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	2026-04-18	Conserved and divergent gene regulatory networks for crop drought resistance 2026-Apr-17, Nature communications IF:14.7Q1 DOI:10.1038/s41467-026-72169-2 PMID:41991527	研究论文	本研究利用基于图的深度学习框架，构建了主要禾本科作物在干旱响应中的大规模基因调控网络，揭示了作物抗旱性的保守与分化机制	首次采用创新的基于图的深度学习框架，跨转录组、蛋白质组和代谢组层面整合超过5000个批量RNA-seq数据集，构建了大规模、跨物种的干旱响应基因调控网络，并提出了抗旱性受网络拓扑结构而非少数关键基因系统约束的新假说	研究主要基于公共数据库的批量RNA-seq数据，可能缺乏单细胞分辨率；对Fabaceae和Solanaceae作物的验证相对有限；网络推断依赖于计算模型，需后续实验验证	揭示作物抗旱性的保守与分化遗传机制，理解基因调控网络在气候适应中的进化动态	禾本科作物（如水稻、小麦、玉米、高粱），并扩展至豆科和茄科作物	计算生物学	NA	批量RNA-seq，基因调控网络分析	图神经网络	转录组数据	整合超过5000个批量RNA-seq数据集，涉及130,000个基因间的330万次相互作用	基于图的深度学习框架	NA	NA	NA
122	2026-04-18	Cogninet: an explainable deep learning model for multi-class MRI-based Alzheimer's disease staging 2026-Apr-17, International journal of computer assisted radiology and surgery IF:2.3Q2 DOI:10.1007/s11548-026-03617-z PMID:41991821	研究论文	本文提出了一种名为CogniNet的新型可解释深度学习模型，用于基于MRI的多阶段阿尔茨海默病分期	结合VGGNet19的架构深度与DenseNet201的特征复用和梯度效率优势，设计了一种新的CNN架构，并利用Grad-CAM生成类别特异性注意力图以提高模型可解释性	未明确提及模型在更广泛或不同分布数据集上的泛化能力，以及临床部署中的实际验证	解决现有研究中依赖二分类、缺乏模型可解释性以及较少考虑临床可用性等关键限制	阿尔茨海默病的多阶段分类	数字病理学	阿尔茨海默病	磁共振成像	CNN	图像	3200个未见过的轴向MRI切片	NA	VGGNet19, DenseNet201	准确率, 灵敏度	NA
123	2026-04-18	Application of an open-source AI tool for quantitative quality control in whole slide images of prostate needle core biopsies - a retrospective study 2026-Apr-17, Journal of histotechnology IF:0.6Q4 DOI:10.1080/01478885.2026.2657106 PMID:41994924	研究论文	本研究回顾性评估了开源AI工具PathProfiler在自动化、定量化控制前列腺穿刺活检全切片图像质量方面的可行性与价值	首次在前列腺活检WSI质量控制的临床工作流程中，系统性地应用并评估了基于深度学习的开源工具PathProfiler，实现了对图像可用性、聚焦质量和H&E染色质量的自动化、定量化评分	研究为单中心回顾性分析，样本量有限（226例）；算法将前列腺外组织识别为“其他伪影”可能导致评分偏差；未与病理学家的主观质量评估进行直接比较验证	评估PathProfiler软件在自动化、定量化控制前列腺穿刺活检全切片图像质量方面的可行性及其对诊断流程的辅助价值	前列腺穿刺活检的H&E染色全切片图像	数字病理学	前列腺癌	H&E染色，全切片成像	深度学习	图像	226张来自前列腺穿刺活检的H&E全切片图像	NA	NA	可用性评分，聚焦评分，H&E质量评分	NA
124	2026-04-18	Machine Learning-Driven Ensemble Screening of Multitarget Kinase Inhibitors for Tauopathy-Associated Neurodegeneration Using All-Atom and Steered MD Simulations 2026-Apr-17, ACS chemical neuroscience IF:4.1Q2 DOI:10.1021/acschemneuro.6c00097 PMID:41995061	研究论文	本研究开发了一个机器学习驱动的集成筛选工作流程，用于识别针对tau蛋白病相关神经退行性疾病的多靶点激酶抑制剂	整合了多种机器学习分类器构建软投票集成模型，并结合了共识分子对接、深度学习重打分以及全原子和牵引分子动力学模拟进行验证	TTBK1数据集数据稀缺，需要通过Bemis-Murcko支架分割来确保严格评估	识别天然产物衍生的多靶点激酶抑制剂，以减轻tau蛋白过度磷酸化驱动的神经退行性疾病	DYRK1A、TTBK1和ABL1激酶，以及来自COCONUT 2.0数据库的约695,000个天然化合物	机器学习	tau蛋白病相关神经退行性疾病	全原子分子动力学模拟，牵引分子动力学模拟，共识分子对接，深度学习重打分	CatBoost, SVM, KNN, Naive Bayes, XGBoost, 软投票集成模型	生物活性数据（来自ChEMBL和BindingDB），化合物结构数据	约695,000个天然化合物	NA	CatBoost, SVM, KNN, Naive Bayes, XGBoost, 软投票集成	NA	NA
125	2026-04-18	DANCE: Deep Learning-Assisted Analysis of ProteiN Sequences Using Chaos Enhanced Kaleidoscopic Images 2026-Apr-17, Journal of computational biology : a journal of computational molecular cell biology IF:1.4Q2 DOI:10.1177/15578666261441311 PMID:41995104	研究论文	本文提出了一种名为DANCE的方法，通过混沌增强万花筒图像将蛋白质序列转化为图像，并利用深度学习视觉模型进行分类，以探索T细胞受体序列与癌症靶细胞之间的关系	结合混沌游戏表示与万花筒图像生成技术，为蛋白质序列提供了一种新颖的可视化方法，并通过深度学习模型分析其视觉模式与蛋白质特性之间的关联	未明确提及方法在处理极短蛋白质序列时的具体性能限制或与其他嵌入方法的比较	开发一种基于图像的蛋白质序列表示方法，以改善T细胞受体序列的分类和分析	T细胞受体蛋白序列	计算机视觉	癌症	混沌游戏表示	深度学习视觉模型	图像	NA	NA	NA	NA	NA
126	2026-04-18	Association of initial core volume on non-contrast CT using a deep learning algorithm with clinical outcomes in acute ischemic stroke: a potential tool for selection and prognosis? 2026-Apr-16, Journal of neurointerventional surgery IF:4.5Q1 DOI:10.1136/jnis-2025-023897 PMID:40707242	研究论文	本研究评估了基于深度学习的非对比计算机断层扫描初始核心体积与接受再灌注治疗的急性缺血性卒中患者临床结局的关联	利用深度学习算法在非对比CT上自动测量初始核心体积，作为预测卒中再灌注治疗长期结局和症状性颅内出血的潜在工具，尤其在资源有限地区具有应用价值	研究为观察性设计，可能存在选择偏倚；深度学习算法（Methinks）虽经验证，但需进一步外部验证；样本仅来自三个卒中中心，可能影响普适性	评估非对比CT上深度学习算法测量的初始核心体积与卒中再灌注治疗患者临床结局的关联，探索其作为治疗选择和预后工具的潜力	接受再灌注治疗的急性缺血性卒中患者	数字病理学	心血管疾病	非对比计算机断层扫描	深度学习算法	医学影像	658名患者	NA	Methinks	调整后的比值比, 95%置信区间, P值	NA
127	2026-04-18	Multimodal cardiovascular risk profiling using self-supervised learning of polysomnography 2026-Apr-16, Sleep IF:5.3Q1 DOI:10.1093/sleep/zsaf371 PMID:41288599	研究论文	本研究开发了一种基于自监督学习的多模态心血管风险分析框架，利用多导睡眠图数据预测心血管疾病风险	首次应用自监督学习框架从多导睡眠图数据中提取生理模式，无需依赖手动标注（如睡眠分期），生成可解释的心血管风险评分	研究未详细讨论模型在更广泛人群或不同临床环境中的泛化能力，且外部验证队列规模相对较小	开发并评估一个可解释的框架，用于识别与心血管疾病结果相关的多导睡眠图生理模式	多导睡眠图数据，包括脑电图、心电图和呼吸信号	机器学习	心血管疾病	自监督深度学习	深度学习模型	多模态信号（脑电图、心电图、呼吸信号）	训练队列4398名参与者，外部验证队列1093名参与者	NA	NA	曲线下面积	NA
128	2026-04-18	Plant invasion reduces density-dependent pollination but not florivory 2026-Apr-16, Oecologia IF:2.3Q2 DOI:10.1007/s00442-026-05881-x PMID:41989621	研究论文	本研究利用消费级无人机和深度学习技术，评估了植物入侵对多营养级群落动态的影响，特别是对传粉和植食作用的效应	结合无人机和深度学习自动化监测生态指标，揭示了入侵植物通过降低花卉密度减少传粉服务，而植食作用则不受密度直接影响	研究仅针对特定入侵植物和本地植物物种，结果可能无法推广到其他生态系统或入侵情景	探究植物入侵对多营养级群落动态和共存的影响，特别是传粉和植食作用的相互作用	入侵植物狗绞藤（Vincetoxicum rossicum）和本地植物新英格兰紫菀（Symphyotrichum novae-angliae），以及其传粉者和专食性象鼻虫（Anthonomus rufipes）	生态学	NA	无人机航拍，深度学习	深度学习模型	图像	在加拿大安大略省红河国家城市公园的入侵草甸中进行观测	NA	NA	NA	消费级无人机
129	2026-04-18	Mamba-ACP: a Hybrid State-Space and Transformer Framework for Interpretable Anticancer Peptide Prediction 2026-Apr-16, IEEE transactions on computational biology and bioinformatics DOI:10.1109/TCBBIO.2026.3684898 PMID:41989903	研究论文	本文提出了一种名为Mamba-ACP的混合深度学习框架，用于预测抗癌肽，该框架结合了基于Transformer的进化尺度建模嵌入、手工特征和Mamba序列建模架构	创新点在于首次将Transformer的ESM-2嵌入、手工特征（AAindex、BLOSUM62）与Mamba序列建模架构相结合，以捕获肽的进化和理化特性，从而提升预测性能	未明确提及具体局限性，但可能涉及模型对特定数据集的依赖或泛化能力的进一步验证	研究目的是开发一个准确、可扩展且可泛化的抗癌肽预测模型，以克服抗癌肽在临床转化中的生物挑战	研究对象是抗癌肽（ACPs），即一类选择性破坏癌细胞而不伤害健康组织的治疗剂	自然语言处理	癌症	深度学习、进化尺度建模（ESM-2）、主成分分析（PCA）	Transformer, Mamba	序列数据（肽序列）	使用两个基准数据集（Set 1和Set 2），具体样本数量未明确提及	未明确指定，但可能基于PyTorch或TensorFlow等深度学习框架	ESM-2, Mamba	准确率, AUC	未明确提及
130	2026-04-18	Automatic sleep staging from CPAP airflow using a dual fusion multi-period convolutional neural network 2026-Apr-16, Physiological measurement IF:2.3Q3 DOI:10.1088/1361-6579/ae60df PMID:41990791	研究论文	本文提出了一种基于双融合多周期卷积神经网络的模型，用于从CPAP气流信号中自动进行睡眠分期	引入了一种新颖的双融合多周期卷积神经网络架构，利用多个周期特定的卷积核和双融合机制，共同编码CPAP气流信号中的短程和长程时间依赖性，克服了传统固定尺度模型的限制	未明确提及具体局限性	利用CPAP设备记录的气流信号进行自动睡眠分期，以扩展CPAP设备在被动睡眠动态监测中的应用	CPAP气流信号	机器学习	阻塞性睡眠呼吸暂停低通气综合征	CPAP气流信号分析	CNN	信号数据	NA	NA	双融合多周期卷积神经网络	准确率, Cohen's κ	NA
131	2026-04-18	Comparative assessment of diagnostic agreement between artificial intelligence and general practitioners in diabetic retinopathy screening using non-mydriatic fundus photography 2026-Apr-16, Primary care diabetes IF:2.6Q1 DOI:10.1016/j.pcd.2026.04.007 PMID:41991402	研究论文	本研究评估了人工智能系统与全科医生在糖尿病视网膜病变筛查中使用非散瞳眼底摄影的诊断一致性	首次在初级保健环境中，将基于深度学习的AI系统（EyeArt v3.0.0）与全科医生进行直接比较，使用眼科医生评估作为参考标准，并展示了AI在诊断一致性、敏感性和特异性方面的优越性	研究仅限于可分级图像，且参考标准仅基于单一眼科医生的评估，未在未筛选的筛查人群中进行大规模验证	评估AI系统与全科医生在糖尿病视网膜病变筛查中的诊断一致性，以眼科医生评估为参考标准	500名2型糖尿病初级保健患者	计算机视觉	糖尿病视网膜病变	非散瞳眼底摄影	深度学习	图像	500名患者，每眼拍摄两张45°非散瞳眼底照片	NA	NA	Cohen's kappa, Cramer's V, 敏感性, 特异性, 预测值, 似然比, 总体准确率	NA
132	2026-04-18	Automated deep learning for real-time focal liver lesions detection in ultrasound videos a multicenter study 2026-Apr-16, NPJ digital medicine IF:12.4Q1 DOI:10.1038/s41746-026-02629-y PMID:41991627	研究论文	本研究开发了一种基于深度学习的自动化模型Auto-DFLLs，用于实时检测超声视频中的局灶性肝脏病变	首次提出基于ResNet和FPN架构的自动化深度学习模型，用于实时检测超声视频中的局灶性肝脏病变，并在多中心研究中验证其能显著提升不同经验水平超声医师的检测性能	NA	开发并验证一种自动化深度学习模型，以降低超声检测局灶性肝脏病变对操作者经验的依赖性	超声视频中的局灶性肝脏病变	计算机视觉	肝脏疾病	超声成像	CNN	视频	来自三家医院的5258个前瞻性收集的超声视频	NA	ResNet, FPN	AP50, Pr70, FP70, AFROC-AUC	NA
133	2026-04-18	LGGC-Net: a local-global graph and color attention-based lightweight CNN for skin cancer classification 2026-Apr-16, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-48724-8 PMID:41991637	研究论文	本研究提出了一种名为LGGC-Net的轻量级CNN模型，通过结合局部-全局图与颜色注意力机制来提升皮肤癌分类性能，同时保持计算效率	提出了LGGC（局部、全局图和颜色）注意力机制，并将其集成到轻量级CNN中，以增强判别性特征学习，在保持高精度的同时大幅减少模型参数量	模型在未见过的HAM10000数据集上的多分类准确率为76.1%，仍有提升空间；研究未详细说明在更多样化临床环境中的泛化能力	开发一种可临床部署、轻量、鲁棒且可解释的AI系统，用于皮肤癌分类	皮肤病变图像	计算机视觉	皮肤癌	NA	CNN	图像	使用了外部图像集和HAM10000数据集，具体样本数量未在摘要中明确说明	NA	LGGC-Net	准确率, AUC	NA
134	2026-04-18	Class-adaptive oracle-free metamorphic test case prioritization framework for vision-based deep neural networks 2026-Apr-16, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-49010-3 PMID:41991724	研究论文	提出了一种面向视觉深度神经网络的无预言机类自适应蜕变测试用例优先级排序框架	首次将类别依赖的模型行为变化与预测不确定性和可解释性漂移的互补作用相结合，通过多目标贝叶斯优化进行集成，实现了动态的、类自适应的测试用例优先级排序	实验仅在三个公开数据集和三种网络架构上进行验证，未涉及更复杂的现实世界场景或更大规模的模型	为安全关键的视觉应用开发一种鲁棒且可扩展的深度神经网络验证策略	视觉深度神经网络系统	计算机视觉	NA	蜕变测试	深度神经网络	图像	CIFAR-10、Fashion-MNIST和ISIC2019数据集	NA	ResNet-18, ResNet-50, ConvNeXt-Base	统计显著性改进	NA
135	2026-04-18	A vision-language foundation model improves preoperative diagnosis of follicular thyroid neoplasms using ultrasound images 2026-Apr-16, NPJ precision oncology IF:6.8Q1 DOI:10.1038/s41698-026-01430-0 PMID:41991963	研究论文	本研究开发了一个名为FTC-Net的视觉-语言基础模型，用于术前利用超声图像对滤泡性甲状腺肿瘤进行分类	首次将视觉-语言基础模型应用于滤泡性甲状腺肿瘤的术前诊断，相比传统深度学习和TI-RADS系统，在外部验证中取得了更高的AUC，并显著降低了细针穿刺活检率	研究为回顾性多中心设计，可能存在选择偏倚；模型性能需在前瞻性临床试验中进一步验证	开发一种非侵入性工具，以改善滤泡性甲状腺肿瘤的术前诊断，减少不必要的手术和活检	滤泡性甲状腺肿瘤（包括滤泡性甲状腺癌和滤泡性甲状腺腺瘤）的超声图像	计算机视觉	甲状腺癌	超声成像	视觉-语言基础模型	图像	2421名患者（6477张图像），来自14个机构	NA	FTC-Net	AUC	NA
136	2026-04-18	Interpretable multimodal PET/CT-EHR fusion via mixture-of-experts for prognostic stratification in mantle cell lymphoma: a multicenter study 2026-Apr-16, BMC medicine IF:7.0Q1 DOI:10.1186/s12916-026-04865-1 PMID:41992190	研究论文	本研究开发了一种可解释的深度学习框架，通过集成基线[18F]FDG PET/CT和电子健康记录数据，用于套细胞淋巴瘤的个体化风险分层	提出了一种基于混合专家（MoE）融合网络的可解释多模态融合方法，结合视觉编码器、放射组学提取器和医学语言模型，通过注意力门控机制构建预测性放射组学特征	研究样本量相对较小（187例患者），且为回顾性多中心研究，可能存在选择偏倚	开发一种用于套细胞淋巴瘤预后分层的个体化风险分层工具	套细胞淋巴瘤患者	数字病理学	套细胞淋巴瘤	[18F]FDG PET/CT成像，电子健康记录数据分析	混合专家（MoE）融合网络	PET/CT图像，电子健康记录文本数据	187例初治套细胞淋巴瘤患者	NA	混合专家（MoE）融合网络，包含视觉编码器、放射组学提取器和医学语言模型	AUC，C-index，风险比（HR），时间依赖性ROC分析，校准分析，决策曲线分析	NA
137	2026-04-18	CycleGAN-based image-to-image translation for synthetic contrast enhancement in non-contrast cardiac CT: a ViT-CNN hybrid deep learning approach 2026-Apr-16, BMC medical informatics and decision making IF:3.3Q2 DOI:10.1186/s12911-026-03446-9 PMID:41992180	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
138	2026-04-18	Non-invasive diagnosis strategy integrating PSMA PET/CT and mpMRI for patients with suspected prostate cancer: a multi-center study 2026-Apr-16, BMC medicine IF:7.0Q1 DOI:10.1186/s12916-026-04859-z PMID:41992197	研究论文	本研究开发并外部验证了一个整合PSMA PET/CT和多参数MRI的多模态放射组学模型，用于前列腺癌的自动化诊断和风险分层	首次整合了PSMA PET/CT和多参数MRI的多模态放射组学模型，并比较了专家绘制与深度学习生成的前列腺体积感兴趣区域对诊断性能的影响	研究为回顾性设计，且样本量相对有限，可能影响模型的泛化能力	开发并验证一个多模态放射组学模型，以提高前列腺癌的诊断准确性，并评估不同前列腺体积感兴趣区域勾画策略的影响	疑似前列腺癌患者	数字病理学	前列腺癌	放射组学特征提取，多模态影像融合	机器学习分类器	医学影像（PET/CT和MRI）	488名患者（366名用于模型开发和内部验证，122名用于外部验证）	Scikit-learn	LR, SVM, Random Forest, Extra Trees, XGBoost, LightGBM	AUC, 敏感性, 特异性, 准确性, PPV, NPV	NA
139	2026-04-18	Comparative analysis of transformer, CNN, and YOLO architectures for mandibular condyle segmentation on panoramic radiographs: a deep learning benchmark 2026-Apr-16, BMC oral health IF:2.6Q1 DOI:10.1186/s12903-026-08228-3 PMID:41992227	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
140	2026-04-18	Incorporating normal periventricular changes for enhanced pathological white matter hyperintensity segmentation: on multiclass deep learning approaches 2026-Apr-16, Biomedical engineering online IF:2.9Q3 DOI:10.1186/s12938-026-01555-0 PMID:41992229	研究论文	本研究探讨了在多类别深度学习模型中纳入正常脑室周围变化，以增强病理性白质高信号分割效果	通过将正常脑室周围高信号作为独立类别纳入多类别分割，显著提高了病理性白质高信号的检测精度，降低了假阳性率	研究主要基于特定患者群体（神经退行性疾病）的FLAIR MRI数据，结果可能无法直接推广到其他疾病或影像模态	评估多类别深度学习训练范式在区分病理性与正常年龄相关白质高信号分割中的效果	神经退行性疾病患者的FLAIR MRI图像中的白质高信号	数字病理学	神经退行性疾病	FLAIR MRI序列	深度学习	图像	115名患者的2,750张FLAIR图像	NA	U-Net, Attention U-Net, DeepLabV3Plus, Trans-U-Net	Dice系数, Hausdorff距离	NA