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	2026-08-15	Retraction notice to "A new deep learning approach based on bilateral semantic segmentation models for sustainable estuarine wetland ecosystem management" [Sci. Total Environ. 838 (2022) 155826] 2026-Aug-14, The Science of the total environment DOI:10.1016/j.scitotenv.2026.182193 PMID:42595572	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
2	2026-08-15	A Novel EEG-Based Topographic Brain Map-Driven Deep Learning Method for Autism Spectrum Disorder Detection in Children 2026-Aug-14, Brain topography IF:2.3Q3 DOI:10.1007/s10548-026-01243-1 PMID:42595811	研究论文	本研究提出了一种基于EEG地形脑图驱动的深度学习方法，用于儿童自闭症谱系障碍的自动检测，并在伊拉克和波兰数据集上验证了其高性能。	首次将EEG通道功率谱密度生成的地形脑图作为深度特征提取模型（AlexNet和GoogLeNet）的输入，结合ANOVA特征选择和线性分类器，实现了跨数据集的高准确率检测。	数据集规模较小，需要更大规模的数据集来进一步验证模型的泛化能力。	开发一种自动化的EEG-based ASD检测方法，以早期诊断自闭症并减轻其长期影响。	儿童自闭症谱系障碍（ASD）患者，数据来自伊拉克和波兰。	机器学习	自闭症谱系障碍	脑电图（EEG）	深度学习模型（AlexNet和GoogLeNet）	EEG信号	未明确提及具体样本数量，但涉及伊拉克和波兰两个数据集，并进行了交叉数据集验证。	NA	AlexNet, GoogLeNet	准确率	NA
3	2026-08-15	Advancing cancer drug discovery through the integration of machine learning and high-throughput screening 2026-Aug-14, Future medicinal chemistry IF:3.2Q3 DOI:10.1080/17568919.2026.2714025 PMID:42596875	综述	本文综述了人工智能与高通量筛选相结合在癌症药物发现中的应用，重点讨论了深度学习技术如何加速药物候选物的选择并改善临床结果	强调AI与HTS的协同作用，并探讨可解释AI和联邦学习等新兴范式以提高模型透明度和促进协作	存在数据质量、模型可解释性和伦理方面的挑战	探讨AI与HTS相结合在癌症药物发现中的潜力和应用，以降低开发成本并改善治疗效果	癌症药物发现过程中的化合物筛选和药物候选物选择	机器学习	癌症	高通量筛选	卷积神经网络，循环神经网络，强化学习	高通量筛选数据，多组学数据	不适用	不适用	卷积神经网络，循环神经网络，强化学习	不适用	不适用
4	2026-08-15	BraMARS: An Interpretable Histopathology-Driven Deep Learning Model for Brain Metastasis Risk Stratification in Surgically Resected Limited-Stage SCLC 2026-Aug-14, Advanced science (Weinheim, Baden-Wurttemberg, Germany) DOI:10.1002/advs.77075 PMID:42598747	研究论文	开发了一种基于组织病理学的可解释深度学习模型BraMARS，用于评估手术切除的局限期小细胞肺癌患者的脑转移风险。	首次将可解释的深度学习方法应用于常规H&E染色的全切片图像，实现对LS-SCLC患者未来脑转移风险的个性化分层，并整合组织病理学特征和蛋白质组学分析揭示生物学机制。	摘要中未明确提及局限性，可能包括样本来源单一、回顾性设计、需前瞻性验证等。	开发并验证一个可解释的深度学习模型，用于从常规组织病理图像中预测LS-SCLC患者的脑转移风险，以支持个性化颅内风险评估和PCI决策。	手术切除的局限期小细胞肺癌患者的常规H&E染色全切片图像及其相关临床和蛋白质组学数据。	数字病理学	小细胞肺癌	H&E染色全切片成像、蛋白质组学分析	深度学习模型（具体类型未说明）	图像（全切片图像）、蛋白质组数据	摘要中未明确具体样本数量，涉及多个独立队列。	未明确说明	未明确说明	AUC、无病生存期、总生存期、脑转移无生存期	未明确说明
5	2026-08-15	Transformer-Based Deep Learning Framework for Automated Lesion Detection in Capsule Endoscopy: A Comparative Study With CNN Architectures 2026-Aug-14, Journal of clinical gastroenterology IF:2.8Q2 DOI:10.1097/MCG.0000000000002432 PMID:42598992	研究论文	比较视觉Transformer与两种卷积神经网络架构在胶囊内镜图像多类病变分类中的性能	首次在21类胶囊内镜图像数据集上系统比较Transformer与CNN架构，融合两个公开数据集并预处理	数据以图像级别而非患者或操作级别分割，帧间相关性未考虑，性能结果可能仅反映基准，不代表患者级泛化或架构绝对优势	评估视觉Transformer在胶囊内镜病变检测中的有效性，并与CNN架构进行比较	胶囊内镜图像中的多类病变	计算机视觉	消化道疾病	图像预处理	视觉Transformer、DenseNet121、ResNet50	图像	约58,000帧，分为训练集40,587、验证集8,696、测试集8,696	NA	视觉Transformer、DenseNet121、ResNet50	准确率、宏平均精确率、召回率、F1分数、ROC曲线下面积	NA
6	2026-08-15	Anatomical Localization of Intracranial Electrodes Using Synthetic MRI Generated from Computed Tomography 2026-Aug-14, Neurosurgery IF:3.9Q1 DOI:10.1227/neu.0000000000004197 PMID:42599080	研究论文	评估使用SynthSR从CT生成的合成MRI在脑深部电刺激电极定位中的准确性，并与标准MRI-CT融合方法进行比较	首次系统评估合成MRI在DBS电极定位中的可行性，为无MRI情况下的术后评估提供新方法	定位误差在不同病例间存在差异，约10%的径向误差大于2毫米，1%大于4毫米，且样本仅为帕金森病患者	验证基于CT的合成MRI能否作为传统MRI的替代方案，用于DBS电极的解剖定位	44名接受丘脑底核脑深部电刺激治疗的帕金森病患者	医学影像分析	帕金森病	CT, MRI, SynthSR	深度学习	医学影像	44名帕金森病患者的术前CT、术前MRI和术后CT扫描	NA	SynthSR	径向误差, 欧氏距离, 解剖定位一致性	NA
7	2026-08-15	Prediction of second-order rate constants for reactions between contaminants and reactive species by a ChemBERTa-based QSAR model 2026-Aug-13, Journal of environmental management IF:8.0Q1 DOI:10.1016/j.jenvman.2026.130684 PMID:42594429	研究论文	本研究开发了一种基于ChemBERTa的QSAR模型（ChemBERTa-FC），用于预测污染物与活性物种反应的第二阶速率常数，实现端到端的预测并提供了可解释性分析	首次将预训练的Transformer分子语言模型ChemBERTa应用于k值预测，无需手动特征工程，并利用SHAP分析揭示与反应机制一致的属性归因模式	摘要中未提及明显局限性，但可能包括对化学空间外推的局限性和对特定反应条件的依赖	开发一种可迁移且可解释的深度学习框架，准确预测污染物与活性物种反应的第二阶速率常数，以支持水处理工艺的优化设计	水污染物与HO、SO和e的反应	机器学习	不适用	深度学习（预训练分子语言模型）	ChemBERTa	分子SMILES字符串	不适用（摘要未提供具体样本数量）	PyTorch	ChemBERTa（Transformer）结合全连接层	均方根误差（RMSE）、决定系数（R²）	不适用（摘要未提供具体GPU或平台信息）
8	2026-08-15	A two-stage deep learning referral system with progressive training for diabetic retinopathy screening and severity grading 2026-Aug-13, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2026.111891 PMID:42594579	研究论文	提出了一种两阶段深度学习转诊系统，结合渐进式训练，用于糖尿病视网膜病变筛查和严重程度分级。	采用共享EfficientNet-B4主干和两个独立激活头，通过五阶段渐进课程训练，防止梯度干扰，实现二分类筛查和五分类严重程度及三分类糖尿病黄斑水肿风险评估的统一架构，并根据临床转诊路由降低计算需求。	主要限制是用于分级训练的数据量小（仅413张IDRiD图像），导致各变体中1级F1分数较低，反映了标注数据稀缺。	提高视网膜病变筛查的临床效率，在一个统一架构中同时支持二分类转诊和严重程度分级。	糖尿病视网膜病变患者，包括严重程度分级和糖尿病黄斑水肿风险评估。	计算机视觉	糖尿病视网膜病变	NA	CNN	图像	包含APTOS、Messidor-2（零样本外部验证及50张校准样本）和IDRiD（413张图像用于分级）	NA	EfficientNet-B4	AUC、灵敏度、QWK、F1分数	NA
9	2026-08-15	Diagnostic efficacy of deep learning-based denoising of low-field 0.55 T compared to conventional 3 T knee MRI 2026-Aug-13, European journal of radiology IF:3.2Q1 DOI:10.1016/j.ejrad.2026.113163 PMID:42594606	研究论文	评估基于深度学习的去噪技术在0.55 T膝关节MRI中的诊断效能，并与传统的3 T MRI进行比较	将深度学习去噪技术应用于低场0.55 T膝关节MRI，以提高其诊断性能至与传统3 T MRI相当的水平	研究为回顾性设计，样本量较小，且仅包含膝关节MRI，结果可能不适用于其他成像部位	探讨深度学习去噪对低场0.55 T膝关节MRI诊断性能的提升效果	26名膝关节疼痛患者（平均年龄52岁）的33例膝关节MRI图像	计算机视觉	膝关节疾病	MRI	深度学习	图像	33例膝关节MRI（来自26名患者）	NA	NA	敏感性、特异性、诊断准确率、Lin's一致性相关系数（CCC）	NA
10	2026-08-15	Bidirectional cross-modal attention with adaptive gating for multimodal alzheimer's disease classification 2026-Aug-13, Biomedical physics & engineering express IF:1.3Q3 DOI:10.1088/2057-1976/ae995e PMID:42594919	研究论文	提出一种融合结构磁共振成像与临床特征的双向跨模态注意力与自适应门控的多模态深度学习框架，用于阿尔茨海默病分类。	引入双向跨模态注意力机制增强影像与临床模态间的关联，并提出自适应门控融合模块动态整合全局多模态特征与跨模态交互特征。	未提及明显局限性，但可能受限于数据集的规模和多样性。	解决单模态方法局限性和现有多模态融合方法中对复杂跨模态交互建模不足的问题，实现阿尔茨海默病的早期诊断和分类。	阿尔茨海默病、轻度认知障碍、正常认知个体，包括早期和晚期轻度认知障碍。	数字病理学、机器学习	阿尔茨海默病	结构磁共振成像（sMRI）	3D ResNet-34、多层感知器（MLP）	图像（sMRI）、临床特征数据	未在标题和摘要中明确说明样本数量	未在标题和摘要中明确提及	3D ResNet-34、多层感知器（MLP）、双向跨模态注意力机制、自适应门控融合模块	准确率（均值±标准差）	未在标题和摘要中明确提及
11	2026-08-15	Histopathological Differences Between Idiopathic and Secondary Interstitial Pneumonia: An Elastic Fiber-Oriented Deep Learning Analysis 2026-Aug-13, Human pathology IF:2.7Q2 DOI:10.1016/j.humpath.2026.106236 PMID:42595188	研究论文	本研究利用基于机器学习的定量分析，比较特发性和继发性间质性肺炎中胶原纤维和弹性纤维的组成差异，发现继发性病例中弹性纤维聚集更多，为鉴别诊断提供新见解。	首次使用弹性纤维导向的深度学习分析，定量评估特发性和继发性间质性肺炎中弹性纤维聚集差异，为鉴别诊断提供客观生物标志物。	样本量较小（93例），且研究仅基于EVG染色图像，未进行多中心验证，可能限制结果的普适性。	探讨特发性和继发性间质性肺炎在胶原和弹性纤维组成上的差异，以辅助鉴别诊断并增进疾病病理机制理解。	93例肺移植患者的780张弹力纤维染色全切片图像，涵盖特发性和继发性间质性肺炎的病例。	数字病理学	间质性肺病	组织化学染色（EVG染色）	深度学习模型	全切片图像	93例患者，780张全切片图像	HALO-AI	未明确指定	弹性纤维聚集面积/纤维化面积比值，P值	未提及
12	2026-08-15	Explainable dual-task deep learning model for recurrence prediction and dose-sensitive region identification in HNC radiotherapy 2026-Aug-13, International journal of radiation oncology, biology, physics DOI:10.1016/j.ijrobp.2026.07.060 PMID:42595266	研究论文	开发并验证了一种可解释的双任务深度学习模型，用于头颈癌放疗后远处转移和局部区域复发的风险分层。	结合解剖和剂量学信息，采用3D压缩激励残差网络进行双任务预测，并引入新型激活体积直方图方法量化空间-剂量亚区域的注意力模式以增强可解释性。	需要进一步的多中心验证以确认其临床适用性。	预测头颈癌患者放疗后的远处转移和局部区域复发风险，以支持个体化治疗计划。	237名接受根治性放疗的头颈癌患者。	深度学习	头颈癌	CT成像	3D挤压激励残差网络	CT图像、3D剂量分布、肿瘤体积掩膜	237名头颈癌患者	NA	挤压激励残差网络	一致性指数（C-index）、时间依赖ROC、决策曲线分析	NA
13	2026-08-15	Evaluation of an AI-powered tool in improving lesion visualization on standard-dose contrast-enhanced brain MRI: a retrospective, multicenter study 2026-Aug-13, AJNR. American journal of neuroradiology DOI:10.3174/ajnr.A9591 PMID:42595464	研究论文	本研究评估了一种基于深度学习的后处理工具（AiMIFY）在标准剂量对比增强脑MRI中增强对比度和改善病灶可视化的性能，通过回顾性多中心研究验证其效果。	首次评估AI工具用于增强标准剂量对比图像以模拟高剂量效果，而非从低剂量合成标准剂量，并关注小病灶的改善。	研究中未提及明确的限制，但根据摘要，可能包括回顾性设计、样本量较小（86例）以及单一工具（AiMIFY）的评估。	评估深度学习后处理工具（AiMIFY）在标准剂量对比增强脑MRI中增强对比度、改善病灶可视化的性能，并探讨其作为辅助手段提高诊断信心的潜力。	86名接受标准剂量对比增强脑MRI的成人患者，包括脑部病灶（特别是小病灶<10mm）。	医学影像分析	脑部疾病（未指定具体类型，如肿瘤等）	MRI（标准剂量对比增强，三维T1加权成像）	深度学习模型（未指定具体类型）	MRI图像（三维T1加权像）	86例患者的MRI图像	NA	NA（基于深度学习的工具，未指定具体架构）	对比噪声比（CNR）、病灶-脑比率（LBR）、对比增强百分比（CEP）、主观图像质量评分（Likert量表）	NA
14	2026-08-15	Can Multiomics Modeling Enable Accurate Prediction of Microsatellite Instability in Colorectal Cancer? 2026-Aug-13, Academic radiology IF:3.8Q1 DOI:10.1016/j.acra.2026.07.069 PMID:42595634	研究论文	本研究探讨了一种整合CT影像组学和病理组学的多模态深度学习模型，用于预测结直肠癌的微卫星不稳定状态	首次将CT影像组学、病理组学和临床变量整合到一个多组学诺模图中，实现了对结直肠癌MSI状态的超高精度预测，并利用了多中心数据验证	未提供明确的局限性信息	开发并验证一种非侵入性工具，通过整合多模态数据来准确预测结直肠癌的MSI状态	509例经病理确诊的结直肠癌患者	数字病理学	结直肠癌	CT成像、组织病理学	深度学习模型（ResNet-101）	CT图像和H&E染色病理图像	509例患者（中心1：379例，中心2：130例）	未指定	ResNet-101	AUC	未指定
15	2026-08-15	18F-Fluorodeoxyglucose-positron emission tomography/computed tomography in Lymphoma 2026-Aug-13, PET clinics IF:3.0Q2 DOI:10.1016/j.cpet.2026.06.020 PMID:42595627	综述	本文综述了18F-FDG PET/CT在淋巴瘤分期、反应评估和预后判断中的核心作用，并探讨了定量指标及新兴技术的应用	总结了总代谢肿瘤体积作为独立预后生物标志物的价值，以及PET影像组学和深度学习在淋巴瘤精准诊疗中的潜力	未提及具体限制，但指出PET影像组学和深度学习应用需要标准化	阐述FDG-PET/CT在淋巴瘤管理中的当前角色和未来发展方向	淋巴瘤患者，包括霍奇金淋巴瘤和弥漫大B细胞淋巴瘤等亚型	医学影像	淋巴瘤	FDG-PET/CT	NA	影像	NA	NA	NA	NA	NA
16	2026-08-15	Exploring the Polyethylene Glycol-Modified Drug Patent Landscape by Deep Learning 2026-Aug-13, Therapeutic innovation & regulatory science IF:2.0Q3 DOI:10.1007/s43441-026-01032-9 PMID:42595948	研究论文	本研究利用深度学习方法分析聚乙烯 glycol修饰药物的专利格局，包括现状分析、技术流动和价值评估。	整合了描述性统计、社会网络分析、机器学习和深度学习方法，构建了一个全面的分析框架，用于专利转移预测和早期专利质量评估。	未明确提及，但可能包括对专利文本分析的局限性或模型性能的泛化性。	构建一个综合分析框架，以全面表征PEG修饰药物的专利格局，包括现状、技术趋势和价值评估。	2014年至2023年全球99,540项PEG相关专利。	自然语言处理，机器学习	NA	NA	XGBoost, RoBERTa-BiLSTM-MLP	专利文本数据	99,540项专利	NA	XGBoost, RoBERTa, BiLSTM, MLP	准确率, F1分数, ROC-AUC	NA
17	2026-08-15	Edge Preserved U-Net for chromosome edge detection 2026-Aug-11, Computational biology and chemistry IF:2.6Q2 DOI:10.1016/j.compbiolchem.2026.109330 PMID:42594573	研究论文	提出了一种名为边缘保持U-Net（EPU-Net）的深度学习架构，用于染色体边缘检测和分割	引入了边缘保持跳跃层（EPSL）和带扩张卷积的边缘保持块（EPB），结合引导滤波和Sobel边缘检测器以保留边界细节	未提及局限	实现准确的染色体边界检测，以支持后续分类和排列	染色体图像	计算机视觉	不适用	深度学习	卷积神经网络（CNN）	图像	自定义设计的数据集（具体样本数量未提及）	未提及	U-Net	分割准确率、IoU分数、召回率、特异性、结构相似性指数	未提及
18	2026-08-15	Review of Research Advances in Full-Spectrum Fiber Optic Sensing Technologies for CO2 Geological Storage 2026-Aug-11, ACS omega IF:3.7Q2 DOI:10.1021/acsomega.6c05398 PMID:42598321	综述	系统综述了全光谱光纤传感技术在CO2地质封存监测中的原理、性能及场景适应框架	首次对从点式、准分布式到全分布式全光谱光纤传感技术进行系统分类，并建立技术-场景适配框架，整合机器学习和深度学习进展	未提及具体实验验证或定量比较，主要基于文献分析	为CCUS项目监测方案设计提供理论支持，促进光纤传感技术在碳封存安全监测中的大规模应用	全光谱光纤传感技术（分布式温度、声波、应变传感）在CO2地质封存监测中的应用	光纤传感、机器学习、深度学习	NA	分布式光纤传感（DTS、DAS、DSS）	NA	文献数据	NA	NA	NA	NA	NA
19	2026-08-15	Deep learning-based reconstruction for multi-shot breast DWI: Quantitative and qualitative improvements 2026-Aug-10, European journal of radiology IF:3.2Q1 DOI:10.1016/j.ejrad.2026.113159 PMID:42594608	研究论文	评估基于深度学习重建技术在多激发乳腺弥散加权成像中改善图像质量和缩短扫描时间的效果，与标准读出分段平面回波成像相比。	首次将深度学习重建技术应用于多激发乳腺DWI，显著提高定量和定性图像质量并减少29%的采集时间。	研究为回顾性设计，且样本来自单一机构，可能限制结果的普适性；未评估诊断性能的变化。	评估深度学习重建在多激发乳腺DWI中改善图像质量并减少扫描时间的有效性。	新诊断乳腺癌女性患者的乳腺MRI图像，包括146名主要队列和39名验证队列患者。	医学影像	乳腺癌	深度学习重建，多激发弥散加权成像（DWI），读出分段平面回波成像（rs-EPI）	深度学习（具体未指定，通常为CNN-based模型）	医学图像（乳腺MRI）	146名患者（主要队列）加39名患者（验证队列）	NA	NA	信噪比（SNR），对比噪声比（CNR），病变对比度，表观弥散系数（ADC），5点Likert评分（用于图像质量、伪影抑制、病变显著性、纤维腺体组织抑制）	NA
20	2026-08-15	Deep learning for multimodal brain tumor segmentation: Architectures, fusion, robust learning, and deployment perspectives 2026-Aug-10, Computerized medical imaging and graphics : the official journal of the Computerized Medical Imaging Society IF:5.4Q1 DOI:10.1016/j.compmedimag.2026.102807 PMID:42594738	综述	本文系统综述了深度学习在多模态脑肿瘤分割中的应用，重点关注架构、融合、鲁棒学习和部署视角	从部署导向和故障聚焦的角度，引入一个统一框架，将输入可靠性、融合架构协同设计、亚区域特定故障机制和不确定性感知临床分诊联系起来	现有基准测试性能可能无法保证临床可靠性，存在模态缺失或退化、跨中心偏移和亚区域特定故障等问题，且缺乏压力测试、中心分层评估、校准评估和计算透明度	批判性审查深度学习在多模态脑肿瘤分割中的方法，并提出以部署和可靠性为导向的评估标准	多模态MRI脑肿瘤分割中的深度学习模型，包括卷积神经网络、Transformer、状态空间模型、扩散方法和基础模型	计算机视觉、机器学习、数字病理学	脑肿瘤	磁共振成像	卷积神经网络、Transformer、状态空间模型、扩散模型、基础模型	多模态MRI图像	不适用	不适用	不适用	准确率、边界指标（如Dice系数）	不适用