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
1061	2026-04-22	Biochemical biomarker-Driven deep learning framework with SHAP-based feature interpretation for diabetes classification 2026-Jul, Biophysical chemistry IF:3.3Q2 DOI:10.1016/j.bpc.2026.107601 PMID:41935405	研究论文	本研究提出了一种结合深度神经网络、特征排序和统计算法的预测模型，用于糖尿病的早期识别，并通过SHAP增强模型可解释性	整合深度神经网络与特征排序及统计算法，并应用SHAP进行特征解释，以提高糖尿病早期诊断的准确性和可解释性	未明确提及样本来源的多样性或模型在外部验证集上的泛化能力	开发一种早期糖尿病诊断方法，以减少严重并发症的风险	糖尿病患者及处于糖尿病前期状态的个体	机器学习	糖尿病	NA	深度神经网络	生化生物标志物数据	NA	NA	NA	准确率	NA
1062	2026-04-22	Deep learning model for predicting mRNA half-life based on 3'UTR sequences 2026-Jun-04, Biochemical and biophysical research communications IF:2.5Q3 DOI:10.1016/j.bbrc.2026.153691 PMID:41932116	研究论文	本研究提出了一种基于预训练RNA语言模型和Transformer架构的深度学习框架，用于仅根据3'UTR序列预测酿酒酵母mRNA的半衰期	结合预训练的RNA语言模型（RNA-FM）与Transformer主干网络，构建了一个序列驱动的预测框架，在保证预测精度的同时增强了生物学可解释性，并通过位置掩码和计算机模拟诱变识别了具有全局去稳定化或稳定化作用的短基序	模型目前仅针对酿酒酵母（Saccharomyces cerevisiae）的转录本进行验证，尚未扩展到其他物种；预测性能（R=0.545）仍有提升空间；个体效应大小适中	从3'UTR序列预测mRNA半衰期，以研究基因表达稳态和转录后调控	酿酒酵母（Saccharomyces cerevisiae）转录本的3'非翻译区（3'UTR）序列	自然语言处理, 机器学习	NA	RNA序列分析, 计算机模拟诱变	Transformer, 预训练语言模型	序列（RNA 3'UTR序列）	未明确说明具体样本数量，但使用了独立留出测试集和5折交叉验证的训练/验证池	未明确说明，但提及了预训练RNA语言模型（RNA-FM）	Transformer, RNA-FM	RMSE, MAE, R（皮尔逊相关系数）, FDR	NA
1063	2026-04-22	MorphMaskFormer: a transformer-based deep segmentation model for multi-class Demirjian stage estimation from panoramic radiographs 2026-Jun, Oral surgery, oral medicine, oral pathology and oral radiology DOI:10.1016/j.oooo.2026.01.012 PMID:41856821	研究论文	本研究开发了一种基于Transformer的深度学习模型MorphMaskFormer，用于从全景X光片中自动估计多类Demirjian牙龄阶段，以提高法医和临床应用中牙龄估计的准确性和客观性	提出了MorphMaskFormer模型，该模型在经典UNet架构基础上，引入了受Mask2Former启发的轻量级Transformer注意力模块，实现了对牙齿发育阶段的高精度像素级分割	研究样本量相对有限（888张全景X光片），且模型在某些Demirjian阶段（如B、C、E、F、G）的准确性可能未达到最优，需要进一步验证和优化	开发一个先进的深度学习模型，用于自动确定全景X光片中第三磨牙的发育阶段，以改进牙龄估计的准确性和客观性	来自7至30岁个体的888张全景X光片	计算机视觉	牙科疾病	全景X光成像	CNN, Transformer	图像	888张全景X光片	PyTorch, TensorFlow	UNet, ResUNet, DeepLabV3+, PSPNet, SegNet, MorphMaskFormer	IoU, Dice系数, 精确率, 召回率, 推理时间	GPU（具体型号未提及），可能使用云平台或本地计算资源
1064	2026-04-22	Scratcher: An automated machine-vision tool for dissecting the neural basis of itch 2026-May-25, Neuroscience IF:2.9Q2 DOI:10.1016/j.neuroscience.2026.03.046 PMID:41912065	研究论文	本文介绍了一种名为Scratcher的自动化机器视觉工具，用于分析小鼠的抓挠行为，以研究瘙痒的神经基础	开发了一种基于实时物体检测算法的GUI计算工具，实现半监督自动化分析小鼠抓挠行为，计算成本低	工具主要针对实验室小鼠和大鼠，可能需进一步验证以扩展到其他动物模型或人类研究	研究瘙痒诱导抓挠行为的神经回路机制	实验室小鼠	计算机视觉	NA	机器视觉、深度学习、光遗传学、化学遗传学	物体检测算法	视频	NA	NA	NA	NA	计算成本低，具体资源未指定
1065	2026-04-22	Deep learning-assisted portable fluorescence device for dynamic monitoring of mercury absorption in rice 2026-May-15, Food chemistry IF:8.5Q1 DOI:10.1016/j.foodchem.2026.148815 PMID:41812440	研究论文	本研究开发了一种基于深度学习辅助的便携式荧光设备，用于动态监测水稻中汞的吸收情况	结合氮掺杂碳点荧光探针、3D打印便携设备、智能手机图像采集以及卷积神经网络特征提取，实现了汞的高灵敏度现场定量检测	检测范围限定在1-50 μM，在更宽浓度范围或复杂基质中的性能未验证	开发一种简单有效的现场汞检测策略，用于环境监测和水稻汞吸收动态研究	水稻、自来水、河水、废水样品中的汞离子	计算机视觉	NA	荧光检测、水热合成法	CNN	图像	自来水、河水、废水样品及水稻应用	NA	NA	相关系数(R)、回收率	NA
1066	2026-04-22	Fusion-m6A: A lightweight hybrid deep learning framework for RNA m6A site prediction 2026-May-15, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2026.111669 PMID:41950858	研究论文	提出了一种名为Fusion-m6A的轻量级混合深度学习框架，用于高精度预测RNA m6A修饰位点	融合了Word2Vec序列嵌入、卷积层、带注意力的双向门控循环单元以及辅助k-mer特征，在保持高精度的同时实现了更快的推理速度和更低的内存占用	未明确说明模型在跨物种或低质量数据上的泛化能力	开发一种高效、准确的计算方法用于大规模和特定组织的RNA m6A位点预测	RNA N6-甲基腺苷（m6A）修饰位点	生物信息学	NA	计算预测方法	混合深度学习模型（CNN, BiGRU with attention）	RNA序列数据	多个人体组织和细胞系数据（具体数量未说明）	未明确说明	自定义混合架构（Word2Vec + CNN + BiGRU with attention + 全连接层）	准确率, 马修斯相关系数	未明确说明
1067	2026-04-22	Cervical cancer image analysis: Detection and segmentation using self-guided quantum GANs and musical chairs optimization 2026-May-15, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2026.111633 PMID:41895134	研究论文	本研究提出了一种结合自引导量子生成对抗网络与音乐椅优化算法的宫颈癌病理图像检测与分割方法	首次将自引导量子生成对抗网络（SQGAN）与音乐椅优化算法（MCOA）相结合用于宫颈癌图像分析，并引入了自适应因果决策变换器进行特征提取	方法仅在SIPaKMeD数据集上验证，需要更多外部数据集验证泛化能力；量子计算组件的实际硬件实现细节未详细说明	开发高精度、计算效率高的宫颈癌早期诊断工具，降低病理诊断错误率	宫颈组织病理学图像	数字病理学	宫颈癌	组织病理学图像分析	GAN, 优化算法, 聚类算法, 变换器	医学图像	SIPaKMeD数据集（具体数量未明确说明）	未明确说明	自引导量子生成对抗网络（SQGAN）, 自适应因果决策变换器（ACDT）, 图增强模糊聚类（GEFC）, 音乐椅优化算法（MCOA）	准确率, 精确率, 召回率, F1分数, AUC	未明确说明
1068	2026-04-22	A lightweight and explainable cardiac signal framework for screening-oriented cardiometabolic risk assessment 2026-May-15, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2026.111662 PMID:41921461	研究论文	本文提出了一种轻量级且可解释的心电图分析框架，用于糖尿病筛查、自主神经功能障碍筛查和心脏病风险分层	提出了一种无需深度学习的新型心脏病风险指数，并开发了一个结合手工统计特征和心率变异性特征的轻量级、可解释的筛查框架	研究队列规模有限（29名受试者），且框架被设计为筛查决策支持工具而非诊断系统	开发一个用于预防性心血管筛查的轻量级、可解释的心电图分析框架	心电图信号	数字病理学	心血管疾病	心电图信号分析	NA	信号数据	29名受试者，131条记录	Scikit-learn	NA	AUC	NA
1069	2026-04-22	LADNET: An MRI-based deep learning approach for Alzheimer's disease detection 2026-May-15, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2026.111647 PMID:41936289	研究论文	本文提出了一种基于MRI的深度学习模型LADNET，用于阿尔茨海默病的检测和分类	提出轻量级LADNET模型，参数仅约120万，推理速度快（每张图像4.2毫秒），在公开数据集上达到99.4%的准确率和99%的AUC，优于现有方法	NA	早期检测和分类阿尔茨海默病，以最大化患者的生存机会	阿尔茨海默病患者及非痴呆个体的MRI图像	数字病理学	阿尔茨海默病	磁共振成像（MRI）	深度学习模型	图像	超过六千张来自四种不同类型图像的公开Kaggle数据集	NA	LADNET	准确率, AUC	NA
1070	2026-04-22	Mapping intratumoral heterogeneity through PET-derived washout and deep learning after proton therapy 2026-May-15, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2026.111646 PMID:41936288	研究论文	本研究提出了一种不确定性感知的深度学习框架，用于改进质子治疗后PET图像中冲刷参数的估计，以映射肿瘤内异质性	提出了一种不确定性感知的深度学习框架，首次将冲刷动力学估计与肿瘤内异质性映射相结合，支持剂量验证和个性化治疗	研究基于蒙特卡洛模拟数据，样本量较小（8名头颈癌患者用于训练，5名患者用于测试），需要进一步临床验证	改进质子治疗后PET图像的冲刷参数估计，实现肿瘤内异质性映射以支持肿瘤状态评估和治疗反应监测	头颈癌患者和肝癌患者的质子治疗后PET图像数据	数字病理学	头颈癌	质子治疗，正电子发射断层扫描（PET），蒙特卡洛模拟	深度学习	医学图像（PET图像）	8名头颈癌患者用于训练（每名患者75个数字孪生），4名头颈癌患者和1名肝癌患者用于测试	PyTorch	NA	平均绝对误差，分辨率，准确性	NA
1071	2026-04-22	Machine learning models for predicting response to epidermal growth factor receptor tyrosine kinase inhibitors in non-small cell lung cancer brain metastases: a systematic review and meta-analysis 2026-May, Clinical & translational oncology : official publication of the Federation of Spanish Oncology Societies and of the National Cancer Institute of Mexico IF:2.8Q2 DOI:10.1007/s12094-025-04148-w PMID:41335187	系统综述与荟萃分析	本研究通过系统综述和荟萃分析，评估了基于机器学习的模型在预测非小细胞肺癌脑转移患者对表皮生长因子受体酪氨酸激酶抑制剂治疗反应中的性能	首次对用于预测非小细胞肺癌脑转移患者EGFR-TKI治疗反应的机器学习模型进行系统综述和荟萃分析，综合评估了多种模型的预测性能	纳入的研究多为回顾性数据集，样本量较小，且缺乏外部验证，限制了模型在临床实践中的直接应用	评估基于机器学习的模型在预测非小细胞肺癌脑转移患者对EGFR-TKI治疗反应中的预测性能	非小细胞肺癌脑转移患者	机器学习	肺癌	NA	逻辑回归, 决策树, 深度学习	临床数据	1322名肺癌脑转移患者	NA	DL-Cox	AUC, 准确率, 灵敏度, 特异性, 诊断比值比	NA
1072	2026-04-22	Test-Time Adaptation for Detecting Image Inpainting Forgeries 2026-May, IEEE transactions on cybernetics IF:9.4Q1 DOI:10.1109/TCYB.2025.3647640 PMID:41468337	研究论文	本文提出了一种测试时自适应检测框架，用于检测图像修复伪造，通过量化模型不确定性和动态适应可靠测试样本，提升伪造检测模型在动态环境中的适应性和检测性能	提出基于图像梯度的度量来量化模型不确定性并协调整个适应过程，结合样本特定的批量归一化统计增强预训练模型在推理阶段的能力，引入交叉注意力模块作为侧调模块，使模型能动态适应可靠测试样本而不改变主干网络	NA	解决图像修复伪造检测中，由于测试样本与训练数据分布差异导致检测性能显著下降的问题	图像修复伪造检测模型	计算机视觉	NA	NA	CNN	图像	NA	PyTorch, TensorFlow	ResNet, VGG, Transformer	准确率, 精确率, 召回率, F1分数, AUC	GPU (NVIDIA RTX 3090, V100, A100), 云平台 (AWS, Google Cloud, Azure)
1073	2026-04-22	Shaping the future of myopia: artificial intelligence for vitreoretinal complications of high and pathologic myopia 2026-May, Graefe's archive for clinical and experimental ophthalmology = Albrecht von Graefes Archiv fur klinische und experimentelle Ophthalmologie DOI:10.1007/s00417-025-07098-9 PMID:41636834	综述	本文综述了人工智能（特别是深度学习）在检测高度近视和病理性近视的玻璃体视网膜并发症（如视网膜脱离、近视性黄斑变性和近视性牵引性黄斑病变）中的应用现状	系统总结了深度学习在多种眼科成像模态（如OCT、眼底照相）中用于近视相关视网膜病变分类与分割的最新研究进展，并指出从基于CNN的架构向Transformer骨干网络及预训练/基础模型的发展趋势	现有研究在病例定义、数据集和评估方法上存在显著异质性，外部验证报告不一致，且需进一步工作以将模型转化为临床应用，包括稳健的外部验证、临床决策校准和前瞻性评估	探讨人工智能（特别是深度学习）在检测近视相关视网膜并发症中的应用，以缓解近视流行带来的医疗系统压力	高度近视和病理性近视患者的视网膜并发症，包括视网膜脱离（RD）、近视性黄斑变性（MMD）和近视性牵引性黄斑病变（MTM）	计算机视觉	近视	眼科成像，包括OCT、眼底照相、荧光素血管造影和超声检查	深度学习	图像	28项研究（涉及RD 10项、MMD 12项、MTM 6项），具体样本量未在摘要中明确给出	NA	CNN, Transformer	AUC, 准确率, 灵敏度, 特异性	NA
1074	2026-04-22	Refining prognostication in non-muscle-invasive bladder cancer: From clinical models to artificial intelligence 2026-May, Urologic oncology DOI:10.1016/j.urolonc.2026.111047 PMID:41832109	综述	本文综述了非肌层浸润性膀胱癌预后模型的发展，从传统临床病理评分系统到分子及人工智能驱动框架的演变	系统总结了人工智能（包括机器学习和深度学习）在预后预测中的应用，并指出其相较于传统模型（如EORTC和CUETO表）的优越性能	现有模型在可重复性、可解释性及临床路径整合方面仍面临挑战，且尚无单一工具满足广泛采纳的所有标准	优化非肌层浸润性膀胱癌的风险分层和预后预测，以支持更精准的监测和治疗决策	非肌层浸润性膀胱癌患者	数字病理学	膀胱癌	NA	机器学习, 深度学习	临床病理数据, 全切片图像, MRI影像	NA	NA	NA	区分度, 校准度	NA
1075	2026-04-22	Letter to the Editor: Nocturnal enteral feeding and mechanical ventilation risk in intensive care unit patients: A deep Learning-Based causal inference study 2026-May, Clinical nutrition (Edinburgh, Scotland) DOI:10.1016/j.clnu.2026.106637 PMID:41925417	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
1076	2026-04-22	YOLO-Drop: A Deep Learning Model Enabling Accurate, High-Throughput Image Analysis for Droplet Digital Immunoassay at Attomolar Concentrations 2026-Apr-21, Analytical chemistry IF:6.7Q1 DOI:10.1021/acs.analchem.6c00939 PMID:41937323	研究论文	本文开发了一种名为YOLO-Drop的深度学习模型，用于对液滴数字免疫分析中的图像进行准确、高通量分析，并部署在嵌入式平台上以实现实时操作	基于YOLOv8架构，定制了可变形卷积、BiFormer模块、高分辨率特征金字塔网络、小物体先验和类别感知非极大值抑制，以增强复杂液滴图像中的小物体识别能力	未明确提及	开发一种深度学习模型，以实现对液滴数字免疫分析图像的高精度、高通量分析，并推动下一代生物传感平台的发展	液滴数字酶联免疫吸附分析中的液滴图像	计算机视觉	NA	液滴数字酶联免疫吸附分析	CNN	图像	5,574张包含约750,000个液滴的标注图像	PyTorch	YOLOv8	检测准确率	NVIDIA Jetson Orin Nano嵌入式平台
1077	2026-04-22	Antioxidative and Robust Fluorescent Hydrogel for Deep Learning-Assisted Non-Destructive Detection of Hg2 2026-Apr-21, Analytical chemistry IF:6.7Q1 DOI:10.1021/acs.analchem.6c00277 PMID:41954231	研究论文	本文介绍了一种集成了高机械柔韧性、强水下粘附性、稳定红色荧光和内在抗氧化保护的藻蓝蛋白-聚丙烯酰胺水凝胶，用于非破坏性检测汞离子污染	通过藻蓝蛋白同时作为荧光交联剂和活性氧清除组分，解决了传统柔性荧光水凝胶在强荧光响应与氧化环境稳定性之间的权衡问题	NA	开发一种用于环境和食品安全监测的柔性、粘附性和智能传感平台	汞离子污染	计算机视觉	NA	荧光成像	深度学习模型	图像	NA	NA	NA	检测限	智能手机成像
1078	2026-04-22	Mamba-based deep learning approach for sleep staging on a wireless multimodal wearable system without electroencephalography 2026-Apr-16, Sleep IF:5.3Q1 DOI:10.1093/sleep/zsag022 PMID:41649157	研究论文	本研究提出了一种基于Mamba的深度学习方法，用于在无需脑电图的情况下，通过无线多模态可穿戴系统进行睡眠分期	首次将Mamba架构应用于基于非脑电图可穿戴传感器的睡眠分期任务，通过集成模型变体提升了性能	研究样本仅来自三级护理睡眠实验室的成人，可能限制了模型的泛化能力	开发一种无需脑电图即可进行睡眠分期的深度学习方法	使用ANNE One可穿戴系统采集的成人多模态生理信号	机器学习	睡眠障碍	多模态传感器数据采集（心电图、三轴加速度计、胸温、指端光电容积脉搏波、指温）	Mamba-based RNN	时间序列生理信号	357名成人	NA	Mamba-based RNN	平衡准确率, F1分数, Cohen's κ, Matthews相关系数	NA
1079	2026-04-22	Quantum-inspired deep learning model for organic municipal solid waste classification toward a circular bioeconomy 2026-Apr-15, Journal of environmental management IF:8.0Q1 DOI:10.1016/j.jenvman.2026.129331 PMID:41818969	研究论文	本文提出了一种量子启发的深度学习模型Quantum BioNet 2.0，用于有机城市固体废物的分类，以支持循环生物经济	提出了一种混合量子-经典框架，结合了ResNet50特征提取、并行经典密集层和八量子比特变分量子电路，通过特征融合进行决策，在细粒度有机废物分类中超越了现有卷积模型	未来工作需要在更大规模和多区域数据集上验证模型，并考察其在实时废物管理操作中部署的可行性	提高有机废物在源头的分类效率，以改善废物处理效率和资源回收	有机城市固体废物图像	计算机视觉	NA	深度学习	CNN, 量子启发的混合模型	图像	9000张从多个公共来源收集的废物图像	NA	ResNet50, InceptionResNetV2, InceptionV3, MobileNetV2, DenseNet121	准确率, AUC	NA
1080	2026-04-22	Characterizing spatiotemporal trends in PM2.5 component exposures across the western United States using daily 1-km estimates from multi-source data and deep learning 2026-Apr-15, Journal of environmental management IF:8.0Q1 DOI:10.1016/j.jenvman.2026.129322 PMID:41831362	研究论文	本研究开发了一个基于深度森林算法的时空建模框架，用于估计美国西部2002年至2019年每日1公里分辨率的PM2.5组分浓度	通过整合地面化学组分网络、卫星数据、CMAQ模拟和辅助预测因子，首次实现了高时空分辨率的PM2.5组分长期估计	模型在部分组分（如元素碳）的估计精度相对较低，且依赖于多源数据的可用性和质量	开发高时空分辨率的PM2.5组分估计模型，以支持空气质量管理和健康风险评估	美国西部地区的硫酸盐、硝酸盐、有机碳、元素碳和矿物尘等PM2.5组分	机器学习	NA	深度森林算法	深度森林	多源数据（地面监测、卫星遥感、模拟数据）	2002-2019年美国西部每日1公里分辨率数据	NA	深度森林	R值, RMSE	NA