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
1121	2026-05-25	Comparing deep learning stroke segmentation in NCCT, CTA, and CTP: Accuracy, domain transfer, and temporal sampling effect 2026-Apr, Medical physics IF:3.2Q1 DOI:10.1002/mp.70419 PMID:41933279	研究论文	对比深学習在中风病变分割中对于不同CT图像类型（平扫CT、CT血管造影、CT灌注）的准确性、领域迁移和时间采样效果	系统评估和比较了平扫CT、CT血管造影、多时相CTA和CT灌注图像在深度学习中风病变分割中的实用性，重点关注模型在不同临床站点间的迁移能力和CTP扫描时间点选择的影响	实验数据来自单一临床站点，样本量有限（91例患者），且未涉及更广泛的临床验证	指导在有无高级成像设置下的影像模态选择，并评估模型跨站点迁移性和CTP时间点选择的影响	中风病灶分割，包括核心梗死和低灌注体积	计算机视觉	中风	CT成像（平扫CT、CT血管造影、多时相CTA、CT灌注）	nnU-Net	图像（NCCT、CTA、mCTA、CTP）	91例中风患者（来自一个临床站点），166例（来自第二个临床站点用于预训练）	NA	nnU-Net	修正Dice系数	NA
1122	2026-05-25	Exploring how deep learning decodes anomalous diffusion via Grad-CAM 2026-Mar-29, Nature communications IF:14.7Q1 DOI:10.1038/s41467-026-71229-x PMID:41904151	研究论文	利用Grad-CAM探究深度学习如何解码异常扩散机制	首次利用Grad-CAM解释深度学习（ResNets）从原始轨迹数据中识别异常扩散模型特征的机制，并发现不同层次网络捕捉不同时空尺度的统计特征	NA	理解深度学习在异常扩散分类中的决策过程并提升模型鲁棒性	异常扩散轨迹数据及对应的扩散模型分类特征	机器学习	NA	NA	ResNet	轨迹数据	NA	PyTorch	ResNet	NA	NA
1123	2026-05-25	Domain specific multimodal large language model for automated endoscopy reporting with multicenter prospective validation 2026-Mar-28, NPJ digital medicine IF:12.4Q1 DOI:10.1038/s41746-026-02569-7 PMID:41904204	研究论文	开发了基于多模态大语言模型的自动内镜报告生成系统Report-Angel，并在多中心前瞻性验证中评估其性能	首次将多模态大语言模型与常规深度学习模型结合，用于上消化道内镜报告的自动生成，并在多中心前瞻性队列中验证其临床可接受性和通用性	未提及具体局限性	开发并验证能够自动生成高质量内镜报告草案的AI系统，以标准化报告和减轻内镜医生工作量	上消化道内镜图像和报告生成	计算机视觉、自然语言处理	上消化道疾病	内镜检查	多模态大语言模型、常规深度学习模型	图像和文本	20,617个图像-文本对用于训练；前瞻性内部队列和外部队列；回顾性图像和前瞻性单中心及多中心视频数据集	NA	多模态大语言模型（MLLM）	临床可接受报告率、报告完整性、报告准确性、处理时间	NA
1124	2026-05-25	Deep learning characterizes depression and suicidal ideation in young adults from eye movements 2026-Mar-28, NPJ digital medicine IF:12.4Q1 DOI:10.1038/s41746-026-02550-4 PMID:41904340	research paper	利用深度学习分析青年人群的眼球运动特征，识别抑郁和自杀意念	首次将深度学习框架应用于眼球运动数据，用于区分抑郁和自杀意念，并考虑了试验内和试验间的变化	样本量有限（126名年轻人），且依赖自我报告问卷作为金标准，模型在区分抑郁和自杀个体时准确率中等	探究眼球追踪作为抑郁和自杀意念客观生物标记物的潜力	126名年轻人对情绪负载语句的眼球运动	machine learning	抑郁症、自杀意念	眼动追踪	deep learning framework	眼球运动序列数据	126名年轻人	NA	NA	AUC	NA
1125	2026-05-25	A cough sound-based deep learning algorithm for accessible prompt detection of chronic obstructive pulmonary disease with smartphones 2026-Mar-28, NPJ primary care respiratory medicine IF:3.1Q2 DOI:10.1038/s41533-026-00486-6 PMID:41896558	研究论文	提出一种基于咳嗽声音的智能手机深度学习算法，用于便捷检测慢性阻塞性肺疾病	利用智能手机采集咳嗽声音，结合Transformer神经网络模型实现COPD的便携检测，为资源有限地区提供低成本诊断方案	NA	开发一种经济、便捷的COPD检测方法，适用于资源有限的基层医疗环境	慢阻肺患者和非慢阻肺参与者的咳嗽声音数据	自然语言处理	慢性阻塞性肺疾病	咳嗽声音采集	Transformer	音频	训练队列406例COPD和1631例非COPD；内部验证队列151例COPD和225例非COPD；外部验证队列105例COPD和617例非COPD	NA	Transformer	AUC、敏感度、特异度	NA
1126	2026-05-25	Multi-scale feature enhancement in multi-task learning for medical image analysis 2026-03, Artificial intelligence in medicine IF:6.1Q1 DOI:10.1016/j.artmed.2025.103338 PMID:41475079	研究论文	提出一种基于UNet的多任务学习模型，通过多尺度特征增强同时提升医学图像分割和分类性能	创新性地将ResFormer块集成到编码器中，结合卷积局部特征提取与Transformer长程依赖建模，并在跳跃连接中引入膨胀特征增强模块以捕获多尺度信息	未明确讨论模型在不同数据集间的泛化能力以及计算开销	解决多任务学习中局部与全局特征难以同时捕获的问题，提升医学图像分析和诊断准确性	多任务学习模型在医学图像分割和分类任务中的应用	计算机视觉	未指定	深度卷积神经网络与Transformer	UNet	图像	多个医学数据集（具体数量未提及）	PyTorch	ResFormer, UNet	分类准确率、分割精度（具体指标如Dice系数、精确率、召回率未列出）	未指定
1127	2026-05-25	UniStain: A unified and organ-aware virtual H&E staining framework for label-free autofluorescence images 2026-03, Artificial intelligence in medicine IF:6.1Q1 DOI:10.1016/j.artmed.2025.103335 PMID:41478227	研究论文	提出一种统一且器官感知的虚拟H&E染色框架UniStain，利用无标记自发荧光成像和基于提示的深度学习，通过单一模型实现多组织染色	首次实现通过一个单一模型进行多组织虚拟染色，提出跨补丁自注意力引导机制以保持全切片图像的风格一致性并消除拼接伪影，构建首个多器官AF/H&E数据集	NA	开发一种统一的虚拟H&E染色框架，克服传统化学染色流程耗时、有害试剂处理及批次间染色质量差异等限制	人类组织样本的自发荧光和H&E染色图像	数字病理学	NA	自发荧光成像	深度学习模型	图像	多器官人类组织样本构成的数据集，具体样本数量未在摘要中说明	PyTorch	跨补丁自注意力引导机制	图像质量指标、视觉图灵测试	NA
1128	2026-05-25	Tackling data scarcity: Synthetic tumour and mask generation to improve image segmentation 2026-03, Artificial intelligence in medicine IF:6.1Q1 DOI:10.1016/j.artmed.2025.103348 PMID:41494363	研究论文	研究利用扩散模型在MRI影像中合成3D肝脏肿瘤并生成对应掩模，以改善图像分割效果	提出一种基于扩散模型的肿瘤合成方法，结合单纯形变形生成掩模，无需外部数据即可显著提升分割性能	未提及具体局限，但可能涉及合成肿瘤的真实性验证或泛化性评估的不足	解决医学影像数据稀缺问题，通过生成合成肿瘤增强分割模型性能	MRI影像中的肝脏肿瘤及其对应分割掩模	计算机视觉	肝癌	扩散模型、MRI影像生成	扩散模型	3D MRI影像	1000个合成肿瘤	PyTorch	扩散模型	Dice系数	未提及
1129	2026-05-25	Smiling difficulties in Alzheimer's disease linked to reduced nucleus accumbens and pallidum brain volume: Deep learning insights 2026-03, Artificial intelligence in medicine IF:6.1Q1 DOI:10.1016/j.artmed.2025.103347 PMID:41506061	研究论文	利用深度学习量化阿尔茨海默病患者的微笑能力，发现其受损与伏隔核和苍白球体积减小相关	首次使用图像分类AI量化微笑，发现AD患者微笑能力受损与特定脑区体积减小有关，且微笑面孔较中性面孔能更好区分AD与正常认知	NA	探究阿尔茨海默病患者微笑能力受损的神经机制	阿尔茨海默病患者与正常认知参与者	计算机视觉	阿尔茨海默病	深度学习图像分类	图像分类模型	面部图像	NA	NA	NA	分类准确率	NA
1130	2026-05-25	Overcoming extrapolation challenges of deep learning by incorporating physics in protein sequence-function modeling 2026-Mar, PLoS computational biology IF:3.8Q1 DOI:10.1371/journal.pcbi.1013728 PMID:41880461	研究论文	通过将物理知识融入深度学习，提升蛋白质序列-功能模型的外推能力	提出了将生物物理相互作用与动力学建模融入卷积和图卷积神经网络的新方法，以改善位置和突变类型的外推性能	数据稀缺仍是挑战，模型依赖训练数据中未见的突变类型和位置的外推能力，且需进一步验证物理模型的普适性	解决深度学习在蛋白质序列-功能建模中难以实现准确外推的问题，提升突变功能效应预测的泛化能力	蛋白质序列-功能关系，特别是突变效应的外推预测	机器学习	NA	深度学习（卷积神经网络、图卷积神经网络、Transformer），生物物理建模	卷积神经网络（CNN）、图卷积神经网络（GCN）	蛋白质序列数据，深度突变扫描数据	NA	NA	卷积神经网络、图卷积神经网络	外推性能（位置外推和突变类型外推的准确性）	NA
1131	2026-05-25	FATE-MAP predicts teratogenicity and human gastrulation failure modes by integrating deep learning and mechanistic modeling 2026-Feb-19, Nature communications IF:14.7Q1 DOI:10.1038/s41467-026-69596-6 PMID:41714622	研究论文	提出FATE-MAP平台，结合深度学习与机械建模预测致畸性和人类原肠胚形成失败模式	首次将Transformer与偏微分方程模拟相融合，集成高通量扰动实验、定量表型映射和机械建模，系统解码人类原肠胚形成失败模式	NA	阐明人类原肠胚形成失败模式并预测药物致畸性	药物处理的人类2D原肠胚样结构（超过2000个）	深度学习，机械建模	先天性畸形	高通量药物治疗，定量表型映射	Transformer，偏微分方程模拟	图像、化学结构数据	超过2000个药物处理的人类2D原肠胚样结构	NA	Transformer	NA	NA
1132	2026-05-25	Bridging clinical narratives and structured phenotypes with large language models and sentence transformers 2026-Feb-14, Journal of genetics and genomics = Yi chuan xue bao DOI:10.1016/j.jgg.2026.02.009 PMID:41698530	研究论文	提出LEAP框架，融合大型语言模型和句子转换器，从电子健康记录非结构化文本中提取结构化表型并映射到人类表型本体标识符	提出两阶段框架LEAP，结合大型语言模型进行自由文本表型提取和基于大规模数据集微调的句子转换器进行HPO映射，能处理长文本输入并确保输出有效且确定的HPO标识符，克服了BERT模型上下文窗口限制和大型语言模型可能产生无效标识符的局限	未明确说明，但可能包括依赖大规模标注数据集进行微调以及对罕见表型提取的潜在局限性	提高从电子健康记录中自动提取结构化表型的准确性和可靠性，支持孟德尔疾病诊断和基因-表型关联研究	电子健康记录中的临床叙述文本，用于提取表型并映射到人类表型本体	自然语言处理	孟德尔疾病	NA	大型语言模型、句子转换器	文本	5,330,557个实例用于句子转换器微调；真实世界电子健康记录测试集	NA	BERT，句子转换器	精确率、F1分数、召回率	NA
1133	2026-05-25	A comparison of super-resolution microscopy techniques for imaging tightly packed microcolonies of an obligate intracellular bacterium 2026-02, Journal of microscopy IF:1.5Q3 DOI:10.1111/jmi.13376 PMID:39651611	研究论文	比较五种超分辨率显微镜技术对专性胞内细菌（恙虫病东方体）紧密聚集微菌落的成像效果，并结合深度学习软件Cellpose和Imaris进行3D细胞分割与分析	首次系统比较五种超分辨率显微镜技术（标准共聚焦、Airyscan、iSIM、3D-SIM、STED）对专性胞内细菌成像的横向和轴向分辨率，并整合深度学习分割管道进行3D形态分析	研究仅比较了实验室可用的五种技术；未涉及其他超分辨率方法（如PALM/STORM），且样本处理成本高、对染料和标记物要求严格	评估不同超分辨率显微镜技术对细胞内紧密聚集的专性胞内细菌成像的分辨能力，并优化3D分析流程以揭示细菌形态差异	恙虫病东方体（Orientia tsutsugamushi）及其在哺乳动物细胞系中的菌落	数字病理学	恙虫病	超分辨率显微镜（共聚焦、Airyscan、iSIM、3D-SIM、STED）	深度学习分割模型	显微图像（3D荧光图像）	多种细胞系中培养的细菌菌落（具体数量未说明）	Cellpose, Imaris	Cellpose（通用深度学习分割模型）	半高全宽（FWHM），细菌检测能力	商用软件Imaris处理图像；未提及GPU具体型号
1134	2026-05-25	Artificial intelligence-powered microscopy: Transforming the landscape of parasitology 2026-02, Journal of microscopy IF:1.5Q3 DOI:10.1111/jmi.13433 PMID:40492595	综述	综述人工智能在寄生虫学中的应用，主要集中在顶复门、双滴虫门和动基体目寄生虫的显微镜和图像分析	总结人工智能在寄生虫学领域的最新进展，并探讨其在填补理解空白和诊断中的潜力	缺乏具体实验验证，依赖现有文献分析，且人工智能在生物医学领域的实施面临挑战	探讨人工智能如何推动寄生虫学研究和诊断发展，并促进跨学科合作	寄生虫学中的显微镜和图像分析，涉及顶复门、双滴虫门和动基体目寄生生物	自然语言处理、机器学习	寄生虫病	显微镜成像、图像分析	机器学习和深度学习模型	图像	不适用	不适用	不适用	不适用	不适用
1135	2026-05-25	Deep learning for autism detection using clinical notes: A comparison of transfer learning for a transparent and black-box approach 2026-02, Artificial intelligence in medicine IF:6.1Q1 DOI:10.1016/j.artmed.2025.103318 PMID:41330257	研究论文	本研究提出一种透明且可解释的深度学习模型，利用BioBERT分析临床文本实现自闭症谱系障碍的自动诊断，并在两个不同数据集上评估迁移学习效果	首次采用BioBERT模型建立透明可解释的自闭症诊断流程，能够将行为描述映射到诊断标准，并系统比较了透明模型与黑箱模型在不同训练顺序和数据混合策略下的迁移学习性能	连续训练模型时性能略有下降，说明训练数据顺序对模型表现有影响	开发透明可解释的机器学习方法用于自动诊断自闭症，并评估迁移学习能力以提高模型的泛化性	自闭症谱系障碍患者和非自闭症个体的临床文本描述	自然语言处理	自闭症谱系障碍	NA	Transformer（BioBERT）	文本	两个不同的真实世界临床数据集	NA	BioBERT	敏感性, 特异性	NA
1136	2026-05-25	Geometric deep learning for local growth prediction on abdominal aortic aneurysm surfaces 2026-02, Artificial intelligence in medicine IF:6.1Q1 DOI:10.1016/j.artmed.2025.103323 PMID:41330258	研究论文	提出一种SE(3)对称变压器模型，直接在富含局部多物理特征的血管模型表面上预测腹主动脉瘤生长	首次使用SE(3)-对称变压器直接在血管表面上进行局部生长预测，保留了血管表面的解剖结构和几何保真度，而非参数化AAA形状	样本量较小（113次CTA扫描，24名患者），外部验证集仅7名患者，可能限制泛化能力	通过个性化AAA生长预测改进监测策略	腹主动脉瘤患者血管表面的局部生长预测	机器学习	腹主动脉瘤	计算机断层扫描血管造影	变压器	CTA扫描图像	24名AAA患者的113次CTA扫描（训练），7名AAA患者的25次CTA扫描（外部验证）	PyTorch	SE(3)-对称变压器	中位直径误差，准确率	NA
1137	2026-05-25	Artificial intelligence in depression diagnostics: A systematic review of methodologies and clinical applications 2026-02, Artificial intelligence in medicine IF:6.1Q1 DOI:10.1016/j.artmed.2025.103320 PMID:41338039	综述	本文系统综述了人工智能在抑郁症诊断中的方法论与临床应用，涵盖数据模态、模型性能及伦理挑战	首次系统评估多模态数据融合与先进神经网络架构在抑郁症诊断中的应用，并提出提升模型泛化性和可解释性的未来方向	数据集偏差、算法透明度不足及临床适用性挑战	综述AI驱动抑郁症诊断方法的研究现状，评估技术效能与临床转化潜力	语言、行为、生理数据（社交媒体、临床访谈、语音记录、可穿戴设备）	机器学习	抑郁症	NA	机器学习、深度学习（神经网络架构）	文本、语音、行为数据、生理信号	NA	NA	神经网络	诊断准确率	NA
1138	2026-05-25	QENNA: A quantum-enhanced neural network for early Alzheimer's detection using magnetic resonance imaging 2026-02, Artificial intelligence in medicine IF:6.1Q1 DOI:10.1016/j.artmed.2025.103322 PMID:41344072	研究论文	提出一种量子增强神经网络QENNA，用于早期阿尔茨海默病的磁共振成像检测	首次将量子卷积层与经典深度学习相结合，并引入量子生成对抗网络和量子随机游走进行数据增强，提升早期AD诊断准确率	训练数据匮乏时量子组件的性能提升需进一步验证，且量子计算资源在临床实践中的可扩展性尚未明确	开发高效早期阿尔茨海默病检测的AI诊断工具	早期阿尔茨海默病患者的大脑磁共振成像数据	计算机视觉, 机器学习	阿尔茨海默病	磁共振成像 (MRI)	量子增强神经网络 (QENNA), 量子生成对抗网络 (QGAN)	图像	两个公开MRI数据集	NA	量子卷积层, 经典深度学习网络	准确率, AUC	NA
1139	2026-05-25	Intelligent sentiment analysis with Arabic patient feedback on healthcare services in King Hussein Cancer Center 2026-02, Artificial intelligence in medicine IF:6.1Q1 DOI:10.1016/j.artmed.2025.103334 PMID:41421129	研究论文	针对约旦阿拉伯方言的患者反馈进行情感分析，构建了JADKHCC语料库，并评估了多种深度学习模型性能	首次构建了专门用于约旦阿拉伯方言患者反馈情感分析的JADKHCC语料库，并基于BERT-Arabic表示模型与CNN架构实现了高精度预测	未明确讨论模型泛化性及跨方言迁移能力不足的问题	基于自动化情感分析技术，从阿拉伯语患者反馈中检测服务质量问题并推动改进	金侯赛因癌症中心患者的约旦阿拉伯方言文本反馈	自然语言处理	癌症	BERT-base-Arabic, Word2Vec, FastText	CNN	文本	15,812条约旦阿拉伯方言评论	PyTorch	CNN结合BERT表示	F1分数	NA
1140	2026-05-25	A labeled ophthalmic ultrasound dataset with medical report generation based on cross-modal deep learning 2026-01, Artificial intelligence in medicine IF:6.1Q1 DOI:10.1016/j.artmed.2025.103317 PMID:41297151	研究论文	提出一个标注的眼科超声数据集，并基于跨模态深度学习生成医学报告	首次同时包含超声图像、血流信息和检查报告三种模态的眼科数据集	未提及	自动化生成眼科超声检查报告	眼科超声图像、血流参数和临床报告	计算机视觉, 自然语言处理	眼内疾病	超声成像	跨模态深度学习	图像, 文本, 数值	来自10,361名患者的22,173张图像及其对应报告	NA	知识融合跨模态网络 (KFCMN)	NA	NA