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
361	2026-07-01	An intelligent lung nodule classification model using 3D Trans-DenseUnet++-based lung nodule segmentation 2026-May-14, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-49895-0 PMID:42128891	研究论文	提出一种基于3D Trans-DenseUnet++分割和自适应DenseNet结合LSTM分类的肺结节智能分类模型	结合3D Trans-DenseUnet++分割网络和ADNet-LSTM分类模型，并引入基于强化适应度的红尾鹰算法优化参数	现有数据集仅包含有限CT图像，存在结节与非结节样本不平衡问题，可能影响模型泛化性	通过深度学习策略提升肺癌早期检测中肺结节分类的准确性和可靠性	肺结节CT图像中的恶性与良性结节	计算机视觉, 数字病理学	肺癌	NA	3D Trans-DenseUnet++, 自适应DenseNet, LSTM, 红尾鹰算法	图像	来自公开数据集的肺结节CT图像，具体数量未提及	NA	3D Trans-DenseUnet++, ADNet-LSTM	准确率	NA
362	2026-07-01	A Novel Acetylcholine Nanosensor for Single Vesicle Storage and Sub-Quantal Exocytosis in Living Neurons and Organoids 2026-05-11, Angewandte Chemie (International ed. in English) DOI:10.1002/anie.202520854 PMID:41518282	研究论文	开发了一种基于TiCT MXene/酶功能化的纳米传感器，用于实时监测活体神经元和类器官中乙酰胆碱的囊泡存储与亚量子释放动态	首次实现了在活体细胞和类器官水平上对乙酰胆碱单个囊泡存储和亚量子释放的实时定量分析，并结合1D-CNN深度学习模型对单囊泡胞吐模式进行分类	研究未提及传感器对其他神经递质的选择性验证，且类器官模型的生理相关性有限	建立一种在单细胞水平上定量分析乙酰胆碱囊泡存储和释放动态的技术，以揭示胆碱能突触可塑性的机制	小鼠原代胆碱能神经元和人脊髓类器官	生物传感器, 深度学习, 神经科学	唐氏综合征	纳米传感器 (TiCT MXene/酶功能化), 单囊泡电化学检测	1D-CNN	电化学信号（电流峰值曲线）	小鼠原代胆碱能神经元和人脊髓类器官（具体数量未说明）	NA	1D-CNN	NA	NA
363	2026-07-01	ConforFold recovers alternative protein conformations beyond MSA subsampling 2026-May, Protein science : a publication of the Protein Society IF:4.5Q1 DOI:10.1002/pro.70564 PMID:41954434	研究论文	提出ConforPSSP和ConforFold框架，将二级结构采样集成到基于深度学习的预测中，用于恢复多种蛋白质构象状态	通过显式整合二级结构信息，恢复MSA子采样或扩散模型无法获取的构象，在构象恢复上达到最先进性能	NA	开发能够系统采样蛋白质结构集合并恢复多种构象状态的方法	具有两种替代构象的蛋白质样本	机器学习	NA	NA	Transformer, OpenFold	蛋白质序列	测试数据集包含具有两种替代构象的蛋白质样本	PyTorch	Transformer, OpenFold	TM-score	NA
364	2026-07-01	Prediction of Lobar Emphysema Progression with a CT-Based Foundational Model 2026-May, Radiology IF:12.1Q1 DOI:10.1148/radiol.252958 PMID:42188737	研究论文	利用CT扫描开发并评估深度学习预后模型，预测慢性阻塞性肺疾病患者的肺叶密度下降和肺气肿进展	首次提出基于CT的基础模型，结合全局注意力机制预测肺叶特异性密度变化，量化肺气肿进展的空间异质性	NA	开发和评估深度学习预后模型，用于预测慢性阻塞性肺疾病患者的肺叶密度下降和肺气肿进展	5823名有或没有慢性阻塞性肺疾病的参与者	计算机视觉	慢性阻塞性肺疾病	CT成像	基础模型，注意力机制	图像	5823名参与者（平均年龄60岁，3003名男性）	PyTorch	基础模型，全局注意力机制	均方根误差，皮尔逊相关系数，受试者工作特征曲线下面积	NA
365	2026-07-01	Artificial intelligence in atrial fibrillation - Timely diagnosis, risk assessment and personalized management 2026 May-Jun, Indian pacing and electrophysiology journal DOI:10.1016/j.ipej.2026.01.011 PMID:41611206	综述	总结人工智能在心房颤动诊疗中的应用，涵盖早期检测、风险评估和个性化管理	系统性回顾了人工智能在心房颤动管理中的三个关键领域（AI增强心电图、个性化风险分层、消融规划），突出了机器学习在临床整合中的变革潜力	临床实施仍处于初级阶段，需要大规模验证、临床监督和监管指导以确保安全有效整合	探讨人工智能如何改善心房颤动的及时诊断、风险分层和个性化治疗	心房颤动患者及其相关并发症（如卒中、心力衰竭）	机器学习, 数字病理学	心血管疾病	心电图, 光电容积描记术	CNN, LSTM	信号数据, 影像数据, 临床数据	NA	NA	NA	NA	NA
366	2026-07-01	Associations of MRI-derived Paraspinal IMAT and LMM with Cardiometabolic Risk Factors: Results from a German Cohort 2026-May, Radiology IF:12.1Q1 DOI:10.1148/radiol.251347 PMID:42084514	研究论文	基于德国队列研究，探讨MRI测量的椎旁肌间脂肪组织和瘦肌肉量与心血管代谢危险因素的关联	首次在大型无已知基础疾病人群（11348名参与者）中，独立评估椎旁肌间脂肪组织和瘦肌肉量与心血管代谢风险因素的独立及联合关联，并采用深度学习模型进行肌肉分割	NA	评估无既往疾病个体中肌间脂肪组织和瘦肌肉量与心血管代谢危险因素的关联	德国全国队列参与者中11348名无已知基础疾病的个体	机器学习, 数字影像	心血管疾病, 高血压, 血脂异常, 血糖异常	MRI 3-T	深度学习模型	医学影像	11348名参与者（其中6460名男性，占56.9%；中位年龄43.0岁）	NA	NA	比值比, 置信区间	NA
367	2026-07-01	Evaluating the Diagnostic Performance of AI and Machine Learning in Sickle Cell Disease Detection: A Systematic Review 2026-May, Cureus DOI:10.7759/cureus.109880 PMID:42371462	系统评价	系统评价人工智能和机器学习在镰状细胞病检测中的诊断性能	首次系统性评估AI/ML模型在SCD诊断和预测中的表现及方法学质量	多数研究仍处于概念验证阶段，依赖内部验证，缺乏标准化报告，无法进行荟萃分析	评估AI/ML模型在SCD检测中的诊断和预测性能及其临床实施准备度	镰状细胞病患者的血液涂片图像、分类数据和预后数据	机器学习	镰状细胞病	NA	深度学习、集成方法、预后模型	图像、文本数据	17项研究	NA	深度学习模型、集成分类器	准确率、AUC-ROC、C指数	NA
368	2026-06-30	Innovative Hybrid CNN-Transformer Deep Learning Models For The Automated Diagnosis Of Monkeypox From Medical Images 2026-May-29, Journal of visualized experiments : JoVE DOI:10.3791/70533 PMID:42296060	研究论文	提出一种混合卷积神经网络-Transformer深度学习模型，用于从医学图像中自动诊断猴痘	将卷积神经网络和基于Transformer的特征编码器集成到一个混合深度学习模型中，在统一实验流程中自动分类猴痘图像，并与多种基线模型进行系统比较	InceptionV3出现过拟合现象，ResNetV2未提供足够的验证数据以支持稳健的泛化测试；混合模型并不必然优于所有基线模型	验证混合深度学习模型能否自动分类猴痘医学图像	猴痘与非猴痘皮肤病变图像	计算机视觉	猴痘	医学图像分析	混合卷积神经网络-Transformer模型	图像	2280张图像（1020张猴痘病变图像和1260张非猴痘病变图像）	NA	自定义Sequential CNN, InceptionV3, ResNetV2, ResNet50, DenseNet121, 混合CNN-Transformer架构	准确率, 损失, 精确率, 召回率, F1分数, AUC	NA
369	2026-06-30	Endoscopy-Based Deep Learning Algorithms vs Endoscopists in Early Esophageal Squamous Cell Carcinoma Detection: A Systematic Review and Meta-Analysis 2026-May-26, The American journal of gastroenterology DOI:10.14309/ajg.0000000000004067 PMID:42189588	系统评价与荟萃分析	系统评价内镜深度学习算法与不同经验内镜医师在早期食管鳞状细胞癌检测中的诊断性能	首次进行系统评价和荟萃分析比较内镜深度学习算法与不同经验内镜医师在早期食管鳞状细胞癌检测中的诊断性能	当前证据未显示深度学习超越高年内镜医师，需在不同人群中开展前瞻性多中心研究	比较内镜深度学习算法与不同经验内镜医师在早期食管鳞状细胞癌检测中的诊断性能	内镜深度学习算法和内镜医师（初级和高级）	计算机视觉	食管鳞状细胞癌	内镜成像（白光内镜、图像增强内镜）	深度学习模型	内镜图像	14项研究	NA	NA	灵敏度、特异度、曲线下面积、诊断优势比	NA
370	2026-06-30	Perioperative hypoxaemia early warning based on high-frequency waveform fusion and deep learning 2026-05-19, Physiological measurement IF:2.3Q3 DOI:10.1088/1361-6579/ae669f PMID:42055016	研究论文	本研究利用高频波形数据和深度学习构建围手术期低氧血症早期预警模型，以提高预测准确性和鲁棒性	首次将Gramian Angular Summation Field和四象限矩阵方法应用于波形数据转换，构建图像数据集；证明单模态波形模型可满足临床预测需求，同时降低计算成本	未明确提及局限性，但可能包括数据来源单一（仅VitalDB数据库）、预测窗口范围有限（1-13分钟）等	构建基于高频波形数据和深度学习的低氧血症预测模型，克服传统结构参数模型的不足	围手术期患者	机器学习	低氧血症	波形数据提取（呼吸、血氧、心电图波形）	LSTM	波形数据（数值型与图像型）	NA	NA	LSTM	准确率（0.932）、AUC（0.953）、最大AUC方差（0.067）	NA
371	2026-06-30	Deep learning based automated assessment of end-inspiratory pause maneuver reliability in invasive mechanical ventilation 2026-05-15, Physiological measurement IF:2.3Q3 DOI:10.1088/1361-6579/ae5e16 PMID:41962572	研究论文	该研究开发了一个基于深度学习的自动化框架，用于评估有创机械通气中吸气末暂停操作（EIPM）的可靠性	首次提出利用一维卷积神经网络（1DCNN）从压力、流量和容积波形中自动区分可靠EIPM、不可靠EIPM和非EIPM事件，并进一步基于保持时间进行精细分类	NA	开发自动化工具对机械通气中手动吸气末暂停操作的可靠性进行客观评估和质量控制	机械通气患者的压力、流量和容积波形数据	机器学习	NA	NA	一维卷积神经网络（1DCNN）	时间序列波形数据（压力、流量、容积）	NA	NA	1DCNN	F1分数	NA
372	2026-06-30	A teacher-student deep learning framework for enhanced clinical screening of heart failure from 12-lead electrocardiograms 2026-05-13, Physiological measurement IF:2.3Q3 DOI:10.1088/1361-6579/ae6750 PMID:42061969	研究论文	提出一种基于教师-学生深度学习框架CTTSnet，用于从12导联心电图自动筛查心力衰竭	创新性地提出教师（Transformer）-学生（CNN）协同框架，融合全局上下文感知与局部特征提取	未提及模型在真实临床部署中的计算效率及对不同心电采集设备的鲁棒性限制	开发基于深度学习的临床决策支持系统，实现心力衰竭的自动化准确筛查	12导联心电图记录	深度学习	心力衰竭	心电图	教师-学生网络	图像	27,018份心电图（临床数据集）及两个外部公共验证集	NA	Transformer, CNN	AUROC, 准确率, 召回率, 特异性	NA
373	2026-06-30	A multimodal fusion network for heart sound abnormality detection and classification 2026-05-07, Physiological measurement IF:2.3Q3 DOI:10.1088/1361-6579/ae6415 PMID:42025197	研究论文	本研究提出了一种端到端的多模态深度学习框架HS-MMNet，用于直接从原始心音录音中进行心脏异常检测与分类	创新点包括：端到端架构无需心脏周期分割和多通道要求；多假设交叉注意力模块实现跨模态有效融合；在PhysioNet/CinC Challenge 2016和Yaseen数据集上达到新的最优性能	NA	开发无需心脏周期分割的端到端深度学习框架，用于心音异常检测与分类	心音录音数据	机器学习	心血管疾病	心音信号处理	多模态深度学习	音频信号	PhysioNet/CinC Challenge 2016数据集和Yaseen五分类数据集（1000条录音）	PyTorch	卷积神经网络（含多空洞空间金字塔和通道-空间注意力）、Transformer	准确率、灵敏度、特异性、精确率、F1分数	NA
374	2026-06-30	Hybrid Vi+ECNN framework for advanced ADHD diagnostic accuracy in medical imaging 2026-May-02, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-50791-w PMID:42069836	研究论文	开发了一个结合视觉Transformer和增强卷积神经网络的混合深度学习框架，用于提高儿童脑部MRI中ADHD的诊断准确性	首次将视觉Transformer与增强卷积神经网络集成到多流预处理策略中，结合原始MRI、相位谱变换和分位数直方图均衡化去噪表示，捕获互补的全局和局部神经解剖特征	NA	开发客观、自动化的ADHD诊断工具，提高基于脑部MRI的分类准确性	儿童脑部MRI图像中的ADHD相关神经解剖特征	计算机视觉, 数字病理学	注意缺陷多动障碍	MRI	视觉Transformer, 增强卷积神经网络	图像	分层儿童MRI数据集	PyTorch	视觉Transformer, 增强卷积神经网络	准确率, 精确率, 召回率, F1分数	NA
375	2026-06-30	Leakage-Safe ITS1 Identification of Fasciola hepatica and Fasciola gigantica with Reverse-Complement-Invariant CNN Inference 2026-May-02, Acta parasitologica IF:1.2Q2 DOI:10.1007/s11686-026-01295-0 PMID:42068429	研究论文	开发了一种防泄漏的ITS1种类识别流程，用于准确区分肝片吸虫和巨大片吸虫	提出了ITSformer-RC，一种紧凑的反向互补不变的一维卷积神经网络，并结合轻量级集成方法，同时引入了簇感知的数据分割策略以防止相似性泄漏	仅在小型公共数据集上进行内部验证，需要跨地理区域、时间段和实验室的外部验证才能用于现场部署	开发可靠、防泄漏且面向决策的ITS1种类识别流程，用于区分肝片吸虫和巨大片吸虫	肝片吸虫和巨大片吸虫的ITS1序列	机器学习	片吸虫病	ITS1测序	一维卷积神经网络	DNA序列	527条GenBank ITS1序列，其中78条用于测试集	PyTorch	ITSformer-RC	准确率, ROC-AUC, 平均精度, 校准误差, 负对数似然, AURC	NA
376	2026-06-30	Psychological resilience as a selective perceptual amplifier in post-crisis learning: a dual-pathway model of academic motivation, perceived school support, and cognitive engagement - a multi-country study based on PISA 2022 2026-May-01, BMC psychology IF:2.7Q1 DOI:10.1186/s40359-026-04665-5 PMID:42067959	research paper	本研究基于PISA 2022数据，探讨后疫情时代学生心理韧性作为选择性知觉放大器在学术动机、感知学校支持与认知投入关系中的作用	提出心理韧性作为“选择性知觉放大器”的双路径模型，揭示其仅强化动机-感知支持路径而非其他路径的独特机制	未报告具体限制信息，可能包括横截面设计无法推断因果关系、自我报告数据偏差等	阐明学术动机和感知学校支持如何转化为认知投入策略，并识别调节此转化过程的因素	来自80个国家/地区的574,514名PISA 2022参与者	machine learning	NA	NA	结构方程模型	调查问卷数据	574,514名学生	R, Mplus	结构方程模型	β系数、p值、95%置信区间	NA
377	2026-06-30	Noisy probing dose facilitated dose prediction for pencil beam scanning proton therapy: Physics enhances generalizability 2026-May, Medical physics IF:3.2Q1 DOI:10.1002/mp.70509 PMID:42192246	研究论文	提出一种含噪探测剂量方法，用于质子笔束扫描治疗中的剂量预测，通过融入物理信息提升泛化能力	将物理信息嵌入深度学习模型，通过快速生成低统计量探测剂量图，提高对罕见临床病例的泛化能力	未见明确局限性描述	设计一种物理感知且泛化能力强的人工智能质子笔束扫描剂量预测方法，以有效处理前瞻性临床病例	前列腺癌和肺癌患者的质子治疗计划	医学影像分析	前列腺癌, 肺癌	质子治疗剂量计算, 深度学习方法	卷积神经网络	CT图像, 结构集, 剂量分布	103例前列腺癌患者（93训练，10测试）和78例肺癌患者（68训练，10测试），另加12例异常病例测试	未指定	未指定	剂量体积直方图指标, 3D Gamma通过率, Dice系数	GPU支持，所有测试病例剂量预测时间在0.3秒内
378	2026-06-30	Replication of the Association between Retinal Aging Clock Susceptibility Genes and Retinal Age Gap in an Asian Population: The Nagahama Study 2026-May, Ophthalmology science IF:3.2Q1 DOI:10.1016/j.xops.2026.101131 PMID:41958711	研究论文	在亚洲人群中验证视网膜衰老时钟易感基因与视网膜年龄差的相关性	首次在东亚人群中验证视网膜衰老时钟遗传关联的跨种族一致性	仅测试了13个候选变异中的7个，样本量有限，需更大规模的跨种族荟萃分析与功能后续研究	验证视网膜衰老时钟相关遗传变异在东亚人群中的关联性	日本长滨研究参与者的彩色眼底照片与全基因组基因型数据	计算机视觉	视网膜衰老	眼底照相	深度学习	图像	长滨研究中参加两次访问且具有可分级眼底照片和全基因组基因型数据的个体	NA	预训练深度学习模型微调	平均绝对误差	NA
379	2026-06-29	A novel hybrid segmentation method coupled with deep learning for coronary artery extraction from coronary CT angiography 2026-May, The international journal of cardiovascular imaging DOI:10.1007/s10554-026-03643-7 PMID:41746482	研究论文	提出一种结合深度学习与图像处理滤波器的混合方法，用于从冠状动脉CT血管成像中自动提取冠状动脉	创新性地将深度学习与独特的数学图像处理滤波器集成，并利用强度梯度开发轮廓检测算法，显著提升了分割性能	未明确提及局限性	实现从CCTA图像中准确、稳健且自动的冠状动脉分割，以辅助冠状动脉疾病的临床诊断	84名患者的内部验证集和40名患者的外部公开数据集中的CCTA扫描图像	计算机视觉	冠状动脉疾病	CCTA	深度学习与图像处理混合模型	医学图像	84名患者（内部验证集）和40名患者（外部公开数据集）	NA	轮廓检测算法	Dice系数（Dice score）	NA
380	2026-06-29	DTCR-U-Net: a dual-task consistency and multi-scale adaptive attention framework for pneumonia lesion segmentation 2026-May, Medical & biological engineering & computing IF:2.6Q3 DOI:10.1007/s11517-026-03537-9 PMID:41803602	研究论文	提出一种名为DTCR-U-Net的双任务一致性和多尺度自适应注意力框架，用于肺炎病灶分割	创新点包括双任务一致性正则化架构、多尺度自适应注意力机制、通道上下文增强模块和多尺度全局空间模块、多尺度跳跃连接方案以及半监督学习范式	未明确提及，但可能包括对特定数据集的依赖性及计算资源需求	解决深度学习在肺炎CT病灶分割中长程依赖建模、多尺度特征整合和有限标注数据的问题	肺炎病灶	计算机视觉, 数字病理学	肺炎	CT成像	卷积神经网络（CNN）	CT图像	使用MosMedData + LIDC-IDRI、COVID-19-CT-Seg和CC-CCII数据集	NA	U-Net	Dice系数, F1分数, 灵敏度, 特异性, 准确率, Hausdorff距离	NA