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	2026-06-03	Improving image quality and diagnostic confidence for PRETEXT staging in pediatric hepatoblastoma using thin-slice and low-energy virtual monochromatic images in dual-energy CT with deep learning image reconstruction algorithm 2026-May-30, BMC medical imaging IF:2.9Q2 DOI:10.1186/s12880-026-02476-z PMID:42226141	研究论文	探讨双能量CT结合深度学习图像重建算法获得的薄层低能虚拟单能量图像对儿童肝母细胞瘤PRETEXT分期图像质量和诊断信心的影响	首次将薄层40 keV虚拟单能量图像与深度学习图像重建结合，用于儿童肝母细胞瘤PRETEXT分期，以提升图像质量和诊断信心	单中心回顾性研究，样本量较小（53例），且未评估对实际治疗决策的直接影响	评估薄层低能量（40 keV）双能量CT图像结合深度学习重建算法是否比常规图像提高PRETEXT分期的图像质量和诊断信心	儿童肝母细胞瘤患者	计算机视觉, 数字病理学	肝癌, 儿童肿瘤（肝母细胞瘤）	双能量CT, 深度学习图像重建, 虚拟单能量成像	深度学习重建网络（DLIR-H）	医学影像（CT图像）	53例儿童患者（平均年龄3.54±2.26岁）	NA	DLIR-H（深度学习图像重建），ASIR-V50%（自适应统计迭代重建）	对比噪声比、边缘上升斜率、5分Likert量表评分（图像噪声、肝静脉可视化、诊断信心）	NA
1422	2026-06-03	Multi-task deep learning for sub-clinical screening of mood and sleep disturbances using physical activity biomarkers 2026-May-29, Journal of affective disorders IF:4.9Q1 DOI:10.1016/j.jad.2026.122055 PMID:42217638	研究论文	提出名为MUSCLE的多任务深度学习框架，利用体力活动生物标志物同时筛查情绪障碍和睡眠障碍风险	首次将多任务深度学习应用于社区级情绪与睡眠障碍亚临床筛查，通过同步卷积LSTM网络捕获体力活动模式与心理健康间的相互依赖关系	基于自我报告的健康指标可能存在回忆偏倚；数据集仅包含台湾人群，通用性有待验证	开发并验证一种利用可获取的体力活动生物标志物进行情绪和睡眠障碍风险并发识别的多任务深度学习框架	44,477份完整的台湾国民体力适能与自我报告健康指标记录	机器学习	情绪障碍, 睡眠障碍	体力活动监测	多任务同步卷积LSTM（MUSCLE）	体力活动生物标志物数据	44,477份体力评估与自我报告健康指标记录	NA	卷积神经网络（CNN）结合长短期记忆网络（LSTM）	精确率, 召回率, F1分数	NA
1423	2026-06-03	Cell segmentation in microscopy images using a SAM-based U-Net architecture and a novel dataset 2026-May-28, Computer methods and programs in biomedicine IF:4.9Q1 DOI:10.1016/j.cmpb.2026.109470 PMID:42224852	研究论文	提出了一种基于SAM与多尺度U-Net的混合神经网络mSAMUNet，用于显微镜图像中的细胞分割，并创建了mCellSeg数据集	首次将SAM与多尺度U-Net结构结合，利用Transformer的全局建模和CNN的局部特征提取，并通过多尺度分支提升不同大小细胞的分割性能	未提及计算资源消耗或模型在低资源环境下的适用性	提高显微镜图像中细胞实例分割的准确性，解决密集细胞、模糊边界等问题	HEK-293T和HUVEC细胞系的微观图像	计算机视觉	通用（不针对特定疾病）	显微镜成像	混合神经网络（SAM + U-Net）	图像（显微镜图像）	200张专家标注的显微镜图像，包含16,199个细胞	PyTorch	SAM, U-Net, mSAMUNet	F1分数, SA50, SA75, 平均SA	NA
1424	2026-06-03	A clinical neuroimaging platform for rapid, automated lesion detection and personalized post-stroke outcome prediction 2026-May-27, NPJ digital medicine IF:12.4Q1 DOI:10.1038/s41746-026-02803-2 PMID:42204350	研究论文	提出一个基于深度学习的神经影像平台，用于快速自动检测病灶并个性化预测中风后认知结果	该平台完全自动化，能处理来自不同扫描仪的原始DICOM MRI数据，并利用大型语言模型生成可解释的个性化预后文本报告	文中未明确提及局限性	开发并验证一个用于缺血性中风患者个性化认知结果预测的自动化神经影像平台	缺血性中风患者的大脑影像数据及其认知结果	数字病理学	脑血管疾病	DICOM MRI	深度学习	图像	训练队列604例，独立验证队列153例	NA	NA	与手动方法的一致性达96%	NA
1425	2026-06-03	MNISQ: A Large-Scale Quantum Circuit Dataset for Machine Learning in the NISQ Era 2026-May-26, Scientific data IF:5.8Q1 DOI:10.1038/s41597-026-07493-9 PMID:42191975	研究论文	介绍MNISQ，一个用于NISQ时代机器学习和经典机器学习的大规模量子电路数据集，包含495万个10量子比特电路	首次创建了包含495万个电路的量子机器学习大规模数据集MNISQ，支持基于自然语言处理的量子计算模型和深度学习模型开发，并探索了噪声对量子机器学习的影响	NA	为NISQ时代的量子与经典机器学习提供一个基础性的大规模数据集，并验证其在不同模型上的有效性	量子电路（10量子比特，最多100个双量子比特门），以及对量子编码的经典图像数据（如MNIST）的分类任务	自然语言处理, 机器学习	NA	量子电路编码	S4模型, Transformer, LSTM, 量子核方法	文本（量子汇编语言QASM文件），量子电路	495万个10量子比特电路	NA	S4, Transformer, LSTM	准确率	NA
1426	2026-06-03	Developmental profile of physiological high-frequency oscillations in the human brain 2026-May-23, NeuroImage IF:4.7Q1 DOI:10.1016/j.neuroimage.2026.122017 PMID:42177955	研究论文	利用185名儿童患者的颅内脑电图数据，构建了生理性高频振荡（HFO）的正常发育图谱，揭示了HFO特征随年龄的变化规律	首次基于大规模多中心儿科队列构建生理性HFO的正常发育图谱，并揭示HFO分布从额-顶-颞优势向枕叶优势的显著转变	NA	刻画儿童大脑生理性高频振荡的发育特征，建立年龄依赖的正常模式，以改善HFO作为癫痫生物标志物的解释	185名接受颅内脑电图监测的儿科患者	数字病理	癫痫	颅内脑电图（iEEG）	NA	脑电图信号	185名儿科患者	NA	NA	NA	NA
1427	2026-06-03	A comparative study of deep learning for cortical lesion MRI segmentation with explainability analysis in multiple sclerosis 2026-May-23, NeuroImage. Clinical DOI:10.1016/j.nicl.2026.104007 PMID:42224860	研究论文	本研究针对多发性硬化症中皮层病变的MRI分割，比较了多种深度学习方法的性能，并进行了可解释性分析	在nnU-Net框架基础上提出适应皮层病变检测的改进，进行分布外测试评估模型泛化能力，并设计医学专家问卷评估临床价值	研究指出数据可变性、病变模糊性和协议差异影响模型性能，但未明确提及具体量化限制	开发和评估用于多发性硬化症皮层病变MRI分割的深度学习方法，并探索其临床集成可行性	多发性硬化症患者的皮层病变MRI图像	计算机视觉	多发性硬化症	MRI	CNN（nnU-Net）	图像（MRI）	656个MRI扫描，来自四个机构的临床试验和研究数据，采用3T和7T强度、MP2RAGE和MPRAGE序列	PyTorch（nnU-Net自定义实现）	nnU-Net（自我配置的U-Net变体）	F1-score（域内0.64，域外0.5）	未在摘要中指定，但nnU-Net通常需GPU（如NVIDIA RTX系列）计算
1428	2026-06-03	Scalable and cost-efficient custom gene library assembly from oligopools 2026-May-22, Science advances IF:11.7Q1 DOI:10.1126/sciadv.ady2279 PMID:42172324	研究论文	提出了一种低成本、可扩展的寡核苷酸池基因文库组装方法OMEGA，并进行了实验验证	将计算设计、高通量寡核苷酸合成和Golden Gate组装结合，实现从寡核苷酸池并行组装数百至数千个全长基因，成本低至每基因1.50美元	主要依赖于短寡核苷酸的高保真度，可能面临长片段组装错误；文库规模受限于连接位点正交性，且部分合成序列可能需要额外验证	开发一种低成本、可扩展的基因文库组装方法，以连接计算蛋白质设计与高通量实验验证	来自自然和合成的绿色荧光蛋白变体文库（810个序列）	机器学习、合成生物学	NA	DNA合成、Golden Gate组装、高通量测序	NA	DNA序列数据	810个绿色荧光蛋白变体文库	NA	NA	序列回收率、均匀性	NA
1429	2026-06-03	Harnessing CRISPR-Cas Technology for Precision Antimicrobial Targeting 2026-May-21, Current topics in medicinal chemistry IF:2.9Q3 DOI:10.2174/0115680266395401251105000157 PMID:42227365	综述	本文综述了CRISPR-Cas技术在精准靶向抗菌中的应用，探讨其如何应对抗生素耐药性，并评估该技术的潜力与挑战	系统评估CRISPR-Cas与传统抗生素相比的精准靶向优势，并结合递送系统（如接合质粒、噬菌体、纳米颗粒）的最新进展分析其对耐药菌株和病毒（如SARS-CoV-2、乙肝病毒）的治疗潜力	未详细说明CRISPR-Cas技术的脱靶效应、体内递送效率或临床转化中的安全性问题	评估CRISPR-Cas技术作为精准抗菌工具对抗抗生素耐药性（AMR）的可行性和应用前景	耐药菌（如ESKAPE病原体）和病毒（如SARS-CoV-2、乙肝病毒）	机器学习	感染性疾病	CRISPR-Cas系统	NA	NA	NA	NA	NA	NA	NA
1430	2026-06-03	Deep-Learning-Based Automatic Segmentation and Quantitative Measurement of Normal Spleen in Chinese Adults 2026-May-21, Current medical imaging IF:1.1Q3 DOI:10.2174/0115734056472787260516112449 PMID:42227506	研究论文	开发基于深度学习的3D V-Net自动分割CT图像中的正常脾脏，并分析中国成年人的脾脏形态学参数与年龄、性别的关系	首次在大规模中国成年人队列中利用深度学习自动分割和量化正常脾脏形态学参数，并揭示了性别和年龄特异性的脾脏体积和衰减模式	可能存在残余混杂因素、缺乏对体表人体测量协变量的完全校正以及仅在单一机构中心进行验证	建立基于深度学习的自动化脾脏分割和标准化形态学测量流程，提供中国成年人脾脏参考值分布	中国成年人的正常脾脏	计算机视觉	无特定疾病	CT扫描	3D V-Net	CT图像	训练集2,856次CT检查；应用和验证集1,520次CT检查（共3,490张图像）	NA	3D V-Net	Dice相似系数、体积相似性、Hausdorff距离、平均Hausdorff距离	NA
1431	2026-06-03	Emerging Utility of Artificial Intelligence Driven Medical Robots in Health Care: A Review 2026-May-20, Current pharmaceutical design IF:2.6Q2 DOI:10.2174/0113816128413461251127064243 PMID:42227386	综述	本文全面审视了人工智能驱动的医疗机器人在诊断、手术、康复和患者护理中的变革能力	系统综述了AI驱动的医疗机器人技术，包括手术机器人、诊断机器人、康复机器人和社交辅助机器人，强调其在精准医学和智能化医疗中的重要作用	存在伦理困境、数据隐私问题、监管合规性以及临床环境中严格验证的需求等挑战	评估AI驱动的医疗机器人系统的现状，评价正在进行的临床试验，并探讨未来发展方向	AI驱动的医疗机器人，包括手术、诊断、康复和社交辅助机器人	机器学习	NA	NA	CNN, LSTM, GAN	影像数据、基因数据	NA	TensorFlow, PyTorch, Keras	NA	NA	NA
1432	2026-06-03	Multimodal Fusion of Endoscopic and Histopathological Images for Lesion Detection Using Hybrid Deep Learning 2026-May-19, Current medical imaging IF:1.1Q3 DOI:10.2174/0115734056437477260427145329 PMID:42227503	研究论文	提出一种混合深度学习框架SHF-Net，融合内镜与组织病理图像实现消化道病变检测	首次将CNN、ViT和GNN三种网络架构结合，通过多通道注意力机制融合空间、上下文和结构特征，并利用GAN解决数据稀疏问题	仅基于单一数据集HyperKvasir验证，未来需扩展至多模态及多样化临床数据集	开发自动化系统提升消化道病变检测的准确性和可靠性，减少观察者间差异	消化道内镜图像及对应的组织病理图像，涵盖5种病变类别	计算机视觉	消化道疾病	内镜成像, 组织病理成像, GAN数据增强, 染色标准化	CNN, ViT, GNN, 多通道注意力机制	图像	HyperKvasir数据集包含111,079张标注内镜图像及对应组织病理数据	PyTorch	SHF-Net（包含CNN、ViT、GNN及多通道注意力模块）	准确率, 精确率, 召回率, F1分数	NA
1433	2026-06-03	Deep Learning-Based Spatiotemporal Analysis of Cataract Surgery Videos for Surgical Risk Assessment 2026-May-15, Journal of visualized experiments : JoVE DOI:10.3791/70025 PMID:42224114	研究论文	提出一种深度学习框架，通过分析白内障手术视频的时空特征来预测手术风险	整合了cGAN增强预处理、图卷积网络结构感知特征提取、自适应向日葵优化特征选择及Transformer时序建模的多模块创新框架	仅基于两个公开数据集验证，未在真实临床环境中测试实时性能	开发基于手术视频的自动风险预测模型以辅助术中决策	白内障手术视频中的时空特征与术后并发症风险	计算机视觉	白内障	手术视频分析	深度学习模型（CNN、GAN、GCN、Transformer）	视频	两个公开数据集：CaDIS和SICS-105	NA	cGAN, Graph Convolutional Network, Transformer	准确率, 精确率, 召回率, F1分数, AUC, 像素准确率, 每类准确率, mIoU, 敏感度, 特异度, ROC AUC	NA
1434	2026-06-03	Molspectra: a general framework for multi-spectra prediction from molecular structures 2026-May-14, Journal of molecular modeling IF:2.1Q3 DOI:10.1007/s00894-026-06768-7 PMID:42133173	研究论文	提出一个通用深度学习框架MolSpectra，能够从分子SMILES表示直接预测多模态光谱	首次实现无需修改核心模型架构即可预测多种光谱类型，支持实验元数据与分子结构信息的端到端协同输入	未提及在更大规模数据集或低资源条件下的泛化能力，且仅基于四个光谱技术（IR、UV-Vis、EI-MS、NMR）进行评估	开发一个能够从分子结构预测多模态光谱的通用框架，以克服实验光谱数据稀缺的瓶颈	四种光谱技术（红外光谱、紫外-可见光谱、电子电离质谱、核磁共振光谱）对应的六种数据集	机器学习	NA	SMILES表示、RDKit分子图构建、消息传递图神经网络、Transformer	消息传递图神经网络、Transformer	光谱数据（IR、UV-Vis、EI-MS、NMR）	NIST数据库IR与UV-Vis数据集、Chemotion数据库IR数据集、基于USPTO反应语料库的模拟IR基准数据集、NIST 23数据库的EI-MS数据集、nmrshiftdb2与HMDB的NMR数据集	PyTorch、RDKit	消息传递图神经网络（MPGNN）与序列信号混合聚合（SSMA）、层次距离结构编码（HDSE）、增强Transformer架构	余弦相似度、Top-1准确度、平均绝对误差	NA
1435	2026-06-03	Video-based Detection of Delirium in Hospitalized Adults 2026-May-13, medRxiv : the preprint server for health sciences DOI:10.64898/2026.05.11.26352902 PMID:42180362	研究论文	开发并验证基于视频特征的谵妄分类分析框架	通过自动提取视频特征实现客观持续的谵妄检测，使用定制ResNet-101模型优于现成模型	样本量较小（109个视频），队列异质性高	验证基于视频自动提取特征的谵妄分类可行性	住院成人患者（麻州≥18岁，中位年龄72岁）	计算机视觉	谵妄	DeepLabCut	支持向量机、逻辑回归、梯度提升、随机森林	视频	109个视频，来自50名参与者（25名男性和25名女性）	DeepLabCut	ResNet-101	AUC-ROC、敏感性、特异性	NA
1436	2026-06-03	A geometry-aware generative framework integrating GPS-VAE and Transformer-SELFIES for structure-based de novo drug design 2026-May-12, Journal of molecular modeling IF:2.1Q3 DOI:10.1007/s00894-026-06733-4 PMID:42118199	研究论文	提出结合GPS-VAE和Transformer-SELFIES的几何感知生成框架，用于基于结构的从头药物设计	首次将图交互变换器变分自编码器与Transformer-SELFIES结合，实现100%化学有效性，并利用STONED进化算法进行结构优化	仅针对JAK2和DRD2两个靶点进行了验证，泛化性有待进一步评估；自动对接评分函数依赖于AutoDock Vina	开发一种高效的几何感知生成框架，提高基于结构从头药物设计的配体效率和化学有效性	Janus激酶2和Dopamine D2受体靶点及其活性位点	机器学习	NA	分子对接、变分自编码器、进化搜索	图神经网络、变换器、变分自编码器	蛋白质结构、分子结构（SELFIES表示）	NA	PyTorch	GPS-VAE、Transformer-SELFIES、STONED进化算法	配体效率、化学有效性	NA
1437	2026-06-03	A Reproducible AI-Assisted Workflow for Concept Development in Stage Art Design and Lighting Optimization through the GSAD Framework 2026-May-12, Journal of visualized experiments : JoVE DOI:10.3791/70737 PMID:42224183	研究论文	提出一种可复现的AI辅助舞台美术概念开发与灯光优化工作流，基于GSAD框架	整合扩散模型、生成对抗网络和智能象群优化算法，实现舞台美术设计中的概念生成、纹理与灯光优化及布局规划的自动化与可复现性	仅基于2,500张图像的数据集进行验证，未提及在多种舞台场景或实际演出中的泛化能力及用户主观评价	开发一个结构化、可复现的AI辅助生成舞台美术设计框架，支持系统性概念开发与灯光优化	舞台美术设计中的概念生成、纹理与灯光优化、舞台布局与灯光位置优化	计算机视觉, 机器学习	NA	扩散模型, 生成对抗网络, 智能象群优化	扩散模型, GAN, 智能象群优化	图像（含注释脚本、灯光图、3D布局）	2,500张高分辨率图像	Python	扩散模型, GAN, IECO	预测准确率, MFPOs, 参数量, 语义对齐, 布局优化效率	NA
1438	2026-06-03	Artificial intelligence for antimicrobial resistance: advancing reproducibility, interpretability, and clinical deployment 2026-May-04, Briefings in bioinformatics IF:6.8Q1 DOI:10.1093/bib/bbag269 PMID:42218717	review	本文回顾了人工智能在抗菌药物耐药性领域的发展历程，从规则基础的基因匹配到深度学习模型和基础模型，并提出了一个实用性标准框架，涵盖数据集整理、多中心外部验证、透明模型卡和系统化错误成本分析，以推动可重复、可解释和临床可部署的AI-AMR系统	提出了结合抗菌药物管理和患者安全的可重复性、可解释性和评估标准框架，倡导成本敏感评估量化假阳性和假阴性危害，整合管理指标（如有效治疗时间、抗菌谱缩窄），并前瞻性展望了联邦学习、多模态和基础架构以及生成模型在AI-AMR中的应用	作为综述，未具体实施或验证所提出的框架，缺乏实证数据支持标准框架的有效性和实际临床应用效果	推动AI-AMR从概念验证研究向临床嵌入式决策支持转化，建立严格的重复性、可解释性和评估标准	抗菌药物耐药性领域的人工智能系统及其临床应用	machine learning	感染性疾病	NA	深度学习模型、基础模型、生成模型	序列数据（基因序列）	NA	NA	NA	准确性、假阳性率、假阴性率、有效治疗时间、抗菌谱缩窄、治疗天数	NA
1439	2026-06-03	CLCNet: a contrastive learning and chromosome-aware network for genomic prediction in plants 2026-May-04, Briefings in bioinformatics IF:6.8Q1 DOI:10.1093/bib/bbag270 PMID:42218721	研究论文	提出一种结合对比学习和染色体感知网络的深度学习框架CLCNet，用于提高植物基因组预测的准确性	首次将对比学习与染色体感知特征建模结合，通过对比学习模块增强捕获基因型依赖表型差异的能力，并通过染色体感知模块在染色体和基因组水平进行结构化特征选择	未提及模型在低遗传力或高连锁不平衡条件下的局限性，以及计算资源需求的具体分析	开发新型深度学习框架以提高植物基因组预测的准确性，克服传统方法在捕获个体间变异和维度灾难方面的局限	4种作物物种（玉米、油菜、大豆、棉花）的10个农艺重要性状	机器学习	不适用	基因组选择、SNP标记	对比学习网络、染色体感知网络	基因组标记数据、表型数据	4种作物物种，涉及10个性状	NA	对比学习模块、染色体感知模块	皮尔逊相关系数、均方误差	NA
1440	2026-06-03	CvTFuse: An unsupervised medical image fusion method of gliomas T1-DWI mode 2026-May, Magnetic resonance imaging IF:2.1Q2 DOI:10.1016/j.mri.2026.110618 PMID:41547498	研究论文	提出一种基于CNN和视觉Transformer的无监督医学图像融合方法CvTFuse，用于胶质瘤T1-DWI模态融合	首次将CNN与视觉Transformer结合用于医学图像融合，提出全局上下文聚合模块（GCAM）以增强多尺度特征提取，并采用能量感知和梯度增强的融合策略来保留细节信息	研究未明确说明在更大规模数据集或多中心数据上的泛化能力，且计算资源消耗未详细评估	开发一种无监督的医学图像融合方法以精确融合MRI不同模态（T1和DWI），提升病变区域定位和临床诊断准确性	胶质瘤患者的T1加权成像（T1WI）和扩散加权成像（DWI）磁共振图像	计算机视觉	胶质瘤	磁共振成像（T1WI和DWI）	CNN与视觉Transformer混合模型	图像	未明确说明	NA	CNN模块、视觉Transformer（ViT）、GCAM（全局上下文聚合模块），其中CNN模块用于局部特征提取，Transformer模块用于全局特征提取	平均梯度（AG）、信息熵（IE）、互信息（MI）、视觉显著性（VSM）	NA