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
1	2026-07-18	Automated diagnosis of Helicobacter pylori infection from routine endoscopic images using deep learning: a development and validation study 2026-Jun-17, BMC gastroenterology IF:2.5Q2 DOI:10.1186/s12876-026-05026-7 PMID:42310547	研究论文	开发并前瞻性验证一种基于白光内镜图像的深度学习模型用于幽门螺杆菌感染自动诊断	首次在前瞻性验证中仅使用常规白光内镜图像实现幽门螺杆菌感染的基于患者层面的分类，而非既往的图像增强模式或回顾性数据集	单中心研究、样本量相对较小、模型目前仅作为研究及决策支持工具而非独立诊断系统，需要多中心外部验证及前瞻性视频研究	评估深度学习模型在常规白光内镜下实时诊断幽门螺杆菌感染的可行性	接受诊断性胃镜检查的连续成年患者	计算机视觉	幽门螺杆菌感染	白光内镜	EfficientNet-B0	图像	172名患者，1000张图像（开发队列70%，独立时间验证队列30%）	PyTorch	EfficientNet-B0	AUC, 敏感性, 特异性	NA
2	2026-07-18	MALICoT: A pilot cross-sectional study analyzing the effects of power training and age on endomysium content and fiber area in the soleus muscle of adult males 2026-Jun, Physiological reports IF:2.2Q3 DOI:10.14814/phy2.70933 PMID:42210728	研究论文	一项横断面研究，分析力量训练和年龄对成年男性比目鱼肌内膜含量和纤维面积的影响	首次结合深度学习图像分析和定量蛋白质组学，系统评估力量训练和年龄对人体比目鱼肌内膜的影响	样本量较小，仅包括男性参与者，且为横断面设计，无法推断因果关系	探讨运动训练和年龄对人体比目鱼肌内膜含量和纤维面积的影响	比目鱼肌肌肉样本	数字病理学	NA	RNA-seq	深度学习模型	图像	43名健康男性参与者，分为年轻非运动对照组（n=12）、年轻力量训练运动员（n=10）、老年非运动对照组（n=11）、老年力量训练运动员（n=10）	NA	NA	NA	NA
3	2026-07-18	Numerical Inverse Design of Patient-Specific Dental Implants: Accelerating FEA-Based Optimization via Evolutionary Neural Surrogates 2026-Jun, International journal for numerical methods in biomedical engineering IF:2.2Q2 DOI:10.1002/cnm.70182 PMID:42210774	research paper	提出一种数值逆设计框架，通过进化神经代理加速基于有限元分析的个性化牙种植体几何优化	利用多层感知机回归器替代高保真有限元分析计算，实现实时推理驱动的进化优化，突破传统FEA计算瓶颈	基于合成患者队列验证，未展开真实临床数据测试	开发加速生成最优种植体几何的数值逆设计方法，支持个性化手术规划	牙种植体的几何参数与骨组织应力分布关系	machine learning	geriatric disease	finite element analysis	multilayer perceptron	3D simulation data	3000个高保真3D有限元分析仿真数据训练，50个虚拟患者样本测试	PyTorch	多层感知机	峰值von Mises应力降低，Cohen's d	NA
4	2026-07-18	Artificial intelligence-assisted urine cytology based on the Paris System for Reporting Urothelial Carcinoma 2026-Jun, Cancer cytopathology IF:2.6Q2 DOI:10.1002/cncy.70120 PMID:42223163	研究论文	开发并验证了一种基于巴黎报告系统的人工智能辅助尿液细胞学系统，用于尿路上皮癌检测	整合深度学习细胞检测与分割、特征提取及支持向量机分类，模拟细胞病理学家工作流程，并基于巴黎报告系统进行阴性、非典型和阳性分类	人工智能与专家判读及组织病理学的差异主要集中在相邻分类之间	开发和验证人工智能辅助尿液细胞学系统在临床和筛查场景中对尿路上皮癌的诊断性能	回顾性临床病例（328例）和前瞻性健康筛查样本（1489例）	机器学习	尿路上皮癌	液基细胞学	支持向量机	图像	回顾性临床病例328例及前瞻性健康筛查样本1489例，共269张标注训练切片（56710个细胞）	NA	深度学习细胞检测与分割网络，支持向量机	加权κ值，患病率调整及偏倚调整κ值，阴性预测值，阴性一致性百分比，假遗漏率	NA
5	2026-07-18	The role of machine learning, deep learning, and MRI findings in the classification of pediatric posterior fossa tumors 2026-Jun-01, Child's nervous system : ChNS : official journal of the International Society for Pediatric Neurosurgery DOI:10.1007/s00381-026-07316-7 PMID:42223485	研究论文	评估机器学习和深度学习模型基于MRI特征对儿童后颅窝肿瘤进行分类的效果	首次系统比较多种机器学习集成模型与深度学习模型在儿童后颅窝肿瘤MRI分类中的性能，并发现T1加权成像与对比增强T1加权成像对深度学习模型表现出最佳效果	室管膜瘤和弥漫性中线胶质瘤的准确区分仍然困难，且样本量较小（63例）	利用MRI影像组学特征评估机器学习和深度学习模型对儿童后颅窝肿瘤的分类能力	63例儿童后颅窝肿瘤患者，包括21例髓母细胞瘤、20例毛细胞星形细胞瘤、11例室管膜瘤和11例弥漫性中线胶质瘤	计算机视觉, 机器学习	儿童后颅窝肿瘤	MRI成像	梯度提升机, 决策树, 随机森林, ResNet101V2	MRI图像（T2加权成像、弥散加权成像、表观弥散系数、T1加权成像、对比增强T1加权成像）	63例患者	NA	梯度提升机, 决策树, 随机森林, ResNet101V2	准确率	NA
6	2026-07-18	Predicting Metastatic Potential from Histopathological Whole Slide Images of Primary Tumors in Head and Neck Squamous Cell Carcinoma Using Attention-Based Deep Learning and Signaling Pathway Alterations 2026-Jun-01, Head and neck pathology DOI:10.1007/s12105-026-01920-4 PMID:42223560	研究论文	利用基于注意力的深度学习模型，从原发肿瘤全切片图像预测头颈部鳞状细胞癌的转移潜力	提出了结合自注意力机制与残差网络（ResNet）的诊断框架，解决了全切片图像处理中补丁级变异性问题，优于传统卷积神经网络和集成方法	可解释性和可解释性有待提高，未整合多模态数据，且仅验证于特定癌症类型	开发一种深度学习框架，从全切片图像预测头颈部鳞状细胞癌患者的远处转移风险，以辅助临床决策	头颈部鳞状细胞癌（HNSCC）患者的原发性肿瘤全切片图像	数字病理学	头颈部鳞状细胞癌	全切片图像处理	自注意力机制与残差网络（ResNet）	图像	TCGA-HNSCC数据集和TCGA-ESCA数据集，具体样本数量未说明	PyTorch	ResNet, 自注意力机制	准确率, AUC, F1分数	NA
7	2026-07-18	Artificial Intelligence-Based Objective Evaluation of Nerve-Sparing Status Combined With Preserved Urethral Length Predicts Urinary Continence Recovery After Robot-Assisted Radical Prostatectomy 2026-Jun, International journal of urology : official journal of the Japanese Urological Association IF:1.8Q3 DOI:10.1111/iju.70514 PMID:42205081	研究论文	使用人工智能方法客观评估神经保留状态，并结合尿道保留长度预测机器人辅助根治性前列腺切除术后尿控恢复	首次将人工智能深度学习图像分类模型应用于术中图像，客观评估神经血管束保留状态，并与尿道保留长度结合预测术后尿控恢复	单中心回顾性研究，样本量有限（195例），可能未考虑其他影响尿控的因素	评估人工智能客观评估神经保留状态结合尿道保留长度对机器人辅助根治性前列腺切除术后尿控恢复的预测价值	2020年5月至2022年间接受机器人辅助根治性前列腺切除术的195例患者	计算机视觉	前列腺癌	NA	深度学习图像分类模型	术中静态图像	195例患者	NA	深度学习图像分类模型	Kaplan-Meier分析, Cox比例风险模型, 风险比	NA
8	2026-07-18	Fully Automated Quantification of Functional Small Airway Disease at Inspiratory and Expiratory Chest CT Using Deep Learning 2026-Jun, Radiology. Cardiothoracic imaging DOI:10.1148/ryct.250215 PMID:42206980	研究论文	开发并评估基于深度学习的工具用于自动化量化胸部CT扫描中功能性小气道疾病	首次实现基于深度学习的全自动功能性小气道疾病量化，替代传统半手动方法，显著提高效率	未明确的局限性	评估深度学习工具在胸部CT中自动化量化功能性小气道疾病的准确性和时间效率	196名患者的249次胸部CT检查	机器学习	肺部疾病	CT	深度学习	图像	196名患者的249次CT检查	NA	NA	Spearman相关系数, Bland-Altman分析, 灵敏度, 特异度, 准确率	NA
9	2026-07-18	Artificial Second Harmonic Generation Image Feature Tuning with Generative Models and SeFa Semantic Analysis 2026-Jun, JPhys photonics DOI:10.1088/2515-7647/ae6c77 PMID:42465807	研究论文	利用生成模型和SeFa语义分析对二次谐波成像图像特征进行调控	首次将StyleGAN2-ADA模型适配于二次谐波成像数据，结合语义分解方法识别与胶原纤维形态特征高度相关的语义，并集成分析工具于SeFa图形界面	方法仍需进一步优化，才能基于疾病类型生成具有不同形态的胶原纤维SHG图像	探索生成模型在二次谐波成像数据上的应用，实现图像特征的可控编辑和分析	胶原纤维的二次谐波成像数据	计算机视觉	癌症、结缔组织疾病	SHG显微镜成像	GAN	图像	1,319张SHG图像	NA	StyleGAN2-ADA	LPIPS	NA
10	2026-07-17	ConvCGP: A convolutional neural network to predict genetic values of agronomic traits from compressed genome-wide polymorphisms 2026-Jun, The plant genome DOI:10.1002/tpg2.70223 PMID:42003104	研究论文	提出一种结合自编码器非线性压缩与卷积神经网络预测的端到端框架ConvCGP，用于从压缩的全基因组多态性数据预测作物农艺性状的遗传值	首次将自编码器非线性压缩与CNN预测集成到可端到端训练的流水线中，在极端压缩（仅保留2%原始特征）下仍能保持与未压缩数据相当的预测精度	未明确讨论模型在不同物种或复杂遗传结构下的泛化能力，以及压缩过程中可能丢失的生物学解释性信息	开发高效可扩展的深度学习方法，解决高维基因组数据预测中计算负载大和耗时的问题	水稻和玉米的全基因组多态性数据与农艺性状	机器学习	NA	全基因组多态性分析	CNN	基因组多态性数据	水稻和玉米数据集，具体样本量未说明	PyTorch	自编码器、卷积神经网络	预测精度	NA
11	2026-07-15	AmesNet: A Task-Conditioned Deep Learning Model with Enhanced Sensitivity and Generalization in Ames Mutagenicity Prediction 2026-Jun-29, Chemical research in toxicology IF:3.7Q2 DOI:10.1021/acs.chemrestox.6c00082 PMID:42371678	研究论文	提出一种任务条件化的深度学习模型AmesNet，在Ames诱变性预测中实现增强的灵敏度和泛化能力	采用双分支架构，包含分子编码器和专用通道来条件化Ames检测上下文（如代谢活化和菌株类型），在保持高平衡准确度的同时提升灵敏度，避免现有模型的灵敏度折衷问题	未提及具体限制	开发一种高灵敏度的in silico Ames诱变性预测模型，解决现有模型在域外分子上的灵敏度下降问题	小分子药物的Ames诱变性	机器学习	NA	NA	条件化深度学习模型	分子结构数据	NA	NA	双分支架构（分子编码器+条件化通道）	灵敏度、平衡准确度	NA
12	2026-07-15	State of the Art: Artificial Intelligence Approaches for Enhancing Medical Imaging in Burkina Faso - A Case Study on Early Detection of Breast Cancer from Pathology Imaging 2026-Jun-29, Studies in health technology and informatics DOI:10.3233/SHTI260812 PMID:42393974	综述	这篇综述回顾了人工智能方法在布基纳法索等低资源环境下通过病理图像早期检测乳腺癌的应用，分析了30/50项精选研究	该文章聚焦于资源有限地区的AI乳腺癌检测应用，强调了本地数据集和基础设施适应性的重要性	挑战包括数据可用性不足、模型可解释性差以及难以适应本地上下文	探讨AI方法在布基纳法索等低资源环境下通过病理图像早期检测乳腺癌的应用	乳腺癌检测的人工智能方法	数字病理学	乳腺癌	组织病理学成像	CNN	图像	30/50项精选研究	NA	CNN	灵敏度	NA
13	2026-07-15	TCIA Radiology Image Processing for AI and Radiomics 2026-Jun-24, medRxiv : the preprint server for health sciences DOI:10.64898/2026.06.15.26354651 PMID:42396283	研究论文	开发了一个标准化、可重复的CT影像预处理框架，用于多机构影像库（如TCIA）以支持放射组学和AI分析	提出了一个模块化、可重复的预处理流程，能够处理多机构影像数据中的采集协议差异、元数据不一致和图像质量变化，减少非生物变异性对放射组学特征稳定性和模型性能的影响	仅基于CT影像数据验证，未涉及其他模态影像；预处理步骤的通用性需要进一步在更多异质性数据集上验证	建立标准化的影像预处理框架以减少多机构影像数据中的非生物变异性，提升放射组学和AI分析的鲁棒性	TCIA上的TCGA-KIRC患者CT影像数据	数字病理学	肾癌	CT成像	NA	影像	使用TCGA-KIRC患者数据集，具体样本量未说明	NA	NA	NA	NA
14	2026-07-15	Mind Melodies: An NLP platform to examine music cognition 2026-Jun-16, Behavior research methods IF:4.6Q1 DOI:10.3758/s13428-026-03059-0 PMID:42303808	研究论文	开发了一个结合艺术、科学和技术的交互平台Mind Melodies，用于研究希腊音乐调式对个体和集体引发的心理场景、情感和概念	首次将自然语言处理和深度学习算法与希腊音乐调式研究结合，提供定量且生态有效的音乐认知分析框架	初步试点研究样本量有限（142人），可能无法完全代表广泛人群的音乐认知反应	探究希腊音乐调式（伊奥尼亚、多利亚、弗里吉亚、吕底亚、混合吕底亚、爱奥尼亚、洛克里亚）对个体和集体引发的心理场景和情感影响	希腊音乐调式及其引发的心理场景、情感和概念	自然语言处理	NA	NA	深度学习	文本	142名参与者	NA	NA	NA	NA
15	2026-07-15	Super-Resolution enhanced deep learning for efficient and accurate urban flood simulation at the street scale 2026-Jun-15, Water research IF:11.4Q1 DOI:10.1016/j.watres.2026.125819 PMID:41930893	研究论文	提出基于超分辨率增强深度学习的街道尺度城市洪水高效精确模拟方法	通过集成多源异构数据、注意力机制和空间感知一致性损失函数，以及迁移学习机制，显著提升了城市洪水超分辨率重建的精度和鲁棒性	未明确说明，但可能包括对极端降雨场景或不同城市区域的泛化能力有待验证	实现街道尺度城市洪水的高效高精度模拟以支持风险管理与应急响应	城市洪水超分辨率重建模型及其在两种不同案例上的应用表现	计算机视觉	NA	超分辨率重建	深度学习模型	图像	12种降雨场景，案例1和案例2	PyTorch	UFSR	均方根误差	NA
16	2026-07-15	Modeling and prediction of desalination performance in a scaled-up membrane capacitive deionization system using machine learning and deep learning 2026-Jun-15, Water research IF:11.4Q1 DOI:10.1016/j.watres.2026.125839 PMID:41934772	研究论文	利用机器学习和深度学习模型预测规模化膜电容去离子系统脱盐性能	首次将严格的时间序列数据切分策略用于泄漏评估，结合SHAP解释性分析揭示电流和pH的关键作用，建立了稳健的数据驱动建模框架	研究数据来自单一放大系统，模型泛化性可能受限于实际多变进水条件	探索数据驱动模型预测规模化MCDI系统出水电导率的可行性，并解释模型决策的物理化学逻辑	规模化膜电容去离子系统中在不同进水条件下的运行数据	机器学习	NA	膜电容去离子	随机森林、极端梯度提升、多层感知机、长短期记忆网络	时间序列数据	一种规模化MCDI系统在多种进水条件下的运行数据集	Scikit-learn, XGBoost, PyTorch	RF, XGBoost, MLP, LSTM	决定系数R²、均方根误差RMSE、平均绝对误差MAE	NA
17	2026-07-15	Deep learning model for predicting mRNA half-life based on 3'UTR sequences 2026-Jun-04, Biochemical and biophysical research communications IF:2.5Q3 DOI:10.1016/j.bbrc.2026.153691 PMID:41932116	研究论文	提出结合预训练RNA语言模型与Transformer骨干网络的序列驱动框架，从3'UTR序列预测酵母mRNA半衰期	首次将RNA语言模型（RNA-FM）与Transformer结合用于3'UTR序列的mRNA半衰期预测，并实现高性能与生物可解释性的统一	仅基于已知基因的新型转录本进行验证，且单次突变效应量中等，可能存在遗漏复杂调控模式的风险	开发一种从3'UTR序列预测mRNA半衰期的深度学习方法，兼顾预测精度与机制可解释性	酿酒酵母转录本的3'非翻译区序列	机器学习	NA	RNA-seq	Transformer	序列	独立保留测试集，5折交叉验证	PyTorch	Transformer, RNA-FM	RMSE, MAE, R	NA
18	2026-07-15	Deep learning and eye tracking: Convolutional neural networks provide converging evidence for experience-driven attention within visual search 2026-Jun-04, Behavior research methods IF:4.6Q1 DOI:10.3758/s13428-026-03057-2 PMID:42240817	研究论文	利用卷积神经网络分析眼动追踪数据，验证视觉搜索中经验驱动的注意力机制	首次将卷积神经网络应用于原始眼动时间序列数据分类，能够客观整合传统分析中丢弃的方差信息，并通过特征可视化揭示注意力动态模式	仅使用了视觉搜索任务中的眼动数据，且数据集规模有限，可能影响模型泛化性	探索深度学习是否能够帮助科学家客观地整合眼动追踪中原始数据中被传统简化指标排除的信息	人类受试者在视觉搜索任务中的眼动位置时间序列数据	计算机视觉, 机器学习	不适用	眼动追踪	卷积神经网络（CNN）	时间序列数据	三个数据集：来自两项先前的视觉搜索研究（Massa等, 2024; Grubb & Li, 2018）以及一项独立验证研究（Doyle等, 2025）	NA	卷积神经网络（CNN）	分类准确率	不适用
19	2026-07-15	Dose-aware diffusion model for 3D PET image denoising: Multi-institutional validation with reader study and real low-dose data 2026-Jun, Medical image analysis IF:10.7Q1 DOI:10.1016/j.media.2026.104039 PMID:41930496	研究论文	提出一种剂量感知扩散模型DDPET-3D，用于3D低剂量PET图像去噪，并通过多中心验证和读者研究证明其有效性	首次将扩散模型应用于3D低剂量PET去噪，通过2.5D条件骨干网络实现3D一致重建，具备剂量感知能力，可泛化至不同噪声水平、扫描仪和临床方案	模型采用2.5D而非全3D扩散网络，可能在完全3D一致性上有局限；未详细讨论计算资源需求	开发一种通用性强、图像质量高的低剂量PET去噪方法，解决现有深度学习模型在3D一致性、噪声泛化性和细节保真度方面的不足	低剂量/低计数PET图像（包括低噪声水平和不同扫描协议）	数字病理学	NA	PET成像	扩散模型	图像	9783例F-FDG研究（来自1596名患者），低剂量水平从1%到50%	PyTorch	2.5D条件骨干网络	定性视觉评估、读者评分、蒙特卡洛仿真、病变分割网络评估	NA
20	2026-07-15	Artificial Intelligence-Assisted reflectance confocal microscopy for Real-Time intraoperative margin assessment in oral squamous cell carcinoma 2026-Jun, Oral oncology IF:4.0Q2 DOI:10.1016/j.oraloncology.2026.107939 PMID:41932031	研究论文	本文评估了人工智能驱动的反射共聚焦显微镜在口腔鳞状细胞癌术中实时切缘评估中的诊断性能	首次将人工智能与反射共聚焦显微镜结合用于口腔鳞状细胞癌的实时术中切缘评估，并利用Google Cloud AutoML平台开发深度学习模型，在诊断准确性上超越了专家判读	仅基于4090张标注RCM图像的单中心研究，未提及外部验证或跨设备适用性；未评估模型在实际术中工作流中的实时运行速度	开发一个用于口腔鳞状细胞癌术中实时切缘评估的人工智能驱动反射共聚焦显微镜点-of-care平台	口腔鳞状细胞癌患者活检前的体内反射共聚焦显微镜图像	数字病理学	口腔鳞状细胞癌	反射共聚焦显微镜	深度学习模型	图像	4090张标注RCM图像（1998张良性，2092张恶性）	Google Cloud Vertex AI AutoML	AutoML自动生成的架构	AUC-PR, AUC-ROC, 敏感性, 特异性, 准确率, 阳性预测值, 阴性预测值	Google Cloud Vertex AI平台