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
121	2026-09-28	Imaging intravoxel vessel size distribution in the brain using susceptibility contrast enhanced MRI 2026, Imaging neuroscience (Cambridge, Mass.) DOI:10.1162/IMAG.a.1173 PMID:41868968	研究论文	本文建立了一种基于磁化率对比的MRI新方法，利用深度学习模型从GESFIDE信号中预测脑血容量和血管大小分布，实现无创成像	首次提出基于磁化率对比增强MRI的体素内血管大小分布（VSD）成像方法，结合高分辨率光片荧光显微镜图像和深度学习模型，超越了传统字典匹配方法	肿瘤区域的预测精度（CBV r=0.78，VSD BC=0.82）低于健康区域，需要进一步验证才能应用于临床	开发一种无创成像体素内血管大小分布的方法，以定量评估血管重塑	啮齿动物脑血管网络、肿瘤血管	医学影像分析	肿瘤、神经退行性疾病、纤维化、高血压、糖尿病	磁化率对比增强MRI、光片荧光显微镜（LSFM）、GESFIDE序列	深度学习（DL）	图像（MRI信号、LSFM图像）	训练集32,000个体素感兴趣区域（VOI），测试集3,132个VOI，公开小鼠脑血管数据集1,000个VOI，肿瘤VOI 706个	NA	NA	线性相关系数r、Bhattacharya系数（BC）	NA
122	2026-09-28	Learning-based segmentation of diffusion-weighted MR images with arbitrary q-space samplings 2026, Imaging neuroscience (Cambridge, Mass.) DOI:10.1162/IMAG.a.1183 PMID:42245204	研究论文	本文提出一种新方法，将基于几何深度学习的重建框架 DISCUS 与分割网络 VINN 相结合，直接将非结构化扩散MRI数据映射为解剖分割结果	首次实现使用单一神经网络在异质采集方案下对非结构化dMRI数据进行稳健泛化分割，无需依赖扩散模型拟合	未在摘要中明确说明	解决CNN分割模型因dMRI的q空间采样差异导致维度不一致而难以跨数据集泛化的问题	扩散加权MRI（dMRI）图像中的解剖区域	计算机视觉	NA	扩散加权MRI（dMRI）	CNN	图像	NA	NA	DISCUS, VINN	NA	NA
123	2026-09-28	Hybrid Convolutional-Gated Recurrent Neural Network for Robust Mobile Health Activities Classification 2026, International journal of telemedicine and applications IF:3.1Q2 DOI:10.1155/ijta/1465162 PMID:42516350	研究论文	本文提出了一种结合卷积神经网络（CNN）和门控循环单元（GRU）的混合深度学习模型，用于移动健康中的身体活动分类	设计了一个端到端的CNN-GRU模型，能够从原始传感器数据中同时提取局部时空特征并建模长期时间依赖关系；同时建立了一个全面的基准测试框架，将所开发模型与之前的机器学习和深度学习分类器进行对比验证	未明确说明，可能包括仅在MHEALTH数据集上验证、未讨论模型在资源受限移动设备上的计算效率等	自动识别日常身体活动，以用于移动健康监测和实时异常状况诊断	移动健康传感器数据，包括身体活动和生命体征信号	机器学习	NA	可穿戴传感器数据采集	CNN, GRU	传感器时间序列数据	MHEALTH公开数据集，包含12种身体活动	NA	CNN-GRU	准确率, 精确率, 召回率, F1分数	NA
124	2026-09-28	Deep learning architectures for EEG-based classification of Dravet syndrome: A comparative study of pre-trained and non-pretrained hybrid CNN-LSTM models 2026, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0352991 PMID:42536693	研究论文	本研究比较了预训练与非预训练的混合CNN-LSTM模型在基于EEG的Dravet综合征分类中的表现	首次将预训练的混合CNN-LSTM框架应用于Dravet综合征的EEG分类，并证明EEG特定预训练可提高分类一致性和特征可分离性	样本量小（仅9名Dravet综合征儿科患者），需要更大的多中心数据集和前瞻性验证来评估稳健性、泛化性和临床实用性	探索人工智能使用混合深度学习CNN-LSTM框架对Dravet综合征进行基于EEG的分类和分析的潜力	9名确诊Dravet综合征的儿科患者、年龄匹配的健康对照组以及非Dravet癫痫（异常EEG）的儿科患者	机器学习	Dravet综合征	EEG	CNN-LSTM	EEG信号	9名Dravet综合征儿科患者，外加年龄匹配的健康对照组和非Dravet癫痫儿科患者	NA	CNN, LSTM	准确率, 平衡准确率, 宏平均F1分数, 宏平均ROC-AUC	NA
125	2026-09-28	Detection and Classification of Pancreatic Cancer Nodules on CT Images using U-Net and Ensemble Models 2026, Current medical imaging IF:1.1Q3 DOI:10.2174/0115734056420925251127020640 PMID:42300307	研究论文	本文提出了一种基于AI的框架，用于CT图像中胰腺导管腺癌的早期检测，结合了BADF预处理、改进的U-Net分割和集成学习分类	结合了Boosted Adaptive Diffusion Filter预处理、改进的U-Net分割模型和集成学习分类方法，能够检测小于2厘米的小肿瘤，性能优于现有深度学习方法	未明确提及局限性	从CT图像中早期检测胰腺导管腺癌（PDAC）	胰腺导管腺癌结节	计算机视觉	胰腺癌	CT成像	CNN	图像	公开可用的CT数据集	NA	U-Net, 集成模型	准确率, 精确率, 特异性, AUC	NA
126	2026-09-28	An Efficient and Cohesive System for Enhanced Accuracy in Malignant Brain Tumor Diagnosis 2026, Current medical imaging IF:1.1Q3 DOI:10.2174/0115734056447226260528100852 PMID:42300309	研究论文	该研究开发了一种名为SCSFE-DiagBT的深度学习框架，通过整合分类和分割任务，利用MRI扫描提高脑肿瘤诊断的准确性。	创新在于将分类和分割统一到一个诊断流程中，利用两个任务的互补性，并采用特征提取增强诊断性能；相比基线模型，分类指标提升高达31%，分割Dice系数提升12%。	摘要中未明确提及研究的局限性，但可能包括对特定数据集的依赖、未讨论计算复杂度或外部验证的缺乏。	开发一个先进的深度学习框架，用于增强脑肿瘤诊断的准确性。	脑肿瘤患者，使用MRI扫描进行诊断。	计算机视觉	脑肿瘤	MRI	CNN	图像	NA	NA	NA	准确率, 精确率, 召回率, Dice系数	NA
127	2026-09-28	The Efficacy of a Super-Resolution Reconstruction Radiomics Model Based on T2WI for Predicting Placenta Accreta Spectrum Disorders: A Multicenter Study 2026, Current medical imaging IF:1.1Q3 DOI:10.2174/0115734056451296260627050209 PMID:42459075	研究论文	基于T2加权磁共振图像的超分辨率重建放射组学模型预测胎盘植入谱系疾病的多中心研究	首次在多中心研究中评估超分辨率重建对T2WI放射组学模型预测胎盘植入谱系疾病诊断性能的影响，并比较了不同超分辨率倍数下的模型表现	超分辨率重建未提供增量诊断价值，外部验证AUC仅0.542-0.724，泛化性有限，且放射组学特征可能对超分辨率增强的纹理变化不敏感	评估基于T2加权磁共振图像的超分辨率重建是否能够提高放射组学模型预测胎盘植入谱系疾病的诊断性能	疑似胎盘植入谱系疾病患者	数字病理学	胎盘植入谱系疾病	T2加权磁共振成像, 超分辨率重建, 放射组学	CNN	图像	603例疑似胎盘植入谱系疾病病例（训练集480例：224例PAS vs 256例非PAS；外部验证集B 66例，C 57例）	NA	nnUNet, KNN, AdaBoost, Gradient Boosting	AUC, Dice系数, DeLong检验	NA
128	2026-09-28	Deep learning interpretability in neuroimaging: A comprehensive survey and methodological recommendations 2026, Imaging neuroscience (Cambridge, Mass.) DOI:10.1162/IMAG.a.1129 PMID:41821831	综述	本文全面综述了神经影像学中深度学习可解释性的研究现状，并提出了方法学建议	系统梳理了神经影像学中深度学习可解释性技术，并针对性地提出了整合深度学习技术以表征和解决精神障碍的策略与见解	未具体说明	综述神经影像学中深度学习可解释性的现状，并为成功整合深度学习技术以表征和解决精神障碍提供策略与见解	神经影像学中的深度学习模型及其可解释性方法	神经影像学	精神障碍	深度学习	NA	神经影像数据	NA	NA	NA	NA	NA
129	2026-09-28	Reducing bias and enhancing equity in AI-enabled precision nutrition: addressing measurement error across wearables, multiomics, and dietary data 2026, Frontiers in digital health IF:3.2Q2 DOI:10.3389/fdgth.2026.1805704 PMID:42328276	综述	本文综述了AI驱动的精准营养中测量误差问题，评估了统计与机器学习校正方法，并提出了公平性框架	系统比较了经典校正方法（如回归校准、贝叶斯模型）与新兴AI策略（如去噪自编码器、多任务学习、不确定性感知深度学习），并首次将测量误差校正与算法公平性、健康公平性在精准营养背景下整合讨论	作为综述文章，未进行原始数据实验验证；所提框架缺乏实证评估；对具体校正方法的性能比较基于现有文献而非统一实验	减少AI驱动精准营养中的偏差并增强公平性，解决可穿戴设备、多组学和膳食数据中的测量误差问题	可穿戴传感器数据、高维多组学与生物标志物分析数据、行为追踪数据、自我报告膳食摄入数据	机器学习	NA	可穿戴传感、多组学分析、生物标志物检测、行为追踪、膳食摄入评估	深度学习、贝叶斯模型、去噪自编码器、多任务学习、不确定性感知深度学习	多模态数据（可穿戴传感器数据、多组学数据、生物标志物、行为数据、膳食自报数据）	NA	NA	去噪自编码器、多任务学习、不确定性感知深度学习、回归校准、贝叶斯模型	NA	NA
130	2026-09-28	A Systematic Review: Deep Learning for Analyzing Genomic Data to Discover Evolutionary Patterns 2026, Scientifica IF:2.3Q2 DOI:10.1155/sci5/4286814 PMID:42495597	综述	本文对2016至2025年间利用深度学习从基因组数据中识别进化模式的研究进行了系统性综述，最终纳入50项研究并归类为三个领域	提出以领域对齐的框架组织文献，将深度学习在进化基因组学中的应用划分为群体遗传推断、系统发育重建和序列表示学习三个概念上不同但部分重叠的领域，从而澄清各领域的优势、局限和研究空白	所综述研究普遍存在可解释性不足、对训练假设（尤其是基于模拟的设定）敏感、评估方案异质以及计算需求高等问题	系统梳理2016至2025年间利用深度学习分析基因组数据以发现进化模式的研究，明确各领域的优势、局限和研究空白，为未来方法学发展提供结构化依据	2016至2025年间发表的关于深度学习用于进化基因组学中识别进化模式的研究文献，经结构化筛选后纳入50项研究	机器学习	NA	NA	深度学习	基因组数据	50项研究	NA	NA	NA	NA
131	2026-09-28	AI-assisted longitudinal cardiac phenotyping identifies domain-specific remodeling patterns in Fabry cardiomyopathy 2026, Frontiers in artificial intelligence IF:3.0Q2 DOI:10.3389/frai.2026.1800355 PMID:42787413	研究论文	一项回顾性多中心纵向研究，利用AI辅助深度学习平台对Fabry心肌病患者的电学、机械和结构重塑进行域特异性纵向表型分析，并比较酶替代治疗与未治疗患者的表型分布差异	首次在统一的纵向框架下系统性地组织Fabry心肌病中结构性、机械性和电学三个域的非平行重塑模式，并采用AI辅助深度学习平台（Us2.ai）实现标准化纵向多参数测量，揭示了域特异性重塑表型在ERT治疗与未治疗患者间的显著分布差异	样本量较小（仅38例患者），为回顾性研究设计，随访时间中位数仅5.3年，未报道AI平台的具体性能验证指标，单中心系统内三家附属医院的数据可能存在选择偏倚	系统性地在纵向框架下评估Fabry心肌病患者结构性、机械性和电学三个域的重塑模式，并探讨AI辅助纵向监测在表征非平行域特异性变化中的应用价值	38例在台北、淡水和新竹三家麦凯纪念医院附属医院管理的Fabry心肌病患者	数字病理学, 机器学习	Fabry心肌病, 心血管疾病	AI辅助深度学习超声心动图分析, 标准12导联心电图, 超声心动图	深度学习	图像, 数值数据, 心电图信号	38例Fabry心肌病患者，随访中位数5.3年（四分位距2.8-7.1年）	NA	NA	p值, 95%置信区间	NA
132	2026-09-28	Deep learning-based spatial immunoprofiling of multiplex immunofluorescence images distinguishes tuberculosis disease states in diversity outbred mice 2026, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0358334 PMID:42789595	研究论文	该论文利用深度学习对多重免疫荧光图像进行空间免疫图谱分析，以区分多样性远交小鼠中的结核病状态	开发了一种新的自动分割肺肉芽肿、检测/量化肉芽肿内细胞类型并提取免疫细胞位置的模型，并首次提出利用大型语言模型独立解码肉芽肿内复杂细胞模式以区分免疫学特征	研究基于小鼠模型，结果可能无法直接推广到人类；未提及计算资源的具体细节	识别指示无症状肺部感染的基于细胞的空间特征，以解决结核分枝杆菌肉芽肿组织方面的知识空白	感染结核分枝杆菌的多样性远交小鼠的肺切片，包括急性肺结核、无症状感染和慢性肺结核	数字病理学	肺结核	多重免疫荧光	大型语言模型, 深度学习分割模型	图像	NA	NA	NA	NA	NA
133	2026-09-28	Multimodal deep learning integrating ultrasonographic and clinical data for enhanced rotator cuff tear identification 2026, Frontiers in physiology IF:3.2Q2 DOI:10.3389/fphys.2026.1884047 PMID:42798349	研究论文	该研究开发并验证了一个结合超声影像和临床数据的多模态深度学习模型，用于肩袖撕裂的识别	首次系统地将超声影像与结构化临床检查数据通过特征级融合整合到一个统一的多模态深度学习诊断框架中	回顾性研究设计，样本量有限（947例），且仅针对冈上肌肩袖撕裂，未涵盖其他肩袖肌腱的撕裂	开发并验证一个整合超声影像与临床检查数据的多模态深度学习模型，用于肩袖撕裂的检测	947例因肩痛就诊并同时接受肩部超声和MRI检查的患者	医学影像分析，多模态深度学习	肩袖撕裂	超声成像，磁共振成像，深度学习	多模态深度学习模型，卷积神经网络	超声图像，结构化临床数据	947例患者（370例肩袖撕裂阳性，577例阴性）	NA	NA	AUROC，灵敏度，特异度，F1分数	NA
134	2026-09-28	A two-stage deep learning framework with progressive feature fusion and attention mechanisms for multi-class retinal disease classification 2026, Frontiers in artificial intelligence IF:3.0Q2 DOI:10.3389/frai.2026.1925302 PMID:42798467	研究论文	本文提出了一种基于YOLOv11的两阶段深度学习框架，通过渐进特征融合和注意力机制实现八类视网膜疾病的分类	提出了渐进空间融合（PSF）模块以分层整合多尺度特征表示，并结合基于SE的双重注意力精炼机制，在分类前精炼疾病判别特征，同时采用两阶段优化策略	仅在OCT-C8数据集上进行了评估，未在其他数据集上验证泛化能力	实现高精度、计算可行且具有可解释性的视网膜疾病自动分类	OCT图像中的八类视网膜疾病	计算机视觉	视网膜疾病	OCT	CNN	图像	OCT-C8数据集	NA	YOLOv11	准确率, 精确率, 召回率, F1分数, 特异性	NA
135	2026-09-28	AIGC affordance and student self-regulation in private undergraduate education: a serial mediation model of self-efficacy and learning motivation 2026, Frontiers in psychology IF:2.6Q2 DOI:10.3389/fpsyg.2026.1800950 PMID:42798500	研究论文	该研究基于可供性实现理论和自我调节学习理论，采用混合方法探讨AIGC可供性如何通过自我效能感和学习动机的链式中介作用激活学生的自我调节学习，背景为广州民办本科产教融合项目	将自我调节学习理论与产教融合框架相结合，揭示AIGC的主要价值不仅是功能性生产力工具，更是心理催化剂，通过建立学生信心和动机驱动力促进适应性学习；采用混合方法设计整合定量调查与定性访谈	AIGC评估反馈质量对学生自我效能感的直接路径不显著，满意度对自我调节学习的直接路径也不显著，表明积极体验本身不足以实现深度学习；产教融合实施中存在课程与产业错位、项目多样性有限和企业参与薄弱等持续差距	检验AIGC可供性如何通过自我效能感和动机的链式中介作用激活自我调节学习，并探讨产教融合情境下的实施边界条件	广州民办本科产教融合项目中参与AIGC学习的学生及教师	机器学习	NA	问卷调查，半结构化访谈，PLS-SEM，主题分析	NA	文本	689名学生参与定量调查，8名教师参与定性访谈	NA	NA	NA	NA
136	2026-09-28	Artificial intelligence and computational methods in the Asia-Pacific pharmacovigilance landscape: a systematic review 2026, International journal of public health IF:2.6Q2 DOI:10.3389/ijph.2026.1610026 PMID:42798532	系统综述	本文系统回顾了亚太地区药物警戒中人工智能和计算方法的应用，并识别了方法学实施挑战	首次系统综述亚太地区药物警戒中人工智能应用的研究，涵盖14个国家64项研究，并提出了分层实施策略	仅纳入英文发表的同行评审原创研究，可能存在语言偏倚；未进行定量荟萃分析	审查人工智能在亚太地区药物警戒中的应用，并识别报告的方法学实施挑战	亚太地区药物警戒中人工智能应用的相关研究	机器学习	药物不良反应	机器学习，自然语言处理，深度学习，神经网络，符号和可解释人工智能，不成比例分析	NA	文本	64项研究，来自14个国家	NA	NA	NA	NA
137	2026-09-28	Artificial Intelligence in Cholangioscopy: A New Frontier for Indeterminate Biliary Strictures 2026 Jan-Jun, Euroasian journal of hepato-gastroenterology DOI:10.5005/jp-journals-10018-1515 PMID:42798533	综述	本文综述了人工智能在胆道镜检查中用于诊断不确定性胆道狭窄的应用现状与前景	系统阐述了人工智能特别是深度学习图像分析在数字单人操作胆道镜中辅助恶性胆道狭窄实时预测、可疑黏膜和血管特征识别、靶向活检引导、报告标准化及培训支持方面的潜在价值	当前证据受限于回顾性设计、选择性图像数据集、小样本量、参考标准不一及缺乏外部验证	探讨人工智能辅助胆道镜检查在不确定性胆道狭窄诊断中的应用价值及未来发展方向	不确定性胆道狭窄患者及胆道镜图像	医学图像分析	胆道狭窄	数字单人操作胆道镜检查	深度学习	图像	NA	NA	NA	NA	NA
138	2026-09-28	Quantum-enhanced deep learning for elastographic image-based characterization of cutaneous and subcutaneous masses 2026, Frontiers in medicine IF:3.1Q1 DOI:10.3389/fmed.2026.1925092 PMID:42798554	研究论文	本研究提出并评估了一种混合量子-经典深度学习架构，用于基于弹性成像图像对皮肤和皮下肿块进行良恶性分类	将参数化量子电路层与经典CNN骨干网络结合，利用高维希尔伯特空间中的量子变换捕获传统模型难以捕捉的细微硬度模式，实现量子增强的医学图像分类	当前使用经典软件模拟量子层引入了延迟权衡（每张图像124.5毫秒 vs 8.4毫秒），尚未在真实量子处理单元硬件上运行	提高皮肤和皮下病变评估的诊断精度，探索量子-经典混合模型在弹性成像图像分析中的潜力	520张经组织学确认的弹性成像图像，用于皮肤和皮下肿块的良恶性分类	医学图像分析，量子机器学习	皮肤癌，皮下肿块	弹性成像	混合量子-经典深度学习模型	图像	520张弹性成像图像	NA	卷积神经网络（CNN），参数化量子电路	准确率，灵敏度，特异性，AUC	NA
139	2026-09-28	AI-driven genotype-phenotype modeling: a framework integrating multi-modal single-cell genomics and reverse vaccinology for de novo design of multi-epitope cancer vaccines 2026, Frontiers in genetics IF:2.8Q2 DOI:10.3389/fgene.2026.1909167 PMID:42798731	综述	本文提出一个整合多模态单细胞基因组学与反向疫苗学的AI驱动基因型-表型建模框架，用于从头设计多表位癌症疫苗	提出一个独特的双层概念框架：第一层利用多模态单细胞数据过滤假阳性靶点并去除抗原丢失克隆，第二层将严格过滤后的数据输入先进的结构与生成式AI模型以指导多表位疫苗设计，而非简单整合已有方法	存在模型可解释性、肿瘤可塑性、生产制造约束和临床实施等转化挑战	为未来个性化癌症免疫治疗提出一个独特的概念框架，加速高度靶向、自适应且持久的癌症疫苗开发	多模态单细胞基因组学数据、肿瘤免疫微环境、新抗原、多表位癌症疫苗	数字病理学	癌症	多模态单细胞基因组学、反向疫苗学	深度学习、图神经网络、Transformer、生成式AI模型	基因组数据、免疫学数据、单细胞数据	NA	NA	Transformer、图神经网络	NA	NA
140	2026-09-28	An explainable dual-branch transformer-ConvNeXt framework for robust lung histopathology classification 2026, Frontiers in oncology IF:3.5Q2 DOI:10.3389/fonc.2026.1907746 PMID:42798881	研究论文	提出一种双分支Transformer-ConvNeXt框架用于肺组织病理学分类，区分肺腺癌、鳞状细胞癌和良性组织	结合SwinV2-CR-Tiny和ConvNeXtV2-Tiny的双分支架构，通过可学习的跨特征门控模块集成，采用EEFO驱动的特征选择、CPO校准类权重和FFO调整决策阈值，并结合多种训练策略和可解释性方法	MC-dropout预测不确定性未能区分错误分类和正确分类的案例，模型系统性过度自信，朴素温度缩放增加了预期校准误差，LC25000的数据来源特征限制了绝对准确率的解释	准确区分肺腺癌、鳞状细胞癌和良性组织，提供可解释的决策支持流程	肺组织病理学图像（H&E染色）	数字病理学	肺癌	H&E染色	Transformer, CNN	图像	15,000张图像（每类5,000张）	NA	SwinV2-CR-Tiny, ConvNeXtV2-Tiny	准确率, 宏F1分数, 宏一对多AUC, Cohen's κ, 灵敏度	NA