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
1701	2026-09-06	Systematic discovery of circular permutations across the protein universe using CIRPIN 2026-Sep-08, Proceedings of the National Academy of Sciences of the United States of America IF:9.4Q1 DOI:10.1073/pnas.2605178123 PMID:42696540	研究论文	提出了一种环状排列不变的图神经网络（CIRPIN），用于发现蛋白质宇宙中的环状排列关系，并构建了包含1830万对蛋白质的数据库CIRPIN-DB。	通过合成环状排列的数据增强策略，使图神经网络学习对环状排列不变的蛋白质表示，从而识别结构相似但末端位置不同的蛋白质。	摘要未提及局限性。	开发一种工具，以发现蛋白质中因环状排列而具有相似结构但拓扑不同的关系，并探索其进化机制。	蛋白质结构数据库中的蛋白质，包括SCOP和AlphaFold Cluster Representatives以及CATH数据库中的拓扑结构。	机器学习	NA	NA	图神经网络（GNN）	蛋白质结构数据	1830万对蛋白质，覆盖CATH数据库中的845个独特拓扑结构	NA	图神经网络	NA	NA
1702	2026-09-06	Deep learning in breast cancer histopathology: predicting and detecting axillary lymph node metastasis 2026-Sep-04, Virchows Archiv : an international journal of pathology IF:3.4Q1 DOI:10.1007/s00428-026-04711-y PMID:42696054	综述	本文是一篇叙事性综述，总结了深度学习在乳腺癌组织病理学中预测和检测腋窝淋巴结转移的最新进展	综述了两种互补的应用方向，即通过淋巴结切片检测转移灶和通过原发肿瘤组织学预测淋巴结状态，并比较了两种方法的性能和临床可行性	文献检索为非系统性且聚焦范围有限，预测研究的端点定义不一致，部分研究未明确区分孤立肿瘤细胞、微转移或宏转移	评估深度学习在乳腺癌腋窝淋巴结转移预测和检测中的应用现状与潜力	乳腺癌患者的苏木精-伊红染色组织病理切片	数字病理学	乳腺癌	苏木精-伊红染色	深度学习模型	图像	不适用	不适用	不适用	AUC, 灵敏度	不适用
1703	2026-09-06	Attention-Driven Framework for Non-Rigid Medical Image Registration 2026-Sep-04, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2026.3730918 PMID:42696627	研究论文	提出了一种基于注意力驱动的非刚性医学图像配准框架AD-RegNet，用于提高大形变下的配准精度和变形合理性	引入了双向交叉注意力建立多尺度对应，以及区域自适应注意力和多分辨率变形场合成策略，以改善配准并减少不真实扭曲	未在摘要中明确提及局限性	实现非刚性医学图像配准，特别是在大解剖变形下保持变形合理性的同时提高配准精度	3D医学图像，包括胸部CT和脑部MRI	医学图像分析	未指定（涉及一般医学图像配准）	NA	深度学习模型（3D U-Net结合注意力机制）	图像（CT和MRI）	DIRLab 4D CT数据集和IXI MRI数据集（具体样本数未给出）	NA	3D U-Net，双向交叉注意力，区域自适应注意力，多分辨率变形场	目标配准误差（TRE），Dice相似系数（DSC），负雅可比行列式百分比，归一化互相关（NCC），均方误差（MSE），结构相似性（SSIM）	NA
1704	2026-09-06	Digital Predictive Technologies for Fall Risk Assessment, Prediction, and Prevention in Long-Term Care: A Scoping Review 2026-Sep-04, Journal of the American Medical Directors Association IF:4.2Q2 DOI:10.1016/j.jamda.2026.106433 PMID:42696799	综述	本综述旨在梳理长期护理环境中老年人跌倒风险评估、预测和预防支持的数字预测技术的现有证据。	全面综述了多种数字预测技术（如人工智能、机器学习、深度学习、可穿戴设备、电子健康记录预测模型等）在长期护理跌倒风险中的应用，并强调了将这些技术作为决策支持工具而非替代临床判断的视角。	证据基础仍然较小、异质性高且大多处于开发阶段，直接评估跌倒减少或持续临床结果的研究有限。	绘制数字预测技术在长期护理环境中用于跌倒风险评估、预测和预防支持的现有证据图谱。	长期护理环境中（包括养老院、住宿式老年护理机构、辅助生活设施、专业护理设施等）的老年人或居民。	数字健康	跌倒	人工智能，机器学习，深度学习，可穿戴传感器，惯性测量单元，被动传感器，物联网系统，电子健康记录预测模型，最小数据集分析，预测仪表板，临床决策支持系统	未明确	电子健康记录、最小数据集记录、药物数据、功能评估、跌倒史、生命体征、可穿戴传感器数据、惯性传感器数据、被动传感器数据、仪表板关联数据流	纳入11项研究	未明确	未明确	区分度、准确性	未明确
1705	2026-09-06	Deep learning on contrast-enhanced computed tomography for parotid tumor classification: Providing crucial diagnostic information beyond clinical and radiologic evaluation 2026-Sep-04, Oral oncology IF:4.0Q2 DOI:10.1016/j.oraloncology.2026.108122 PMID:42696858	研究论文	本研究探讨了深度学习在增强CT图像上对腮腺肿瘤进行术前良恶性分类的性能，并与传统临床和影像学评估进行比较	首次将三维卷积神经网络应用于增强CT的腮腺肿瘤体积分割和分类，证明其性能优于传统临床和影像学检查	研究样本量较小，且为单中心回顾性研究，可能存在选择偏倚	评估深度学习模型在术前区分良恶性腮腺肿瘤的诊断性能，作为传统诊断方法的非侵入性辅助工具	66例接受腮腺切除术的患者（33例恶性，33例良性，人口统计学匹配）	深度学习	腮腺肿瘤	增强CT成像	三维卷积神经网络（3D CNN）	CT影像数据	66例患者的增强CT图像	NA	NA	ROC曲线下面积（AUC）、灵敏度、特异性	NA
1706	2026-09-06	A deep learning framework for oligopeptide candidate discovery across metabolism-related contexts 2026-Sep-04, Cell reports methods IF:4.3Q2 DOI:10.1016/j.crmeth.2026.101577 PMID:42697196	研究论文	提出基于深度学习的Deepeptide流水线，用于发现代谢相关环境中的寡肽候选物	利用疾病适应症、生物学过程和分子功能之间的内在关系，在数据稀缺的代谢相关环境中进行寡肽发现，并通过多场景验证证明其普适性	未明确提及局限性	开发并验证一种能跨越多种代谢相关环境（如血管生成、脂质代谢等）进行寡肽候选物发现的深度学习方法	代谢相关疾病环境及其相关寡肽候选物	机器学习	代谢相关疾病	NA	深度学习	NA	涵盖五种代表性疾病相关环境（血管生成、脂质代谢、成骨、葡萄糖代谢、抗血管生成）	NA	NA	生物活性率（62%）、效能比较	NA
1707	2026-09-06	A deep unrolling network based on cartoon texture decomposition for low-dose CT reconstruction 2026-Sep-04, Physics in medicine and biology IF:3.3Q1 DOI:10.1088/1361-6560/aea2ec PMID:42697236	研究论文	提出了一种基于卡通纹理分解的深度展开网络CTDNet，用于低剂量CT重建，通过将正则项和保真项同时展开到卷积神经网络中以提高重建质量	在展开数据保真项的基础上，进一步将正则项也展开到CNN中，提供了一种新的展开策略	未在摘要中明确提及	提高低剂量CT重建中深度展开网络的性能，有效去除噪声和伪影并保留纹理结构	低剂量CT图像和投影数据	计算机视觉、数字病理？不，应为医学图像重建，但给定的字段类别中无此项，可归为机器学习或计算机视觉？摘要未指定，但通常属于计算机视觉或医学图像处理。结合选项，这里用“计算机视觉”或“机器学习”可能合适，但摘要显示是深度学习方法，用于CT重建，属于计算成像。由于选项有限，选择“机器学习”可能更贴近，但许多CT重建被列为计算机视觉。我选“计算机视觉”	不适用（因为低剂量CT重建可能用于多种疾病检测，摘要未指定具体疾病）但选项中包含肺癌、前列腺癌等，可能不直接适用，因此用“NA”	低剂量CT成像，深度展开网络	深度展开网络（基于CNN）	CT图像和投影数据	使用“低剂量CT图像和投影数据”数据集和“小猪数据集”，但未提及具体样本数量	未在摘要中指定，故输出“NA”	CTDNet（基于卡通纹理分解和Chambolle-Pock算法展开）	客观指标（如PSNR、SSIM等，但摘要未具体列出，故可能输出“客观指标”或直接NA？但由于摘要提到“客观指标”，可写“视觉效果和客观指标”，但为了具体，写“客观指标”并说明未列具体？最好列出常见指标，但摘要未给。因此根据摘要说“视觉评估和客观指标”，但为保险输出“客观指标”作为占位，但不如给出典型指标？为准确，输出“客观指标（如PSNR、SSIM等，未明确列出）”但中文表述。由于要求不要添加猜测，故输出“NA”因为摘要未公布具体指标值，但提到“客观指标”。所以我写“客观指标”作为类别。可能允许。	NA（摘要未提及）
1708	2026-09-06	Digital pathology, image analysis, and artificial intelligence in liver disease 2026-Sep-04, The Lancet. Digital health DOI:10.1016/j.landig.2026.101017 PMID:42697794	综述	本文综述了数字病理学、图像分析和人工智能在肝脏疾病中的应用进展，包括诊断、移植评估及临床实践中的挑战与解决方案。	总结了近年来深度学习和高分辨率全切片图像在肝脏病理中的最新进展，并讨论了实际临床应用中的关键问题。	需要进一步评估AI工具在真实世界中的有效性、临床安全性和实施情况。	回顾数字病理、图像分析和AI技术在肝脏疾病研究和临床实践中的现状与未来方向。	肝脏疾病（包括肝癌和肝病）的组织样本和全切片图像。	数字病理学	肝脏疾病	数字病理学，图像分析	NA	图像	NA	NA	NA	NA	NA
1709	2026-09-06	MST-Net: a multi-scale spatial transformation network for automated T2/T3 staging of rectal cancer on preoperative T2-weighted MRI 2026-Sep-04, Insights into imaging IF:4.1Q1 DOI:10.1186/s13244-026-02377-3 PMID:42698053	研究论文	本研究开发了一种名为MST-Net的深度学习模型，用于基于术前T2加权MRI自动且无分割地区分直肠癌的T2/T3分期。	MST-Net创新性地结合了金字塔跨阶段特征融合模块和轻量级空间注意力机制，实现了无分割的自动T2/T3分期，减少了深层网络中空间细节的丢失，并能够自适应聚焦于肿瘤区域的关键影像组学特征。	本研究可能受限于回顾性设计、样本量（共309例患者）以及只有两个中心的数据，其泛化性和在不同人群中的适用性需进一步验证。	开发一个深度学习模型（MST-Net），以基于术前T2加权MRI实现直肠癌T2/T3分期的无分割自动、准确预测，从而支持临床个性化治疗决策。	直肠癌患者的术前T2加权MRI图像及其术后病理确认的T2/T3分期标签。	医学影像	直肠癌	T2加权MRI	深度学习模型	图像	共309例患者；包括训练集（216例）、内部测试集（54例）和外部独立验证集（39例）	NA	MST-Net（包含金字塔跨阶段特征融合模块和轻量级空间注意力机制）	AUC、准确率	NA
1710	2026-09-06	Artificial intelligence and ultra-high performance computing methods and experiments for drug discovery: virtual screening, deep learning, molecular dynamics simulations, ADMET modelling, and experimental validation 2026-Sep-03, Molecular biomedicine IF:6.3Q1 DOI:10.1186/s43556-026-00498-1 PMID:42686980	综述	本文综述了人工智能与超高性能计算在药物发现中的应用，包括虚拟筛选、深度学习、分子动力学模拟、ADMET建模及实验验证，并探讨了未来研究方向。	结合了人工智能与超高性能计算方法，覆盖从虚拟筛选到实验验证的全流程，强调经济地开发更安全有效的药物。	未提及具体局限性，可能缺乏对某一方法的深入实证分析。	探讨人工智能和超高性能计算在药物发现中的进展、挑战及未来方向。	药物发现中的分子、化学空间、靶点及配体。	药物发现、人工智能、高性能计算	NA	虚拟筛选、深度学习、分子动力学模拟、ADMET建模	深度学习模型	分子数据、化学结构数据	NA	NA	NA	NA	超高性能计算系统、计算资源（未指明具体类型）
1711	2026-09-06	Remote sensing for monitoring and managing Eichhornia crassipes: a review of methods, applications, and decision-support frameworks 2026-Sep-02, Environmental monitoring and assessment IF:2.9Q3 DOI:10.1007/s10661-026-15788-y PMID:42684487	综述	本文综述了2004至2025年间56项关于利用遥感技术监测和管理水葫芦的研究，探讨了不同平台、传感器和分析方法的应用及其演变	首次提出一个基于五大战略支柱的决策支持框架，包括多尺度传感器融合、生态可解释分类方案、可扩展分析阶梯、早期预警指标和监测与管理行动的反馈回路	跨平台数据协调困难、混合植被群落中误分类问题以及将遥感输出转化为决策相关信息仍存在挑战	总结遥感技术在水葫芦监测管理中的应用进展，并提出面向决策支持的方法框架	水葫芦（Eichhornia crassipes）入侵的淡水生态系统	遥感	不适用	遥感技术，包括多光谱、高光谱、合成孔径雷达（SAR）、无人机（UAV）和机载平台	机器学习、深度学习、基于对象分类和指数阈值法	遥感图像	56项研究（2004-2025年发表）	NA	NA	NA	NA
1712	2026-09-06	Brain cognition gaps reveal associations with dopamine and factors related to brain health through artificial intelligence prediction of functional connectome 2026-Sep-02, eLife IF:6.4Q1 DOI:10.7554/eLife.104053 PMID:42684829	研究论文	本研究利用深度学习预测功能连接组，评估不同脑状态下的认知表现，并提出脑认知差距作为认知韧性的潜在标志	引入脑认知差距概念，并发现其与多巴胺结合及脑健康因素相关，强调脑状态在基于连接组的认知预测中的重要性	未提供具体局限性信息	探究不同脑状态下功能连接组对认知表现的预测能力，以及脑认知差距与多巴胺和脑健康因素的关联	人类大脑的功能连接组和认知表现	机器学习	NA	PET	深度学习	影像数据（功能MRI和PET）	NA	NA	NA	NA	NA
1713	2026-09-06	Integrating macroeconomic and technical indicators into forecasting the stock market: a hybrid approach for efficient feature selection 2026-Sep-02, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-67696-3 PMID:42686918	研究论文	本研究提出一个结合历史数据、技术指标和宏观经济数据的混合特征选择框架，用于预测股票市场的每日对数收益率，并评估其交易策略的经济表现	提出一种结合过滤式和包装式方法的混合特征选择方法，区别于以往研究主要依赖单一特征选择或完全忽略特征选择的情况；同时整合了宏观经济数据（如黄金价格、石油价格、波动率指数、美元指数等）与技术指标，以捕捉经济因素对股票市场的影响	尽管统计指标提升幅度不大，但预测误差略高于传统模型，且样本仅涵盖五家公司，可能限制结果的普适性	开发一个稳健的预测框架，通过结合历史数据、技术指标和宏观经济数据以及混合特征选择方法，提高股票日对数收益率预测的准确性和交易策略的经济绩效，并验证统计精度不足以单独评估金融预测模型	股票市场的每日对数收益率，涵盖五家不同行业和规模的公司：苹果（AAPL）、埃克森美孚（XOM）、高盛（GS）、辉瑞（PFE）和福特汽车（F）	机器学习	NA	NA	深度学习模型（具体类型未明确）	时间序列数据（包含历史价格、技术指标和宏观经济指标）	5家公司（苹果、埃克森美孚、高盛、辉瑞、福特）	NA	NA	统计度量（如误差指标）和交易绩效指标（如收益率、夏普比率）	NA
1714	2026-09-06	Adversarial and Correlation-Aware Data Augmentation Framework for Multi-Label Chest X-Ray Image Classification 2026-Sep, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2026.3667990 PMID:41740106	研究论文	本文提出了一种对抗性和相关性感知的数据增强框架（ACAA），用于在有限标注条件下进行多标签胸部X射线图像分类	创新性地结合了图像级和特征级对抗增强、基于Mamba的批次级相关正则化，以及用于半监督学习的伪标签生成	未提及具体限制	在仅有有限标注数据的情况下，提高多标签胸部X射线图像分类的性能	胸部X射线图像（CXR）及其对应的多标签分类任务	计算机视觉	胸部疾病	对抗性数据增强、一致性正则化	NA	图像	两个大型CXR数据集（CheXpert和MIMIC-CXR）	NA	Mamba模块	AUC	NA
1715	2026-09-06	CapsFormer: A Dual-Stream Causal-Aware Capsule-Transformer Network for EMG Signal Representation Learning 2026-Sep, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2026.3668131 PMID:41747118	研究论文	提出了一种名为CapsFormer的双流因果胶囊-Transformer网络，用于肌电信号表示学习，以提高手势识别性能	在Transformer流中采用因果注意力机制显式阻止未来信息，在胶囊流中利用动态路由捕捉局部整体姿态向量，以增强对电极移位和肌肉变形的鲁棒性	未提供具体限制信息	开发一种能够平衡长期时间建模与局部姿态不变性，且具有因果一致的可解释性的肌电信号手势识别方法	肌电信号	机器学习	不适用	肌电信号处理	神经网络（含Transformer和胶囊网络）	肌电信号数据	多受试者数据集	不适用	Transformer、胶囊网络	识别准确率、跨受试者鲁棒性、可解释性	不适用
1716	2026-09-06	BioFPT: Biosignal Feature Pyramid Transformer for Self-Supervised Representation Learning From ECG Signals 2026-Sep, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2026.3669166 PMID:41770962	研究论文	提出了一种用于心电图信号自监督表示学习的生物信号特征金字塔变换器框架	引入Split-Mask-Join预训练策略、重叠嵌入机制消除位置编码需求，以及空间减少注意力变换器降低计算复杂度	未提及	提高ECG信号分析的效率和性能，尤其在有限标注数据场景下	心电图信号	机器学习	不适用	ECG信号处理	Transformer	心电信号	超过94,000名受试者的七个公共ECG数据集	未提及	特征金字塔变换器	准确率、参数数量	未提及
1717	2026-09-06	Ultrastructural Evidence of Altered Dendritic Morphology in the Prefrontal Cortex of Alzheimer's Model Rats 2026-Sep, Neuroscience bulletin IF:5.9Q1 DOI:10.1007/s12264-026-01606-5 PMID:41882455	研究论文	本研究提出了一种整合体积电子显微镜与深度学习的自动化流程，用于分析大鼠前额叶皮层中的突触和亚细胞结构，并发现阿尔茨海默病模型大鼠的树突棘形态发生改变。	创新性地将体积电子显微镜与深度学习相结合，自动化分析突触和亚细胞结构，实现对约13万立方微米大鼠前额叶皮层的3D重建，克服了传统方法无法解析纳米级结构的限制。	初步结果基于少量动物样本，样本量有限，可能影响结论的普遍性。	利用vEM与深度学习整合的自动化流程，量化阿尔茨海默病模型大鼠前额叶皮层中的突触和亚细胞超微结构变化，以揭示树突形态的异常。	阿尔茨海默病模型大鼠及对照大鼠的前额叶皮层组织。	计算病理学, 深度学习	阿尔茨海默病	体积电子显微镜	深度学习模型（未指定具体类型）	电子显微镜图像	少量大鼠样本（具体数量未说明）	NA	NA	NA	NA
1718	2026-09-06	ClearDepthIAS enables automated high-throughput quantification of roots in soil-grown taproot crops 2026-Sep-01, Plant physiology IF:6.5Q1 DOI:10.1093/plphys/kiag447 PMID:42361307	研究论文	ClearDepthIAS是一个高通量成像与分析平台，能够非破坏性地自动量化土壤栽培主根作物（如大豆和油菜）的根系结构特征	通过360度图像拼接和基于深度学习的ClearDepth-WRT分割技术，实现了墙根浅度（WRS）的高精度测量，并能用于预测成熟期根系结构和田间根生物量分布	环境交互作用可能影响根系结构与环境关系，导致相关性减弱或消失	实现土壤中主根作物根系结构的高通量自动表型分析，以支持遗传研究和育种	大豆和油菜的根尖、根面积、分布指数、生长角度及墙根浅度等特征	计算机视觉	NA	高通量成像	深度学习分割模型	360度根图像	大豆和油菜植株	NA	ClearDepth-WRT	精度	NA
1719	2026-09-06	Comparative analysis of quantitative fundus results of the left and right eyes and screening for coronary atherosclerotic disease: a binocular study 2026-Sep, Eye (London, England) DOI:10.1038/s41433-026-04565-3 PMID:42373976	研究论文	本研究利用AI定量分析比较冠心病患者左右眼视网膜微血管参数的对称性，以评估单眼成像在心血管风险评估中的可行性。	首次通过AI深度学习模型在冠心病患者中系统评估双眼视网膜参数的对称性，并考虑Gensini评分和病变位置等分层因素，为简化筛查方案提供依据。	研究未详细说明混杂因素控制及模型训练细节，且为单中心研究，可能限制结果的普适性。	评估冠心病患者眼底微血管参数的双眼一致性，以支持单眼成像用于心血管风险筛查。	431名患者的862张彩色眼底照片，包括CAD和非CAD个体，按Gensini评分和病变位置分层。	计算机视觉	冠状动脉粥样硬化疾病	眼底图像分析	深度学习模型（ResNet 101-UNet）	图像（彩色眼底照片）	431名患者，862张彩色眼底照片	NA	ResNet 101-UNet	Pearson相关系数, 组内相关系数, 线性回归, 广义线性混合模型	NA
1720	2026-09-06	Correction: Establishing discard criteria for lead aprons using deep learning-based quantification of defect area on X-ray fluoroscopic video 2026-Sep, Radiological physics and technology IF:1.7Q3 DOI:10.1007/s12194-026-01116-z PMID:42570187	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA