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
301	2026-10-05	The application of deep neural networks to the detection of lumbar hernias: results from the approaches based on convolutional networks and transformers 2026, Frontiers in radiology DOI:10.3389/fradi.2026.1722312 PMID:42828227	研究论文	该研究开发了一个基于深度学习的自动化流程，用于在腰椎MRI中检测椎间盘突出，包括椎体和椎间盘分割以及突出分类	提出了一个多阶段深度学习流程，结合分割和分类来自动识别腰椎间盘突出，并比较了卷积网络和Transformer架构在分割与分类任务中的表现	样本量有限（484例MRI检查，其中165例手动标注）且存在类别不平衡问题，可能影响模型的泛化能力和分类性能	开发一个自动识别腰椎间盘突出的流程，以提高临床决策效率并减轻放射科医生的工作负担	腰椎脊柱MRI检查数据，包括椎骨和椎间盘	医学图像分析	腰椎间盘突出	MRI	CNN, Transformer	图像	484例腰椎MRI检查（来自4个制造商），其中165例研究（5200个矢状面切片）由放射科医生手动标注	NA	U-Net, DeepLabV3+, MA-Net, EfficientNet-B2, ResNet, SENet, Vision Transformer (ViT), ResNet18	Dice Score, F1-score	NA
302	2026-10-05	Advancing Ultrasound Beamforming With Deep Learning: A Comprehensive Review of Methods, Datasets, Benchmarks, and Computational Challenges 2026, International journal of biomedical imaging IF:3.3Q2 DOI:10.1155/ijbi/4617573 PMID:42829544	综述	本文综述了基于深度学习的超声波束形成方法、数据集、基准测试和计算挑战	全面分析了深度学习模型在超声波束形成中的应用，并探讨了硬件优化策略（如FPGA和云边框架）	数据集有限、模型可解释性差、过拟合风险	提供深度学习超声波束形成的最新进展综述，分析模型、应用、挑战和硬件优化	超声波束形成技术	医学图像处理	NA	深度学习	CNN, GAN, Transformer, 混合方法	超声图像	NA	NA	卷积神经网络, 生成对抗网络, Transformer	图像分辨率, 图像质量	FPGA, 云边框架
303	2026-10-05	Clinical feasibility and image quality assessment of deep learning-based virtual contrast enhancement from photon-counting computed tomography 2026, Journal of clinical imaging science IF:1.1Q3 DOI:10.25259/JCIS_99_2026 PMID:42829600	研究论文	该研究评估了基于深度学习的虚拟增强图像从光子计数CT数据集生成后的图像质量和诊断性能	利用光子计数CT数据集生成虚拟对比增强图像，并系统评估其临床可行性和图像质量	腹部评估可靠性有限，主要由于不均匀增强和明显的对比缺陷	评估深度学习生成的虚拟对比增强图像的图像质量和诊断性能	接受对比增强光子计数CT的连续患者	医学影像分析	NA	光子计数CT	CNN	图像	40名患者（训练集20名，测试集20名）	NA	U-Net	SSIM, MAE, MSE, PSNR, Likert量表, 诊断一致性	NA
304	2026-10-05	Exploring the impact of artificial intelligence on dental education: Benefits, challenges, and future directions - A systematic review of the literature 2026, Journal of education and health promotion IF:1.4Q3 DOI:10.4103/jehp.jehp_719_25 PMID:42829683	系统综述	本文系统回顾了人工智能在牙科教育中的应用，探讨了其益处、挑战以及未来发展方向	全面综述了人工智能在牙科教育中的益处和挑战，并提出了改善人工智能应用以增强学生和教师学习的方法	文献筛选过程中有时难以区分相关性、时效性和可信度，可能导致部分文献被排除或纳入存在偏差	探讨将人工智能融入牙科教育的益处和挑战，以及改善人工智能应用以增强学习的方法	牙科教育中的人工智能应用相关文献	牙科教育	NA	NA	NA	文本	共筛选出56篇符合标准的文献（从73篇中筛选）	NA	NA	NA	NA
305	2026-10-05	Modular constraint-based joint dynamic functional brain graph learning model for identifying brain disorders 2026, PeerJ IF:2.3Q2 DOI:10.7717/peerj.21439 PMID:42829711	研究论文	提出一种模块化约束的联合动态功能脑图学习模型，用于脑部疾病分类	整合多个脑图谱构建的功能脑图，使用滑动窗口和Transformer编码器捕获动态时空模式，采用随机块模型检测模块结构并将模块化约束融入训练目标以增强可解释性和正则化学习	分类准确率仍有限（ABIDE 68.5%，REST-MDD 65.3%），可能受限于样本量和模型泛化能力	解决现有方法依赖单一脑图谱的静态功能脑图、忽略时间变异性和模块化组织的问题，提升脑部疾病分类性能	自闭症谱系障碍（ABIDE数据集）和重度抑郁症（REST-MDD数据集）患者	医学图像分析	自闭症、重度抑郁症	静息态功能磁共振成像（rs-fMRI）	Transformer	图像（BOLD信号）	ABIDE和REST-MDD数据集（具体样本量未提供）	NA	Transformer编码器	准确率	NA
306	2026-10-05	NOISY MRI RECONSTRUCTION VIA MAP ESTIMATION WITH AN IMPLICIT DEEP-DENOISER PRIOR 2026, Proceedings. International Conference on Image Processing DOI:10.1109/icip61757.2026.11630206 PMID:42829777	研究论文	本文提出了一种名为ImMAP的基于扩散模型的MRI重建框架，通过将采集噪声模型集成到最大后验（MAP）估计中，以应对实际噪声条件下的欠采样MRI数据重建	将采集噪声模型直接集成到最大后验（MAP）公式中，并推广了Kadkhodaie等人的随机上升方法，以处理MRI编码算子和真实测量噪声	未明确说明，但可能受限于扩散模型本身的计算成本和参数调优	在现实噪声条件下，提高加速MRI重建的可靠性和可解释性	模拟和真实的含噪MRI数据集	计算机视觉	NA	NA	扩散模型	图像	NA	NA	NA	NA	NA
307	2026-10-04	Field prediction of calorific value and ash content of shrub biomass energy using Vis-NIR canopy spectra and deep learning 2026-Dec, Bioresource technology IF:9.7Q1 DOI:10.1016/j.biortech.2026.135528 PMID:42537941	研究论文	本文利用野外冠层可见-近红外光谱和深度学习技术，预测灌木生物质能源的热值和灰分含量	提出了多尺度注意力增强的一维卷积神经网络（MSA-1DCNN）并结合条件Wasserstein生成对抗网络（WGAN）进行数据增强，并比较了关键WGAN参数	未明确说明研究的局限性	在野外快速评估大规模灌木生物质能源材料的热值和灰分含量	灌木生物质能源材料	机器学习	NA	可见-近红外光谱	CNN, GAN	光谱数据	小样本标本	NA	MSA-1DCNN, WGAN	决定系数（R）、预测均方根误差（RMSEP）、相对分析误差（RPD）	NA
308	2026-10-04	A spatial-channel reconstruction guided frequency-time-space deep neural framework for SSVEP-based brain-computer interface EEG decoding 2026-Dec, Cognitive neurodynamics IF:3.1Q2 DOI:10.1007/s11571-026-10565-6 PMID:42824274	研究论文	本文提出了一种基于空间与通道重建的频率-时间-空间深度卷积神经网络（SCR-FTSDNN），用于高效准确地解码基于SSVEP的脑机接口脑电信号	引入空间和通道重建卷积模块以增强判别性特征提取，采用空洞卷积扩大频率、空间和时间特征的感受野，抑制冗余信息并为关键判别成分分配更高权重	仅在两个公开数据集上进行验证，未涉及更多样化的数据集或实际应用场景	解决深度学习方法在SSVEP特征提取和目标频率分类中模型复杂度高和对大规模校准数据依赖的问题，实现高效准确的SSVEP目标识别	基于SSVEP的脑机接口脑电信号	机器学习	NA	脑电图（EEG）解码，傅里叶变换	CNN	EEG信号	两个公开SSVEP数据集：Benchmark和BETA	PyTorch	SCR-FTSDNN（空间与通道重建频率-时间-空间深度卷积神经网络）	识别准确率，鲁棒性	NA
309	2026-10-04	A systematic transcriptomic atlas and predictive framework for metabolite-driven T cell state transitions 2026-Oct-16, iScience IF:4.6Q1 DOI:10.1016/j.isci.2026.117527 PMID:42823974	研究论文	本文通过高通量DRUG-seq技术分析了364种代谢物对人类T细胞转录状态的影响，并开发了多任务深度学习框架DRUG-seq-PerturbFormer来量化扰动幅度和方向性，最终在DSS诱导的结肠炎模型中验证了候选代谢物的免疫调节作用	首次大规模分析了364种内源性和微生物来源代谢物对人类T细胞状态的影响，开发了DRUG-seq-PerturbFormer深度学习框架用于量化代谢物扰动的幅度和方向性，发现了能够重编程T细胞转录程序的代谢物，并在体内结肠炎模型中验证了其免疫调节功能	摘要中未明确提及研究局限性	研究肠道微生物和内源性代谢物对人类T细胞状态的全局影响，建立代谢物驱动的T细胞状态转变的转录组图谱和预测框架，为炎症性疾病寻找免疫调节靶点	人类原代T细胞，364种内源性代谢物和微生物群来源代谢物	机器学习	炎症性疾病	DRUG-seq	深度学习	转录组数据	364种代谢物处理的T细胞样本	NA	PerturbFormer	NA	NA
310	2026-10-04	Integrating fluorescence enhancement and adsorption enrichment: Nanofibrous mat sensor with deep learning-assisted data analysis for real-time monitoring of shrimp freshness 2026-Oct-15, Food chemistry IF:8.5Q1 DOI:10.1016/j.foodchem.2026.150762 PMID:42600294	研究论文	该文章开发了一种集成β-环糊精和金刚烷修饰探针的高性能荧光纳米纤维垫传感器，并结合深度学习辅助数据分析，用于虾新鲜度的实时监测	将荧光增强与吸附富集功能集成于纳米纤维垫中，利用β-环糊精与荧光探针形成包合物增强荧光强度，同时高效富集生物胺以放大传感响应；进一步结合基于DenseNet-121的深度学习平台和智能手机小程序实现智能化分析	摘要中未明确提及该研究的局限性	开发一种高性能荧光纳米纤维垫传感器，结合深度学习辅助数据分析，实现对虾新鲜度的实时视觉监测	虾的新鲜度（生物胺作为标志物）	计算机视觉, 机器学习	NA	荧光传感, 纳米纤维垫传感器, 比色传感	CNN	图像	NA	NA	DenseNet-121	准确率	NA
311	2026-10-04	Integrating Efficient1DNet and hyperspectral imaging to reveal chilling injury and quality deterioration in mangoes 2026-Oct-15, Food chemistry IF:8.5Q1 DOI:10.1016/j.foodchem.2026.150796 PMID:42617210	研究论文	利用高光谱成像与深度学习技术快速无损检测芒果冷害	提出Efficient1DNet模型，结合高光谱成像实现芒果冷害的快速无损检测，模型具有较小的内存占用和较快的运行速度	未明确说明	实现芒果冷害的快速无损检测	芒果	计算机视觉	植物冷害	高光谱成像	Efficient1DNet	高光谱图像	未明确说明	未明确说明	Efficient1DNet	准确率, 精确率, 召回率, 特异性, F1分数	未明确说明
312	2026-10-04	Deep learning of fossil pollen morphology reveals 25,000 y of ecological change in eastern African grasslands 2026-Oct-13, Proceedings of the National Academy of Sciences of the United States of America IF:9.4Q1 DOI:10.1073/pnas.2607372123 PMID:42826129	研究论文	本文结合超分辨率显微镜与半监督深度学习策略，对现代和化石禾本科花粉进行形态分析，并用该方法解读了肯尼亚山25000年湖泊沉积记录中的草原生态变化。	首次将超分辨率显微镜与半监督卷积神经网络结合用于禾本科花粉形态解析，并利用CNN特征估计禾草类群多样性与区分C和C禾草光合类型。	摘要未明确提及研究局限性，摘要中未提供相关信息	利用花粉形态的深度学习方法推进孢粉学分析，并可靠估计古代草原生态系统中禾草多样性与C禾草丰度的变化	现代禾本科花粉组合、未标记化石禾本科花粉，以及来自肯尼亚山25000年湖泊沉积记录中的化石花粉组合	计算机视觉，深度学习，生态学，古生态学，孢粉学	NA	超分辨率显微镜，深度学习，半监督学习，卷积神经网络，梯度提升决策树，香农熵	CNN，梯度提升决策树	超分辨率图像，化石花粉图像	现代禾本科花粉组合和来自肯尼亚山25000年湖泊沉积记录的化石花粉组合，摘要未提供具体样本数量	NA	卷积神经网络，梯度提升决策树	NA	NA
313	2026-10-04	Integrating tongue image and health examination records for MASLD risk prediction via multimodal deep learning: A prospective diagnostic accuracy study 2026-Oct-02, Medicine IF:1.3Q2 DOI:10.1097/MD.0000000000050918 PMID:42826304	研究论文	本研究开发了一种可解释的多模态深度学习框架DeepMASLD，通过整合舌象图像与常规健康检查数据，用于MASLD分类	首次将舌象图像与健康检查记录通过多模态深度学习融合用于MASLD风险预测，并利用注意力融合模块和类别激活图实现可解释性	需要多中心和病理组织学验证，样本量相对有限且来自单一中心	开发可解释的多模态深度学习框架，整合舌象图像与常规健康检查数据，实现MASLD的早期检测	2024年6月至12月期间在上海长海医院收集的711份匹配的舌象图像和健康检查记录	计算机视觉，多模态学习	代谢功能障碍相关脂肪性肝病	深度学习，多模态融合	CNN，图注意力网络	图像，文本/结构化数据	711份匹配的舌象图像和健康检查记录	NA	ResNet-50，图注意力网络，注意力融合模块	准确率，F1分数	NA
314	2026-10-04	Utility of Augmented Reality Glasses With Waveguide Optics and Facial Recognition Technology for Patient Verification in a Simulated Outpatient Setting: Physician Questionnaire Survey Study 2026-Oct-02, JMIR human factors IF:2.6Q3 DOI:10.2196/95664 PMID:42826354	研究论文	评估配备波导光学和面部识别技术的原型AR眼镜在模拟门诊环境中用于患者验证的可用性和可接受性	首次在模拟门诊环境中评估配备波导光学和面部识别技术的AR眼镜在医生中的可用性和可接受性	样本量小，仅来自单一机构的14名泌尿科医生参与；为试点研究，需进一步改进和更大规模的临床评估	评估配备面部识别功能的原型AR眼镜在模拟门诊环境中的可用性和可接受性	14名来自单一机构的泌尿科医生	数字病理学	NA	增强现实、面部识别	NA	问卷	14名泌尿科医生	NA	NA	NA	NA
315	2026-10-04	Machine Learning for Human-Autonomy Teaming in Surgical Skill Assessment: Scoping Review 2026-Oct-02, JMIR AI DOI:10.2196/94109 PMID:42826381	综述	本文是一篇范围综述，系统分析了2019至2025年间92项关于机器学习用于手术技能评估的研究，评估其技术成熟度及在人类-自主团队中的整合潜力	采用NASA技术就绪等级和Yang手术机器人自主等级框架，从实时能力、可解释性、自适应性、验证环境、外部验证和临床整合六个维度系统评估手术技能评估模型的转化成熟度	现有研究多停留在概念验证阶段，91.3%的模型为静态无用户自适应，38%缺乏外部验证，验证实践不一致，尚无研究达到真正的自主团队整合水平	梳理机器学习用于手术技能评估的当前研究图景，评估其技术就绪程度以支持人类-自主团队系统的整合	2019至2025年间发表的92项关于机器学习手术技能评估的同行评审研究	机器学习	NA	运动学分析, 视频分析, 生物信号分析	深度学习	运动学数据, 视频, 生物信号	92项同行评审研究	NA	NA	NA	NA
316	2026-10-04	External evaluation of a deep learning-based algorithm for automated lung tumor and esophagus segmentation on CBCT 2026-Oct-02, Biomedical physics & engineering express IF:1.3Q3 DOI:10.1088/2057-1976/aeaf5c PMID:42826729	研究论文	该研究外部评估了一个基于深度学习的预训练模型在CBCT上自动分割肺部肿瘤和食管的性能	首次在独立机构、不同成像系统（O形环直线加速器）和患者群体中外部评估了预训练的CBCT自动分割模型，揭示了域偏移下的性能下降	样本量较小（12例肺癌患者，6例用于食管分割），回顾性研究，未进行前瞻性验证，仅评估了GTV和食管两个结构	外部评估预训练的深度学习模型在CBCT上分割肺部肿瘤和食管的泛化能力，并与刚性轮廓传播基线进行比较	12例肺癌患者的CBCT图像（共60幅），其中6例患者26次扫描用于食管分割评估	数字病理学, 计算机视觉	肺癌	锥形束CT（CBCT）成像	深度学习模型（未指定具体架构）	医学图像（CBCT图像）	12例肺癌患者，共60幅CBCT图像；食管分割评估使用6例患者的26次扫描	NA	NA	Dice相似系数（DSC）、剂量学指标（GTV D98%、食管V32Gy）	NA
317	2026-10-04	Integrated transcriptomic and deep learning analyses define acRG signature for prognosis and therapeutic options in osteosarcoma 2026-Oct-02, Biochimica et biophysica acta. Molecular basis of disease DOI:10.1016/j.bbadis.2026.168492 PMID:42826870	研究论文	本文通过整合单细胞RNA测序和机器学习分析，构建了骨肉瘤中与ac4C修饰相关的六基因预后特征acRGBS，并揭示S100A13作为潜在治疗靶点的机制	首次整合单细胞RNA测序数据构建ac4C修饰相关的acRG活性评分及六基因预后特征acRGBS，并发现S100A13通过调控线粒体钙稳态促进骨肉瘤进展，且其敲低可增强顺铂疗效	摘要中未提及具体研究局限性	定义骨肉瘤中ac4C修饰相关的预后特征并探索治疗选择	骨肉瘤患者样本、骨肉瘤细胞系及异种移植小鼠模型	机器学习	骨肉瘤	单细胞RNA测序, 转录组分析, 机器学习	机器学习预后模型	基因表达数据、单细胞RNA测序数据	NA	NA	NA	总生存期预测（独立预后因素）	NA
318	2026-10-04	pLM-HP: Peptide hormone prediction using pre-trained protein language model representations 2026-Oct-02, Journal of advanced research IF:11.4Q1 DOI:10.1016/j.jare.2026.10.002 PMID:42826899	研究论文	该研究开发了pLM-HP，一个基于预训练蛋白质语言模型的深度学习框架，用于预测肽类激素并处理类别不平衡问题	将预训练的ESM2蛋白质语言模型与双向长短期记忆网络相结合，并在损失函数中引入类别权重以缓解类别不平衡带来的偏差	未明确提及	开发一个有效的深度学习框架，用于不平衡的肽类激素预测，并提高对少数类激素肽的识别能力	肽类激素	机器学习	NA	预训练蛋白质语言模型、深度学习	ESM2, BiLSTM	蛋白质序列	NA	NA	ESM2, BiLSTM	BACC, MCC	NA
319	2026-10-04	Artificial intelligence and digital technologies transforming neonatal respiratory assessment: a scoping review 2026-Oct-02, Journal of perinatology : official journal of the California Perinatal Association IF:2.4Q1 DOI:10.1038/s41372-026-02894-5 PMID:42827094	综述	本文通过范围综述分析了35项研究，梳理了数字技术与人工智能在新生儿呼吸评估中的应用、表现及局限性	系统整合了2019至2026年间数字技术与人工智能在新生儿呼吸评估中的证据，涵盖预测模型、医学图像分析和连续生理监测三大应用方向	纳入研究存在方法学异质性大、缺乏稳健的外部验证、样本量小以及缺乏方案标准化等问题	梳理数字技术与人工智能在新生儿呼吸评估中的临床应用、性能和局限性	35项关于新生儿呼吸评估中数字技术与人工智能应用的研究	医学人工智能	新生儿呼吸疾病	深度学习、数字监测技术	NA	医学图像、生理监测数据	35项研究	NA	NA	NA	NA
320	2026-10-04	Target Detection and Localization for Mobile Molecular Communication by Deep Learning Methods 2026-Oct, IEEE transactions on nanobioscience IF:3.7Q3 DOI:10.1109/TNB.2026.3691389 PMID:42102068	研究论文	本文提出了一种基于深度学习的方法，用于移动分子通信（MMC）系统中的目标检测与定位，采用基于Transformer且增强注意力机制的模型，在多目标节点和多纳米机器场景下进行仿真实验。	将增强注意力机制的Transformer模型应用于移动分子通信中的目标检测与定位，能够学习分子扩散与接收的复杂模式，并在静态和移动条件下均优于DNN和Informer模型，尤其在移动场景中表现最佳。	摘要未提及实际生物环境验证、模型泛化能力及计算复杂度等限制，仅基于仿真实验。	解决移动分子通信系统中多目标节点和多纳米机器场景下同时进行高精度目标检测与定位的问题。	移动分子通信系统中的多个目标节点和多个纳米机器（NMs）。	机器学习	NA	分子扩散模拟与接收序列生成	Transformer	数值序列（每个时隙到达纳米机器的分子数量）	NA	NA	Transformer, 深度神经网络（DNN）, Informer	目标检测准确率, 定位准确率	NA