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
121	2026-06-03	Atomic clarity: how structural biology is shaping blood-stage malaria vaccines 2026-Apr-25, Transactions of the Royal Society of Tropical Medicine and Hygiene IF:1.9Q2 DOI:10.1093/trstmh/trag039 PMID:42033198	综述	本文综述了结构生物学如何通过冷冻电镜等技术推动血液阶段疟疾疫苗的开发	结合冷冻电镜与人工智能/深度学习技术，对疟原虫血液阶段动态膜相关复合物进行原子级解析，无需结晶处理	未提及具体疫苗候选物或临床试验数据，侧重方法学综述	阐明结构生物学在合理设计疟疾疫苗中的关键作用	疟原虫血液阶段的表面多蛋白复合物及膜相关动态结构	结构生物学	疟疾	冷冻电镜、基因组分析	NA	图像、基因组数据	NA	NA	NA	NA	NA
122	2026-06-03	SERS-based deep learning approach for early detection of gestational diabetes mellitus 2026-Apr-15, Spectrochimica acta. Part A, Molecular and biomolecular spectroscopy DOI:10.1016/j.saa.2026.127472 PMID:41547262	研究论文	提出了一种基于表面增强拉曼光谱与深度学习融合的早期妊娠期糖尿病诊断新策略	首次将表面增强拉曼光谱与PCA-CNN融合模型应用于早期妊娠期糖尿病筛查，实现快速、精准的早期诊断	NA	开发一种快速、准确、便捷的早期妊娠期糖尿病筛查方法	妊娠期糖尿病患者的血清样本	机器学习	妊娠期糖尿病	表面增强拉曼光谱（SERS）	卷积神经网络 (CNN) 结合主成分分析 (PCA)	光谱数据	NA	NA	PCA-CNN	准确率、灵敏度、特异度	NA
123	2026-06-03	Automatic detection of the fetal brain midsagittal plane on MRI using a deep learning pipeline 2026-Apr-07, American journal of obstetrics & gynecology MFM IF:3.8Q1 DOI:10.1016/j.ajogmf.2026.101962 PMID:41956321	research paper	开发了一种基于深度学习的自动检测胎儿大脑MRI正中矢状面（MSP）的流程	使用多任务2D U-Net检测四个中线结构（胼胝体膝部、压部、小脑蚓部、脑桥）的共现性，并结合LightGBM分类器进行病例级决策	研究基于正常胎儿大脑解剖结构，未涉及异常病例或多种MRI序列	实现胎儿MRI中正中矢状面的自动检测，以提高图像质量评估和大脑解剖评价的标准化	225例18-36周正常胎儿的大脑MRI数据	计算机视觉	NA	MRI（单次激发快速自旋回波T₂加权序列）	U-Net	图像	432个MRI图像堆栈来自225例胎儿（135个含MSP，297个不含）	PyTorch	2D U-Net	AUC、准确率、灵敏度、特异性、定位准确度	NA
124	2026-06-03	DrowsyDG-Phys: Generalizable driver drowsiness estimation in conditional automated vehicles using physiological signals 2026-Apr, Accident; analysis and prevention DOI:10.1016/j.aap.2026.108407 PMID:41547100	研究论文	提出了一种名为DrowsyDG-Phys的域泛化框架，用于基于生理信号的驾驶员困倦检测	提出了一个显式时频域特征学习的骨干网络，并集成了三种新颖的损失函数：基于先验知识的对比正则化、特征集中化损失和困倦评估标准对齐损失	未明确说明局限性	提高基于生理信号的驾驶员困倦检测模型的泛化能力和鲁棒性	使用心电图、皮肤电活动和呼吸信号三种生理信号进行困倦检测	机器学习	NA	生理信号采集	域泛化框架	生理信号（心电图、皮肤电活动、呼吸信号）	3个公开数据集和1个自采集数据集，包含60名参与者在模拟SAE Level-3驾驶场景下的数据	PyTorch	DrowsyDG-Phys（时频域特征学习骨干网络）	准确率（DG协议78.5%，跨被试协议88.4%）	NA
125	2026-06-03	Deep Learning Analysis Based on Dual-energy CT-Derived Iodine Map for Predicting PD-L1 Expression in Gastric Cancer: A Multicenter Study 2026-Apr, Academic radiology IF:3.8Q1 DOI:10.1016/j.acra.2025.12.033 PMID:41547630	研究论文	基于双能CT碘图深度学习分析预测胃癌PD-L1表达水平的多中心研究	首次利用双能CT碘图结合深度学习特征预测胃癌PD-L1表达，并构建可解释性模型，实现非侵入性预测	NA	探索基于双能CT碘图的深度学习分析预测胃癌PD-L1表达水平的价值	胃癌患者的PD-L1表达水平	计算机视觉	胃癌	双能CT	CNN	CT图像	267例胃癌患者（训练集143例，内部验证集60例，外部验证集64例）	PyTorch	ResNet	AUC	NA
126	2026-06-03	Mitigating data center bias in cancer classification: Transfer bias unlearning and feature size reduction via conflict-of-interest free multi-objective optimization 2026-Apr, Artificial intelligence in medicine IF:6.1Q1 DOI:10.1016/j.artmed.2026.103351 PMID:41554188	research paper	提出一种基于无冲突多目标优化的去学习方法来减轻深度学习模型在癌症分类中由数据中心引入的偏差	首次将无冲突多目标优化应用于偏差去除，通过去除冲突样本和特征降维来缩小内部与外部性能差距，并实现模型无关的通用性	研究仅聚焦于癌症特征和数据中心偏差，未验证在其他领域或不同类型偏差上的适用性	减轻深度学习模型在癌症分类中因数据中心偏差导致的泛化能力下降问题	癌症分类任务中受数据中心偏差影响的深度学习模型	computer vision	cancer	deep learning	KNN	image	NA	NA	NA	internal accuracy, external accuracy	NA
127	2026-06-03	Deep learning-guided engineering of pectinase for enhanced catalytic performance in tobacco processing 2026-Apr, Bioresource technology IF:9.7Q1 DOI:10.1016/j.biortech.2026.134028 PMID:41554444	研究论文	利用深度学习指导果胶酶工程改造，显著提升其在烟草加工中的催化性能和热稳定性	采用ProteinMPNN结合多重序列比对进行残基再设计，成功获得含72个突变的高活性酶变体DS-5，催化活性提高8.9倍，并揭示了表面静电势重塑增强底物结合亲和力的机制	未提及大规模工业应用验证及长期稳定性数据	开发深度学习引导的高效酶工程方法，提升果胶酶在烟草加工中的催化性能和热稳定性	来自果胶酶的DS-5变体及其在苹果汁澄清和烟草降解中的应用效果	机器学习, 酶工程	NA	蛋白质工程, 分子动力学模拟	ProteinMPNN	序列数据, 结构数据	NA	PyTorch	ProteinMPNN	催化活性, 热稳定性, 最优温度, pH范围, 感官评价	NA
128	2026-06-03	Application of Digital Medicine to the Diagnosis and Treatment of Head and Neck Tumors 2026-Apr, Cancer reports (Hoboken, N.J.) DOI:10.1002/cnr2.70556 PMID:42019980	综述	本文总结了数字医学在头颈部肿瘤诊断、治疗及预后评估中的应用现状	系统整合了数字影像、人工智能和3D打印等数字医学技术在头颈部肿瘤诊疗中的最新进展	综述仅叙述现有研究局限性，未提出具体解决方案或定量分析	阐述数字医学在头颈部肿瘤诊疗中的应用并展望其前景	头颈部肿瘤的诊断、治疗和预后评估相关数字技术	数字病理学	头颈部肿瘤	数字影像（CT、MRI、超声）、人工智能、3D打印	深度学习模型	医学影像	NA	NA	NA	诊断准确率、治疗效果	NA
129	2026-06-03	The role of artificial intelligence in early detection and risk prediction of ischemic heart disease 2026-Apr, Annals of medicine and surgery (2012) DOI:10.1097/MS9.0000000000004812 PMID:41939092	综述	探讨人工智能在缺血性心脏病早期检测和风险预测中的作用	系统总结了AI在ECG分析、影像学和生物标志物三个主要领域的应用，展示了其超越传统方法的潜力，并强调了多组学和可穿戴设备集成等新兴方向	多数研究为回顾性或单中心，缺乏在不同人群和医疗环境中的验证，存在算法偏差、泛化能力不足、监管不确定性和临床医生熟悉度有限等问题	评估AI技术在提高缺血性心脏病早期诊断准确性和风险预测个性化方面的潜力	缺血性心脏病及相关诊断工具（如ECG、影像学、生物标志物）	机器学习	缺血性心脏病	NA	机器学习、深度学习	NA	NA	NA	NA	NA	NA
130	2026-06-03	A novel interpretable classification of lumbar spinal stenosis using a cascade deep learning approach and T2-weighted MRI 2026-Mar-27, Journal of neurosurgery. Spine DOI:10.3171/2025.10.SPINE25878 PMID:41894804	研究论文	提出一种基于级联深度学习方法和T2加权MRI的腰椎管狭窄可解释分类新方法	首次提出三阶段深度学习流水线，实现腰椎管狭窄的自动识别、分类和分级，并利用梯度加权类激活映射提高模型可解释性	未提及对多节段脊柱疾病分析和诊断不足问题的改进，外部验证集仅包含8000个切片	提高腰椎管狭窄诊断的准确性和一致性，提供可靠、可解释的自动检测分级工具	腰椎管狭窄患者MRI图像	计算机视觉	腰椎管狭窄	MRI	CNN	图像	训练集640名患者，17440个MRI切片；外部验证集8000个切片	NA	NA	准确率	NA
131	2026-06-03	Optimizing wastewater treatment through combined deep learning and deep reinforcement learning: Recent advances and future prospects 2026-Mar-15, Environmental research IF:7.7Q1 DOI:10.1016/j.envres.2026.123795 PMID:41547426	综述	综述了深度学习和深度强化学习在污水处理优化中的最新进展与未来前景	清晰阐述了深度学习与深度强化学习在污水处理中不同的应用适用性及优势，并强调了标准化开放数据平台、开源模型库与模型透明性整合的必要性	智能系统在污水处理厂实际运营中的应用仍面临挑战，需要可靠和标准化的数据采集	探讨深度学习和深度强化学习在污水处理过程优化中的应用潜力与优势	污水处理厂中的过程优化问题，包括故障检测、水质预测、实时监测、自适应控制与多目标优化	machine learning	NA	NA	深度学习和深度强化学习	时间序列数据	NA	NA	NA	NA	NA
132	2026-06-03	Unlocking 2D/3D+T myocardial mechanics from cine MRI: a mechanically regularized space-time finite element correlation framework 2026-Mar, Medical image analysis IF:10.7Q1 DOI:10.1016/j.media.2026.103944 PMID:41547064	研究论文	提出一种时空正则化的有限元数字图像/体积相关框架，用于从常规电影MRI实现二维和三维加时间的心肌运动跟踪与应变分析	统一多视图对齐与二维/三维加时间运动估计，结合区域特定生物力学正则化与数据驱动的时域分解，并通过相关性多视图对齐模块增强解剖一致性	未报告计算资源或时间成本，且三维加时间运动估计仅在一个临床数据集上验证	实现准确且生物力学一致的心肌运动量化，推动四维心脏功能评估	心肌运动与应变	计算机视觉	NA	电影MRI	有限元数字图像/体积相关框架	图像	一个合成数据集、三个公开数据集和一个临床数据集	NA	有限元模型	位移均方根误差、应变均方根误差、时间一致性、地标误差、边界跟踪Dice系数	NA
133	2026-06-03	Generalizable Deep Learning for Prostate Cancer Risk Stratification: Multicenter Study Integrating 18F-PSMA-1007 PET/CT and mpMRI 2026-Mar, Academic radiology IF:3.8Q1 DOI:10.1016/j.acra.2025.12.050 PMID:41547629	研究论文	开发一种少样本深度学习模型CL-MGNET，整合18F-PSMA-1007 PET/CT和多参数MRI影像及临床数据，预测前列腺癌高风险生物学特征，并在多中心数据中验证其泛化能力	设计了专用于融合多模态影像和临床数据的少样本深度学习网络CL-MGNET，在极有限训练数据（30例）下实现高精度预测，并在独立外部验证集上保持优异表现	回顾性研究设计，且外部验证样本量较小（36例），可能限制结论的普适性	开发并验证一种能够在数据有限条件下准确预测前列腺癌高风险生物学特征（ISUP分级、包膜外侵犯、手术切缘阳性）的深度学习模型	377例前列腺癌患者的多模态影像（18F-PSMA-1007 PET/CT和mpMRI）及临床数据	计算机视觉	前列腺癌	PET/CT, mpMRI	深度学习网络	影像，临床数据	377例患者（中心A 341例，中心B 36例）	NA	CL-MGNET	AUC	NA
134	2026-06-03	Explainable deep learning-based multiclass classification of foot radiographs into normal, plantar fasciitis, and flatfoot 2026-Mar, Clinical imaging IF:1.8Q3 DOI:10.1016/j.clinimag.2026.110724 PMID:41548324	研究论文	开发并解释一种深度学习模型，用于将足部X光片分类为正常、足底筋膜炎和扁平足三类	利用合成数据集训练DenseNet-121模型，并通过Grad-CAM++增强可解释性，定量分析六个空间注意力特征，揭示解剖学一致的激活模式	需在真实临床环境中进一步验证	开发并解释深度学习模型，实现足部X光片的正常、足底筋膜炎和扁平足三类分类	足部X光片	计算机视觉	足部疾病（足底筋膜炎、扁平足）	X光成像	深度学习模型（DenseNet-121）	图像（合成侧位足部X光片）	9500张合成侧位足部X光图像（来自AI-Hub数据集），独立测试集	NA	DenseNet-121	准确率、F1分数	NA
135	2026-06-03	AI-Guided Droplet Microreactors Enable Rapid and Reproducible Protein Crystallization 2026-Mar, Small (Weinheim an der Bergstrasse, Germany) DOI:10.1002/smll.202510977 PMID:41552976	研究论文	提出DCCV平台，结合程控渗透调节与自动化计算机视觉，实现快速、可复现的蛋白质结晶	通过半透性双乳液液滴和深度学习成像系统实现液滴内溶质浓度的动态调控，克服传统微液滴方法浓度固定的局限	NA	开发新型微流控平台以提高蛋白质结晶的速度和可重复性	蛋白质结晶过程	计算机视觉	NA	微流控、深度学习成像	深度学习模型	图像	NA	NA	NA	NA	NA
136	2026-06-03	Attenuation-based ultra-low-dose lung computed tomography at 0.1 mSv to 0.3 mSv effective dose in children 2026-Mar, Pediatric radiology IF:2.1Q2 DOI:10.1007/s00247-025-06503-z PMID:41553466	研究论文	评估使用宽探测器能量积分CT系统对儿童进行超低剂量肺部CT的辐射剂量和图像性能	在儿童中实现0.12-0.23 mSv的超低有效辐射剂量，与光子计数CT系统剂量相当，并通过深度学习重建维持诊断图像质量	心率伪影和阶梯伪影频繁出现，尽管不影响诊断解释	评估超低剂量肺部CT协议在儿童患者中的辐射剂量和诊断图像质量	儿童患者	计算机视觉	肺部疾病	CT	深度学习重建模型	图像	106名儿童患者的277次低剂量肺部CT扫描	NA	NA	信噪比, 对比噪声比	NA
137	2026-06-03	Classification of Alzheimer's Disease by Modeling Brain Networks as Signed Networks Under Deep Learning Frameworks 2026 Mar-Apr, IEEE transactions on computational biology and bioinformatics DOI:10.1109/TCBBIO.2026.3655150 PMID:41553900	研究论文	该论文通过构建带符号脑网络模型并利用符号图神经网络技术，提出了一种预测和分析阿尔茨海默病的新方法	创新地将脑网络建模为包含正负相关性的符号图，并利用符号图卷积网络提升阿尔茨海默病预测精度，同时通过正负注意力矩阵识别重要脑区生物标志物	未明确说明	提高阿尔茨海默病的诊断准确性，尤其是早期诊断	阿尔茨海默病患者的脑网络数据	机器学习	阿尔茨海默病	NA	图卷积网络 (GCN) 及其变体	脑网络数据	NA	PyTorch	图卷积网络 (GCN)	诊断精度	NA
138	2026-06-03	Controlling gene expression using AI designed Cis-regulatory elements 2026 Mar-Apr, Biotechnology advances IF:12.1Q1 DOI:10.1016/j.biotechadv.2026.108802 PMID:41554183	综述	本文综述了利用人工智能设计顺式调控元件以控制基因表达的最新进展	系统总结了深度学习在合成CRE设计中的应用，包括专门设计模型和DNA基础模型，并讨论了多模态建模、强化学习和系统级调控网络设计等新兴方向	数据可用性有限、计算预测与实验结果之间存在差距、模型可解释性不足、生成能力受数据质量限制、当前模型主要依赖序列级特征而未完全捕获更广泛的调控背景	探讨新兴AI技术如何支持合成CRE的系统性和靶向设计	顺式调控元件，包括启动子、增强子及更复杂的调控架构	机器学习	NA	深度学习	NA	高通量实验数据、基因组序列数据	NA	NA	NA	NA	NA
139	2026-06-03	Maternal High-Fat Diet and Neonatal LPS Exposure Prolong USV Sequences and Shift Call-Type Repertoires in Neonatal Rats 2026-03, Developmental psychobiology IF:1.8Q3 DOI:10.1002/dev.70142 PMID:41844290	研究论文	采用深度学习系统DeepSqueak分析母体高脂饮食和新生期LPS暴露对新生大鼠超声发声序列和叫声类型的影响	首次利用深度学习自动化系统DeepSqueak对新生大鼠超声发声的声谱图和语法特征进行详细分析，揭示母体高脂饮食和新生期LPS暴露对发声序列时长和语法转换概率的显著影响	样本量相对较小（总N=41），且仅关注新生期第7天的发声记录，缺乏长期追踪数据	探究母体高脂饮食和新生期脂多糖暴露对新生大鼠超声发声的时间结构和语法特征的影响	长埃文斯大鼠的后代（共41只，每条件5-6只）	机器学习	NA	深度学习系统DeepSqueak	CNN	超声音频数据	41只新生大鼠（每条件5-6只）	DeepSqueak	NA	一致性比率	NA
140	2026-06-03	Quality of Head and Neck Diffusion-weighted MR Imaging Using a Combination of the Periodically Rotated Overlapping Parallel Lines with Enhanced Reconstruction (PROPELLER) Sequence and Deep Learning Reconstruction 2026-Feb-26, Magnetic resonance in medical sciences : MRMS : an official journal of Japan Society of Magnetic Resonance in Medicine IF:2.5Q2 DOI:10.2463/mrms.mp.2025-0058 PMID:41548899	研究论文	评估结合深度学习重建的PROPELLER-DWI在头部和颈部扩散加权成像中的图像质量	首次将周期性旋转重叠平行线与增强重建扩散加权成像与不同程度深度学习重建结合，系统比较其与常规单次激发平面回波成像的图像质量	仅纳入10名健康成年人，样本量较小；未对不同疾病状态或病理条件进行评估	评估PROPELLER-DWI结合深度学习重建能否改善头部和颈部DWI图像质量	头部和颈部的扩散加权磁共振成像	计算机视觉	NA	扩散加权成像 (DWI)	深度学习重建 (DLR)	医学影像	10名健康成年人（8男2女）	NA	PROPELLER, 单次激发EPI	信噪比 (SNR), 对比率, 变异系数 (CV), 图像质量, 几何畸变, 磁敏感伪影	3-Tesla MRI扫描仪 (GE Discovery MR750w)