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
1301	2026-06-04	Machine learning and deep learning-based drug-drug interactions prediction: a systematic review focused on anticancer drugs 2026-Jun-03, NPJ precision oncology IF:6.8Q1 DOI:10.1038/s41698-026-01512-z PMID:42230929	综述	系统综述了基于机器学习和深度学习的抗癌药物相互作用预测方法	从方法学和临床角度全面分析抗癌药物DDI预测研究，验证了22个新预测DDI药物对的实用价值	未提及具体局限性	综述基于机器学习和深度学习的抗癌药物相互作用预测模型，增强临床相关性和适用性	抗癌药物及其相互作用	机器学习	癌症	NA	机器学习, 深度学习	药物相互作用数据	96个新预测的潜在DDI药物对，其中22个通过验证	NA	NA	预测任务类型和性能	NA
1302	2026-06-04	Semi-automated detection of cleaning interactions using supervised machine learning 2026-Jun-03, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-56200-6 PMID:42230992	研究论文	利用监督机器学习半自动检测清洁鱼与客户鱼之间的清洁互动行为	首次将深度学习姿态估计工具DeepLabCut应用于海洋清洁互动的自动检测，并设计了高效的分类算法，大幅减少人工标注工作量	分类算法将约15%的非互动行为误判为互动，且在三维实验室环境下的应用存在推广至自然环境的局限性	开发半自动系统跟踪和分类清洁鱼与客户鱼之间的清洁互动行为	清洁鱼（Labroides dimidiatus）与粉蓝吊（Acanthurus leucosternon）在实验室三维环境中的互动行为	计算机视觉, 机器学习	NA	DeepLabCut姿态估计	深度神经网络	视频	实验室环境下的两种鱼类	DeepLabCut, TensorFlow	DeepLabCut	准确率，误分类率	NA
1303	2026-06-04	Artificial intelligence for predicting the pubertal growth spurt using cephalometric and hand-wrist radiographs: a systematic review and meta-analysis 2026-Jun-03, BMC oral health IF:2.6Q1 DOI:10.1186/s12903-026-08627-6 PMID:42231323	系统综述与荟萃分析	评估人工智能模型通过头影测量和手腕X线片识别青春生长突增期的性能，并比较不同成像模态和算法类型的诊断表现	首次对AI模型预测青春生长突增期的性能进行系统综述和荟萃分析，并比较了不同成像模态（头影测量vs手腕）和算法类型（深度学习vs传统机器学习）的诊断表现	研究间异质性较大，外部验证有限，方法学弱点降低证据的确定性和泛化性	评估AI模型通过头影测量和手腕X线片识别青春生长突增期的诊断准确性	21项2020至2025年间发表的研究，涉及年龄≤21岁的个体	机器学习	NA	头影测量X线片、手腕X线片	深度学习、传统机器学习、大语言模型	图像	21项研究（具体样本量未提供）	NA	NA	准确率、敏感性、特异性	NA
1304	2026-06-04	Externally Tested AI Models for Malignancy Classification of Lung Nodules at Chest CT: A Systematic Review and Meta-Analysis 2026-Jun-03, Radiology. Artificial intelligence DOI:10.1148/ryai.250331 PMID:42233760	系统综述与荟萃分析	对胸部CT肺结节恶性分类的外部验证AI模型进行系统综述和荟萃分析，评估其合并诊断准确性	首次聚焦于外部验证AI模型在肺结节恶性分类中的诊断性能，并量化模型架构对特异性的影响	纳入研究存在高度异质性、报告不一致和偏倚风险，限制了解释的可靠性	评估外部验证AI模型在胸部CT肺结节恶性分类中的合并诊断准确性	胸部CT上的肺结节	计算机视觉	肺癌	CT成像	深度学习模型（2D/3D CNN）	图像（CT影像）	21项研究，共7454个结节	NA	2D CNN, 3D CNN	灵敏度, 特异度, 阳性似然比, 阴性似然比, AUC, 诊断优势比	NA
1305	2026-06-04	Rapid Musculoskeletal MRI in 2026: Clinical Integration of Deep Learning Reconstruction 2026-Jun-03, AJR. American journal of roentgenology DOI:10.2214/AJR.26.35077 PMID:42233892	综述	本文探讨2026年深度学习重建在肌肉骨骼MRI中的临床应用，实现10分钟内完成扫描	首次系统阐述深度学习重建与超分辨率技术结合，实现常规方法无法达到的高加速因子（4-8倍），并解决噪声放大和伪影问题	尚未提供大规模多中心临床试验验证结果，且对工作流程调整和硬件要求的细节讨论有限	评估深度学习重建技术在加速肌肉骨骼MRI中的临床整合潜力与实施策略	肌肉骨骼MRI扫描协议、图像重建算法及临床工作流程	机器学习	肌肉骨骼疾病	MRI成像、深度学习图像重建	深度学习模型	MRI图像	NA	NA	超分辨率网络	信噪比、图像质量、诊断性能	NA
1306	2026-06-04	Agreement between three state-of-the-art deep learning bone age estimation models and chronological age in a large contemporary pediatric cohort 2026-Jun-03, Pediatric radiology IF:2.1Q2 DOI:10.1007/s00247-026-06661-8 PMID:42233988	research paper	评估三种最先进深度学习骨龄模型与大样本当代儿科队列中实际年龄的一致性	首次在大型当代创伤儿童队列中系统比较三种最先进深度学习骨龄模型与实际年龄的偏差，并分析年龄、性别、种族和民族对偏差的影响	仅包含因创伤接受手部X光检查的儿童，可能不适用于其他群体；未评估模型在不同疾病状态下的表现	评估三种深度学习骨龄模型与实际年龄的一致性，探讨偏差来源	24-216个月龄儿童的手部X光片	digital pathology	NA	radiography	深度学习模型（CNN类）	图像	7,189名儿童（3,669名女性，3,520名男性），年龄24-216个月	NA	Stanford模型, CCHMC模型, MedImageInsight模型	平均偏差, 比例偏差	NA
1307	2026-06-04	Correction to: Accuracy of vestibular schwannoma segmentation using deep learning models - a systematic review & meta-analysis 2026-Jun-03, Neuroradiology IF:2.4Q2 DOI:10.1007/s00234-026-04056-y PMID:42234018	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
1308	2026-06-04	Deep learning for early detection of Zenker's diverticulum based on swallowing sound analysis 2026-Jun-03, International journal of computer assisted radiology and surgery IF:2.3Q2 DOI:10.1007/s11548-026-03727-8 PMID:42234064	研究论文	利用吞咽声音分析结合深度学习模型实现Zenker憩室的早期无创检测	首次将基于深度学习的颈部听诊方法应用于Zenker憩室识别，采用预训练音频频谱变换器（AST）进行迁移学习	样本量较小（23例患者和27例健康志愿者），未提及跨人群泛化验证	开发一种非侵入性、易获取的基于声音的筛查工具，降低诊断门槛并实现Zenker憩室早期检测	Zenker憩室患者和健康志愿者的吞咽声音	机器学习	咽食管憩室（Zenker憩室）	颈部听诊	音频频谱变换器（AST）	声音	23例Zenker憩室患者和27例健康志愿者	NA	音频频谱变换器（AST）	准确率，F1分数	NA
1309	2026-06-04	Multiparametric MRI-Based Habitat Radiomics Combined with Deep Transfer Learning for Predicting Extrathyroidal Extension in Papillary Thyroid Carcinoma 2026-Jun-03, Journal of imaging informatics in medicine DOI:10.1007/s10278-026-02011-0 PMID:42234073	研究论文	开发并验证一种结合栖息地影像组学、深度学习迁移学习及定量参数的多参数MRI模型，用于术前预测甲状腺乳头状癌的甲状腺外侵犯	首次将栖息地影像组学与深度学习迁移学习结合，并整合多参数MRI定量参数，构建复合列线图模型用于甲状腺外侵犯的术前预测	回顾性研究设计，样本量相对有限（140例），且训练与验证队列使用不同磁场强度MRI设备可能引入偏差	建立术前无创预测甲状腺乳头状癌甲状腺外侵犯的多参数MRI综合模型	140例经证实的甲状腺乳头状癌患者的病灶及临床病理数据	数字病理学, 机器学习	甲状腺癌	多参数MRI（T2加权成像、弥散加权成像、延迟增强成像、表观弥散系数图）	ResNet152（深度学习迁移学习），K-means聚类，LASSO逻辑回归	医学影像（MRI图像）	140例患者的140个甲状腺乳头状癌病灶	PyTorch	ResNet152	AUC（曲线下面积），十折交叉验证，DeLong检验	NA
1310	2026-06-04	A multimodal prediction framework for colorectal cancer peritoneal metastasis: CT-based tumor and adipose tissue analysis 2026-Jun-03, Abdominal radiology (New York) DOI:10.1007/s00261-026-05558-2 PMID:42234110	研究论文	本研究提出了一种多模态预测框架，整合CT肿瘤和脂肪组织分析，用于结直肠癌腹膜转移的术前评估	首次证明内脏脂肪组织放射组学特征对隐匿性腹膜转移具有显著预测价值，并开发了基于注意力的双分支深度卷积神经网络（DenseNet121-MARNet）与放射组学及临床变量融合的多模态模型	NA	开发一个多模态预测模型，用于结直肠癌CT隐匿性腹膜转移的术前准确评估，以改善临床决策	结直肠癌患者的CT影像数据、内脏脂肪组织放射组学特征及临床变量	计算机视觉	结直肠癌	CT成像、放射组学分析	深度卷积神经网络（DenseNet121-MARNet）、随机森林、逻辑回归、支持向量机	影像数据（CT图像）	NA	NA	DenseNet121-MARNet	AUC	NA
1311	2026-06-04	Low-kVp techniques for radiation dose optimization in abdominopelvic contrast-enhanced CT: a scoping review 2026-Jun-03, Radiological physics and technology IF:1.7Q3 DOI:10.1007/s12194-026-01063-9 PMID:42234323	综述	系统梳理低千伏技术在成人腹部盆腔增强CT中降低辐射剂量的现有证据	首次采用范围综述方法系统评估低kVp技术对成人腹部盆腔增强CT辐射剂量和图像质量的影响	研究间成像方案、重建方法和剂量指标存在较大异质性，限制了结果的可比性	评估低kVp技术在成人腹部盆腔增强CT中降低辐射剂量并保持诊断图像质量的效果	年龄≥18岁的接受腹部盆腔增强CT检查的成人患者	医学影像	NA	低管电压技术, 深度学习和混合迭代重建	NA	NA	13项研究，样本量范围为30-907例患者	NA	NA	辐射剂量降低百分比, 图像噪声, 诊断置信度	NA
1312	2026-06-04	NphosNet: Predicting Protein N-Phosphorylation Sites via xLSTM and Enhanced PLM Features with a Weighted Three-Channel Cross-Attention Mechanism 2026-Jun-03, Interdisciplinary sciences, computational life sciences DOI:10.1007/s12539-026-00849-0 PMID:42234352	研究论文	提出NphosNet框架，利用xLSTM和增强的PLM特征及加权三通道交叉注意力机制预测蛋白质N-磷酸化位点	构建了类别不平衡的N-磷酸化数据集并采用混合嵌入策略结合ProtT5和EMBER2预训练模型提取深层语义信息，引入包含Transformer模块、优化xLSTM块、CNN组件及空间注意力增强ResNet单元的三分支架构，并设计加权三通道交叉注意力机制进行特征融合	未明确说明局限性	开发用于预测蛋白质N-磷酸化位点的计算工具以阐明其在细胞过程和疾病发病机制中的作用	蛋白质N-磷酸化位点	机器学习	NA	深度学习	xLSTM, Transformer, CNN, ResNet	蛋白质序列数据	pH-913、pK-2060和pR-1700三个子集	PyTorch	Transformer, xLSTM, CNN, ResNet	AUC	NA
1313	2026-06-04	The impact of scan time on dynamic [Formula: see text]-FAPI-04 total-body PET parametric imaging generated by deep learning models 2026-Jun-03, EJNMMI physics IF:3.0Q2 DOI:10.1186/s40658-026-00895-z PMID:42234386	研究论文	探讨扫描时间对深度学习模型生成的动态⁶⁸Ga-FAPI-04全身PET参数图像质量的影响	首次系统评估不同扫描时间下的静态PET图像对深度学习生成的动态PET参数图像质量的影响，并确定了最佳扫描时间窗口	仅使用单一放射性示踪剂⁶⁸Ga-FAPI-04，且数据集可能规模有限，未涵盖其他示踪剂或更广泛的临床场景	确定静态PET图像的最佳采集时间，以优化深度学习生成动态PET参数图像的质量	动态⁶⁸Ga-FAPI-04全身PET/CT图像数据	机器学学习, 数字病理学	NA	PET/CT, ⁶⁸Ga-FAPI-04示踪剂	深度学习模型	图像	提取了5帧动态PET图像（帧50、76、80、86、92）	NA	NA	参数图像质量评估指标	NA
1314	2026-06-04	MarineTox Predictor: An Online Library Platform for Enhancing Low-Resourced Saltwater Ecotoxicity Prediction via Knowledge Sharing from Freshwater Ecotoxicity 2026-Jun-02, Environmental science & technology IF:10.8Q1 DOI:10.1021/acs.est.5c15496 PMID:42009490	研究论文	开发了一个在线文库平台，通过多任务深度学习和跨领域知识共享机制，增强低资源海水生态毒性预测	首次实现跨领域知识共享从淡水生态毒性到海水生态毒性预测，并构建了涵盖多种化学物质的多物种毒性预测工具	NA	解决海水生态毒性数据稀缺问题，开发能够预测多种海洋物种毒性终点的计算工具	化学物质对26种海洋生物（涵盖5个门类）的31项盐毒性任务	机器学习	NA	NA	多任务深度学习	分子结构数据、生态毒性数据	约68,000种化学物质，涵盖1.2百万条生态毒性记录	NA	多任务神经网络	决定系数 (R²)	NA
1315	2026-06-04	Global-Local Interaction and Recalibration Network for Salient Object Detection in Optical Remote Sensing Images 2026-Jun-02, IEEE transactions on cybernetics IF:9.4Q1 DOI:10.1109/TCYB.2026.3696712 PMID:42228667	研究论文	提出一种全局-局部交互与重校准网络，用于光学遥感图像中的显著目标检测，利用Transformer的全局上下文和CNN的局部细节的互补性，同时调和其内在差异	设计双分支编码器结合Transformer和CNN特征，提出多尺度特征交互模块促进特征互补，以及特征重校准模块调和特征差异	未提及具体限制	提升光学遥感图像中显著目标检测的性能	光学遥感图像中的显著目标	计算机视觉	NA	深度学习	CNN, Transformer	图像	两个公开数据集	PyTorch	GLIR-Net, CNN, Transformer	定性分析和定量指标	NA
1316	2026-06-04	PepAnno: A structure-aware deep learning framework for bioactive peptide prediction, structural visualization, and physicochemical profiling 2026-Jun-02, PLoS computational biology IF:3.8Q1 DOI:10.1371/journal.pcbi.1014369 PMID:42228741	研究论文	PepAnno是一种深度融合结构与序列信息的多视图几何深度学习框架，用于多肽生物活性预测、结构可视化和理化性质分析	创新性地提出了结合预训练序列嵌入和预测三维结构图的双流架构（Transformer+GATv2网络），并采用跨模态注意力机制融合语义与几何表征，实现多任务多功能预测	文中未明确提及局限性，但可能依赖预测的3D结构而非实验解析结构，且数据集规模有限可能影响泛化能力	开发一个全面且用户友好的多肽功能注释网络服务器，提高多肽分析效率和可解释性	具有不同生物活性的多肽序列，包括抗菌和抗癌活性等7类关键生物活性	机器学习, 计算生物学	感染性疾病, 癌症	深度学习, 三维结构预测	Transformer, GATv2网络	序列数据, 图数据（3D结构图）	7个精心整理的生物活性数据集	PyTorch	双流架构：Transformer+GATv2网络	区分能力, 稳定性	NA
1317	2026-06-04	Advancing radiotherapy with deep Learning: A review of dose prediction models 2026-Jun-02, Physica medica : PM : an international journal devoted to the applications of physics to medicine and biology : official journal of the Italian Association of Biomedical Physics (AIFB) DOI:10.1016/j.ejmp.2026.105827 PMID:42229186	综述	综述深度学习在放疗剂量预测模型中的应用	全面梳理了用于放疗剂量预测的深度学习模型架构、数据集和方法学进展，并提出了未来研究方向	未对特定模型进行定量比较，未涵盖所有可能的深度学习变体	评估和综述深度学习在放疗剂量预测中的现状与未来方向	深度学习剂量预测模型及其在放疗中的应用	机器学习	NA	NA	深度学习	NA	NA	NA	NA	精度、效率、鲁棒性	NA
1318	2026-06-04	On-device cough detection and respiratory disease classification enhanced by generative data augmentation 2026-Jun-02, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2026.111784 PMID:42229246	研究论文	开发一种多层智能手机兼容的AI框架，用于自动咳嗽检测和呼吸道疾病分类，并通过生成式数据增强技术解决数据稀缺和类不平衡问题	首次提出一种包含五种变分自编码器变体的生成式增强策略，并结合概率性咳嗽级融合机制，在时间-频率域进行潜在特征优化，同时在时间域重建样本以确保声学可验证性	未明确讨论生成样本的临床有效性验证细节和模型的长期部署稳定性	开发智能手机兼容的AI框架，实现实时咳嗽检测和呼吸系统疾病分类，并提供可解释的生成式数据增强方法	哮喘、COVID-19和健康人群的咳嗽声音	数字病理学	呼吸系统疾病（哮喘、COVID-19）	声音信号分析	变分自编码器、支持向量机	音频	NA	NA	VAE, SVM	NA	商用安卓硬件
1319	2026-06-04	AmygdalaGo-BOLT for boundary-aware segmentation of the human amygdala 2026-Jun-02, Cell reports methods IF:4.3Q2 DOI:10.1016/j.crmeth.2026.101473 PMID:42229420	研究论文	开发了一种边界感知的深度学习模型 AmygdalaGo-BOLT，用于人脑杏仁核的自动分割	结合多尺度特征提取、空间先验和自注意力机制，在紧凑的编码器-解码器架构中增强边界检测能力，专门针对儿童和青少年 MRI 数据中杏仁核的复杂形态和小尺寸问题设计	未明确提及局限性，但依赖手动标注的数据集可能影响模型在未标注变异上的泛化能力	实现可靠、可扩展的杏仁核分割，支持大规模神经影像研究	儿童和青少年的人脑杏仁核	数字病理学	神经发育疾病	MRI	CNN	图像	1,086 个儿科 MRI 扫描	NA	编码器-解码器架构	与专家手动标注的一致性、效率、准确性	NA
1320	2026-06-04	Denoising of low-dose chest computed tomography images using a U-net based convolutional Autoencoder and transfer learning 2026-Jun-02, Biomedical physics & engineering express IF:1.3Q3 DOI:10.1088/2057-1976/ae7603 PMID:42229468	研究论文	提出一种基于U-Net卷积自编码器和迁移学习的低剂量胸部CT图像去噪方法	通过两步训练策略（先在体模图像上训练，再迁移学习到临床数据）解决临床数居有限问题，并采用轻量级U-Net卷积自编码器保留解剖结构和低对比度特征	NA	开发无需大量配对临床数据集的高效低剂量CT去噪算法	低剂量胸部CT图像中的噪声和伪影	计算机视觉	肺癌	NA	卷积自编码器	图像	LUNA16数据集（公开数据）	NA	U-Net	噪声降低因子（3.4 ± 0.6），结节可检测性	NA