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	2026-10-19	Decoding morality through EEG with ML: rigour, risks, and the road ahead 2026-Dec, Cognitive neurodynamics IF:3.1Q2 DOI:10.1007/s11571-026-10559-4 PMID:42889215	综述	系统综述了2018至2025年间使用机器学习或深度学习解码脑电图道德认知的17项实证研究。	首次系统梳理脑电图道德认知机器学习研究，并提出多模态融合、迁移学习及标准化可解释性报告三大方法学改进方向。	仅纳入四个电子数据库的17项研究，可解释性分析覆盖不足，且未进行定量元分析。	评估机器学习在脑电图道德认知研究中的应用现状、风险与方法学缺口。	2018至2025年发表的基于脑电图与机器学习/深度学习的道德认知实证研究。	机器学习	NA	脑电图	传统机器学习, 深度学习	脑电信号	17项实证研究	NA	NA	NA	NA
2	2026-10-19	Pediatric chronological age estimation from pelvic radiographs using deep learning: a multicenter retrospective study 2026-Oct-17, European radiology IF:4.7Q1 DOI:10.1007/s00330-026-12951-4 PMID:42891710	研究论文	该研究开发并验证了一种基于DenseNet161的深度学习模型，通过骨盆X线片估计0-18岁儿童的实际年龄	首次在整个儿科年龄范围内利用骨盆X线片进行自动年龄估计，采用条件序数回归损失函数（CORN）处理年龄分类任务，并使用多中心外部验证队列评估模型泛化能力	回顾性研究设计可能存在选择偏倚；外部验证集年龄分布未详细说明；模型在不同性别和年龄段的表现存在差异；未与其他骨骼成熟度评估方法进行直接比较	探究深度学习模型能否从骨盆X线片中准确估计儿童的实际年龄，并验证其在不同医疗机构间的泛化性能	0至18岁儿童和青少年的骨盆X线片	医学影像分析	儿科疾病	深度学习, X线摄影	CNN	图像	模型开发纳入3972张骨盆X线片（中位年龄2.5岁，四分位距0-8岁，2463例男性）；外部验证纳入744张X线片（541张来自同一医院不同科室，203张来自外部医院）	PyTorch	DenseNet161	平均绝对误差（MAE）, 1年内准确率（ACC@dist=1）	NA
3	2026-10-19	Influence of virtual dynamic contrast enhanced breast MRI on lesion size, BI-RADS scores and reader confidence 2026-Oct-17, European radiology IF:4.7Q1 DOI:10.1007/s00330-026-12953-2 PMID:42891709	研究论文	本研究评估了基于深度学习的虚拟动态对比增强乳腺MRI（vDCE）与标准钆对比剂增强DCE在病灶大小、BI-RADS评分和读者信心方面的影响	探索了一种无需对比剂的虚拟DCE方法，利用2D U-Net从平扫T1、T2和扩散加权图像生成虚拟对比增强序列，并系统比较其与真实DCE在BI-RADS评估中的表现	vDCE的平均敏感性比DCE低4个百分点，病灶大小偏差因队列而异，一位读者的信心较低，且诊断性能有限，需要进一步优化和临床验证	评估虚拟动态对比增强乳腺MRI（vDCE）与多参数DCE协议在BI-RADS评分、背景实质强化（BPE）和病灶大小方面的表现	接受3T乳腺MRI检查的患者，共592次检查	医学图像分析	乳腺癌	深度学习-based虚拟对比增强（vDCE），使用平扫T1加权、T2加权和扩散加权成像生成虚拟DCE序列	CNN	图像	592次3T检查，分为训练集、验证集和测试集	NA	2D U-Net	BI-RADS诊断准确率、敏感性、特异性、病灶大小差异、BPE评分、伪影评分、读者信心（p值）	NA
4	2026-10-19	Improving the fairness and robustness of deep learning classification models through bias mitigation and post hoc calibration 2026-Oct-17, International journal of computer assisted radiology and surgery IF:2.3Q2 DOI:10.1007/s11548-026-03805-x PMID:42891802	研究论文	该研究通过处理中的去偏策略（对抗训练CF-Net和基于GLM的特征残差化PMDN）以及事后校准方法，提高基于结构MRI的阿尔茨海默病深度学习分类模型的公平性和鲁棒性	系统比较了两种处理中去偏策略（对抗训练CF-Net和GLM特征残差化PMDN）在阿尔茨海默病MRI分类中的公平性效果，并系统评估了四种事后校准方法（逻辑回归、概率单位回归、等渗回归和贝叶斯分箱）对预测概率可靠性的影响	未明确说明	增强深度学习模型在阿尔茨海默病分类中的公平性和临床适用性，解决年龄相关偏差和概率估计不可靠的问题	阿尔茨海默病患者的结构MRI数据，来自ADNI、AIBL和DELCODE三个独立队列	医学图像分析	阿尔茨海默病	结构MRI	3D CNN	图像	来自三个独立队列（ADNI、AIBL、DELCODE）的结构MRI数据，具体样本量未明确说明	NA	3D CNN, CF-Net, PMDN	平衡准确率, Brier分数, 校准误差（MCE）, 年龄预测相关性	NA
5	2026-10-19	A multi-stage multimodal learning model for functional outcomes prediction in acute ischemic stroke 2026-Oct-17, Neuroradiology IF:2.4Q2 DOI:10.1007/s00234-026-04219-x PMID:42891823	研究论文	提出一种多阶段多模态深度学习框架，整合治疗前后影像与临床笔记，预测急性缺血性卒中患者血管内取栓后90天功能结局	采用共享基础模型与低秩适配编码治疗前后影像；引入共享特征提取模块和阶段特定特征提取模块解耦共享与阶段特定表征；使用双向交叉注意力模块增强影像特征与临床笔记的语义对齐	未明确说明回顾性数据选择偏倚、外部验证不足等局限	提高急性缺血性卒中患者血管内取栓后90天功能结局（mRS）的预测性能	接受血管内取栓的急性缺血性卒中患者	医学影像分析	急性缺血性卒中	多阶段NCCT和MRI影像及临床笔记	多模态深度学习模型	影像和文本	NA	NA	共享基础模型, 低秩适配, 双向交叉注意力	AUC	NA
6	2026-10-19	EsoEinstein: A Multimodal AI System Integrating EGD and FLIP for Esophageal Motility Assessment 2026-Oct-17, Clinical gastroenterology and hepatology : the official clinical practice journal of the American Gastroenterological Association IF:11.6Q1 DOI:10.1016/j.cgh.2026.09.051 PMID:42892386	研究论文	开发并验证基于EGD、FLIP及其多模态融合的AI模型，以芝加哥分类v4.0为参考标准诊断贲门失弛缓症	首次将内镜视频与FLIP热图图像通过多模态Transformer进行融合，用于贲门失弛缓症的无创诊断	回顾性单中心研究，测试集样本量较小（n=68），需在真实世界环境中进一步验证其对诊断时间和患者长期结局的影响	开发并验证利用EGD、FLIP及多模态融合的AI模型诊断贲门失弛缓症，以提供比HRM更少侵入性的诊断路径	接受过高分辨率测压且有EGD和/或FLIP数据的1802例成年患者	数字病理, 医学影像分析	贲门失弛缓症, 食管运动障碍	EGD视频, FLIP panometry热图成像, 高分辨率测压	深度学习模型, 多模态Transformer	视频, 图像	1802例患者（训练集1522例，验证集212例，测试集68例）	NA	多模态Transformer, 深度学习模型	敏感度, 特异度, AUC	NA
7	2026-10-19	Predicting Postoperative Outcomes in Small Rotator Cuff Tears: An AI-Based Approach to Long Head of the Biceps Management 2026-Oct-17, Orthopaedics & traumatology, surgery & research : OTSR DOI:10.1016/j.otsr.2026.104933 PMID:42892383	研究论文	开发并评估基于人工智能的模型，用于预测小肩袖撕裂且肱二头肌长头腱外观健康患者的术后结局，辅助决策保留还是切断	结合关节镜图像（CNN）与临床影像数据（MLP）的深度学习模型，预测Constant评分，并针对外观健康LHB的保留与切断决策进行亚组分析	在预测失败病例（保留健康LHB但功能结局差）时准确性仅59.2%，平均偏差18分；样本量有限；需要更大数据集和优化变量验证	开发并评估AI模型预测小肩袖撕裂患者术后Constant评分，辅助LHB管理决策	199例小肩袖撕裂且肱二头肌长头腱外观健康的患者	医学影像分析	肩袖撕裂	关节镜成像、临床数据整合	CNN, MLP	图像、临床数据、影像数据	199例患者	NA	CNN, MLP	准确率、平均预测误差	NA
8	2026-10-19	ThaCoder: an explainable deep learning framework for thalassemia screening using routine complete blood count: a multi-center validation study 2026-Oct-17, Clinica chimica acta; international journal of clinical chemistry DOI:10.1016/j.cca.2026.122912 PMID:42892392	研究论文	开发并外部验证一个可解释的深度学习框架，利用常规全血细胞计数（CBC）参数进行地中海贫血筛查	结合探索性因子分析与深度神经网络，在低维特征空间上构建可解释筛查模型，并采用锁定模型与阈值在四个外部中心进行不重新拟合的验证，同时使用SHAP进行可解释性分析	对静止型α-地中海贫血携带者的敏感性较低（0.5270），在所选阈值下会漏检部分轻型携带者；健康经济模拟仅为初步示例，并非正式的经济学评价；绝对风险估计需要针对不同站点进行重新校准	开发并外部评估一个基于常规全血细胞计数参数的可解释深度学习框架，用于地中海贫血筛查	地中海贫血患者及携带者（包括静止型和非静止型α-地中海贫血携带者）的CBC记录	机器学习	地中海贫血	全血细胞计数（CBC）	DNN	表格数据（CBC参数）	内部推导队列2317条CBC记录，外部验证四个独立中心共1442例	NA	DNN（深度神经网络）	AUROC，特异性，敏感性	NA
9	2026-10-19	A hierarchical residual Swin transformer with dual-level locality compensation for accelerated MRI reconstruction 2026-Oct-17, Magnetic resonance imaging IF:2.1Q2 DOI:10.1016/j.mri.2026.110820 PMID:42892403	研究论文	提出一种基于Swin Transformer的分层残差网络用于加速MRI重建	结合长残差连接、双级局部补偿机制和通道重校准模块以恢复高频细节和局部空间信息	未明确说明	提高欠采样MRI图像重建质量，保留精细结构细节和纹理连续性	欠采样k空间数据	计算机视觉	NA	MRI	Swin Transformer	图像	IXI和MICCAI 2013数据集	NA	Swin Transformer	PSNR	NA
10	2026-10-19	A Hybrid Neutrosophic Deep Learning Framework with Multi-Convolutional Neural Network Feature Fusion for Robust Facial Recognition 2026-Oct-16, Journal of visualized experiments : JoVE DOI:10.3791/72192 PMID:42891605	研究论文	本文提出了一种混合深度学习人脸识别框架，通过多卷积神经网络特征融合提高在不受控环境下的识别鲁棒性	提出了一种基于中性逻辑的混合深度学习框架，结合多个预训练CNN模型的特征级融合，并引入平滑操作处理特征向量，优于单个CNN模型	未明确讨论计算资源需求、模型复杂度及在更大规模数据集上的泛化能力	克服现有人脸识别算法在复杂面部图像下准确率低和计算效率差的问题	人脸图像	计算机视觉	NA	深度学习	CNN	图像	NA	NA	VGG16, EfficientNetB0, ResNet-50, MobileNet, MobileNetV2, Xception, InceptionResNetV2, NASNetLarge	准确率, 精确率, 召回率, F1分数	NA
11	2026-10-19	Experimental Protocols for Developing and Validating Explainable AI Models in Secure Healthcare Diagnostics 2026-Oct-16, Journal of visualized experiments : JoVE DOI:10.3791/72412 PMID:42891634	研究论文	本文提出了一个综合实验框架，用于开发和评估安全医疗诊断中的可解释AI模型，结合了负责任的数据管理、多模态预处理、安全深度学习模型、可解释AI方法和可复现验证流程	将负责任数据管理、多模态预处理、安全深度学习、可解释AI（Grad-CAM、SHAP、LIME、反事实分析）和联邦学习与差分隐私集成到单一医疗诊断流水线中，在保证隐私安全的同时提升模型可解释性和对抗鲁棒性	摘要中未明确说明具体局限性，但可能包括实验数据集的具体范围和多样性限制、联邦学习通信开销、以及可解释性方法在临床实际部署中的验证不足	开发并验证安全医疗诊断中的可解释AI模型实验框架，提升深度学习模型的可解释性、临床信任度和数据隐私安全性	异构医疗数据集，涵盖放射学、病理学、肿瘤学、心脏病学、神经学和精准医学等多个医疗领域	医学影像分析	多种疾病（包括肿瘤、心血管疾病、神经系统疾病等）	联邦学习, 差分隐私, 多模态数据预处理	深度学习模型（具体架构未明确说明）	多模态医疗数据（图像、文本等）	NA	NA	NA	准确率, 灵敏度, 特异性	NA
12	2026-10-19	A two-stage hybrid framework for predicting fine particle fraction from SEM images using deep feature extraction and class-specific regression 2026-Oct-14, International journal of pharmaceutics IF:5.3Q1 DOI:10.1016/j.ijpharm.2026.127516 PMID:42874968	研究论文	本文提出了一种基于SEM图像的两阶段混合框架，利用深度学习特征提取和类别特定回归来预测细颗粒分数（FPF）	提出了一种新的两阶段流程：第一阶段使用微调的DenseNet169对图像进行FPF分类，第二阶段使用随机森林进行类别特定回归；相比直接回归模型，误差降低了约90%	未明确提及	利用深度学习和机器视觉从SEM图像中预测FPF，以替代昂贵耗时的体外测量方法	吸入粉末的SEM图像及其对应的FPF值	计算机视觉	NA	扫描电子显微镜（SEM）成像	CNN, 随机森林	图像	764张预处理SEM图像	NA	DenseNet169, 随机森林	加权平均绝对误差（MAE）	NA
13	2026-10-19	Deep learning-based spot weight generation for online adaptive IMPT: implementation and technical feasibility on a clinical delivery system 2026-Oct-13, Radiotherapy and oncology : journal of the European Society for Therapeutic Radiology and Oncology IF:4.9Q1 DOI:10.1016/j.radonc.2026.111824 PMID:42869249	研究论文	研究基于深度学习生成IMPT点权重以实现在线自适应工作流的可行性和技术验证	提出使用3D Attention U-Net生成IMPT点权重，并在临床治疗系统中验证了工作流的可行性	对于肺部等异质性部位，点权重生成精度不足，需要进一步改进	研究深度学习生成IMPT点权重的可行性，以实现更快、更自动化的在线自适应工作流	前列腺、脑和肺癌病例	医学影像分析	前列腺癌, 脑癌, 肺癌	质子治疗计划优化	3D Attention U-Net	图像	未明确说明具体病例数量	NA	3D Attention U-Net	平均绝对误差, 平均相对误差, Gamma通过率	NA
14	2026-10-19	Battery Electrode Design Process Using Deep Neural Network 2026-Oct-13, ACS omega IF:3.7Q2 DOI:10.1021/acsomega.6c05440 PMID:42889549	研究论文	该研究提出了BattleNet深度学习模型，通过电极设计参数预测多倍率下的比容量，并构建逆向设计框架加速锂离子电池电极设计。	提出BattleNet模型仅使用真实实验数据训练，实现从电极设计参数到多倍率比容量的预测，并基于预测结果构建逆向设计框架探索满足目标倍率性能的设计参数	研究主要聚焦于比容量和倍率性能的预测，未涉及电池循环寿命、安全性等其他关键性能指标，且实验数据规模和应用范围有待进一步验证	利用深度学习加速电动汽车用锂离子电池的电极设计与开发，降低传统试错优化的成本和时间	锂离子电池电极设计参数（包括负载量、厚度和孔隙率）与多倍率比容量之间的关系	机器学习	NA	NA	深度神经网络	实验数据（数值型表格数据）	NA	NA	BattleNet（电池电极探索网络）	R²（决定系数）、平均误差	NA
15	2026-10-19	Concentration Determination of Aspirin Deposit Patterns Using Quantitative Image Analysis and Artificial Intelligence 2026-Oct-13, ACS omega IF:3.7Q2 DOI:10.1021/acsomega.6c05231 PMID:42889880	研究论文	该研究结合低成本成像与机器学习，通过分析干燥液滴图案来定量估计阿司匹林浓度。	利用干燥液滴结晶图案的几何和纹理特征，结合传统机器学习与深度学习模型，实现阿司匹林浓度的快速、无损定量分析	未明确提及	开发一种基于液滴沉积成像和人工智能的快速、低成本、非破坏性药物浓度分析和质量评估方法	阿司匹林溶液（浓度6%至100%饱和）及商业阿司匹林片剂样品	机器学习	NA	高分辨率相机成像、定量图像分析、紫外-可见光谱法	随机森林, XGBoost, 深度学习	图像	阿司匹林溶液多个浓度梯度（6%至100%），每个浓度多个液滴样本；另有一个商业片剂样品	NA	ResNet-50, EfficientNet-B3	R（相关系数）	NA
16	2026-10-19	vToxiNet: An interpretable deep learning framework for hepatotoxicity prediction and mechanism exploration 2026-Oct-12, Journal of hazardous materials IF:12.2Q1 DOI:10.1016/j.jhazmat.2026.143880 PMID:42892062	研究论文	本文提出了一种名为vToxiNet的可解释深度学习框架，通过将系统毒理学知识嵌入神经网络架构，用于肝毒性预测和机制探索	将化学描述符、高通量测定响应、转录组特征和Reactome通路层级整合构建虚拟不良结局通路网络，并将生物学层级作为架构约束嵌入神经网络，实现预测与机制解释的结合	摘要中未明确提及研究的局限性	改进肝毒性预测的计算毒理学方法，支持基于证据的决策和机制导向的危害评估	肝毒性相关化合物及其多模态生物学数据（化学结构、高通量测定、转录组、通路信息）	计算毒理学	肝毒性	高通量测定、转录组学、化学描述符计算、Reactome通路分析	深度学习	化学描述符、高通量测定数据、转录组数据、通路层级数据（多模态数据）	NA	NA	虚拟毒性网络（vToxiNet），基于不良结局通路网络的生物约束神经网络	交叉验证和外部验证的预测性能（具体指标未在摘要中明确列出）	NA
17	2026-10-19	Unequal economic impacts of climate change via idealized carbon dioxide removal: Insights from deep learning 2026-Oct-05, Innovation (Cambridge (Mass.)) DOI:10.1016/j.xinn.2026.101505 PMID:42890584	研究论文	该研究开发了一个神经网络模型EconClimNet，基于全球1,554个次国家区域的经济数据和111个气候指数，量化分析了理想化二氧化碳去除（CDR）对气候变化经济影响的潜在作用	首次利用深度学习模型定量分析CDR通过改变气候轨迹对经济的影响，揭示了CDR带来的长期经济收益及其在不同地区和收入水平间的不平等分布	研究基于理想化的CDR情景（CMIP6理想化CO2上升和下降实验），可能无法完全反映现实世界中CDR部署的复杂性和不确定性	量化分析通过理想化CDR改变气候轨迹所带来的潜在经济影响，并探讨其在不同地区和收入水平间的分布差异	全球1,554个次国家区域的经济数据以及111个气候指数	机器学习	NA	深度学习	神经网络	经济数据、气候指数数据	1,554个次国家区域的经济数据，111个气候指数，数据覆盖数十年	NA	EconClimNet	NA	NA
18	2026-10-19	ProDTI: prior-guided positive-unlabeled learning for robust drug-target interaction prediction 2026-Oct-02, Bioinformatics (Oxford, England) DOI:10.1093/bioinformatics/btag712 PMID:42842427	研究论文	提出一种先验引导的正例-未标记学习框架ProDTI，用于稳健的药品-靶标相互作用预测	将领域知识构建的混合先验（显式生化相似性与隐式语义表示）融入正例-未标记学习目标，通过软标签蒸馏稳定优化轨迹，并通过硬锚正则化显式惩罚可靠负例以锐化决策边界	未明确提及	解决深度学习在药品-靶标相互作用预测中因缺乏验证负例导致的偏置风险估计问题，并克服正例-未标记学习直接应用于深度模型时的早期优化不稳定和决策边界模糊问题	药品-靶标相互作用	机器学习	NA	NA	深度学习模型	NA	五个基准数据集	NA	NA	NA	NA
19	2026-10-19	Diagnostic Performance of a Deep Learning Model Using Phonocardiogram and Single-Lead ECG Signals for Detecting Moderate-or-Greater Aortic Stenosis: Multicenter External Validation 2026-Oct, Clinical cardiology IF:2.4Q2 DOI:10.1002/clc.70498 PMID:42878095	研究论文	该研究通过多中心外部验证，评估了一种基于心音图和单导联心电图信号的深度学习模型（eAS模型）检测中度及以上主动脉瓣狭窄的诊断性能	结合心音图和单导联心电图两种信号，利用深度学习模型进行主动脉瓣狭窄的无创筛查，并在多中心外部验证队列中验证了其高诊断性能	探索性亚组分析中小样本亚组的估计不精确；外部验证队列中主动脉瓣狭窄患者比例较低（70/951）	外部验证基于心音图和单导联心电图的深度学习模型检测中度及以上主动脉瓣狭窄的诊断性能	来自3家医疗机构的951名患者，其中70例患有中度及以上主动脉瓣狭窄	医学人工智能	心血管疾病	心音图, 单导联心电图, 经胸超声心动图	深度学习模型	信号（心音图和心电图）	951名患者（外部验证队列），其中70例中度及以上主动脉瓣狭窄	NA	NA	敏感度, 特异度, AUROC, 预测值, 似然比	NA
20	2026-10-19	FBS-DiffNet: a deep unfolding network with diffusion prior for joint reconstruction of optical absorption and sound speed in photoacoustic tomography 2026-Oct-01, Biomedical optics express IF:2.9Q2 DOI:10.1364/BOE.608902 PMID:42889865	研究论文	提出一种用于光声断层成像的深度展开网络FBS-DiffNet，同时重建光吸收系数和声速分布	将前向-后向分裂算法展开为级联架构，每个层级集成残差梯度步网络驱动的数据一致性模块和生成式联合扩散模块，利用参数间的空间相关性提供协同正则化	未明确提及	解决定量光声断层成像中由声学异质性和多参数耦合引起的病态问题，实现高精度定量光声断层成像	光吸收系数和声速分布	计算机视觉	NA	光声断层成像	深度展开网络	图像	NA	NA	前向-后向分裂展开网络、残差梯度步网络、生成式联合扩散模块	视觉质量、定量指标	NA