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
11761	2026-03-28	Predicting ventilation from single breathing phase non-contrast CT using Swin Transformers 2026-Apr, Medical physics IF:3.2Q1 DOI:10.1002/mp.70406 PMID:41881558	研究论文	本研究开发了一种基于Swin Transformer的深度学习模型，仅使用非对比增强4DCT的吸气相来预测肺通气功能，并评估了添加呼气相的影响	首次探索了仅使用单呼吸相CT进行深度学习肺通气预测的可行性，并展示了基于Swin Transformer的模型在此任务上的优越性能	研究样本量较小（44例），且仅基于特定数据集进行验证，可能限制了结果的泛化能力	开发并评估基于单相CT的深度学习模型，用于预测肺通气成像，以简化临床工作流程并减少成像伪影	肺通气成像预测，特别是基于非对比增强4DCT的吸气相和呼气相数据	医学影像分析	肺疾病	4DCT成像，SPECT通气成像	深度学习模型	CT图像	44例配对吸气CT和SPECT扫描病例	PyTorch	SwinUNETR, U-Net	Spearman相关系数	NA
11762	2026-03-28	Functional-based multi-omics early prediction of radiation pneumonitis in NSCLC using AI-generated perfusion and ventilation from planning CT 2026-Mar-27, Physics in medicine and biology IF:3.3Q1 DOI:10.1088/1361-6560/ae5209 PMID:41825133	研究论文	本研究开发了一种基于功能区域的多组学模型，用于早期预测非小细胞肺癌患者放疗后肺炎	首次系统性地证明从CT衍生的高功能肺区域提取的特征能捕获重要的功能差异，并为放疗后肺炎提供强预测价值，整合影像组学、剂量组学和基于CT的功能信息进一步提升了预测性能	回顾性研究设计，样本量有限（121名患者），且仅使用单中心数据	开发早期预测非小细胞肺癌患者放疗后肺炎的预测模型	121名接受根治性调强放疗的局部晚期非小细胞肺癌患者	数字病理学	肺癌	深度学习，超体素方法，CT成像	机器学习	CT图像，剂量分布图	121名患者	未明确说明	未明确说明	AUC, 准确率, 精确率, 召回率, F1分数	NA
11763	2026-03-28	Less is More: Infrared and Visible Images Fusion via Semantic-Guided Mixture of Multi-Feature Experts 2026-Mar-26, IEEE transactions on image processing : a publication of the IEEE Signal Processing Society IF:10.8Q1 DOI:10.1109/TIP.2026.3675500 PMID:41886321	研究论文	本文提出了一种基于语义引导的多特征专家混合的红外与可见光图像融合方法，旨在提升融合图像质量并促进后续语义分割任务	引入语义引导的多特征专家混合机制，动态选择专家网络处理不同特征类型，有效减少模态冗余并提升融合效果	未明确说明方法在极端光照或复杂动态场景下的泛化能力，且计算复杂度可能较高	开发一种能够有效整合红外与可见光图像互补信息、减少冗余的红外与可见光图像融合方法	红外与可见光图像对	计算机视觉	NA	NA	专家网络混合模型	图像	在五个红外与可见光图像融合和分割基准数据集上进行了广泛实验	NA	语义引导的多特征专家混合架构	NA	NA
11764	2026-03-28	Distinctive DNA sequence features define epigenetic longevity of inflammatory memory 2026-Mar-26, Science (New York, N.Y.) DOI:10.1126/science.adz6830 PMID:41886579	研究论文	本研究通过深度学习探究小鼠表皮干细胞在银屑病样皮肤炎症后形成的长期表观遗传记忆机制，发现CpG二核苷酸密度是记忆持久性的主要驱动因素	首次揭示DNA序列特征（特别是CpG密度）通过整合DNA去甲基化、甲基敏感转录因子、核小体排斥倾向和组蛋白变体H2A.Z等多重机制，驱动炎症记忆在细胞世代间持久维持	研究基于小鼠模型，人类组织中的验证尚需进一步研究；深度学习模型的具体架构和训练细节未在摘要中详细说明	探究炎症记忆在组织干细胞中如何跨时间和细胞分裂持久维持的表观遗传机制	小鼠表皮干细胞	表观遗传学	银屑病	深度学习，染色质可及性分析，DNA甲基化分析	深度学习模型	染色质动态数据，DNA序列数据	NA	NA	NA	NA	NA
11765	2026-03-28	A Deep Learning-Driven Framework Integrating Organoid-Based Functional Validation Identifies Universal Neoantigens from Recurrent Glioma Mutations 2026-Mar-26, Cancer research IF:12.5Q1 DOI:10.1158/0008-5472.CAN-25-2679 PMID:41886621	研究论文	本研究开发了一种结合HLA结合和TCR识别特征的深度学习驱动新抗原预测算法TCRscore，并利用患者来源的胶质母细胞瘤类器官模型进行功能验证，以识别胶质母细胞瘤中的通用新抗原	整合了HLA结合和TCR识别特征的新抗原预测算法TCRscore，结合患者来源的类器官模型进行功能验证，提高了预测准确性并识别出潜在共享新抗原	未明确说明算法在更大规模数据集上的泛化能力，类器官模型可能无法完全模拟体内肿瘤微环境的复杂性	提高胶质母细胞瘤新抗原的识别准确性和免疫原性验证	胶质母细胞瘤患者来源的肿瘤样本和类器官模型	机器学习	胶质母细胞瘤	ELISpot检测、流式细胞术、体外杀伤实验、类器官-T细胞共培养系统	深度学习	基因组数据、转录组数据、类器官图像数据	21例异柠檬酸脱氢酶野生型肿瘤来源的胶质母细胞瘤类器官模型	NA	NA	预测准确性	NA
11766	2026-03-28	Leveraging weighted embedding and Transformer architecture to improve phenotype prediction of complex traits for crops 2026-Mar-26, Nature communications IF:14.7Q1 DOI:10.1038/s41467-026-71035-5 PMID:41888146	研究论文	本文提出了一种名为GP-WAITER的深度学习框架，通过整合GWAS衍生的SNP权重到混合卷积神经网络和Transformer架构中，以改善作物复杂性状的表型预测	引入了加权嵌入机制和多头自注意力，有效捕捉超长基因组序列中的长程依赖关系，并在预测精度、均方误差减少和计算效率方面显著优于现有模型	未明确提及模型在更广泛作物种类或环境条件下的泛化能力限制	提高作物复杂性状的表型预测准确性，并增强模型的生物学可解释性	作物基因组变异与表型之间的关系	机器学习	NA	GWAS	CNN, Transformer	基因组序列数据	NA	NA	混合卷积神经网络和Transformer架构	预测精度, 均方误差, 计算效率	NA
11767	2026-03-28	Letter to the Editor: Deep learning-derived features on neonatal abdominal radiographs-implications and next steps for early NEC diagnosis 2026-Mar-26, European radiology IF:4.7Q1 DOI:10.1007/s00330-026-12463-1 PMID:41888253	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
11768	2026-03-28	GHMS-CycleGAN: Graph-Based Hierarchical Multi-stain CycleGAN for Stain Normalization and Classification in Digital Pathology 2026-Mar-26, Journal of imaging informatics in medicine DOI:10.1007/s10278-026-01854-x PMID:41888441	研究论文	本文提出了一种基于图的层次多染色CycleGAN方法，用于数字病理学中的染色归一化和分类任务	提出了新颖的层次多染色CycleGAN（HMS-CycleGAN）和图基HMS-CycleGAN（GHMS-CycleGAN）框架，通过利用数字病理图像中的层次和网络结构来学习图像归一化映射	NA	解决数字病理学中因扫描仪导致的染色变异和失真问题，以提升深度学习辅助诊断系统的性能	组织病理学图像、红细胞（RBC）图像和白细胞（WBC）图像	数字病理学	NA	数字病理扫描	CycleGAN	图像	来自不同扫描仪和机构的组织病理学、RBC和WBC图像数据集	NA	CycleGAN	准确率, F1分数	NA
11769	2026-03-28	Multicomponent Simultaneous Identification Network (MSINet): An Advanced Deep Learning Model for Boosting Multiplex SERS Detection in Untreated Real Samples 2026-Mar-26, Analytical chemistry IF:6.7Q1 DOI:10.1021/acs.analchem.5c06647 PMID:41889153	研究论文	本文提出了一种名为MSINet的深度学习模型，用于分析未处理样品的SERS光谱，以同时识别和定量多种目标成分	设计了MSINet模型，通过分层特征提取和多特征整合，增强了模型对信号波动和光谱重叠的鲁棒性，并利用阈值判断规则实现了小样本训练下的目标定量	未明确讨论模型在极端复杂基质或极低浓度目标下的性能限制	提升未处理真实样品中多目标SERS检测的准确性和鲁棒性	海水中的紫外线吸收剂、即饮鸡尾酒中的食品添加剂、人血清中的生物标志物	机器学习	NA	表面增强拉曼光谱	深度学习模型	光谱数据	NA	NA	MSINet	准确度	NA
11770	2026-03-28	MuCB-tabpfn: A multimodal feature fusion framework for predicting human blood concentrations of organic pollutants 2026-Mar-25, Ecotoxicology and environmental safety IF:6.2Q1 DOI:10.1016/j.ecoenv.2026.120055 PMID:41886874	研究论文	本文提出了一种名为MuCB-tabpfn的多模态深度学习框架，用于预测人体血液中有机污染物的浓度	开发了一个新颖的多模态深度学习框架，通过整合ADME参数、PaDEL分子描述符和基于图迁移学习获得的Himol特征，实现了对化学性质的全面表征，显著提升了血液浓度预测的准确性	模型训练所使用的数据集规模相对较小（216种化合物），可能限制了其在更广泛化学空间中的泛化能力	开发一个高精度、稳健且可解释的计算模型，以预测人体血液中有机污染物的浓度，支持化学品安全评估和健康风险研究	环境有机污染物，特别是来自NHANES、Biomonitoring California和ExposureExplorer数据库的216种化合物	机器学习	NA	深度学习，图迁移学习，多模态特征融合	深度学习框架	多模态数据（ADME参数，分子描述符，分子图特征）	216种环境化合物	NA	MuCB-tabpfn（自定义多模态融合架构）	R, RMSE	NA
11771	2026-03-28	Offshore oil spill detection based on visual information and deep learning 2026-Mar-25, Marine pollution bulletin IF:5.3Q1 DOI:10.1016/j.marpolbul.2026.119633 PMID:41887111	研究论文	本文提出了一种基于视觉信息和深度学习的海上溢油检测方法，利用合成孔径雷达图像和U-Net架构的模型进行检测	提出了一种结合EfficientNet-B7和ResNeXt作为U-Net骨干网络的模型，用于分析合成孔径雷达图像以检测海上溢油	NA	开发高效的海上溢油检测方法，以减少环境损害并确保环境安全	合成孔径雷达图像，具体来自PALSAR和Sentinel-1数据集	计算机视觉	NA	合成孔径雷达成像	CNN	图像	NA	NA	U-Net, EfficientNet-B7, ResNeXt	平均IoU, Dice系数	NA
11772	2026-03-28	A Deep Learning Pathomic Signature Predicts Survival and Recurrence in Pancreatic Ductal Adenocarcinoma Independent of CA19-9 2026-Mar-24, Cancer letters IF:9.1Q1 DOI:10.1016/j.canlet.2026.218452 PMID:41887395	研究论文	本研究开发了一种基于深度学习的病理组学特征（PCPS），用于预测胰腺导管腺癌（PDAC）患者的生存和复发风险，其预测能力独立于血清标志物CA19-9	首次开发了基于常规H&E染色全切片图像的深度学习病理组学特征，能够有效对CA19-9阴性患者进行风险分层，并揭示了与免疫抑制微环境和基底样上皮细胞状态相关的生物学机制	研究样本量相对有限（内部队列252例，外部验证队列183例），且为回顾性研究，需要前瞻性多中心验证	开发一种独立于CA19-9的预后生物标志物，以改善胰腺导管腺癌的风险分层和治疗指导	胰腺导管腺癌（PDAC）患者	数字病理学	胰腺癌	苏木精-伊红（H&E）染色全切片图像分析	深度学习模型	病理图像	内部队列252例患者，外部验证队列183例患者（来自TCGA）	NA	NA	C-index, 风险比（HR）, P值	NA
11773	2026-03-28	SkinCast: an AI-driven mechanistically interpretable model for predicting skin sensitization of environmentally released consumer product ingredients 2026-Mar-22, Environment international IF:10.3Q1 DOI:10.1016/j.envint.2026.110209 PMID:41886929	研究论文	开发了一种名为SkinCast的AI驱动、机制可解释模型，用于预测环境释放的消费品成分引起的皮肤致敏性	通过整合皮肤致敏途径中的四个关键事件，并采用图卷积网络进行结构表示，结合生物加权评分函数实现机制可解释的预测	未明确说明模型在特定化学类别或复杂混合物中的泛化能力限制	预测环境释放的消费品成分的皮肤致敏性，以识别潜在致敏原	消费品成分，特别是香料成分	机器学习	皮肤过敏	定量构效关系	图卷积网络, 机器学习, 深度学习	化学结构数据	验证化合物未明确数量，但应用于3,415种香料成分	NA	图卷积网络	AUC	NA
11774	2026-03-28	Protocol to perform cell-type-specific transcriptome-wide association study using scPrediXcan framework 2026-Mar-20, STAR protocols IF:1.3Q4 DOI:10.1016/j.xpro.2025.104306 PMID:41689808	研究论文	本文介绍了一个名为scPrediXcan的框架协议，用于执行细胞类型特异性转录组范围关联研究	通过整合基于深度学习的基因表达预测与表观遗传特征，实现了细胞类型特异性的转录组范围关联研究，并提供了可扩展的模型训练与关联测试协议	协议依赖于GWAS汇总统计数据，可能受限于原始GWAS研究的样本量和统计效力	开发并详细描述一个用于细胞类型特异性转录组范围关联研究的计算框架协议	基因表达预测模型、GWAS汇总统计数据、细胞类型特异性转录组关联	机器学习	NA	深度学习、表观遗传特征分析、GWAS汇总统计	深度学习模型	DNA序列数据、表观遗传特征数据、GWAS汇总统计数据	NA	NA	NA	NA	最小计算负担
11775	2026-03-28	Automated measurement of horizontal strabismus in children's primary gaze photographs using deep learning and computer vision 2026-Mar-12, Photodiagnosis and photodynamic therapy IF:3.1Q2 DOI:10.1016/j.pdpdt.2026.105438 PMID:41825684	研究论文	本研究开发并验证了一种基于深度学习和计算机视觉的自动化系统，用于从儿童主视照片中测量水平性斜视角度	提出了一种两阶段人工智能系统，结合深度学习进行眼部结构分割和计算机视觉算法测量对齐，实现了自动化水平性斜视测量	研究仅验证了水平性斜视，未涉及垂直性斜视；样本量相对有限（147张照片）	开发并验证自动测量儿童水平性眼位对齐的算法	儿童的主视照片	计算机视觉	斜视	深度学习，计算机视觉	深度学习算法	图像	深度学习训练数据集包含11,018张眼部图像，验证阶段使用147张主视照片	NA	NA	线性回归斜率，p值，组内相关系数（ICC），一致性界限（LoA），变异系数（CoV）	NA
11776	2026-03-28	Clinical validation of perfusion imaging with pulmonary function test data using Voronoi-based discretization 2026-Mar-03, Physics in medicine and biology IF:3.3Q1 DOI:10.1088/1361-6560/ae4669 PMID:41698321	研究论文	本研究提出了一种基于Voronoi图离散化的框架，用于从原始值和百分位数缩放的灌注图像中提取局部空间信息，以评估肺功能，并验证其与肺功能测试数据的相关性	提出了利用Voronoi图对肺灌注图像进行离散化的新方法，以捕获局部空间信息，并计算分层描述性统计量，从而将区域灌注成像与全局肺功能评估联系起来	未明确提及具体局限性，但文中暗示替代方法（如基于CT的灌注和深度学习模型）通常需要大量数据集进行验证，而这些数据往往稀缺	开发一个框架，以弥合区域灌注成像与全局肺功能评估之间的差距，实现SPECT和CT-P灌注图之间有意义的定量比较	肺灌注图像（SPECT和CT-P）以及肺功能测试数据	数字病理学	肺癌	单光子发射计算机断层扫描，基于CT的灌注成像，肺功能测试	NA	图像	NA	NA	NA	斯皮尔曼相关系数，AUC	NA
11777	2026-03-28	Advances and challenges in AI-assisted MRI for lumbar disc degeneration detection and classification 2026-Mar, European spine journal : official publication of the European Spine Society, the European Spinal Deformity Society, and the European Section of the Cervical Spine Research Society IF:2.6Q1 DOI:10.1007/s00586-025-09179-z PMID:40707791	综述	本文综述了人工智能在基于MRI的腰椎间盘退变检测与分类中的应用、挑战及未来方向	全面概述了AI在腰椎间盘退变MRI分析中的应用，特别关注深度学习技术、混合模型及可解释性工具，并指出了临床转化面临的挑战	作为叙述性综述，可能未涵盖所有最新研究；且指出当前模型在泛化性、数据不平衡、可解释性及监管整合方面仍存在局限	综述AI（特别是机器学习和深度学习）在基于MRI的腰椎间盘退变检测与分级中的应用，评估其临床价值、当前局限及未来方向	腰椎间盘退变（IDD）的MRI图像	医学影像分析	腰椎间盘退变	MRI	CNN, 支持向量机, 混合模型（结合Transformer和多任务学习）	图像（MRI）	NA	NA	SpineNet, ResNet, U-Net	准确性, 可重复性	NA
11778	2026-03-28	SpineScan: a deep learning model for lumbar spine MRI annotation and Pfirrmann grading assessment 2026-Mar, European spine journal : official publication of the European Spine Society, the European Spinal Deformity Society, and the European Section of the Cervical Spine Research Society IF:2.6Q1 DOI:10.1007/s00586-025-09537-x PMID:41182393	研究论文	本研究开发并验证了一个基于卷积神经网络的深度学习模型，用于自动化腰椎MRI的Pfirrmann分级评估，并创建了一个开源Web应用程序	开发了一个基于YOLOv8x架构的CNN模型，能够同时检测椎间盘并分类退变等级，并构建了开源的SpineScan Web应用，提高了模型的可访问性	模型对高度退变的Grade V椎间盘性能较低，可能由于对比度差和边界不清晰	开发并验证一个自动化的Pfirrmann分级系统，用于评估腰椎间盘退变	腰椎MRI扫描中的椎间盘	计算机视觉	腰椎间盘退变	MRI	CNN	图像	484个腰椎MRI扫描	PyTorch	YOLOv8x	准确率, 精确率, 召回率, 平均精度均值	NA
11779	2026-03-28	Automated analysis of paraspinal muscles: segmentation and multi-parameter quantification in lumbar CT using convolutional neural network 2026-Mar, European spine journal : official publication of the European Spine Society, the European Spinal Deformity Society, and the European Section of the Cervical Spine Research Society IF:2.6Q1 DOI:10.1007/s00586-025-09541-1 PMID:41191112	研究论文	本文开发了一种基于卷积神经网络的深度学习算法，用于在腰椎CT中自动分割和量化八块脊柱旁肌肉	首次提出使用深度学习算法自动分割和量化八块腰椎脊柱旁肌肉，并计算多个肌肉参数，克服了手动方法的耗时和变异性问题	样本量相对较小（100例CT扫描），且未提及外部验证或跨中心数据测试	开发自动分割和量化腰椎脊柱旁肌肉的深度学习工具，以支持大规模流行病学研究	腰椎CT图像中的八块脊柱旁肌肉（双侧腰大肌、腰方肌、竖脊肌和多裂肌）	数字病理学	脊柱相关疾病	CT成像	CNN	图像	100例腰椎CT扫描（年龄55.02±16.2岁，62名女性）	NA	TransUNet	Dice相似系数, Hausdorff距离, 平均交并比, 组内相关系数	NA
11780	2026-03-28	External validation of SpineNetv2 deep learning system for automated lumbar spine MRI analysis: A multi-pathology diagnostic agreement study 2026-Mar, European spine journal : official publication of the European Spine Society, the European Spinal Deformity Society, and the European Section of the Cervical Spine Research Society IF:2.6Q1 DOI:10.1007/s00586-025-09543-z PMID:41204023	研究论文	本研究对公开可用的深度学习系统SpineNetv2在腰椎MRI多病理自动分析方面进行了独立外部验证，并与专家评估进行了对比	首次对SpineNetv2深度学习系统在多种腰椎病理诊断方面进行了独立外部验证，并系统比较了其与初级骨科医生的性能差异	Pfirrmann分级在老年患者和上腰椎间盘中的一致性下降，系统存在特异性导向特征，假阴性超过假阳性，不推荐依赖阴性结果	验证深度学习系统在腰椎MRI多病理自动分析中的诊断性能	491名患者的2,455个腰椎间盘（L1/2-L5/S1）	数字病理学	腰椎退行性疾病	磁共振成像（MRI）	深度学习系统	医学影像（MRI图像）	491名患者，2,455个腰椎间盘	NA	SpineNetv2	敏感性, 特异性, 阳性预测值, 阴性预测值, F1分数, Matthews相关系数, 精确一致性, 加权kappa, 平均绝对误差	NA