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
3261	2026-08-02	Recommendations for Training Faculty in Generative AI Use: Crafting Higher-Order Application Exercises in Team-Based Learning 2026-Oct, The clinical teacher DOI:10.1111/tct.70489 PMID:42530226	建议文章	本文分享了利用生成式AI工具（如Claude 4 Sonnet）设计团队基础学习（TBL）中高阶应用练习的最佳实践建议，重点介绍了TRACI框架的使用和迭代设计流程	首次提出了针对TBL教师培训中利用AI生成高阶应用练习的系统性建议，结合TRACI框架和4S原则，并基于国际工作坊实践经验总结形成	主要基于工作坊的实践经验和非正式反馈，缺乏系统性的实证评估或大规模验证	为健康教育工作者提供在TBL课程设计中利用AI高效设计符合高阶布鲁姆分类学目标的4S应用练习的教师发展建议	参与国际TBL工作坊的跨学科和跨专业教育工作者	教育技术、医学教育	不适用	生成式AI（Anthropic Claude 4 Sonnet）、TRACI提示词框架	不适用	文本（提示词和应用练习）	不明确（基于工作坊参与者的非正式反馈）	不适用	不适用	不适用	不适用
3262	2026-08-02	Automatic Detection of Ganglion Cells as a Supporting Tool for Hirschsprung Disease Diagnosis 2026-Sep, International journal of surgical pathology IF:0.9Q3 DOI:10.1177/10668969261437754 PMID:42085587	研究论文	设计了一种基于人工智能的工具，用于自动检测神经节细胞，以辅助诊断先天性巨结肠病。	利用深度学习分割细胞核并结合手工特征提取，通过机器学习分类器实现神经节细胞的高精度自动检测，具有较高的AUC值。	研究基于有限样本量（222个视野和2076个细胞核）且依赖专家注释，可能限制泛化性。	开发AI工具以简化并加速巨结肠病的诊断过程，提高诊断的准确性和效率。	H&E染色切片中的神经节细胞和非神经节细胞。	数字病理学	先天性巨结肠病	显微镜数字化成像，深度学习分割，特征提取	机器学习分类器（具体算法未明确，但结合了特征选择）	显微镜图像	222个高倍视野，2076个细胞核（346个神经节细胞和1730个非神经节细胞）	NA	深度学习分割网络（未指定具体架构）和机器学习分类器（未指定具体架构）	敏感性，特异性，AUC	NA
3263	2026-01-28	Letter to the editor: Deep learning and digital pathology for HCC prediction in steatotic liver disease 2026-Aug-01, Hepatology (Baltimore, Md.) DOI:10.1097/HEP.0000000000001696 PMID:41587349	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
3264	2026-02-12	Reply: Deep learning and digital pathology power prediction of HCC development in steatotic liver disease 2026-Aug-01, Hepatology (Baltimore, Md.) DOI:10.1097/HEP.0000000000001697 PMID:41665974	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
3265	2026-08-02	Deep learning-assisted tumor radiomic dynamics on MRI predict pathological complete response in HCC undergoing immune-based therapy followed by hepatectomy 2026-Aug-01, Hepatology (Baltimore, Md.) DOI:10.1097/HEP.0000000000001724 PMID:41746634	研究论文	本研究开发并验证了一种结合临床病理特征和MRI肿瘤影像组学动态变化的模型，用于预测接受免疫治疗联合肝切除的肝细胞癌患者的病理完全缓解。	利用治疗前后的动态影像组学变化（包括Δ影像组学特征）结合AFP反应来预测pCR，显著优于基线或术前模型，为无创评估提供了新方法。	未提供具体限制信息。	开发并验证一个模型，整合临床病理和影像组学特征，以术前预测初始不可切除肝细胞癌患者在转化治疗后的病理完全缓解。	初诊不可切除的肝细胞癌患者，接受免疫治疗及肝切除。	机器学习、医学影像分析	肝细胞癌	MRI	机器学习模型	影像数据、临床病理数据	训练队列78例，内部测试队列32例，独立验证队列44例。	NA	LASSO、随机森林	AUC、NPV、PPV、敏感性、特异性、校准、决策曲线分析	NA
3266	2026-08-02	Beyond Invariable Sites: Using Evolutionary Stasis to Map Multilayered Constraints on the Evolution of Viral and Mammalian Genomes 2026-Aug-01, Genome biology and evolution IF:3.2Q2 DOI:10.1093/gbe/evag184 PMID:42518208	研究论文	本文提出B-STILL，一个分层贝叶斯框架，用于解析蛋白编码基因在零速率极限附近的选择景观，并将不变位点转化为极端进化约束的精确标记	通过基因水平速率分布和密码子位点特异性替换机会建模，首次在零速率起源处区分随机不变性和极端纯化选择导致的不变性，并定义了进化停滞锚（ESAs）	未明确说明，可能依赖于基因背景速率估计的准确性	量化基因组保守性，识别受极端纯化选择约束的位点，以改进基因组注释和功能预测	病毒和哺乳动物基因组中的蛋白编码基因	基因组学	NA	分层贝叶斯建模	分层贝叶斯模型	基因组序列数据	未明确说明，但应用于病毒和哺乳动物基因组，识别出数千个显著聚集的ESAs	NA	NA	统计学显著性、预测能力（针对临床和病原体数据集）	NA
3267	2026-08-02	Integrated multi-omics and single-cell analyses identify metabolic heterogeneity and therapeutic vulnerabilities in medullary thyroid cancer 2026-Aug, British journal of cancer IF:6.4Q1 DOI:10.1038/s41416-026-03467-1 PMID:42098434	研究论文	本研究通过整合多组学和单细胞分析，揭示了甲状腺髓样癌的代谢异质性，并识别出可用于预后预测的代谢特征和治疗靶点	首次提出基于代谢分型的甲状腺髓样癌分类系统，并发现CHSY1通过调节糖胺聚糖生物合成促进上皮-间质转化，为精准管理提供了新视角	未明确说明局限性；可能受限于样本量较小和依赖公开数据集	探索甲状腺髓样癌的代谢重编程，识别代谢亚型及其临床意义，并开发预后模型	甲状腺髓样癌肿瘤样本，包括RNA测序数据、代谢组学数据、免疫组化样本和单细胞RNA测序数据	数字病理学	甲状腺髓样癌	RNA测序，非靶向代谢组学，免疫组化，多重免疫荧光，单细胞RNA测序	深度学习模型	基因表达数据、代谢物数据、组织图像、单细胞转录组数据	RNA测序样本101例；代谢组学配对样本51例；免疫组化47例；多重免疫荧光12例；单细胞RNA测序数据7例（来自PRJCA021386）	NA	NA	预后准确性（如风险分层）	未提及计算资源；可能使用标准计算环境
3268	2026-08-02	Deep learning-based prediction of lymph node metastasis and occult tumor cells in gastric cancer using histopathological images: a retrospective study 2026-Aug, British journal of cancer IF:6.4Q1 DOI:10.1038/s41416-026-03400-6 PMID:42156979	research paper	开发了一种基于深度学习的模型，利用胃癌全切片图像预测淋巴结转移和隐匿性肿瘤细胞，并评估其预后价值	首次使用基于聚类约束注意力的多实例学习模型从胃癌原发灶全切片图像中预测淋巴结转移和隐匿性肿瘤细胞，并证明其可作为独立预后生物标志物	NA	开发深度学习模型以预测胃癌患者的淋巴结转移状态和隐匿性肿瘤细胞，并评估其预后价值，以指导个性化临床策略	929例胃癌患者的原发肿瘤全切片图像，来自两个中心的三个独立队列	计算机视觉, 数字病理学	胃癌	全切片成像	多实例学习模型	图像	929例胃癌患者	PyTorch	聚类约束注意力多实例学习	准确率, AUC, 生存分析	NA
3269	2026-08-02	Real-time spoilage detection of climacteric fruits using a potassium permanganate-based ethylene indicator and deep learning-based mobile application 2026-Aug, Food science and biotechnology IF:2.4Q3 DOI:10.1007/s10068-026-02200-1 PMID:42534580	研究论文	本研究探索了基于高锰酸钾的乙烯指示剂结合深度学习模型在香蕉和猕猴桃新鲜度实时检测中的应用，并开发了一款移动应用。	将高锰酸钾乙烯指示剂与深度学习相结合，开发了一种用于实时水果新鲜度检测的移动应用。	未提及	评估基于高锰酸钾的乙烯指示剂在水果新鲜度检测中的可靠性，并开发移动应用以实现实时检测。	香蕉和猕猴桃	计算机视觉	不适用	乙烯指示剂	ResNet50	图像	未提及具体样本量	NA	ResNet50	准确率	NA
3270	2026-08-02	FMDL-Net: Fourier modulation and dynamic mixing for light field image super-resolution 2026-Aug-01, Optics letters IF:3.1Q2 DOI:10.1364/OL.600424 PMID:42537131	研究论文	提出一种名为FMDL-Net的解耦网络，结合傅里叶调制注意力与动态混合层，用于光场图像超分辨率重建。	创新性地将傅里叶调制注意力（FMA）与动态混合层（DML）整合到解耦网络中，以同时实现高效的全局感受野和内容自适应的纹理保留	未明确提及局限性	解决光场图像超分辨率中局部感受野限制和Transformer高计算复杂度及高频细节丢失的问题	光场图像	计算机视觉	NA	NA	卷积神经网络与视觉Transformer结合	图像	五个公开数据集	NA	FMDL-Net（含FMA和DML）	峰值信噪比（PSNR）、结构相似性指数（SSIM）	NA
3271	2026-08-02	EXPRESS: Adulteration Detection for Poria Cocos Based on Near-Infrared Two-Dimensional Correlation Spectroscopy and Deep Learning 2026-Aug-01, Applied spectroscopy IF:2.2Q2 DOI:10.1177/00037028261474589 PMID:42538889	研究论文	本研究开发了一种结合近红外二维相关光谱与深度学习算法的策略，用于茯苓掺假的定性和定量分析，实现了高精度检测	首次利用近红外二维相关光谱结合双向长短期记忆网络与注意力机制（BiLSTM-Attn）进行茯苓掺假检测，通过多种预处理方法和两种2DCOS构建系统数据集，增强了光谱分辨率并充分挖掘了相关特征中的序列依赖性	未提及具体限制，但可能包括样本规模有限、掺假梯度固定及依赖特定仪器等潜在不足	开发一种快速、无损的茯苓掺假定性和定量检测方法，以支持中药材质量控制	茯苓样本及其掺假样本（添加5种常见掺假物，浓度梯度为5%）	计算机视觉与机器学习	不适用（非疾病领域，属于中药材质量控制）	近红外光谱（NIR）与二维相关光谱（2DCOS）	双向长短期记忆网络（BiLSTM）、注意力机制（Attention）	光谱图像（近红外二维相关光谱图）	未明确样本总数，但涉及纯茯苓和5种掺假物按5%浓度梯度配制的样本	未提及，但可能使用PyTorch或TensorFlow（NA）	BiLSTM-Attn，以及对比的CNN、GRU、LSTM、BiLSTM	分类准确率、决定系数（R）、均方根误差（RMSE）、残差预测偏差（RPD）	未提及（NA）
3272	2026-08-02	Cross-Vendor Robustness of a Hybrid Deep Learning Framework for Four-Stage Periodontitis Classification on Panoramic Radiographs 2026-Jul-31, Dento maxillo facial radiology DOI:10.1093/dmfr/twag055 PMID:42536424	研究论文	评估一个混合深度学习框架在全景X光片上对四阶段牙周炎分类的跨设备鲁棒性	首次提供基于深度学习的全景X光片牙周炎分期跨设备基准，并量化设备引起的域偏移	持出设备（LODO）验证下性能下降，表明跨设备泛化仍有待提升	评估混合CNN-CAD框架在四阶段牙周炎分类中的跨设备鲁棒性	来自三个设备供应商的500张全景X光片	计算机视觉, 数字病理学	牙周炎	X光成像	CNN	图像	500张全景X光片（Instrumentarium 400张，Vatech 50张，PointNix 50张）	NA	U-Net, Dense U-Net, SegNet, Mask R-CNN, YOLO	Dice系数, 平均精度（AP）, 平均绝对差（MAD）, 组内相关系数（ICC）, Bland-Altman偏差, Passing-Bablok分析	NA
3273	2026-08-02	Robust Sequential Recommendation With Decorrelation and Debiasing 2026-Jul-31, IEEE transactions on neural networks and learning systems IF:10.2Q1 DOI:10.1109/TNNLS.2026.3710279 PMID:42536471	研究论文	提出一种具有去相关与去偏功能的鲁棒序列推荐模型，以解决数据增强泛化不足、自注意力过度相关和平滑以及流行度偏差问题	引入两种新的数据增强操作并采用分层增强策略，提出自适应去相关模块和去纠缠模块，以提升推荐鲁棒性	信息不足，未明确提及限制	提高序列推荐模型的鲁棒性，解决数据增强泛化不足、过度相关和过平滑以及流行度偏差问题	序列推荐算法中的用户行为序列	机器学习	NA	NA	Transformer	文本	基准数据集（具体数量未提及）	NA	Transformer	NA（未提及具体指标）	NA
3274	2026-08-02	Development and Validation of a Multi-Modal Ensemble Model for Predicting Progression in Idiopathic Scoliosis 2026-Jul-31, Global spine journal IF:2.6Q1 DOI:10.1177/21925682261474876 PMID:42536799	研究论文	本研究开发并验证了一种多模态集成模型，用于预测特发性脊柱侧弯的进展	通过整合正位和侧位X光片及临床信息的多模态集成方法，提高了预测准确性	未提供明显的局限性信息	提高特发性脊柱侧弯进展的预测准确性，以促进临床决策	特发性脊柱侧弯患者	医学影像分析	特发性脊柱侧弯	X光成像	Vision Transformer, Swin Transformer, ConvNeXtV2, 逻辑回归, 支持向量机, 随机森林	图像和临床数据	471名患者（274例进展，197例非进展）	NA	Vision Transformer, Swin Transformer, ConvNeXtV2, 逻辑回归, 支持向量机, 随机森林	AUC	NA
3275	2026-08-02	A deep learning framework for multi-lead ECG arrhythmia classification with CAM interpretability and LLM-driven clinical guidance 2026-Jul-31, Computer methods in biomechanics and biomedical engineering IF:1.7Q3 DOI:10.1080/10255842.2026.2706742 PMID:42537049	研究论文	本研究提出了一个用于多导联心电图心律失常分类的轻量级深度学习框架，集成了基于Winograd缩放的1D MobileNet、带有引导优化器的导联感知残差加权ConvNeXt注意力模块、Grad-CAM可解释性和BioGPT临床指导。	引入了Winograd缩放的1D MobileNet以高效提取特征，并结合导联感知残差加权和注意力机制增强分类性能；同时将Grad-CAM用于可视化解释和BioGPT用于生成患者特定的临床建议。	未在文中明确提及局限性。	实现多导联心电图心律失常的准确、可解释的自动诊断。	心电图心律失常，涉及多导联心电图数据。	数字病理学	心律失常	心电图	1D MobileNet, ConvNeXt, LSTM, CNN	影像	论文未明确说明样本数量。	PyTorch	MobileNet, ConvNeXt, Grad-CAM, BioGPT	准确率	未在文中明确说明。
3276	2026-08-02	Artificial intelligence tools for the assessment and management of dysphagia: a scoping review 2026-Jul-31, BMJ open IF:2.4Q1 DOI:10.1136/bmjopen-2026-119582 PMID:42538117	综述（范围综述）	本文旨在探索吞咽障碍评估与管理中现有的人工智能工具，通过范围综述方法系统检索和分析相关研究	首次对吞咽障碍评估与管理中的人工智能工具进行范围综述，涵盖了多个数据库和时间跨度，提供了对现有AI应用的全面概述	仅有少量研究关注AI在吞咽障碍管理和康复中的应用，且缺乏大规模和多中心研究证据	探索用于吞咽障碍评估和管理的人工智能工具现状	吞咽障碍患者及应用于其筛查、诊断、预后或管理的AI技术	医学影像分析、机器学习	吞咽障碍	机器学习、深度学习	机器学习模型、深度学习模型	视频荧光吞咽研究、纤维内镜吞咽评估、可穿戴传感器数据、声学信号、结构化临床数据集	27项研究，涉及8842名参与者	NA	NA	NA	NA
3277	2026-08-02	Predicting Response to Radiotherapy in Locally Advanced Cervical Squamous Cell Carcinoma Based on Multisequence MRI and Clinical Variables 2026-Jul-31, Academic radiology IF:3.8Q1 DOI:10.1016/j.acra.2026.07.015 PMID:42538219	研究论文	本研究开发并测试了一个整合影像组学与临床特征的机器学习模型，用于预测局部晚期宫颈鳞状细胞癌患者放疗后的肿瘤缩小率	结合多序列MRI的深度特征与临床变量构建融合模型，采用多种机器学习算法（如CWGBS、XGBoost、GBST、RSF）进行比较，并验证了融合模型优于单一序列模型	摘要未明确提及局限性	开发并验证一个预测局部晚期宫颈癌放疗后肿瘤缩小率的机器学习模型，以支持个体化治疗计划	248例经组织病理学确诊的局部晚期宫颈鳞状细胞癌患者	医学影像分析	宫颈癌	多序列MRI（T1加权、T2加权、T2-SPAIR、弥散加权成像）	机器学习模型（CWGBS、XGBoost、GBST、RSF）	MRI图像和临床数据	248例患者（训练集173例，验证集75例）	未指定	未指定	AUC、准确率、敏感性、特异性	未指定
3278	2026-08-02	GEMO: A Deep Learning Method for Brain Fiber Classification and Tract Segmentation Using Geometrical and Morphological Features 2026-Jul-31, Academic radiology IF:3.8Q1 DOI:10.1016/j.acra.2026.07.024 PMID:42538220	研究论文	提出了一种名为GEMO的深度学习方法，利用几何和形态特征进行脑纤维分类和纤维束分割	结合几何和形态特征与卷积神经网络提取的特征，提高纤维分类性能；无需结构图像或预处理	文中未明确提及局限性	提高脑纤维分类和纤维束分割的准确性，以增强结构连接评估和神经外科规划	全脑纤维束图中的流线	计算机视觉、机器学习	NA	扩散加权磁共振成像（dMRI）	卷积神经网络（CNN）	图像（由流线转换的颜色编码图像）	NA	NA	CNN（具体架构未指定）	准确率（最高98.34%），以及六种分割准确性指标	NA
3279	2026-08-02	A Generative Neuro-Symbolic AI for Protein Sequence Design 2026-Jul-30, Advanced science (Weinheim, Baden-Wurttemberg, Germany) DOI:10.1002/advs.76464 PMID:42531048	研究论文	本文提出了一种名为EffieDes的生成式神经符号AI框架，用于蛋白质序列设计，该框架结合了深度学习和自动推理的优势	创新性地将深度学习的预测能力与自动推理的逻辑精确性相结合，实现了对蛋白质适应度景观的严格探索，能够设计满足复杂约束和优化的序列，这是传统自回归方法无法实现的	文中未明确提及局限性	克服现有逆折叠工具在自回归采样中无法“前瞻”的缺陷，提供一种新的蛋白质设计方法，以实现高精度和复杂功能目标的蛋白质设计	设计正交序列对和针对SARS-CoV-2变体的纳米抗体	机器学习	COVID-19	NA	概率图模型（Potts模型）和自动推理（未指定具体深度学习模型类型）	蛋白质序列和结构数据	设计了正交序列对和一种纳米抗体，但未提供具体数量	NA	NA	亲和力（纳米抗体）和自组装选择性（序列对）	NA
3280	2026-08-02	Global and local pseudo-label filtering for semi-supervised carotid plaque classification from ultrasound 2026-Jul-28, Computer methods and programs in biomedicine IF:4.9Q1 DOI:10.1016/j.cmpb.2026.109568 PMID:42537359	研究论文	提出一种基于全局和局部伪标签过滤的半监督学习方法，用于颈动脉超声图像的斑块分类。	提出全局和局部伪标签过滤（GLPF）算法，结合全局特征分布和局部样本相似性，以及伪标签平衡校正，以改善半监督分类性能。	未提及具体限制，但实验仅在单一医院的数据集上验证，可能需要更多外部验证。	提高在有限标注数据下颈动脉超声斑块分类的准确性和鲁棒性。	颈动脉超声图像中的斑块分类。	计算机视觉	颈动脉疾病	超声成像	深度半监督学习模型	图像	1270张颈动脉超声图像	未提及	未详细说明	分类准确率等（具体指标未在摘要中列出）	未提及