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
521	2026-08-02	Reviewing Marine Bioactive Compounds From the Red Sea: Advancing Therapeutic Applications While Navigating Translational and Conservation Challenges 2026-Jan, Chemistry & biodiversity IF:2.3Q3 DOI:10.1002/cbdv.202502652 PMID:41563944	综述	本文综述了红海中分离的海洋生物活性化合物的研究进展，涵盖其提取、表征和生物活性，并探讨了临床转化和保护挑战	整合了红海海洋生物活性化合物十年的研究数据，并结合深度学习等新兴技术提出跨学科策略以推动药物发现	未详细讨论具体化合物的临床试验数据，且对提取技术和转化障碍的分析较为宏观	总结红海海洋生物活性化合物的治疗潜力，并分析其临床转化和生态保护面临的挑战	红海中的海绵、珊瑚、微藻、海藻、海洋鱼类和微生物	海洋生物学	癌症、炎症和神经退行性疾病	传统溶剂提取、超临界流体萃取、超声辅助提取、色谱纯化、生物测定引导分馏	NA	文本	NA	NA	NA	NA	NA
522	2026-08-02	A scoping review of systematic reviews on artificial intelligence in orthopaedics 2026 Jan-Apr, Journal of orthopaedic surgery (Hong Kong) DOI:10.1177/10225536261424033 PMID:41680110	综述	对骨科人工智能系统评价的范围性综述，分析出版趋势、地理分布、临床和解剖焦点以及AI方法论和应用	首次对骨科AI领域的系统评价进行全面范围性综述，涵盖多个亚专科和应用，识别未充分探索的研究领域	仅纳入开放获取的系统评价，可能遗漏部分灰色文献或非英语研究，且依赖现有综述的可用数据	绘制骨科AI研究的出版趋势和地理分布，分类临床和解剖焦点，并映射AI方法论和应用以突出研究机会	2015年至2025年7月间发表的183项骨科AI相关系统评价	数字病理学、机器学习	骨科疾病	系统评价、元分析	深度学习、机器学习	影像数据、结构化临床数据	183项系统评价	R软件	NA	NA	NA
523	2026-08-02	A lightweight hybrid framework integrating convolutional neural networks and fast Fourier transform for reliable and calibrated ECG-based cardiac abnormality detection 2026, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0354834 PMID:42525678	研究论文	提出一种轻量级混合框架，结合卷积神经网络和快速傅里叶变换，用于可靠且校准的心电图心脏异常检测	引入概率校准和严格的按患者验证协议，结合时域形态和频域特征，实现高效且可靠的分类	未在外部数据集或真实临床环境中验证，且仅限于PTB-XL数据集	开发轻量级、高效且可靠的心电图异常检测模型，适用于资源受限的临床环境	心电图信号中的心脏异常	机器学习	心脏疾病	心电图（ECG）	卷积神经网络（CNN）与快速傅里叶变换（FFT）结合	心电图信号	PTB-XL数据集，包含数千条心电图记录（具体数量未在摘要中提供）	未指定	卷积神经网络与快速傅里叶变换组件的混合架构	准确率（Accuracy）、AUC、宏平均AUC、期望校准误差（ECE）	未指定
524	2026-08-02	Object detection in histology: A multi-dataset benchmark and test-time inference 2026, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0354618 PMID:42525693	研究论文	对YOLOv8至YOLOv12等最新目标检测模型在五个组织学数据集上进行全面比较分析，并提出测试时自监督优化方法TGSP	首次系统比较YOLOv8至YOLOv12及RT-DETR等模型在组织学图像上的性能，并提出测试时图相似性传播（TGSP）方法，通过自适应每类分位数阈值和图标签传播替代TSBP的迭代匹配，提升性能	模型在小目标上表现不佳，常见失败为背景误检和漏检，且未提及计算资源的具体细节	评估最新目标检测模型在组织学图像中的性能，建立基准，并提出改进的测试时优化方法	组织学图像中的病理结构，包括细胞核等对象	计算机视觉	癌症（如乳腺癌，TNBC相关）	NA	YOLO（YOLOv8-YOLOv12）、RT-DETR、YOLO-World、YOLOE	组织学图像	五个数据集：BCNB、Nuclei、TNBC、MoNuSAC、CryoNuSeg，共含多个图像（具体数量未报告）	NA	ResNet50（用于TGSP特征提取）	F1分数、推理时间、计算成本	NA
525	2026-08-02	Cauchy Lotus Optimization-based feature selection and ResNet 101 based XceptionNet architecture for radiation pneumonitis prediction in lung cancer patients 2026, Medical dosimetry : official journal of the American Association of Medical Dosimetrists IF:1.1Q3 DOI:10.1016/j.meddos.2026.03.008 PMID:42014218	研究论文	本研究提出了一种基于Cauchy Lotus优化特征选择和ResNet 101改进的XceptionNet架构的深度学习算法，用于肺癌患者放射性肺炎的早期预测	结合了Cauchy Lotus优化算法进行特征选择，并改进了ResNet101为基础的XceptionNet架构，以降低特征冗余并提高预测性能	未在摘要中提及具体局限性	使用胸部CT扫描开发一种高效的深度学习算法，用于肺癌患者放射性肺炎的早期预测，以支持风险适应性治疗计划	2010至2021年间接受胸部放疗的548例肺癌患者	深度学习、医学影像分析	肺癌、放射性肺炎	CT成像、自动编码器、特征选择优化	ResNet101、XceptionNet、Autoencoder	医学影像（CT扫描）	548例肺癌患者	NA	ResNet101、XceptionNet	精确率、特异度、灵敏度、准确率、ROC-AUC	NA
526	2026-08-02	vSTMD: Visual Motion Detection for Extremely Tiny Target at Various Velocities 2026, IEEE transactions on image processing : a publication of the IEEE Signal Processing Society IF:10.8Q1 DOI:10.1109/TIP.2026.3707792 PMID:42391073	研究论文	提出了一种无学习的视觉运动检测模型vSTMD，用于检测各种速度下的极小目标，并通过生物启发机制提升性能	提出了两个关键机制：跨抑制动态电位（cIDP）和协作方向梯度计算（CDGC），cIDP作为自适应机制高效捕获宽速度范围内的运动线索，CDGC增强方向精度和鲁棒性并将计算开销降低至先前独立策略的八分之一	未在摘要中明确提及局限性，但可推断模型可能受限于无学习方法的固有约束，且仅在特定数据集（RIST）上进行了评估	解决现有STMD模型速度范围狭窄的问题，实现不同速度下极小目标的运动检测，并提高实时应用适应性	极小目标（ET-targets）的运动检测，特别是在动态场景和复杂背景中的目标	计算机视觉	不适用	不适用	STMD（小目标运动检测器）	图像	未明确提及样本量，使用了真实世界数据集RIST	不适用	vSTMD和vSTMD-F（反馈增强变体）	F1分数、方向估计性能	未明确提及，但提到模型比数据驱动方法快60倍
527	2026-07-31	Image-domain deep learning denoising for low-dose chest CT on a single 128-slice CT platform: a retrospective image-quality assessment 2026, Frontiers in medicine IF:3.1Q1 DOI:10.3389/fmed.2026.1888006 PMID:42523763	研究论文	本研究评估了一种独立于供应商的图像域深度学习去噪算法在低剂量胸部CT上的应用，并与标准剂量迭代重建的图像质量指标进行了比较	采用供应商独立的图像域深度学习去噪算法，可在无原生深度学习重建的CT扫描仪上改善低剂量胸部CT图像质量	回顾性研究设计，患者分组不同，结果不能直接视为等效或非劣效性证据，缺乏病变可检测性和诊断性能评估	评估独立于供应商的图像域深度学习去噪算法对低剂量胸部CT图像质量的改善效果	198例无增强胸部CT患者，分为低剂量CT组（99例）和标准剂量CT组（99例）	医学影像	肺部疾病	CT成像	深度学习去噪网络	CT图像	198例患者，包括99例低剂量CT和99例标准剂量CT	NA	NA	衰减值，图像噪声，信噪比，对比噪声比，5点主观评分量表	NA
528	2026-07-31	Performance evaluation and occupational health safety analysis of university teachers based on time-series feature extraction 2026, Frontiers in public health IF:3.0Q2 DOI:10.3389/fpubh.2026.1749731 PMID:42523768	研究论文	提出一种基于时间序列特征提取的高校教师绩效与职业健康安全评估新框架	首次将时间序列特征提取与深度学习架构结合，用于教师绩效与职业健康安全的动态评估，并引入多层次时序融合策略	实证数据来源有限，仅包括机构日志、生理监测和主观评估，可能缺乏泛化性	开发一种能够捕捉教师绩效与健康指标时序复杂性和动态依赖关系的评估框架	高校教师的绩效指标和职业健康安全指标	机器学习	NA	时间序列特征提取	循环神经网络	时间序列数据	NA	NA	RNN, 注意力机制	NA	NA
529	2026-07-31	Multimodal transformer-based watermarking for deepfake detection and digital media authentication: current progress, challenges, and future directions 2026, Frontiers in artificial intelligence IF:3.0Q2 DOI:10.3389/frai.2026.1848963 PMID:42523792	综述	综述基于多模态Transformer的数字水印技术用于深度伪造检测和数字媒体认证的当前进展、挑战和未来方向	聚焦Transformer模型在多模态统一架构中相较于传统水印方法的韧性提升，并探讨将水印嵌入、伪造检测和内容认证整合为统一管道的技术优势	主要基于文献综述，缺乏实验验证；指出跨模态泛化、对抗鲁棒性和基准稀缺等未解决的问题	系统评估当前Transformer方法在多模态数字水印与深度伪造检测中的发展，并识别关键挑战与未来研究方向	视频、音频和图像等多模态内容中的数字水印与深度伪造检测技术	计算机视觉，自然语言处理，机器学习	NA	数字水印，深度伪造检测	Transformer	图像，视频，音频	NA	NA	Transformer	NA	NA
530	2026-07-31	Evidence integration: The transformative role of artificial intelligence in maternal health 2026 Jan-Dec, Digital health IF:2.9Q2 DOI:10.1177/20552076261473727 PMID:42523880	综述	本伞状综述综合了人工智能在孕产妇健康领域应用的相关证据，重点关注风险预测与分层、预防与支持性干预以及实际推广障碍	通过伞状综述方法和AMSTAR 2质量评估，系统性整合现有证据并提出了可扩展的AI孕产妇健康解决方案的实践路线图	现有研究普遍缺乏外部验证、模型可解释性、临床工作流集成、公平性审计及前瞻性效果评估，导致转化鸿沟显著	评估人工智能在改善孕产妇健康结局（尤其是中低收入国家）中的应用潜力和实施障碍	孕产妇健康相关的AI应用，包括妊娠并发症风险预测、预防性干预及产后支持	机器学习	孕产妇疾病	NA	逻辑回归、随机森林、梯度提升、支持向量机、深度学习	NA	34篇综述	NA	NA	NA	NA
531	2026-07-31	Diagnostic and prognostic applications of machine learning in paediatric traumatic brain injury: a systematic review of single and multimodal approaches 2026, Frontiers in neurology IF:2.7Q3 DOI:10.3389/fneur.2026.1838137 PMID:42523910	综述	系统评估机器学习与深度学习在儿童创伤性脑损伤诊断和预后中的应用	首次系统综述了机器学习/深度学习在儿童创伤性脑损伤中单一与多模态数据的应用，包括最新Transformer架构和梯度提升方法	大多数研究缺乏外部多中心验证，存在类别不平衡问题，且部分模型在低风险分诊中提升有限	评估机器学习与深度学习模型在儿童创伤性脑损伤急性损伤检测和长期预后预测中的表现	儿童创伤性脑损伤患者（0-18岁）	机器学习	儿童创伤性脑损伤	NA	XGBoost, 随机森林, 卷积神经网络, Transformer架构	临床数据, 影像数据, 生物标志物	68,331名受试者（来自20篇全文研究）	NA	XGBoost, 随机森林, 卷积神经网络, Transformer	AUROC	NA
532	2026-07-31	UAV remote sensing for yield prediction in staple crops: a review 2026, Frontiers in plant science IF:4.1Q1 DOI:10.3389/fpls.2026.1840669 PMID:42523927	综述	系统综述基于无人机遥感技术的主要粮食和油料作物产量预测方法	提出“数据-真值-模型-决策”分析框架，明确区分微区、田间和区域三种预测尺度，并系统评估产量标签获取方法的特征与局限性	现有研究存在无人机影像与产量标签尺度不匹配、产量地图生成误差传播、跨年/跨区域迁移性有限、因果可解释性弱、复杂田间部署困难等主要瓶颈	为开发鲁棒、可解释且可部署的无人机产量预测系统提供实践路径，支持粮食安全评估和精准田间管理	大豆、玉米、小麦和水稻等主要粮食与油料作物	计算机视觉	不适用	无人机遥感	时空深度学习	图像	70篇2018-2025年间发表的同行评审研究	不适用	不适用	不适用	不适用
533	2026-07-31	Applications of artificial intelligence in endodontic education: a systematic review 2026, Frontiers in dental medicine IF:1.5Q3 DOI:10.3389/fdmed.2026.1844279 PMID:42524131	系统综述	评估人工智能在牙髓病教育中的应用，涵盖机器学习、深度学习、虚拟/增强现实及大语言模型	首次系统综述AI技术在牙髓病教育中的多种应用，包括诊断支持、临床前训练及患者教育	结果测量存在异质性；数据集存在偏差；可靠性和透明度问题	评估AI在牙髓病教育中的作用，基于截至2025年9月的可用证据	牙髓病教育中的AI应用，包括教学、临床前培训、临床教育和患者教育	自然语言处理, 计算机视觉, 数字病理学	牙髓病	机器学习, 深度学习, 虚拟/增强现实, 大语言模型	NA	放射影像, 模拟数据, 文本	15项研究	NA	NA	敏感性, 特异性, 准确性	NA
534	2026-07-31	Bayesian insights into exchange and restriction in gray matter diffusion MRI 2026, Imaging neuroscience (Cambridge, Mass.) DOI:10.1162/IMAG.a.1317 PMID:42524206	研究论文	利用贝叶斯推断框架评估两种灰质扩散MRI模型中参数估计的准确性、精确性和退化问题	采用基于深度学习的贝叶斯推断框架µGUIDE量化参数不确定性并检测退化性，实现对模型拟合的可解释性评估	在真实噪声条件和简化采集协议下，交换时间和胞体半径等参数估计存在高不确定性和偏差	研究灰质扩散MRI模型中参数估计的可靠性，强调不确定性报告和模型退化处理的重要性	两种灰质模型NEXI和SANDIX	自然语言处理	NA	扩散MRI	深度学习	模拟数据和真实数据	NA	µGUIDE	NA	准确性、精确性、不确定性	NA
535	2026-07-31	Advances in Artificial Intelligence for Wrist Joint Injury Diagnosis 2026, International journal of medical sciences IF:3.2Q1 DOI:10.7150/ijms.134301 PMID:42524355	综述	全面分析人工智能在急性创伤性腕关节损伤诊断中的应用，包括骨折和韧带损伤	系统总结了多种AI技术（如CNN、Grad-CAM、NLP）在腕关节损伤诊断中的应用，并与传统诊断方法进行对比，突出了AI在数据高效处理、减少误诊和漏诊、优化工作流程等方面的优势	临床应用面临伦理、监管、数据隐私与安全、算法透明性和可解释性、责任界定不明等挑战	探究人工智能在腕关节损伤诊断中的潜力及应用现状	急性创伤性腕关节损伤（包括骨折和韧带损伤）	计算机视觉, 自然语言处理, 机器学习	腕关节损伤	NA	卷积神经网络（CNN）, 深度学习模型, 目标检测模型, 传统机器学习模型, 自然语言处理（NLP）模型	图像	NA	NA	CNN, Grad-CAM	NA	NA
536	2026-07-30	Trustworthy prediction of enzyme commission numbers using a hierarchical interpretable transformer 2026-Jan-30, Nature communications IF:14.7Q1 DOI:10.1038/s41467-026-68727-3 PMID:41617688	研究论文	提出HIT-EC模型，一种基于层次可解释Transformer的方法，用于可信的酶委员会编号预测	首次提出四层Transformer架构与EC编号层次结构对齐，并引入证据深度学习进行可信预测，同时提供生物意义上可解释的方案	对代表性不足的EC编号预测性能较低，且缺乏处理不完整标注的学习策略	实现准确且可信的酶委员会编号预测，解决现有深度学习方法在性能、标注不完整和可解释性方面的局限	酶委员会编号和蛋白质序列	自然语言处理	NA	Transformer	Transformer	蛋白质序列数据	大型数据集（具体数量未提及），外部验证数据集，以及基于物种的性能评估数据	PyTorch	Transformer（四层层次结构）	准确率、精确率、召回率、F1分数、AUC	未提及具体GPU类型或云平台
537	2026-07-30	Feature Integration of [18F]FDG PET Brain Imaging Using Deep Learning for Sensitive Cognitive Decline Detection 2026-Jan-26, medRxiv : the preprint server for health sciences DOI:10.64898/2026.01.22.26344669 PMID:41646662	研究论文	提出一种多表征学习框架，融合[18F]FDG PET脑部成像特征和区域级定量指标，利用深度学习实现认知衰退的敏感检测与分类	提出将体素级特征（CNN/PCANet提取）与区域级特征（DNN处理）进行直接拼接融合，实现数据高效的多模态学习，显著提升认知衰退检测灵敏度	未在外部独立数据集上验证泛化性；样本量较小且仅来自ADNI单一队列；未对比其他融合策略（如注意力机制）	提升PET在认知衰退检测中的临床实用性，克服数据限制并提高诊断精度	认知衰退（包括早期阿尔茨海默病）与认知正常个体的脑部PET成像差异	计算机视觉, 数字病理学	认知衰退, 阿尔茨海默病	[18F]FDG PET成像	CNN, PCANet, DNN	医学图像（[18F]FDG PET脑成像）	252名参与者（118名认知正常，134名认知衰退），来自ADNI数据库	NA	CNN, PCANet, DNN	准确率, 召回率, F1分数, 精确度	NA
538	2026-07-30	Bioinformatics insights into plant genomic imprinting: approaches, challenges, and future perspectives 2026-01-09, Briefings in functional genomics IF:2.5Q3 DOI:10.1093/bfgp/elaf025 PMID:41511814	综述	系统总结植物基因组印迹研究的方法、挑战及未来人工智能驱动策略	整合单细胞组学、机器学习和深度学习等多技术手段，提出人工智能驱动的表观遗传育种新视角	未深入探讨多组学数据整合的实际计算瓶颈及算法普适性验证	全面梳理植物基因组印迹的鉴定、功能和调控机制，并展望人工智能在表观遗传育种中的应用	植物基因组印迹基因及其调控网络	生物信息学	NA	单细胞组学、机器学习、深度学习	机器学习模型、深度学习模型	组学数据（单细胞、多组学）	NA	NA	NA	NA	NA
539	2026-07-30	TransGrid-CostOpt: A hybrid transformer framework for cost prediction and optimization of distribution network assets 2026, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0350026 PMID:42213739	研究论文	提出TransGrid-CostOpt混合变压器框架，用于配电网资产成本预测与优化	融合深度学习、多目标优化、时间序列预测与强化学习决策策略，实现成本预测与优化的智能集成	未明确说明局限性	提高配电网成本预测精度与多目标优化效率，增强动态市场环境适应性	配电网资产成本预测与优化	机器学习	NA	NA	Transformer、强化学习	时间序列数据	BuildingsBench和PJM Hourly Load Data数据集	PyTorch	Transformer	准确率、效率、整体性能提升（15%-30%）	未说明
540	2026-07-30	MEG-GPT: A transformer-based foundation model for magnetoencephalography data 2026, Imaging neuroscience (Cambridge, Mass.) DOI:10.1162/IMAG.a.1301 PMID:42516171	研究论文	提出了一种基于Transformer的磁脑电图基础模型MEG-GPT，用于建模大规模脑动力学的时空模式	首次引入时间注意力和下一时间点预测的Transformer基础模型；开发了一种新颖的数据驱动分词方法，在不损失信息的情况下保持连续MEG信号的高时间分辨率	未明确提及本文的局限性	建模脑电图数据的复杂时空模式，推动计算神经科学和神经解码应用	磁脑电图数据中的脑区时间序列	机器学习	NA	MEG	Transformer	时间序列	612名被试的闭眼静息态数据（Cam-CAN数据集）	PyTorch	Transformer	准确率	NA