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
761	2026-07-05	Unraveling sperm kinematic heterogeneity with machine learning 2026-03-01, Asian journal of andrology IF:3.0Q1 DOI:10.4103/aja202544 PMID:40791002	综述	综述机器学习在利用计算机辅助精子分析数据解析精子运动异质性方面的应用	系统综述了机器学习（包括监督与无监督学习）在精子运动参数分类和运动模式聚类中的应用，以揭示精子动力学异质性	该领域机器学习应用仍然有限，且CASA数据格式对传统统计方法构成挑战	探讨如何通过机器学习技术增强对精子运动异质性的理解，以推进生殖生物学和生育力评估	精子样本的运动动力学参数和轨迹数据	机器学习	NA	计算机辅助精子分析	机器学习模型	运动参数和轨迹数据	NA	NA	NA	NA	NA
762	2026-07-05	Deep learning for fast screening and localization of spinal dural arteriovenous fistulas to enhance clinical workflow 2026-Feb-27, NPJ digital medicine IF:12.4Q1 DOI:10.1038/s41746-026-02474-z PMID:41760890	研究论文	开发一种结合3D卷积神经网络与解剖先验知识的自动化AI系统（SDAVFdoc），用于快速筛查和定位脊髓硬脊膜动静脉瘘（SDAVF），并在多中心研究中进行验证	首次将解剖先验知识与3D卷积神经网络相结合，用于SDAVF的自动筛查和定位，显著减少了处理时间（从40.75分钟降至1.05分钟）和操作点击次数（从761次降至9次）	未明确提及限制，可能包括对数据集依赖性强、在不同设备或中心间的泛化性需进一步验证	开发并验证一种自动化AI系统，以提高SDAVF检测的效率和准确性，优化临床工作流程	718名患者的脊髓CTA图像，用于训练和测试SDAVF检测和定位系统	医学影像分析、计算机视觉、深度学习	脊髓硬脊膜动静脉瘘	CTA成像	3D卷积神经网络（3D CNN）和DenseNet	图像（3D脊髓CTA图像）	718名患者	NA	3D CNN、DenseNet	F1分数（0.932-0.960）、AUC（0.928-0.954）	NA
763	2026-07-05	FATE-MAP predicts teratogenicity and human gastrulation failure modes by integrating deep learning and mechanistic modeling 2026-Feb-19, Nature communications IF:14.7Q1 DOI:10.1038/s41467-026-69596-6 PMID:41714622	研究论文	FATE-MAP通过整合深度学习和机理建模预测致畸性和人类原肠胚形成失败模式	结合深度学习（Transformer）和偏微分方程（PDE）模拟形态发生素运输，创建了预测人类原肠胚形成失败模式的集成平台，并成功识别两个可能致畸的临床分子	未明确提及	阐明人类原肠胚形成失败模式，并加速安全治疗药物发现	人类2D原肠胚模型	机器学习	先天性畸形	高通量药物处理、深度学习、形态发生素建模	Transformer（深度学习）	图像（药物处理后的原肠胚表型）、化学结构数据	超过2000个药物处理的人类2D原肠胚	PyTorch	Transformer	NA	NA
764	2026-07-05	A hierarchical interaction message net for accurate molecular property prediction 2026-Feb-14, Communications chemistry IF:5.9Q1 DOI:10.1038/s42004-026-01922-x PMID:41691119	research paper	提出一种分层交互消息网络（HimNet），通过分层注意力引导的消息传递实现原子、基序和分子级别的交互感知表示学习，用于精准分子属性预测	提出了分层交互消息传递机制（HI-MPM），通过注意力引导的分层消息传递实现多层级特征的有效交互，平衡全局与局部信息	NA	实现精准的分子属性预测，包括ADMET特性，以支持药物发现的早期决策	小分子化合物	machine learning	NA	NA	图神经网络、Transformer	分子结构数据	11个数据集，包括8个MoleculeNet基准数据集和3个高价值数据集	NA	分层交互消息网络（HimNet）	最佳或接近最佳性能	NA
765	2026-07-05	Artificial intelligence-assisted assessment of metabolic response to tebentafusp in metastatic uveal melanoma: a long axial field-of-view [18F]FDG PET/CT study 2026-02, European journal of nuclear medicine and molecular imaging IF:8.6Q1 DOI:10.1007/s00259-025-07504-8 PMID:40913640	研究论文	评估人工智能辅助的[18F]FDG长轴向视野PET/CT在转移性葡萄膜黑色素瘤患者中对tebentafusp治疗代谢反应的可行性和预后价值	首次结合深度学习分割工具（RECOMIA平台）和AI辅助PERCIST 1.0标准，评估tebentafusp治疗的mUM患者的代谢反应，并验证其预后价值	样本量较小（仅15例患者），且ctDNA数据仅部分患者可用（8例），可能限制统计显著性	探讨AI辅助量化及代谢反应评估在tebentafusp治疗的mUM患者中的可行性和预后价值	转移性葡萄膜黑色素瘤（mUM）患者	数字病理学	葡萄膜黑色素瘤	PET/CT	深度学习	影像数据	15例转移性葡萄膜黑色素瘤患者	RECOMIA	深度学习分割工具（具体架构未指定）	总生存期，TMTV，TLG，PERCIST反应评估	NA
766	2026-07-05	Habitat-aware radiomics and adaptive 2.5D deep learning predict treatment response and long-term survival in ESCC patients undergoing neoadjuvant chemoimmunotherapy 2026-02, European journal of nuclear medicine and molecular imaging IF:8.6Q1 DOI:10.1007/s00259-025-07522-6 PMID:40960691	研究论文	提出一个可解释的多模态框架，结合栖息地放射组学和自适应2.5D深度学习，预测食管鳞癌患者新辅助化学免疫治疗反应和长期生存	通过体素级栖息地放射组学定量描绘瘤内/瘤周异质性，结合2.5D深度学习模型和SHAP可解释性，识别耐药相关亚区域，实现可解释的双重诊断-预后分层	NA	开发可解释的多模态框架，预测食管鳞癌患者新辅助化学免疫治疗反应和长期生存	269例未经治疗的食管鳞癌患者，基线PET/CT数据	医学影像分析	食管鳞癌	PET/CT成像	CNN, 多实例学习, 集成学习	医学图像	269例食管鳞癌患者（训练集: 144例，验证集: 62例，测试集: 63例）	PyTorch, Scikit-learn	ResNet50, Crossformer	AUC, 灵敏度, 特异性, C指数, 校准曲线, 决策曲线分析	NA
767	2026-07-05	Can artificial intelligence predict failure of non-invasive respiratory support in the neonatal unit? 2026-02, Seminars in fetal & neonatal medicine IF:2.9Q1 DOI:10.1016/j.siny.2025.101692 PMID:41290497	综述	探讨人工智能在新生儿重症监护室预测无创通气失败中的应用潜力	首次系统综述人工智能技术（包括深度学习和传统机器学习）在新生儿无创通气失败预测中的应用，强调深度学习模型的优越性	现有研究样本量小、缺乏外部验证，通用性和临床整合仍需多中心大样本研究验证	评估人工智能模型预测新生儿无创通气失败的准确性及临床实用性	新生儿重症监护室中接受无创通气治疗的早产儿	机器学习	新生儿呼吸系统疾病	NA	深度学习模型（多模态深度神经网络）、逻辑回归、支持向量机	临床数据（胎龄、血氧饱和度、最大吸入氧浓度等）	6项研究共纳入3421名婴儿	NA	多模态深度神经网络	受试者工作特征曲线下面积	NA
768	2026-07-05	Deep learning-based multimodal fusion of MRI and whole slide image for predicting neoadjuvant therapy response in locally advanced head and neck squamous cell carcinoma 2026-01-21, BMC medical imaging IF:2.9Q2 DOI:10.1186/s12880-026-02173-x PMID:41566290	研究论文	开发并验证一种基于Transformer的多模态融合模型，结合MRI和病理全切片图像以预测局部晚期头颈鳞癌的新辅助治疗反应	首次采用Transformer多注意力机制动态融合MRI宏观影像特征与病理切片微观细胞特征，实现跨模态特征加权融合，提升预测性能	NA	提高局部晚期头颈鳞癌新辅助靶向治疗和化疗反应的预测准确性	201例III-IV期局部晚期头颈鳞癌患者	计算机视觉, 数字病理学	头颈鳞癌	MRI, H&E染色病理切片	Transformer	MRI影像, 病理全切片图像	201例患者，来自两个医疗中心	PyTorch	ResNet50, Transformer	AUC, 校准曲线, 决策曲线分析	NA
769	2026-07-05	Transfer learning with Bayesian optimization for colorectal cancer histopathology classification 2026-01-12, BMC medical imaging IF:2.9Q2 DOI:10.1186/s12880-026-02149-x PMID:41526835	研究论文	通过贝叶斯优化对转移学习模型进行超参数调优，提升结直肠癌组织病理学分类性能	提出CRC-BayTune方法，将贝叶斯优化应用于学习率、批量大小和微调深度等关键训练参数的调优，并通过统计检验（弗里德曼检验、重复测量方差分析）系统评估模型架构和超参数对性能的影响	未提及外部验证或跨机构数据集的泛化测试，仅在噪声扰动下评估鲁棒性；未讨论模型部署的计算成本或临床落地可行性	探究模型选择和超参数优化策略对结直肠癌组织病理学分类性能鲁棒性的影响	八个预训练CNN模型（如DenseNet201、InceptionV3等）在三类结直肠癌组织病理学数据集上的表现	数字病理学	结直肠癌	组织病理学图像分析	卷积神经网络	图像	NA（具体样本数量未在摘要中提供）	NA（未在摘要中指定）	DenseNet201, InceptionV3, InceptionResNetV2, ResNet50V2	Matthews相关系数, 准确率	NA（未在摘要中描述）
770	2026-07-05	Explainable artificial intelligence (XAI) in medical imaging: a systematic review of techniques, applications, and challenges 2026-01-05, BMC medical imaging IF:2.9Q2 DOI:10.1186/s12880-025-02118-w PMID:41491470	综述	系统综述XAI在医学影像中的技术、应用和挑战	通过构建融合特征选择、图神经网络和多模态变换器的XAI分类体系，并将技术与放射学和病理学临床工作流中的具体影响点相匹配，拓展了现有综述	仍存在标准化、可解释性、数据偏差和数据集成复杂等挑战	综述XAI在医学影像中的技术趋势、临床应用及相关问题，以增强透明度和信任度	XAI技术在医学影像中的应用	计算机视觉	不适用	深度学习	图神经网络、多模态变换器	图像	从980篇记录中筛选出133篇纳入研究	不适用	不适用	不适用	不适用
771	2026-07-05	Classification of pulmonary diseases using machine learning and deep learning models on GLI-2012 standardized spirometry features 2026-01-03, BMC medical informatics and decision making IF:3.3Q2 DOI:10.1186/s12911-025-03335-7 PMID:41484760	研究论文	使用GLI-2012标准化肺功能特征，通过机器学习和深度学习模型对肺部疾病进行分类	首次在GLI-2012标准化肺功能特征集上系统比较多种机器学习与深度学习模型的分类性能，并扩展了分类类别（从四类到五类）	模型需要在大规模患者群体中验证，以促进临床集成	评估不同机器学习和深度学习算法在肺部疾病分类中的性能	肺功能测试中的肺活量测定特征和人口统计学变量	机器学习	肺部疾病	肺活量测定	逻辑回归、支持向量机、K近邻、随机森林、XGBoost、深度神经网络、卷积神经网络	表格数据	未明确说明	NA	逻辑回归、支持向量机、K近邻、随机森林、XGBoost、深度神经网络、卷积神经网络	准确率、灵敏度、特异性、F1分数、F1宏观、ROC曲线下面积	NA
772	2026-07-05	Random Neural Networks for Rough Volatility 2026, Applied mathematics and optimization IF:1.6Q2 DOI:10.1007/s00245-026-10392-5 PMID:41804376	研究论文	构建了一种基于深度学习的数值算法，用于解决粗糙波动率背景下路径依赖偏微分方程	将偏微分方程解释为倒向随机微分方程的解，并采用储备池类型的神经网络将优化问题简化为简单的最小二乘回归，同时证明了理论收敛性	NA	开发一种数值算法求解粗糙波动率中的路径依赖偏微分方程	粗糙波动率背景下的路径依赖偏微分方程	机器学习	NA	NA	储备池神经网络	NA	NA	NA	NA	NA	NA
773	2026-07-05	Development and evaluation of a multimodal feature-based predictive model for radiotherapy-induced oral mucositis in nasopharyngeal carcinoma 2026, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0346251 PMID:41955202	研究论文	本研究开发和评估了一种基于多模态特征的预测模型，用于预测鼻咽癌放疗引起的口腔粘膜炎	在样本量有限的小队列中，系统比较了传统机器学习算法与深度学习架构的多类预测性能，并提出了通过特征降维结合轻量级1D-CNN的策略来解决高维3D-CNN的模式崩溃问题	样本量较小（仅108名患者），3D-CNN深度模型因数据不足出现严重过拟合和模式崩溃，且未在外部数据集上进行验证	严格评估和比较传统机器学习算法与深度学习架构在小队列设定下的多类预测性能	鼻咽癌患者放疗后口腔粘膜炎的预测	机器学习	鼻咽癌	CT成像、剂量分布分析	Extra Trees、逻辑回归、1D-CNN、3D-CNN	CT图像、剂量分布、临床特征	108名患者	Scikit-learn, TensorFlow, PyTorch	Extra Trees, 逻辑回归, 1D-CNN, 3D-CNN	AUC, 准确率, Matthews相关系数	NA
774	2026-07-05	Voxel-wise deep learning segmentation of hydroxyapatite and iodine in spectral photon-counting CT: A quantitative phantom study 2026, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0346825 PMID:41955258	研究论文	提出一种基于光谱保持的3D分割模型SPFF-UNet，直接对光谱光子计数CT中的羟基磷灰石和碘进行分类，无需材料分解预处理	首次将光谱保持机制（光谱挤压激励、EnergyFiLM和傅里叶门）集成到3D分割网络中，实现直接体素级材料分类，避免传统材料分解步骤	仅基于圆柱体模的实验室验证，缺乏体内数据验证；体模材料有限，未覆盖真实临床场景中的复杂组织多样性和运动伪影	开发一种无需材料分解预处理、可直接从多能光谱光子计数CT数据中进行体素级材料分类的深度学习分割方法	包含12种材料的圆柱体模（5种HA浓度、3种碘浓度、3种软组织等效物和水）	深度学习	钙化性肌肉骨骼疾病和血管钙化	光谱光子计数CT	3D U-Net变体	CT图像（五能段光谱光子计数CT体积数据）	一个体模扫描及其保留测试扫描	PyTorch	SPFF-UNet	Dice系数, IoU, 灵敏度, 精确率	NA
775	2026-07-05	An interpretable deep learning framework for predictive modeling of postoperative infections in ICU patients 2026, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0346896 PMID:41955272	研究论文	提出一种可解释的深度学习框架，用于预测ICU患者术后感染风险	创新的融合了排列特征重要性测试（PermFIT）与深度神经网络，在保持高预测性能的同时提供特征影响的严格统计推断，增强了模型可解释性	未提及具体局限性	提高ICU患者术后感染风险预测的准确性，并识别关键影响因素，从而改善术后管理和感染机制理解	ICU术后患者	机器学习	术后感染	电子健康记录（EHR）	深度神经网络（DNN）	结构化病历文本	来自MIMIC-III大型ICU EHR数据库的大量样本	NA	深度神经网络（DNN）	预测准确性	NA
776	2026-07-05	Toward Sensor Fusion Neuromuscular Interface for Continuous Finger Joint Angle Estimation via Deep Transfer Learning 2026, 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.2026.3706311 PMID:42329928	研究论文	提出一种融合表面肌电图和B型超声图像的深度迁移学习框架，用于连续估计手指关节角度	首次提出共享编码器-解码器-回归架构，结合CNN、转置卷积、动作条件多头交叉注意力模块和LSTM，融合sEMG和US双模态数据，并引入参数冻结迁移学习策略提升跨受试者泛化能力	初步验证仅涉及一名截肢者参与者，需进一步在更大样本中验证框架在残肢感知条件下的适用性	实现高精度连续手指关节角度估计，为直觉式上肢假肢控制接口提供技术支持	手指的掌指关节和近端指间关节角度	机器学习	NA	表面肌电图，B型超声成像	CNN, LSTM, 注意力机制	时间序列信号, 图像	7名健全受试者和1名截肢者	PyTorch	编码器-解码器-回归架构含CNN、转置卷积、多头交叉注意力和LSTM	均方根误差, 皮尔逊相关系数	NA
777	2026-07-04	Deep learning‑based prediction of in‑hospital mortality for acute kidney injury 2026-Jul, Computer methods in biomechanics and biomedical engineering IF:1.7Q3 DOI:10.1080/10255842.2025.2470809 PMID:40052403	研究论文	利用深度学习模型预测急性肾损伤患者的院内死亡率	提出GCAT模型，通过构建患者特征相似性网络和基于图卷积网络的预测框架，捕获患者间属性特征的相似性，从而提高预测性能	未在外部数据集进行验证，且依赖于MIMIC-III数据库，可能限制模型的泛化能力	开发一种用于医院环境中识别高风险急性肾损伤患者的预测模型	急性肾损伤（AKI）住院患者	机器学习	急性肾损伤	NA	图卷积网络（GCN）	结构化临床数据	MIMIC-III数据集中的大量患者	NA	GCAT	准确率（Accuracy）	NA
778	2026-07-03	Retinal proteomics in neurodegeneration: Insights into ocular and brain disorders 2026-Oct-01, Neural regeneration research IF:5.9Q1 DOI:10.4103/NRR.NRR-D-25-00291 PMID:41169217	综述	本文综述了视网膜蛋白质组学在神经退行性疾病中的研究进展，重点关注具有眼部表现的疾病	综合回顾了人工智能与先进质谱技术结合在视网膜蛋白质组分析中的创新应用	NA	总结视网膜蛋白质组学在眼部及脑部神经退行性疾病中的最新研究进展	视网膜蛋白质组	自然语言处理	神经退行性疾病	质谱分析	深度学习	蛋白质组数据	NA	Graphics Processing Unit-accelerated deep learning architectures	NA	特异性, 灵敏度	Graphics Processing Unit加速计算
779	2026-07-03	Deep Learning-Based Eye Rubbing Detection Using Wrist-Based Wearable Devices to Enable Rigorous Study of Risk Factors for Ectasia Progression 2026-Aug-01, Cornea IF:1.9Q2 DOI:10.1097/ICO.0000000000004113 PMID:41649853	研究论文	开发并验证一种基于腕戴式可穿戴设备传感器数据的深度学习模型，用于检测揉眼行为，以支持研究揉眼对圆锥角膜等角膜扩张症进展的风险	首次利用腕戴式可穿戴设备的传感器数据，通过深度学习模型实现揉眼行为的自动检测，并建立时域和频域两个数据集，采用1D和2D CNN-LSTM模型及集成方法进行比较	未说明样本量较小、模型泛化性需进一步验证等限制	开发一种高可靠性的揉眼检测工具，以支持眼科医生和研究人员严格研究揉眼行为对圆锥角膜及角膜扩张症发生和进展的影响	20名受试者的揉眼和非揉眼行为记录	机器学习	眼科疾病	腕戴式可穿戴设备传感器数据采集	CNN-LSTM	时间序列数据、图像数据（时频域图谱图像）	20名受试者的8640个时间序列记录和112,320个频谱图图像	NA	1D CNN-LSTM、2D CNN-LSTM、集成模型	F1分数、AUC	NA
780	2026-07-03	Frequency-Aware Feature Fusion Driven Multimodal Cell Microscopic Image Segmentation Framework 2026-Aug, Microscopy research and technique IF:2.0Q3 DOI:10.1002/jemt.70137 PMID:41797365	研究论文	提出一种用于多模态细胞显微图像分割的新型深度学习框架，通过频率感知特征融合等模块提升分割精度	引入加权重双向特征金字塔网络（BiFPN）、频率感知特征融合（FreqFusion）和混合局部通道注意力（MLCA）三个核心模块，在不需手动调参情况下实现多模态细胞显微图像的精确高效分割	主要针对低对比度区域和复杂退化条件优化，整体分割性能仍依赖于训练数据的质量与多样性，实际应用中可能面临泛化挑战	实现多模态细胞显微图像的准确分割，为高内涵成像分析及精准医学中的定量分析提供基础	多模态细胞显微图像	数字病理学	不适用	深度学习图像分割	加权BiFPN、频率感知特征融合、MLCA注意力机制	细胞显微图像	自定义数据集和公开数据集	PyTorch	加权BiFPN、FreqFusion、MLCA	平均精度 (AP)、细胞检测率、分割速度 (FPS)	未提及