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	2026-07-30	Prediction of unerupted canines and premolars widths in an Emirati population: development and validation of regression and machine learning models 2026-May-21, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-54292-8 PMID:42168554	研究论文	开发并验证了用于预测阿联酋儿童未萌出尖牙和前磨牙宽度的回归和机器学习模型	首次针对阿联酋人群开发了基于深度学习和机器学习技术的未萌出牙齿宽度预测模型，并发现线性回归模型在平均通过率上优于机器学习方法	研究仅基于阿联酋人群，样本量相对较小（380人），且未涉及其他种族或地理人群的验证	开发更准确的模型来预测阿联酋儿童未萌出尖牙和前磨牙的宽度	阿联酋15-30岁个体的牙齿模型	机器学习	NA	NA	人工神经网络、支持向量回归、线性回归	牙齿宽度测量数据	380名阿联酋个体（年龄15-30岁）的牙齿模型	NA	线性回归、支持向量回归、人工神经网络	通过率、平均绝对误差、均方根误差、决定系数	NA
242	2026-07-30	A human-in-the-loop explanation framework for morphologically transparent AI predictions from whole-slide images 2026-May-14, NPJ digital medicine IF:12.4Q1 DOI:10.1038/s41746-026-02741-z PMID:42135447	research paper	提出了一种名为MorphoXAI的人机交互解释框架，用于从全切片图像中对深度学习模型进行形态学透明的AI预测解释	该框架通过整合人类专家解释，同时提供局部和全局可解释性，揭示了模型在区分不同类别全切片图像时一致依赖的形态学模式以及引起类别混淆的模式	未知，摘要未提及	通过全局和局部解释的统一，并基于专家解释的形态学，增强深度学习模型的可解释性和可验证性，促进其在临床实践中的透明部署	深度学习模型在全切片图像分析任务中的预测行为	digital pathology	NA	NA	深度学习模型（具体结构未明确说明）	图像（全切片图像）	NA	NA	NA	人类评估指标：易解释性、诊断特征丰富性、对诊断决策的直接帮助	NA
243	2026-07-30	AUBADE-syn: a novel deep learning ensemble method for glaucoma detection using synthetic fundus images on imbalanced datasets 2026-May-14, NPJ digital medicine IF:12.4Q1 DOI:10.1038/s41746-026-02752-w PMID:42135460	研究论文	提出AUBADE-syn集成学习方法，通过合成视网膜图像解决青光眼检测中的类不平衡问题	首次将无分类器引导扩散模型与结构化类平衡策略集成，在高度不平衡数据集上生成逼真的青光眼图像并提升模型泛化能力	未提及具体限制	解决医学图像数据集中严重类不平衡对青光眼检测性能的影响	青光眼检测任务中的眼底图像	计算机视觉	青光眼	眼科成像	集成学习	图像	EyePACS数据集（约12万张眼底图像，不平衡比率1:30）及10个独立公共数据集+3个额外公共数据集	PyTorch	无分类器引导扩散模型	AUC（曲线下面积）	NA
244	2026-07-30	Radiomics model integrating MRI and ECV enhances prediction accuracy for progression in high-grade glioma 2026-May-13, NPJ precision oncology IF:6.8Q1 DOI:10.1038/s41698-026-01475-1 PMID:42129328	研究论文	开发基于MobHy-Net的影像组学模型，整合MRI和ECV图像预测高级别胶质瘤患者一年进展风险	首次结合T2-FLAIR和细胞外体积图像的深度学习特征与临床变量，构建MobHy-Net模型用于高级别胶质瘤进展风险预测	样本量较小（193例）且为回顾性研究，需要多中心前瞻性验证	开发准确预测高级别胶质瘤患者一年进展风险的组合模型，辅助临床决策	193名来自两个中心的高级别胶质瘤患者术前多序列MRI数据	机器学习	胶质瘤	MRI	MobHy-Net	图像	193例高级别胶质瘤患者	NA	MobHy-Net	AUC, 决策曲线分析	NA
245	2026-07-30	Estimating genotype-tissue specific gene expression using hybrid deep learning 2026-May-13, Communications biology IF:5.2Q1 DOI:10.1038/s42003-026-10251-7 PMID:42129502	研究论文	开发了一种混合深度学习模型，用于估计基因型-组织特异性基因表达谱	整合卷积神经网络、Transformer编码器和XGBoost回归器，利用相邻参考基因表达信息及其基因组上下文进行多组织插补	NA	精确估计基因型-组织特异性表达谱，减少对实验性分析的依赖	基因型-组织表达谱	机器学习	NA	NA	CNN, Transformer, XGBoost	序列数据	GTEx数据集中的组织表达谱	NA	卷积神经网络、Transformer编码器、XGBoost回归器	准确率	NA
246	2026-07-30	Tumor cell specific total mRNA expression informed neural networks predicts cancer progression 2026-May-06, bioRxiv : the preprint server for biology DOI:10.64898/2026.05.01.722212 PMID:42146375	研究论文	提出TmSNet深度学习框架，利用多组学数据预测肿瘤细胞特异性总mRNA表达量，以推断肿瘤进展	首次通过深度神经网络整合mRNA、DNA甲基化、miRNA和免疫细胞比例等多组学特征，预测肿瘤细胞特异性总mRNA表达量，克服了传统方法对匹配DNA和RNA测序数据及计算密集型去卷积管道的依赖	外部验证集（SCAN-B和FUSCC）的相关性较低（分别为0.54和0.43），可能限制了跨队列的泛化能力	开发可扩展的深度学习框架，从多组学数据推断肿瘤细胞特异性总mRNA表达量，以预测癌症进展并实现患者风险分层	12种TCGA癌症类型的肿瘤样本及外部验证队列（SCAN-B、FUSCC）	机器学习	泛癌（癌症）	RNA-seq、DNA甲基化测序、miRNA测序、免疫组化	神经网络（深度学习）	组学数据（mRNA表达、DNA甲基化、miRNA表达、免疫细胞比例）	12种TCGA癌症类型数据及SCAN-B和FUSCC外部验证队列（具体样本数未提及）	TensorFlow、Scikit-learn	梯度提升、LASSO、弹性网络、神经网络	一致性相关系数(CCC)、R²	NA
247	2026-07-30	Automated Detection of Cervical Spinal Cord Compression on MRI Using YOLO11 Deep Learning Architecture: A Two-Center External Validation Study 2026-May-01, Spine IF:2.6Q1 DOI:10.1097/BRS.0000000000005639 PMID:41631492	研究论文	使用YOLO11深度学习架构在MRI上自动检测颈椎管压迫，并进行双中心外部验证研究	首次利用YOLO11架构实现颈椎MRI脊髓压迫的自动检测，并通过双中心外部验证展示了与专家注释高度一致的表现	未明确提及，但可能受限于回顾性设计、样本量有限及仅使用T2加权图像	开发和验证基于YOLO11的深度学习模型，用于自动检测颈椎MRI上的脊髓压迫，并与专家注释进行评估对比	颈椎脊髓压迫的自动检测	计算机视觉, 数字病理学	颈椎病	MRI	YOLO11	图像	735名患者的1431张矢状T2加权颈椎MRI图像	PyTorch	YOLO11	mAP50, 精确率, 召回率	NA
248	2026-07-30	MRI-based deep learning and radiomics for preoperative prediction of P53abn endometrial cancer: A multicenter study 2026-May, European journal of radiology IF:3.2Q1 DOI:10.1016/j.ejrad.2026.112745 PMID:41740271	研究论文	基于MRI深度学习和影像组学方法术前预测P53abn子宫内膜癌，用于风险分层和个性化治疗规划	提出结合V-Net和VB-Net两阶段深度学习架构自动化肿瘤分割，并整合影像组学特征构建分类模型，实现了在多中心数据中术前非侵入性鉴别P53abn子宫内膜癌亚型	研究为回顾性设计，可能存在选择偏倚，且自动分割与手动分割在某些病例中仍有差异，模型泛化性需更多外部验证	开发非侵入性MRI基础深度学习和影像组学方法，用于术前区分P53abn子宫内膜癌，优化风险分层以支持个性化治疗	经组织学确诊的子宫内膜癌患者	数字病理学	子宫内膜癌	MRI	深度学习（V-Net、VB-Net）、机器学习（SVM、随机森林、逻辑回归、决策树）	MRI影像（T2WI、DWI、CE-T1WI）	920名患者，来自三个医疗中心	NA	V-Net、VB-Net	Dice相似系数（DSC）、受试者工作特征曲线下面积（AUC）	NA
249	2026-07-30	Deep Brain Stimulation Induces Antidepressant Effects by Restoring High-Fidelity Communication in the BNST-NAc Circuit 2026-May, Advanced science (Weinheim, Baden-Wurttemberg, Germany) DOI:10.1002/advs.202521943 PMID:41801046	研究论文	本研究通过跨物种、多层次的电生理研究揭示了深部脑刺激通过恢复终纹床核-伏隔核回路高保真通信产生抗抑郁作用的机制	首次在兴奋/抑制周期中识别出抑制期孤立尖峰这一关键通信模式，并开发创新跨物种算法从宏观人脑局部场电位信号解码功能性的兴奋和抑制期，将机制研究与临床验证相结合	未明确指出样本量及统计功效分析的局限性，也未讨论可能的混杂因素或研究设计的潜在偏倚	阐明治疗抵抗性抑郁症的核心病理生理机制及深部脑刺激的精确治疗机制	终纹床核-伏隔核回路中的神经元活动及局部场电位信号	机器学习	治疗抵抗性抑郁症	深部脑刺激、局部场电位记录、跨物种电生理技术	深度学习模型	电生理信号（局部场电位、尖峰序列）	18名参与者的双盲交叉随机对照试验数据（模型开发使用开放标签数据，独立验证使用随机对照试验数据）	NA	深度学习框架（具体架构未指定）	抑郁症状评分减少量（平均降低9.4）	NA
250	2026-07-30	Segmentation regularized training for multi-domain deep learning registration applied to magnetic resonance-guided prostate cancer radiotherapy 2026-May, Physics and imaging in radiation oncology DOI:10.1016/j.phro.2026.100989 PMID:42232230	研究论文	提出一种基于分割正则化的多域深度学习配准方法，用于磁共振引导的前列腺癌放疗	提出基于分割正则化的渐进式配准与分割网络（ProRSeg），通过器官加权分割正则化提升多域MR-MR配准的准确性	剂量累积分析仅基于42例患者，初步验证可行但需要更大规模验证	训练分割正则化的深度学习配准模型，评估域不变的MR-MR配准在自适应放疗中的应用	前列腺癌患者的纵向3T MR模拟（MR-Sim）及日常治疗1.5T MR线性加速器（MR-Linac）图像	数字病理学	前列腺癌	磁共振成像（MRI）	深度学习配准与分割网络（ProRSeg、VoxelMorph）	医学图像（MR图像）	262对同域MR图像（训练集）、58对同域测试集、72对跨域测试集、42对混合域测试集	NA	ProRSeg、VoxelMorph	器官和临床靶区轮廓传播准确性	NA
251	2026-07-29	Predicting immune checkpoint inhibitor cardiotoxicity using machine learning: a systematic review of model performance and methodological quality 2026-May-26, Cardio-oncology (London, England) DOI:10.1186/s40959-026-00505-y PMID:42186096	系统综述	系统评估机器学习模型在预测免疫检查点抑制剂心脏毒性中的表现和方法学质量	首次系统评估基于机器学习的免疫检查点抑制剂心脏毒性预测模型，并使用PROBAST工具严格评价方法学质量	多数研究存在高偏倚风险，主要因小样本、验证不充分和缺失数据处理不明确	系统评估机器学习模型在预测免疫检查点抑制剂相关心脏毒性中的性能和方法学稳健性	接受免疫检查点抑制剂治疗的患者	机器学习	免疫检查点抑制剂相关心脏毒性	NA	XGBoost, 多模态深度学习, 神经网络, ECG-AI, 药物警戒驱动ML, 列线图	临床数据、心电图、药物警戒数据	23至4,282名患者	NA	XGBoost, 融合AI, 神经网络, ECG-AI, 时间序列神经网络, 列线图	AUC	NA
252	2026-07-29	Next-generation intelligent framework for pan evaporation prediction: introducing Chebyshev polynomial-based Kolmogorov-Arnold networks 2026-May-22, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-53769-w PMID:42173967	研究论文	提出基于切比雪夫多项式的Kolmogorov-Arnold网络用于预测澳大利亚两个站点的蒸发量，并与多种深度学习与机器学习方法比较	首次将切比雪夫多项式与Kolmogorov-Arnold网络结合应用于蒸发量预测，并利用SHAP和LIME解释模型输入的重要性	仅针对澳大利亚两个站点进行评估，泛化性需进一步验证	开发精确可靠的蒸发量预测模型，支持水文研究、农业发展和水资源管理	澳大利亚珀斯和悉尼两个站点的蒸发量时间序列	机器学习	NA	NA	Kolmogorov-Arnold网络（基于切比雪夫多项式）、LSTM、GRU、Transformer、CART、XGBoost	时间序列数据（蒸发量及相关气候要素）	两个澳大利亚站点（珀斯和悉尼）的蒸发量数据	NA	Chebyshev-KAN, LSTM, GRU, Transformer, CART, XGBoost	NA	NA
253	2026-07-29	Optimizing multi-label image annotation: a hybrid CNN-Transformer deep learning approach 2026-May-22, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-53310-z PMID:42173979	研究论文	提出一种混合CNN-Transformer框架ReSwinNet，用于优化多标签图像标注任务	创新地将ResNet-50的细粒度空间特征与Swin Transformer的层级自注意力机制结合，通过标记投影机制保留空间上下文信息，并提出基于频率的标签修剪策略减少标注噪声和类别不平衡	未明确提及，但可能对极端罕见标签处理能力有限	解决多标签图像标注中标签分布不平衡、语义共现和罕见噪声标注等挑战	多标签图像标注任务中的图像数据	计算机视觉	不适用	深度学习	CNN-Transformer混合模型	图像	两个基准数据集（Corel-5K和IAPRTC-12）	PyTorch	ResNet-50, Swin Transformer	宏平均F1分数（macro F1），平均精度均值（mAP）	NA
254	2026-07-29	A hybrid KF-GAIN framework for dynamic state estimation in islanded microgrids under missing PMU data and line impedance uncertainty 2026-May-22, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-51565-0 PMID:42174029	研究论文	提出一种混合KF-GAIN框架，用于岛屿微电网在缺失PMU数据和线路阻抗不确定条件下的动态状态估计	将卡尔曼滤波器与生成对抗插补网络结合，形成线性混合框架，能鲁棒地插补缺失数据同时保持原始数据统计特性，并通过提示机制引导生成器逼近真实数据分布	未提及具体局限性	解决岛屿微电网动态状态估计中电压源逆变器分布式发电单元时间常数相似带来的挑战，尤其在数据缺失和线路阻抗不确定条件下	岛屿微电网动态状态估计	机器学习	NA	蒙特卡洛仿真	Kalman Filter, GAN, Autoencoder, Variational Autoencoder	PMU测量数据	基于IEEE 33母线测试系统的仿真数据	Python, MATLAB/Simulink	生成对抗插补网络, 自编码器, 变分自编码器	插补误差, 估计误差百分比	NA
255	2026-07-29	Autonomous RCM-less endoscope control: integrating force-based pivoting with deep learning visual servoing 2026-May-22, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-54550-9 PMID:42174030	研究论文	提出一种结合基于力的枢轴和深度学习视觉伺服的无RCM内窥镜自主控制框架	摒弃固定远程运动中心（RCM）假设，首次集成卷积神经网络（CNN）驱动的视觉伺服与基于力的枢轴控制，实现自主器械跟踪同时最小化交互力	仅使用YOLOv11n一种检测模型且训练数据量有限（3,695帧），未在临床环境下验证	实现无需固定RCM的自主内窥镜控制，降低交互力并保持视觉稳定性	腹腔镜手术中的手术器械	计算机视觉	不适用	N/A	YOLOv11n（卷积神经网络）	图像	3,695个标注帧用于训练	PyTorch	YOLOv11n	精确率、平均精度（mAP）、帧率（FPS）、恢复时间、交互力	中央处理器（CPU）
256	2026-07-29	Automated orbital wall fracture detection and severity classification of ocular injuries using deep learning 2026-May-22, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-54114-x PMID:42174042	研究论文	利用深度学习模型从CT扫描中自动检测眼眶壁骨折并分类眼部损伤的严重程度	开发了两个CNN分类器分别用于骨折检测和损伤严重程度分类，并在真实临床数据集上验证了其相比于临床专家的性能优势	样本来自单一中心，SGI检测模型的准确率仅64%，特异性较低	评估深度学习模型在自动检测眼眶骨折和分类眼部损伤严重程度中的可行性，以辅助急诊临床决策	250只眼眶壁骨折眼睛的CT图像	计算机视觉	眼眶骨折，严重眼部损伤	CT成像	卷积神经网络 (CNN)	图像 (CT扫描)	250只眼睛，包含18,000张标注的CT切片	NA	U-Net (分割预处理), FxDetectCNN, SGIDetectCNN	准确率, 敏感度, 特异度	NA
257	2026-07-29	Synergistic fusion of a multilevel visual transformer in CNN for variable-length volumetric radiographic data analysis and content-based retrieval 2026-May-22, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-53594-1 PMID:42174102	研究论文	提出一种融合多级视觉Transformer与CNN的深度学习框架，用于可变长度三维放射影像数据分析与基于内容的检索	创新性地将轻量级多级视觉Transformer与CNN协同融合，通过独立提取和聚合二维切片空间特征并保持多级上下文信息，结合第二阶段的循环模块处理可变长度输入，仅利用单次标注完成完整三维体积分析	方法在三个公开放射影像库的组合上验证，但未在更多样化或临床真实数据集上测试，且循环模块处理极长序列时的计算效率可能受限	解决三维放射影像数据的可变长度分析挑战，提升自动化处理效率与检索性能	可变长度的三维放射影像体积数据	计算机视觉	NA	放射影像分析	视觉Transformer、卷积神经网络、循环模块	三维放射影像体积数据	三个公开放射影像库的复合数据集，具体样本量未说明	NA	轻量级多级视觉Transformer、CNN	准确率、F1分数、平均精确率、平均召回率	NA
258	2026-07-29	Reliable detection of focal onset impaired awareness seizures in patients with epilepsy using wearable ECG: Development and validation study 2026-May-15, Computer methods and programs in biomedicine IF:4.9Q1 DOI:10.1016/j.cmpb.2026.109295 PMID:41764784	研究论文	开发并验证一种利用可穿戴心电图设备自动数据质量评估的局灶性意识障碍癫痫发作检测算法	首次将自动数据质量评估集成到基于可穿戴心电图的癫痫发作检测算法中，并探索个体间自主神经发作特征的差异性以识别潜在应答者	仅有38名患者的数据符合自动数据质量评估质量标准，样本量相对较小；算法在假阳性率方面仍有改进空间	开发并评估基于可穿戴心电图设备的局灶性意识障碍癫痫发作检测算法及其自动数据质量评估的性能与可行性	236名接受视频脑电图监测至少24小时的各年龄段癫痫患者	机器学习	癫痫	心电图	深度学习模型	时间序列数据	236名患者，其中49名经历过至少一次局灶性意识障碍发作，最终38名患者（161次发作）的数据符合质量标准	NA	NA	灵敏度、24小时假警报率、阳性预测值、F1分数	NA
259	2026-05-31	KRASG12V/A146T mutations are associated with nCRT resistance via enhanced DNA double-strand break repair and support a deep learning prediction framework in LARC 2026-May-28, Cellular & molecular biology letters IF:9.2Q1 DOI:10.1186/s11658-026-00947-3 PMID:42210090	研究论文	鉴定KRAS G12V/A146T突变与局部晚期直肠癌新辅助放化疗耐药相关并构建多模态深度学习预测框架	首次将KRAS G12V/A146T突变与DNA双链断裂修复增强及nCRT耐药相关联，并开发整合基因组与病理全切片图像的多模态深度学习融合模型	单中心回顾性研究，突变携带者数量有限，无法进行多变量校正，模型需在更大规模多中心前瞻性队列中验证	识别与nCRT反应相关的分子事件并开发治疗前预测框架	局部晚期直肠癌（LARC）患者	数字病理学, 机器学习	直肠癌	全外显子测序（WES）, 多组学分析, 功能性实验（细胞系与小鼠模型）	多模态深度学习融合模型	全外显子测序数据, 组织病理全切片图像（WSI）	89例患者（67例最初测序+22例已发表数据），106张WSI	PyTorch	弱监督多模态融合框架	AUC	NA
260	2026-03-13	Autoencoder-driven stride length estimation for individuals with Parkinson's disease using inertial measurement unit-embedded footwear 2026-05, Gait & posture IF:2.2Q2 DOI:10.1016/j.gaitpost.2026.110126 PMID:41687573	研究论文	本研究开发了一种基于自编码器的深度学习模型，用于预测帕金森病患者的步长，使用鞋内嵌入的惯性测量单元数据	该模型无需显式步态分割即可估计步长，提高了对步态受损人群的适用性，并展示了在时间偏移下的鲁棒性	研究样本量较小（仅10名帕金森病患者），可能限制模型的泛化能力	开发一种无需显式步态分割的步长估计方法，以支持帕金森病患者的步态监测和疾病进展评估	帕金森病患者的步态数据	机器学习	帕金森病	惯性测量单元（IMU）数据采集	自编码器, 全连接回归网络	时间序列数据（三轴加速度和角速度）	10名帕金森病患者	NA	自编码器, 全连接回归网络	R², 一致性界限	NA