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
161	2026-04-27	Deep Learning-Aided SERS Detection of Microplastics in Water Samples with a Hierarchically Porous Gold Sponge Substrate 2026-Apr-20, Analytical chemistry IF:6.7Q1 DOI:10.1021/acs.analchem.5c06552 PMID:42010957	研究论文	提出一种免预处理的微塑料检测方法，将静电功能化SERS基底与可解释深度学习框架结合，实现水样中微塑料的快速准确分类	首次将层级多孔金海绵基底与二元卷积神经网络（一对多架构）结合实现免预处理微塑料检测，并通过Grad-CAM提供化学可解释性	NA	开发一种免预处理、高灵敏度的水样微塑料SERS检测方法，并利用深度学习实现自动分类和化学解释	五种代表性微塑料：聚四氟乙烯、聚丙烯、聚苯乙烯、聚氯乙烯和聚对苯二甲酸乙二醇酯	机器学习	NA	表面增强拉曼散射、静电功能化基底	卷积神经网络	拉曼光谱数据	评估数据集中的拉曼光谱样本（具体数量未提及）	NA	二元卷积神经网络、一对多架构	精确率	NA
162	2026-04-27	Multimodal cardiovascular risk profiling using self-supervised learning of polysomnography 2026-Apr-16, Sleep IF:5.3Q1 DOI:10.1093/sleep/zsaf371 PMID:41288599	研究论文	开发并评估一种自监督深度学习框架，从多导睡眠图数据中识别与心血管疾病结果相关的生理模式	首次采用自监督学习框架从多导睡眠图数据中提取可解释的投影评分，用于心血管风险分层，无需依赖手动注释（如睡眠阶段）	未提及具体局限性	探索多导睡眠图数据在评估未来健康风险（特别是心血管疾病）中的潜力，并开发可解释的风险分层工具	多导睡眠图信号（脑电图、心电图、呼吸信号）	机器学习	心血管疾病	多导睡眠图	自监督深度学习模型	生理信号（脑电图、心电图、呼吸信号）	4398名参与者（训练集），1093名参与者（外部验证集）	NA	自监督深度学习模型	曲线下面积	NA
163	2026-04-27	Reduction of Acquisition Time in FTIR Spectroscopy via Spectral Super-Resolution by Deep Learning 2026-Apr-16, Analytical chemistry IF:6.7Q1 DOI:10.1021/acs.analchem.5c07660 PMID:41987594	研究论文	本研究开发了基于残差网络和U-Net的光谱超分辨率模型（SSR-ResUNet），通过深度学习将低分辨率FTIR光谱图像重建为高分辨率图像，从而减少采集时间并保持光谱质量	首次将深度学习超分辨率方法应用于FTIR光谱领域，通过1D、2D和3D CNN组合实现从16 cm⁻¹低分辨率到2 cm⁻¹高分辨率光谱的重建，显著降低采集时间达87.5%	未提及模型的泛化能力或在其他组织类型上的表现，且仅对肾移植组织切片进行了测试	提高傅里叶变换红外光谱（FTIR）的光谱分辨率，减少红外图像采集时间，为临床诊断提供快速、高分辨率的分子分析	肾移植组织切片的FTIR光谱图像	计算机视觉	肾病/肾移植相关疾病	FTIR光谱成像	CNN	图像（FTIR光谱图像）	肾移植组织切片样本	NA	ResNet, U-Net	均方根误差（RMSE）, 结构相似性指数（SSIM）	NA
164	2026-04-27	AngioCAD: A public x-ray angiography dataset and an adaptive fusion framework for stenosis detection 2026-Apr-14, Computer methods and programs in biomedicine IF:4.9Q1 DOI:10.1016/j.cmpb.2026.109368 PMID:42033972	研究论文	本文提出了一个公开的X射线血管造影数据集AngioCAD和一个自适应融合框架用于狭窄检测	AngioCAD数据集提供了包含时间连续性、动脉特异性标注和临床上下文信息的血管造影视频序列及结构化临床数据，并提出了一个基于自适应融合模块的深度学习框架，该模块通过学习注意力权重来优先选择最具信息量的特征流	未明确提及	通过提供高质量数据集和适应性框架，提升冠状动脉狭窄自动检测的准确性	冠状动脉狭窄检测	计算机视觉	冠状动脉疾病	X射线血管造影	卷积神经网络（CNN）	图像（血管造影视频序列）和结构化临床数据	413名患者的数据	NA	两个卷积神经网络结合自适应融合模块	F1分数, PR-AUC	NA
165	2026-04-27	Clustered Regularly Interspaced Short Palindromic Repeat-Based Colorimetric Aptasensor Combined with Smartphone Imaging and Deep Learning Enables Selective Recycling and Visual Prediction of Microplastics in the Environment 2026-Apr-11, Analytical chemistry IF:6.7Q1 DOI:10.1021/acs.analchem.5c08138 PMID:41964558	研究论文	基于CRISPR的比色适体传感器结合智能手机成像和深度学习，实现环境中微塑料的选择性回收和可视化预测	将CRISPR-Cas12a系统与比色反应、智能手机成像和深度学习回归模型相结合，实现微塑料的快速、灵敏、可视化定量检测	未提及实际环境样品中其他干扰物质的影响评估	开发一种简单、快速、灵敏、可现场部署的微塑料检测方法	聚氯乙烯和聚苯乙烯微塑料	机器学习，计算机视觉	不适用	CRISPR-Cas12a，比色检测，智能手机成像	深度学习回归模型	图像	不适用	不适用	深度学习回归模型	检测限，动态范围	智能手机
166	2026-04-27	Accurate 3D Structure Prediction of Small Cyclic Peptides Containing Non-Canonical Amino Acid Residues Using an All-Atom Diffusion Model with Stereogenic Implementation 2026-Apr-10, Journal of chemical information and modeling IF:5.6Q1 DOI:10.1021/acs.jcim.5c03236 PMID:41962133	研究论文	利用全原子扩散模型精确预测含非规范氨基酸的小环肽的三维结构	将原用于小分子构象生成的全原子扩散模型AGDIFF改编并重新训练于环肽数据集，通过立体化学校正步骤解决了立体化学不敏感性问题，能够可靠生成对映体残基的正确镜像异构体	未明确说明，可能包括对非规范氨基酸和复杂环化化学的覆盖范围有限，以及计算资源需求等未提及	实现含非规范氨基酸的小环肽的高精度结构预测，以支持药物发现中的理性设计	含非规范氨基酸和多样化环化化学的小环肽	机器学习	NA	深度学习扩散模型	扩散生成模型	分子图结构数据	36,198个成员的Conformer Rotamer Ensembles of Macrocyclic Peptides (CREMP)数据集	NA	AGDIFF（全原子扩散模型）	平均RMSD（均方根偏差）、环扭转指纹偏差、Ramachandran分析	NA
167	2026-04-27	RetinaDetachNet: Automated Deep Learning Quantification of Photoreceptor Cell Death for Neuroprotection Studies in Experimental Retinal Detachment 2026-Apr-06, Translational vision science & technology IF:2.6Q2 DOI:10.1167/tvst.15.4.23 PMID:42017313	研究论文	开发并验证了RetinaDetachNet，一种用于实验性视网膜脱离模型中光感受器细胞死亡自动量化的深度学习流程	首次提出并验证了针对TUNEL阳性细胞量化的深度学习流程，采用混合双验证架构（U-Net结合StarDist和Otsu阈值）提高准确性和可重复性	未提及	开发自动化量化光感受器细胞死亡的工具，用于神经保护研究的标准化评估	实验性视网膜脱离模型中的光感受器细胞	数字病理学	视网膜脱离	TUNEL染色	CNN	图像	三个独立数据集：主数据集（50张图像）、历史数据集（50张图像）、外部数据集（40张图像）	TensorFlow, PyTorch	U-Net, StarDist	Dice系数, Spearman相关系数, Bland-Altman分析	NA
168	2026-04-27	Artificial-Intelligence-Based Radiologic, Histopathologic, and Molecular Models for the Diagnosis and Classification of Malignant Salivary Gland Tumors: A Systematic Review and Functional Meta-Synthesis 2026-Apr-05, Medical sciences (Basel, Switzerland) DOI:10.3390/medsci14020183 PMID:42029607	系统综述	该文章系统综述了基于人工智能的放射学、组织病理学和分子模型在恶性唾液腺肿瘤诊断与分类中的应用，并通过功能性meta整合分析了其诊断作用	首次对人工智能/机器学习在恶性唾液腺肿瘤放射学、组织病理学和分子领域的诊断模型进行系统性综述和功能性meta整合，识别出三个趋同的诊断领域	证据基础有限，存在高度异质性、主要依赖内部验证、偏倚风险高，校准和实用性评估不足	识别和批判性评估用于恶性唾液腺肿瘤不同诊断任务的人工智能/机器学习模型，并整合其诊断作用	恶性唾液腺肿瘤患者的放射学图像、组织病理学全切片图像和DNA甲基化数据	计算机视觉, 机器学习	唾液腺肿瘤	放射组学, 深度学习, DNA甲基化测序	CNN, 深度学习模型	图像, 分子数据	8项研究，共1922名参与者	NA	NA	AUC	NA
169	2026-04-27	Deep learning discriminates thymic epithelial tumors' histological subtypes using digital pathology 2026-Apr, Annals of oncology : official journal of the European Society for Medical Oncology IF:56.7Q1 DOI:10.1016/j.annonc.2025.12.003 PMID:41390119	研究论文	利用深度学习模型基于H&E全切片图像区分胸腺上皮肿瘤的组织学亚型	引入新型层级损失函数以反映基于治疗策略和患者预后的临床相关肿瘤分组	模型误分类中60%处于相同临床管理组内，但六分类准确率仍有提升空间；研究基于单一机构外部验证集	开发深度学习工具以降低胸腺上皮肿瘤组织学分类的观察者间差异并提高诊断一致性	胸腺上皮肿瘤的H&E染色全切片图像	数字病理学	胸腺肿瘤	H&E染色	深度学习模型	全切片图像	训练集来自TCGA；验证集包含112例连续病例	NA	NA	准确率, Cohen's κ系数, 敏感性	NA
170	2026-04-27	Thymic health consequences in adults 2026-04, Nature IF:50.5Q1 DOI:10.1038/s41586-026-10242-y PMID:41851466	研究论文	开发深度学习框架量化成年人胸腺健康状况，并评估其与长寿及年龄相关疾病风险的关联	提出胸腺功能保存对成年健康与长寿至关重要，并首次利用深度学习从常规影像中量化胸腺健康，在大规模前瞻性队列中验证其与死亡率、癌症及心血管疾病的关联	结果来自观察性研究，无法确立因果关系；仅基于CT影像评估胸腺健康，可能遗漏功能细节	评估胸腺健康状况在成年人中的变异及与长寿和年龄相关疾病风险的关系	无症状成年人的胸腺健康状况	计算机视觉, 机器学习	肺癌, 心血管疾病, 老年人疾病	NA	深度学习（框架未具体说明）	影像	国家肺部筛查试验（n=25,031）和弗雷明汉心脏研究（n=2,581）两个队列	NA	NA	全因死亡率, 肺癌发病率, 心血管死亡率	NA
171	2026-04-27	Early versus delayed anticoagulation in acute ischemic stroke with atrial fibrillation according to infarct volume and location: A prespecified subgroup analysis of the OPTIMAS randomized controlled trial 2026-Mar-30, International journal of stroke : official journal of the International Stroke Society IF:6.3Q1 DOI:10.1177/17474930261441297 PMID:41906919	研究论文	基于OPTIMAS随机对照试验的预设亚组分析，评估急性缺血性卒中伴房颤患者中，根据梗死体积和位置，早期与延迟抗凝治疗的效果差异	首次通过精确分割测量的梗死体积，分析早期抗凝治疗效果是否受梗死大小的影响，并纳入基于深度学习的分割模型进行验证	仅基于预设的亚组分析设计，未涉及梗死位置对治疗效果的详细影响评估；样本量在极端梗死体积组可能有限	探讨急性缺血性卒中伴房颤患者中，梗死体积是否改变早期DOAC抗凝治疗的效果	3572名急性缺血性卒中伴房颤患者（平均年龄78岁，45%女性），来自OPTIMAS试验	机器学习	脑血管疾病	MRI扩散加权成像，深度学习分割模型，CT扫描	深度学习分割模型	医学图像（MRI和CT）	3572名参与者（占主要试验人群的98.6%）	NA	深度学习分割模型（未具体说明架构）	复合结局指标（复发性缺血性卒中、症状性颅内出血、系统性动脉栓塞）	NA
172	2026-04-27	Cellular and subcellular specialization enables biology-constrained deep learning 2026-Mar-26, Cell reports IF:7.5Q1 DOI:10.1016/j.celrep.2026.117159 PMID:41894388	科研论文	该论文提出了一种基于生物约束的深度学习算法，利用细胞和亚细胞特化机制来模拟生物学习过程	首次将神经元细胞类型专业化和树突内区室化信号整合到多层人工神经网络中，并采用完全符合生物学的树突目标传播深度学习算法进行图像分类	NA	探索生物学习机制，并基于严格的生物约束构建可解释的深度学习模型	多层人工神经网络中分离的兴奋性和抑制性细胞类型以及具有独立树突区室的神经元单元	机器学习	NA	树突目标传播	人工神经网络	图像	NA	NA	多层人工神经网络（包含分离的兴奋性/抑制性细胞类型和树突区室）	图像分类准确率	NA
173	2026-04-27	Quantifying Epistemic Uncertainty in Multimodal Long-Tailed Classification: A Belief Entropy-Based Evidential Fusion Framework 2026-Mar-19, Entropy (Basel, Switzerland) DOI:10.3390/e28030343 PMID:41899995	研究论文	提出了一种基于信念熵的证据融合框架，用于量化多模态长尾分类中的认知不确定性	提出了不确定性门控证据融合模块、EMA公平性正则化器和两阶段跨模态一致性正则化器，以解决多模态长尾分类中的模态不确定性和类别不平衡问题	未在更大规模或更多样化的数据集上验证，可能在实际应用中存在泛化限制	提升多模态长尾分类中尾类的性能，并量化认知不确定性	多模态长尾分类任务中的视觉、语言和音频模态数据	机器学习	NA	NA	深度学习模型	多模态数据（视觉、语言、音频）	三个长尾基准数据集	NA	证据融合网络	整体指标、校准性能、尾类子集性能	NA
174	2026-04-27	PromptSeg: An End-to-End Universal Medical Image Segmentation Method via Visual Prompts 2026-Mar-18, Entropy (Basel, Switzerland) DOI:10.3390/e28030342 PMID:41899994	研究论文	提出一种基于视觉提示的端到端通用医学图像分割方法PromptSeg	创新性地从信息论角度将分割过程建模为条件熵最小化问题，利用视觉提示减少目标任务的不确定性，并通过信息瓶颈原则过滤冗余噪声，仅需少量标注的视觉提示对即可处理未见过的数据集或分割目标而无需重新训练	方法在CT和MRI数据集上验证，但可能在其他影像模态或多任务场景下需进一步评估	解决医学图像分割中模型泛化能力差的问题，提出一种跨任务、跨模态的通用分割框架	2D医学图像分割任务	计算机视觉	NA	Transformer	Transformer-based unified framework	图像（CT和MRI数据集）	NA	PyTorch	Transformer	NA	NA
175	2026-04-27	Teeth identification and numbering in mixed dentition: evaluating deep learning models for pediatric panoramic radiographs 2026-Mar-17, BMC oral health IF:2.6Q1 DOI:10.1186/s12903-026-08097-w PMID:41845286	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
176	2026-04-27	Development and internal validation of a deep learning algorithm for intraoperative arterial pressure-based stroke volume index estimation in children: a single-center retrospective study 2026-Mar-17, BMC medical informatics and decision making IF:3.3Q2 DOI:10.1186/s12911-026-03428-x PMID:41845328	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
177	2026-04-27	AI-based modeling of treatment decisions in benign prostatic hyperplasia: a transformer-based comparative study 2026-Mar-17, BMC medical informatics and decision making IF:3.3Q2 DOI:10.1186/s12911-026-03438-9 PMID:41845421	研究论文	本研究利用先进的大语言模型和深度学习模型，基于历史临床数据预测良性前列腺增生患者是否接受经尿道前列腺切除术或继续药物治疗	首次将大语言模型（GEMMA、GPT）与传统深度学习模型（RNN、CNN、LSTM）对比应用于良性前列腺增生治疗决策预测，并展示了GEMMA模型在该任务中优越的性能	样本量较小（仅883例来自单一医院），数据来源局限，可能影响模型的泛化能力	开发用于预测良性前列腺增生患者治疗决策（手术或药物治疗）的AI模型	良性前列腺增生患者的治疗决策	机器学习	前列腺增生	NA	大语言模型（GEMMA、GPT）、循环神经网络（RNN）、卷积神经网络（CNN）、长短期记忆网络（LSTM）	临床数据	883例患者病例（来自约旦大学医院）	NA	GEMMA、GPT、RNN、CNN、LSTM	准确率、ROC AUC分数	NA
178	2026-04-27	U-Shaped Split Federated Learning with Compact Features for Deep Learning-Based Image Coding 2026-Mar-16, Entropy (Basel, Switzerland) DOI:10.3390/e28030331 PMID:41899983	研究论文	提出一种紧凑特征U型分割联邦学习框架，用于基于深度学习的图像编码，以减少通信开销并保持低图像失真	引入特征熵估计网络对分割层特征建模，实现传输时有效压缩，并设计含熵约束的联合优化目标指导端到端训练	未在摘要中明确提及局限性	减少U型分割联邦学习中双向中间特征传输带来的通信开销，同时维持低图像失真和提高训练效率	分布式图像编码中的边缘设备	机器学习	NA	NA	深度学习模型	图像	NA	NA	NA	通信开销、重建性能	NA
179	2026-04-27	Conditionally Site-Independent Neural Evolution of Antibody Sequences 2026-Mar-15, ArXiv PMID:41822160	研究论文	提出一种条件性位点独立的抗体序列神经进化模型（COSINE），用于模拟抗体序列的进化过程并优化结合亲和力	首次将深度神经网络参数化的连续时间马尔可夫链用于抗体进化建模，能够捕捉复杂上位效应并解离选择与体细胞超突变	NA	利用进化信息改进抗体序列建模，提高零样本变异效应预测和亲和力优化效果	抗体序列及其进化过程	机器学习	NA	NGS	深度神经网络参数化连续时间马尔可夫链	序列数据	NA	PyTorch	残差网络（ResNet），变压器（Transformer）	零样本变异效应预测准确率	NA
180	2026-03-16	Interpretable deep learning radiomics from 18F-FDG PET/CT for differentiating diffuse large B-cell lymphoma and follicular lymphoma 2026-Mar-14, BMC medical imaging IF:2.9Q2 DOI:10.1186/s12880-026-02253-y PMID:41832418	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA