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
241	2026-07-03	Use of artificial intelligence for outcome assessment in pediatric rehabilitation: a scoping review 2026-Mar-05, Journal of neuroengineering and rehabilitation IF:5.2Q1 DOI:10.1186/s12984-026-01927-6 PMID:41787455	综述	探讨人工智能在儿童康复结果评估中的应用范围、方法学严谨性和临床实用性	首次系统梳理AI在儿童康复结果评估中的应用，涵盖人群、方法、结果领域和局限性	方法学异质性大、外部验证有限、样本量小，限制了可比性和临床转化	评估人工智能在儿童康复结果评估中的应用现状	儿童康复患者，特别是脑瘫儿童	机器学习	儿童脑瘫	NA	监督学习、神经网络、深度学习	步态分析、运动功能数据	51篇研究	NA	NA	准确率、F1分数、灵敏度、特异度	NA
242	2026-07-03	Enhancing Influenza-Like Illness forecasting: An ensemble approach combining mathematical and deep learning models amidst the COVID-19 pandemic 2026-03, Epidemics IF:3.0Q2 DOI:10.1016/j.epidem.2026.100901 PMID:41775097	研究论文	本研究提出了一种结合机制性n-子流行病模型与蒙特卡洛丢弃长短期记忆神经网络的集成方法，用于改善韩国年龄特异性流感样疾病预测	创新性地将机制性流行病模型与深度学习模型集成，并引入蒙特卡洛丢弃技术进行不确定性量化，同时考虑年龄分层预测以捕捉不同人群的传播异质性	未明确说明局限性	提高流感样疾病的短期预测准确性并适应COVID-19大流行导致的传播模式变化	韩国年龄分层的流感样疾病发病率数据	机器学习	流感样疾病	NA	集成模型，长短期记忆网络	时间序列数据	覆盖四个疫情波次的数据	NA	n-子流行病模型，蒙特卡洛丢弃长短期记忆网络	加权区间评分，平均绝对误差	NA
243	2026-07-03	Cross-Institutional Five-Class Kellgren-Lawrence Grading of Knee Osteoarthritis via Multitask Deep Learning 2026-03, Annals of the New York Academy of Sciences IF:4.1Q1 DOI:10.1111/nyas.70254 PMID:41830909	研究论文	提出一种多任务深度学习架构KL-FuseNet，用于膝关节骨关节炎的五类Kellgren-Lawrence分级，并通过跨机构验证评估其泛化能力	引入融合全局与局部特征的多任务架构，同时预测有序等级、标签分布和二元严重程度；在严格患者级分层划分和独立中国队列上进行零样本迁移与选择性微调的比较	外部零样本部署显示领域差距，准确率下降至66.1%；需要域感知自适应才能实现临床实用性	解决深度学习KL分级模型因数据泄露和领域偏移导致的重复性危机，建立跨机构部署自动化分级模型的可重复路径	膝关节骨关节炎X光图像	计算机视觉, 数字病理学	骨关节炎	X光成像	卷积神经网络	图像	内部骨关节炎倡议数据集8260例，独立中国队列2295例	PyTorch	ConvNeXt-Base, ResNet-50	二次Cohen's kappa, 准确率, AUC	NA
244	2026-07-03	Artificial intelligence and machine learning based predictive analytics in cervical myelopathy - a scoping review 2026-03, European spine journal : official publication of the European Spine Society, the European Spinal Deformity Society, and the European Section of the Cervical Spine Research Society IF:2.6Q1 DOI:10.1007/s00586-026-09818-z PMID:41680316	综述	评估人工智能和机器学习在颈椎病预测分析中的应用现状，聚焦诊断准确性、患者分层、手术决策和结果预测	系统性地梳理AI/ML在颈椎病管理中的多领域应用（影像学、步态分析、运动追踪），并强调多模态数据和可解释性AI框架的未来整合方向	纳入研究存在数据异质性、回顾性设计及缺乏标准化验证方案，且未包含前瞻性临床验证结果	评估AI/ML在颈椎病预测分析中的当前应用格局，识别方法论空白并推动临床转化	颈椎病患者及相关临床数据（影像、步态、手术记录等）	机器学习	颈椎病	影像组学、深度学习	集成模型、深度学习模型	图像、时间序列数据（步态和手部运动）、临床记录	纳入41项研究，共审查169篇文献	NA	NA	灵敏度、特异性	NA
245	2026-07-02	Hit identification in ultra large virtual screening: an integrative review and future challenges 2026-Mar, Drug discovery today IF:6.5Q1 DOI:10.1016/j.drudis.2026.104616 PMID:41611169	综述	综述超大规模虚拟筛选在靶点发现中的最新策略、平台及未来挑战	系统总结了多种工作流（基于结构、配体、药效团、片段及混合方法）及其在机器学习增强下的进展，并指出评分准确性、资源效率和泛化性等关键挑战	未提供具体实验验证细节和定量比较现有方法的性能	综述超大规模虚拟筛选在命中化合物发现中的现状、平台技术及未来发展方向	超大规模虚拟筛选中的策略、工作流及平台（如VirtualFlow、RosettaVS、Deep Docking、V-SYNTHES）	机器学习	不适用	虚拟筛选	机器学习、深度学习	化学分子数据	涉及数亿至数十亿化合物	不适用	不适用	准确性、资源效率、泛化性	不适用
246	2026-07-01	Modeling gene regulatory perturbations via deep learning from high-throughput reporter assays 2026-Mar-31, bioRxiv : the preprint server for biology DOI:10.64898/2026.03.27.714770 PMID:41959049	研究论文	提出一个可重训练的预测建模框架BlueSTARR，利用高通量报告分析数据模拟基因调控扰动	提出轻量级、可重训练的预测建模框架BlueSTARR，能够从全基因组STARR-seq数据中学习基因调控变异的效应，并发现与纯化选择一致的全局特征	不同深度学习架构在该单一数据模态上性能差异不大，且即使使用更大的模型和数据，预测精度仍有很大提升空间	开发可用于优先化未在实验中直接观察到的非编码变异体的预测模型，并探究基因调控扰动的潜在信号	来自两个细胞系和一个药物处理的全基因组STARR-seq数据	机器学习	NA	STARR-seq, MPRA	深度学习模型（多种架构）	基因组序列数据	两个细胞系和一个药物处理的全基因组STARR-seq数据	NA	多种深度学习架构	预测精度	NA
247	2026-07-01	How deep resolve affects the stability of texture features for different MR image acceleration methods - a phantom and a human brain study 2026-03-30, BMC medical imaging IF:2.9Q2 DOI:10.1186/s12880-026-02317-z PMID:41913146	研究论文	评估深度学习重建方法Deep Resolve在不同MR加速技术（GRAPPA和SMS）下对纹理特征稳定性的影响，基于体模和人类脑部研究	首次系统评估深度学习重建方法Deep Resolve对MRI纹理特征稳定性的影响，并对比不同加速技术的效果	研究仅使用1.5T系统，可能限制结果推广至更高场强；体模和健康志愿者数据有限，未涉及真实病变情况	评估深度学习重建方法Deep Resolve在不同MR加速技术下对纹理特征稳定性的影响，以了解其对诊断相关图像纹理的保持能力	体模和健康志愿者脑部的T2加权及FLAIR图像纹理特征	计算机视觉	NA	MRI	深度学习	图像	体模和健康志愿者（具体数量未明确）	NA	Deep Resolve	Lin一致性相关系数, Wilcoxon秩和检验	NA
248	2026-07-01	Artificial intelligence and radiomics on computed tomography for differentiating hepatocellular carcinoma and intrahepatic cholangiocarcinoma: a multimodal integration approach 2026-03-28, BMC medical imaging IF:2.9Q2 DOI:10.1186/s12880-026-02305-3 PMID:41904405	研究论文	通过对比增强CT的放射组学和人工智能多模态融合方法区分肝细胞癌与肝内胆管癌	构建了融合放射组学、临床和深度学习特征的多模态融合神经网络，在内部验证集AUC达0.99，外部验证集AUC达0.95，优于单一模态模型	需要进一步使用自动分割和可解释工具进行验证，以确认更广泛的泛化性并促进临床采纳	开发非侵入性方法区分肝细胞癌和肝内胆管癌，以支持早期个体化治疗规划	186例经病理确诊的肝细胞癌（111例）和肝内胆管癌（75例）患者	计算机视觉, 机器学习	肝癌	对比增强CT（CECT）	混合神经网络，支持向量机	放射组学特征，临床数据，CT图像	186例患者（中心A 134例，中心B 52例）	NA	自设计混合神经网络，融合神经网络	曲线下面积（AUC）	NA
249	2026-07-01	Construction and validation of high altitude pulmonary edema prediction models based on deep learning and quantitative analysis of X-ray images 2026-03-27, BMC medical imaging IF:2.9Q2 DOI:10.1186/s12880-026-02309-z PMID:41896774	研究论文	本研究基于深度学习与X光影像定量分析，构建并验证了高原肺水肿预测模型	采用适应医学图像回归的Vision Transformer架构，整合肺野分割、混合局部-全局特征提取和相对位置编码，增强对早期病理变化的敏感性，实现无创定量预测EVLWI	未提及具体限制	验证基于深度学习的无创定量预测框架，从胸部X光图像预测EVLWI，作为高原肺水肿的早期预警和决策支持工具	胸部X光图像数据及对应的EVLWI值	计算机视觉	高原肺水肿	X光影像	Vision Transformer	图像	训练和评估数据集 n=1,280（来自青海高原医疗中心）；外部验证独立队列 n=1,646（来自西藏）	PyTorch	Vision Transformer	Pearson相关系数（0.921），均方根误差RMSE（1.324 mL/m²），R²（0.832）	NA
250	2026-07-01	Impact of scanning parameters on deep learning coronary artery calcium scoring in non‑gated chest CT 2026-03-26, BMC medical imaging IF:2.9Q2 DOI:10.1186/s12880-026-02306-2 PMID:41888686	研究论文	评估非心电门控胸部CT中深度学习冠脉钙化评分的准确性，并分析CT采集参数对其影响	系统分析了CT采集参数（如准直宽度、旋转时间、重建层厚和重建核）对深度学习冠脉钙化评分准确性的独立预测作用	研究为单中心回顾性设计，且未评估不同厂商设备间的算法鲁棒性	探究深度学习冠脉钙化评分在非心电门控胸部CT中的应用准确性及其对采集参数的敏感性	1213名患者的心电门控心脏CT和非门控胸部CT图像	计算机视觉	心血管疾病	CT扫描	深度学习模型	图像	1213名患者的CT图像	NA	NA	斯皮尔曼相关系数、Bland-Altman分析、Kappa系数、AUC	NA
251	2026-07-01	Comparative evaluation of a deep learning method QNet and LCModel for MRS quantification on the cloud computing platform CloudBrain-MRS 2026-03-24, BMC medical imaging IF:2.9Q2 DOI:10.1186/s12880-026-02292-5 PMID:41877086	研究论文	通过云计算平台CloudBrain-MRS比较深度学习方法QNet与经典方法LCModel在人类脑部磁共振波谱代谢物定量中的表现	首次在云计算平台上比较深度学习QNet与传统LCModel方法，并展示了QNet在定量合理性上更优	样本量较小（15名健康志愿者），且仅评估了三种代谢物（tNAA、tCho、Ins），可能无法推广到其他代谢物或疾病状态	评估深度学习QNet与传统LCModel在人类脑部MRS代谢物定量中的一致性和合理性	15名健康志愿者（12女3男，年龄21-35岁）的脑部前扣带回皮质区域的MRS数据	深度学习	不适用（健康志愿者）	MRS（磁共振波谱成像）	QNet（深度学习方法）	MR波谱数据	15名健康志愿者，共122个体内1H MR谱（来自两台3T MRI扫描仪）	PyTorch（假设，基于QNet是深度学习模型）	QNet	Bland-Altman一致性分析、Pearson相关性系数、定量合理性对比	CloudBrain-MRS云计算平台
252	2026-07-01	An interpretable machine learning model based on habitat radiomics combined with deep learning for predicting the WHO/ISUP grade of patients with clear cell renal cell carcinoma 2026-03-21, BMC medical imaging IF:2.9Q2 DOI:10.1186/s12880-026-02285-4 PMID:41864916	研究论文	构建结合生境影像组学和深度学习的可解释机器学习模型，用于预测透明细胞肾细胞癌的WHO/ISUP分级	首次将生境影像组学与深度学习融合，并利用SHAP增强模型可解释性，用于预测ccRCC的WHO/ISUP分级	回顾性研究设计可能引入选择偏倚，且样本量有限，需要外部验证	评估生境影像组学与深度学习融合模型预测透明细胞肾细胞癌WHO/ISUP分级的性能	透明细胞肾细胞癌(ccRCC)患者	数字病理学	肾细胞癌	增强CT	逻辑回归	图像	646名患者	NA	NA	AUC, 校准曲线, 决策曲线分析	NA
253	2026-07-01	Application of deep learning strategies in the standardization and diagnostic efficiency enhancement of chest X-ray imaging 2026-03-18, BMC medical imaging IF:2.9Q2 DOI:10.1186/s12880-026-02278-3 PMID:41851865	研究论文	开发基于深度学习的系统，自动评估胸片患者定位合规性，提升图像质量与诊断准确性	结合Faster R-CNN区域定位与ResNet-50分类的混合深度学习框架，并采用渐进训练与数据增强处理类别不平衡	错误主要源于患者定位或轻微肩胛骨-肺重叠	提高胸片成像标准化与诊断效率	胸片图像中的颈椎可见性、肩胛骨重叠与肋膈角完整性	计算机视觉	不适用	不适用	深度学习混合框架	图像	3663张去标识后前位胸片	PyTorch	Faster R-CNN, ResNet-50	准确率, 敏感度, 特异度, 交并比(IoU), Y轴IoU(Y-IoU)	不适用
254	2026-07-01	Comparison of Deep Learning Tools for Optic Nerve Axon Quantification Finds Limited Generalizability on Independent Validation 2026-Mar-13, bioRxiv : the preprint server for biology DOI:10.64898/2026.03.11.710915 PMID:41959314	研究论文	对三种深度学习模型在视神经轴突量化中的泛化能力进行独立验证测试，发现性能显著下降	首次对公开可用的视神经轴突量化深度学习模型进行独立验证，揭示了模型泛化能力有限的问题	验证数据集规模有限（57张图像，9514个手动标注轴突），且未评估模型在跨物种或人类组织上的泛化能力	评估深度学习模型在视神经组织学量化中的泛化性能，验证其独立数据集上的可靠性	大鼠视神经组织的轴突量化模型及其泛化能力	计算机视觉, 数字病理学	青光眼	NA	深度学习模型（AxoNet, AxoNet 2.0, AxonDeepSeg）	图像	57张大鼠视神经图像，包含9514个手动标注轴突	NA	CNN, U-Net（基于AxoNet系列和AxonDeepSeg）	相关系数（r值）, 召回率, 精确率, Dice系数	NA
255	2026-07-01	Visit-level prediction of missed HIV appointments using machine learning and transformer-based models in Uganda 2026-03-13, BMC medical informatics and decision making IF:3.3Q2 DOI:10.1186/s12911-026-03434-z PMID:41826977	研究论文	本研究使用机器学习和基于Transformer的模型，在乌干达进行访视级别的HIV就诊失约预测	首次将BERT模型应用于HIV就诊失约的访视级别预测，并与传统机器学习模型进行系统比较	需要进行进一步的时间验证和外部验证，结果应谨慎解释	应用并比较机器学习与深度学习模型，预测HIV感染者错过治疗预约的高风险	乌干达86个医疗机构的HIV临床纵向数据，包含66,206名患者和1,479,121次临床访视	机器学习	HIV/AIDS	纵向临床数据分析	BERT, 决策树, 随机森林, AdaBoost, XGBoost	结构化临床数据	66,206名患者，1,479,121次临床访视	NA	BERT, 决策树, 随机森林, AdaBoost, XGBoost	准确率, 精确率, 召回率, F1分数, AUC-ROC	NA
256	2026-07-01	Hybrid YOLO-Inception-ResNetV2 Pipeline for Automated Human Activity Recognition in Controlled Environments 2026-Mar, Cureus DOI:10.7759/cureus.104927 PMID:41960000	研究论文	提出一个混合深度学习流水线，通过整合YOLO人体检测与Inception-ResNetV2分类，实现控制环境视频中的人体活动自动识别	首次将YOLOv8人体检测与Inception-ResNetV2分类动态结合，通过分离人体主体与背景提升了活动识别性能	总体准确率仅66.11%，仍受类别不平衡影响，且仅在控制环境（代谢舱）中验证	实现控制环境下人体活动自动识别，替代耗时且易错的人工视频标注	18名受试者在代谢舱中12小时录制的视频，包含坐、站、走、躺等真实活动	计算机视觉	NA	NA	YOLOv8, Inception-ResNetV2	视频	18名受试者各12小时录制	PyTorch	YOLOv8, Inception-ResNetV2	准确率	NA
257	2026-07-01	Artificial intelligence for automated classification of antinuclear-antibody indirect immunofluorescence patterns 2026-Mar, EULAR rheumatology open DOI:10.1016/j.ero.2025.12.006 PMID:42370078	研究论文	利用多阶段深度学习框架对抗核抗体间接免疫荧光模式进行分类	提出了一种多阶段深度学习分类框架，采用层次化方法（先分阳性/阴性，再分分裂期/非分裂期，最后细分类）用于抗核抗体模式分类，并使用YOLOv8预训练模型进行实现	研究排除了混合或非共识模式，可能限制了模型在实际临床多样化样本中的泛化能力	开发和验证用于抗核抗体间接免疫荧光模式分类的深度学习算法	803个抗核抗体间接免疫荧光样本，包括阳性样本（AC-1至AC-5标准模式）和阴性样本	计算机视觉, 数字病理学	自身免疫性疾病	间接免疫荧光	卷积神经网络 (CNN), YOLOv8	图像	803个间接免疫荧光样本	PyTorch	YOLOv8, 以及8种其他CNN架构	准确率	NA
258	2026-06-30	Condition-matched in silico prediction of drug transcriptional responses enables mechanism-guided screening and combination discovery 2026-Mar-31, bioRxiv : the preprint server for biology DOI:10.64898/2026.03.27.714886 PMID:41958978	研究论文	提出DEPICT框架，基于深度学习和Transformer预测药物诱导的转录组响应，支持药物筛选和组合发现	利用Transformer架构实现条件匹配的药物转录响应预测，无需实验测量，在未知药物和细胞类型的泛化中超越现有方法	依赖LINCS L1000数据集质量，未提及对其他数据集的适用性及计算资源的具体限制	实现条件匹配的药物转录响应预测，推动药物重定位和组合发现	药物诱导的转录组响应，包括细胞状态、剂量和持续时间的影响	自然语言处理, 机器学习	非小细胞肺癌	转录组学	Transformer	基因表达数据	LINCS L1000数据集，包含多种药物、细胞类型和处理条件，具体样本量未说明	PyTorch	Transformer	差异表达预测准确率, 扰动表达预测误差	未提及
259	2026-06-30	AI-powered ultrasound radiofrequency analysis for non-invasive pediatric liver fat quantification 2026-Mar-17, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-37862-8 PMID:41844700	研究论文	利用人工智能分析超声射频数据，实现儿童肝脏脂肪含量的无创定量评估	首次将人工智能技术应用于超声射频数据分析，用于儿童肝脂肪无创定量，并通过多模态输入组合提升了性能	样本量较小（仅40名儿童），且未提及模型在不同人群或设备上的泛化能力	开发一种准确且可及的无创方法，用于儿童代谢功能障碍相关脂肪肝病的肝脂肪定量	40名疑似代谢功能障碍相关脂肪肝病的儿童患者	机器学习	代谢功能障碍相关脂肪肝病	超声射频数据分析	XGBoost、Mod-MHDNet	超声射频数据、临床参数	40名儿童患者	NA	XGBoost、Mod-MHDNet	R²、Bland-Altman分析	NA
260	2026-06-30	Multi-stream deep learning framework integrating images and feature representations to predict mild cognitive impairment using the rey complex figure test 2026-Mar-01, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-34491-5 PMID:41765904	研究论文	提出了一种多流深度学习框架，结合Rey复杂图形测试的图像和特征表示来预测轻度认知障碍	创新性地融合了多头部自注意力机制的空间流和基于RCFT评分的人口统计特征流，从而同时捕捉原始图像的精细视觉细节和结构化评分数据，增强了检测细微认知障碍的能力	该模型仍需在更大规模和多样化的临床环境中进一步验证，以确认其通用性和稳健性	开发一个可靠的、成本效益高的早期轻度认知障碍筛查工具	轻度认知障碍患者和健康对照者的Rey复杂图形测试图像及人口统计特征	计算机视觉, 机器学习	轻度认知障碍	NA	多流深度学习框架，包含多头部自注意力机制	图像（RCFT测试图）和结构化数据（RCFT评分及人口统计特征）	韩国队列1740名受试者，外部验证集222名受试者	PyTorch	多头部自注意力机制	AUC, 准确率	NA