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
1381	2026-04-27	Assumption-Agnostic Deep Learning Framework for Holistic Clinical Trial Monitoring 2026-May, Therapeutic innovation & regulatory science IF:2.0Q3 DOI:10.1007/s43441-026-00915-1 PMID:41703352	研究论文	提出一种无需假设的深度学习框架，用于全面监测临床试验中的异常，特别是质量容忍限度偏差	采用层次化、非参数的多维偏差评分方案结合长短期记忆自编码器，无需参数假设或先验知识，可处理异构和纵向数据	未明确提及，但可能依赖于模拟数据评估，真实世界验证有限	实现临床试验中异常（包括QTL偏差）的持续集中检测，提高安全性和运营效率	临床试验中的数值变量、层次结构（项目、研究、中心和受试者）文本数据的数值表示	机器学习	NA	NA	长短期记忆自编码器	数值数据、文本数据的数值表示	基于真实世界试验结构和异常模式的模拟数据，以及一项案例研究	NA	LSTM自编码器	异常信号区分度、不必要的随访减少、计算可扩展性	NA
1382	2026-04-27	Image Quality Assessment of the External Carotid Artery and Its Branches on Ultra-High-Resolution Head and Neck Computed Tomography Angiography Using a High-Resolution 0.25-mm Detector and Deep Learning Reconstruction 2026-Apr-25, AJNR. American journal of neuroradiology DOI:10.3174/ajnr.A9375 PMID:42034565	研究论文	评估使用高分辨率0.25毫米探测器和深度学习重建的超高分辨率头颈CT血管造影中颈外动脉及其分支的图像质量	首次系统评估深度学习重建在超高分辨率CTA中对小口径颈外动脉分支和肿瘤供血血管可视化能力的提升	样本量较小（24例），需要在更大队列中进一步验证	评估深度学习重建在超高分辨率CTA中对颈外动脉系统图像质量的改善效果	24名接受超高分辨率CTA检查的头颈肿瘤或茎突过长患者	医学影像	头颈肿瘤	CTA	深度学习重建	图像	24名患者	NA	NA	图像噪声、信噪比、对比噪声比、边缘上升距离、边缘上升斜率、主观评分（四分Likert量表）	NA
1383	2026-04-27	Prediction of infiltration degree of ground-glass nodules using a fusion of CT radiomics and deep learning 2026-Apr-25, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-50328-1 PMID:42034781	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
1384	2026-04-27	Hyperspectral image classification network based on multiscale spatial-spectral fusion and semantic enhancement encoder 2026-Apr-25, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-46407-y PMID:42034807	research paper	提出了一种基于多尺度空间-光谱融合和语义增强编码器的高光谱图像分类网络	设计多尺度空间-光谱融合模块，通过并行分支分别提取多尺度空间特征和判别性光谱信息，并实现特征协同交互；引入语义增强编码器，利用多头注意力机制显式建模全局特征依赖，增强语义关键区域表示	NA	解决现有深度学习方法在处理复杂空间结构和高度可变光谱响应时，难以有效提取判别性联合空间-光谱特征的问题	高光谱遥感图像	计算机视觉	NA	主成分分析, 多尺度空间-光谱融合, 语义增强编码器	CNN, 多头注意力机制	高光谱图像	Pavia University数据集和Salinas数据集	NA	MSNet	总体准确率	NA
1385	2026-04-27	A multi-cognitive PCB defect detection model integrating Mamba 2026-Apr-25, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-49734-2 PMID:42034824	研究论文	提出了一种多认知混合框架PCB-MMF，结合Mamba状态空间模型与CNN，用于PCB缺陷检测	提出MM-NET主干网络融合CNN局部特征提取与Mamba全局建模，并设计三阶段多感受野模块、多认知视觉增强模块和轻量级分组共享检测头	未提及模型在极端纹理复杂或光照变化条件下的性能，以及实际工业部署中的实时性验证	解决PCB缺陷检测中微小目标特征提取不足、特征利用率低和模型复杂度高的问题	印刷电路板（PCB）上的各类表面缺陷	计算机视觉	不适用	深度学习、Mamba状态空间模型	混合模型（CNN与Mamba）	图像	HRIPCB、DeepPCB、DsPCBSD+和NEU-DET四个数据集，具体样本数量未明确给出	PyTorch	MM-NET、TSMR、MC-VAM、LGSD	mAP50、参数量、FLOPs	未明确说明
1386	2026-04-27	Robust service migration for autonomous vehicles leveraging deep learning and cooperative V2V protocols 2026-Apr-25, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-48717-7 PMID:42034846	研究论文	提出一种基于深度学习和协作V2V协议的自适应服务迁移框架，用于自动驾驶车辆	采用长短期记忆网络预测内存页面变化并主动忽略，结合内容感知语义压缩引擎（混合自编码器和Z-standard策略）以及深度强化学习代理优化迁移时机，实现主动式服务迁移	模拟环境测试，实际道路场景的鲁棒性、计算开销和部署成本未验证	解决自动驾驶车辆在高速移动中网络边缘服务的持续性和稳定性问题	自动驾驶车辆的服务迁移过程	机器学习	NA	深度学习、V2V通信协议	长短期记忆网络、深度强化学习	内存页面变化数据、传感器日志	模拟数据，未明确样本数量	NA	长短期记忆网络、混合自编码器、Z-standard	数据传输量减少率、服务停机时间减少率	NA
1387	2026-04-27	S2A-RConvNet: standalone self-attention enabled deep learning model for brain tumor classification with MRI images 2026-Apr-25, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-46010-1 PMID:42034851	研究论文	提出一种基于独立自注意力机制的重复卷积网络（S2A-RConvNet），用于MRI图像中的脑肿瘤分类	引入独立自注意力模块增强对肿瘤区域的关注，并提取结构化ResNet注意力灰度级特征以减少计算复杂度	未提及实际临床应用验证及多中心数据集测试	准确分类脑肿瘤类型以降低死亡率	脑肿瘤MRI图像中的肿瘤区域	计算机视觉	脑肿瘤	MRI成像	CNN与自注意力机制结合的混合模型	图像	使用BraTS 2021数据集，训练占90%	NA	RConvNet, ResNet	灵敏度、精确率、F1分数、特异性、准确率	NA
1388	2026-04-27	Deep learning-based double-sided fudge detection system with integrated physical components 2026-Apr-25, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-49625-6 PMID:42034913	研究论文	提出一种基于深度学习的双面翻转软糖缺陷检测系统，结合多模型融合策略和物理翻转机制，实现大规模生产中的实时缺陷检测	首次将多模型融合策略（置信度加权投票、基于规则的缺陷选择与非极大值抑制）与物理翻转机构结合，实现双面检测，显著提高软糖缺陷检测的准确率和鲁棒性	该系统在特定缺陷类别（如孔洞）的初步检测准确率较低（47.5%），依赖双面翻转提升效果，且未提及对更多缺陷类型或复杂场景的泛化能力	开发自动化软糖缺陷检测系统，替代人工目检，实现大规模生产中的实时、高精度缺陷筛查	软糖样品中的正常样品和四种缺陷类型（孔洞、泄漏、白斑等）	计算机视觉	NA	深度学习、图像识别	SSD、YOLOv4/YOLOv5/YOLOv7/YOLOv8/YOLOv11	图像	1,000个真实生产样品	PyTorch	SSD、YOLOv4、YOLOv5、YOLOv7、YOLOv8、YOLOv11	准确率、mAP@0.5、mAP@0.5:0.95	NA
1389	2026-04-27	Deep Learning Model Using Transfer Learning for Detecting Left Ventricular Systolic Dysfunction: Retrospective Algorithm Development and Validation Study 2026-Apr-24, JMIR medical informatics IF:3.1Q2 DOI:10.2196/83127 PMID:42030497	研究论文	本研究提出并验证了一种利用纵向患者数据进行再校准的深度学习模型，用于检测左心室收缩功能障碍，从而提高预测准确性	创新性地提出了一种患者特定的再校准策略，通过整合历史左心室射血分数和既往AI-ECG输出来调整未来预测，从而减少混杂效应并提升模型在不同合并症患者中的一致性和准确性	未明确指出局限性	通过引入纵向患者数据再校准方法，增强AI-ECG模型在检测左心室收缩功能障碍中的预测性能，并评估其在持续监测中的临床效用	左心室收缩功能障碍患者的心电图和超声心动图数据	机器学习	心血管疾病	NA	深度学习模型（DeepECG LVSD模型）	心电图和超声心动图数据	来自韩国两家医院的多中心回顾性队列，包含配对经胸超声心动图和心电图数据	NA	DeepECG	ROC曲线下面积	NA
1390	2026-04-27	AI-Based Denoising for Simulated Dose Reduction in Pediatric Chest Radiography: A Prospective Multicenter Evaluation of Image Quality and Diagnostic Performance 2026-Apr-24, Academic radiology IF:3.8Q1 DOI:10.1016/j.acra.2026.04.003 PMID:42034503	研究论文	前瞻性多中心评估基于AI的去噪技术在小儿胸部X光片模拟降剂量中的图像质量和诊断性能	首次通过前瞻性多中心设计验证基于深度学习的供应商无关去噪系统在模拟降剂量小儿胸部X光片中的图像质量改善效果	诊断性能的非劣效性未达到预设边界，需要进一步用临床实际低剂量数据进行验证	评估基于深度学习的去噪系统能否在约50%剂量降低下改善图像质量并评估诊断性能变化	420名接受临床胸部X光检查的儿科患者	计算机视觉	儿科疾病	基于物理的泊松-高斯噪声插入框架	深度残差卷积神经网络	图像	420名儿科患者	NA	深度残差CNN	结构相似性、噪声特征、AUC、ΔAUC	NA
1391	2026-04-27	The promise of AlphaFold for gene structure annotation 2026-Apr-23, Nucleic acids research IF:16.6Q1 DOI:10.1093/nar/gkag369 PMID:42033219	研究论文	探索AlphaFold蛋白结构预测得分在基因注释质量评估中的应用	首次系统评估AlphaFold 3、Foldseek和InterProScan等多工具组合得分对基因模型手动改进的判别能力，并发现快速替代方法Protenix-Mini具有相同判别效能	仅选取三种病原真菌进行验证，物种代表性有限；依赖AlphaFold等深度学习模型的计算资源需求较高	验证蛋白结构预测得分能否作为无实验数据时评估基因模型质量的可靠指标	三种病原真菌（禾谷镰刀菌、弓形虫、烟曲霉）的基因模型	生物信息学	NA	AlphaFold 3, Foldseek, InterProScan	深度学习模型	蛋白结构预测得分	三种病原真菌基因组，经历超过1000次手动注释事件	NA	AlphaFold, Protenix-Mini	判别能力（支持手动改进变更的比例65-84%）	NA
1392	2026-04-27	A high-speed attention network for MHC-bound peptide identification and 3D modeling 2026-Apr-20, Cell reports methods IF:4.3Q2 DOI:10.1016/j.crmeth.2026.101364 PMID:41923631	研究论文	提出了SwiftMHC框架，用于快速准确的肽-MHC结合亲和力预测和三维结构建模	结合任务特定深度学习与物理模拟合成数据，实现超快速（每例0.009秒）pMHC结合预测和全原子3D结构生成，性能与AlphaFold2微调相当但计算成本更低	目前仅针对HLA-A∗02:01 9聚体肽优化，其他等位基因的扩展性有待验证	开发用于癌症免疫治疗中表位发现的高通量、高精度pMHC建模工具	主要组织相容性复合体（MHC）结合肽段及其三维结构	机器学习	癌症	深度学习、物理模拟合成数据	注意力网络	物理衍生合成数据	未明确说明	NA	注意力网络	Cα-RMSD、结合亲和力预测速度	单张NVIDIA A100 GPU
1393	2026-04-27	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	开发并评估一种自监督深度学习框架，从多导睡眠图数据中识别与心血管疾病结果相关的生理模式	首次采用自监督学习框架从多导睡眠图数据中提取可解释的投影评分，用于心血管风险分层，无需依赖手动注释（如睡眠阶段）	未提及具体局限性	探索多导睡眠图数据在评估未来健康风险（特别是心血管疾病）中的潜力，并开发可解释的风险分层工具	多导睡眠图信号（脑电图、心电图、呼吸信号）	机器学习	心血管疾病	多导睡眠图	自监督深度学习模型	生理信号（脑电图、心电图、呼吸信号）	4398名参与者（训练集），1093名参与者（外部验证集）	NA	自监督深度学习模型	曲线下面积	NA
1394	2026-04-27	Reduction of Acquisition Time in FTIR Spectroscopy via Spectral Super-Resolution by Deep Learning 2026-Apr-16, Analytical chemistry IF:6.7Q1 DOI:10.1021/acs.analchem.5c07660 PMID:41987594	研究论文	本研究开发了基于残差网络和U-Net的光谱超分辨率模型（SSR-ResUNet），通过深度学习将低分辨率FTIR光谱图像重建为高分辨率图像，从而减少采集时间并保持光谱质量	首次将深度学习超分辨率方法应用于FTIR光谱领域，通过1D、2D和3D CNN组合实现从16 cm⁻¹低分辨率到2 cm⁻¹高分辨率光谱的重建，显著降低采集时间达87.5%	未提及模型的泛化能力或在其他组织类型上的表现，且仅对肾移植组织切片进行了测试	提高傅里叶变换红外光谱（FTIR）的光谱分辨率，减少红外图像采集时间，为临床诊断提供快速、高分辨率的分子分析	肾移植组织切片的FTIR光谱图像	计算机视觉	肾病/肾移植相关疾病	FTIR光谱成像	CNN	图像（FTIR光谱图像）	肾移植组织切片样本	NA	ResNet, U-Net	均方根误差（RMSE）, 结构相似性指数（SSIM）	NA
1395	2026-04-27	AngioCAD: A public x-ray angiography dataset and an adaptive fusion framework for stenosis detection 2026-Apr-14, Computer methods and programs in biomedicine IF:4.9Q1 DOI:10.1016/j.cmpb.2026.109368 PMID:42033972	研究论文	本文提出了一个公开的X射线血管造影数据集AngioCAD和一个自适应融合框架用于狭窄检测	AngioCAD数据集提供了包含时间连续性、动脉特异性标注和临床上下文信息的血管造影视频序列及结构化临床数据，并提出了一个基于自适应融合模块的深度学习框架，该模块通过学习注意力权重来优先选择最具信息量的特征流	未明确提及	通过提供高质量数据集和适应性框架，提升冠状动脉狭窄自动检测的准确性	冠状动脉狭窄检测	计算机视觉	冠状动脉疾病	X射线血管造影	卷积神经网络（CNN）	图像（血管造影视频序列）和结构化临床数据	413名患者的数据	NA	两个卷积神经网络结合自适应融合模块	F1分数, PR-AUC	NA
1396	2026-04-27	Clustered Regularly Interspaced Short Palindromic Repeat-Based Colorimetric Aptasensor Combined with Smartphone Imaging and Deep Learning Enables Selective Recycling and Visual Prediction of Microplastics in the Environment 2026-Apr-11, Analytical chemistry IF:6.7Q1 DOI:10.1021/acs.analchem.5c08138 PMID:41964558	研究论文	基于CRISPR的比色适体传感器结合智能手机成像和深度学习，实现环境中微塑料的选择性回收和可视化预测	将CRISPR-Cas12a系统与比色反应、智能手机成像和深度学习回归模型相结合，实现微塑料的快速、灵敏、可视化定量检测	未提及实际环境样品中其他干扰物质的影响评估	开发一种简单、快速、灵敏、可现场部署的微塑料检测方法	聚氯乙烯和聚苯乙烯微塑料	机器学习，计算机视觉	不适用	CRISPR-Cas12a，比色检测，智能手机成像	深度学习回归模型	图像	不适用	不适用	深度学习回归模型	检测限，动态范围	智能手机
1397	2026-04-27	Accurate 3D Structure Prediction of Small Cyclic Peptides Containing Non-Canonical Amino Acid Residues Using an All-Atom Diffusion Model with Stereogenic Implementation 2026-Apr-10, Journal of chemical information and modeling IF:5.6Q1 DOI:10.1021/acs.jcim.5c03236 PMID:41962133	研究论文	利用全原子扩散模型精确预测含非规范氨基酸的小环肽的三维结构	将原用于小分子构象生成的全原子扩散模型AGDIFF改编并重新训练于环肽数据集，通过立体化学校正步骤解决了立体化学不敏感性问题，能够可靠生成对映体残基的正确镜像异构体	未明确说明，可能包括对非规范氨基酸和复杂环化化学的覆盖范围有限，以及计算资源需求等未提及	实现含非规范氨基酸的小环肽的高精度结构预测，以支持药物发现中的理性设计	含非规范氨基酸和多样化环化化学的小环肽	机器学习	NA	深度学习扩散模型	扩散生成模型	分子图结构数据	36,198个成员的Conformer Rotamer Ensembles of Macrocyclic Peptides (CREMP)数据集	NA	AGDIFF（全原子扩散模型）	平均RMSD（均方根偏差）、环扭转指纹偏差、Ramachandran分析	NA
1398	2026-04-27	RetinaDetachNet: Automated Deep Learning Quantification of Photoreceptor Cell Death for Neuroprotection Studies in Experimental Retinal Detachment 2026-Apr-06, Translational vision science & technology IF:2.6Q2 DOI:10.1167/tvst.15.4.23 PMID:42017313	研究论文	开发并验证了RetinaDetachNet，一种用于实验性视网膜脱离模型中光感受器细胞死亡自动量化的深度学习流程	首次提出并验证了针对TUNEL阳性细胞量化的深度学习流程，采用混合双验证架构（U-Net结合StarDist和Otsu阈值）提高准确性和可重复性	未提及	开发自动化量化光感受器细胞死亡的工具，用于神经保护研究的标准化评估	实验性视网膜脱离模型中的光感受器细胞	数字病理学	视网膜脱离	TUNEL染色	CNN	图像	三个独立数据集：主数据集（50张图像）、历史数据集（50张图像）、外部数据集（40张图像）	TensorFlow, PyTorch	U-Net, StarDist	Dice系数, Spearman相关系数, Bland-Altman分析	NA
1399	2026-04-27	Artificial-Intelligence-Based Radiologic, Histopathologic, and Molecular Models for the Diagnosis and Classification of Malignant Salivary Gland Tumors: A Systematic Review and Functional Meta-Synthesis 2026-Apr-05, Medical sciences (Basel, Switzerland) DOI:10.3390/medsci14020183 PMID:42029607	系统综述	该文章系统综述了基于人工智能的放射学、组织病理学和分子模型在恶性唾液腺肿瘤诊断与分类中的应用，并通过功能性meta整合分析了其诊断作用	首次对人工智能/机器学习在恶性唾液腺肿瘤放射学、组织病理学和分子领域的诊断模型进行系统性综述和功能性meta整合，识别出三个趋同的诊断领域	证据基础有限，存在高度异质性、主要依赖内部验证、偏倚风险高，校准和实用性评估不足	识别和批判性评估用于恶性唾液腺肿瘤不同诊断任务的人工智能/机器学习模型，并整合其诊断作用	恶性唾液腺肿瘤患者的放射学图像、组织病理学全切片图像和DNA甲基化数据	计算机视觉, 机器学习	唾液腺肿瘤	放射组学, 深度学习, DNA甲基化测序	CNN, 深度学习模型	图像, 分子数据	8项研究，共1922名参与者	NA	NA	AUC	NA
1400	2026-04-27	Deep learning discriminates thymic epithelial tumors' histological subtypes using digital pathology 2026-Apr, Annals of oncology : official journal of the European Society for Medical Oncology IF:56.7Q1 DOI:10.1016/j.annonc.2025.12.003 PMID:41390119	研究论文	利用深度学习模型基于H&E全切片图像区分胸腺上皮肿瘤的组织学亚型	引入新型层级损失函数以反映基于治疗策略和患者预后的临床相关肿瘤分组	模型误分类中60%处于相同临床管理组内，但六分类准确率仍有提升空间；研究基于单一机构外部验证集	开发深度学习工具以降低胸腺上皮肿瘤组织学分类的观察者间差异并提高诊断一致性	胸腺上皮肿瘤的H&E染色全切片图像	数字病理学	胸腺肿瘤	H&E染色	深度学习模型	全切片图像	训练集来自TCGA；验证集包含112例连续病例	NA	NA	准确率, Cohen's κ系数, 敏感性	NA