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
341	2026-09-06	Visualization-driven digital technologies in oncology: current applications, technological advances, and future directions 2026, Frontiers in oncology IF:3.5Q2 DOI:10.3389/fonc.2026.1824142 PMID:42694739	综述	本文综述了可视化驱动的数字技术在肿瘤学中的应用，涵盖AI驱动的3D重建、增强现实、多模态融合、影像组学和数字孪生等技术，贯穿癌症诊疗全程	提出可视化技术作为认知接口整合癌症诊疗全程，并展望物理信息深度学习、云边计算和隐私保护协作学习的未来发展	临床整合面临术中精度稳定性、资源有限环境下的经济可行性和生物识别数据隐私风险等挑战，且需进一步前瞻性验证	综合评估可视化驱动数字技术在肿瘤学中的应用现状、技术进步和未来方向	癌症诊疗流程中的可视化技术，包括3D重建、AR、影像组学及数字孪生	数字病理学	肿瘤	影像组学	NA	图像	NA	NA	NA	NA	NA
342	2026-09-05	Automated 3D segmentation of rotator cuff muscle and fat from longitudinal CT for shoulder arthroplasty evaluation 2026-Jan, Skeletal radiology IF:1.9Q3 DOI:10.1007/s00256-025-04991-6 PMID:40782188	研究论文	本研究开发并验证了一种基于深度学习的模型，用于在全肩关节置换术患者的纵向CT扫描中自动进行肩袖肌肉和脂肪的三维分割，以量化肌肉体积和脂肪分数。	提出使用DeepLabV3+结合ResNet50作为骨干网络，针对肩袖肌肉在CT影像中的自动三维分割，并应用于纵向随访数据以评估手术结果。	摘要中未提及明确的局限性。	开发和验证用于自动三维分割肩袖肌肉的深度学习模型，以量化肌肉体积和脂肪分数，并应用于全肩关节置换术患者的术前和术后随访评估。	53名接受全肩关节置换术的患者的术前或至少2年随访CT扫描，以及172名患者的队列用于应用模型。	计算机视觉	肩袖疾病（肩关节疾病）	CT成像	深度学习分割模型	CT图像	53名患者用于模型开发和测试，172名患者用于进一步应用	NA	DeepLabV3+，ResNet50	Dice相似系数、平均对称表面距离、95百分位Hausdorff距离、相对绝对体积差	NA
343	2026-09-04	Protein-Ligand Structure and Affinity Prediction in CASP16 Using a Geometric Deep Learning Ensemble and Flow Matching 2026-Jan, Proteins IF:3.2Q2 DOI:10.1002/prot.26827 PMID:40195868	研究论文	介绍MULTICOM_ligand，一种基于几何深度学习集成和流匹配的蛋白质-配体结构与亲和力预测方法，并在CASP16中取得佳绩	提出结构共识排序用于无监督姿势排序，并引入新的深度生成流匹配模型进行联合结构与结合亲和力预测	未明确说明局限性	提高蛋白质-配体结构和结合亲和力预测的准确性和泛化能力	蛋白质-配体复合物的结构和结合亲和力	深度学习	NA	NA	几何深度学习集成和生成流匹配模型	蛋白质-配体结构数据	NA	NA	集成模型和流匹配模型	排序	NA
344	2026-08-31	A multidimensional eye-tracking assessment for estimating cognitive profiles in intellectual disability: A preliminary deep learning study 2026 Jan-Dec, Digital health IF:2.9Q2 DOI:10.1177/20552076261443354 PMID:42004474	研究论文	开发并验证了一种结合眼动追踪和深度学习的新型评估工具，用于估计智力残疾儿童的认知能力	首次将多维眼动追踪与深度学习结合，实现对智力残疾儿童认知能力的自动化估计	样本量小，仅涉及7名智力残疾儿童和9名典型发育儿童，可能限制结果的泛化性	开发一种自动化的眼动追踪评估工具，结合深度学习，用于估计智力残疾儿童的认知能力	智力残疾儿童和典型发育儿童	计算机视觉，机器学习，神经科学	智力残疾	眼动追踪	卷积神经网络，逻辑回归	图像（扫描路径图像）	16名儿童（7名智力残疾，9名典型发育）	NA	卷积神经网络，逻辑回归	F1分数	NA
345	2026-08-31	Targeting SARS-CoV-2 main protease (3CLpro) with Paeonia-derived phytochemicals 2026, In silico pharmacology DOI:10.1007/s40203-026-00630-7 PMID:42005983	研究论文	本研究结合机器学习和深度学习工具，评估了芍药属植物根中提取的化合物对SARS-CoV-2主要蛋白酶3CLpro的抑制作用，并通过实验验证了其抗病毒潜力。	首次将机器学习和深度学习药物发现工具应用于芍药属植物来源化合物的筛选，预测其对3CLpro的结合亲和力，并通过分子动力学模拟和实验验证，提出了新的抗SARS-CoV-2候选化合物。	研究仅限于体外实验和计算预测，未进行体内实验验证；且样本来源于特定植物属，可能限制其广谱适用性。	评估芍药属植物化合物对SARS-CoV-2主要蛋白酶3CLpro的抑制潜力，并验证计算方法的有效性。	芍药属植物根中鉴定的化合物，重点关注paoniflorigenone和3-O-methylquercetin。	药物发现、机器学习、深度学习	COVID-19	机器学习、深度学习、分子动力学模拟、体外酶活性测定	机器学习/深度学习模型（具体类型未指定，如CNN或DNN）	化合物结构数据、分子动力学模拟数据、实验生物化学数据	未明确说明化合物总数，但涉及五种芍药属植物的根提取物及三个具体化合物（paoniflorigenone、3-O-methylquercetin和baicalein）	NA	NA	结合亲和力预测、IC50值、细胞毒性评估	NA
346	2026-08-31	The Use of Deep Learning in Distinguishing Chalazion and Eyelid Mass 2026, Journal of ophthalmology IF:1.8Q3 DOI:10.1155/joph/8878251 PMID:42007239	研究论文	本研究探讨了深度学习在区分睑板腺囊肿和其他眼睑肿块中的应用，以支持其作为转诊工具的潜力。	首次使用深度学习模型从外部临床照片中区分睑板腺囊肿和其他眼睑肿块，并比较了多种CNN架构的性能，且与一线医生的表现进行了对比。	研究为回顾性病例对照设计，样本来自单一机构，且未提及模型在多样化人群中的泛化能力。	评估人工智能区分睑板腺囊肿和其他眼睑肿块的能力，以辅助非专科医生做出转诊决策。	睑板腺囊肿和其他非睑板腺囊肿的眼睑病变。	计算机视觉	眼睑疾病	NA	卷积神经网络（CNN）	图像（临床外部照片）	206张睑板腺囊肿照片（来自183名患者）和517张非睑板腺囊肿眼睑病变照片（来自486名患者）	TensorFlow, Keras	VGG-16, VGG-19, ResNet50, Xception, MobileNetV2	曲线下面积（AUC）、敏感性、准确性	NA
347	2026-08-30	Exploring the Potential of AI and Augmented Reality in Cardiovascular Disease Management: A Narrative Review 2026, Current cardiology reviews IF:2.4Q2 DOI:10.2174/011573403X391863251015111807 PMID:41510734	综述	本文叙述性综述了人工智能和增强现实在心血管疾病管理中的应用潜力，涵盖预测模型、诊断影像和风险评估等方面。	结合了AI和AR两种新兴技术，全面概述其在心血管疾病管理中的应用，并指出当前评估不足，强调未来需要更大规模试验。	缺乏对模型有效性的充分评估，现有研究规模较小，且综述可能受限于检索数据库和手动筛选的偏倚。	总结AI和AR在心血管疾病管理中的最新发现，并展望未来的研究方向。	心血管疾病患者及其管理流程，包括风险预测、影像解读、诊疗记录等。	机器学习、自然语言处理、计算机视觉	心血管疾病	NA	卷积神经网络（CNN）、自然语言处理（NLP）	文献数据	NA	NA	卷积神经网络（CNN）、自然语言处理（NLP）	NA	NA
348	2026-08-30	Retinal Biomarkers for Cardiovascular Disease Prediction: A Review Focused on CHD AHD Valvular Disorders and Cardiomyopathies 2026, Current cardiology reviews IF:2.4Q2 DOI:10.2174/011573403X421729251114113706 PMID:41691690	综述	系统回顾2015年至2025年间利用视网膜眼底成像预测结构性心脏病（包括先天性心脏病、后天性心脏病、瓣膜疾病和心肌病）的文献，重点评估深度学习与机器学习模型的诊断性能	全面整合视网膜生物标志物与多种心血管疾病的关联，并探讨Transformer和SAM等新兴AI架构在提高模型泛化性和可解释性方面的潜力	数据集不平衡、纵向验证有限以及AI模型的不可解释性	评估视网膜眼底成像作为非侵入性工具预测结构性心脏病的潜力，并探讨先进AI架构提升诊断准确性的可能	结构性心脏病患者，包括先天性心脏病、后天性心脏病、瓣膜疾病和心肌病患者	计算机视觉, 机器学习	心血管疾病	视网膜眼底成像	CNN, Transformer, 混合多模态模型	图像	NA	NA	CNN, Transformer, Segment Anything Model (SAM)	AUC, 灵敏度	NA
349	2026-08-30	Numerical Interpretation of Variation Indices of Tumor Outline Tracking Using Artificial Intelligence Mapping 2026, Biomedical engineering and computational biology IF:2.3Q3 DOI:10.1177/11795972261441395 PMID:42004192	研究论文	本研究评估了利用深度学习模型从乳腺X线摄影图像中提取肿瘤轮廓特征进行良恶性鉴别，并数值化解释其变异指数的诊断潜力。	首次聚焦肿瘤轮廓特征而非全图像，利用多种深度学习模型提取特征并结合机器学习分类器，实现了高准确率的乳腺癌诊断，同时注重特征的生物学解释。	未明确提及局限性。	评估肿瘤轮廓特征在乳腺X线摄影图像中的诊断价值，并探索深度学习特征组合（集成方法）能否提高分类准确性。	100个乳腺X线摄影肿瘤轮廓样本。	计算机视觉	乳腺癌	NA	深度学习模型（ResNet50, Xception65, VGG16, AlexNet, DenseNet, GoogLeNet, Inception-v3）和机器学习分类器（SVM, KNN, DT, Naive Bayes, 浅层神经网络）	图像（乳腺X线摄影肿瘤轮廓）	100个肿瘤轮廓	NA	ResNet50, Xception65, VGG16, AlexNet, DenseNet, GoogLeNet, Inception-v3	准确率、敏感性、特异性、精确率	NA
350	2026-08-30	Addressing class imbalance in traumatic brain injury prognostication: A survey of resampling approaches 2026, AIMS neuroscience IF:3.1Q2 DOI:10.3934/Neuroscience.2026008 PMID:42004566	综述	本文回顾了脑电图分类中解决类别不平衡问题的数据方法，包括过采样、欠采样和生成对抗网络，并探讨了其在创伤性脑损伤预后预测中的应用潜力	综述了近年来的先进算法如GAN在EEG分类中的应用，并针对创伤性脑损伤类别不平衡问题提出使用基于深度学习的生成对抗网络作为解决方案	主要基于对已有研究的文献回顾，缺乏实证实验验证；同时指出了EEG分类领域特别是TBI数据的潜在空白	评估EEG分类中类别不平衡处理的现状，并提出改进预测模型以提升TBI患者预后	脑电图信号分类中的类别不平衡问题及创伤性脑损伤预后预测	自然语言处理	创伤性脑损伤	脑电图	生成对抗网络	脑电图信号	不适用	不适用	不适用	不适用	不适用
351	2026-08-28	The combined use of cervical ultrasound and deep learning improves the detection of patients at risk for spontaneous preterm delivery 2026-01, American journal of obstetrics and gynecology IF:8.7Q1 DOI:10.1016/j.ajog.2025.09.012 PMID:40945809	研究论文	开发并验证基于深度学习的人工智能模型，利用宫颈超声图像预测自发性早产，并与宫颈长度测量性能进行比较。	首次大规模多中心研究表明，人工智能模型在预测自发性早产方面比宫颈长度测量更敏感，尤其适用于早期孕周，且能利用超声图像中的额外解剖特征。	未在文中明确提及局限性。	开发并验证用于预测自发性早产的人工智能模型，并评估其相对于传统宫颈长度测量的优势。	孕妇的宫颈超声图像和相关临床数据。	医学图像分析	早产	超声成像	深度学习模型	超声图像	包含4224例妊娠和7862张宫颈超声图像	未在标题和摘要中明确提及	未在标题和摘要中明确提及	曲线下面积、敏感性、特异性、似然比	未在标题和摘要中明确提及
352	2026-08-28	Learning Explainable Imaging-Genetics Associations Related to a Neurological Disorder 2026, Medical image computing and computer-assisted intervention : MICCAI ... International Conference on Medical Image Computing and Computer-Assisted Intervention DOI:10.1007/978-3-032-05141-7_34 PMID:41988634	研究论文	提出了NeuroPathX，一个可解释的深度学习框架，用于学习神经疾病中脑结构与遗传变异之间的关联	采用早期融合策略和交叉注意力机制，并引入稀疏性损失和通路相似性损失来增强可解释性和稳健性	摘要中未提及局限性	揭示神经疾病中脑结构与遗传变异之间的可解释关联	自闭症谱系障碍和阿尔茨海默病	医学影像和遗传学	自闭症谱系障碍，阿尔茨海默病	MRI，遗传数据	深度学习模型	影像和遗传数据	NA	NA	交叉注意力机制	NA	NA
353	2026-08-28	EAC-Agent: A deep learning framework for multimodal emotion-aware conversational agent with contextual response generation 2026, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0346770 PMID:41996398	研究论文	提出了一种名为EAC-Agent的深度学习框架，用于多模态情感感知的对话代理，能够结合文本、音频和视觉特征生成上下文相关的响应	首次提出结合文本、音频和视觉的多模态情感感知对话代理框架，利用自注意力和跨模态注意力机制处理情感嵌入，提升情感识别和响应生成的准确性与上下文适当性	未提及具体的局限性，但可能存在对计算资源需求较高及多模态数据融合的复杂性	解决现有对话代理在情感识别和响应生成上的局限性，提升多模态情感感知能力	对话代理（聊天机器人）以及用于情感识别和响应生成的基准数据集（IEMOCAP和MELD）	自然语言处理	NA	NA	序列到序列模型（Seq2Seq），Transformer	文本、音频、视觉数据	使用了两个基准数据集：IEMOCAP和MELD，但未提供具体样本数量	NA	Transformer	准确率、困惑度、BLEU分数、ROUGE-L分数	NA
354	2026-08-28	An explainable multi-head attention network for healthcare IoT threat detection based on the MedDefender-MHAN framework 2026, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0346677 PMID:41996403	研究论文	介绍了一种可解释多头注意力网络MedDefender-MHAN，用于医疗物联网威胁检测，在CICIDS2017和TON_IoT数据集上实现了高检测精度和实时解释能力	创新性地将可解释性直接嵌入多头注意力机制，采用卷积神经网络与Transformer编码器的双流架构，实现无需外部XAI管道的实时梯度加权解释生成	未提及具体局限性，但可能包括对大规模实际部署的评估不足或对多样化攻击类型的泛化能力有限	开发一种兼具高准确性和内在可解释性的医疗物联网入侵检测系统，以满足GDPR和FDA等监管要求	医疗物联网环境中的网络流量数据	网络安全、机器学习	NA	NA	多头注意力网络（结合卷积神经网络和Transformer）	网络流量数据	CICIDS2017和TON_IoT基准数据集（具体样本数量未提及）	未提及	卷积神经网络（CNN）和Transformer编码器的双流架构	检测准确率、推理延迟、吞吐量、解释对齐度、时间准确率	未提及具体GPU或云平台，但强调亚3毫秒推理延迟和高吞吐量
355	2026-08-28	Deep learning-derived retinal biomarker associated with diabetes-related amputation in type 2 diabetes 2026, Frontiers in endocrinology IF:3.9Q2 DOI:10.3389/fendo.2026.1866694 PMID:42460325	研究论文	本研究评估了深度学习衍生的视网膜生物标志物（Dr. Noon CVD）与2型糖尿病患者糖尿病足相关截肢的独立关联	首次将深度学习衍生的视网膜生物标志物与糖尿病足相关截肢风险联系起来，展示了其超越传统糖尿病变量的增量价值	研究为单中心回顾性设计，样本量相对较小，且未提供关于计算资源的详细信息	评估深度学习衍生的视网膜生物标志物与2型糖尿病患者糖尿病足相关截肢的关联	392名2型糖尿病患者，其中79例有糖尿病足相关截肢，313例无	深度学习	2型糖尿病	深度学习	深度学习模型	视网膜图像	392名患者	NA	NA	AUC, cNRI, IDI, 敏感性, 特异性, 阴性预测值, 阳性预测值	NA
356	2026-08-28	Deep Learning for Scalp-Level Nonlinear Source Separation in Electroencephalogram: A Comparative Evaluation of Spatiotemporal Architectures 2026, IEEE transactions on neural systems and rehabilitation engineering : a publication of the IEEE Engineering in Medicine and Biology Society IF:4.8Q1 DOI:10.1109/TNSRE.2026.3724828 PMID:42611648	研究论文	本研究评估了多种深度学习架构在脑电图中进行头皮级非线性源分离的性能，重点比较了时空建模方法的有效性	首次系统比较了多种深度学习架构（包括CNN、LSTM、Transformer及混合模型）在非线性混合ERP信号分离中的表现，并验证了集成时空建模的优越性	实验基于合成数据和特定非线性混合函数，可能未完全模拟真实脑电环境的复杂性；未涉及计算资源的具体量化分析	解决脑电数据中多源事件相关电位非线性混合分离的挑战，评估不同深度学习架构在此任务中的性能	合成和实验性脑电数据集中的事件相关电位信号	机器学习	不适用	脑电图（EEG）、事件相关电位记录	深度森林、卷积神经网络（CNN）、长短期记忆网络（LSTM）、Transformer、CNN-LSTM混合模型	脑电信号数据	合成数据集中包含已知真实源的多个模拟样本，具体数量未在摘要中提供	未明确指定框架，可能使用PyTorch或TensorFlow等通用框架	CNN、LSTM、Transformer、CNN-LSTM混合架构、深度森林	2D皮尔逊相关系数、源定位精度	未在摘要中提及
357	2026-08-28	Biomechanics-Embedded Deep Learning for Joint Moment Estimation in Clinical Gait Analysis for Cerebral Palsy: A Learnable Hill-Type Pathway 2026, IEEE transactions on neural systems and rehabilitation engineering : a publication of the IEEE Engineering in Medicine and Biology Society IF:4.8Q1 DOI:10.1109/TNSRE.2026.3725088 PMID:42623196	研究论文	提出一种生物力学嵌入的深度学习框架，用于脑瘫患儿临床步态分析中的下肢关节力矩估计，无需测力台。	将可学习的Hill型通路嵌入深度学习模型中，结合Transformer和图编码器处理关节角度与sEMG信号，实现无测力台的关节力矩估计。	数据侧策略（如健康到脑瘫迁移）未能提升性能，且样本量有限，跨域泛化能力仍需验证。	开发无需测力台的关节力矩估计方法，用于脑瘫儿童的临床步态分析。	脑瘫儿童的下肢关节力矩，涉及髋、膝、踝关节。	数字病理学	脑瘫	表面肌电信号（sEMG）	Transformer、图编码器、可学习Hill型通路	关节角度序列和肌电信号	23名受试者（根据留一法交叉验证推断）	PyTorch	Transformer、图神经网络、可学习Hill型通路	Pearson相关系数（PCC）、均方根误差（RMSE）	NA
358	2026-08-28	Artificial Intelligence in Healthcare Practice: Validation, Fairness, and Regulatory Challenges: A Systematic Review 2026 Jan-Dec, Inquiry : a journal of medical care organization, provision and financing DOI:10.1177/00469580261478793 PMID:42634867	系统综述	本系统综述旨在检查2020年至2025年间人工智能在临床领域的应用，评估其诊断准确性和临床性能，识别实施障碍，并比较验证实践和方法学质量	遵循PRISMA 2020指南，系统搜索五个数据库，并重点关注前瞻性验证和/或外部验证的原创临床AI研究	由于研究设计、人群和结果指标的异质性，未进行正式的荟萃分析	检查AI在临床领域的应用，评估其性能，识别实施障碍，并比较验证实践	2020年至2025年间发表的临床AI研究，涉及放射学、肿瘤学和心脏病学等领域	机器学习	多种疾病	NA	深度学习、卷积神经网络、机器学习、自然语言处理	医学影像	20项研究	NA	卷积神经网络	AUC	NA
359	2026-08-28	Correction: AI-driven diagnosis of mpox using deep learning models 2026, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0357001 PMID:42640900	更正	本文是对一篇关于使用深度学习模型进行猴痘人工智能诊断的文章的更正。	NA	NA	更正先前发表文章中的错误。	NA	计算机视觉	猴痘	深度学习	深度学习模型	NA	NA	NA	NA	NA	NA
360	2026-08-28	A multi-agent vision-language debate framework for zero-shot crop disease diagnosis 2026, Frontiers in plant science IF:4.1Q1 DOI:10.3389/fpls.2026.1890016 PMID:42643398	研究论文	提出一种基于多智能体视觉-语言辩论框架的零样本作物疾病诊断方法	引入多智能体辩论机制和反谄媚机制，通过结构化多轮讨论提高零样本作物疾病诊断的准确性和语义一致性；提出三种语义评估指标（SLS、RS、IRC）捕捉部分正确性和推理质量	未明确提及局限性，但可能受限于零样本设置和模型多样性	提高零样本作物疾病诊断的泛化能力和准确性，通过多智能体协作推理克服单模型预测的不足	作物叶片图像，用于疾病诊断任务	计算机视觉，自然语言处理	作物疾病（未特指具体疾病类型）	视觉-语言模型（VLM）推理，零样本学习	多智能体视觉-语言模型（VLM）	图像（作物叶片图像）	CDDM基准，包含多个作物疾病图像样本，具体数量未提及	NA	多个异构VLM，包括GPT-5（作为独立评判者）及两个开源模型，具体架构未详细说明	准确率，语义标签相似度（SLS），推理特异性（RS），智能体间推理一致性（IRC）	NA