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
1421	2026-06-01	Automated interictal epileptic spike detection from simple and noisy annotations in MEG data 2026-May-30, Brain structure & function IF:2.7Q3 DOI:10.1007/s00429-026-03118-4 PMID:42217046	研究论文	利用深度学习方法从简单且嘈杂的MEG数据注释中自动检测发作间期癫痫样棘波	提出基于特征的人工神经网络和卷积神经网络两种模型，能利用仅含时间标注和单个专家标注的数据进行检测，并采用交互式机器学习策略迭代提升注释质量	未明确说明局限性，但可能包括模型对非典型数据的鲁棒性仍需验证、F1分数相对较低（CNN=0.46，ANN=0.44）	开发适用于临床实践的自动检测发作间期癫痫样棘波方法，减少对大量标注数据的依赖并提高对非典型数据的鲁棒性	脑磁图（MEG）记录中的发作间期癫痫样棘波	机器学习	耐药性癫痫	MEG	人工神经网络（ANN）和卷积神经网络（CNN）	MEG信号时间窗数据	82名患者的数据库，其中10名作为留出测试患者	NA	基于特征的人工神经网络（ANN）和卷积神经网络（CNN）	F1分数	NA
1422	2026-06-01	Two-stage deep learning networks for diagnosing and staging membranous glomerulonephritis from electron microscopy images 2026-May-29, Laboratory investigation; a journal of technical methods and pathology DOI:10.1016/j.labinv.2026.106141 PMID:42217547	研究论文	开发基于深度学习的两阶段模型，用于从透射电镜图像检测和分期膜性肾小球肾炎	首次将Vision Transformer网络应用于膜性肾小球肾炎的自动分期，采用两阶段架构（膜区域检测与分期分类）提升临床可解释性	NA	构建基于深度学习的AI模型，实现膜性肾小球肾炎的自动检测与分期	膜性肾小球肾炎患者的透射电镜图像	数字病理	膜性肾小球肾炎	透射电镜	Vision Transformer	图像	包含患者微图的综合数据集及独立外部验证数据集	PyTorch	Vision Transformer	准确率、灵敏度、特异度	NA
1423	2026-06-01	Advances in Clinical Imaging and AI Integration for Dry Eye Diagnosis 2026-May-29, The American journal of pathology DOI:10.1016/j.ajpath.2026.04.022 PMID:42217618	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
1424	2026-06-01	Improving airport security with IoT-powered deep learning methods for threat detection and intelligent recommendation systems 2026-May-28, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-54104-z PMID:42209587	research paper	本研究提出了一种融合深度学习算法、智能推荐系统和物联网设备的框架，旨在提升机场安保水平	将深度学习、推荐系统与物联网设备集成，实现机场威胁检测和异常行为识别，并通过迁移学习和新型ISODI方法提升检测准确率	需进一步研究在现有安保系统中的最佳应用场景，并解决潜在的隐私问题；实际系统需大量测试以适应不同机场环境的复杂性	提升机场安保水平，通过智能检测和推荐系统减少误报、提高运营效率并增强安全措施	机场安保场景中的威胁行为（如无人看管行李）和航班延误相关的异常	computer vision, machine learning	NA	NA	CNN, Decision Tree, K-Nearest Neighbors	image, simulation data	NA	PyTorch, Scikit-learn	MVCNN	accuracy	NA
1425	2026-06-01	A novel hybrid deep learning framework for customer churn prediction using RFM and embedding clustering 2026-May-28, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-53220-0 PMID:42209595	研究论文	提出一种融合RFM特征工程、深度嵌入聚类和深度学习模型的混合框架，用于电子商务中的客户流失预测	将RFM特征工程、深度嵌入聚类与GRU/LSTM深度序列模型创新性地整合为统一框架，实现客户细分与流失预测的联合优化	传统模型如逻辑回归和支持向量机在跨异构数据分布时表现有限	解决电子商务客户流失预测中标签数据稀缺、传统方法难以捕捉复杂动态客户行为模式的问题	电子商务平台中的客户交易行为数据	机器学习	NA	NA	GRU, LSTM, 自编码器	表格数据	两个数据集：Online Retail数据集和Events数据集	NA	深度嵌入聚类, Gated Recurrent Unit (GRU), Long Short-Term Memory (LSTM)	准确率	NA
1426	2026-06-01	Enhancing resolution and image quality in musculoskeletal MRI using deep learning reconstruction 2026-May-28, European radiology experimental IF:3.7Q1 DOI:10.1186/s41747-026-00743-w PMID:42207458	研究论文	在1.5特斯拉肌骨MRI中应用深度学习重建以提升图像分辨率和质量	首次将深度学习重建技术整合到1.5特斯拉肌骨MRI协议中，在保持信噪比和对比度噪声比的同时提升空间分辨率和缩短扫描时间	回顾性研究设计、样本量有限（39例检查）、仅使用单一制造商1.5特斯拉扫描仪、未评估临床诊断准确性变化	评估深度学习重建在1.5特斯拉肌骨MRI中提升图像质量而不牺牲信噪比的可行性	39例肌骨MRI检查（包含膝、肩、踝、髋关节）	计算机视觉	肌骨疾病	磁共振成像	深度学习重建模型	图像	39例肌骨MRI检查	NA	NA	Likert评分，信噪比，对比度噪声比，Kendall τ系数	NA
1427	2026-06-01	Deep learning unlocks sequence-divergent synthetic promoters to empower Streptomyces natural product engineering 2026-May-27, Metabolic engineering IF:6.8Q1 DOI:10.1016/j.ymben.2026.05.009 PMID:42208848	研究论文	利用深度学习生成模型设计链霉菌合成启动子，显著提升天然产物产量	首次为链霉菌建立AI生成的启动子库，通过深度生成模型实现十亿级序列设计，92%候选启动子具有活性，动态范围达17100%，且与天然基因组序列同源性极低	NA	开发深度学习驱动的序列设计方法，以突破链霉菌启动子强度范围窄、可用性差和多样性有限的瓶颈，推动天然产物工程化应用	链霉菌及其用于生产天然产物的启动子（如抗真菌多环四酸内酰胺、抗生素达托霉素、免疫抑制剂雷帕霉素）	机器学习	NA	深度学习生成模型	生成模型	序列数据	10亿个启动子序列（其中100个经实验验证，92个有活性）	NA	深度生成模型	动态范围、相对活性、产量提升倍数	NA
1428	2026-06-01	Automated assessment of coronal lower extremity alignment on long-leg radiographs using a deep-learning model: validation, efficiency gains, and superiority of an edge-based tibial joint-line definition 2026-May-26, BMC musculoskeletal disorders IF:2.2Q3 DOI:10.1186/s12891-026-09980-x PMID:42185802	研究论文	开发并验证一种基于深度学习模型的全自动系统，用于在长腿X光片上评估冠状位下肢力线参数	首次提出基于边缘的胫骨关节线定义（Method 2），在深度学习测量中显著优于传统最低点定义，同时实现15个参数的同步评估与畸形定位	需要前瞻性研究验证Method 2与临床结局（如骨关节炎进展和手术结果）的关联性	开发并验证一种能够自动测量冠状位下肢力线参数并定位畸形的深度学习系统	站立位长腿X光片上的冠状位下肢力线参数（包括HKAA、mLDFA、mMPTA等15个参数）	计算机视觉	骨关节疾病	X光成像	卷积神经网络（YOLOv5）	图像	384例长腿X光片（309例用于训练/验证/测试，75例用于外部泛化测试）	PyTorch	YOLOv5	绝对误差、临床失败率（≥2°或≥2%）、Bland-Altman分析	NA
1429	2026-06-01	High-resolution ultrasonic waveform analysis for decoupling physical effects in multi-damaged and healing in concrete using vibro-acoustic feature engineering and machine learning 2026-May-26, Ultrasonics IF:3.8Q1 DOI:10.1016/j.ultras.2026.108153 PMID:42217289	研究论文	提出一种高分辨率超声波波形分析方法，通过振动声学特征工程和机器学习解耦混凝土中多种物理效应（如热损伤、湿度、愈合过程）	核心创新在于振动声学特征工程，从时域、频域及时频域提取79个信号特征，并结合XGBoost模型与SHAP解释分析，实现对材料孔隙率、热损伤、湿度和愈合进程等物理效应的定量解耦和深层物理声学洞察	未明确提及	实现复杂介质（如混凝土）中多物理效应的高分辨率定量评估，特别是热损伤、湿度效应和材料愈合的区分与量化	混凝土试件中的超声波波形信号	机器学习	NA	超声波波形分析	XGBoost	超声波波形信号	NA	XGBoost, SHAP	XGBoost	NA	NA
1430	2026-06-01	Fast MR elastography via deep learning-based phase interpolation: A technical feasibility study 2026-May-25, Magnetic resonance imaging IF:2.1Q2 DOI:10.1016/j.mri.2026.110703 PMID:42190842	研究论文	本研究提出一种基于深度学习相位插值的方法，旨在减少磁共振弹性成像所需的振动相位图像采集数量，通过利用时空波周期性来插值缺失相位图像	首次利用深度学习对MRE振动相位图像进行插值，可实现高达50%的采集时间缩减，同时保持与常规方法相当的临床测量精度	研究仅纳入13名健康志愿者，样本量较小，且为技术可行性验证，未涉及多种病理条件下的验证	评估基于深度学习的相位插值方法在MR弹性成像中的技术可行性，以减少采集时间并降低切片错位风险	健康志愿者肝脏的MR弹性成像数据及体模实验数据	机器学习, 医学影像	无特定疾病	MR弹性成像	深度学习模型	图像	13名健康志愿者肝脏数据及体模数据	NA	3-to-1模型, 2-to-2模型	SSIM, PSNR, Bland-Altman分析, ICC	NA
1431	2026-06-01	CollDTI: Dual-encoder collaborative learning for drug-target interaction prediction 2026-May-25, Neural networks : the official journal of the International Neural Network Society IF:6.0Q1 DOI:10.1016/j.neunet.2026.109175 PMID:42217429	研究论文	提出一种双编码器协作学习框架CollDTI，通过联合建模药物-靶点对的内在结构特征与外部关系特征，提升药物-靶点相互作用预测性能	首次提出双编码器协作框架，结合多视图异构图神经网络提取外部关系特征、字符字典编码与图卷积网络提取内在结构特征，并使用加权残差交叉注意力机制实现多视图嵌入的协作融合	NA	通过整合药物与靶点的内在结构和外部关系特征，提高药物-靶点相互作用预测的准确性	药物-靶点相互作用数据对	机器学习	NA	NA	双编码器协作学习框架	结构化数据	NA	PyTorch	多视图异构图神经网络、图卷积网络、字符字典编码、加权残差交叉注意力机制	准确率、精确率、召回率、F1分数、AUC	NA
1432	2026-06-01	Comparative evaluation of deep learning architectures for microbial colony classification in microbiological imaging 2026-05-18, BMC microbiology IF:4.0Q2 DOI:10.1186/s12866-026-05028-1 PMID:42144581	研究论文	对六种卷积神经网络架构用于微生物菌落分类进行头对头比较	在同数据集AGAR上，首次系统对比六种CNN架构（AlexNet、SqueezeNet 1.1、ResNet18、ShuffleNetV2、EfficientNetB0和MobileNetV2）用于微生物菌落分类，并采用统一训练协议，揭示轻量级网络达到最佳性能	仅使用单一公众数据集AGAR，相关结论可能受限于标准化成像条件和特定物种（五种）	评估深度学习架构在微生物菌落自动分类中的比较性能，为自动化微生物图像分析提供参考	来自AGAR数据集的86,045个微生物菌落裁剪图像，涵盖五种微生物（枯草芽孢杆菌、大肠杆菌、铜绿假单胞菌、金黄色葡萄球菌和白色念珠菌）	计算机视觉	NA	微生物成像	卷积神经网络	图像	86,045个菌落裁剪图（来自4,424个可计数培养皿）	PyTorch	AlexNet, SqueezeNet 1.1, ResNet18, ShuffleNetV2, EfficientNetB0, MobileNetV2	准确率, 精确率, 召回率, F1分数	NA
1433	2026-06-01	Artificial intelligence in the differential diagnosis of hypertrophic cardiomyopathy and physiological hypertrophy: a scoping review 2026-May-15, Hellenic journal of cardiology : HJC = Hellenike kardiologike epitheorese IF:2.7Q2 DOI:10.1016/j.hjc.2026.05.001 PMID:42142808	综述	系统梳理了人工智能在鉴别肥厚型心肌病与生理性心肌肥厚中的研究现状与应用潜力	首次聚焦AI鉴别HCM与运动员心脏这一临床难题，揭示了目前缺乏运动员特异性数据集的现状并指出未来研究方向	运动员来源数据集匮乏且外部验证不足，显著限制了在运动心脏病学中的临床应用	评估AI/ML在区分HCM与生理性心肌肥厚（尤其是运动员心脏）中的验证性应用范围	基于AI/ML方法区分HCM与左心室肥厚（包括生理性及病理性）的原始研究	机器学习	肥厚型心肌病	NA	支持向量机（SVM）	心电图、超声心动图、影像组学、视频数据	共纳入8项研究，其中仅1项直接比较HCM与运动员心脏	NA	支持向量机（SVM）	AUC	NA
1434	2026-06-01	Development and validation of a novel deep learning coronary artery plaque quantification model 2026-05-14, BMC medical imaging IF:2.9Q2 DOI:10.1186/s12880-026-02379-z PMID:42135689	研究论文	提出并验证了一种基于深度学习的冠状动脉斑块量化模型，用于自动分割总斑块和钙化斑块体积	开发了一种名为QuantiPlaque的新型软件，利用深度学习模型实现冠状动脉斑块体积的自动化量化，并与专家手动标注进行了严格验证	样本量较小（仅115例CCTA扫描），且对左旋支动脉区域的斑块分割效果较弱	开发一种自动化的深度学习模型，用于准确量化冠状动脉总斑块和钙化斑块体积，以辅助临床评估心血管事件风险	冠状动脉斑块（总斑块和钙化斑块）	计算机视觉	冠状动脉疾病	冠状动脉CT血管造影	深度学习模型	图像	115例CCTA扫描（平均年龄58岁，51%为女性，平均冠脉钙化评分56 Agatston单位）	NA	NA	组内相关系数，皮尔逊相关系数，斯皮尔曼秩相关系数，Bland-Altman分析	NA
1435	2026-06-01	Classification of spinal tuberculous infection, pyogenic infection and spinal metastasis from magnetic resonance imaging using machine learning 2026-May-04, BMC musculoskeletal disorders IF:2.2Q3 DOI:10.1186/s12891-026-09838-2 PMID:42082966	研究论文	使用机器学习对磁共振成像进行脊柱结核感染、化脓性感染和脊柱转移的分类	基于T2加权矢状位MRI，利用深度学习模型实现脊柱结核、化脓性脊柱炎和脊柱转移瘤的自动化三分类，并对比了单层感知器、自定义密集神经网络与预训练卷积神经网络的性能	接近完美的性能可能反映数据集同质性和增强效应而非完全泛化，激活热图显示注意力区域定位不一致，提示过拟合和可视化可解释性有限，需要外部多中心验证及改进可解释性方法	开发和评估深度学习模型，用于自动分类脊柱结核、化脓性感染和脊柱转移瘤	脊柱结核、化脓性脊柱炎和脊柱转移瘤患者	机器学习	脊柱感染，脊柱肿瘤	磁共振成像（MRI）	单层感知器、自定义密集神经网络、预训练卷积神经网络（ResNet50、VGG16、InceptionV3）	T2加权矢状位MRI影像	120例患者（每组疾病40例），经数据增强后每类生成1000个合成样本	NA	单层感知器、自定义密集神经网络（2×1024神经元）、ResNet50、VGG16、InceptionV3	准确率、精确率、召回率、F1分数	NA
1436	2026-06-01	Application of Artificial Intelligence-Based Transfer Learning Models to the Bethesda System for Thyroid Cytopathology 2026-05, Cytopathology : official journal of the British Society for Clinical Cytology IF:1.2Q3 DOI:10.1111/cyt.70045 PMID:41361911	研究论文	应用基于人工智能的迁移学习模型对甲状腺细胞病理学Bethesda系统进行分类	首次将集成迁移学习应用于TBSRTC分类，通过加权软投票组合六种预训练模型（Xception、ResNet50V2、DenseNet121、MobileNetV2、InceptionV3、EfficientNetB3），提升了分类精度	数据集规模较小（仅94例FNAC病例，949张代表图像），缺乏全切片影像验证，需要更大样本来进一步验证	评估集成软投票迁移学习模型在根据TBSRTC对甲状腺细胞学涂片进行分类时的性能	甲状腺细针穿刺细胞学涂片图像	计算机视觉	甲状腺疾病	NA	集成迁移学习（CNN）	图像	94例甲状腺FNAC病例，共949张代表图像	NA	DenseNet121, ResNet50V2, Xception, MobileNetV2, InceptionV3, EfficientNetB3	敏感性, 特异性, 阳性预测值, 阴性预测值, F1分数, AUCROC	NA
1437	2026-06-01	Community medical centers struggle to produce well-calibrated clinical prediction models: Data augmentation can help 2026-May, Journal of biomedical informatics IF:4.0Q2 DOI:10.1016/j.jbi.2026.105012 PMID:41825516	研究论文	研究社区医疗中心在临床预测模型本地校准中面临的样本量不足问题，并评估合成数据生成作为数据扩充方法的有效性	首次系统评估社区医疗机构在机器学习模型本地化中因样本量不足导致的校准困难，并提出利用深度学习合成数据生成技术进行数据扩充以改善模型校准性能	研究仅基于两个农村医院和一个城市学术医疗中心的数据，可能无法推广到所有社区医疗机构；合成数据质量对校准效果的长期影响尚未验证	探究社区医疗中心是否有足够患者数据支持机器学习模型的本地校准，以及合成数据生成能否帮助缓解样本量不足问题	30天非计划再入院预测模型在多家不同规模医院的本地校准效果	机器学习	再入院预测	合成数据生成	深度学习	结构化电子健康记录数据	真实网络医院数据集（两个农村医院和一个城市学术医疗中心）以及多站点ICU模拟数据集	NA	NA	校准度	NA
1438	2026-03-30	Machine and Deep Learning Models for Preoperative Prediction of Suboptimal Clinical Response One Year after Metabolic Bariatric Surgery: Findings from the Tehran Obesity Treatment Study 2026-May, Obesity surgery IF:2.9Q1 DOI:10.1007/s11695-026-08568-7 PMID:41904288	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
1439	2026-03-31	Evaluating deep learning attenuation correction for single-photon emission computed tomography myocardial perfusion imaging: Lessons from clinical validation 2026-May, Journal of nuclear cardiology : official publication of the American Society of Nuclear Cardiology IF:3.0Q2 DOI:10.1016/j.nuclcard.2026.102701 PMID:41905547	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
1440	2026-06-01	Mapping 25 years of forensic and legal medicine research: a multi-database bibliometric and science-mapping analysis (2000-2025) 2026-May, Journal of forensic and legal medicine IF:1.2Q3 DOI:10.1016/j.jflm.2026.103127 PMID:41965962	研究论文	对2000-2025年间法医学与法律医学研究进行多数据库文献计量与科学映射分析	首次整合多数据库（Web of Science核心合集和Scopus）进行长达25年的法医学文献全景分析，并结合Callon中心性-密度主题映射和趋势主题分析揭示学科演进	仅纳入英文文献且主要依赖Web of Science核心合集，可能遗漏部分非英文或灰色文献；关键词同义变体（如medico-legal vs medicolegal）的标准化处理可能影响部分主题的覆盖率	通过文献计量方法系统刻画法医学与法律医学的研究格局、演进趋势和主题结构，为研究优先级设定和编辑策略提供依据	2000-2025年间Web of Science核心合集和Scopus收录的法医学与法律医学相关文献	自然语言处理	NA	NA	NA	文本	16190篇文献（Web of Science核心合集），来自3052个来源，49746位作者	NA	NA	NA	NA