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
1921	2026-05-30	An Explainable Plane-Wise ConvNet Approach for Detecting Femoral Head Osteonecrosis from Magnetic Resonance Images 2026-Apr-30, Bioengineering (Basel, Switzerland) DOI:10.3390/bioengineering13050529 PMID:42194286	研究论文	提出一种基于可解释平面级深度学习的分类方法，利用磁共振图像将股骨头坏死分为早期和晚期	首次采用ConvNeXt Tiny作为分类骨干网络，对轴向和冠状位MR图像进行平面依赖性分析，并利用加权重损失和决策阈值优化减少类别不平衡影响，实现可解释的Grad-CAM可视化聚焦于股骨头负重区	数据集来自单一中心，缺乏外部多中心验证；未使用配对患者级轴向-冠状位图像进行联合分析	开发一种可靠且可解释的自动决策支持方法，用于根据Ficat-Arlet分期系统分类股骨头坏死的早期与晚期	股骨头坏死患者，使用来自Fırat大学医院骨科与创伤科的MR图像数据集	计算机视觉	股骨头坏死	磁共振成像	卷积神经网络	图像	未指定具体患者数量，数据集按80:20划分为训练集和测试集，并进行了10折交叉验证	NA	ConvNeXt Tiny	准确率、敏感度、特异度、F1分数、AUC	NA
1922	2026-05-30	Single-Axis Rotational Inertial Navigation Systems for USVs: A Review of Key Technologies 2026-Apr-30, Micromachines IF:3.0Q2 DOI:10.3390/mi17050557 PMID:42195473	综述	本文系统综述了单轴旋转惯性导航系统在无人水面艇应用中的四项关键技术	首次系统性地将MEMS陀螺仪综合降噪与温度漂移补偿、高海况快速动基座对准、方位陀螺仪漂移快速在线校准以及自适应鲁棒GNSS/SINS组合导航架构四项技术整合为统一框架进行评述，并指出因子图优化与物理信息深度学习融合是未来极具前景的导航范式	受限于单轴机械结构和复杂海况扰动，系统仍无法有效调制随机误差和方位陀螺仪漂移，且高精度算法部署与USV有限机载计算能力之间存在工程矛盾	解决MEMS-SINS在GNSS失效期间定位精度下降的瓶颈，提升USV低成本、高可靠连续导航能力	无人水面艇（USV）及其单轴旋转惯性导航系统（SRINS）	机器学习	NA	MEMS惯性导航、GNSS、单轴旋转调制	因子图优化、物理信息深度学习	惯性传感器数据（陀螺仪、加速度计）、卫星导航信号	NA	NA	NA	定位精度、导航连续性、误差调制效果	USV机载计算平台（具体型号未说明）
1923	2026-05-30	Privacy-Preserving Hybrid GA-LSTM Ensemble for Typhoid Detection Using Optimised Clinical Feature Selection 2026-Apr-29, Biomedicines IF:3.9Q1 DOI:10.3390/biomedicines14051010 PMID:42193337	研究论文	提出一种结合遗传算法特征选择、CNN-LSTM深度学习分类器和联邦学习的混合框架，用于自动化伤寒检测并保护患者隐私	首次将遗传算法特征选择、CNN-LSTM集成模型与联邦学习相结合，在特征维度优化基础上实现隐私保护的分布式伤寒诊断框架	未说明联邦学习场景下的通信开销、数据异构性对模型收敛的影响，以及真实临床部署时的实际可行性	开发一种自动化、隐私保护的伤寒检测诊断框架，解决低资源环境下传统诊断方法的局限性	临床数据集中的伤寒检测特征及患者诊断数据	机器学习	伤寒	NA	CNN-LSTM	临床数据	NA	PyTorch	CNN-LSTM	准确率, F1值, 灵敏度	NA
1924	2026-05-30	The Role of Artificial Intelligence in the Characterization and Outcome Prediction of Prostate Cancer: A Systematic Review 2026-Apr-28, Tomography (Ann Arbor, Mich.) DOI:10.3390/tomography12050062 PMID:42188703	系统综述	评估人工智能在前列腺癌肿瘤表征和治疗后结局预测中的有效性	系统评估了机器学习和深度学习模型在临床工作流程中的表现差异，并发现多输入策略（如影像组学结合临床标志物）的模型通常优于单输入模型	需要进一步利用更大数据集和独立于样本种群的外部队列进行验证，以提高模型透明度和临床实用性	评估人工智能算法在前列腺癌肿瘤表征和预后预测中的有效性	2015年至2024年间发表的前瞻性和回顾性队列研究以及随机临床试验，涉及AI在前列腺癌中的应用	机器学习	前列腺癌	NA	机器学习，深度学习	影像数据	共19项研究	NA	NA	特异性、灵敏度、准确率、曲线下面积	NA
1925	2026-05-30	Advancing Brain Tumor Diagnosis Using Deep Learning: A Systematic and Critical Review on Methodological Approaches to Glioma Segmentation and Classification Through Multiparametric MRI 2026-Apr-27, Brain sciences IF:2.7Q3 DOI:10.3390/brainsci16050468 PMID:42192781	综述	对深度学习在多参数MRI胶质瘤分割与分类中的应用进行系统性综述和批判性评估	聚焦2022年至2025年的最新研究，系统性评估了不同深度学习架构（包括经典U-Net和带有残差/注意力机制的模型）在胶质瘤分割与分类中的性能差异，并强调标准化验证和可解释性的重要性	各研究间肿瘤亚区域性能差异大、缺乏外部验证、依赖公开数据集、预处理流程不统一，以及可解释性方法的证据有限	系统评估深度学习方法在脑肿瘤分割与分类中的应用现状，识别方法学差异并指出临床转化的障碍	多参数MRI的脑肿瘤图像，特别是胶质瘤的分割与分类研究	计算机视觉, 数字病理学	脑肿瘤（胶质瘤）	多参数MRI	CNN（U-Net及其变体、带有残差或注意力机制的模型）	图像（多参数MRI）	31项研究（从310篇记录中筛选），其中8项同时涉及分割与分类	NA	U-Net, 残差网络, 注意力机制模型	Dice相似系数（DSC）、准确率、敏感度、特异度	NA
1926	2026-05-30	Automatic Grade Classification in Prostate Histopathological Images Using EfficientNet and Ordinal Focal Loss 2026-Apr-26, Bioengineering (Basel, Switzerland) DOI:10.3390/bioengineering13050503 PMID:42194261	研究论文	提出基于EfficientNet结合序数焦点损失的深度学习流程，用于前列腺组织病理图像中的ISUP分级自动分类	将序数回归与Focal Loss整合为混合损失函数，并采用基于熵的噪声过滤策略去除高不确定性样本	实验仅在PANDA数据集上验证，未在其他独立数据集上测试其泛化能力	提高前列腺癌ISUP分级自动分类的准确性，减少因类别相似、样本不平衡和标签噪声带来的误分类	前列腺组织病理图像中的ISUP分级组	数字病理学	前列腺癌	深度学习	EfficientNet卷积神经网络	组织病理图像	PANDA数据集	PyTorch	EfficientNet	Cohen's Kappa系数（κ）, 准确率（Accuracy）	NA
1927	2026-05-30	Impact of Trait Measurement Error on Quantitative Genetic Analysis of Computer Vision-Derived Traits 2026-Apr-24, Genes IF:2.8Q2 DOI:10.3390/genes17050506 PMID:42194963	研究论文	探讨计算机视觉衍生性状测量误差对猪体重定量遗传分析的影响	首次系统评估图像衍生表型中测量误差的遗传性及其对遗传分析结果的潜在偏差	未提及具体局限性	研究动物表型测量误差对定量遗传分析结果的影响	猪的体重（BW）	计算机视觉	NA	计算机视觉算法	深度学习回归模型	图像	未明确提及样本数量	NA	NA	决定系数、拟合优度	NA
1928	2026-05-30	Deep Learning-Guided Engineering of Bst DNA Polymerase Improves LAMP-Based Detection of Foodborne Pathogens 2026-Apr-23, Microorganisms IF:4.1Q2 DOI:10.3390/microorganisms14050954 PMID:42197341	研究论文	本研究结合深度学习与半理性设计策略，改造Bst DNA聚合酶，提升基于LAMP的食源性病原体检测性能	首次将深度学习引导的蛋白质工程与融合蛋白技术结合，开发出热稳定性增强、抑制剂耐受性提高的CL7-L105M突变体，显著提升LAMP检测的灵敏度和便携性	未提及在复杂真实食品基质中的验证，且仅针对单一病原体（大肠杆菌O157:H7）进行检测	开发高性能DNA聚合酶，用于快速、灵敏、现场部署的LAMP食源性病原体检测	Bst DNA聚合酶及其突变体（A0A150MFP3、L105M、CL7-突变体）	机器学习, 数字病理学（注：实际为生物技术，但根据选项选择"机器学习"）	食源性疾病（如大肠杆菌O157:H7感染）	LAMP（环介导等温扩增），高通量筛选，融合蛋白工程	深度学习模型（未具体说明架构，如CNN）	序列数据（蛋白质序列），实验数据（酶活性、热稳定性等）	未明确样本数量，仅涉及大肠杆菌O157:H7的纯化和粗提DNA检测	未明确提及，可能包括深度学习框架（如TensorFlow或PyTorch）	未明确指定深度学习模型架构	酶活性增加率（32.92%），Tt值，检测限（1×10^4 CFU/mL）	未提及
1929	2026-05-30	Development and validation of the IVENUS artificial intelligence model for automated CEAP classification of early-stage chronic venous disease using lower limb photographs 2026-Apr-21, Journal of vascular surgery. Venous and lymphatic disorders DOI:10.1016/j.jvsv.2026.102503 PMID:42025953	研究论文	开发并验证基于下肢照片自动进行早期慢性静脉疾病CEAP分级的IVENUS人工智能模型	首次利用深度学习模型（基于Swin Transformer V2架构）从下肢照片中自动分类早期CVD的CEAP临床分级（C0-C2），并展示了高诊断价值	未提及具体限制，但可能包括数据集的多样性（仅来自俄罗斯诊所）和模型对极端条件的鲁棒性未测试	开发和验证一个AI模型，以从下肢照片中准确分类早期慢性静脉疾病的CEAP临床分级	早期慢性静脉疾病患者的下肢照片	计算机视觉, 数字病理学	慢性静脉疾病	智能手机和专业相机摄影	深度学习模型（Swin Transformer V2）	图像（下肢照片）	10,745张下肢照片，包含C0期673条腿、C1期4445条腿、C2期5627条腿；外部验证子集1622张照片	PyTorch	Swin Transformer V2	准确率, 精确率, 召回率（灵敏度）, 特异度	NA
1930	2026-05-30	A Transformer-Residual Network-Integrated Deep Learning Model for Digital Pathology-Based Grading and Risk Stratification of Metabolic Dysfunction-Associated Steatotic Liver Disease-Related Liver Fibrosis 2026-Apr-20, Clinical and translational gastroenterology IF:3.0Q2 DOI:10.14309/ctg.0000000000001017 PMID:42007561	研究论文	开发并验证了一种结合Transformer和残差网络的深度学习模型，用于基于数字病理图像的MASLD相关肝纤维化分级和风险分层	首次将Transformer与残差网络架构集成应用于MASLD肝纤维化的数字病理分级，并通过可解释性分析支持病理辅助决策	需要整合临床风险因素并在纵向结局框架中进行验证	开发用于MASLD相关肝纤维化自动分级和病理表型识别的深度学习模型	人类肝活检组织的马森染色数字病理图像	数字病理学	代谢功能障碍相关脂肪性肝病	数字病理成像	Transformer-残差网络集成模型	图像	467例肝活检标本（来自Duke 338例、MHH 72例、BI-int 57例）	PyTorch	Transformer, ResNet, 1×1步进卷积, 多头自注意力	准确率, 混淆矩阵, 连续AI评分, 梯度加权类激活映射	NA
1931	2026-05-30	Combining structural modeling and deep learning to calculate the E. coli protein interactome and functional networks 2026-Apr-11, Nature communications IF:14.7Q1 DOI:10.1038/s41467-026-71166-9 PMID:41965370	研究论文	结合结构建模与深度学习，在大肠杆菌蛋白质组范围内预测蛋白质二元复合物，构建相互作用组与功能网络	首次整合三种互补的蛋白质相互作用预测方法（基于结构的PrePPI、基于蛋白质语言模型的Topsy-Turvy和基于进化信息的ZEPPI），并利用AF3Complex算法对374个蛋白对进行结构预测，实现了对大肠杆菌蛋白质相互作用组的高置信度构建与功能子网络聚类	NA	开发并验证一种整合多种预测方法的高精度蛋白质相互作用预测框架，用于重建大肠杆菌蛋白质相互作用组及功能网络	大肠杆菌的蛋白质二元相互作用对及功能子网络	自然语言处理, 机器学习	NA	蛋白质结构建模, 蛋白质语言模型, 进化信息分析	蛋白质语言模型, 三维结构预测模型	蛋白质序列数据, 三维结构数据, 进化信息数据	高质量的HINT数据库中的二元PPI数据以及374个经AF3Complex结构预测的蛋白对	NA	PrePPI, Topsy-Turvy, ZEPPI, AF3Complex	预测性能（优于单一组件的置信度评估）	NA
1932	2026-05-30	Artificial intelligence in microbiology: implications for metagenomics, diagnostics, and AMR surveillance 2026-Apr-11, Biomedical engineering online IF:2.9Q3 DOI:10.1186/s12938-026-01568-9 PMID:41965741	综述	综述人工智能在微生物学中的应用，特别是对宏基因组学、诊断和抗菌素耐药性监测的影响	重点讨论了深度学习、基于Transformer的序列模型、图神经网络和多模态架构在微生物分类、耐药基因检测和耐药性预测中的最新进展，并强调了可解释AI技术的应用	存在数据集变异、模型对数据集的依赖性、可解释性不足和监管审批问题	综述AI辅助微生物学的最新进展，重点关注抗菌素耐药性监测	微生物基因组、宏基因组、临床数据及抗菌素耐药性相关基因和表型	机器学习, 自然语言处理	感染性疾病	宏基因组测序	深度学习, Transformer, 图神经网络, 多模态架构	基因组数据, 宏基因组数据, 临床数据	NA	NA	NA	NA	NA
1933	2026-05-30	Utilizing deep learning algorithms and artificial neural networks to forecast the viscosity, thermal conductivity, and electrical conductivity of Fe3O4/TiO2 magnetic hybrid nanofluid 2026-Apr-06, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-45886-3 PMID:41942598	研究论文	利用机器学习算法预测Fe₃O₄/TiO₂磁性混合纳米流体的粘度、热导率和电导率	首次将多元多项式回归模型与多目标灰狼优化器结合，用于同时预测和优化纳米流体的多种热物理性质	NA	预测并优化Fe₃O₄/TiO₂磁性混合纳米流体的热物理性质	Fe₃O₄/TiO₂磁性混合纳米流体	机器学习	NA	NA	多元多项式回归、高斯过程回归、多元线性回归、支持向量回归、多层感知器	实验数据	温度范围10-50°C，体积分数0-0.3%	Scikit-learn	MPR, GPR, MLR, SVR, MLP	相关系数、均方根误差	NA
1934	2026-05-30	Real-time deep learning interpretation of echocardiographic video for automated detection of anatomical features associated with tetralogy of fallot in pediatric patients : a feasibility study 2026-Apr-05, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-45943-x PMID:41936642	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
1935	2026-05-30	Malignant vs. Non-malignant Annotations on TCGA Breast Cancer Whole Slide Images for AI Analysis 2026-Apr-02, Scientific data IF:5.8Q1 DOI:10.1038/s41597-026-07106-5 PMID:41922381	研究论文	在TCGA乳腺癌全切片图像上生成恶性和非恶性注释，用于AI分析	利用专家病理学家手动注释及独立复核，生成高质量注释；结合对比-监督混合机器学习流水线进行质量验证，F1分数达0.90	NA	为乳腺癌组织病理学的AI模型提供高质量注释数据集	乳腺癌全切片图像中的恶性和非恶性区域	数字病理学	乳腺癌	全切片成像	对比-监督混合机器学习模型	图像	50张TCGA乳腺癌全切片图像，包含1,882个恶性注释和374个非恶性注释	NA	NA	F1分数	NA
1936	2026-05-30	Clinical Grading of Artificial Intelligence-Based 3D Fetal Brain Segmentations: A Cross-Vendor Evaluation of Deep Learning in Fetal Neuroimaging 2026-04, Prenatal diagnosis IF:2.7Q2 DOI:10.1002/pd.70103 PMID:41761049	研究论文	评估基于深度学习的三维胎儿脑部分割方法在不同超声设备商数据集上的表现，并提出一种临床医生导向的视觉评估框架	引入临床医生导向的视觉评估框架作为Dice相似系数的补充，评估深度学习模型在不同超声设备商数据集上的跨设备稳健性	未提及具体限制	评估自动胎儿脑(亚)皮质分割方法在不同超声设备商数据集上的性能，并引入临床导向的视觉评估框架	141个胎儿（19至26+6孕周）的270个体积超声图像	数字病理学	无特定疾病	3D超声成像	深度学习模型	3D超声图像	270个体积（141个胎儿，孕周19-26+6）	NA	NA	Dice相似系数, 视觉分级（1-4级）, 观察者间一致性	NA
1937	2026-05-30	An end-to-end generalizable deep learning framework to comprehensively analyze transcriptional regulation 2026-04-01, Nature communications IF:14.7Q1 DOI:10.1038/s41467-026-70070-6 PMID:41922356	研究论文	介绍BioSeq2Seq，一个端到端的可泛化深度学习框架，通过整合进化保守的DNA序列特征、细胞系特异性转录活性和方向性，推断用于基因组注释的分子检测结果	提出三模态输入（DNA序列、转录活性、方向性）结合梯度引导架构优化的深度学习框架，实现跨任务的通用基因组注释，显著降低实验成本	未提及在跨物种或复杂疾病场景下的泛化性能，且依赖单细胞系输入数据可能限制对组织特异性调控的全面解析	开发一种高效低成本的基因组注释方法，替代传统多分子实验重复工作	基因转录调控机制及基因组功能元件注释	机器学习, 自然语言处理	NA	深度测序	深度学习模型	DNA序列、转录活性数据	NA	PyTorch	BioSeq2Seq	准确率, 改善率	NA
1938	2026-05-30	GCNPath: introspecting drug response prediction with pathway-guided graph convolution networks 2026-Apr-01, Communications biology IF:5.2Q1 DOI:10.1038/s42003-026-09957-5 PMID:41922495	研究论文	提出一种结合图卷积网络与路径特征降维的模型GCNPath，用于药物反应预测	首次系统性基准测试验证模型架构与性能的关系，并展示对未见药物和批次效应的鲁棒性	未说明具体限制	开发能适应多样化组学数据集、具实际可用性的药物反应预测模型	癌症细胞系的多组学数据及药物反应	机器学习	癌症	基因表达谱、多细胞组学平台	图卷积网络 (GCN)	组学数据（RNA数据等）	未说明具体样本量	PyTorch	GCN	预测未见药物性能、批次效应克服能力	NA
1939	2026-05-30	Prognostic value of end-to-end deep learning assessment of myocardial scar and microvascular obstruction on late gadolinium enhancement cardiovascular magnetic resonance 2026-Mar-12, Journal of cardiovascular magnetic resonance : official journal of the Society for Cardiovascular Magnetic Resonance IF:4.2Q1 DOI:10.1016/j.jocmr.2026.102712 PMID:41831720	研究论文	开发和验证一种用于心肌瘢痕和微血管梗阻自动分割的端到端深度学习管道LGE-CMRnet，并评估其在急性心肌梗死患者中的预后价值	提出LGE-CMRnet，整合YOLOv8和nnU-Net进行全自动心肌瘢痕和微血管梗阻分割，并在预后价值上达到与专家分析相当的水平	样本量有限（567名患者），且为单中心研究，可能需要更多外部验证	评估LGE-CMRnet在急性心肌梗死患者中自动分割心肌瘢痕和微血管梗阻的预后价值	急性心肌梗死患者	数字病理学	心血管疾病	心脏磁共振（LGE CMR）	YOLOv8和nnU-Net	图像	567名AMI患者（409名用于训练/内部压力测试；158名用于外部测试），共3874张LGE图像	PyTorch	YOLOv8, nnU-Net	Dice相似系数（DSC）、相关系数、Bland-Altman分析、Cox回归、C指数	未明确提及但对推理而言快速处理（每张图像0.05秒）
1940	2026-05-30	Deep Learning for Standardized Head CT Reformatting: A Quantitative Analysis of Image Quality and Operator Variability 2026-03, Journal of the American College of Radiology : JACR IF:4.0Q1 DOI:10.1016/j.jacr.2025.09.016 PMID:40998241	研究论文	验证深度学习基础模型在自动头部CT重建中的表现，并量化手动重建的质量和变异	首次使用单一深度学习基础模型实现自动头部CT重建，并利用该模型作为参考标准在大规模真实世界数据集中评估手动重建的质量和速度	未提及具体限制	验证深度学习模型自动头部CT重建的图像质量和操作者变异	1,763例连续非增强头部CT检查中的自动和手动重建结果	机器学学习	无特定疾病	非增强头部CT	深度学习基础模型	图像	1,763例非增强头部CT检查，其中100例用于模型验证	NA	NA	地标定位误差、旋转误差、中心误差、缩放误差	NA