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	2026-08-19	Prognostic value of CT-derived fractional flow reserve for major adverse cardiovascular events in patients with suspected or known coronary artery disease: a systematic review and meta-analysis 2026-May-20, Open heart IF:2.8Q2 DOI:10.1136/openhrt-2026-003979 PMID:42161421	meta-analysis	系统综述和荟萃分析，评估CT来源的冠脉血流储备分数（FFR-CT）异常对于疑似或已知冠状动脉疾病患者主要不良心血管事件（MACE）的预后价值	更新了2022年Nørgaard等人的荟萃分析，纳入研究数量增加四倍，并首次通过亚组分析验证了FFR-CT预后价值在不同技术（包括HeartFlow、机器学习和深度学习算法）间的稳定性	存在显著的异质性（I²=79.9%），修剪-填充分析提示可能存在发表偏倚，且GRADE证据确定性仅为中等	量化异常FFR-CT（≤0.80）与疑似或已知冠状动脉疾病患者发生MACE风险之间的关联，并更新现有证据	疑似或已知冠状动脉疾病的患者	数字病理学	冠状动脉疾病	CT衍生的血流储备分数（FFR-CT）	NA	预后研究数据	22项研究，共20067名患者	NA	NA	风险比（HR）、置信区间（CI）、异质性（I²）、p值	NA
142	2026-08-19	Machine Learning and Deep Learning Models for Predicting Future Falls in Community-Dwelling Older Adults: Systematic Review and Meta-Analysis of Longitudinal Evidence 2026-May-14, Journal of medical Internet research IF:5.8Q1 DOI:10.2196/84844 PMID:42133917	系统综述和Meta分析	本文系统回顾并Meta分析了机器学习与深度学习模型在社区老年人未来跌倒风险预测中的表现，发现合并AUC为0.79，但存在高偏倚风险和极大的异质性。	聚焦于社区居住老年人未来跌倒预测，而非实时检测或院内跌倒，并整合PROBAST、Hartung-Knapp-Sidik-Jonkman随机效应模型、预测区间和模态特异性综合来评估判别力和不确定性。	多数模型仅内部验证，外部验证不足，所有模型均被评为高偏倚风险，校准报告稀疏，且特定人群亚组仅含2项研究，合并AUC受研究特定条件限制。	评估机器学习与深度学习模型在预测社区老年人未来跌倒风险中的表现及不确定性。	社区居住的年龄≥60岁的老年人。	机器学习	跌倒风险（老年疾病）	NA	机器学习模型和深度学习模型	文本、传感器、图像和多模态数据	28项研究，跌倒发生率从1.6%到46.6%不等	NA	NA	曲线下面积（AUC）、异质性（τ²、I²、Q统计量）、预测区间	NA
143	2026-08-19	Transformers for single-cell RNA sequencing: a survey 2026-May-04, Briefings in bioinformatics IF:6.8Q1 DOI:10.1093/bib/bbag332 PMID:42366620	综述	本文对Transformer在单细胞RNA测序中的应用进行了全面综述，系统分析了针对特定任务和解决多下游任务的基础模型，并探讨了性能、计算效率、可解释性和可扩展性等维度	首次系统性地综述Transformer在scRNA-seq中的应用，不仅涵盖任务特定模型，还包括基础模型，并从多个角度评估模型	未提及具体局限性，但综述可能受限于当前文献覆盖范围	全面概述Transformer在单细胞RNA测序中的应用，分析模型构建和能力，并指出未来研究方向	Transformer模型在单细胞RNA测序数据分析中的应用	机器学习	NA	单细胞RNA测序	Transformer	单细胞RNA测序数据	NA	NA	Transformer	性能、计算效率、可解释性、可扩展性	NA
144	2026-08-19	Toward real-time autonomous navigation: transformer-based catheter tip tracking in fluoroscopy 2026-May, International journal of computer assisted radiology and surgery IF:2.3Q2 DOI:10.1007/s11548-026-03647-7 PMID:42043651	研究论文	本文提出并评估了一种基于Transformer的实时导管尖端跟踪流水线，用于透视图像中的机械取栓自主导航	设计了一个多线程实时跟踪流水线，整合预处理、推理和后处理，并对比了U-Net、U-Net+Transformer和SegFormer模型，在分割基准上超越了现有最先进的CathAction结果	未在论文标题和摘要中明确说明局限性	开发并评估在透视下实时导管尖端跟踪方法，以支持基于强化学习的机器人自主导航进行机械取栓	导管尖端在透视视频中的跟踪	计算机视觉	中风	透视成像	深度学习分割模型（U-Net、U-Net+Transformer、SegFormer）	透视视频图像	手动标注的中等复杂度透视视频数据，具体数量未在标题和摘要中说明	未在标题和摘要中明确说明	U-Net, U-Net+Transformer, SegFormer	平均绝对误差, Dice分数	未在标题和摘要中明确说明
145	2026-08-18	An image dataset of Chinese hickory in natural orchards 2026-May-08, Scientific data IF:5.8Q1 DOI:10.1038/s41597-026-07407-9 PMID:42103770	研究论文	本文介绍了中国山核桃自然果园图像数据集CaryaData，包含果实成熟度标注，并验证了其用于深度学习成熟度评估的可行性	提供了一个针对中国山核桃果实成熟度的自然果园图像数据集，包含严格的质控流程、双盲交叉验证标注及物理 detachment 力验证	摘要未明确提及局限性	支持中国山核桃果园的成熟度评估、产量估计和智能采摘研究	中国山核桃果实	计算机视觉	不适用	图像采集	深度学习模型（未具体指定）	图像	1,661幅树冠图像，含3,211个果实实例	未指定	未指定	未指定	未指定
146	2026-08-18	Macro Habitat-Based T2-Weighted MRI Radiomics and Deep Learning Fusion for Predicting Treatment Response and Prognosis After Neoadjuvant Chemoradiotherapy in Locally Advanced Rectal Cancer 2026-May, Cancer medicine IF:2.9Q2 DOI:10.1002/cam4.71773 PMID:42071310	研究论文	本研究基于宏观生境MRI影像组学与深度学习融合模型，预测局部晚期直肠癌新辅助放化疗后的治疗反应和预后	首次将肿瘤内和肿瘤周围宏观生境结合，融合影像组学与3D深度学习特征，用于预测LARC患者对NACRT的反应，并以外部验证队列验证其鲁棒性	摘要未明确提及局限性	开发并验证一种基于治疗前T2加权MRI的非侵入性、可解释的生物标志物，用于预测局部晚期直肠癌新辅助放化疗的治疗反应和预后	434名II-III期局部晚期直肠癌患者，来自三个三级医院的多中心回顾性队列	影像组学、深度学习	局部晚期直肠癌	T2加权MRI	机器学习分类器（支持向量机、逻辑回归、多层感知机）	磁共振图像	434名II-III期LARC患者	NA	3D深度学习特征提取架构（具体未指定），K-means聚类，LASSO选择	AUC、ROC分析、决策曲线分析、Kaplan-Meier分析（PFS）	NA
147	2026-08-17	Cataract-LMM Large-Scale Multi-Source Multi-Task Benchmark for Deep Learning in Surgical Video Analysis 2026-May-23, Scientific data IF:5.8Q1 DOI:10.1038/s41597-026-07464-0 PMID:42173959	研究论文	本文介绍了一个大规模多源多任务白内障手术视频基准数据集，并评估了深度学习模型在手术视频分析中的性能	提供了多源采集、四层标注（手术阶段、实例分割、器械组织交互、技能评分）和配对技能-运动学标签的白内障手术视频数据集，并建立了跨中心的领域适应基线	未提及具体限制，可能包括数据集的规模和多样性仍有限	开发可泛化的多任务模型，用于手术流程分析、场景理解和基于能力的培训研究	白内障超声乳化手术视频	计算机视觉、数字病理学	白内障	视频分析	深度学习模型	视频	3,000个白内障超声乳化手术视频，来自两个手术中心，由不同专业水平的 surgeons 采集	NA	NA	未明确提及，可能包括准确率、召回率、F1分数、Dice系数等	NA
148	2026-08-17	Simultaneous partial volume correction and denoising of brain PET images, using transformers and transfer learning 2026-May-22, EJNMMI research IF:3.1Q1 DOI:10.1186/s13550-026-01448-2 PMID:42171947	研究论文	本研究提出了一种基于Transformer和U-Net架构的深度学习部分体积校正方法，可同时去噪和校正脑PET图像的部分体积效应，适用于低剂量或短时间采集的临床和体模数据。	创新性地结合Transformer和U-Net架构，通过迁移学习策略融合体模和临床数据，实现了同时去噪和部分体积校正，且推理时仅需PET输入，无需MRI。	摘要中未明确提及研究的局限性。	评估深度学习模型能否从低计数或非部分体积校正的脑PET图像生成全计数、部分体积校正的图像，以提高图像质量和定量准确性。	脑PET图像，包括临床和体模数据集，使用18F-FDG和18F-Florbetapir示踪剂。	数字病理学	神经退行性疾病	PET成像	Transformer	图像	未明确说明样本数量	NA	Swin UNETR	结构相似性指数, 峰值信噪比, 相对均方根误差	NA
149	2026-08-17	Artificial Intelligence as the Ultimate Operative Assistant 2026-May, Clinics in colon and rectal surgery IF:1.2Q3 DOI:10.1055/a-2769-1318 PMID:41948160	综述	本文综述了人工智能在手术领域中的应用，涵盖术前规划、术中辅助和术后管理等方面，并探讨了其发展前景和挑战	全面概述了AI在手术全流程中的应用，包括术前风险分层、解剖分割、术中阶段识别、增强现实叠加和实时决策支持，并展望了全自主手术机器人的可能性	未提供具体实验结果，对挑战的讨论较为宏观，缺乏深入的技术细节或案例研究	概述现代AI技术在手术中的应用现状、潜在影响及面临的挑战	手术流程中的AI应用，包括术前、术中和术后环节	机器学习、计算机视觉、自然语言处理	NA	NA	机器学习、深度学习模型（未指定具体类型）	图像、文本、视频等医学数据	NA	NA	NA	NA	NA
150	2026-08-16	Enhancing esophageal cancer detection using a deep learning framework and a novel spectrum-aided vision enhancer for virtual narrow band imaging 2026-May-20, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-52501-y PMID:42162031	研究论文	提出一种名为频谱辅助视觉增强器（SAVE）的图像处理算法，将白光内镜图像转换为类似窄带成像的图像，结合深度学习模型提升食管癌检测性能。	创新性地利用高光谱数据原理提出SAVE算法，无需额外硬件即可增强黏膜对比度，提高病变可见性，并集成多种深度学习模型用于分类和检测。	未提及	开发一种经济高效、软件驱动的计算机辅助诊断系统，以提高食管癌早期检测的准确性。	食管鳞状细胞癌和异型增生病变的内镜图像。	计算机视觉、数字病理、医学图像分析	食管癌	高光谱图像处理、内镜图像增强	YOLOv8、InceptionV3、Inception-ResNet-V2、ConvNeXt-V2、MobileNetV2	内镜图像	未提及具体样本数量	未提及	YOLOv8、InceptionV3、Inception-ResNet-V2、ConvNeXt-V2、MobileNetV2	分类准确率、检测性能（具体指标未提及）	未提及
151	2026-08-16	Transformer based breast cancer classification from histopathological images using sequential residual recurrent multiscale attention network 2026-May-05, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-51422-0 PMID:42086722	研究论文	提出了一种基于Transformer的乳腺癌组织病理图像分类框架BrCTransNet，集成了自适应高斯双边滤波、多尺度注意力特征提取和优化Transformer分类器	首次将自适应高斯双边滤波、顺序残差循环多尺度注意力网络和极化自注意力Transformer结合，并使用切比雪夫海星优化算法进行超参数调优	未提及外部数据集验证及计算资源需求	提高乳腺癌组织病理图像分类的准确性和鲁棒性	乳腺癌组织病理图像	数字病理学	乳腺癌	NA	Transformer	图像	乳腺癌组织病理图像数据集（具体数量未提及）	NA	S2RMANet, OPATransNet	准确率, 召回率, F1分数, 特异性, 均方误差	NA
152	2026-08-16	Quantum computing applications in drug discovery 2026-May-04, Briefings in bioinformatics IF:6.8Q1 DOI:10.1093/bib/bbag274 PMID:42218713	综述	本文探讨了量子计算在药物发现早期阶段，包括基于深度学习的虚拟筛选、基于分子对接的虚拟筛选以及分子动力学三个计算策略中的应用，并强调了在嘈杂中等尺度量子（NISQ）约束下的模块化协同处理角色	提出量子计算在药物发现中的实际作用不是完全替代经典流程，而是作为决策敏感子程序的模块化协同处理器，并给出了各场景下量子模块插入的具体位置，以及评估进展的关键标准	未提供具体的实验数据或性能比较，仅作理论探讨	分析量子计算在药物发现早期阶段的应用可能性和挑战，并给出近期评估标准	量子计算在药物发现中的应用场景，包括深度学习虚拟筛选、分子对接筛选和分子动力学	量子计算、药物发现	不适用	量子计算	深度生成模型、预测模型	不适用	不适用	不适用	不适用	可重复性、与决策相关的增益、运行时间、资源消耗	嘈杂中等尺度量子（NISQ）设备
153	2026-08-16	A hypergraph-based model for tumor prognosis using local and global information fusion on H&E-stained histology images 2026-05, Medical image analysis IF:10.7Q1 DOI:10.1016/j.media.2026.103991 PMID:41702177	研究论文	提出了一种基于超图的肿瘤预后模型，通过融合H&E染色组织学图像的局部和全局信息来提高预后预测性能	提出了HeMiCoRe模型，首次将超图神经网络应用于多癌种预后预测，并整合了聚类受限的局部特征和跨聚类的全局表示	未明确提及局限性，但可能包括对多中心数据集的泛化能力仍需进一步验证	利用组织学图像有效建模幻灯片级上下文信息，提高肿瘤预后预测的准确性和泛化性	来自10种癌症类型的5196张H&E染色幻灯片	数字病理学	多种癌症（未具体列出，但涉及10种癌症类型）	H&E染色组织学成像	超图神经网络	组织学图像	5196张H&E染色幻灯片，覆盖10种癌症类型	PyTorch	超图神经网络（HeMiCoRe）	C-index	NA
154	2026-08-15	[Modern Methods of Molecular Modeling of Aptamers] 2026 May-Jun, Molekuliarnaia biologiia DOI:10.7868/S3034555326030019 PMID:42599228	综述	本文系统综述了适配体分子建模的现代方法，包括SELEX技术及其修饰、计算预测方法以及机器学习和深度学习算法的应用	系统总结了适配体设计技术的演化阶段，并重点介绍了机器学习与深度学习算法在适配体合理设计中的新应用	当前方法存在结构数据有限、非规范配对和假结预测复杂、以及ML模型对新序列家族泛化能力不足等问题，需严格实验验证	总结适配体设计技术发展，并探讨计算方法与AI整合在优化适配体亲和力和降低实验成本方面的潜力	适配体（短单链核酸分子）	分子建模、计算方法、机器学习	不适用	SELEX, CE-SELEX, M-SELEX, Cell-SELEX, HT-SELEX, 二级及三级结构预测, 分子对接, 分子动力学	机器学习、深度学习模型（如AptaDiff, RaptGen, Apta-MCTS, Xelari）	核酸序列数据、结构数据	不适用	不适用	AptaDiff, RaptGen, Apta-MCTS, Xelari	不适用	不适用
155	2026-08-14	Machine Learning-Aided Drug Repurposing for Screening COX-2 Inhibitors from Traditional Chinese Medicines 2026-May-31, Pharmaceuticals (Basel, Switzerland) DOI:10.3390/ph19060878 PMID:42356495	研究论文	本研究利用机器学习方法对中药来源化合物进行COX-2抑制剂筛选，并验证了最佳模型的预测能力	系统比较了随机森林、深度学习和图神经网络在中药小数据集上的表现，发现随机森林模型在活性筛选中最优，并通过实验验证了候选化合物脱氢木香内酯的COX-2抑制活性	研究基于小数据集，模型泛化能力可能受限；未详细说明计算资源等细节	利用机器学习辅助药物重定位，从传统中药中筛选COX-2抑制剂，用于结直肠癌治疗	COX-2抑制剂和中药来源化合物	机器学习	结直肠癌	机器学习模型和实验验证	随机森林分类器、深度学习、图神经网络（GAT、GCN、MPNN）	化合物数据	自定义COX-2抑制剂数据集和中药化合物库	NA	随机森林、GAT、GCN、MPNN	预测性能指标（具体未注明）	NA
156	2026-08-14	Deep Learning for the Detection of Corneal Perforation on Anterior-Segment Optical Coherence Tomography in Microbial Keratitis 2026-May-30, Bioengineering (Basel, Switzerland) DOI:10.3390/bioengineering13060649 PMID:42351894	研究论文	本研究旨在开发并评估基于前段光学相干断层扫描（ASOCT）图像的深度学习模型，用于微生物性角膜炎中角膜穿孔的自动检测。	使用ResNet-34骨干网络对六个径向ASOCT扫描进行独立编码，并通过平均池化生成单眼水平预测；同时探讨了是否纳入健康对照和是否使用随机掩膜对模型性能的影响。	研究样本量相对较小（150例患者），且单中心设计可能限制结果的泛化性；未进行外部验证。	开发和评估深度学习模型，以自动化检测微生物性角膜炎中的角膜穿孔，作为临床决策支持工具。	150例经微生物学确诊的角膜炎患者，对侧健康眼作为对照。	深度学习	微生物性角膜炎	前段光学相干断层扫描（ASOCT）	卷积神经网络（CNN）	图像	150例患者（角膜炎患者和健康对照眼）	NA	ResNet-34	ROC AUC, 平均精度（AP）, 灵敏度, 特异性, F1分数	NA
157	2026-08-14	AI-Assisted Identification of the Medial Lingual Foramen on CBCT: A Deep Learning Approach for Preoperative Implant Assessment 2026-May-30, Medicina (Kaunas, Lithuania) DOI:10.3390/medicina62061059 PMID:42356072	研究论文	本研究利用深度学习技术基于CBCT影像自动检测和分割下颌内侧舌孔，并评估其解剖特征，以辅助术前种植体评估	首次将深度学习应用于内侧舌孔的自动检测与分割，解决了其体积微小导致的类别不平衡问题，并提出了注释策略与模型输入对齐的重要性	需要更大规模的多中心数据集进行进一步验证才能考虑临床应用	评估内侧舌孔的解剖特征，开发并验证基于深度学习的自动化检测与分割方法	内侧舌孔结构	医学影像分析、深度学习	不适用	锥形束计算机断层扫描（CBCT）	卷积神经网络	医学影像（CBCT扫描）	106例CBCT扫描用于训练，10例独立数据集用于外部验证	NA	U-Net	Dice相似系数、精确率、召回率、Hausdorff距离	NA
158	2026-08-14	Deep Learning for Anticancer Drug Discovery Targeting Non-Apoptotic Regulated Cell Death Mechanisms 2026-May-29, Pharmaceuticals (Basel, Switzerland) DOI:10.3390/ph19060851 PMID:42356468	综述	该综述阐述了深度学习在靶向非凋亡调节性细胞死亡机制的抗癌药物发现中的核心方法与应用进展	提出了针对非凋亡性RCD机制研究的初步技术框架，涵盖端到端分子表示、多模态融合策略、数据集划分标准及深度学习框架，并从直接应用、相邻应用和推测性展望三个维度系统讨论了深度学习在该领域的应用	未具体说明限制，但指出了当前高质量标注数据库缺乏和标准化盲测基准不足等挑战	建立深度学习在靶向非凋亡性RCD机制药物发现中的技术框架，并展望未来发展方向以推动从计算预测到实验验证和转化研究的进展	非凋亡调节性细胞死亡机制（如铁死亡和铜死亡）及其相关抗癌药物发现	机器学习	癌症	NA	深度学习模型	多源数据	NA	NA	NA	NA	NA
159	2026-08-14	Transformer-Driven Explainable Deep Learning with Quantitative Attribution Validation for Liver Tumor Detection 2026-May-25, Bioengineering (Basel, Switzerland) DOI:10.3390/bioengineering13060616 PMID:42351861	研究论文	提出了一种基于Transformer的可解释深度学习框架，结合全局上下文与量化归因模块，用于CT图像中的肝脏肿瘤检测，并验证了其性能与可解释性。	首次将Transformer与全局上下文融合，并引入定量归因模块，无需分割监督即可评估肿瘤区域与归因的空间对齐，从而提高可解释性和检测性能。	未提及具体局限性，可能包括依赖特定数据集和计算资源需求。	开发一种可靠且可解释的深度学习框架，用于CT扫描中肝脏肿瘤的检测，同时提供定性证据以增强临床适用性。	CT扫描图像中的肝脏肿瘤。	计算机视觉、深度学习	肝脏肿瘤	CT成像	Transformer	图像（CT扫描）	未提及具体样本量	未提及	Transformer编码器，全局上下文模块	准确率、精确率、召回率、F1分数、AUC、马修斯相关系数、交并比、Dice系数	未提及
160	2026-08-14	Artificial Intelligence Applications in Implant Positioning, Dislocation Risk Prediction, and Surgical Indications in Orthopaedic Surgery 2026-May-23, Bioengineering (Basel, Switzerland) DOI:10.3390/bioengineering13060610 PMID:42351854	综述	本文通过结构化叙事综述，总结了人工智能在骨科手术中植入物定位、脱位风险预测和手术决策中的应用现状与挑战	采用PRISMA式流程图系统筛选文献，并按解剖区域、AI任务、影像模态、验证策略和临床相关性进行叙事综合	排除了综述和荟萃分析，可能存在选择性偏倚；不同研究和应用间的证据差异较大，缺乏标准化的报告和外部验证	评估AI在骨科手术中的临床应用，特别是在植入物定位、脱位风险预测和手术指征方面的潜力与不足	骨科手术中的AI应用，包括髋、膝、肩、脊柱等不同解剖区域	机器学习、数字病理学	骨科疾病（如关节置换相关并发症）	机器学习、深度学习（基于影像数据）	机器学习模型、深度学习模型（具体类型未指明）	影像数据（如X光、CT等）和临床数据	不适用（该研究为综述，无具体样本）	不适用（该研究为综述，未使用特定框架）	不适用（该研究为综述，未指定特定架构）	不适用（该研究为综述，未评估模型性能）	不适用（该研究为综述，未提及计算资源）