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
1601	2026-06-02	A Channel-Dimensional Feature-Reconstructed Deep Learning Model for Predicting Breast Cancer Molecular Subtypes on Overall b-Value Diffusion-Weighted MRI 2024-04, Journal of magnetic resonance imaging : JMRI IF:3.3Q1 DOI:10.1002/jmri.28895 PMID:37403945	研究论文	提出一种通道维度特征重构的深度学习模型，利用全b值扩散加权MRI预测乳腺癌分子亚型	首次通过通道维度特征重构机制充分挖掘无对比剂DW-MRI的潜力，使得DW-MRI达到与DCE-MRI相当的预测性能	未具体说明模型在外部验证集上的表现，且研究仅针对单一机构的前瞻性数据	开发无需对比剂的深度学习模型预测乳腺癌分子亚型，并比较DW-MRI与DCE-MRI的预测性能	486名女性乳腺癌患者肿瘤的分子亚型分类（luminal A、luminal B、HER2+、三阴性）	数字病理学	乳腺癌	扩散加权成像（DWI）、动态对比增强MRI（DCE-MRI）	卷积神经网络（CNN）、深度神经网络（DNN）	MRI图像	486名女性乳腺癌患者（训练/验证/测试：64%/16%/20%）	NA	通道维度特征重构深度神经网络（CDFR-DNN）、非CDFR深度神经网络（NCDFR-DNN）、混合集成深度神经网络（ME-DNN）	准确率、敏感性、特异性、AUC	NA
1602	2026-06-02	Oktoberfest: Open-source spectral library generation and rescoring pipeline based on Prosit 2024-04, Proteomics IF:3.4Q2 DOI:10.1002/pmic.202300112 PMID:37672792	研究论文	介绍Oktoberfest开源Python包，实现基于Prosit的谱图库生成与重评分流程	将原本仅通过ProteomicsDB在线访问的谱图库生成与重评分流程开源化，提供跨搜索平台兼容的本地安装包	NA	促进机器学习与深度学习模型在蛋白质组学分析流程中的采用	肽段属性预测模型及谱图库生成流程	机器学习	NA	机器学习，深度学习	深度学习模型	质谱数据	NA	PyTorch	Prosit	NA	NA
1603	2026-06-02	Cross-sectional area and fat infiltration of the lumbar spine muscles in patients with back disorders: a deep learning-based big data analysis 2024-01, European spine journal : official publication of the European Spine Society, the European Spinal Deformity Society, and the European Section of the Cervical Spine Research Society IF:2.6Q1 DOI:10.1007/s00586-023-07982-0 PMID:37875679	research paper	通过深度学习模型大规模评估腰椎旁肌肉横截面积和脂肪浸润	利用验证的深度学习模型对4434名背部疾病患者进行大规模自动化分析，揭示性别、年龄和疾病类型对腰椎肌肉形态的影响	未提及具体限制	评估背部疾病患者腰椎肌肉横截面积和脂肪浸润的差异	4434名背部疾病患者（包括骨折、疝气、脊柱手术等）的T2轴向MRI图像	digital pathology	背部疾病	MRI	深度学习	图像	4434名患者（2609名女性，1825名男性）	NA	NA	NA	NA
1604	2026-06-02	Computer-aided Diagnosis of Various Diseases Using Ultrasonography Images 2024, Current medical imaging IF:1.1Q3 DOI:10.2174/1573405619666230306101012 PMID:36876845	综述	本文全面调研了基于计算机辅助诊断系统从超声图像中自动检测多种疾病的方法	将疾病检测按颈动脉、经腹盆腔、肌肉骨骼和甲状腺区域分组，并总结了基于支持向量机的纹理特征提取方法在分类精度上的优势，同时指出了深度学习趋势带来的自动化和精确度提升	分类精度依赖于训练模型所用的图像数量，且文中提到了超声成像模态的局限性及自动化疾病诊断技术的显著缺陷	调研基于机器学习和深度学习算法从超声图像进行疾病自动检测的计算机辅助诊断系统	超声图像中的疾病检测（包括颈动脉、经腹盆腔、肌肉骨骼和甲状腺区域）	计算机视觉, 机器学习	多种疾病（颈动脉疾病、经腹盆腔疾病、肌肉骨骼疾病和甲状腺疾病）	超声成像	支持向量机, 深度学习	图像	NA	NA	支持向量机	分类精度	NA
1605	2026-06-02	Grading surface urban heat island and investigating factor weight based on interpretable deep learning model across global cities 2023-10, Environment international IF:10.3Q1 DOI:10.1016/j.envint.2023.108196 PMID:37708813	研究论文	基于可解释深度学习模型对全球城市地表城市热岛进行分级并探究因子权重	首次对全球城市进行地表城市热岛分级，并利用可解释机器学习TabNet量化不同指标和等级的因子权重	未明确提及局限性	提出地表城市热岛分级方法并量化不同指标和等级的因子权重，以支持全球缓解措施	全球城市地表城市热岛	机器学习	NA	NA	TabNet	数值数据	全球城市	NA	TabNet	因子权重	NA
1606	2026-06-02	Differential Role for Hippocampal Subfields in Alzheimer's Disease Progression Revealed with Deep Learning 2022-01-22, Cerebral cortex (New York, N.Y. : 1991) DOI:10.1093/cercor/bhab223 PMID:34322704	research paper	利用深度学习揭示海马亚区在阿尔茨海默病进展中的差异化作用	提出密集卷积神经网络架构，基于海马形态测量区分稳定型和进展型轻度认知障碍，并创新性地使用遮挡分析揭示海马亚区对模型性能的不同贡献	未提及	探究海马亚区在轻度认知障碍进展中的作用机制	海马亚区形态测量数据	machine learning	Alzheimer's disease	NA	CNN	影像数据	NA	NA	DenseNet	accuracy	NA
1607	2026-06-02	Towards Robot-Assisted Therapy for Children With Autism-The Ontological Knowledge Models and Reinforcement Learning-Based Algorithms 2022, Frontiers in robotics and AI IF:2.9Q2 DOI:10.3389/frobt.2022.713964 PMID:35462779	研究论文	本文提出一种基于本体知识模型和强化学习算法的机器人辅助自闭症儿童疗法	结合深度学习、强化学习与本知识库，实现自闭症检测、治疗方案推荐和远程监控一体化的人形机器人辅助系统	NA	开发辅助治疗师的社交机器人，通过分析儿童行为实现自闭症检测、疗法推荐和监控	自闭症儿童	机器人技术、机器学习	自闭症	NA	卷积神经网络、强化学习	NA	NA	NA	NA	NA	NA
1608	2026-06-01	Quantitative comparison of GRAPPA and RAKI simultaneous multi-slice reconstruction algorithms 2026-Sep, Magnetic resonance imaging IF:2.1Q2 DOI:10.1016/j.mri.2026.110697 PMID:42066870	研究论文	定量比较基于GRAPPA和RAKI的同步多层重建算法，并提供开源工具箱	首次系统比较线性GRAPPA与非线性数据驱动RAKI方法在同步多层MRI重建中的性能，并开源GPU加速重建工具箱	结果基于特定供应商、线圈阵列、脉冲序列和体模数据，需更多实验验证才能推广至体内观察	定量比较不同k空间插值同步多层重建算法性能，提供GPU加速开源重建工具箱	不同加速因子组合下的同步多层MRI重建算法	磁共振成像	不适用	GRAPPA, RAKI, 同步多层成像	线性GRAPPA, 非线性RAKI	MRI k空间数据	单个体模数据，含全采样参考和不同加速因子下的加速数据	开源工具箱（未指明具体框架）	Slice-GRAPPA, split-slice-GRAPPA, readout-SENSE-GRAPPA, 其RAKI对应模型（含超参数调优）	结构相似性指数（SSIM）, 变异系数（CV）	GPU加速（未指定具体GPU型号）
1609	2026-06-01	A unified approach for maintaining MRI reconstruction quality and quantifying both aleatoric and epistemic uncertainty 2026-Sep, Magnetic resonance imaging IF:2.1Q2 DOI:10.1016/j.mri.2026.110680 PMID:41966495	研究论文	提出一种统一方法，在模型驱动深度学习加速MRI重建中同时维持图像质量并量化偶然不确定性和认知不确定性	系统比较了蒙特卡洛丢弃与贝叶斯反向传播在不同随机层放置模式下的表现，并提出两阶段训练策略以提升重建网络性能	未说明	为模型驱动深度学习加速MRI重建提供贝叶斯不确定性量化的实用设计选择指导	加速MRI重建中的不确定性估计方法	计算机视觉	不适用	加速MRI重建	模型驱动深度学习, 贝叶斯神经网络	图像	未说明	NA	NA	峰值信噪比	NA
1610	2026-06-01	Deep Learning-Based Reconstruction Improves Image Quality in Canine Cranial Abdominal MRI: A Prospective Pilot Study 2026-Jul, Veterinary radiology & ultrasound : the official journal of the American College of Veterinary Radiology and the International Veterinary Radiology Association IF:1.3Q2 DOI:10.1111/vru.70193 PMID:42216717	研究论文	本研究前瞻性比较了深度学习方法重建与常规MRI在犬颅腹部成像中的图像质量	首次将深度学习重建方法应用于犬颅腹部MRI，证明其能在不延长采集时间的情况下显著提升图像质量	仅包括10只临床健康犬，样本量较小，且未评估临床疾病状态下的效果	评估深度学习重建在犬颅腹部MRI中改善图像质量的可行性	10只临床健康犬的颅腹部MR图像	机器学习	NA	MRI	深度学习重建网络	图像	10只临床健康犬的颅腹部MR图像	NA	嵌入式重建路径的DLR网络	信噪比、对比度噪声比、边缘锐度、器官清晰度、呼吸运动伪影、粗糙度、整体图像质量	NA
1611	2026-06-01	Comparison of machine learning and deep learning models in manual strength prediction using anthropometric variables 2026-Jun, International journal of occupational safety and ergonomics : JOSE IF:1.6Q3 DOI:10.1080/10803548.2025.2554461 PMID:41021732	研究论文	使用人体测量学变量评估机器学习与深度学习模型在手动力量预测中的表现	比较了传统机器学习与多种深度学习模型（包括TabNet、TabPFN和定制卷积神经网络）在手动力量预测中的性能，并结合SHAP分析解释特征重要性	深度学习模型在特定任务中表现优异，但线性回归在泛化方面更为稳健，且集成方法存在过拟合倾向	评估机器学习与深度学习模型在利用人体测量学变量预测手动力量方面的性能	墨西哥坎佩切经济活动人口中的382名参与者	机器学习	NA	NA	线性回归、随机森林、AdaBoost、极限梯度提升、TabNet、TabPFN、卷积神经网络	数值型数据（人体测量学变量和力量数据）	382名参与者（男性和女性）	NA	线性回归、随机森林、AdaBoost、XGBoost、TabNet、TabPFN、自定义卷积神经网络	平均绝对误差、均方误差、解释方差分数	NA
1612	2026-06-01	Artificial intelligence-based approaches to augmenting and automating surgical training 2026-Jun, BJU international IF:3.7Q1 DOI:10.1111/bju.70229 PMID:41817162	综述	综述了人工智能在手术技能评估与反馈中自动化改进手术训练的最新进展	系统总结了AI通过运动学、统计指标、计算机视觉和手势分析等多种方法自动化评估手术技能，并进一步用于生成自动反馈以改善手术表现	当前AI模型主要能检测较大技能差异并提供基础反馈，尚需开发能进行更精细技能评估和生成更详细建设性反馈的模型	探讨如何利用人工智能自动化手术技能评估与反馈，以改善手术训练中的不足	2015年至2025年间发表的关于AI用于手术训练的研究文献	计算机视觉,自然语言处理,机器学习	不适用	运动学分析,统计指标分析,计算机视觉,手势分析	深度学习模型（具体未指明）	手术视频,运动学数据,手势数据	不适用（综述，具体样本数量未提及）	不适用	不适用	与人类评分员的一致性	不适用
1613	2026-06-01	Artificial Intelligence in Spine Imaging Interpretation 2026-Jun, Seminars in musculoskeletal radiology IF:0.9Q4 DOI:10.1055/a-2836-8033 PMID:41980600	综述	本文综述了人工智能在脊柱影像解读中的最新应用，包括椎体骨折、脊柱畸形、退行性疾病、骨骼肿瘤、炎症性疾病和机会性筛查等病理领域	以病理为导向系统梳理了人工智能在脊柱影像中的创新应用，为肌肉骨骼放射科医生提供了全面的技术概览	作为叙述性综述，未进行系统性的文献检索或定量分析，可能遗漏部分最新研究	为放射科医生提供脊柱影像中人工智能应用的最新综述，促进临床采纳	脊柱影像解读中的人工智能应用，涵盖多种脊柱疾病	计算机视觉、机器学习	脊柱疾病	NA	深度学习、传统机器学习	影像	NA	NA	NA	NA	NA
1614	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
1615	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
1616	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
1617	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
1618	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
1619	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
1620	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