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
1401	2026-06-07	Automated deep learning for detection and measurement of adrenal masses in contrast-enhanced abdominal CT 2026-Jun, European radiology IF:4.7Q1 DOI:10.1007/s00330-025-12314-5 PMID:41609765	研究论文	开发并验证一种完全自动化的深度学习模型，用于在增强腹部CT中检测和测量肾上腺肿块	提出全自动深度学习模型，利用预训练分割模型生成肾上腺掩膜，结合U-Net分割网络进行肿块检测，并具有真实世界验证集	未提及病理学确认的外部测试集和硬件约束	提高腹部CT中肾上腺肿块的检测率和测量准确性，优化患者管理	肾上腺肿块	计算机视觉	肾上腺肿瘤	增强CT	U-Net	CT图像	415个扫描（含155个肿块，260个无肿块）用于模型开发；外部测试集995个扫描；内部测试集250个扫描	NA	U-Net	AUC, Dice系数, 敏感性, 特异性, 准确率, 阳性预测值, 组内相关系数	NA
1402	2026-06-07	Chronic kidney disease detection using XceptionNet with Harmonic Addax Optimization 2026-Jun, Computational biology and chemistry IF:2.6Q2 DOI:10.1016/j.compbiolchem.2026.108921 PMID:41616602	research paper	提出一种结合XceptionNet和谐波Addax优化算法的慢性肾脏病检测框架	集成XceptionNet与谐波Addax优化算法（HAOA）进行特征提取和分类，并使用深层信念网络（DBN）与Soergel度量进行特征融合	未提及具体局限性	提高慢性肾脏病（CKD）检测的准确性和克服泛化与类别不平衡问题	慢性肾脏病（CKD）患者数据	machine learning	慢性肾脏病	NA	XceptionNet, Deep Belief Network (DBN)	tabular data	三个CKD数据集	NA	XceptionNet, Deep Belief Network (DBN)	真阳性率（TPR）、真阴性率（TNR）、准确率、精确率、F1分数	NA
1403	2026-06-07	Observation-Constrained Agroecosystem Model Inversion Reveals Continental-Scale Variation of Winter Wheat Traits 2026-Jun, Global change biology IF:10.8Q1 DOI:10.1111/gcb.70936 PMID:42233340	研究论文	通过观测约束的农业生态系统模型反演，揭示美国冬小麦性状在大陆尺度的变异	将深度学习与模型-数据融合反演相结合，从观测数据中直接推断出空间明确的生理控制参数，实现了对作物性状变异的大尺度解析	研究依赖卫星和产量记录，可能无法完全捕捉局部微观环境或管理细节的影响	理解作物性状变异如何塑造基因型×环境×管理的交互作用，并诊断农业生态系统的适应多样性和气候脆弱性	美国冬小麦品种及其性状，包括成熟度组、繁殖能力、收获指数和根冠分配	机器学习	NA	卫星遥感、产量记录分析	深度学习模型	图像（卫星光合作用数据）、数值（县级产量数据）	约1000个冬小麦生产县，数据覆盖2008-2022年	PyTorch, TensorFlow	Ecosys（农业生态系统模型）	相关系数（r）、偏差（周）、准确率（产量误差率）	NA
1404	2026-06-07	"Diagnostic Performance of Artificial Intelligence in Evaluating Tricuspid Regurgitation: A Systematic Review and Meta-Analysis" 2026-Jun, Clinical cardiology IF:2.4Q2 DOI:10.1002/clc.70366 PMID:42244453	系统综述与荟萃分析	通过系统回顾和荟萃分析评估人工智能在诊断三尖瓣反流中的表现	首次系统综述并荟萃分析AI在TR诊断中的表现，涵盖超声心动图和心电图多种模态	纳入研究存在高度异质性（I2>90%），多为回顾性设计，外部验证有限，证据质量中等	评估AI在诊断三尖瓣反流中的准确性，以标准化早期检测和分诊	成人三尖瓣反流患者的相关研究	机器学习	三尖瓣反流	NA	机器学习、深度学习	超声心动图、心电图数据	8项研究	NA	NA	AUROC, 灵敏度, 特异度	NA
1405	2026-06-07	BloodPatrol: Revolutionizing Blood Cancer Diagnosis - Advanced Real-Time Detection Leveraging Deep Learning & Cloud Technologies 2026-Jun, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2024.3496294 PMID:39527419	研究论文	提出一种基于深度学习和云计算技术的血癌实时诊断模型BloodPatrol	首次融合智能特征权重机制与云计算分布式网络，实现血癌双视角细胞样本与特征重要性关系的捕获，大幅提升预测精度	未提及模型在真实临床环境中的验证情况，以及在不同计算资源受限场景下的适用性分析	开发一种高效、可扩展的血癌动态监测诊断模型，解决传统流式细胞术计算和资源消耗高的问题	血癌患者的细胞样本数据	机器学习	血癌	流式细胞术	深度学习模型	细胞数据	未提及	未提及	未提及	未提及	云端分布式网络
1406	2026-06-07	Pulmonary blood volumes on computed tomography predict residual pulmonary hypertension post-pulmonary endarterectomy 2026-Jun-01, American journal of respiratory cell and molecular biology IF:5.9Q1 DOI:10.1165/rcmb.2025-0121OC PMID:41124339	研究论文	基于CT肺动脉造影的肺血容量预测肺动脉内膜剥脱术后残留肺动脉高压	首次利用深度学习模型自动分割CTPA中的动脉和静脉，量化肺血容量以预测慢性血栓栓塞性肺动脉高压患者术后残留肺动脉高压	NA	评估CTPA衍生的肺血容量在预测肺动脉内膜剥脱术后残留肺动脉高压中的价值	接受肺动脉内膜剥脱术的慢性血栓栓塞性肺动脉高压患者	计算机视觉, 数字病理学	肺动脉高压, 慢性血栓栓塞性肺动脉高压	CTPA	深度学习分割模型	图像	发现队列71例，验证队列102例，共173例患者	NA	血管分割模型	AUROC	NA
1407	2026-06-07	Deep learning for high-resolution magnetic resonance vessel wall imaging: image reconstruction, stenosis diagnosis and plaque calculation 2026-Jun, European radiology IF:4.7Q1 DOI:10.1007/s00330-026-12347-4 PMID:41619006	research paper	开发了一种基于深度学习的自动化方法，用于高分辨率磁共振血管壁成像的图像重建、狭窄诊断和斑块计算，并评估其性能与放射科医师的比较	提出了一种端到端的深度学习系统，同时实现图像重建、血管狭窄检测和斑块参数计算，并首次将斑块参数与易损性关联分析，显著缩短了诊断时间	未提及模型在复杂斑块形态或罕见病变上的泛化能力，且独立测试集样本量相对较小	开发并验证一种自动化的AI方法，以提升HR-MRVWI的影像重建、狭窄检测和斑块计算效率	颅内动脉粥样硬化患者的HR-MRVWI图像数据	deep learning, medical image analysis	cardiovascular disease, geriatric disease	high-resolution magnetic resonance vessel wall imaging (HR-MRVWI)	deep learning algorithm (未指定具体模型类型)	image	476名患者（平均年龄61岁，男性286名）	NA	NA	Dice相似系数, 平均中心线距离, 平均表面距离, 准确性, 一致性	NA
1408	2026-06-07	MMRCL: An interpretable multi-modal deep learning framework for predicting hERG blockers 2026-Jun, Computational biology and chemistry IF:2.6Q2 DOI:10.1016/j.compbiolchem.2026.108926 PMID:41633195	研究论文	开发了一种可解释的多模态分子表征交叉学习框架MMRCL，用于预测hERG通道阻滞剂	首次将多维分子指纹与分子图通过双通道消息传递神经网络和多头交叉注意力机制进行深度融合，实现多模态特征自适应融合，并增强模型可解释性	未明确提及外部验证集的多样性和模型在更大规模或不同数据源上的泛化能力评估	早期预测hERG阻滞剂以降低心脏毒性风险，减少药物撤市和经济损失	hERG钾离子通道阻滞剂和相应的化合物分子	机器学习	心血管疾病	分子指纹、分子图表示、消息传递神经网络	双通道消息传递神经网络、多层感知器、多头交叉注意力机制	分子指纹、分子图	内部数据集包含12,518种化合物，以及三个外部测试集	NA	消息传递神经网络、多层感知器、多头交叉注意力机制	AUC、精确率-召回率曲线、马修斯相关系数	NA
1409	2026-06-07	Machine learning for predicting young's modulus of soft tissues from atomic force microscopy data 2026-Jun, Journal of structural biology IF:3.0Q3 DOI:10.1016/j.jsb.2026.108325 PMID:42142679	研究论文	介绍了一种基于多层感知机回归器的机器学习方法，用于从原子力显微镜数据预测软组织的杨氏模量	首次采用定制化多层感知机回归器结合网格搜索优化，仅基于合成数据训练即可预测软组织杨氏模量（1-50 kPa），实现了高效自动化分析	模型仅在基于约翰逊-肯德尔-罗伯茨接触理论的合成数据上训练，可能无法完全覆盖真实组织中的复杂黏附与非均质特性	开发机器学习模型简化原子力显微镜数据分析流程，实现对软组织杨氏模量的快速预测	软组织的力-压痕曲线数据	机器学习	NA	AFM (原子力显微镜)	多层感知机回归器	合成力-压痕曲线	NA（基于合成数据生成，未提及具体样本数量）	Scikit-learn	多层感知机	预测精度	NA
1410	2026-06-07	Deep Learning Assisted Motion Behavior Analysis of Catalytic Micromotors Based on Trajectory and Optical Flow 2026-May-31, Nano letters IF:9.6Q1 DOI:10.1021/acs.nanolett.6c01373 PMID:42219952	研究论文	利用深度学习方法分析催化微马达的运动行为，通过轨迹和光流区分不同驱动模式	首次利用深度学习方法区分催化微马达的不同驱动模式，并证明光流帧在短时间跨度（0.45秒）内即可有效识别驱动模式差异	仅研究单驱动系统，缺乏对多种驱动模式组合的判别能力	区分催化微马达（如铂驱动和酶驱动）的不同驱动模式，并解析其运动机制	催化微马达的运动行为，包括铂驱动和酶驱动的轨迹与光流特征	计算机视觉，机器学习	NA	NA	深度学习模型（结合迁移学习）	运动视频中的轨迹数据和光流图	未明确指定样本数量，但涉及多段采样	NA	NA	准确率（轨迹分类70.19%，光流分类97.75%）	未明确说明
1411	2026-06-07	CrisprFusion: A feature fusion model with multi-type input features for sgRNA activity prediction 2026-May-30, Computational biology and chemistry IF:2.6Q2 DOI:10.1016/j.compbiolchem.2026.109137 PMID:42247991	研究论文	提出CrisprFusion，一种通过多类型输入特征融合模型预测sgRNA活性的深度学习方法	提出新颖的多粒度交叉注意力融合模块，在分支级别和标记级别实现特征融合，提升多模态生物特征融合的效率和可解释性	未明确提及，但可能依赖于现有数据集的规模和多样性，跨细胞系验证中的泛化能力仍有待进一步探索	通过深度学习改进sgRNA活性预测，解决多生物特征融合策略设计不足的问题	sgRNA序列及其相关生物特征	机器学习	NA	CRISPR/Cas9	深度学习模型	序列数据	七个高通量数据集	NA	多粒度交叉注意力融合模块	平均性能指标	NA
1412	2026-06-07	Validation of an automated AI-based micro-CT organ segmentation workflow against expert annotations and its impact on fluorescence quantification 2026-May-29, European radiology experimental IF:3.7Q1 DOI:10.1186/s41747-026-00742-x PMID:42213317	研究论文	验证基于AI的自动micro-CT器官分割工作流程的准确性、可重复性及其对荧光定量分析的影响	提出了基于任务的实际验证方法，而非仅依赖几何分割指标；首次评估AI分割对下游荧光断层成像定量的影响	主要关注商业化AI工具，未覆盖多种AI方法或解剖结构的泛化性；实验基于小鼠模型，临床转化需进一步验证	评估AI分割在临床前多模态成像中的实用性和对定量的影响	小鼠心脏、肺、肝脏和肾脏的micro-CT扫描数据	计算机视觉	NA	micro-CT成像、荧光断层成像	深度学习	三维图像	27只小鼠的全身体micro-CT扫描	NA	NA	Sørensen-Dice相似系数、器官体积	NA
1413	2026-06-07	Fully Biobased, Robust, and High-Conductivity Hydrogel for High-Fidelity Electrophysiological Monitoring and Deep Learning-Assisted Stroke Rehabilitation 2026-May-27, ACS applied materials & interfaces IF:8.3Q1 DOI:10.1021/acsami.6c03687 PMID:42200397	研究论文	报道一种通过霍夫迈斯特效应工程化的全生物基水凝胶平台，用于高保真电生理监测和深度学习辅助的卒中康复	通过柠檬酸盐诱导的链压缩和连续离子传输路径实现协同双物理交联网络，克服了传统明胶基系统的性能权衡，并集成多功能生物电子系统	未提及水凝胶的长期稳定性和生物降解性，以及在临床应用中的安全性评估	开发可持续的生物电子材料，兼具机械鲁棒性、高导电性、生物相容性和系统级功能，用于健康监测和卒中康复	卒中康复患者和智能手机控制的假肢设备	机器学习，数字病理学，计算机视觉	卒中	霍夫迈斯特效应工程化	深度学习	电生理信号（ECG、EEG、EMG）和应变传感数据	未明确提及样本量，但包括ECG、EEG和EMG信号采集	PyTorch	卷积神经网络（CNN）或其他深度学习模型	准确率（97.31%），信噪比（24.3 dB）	未明确提及，但可能涉及GPU加速
1414	2026-06-07	2D-JCOG: Transforming 1D 1H NMR Spectra into J-δ Correlation Maps via the Shared Splitting Theorem and Graph Neural Networks 2026-May-27, Analytical chemistry IF:6.7Q1 DOI:10.1021/acs.analchem.6c00383 PMID:42200782	研究论文	提出了2D-JCOG框架，利用共享分裂定理和图神经网络将一维氢核磁共振谱峰列表转换为二维J-δ相关图谱，揭示耦合拓扑结构	首次将共享分裂定理作为物理归纳偏置引入图神经网络架构，通过异构图神经网络中的混合消息传递策略（包括Transformer式注意力层和均值聚合层）实现自动J耦合提取，有效处理中强度耦合体系	不适用于严重强耦合自旋体系，需依赖经典量子力学方法进行替代	开发一种鲁棒的深度学习方法，用于从一维氢核磁共振谱中自动提取标量耦合常数及其耦合网络，无需一阶近似假设	氢核磁共振谱中的标量耦合常数和耦合网络	机器学习	NA	核磁共振波谱学	图神经网络	波谱数据	使用量子力学模拟谱进行训练，实验验证采用GISSMO数据库中的实验谱	PyTorch	异构图神经网络（集成Transformer注意力层和均值聚合层）	召回率, 精确率, 平均J值误差	未提及
1415	2026-06-07	Leveling Up Upconverting Nanoparticles with Machine Learning 2026-May-26, Accounts of chemical research IF:16.4Q1 DOI:10.1021/acs.accounts.6c00187 PMID:42190040	研究论文	探讨如何利用人工智能和机器学习提升上转换纳米颗粒的性能	将机器学习与贝叶斯优化、动力学蒙特卡洛模拟相结合，实现闭环主动学习，设计核壳异质结构，并利用异构图神经网络进行逆向设计，大幅增强上转换纳米颗粒的发光强度	模拟具有多达9层壳层的上转换纳米颗粒异质结构的计算成本高，且模型外推能力依赖于训练数据	克服上转换纳米颗粒亮度低和光谱可调性有限的问题，加速发现先进上转换纳米材料	上转换纳米颗粒及其核壳异质结构	机器学习	NA	机器学习、贝叶斯优化、动力学蒙特卡洛模拟、异构图神经网络	异构图神经网络	表征数据（TEM图像、时间分辨发光曲线）、合成参数	NA	NA	异构图神经网络	发光强度增强倍数	NA
1416	2026-06-07	Siamese networks in Raman spectroscopy: Towards a better performance against replicate variability 2026-May-15, Talanta IF:5.6Q1 DOI:10.1016/j.talanta.2026.129422 PMID:41579739	研究论文	基于孪生神经网络开发了一种拉曼光谱模型传递方法，以提升模型在复制品变异性下的性能	首次将孪生神经网络应用于拉曼光谱的模型传递，无需测试数据信息即可实现跨批次的鲁棒预测，且训练数据需求显著低于传统网络	未对大规模训练数据集下的计算效率与模型复杂性进行深入分析	提升拉曼光谱模型在不同数据批次间的泛化能力	细菌样本（4种菌株，9个生物学重复）和小鼠组织样本的拉曼光谱数据	机器学习	NA	拉曼光谱	孪生神经网络	光谱数据	共4种细菌（9个重复）和小鼠组织样本	NA	孪生神经网络	准确率	NA
1417	2026-06-07	DADA-EV: domain-adaptive diffusion autoencoder for estimating tissue- and cell-type-specific origin in extracellular vesicle transcriptomes 2026-May-04, Briefings in bioinformatics IF:6.8Q1 DOI:10.1093/bib/bbag281 PMID:42242685	研究论文	提出一种名为DADA-EV的混合深度学习框架，用于从细胞外囊泡转录组中无参考地追溯组织与细胞类型来源	无参考设计消除对预定义特征签名的依赖；跨域泛化通过对抗域适应对齐源域（组织/细胞类型）与目标域（EV）特征分布；在目标域训练期间减少对源数据的依赖	未提及具体局限性	开发一种稳健、无参考且可泛化的方法用于细胞外囊泡起源追溯，以推进液体活检在诊断、预后和治疗监测中的应用	细胞外囊泡转录组、组织与细胞类型数据集	机器学习	NA	RNA测序	扩散自编码器、生成模拟模块、对抗域适应	转录组表达数据	基于伪细胞外囊泡数据的广泛评估、体外细胞系混合物验证及真实患者样本应用	PyTorch	自编码器	准确率、敏感性	NA
1418	2026-06-07	CryoFSL: an annotation-efficient, few-shot learning framework for robust protein particle picking in cryo-electron microscopy micrographs 2026-May-04, Briefings in bioinformatics IF:6.8Q1 DOI:10.1093/bib/bbag285 PMID:42248583	研究论文	提出CryoFSL，一种基于少样本学习的框架，用于从冷冻电镜显微图中稳健地挑选蛋白颗粒，极大减少标注需求	将少样本学习与可微调Adapter结合到Segment Anything Model 2中，仅需少量标注即可高效、稳健地识别蛋白颗粒，显著降低标注负担	文中未明确说明局限性，如对极端噪声或复杂异质性条件下的适应能力、模型计算资源要求等	开发一种标注高效、泛化能力强的蛋白颗粒挑选方法，提升冷冻电镜分析的质量和效率	冷冻电镜显微图中的蛋白颗粒	计算机视觉、机器学习	不适用	冷冻电镜成像	少样本学习、Segment Anything Model 2	图像	最少仅需5张标注显微图	PyTorch	Segment Anything Model 2、轻量级适配器	召回率、精确率、三维重构分辨率	未提及
1419	2026-06-07	scHILL: deciphering individual-level immune cell heterogeneity with single-cell RNA sequencing data 2026-May-04, Briefings in bioinformatics IF:6.8Q1 DOI:10.1093/bib/bbag286 PMID:42248580	研究论文	提出了scHILL框架，结合掩码自编码器和多层感知机，利用单细胞RNA测序数据解析个体水平的免疫细胞异质性	首次将掩码自编码器与多层感知机结合用于单细胞RNA测序数据，实现无监督特征学习并量化个体水平免疫细胞和基因的功能重要性，克服小样本挑战	NA	开发一种通用框架，从单细胞RNA测序数据中表征个体水平的免疫细胞异质性，推动个性化医疗	单细胞RNA测序数据中的免疫细胞异质性及个体表型差异	机器学习	传染病,自身免疫病,癌症	单细胞RNA测序	掩码自编码器,多层感知机	基因表达数据	多个数据集（具体数量未说明）	PyTorch	掩码自编码器,多层感知机	表型预测性能（具体指标未明确）	NA
1420	2026-06-07	Enhancing Bone MRI With Vendor-Independent Deep Learning: A Comparative Study of CT and 3D VIBE CAIPI-Dixon Sequences for Shoulder Assessment 2026 May-Jun 01, Journal of computer assisted tomography IF:1.0Q4 DOI:10.1097/RCT.0000000000001819 PMID:41249023	研究论文	评估使用供应商无关的深度学习从肩部3D VIBE CAIPIRINHA Dixon MRI生成高分辨率类CT骨骼图像的可行性	采用供应商无关的深度学习重建方法，将3D VIBE CAIPIRINHA Dixon MRI序列转换为类CT骨骼图像，无需CT辐射	回顾性研究设计，患者扫描时间间隔可能影响图像对比；样本量有限（99例）；未评估其他关节或序列	验证深度学习技术增强肩部MRI骨骼成像以替代CT的可行性	肩关节骨骼结构（肱骨、肩胛盂、肩袖钙化）及图像质量指标	计算机视觉, 数字病理学	肩关节疾病	MRI（3D VIBE CAIPIRINHA Dixon序列）	深度学习模型	图像（MRI和CT）	99例患者（52男，47女，年龄17-87岁）	NA	NA	Likert量表评分、相对对比噪声比、相对信噪比、组内相关系数	NA