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
1761	2026-05-03	Deep Learning-Based Prediction System for Surgical Difficulty in Rectal Cancer Patients Using MRI Pelvimetry 2026-May, Yonsei medical journal IF:2.6Q1 DOI:10.3349/ymj.2024.0293 PMID:42044985	研究论文	提出一种基于深度学习与MRI骨盆测量预测直肠癌患者手术难度的系统	首次将深度学习分割模型与统计分析结合，自动从MRI图像中完成骨盆参数测量并构建列线图，实现手术难度预测的自动化	未提及多中心验证及外部数据集测试，且完全自动化流程需后续开发用户界面	利用磁共振骨盆测量数据和临床特征，通过深度学习技术自动预测腹腔镜全直肠系膜切除术的难度	直肠癌患者的结直肠MRI数据和术前临床资料	计算机视觉	直肠癌	MRI骨盆测量	深度学习分割模型	图像（MRI）	未明确说明样本数量	NA	NA	Dice相似系数（DSC）、C指数	NA
1762	2026-05-03	Sex Prediction From the Clavicle Using Computerized Tomography Images via Traditional and Hybrid Deep Learning Models 2026-May-01, Clinical anatomy (New York, N.Y.) DOI:10.1002/ca.70130 PMID:42066111	research paper	利用传统和混合深度学习模型从锁骨CT图像进行性别预测，并评估模型性能	提出MobileNetV2+MLP和MobileNetV2+MLP+t-SNE混合深度学习模型，无需度量测量即可从锁骨CT图像直接进行性别预测，并实现特征收集、分类、可视化和误差观察	未提及模型的泛化能力验证及与其他骨骼区域或方法学的比较	实现高精度锁骨CT图像性别预测	807名女性和805名男性的锁骨CT图像	machine learning, computer vision	NA	CT成像	CNN, MLP, t-SNE	image	1612个锁骨CT图像样本（807名女性，805名男性）	NA	MobileNetV2, DenseNet201, ResNet101, 多层感知器	accuracy	NA
1763	2026-05-03	Robust denoising of low-fluence single-shot PAM using spatial attention-enhanced deep learning 2026-May-01, Optics letters IF:3.1Q2 DOI:10.1364/OL.591331 PMID:42066133	研究论文	提出一种基于空间注意力增强的3D U-Net深度学习框架，用于低剂量单次激发光声显微镜图像的鲁棒去噪	将空间注意力机制融入3D补丁学习，利用体积空间相关性区分血管特征与背景噪声；采用迁移学习策略，先以叶脉模型预训练再微调至小鼠耳部血管	NA	实现低激光剂量或快速采集场景下的高保真光声显微镜成像	小鼠耳部血管和叶脉模型	计算机视觉	NA	光声显微镜	3D U-Net	图像	NA	PyTorch	3D U-Net	峰值信噪比, 结构相似性指数, 信噪比	NA
1764	2026-05-03	Real-time Fabry-Pérot cavity length demodulation via deep learning-based compressed sensing 2026-May-01, Optics letters IF:3.1Q2 DOI:10.1364/OL.591519 PMID:42066143	研究论文	利用深度学习结合压缩感知算法，实现基于Vernier调谐分布反馈激光器的法布里-珀罗腔长度实时解调	提出了一种深度学习网络结合压缩感知算法的方法，实现了测量采样率高达10 MHz的实时腔长解调，比现有技术提升两个数量级	未提及具体限制	实现高速、高精度的法布里-珀罗腔长度实时解调技术	光纤法布里-珀罗传感器中的腔长解调	机器学习	NA	白光干涉测量	深度学习网络	光谱数据	NA	NA	NA	测量采样率	NA
1765	2026-05-03	Physics-driven self-supervised learning for non-modulated pyramid wavefront sensing 2026-May-01, Optics letters IF:3.1Q2 DOI:10.1364/OL.598879 PMID:42066150	研究论文	提出一种物理驱动自监督学习方法用于非调制金字塔波前传感，通过嵌入可微正向光学模型到U-Net中实现波前重建	首次将物理信息神经网络（PINN）与U-Net架构结合用于非调制金字塔波前传感器的自监督波前重建，无需配对训练数据，扩展线性动态范围	NA	解决非调制金字塔波前传感器强非线性和缺乏物理可解释性问题，提升极端自适应光学系统的波前重建性能	非调制金字塔波前传感器的波前重建和线性动态范围扩展	机器学习	NA	NA	U-Net	光强图像	NA	PyTorch	U-Net	残差均方根误差, 斯特列尔比稳定性	NA
1766	2026-05-03	Megahertz-rate down-sampled optical coherence tomography based on high-speed k-linear swept laser and deep learning 2026-May-01, Optics letters IF:3.1Q2 DOI:10.1364/OL.589042 PMID:42066200	研究论文	本文提出一种基于高速k线性扫频激光器和深度学习的下采样方法，在低带宽和采样率的采集传输系统上实现兆赫兹速率光学相干断层成像	利用声光偏转器实现窄带光谱扫描与线性波数特性，结合深度学习恢复高分辨率图像，硬件下采样方法大幅降低MHz-OCT系统成本	仅通过下采样信号恢复高分辨率图像，可能对系统噪声或非线性校正有潜在依赖，未提及临床验证或鲁棒性分析	降低MHz-OCT系统的采集和传输硬件成本，推动其在临床的广泛应用	兆赫兹速率光学相干断层成像系统	计算机视觉	不适用	光学相干断层成像	深度学习模型	图像	不适用	不适用	不适用	不适用	不适用
1767	2026-05-03	Deep Learning-Based Comparison of Knee Minimum Joint Space Width in Patients with Rheumatoid Arthritis and Osteoarthritis Before Total Knee Arthroplasty 2026-May-01, The Journal of rheumatology IF:3.6Q2 DOI:10.3899/jrheum.2025-0951 PMID:42067217	研究论文	利用深度学习比较类风湿关节炎和骨关节炎患者在全膝关节置换术前的最小关节间隙宽度	首次使用深度学习自动量化方法比较类风湿关节炎与骨关节炎患者在全膝关节置换术前的最小关节间隙宽度模式	NA	比较类风湿关节炎与骨关节炎患者在全膝关节置换术前的关节间隙狭窄模式，并评估最小关节间隙宽度与疾病活动度的关联	接受全膝关节置换术的类风湿关节炎和骨关节炎患者	深度学习、医学影像分析	类风湿关节炎、骨关节炎	X射线成像	深度学习模型	膝关节前后位X射线图像	409例类风湿关节炎患者及其年龄性别匹配的骨关节炎患者	NA	NA	P值	NA
1768	2026-05-03	Physics-Informed Machine Learning in Biomedical Science and Engineering 2026-May, Annual review of biomedical engineering IF:12.8Q1 DOI:10.1146/annurev-bioeng-110824-124907 PMID:42067517	综述	综述物理信息机器学习在生物医学科学与工程中的应用，重点介绍三类主要框架及其在复杂生物系统建模中的作用	系统梳理了物理信息机器学习三大框架（PINNs、NODEs、NOs）在生物医学领域的应用，强调了物理可解释性、数据稀缺性和系统复杂性下的优势，并展望了与大语言模型整合的未来方向	未详细讨论各方法在不同生物医学场景中的具体局限性，且对计算成本、模型泛化能力等挑战仅做概括性说明	总结物理信息机器学习在生物医学科学与工程中的研究进展，识别开放挑战并指引未来方向	生物医学系统中的复杂建模问题，涉及生物固体力学、生物流体力学、机械生物学、医学影像、动态生理系统、药代动力学及细胞信号传导等	机器学习	NA	物理信息机器学习	PINNs, NODEs, 神经算子	NA	NA	NA	物理信息神经网络, 神经常微分方程, 神经算子	NA	NA
1769	2026-05-03	The impact of AI technology for ideological and political education teaching based on deep learning 2026-May-01, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-51233-3 PMID:42067547	研究论文	研究基于深度学习的AI技术对职业院校思想政治教育教学的影响，提出动态资源优化模型	结合图神经网络、多模态元学习框架和Transformer-XL，构建动态资源优化模型，实现跨特征交互与课程知识图谱映射，显著提升教学效果	未提及跨文化迁移测试的样本多样性、模型计算资源消耗及长期教学效果跟踪评估	解决传统思想政治教育中资源适应性不足和学生参与度低的问题	职业院校思想政治教育中的学习资源分配与学习者表现	机器学习	NA	深度学习	图神经网络、多模态元学习框架、Transformer-XL	异构数据（资源分配、学习者表现、环境因素）	42个特征涵盖三个维度，具体样本量未明确	PyTorch， TensorFlow	GNN， MMLF， Transformer-XL	预测准确率、知识获取提升率、行为转化率、课程完成率、资源冗余减少率、管理效率提升率	NA
1770	2026-05-03	A hybrid flower pollination algorithm-deep learning approach for strength prediction of sustainable recycled fine aggregate concrete with GUI-based implementation 2026-May-01, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-51308-1 PMID:42067580	研究论文	提出一种混合花授粉算法优化的深度神经网络（FPA-DNN）方法，用于预测含50%洗涤再生细骨料的可持续刚性路面混凝土抗压强度	开发了混合花授粉算法优化的深度神经网络（FPA-DNN），结合SHAP可解释性分析提升预测精度、噪声鲁棒性和可解释性，并构建了图形用户界面决策支持工具	固定50%洗涤再生细骨料替代率，且仅关注抗压强度建模，未涉及长期耐久性指标	评估和预测含再生骨料与辅助胶凝材料的可持续刚性路面混凝土抗压强度	含50%洗涤再生细骨料、氧化锆硅灰和钢渣的混凝土配合比	机器学习	NA	NA	深度神经网络（FPA优化DNN）	实验数据与文献数据（表格数据）	264个样本（103个实验室生成，161个来自文献筛选）	NA	DNN（深度神经网络）	R², RMSE, MAPE	NA
1771	2026-05-03	A biomechanical-constrained temporal learning framework for lightweight skeleton-based exercise recognition 2026-May-01, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-50771-0 PMID:42067632	研究论文	提出一种生物力学约束的时间学习框架，用于基于轻量级骨架的运动识别	首次将生物力学约束（关节角度一致性、速度平滑性、骨骼长度稳定性）整合到深度时间模型中，并引入无监督阶段发现模块自动识别动作的时间划分	仅在少数运动类型（深蹲、俯卧撑等）上验证，样本量有限，未在更广泛的运动类别或真实场景中测试	提升骨架序列运动识别的准确性和效率，通过生物力学知识增强模型性能	人体骨架运动序列，包括深蹲、俯卧撑、二头肌弯举和肩部推举等动作	计算机视觉	NA	OpenPose姿态估计	深度时间模型（含生物力学约束和无监督阶段发现模块）	视频	146个视频样本（共157个不同样本，含146个深蹲、126个俯卧撑、146个二头肌弯举、146个肩部推举）	PyTorch	定制化的生物力学感知时间学习架构	准确率（平均93.33% ± 0.94%，5折交叉验证）	3.57M参数，13.6 MB内存，推理时间5.2 ms/30帧序列（端到端依赖OpenPose约1.574秒）
1772	2026-05-03	TxPert: using multiple knowledge graphs for prediction of transcriptomic perturbation effects 2026-May-01, Nature biotechnology IF:33.1Q1 DOI:10.1038/s41587-026-03113-4 PMID:42067667	研究论文	提出TxPert，一种基于潜在迁移的深度学习方法，利用多种知识图谱预测转录组扰动效应	首次利用多个知识图谱（基因-基因关系图）的互补信息进行转录组扰动效应预测，并展示生物数据库与高通量扰动筛选结合的最佳性能	对于未见过的双基因扰动及跨细胞系扰动，预测性能仍有限	通过模型泛化预测未见过的遗传扰动引起的细胞转录组变化，以降低实验成本	遗传扰动（包括单基因和双基因扰动）对基因表达的影响	机器学习	NA	深度学习	潜在迁移模型	转录组数据	NA	NA	潜在迁移网络	Pearson Δ	NA
1773	2026-05-03	Vision Transformer-Based Segmentation of Abdominal Subcutaneous and Visceral Fat on MRI 2026-May-01, Journal of imaging informatics in medicine DOI:10.1007/s10278-026-01970-8 PMID:42067725	研究论文	基于Vision Transformer的腹部皮下脂肪和内脏脂肪MRI分割方法验证	首次将Vision Transformer (SwinUNETR48) 应用于腹部MRI中皮下和内脏脂肪的自动分割与量化，并展示了高骻索曼误差性能	样本量较小（107名参与者），局限于T1加权MRI，未涉及多中心或不同扫描参数验证	验证基于深度学习的Vision Transformer在T1加权MRI上自动分割和量化腹部脂肪组织的可行性	腹部皮下脂肪组织 (SAT) 和内脏脂肪组织 (VAT)	计算机视觉	NA	MRI	Vision Transformer	图像	107名中年参与者（平均年龄49.9岁；35名男性，72名女性；BMI范围18.2-49.6）	NA	SwinUNETR48	Dice相似系数	NA
1774	2026-05-03	Feasibility of No-Code Deep Learning for Diagnosing Bone Metastasis in Bone Scans: A Comparative Study of Teachable Machine and ResNet 2026-May-01, Journal of imaging informatics in medicine DOI:10.1007/s10278-026-01981-5 PMID:42067726	研究论文	评估谷歌无代码人工智能平台Teachable Machine在骨扫描图像中诊断骨转移的可行性，并与传统ResNet50模型进行对比	首次探讨无编程技能和GPU环境下使用Teachable Machine进行骨转移诊断的可行性，并与传统深度学习方法进行系统比较	Teachable Machine的诊断性能（AUC=0.812）显著低于传统ResNet50模型（AUC=0.869），且对正类样本的敏感性较低（57.1%），可能受类别不平衡影响	验证无代码深度学习平台在医学图像分类中的可用性，为缺乏编程资源的研究者提供替代方案	4626张癌症患者骨扫描图像（平均年龄65.1±11.3岁，50.5%女性）	数字病理学	骨转移	Teachable Machine	ResNet50	图像	4626张骨扫描图像（阳性400张，阴性4226张）	Teachable Machine	ResNet50	敏感性、特异性、阳性预测值、阴性预测值、曲线下面积	无GPU环境
1775	2026-05-03	Psychological resilience as a selective perceptual amplifier in post-crisis learning: a dual-pathway model of academic motivation, perceived school support, and cognitive engagement - a multi-country study based on PISA 2022 2026-May-01, BMC psychology IF:2.7Q1 DOI:10.1186/s40359-026-04665-5 PMID:42067959	研究论文	基于PISA 2022数据，探讨后疫情时代心理韧性作为选择性知觉放大器在学业动机、感知学校支持与认知投入之间的调节与中介作用	提出心理韧性作为“选择性知觉放大器”的双路径模型，首次在跨国大样本中验证心理韧性对动机-支持路径的特异性调节作用	NA	揭示后疫情时代学业动机与感知学校支持转化为认知投入的机制，以及心理韧性对这一转化过程的放大作用	来自80个国家/地区的574,514名学生的学业动机、感知学校支持、认知投入和心理韧性	机器学习	NA	NA	结构方程模型、调节效应模型、中介效应模型	调查数据	574,514名学生（来自80个国家/地区）	NA	结构方程模型	回归系数β、p值、Bootstrap置信区间	NA
1776	2026-05-03	Predicting Prognosis for Gastric Cancer Patients Receiving Neoadjuvant Treatment With Body Composition-Based Deep Learning 2026-May, Cancer medicine IF:2.9Q2 DOI:10.1002/cam4.71886 PMID:42068095	研究论文	开发基于身体成分的深度学习模型预测接受新辅助治疗的胃癌患者预后	首次将身体成分分析与深度学习结合，整合临床、影像组学和深度学习特征构建混合模型，用于胃癌新辅助治疗患者生存预测	该研究未提及具体局限性	开发精确评估接受新辅助治疗的胃癌患者生存情况的方法	接受新辅助治疗的胃癌患者	计算机视觉、机器学习	胃癌	CT成像、影像组学	CNN、Transformer	图像	356名患者（平均年龄59岁；男性264人）	PyTorch、PyRadiomics、TotalSegmentator	ResNet18、Transformer、Naive Bayes、ExtraTree、Cox回归	AUC、C-index	NA
1777	2026-05-03	The Kinematic Chain in Hindustani Classical Singing: An Exploratory Bioacoustic Pilot Study of Seated Posture and Vocal Quality 2026-Apr-30, Journal of voice : official journal of the Voice Foundation IF:2.5Q1 DOI:10.1016/j.jvoice.2026.04.005 PMID:42067405	研究论文	应用运动链理论研究印度斯坦古典歌唱中坐姿与嗓音质量的关系	首次将运动链理论应用于印度斯坦古典声乐教学，结合声学分析和深度学习模型（Demucs）进行声音分离	样本量小（仅10人），研究为探索性试点，未进行对照组或随机化设计	探究骨盆对齐与嗓音声学之间的生物力学关联	印度斯坦古典声乐初学者至中级学生	机器学习, 数字病理学	NA	深度学习、pYIN算法、声学分析	深度学习模型（Demucs）	音频	10名学生（初学者至中级水平）	PyTorch	Demucs	声谱质心、嗓音效率、基频估计	NA
1778	2026-05-03	Image-Based Deep Learning for Cataract Diagnosis: Systematic Review and Meta-Analysis 2026-Apr-29, Journal of medical Internet research IF:5.8Q1 DOI:10.2196/78869 PMID:42054635	meta分析	系统评估深度学习在基于图像的白内障诊断中的性能，并与机器学习及人类专家进行比较	首次通过系统性综述和荟萃分析全面评估深度学习在白内障诊断中的表现，包括检测和分类任务，并定量比较其与机器学习及人类专家的诊断准确性	纳入研究质量中等，存在高或不清楚的偏倚风险；外部验证数据集性能下降（灵敏度87%、特异度93%），泛化能力受限；研究间异质性高	评估深度学习在基于图像的白内障诊断中的性能，探讨其作为自动化诊断工具的潜力	基于图像的白内障检测或临床亚型分类的相关研究	计算机视觉	白内障	NA	深度学习	图像	63篇研究	NA	NA	灵敏度、特异度、ROC曲线下面积（AUC）	NA
1779	2026-05-03	Hybrid deep learning and YAMNet features for asthma diagnosis from respiratory sounds 2026-Apr-29, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-49247-y PMID:42056204	研究论文	提出一种混合深度学习架构，结合YAMNet特征和手工声学描述符，用于从呼吸声音中自动检测哮喘	融合预训练YAMNet嵌入与手工声学特征（MFCC、色度图、ZCR、频谱特征），并采用ASPP和SE模块增强特征，结合SHAP可解释性分析	NA	开发一种可解释且可扩展的计算机辅助哮喘诊断工具	呼吸声音录音中的哮喘检测	机器学习	哮喘	呼吸音采集	混合深度学习模型	音频	使用Asthma Detection Dataset v2数据集	TensorFlow, Keras	YAMNet, ASPP, SE模块, MLP	准确率, F1分数, AUC	NA
1780	2026-05-03	Capturing induced-fit effects: A geometry-aware and interpretable framework for robust drug-target affinity prediction 2026-Apr-29, Journal of molecular graphics & modelling IF:2.7Q2 DOI:10.1016/j.jmgm.2026.109429 PMID:42066524	研究论文	提出一种几何感知且可解释的框架（DCR-DTA），用于稳健的药物-靶点亲和力预测，动态模拟诱导契合效应	通过动态上下文正则化显式建模双向诱导契合相互作用，并优先考虑稳定结构锚点，同时缓解预训练表示中的特征各向异性	未提及明显局限，可能依赖高质量预训练表示或计算资源需求较高	提高药物-靶点亲和力预测的可靠性和可解释性，特别是在困难冷启动场景下	药物和小分子靶点（如蛋白质）的相互作用动态	机器学习	不适用	不适用	深度学习模型（DCR-DTA）	分子结构和相互作用数据	Davis和KIBA基准数据集（具体样本数量未提及）	PyTorch	DCR-DTA	均方误差（MSE）、r值（0.787）、一致性指数（CI，0.902）	不适用