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
141	2026-08-09	The Use of Machine Learning to Estimate Ground Reaction Forces During Running: A Scoping Review of the Current Practices 2026-Apr-18, Sensors (Basel, Switzerland) DOI:10.3390/s26082502 PMID:42076611	综述	本文对2019至2025年间使用机器学习结合可穿戴传感器估算跑步过程中地面反作用力（GRF）的研究进行了范围综述，总结了当前的方法、应用效果及研究空白。	首次系统回顾并量化了机器学习预测跑步GRF研究中的方法学特征，如样本组成、验证策略，并突出了现有研究在性别均衡和模型泛化性方面的不足。	研究未验证跑步机训练的模型在户外跑步中的适用性，这可能限制了真实场景中的泛化能力。	总结当前通过机器学习和可穿戴传感器预测跑步中GRF的研究方法，识别方法学空白以指导未来研究。	跑步过程中地面反作用力数据及其预测方法，包括衍生变量如峰值力、冲击峰和冲量等。	机器学习	不适用	可穿戴传感器，机器学习	LSTM、Bi-LSTM、经典回归方法	时间序列数据（来自可穿戴传感器的GRF数据）	36项研究，参与者中59%为男性；跑步机研究的样本量中位数为28人，步数中位数为65步；户外研究的样本量中位数为14人，步数中位数为32步。	不适用	LSTM、Bi-LSTM、经典回归	预测准确性（具体指标未在摘要中明确）	不适用
142	2026-08-09	Missing Data Gap Imputation Methods in Electroencephalogram (EEG) Signals: A Systematic Scoping Review 2026-Apr-15, Sensors (Basel, Switzerland) DOI:10.3390/s26082431 PMID:42076541	系统综述	本文系统回顾了脑电图（EEG）信号中缺失数据间隙填补方法的研究，包括基于张量、机器学习/深度学习和模型/经典方法等类别	提供了对EEG间隙填补方法的全面梳理，识别了当前文献中的不足，为未来更通用的解决方案奠定基础	由于小数据集缺乏足够的参与者多样性以及方法学差异，无法确定单一领先方法；部分方法依赖完整记录进行分段填补，可能妨碍实时填补	研究用于重建EEG信号中缺失数据间隙的填补方法，并评估其有效性和泛化性	不同类别的EEG信号缺失数据间隙填补算法，包括基于张量、机器学习/深度学习和模型/经典方法	信号处理	NA	脑电图记录	张量分解、机器学习、深度学习等	脑电图信号	16篇文章（涉及EEG信号数据）	NA	NA	准确性等（具体未指明）	未指明
143	2026-08-09	CT Emphysema and Deep Learning-derived Vertebral Bone Loss in Individuals without COPD: Findings from MESA 2026-Apr, Radiology IF:12.1Q1 DOI:10.1148/radiol.252251 PMID:42012343	研究论文	本研究利用深度学习胸部CT分析，在无慢性阻塞性肺疾病的个体中，发现肺气肿样改变与椎骨骨密度流失相关，提示亚临床肺气肿可能作为系统性骨骼衰退的影像标志物	首次在无COPD的大型多民族队列中，利用深度学习分割模型评估椎骨骨密度，发现亚临床肺气肿与骨密度流失的独立关联，并确定性别和种族差异及阈值效应	未提及明显局限性	探究无COPD个体中，胸部CT量化的亚临床肺气肿样改变是否与骨密度流失相关，以识别肺和骨骼健康的早期影像标志物	无慢性阻塞性肺疾病的参与者，来自多民族动脉粥样硬化研究（MESA）	深度学习、医学影像分析	肺气肿、骨质疏松、慢性阻塞性肺疾病（排除）	胸部CT、深度学习分割模型	深度学习分割模型（未指定具体类型）	胸部CT影像	横断面分析2312名参与者，纵向分析1109名参与者	NA	NA（提及深度学习分割模型）	β系数、置信区间、P值	NA
144	2026-08-09	Deep Learning-based Bone Mineral Density Prediction Using Pediatric Chest Radiographs: A Multicenter Feasibility Study 2026-Apr, Radiology IF:12.1Q1 DOI:10.1148/radiol.252761 PMID:41944722	研究论文	本研究开发并评估了一种基于儿童胸部X光片和临床变量的人工智能模型，用于预测骨密度Z分数和检测低骨密度，并在多中心数据上验证其性能。	首次使用深度学习模型从常规胸部X光片预测儿科骨密度Z分数，结合临床变量，并在多中心外部验证中显示出高准确性，可能提高骨密度评估的可及性。	研究可能受回顾性设计、样本量相对较小（1464对）影响，且模型依赖临床变量（如身高体重），可能限制其通用性；未提供模型计算资源细节。	开发并评估一个基于胸部X光片的深度学习模型，用于预测儿科骨密度Z分数和检测低骨密度，以解决DXA可及性有限的问题。	年龄小于18岁的儿科患者，共1464对胸部X光片和DXA数据（774开发，376内部测试，314外部测试）。	深度学习	儿科骨健康	胸部X光片成像	深度学习模型（具体类型未指定）	图像和临床数据	1464对图像-DXA数据	NA	NA	皮尔逊相关系数、AUC、敏感性、特异性	NA
145	2026-08-07	Smartphone-integrated molecularly imprinted sensor with convolutional neural networks for on-site detection of Norfloxacin 2026-04-15, Analytica chimica acta IF:5.7Q1 DOI:10.1016/j.aca.2026.345196 PMID:41765623	研究论文	开发了一种集成双发射分子印迹荧光传感器与卷积神经网络的智能手机便携式平台，用于诺氟沙星的现场快速检测	将分子印迹荧光传感器与深度学习结合，利用智能手机捕获图像并通过CNN模型自动提取浓度特征，超越传统RGB分析，有效校正环境干扰，实现生物样品中诺氟沙星的超灵敏检测	未提及具体局限性	实现诺氟沙星的快速、现场、高灵敏检测，为水产品安全保障中的抗生素监测提供技术支持	诺氟沙星（NOR）抗生素	机器学习	不适用	分子印迹荧光传感、深度学习	卷积神经网络（CNN）	荧光图像	生物样品（具体数量未提及）	NA	四种CNN模型（具体架构未提及）	检测限、回收率、相对标准偏差	NA
146	2026-08-05	Beyond Invariable Sites: Using Evolutionary Stasis to Map Multi-Layered Constraints on the Evolution of Viral and Mammalian Genomes 2026-Apr-10, bioRxiv : the preprint server for biology DOI:10.64898/2026.04.09.717527 PMID:41993262	研究论文	提出B-STILL框架，利用进化停滞位点解析病毒和哺乳动物基因组中的多层选择约束。	首次通过贝叶斯层次模型结合密码子替换模型，聚焦近零进化速率区域，区分随机不变性与功能性约束，识别进化停滞锚点（ESAs）。	依赖密码子替换模型的近似计算，可能对极长序列或复杂进化场景的适用性有限。	开发可扩展的统计框架，用于高分辨率基因组注释，将不变位点转化为极端纯化选择的标记。	病毒和哺乳动物基因组中的蛋白质编码基因。	机器学习, 计算生物学	NA	密码子替换模型, 贝叶斯推断	层次贝叶斯模型	基因组序列数据	包含数千条序列的比对，以及来自病原体和临床数据库的验证数据	NA	层次贝叶斯模型	预测能力, 聚类显著性	NA
147	2026-07-30	CUCT-Net: End-to-End Signal-to-Image Learning for Quantized Speed-of-Sound Estimation and Tissue Segmentation in Ultrasound Computed Tomography 2026-Apr-30, Sensors (Basel, Switzerland) DOI:10.3390/s26092801 PMID:42122523	研究论文	提出CUCT-Net深度学习框架，从超声信号直接映射到图像空间，实现量化声速估计和组织分割	将超声断层扫描转化为端到端信号-图像学习问题，无需初始猜测或迭代优化，利用多输入编码器-解码器架构和移位单元增强稀疏传感下的特征建模	依赖k-Wave模拟数据，未在真实临床数据上验证；量化声速估计可能受高对比度区域影响	实现超声断层扫描中高效、鲁棒的量化声速估计和组织分割	Shepp-Logan圆盘体模和DBB脑解剖体模	机器学习	NA	超声断层扫描	CNN	超声信号	模拟体模数据，包括多种变体和噪声条件	PyTorch	多输入编码器-解码器网络	量化声速估计精度、分割准确性	NA
148	2026-07-30	Classification of Cochrane Plain Language Summaries by Conclusiveness Using Transformer-Based Models and ChatGPT: Retrospective Observational Study 2026-Apr-14, JMIR medical informatics IF:3.1Q2 DOI:10.2196/72657 PMID:41980187	研究论文	使用基于Transformer的模型和ChatGPT对科克伦通俗语言摘要进行结论性分类	首次系统性比较微调深度学习模型（如SciBERT和Longformer）与通用大型语言模型（GPT-4o）在科克伦通俗语言摘要结论性分类任务中的性能	微调模型在新发布的摘要上泛化能力差，性能降至接近随机水平，可能由于语义重叠和细微语言差异	开发和评估深度学习语言模型，根据结论性强弱对科克伦通俗语言摘要进行分类	科克伦系统评价的通俗语言摘要	自然语言处理	不适用	NGS	Transformer（SciBERT, Longformer, GPT-4o）	文本	4405篇科克伦通俗语言摘要（截至2019年发表）和额外213篇摘要	PyTorch, Scikit-learn	SciBERT, Longformer, GPT-4o	平衡准确率, AUCROC, 精确率, 召回率, Cohen κ	NA
149	2026-07-30	Highly Accelerated 3D MRI of Brain Tumors Using Deep Modular Reconstruction Networks 2026-Apr, NMR in biomedicine IF:2.7Q1 DOI:10.1002/nbm.70260 PMID:41792051	研究论文	开发名为ADMIRE的深度模块化图像重建框架，通过深度学习从欠采样k空间数据重建，显著加速脑肿瘤3D T1加权MRI采集	提出两阶段深度学习框架ADMIRE，先去除冠状位混叠伪影再增强轴位幅度图像，实现超过临床可用加速技术的八倍加速	NA	利用深度学习重建欠采样k空间数据，加速3D MRI采集，提升临床加速因子	脑肿瘤患者的增强脑部病变	计算机视觉	脑肿瘤	3D MRI	深度学习	图像	训练数据来自136个BRAVO和MPRAGE序列（47 + 89），测试使用15名患者	NA	ADMIRE（包括去混叠网络和增强网络）	图像质量评分、Wilcoxon符号秩检验	GE Healthcare扫描仪
150	2026-07-30	Evolving landscape of imaging-based evaluation in systemic autoimmune rheumatic disease-associated interstitial lung disease: from visual assessment to quantitative artificial intelligence-assisted evaluation 2026-Apr-01, Journal of rheumatic diseases IF:2.2Q3 DOI:10.4078/jrd.2025.0161 PMID:42516722	综述	系统综述了系统性自身免疫性风湿病相关间质性肺病的影像学评估从视觉评估向定量人工智能辅助评估的演变	系统梳理了从传统密度测量到深度学习工具的影像评估技术演变，并提出了一个用于理解技术进步和评估其在SARD-ILD应用中相关性的简明框架	当前指南依赖视觉HRCT解读，缺乏标准化、可重复的评估协议，疾病进展的操作阈值定义不明确	阐明系统性自身免疫性风湿病相关间质性肺病的影像评估从定性解读到定量表型的演变过程	系统性自身免疫性风湿病相关间质性肺病患者的胸部高分辨率CT影像数据	数字病理学	间质性肺病、系统性硬化症相关间质性肺病	胸部高分辨率CT	深度学习	影像	不适用	不适用	SOFIA, eLung, Qureight, SATORI, AirQuant	不适用	不适用
151	2026-07-29	A Novel Dual-Modal Deep Learning Approach for Real-Time Removal of Hepatic Fluorescence in Indocyanine Green-Guided Laparoscopic Cholecystectomy 2026-04-17, Journal of visualized experiments : JoVE DOI:10.3791/68488 PMID:42081379	研究论文	提出一种双模态深度学习框架，用于在吲哚青绿引导的腹腔镜胆囊切除术中实时检测和去除肝脏荧光污染	首个用于ICGLC术中实时肝脏荧光去除的AI解决方案，采用基于DeepLabV3的中间融合网络和形态学后处理策略	未来需开展前瞻性研究以评估对手术结果的影响	开发并评估一种实时自动检测和去除ICGLC术中肝脏荧光污染的双模态深度学习框架	接受择期ICGLC手术的48名患者的33,123帧双模态手术图像	计算机视觉, 数字病理学	胆道疾病	荧光成像, 白光成像	DeepLabV3	图像	48名患者，33,123帧双模态手术图像	PyTorch	DeepLabV3	Dice系数, 召回率	NA
152	2026-07-29	Computational Modeling of Affective User Experience Using Multimodal Physiological and Behavioral Signals 2026-04-07, Journal of visualized experiments : JoVE DOI:10.3791/69823 PMID:42044101	研究论文	提出一个可重复的多模态情感计算协议，利用统一深度学习框架整合多种生物信号（EEG、ECG、GSR）实现离线情绪识别，并在AMIGOS数据集上验证有效性	提出深度典型相关分析对齐异构特征空间后融合多模态生物信号的统一框架，实现离线情感识别且精度优于传统模型	仅进行离线实验验证，未部署实时交互系统	开发并验证用于多模态情感用户体验建模的计算框架	人类用户的情感状态（效价-唤醒度维度）	机器学习	NA	EEG（脑电图）、ECG（心电图）、GSR（皮肤电反应信号）	深度学习融合网络	生理信号（EEG、ECG、GSR）	AMIGOS数据集中的公开生物信号数据	NA	深度典型相关分析（DCCA）、多模态融合网络	准确率、精确率、召回率、F1分数、AUC	NA
153	2026-07-29	A Deep Learning-Based Method for Stress Measurement Using Longitudinal Critically Refracted Waves 2026-Apr-07, Sensors (Basel, Switzerland) DOI:10.3390/s26072283 PMID:41978067	研究论文	基于深度学习的纵向临界折射波应力测量方法	提出了一种结合门控循环单元、注意力机制和一维卷积神经网络的深度学习模型，可直接从原始超声信号预测应力，无需人工特征提取或显式物理建模	NA	实现无需校准的智能超声应力评估，为钢结构的实际工作状态应力检测提供支持	20#钢试件，施加0至200 MPa的单轴应力	机器学习	NA	纵向临界折射超声	GRU、注意力机制、1D-CNN	超声信号	4200个样本	PyTorch	GRU、1D-CNN、注意力机制	平均绝对误差	NA
154	2026-07-29	Artificial Neural Networks for Discrimination of Automotive Clear Coats by Vehicle Manufacturer 2026-Apr-06, Sensors (Basel, Switzerland) DOI:10.3390/s26072260 PMID:41978045	研究论文	应用人工神经网络通过红外光谱区分汽车清漆层以识别制造商	首次将深度学习应用于汽车清漆红外光谱分析，通过模式识别确定车辆制造商，替代传统商用软件的大规模搜索结果	研究仅限于六家制造商和100个装配厂的数据集，卷积层未提升模型性能，可能限制泛化能力	利用深度学习识别汽车清漆红外光谱中的制造商特征模式，提高法医证据分析的效率	来自六家汽车制造商和100个装配厂的2796个清漆红外光谱样本	机器学习	NA	红外光谱	多层感知器神经网络	光谱数据	2796个清漆红外光谱样本	NA	多层感知器（含三个隐藏层）	分类准确率	NA
155	2026-07-29	A deep learning-based multimodal model with automated body composition analysis predicts prognosis in advanced clear cell renal cell carcinoma 2026-Apr-04, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-46515-9 PMID:41935094	研究论文	开发基于深度学习的自动化身体组分分析多模态模型，预测晚期透明细胞肾细胞癌的预后	创新性地将深度学习自动提取的CT身体组分特征与临床病理特征整合，构建可解释的多模态预后预测模型，并通过转录组分析探索影像生物标志物的生物学基础	回顾性研究设计，样本量有限，外部验证队列尚属初步阶段	开发自动化、可解释的预测模型，通过整合基于深度学习的身体组分分析，评估晚期肾透明细胞癌的预后并探索其潜在机制	接受根治性肾切除术治疗的晚期透明细胞肾细胞癌患者	机器学习, 数字病理	肾细胞癌	CT成像, 转录组测序, 免疫组化	MLP (多层感知机), SVC (支持向量分类器), CNN (卷积神经网络)	CT图像, 临床病理特征, 转录组数据	多中心回顾性研究，含独立外部验证队列，具体数量在摘要中未明确提及	Scikit-learn, PyTorch	Comp2Comp, MLP, SVC	AUC	NA
156	2026-07-29	A Deep Learning-Enhanced Adaptive Kalman Filter with Multi-Scale Temporal Attention for Airborne Gravity Denoising 2026-Apr-03, Sensors (Basel, Switzerland) DOI:10.3390/s26072216 PMID:41978002	研究论文	提出一种结合多尺度CNN、双向LSTM和注意力机制的自适应卡尔曼滤波方法，用于机载重力数据去噪	首次将多尺度CNN、双向LSTM和多头注意力机制相结合，自适应估计卡尔曼滤波参数，提高了机载重力数据去噪精度	未明确提及，可能依赖模拟数据测试，实际应用可能存在局限	提高机载重力数据去噪精度，增强重力图的地质解释能力	机载重力数据（含模拟数据和实际数据）	机器学习	NA	NA	CNN-LSTM-注意力机制	时间序列数据	模拟数据和实际机载重力数据（具体数量未提及）	NA	多尺度CNN、双向LSTM、多头注意力机制	去噪精度	NA
157	2026-07-29	Expert Knowledge-Infused Learning for Indoor Radio Propagation Environment Digital Twins 2026-Apr-02, Sensors (Basel, Switzerland) DOI:10.3390/s26072199 PMID:41977984	研究论文	提出一种将无线电传播专家知识融入深度学习框架的方法，用于构建高精度室内无线电传播环境数字孪生	首次提出通用方法将专家知识显式集成到深度学习编码器-解码器架构中，以提升无线电传播环境数字孪生的学习效率和预测精度	未明确提及局限性	构建高精度无线电传播环境数字孪生，提升信号传播预测的准确性和效率	室内无线电传播环境信号传播预测模型	机器学习	NA	NA	深度学习（编码器-解码器架构）	无线电传播数据	NA	NA	编码器-解码器	消融实验性能指标（具体指标未明确）	NA
158	2026-07-29	The Evaluation of Machine Learning Models Using Matrix-Assisted Laser Desorption/Ionization Time-of-Flight Mass Spectrometry (MALDI-TOF-MS) Spectra for the Prediction of Antibiotic Resistance in Klebsiella pneumoniae 2026-04, MicrobiologyOpen IF:3.9Q2 DOI:10.1002/mbo3.70257 PMID:41771780	综述	评估基于MALDI-TOF-MS质谱的机器学习模型在预测肺炎克雷伯菌抗生素耐药性中的应用	系统综述了利用MALDI-TOF-MS光谱结合机器学习模型快速预测抗生素耐药性的方法，尤其在碳青霉烯类耐药性上取得了高AUROC值（>0.90）和高准确率（97%），并指出传统方法需2-4天，而该方法仅需数分钟或数小时	受限于有限的外部验证、光谱预处理方案差异以及不同MALDI-TOF-MS平台间的变异性，可能降低模型通用性和临床转化效果，亟需标准化流程和更大规模的多中心评估	评估机器学习模型在快速诊断肺炎克雷伯菌抗生素耐药性方面的准确性和实用性	肺炎克雷伯菌样本中的抗生素耐药性，特别是碳青霉烯类耐药性	机器学习	抗生素耐药性感染	MALDI-TOF-MS质谱	集成算法（随机森林、XGBoost、LightGBM）和深度学习模型（卷积神经网络）	质谱光谱数据	35至超过15,000个分离株	NA	随机森林、XGBoost、LightGBM、卷积神经网络	AUROC、准确率	NA
159	2026-07-28	Ensemble Deep Learning Models on Raw DNA Sequences for Viral Genome Identification in Human Samples 2026-Apr-04, Sensors (Basel, Switzerland) DOI:10.3390/s26072238 PMID:41978025	研究论文	提出集成深度卷积神经网络，用于从人类宏基因组数据中识别病毒序列	首次将集成深度卷积神经网络应用于原始DNA序列进行病毒基因组识别，能够捕捉局部基序和整体基因组特征，对高度变异的未知病毒具有良好检测能力	未在文中明确提及局限性	开发高性能集成深度学习方法，解决临床诊断中高度分化或未知病毒的检测难题	人类样品中的病毒基因组序列	机器学习	NA	高通量测序	卷积神经网络	DNA序列数据	NA	NA	集成深度卷积神经网络	AUROC	NA
160	2026-07-28	Localizing the epileptogenic zone using deep learning and neuroimaging: A systematic review 2026-Apr, Seizure DOI:10.1016/j.seizure.2026.03.002 PMID:41833257	综述	对深度学习辅助癫痫灶定位的神经影像学研究进行系统综述	首次系统梳理深度学习在癫痫灶定位中的方法学趋势、局限性和未来方向，特别关注MRI阴性病例的检测进展	约三分之二的研究存在高偏倚风险和临床适用性担忧，受限于非代表性队列和欠佳评估方法	总结现有深度学习辅助癫痫灶定位的证据，为缩小临床转化与技术进展之间的差距提供建议	癫痫患者，尤其是药物难治性癫痫患者	机器学习	神经疾病	结构MRI	全卷积网络	神经影像数据	36项研究纳入分析	NA	全卷积网络	检测率	NA