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
1021	2026-09-23	Short-pulsed AI-augmented third harmonic generation imaging visualizes negative-contrast cell nuclei in fresh mouse liver tissue without optical-induced damage 2026-Sep-01, Biomedical optics express IF:2.9Q2 DOI:10.1364/BOE.605242 PMID:42769664	研究论文	本文介绍了一种基于超短脉冲激光的第三次谐波产生（THG）成像系统，并利用深度学习框架增强低功率下的THG图像，以实现新鲜小鼠肝脏组织中负对比细胞核的无损伤可视化	首次发现新鲜小鼠肝脏组织中肝细胞核在THG成像中呈现负对比，并开发了深度学习框架将20 mW激光功率下的THG图像映射到40 mW等效图像，避免光学损伤	新鲜肝脏组织仅能耐受约20 mW激光功率而不产生明显累积光热损伤，但需要至少40 mW才能生成足够的负对比肝细胞核THG信号	探究THG成像能否在新鲜肝脏组织中提供细胞对比，并解决低激光功率下THG信号不足的问题	新鲜小鼠肝脏组织	数字病理学	肝癌	第三次谐波产生（THG）显微成像	深度学习	图像	NA	NA	NA	NA	NA
1022	2026-09-23	DASHING-LSCI: deep learning-based anatomical multiclass segmentation for human intraoperative neurosurgical guidance - laser speckle contrast imaging 2026-Sep-01, Biomedical optics express IF:2.9Q2 DOI:10.1364/BOE.605293 PMID:42770010	研究论文	该研究评估了一种深度学习 multiclass 分割方法，用于将术中激光散斑对比成像（LSCI）图像自动分割为血管、皮层组织和背景，以支持神经外科手术导航。	首次在人体神经外科术中 LSCI 图像上应用深度学习进行三类解剖结构分割，并采用跨中心验证评估泛化能力。	血管分割性能较低且变异性大（Dice 0.41），源于血管细、稀疏；样本量较小（90 张图像，18 例手术）；仅验证了一个模型架构。	评估深度学习多类分割在术中 LSCI 图像上的可行性，以实现血管和皮层组织的自动 delineation，为实时连续血流和灌注分析提供基础。	90 张术中 LSCI 图像，来自 18 例独特的人体神经外科手术，跨三个前瞻性观察性临床研究（每个中心 30 张）。	计算机视觉，数字病理学	NA	激光散斑对比成像（LSCI）	CNN	图像	90 张术中 LSCI 图像（来自 18 例手术）	NA	nnU-Net (Version 2)	Dice 分数	NA
1023	2026-09-23	Deciphering the comprehensive relationship between 5' UTR and 3' UTR sequences with deep learning 2026-Aug-31, Bioinformatics (Oxford, England) DOI:10.1093/bioinformatics/btag634 PMID:42644799	研究论文	该研究提出了一种基于深度学习的方法，利用预训练的RNA语言模型和对比学习来预测5' UTR与3' UTR之间的关系	首次通过深度学习框架系统性地探索5' UTR与3' UTR之间的潜在协同效应，而非孤立研究单个区域	摘要中未明确提及研究局限性	预测5' UTR与3' UTR之间的关系，并揭示其在功能上的相互作用	mRNA的5'非翻译区和3'非翻译区序列	自然语言处理	NA	RNA语言模型，对比学习	对比学习	序列数据	NA	NA	NA	NA	NA
1024	2026-09-23	Deep learning for EEG-based depression detection: A systematic literature review of methods and interpretability techniques 2026-Aug-30, Progress in neuro-psychopharmacology & biological psychiatry IF:5.3Q1 DOI:10.1016/j.pnpbp.2026.111872 PMID:42556553	系统综述	系统综述了2017至2026年间基于EEG的抑郁症检测中深度学习方法与可解释性技术的研究进展	首次系统整合了基于EEG的抑郁症检测中深度学习模型与可解释性技术的文献，涵盖超过100篇同行评审研究，全面梳理了模型类型与解释方法的现状与挑战	数据集存在局限性，数据准备与评估条件不统一，可解释性技术发展不足，临床整合面临障碍	综述基于EEG的抑郁症检测中深度学习方法及可解释性技术的研究现状与未来方向	基于EEG数据进行抑郁症检测的深度学习模型与可解释性方法	机器学习	抑郁症	EEG	CNN, LSTM	EEG信号	超过100篇同行评审研究	NA	卷积神经网络, 长短期记忆网络, 混合架构	NA	NA
1025	2026-09-23	From Single-Modal to Multi-Modal Artificial Intelligence in Alzheimer's Disease: A Systematic Review of Databases, Modalities, Diagnostic Performance, and Clinical Translation Challenges 2026-Aug-29, Sensors (Basel, Switzerland) DOI:10.3390/s26175489 PMID:42740109	系统综述	本文系统综述了2016年至2026年初期间利用单模态和多模态人工智能进行阿尔茨海默病检测的研究，涵盖数据库、模态、诊断性能和临床转化挑战	系统比较了单模态与多模态AI策略在阿尔茨海默病检测中的表现，全面梳理了数据库、模态类型、特征表示、验证策略和分类任务，并揭示了仅有约4%的研究使用真正独立的外部队列进行验证这一关键问题	仅约4%的研究在真正独立的外部队列上评估模型，当前AI系统高度依赖现有数据集和异质性评估方案，直接可比条件下的单模态与多模态对比研究仍然稀缺，限制了模型的泛化性和临床适用性	比较单模态和多模态人工智能策略在阿尔茨海默病检测中的表现，涵盖机器学习和深度学习方法、特征表示、验证策略及分类任务	2016年至2026年初发表的568项关于阿尔茨海默病AI检测的研究，其中278项符合PRISMA指南的纳入标准	机器学习	阿尔茨海默病	NA	NA	认知数据, 生物标志物数据, 传感器数据	568项研究（筛选后278项纳入系统综述）	NA	NA	NA	NA
1026	2026-09-23	Deep Learning-Based Classification for Grading of Respiratory Distress Syndrome on Neonatal Chest Radiographs 2026-Aug-28, Neonatology IF:2.6Q1 DOI:10.1159/neo/adsag006 PMID:42664162	研究论文	开发并验证基于深度学习的多分类模型，用于新生儿胸片呼吸窘迫综合征（RDS）严重程度的自动分级	利用大量手动标注的新生儿胸片，结合UNet++肺部分割和ResNet-50分类，实现RDS五级有序分级，并提供可解释的注意力图	五分类准确率仅为0.575，模型性能仍有提升空间；外部测试集的具体情况未详细说明	开发并验证自动评估新生儿胸片RDS严重程度的深度学习模型	新生儿胸片	计算机视觉	呼吸窘迫综合征	深度学习	CNN	图像	23,210张胸片（包括正常和RDS病例），按患者级别划分训练集、验证集和外部测试集	NA	UNet++, ResNet-50	二次加权kappa, 五分类准确率, AUROC	NA
1027	2026-09-23	Sex-specific trajectories of nonlinear immune aging at single-cell level 2026-Aug-21, Nature communications IF:14.7Q1 DOI:10.1038/s41467-026-76737-4 PMID:42764338	研究论文	该研究通过分析多族裔健康人群的单细胞转录组数据，揭示了免疫衰老的非线性轨迹及其性别特异性特征	首次在单细胞水平上揭示了免疫衰老的非线性轨迹，发现性别特异性的免疫衰老模式和基于深度学习的性别分层生物年龄时钟优于性别混合模型	研究主要基于外周血单核细胞的转录组数据，可能无法完全反映组织特异性免疫衰老过程；样本虽多族裔但以特定族裔为主	探究健康人类免疫衰老的性别差异及其分子机制	1828名年龄在19-97岁之间的健康个体（35%为亚洲人）的外周血单核细胞	机器学习	老年疾病	单细胞转录组测序	深度学习	单细胞转录组数据	380万个外周血单核细胞，来自1828名个体	NA	NA	NA	NA
1028	2026-09-23	HIPPIE: a generative model for electrophysiological analysis across species, technologies, and modalities 2026-Aug-21, Nature communications IF:14.7Q1 DOI:10.1038/s41467-026-76939-w PMID:42764354	研究论文	提出HIPPIE深度学习框架，结合自监督预训练与监督微调，利用条件卷积联合自编码器对跨物种、技术和模态的细胞外电生理记录进行神经元分类与生成分析	采用条件卷积联合自编码器学习技术调整后的波形与放电动态表征，支持反事实解码、跨物种潜在插值和跨模态分析，揭示尖峰时序模态与波形形态编码 largely 独立的神经元身份维度，并提供Python包和无代码网页应用	摘要中未明确提及	解决细胞外电生理记录中因波形变异性、噪声及实验、技术和物种差异导致的神经元分类难题	小鼠、大鼠和猕猴的细胞外电生理记录	机器学习	NA	细胞外电生理记录	自编码器, 深度学习	电生理信号	NA	NA	条件卷积联合自编码器	NA	NA
1029	2026-09-23	Deep learning for precision grading of Schistosoma japonicum-induced liver fibrosis in ultrasound images 2026-Aug-21, Nature communications IF:14.7Q1 DOI:10.1038/s41467-026-76287-9 PMID:42764346	研究论文	本文开发并评估了一个深度学习系统，用于在超声图像中自动、精细地评估日本血吸虫引起的肝纤维化	采用36级精细分级（0.0至3.5）来捕捉肝纤维化的渐进过程，并开发了可在Windows和Android设备上部署的版本	未明确提及	实现日本血吸虫引起的肝纤维化的自动化精细分级	超声图像中的肝纤维化	计算机视觉	肝纤维化	超声成像	深度学习	图像	167,702张超声图像，其中16,811张用于独立测试	NA	NA	平均绝对误差	NA
1030	2026-09-23	Self-supervised image denoising and restoration method for atomic force microscopy 2026-Aug-20, Nature communications IF:14.7Q1 DOI:10.1038/s41467-026-76973-8 PMID:42754593	研究论文	本文提出了一种自监督深度学习框架SPIDER，利用扫描探针显微镜的trace和retrace信息进行图像去噪和恢复，提高信噪比和成像速度	利用SPM的trace和retrace扫描之间的空间冗余进行自监督学习，无需大量训练集和真实标签，并实现了自监督的缺失空间信息重建	摘要中未明确提及	改进扫描探针显微镜成像，提高信噪比和成像速度	扫描探针显微镜图像	计算机视觉	NA	扫描探针显微镜	自监督深度学习框架	图像	NA	NA	NA	信噪比，成像速度	NA
1031	2026-09-23	An optimal Petrov-Galerkin framework for operator networks 2026-Aug-15, Computer methods in applied mechanics and engineering IF:6.9Q1 DOI:10.1016/j.cma.2026.119046 PMID:42344098	研究论文	提出一种基于最优Petrov-Galerkin框架的算子网络PG-VarMiON，用于求解偏微分方程，并验证其泛化能力	通过深度学习视角重新审视最优Petrov-Galerkin公式，提出PG-VarMiON网络架构，能够隐式学习最优权重函数，并将Petrov-Galerkin结构嵌入网络架构	未明确提及局限性，但可能受限于训练数据质量和网络学习权重函数的准确性	解决偏微分方程，并实现最优Petrov-Galerkin近似，提高算子网络的泛化能力	偏微分方程，特别是对流扩散方程	机器学习	NA	深度学习	算子网络	数值数据	未明确提及样本量	NA	PG-VarMiON	近似误差估计	NA
1032	2026-09-23	Immune Spatial Organization Predicts Distant Metastasis Risk in Aggressive Localized Prostate Cancer 2026-Aug-14, Clinical cancer research : an official journal of the American Association for Cancer Research IF:10.0Q1 DOI:10.1158/1078-0432.CCR-25-4900 PMID:42113020	研究论文	该研究旨在识别一种可解释的、源自免疫微环境的计算病理学生物标志物，用于改善前列腺癌的风险分层，并预测侵袭性局限性前列腺癌的远处转移风险	提出免疫空间聚类作为一种新型、可解释的计算病理学生物标志物，并揭示了高级别前列腺癌独特的免疫特征	未明确提及	识别一种可解释的、源自免疫微环境的计算病理学生物标志物，用于前列腺癌的风险分层	M0期前列腺癌患者，包括发现队列和验证队列（n=490）以及来自TCGA的第三队列（n=326）	数字病理学	前列腺癌	H&E染色全切片图像、深度学习、批量测序、免疫细胞解卷积、免疫受体库重建	深度学习、DBSCAN、CIBERSORTx、TRUST4	图像、文本	总样本量816例（发现队列和验证队列共490例M0前列腺癌患者，TCGA队列326例M0前列腺癌患者）	NA	CellViT	风险比、95%置信区间、P值	NA
1033	2026-09-23	Validation of MRI-based nnU-Net model for automated segmentation of neck lymph nodes in head and neck squamous cell carcinoma: a multicenter study 2026-Aug, Neuroradiology IF:2.4Q2 DOI:10.1007/s00234-026-04070-0 PMID:42321574	研究论文	开发和外部验证基于MRI的nnU-Net深度学习框架，用于头颈部鳞状细胞癌颈部淋巴结的自动3D分割，并评估分割准确性、体积一致性和时间效率	开发了基于单序列MRI输入的nnU-Net模型实现颈部淋巴结的自动3D分割，比较了两种手动勾画策略对模型性能的影响，并进行了多中心外部验证	摘要中未明确提及研究局限性	开发和外部验证MRI深度学习框架用于头颈部鳞状细胞癌颈部淋巴结的自动3D分割，评估分割准确性、体积一致性和时间效率	头颈部鳞状细胞癌患者的颈部淋巴结	数字病理学	头颈部鳞状细胞癌	对比增强T1加权成像、T1加权成像、T2加权成像	nnU-Net	图像	内部验证队列99例，外部测试队列150例，效率评估队列851例	NA	nnU-Net	Dice相似系数, 一致性相关系数	NA
1034	2026-09-23	DETERIO-LLM: enhancing traditional deterioration risk scores with clinical context and advanced reasoning 2026-Aug, JAMIA open IF:2.5Q3 DOI:10.1093/jamiaopen/ooag123 PMID:42466429	研究论文	本文提出DETERIO-LLM混合预测模型，选择性地将大语言模型与深度学习模型DETERIO结合，利用临床叙述性笔记对边缘风险警报进行重分类，以提升住院患者生理恶化的预测精度	首次提出选择性整合大语言模型与结构化电子健康记录深度学习模型的方法，仅对处于不确定范围（评分2.5-3.5）的警报进行叙述性笔记分析，在保持敏感性的同时显著降低假阳性率	回顾性研究设计，样本量相对较小（1000例住院患者，恶化患病率仅4.6%），仅针对不确定范围内的警报进行LLM分析，可能未涵盖所有临床场景	提升住院患者生理恶化预测的准确性，减少假阳性警报以缓解警报疲劳	1000例住院患者的电子健康记录数据及临床叙述性笔记	机器学习, 数字病理学, 临床信息学	生理恶化, 住院患者病情恶化	大语言模型, 电子健康记录分析, 深度学习	LLM, 深度学习模型	结构化电子健康记录数据, 文本（临床叙述性笔记）	1000例住院患者（恶化患病率4.6%）	NA	DETERIO-LLM（大语言模型与DETERIO深度学习模型的混合架构）	敏感性, 阳性预测值（PPV）, F1分数	NA
1035	2026-09-23	Mitigating hallucinations in synthesized clinical texts to improve multimodal deep learning for dermatology 2026-08, Journal of biomedical informatics IF:4.0Q2 DOI:10.1016/j.jbi.2026.105055 PMID:42140329	研究论文	本文研究了如何合成和利用与皮肤镜图像配对的临床文本，以训练多模态架构，重点在于减少大语言模型产生的幻觉内容，并确定合成临床文本可被可靠利用的条件	提出了一种在真实皮肤镜图像上配对大语言模型合成临床文本的多模态架构，系统评估了不同的文本生成策略（包括元数据引导提示、图像表征与特定关键词对齐、句子级临床文本过滤、网络架构设计），以减少幻觉内容并提高合成文本的可靠性	合成临床文本仍可能包含幻觉内容，其可靠性依赖于特定条件的满足；研究主要基于公开数据集，可能无法完全代表真实临床环境的多样性	研究如何合成和利用临床文本与皮肤镜图像配对，以有效训练多模态架构，减少大语言模型引入的幻觉内容，并确定合成临床文本可靠利用的条件	皮肤镜图像与合成临床文本配对数据	数字病理学	皮肤病	大语言模型合成临床文本、多模态深度学习	多模态架构	图像、文本	训练集包含来自6个公开数据集的16,000对图像-文本对；外部泛化评估包含来自15个公开数据集的超过37,000张图像	NA	NA	跨模态检索性能、零样本学习性能	NA
1036	2026-09-23	From Regression to Vision Transformers: A Narrative Review of Predictive Modelling in Dental Implantology and the Gap Between Algorithmic Performance and Clinical Adoption 2026-Aug, Cureus DOI:10.7759/cureus.114906 PMID:42764849	综述	该文综述了牙种植学中预测建模从传统回归方法到深度学习架构的演变，并探讨了算法性能与临床采用之间的差距	将技术发展轨迹与临床医生对预测和数字化工具实际认知及使用情况的调查数据进行了对比分析	作为叙述性综述，缺乏系统性文献检索和定量荟萃分析，可能无法全面覆盖所有相关研究	综合比较传统统计方法、机器学习和深度学习方法在牙种植预后预测中的性能，并分析算法性能与临床采用之间的差距	牙种植学中的预测建模方法及相关临床调查数据	机器学习	口腔疾病	NA	CNN, Transformer	图像, 文本	NA	NA	Vision Transformer, 逻辑回归, Cox模型	区分度指标	NA
1037	2026-09-23	Long-time integration of partial differential equations based on a sliding-interval physics-informed neural network 2026-Aug, Physical review. E DOI:10.1103/9xdz-bd5f PMID:42768542	研究论文	该文章提出了一种名为滑动区间物理信息神经网络（SI-PINN）的变体，用于解决偏微分方程的长时间积分问题	提出了滑动区间策略来分解时间域以避免激活函数饱和，并集成了预训练方案来减轻因果违反，从而实现偏微分方程的长时间积分	未明确提及	解决物理信息神经网络在长时间积分任务中因因果违反和激活函数饱和导致的性能不佳问题	偏微分方程的长时间积分问题	机器学习	NA	NA	物理信息神经网络	数值数据	NA	NA	物理信息神经网络	精度	NA
1038	2026-09-23	Learning and extrapolating scale-invariant processes 2026-Aug, Physical review. E DOI:10.1103/n1nt-spjp PMID:42768544	研究论文	探索机器学习在尺度不变过程的回归和外推，使用分形高斯场和沙堆模型，并测试多种神经网络架构	将几何深度学习应用于尺度不变系统的外推预测，并提出了基于小波分解的图神经网络、傅里叶嵌入层和傅里叶-梅林神经算子	识别了频谱偏差和粗粒化表示等主要问题，需要进一步优化归纳偏差	研究如何回归无标度过程，并在外推区域预测罕见大事件	二维分数高斯场和阿贝尔沙堆模型	机器学习	NA	NA	U-net, Riesz网络, 图神经网络, 傅里叶嵌入层, 傅里叶-梅林神经算子	模拟数据	NA	NA	U-net, Riesz网络, 图神经网络, 傅里叶嵌入层, 傅里叶-梅林神经算子	NA	NA
1039	2026-09-23	Testing the feasibility of deep learning approaches to enhance monitoring of marine macroinvertebrates: Insights from a case study using the gastropod Peringia ulvae 2026-Jul-14, Environmental monitoring and assessment IF:2.9Q3 DOI:10.1007/s10661-026-15682-7 PMID:42448905	研究论文	本研究评估了深度学习计算机视觉方法在量化海洋大型无脊椎动物（以Peringia ulvae为例）中的可行性	首次系统评估了结合自监督和少样本学习的最新计算机视觉方法在海洋大型无脊椎动物计数中的应用，并比较了多种模型在不同成像设备和聚集水平下的性能	模型准确率在每张图像约400个个体时趋于饱和，需要标准化成像协议；模型不适用于混合物种样本，且未考虑相关的碎屑干扰	评估深度学习计算机视觉方法在海洋大型无脊椎动物监测中的可行性，以替代或补充传统实验室方法	海洋大型无脊椎动物，特别是常见海洋腹足类Peringia ulvae	计算机视觉	NA	深度学习计算机视觉，自监督学习，少样本学习	CNN，Transformer	图像	未明确提及总样本数，但使用了DSLR相机拍摄的高分辨率图像，涉及不同聚集水平的P. ulvae个体	NA	CounTR，Segment Anything，Training-Free Object Counting，Grounding DINO，DeepDataSpace	计数准确率	NA
1040	2026-09-23	Evaluation of deep learning-based reconstruction models on non-TOF BGO PET/CT: impact of acquisition times and BSREM penalization factors on lesion detectability and SNR 2026-Jul-12, EJNMMI physics IF:3.0Q2 DOI:10.1186/s40658-026-00919-8 PMID:42437412	研究论文	评估基于深度学习的TOF重建模型在非TOF BGO PET/CT上的表现，探讨采集时间和BSREM惩罚因子对病灶可检测性和信噪比的影响	首次系统研究非TOF BGO PET/CT中DLb-TOF模型在不同采集时间和β值下信噪比与病灶可检测性的平衡，并确定临床最优参数	样本量较小（20例患者），仅针对[18F]FDG显像，结果可能不适用于其他示踪剂	评估采集时间、信噪比和病灶可检测性之间的权衡，以指导临床协议优化	接受[18F]FDG PET扫描的20例患者	医学影像	癌症	PET/CT，[18F]FDG，BSREM重建	深度学习	图像	20例患者	NA	NA	信噪比，病灶可检测性	NA