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
501	2026-08-14	Deep learning prediction of chemo-immunotherapy response using tumor perfusion ultrasound images 2026, Frontiers in artificial intelligence IF:3.0Q2 DOI:10.3389/frai.2026.1805416 PMID:42369008	research paper	开发了一种基于对比增强超声图像的深度学习框架，用于预测小鼠模型中肿瘤对化学免疫疗法的反应	利用对比增强超声图像结合卷积神经网络预测癌症治疗反应，并引入合成数据解决类别不平衡问题	研究基于小鼠模型，类别不平衡问题仍未完全解决，稳定类别的准确性相对较低	评估对比增强超声成像作为预测癌症治疗反应的成像生物标志物，并探索合成数据增强模型性能的潜力	乳腺癌、纤维肉瘤和黑色素瘤的小鼠模型肿瘤	医学影像分析	乳腺癌、纤维肉瘤、黑色素瘤	对比增强超声成像	卷积神经网络	超声图像	587张治疗前对比增强超声图像，包括175个响应病例、136个稳定病例和276个非响应病例	NA	CNN	准确率	NA
502	2026-08-13	InDeed: Interpretable Image Deep Decomposition With Grounded Generalizability 2026, IEEE transactions on image processing : a publication of the IEEE Signal Processing Society IF:10.8Q1 DOI:10.1109/TIP.2026.3718452 PMID:42555331	研究论文	本文提出了一种名为InDeed的新型框架，用于将图像分解为低秩、稀疏和噪声分量，结合层次贝叶斯建模和深度学习，以提高可解释性和泛化能力	首次将层次贝叶斯建模与深度学习结合，实现图像分解的可解释性和模型泛化性，并引入基于PAC-Bayes理论的测试时自适应方法	未在摘要中明确提及具体限制	开发一种可解释且泛化能力强的图像分解框架，用于图像去噪和无监督异常检测等下游任务	图像分解任务，包括低秩、稀疏和噪声分量	计算机视觉	不适用	深度学习与层次贝叶斯建模结合	贝叶斯深度神经网络（DNN）	图像	不适用（未在摘要中提及具体样本量）	不适用（未在摘要中提及）	模块化贝叶斯DNN	泛化性能和可解释性（具体指标未在摘要中提及）	不适用（未在摘要中提及）
503	2026-08-12	A Call for a Collaborative Framework for Automation in Adaptive Radiotherapy 2026 Jan-Dec, Technology in cancer research & treatment IF:2.7Q3 DOI:10.1177/15330338261449016 PMID:42068249	评论	本文呼吁在自适应放疗自动化领域建立协作框架，以推动开放创新和临床普及	提出通过结构化透明和共享责任，将自动化从封闭架构转变为集体学习生态系统，并强调学术界与厂商系统间的安全协作	未提供具体实施方案或实验验证，主要基于历史经验和呼吁	推动自适应放疗自动化的协作发展，提高可扩展性和临床可及性	自适应放疗自动化系统及协作框架	机器学习	NA	NA	NA	文本	NA	NA	NA	NA	NA
504	2026-08-11	A Deep Learning Approach to Assessing Cell Identity in Stem Cell-Based Embryo Models 2026, Methods in molecular biology (Clifton, N.J.) DOI:10.1007/7651_2025_654 PMID:40690128	研究论文	本文介绍了一种利用深度学习集成模型对干细胞胚胎模型中的细胞身份进行评估的方法，基于单细胞RNA测序数据	提供了公开可用的深度学习模型，利用scvi-tools整合单细胞数据并分类细胞类型，同时引入熵得分评估分类可靠性	未明确说明	开发深度学习工具评估体外干细胞胚胎模型与体内胚胎细胞的相似性	干细胞胚胎模型中的细胞类型	机器学习，数字病理学	不适用	单细胞RNA测序	深度学习模型	单细胞RNA测序数据	未明确说明	scvi-tools	变分自编码器	熵得分	未明确说明
505	2026-08-11	Automated detection of the epileptogenic zone in stereoelectroencephalography for drug-resistant epilepsy using multi-epileptogenic biomarker machine learning 2026-01, Epilepsy research IF:2.0Q3 DOI:10.1016/j.eplepsyres.2025.107710 PMID:41289960	研究论文	本研究旨在开发一种可解释的机器学习框架，整合多种致痫生物标志物，以提高立体脑电图（SEEG）中致痫区（EZ）定位的准确性	结合多种发作间期和发作期电生理特征（如致痫指数、棘波率、涟漪率、快涟漪率）的机器学习模型，并采用SHAP方法提供临床可解释性	样本量较小（38例患者），且为单中心回顾性研究	提高药物难治性癫痫患者致痫区的定位准确性，以优化手术治疗效果	药物难治性癫痫患者	机器学习	癫痫	立体脑电图（SEEG）	多种机器学习模型，包括深度学习模型	电生理信号特征	38例患者，共1671个SEEG通道	未明确提及	未明确提及具体架构	AUC	NA
506	2026-08-09	XceptRf-Net: A Novel Deep Learning and Machine Learning Approach for Pneumonia Diagnosis 2026, Current medical imaging IF:1.1Q3 DOI:10.2174/0115734056409581251202221437 PMID:41820212	研究论文	提出一种结合深度学习和机器学习的混合模型XceptRF-Net，用于儿科肺炎诊断，以提高诊断准确性。	创新性地将Xception卷积神经网络的深度特征学习与随机森林的概率建模能力相结合，生成概率特征空间，增强分类鲁棒性和可解释性。	基于单一数据集（5,863例儿科胸部X光片）进行实验，可能限制模型的泛化能力。	开发一个先进且可解释的诊断框架，用于儿科肺炎的初步诊断，克服现有诊断程序的局限性。	儿科患者的胸部X光图像（CXR）。	计算机视觉	肺炎	胸部X光成像（CXR）	混合模型（Xception卷积神经网络 + 随机森林）	图像	5,863例儿科胸部X光图像	NA	Xception, Random Forest, Logistic Regression, K-Nearest Neighbours, Multi-Layer Perceptron	准确率	NA
507	2026-08-07	LUMIR: an LLM-driven unified agent framework for multi-task infrared spectroscopy reasoning 2026-01-08, Analytica chimica acta IF:5.7Q1 DOI:10.1016/j.aca.2025.344857 PMID:41330688	研究论文	本文介绍了LUMIR，一个基于大语言模型驱动的统一智能体框架，用于多任务红外光谱推理，在低数据条件下实现准确分析。	提出首个利用大语言模型结合结构化文献知识库和少样本提示的智能体框架，统一处理预处理、特征提取和预测建模，实现跨任务的自适应红外光谱分析。	未明确提及局限性，可能受限于低数据条件下对多样化数据集的泛化能力，需进一步验证。	开发一个数据高效的自动化红外光谱分析框架，利用大语言模型的推理能力，在低数据条件下实现准确的分类、回归和异常检测。	红外光谱数据，包括牛奶近红外数据集、中草药、不同储藏年限的陈皮、工业废水COD数据集，以及Tecator和Corn两个公共基准。	机器学习	不适用	红外光谱技术	大语言模型（LLM）	光谱数据	多个数据集，具体样本数量未全说明，包括牛奶、中草药、陈皮、工业废水及两个公共基准	未明确提及	未明确提及具体架构，可能使用Transformer类模型	准确性、性能指标与机器学习、深度学习模型相当，具体指标未明确列出	未明确提及
508	2026-08-05	Getting Started on Artificial Intelligence in Health Care and Clinical Research: Includes Rigor Checklist for Authors and Reviewers 2026-Jan, Advances in wound care IF:5.8Q1 DOI:10.1177/21621918251380217 PMID:41039915	综述	本文为研究人员、临床医生和审稿人提供了在医疗保健和临床研究中应用人工智能的路线图，包括严谨性检查清单，并概述了人工智能的基础、核心技术和应用。	强调了人工智能采用始于人而非技术，提出了从内部建设生物医学人工智能劳动力队伍的系统方法，并提供了针对作者和审稿人的严谨性检查清单。	未提及具体局限性。	帮助研究人员、临床医生和审稿人理解并严谨地应用人工智能于医疗保健和临床研究，促进负责任和变革性的创新。	生物医学人工智能领域，包括研究人员、临床医生、审稿人以及相关技术应用。	机器学习	不适用	不适用	不适用	不适用	不适用	不适用	不适用	不适用	不适用
509	2026-08-03	A comprehensive review of artificial intelligence as a catalyst in aging research: insights, gaps and future perspectives 2026, Frontiers in aging IF:3.3Q2 DOI:10.3389/fragi.2026.1644669 PMID:41685266	综述	本文全面评述了人工智能在衰老研究中的应用，涵盖机器学习、深度学习和计算机视觉在四种经典衰老模型中的角色，并提出了标准化评分系统和概念框架	提出了AI质量评估指标（AI-QAM）和将AI应用映射到生物水平和衰老标志的概念框架	仅有3%的研究包含生物验证，存在数据集小且不平衡、数据偏差、预测噪声、缺乏跨物种分析、缺少细胞毒性测试和过度依赖合成数据等问题	评估AI在衰老研究中的应用现状，识别不足，并提出改进标准和整合框架	四种经典衰老模型（酵母、线虫、果蝇和小鼠）中的AI应用研究	机器学习	衰老相关疾病	NA	机器学习、深度学习、计算机视觉	临床数据、影像数据、多组学数据	综述中分析的研究数量未明确，但提及仅3%包含生物验证	NA	NA	NA	NA
510	2026-08-03	GRACE-ViT: Grouped Recalibration With Adaptive Contextual Emphasis for Breast Cancer Neoadjuvant Chemotherapy Response Prediction 2026 Jan-Dec, Technology in cancer research & treatment IF:2.7Q3 DOI:10.1177/15330338261474068 PMID:42525959	研究论文	提出GRACE-ViT框架，利用基于视觉Transformer的模型从预处理乳腺MRI预测乳腺癌新辅助化疗反应，分为部分缓解、完全缓解和稳定疾病三类。	引入轻量级令牌重校准模块GRACE，结合双模式令牌评分、空间连贯性先验和跨组特征整合，在保持全局上下文的同时聚焦重要乳腺区域，以较低计算成本提升预测性能。	未明确提及局限性，但可能受限于单中心回顾性数据及特定MRI序列。	开发并验证一种高效的基于MRI的乳腺癌新辅助化疗反应预测方法，以支持个体化治疗决策。	乳腺癌患者治疗前的轴向T1加权乳腺MRI图像。	计算机视觉	乳腺癌	MRI	视觉Transformer（ViT）	图像	736张轴向T1加权乳腺MRI图像	未提及	ViT（含GRACE模块）	准确率, F1分数, 精确率, 召回率	未提及
511	2026-08-03	A cross-domain deep learning framework for remaining useful life prediction in industrial applications 2026, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0354721 PMID:42536676	研究论文	提出了一种基于CNN-BiLSTM混合架构的跨领域深度学习框架，用于工业应用中的剩余使用寿命预测。	提出的跨领域框架无需手工特征，通过CNN提取局部退化特征，BiLSTM捕捉长期依赖，并在零样本和微调两种跨领域设置下验证了其适应性和轻量级迁移能力。	研究仅对有限领域和数据集进行了验证，且结果部分依赖目标领域少量标注样本的微调，未实现完全无监督的跨领域泛化。	实现统一、可扩展的跨领域剩余使用寿命预测框架，以支持工业系统中的预测性维护和减少停机时间。	施工机械、连续铸造机、锂离子电池等三类异构工业系统。	机器学习	NA	NA	CNN-BiLSTM	传感器时序数据	未明确样本数，但涉及三个数据集（施工机械、连续铸造机、锂离子电池）和多个测试样本。	NA	CNN-BiLSTM	RMSE, MAE, R², Timeliness Score, PHM08 Score	NA
512	2026-08-03	Screening opportunistic osteoporosis through multimodal techniques of hip joint CT images: exploring 2D and 3D deep learning, radiomics, clinical data, and their integration 2026, Frontiers in endocrinology IF:3.9Q2 DOI:10.3389/fendo.2026.1838830 PMID:42539488	研究论文	本研究探讨通过髋关节CT图像的多模态技术（包括2D/3D深度学习、放射组学和临床数据）进行机会性骨质疏松症筛查的方法	整合2D/3D深度学习、放射组学与临床数据，建立基于髋关节CT的机会性骨质疏松症筛查列线图模型，并比较多种模型的性能以确定最佳方案	信息不足（摘要中未明确提及局限性）	探索利用髋关节CT数据分析进行骨质疏松症检测，整合2D/3D深度学习、放射组学和临床数据以提高诊断准确性和可靠性	567例髋关节CT图像患者，包括年龄、性别等临床因素	医学影像分析	骨质疏松症	CT成像	2D深度学习、3D深度学习、放射组学、机器学习（如GradientBoosting）	图像（CT）、临床数据	567例患者的髋关节CT图像及相应临床数据	NA	DenseNet201、3D ResNet34、GradientBoosting	准确率、AUC	NA
513	2026-08-03	Cochlear implant artifact analysis in cranial MRI: effects of field strength and imaging sequence 2026, Frontiers in neurology IF:2.7Q3 DOI:10.3389/fneur.2026.1861544 PMID:42539506	研究论文	本研究探讨了在不同磁共振场强和成像序列下，人工耳蜗植入体在颅脑MRI中产生的伪影特征。	首次系统比较了1.5T和3.0T场强以及SE、FSE、GRE序列下人工耳蜗伪影的大小和面积，并引入了深度学习自动分割算法进行量化分析。	研究仅基于12名健康受试者，且未涉及真实植入者或临床病理状态下的伪影影响。	评估不同MRI场强和序列对人工耳蜗伪影的影响，以优化临床扫描方案。	12名健康受试者，人工耳蜗CS-30A植入体。	医学影像	NA	MRI	深度学习分割模型	MRI图像	12名健康受试者	NA	NA	伪影最大尺寸、伪影面积、p值	NA
514	2026-08-03	Predicting response to immune checkpoint inhibitor plus chemotherapy in EGFR-mutant lung adenocarcinoma following first-generation TKI resistance: a multicenter deep learning study 2026, Frontiers in immunology IF:5.7Q1 DOI:10.3389/fimmu.2026.1760264 PMID:42539527	研究论文	一项多中心深度学习研究，利用CT影像预测EGFR突变肺腺癌患者在一代TKI耐药后对免疫检查点抑制剂联合化疗的治疗反应	首次使用2.5D深度学习模型基于CT影像预测EGFR突变肺腺癌患者一代TKI耐药后的免疫治疗反应	需要前瞻性验证和临床变量基准测试后才能进行临床应用	开发并验证基于CT影像的深度学习模型，用于预测EGFR突变肺腺癌患者在一代TKI耐药后对免疫检查点抑制剂联合化疗的治疗反应	EGFR突变且对一代酪氨酸激酶抑制剂耐药且无T790M突变的肺腺癌患者	深度学习	肺癌	CT影像	深度学习模型	影像（CT）	490例患者（训练队列326例，验证队列1有70例，验证队列2有94例）	NA	2.5D模型	AUC、决策曲线分析、PFS分层分析	NA
515	2026-08-03	Deep learning-based super-resolution dynamic contrast-enhanced radiomics model for predicting NSMP endometrial cancer 2026, Frontiers in oncology IF:3.5Q2 DOI:10.3389/fonc.2026.1722374 PMID:42539566	研究论文	本研究评估了基于深度学习超分辨率的动态对比增强影像组学模型在预测非特异性分子谱系子宫内膜癌中的性能	首次将深度学习超分辨率重建技术应用于动态对比增强影像组学模型，提高非特异性分子谱系子宫内膜癌的预测准确性	信息未在标题和摘要中提供	评估深度学习超分辨率动态对比增强影像组学模型预测非特异性分子谱系子宫内膜癌的性能	140例手术确诊的子宫内膜癌患者（76例NSMP型和64例非NSMP型）	医学影像分析	子宫内膜癌	动态对比增强磁共振成像	逻辑回归、支持向量机、多层感知器	医学影像	140例子宫内膜癌患者	NA	NA	曲线下面积、决策曲线分析	NA
516	2026-08-03	Application of deep learning in prognostic prediction of non-small cell lung cancer 2026, Frontiers in cell and developmental biology IF:4.6Q1 DOI:10.3389/fcell.2026.1878798 PMID:42539610	综述	本文综述了深度学习在非小细胞肺癌预后预测中的研究进展，涵盖多模态数据的技术特点、关键架构及挑战。	系统梳理了从传统融合到注意力交互、张量融合和图交互建模的多模态融合演进路径，并介绍了Grad-CAM和SHAP等可解释性技术的应用现状。	当前研究存在数据异质性、小样本过拟合、可解释性验证不足、缺乏深度多模态融合和临床泛化验证弱等瓶颈。	为医学人工智能研究者提供技术参考，促进临床可转化的高精度非小细胞肺癌预后预测模型的开发。	非小细胞肺癌患者	机器学习及其在医学影像和基因组学中的应用	非小细胞肺癌	NA	NA	医学图像、病理全切片图像、基因组学数据、临床数据	NA	NA	2D/3D卷积神经网络、多实例学习、图卷积网络、深度生存模型、Transformer	NA	NA
517	2026-08-03	Utility of lay and clinical narratives for transparent autism diagnosis using BioBERT deep learning 2026, Frontiers in digital health IF:3.2Q2 DOI:10.3389/fdgth.2026.1804334 PMID:42539706	研究论文	利用BioBERT深度学习模型对自闭症行为描述进行透明化诊断标注，并评估非专业与临床叙事数据的诊断价值	提出使用BioBERT对个体行为描述进行DSM-5七项标准（A1-A3, B1-B4）的透明化标注，避免案例级别的黑箱决策，并首次比较非专业与临床叙事在诊断效用上的异同	模型在跨界转移时性能下降，且AI生成的摘要只能适度代表行为描述示例	探索将非专业（家长）行为描述整合到自动化自闭症诊断流程中，以提升诊断透明性和效率，同时保持临床效用	自闭症行为描述文本，包括非专业（N = 35,971）和临床（N = 145,603）两种来源	自然语言处理	自闭症	NA	BioBERT	文本	非专业行为描述35,971条和临床行为描述145,603条	PyTorch	BioBERT	精确率, 召回率, 余弦相似度	NA
518	2026-08-03	Assessing Deep Learning in Record Linkage: Recommendations Based on Dataset Characteristics and Computational Costs 2026, International journal of population data science DOI:10.23889/ijpds.v11i5.3716 PMID:42540954	研究论文	本文评估了深度学习在记录链接任务中的性能与计算成本，并基于数据集特征提出方法选择建议	提出了一个统一框架来评估深度学习与传统机器学习在记录链接中的性能-成本权衡，覆盖多种数据集类型	未明确提及具体限制，但可能受限于评估任务和数据集范围	理解深度学习在记录链接中的性能、计算成本，并基于性能-成本权衡提供方法选择建议	各种记录链接任务，包括结构化与非结构化数据集	机器学习	无	无	深度学习模型（如Transformer）和经典机器学习方法	文本数据（结构化与非结构化）	多种记录链接数据集（具体数量未在摘要中给出）	未指定	Transformer	精确率-召回率曲线	未指定
519	2026-08-02	Development and validation of a deep learning-based emergency triage model: a feasibility and effectiveness study 2026-Jan-28, BMC emergency medicine IF:2.3Q1 DOI:10.1186/s12873-026-01489-9 PMID:41606477	研究论文	开发并验证了一种基于深度学习的急诊分诊模型，评估其可行性和有效性	提出了一种训练专用急诊分诊模型的方法，利用EasyDL平台进行开发和部署，实现高准确率的分诊级别分类，并支持通过API部署至移动终端	外部验证的准确率有所下降，且需要在实际临床环境中进行进一步研究和疗效验证	提高急诊患者分诊级别分类的准确性，实现临床转化	急诊分诊数据	机器学习	急诊疾病（未特指）	深度学习	深度学习模型（未具体指定类型）	文本数据	270,298条原始数据，清理后113,302条；训练集91,743条，测试集11,559条，在线诊断集10,000条	EasyDL	NA	准确率、马修斯相关系数（MCC）	EasyDL平台
520	2026-08-02	Structure-Guided Engineering of High-Affinity Antibodies Against Zika Virus Using Deep Learning and Molecular Dynamics 2026-Jan, Chemistry & biodiversity IF:2.3Q3 DOI:10.1002/cbdv.202502769 PMID:41205205	研究论文	本研究利用深度学习和分子动力学模拟，通过结构引导工程优化针对寨卡病毒包膜蛋白DIII区域的单克隆抗体，识别出两个高亲和力候选变异体	结合深度学习和分子动力学模拟进行抗体工程优化，针对寨卡病毒E蛋白DIII区域设计双点突变抗体库，并利用多种计算工具系统评估抗体性能	研究仅基于计算模拟，缺乏实验验证	优化针对寨卡病毒包膜蛋白DIII区域的单克隆抗体，以开发高亲和力治疗抗体	寨卡病毒包膜蛋白DIII区域及中和抗体ZV-64的变异体	深度学习、分子动力学、抗体工程	寨卡病毒感染	分子动力学模拟、分子对接、深度学习方法	深度学习模型	蛋白质结构数据、序列数据	抗体变异体库（具体数量未提供）	NA	NA	预测结合亲和力、稳定性、溶解度、结合能	NA