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
3541	2026-07-30	Deep learning analysis of capillary refill dynamics in ischemic colitis: differentiating reversible vs. gangrenous mucosa 2026, Frontiers in gastroenterology (Lausanne, Switzerland) DOI:10.3389/fgstr.2026.1782255 PMID:42519396	研究论文	提出一种基于深度学习的方法，通过结肠镜视频分析微毛细血管再充盈动力学，以区分缺血性结肠炎中可逆与非坏疽性黏膜	首次利用帧对帧颜色恢复分析定量评估黏膜微毛细血管再充盈动态，结合深度学习实现实时存活分类	概念验证阶段，需要进一步试点研究以确认其有效性和临床指导作用	改进缺血性结肠炎内镜分级的主观性和不敏感性，优化手术决策，减少误分类和变异性	缺血性结肠炎患者的结肠镜视频	数字病理学	缺血性结肠炎	深度学习、结肠镜视频分析	深度学习模型	视频	未提及	NA	未明确	未明确提及	未提及
3542	2026-07-30	IMU-based rotator cuff injury recognition with varying configurations and combinations 2026, Frontiers in physiology IF:3.2Q2 DOI:10.3389/fphys.2026.1794238 PMID:42519543	研究论文	本研究通过融合机器学习/深度学习算法与功能性运动中的上肢运动学数据，开发准确且经济的肩袖损伤识别模型，并探索最优运动任务组合与模型配置	提出基于深度学习的RCIRNet模型，并系统比较了不同运动任务组合和传统机器学习模型在肩袖损伤识别中的表现，发现选择判别性运动比单纯增加任务数量更关键	样本量相对较小，研究仅基于惯性测量单元数据，未涉及其他成像或生物标志物信息	开发准确且经济的肩袖损伤识别模型，优化临床实践中的运动任务组合与模型配置	总共102名参与者，包括51名肩袖损伤患者、25名粘连性关节囊炎患者和26名健康志愿者	机器学习	肩袖损伤	惯性测量单元	深度学习（RCIRNet）、传统机器学习（KNN、SVM、DT、RF、NB、AdaBoost、XGBoost）	上臂运动学数据	102名参与者（51名肩袖损伤患者、25名粘连性关节囊炎患者、26名健康志愿者）	NA	RCIRNet	准确率、精确率、召回率、F1分数、AUC	NA
3543	2026-07-30	Very short-term production prediction for photovoltaic plants using Temporal Convolutional Networks 2026, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0354512 PMID:42520037	研究论文	评估时序卷积网络在国家级太阳能光伏发电量极短期预测中的性能	证明仅使用历史天气观测数据即可实现准确的临近预报，无需未来气象预测输入；发现架构与天气特征的贡献依赖于时间分辨率	未提及	评估时序卷积网络在国家级太阳能发电量极短期预测中的有效性	西班牙国家级太阳能光伏发电量	机器学习	NA	NA	时序卷积网络（TCN）	时间序列数据（发电量、太阳辐照度、太阳高度）	来自西班牙电力传输系统运营商网络的欧洲数据	NA	时序卷积网络（TCN）	未明确提及具体指标，但通过对比线性回归进行性能评估	NA
3544	2026-07-30	Dual-Stream deep learning for multimodal feature fusion and classification of balance control in elite freestyle aerial skiers 2026, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0337296 PMID:42520036	研究论文	开发了一个双流深度学习模型，融合时频图像特征与基于压力中心（COP）的统计描述符，对精英自由式滑雪空中技巧运动员的平衡控制进行精细分类	首次将时频图像特征与COP统计特征通过双流深度学习框架融合，用于区分精英运动员的平衡调节细微差异	NA	利用双流深度学习模型对精英自由式滑雪空中技巧运动员的平衡调节差异进行敏感分类，以支持针对性训练	25名精英自由式滑雪空中技巧运动员	深度学习	NA	压力中心（COP）轨迹测量、多尺度熵分析、K-means聚类	双流深度学习模型	时频图像特征、COP统计描述符（时间、频率、时频域指标）	25名精英自由式滑雪空中技巧运动员，在两种站立条件下（稳定面睁眼、不稳定面睁眼）记录COP轨迹	NA	双流深度学习框架	分类准确率（约95%）	NA
3545	2026-07-30	A mask-based peak-to-average power ratio reduction scheme for affine frequency division multiplexing systems using Volterra Series-Driven PolyNet 2026, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0354675 PMID:42520073	研究论文	针对仿射频分复用系统的高峰均比问题，提出一种基于掩码且融合Volterra级数驱动的PolyNet的物理感知峰均比降低方案	首次将全帧输入策略应用于AFDM信号全局时域相关性利用，并通过集成Volterra级数理论显式构建一阶线性和三阶幂次特征层，增强非线性重建精度并避免过拟合	仍需要硬件导向和空中传输验证才能得出部署级结论	解决AFDM系统中高峰均比导致的能量效率低以及现有深度学习方法中局部采样带来的上下文损失和黑箱模型缺乏物理可解释性问题	AFDM系统的峰均比降低方案，特别是信号掩码处理后的非线性失真修复	机器学习	NA	NA	PolyNet-Volterra网络	模拟信号数据	NA	NA	PolyNet, Volterra级数驱动的网络	峰均比降低量, 误码率, 均方误差	NA
3546	2026-07-30	Artificial intelligence in spine care: A scoping review of diagnostic applications 2026, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0352200 PMID:42520085	综述	通过范围综述绘制人工智能在脊柱疾病诊断中的应用现状，并识别未来研究与临床转化的差距	首次系统梳理人工智能在脊柱疾病诊断中的多模态应用，包括MRI、CT及症状基诊断工具，并评估方法学质量	多数研究为回顾性设计，存在数据缺失处理、特征选择及数据元素验证等方面的不足	映射人工智能在腰椎间盘退变、椎管狭窄、椎体骨折及中轴型脊柱关节炎等脊柱疾病诊断中的应用，并指出研究空白	2019年1月至2024年12月发表的46项符合纳入标准的诊断研究，主要来自亚洲和欧洲	计算机视觉	脊柱疾病	MRI、CT成像	深度学习模型	影像数据	46项研究	NA	NA	诊断准确性，与临床医生基准的比较	NA
3547	2026-07-29	Week-ahead prediction of depressive episodes using wearable-derived circadian biomarkers: A multicenter deep learning study with risk-based operating thresholds 2026-Nov-01, Journal of affective disorders IF:4.9Q1 DOI:10.1016/j.jad.2026.122076 PMID:42242428	研究论文	利用可穿戴设备衍生的昼夜节律生物标志物进行抑郁发作的提前一周预测	首次整合心率衍生的余弦峰相位和基于睡眠时间的褪黑素相位代理指标，并采用基于风险的阈值进行性能评估	需要外部验证、概率校准、可迁移性评估和前瞻性发作评估	实现抑郁发作的早期检测和风险分层	情感障碍患者	机器学习	情感障碍	可穿戴设备监测	时间序列模型	心率、睡眠时间等可穿戴设备数据	144名参与者，90281人-天	NA	NA	AUROC、阳性预测值	NA
3548	2026-07-29	CARES-Net: a channel-attention residual network for multi-disease classification in small-sample 1H NMR metabolomics data 2026-08-08, Analytica chimica acta IF:5.7Q1 DOI:10.1016/j.aca.2026.345614 PMID:42191258	研究论文	提出CARES-Net，一种用于1H NMR代谢组学小样本多疾病分类的通道注意力残差网络	将残差连接与通道注意力机制整合，自适应重加权光谱特征，增强有效代谢信号并抑制噪声和冗余变量	NA	提升基于小样本NMR代谢组学的疾病分类准确性	儿童营养不良和胰腺导管腺癌（PDAC）患者的血清1H NMR数据集	机器学习	营养不良, 胰腺导管腺癌	NMR代谢组学	CNN	光谱数据	儿童营养不良和PDAC患者的小样本血清样本	PyTorch	残差网络，通道注意力机制	准确率	NA
3549	2026-07-29	Federated deep learning model for epilepsy seizure detection using electroencephalogram (EEG) signal 2026-Aug, Neurological research IF:1.7Q4 DOI:10.1080/01616412.2025.2555516 PMID:40985643	研究论文	提出一种联邦学习启用的统一Transformer模型，用于癫痫发作检测，解决数据隐私和时空特征提取问题	将联邦学习与Paillier同态加密结合，并采用混合图注意力框架（边缘增强图卷积网络和谱图注意力）及统一Transformer模型，同时实现隐私保护、时空特征提取和分类精度提升	未提及具体局限性	开发一种保护数据隐私的癫痫发作检测方法，提高分类准确性	脑电图（EEG）信号中的癫痫发作特征	机器学习	癫痫	EEG信号处理、多尺度小波系数、独立成分分析	Transformer、图卷积网络	EEG信号	三个数据集	NA	统一Transformer、边缘增强图卷积网络、谱图注意力	准确率、安全性、精确率	NA
3550	2026-07-29	Artificial intelligence for hospital infection prevention and control: real-world implementation, impact, and the gap beyond model development 2026-Aug, The Journal of hospital infection IF:3.9Q1 DOI:10.1016/j.jhin.2026.04.019 PMID:42069224	系统综述	对人工智能在医院感染防控中的实际实施、影响及模型开发后的差距进行系统综述	区分了已实施集成的系统与未实施的开发/验证研究，并关注非预期后果（如不必要的隔离或警报疲劳）的量化	研究证据碎片化，多局限于回顾性模型开发；实施研究常缺乏标准化感染结局和后续监测；未控制混杂因素的自身前后对照评价造成偏倚风险	综合评估人工智能/机器学习在急性护理医院感染防控中的实际实施效果、影响及模型开发后的差距	急性护理医院的感染防控系统	机器学习	医院感染	NA	传统机器学习、自然语言处理、深度学习、基于规则或专家系统	NA	59项研究（其中9项为实际实施，50项为开发/验证）	NA	NA	NA	NA
3551	2026-07-29	Generating Synthetic MR Perfusion Maps From DWI and FLAIR in Acute Ischemic Stroke: Development and External Validation of a Deep Learning Model 2026-Aug, Stroke IF:7.8Q1 DOI:10.1161/STROKEAHA.126.055813 PMID:42312380	研究论文	利用深度生成模型从弥散加权成像和液体衰减反转恢复序列合成急性缺血性卒中患者的MR灌注图，并进行了外部验证	首次从非对比MRI序列（DWI和FLAIR）生成合成T-max灌注图，避免了对比剂注射，缩短了成像时间	基于回顾性数据，样本量有限（355名患者），外部验证的Dice系数较低（0.59）	开发一种无需对比剂的深度学习模型，从常规MRI序列推断灌注信息，简化急性卒中成像流程	急性前循环卒中患者的MRI数据（DWI、FLAIR、DSC灌注）	机器学习	急性缺血性卒中	MRI（弥散加权成像、液体衰减反转恢复、动态磁敏感对比增强灌注）	去噪扩散概率模型和生成对抗网络	图像	355名急性前循环卒中患者（来自欧洲两个中心）	NA	去噪扩散概率模型（2.5维架构）	图像相似度度量、Dice系数	NA
3552	2026-07-29	Diagnostic assessment of artificial intelligence reconstruction on accelerated prostate MRI: a retrospective, paired, multi-reader multi-case study 2026-Aug, European radiology IF:4.7Q1 DOI:10.1007/s00330-026-12479-7 PMID:41925836	研究论文	评估AI重建技术在加速前列腺MRI中维持前列腺癌检测性能的效果	首次在多读者多病例研究中验证AI重建可实现六倍加速而不显著降低前列腺癌检测性能	更高加速倍数下诊断性能下降趋势需进一步前瞻性评估	评估AI重建加速前列腺MRI在保持诊断性能方面的有效性	120例来自UMCG的多线圈T2加权前列腺MRI扫描和312例来自NYU的公开扫描数据	医学影像	前列腺癌	MRI	深度学习模型	MRI图像	432例前列腺MRI扫描（120例UMCG + 312例NYU）	NA	NA	AUROC, 图像质量Likert评分	NA
3553	2026-07-29	A Multitask Deep Learning Model for Pediatric Echocardiography Analysis 2026-Jul-28, Circulation IF:35.5Q1 DOI:10.1161/CIRCULATIONAHA.126.080619 PMID:42517220	研究论文	EchoAI-Peds是一个用于儿科超声心动图分析的多任务深度学习模型，能够同时检测28种先天性心脏缺陷及异常	首个基于视频的视觉Transformer多任务儿科超声心动图模型，整合多视图信息，显著优于成人基础模型	未在摘要中明确说明局限性	开发一个专门适用于儿科人群的多任务深度学习模型，自动解析超声心动图诊断先天性心脏缺陷	儿科超声心动图视频，涵盖28种先天性心脏缺陷、结构功能异常、修复及干预	计算机视觉	先天性心脏缺陷	超声心动图	视觉Transformer	视频	训练集10,815项研究（>700,000个视频），验证集1,294项研究，内部测试集1,336项研究，外部测试集2,121项研究	NA	视觉Transformer	AUROC	NA
3554	2026-07-29	A Unified Molecular Graph and Protein Language Model Framework for Predicting Human Drug-Hormone Receptor Interactions with Structure-Aware Validation 2026-Jul-27, Journal of chemical information and modeling IF:5.6Q1 DOI:10.1021/acs.jcim.6c00806 PMID:42402023	研究论文	提出一种整合分子图与蛋白质语言模型的统一框架，用于预测药物-激素受体相互作用，并通过结构感知验证评估模型性能	首次将预训练的ESM2蛋白质语言模型与图变换器分子特征结合，显式整合激素受体特异性序列信息到深度学习中，实现更可靠的DHRI预测	未提及计算资源具体细节；模型泛化性可能受限于数据集大小和受体类型多样性	开发受体感知的深度学习框架，准确预测药物与激素受体的相互作用，提升内分泌安全评估和治疗效果	药物分子（通过摩根指纹和图变换器特征编码）与激素受体序列（使用ESM2模型编码）	机器学习	内分泌相关疾病	蛋白质语言模型（ESM2）、图变换器、分子对接	多层神经网络	分子结构数据（SMILES、图结构）与蛋白质序列数据	独立测试集数量未明确说明，涉及雌激素、雄激素和糖皮质激素受体	PyTorch	图变换器（Graph Transformer）、ESM2、多层感知机	准确率、灵敏度、特异度、精确率、F1分数、马修斯相关系数	NA
3555	2026-07-29	Interpretable Dual-Stream EEG-MRI Fusion Uncovers Structure-Function Signatures of Stroke Motor Recovery 2026-Jul-27, IEEE transactions on neural systems and rehabilitation engineering : a publication of the IEEE Engineering in Medicine and Biology Society IF:4.8Q1 DOI:10.1109/TNSRE.2026.3717334 PMID:42507557	研究论文	提出一种可解释的双流跨模态融合框架，融合脑电图和结构MRI以预测卒中后运动恢复	提出患者自适应双向跨模态注意力机制的可解释深度学习框架，首次将EEG功能连接与结构MRI区域对齐融合	样本量小（26人），结果需进一步验证；SHAP归因反映模型行为而非已验证的生物标志物	利用多模态神经影像融合预测亚急性缺血性卒中患者的运动恢复	26名亚急性缺血性卒中患者在运动想象任务中的脑电图和结构MRI数据	机器学习	卒中	脑电图、结构磁共振成像	深度学习双流交叉注意力模型	时间序列脑电图信号、结构MRI图像	26名受试者，每名执行四种运动想象任务（握力、强力握力、腕伸、腕屈）	NA	双流跨模态融合（带区域对齐嵌入、双向交叉注意力和患者自适应门控）	准确率	NA
3556	2026-07-29	Mapping Machine Learning-Driven Cybersecurity Solutions in Health Care: Scoping Literature Review 2026-Jul-27, Journal of medical Internet research IF:5.8Q1 DOI:10.2196/93950 PMID:42507996	综述	系统梳理机器学习在医疗保健网络安全中的应用，并对照最新网络安全框架进行映射分析	首次将机器学习驱动的网络安全解决方案系统映射至美国国家标准与技术研究院网络安全框架2.0版全部六项功能（识别、保护、检测、响应、恢复、治理），构建了结构化且具有政策相关性的证据基础	存在语言偏倚、方法学异质性，且排除了医疗设备和专有解决方案	映射机器学习在医疗保健网络安全中的应用，总结其性能，并识别研究空白和实施考量	2019至2025年间基于机器学习的医疗保健组织级网络安全研究	自然语言处理	不适用	机器学习	经典机器学习，深度学习，自然语言处理	合成数据集，过时基准数据集	45项研究（覆盖18个国家），应用80个机器学习模型	不适用	不适用	报告指标不一致	不适用
3557	2026-07-29	Explainable deep learning self-supervised vision transformer for fundus-based myopia classification 2026-Jul-27, Acta ophthalmologica IF:3.0Q1 DOI:10.1111/aos.70205 PMID:42507991	研究论文	开发并验证一种基于自监督视觉变压器的近视分类方法，实现对正常眼、高度近视和病理性近视的准确分类	采用DINOv2自监督视觉变压器结合两阶段迁移学习协议，并引入双展开注意力机制提供解剖学上可解释的分类结果	需要外部和前瞻性验证来确认方法的普适性	实现从彩色眼底照片中对高度近视和病理性近视进行准确、稳健且透明的自动分类	彩色眼底照片	计算机视觉	近视	眼底照相	视觉变压器（ViT）	图像	未明确说明具体样本数量，但使用了10折分层交叉验证和独立测试集	PyTorch	DINOv2视觉变压器, ResNet-50, VGG-16, EfficientNet-B3	准确率, 宏平均F1分数	未明确说明
3558	2026-07-29	Deep Learning for Automated Classification and Dynamic Risk Prediction of Retained Products of Conception on Postpartum Ultrasound 2026-Jul-27, Journal of ultrasound in medicine : official journal of the American Institute of Ultrasound in Medicine IF:2.1Q2 DOI:10.1002/jum.70394 PMID:42508026	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
3559	2026-07-29	MPLID (Membrane Protein-Lipid Interaction Database): A Large-Scale Experimental Resource of Residue-Level Protein-Lipid Contacts 2026-Jul-27, GigaScience IF:11.8Q1 DOI:10.1093/gigascience/giag080 PMID:42508035	研究论文	MPLID是一个大规模实验性残基级别蛋白-脂质互作数据库，包含4704个膜蛋白和80439个实验验证的脂质接触注释	首次从实验数据角度直接识别蛋白质表面与脂质分子发生物理接触的残基，而非基于计算疏水性预测膜区域，并提供大规模标注数据集用于训练深度学习模型	由于纯化和结晶过程中大部分天然脂质相互作用丢失，观察到的接触率仅为下界，非接触类中必然存在假阴性；结构解析的接触仅代表生物学蛋白-脂质互作的子集	构建基于实验数据的残基级蛋白-脂质接触数据库，支持脂质介导变构研究、模拟脂质药物设计及脂质结合位点预测模型的训练	4704个膜蛋白（813个序列簇），8055325个残基，80439个实验验证脂质接触标注	机器学习	NA	X射线晶体学，冷冻电镜	深度学习模型（用于脂质接触预测）	蛋白质三维结构数据，序列数据，脂质配体注释数据	4704个膜蛋白，8055325个残基（包含80439个阳性接触标注）	NA	NA	NA	NA
3560	2026-07-29	NeuroOmics-Net: An interpretable multimodal deep learning framework for Alzheimer's disease diagnosis and progression prediction using neuroimaging, EEG, and genomic data 2026-Jul-27, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2026.111879 PMID:42508236	研究论文	提出了一种可解释的多模态深度学习框架NeuroOmics-Net，整合神经影像、脑电图和基因组数据用于阿尔茨海默病的诊断和进展预测	首次提出结合层级多视角编码器、跨组学注意力融合模块和疾病进展图学习模块的多模态框架，实现跨域生物标志的自适应整合和进展关系建模	sMRI、EEG和基因表达数据来自独立非配对队列，所有跨模态关联仅反映群体水平的统计对应而非个体内生理耦合，同时公平性分析显示在人口多样化临床场景中准确率可能下降	开发整合神经影像、脑电图和基因组数据的多模态深度学习系统，提升阿尔茨海默病的诊断准确性和进展预测能力	正常对照、轻度认知障碍和阿尔茨海默病受试者，以及稳定MCI向进展性MCI转化的预测	机器学习	阿尔茨海默病	sMRI, EEG, 基因表达测序	深度学习多模态融合模型	影像、时间序列信号、基因表达数据	从ADNI、PhysioNet和GEO仓库获取的1120个诊断对齐样本	PyTorch	层级多视角编码器、跨组学注意力融合模块、疾病进展图学习模块	准确率、AUC	未在摘要中明确说明，输出NA