
1015	2026-05-30	GCNPath: introspecting drug response prediction with pathway-guided graph convolution networks 2026-Apr-01, Communications biology IF:5.2Q1 DOI:10.1038/s42003-026-09957-5 PMID:41922495	研究论文	提出一种结合图卷积网络与路径特征降维的模型GCNPath，用于药物反应预测	首次系统性基准测试验证模型架构与性能的关系，并展示对未见药物和批次效应的鲁棒性	未说明具体限制	开发能适应多样化组学数据集、具实际可用性的药物反应预测模型	癌症细胞系的多组学数据及药物反应	机器学习	癌症	基因表达谱、多细胞组学平台	图卷积网络 (GCN)	组学数据（RNA数据等）	未说明具体样本量	PyTorch	GCN	预测未见药物性能、批次效应克服能力	NA
1016	2026-05-30	Prognostic value of end-to-end deep learning assessment of myocardial scar and microvascular obstruction on late gadolinium enhancement cardiovascular magnetic resonance 2026-Mar-12, Journal of cardiovascular magnetic resonance : official journal of the Society for Cardiovascular Magnetic Resonance IF:4.2Q1 DOI:10.1016/j.jocmr.2026.102712 PMID:41831720	研究论文	开发和验证一种用于心肌瘢痕和微血管梗阻自动分割的端到端深度学习管道LGE-CMRnet，并评估其在急性心肌梗死患者中的预后价值	提出LGE-CMRnet，整合YOLOv8和nnU-Net进行全自动心肌瘢痕和微血管梗阻分割，并在预后价值上达到与专家分析相当的水平	样本量有限（567名患者），且为单中心研究，可能需要更多外部验证	评估LGE-CMRnet在急性心肌梗死患者中自动分割心肌瘢痕和微血管梗阻的预后价值	急性心肌梗死患者	数字病理学	心血管疾病	心脏磁共振（LGE CMR）	YOLOv8和nnU-Net	图像	567名AMI患者（409名用于训练/内部压力测试；158名用于外部测试），共3874张LGE图像	PyTorch	YOLOv8, nnU-Net	Dice相似系数（DSC）、相关系数、Bland-Altman分析、Cox回归、C指数	未明确提及但对推理而言快速处理（每张图像0.05秒）
1017	2026-05-30	Deep Learning for Standardized Head CT Reformatting: A Quantitative Analysis of Image Quality and Operator Variability 2026-03, Journal of the American College of Radiology : JACR IF:4.0Q1 DOI:10.1016/j.jacr.2025.09.016 PMID:40998241	研究论文	验证深度学习基础模型在自动头部CT重建中的表现，并量化手动重建的质量和变异	首次使用单一深度学习基础模型实现自动头部CT重建，并利用该模型作为参考标准在大规模真实世界数据集中评估手动重建的质量和速度	未提及具体限制	验证深度学习模型自动头部CT重建的图像质量和操作者变异	1,763例连续非增强头部CT检查中的自动和手动重建结果	机器学学习	无特定疾病	非增强头部CT	深度学习基础模型	图像	1,763例非增强头部CT检查，其中100例用于模型验证	NA	NA	地标定位误差、旋转误差、中心误差、缩放误差	NA
1018	2026-05-30	Validating Radiology Artificial Intelligence Model Performance on Photon-Counting CT Images Using Large Language Models for Ground Truth Extraction 2026-03, Journal of the American College of Radiology : JACR IF:4.0Q1 DOI:10.1016/j.jacr.2025.11.024 PMID:41265766	研究论文	评估利用大语言模型从放射学报告中自动提取真实标签，用于验证AI模型在光子计数CT图像上的性能	首次将大语言模型应用于自动提取放射学报告中的真实标签，实现对新型成像硬件上AI工具的可扩展性能评估与监控	大语言模型标签与人工标注间存在一定差异，需部分人工校正；仅评估了四种诊断任务的AI工具	验证使用大语言模型自动化真实标签提取的可行性，并评估AI模型在新安装光子计数CT扫描仪上的表现	四种FDA批准的基于深度学习的计算机辅助检测与分诊工具（针对肺栓塞、颅内出血、颈椎骨折和椎体压缩性骨折）	自然语言处理、计算机视觉	肺栓塞、颅内出血、颈椎骨折、椎体压缩性骨折	光子计数CT成像	大语言模型 (Llama 3.3) 和深度学习计算机辅助检测模型	文本（放射学报告）	来自PCCT和传统CT扫描仪的多例放射学报告，具体数量未说明	PyTorch	Llama 3.3	Fleiss κ系数	NA
1019	2026-05-30	Automated Lymph Node and Extranodal Extension Assessment Improves Risk Stratification in Oropharyngeal Carcinoma 2026-02-10, Journal of clinical oncology : official journal of the American Society of Clinical Oncology IF:42.1Q1 DOI:10.1200/JCO-24-02679 PMID:41435207	研究论文	应用自动化人工智能影像平台整合淋巴结自动分割与结外侵犯预测，评估对咽癌患者风险分层的预后价值	首次将AI预测的结外侵犯淋巴结数量作为独立预后因子，并整合到现有风险分组系统中以改善分层效果	NA	评估自动AI预测的结外侵犯淋巴结数量对咽癌患者风险分层的预后价值	1,733名接受根治性放疗的咽癌患者的治疗前CT影像数据	计算机视觉	咽癌	CT成像	深度学习	影像	1,733名咽癌患者	NA	深度学习自动分割模型，结外侵犯预测模型	C指数，决策曲线分析，风险比	NA
1020	2026-05-30	Performance of Artificial Intelligence Models in Predicting Responsiveness of Hepatocellular Carcinoma to Transarterial Chemoembolization (TACE): A Systematic Review and Meta-Analysis 2026-01, Journal of the American College of Radiology : JACR IF:4.0Q1 DOI:10.1016/j.jacr.2025.08.028 PMID:40889566	系统综述与荟萃分析	评估人工智能模型预测肝细胞癌患者对经动脉化疗栓塞（TACE）治疗反应的性能	首次通过荟萃分析系统比较了手工影像组学（HCR）和深度学习（DL）模型在预测TACE疗效方面的性能，并评估了临床数据整合的影响	观察到研究中的异质性，表明需要进一步研究来验证模型的一致性和临床适用性	评估人工智能模型预测肝细胞癌患者接受TACE后治疗效果的预测性能	肝细胞癌（HCC）患者，接受经动脉化疗栓塞（TACE）治疗	机器学习	肝细胞癌	手工影像组学（HCR）、深度学习（DL）	深度学习模型、手工影像组学模型	影像数据、临床数据	27项研究纳入综述，其中11项研究用于TACE治疗反应的整体荟萃分析	NA	NA	受试者工作特征曲线下面积（AUC）	NA