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
561	2026-06-30	[Deep learning-driven high-frequency ultrasound method for skin aging assessment] 2026-Jun-25, Sheng wu yi xue gong cheng xue za zhi = Journal of biomedical engineering = Shengwu yixue gongchengxue zazhi DOI:10.7507/1001-5515.202510021 PMID:42366431	研究论文	提出一种基于深度学习的高频超声图像皮肤老化分类方法，使用EfficientNetV2网络结合改进机制实现高精度评估	引入GELU激活函数和层归一化增强特征表示，设计全局感知时间分层网络与双增强注意力机制，采用多尺度路径丢弃正则化策略缓解过拟合	未提及模型在外部数据集上的泛化性验证，且仅基于25~55岁人群的皮肤超声数据，可能对极端年龄段样本不适用	解决皮肤老化评估中依赖医生经验的主观性和低效性，提供客观、高效的辅助诊断工具	皮肤老化分级（基于高频超声图像）	计算机视觉	皮肤老化	高频超声成像	EfficientNetV2	图像	来自25~55岁受试者的面部高频超声数据集	PyTorch	EfficientNetV2, GELU激活函数, 层归一化, 全局感知时间分层网络, 并行通道-空间注意力模块, 挤压激励模块, 多尺度路径丢弃正则化	准确率, 精确率, 召回率, F1分数, 特异度	NA
562	2026-06-30	[Research on deep learning-based pathological image classification of pilonidal sinus] 2026-Jun-25, Sheng wu yi xue gong cheng xue za zhi = Journal of biomedical engineering = Shengwu yixue gongchengxue zazhi DOI:10.7507/1001-5515.202512031 PMID:42366440	研究论文	基于深度学习的病理图像分类方法用于预测藏毛窦术后复发风险	创新性地将病理图像中的核特征（通过HoVer-Net提取）与多维临床特征融合，构建RFE-BalancedRF集成模型预测藏毛窦复发，实现多模态特征整合	研究未提及样本量大小、外部验证数据集及模型在实际临床场景中的泛化性能	开发人工智能预测模型，利用病理图像和临床特征预测藏毛窦术后复发风险	藏毛窦患者术后苏木精-伊红（H&E）染色病理切片及临床特征	数字病理学	藏毛窦疾病	H&E染色病理切片	CNN（HoVer-Net），随机森林（BalancedRF）	病理图像，临床数据（表格）	未明确说明	NA	HoVer-Net, BalancedRF	ROC_AUC, Acc	未明确说明
563	2026-06-30	Trends in the use of adult-specific preference-weighted health-related quality of life instruments in clinical trials over the past 50 years: a protocol for a meta-research study using deep learning-based natural language processing and large language models 2026-Jun-22, BMJ open IF:2.4Q1 DOI:10.1136/bmjopen-2026-118609 PMID:42331587	研究论文	该论文提出了一项元研究方案，利用基于深度学习的自然语言处理和大语言模型，系统评估过去50年临床试验中成人偏好加权健康相关生活质量（HRQoL）工具的使用趋势	首次结合自然语言处理（NLP）和大语言模型（LLMs）自动化筛选和提取临床试验中的HRQoL数据，并建立基准测试以比较两种方法的准确性	NA	评估1976年以来临床试验中成人偏好加权HRQoL工具使用比例的时间变化，并建模不同疾病领域、国家和区域的使用趋势	1976年以来发表的英文人类临床试验相关文献	自然语言处理	NA	自然语言处理（NLP）、大语言模型（LLMs）	NA	文本	通过系统检索MEDLINE、Embase、Cochrane Library和Web of Science获取所有相关文献，并使用5000篇随机采样文章作为基准数据集	NA	NA	准确率、召回率、F1分数	NA
564	2026-06-30	Continuous predictive mortality risk monitoring after allogeneic hematopoietic stem cell transplantation 2026-Jun-18, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-57782-x PMID:42315880	研究论文	提出一种连续预测异基因造血干细胞移植后死亡风险的实时监测框架	首次引入可解释的实时概念验证监测框架，利用常规临床数据动态评估个体化死亡风险，并提供时间分辨的解释	专家评估为初步阶段，需进一步验证临床实用性和通用性	实现异基因造血干细胞移植后死亡风险的动态连续监测	异基因造血干细胞移植患者	机器学习	血液系统恶性肿瘤（如白血病）	深度学习	深度学习模型	临床数据（实验室参数和人口学特征）	891名患者（UKD队列）及MIMIC-IV独立队列	NA	深度学习模型（未具体说明架构）	AUROC	NA
565	2026-06-30	Using AI to Detect Psychosis Relapse: Scoping Review 2026-Jun-16, JMIR mental health IF:4.8Q1 DOI:10.2196/92192 PMID:42302167	综述	使用人工智能检测精神病复发的范围综述	系统性梳理了基于AI（包括机器学习、深度学习和自然语言处理）检测精神病复发的研究，并突出个性化建模和被动数字表型的潜力	纳入研究数量有限（仅10项），AI模型异质性高且多为未复现结果，样本量普遍较小	总结现有利用AI方法检测精神病复发的研究现状与效果	精神病患者的复发检测	自然语言处理, 机器学习	精神疾病	数字表型分析	机器学习模型, 深度学习模型	数字表型数据（包括智能手机、智能手表监测、生态瞬时评估、社交媒体及互联网搜索数据）	10项研究，具体样本量未详述，但指出需纳入更多参与者	NA	NA	灵敏度（召回率）、特异度（精确率）、AUC	NA
566	2026-06-30	Deep Learning-Based Automated Detection and Burden Assessment of Paramagnetic Rim Lesions on Quantitative Susceptibility Mapping in Patients With Multiple Sclerosis 2026-Jun-16, Korean journal of radiology IF:4.4Q1 DOI:10.3348/kjr.2026.0103 PMID:42366024	研究论文	开发基于深度学习的框架，用于在多发性硬化患者的定量磁敏感成像中自动检测和评估顺磁性边缘病灶的负荷	首次将3D nnU-Net框架应用于PRL的自动检测和负荷评估，并比较了仅使用QSM与联合QSM和FLAIR两种配置的性能	时间测试集中的病变级别敏感性相对较低，且样本量有限	开发深度学习框架以自动检测和评估多发性硬化患者的顺磁性边缘病灶负荷，并评估其临床相关性	多发性硬化患者的脑磁共振成像数据，包括QSM和三维FLAIR数据	计算机视觉	多发性硬化	定量磁敏感成像	3D nnU-Net	图像	106名疑似多发性硬化患者（探索集84人，时间测试集22人），临床意义队列117人	NA	nnU-Net	敏感性，精确率，患者水平敏感性	NA
567	2026-06-30	MEG-mod: A Multiview Enhanced Graph Neural Network for Knockdown Efficiency Prediction of Chemically Modified siRNA 2026-Jun-11, Journal of medicinal chemistry IF:6.8Q1 DOI:10.1021/acs.jmedchem.6c00411 PMID:42228641	研究论文	提出MEG-mod，一种用于预测化学修饰siRNA敲低效率的多视图增强图神经网络框架	集成了文献读取代理、人工整理和公共数据库资源构建扩展数据集，联合建模序列上下文、理化性质、化学修饰特征和双链结构关系，采用结构感知的Transformer基图神经网络捕获碱基配对和邻接依赖关系，以及修饰碱基融合模块建模上下文依赖的修饰效应	未提及	预测化学修饰siRNA的敲低效率，提供合理的siRNA设计工具	化学修饰的siRNA	机器学习	NA	深度学习	图神经网络	序列数据、理化性质、化学修饰特征	NA	PyTorch	Transformer	皮尔逊相关系数	NA
568	2026-06-30	The nascent transcriptome delineates the regulatory landscape in human health and disease 2026-Jun-09, bioRxiv : the preprint server for biology DOI:10.1101/2025.09.24.676871 PMID:41040139	研究论文	利用PRO-cap技术构建高分辨率RNA聚合酶II结合的调控元件图谱，揭示人类健康和疾病中的转录调控景观	首次以碱基对分辨率系统描绘人类主要器官系统及发育与疾病状态下的活性调控元件图谱，并整合深度学习模型ProCapNet优先排序非编码变异	未明确提及局限性	解析转录起始位点的调控结构，揭示组织特异性、进化保守性、转录因子使用及调控连接性，以及疾病中谱系特异性调控程序的变化	人类主要器官系统、多种发育与疾病状态（包括转移性癌症）的调控元件	自然语言处理	转移性癌症	PRO-cap	深度学习模型	新生RNA测序数据	涵盖所有主要人类器官系统及多种发育与疾病状态的广泛样本	PyTorch	ProCapNet	NA	NA
569	2026-06-30	Facial iPPG heatmap patterns based on period-aware autoencoder show association with carotid atherosclerosis towards non-contact hemodynamic assessment 2026-Jun-09, Computer methods and programs in biomedicine IF:4.9Q1 DOI:10.1016/j.cmpb.2026.109508 PMID:42365708	研究论文	提出基于周期感知自编码器的面部iPPG热图模式分析方法，用于颈动脉粥样硬化的非接触式血液动力学评估	首次将周期感知自编码器与双向跨模态注意力机制结合，通过全脸参考信号融合和周期峰值约束实现高保真iPPG信号重建，并建立面部血液动力学热图与颈动脉粥样硬化的关联	样本量较小（95人），且颈动脉粥样硬化与热图模式的关联在调整协变量后未达到统计学显著性（校正OR的95%CI跨过1）	探索非接触式面部成像光电容积描记术在颈动脉粥样硬化风险评估中的应用价值	95名中老年参与者的面部iPPG信号和颈动脉/下肢超声数据	计算机视觉	颈动脉粥样硬化	iPPG	周期感知自编码器	图像, 时序信号	95名中老年参与者	PyTorch	周期感知自编码器	Pearson卡方检验, 比值比	NA
570	2026-06-30	ALyzer3D.AI: a more generalizable deep learning predictor of light chain amyloidogenicity powered by structural and evolutionary Artificial Intelligence 2026-Jun, Amyloid : the international journal of experimental and clinical investigation : the official journal of the International Society of Amyloidosis IF:5.2Q1 DOI:10.1080/13506129.2025.2605534 PMID:41449923	研究论文	开发了一种基于结构和进化人工智能的多模态深度学习模型，用于预测免疫球蛋白轻链的淀粉样变性能力	整合了ESM-2蛋白质语言模型、ColabFold结构指标和工程化生物物理特征，通过多模态融合显著提高了模型在新数据上的泛化能力	未提及具体限制，但可能涉及数据集的多样性和外部验证范围的局限性	开发一个泛化性更好的深度学习工具，预测免疫球蛋白轻链在AL淀粉样变性中的淀粉样变性风险	免疫球蛋白轻链的淀粉样变性预测	机器学习	AL淀粉样变性	ESM-2蛋白质语言模型、ColabFold结构预测	多模态深度学习架构	序列数据、结构度量、生物物理特征	5261条免疫球蛋白轻链序列	PyTorch	ESM-2、ColabFold、SHAP解释模型	准确率、AUC	NA
571	2026-06-30	Deep learning for carotid Doppler spectra classification 2026-Jun, Medical & biological engineering & computing IF:2.6Q3 DOI:10.1007/s11517-026-03569-1 PMID:41979720	研究论文	利用深度学习对颈动脉多普勒频谱进行分类，以自动识别颈动脉段	首次解决仅基于频谱多普勒波形自动识别颈动脉段的问题，无需解剖背景信息	未明确提及局限性	实现基于多普勒频谱的颈总动脉、颈内动脉和颈外动脉信号的准确识别，为后续疾病分类奠定基础	颈动脉多普勒频谱信号	计算机视觉	心血管疾病	颈动脉多普勒超声	卷积神经网络（CNN）	图像（频谱图像）	398名参与者（198名健康对照，200名心血管疾病患者）	NA	GoogLeNet	曲线下面积（AUC）、F1分数	NA
572	2026-06-30	Fetal health classification: a deep learning model with enhanced interpretability and lightweight deployment 2026-Jun, Medical & biological engineering & computing IF:2.6Q3 DOI:10.1007/s11517-026-03525-z PMID:41940912	研究论文	提出一种基于前馈神经网络（FNN）并经过超参数优化的深度学习方法，用于胎儿健康分类	通过贝叶斯搜索进行超参数优化，获得具有特定神经元数量、L2正则化系数、丢弃率和学习率的最优FNN模型，并与多种传统机器学习分类器进行比较	未在真实临床环境中的大规模数据上验证，也未讨论模型的可解释性细节	开发一种可解释性强、轻量级部署的深度学习模型，用于胎儿健康分类，以早期检测妊娠并发症	基于胎心宫缩图（CTG）记录的胎儿健康状态	机器学习	妊娠并发症	NA	前馈神经网络（FNN）	表格数据（CTG记录）	NA	NA	FNN	准确率, 精确率, 召回率, F1分数, AUC-ROC	NA
573	2026-06-29	Multimodal Machine Learning with 3D-Weighted-Matrix Encoding for High-Throughput Design of High-Performance Polyurethanes 2026-Jun, Macromolecular rapid communications IF:4.2Q2 DOI:10.1002/marc.202500471 PMID:41014522	研究论文	开发了一种结合机器学习、多模态特征工程和特征融合策略的高通量筛选框架，用于预测聚氨酯材料的机械性能	提出3D加权矩阵编码方法表征聚氨酯单体，相比传统分子描述符在特征区分度上提升23%，并采用早期融合架构整合结构特征与合成工艺参数	NA	实现聚氨酯材料机械性能的预测和高通量设计	聚氨酯材料	机器学习	NA	机器学习、高通量筛选	多模态深度学习模型	化学结构数据和合成工艺参数	超过1.5亿种分子和工艺组合	PyTorch	3D-Weighted-Matrix编码、早期融合架构	决定系数	NA
574	2026-06-29	Improved image quality and greater diagnostic suitability in myocardial delayed enhancement CT with deep learning image reconstruction 2026-Jun, Japanese journal of radiology IF:2.9Q2 DOI:10.1007/s11604-026-01958-y PMID:41701468	研究论文	评估深度学习图像重建在心肌延迟增强CT中改善图像质量和诊断适用性的效果	首次在心肌延迟增强CT中系统评估深度学习图像重建相比混合迭代重建在定量和定性图像质量上的优势	研究为单中心回顾性设计，样本量有限（108例），且未评估临床诊断准确性	比较深度学习图像重建与常规混合迭代重建在心肌延迟增强CT中的图像质量和诊断适用性	108例经CT确认有心肌延迟增强的患者	计算机视觉	心肌纤维化	CT	深度学习图像重建	图像	108例患者	NA	深度学习图像重建	图像噪声、对比度噪声比、信噪比、5点Likert量表评分	NA
575	2026-06-29	Deep learning-driven MRI segmentation of choroid plexus volume: a novel biomarker for cognitive impairment in type 2 diabetes mellitus 2026-Jun, Japanese journal of radiology IF:2.9Q2 DOI:10.1007/s11604-025-01944-w PMID:41863666	研究论文	利用深度学习模型自动分割脉络丛体积，探究其作为2型糖尿病认知障碍生物标志物的价值	首次发现脉络丛体积增大与2型糖尿病认知障碍相关，并利用3D nnU-Net深度学习模型实现自动分割	样本量较小（71例患者和111例对照），需进一步验证结果通用性	研究脉络丛体积变化与2型糖尿病认知功能的关系，并识别独立影响因素	2型糖尿病患者和健康对照者的脉络丛体积与认知功能	计算机视觉	2型糖尿病	MRI	3D nnU-Net	MRI图像	71例2型糖尿病患者和111例健康对照者	NA	3D nnU-Net	NA	NA
576	2026-06-29	In Situ Probing of Polymer Residence on the Nanoparticle Surface by Combining Deep Learning and Single-Molecule Fluorescence Tracking 2026-Jun, Macromolecular rapid communications IF:4.2Q2 DOI:10.1002/marc.202500477 PMID:40880498	研究论文	提出一种结合深度学习与单分子荧光追踪技术，用于原位探测纳米颗粒表面聚合物吸附与解吸附的方法	通过1D卷积神经网络识别扩散状态转变，实现聚合物在纳米颗粒表面吸附事件的准确识别，优于传统隐马尔可夫模型和阈值方法	NA	开发原位分析方法，研究纠缠聚合物溶液中聚合物在纳米颗粒表面的吸附与解吸附行为	聚合物在纳米颗粒表面的吸附与解吸附过程	机器学习	NA	单分子荧光追踪	1D-CNN	数值生成轨迹和实验轨迹	NA	NA	1D卷积神经网络	准确率, F1分数	NA
577	2026-06-29	Uncertainty-aware deep learning for classifying colonic fdg-pet uptake using radiomic features 2026-Jun, Radiological physics and technology IF:1.7Q3 DOI:10.1007/s12194-026-01044-y PMID:41961248	研究论文	本研究开发了基于放射性组学特征分类的深度学习模型，用于区分结直肠FDG-PET的肿瘤性与非肿瘤性摄取，并评估分类性能与预测不确定性	首次将放射性组学特征分类（形态、强度、纹理）与深度学习结合，并纳入预测不确定性评估（基于蒙特卡洛Dropout与风险-覆盖曲线）来提升临床决策安全性	样本量较小（80例），且仅针对单一中心数据，可能限制模型泛化性	评估深度学习模型在利用放射性组学特征区分结直肠FDG-PET肿瘤性与非肿瘤性摄取时的性能，并探索不确定性引导的临床决策支持策略	80例患者的结直肠FDG-PET数据（45例肿瘤性、35例非肿瘤性）	机器学习	结直肠癌	FDG-PET成像	深度学习模型	图像	80例患者（45例肿瘤性、35例非肿瘤性）	NA	NA	准确率、AUC、AURC	NA
578	2026-06-28	A Physics-Informed Deep Learning Framework for Estimating Muscle Activation Patterns Following Achilles Tendon Repair 2026-Jun-26, Journal of applied physiology (Bethesda, Md. : 1985) DOI:10.1152/japplphysiol.00274.2026 PMID:42359776	研究论文	提出物理知识引导的Transformer神经肌肉骨骼模型，用于估算跟腱修复后的肌肉激活模式	整合前向动态约束，仅需关节运动学和浅层肌电图数据即可估算深层肌肉激活，大幅降低传感器需求同时保持诊断深度	NA	开发一种能准确估算跟腱断裂术后肌肉激活模式、减少传感器依赖的临床实用工具	跟腱断裂患者的比目鱼肌激活模式和肌肉共激活模式	机器学习	跟腱断裂	NA	Transformer	关节运动学数据、浅层肌电图数据	40名参与者（20名健康对照者、20名术后跟腱断裂患者）	NA	Transformer	频谱完整性、信号能量合理性、p值	NA
579	2026-06-28	Explainable AI for hyperspectral imaging in food quality decision support: interpretability, reliability and future directions 2026-Jun-26, Critical reviews in food science and nutrition IF:7.3Q1 DOI:10.1080/10408398.2026.2694489 PMID:42360273	综述	综述可解释人工智能在高光谱成像食品质量决策支持中的最新进展，重点讨论可解释性、可靠性和未来方向	系统总结六种主流可解释人工智能方法（SHAP、LIME、Grad-CAM、显著性图、DeepLIFT、TCAV）在食品高光谱成像中的应用，并首次从食品质量、高光谱成像和可解释人工智能三个维度综合分析了关键挑战	目前缺乏标准化的评估协议，高维数据与复杂模型之间的鸿沟仍然存在，需要进一步开发人类参与的交互界面以保证实际工厂级检测的可靠性	回顾高光谱成像在食品质量评估中的研究进展，阐明可解释人工智能如何提升模型可解释性，并为建立可靠的高光谱成像-可解释人工智能框架提供指导	食品质量评估中的高光谱成像数据及其分析模型	计算机视觉	NA	高光谱成像	化学计量学模型、机器学习模型、深度学习模型	高光谱图像	NA	NA	NA	NA	NA
580	2026-06-28	Deep learning in acute ischemic stroke imaging: a systematic review of CT- and MRI-based segmentation, triage, and prognostic modeling 2026-Jun-26, Neuroradiology IF:2.4Q2 DOI:10.1007/s00234-026-04095-5 PMID:42360458	系统综述	基于PRISMA指南的系统综述，评估2023年1月至2026年3月间深度学习在急性缺血性卒中CT和MRI成像中的应用	区分CT与MRI在卒中成像中的不同深度学习应用方向，强调临床验证不足与技术进展之间的差距	外部测试、患者层面分离、标准化报告、扫描仪鲁棒性、可解释性和前瞻性工作流评估仍未被一致解决	评估深度学习在急性缺血性卒中成像中的最新应用，包括分割、分诊和预后建模	急性缺血性卒中患者的CT和MRI影像数据	计算机视觉, 机器学习	急性缺血性卒中	CT, MRI, DWI, ADC, FLAIR, CTP	CNN, Transformer, U-Net	影像	91项研究	NA	U-Net衍生架构, 自配置框架, 注意力模型, CNN-Transformer混合模型	Dice系数, IoU, AUC, 准确率	NA