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
6501	2026-06-06	Estimation of battery SOC using a combined approach of temporal convolutional networks and Unscented Kalman Filter 2026, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0350331 PMID:42241468	研究论文	提出一种结合时间卷积网络和无迹卡尔曼滤波的方法，用于估计锂离子电池的荷电状态	通过扩展卷积和残差连接高效处理时间序列数据，并结合无迹卡尔曼滤波进一步提升精度并减少输出波动	文中未明确提及局限性	提高锂离子电池荷电状态估计的准确性和鲁棒性	锂离子电池的荷电状态	机器学习	NA	NA	时间卷积网络（TCN）和无迹卡尔曼滤波（UKF）	时间序列数据	使用马里兰大学的动态应力测试（DST）、US06测试和联邦城市驾驶方案（FUDS）数据集	NA	时间卷积网络（TCN）	平均绝对误差（MAE）、均方根误差（RMSE）	NA
6502	2026-06-06	Bilateral disease in the classic subtype of papillary thyroid carcinoma: clinical significance and development of an artificial intelligence-based multimodal prediction model 2026, Frontiers in endocrinology IF:3.9Q2 DOI:10.3389/fendo.2026.1759451 PMID:42244944	研究论文	评估经典亚型甲状腺乳头状癌双侧病变的临床意义，并开发基于人工智能的多模态预测模型	首次针对经典亚型甲状腺乳头状癌的双侧病变，结合临床参数和超声图像开发多模态人工智能预测模型，并证明双侧病变而非多灶性是独立的复发风险因素	未明确提及限制，但回顾性研究设计可能带来选择偏倚，且外部验证样本量相对较小（120例）	评估经典亚型甲状腺乳头状癌双侧病变的临床病理特征和复发模式，并开发术前识别双侧病变的多模态人工智能模型	经典亚型甲状腺乳头状癌患者	机器学习, 计算机视觉	甲状腺癌	超声成像	深度学习, 机器学习, 逻辑回归	图像, 临床数据	1,218例患者（来自两家医院）	PyTorch	TresNet	AUC	NA
6503	2026-06-06	Pathological diagnosis of thyroid nodules directly from ultrasonography by a weakly supervised deep learning framework 2026, Frontiers in endocrinology IF:3.9Q2 DOI:10.3389/fendo.2026.1834977 PMID:42244954	研究论文	提出一种弱监督深度学习框架，直接从甲状腺超声图像推断病理状态，无需昂贵的图像级标注	开发了名为ThyUS2Path的双注意力引导深度学习框架，通过两个关注不同维度结节特征的注意力模块，实现超声表型与组织学报告的关联	未明确说明局限性	实现甲状腺结节超声图像到组织学病理诊断的直接推断，提高诊断效率和一致性	甲状腺结节患者的超声图像与组织学病理结果	计算机视觉	甲状腺癌	超声成像	卷积神经网络	图像	603名患者的6014张图像用于训练和验证，1978张外部图像用于测试	深度学习框架（未具体指定）	ThyUS2Path（双注意力模块）	AUC, AUROC, AUPRC	NA
6504	2026-06-06	Cognitive decline and reduced bone mineral density under the bone-brain axis: mechanistic insights and imaging evaluation strategies 2026, Frontiers in aging neuroscience IF:4.1Q2 DOI:10.3389/fnagi.2026.1799025 PMID:42245135	综述	探讨骨-脑轴介导的认知衰退与骨密度降低的机制及多模态成像评估策略	首次深入阐述了骨-脑轴的双向调控网络在认知障碍与骨质疏松共病中的作用，并提出了从单模态评估向多模态成像深度整合的范式转变	NA	揭示骨-脑轴机制并总结多模态成像评估策略，为阿尔茨海默病的早期精准筛查和个性化预防干预提供路径	认知障碍与骨质疏松的共病机制及相关成像评估方法	机器学习	阿尔茨海默病、骨质疏松	结构/功能磁共振成像、分子PET成像、高分辨率外周定量计算机断层扫描	3D-CNN	图像	NA	NA	3D-CNN	NA	NA
6505	2026-06-06	Construction of an artificial intelligence system for the Los Angeles classification-based assessment of reflux esophagitis (with video) 2026 Jan-Dec, Digital health IF:2.9Q2 DOI:10.1177/20552076261458065 PMID:42245256	研究论文	构建基于洛杉矶分类的胃食管反流病人工智能分级系统，用于自动评估内镜图像	首次基于YOLOv11网络开发出针对洛杉矶分级的内镜图像人工智能分级系统，其诊断准确率显著高于初、高级内镜医师	仅在回顾性外部测试数据上验证，尚需前瞻性和多位读者验证才能进入常规临床部署	开发能自动根据洛杉矶分类对胃食管反流内镜图像进行分级的人工智能系统，提升诊断准确率与效率	来自三个中心的胃食管反流内镜图像	计算机视觉	胃食管反流	内窥镜成像	深度学习模型（YOLOv11l）	图像	三中心收集的多中心内镜图像数据集	PyQt5	YOLOv11l	准确率、灵敏度、特异度、精密度、AUC、F1分数	NA
6506	2026-06-06	Image processing and AI techniques for climate change detection using remote sensing: a comprehensive review 2026, Frontiers in artificial intelligence IF:3.0Q2 DOI:10.3389/frai.2026.1814362 PMID:42245266	综述	系统回顾了用于气候变化检测的遥感图像处理与AI技术，涵盖光学、SAR、热红外和高光谱数据	提出统一的算法-应用分类法，系统比较性能指标权衡，构建实践决策框架指导方法选择	模型跨区域泛化能力不足，标注数据集稀缺，多传感器时间序列数据整合存在显著差距	整合遥感与AI在气候变化检测中的研究进展并提供方法选择指导	遥感图像处理与AI技术及其在气候变化检测中的应用	计算机视觉	不适用	光学遥感、合成孔径雷达、热红外遥感、高光谱遥感	卷积神经网络、孪生网络、分割网络	图像	不适用	TensorFlow, PyTorch, Keras	Siamese网络, U-Net, CNN	总体精度, 精确率, 召回率, F1分数, 交并比, Kappa系数, 均方根误差	不适用
6507	2026-06-06	A novel lightweight deep learning model for early prediction of cardiovascular disease 2026, Frontiers in artificial intelligence IF:3.0Q2 DOI:10.3389/frai.2026.1828950 PMID:42245267	研究论文	提出一种轻量级深度学习模型，用于利用临床数据早期预测心血管疾病	提出了一个轻量级且鲁棒的人工智能系统，采用SMOTE处理类别不平衡确保无数据泄露，并通过系统性比较多种机器学习和深度学习模型，强调鲁棒验证和统计可靠性而非仅关注准确率	未明确提及具体限制	开发准确可靠的早期风险预测模型，以便及时进行临床干预	心血管疾病的早期风险预测	机器学习	心血管疾病	NA	人工神经网络（ANN）、逻辑回归、决策树、K近邻、随机森林、支持向量机	临床数据	NA	NA	四层人工神经网络	准确率、精确率、召回率、F1分数、ROC曲线、均值、标准差	NA
6508	2026-06-06	Evaluating the Role of AI Assistants in Accelerating Neurodegenerative Disease Research: Opportunities and Translational Limitations 2026, Neuropsychiatric disease and treatment IF:2.5Q2 DOI:10.2147/NDT.S614952 PMID:42245290	综述	评估人工智能助手在加速神经退行性疾病研究中的机遇与转化局限	从传统机器学习/深度学习扩展到基础模型和大语言模型作为通用AI助手，并系统分析其在神经退行性疾病研究中的具体应用与隐患	人工智能输出易受数据集偏差、可解释性差、分布漂移和幻觉影响，且神经退行性疾病表型细微、标注不完善、病程漫长，使问题尤为突出	评估人工智能在神经退行性疾病研究中的当前应用，并讨论从分析型AI到通用型AI助手的转变及其潜在影响	神经退行性疾病（阿尔茨海默病和帕金森病）研究中的AI应用	机器学习	神经退行性疾病	NA	传统机器学习、深度学习、基础模型、大语言模型	高维多模态数据（影像、临床数据等）	NA	NA	NA	NA	NA
6509	2026-06-06	Predicting VNN resistance in European sea bass using machine learning on high dimensional low sample size data 2026, Frontiers in bioinformatics IF:2.8Q2 DOI:10.3389/fbinf.2026.1718386 PMID:42245288	研究论文	利用机器学习从高维小样本数据中预测欧洲海鲈鱼对VNN的抗性	在高维小样本的遗传数据背景下，系统比较了多种机器学习方法，包括基于混沌游戏表示的图像分类变体，并采用最大化基因距离的划分策略来模拟育种中的泛化挑战	实验表明该关联任务具有难度，结果局限于特定测试场景，且所有动物属于同一群体，可能影响对更广泛种群的推广性	探索机器学习方法在非模式物种的遗传预测中的应用，以克服高维小样本数据的挑战	欧洲海鲈鱼群体及其对病毒性神经坏死症的抗性	机器学习	病毒性神经坏死症	SNP分析	支持向量机、梯度提升、深度学习、基于混沌游戏表示的图像分类	遗传数据（SNP）	NA	NA	NA	NA	NA
6510	2026-06-06	A transformer based deep learning framework for accurate single nucleotide variant correction in heterogeneous samples 2026, Frontiers in microbiology IF:4.0Q2 DOI:10.3389/fmicb.2026.1838029 PMID:42245499	研究论文	提出一种基于Transformer的深度学习框架，用于在异质性宿主-微生物混合物中准确校正单核苷酸变异	首次采用Transformer架构与组编码机制，整合多元特征（VAF分布、纯度估计、测序深度、局部基因组上下文），以有效消除低纯度样本中由纯度引起的系统性偏差	仅基于模拟测序数据评估，尚未在真实生物学样本中验证；纯度梯度范围（0.2-1.0）可能不足以覆盖极端低纯度场景	开发计算框架以提高异质性宿主-微生物混合物中宿主单核苷酸变异的量化准确性	宿主-微生物混合物中的宿主单核苷酸变异	机器学习	不适用	测序（模拟数据）	Transformer	序列数据	模拟数据；纯度梯度0.2-1.0	PyTorch	Transformer	量化误差、SNV计数一致性	不适用
6511	2026-06-06	Ultrasound deep learning features for predicting cervical lymph node metastasis in papillary thyroid carcinoma 2026, Frontiers in oncology IF:3.5Q2 DOI:10.3389/fonc.2026.1721234 PMID:42245688	研究论文	开发并验证一种基于超声深度学习特征的临床深度学习影像组学模型，用于预测甲状腺乳头状癌患者的颈部淋巴结转移状态	结合深度学习特征与临床参数构建Cli-DLR模型，在验证队列中AUC达到0.80，表现优于经验丰富的放射科医生	回顾性单中心研究，样本量有限（205例），缺乏前瞻性多中心验证	建立一种无创方法，在术前准确评估甲状腺乳头状癌患者的颈部淋巴结转移情况，以优化临床管理并避免过度治疗	甲状腺乳头状癌患者的术前甲状腺超声图像和临床参数	计算机视觉	甲状腺乳头状癌	超声	深度学习模型	图像	205例甲状腺乳头状癌患者（训练集143例，验证集62例）	NA	NA	AUC	NA
6512	2026-06-06	DeepRespNet: a hybrid attention-recurrent framework for non-contact respiratory rate estimation 2026, Frontiers in physiology IF:3.2Q2 DOI:10.3389/fphys.2026.1792689 PMID:42245836	研究论文	提出一种名为DeepRespNet的混合深度学习框架，用于非接触式呼吸频率估计，并兼顾不同肤色个体的估计准确性	提出RespFormer特征编码器，融合时空卷积与多头自注意力机制，结合BiLSTM网络建模时间连贯性，并联合分析rPPG和运动信号实现多通道呼吸表征	需要在更大人群中进一步验证	开发一种鲁棒的深度学习框架，确保跨不同肤色的可靠呼吸频率估计	RGB视频中提取的rPPG和运动信号	计算机视觉	无特定疾病	光学流量分析、rPPG信号提取	BiLSTM、多头自注意力机制	RGB视频序列	多受试者数据集，含同步参考呼吸信号	PyTorch	RespFormer、BiLSTM	平均绝对误差、Bland-Altman分析	NA
6513	2026-06-06	Structural connectome analysis using a graph-based deep model for prediction of non-imaging variables 2026, Frontiers in neuroscience IF:3.2Q2 DOI:10.3389/fnins.2026.1786355 PMID:42246028	研究论文	基于扩散磁共振成像的脑结构连接组，使用图卷积网络预测年龄和MMSE评分等非影像变量	模型架构创新，特别是提出连接注意力块，学习脑图的嵌入表示并提供图级注意力	NA	基于结构性脑连接组预测非影像变量，以理解健康和疾病中的连接组变化	年龄和简易精神状态检查评分	机器学习	NA	扩散磁共振成像	图卷积网络	脑连接图	来自PREVENT-AD和OASIS3公开数据集	NA	图卷积网络，连接注意力块	预测性能比较	NA
6514	2026-06-05	Deep learning-based classification of interphalangeal finger joints in erosive hand osteoarthritis 2026-Sep, Osteoarthritis and cartilage open DOI:10.1016/j.ocarto.2026.100821 PMID:42239506	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
6515	2026-06-05	Morphology-, noise-, and resolution-robust ultrasound elasticity imaging with Fourier neural operator 2026-Aug-15, Computer methods and programs in biomedicine IF:4.9Q1 DOI:10.1016/j.cmpb.2026.109432 PMID:42134076	研究论文	探究傅里叶神经算子用于准静态应变弹性成像中位移场到弹性场映射的鲁棒性	将傅里叶神经算子首次应用于超声弹性成像，并系统评估其对病灶形态、噪声和分辨率变化的鲁棒性，同时展示少样本微调对未见肿瘤形态的泛化能力	未模拟原始超声信号形成过程及从RF/IQ数据估计位移的步骤，且定量对比受限于缺乏像素级模量真值	评估傅里叶神经算子在不同临床场景下映射位移场至弹性场的准确性和鲁棒性	准静态应变弹性成像中模拟和实验的位移场与弹性场数据	计算机视觉	NA	超声弹性成像	Fourier Neural Operator	模拟位移场和实验超声RF数据	有限元仿真生成的多种病灶形态样本及一个公开实验体模数据集	NA	Fourier Neural Operator, U-Net, DeepONet	预测准确性	NA
6516	2026-06-05	Glo-MMF: A modular multi-model framework for automated morphometry of glomerular ultrastructural features 2026-Aug-15, Computer methods and programs in biomedicine IF:4.9Q1 DOI:10.1016/j.cmpb.2026.109431 PMID:42139796	research paper	开发了一个名为Glo-MMF的模块化多模型框架，用于自动定量分析肾小球超微结构特征	通过构建三个专用深度学习模型（超微结构分割模型、肾小球滤过屏障区域分类模型和电子致密沉积物检测模型），并结合后处理流程，实现了对肾小球超微结构多种特征的联合定量分析，克服了传统单一模型的局限性	模型训练仅使用了372张肾活检电镜图像，样本量有限；CPU环境下每例样本分析时间约4.23秒，可能存在效率提升空间	开发一个能同时实现结构测量、状态评估和病变定位的自动化肾小球超微结构定量分析框架，辅助肾病理诊断	肾小球超微结构特征，包括肾小球基底膜厚度、足突融合程度和电子致密沉积物位置	digital pathology	renal disease	electron microscopy	CNN	image	372张肾活检电镜训练图像，115例测试样本（涵盖9种肾病理类型）	PyTorch	分割模型、分类模型、检测模型	与病理报告描述的一致性	CPU环境
6517	2026-06-05	TAPSeg: An open-source deep learning tool for instance-level tooth and pulp segmentation in CBCT 2026-08, Journal of dentistry IF:4.8Q1 DOI:10.1016/j.jdent.2026.106643 PMID:41865812	research paper	开发了一个基于深度学习的一键式CBCT自动分割工具TAPSeg，用于在3D Slicer软件中对牙齿和牙髓进行集成分割与重建	将V-Net与nnU-Net集成在3D Slicer中，实现一键式牙齿与牙髓的全自动分割，并验证了在包括未成熟恒牙在内的多数据集上的泛化能力	未提及具体局限性	开发开源的一键式CBCT自动分割工具，降低临床使用门槛	牙齿和牙髓在CBCT影像中的实例级分割	digital pathology	NA	CBCT	V-Net, nnU-Net	image	牙齿分割198例，牙髓分割148例	3D Slicer	V-Net, nnU-Net	Dice similarity coefficient, 95% Hausdorff distance, sensitivity, precision	NA
6518	2026-06-05	Identification of non-hydroxamate histone deacetylase 8 inhibitors using deep learning-based screening of two-dimensional molecular images 2026-Aug, Bioorganic & medicinal chemistry IF:3.3Q1 DOI:10.1016/j.bmc.2026.118694 PMID:42107269	研究论文	利用基于二维分子图像的深度学习筛选方法识别非羟肟酸组蛋白去乙酰化酶8抑制剂	首次将ResNet架构集成到基于二维分子图像的DEEPScreen平台中，用于识别非羟肟酸HDAC8抑制剂，并通过实验验证和结构优化发现更有效的化合物	原文未明确提及局限性，但可能包括深度学习模型的泛化能力有限、虚拟筛选库的规模限制以及实验验证的化学空间探索尚不全面	开发基于二维分子图像的深度学习方法，识别新型非羟肟酸HDAC8抑制剂	大阪大学化合物库中的虚拟筛选候选化合物，以及经过实验验证的HDAC8抑制剂	机器学习	癌症	NA	卷积神经网络（CNN）和残差网络（ResNet）	二维分子图像	大阪大学化合物库中的大量虚拟筛选化合物，具体数量未提及	TensorFlow, PyTorch（推断）	ResNet	F1分数	NA
6519	2026-06-05	A web-based platform for real-time stewed beef freshness monitoring: Integrating anthocyanin colorimetric film with deep learning 2026-Jul-30, Food chemistry IF:8.5Q1 DOI:10.1016/j.foodchem.2026.149643 PMID:42143922	研究论文	通过整合花青素比色膜与深度学习，开发了一套用于实时监测卤牛肉新鲜度的网络平台	首次将基于桑葚花青素提取物的pH响应比色膜与改进的Ordinal-ResNet-50深度学习模型结合，构建从智能传感到在线智能的完整技术框架，实现卤牛肉新鲜度的实时、无损分级监测	未明确提及，可能是模型对特定存储条件（4°C）的依赖性以及膜对不同肉类品种的泛化能力有限	开发一种基于网络的卤牛肉新鲜度在线监测系统	卤牛肉	计算机视觉、深度学习	不适用	比色膜制备、深度学习	改进的Ordinal-ResNet-50	图像	未明确提及样本数量	PyTorch	ResNet-50	准确率	NA
6520	2026-06-05	A two-level neurodynamic approach for heterogeneous networked game under event-triggered quantized mechanism 2026-Jul, Neural networks : the official journal of the International Neural Network Society IF:6.0Q1 DOI:10.1016/j.neunet.2026.108671 PMID:41666488	研究论文	提出一种两层级神经动力学方法，用于解决事件触发量化机制下的异构网络化博弈问题	结合一对一梯度事件触发器和对数量化器降低通信成本，引入基于无源性策略补偿信息缺失，设计分段时变函数确保预设时间收敛	数值示例仅限于自主移动机器人连通性控制问题，未在更复杂或大规模系统中验证	降低网络化博弈中的通信成本并提高收敛速度，同时处理异构动态玩家的纳什均衡跟踪问题	异构动态玩家组成的网络化博弈系统	机器学习	NA	NA	两层级神经动力学	NA	NA	NA	NA	收敛时间	NA