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
701	2026-07-05	Deep Learning-Based Standard Section Recognition and Multi-Organ Segmentation in Upper Abdominal Ultrasound 2026-Jul-04, Ultrasound in medicine & biology DOI:10.1016/j.ultrasmedbio.2026.06.003 PMID:42399171	研究论文	基于深度学习的上腹部超声标准切面识别与多器官分割	提出两阶段框架，先使用卷积神经网络识别标准切面，再对识别出的切面进行多器官分割，实现了两项互补任务的有效结合	单中心数据且样本量有限，外部验证尚未进行，脾脏和胰腺分割性能较低（胰腺测试IoU仅53.76%）	开发并评估用于上腹部超声标准切面识别和下游多器官分割的深度学习模型	上腹部超声检查视频中的标准切面帧	计算机视觉, 医学影像分析	NA	超声成像	卷积神经网络（CNN）	超声图像	465段上腹部超声检查视频，5535张标准切面图像	NA	NA	精确率, 召回率, 特异度, 准确率, 交并比（IoU）	NA
702	2026-07-05	Diagnostic accuracy of artificial intelligence for spinopelvic parameters in standing total spine X-ray and limitations after fusion surgery 2026-Jul-04, Skeletal radiology IF:1.9Q3 DOI:10.1007/s00256-026-05289-x PMID:42399390	研究论文	评估商用深度学习算法在全脊柱X光片上测量脊椎-骨盆参数的准确性，并分析其在融合手术后的局限性	首次评估商业AI软件在脊柱融合术后患者中的测量可靠性下降，并量化了与放射科医生的诊断一致性	对腰椎前凸参数的测量一致性仅为中等（ICC 0.68），且在脊柱内固定术后患者中测量偏差增大，相关性降低	评估商用AI算法在站立位全脊柱X光片中自动测量脊柱-骨盆参数的诊断准确性	临床队列的全脊柱X光片，包含495份影像，其中包含脊柱融合术后亚组	计算机视觉	脊柱疾病	深度学习算法，全脊柱X光成像	CNN	医学图像	495份全脊柱X光片	NA	商用AI算法（未具体说明架构）	平均绝对误差，组内相关系数，Spearman相关系数，敏感性，特异性，预测值	NA
703	2026-07-05	Deep Learning-Based Panoramic Radiograph Retrieval from Antemortem Images for Forensic Identification 2026-Jul-04, International journal of legal medicine IF:2.2Q1 DOI:10.1007/s00414-026-03905-y PMID:42399502	研究论文	评估基于深度学习的全景放射照片检索方法在法医鉴识中的应用	提出了一种专家辅助的半自动化卷积神经网络框架，用于大规模检索法医身份识别，并采用ConvNeXt-Tiny骨干网络实现最佳性能	未提及限制信息	评估基于深度学习的方法在法医鉴识中大规模检索全景牙科X光片的适用性	全景放射照片（牙科X光片）	计算机视觉	NA	NA	卷积神经网络（CNN）	图像（全景X光片）	842名个体的2,440张全景X光片	PyTorch	ConvNeXt-Tiny	Top-1准确率, Top-3准确率, Top-5准确率	NA
704	2026-07-05	High-resolution real-time mechanochromic tactile sensors 2026-Jul-03, Science advances IF:11.7Q1 DOI:10.1126/sciadv.aee5236 PMID:42397916	研究论文	提出一种高分辨率实时机械变色触觉传感器，通过将机械应变直接编码为结构色，实现无需深度学习增强的快速触觉感知	首次实现机械变色材料与触觉传感结合，无需深度学习即可达到约100微米分辨率，同时消除计算延迟，突破传统触觉传感器在分辨率与响应速度间的权衡	未在论文标题和摘要中明确说明	开发高分辨率、实时响应的触觉传感器，用于机器人抓取、触觉产品检测和人机交互	机械变色触觉传感器（基于可拉伸机械变色布拉格反射器）	计算机视觉	NA	机械变色传感（基于结构色编码机械应变）	NA	触觉压力分布图像（结构色映射）	展示了指尖、一便士硬币和叶子的拓扑映射，未给出具体样本数量	NA	可拉伸机械变色布拉格反射器嵌入两层软硅胶层	空间分辨率（约100微米）	无需深度学习计算资源，未详细说明硬件
705	2026-07-05	Beech latewood density as a proxy for temperature reconstruction 2026-Jul-03, Science advances IF:11.7Q1 DOI:10.1126/sciadv.aee1305 PMID:42397920	研究论文	利用欧洲山毛榉晚材密度作为夏季温度重建的替代指标，并通过微CT和深度学习分析揭示木材解剖结构对温度信号的驱动机制	首次证明阔叶树种（欧洲山毛榉）的晚材密度可用于高分辨率夏季温度重建，突破传统针叶树材的限制，并整合微CT与深度学习解剖分析揭示细胞结构对密度温度敏感性的影响	NA	探索欧洲山毛榉晚材密度作为夏季温度重建代理指标的可行性及其内在驱动机制	欧洲山毛榉的晚材密度与木材解剖结构（导管和纤维）及其对温度的响应	机器学习, 数字病理学	NA	X射线显微计算机断层扫描(micro-CT), 深度学习图像分割	深度学习分割模型	图像, 时间序列数据	1833年至2022年间的欧洲山毛榉样本	NA	深度学习分割网络	相关系数 (r=0.73)	NA
706	2026-07-05	Enhancing Volumetric Imaging in Linear-Array Photoacoustic Tomography: multiview fusion with deep learning 2026-Jul-03, IEEE transactions on bio-medical engineering DOI:10.1109/TBME.2026.3709999 PMID:42397995	研究论文	提出一种基于模型深度学习框架MV-FISTA-Net，通过多视角融合提升线性阵列光声断层扫描的三维成像分辨率	将快速迭代收缩阈值算法展开为可学习的3D架构，并设计两阶段训练策略弥合合成数据与真实实验数据之间的差距	未提及	解决线性阵列光声断层扫描中三维成像的各向异性空间分辨率问题，特别是提升仰角方向分辨率	光声断层扫描成像	计算机视觉	NA	光声断层扫描	深度学习模型	图像	仿真数据、体模数据、人体在体数据集	PyTorch	FISTA, MV-FISTA-Net	分辨率提升倍数	未提及
707	2026-07-05	Graph Network Feature Space Fusion for Predicting Irregularly Sampled Medical Time-Series Data: Deep Learning Model Development and Validation Study 2026-Jul-03, JMIR medical informatics IF:3.1Q2 DOI:10.2196/81145 PMID:42398019	研究论文	提出一种基于图网络特征空间融合的方法，用于预测不规则采样的医疗时间序列数据	将时间序列数据转换为图网络结构，并通过图卷积神经网络和门控卷积注意力机制分别提取点特征空间和边权重空间，实现特征融合，提高预测准确性和可解释性	未提及具体局限性	解决医疗数据中缺失值和不规则采样时间间隔对预测结果的影响，开发更有效的预测模型	急诊患者的复杂动态条件与临床数据	机器学习	NA	图卷积神经网络、门控卷积注意力机制	图网络模型	时间序列数据	4个数据集（具体样本数量未说明）	NA	图卷积神经网络、门控卷积注意力机制	准确率、曲线下面积、平均绝对误差	NA
708	2026-07-05	EssTFNet: integration of adaptive time-frequency and DNA language models for interpretable human essential gene prediction 2026-Jul-03, Briefings in bioinformatics IF:6.8Q1 DOI:10.1093/bib/bbag349 PMID:42398069	研究论文	提出EssTFNet，一个结合自适应时频分析与DNA语言模型的可解释深度学习框架，用于准确预测人类必需基因并实现生物学机制解释	首次将自适应时频分析（ATFNet架构）与DNA语言模型相结合，将DNA序列映射为等效时间序列信号以提取周期性和非平稳特征，在预测精度、模型可解释性和跨组织泛化能力之间取得良好平衡	未提及具体局限性，但可能包括对非人类物种的泛化能力未验证，以及需要更多实验验证识别的功能基序	开发一个可解释的深度学习框架，实现人类必需基因的准确预测并提供生物学机制见解	人类必需基因	机器学习	NA	DNA语言模型、自适应时频分析	深度学习框架（基于ATFNet架构）	DNA序列数据	S1基准任务数据集	PyTorch	ATFNet	AUC, AUPRC	NA
709	2026-07-05	A historical journey of metabolite-protein interaction discovery: from data harmonization to AI-driven prediction 2026-Jul-03, Briefings in bioinformatics IF:6.8Q1 DOI:10.1093/bib/bbag355 PMID:42398072	综述	追溯代谢物-蛋白质相互作用研究的历史，从数据协调到人工智能驱动预测的演进过程	提出以标准驱动的数据集成和校准的结构感知建模为核心的历史结构化路线图，为系统级代谢物-蛋白质相互作用图谱提供支持	未具体说明研究局限性，但指出数据碎片化、未解析代谢物身份和生理背景有限等持续挑战限制代谢组学的机制解释	梳理代谢物-蛋白质相互作用研究的历史发展，并展望未来方向以促进机制性理解和治疗设计	代谢物-蛋白质相互作用的相关数据、资源、预测工具及建模方法	机器学习	NA	代谢组学、蛋白质组尺度结构预测	深度学习	文本	NA	NA	NA	NA	NA
710	2026-07-05	Bridging local-global transmembrane protein contexts with contrastive pretraining for alignment-free pathogenicity prediction 2026-Jul-03, Briefings in bioinformatics IF:6.8Q1 DOI:10.1093/bib/bbag352 PMID:42398071	研究论文	提出Mem-Patho深度学习框架，通过对比预训练方法预测跨膜蛋白突变致病性	提出蛋白质内部标签指导的监督对比预训练策略，无需多序列比对或实验结构即可直接学习序列编码的生物物理信号	依赖蛋白质语言模型和序列推导的局部结构代理，可能无法捕获复杂的构象变化	实现跨膜蛋白突变致病性的准确预测，为精准医学提供无需序列比对的计算工具	跨膜蛋白突变体	机器学习	遗传性疾病	深度学习	对比学习模型	序列数据	跨膜蛋白基准数据集和独立KCNQ1离子通道队列	PyTorch	蛋白质语言模型, 对比学习网络	准确率	NA
711	2026-07-05	A multimodal deepsurv approach: integrating radiomics and clinical factors for brain metastasis survival prediction 2026-Jul-03, Journal of clinical neuroscience : official journal of the Neurosurgical Society of Australasia IF:1.9Q4 DOI:10.1016/j.jocn.2026.112180 PMID:42398164	研究论文	提出一种结合影像组学和临床因素的多模态深度生存模型，用于脑转移瘤患者生存预测	首次将影像组学特征与临床因素整合至DeepSurv框架，用于脑转移瘤生存预测，并利用时间依赖的AUROC评估不同时间点预测性能	样本量相对较小且来自单一机构，不同原发肿瘤来源类别不平衡，需外部多机构验证后方可临床应用	开发并评估基于影像组学的深度学习模型，利用治疗前MRI和临床数据预测脑转移瘤患者的生存结局	199例来自Pretreat-MetsToBrain-Masks数据集的脑转移瘤患者	数字病理学	脑转移瘤	MRI	DeepSurv	影像数据（MRI序列）、临床数据	199名患者	PyRadiomics, PyTorch	DeepSurv	C-index, 综合Brier分数, 综合负二项对数似然分数, 时间依赖AUROC	NA
712	2026-07-05	Artificial Intelligence in Echocardiography for Valvular Heart Disease 2026-Jul-03, Trends in cardiovascular medicine IF:7.3Q1 DOI:10.1016/j.tcm.2026.06.006 PMID:42398662	review	系统总结了人工智能在心脏瓣膜病超声心动图评估中的最新进展	探讨了AI通过无监督聚类挖掘潜在高风险表型以及整合多模态数据预测不良结局的能力	当前在数据标准化、模型可解释性和临床转化方面仍面临挑战	为提升心脏瓣膜病患者的精准诊断和预后评估提供新思路	心脏瓣膜病的超声心动图评估	计算机视觉	心脏瓣膜病	深度学习	卷积神经网络	图像	NA	NA	卷积神经网络	NA	NA
713	2026-07-05	Neuroimaging-derived biotypes of self-reported insomnia symptoms are differentially associated with affective symptoms 2026-Jul-03, Biological psychiatry. Cognitive neuroscience and neuroimaging DOI:10.1016/j.bpsc.2026.06.014 PMID:42398825	研究论文	通过生成式深度学习模型，识别出伴有自我报告失眠症状的青少年中的两种神经解剖学生物型，并发现它们与情感症状的不同关联	首次采用生成式深度学习模型从灰质体积数据中识别失眠症状的神经解剖学生物型，并揭示不同生物型在行为与遗传水平上对焦虑和抑郁的差异化易感性	未明确提及	探究失眠症状的神经解剖学异质性如何差异化影响睡眠障碍与情感症状之间的关系	伴有自我报告失眠症状的青少年样本，以及用于验证的成人样本	机器学习	失眠症状、焦虑症、抑郁症	神经影像学（灰质体积数据）	生成式深度学习模型	神经影像数据（灰质体积）	研究涉及青少年样本和用于验证的成人样本，具体数量未明确说明	NA	NA	NA	NA
714	2026-07-05	Segmentation of the parasagittal dura mater on multi-center 3D-FLAIR MRI 2026-Jul-03, NeuroImage IF:4.7Q1 DOI:10.1016/j.neuroimage.2026.122099 PMID:42398843	研究论文	开发了一种基于nnU-Net的深度学习模型mcPSD-Net，用于在多个中心的3D-FLAIR MRI图像上自动分割矢状窦旁硬脑膜	首次实现了多中心、多扫描仪条件下矢状窦旁硬脑膜的自动分割，并利用该模型分析了PSD体积随年龄和性别的变化	未提及具体限制，但可能包括样本量较小、分割精度在部分指标上有限（如Dice系数0.76）	开发自动化分割矢状窦旁硬脑膜的工具，并探究PSD体积与年龄、性别的关系	矢状窦旁硬脑膜（PSD）	计算机视觉	阿尔茨海默病相关	3D-FLAIR MRI	nnU-Net	图像	训练集55例，测试集25例，来自ADNI及本地数据集	PyTorch	nnU-Net	Dice系数、精确率、召回率、Hausdorff距离、HD95、平均对称表面距离	NA
715	2026-07-05	Prediction of Type 2 Diabetes Mellitus From Chest X-Rays Using a Suite of Previously Developed Chronic Disease Deep Learning Models in an Ethnically Diverse Cohort: Observational Study 2026-Jul-03, JMIR AI DOI:10.2196/85248 PMID:42398923	研究论文	本研究在一个种族多样化的城市队列中外部验证了基于胸部X光片的深度学习模型在预测2型糖尿病方面的表现和泛化能力	首次在一个种族多样性高、社会剥夺程度高、2型糖尿病患病率高的城市队列中验证了基于胸部X光片的深度学习模型的泛化能力，并证明了该模型与人口统计学和BMI结合后能显著提升预测性能	发病率预测准确性低于患病率，可能需纳入糖化血红蛋白等临床变量进一步优化	外部验证基于胸部X光片的深度学习模型在多样化人群中对2型糖尿病的预测性能，并评估其与人口统计学和BMI结合的效果	来自芝加哥三级学术医疗中心的39,908名成人患者，其中53.4%为非西班牙裔黑人，23%为拉丁裔，14%为非西班牙裔白人	机器学习	2型糖尿病	胸部X光成像	深度学习模型	图像（胸部X光片）	39,908名患者	NA	NA	AUC（曲线下面积）、一致性指数（C指数）	NA
716	2026-07-05	Vasculature segmentation in 3D hierarchical phase-contrast tomography images of human kidneys 2026-Jul-03, Nature communications IF:14.7Q1 DOI:10.1038/s41467-026-74050-8 PMID:42399229	研究论文	本文通过组织全球机器学习竞赛，对三维分层相衬断层扫描图像中肾脏血管分割算法进行元分析	创新点包括：利用伪标签方法挖掘数据分布、优化血管表面和拓扑的损失函数、处理数据异质性的多尺度方法	NA	开发高效的三维血管分割算法，用于研究和临床应用	三维分层相衬断层扫描肾脏图像中的血管结构	计算机视觉, 机器学习	肾脏疾病	分层相衬断层扫描	深度学习模型（具体架构未明确）	图像	1401名参赛者参与的全球竞赛数据	NA	NA	分割准确率，形态学指标	NA
717	2026-07-05	A deep learning optimized model for classification and detection of rice leaf diseases 2026-Jul-03, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-42220-9 PMID:42399274	研究论文	提出一种基于深度学习的优化模型，用于水稻叶部疾病的分类和检测	利用雷莫拉优化算法（ROA）优化深度最大输出网络（DMN）和深度自编码器（DAE）的学习参数，实现了更好的收敛性和避免局部最小值	未提及明显的局限性	开发一种精确的水稻叶部疾病分类和预测模型，以提高食品安全	水稻叶部疾病	计算机视觉	水稻叶部疾病	NA	深度最大输出网络（DMN）、深度自编码器（DAE）	图像	NA	NA	深度最大输出网络（DMN）、深度自编码器（DAE）	准确率	NA
718	2026-07-05	A hybrid quantum-classical framework for MRI-based deep brain tumor segmentation and classification 2026-Jul-03, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-58823-1 PMID:42399301	研究论文	提出了一种混合量子经典框架QFormer-Brain，用于基于MRI的脑肿瘤分割和分类	将量子表示学习集成到Transformer模型中，利用量子编码和变分量子电路增强非线性特征表示，提高对复杂MRI数据的判别特征提取能力	未在更广泛的数据集或临床环境中验证，量子计算资源当前受限	提升MRI脑肿瘤自动分割和分类的准确性	脑肿瘤MRI图像	机器学习	脑肿瘤	MRI	混合量子经典模型	图像	BraTS 2021公开数据集	IBM Qiskit	Swin-UNETR, 变分量子电路, 量子Transformer分类器	Dice相似系数, 交并比, 准确率, 灵敏度, 特异度, F1分数	8量子比特变分量子电路, 1024次测量, 通过IBM Qiskit Aer模拟器运行
719	2026-07-05	Anatomically constrained deep learning for clinical-grade volumetric pancreatic cancer segmentation: development, validation, and architectural benchmarking 2026-Jul-03, NPJ precision oncology IF:6.8Q1 DOI:10.1038/s41698-026-01587-8 PMID:42399351	研究论文	开发并验证了一种用于胰腺导管腺癌体积分割的解剖约束三维卷积神经网络模型，并在大规模多机构数据集上进行了基准测试	首次在大规模多机构、治疗初期的活检确诊胰腺导管腺癌CT影像集（1859例）上，系统验证了解剖约束三维卷积神经网络模型的临床级性能，并进行了与Swin UNETR等先进架构的受控比较	需在临床试验工作流程中进行前瞻性验证，定位误差不是性能下降的主要原因但仍有改善空间	实现胰腺导管腺癌的临床级自动分割，以支持精准肿瘤学中的体积量化、治疗反应评估和多模态结果建模	1859例多机构、治疗初期且经活检确诊的胰腺导管腺癌CT影像	计算机视觉, 数字病理学	胰腺癌	CT成像	三维卷积神经网络	医学影像（CT）	1859例胰腺导管腺癌CT检查	NA	Model-BB（胰腺局部化三维卷积神经网络）, Swin UNETR（三维视觉Transformer，用于基准测试）	Dice相似系数, 一致性相关系数	NA
720	2026-07-05	Integrating DNA methylation biomarkers for breast cancer risk prediction using artificial intelligence 2026-Jul-03, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-59983-w PMID:42399352	研究论文	该研究分析DNA甲基化图谱，利用机器学习与深度学习模型预测乳腺癌风险，随机森林模型表现最优	将高维表观基因组生物标志物与人工智能相结合，实现乳腺癌风险的早期预测，为微创筛查和个性化预防提供新途径	未提及具体局限，但可能包括样本量有限、外部验证缺失或平台特异性	开发基于DNA甲基化生物标志物的乳腺癌风险预测工具	GSE51032 EPIC-Italy队列中的224例诊断前乳腺癌病例和418例对照，共642份样本	机器学习	乳腺癌	DNA甲基化测序（Illumina HumanMethylation450K平台）	随机森林、机器学习与深度学习分类器	DNA甲基化图谱数据	642份样本（224例乳腺癌病例，418例对照）	NA	随机森林	AUC、准确率	NA