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
381	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
382	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
383	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
384	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
385	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
386	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
387	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
388	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
389	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
390	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
391	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
392	2026-10-04	Deep Learning-Based Noncontrast CT Imaging Markers Enhance Posttransfer DWI Core Volume Prediction 2026-Oct-01, AJNR. American journal of neuroradiology DOI:10.3174/ajnr.A9311 PMID:41916751	研究论文	本文探讨了基于深度学习的非增强CT（DLNCCT）成像标志物在预测急性缺血性卒中患者转运后DWI核心体积中的价值	首次验证了DLNCCT提取的总病灶体积和严重低密度体积可作为转运后核心体积的独立预测因子，并能提升基于CTP的预测性能	本文为事后分析，样本来自单一转运流程，未进行外部验证，且mNWU未显示预测价值	探究DLNCCT成像标志物能否预测从初级卒中中心转运至综合卒中中心患者的转运后DWI核心体积	前瞻性纳入的从初级卒中中心转运至综合卒中中心接受血管内治疗的急性缺血性卒中患者	医学影像分析、数字病理学	急性缺血性卒中	深度学习基于非增强CT（DLNCCT）分割、CT灌注成像（CTP）、DWI	CNN	医学影像（NCCT、CTA、CTP、DWI）	420例患者（239例男性，57%），中位年龄72岁	NA	NA	调整回归系数（95% CI）、R² ± SE、P值	NA
393	2026-10-04	The deep learning radiomics nomogram for risk stratification in multiple myeloma using automatic whole-body [18F]FDG PET/CT segmentation approach 2026-Oct, European journal of nuclear medicine and molecular imaging IF:8.6Q1 DOI:10.1007/s00259-026-08095-8 PMID:42503527	研究论文	该研究开发了一种基于深度学习的自动全身[18F]FDG PET/CT分割方法，用于多发性骨髓瘤的风险分层	结合nnU-Net自动分割和深度学习影像组学特征，构建了DLRN列线图，用于MM的风险分层	回顾性研究设计，样本量相对有限，需要前瞻性验证	开发自动分割和准确风险分层方法，用于多发性骨髓瘤	多发性骨髓瘤患者	数字病理学	多发性骨髓瘤	18F-FDG PET/CT	CNN	图像	345名患者	PyRadiomics	nnU-Net, STU-Net	DSC, AUC, 校准曲线, ROC曲线, Kaplan-Meier曲线, 决策曲线分析	NA
394	2026-10-04	Deep learning-based dose prediction for stereotactic prostate cancer radiotherapy with CyberKnife 2026-Oct, Journal of applied clinical medical physics IF:2.0Q3 DOI:10.1002/acm2.70784 PMID:42816139	研究论文	该研究开发了一种基于深度学习的框架，用于预测立体定向前列腺癌放射治疗（CyberKnife）的剂量分布	将深度学习（U-Net）应用于机器人立体定向放射治疗（CyberKnife）的剂量预测，填补了高精度立体定向放疗剂量预测研究不足的空白	未明确说明模型的泛化能力、外部验证情况以及在不同准直器或治疗计划系统上的适用性	扩展先前研究，开发基于深度学习的框架，预测机器人立体定向前列腺癌放射治疗的剂量分布	接受CyberKnife立体定向放射治疗的前列腺癌患者	医学图像分析	前列腺癌	CT成像、放射治疗计划	CNN	图像	462例接受CyberKnife治疗的患者（训练集323例，验证集46例，测试集93例）	NA	U-Net	平均绝对误差	NA
395	2026-10-04	Diagnostic accuracy of a DenseNet-121 deep learning algorithm for chest radiograph triage in health assessment applicants: a prospective shadow-mode validation study in Nepal 2026-Oct-01, BMJ open IF:2.4Q1 DOI:10.1136/bmjopen-2026-124868 PMID:42823116	研究论文	本文前瞻性验证了DenseNet-121深度学习算法在尼泊尔健康评估申请者胸片分诊中的诊断准确性	首次在尼泊尔健康评估人群中前瞻性验证公开可用的DenseNet-121算法用于胸片分诊，并量化了中低收入国家分布偏移导致的评分压缩和校准失败现象	参考标准阳性样本量较小（n=41），未进行独立外部验证，算法校准失败（评分压缩），单中心研究	评估DenseNet-121卷积神经网络对尼泊尔健康评估申请者胸片进行分诊的诊断准确性	826名连续的健康评估申请者（外国就业出行前体检和留学移民）的胸片	计算机视觉	肺部疾病	胸部X线摄影	CNN	图像	826张胸片（824张纳入分析，2例因DICOM技术故障排除）	PyTorch	DenseNet-121	灵敏度, 特异度, AUC, 阴性预测值, 阳性预测值, Cohen's κ, Brier评分, 预期校准误差	NA
396	2026-10-04	Deep Learning Assessment of Intraretinal Microvascular Abnormalities in Diabetic Retinopathy on Swept-Source OCT Angiography 2026-Oct, Ophthalmology science IF:3.2Q1 DOI:10.1016/j.xops.2026.101356 PMID:42824207	研究论文	开发并评估一种深度学习算法，用于在扫频源OCT血管成像上自动分割和量化视网膜内微血管异常，并探索其作为糖尿病视网膜病变严重程度分层生物标志物的价值	提出了一种上下文增强U-Net（CE-U-Net），整合了非灌注区域先验和基于注意力的特征重校准，能够在多种视野（包括超广角）的SS-OCTA图像上自动分割IRMA，并首次系统评估了OCTA可检测的隐匿性IRMA作为DR严重程度分层生物标志物的潜力	样本量相对有限（254只眼），IRMA分割的F1分数中等（0.61-0.71），且研究为横断面设计，无法评估IRMA负担与DR进展的纵向关系	开发和评估深度学习算法在SS-OCTA上自动分割和量化IRMA，并探索IRMA负担作为DR严重程度分层和视网膜非灌注相关性的OCTA生物标志物	181名不同分期糖尿病视网膜病变患者的254只眼，包括非增殖性DR（NPDR）和增殖性DR（PDR）	数字病理学	糖尿病视网膜病变	扫频源OCT血管成像（SS-OCTA）	CNN	图像	254只眼（来自181名患者），包括NPDR（60.2%）和PDR（39.8%）	NA	U-Net	F1分数，组内相关系数（ICC），Bland-Altman分析	NA
397	2026-10-04	From Patient Selection to Surveillance: Artificial Intelligence Applications in Radioiodine Therapy - A Systematic Review 2026-Oct, Nuclear medicine and molecular imaging IF:1.3Q3 DOI:10.1007/s13139-026-01049-w PMID:42824258	系统综述	本文系统综述了人工智能在放射性碘治疗路径中的应用，涵盖患者选择、给药活动规划、影像评估和随访等环节，并评估了限制临床实施的障碍。	首次系统性地总结了人工智能在放射性碘治疗全流程中的应用，包括治疗前决策支持、碘亲和性疾病的检测与表征、剂量学和活动优化、辐射安全评估、治疗反应预测、左甲状腺素剂量估算以及复发风险分层等多个方面。	现有证据以回顾性、单中心研究为主，主要集中于分化型甲状腺癌，缺乏外部验证，方法学异质性大，临床实用性证据不足，限制了常规临床采用。	总结人工智能在放射性碘治疗路径中的当前应用，并评估限制其临床实施的障碍。	接受放射性碘治疗的分化型甲状腺癌或良性甲状腺疾病的人类患者。	医学人工智能	甲状腺癌	人工智能、深度学习、机器学习	NA	NA	24项符合纳入标准的研究（来自775条识别记录）	NA	NA	NA	NA
398	2026-10-04	A transfer learning-based hybrid deep- and machine-learning regression approach for predicting the postoperative pulmonary function 2026-Sep-30, European radiology experimental IF:3.7Q1 DOI:10.1186/s41747-026-00821-z PMID:42814229	研究论文	本研究开发了一种基于迁移学习的混合深度学习和机器学习回归方法，利用术前CT图像预测肺结节患者术后肺功能	采用预训练的I3D模型进行微调迁移学习提取深度学习特征，结合弹性网络回归构建混合模型，并比较了临床特征、放射组学、端到端I3D迁移学习和从头训练的3D ResNet18模型	回顾性研究，样本量相对较小（136例），需要进一步外部验证	准确预测术后肺功能，以辅助肺结节患者的手术决策	接受术前胸部CT和术后肺功能检查的136例患者	医学影像分析	肺癌	CT影像	迁移学习	图像	136例患者的术前胸部CT和术后肺功能检查数据	NA	I3D, 3D ResNet18	一致性相关系数, 皮尔逊相关系数, R平方	NA
399	2026-10-04	From imaging enhancement to surgical autonomy: the evolutionary role of nanotechnology in AI-driven robotic surgery 2026-Sep-30, Discover nano DOI:10.1186/s11671-026-04951-6 PMID:42814225	综述	该综述评估了纳米技术赋能成像、柔性局部传感以及微纳米机器人干预如何在机器人辅助手术中扩展信号采集与局部操作，并沿信息流框架组织相关证据	提出了一个贯穿信号采集、计算解释、任务相关状态估计、决策变量或控制输入转换以及反馈引导机器人动作的信息流框架，用于系统评估纳米技术在AI驱动机器人手术中的作用，并明确指出从局部感知到临床相关手术自主性之间缺失的关键环节	最强的证据仅集中在局部信号采集和监督干预层面，生化、光谱、触觉和生理状态通常仅用于显示、离线分析或人类面向反馈，很少能在线修改手术控制器，闭环导航和受限自主仅代表部分控制能力，缺乏任务相关组织状态的稳健验证、不确定性感知的控制输入转换以及真实手术流程中的安全操作证据	评估纳米赋能成像、柔性和局部传感以及微纳米机器人干预如何扩展机器人辅助手术中的信号采集和局部化操作，并分析从成像增强到手术自主性的演进路径	机器人辅助微创手术中的纳米技术应用，包括纳米赋能成像、柔性局部传感、微纳米机器人干预、计算解释方法以及反馈控制机制	机器人手术，纳米医学，人工智能	NA	纳米赋能成像，柔性传感，微纳米机器人干预，信号处理，计算建模，机器学习，深度学习，人工智能	NA	NA	NA	NA	NA	NA	NA
400	2026-10-04	A genus-labeled dataset of individual trees outside forests in Baden-Württemberg, Germany 2026-Sep-30, Scientific data IF:5.8Q1 DOI:10.1038/s41597-026-08400-y PMID:42816537	研究论文	本文利用深度学习和高分辨率多光谱航空影像，生成了德国巴登-符腾堡州森林外单株树木的州级数据集，包含树木位置、树冠几何、高度和属级标签	首次提供德国巴登-符腾堡州全州范围的森林外单株树木数据集，包含属级分类标签，并提出了可扩展的树木清单构建蓝图	分类准确性有限（mAP@0.5仅为0.382，宏平均F1为0.627），部分树木只能分配到聚合类别（其他阔叶树和针叶树）	创建包含分类信息的森林外单株树木州级清单，支持林业、生物多样性评估和气候适应研究	德国巴登-符腾堡州非森林区域内的单株树木	计算机视觉	NA	深度学习、高分辨率多光谱航空影像、陆地激光雷达	CNN	图像	1630万棵预测树木（全州非森林区域）	NA	NA	mAP@0.5，宏平均F1分数	NA