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
1	2026-08-31	Challenges and future directions in AI-driven biomaterials for microbiome-associated oral infectious diseases: A systematic review 2026-Oct, Dental materials : official publication of the Academy of Dental Materials IF:4.6Q2 DOI:10.1016/j.dental.2026.04.025 PMID:42086397	系统综述	本研究系统综述了人工智能驱动的生物材料在微生物组相关口腔感染性疾病中的应用，涵盖核心机制、技术瓶颈及未来方向	首次系统整合AI在口腔生物材料设计、性能预测和动态调控方面的应用，提出精准传感-响应回路和多机制协同生物膜破坏策略	未明确指出具体局限性	综述AI驱动的生物材料在微生物组相关口腔感染性疾病中的研究进展，并分析其挑战与未来方向	微生物组相关口腔感染性疾病（龋病、牙周炎、种植体周炎、根管感染）及AI驱动的口腔生物材料	材料科学与人工智能交叉领域	口腔感染性疾病	机器学习、深度学习、多物理场模拟	NA	文本数据（文献数据）	99篇文献	NA	NA	NA	NA
2	2026-08-31	Deep learning-based motion correction: cardiac motion artifact and image quality improvements on chest CT 2026-Sep, Japanese journal of radiology IF:2.9Q2 DOI:10.1007/s11604-026-01986-8 PMID:42156667	研究论文	本文评估了基于深度学习的运动校正算法CLEAR Motion在胸部CT中减少心脏运动伪影和改善图像质量的效果。	首次临床评估CLEAR Motion算法在胸部CT中的应用，该算法通过深度学习显著减少心脏运动伪影并改善图像质量。	研究样本量较小（56例），且仅限于非心电图门控的胸部CT扫描。	确定CLEAR Motion算法在胸部CT肺窗设置中改善图像质量的效用。	56例患有各种胸部疾病的患者，接受非心电图门控的胸部螺旋CT检查。	医学影像	胸部疾病	CT成像	深度学习模型	图像（CT图像）	56例患者	NA	NA	定性指标，包括心肺部边缘距离（CPED）、斜率（CPES）、总体图像质量、心脏运动伪影、区域可见性。	NA
3	2026-08-31	Performance of Deep Learning Reconstruction for Detection of Early Ischemic Changes in NCCT: Comparison with ASIR-V in Acute Stroke 2026-Sep, Clinical neuroradiology IF:2.4Q2 DOI:10.1007/s00062-026-01645-5 PMID:41954793	研究论文	本研究评估了深度学习重建（DLIR）与自适应统计迭代重建-Veo（ASIR-V）在非对比CT（NCCT）中检测急性卒中早期缺血性变化的性能，包括图像质量和诊断准确性。	首次比较DLIR与ASIR-V在急性卒中NCCT中检测早期缺血性变化的效果，并探讨其对ASPECT评分的影响。	样本量有限，且为回顾性研究，可能限制统计效能；主观评估可能受读者经验影响。	评估DLIR对急性卒中患者NCCT图像质量和早期缺血性变化检测能力的影响，并与ASIR-V进行比较。	急性卒中疑似患者，症状发作后6小时内接受NCCT检查的图像。	计算机视觉、医学影像	急性卒中	非对比计算机断层扫描（NCCT）	深度学习重建（DLIR）模型	医学图像（NCCT）	未具体说明，但为连续患者，具体数量在摘要中未提供	NA	深度学习重建（DLIR）架构，具体未指定	准确性、敏感性、特异性	未具体说明
4	2026-08-31	Automated Deep Learning-Based Demyelination Load Segmentation in Metachromatic Leukodystrophy 2026-Sep, Clinical neuroradiology IF:2.4Q2 DOI:10.1007/s00062-026-01652-6 PMID:42012644	研究论文	本研究开发并验证了一种基于深度学习的自动化分割方法，用于异染性白质营养不良症中脱髓鞘白质的定量分析	首次将自配置卷积神经网络应用于MLD脱髓鞘负荷的自动化分割，并证明其优于传统半自动方法	研究依赖于特定MRI序列，且样本量相对较小	开发并验证用于MLD脱髓鞘白质自动分割的深度学习方法，并评估其与传统半自动方法的性能差异	35名MLD患者的189个3D T1和轴位T2加权扫描，以及49名患者的130个独立测试扫描	机器学习	异染性白质营养不良症	MRI成像	CNN	医学影像	训练集：189个扫描（35名患者）；测试集：130个扫描（49名患者）	NA	nnU-Net	Dice系数，Bland-Altman偏差，Spearman相关系数	NA
5	2026-08-31	Fully automated three-dimensional deep learning-based magnetic resonance imaging segmentation of brain cavities in epilepsy surgery 2026-Aug, Epilepsia IF:6.6Q1 DOI:10.1002/epi.70296 PMID:42284022	研究论文	开发并评估了一种基于深度学习的自动分割工具ResectVol DL，用于癫痫手术后的脑切除腔MRI分割	提出了一种全自动、基于三维深度学习的MRI分割方法，并首次在癫痫手术后切除腔分割中验证其性能优于现有自动方法	应用于手术结果预测模型尚未验证，且训练数据仅来自单中心	开发并基准测试一种免费的、基于深度学习的自动分割工具ResectVol DL，以精确分割癫痫手术后切除的脑组织	癫痫手术患者术后T1加权MRI图像，以及健康对照和脑肿瘤患者的MRI图像用于泛化性测试	医学影像分析	癫痫	MRI	UNet	MRI图像	120例癫痫患者（训练72例，测试48例），外加42例（22例健康对照，20例脑肿瘤病例）	NA	UNet	Dice相似系数，Pearson相关系数，相对体积差异	NA
6	2026-08-31	Multimodality Artificial Intelligence for Involved-Site Radiation Therapy: Clinical Target Volume Delineation in High-Risk Pediatric Hodgkin Lymphoma 2026-07-01, International journal of radiation oncology, biology, physics DOI:10.1016/j.ijrobp.2025.12.005 PMID:41391612	研究论文	开发并评估了集成多模态成像的深度学习模型，用于自动勾画高危儿童霍奇金淋巴瘤受累野放疗的临床靶体积	首次将多时间点PET/CT图像与计划CT结合，用于自动化CTV勾画，并采用多种深度学习架构比较，其中SwinUNETR表现最佳	未提及具体的局限性	开发自动CTV分割算法，整合多模态影像以促进受累野放疗计划制定，提高医生效率	高危儿童霍奇金淋巴瘤患者的临床靶体积	计算机视觉, 数字病理学	儿童霍奇金淋巴瘤	PET/CT成像	深度学习模型	医学影像（计划CT、基线PET/CT、中期PET/CT）	288例患者，其中外部测试58例，开发230例	NA	SegResNet, ResUNet, SwinUNETR	Dice相似系数, 95%豪斯多夫距离	NA
7	2026-08-31	drGT: interpretable drug response prediction with attention-guided gene attribution on a drug-cell-gene heterogeneous graph 2026-Jun-16, BMC bioinformatics IF:2.9Q1 DOI:10.1186/s12859-026-06417-z PMID:42304175	研究论文	提出drGT，一种基于药物-细胞-基因异构图和注意力引导基因归因的可解释药物反应预测模型	将注意力系数与机制导向的可解释性相结合，实现了预测与生物学解释的统一	未在论文中明确提及局限性	提高药物反应预测的准确性并提供生物学上合理的预测特征解释	药物、基因、细胞系，以及GDSC、NCI60、CTRP数据集	机器学习, 图学习	癌症	文本挖掘（PubMed）	异构图深度学习模型	文本, 图结构数据	GDSC、NCI60、CTRP数据集，976种具有已知药物-靶点相互作用的药物	NA	异构图神经网络	AUROC, R^2, 回归性能	NA
8	2026-08-31	Hybrid deep learning ensemble model for detecting small to medium rotator cuff tears from shoulder radiographs 2026-Jun-16, Journal of orthopaedic surgery and research IF:2.8Q1 DOI:10.1186/s13018-026-06890-5 PMID:42298598	研究论文	开发了一种混合深度学习集成模型，用于从肩关节X光片中检测小型到中型的肩袖撕裂，并评估其性能。	通过多数投票策略整合三种预训练深度学习模型（ResNet-50, ResNet-101, InceptionV3），形成混合集成模型，以提高对小型到中型肩袖撕裂的检测准确性。	研究为回顾性研究，证据级别为III；样本量有限（587张X光片），且测试集结果可能受数据分布影响。	探索深度学习模型在初步评估肩袖撕裂中的应用，以避免不必要的先进成像并加快患者护理。	肩关节X光片，来自患有小型到中型肩袖撕裂的患者和无肩袖撕裂的患者。	计算机视觉	肩袖撕裂	NA	深度学习模型（集成模型）	图像（肩关节X光片）	587张肩关节X光片（339张来自小型到中型肩袖撕裂患者，248张无撕裂），其中训练集406张，验证集101张，独立测试集80张。	NA	ResNet-50, ResNet-101, InceptionV3	准确率、精确率、召回率（灵敏度）、特异度、F1分数、AUC（AUROC）	NA
9	2026-08-31	Research on comprehensive drought index prediction model based on CNN-LSTM 2026-Jun-13, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-50694-w PMID:42288522	研究论文	本研究基于CNN-LSTM混合模型预测区域综合干旱指数（RSDI），提高了鄂尔多斯地区干旱预测的准确性	采用随机森林构建区域综合干旱指数（RSDI），并结合CNN-LSTM混合模型进行预测，相比单一模型显著降低了预测误差	未明确提及研究的局限性	提高区域干旱指数的预测精度，为鄂尔多斯地区干旱监测和预测提供技术参考	鄂尔多斯地区2001-2020年的干旱情况，涉及温度、降水、NDVI、地表土壤湿度、土地利用类型和DEM等变量	机器学习	NA	随机森林	CNN, LSTM, CNN-LSTM	时间序列数据	2001-2020年（20年）的监测数据，其中2001-2016年用于训练和验证，2017-2020年用于测试	NA	CNN, LSTM, 混合CNN-LSTM	均方根误差（RMSE）、平均绝对误差（MAE）、相关系数（r）	NA
10	2026-08-31	An intelligent ethereum blockchain technology for pest detection and smart irrigation in IoT using hybrid deep learning model 2026-Jun-13, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-55818-w PMID:42288532	研究论文	本研究探讨将物联网与区块链技术结合，以提升智能农业系统的效率，重点聚焦于植物病害分类、害虫检测和智能灌溉。	提出了一种基于以太坊区块链和混合卷积自适应循环MobileNet（HC-ARMNet）模型，并利用改进的秘书鸟优化（ISBO）算法进行参数优化的智能农业框架。	未来工作需要改进特征提取策略以减少处理时间。	开发一个安全有效的基于物联网的智能农业框架，用于植物病害分类、害虫检测和智能灌溉。	植物病害、害虫和灌溉相关领域图像和数据。	物联网	植物病害	NA	混合深度学习模型	图像和传感器数据	使用了三个标准数据集，包括PlantifyDr数据集、害虫检测数据集以及手动收集的田间图像。	NA	HC-ARMNet（结合1D/2D卷积和循环连接）	准确率、精确率、FNR率、灵敏度、特异性、均方误差（MSE）、对称平均绝对百分比误差（SMAPE）、平均绝对缩放误差（MASE）	NA
11	2026-08-31	Deep learning model for real time moisture content detection and prediction in white tea withering using near infrared spectroscopy 2026-Jun-13, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-57739-0 PMID:42288587	研究论文	提出了一种新型深度学习模型STA-BiGRU-XGBoost，利用近红外光谱实时检测和预测白茶萎凋过程中的水分含量	将时空注意力机制、双向门控循环单元和XGBoost算法集成于一体，结合最大相关最小冗余算法进行特征选择，以提高白茶萎凋过程中水分含量预测的稳定性和准确性	验证仅在特定生产季节和鲜叶来源区域进行，跨地理来源、品种和极端天气条件的泛化能力需要进一步验证	利用近红外光谱技术，开发一种能实时检测和预测白茶萎凋过程中水分含量的深度学习模型	白茶萎凋过程中的水分含量及相关的近红外光谱数据和环境变量	机器学习	不适用	近红外光谱	深度学习模型（混合模型，包含BiGRU和XGBoost）	光谱数据及环境变量（热风速度、风道温度、光谱吸光度）	生产线上收集的数据集，来自2025年3月至5月政和县的茶叶生产季	不适用	BiGRU, XGBoost	均方根误差（RMSE）、平均绝对误差（MAE）、R²	不适用
12	2026-08-31	MAE-YOLO improves small object detection for intelligent inspection 2026-Jun-13, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-57661-5 PMID:42288606	研究论文	提出了一种名为MAE-YOLO的智能检测模型，通过多尺度边缘空间特征提取、自适应多尺度上下文融合网络和自适应空洞共享检测头，提高了小目标检测的准确率并降低了计算复杂度。	创新性地结合多尺度边缘空间特征提取模块（MSESTE）、自适应多尺度上下文融合网络（AMCFN）和自适应空洞共享检测头（ELCIN），在保持轻量化的同时增强小目标检测精度。	摘要中未明确提及局限性。	提高复杂背景下小目标检测的准确率，同时降低模型计算复杂度和参数量，以满足实际应用的实时性要求。	工业场景中的小目标检测，如电力设施维护、交通管理和工业设备维护中的小尺寸目标。	计算机视觉	不适用	深度学习目标检测技术	YOLO改进模型	图像	VisDrone2019数据集和自采集数据集	PyTorch（推测，因提供源码）	基于YOLOv8n的改进架构，具体包括MSESTE、AMCFN和ELCIN模块	mAP@50	未提及具体GPU型号，但模型体积仅4.7MB，轻量化设计
13	2026-08-31	Deep learning based apple leaf disease detection using spatially modulated continuouslayer 2026-Jun-13, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-57763-0 PMID:42288613	研究论文	本文介绍了一种基于自定义连续层（ContinuousLayer）的深度学习框架，用于苹果叶片病害检测，实现了高精度的分类	提出了空间自适应卷积层ContinuousLayer，利用可训练的高斯基函数进行空间特征调制，并通过混合复合损失函数惩罚核不规则性，克服了标准CNN的局限	研究在受控环境中进行，可能未考虑田间复杂背景和光照变化等实际条件	实现苹果叶片病害的早期准确检测，以支持可持续农业中的精准农业应用	苹果叶片图像，包括黑腐病、锈病、疮痂病和健康叶片	计算机视觉	植物病害（苹果叶片病害）	图像分类	卷积神经网络 (CNN)	图像	3,164张图像，其中10%作为测试集	未明确提及，推测使用深度学习框架如TensorFlow或PyTorch	ContinuousLayer（自定义卷积层）	准确率, F1-score	未明确提及，可能使用单个GPU（如NVIDIA RTX系列）
14	2026-08-31	Integrating AI for sustainable architectural space optimization and heritage-conscious street design 2026-Jun-13, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-56501-w PMID:42288626	研究论文	提出一个AI驱动的框架，用于优化历史文化街区空间布局，同时保护遗产价值，结合深度学习、图技术和强化学习应对城市挑战。	结合CNN、GNN和RL，提供动态数据驱动方法，适应实时变化，平衡现代化与历史真实性。	未明确说明	优化历史文化街区空间布局，提升可持续性，同时保护遗产价值。	具有历史意义的城市街道空间	计算机视觉、机器学习	不适用	不适用	CNN、GNN、RL	图像、网络数据、环境数据	未明确说明	未明确说明	CNN、GNN、强化学习模型	拥堵减少率、绿色空间增加率、行人可达性提升率	未明确说明
15	2026-08-31	Deep learning-based artificial intelligence can improve the diagnosis of small bowel obstruction: stratified comparison study and hierarchical Bayesian model 2026-Jun-13, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-57999-w PMID:42288632	研究论文	本研究开发了一种基于深度学习的AI技术，用于从增强CT图像中自动提取扩张肠段，并评估其在提高小肠梗阻诊断准确性方面的潜力	开发了一种自动提取扩张肠段的AI技术，并通过分层比较研究和分层贝叶斯模型评估其对不同经验水平医生（住院医师和外科医生）诊断小肠梗阻的改善效果	研究未提及明确的局限性	提高小肠梗阻的诊断准确性，特别是在急诊科环境中，并减少诊断所需时间	小肠梗阻患者，包括158次增强CT检查和5200张标注图像，以及30名疑似SBO患者的CT图像作为测试集	医学影像分析	小肠梗阻	增强CT成像	深度学习模型（未具体说明，可能为卷积神经网络）	图像（CT图像）	158次增强CT检查（5200张标注图像）和30名疑似小肠梗阻患者的CT图像	未提及	未明确指定，但可能包括U-Net或类似分割网络	精确率、召回率、Dice得分、正确诊断率、比值比、95%可信区间	未提及
16	2026-08-31	KAN-PROSPECT: a Kolmogorov-Arnold Networks-integrated framework for predicting the effects and adverse reactions of natural products via transfer learning 2026-Jun-13, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-57761-2 PMID:42288645	研究论文	提出KAN-PROSPECT，一种结合迁移学习和Kolmogorov-Arnold网络的深度学习框架，用于基于分子SMILES表示预测天然产物的疗效和不良反应	首个将迁移学习与KAN架构统一用于天然产物双标签预测的框架，并在少样本和零样本场景中表现出色	未提及具体限制，但可能受限于数据规模和模型的可解释性	开发一个能够同时预测天然产物疗效和不良反应的深度学习模型，解决现有模型泛化能力有限的问题	天然产物，包括来自MEC和NPASS数据库的化合物，以及以淫羊藿中的淫羊藿素为代表案例	深度学习	NA	SMILES表示，迁移学习	KAN	分子结构数据（SMILES）	约3800种药物用于预训练，400种天然产物用于微调	NA	KAN	准确性，鲁棒性	NA
17	2026-08-31	Advancing biomedical data analytics using explainable neural network-based learning model for progressive neurodegenerative disorder diagnosis 2026-Jun-13, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-57800-y PMID:42288682	研究论文	提出一种可解释的神经网络驱动学习模型（XNNLM-NDD），用于进行性神经退行性疾病（如亨廷顿病）的诊断	采用最小冗余最大相关性与ReliefF混合特征选择、特征分词器-变换器模型以及Cycle-Norm-Adam优化算法，并结合SHAP可解释性方法，提高诊断准确性和模型透明度	未提及	开发一个可解释的深度学习模型，以高效分析临床特征并进行精确的神经退行性疾病诊断	亨廷顿病患者的临床数据	机器学习	亨廷顿病	NA	特征分词器-变换器模型	结构化临床数据	NA	NA	Transformer	准确率	NA
18	2026-08-31	Visual deep learning approaches for alphabetic sign language interpretation 2026-Jun-13, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-57945-w PMID:42288698	研究论文	本文研究基于视觉深度学习方法从图像数据解释手语字母，系统评估多种迁移学习卷积神经网络的性能，以提升助残技术的可及性	提出统一评估框架比较多种先进架构，并发现ConvNeXtXLarge在字母级手语识别中达到最高准确率，为模型选择提供实用洞见	研究仅使用基准美国手语数据集，未涉及真实场景中的复杂背景或动态手势变化	探索视觉深度学习方法在字母级手语识别中的有效性，并构建评估框架以指导模型选择	美国手语字母数据集中的手语手势图像	计算机视觉	NA	迁移学习	卷积神经网络	图像	基准美国手语字母数据集（具体样本数未在标题和摘要中提及）	NA	ConvNeXtXLarge, EfficientNet, VGG19, ResNet-50	准确率	NA
19	2026-08-31	Hybrid metaheuristic feature selection for breast cancer detection in digital mammography: a radiomics and deep learning pilot feasibility study 2026-Jun-13, BMC medical imaging IF:2.9Q2 DOI:10.1186/s12880-026-02507-9 PMID:42288782	研究论文	本研究开发了一种结合影像组学与深度学习特征的混合元启发式特征选择框架，并在小规模乳腺X线摄影试点及合成数据集上进行了可行性评估	提出了一种混合蝗虫优化算法与乌鸦搜索算法（GOA-CSA），并引入了多约束适应度函数，能够有效结合影像组学与深度学习特征进行特征选择	真实数据样本量较小（n=22），限制了性能评估的可靠性；防坍塌惩罚项未在真实数据上触发验证，缺乏外部验证	评估混合元启发式特征选择框架在乳腺癌检测中的方法学可行性，并测试其在易坍塌条件下的性能	乳腺X线摄影中的病灶感兴趣区域（ROI）	数字病理学	乳腺癌	影像组学、深度学习特征提取（基于EfficientNet-B5模型）	多层感知机（MLP）分类器、混合优化算法（GOA-CSA）	图像（乳腺X线摄影）	CBIS-DDSM数据集中的22个样本（试点子集）及合成数据集（N=16，D=1114）	NA	EfficientNet-B5	AUC, 灵敏度	NA
20	2026-08-31	Content matters, context matters: unraveling behavior dynamics in an online health community for tobacco cessation 2026-Jun, JAMIA open IF:2.5Q3 DOI:10.1093/jamiaopen/ooag068 PMID:42181702	研究论文	本研究通过混合方法分析在线戒烟健康社区中的信息传播模式，结合大型语言模型和社会网络分析，探究交流内容与情境对戒烟行为的影响	创新地将理论丰富的大型语言模型与社会网络分析相结合，用于识别在线健康社区中潜在的同伴互动模式及戒烟行为动态	摘要未提及局限性	考察在线健康社区中与烟草使用相关的沟通内容及情境特定信息扩散模式	在线戒烟论坛QuitNet的成员及其交流信息	自然语言处理, 社会网络分析	烟草依赖	大型语言模型、社会网络分析、随机行为者导向模型	大型语言模型、随机行为者导向模型	文本数据（论坛消息）	64,632名成员，2.39百万条论坛消息（2000-2015），三个波次分别有3,055、2,475和2,289名成员	NA	大型语言模型（具体架构未提及）	F1-score	NA