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
681	2026-06-23	Automated vertebral heart size estimation from thoracic radiographs in dogs with AI-assisted clinical decision support 2026-Jun, Veterinary journal (London, England : 1997) DOI:10.1016/j.tvjl.2026.106674 PMID:42002024	研究论文	提出了一种AI辅助的集成框架，用于自动从犬胸部放射线照片中估计椎体心脏尺寸，并生成结构化兽医总结	结合深度学习计算机视觉模型进行自动VHS测量与大型语言模型生成结构化兽医总结，形成多模态AI辅助决策支持系统	NA	支持兽医在放射学评估中自动估计心脏大小，辅助心脏肥大症的临床决策	犬类胸部放射线照片中的椎体心脏尺寸	计算机视觉，自然语言处理	心脏肥大症	胸部放射线摄影	深度学习模型，大型语言模型	DICOM放射线图像	NA	NA	NA	定量评估（准确性），定性评估（连贯性、上下文意识、一致性）	NA
682	2026-06-23	Changes in computed tomography derived muscle and pulmonary tissue in patients hospitalized for COVID-19: A 12-month follow-up study 2026-Jun, Clinical nutrition ESPEN IF:2.9Q3 DOI:10.1016/j.clnesp.2026.103291 PMID:41999975	研究论文	探讨住院COVID-19患者在出院后一年内CT衍生的骨骼肌横截面积和肺实质组织变化模式及两者之间的关联	首次在前瞻性随访研究中评估COVID-19患者出院后一年内肌肉和肺组织变化的独立性，并利用深度学习算法量化肺实质受累百分比	单中心回顾性队列研究，样本量有限（211例基线，100例12个月随访），可能无法代表所有COVID-19患者	探究COVID-19住院患者出院后一年内CT测量的骨骼肌横截面积和受累肺实质组织百分比的变化模式及其关联	COVID-19住院患者	医学影像分析	COVID-19	CT成像	深度学习算法	CT图像	211例患者（基线至3个月随访），100例患者（12个月随访）	NA	NA	NA	NA
683	2026-06-23	VMDiff: A novel hybrid CNN-Mamba generative framework for retinal phenotype image enhancement 2026-Jun, Medical & biological engineering & computing IF:2.6Q3 DOI:10.1007/s11517-026-03582-4 PMID:42053739	研究论文	提出一种基于扩散模型的混合CNN-Mamba框架VMDiff，用于视网膜表型图像增强，在多个公开数据集上取得优异性能	首次将CNN和Mamba架构协同集成到扩散模型中，通过高频提取模块和高频一致性损失保留精细结构，并采用渐进式损失机制解耦优化目标，平衡像素级精度和感知质量	未明确提及	增强视网膜表型图像，同时捕捉局部细节和全局依赖关系，提升图像质量并辅助下游临床分析	视网膜图像（来自EyePACS、DRIVE和IDRiD等公开数据集）	计算机视觉	眼科疾病	图像增强	扩散模型（混合CNN和Mamba）	图像	多个公开数据集（未具体说明数量）	PyTorch	VMDiff（CNN-Mamba混合架构）	PSNR、SSIM、AUC、ACC、IoU	NA
684	2026-06-23	Automated detection of superior mesenteric artery occlusion on post-contrast CT Using a 3D deep learning model 2026-Jun, Clinical imaging IF:1.8Q3 DOI:10.1016/j.clinimag.2026.110810 PMID:42013611	研究论文	开发并评估用于检测增强CT中肠系膜上动脉闭塞的三维深度学习模型	首次将3D深度学习模型应用于增强CT肠系膜上动脉闭塞的自动检测，并在前瞻性环境中验证其临床效果和减少报告延迟的能力	数据集来自单中心，可能存在选择偏倚；模型对非CTA检查的敏感性较低	开发并评估一种3D深度学习模型，用于检测增强CT中的肠系膜上动脉闭塞，并评估其性能和临床影响	肠系膜上动脉闭塞（SMAO）	计算机视觉	肠系膜上动脉闭塞	增强CT	3D卷积神经网络（CNN）	图像	79,163份增强CT检查（前瞻性），测试数据集具体数量未明确	PyTorch	3D卷积神经网络（具体架构未明确）	敏感性、特异性、曲线下面积（AUC）、延迟时间、质量保证指标	NA
685	2026-06-22	Online Sepsis Prediction Using Vital Signs and Multiscale Temporal-Aware Contrastive Learning: Model Development and Validation Study 2026-Jun-19, JMIR medical informatics IF:3.1Q2 DOI:10.2196/82762 PMID:42320034	研究论文	提出一种基于生命体征和多尺度时间感知对比学习的在线脓毒症预测模型	提出多尺度时间感知对比学习（MSTCL）模型，仅使用易于获取的生命体征（如心率和体温），结合对比学习技术区分脓毒症进展轨迹的正负样本，实现变长输入序列的高效在线预测	依赖公开重症监护数据库数据，未提及在真实临床环境中的验证效果	开发仅使用可实时获取的生命体征进行在线脓毒症检测的预测模型	重症监护病房患者	机器学习	脓毒症	NA	多尺度时间感知对比学习（MSTCL）	时间序列数据（生命体征）	超过400名脓毒症和非脓毒症患者	NA	多尺度时间感知对比学习（MSTCL）	ROC曲线下面积（AUC）、灵敏度、特异性、归一化平均绝对误差	NA
686	2026-06-22	From trial-and-error to inverse design: how AI is redefining drug delivery systems 2026-Jun-18, Drug discovery today IF:6.5Q1 DOI:10.1016/j.drudis.2026.104725 PMID:42314831	综述	本文综述了人工智能在药物递送系统设计中的应用，重点介绍了预测建模和逆向设计策略如何改变传统试错法	系统梳理了人工智能方法在药物递送系统设计中的应用，包括机器学习、深度学习及物理信息方法，并创新性地讨论了它们与制药流程的整合	数据异质性、有限泛化能力、模型可解释性及监管验证是阻碍临床转化的主要障碍	为人工智能驱动的药物递送系统设计提供结构化概述，并评估其临床转化挑战	药物递送系统及其设计方法	机器学习	不适用	机器学习、深度学习、物理信息方法	不适用	不适用	不适用	不适用	不适用	不适用	不适用
687	2026-06-22	Hybrid deep learning-based rapid broad-Spectrum antimicrobial susceptibility prediction from whole-genome assemblies 2026-Jun-17, Journal of microbiological methods IF:1.7Q4 DOI:10.1016/j.mimet.2026.107597 PMID:42309394	研究论文	开发一种基于混合深度学习的模型，从全基因组组装数据快速预测广谱抗菌药物敏感性	提出将CNN、BiLSTM和注意力机制结合的混合深度学习模型，利用6-mer频率编码和基因组-抗生素配对特征，实现从细菌全基因组数据快速预测广谱抗菌药物敏感性	模型在抗生素和细菌组间的预测性能存在差异，AUPRC仅为0.489，表明对耐药样本识别能力有限	开发一种快速、广谱的抗菌药物敏感性预测方法，以辅助临床决策对抗菌药物耐药性	699个细菌基因组组装数据和对应的22种抗生素药敏结果	机器学习	抗菌药物耐药性相关感染	全基因组测序	CNN-BiLSTM-Attention混合模型	基因组序列数据	699个细菌基因组样本，每个样本与22种抗生素配对	NA	CNN, BiLSTM, Attention机制	准确率, AUROC, 平衡准确率, AUPRC	NA
688	2026-06-22	Artificial intelligence and machine learning in robotic, teleoperated, and remote surgery: a bibliometric and knowledge mapping analysis (2015-2025) 2026-Jun-16, Journal of robotic surgery IF:2.2Q2 DOI:10.1007/s11701-026-03600-5 PMID:42298236	研究论文	对2015-2025年间人工智能和机器学习在机器人、遥操作及远程手术中应用的研究进行文献计量和知识图谱分析	首次对AI和ML在远程手术领域的全球研究进行系统的文献计量和知识图谱分析，揭示研究趋势、协作结构和新兴主题	仅纳入Scopus数据库中英文发表的研究文章，可能存在文献覆盖不全的局限性	分析AI和ML在机器人、遥操作及远程手术领域的全球研究格局、协作结构和新兴主题趋势	2015-2025年间发表的2201篇相关研究论文	机器学习	NA	文献计量分析	NA	文献数据	112个国家的2201篇出版物	NA	NA	年发表趋势、引文分析、共现分析	NA
689	2026-06-22	Performance of Deep Learning in Classifying Age-Related Macular Degeneration From Images: Systematic Review and Meta-Analysis 2026-Jun-15, Journal of medical Internet research IF:5.8Q1 DOI:10.2196/97174 PMID:42296531	系统综述与荟萃分析	系统评估深度学习在视网膜图像中分类年龄相关性黄斑变性的诊断性能，并与眼科医生进行对比	首次通过荟萃分析直接对比深度学习与不同经验水平眼科医生在AMD检测和湿性/干性AMD分类中的诊断性能，并引入PROBAST+AI工具评估偏倚风险	研究间异质性高、预测区间宽、多为回顾性设计且内部验证可能膨胀性能，结果仍属初步阶段而非实际部署就绪	比较深度学习算法与眼科医生在检测AMD及区分湿性和干性AMD中的诊断性能，并识别影响深度学习性能的因素	年龄相关性黄斑变性（AMD）患者及正常视网膜图像	机器学习	老年性疾病	NA	深度学习	图像	AMD检测77,485个样本；湿性vs干性AMD分类28,705个样本	NA	NA	敏感性、特异性、准确率、曲线下面积	NA
690	2026-06-22	AirNet: A Deep Learning-Driven Auto Baseline Correction Algorithm Balancing Global Smoothness and Local Fidelity 2026-Jun-10, Analytical chemistry IF:6.7Q1 DOI:10.1021/acs.analchem.6c01550 PMID:42272034	研究论文	提出一种名为AirNet的深度学习驱动的自动基线校正算法，旨在平衡全局平滑性和局部保真度	结合深度学习与化学计量学，通过ResUnet模型识别拉曼峰和基线，并采用多指标评估策略自适应选择最优平滑参数，同时引入Dr-airPLS方法优化权重，实现高精度和高泛化能力	未提及具体限制，可能需依赖训练数据质量，且对急剧变化的背景梯度可能仍有挑战	开发一种可自动校正拉曼/表面增强拉曼光谱中非拉曼散射背景的基线算法，提高光谱分析的准确性和可靠性	拉曼光谱数据（包括模拟和实验光谱）	机器学习, 数字化学	不适用	拉曼光谱, 表面增强拉曼光谱	ResUnet, Dr-airPLS	光谱数据	不适用	PyTorch	ResUnet, Dr-airPLS	准确性, 泛化能力	不适用
691	2026-06-22	Deep Learning-Driven Saccharide Online Sequencing for Elucidating the Pathological Alterations of Heparan Sulfate in APAP-Induced Acute Liver Injury 2026-Jun-10, Analytical chemistry IF:6.7Q1 DOI:10.1021/acs.analchem.6c00995 PMID:42272111	研究论文	利用深度学习驱动的化学衍生-串联质谱策略，首次对APAP诱导的急性肝损伤中硫酸乙酰肝素的结构域变化进行测序	首次通过深度学习驱动的化学衍生-串联质谱策略直接对病理状态下硫酸乙酰肝素的域变化进行测序，并成功解码了生物活性域内的序列变化，而非仅分析其组成变化	仅针对APAP诱导的急性肝损伤模型，未在其他病理模型或大规模样本中验证，且测序深度仅限于八糖以内的生物活性域	阐明APAP诱导的急性肝损伤中硫酸乙酰肝素的病理改变，推动基于硫酸乙酰肝素的治疗药物在生物医学领域的应用	APAP诱导的急性肝损伤小鼠模型中的硫酸乙酰肝素	机器学习	急性肝损伤	质谱分析	深度学习模型	质谱数据	未提及	未提及	未提及	未提及	未提及
692	2026-06-07	Correction to "Deep GIST: Deep Learning Models for Predicting the Distribution of Hydration Thermodynamics around Proteins" 2026-Jun-06, Journal of chemical information and modeling IF:5.6Q1 DOI:10.1021/acs.jcim.6c01684 PMID:42249808	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
693	2026-06-22	Demographic-aware temporal graph attention for fair and accurate cardiac abnormality detection in 12-lead ECG 2026-Jun-04, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-54206-8 PMID:42243352	research paper	提出一种基于人口统计信息感知的图注意力网络DA-GAT-v2，用于12导联心电图的公平且准确的异常检测	三个临床驱动的架构创新：导联时间卷积编码器、动态α网络预测患者特异性导联间图拓扑、以及集成在每一图注意力层的特征级线性调制	公平性评估仅限于性别和年龄亚组，由于所用数据集中缺少种族和民族元数据	同时提升多标签心脏异常检测的诊断准确性和算法公平性	12导联心电图中的心脏异常，特别是性别和年龄相关的人口统计差异	machine learning, digital pathology	NA	NA	图注意力网络	12导联心电图信号	PTB-XL数据集21507条记录，Chapman-Shaoxing数据集10646条记录	PyTorch	DA-GAT-v2 (包含时间卷积编码器、动态α网络、特征级线性调制)	macro F1, AUROC, equalized odds difference	NA
694	2026-06-22	Detecting inflammatory arthritis in hand smartphone photographs: development and validation of a computer vision model in clinical settings 2026-Jun-03, Rheumatology (Oxford, England) DOI:10.1093/rheumatology/keag287 PMID:42226010	研究论文	训练并验证一个计算机视觉模型，通过标准化智能手机照片检测手部滑膜炎	在真实世界风湿病门诊患者中，使用智能手机照片训练深度学习模型检测手部滑膜炎，并通过预设亚组分析验证模型在有手部畸形患者等群体中的稳定性	数据集仅来自印度单中心，且照片为标准化拍摄，实际应用中光线、角度等变量可能影响性能	开发并验证一个能够从智能手机照片中检测手部滑膜炎的计算机视觉模型，以减少炎症性关节炎的诊断延迟	1112名风湿病门诊患者的手部照片（共2296张）	计算机视觉	炎症性关节炎	智能手机摄影	ConvNeXt V2、EfficientNetV2	图像	2296张手部照片（来自1112名患者）	PyTorch, TensorFlow	ConvNeXt V2, EfficientNetV2	AUROC, 准确率, 敏感度, 特异度	NA
695	2026-06-21	Differentiating Ischemic From Nonischemic T-Wave Inversion Using a Multimodal Vision-Language Model With Reinforcement Learning (ECG-R1): Development and Validation Study 2026-Jun-19, JMIR medical informatics IF:3.1Q2 DOI:10.2196/87227 PMID:42319812	研究论文	开发并验证了一种基于强化学习的多模态视觉语言模型ECG-R1，用于区分缺血性与非缺血性T波倒置	采用强化学习范式训练多模态视觉语言模型（Qwen2-VL-2B），结合组相对策略优化算法和结构化推理输出，显著提升了诊断准确性和跨域鲁棒性，避免了传统监督微调的过拟合问题	未提及模型在更广泛临床场景或不同种族、年龄群体中的验证结果，也未讨论计算资源消耗或实时部署可行性	开发一种能够准确区分缺血性与非缺血性T波倒置的多模态诊断框架，并提供可解释的推理过程	心电图波形图像及其关联的临床文本数据	计算机视觉、自然语言处理	心血管疾病	心电图分析	视觉语言模型	图像、文本	12,917例T波倒置病例的多模态数据集	PyTorch, Hugging Face Transformers	Qwen2-VL-2B	准确率、敏感度、AUC	未提及
696	2026-06-21	Public antibody clonotypes and deep learning identify SARS-CoV-2 and HIV broadly neutralizing antibodies in immune repertoires 2026-Jun-19, Cell reports IF:7.5Q1 DOI:10.1016/j.celrep.2026.117582 PMID:42319828	研究论文	提出整合公共抗体克隆型与深度学习模型的ClonoDeep平台，从大规模免疫库中直接识别针对SARS-CoV-2和HIV的广谱中和抗体	首次将公共抗体克隆型与基于序列的深度学习模型结合，无需抗原特异性免疫即可高效发现广谱中和抗体	NA	开发一种高通量计算方法，从非病原体特异性免疫形成的抗体库中挖掘中和抗体，为疫苗设计提供指导	SARS-CoV-2和HIV的广谱中和抗体	机器学习	SARS-CoV-2感染, HIV感染	抗体库测序, 深度学习	深度学习模型（序列型）	抗体序列数据	大规模免疫库（含SARS-CoV-2和HIV队列数据）	NA	NA	中和抗体比例, 广谱中和能力	NA
697	2026-06-21	Comparing Deep Learning Models for Identifying Maxillary Transverse Deficiency from Intraoral Photographs 2026-Jun-19, International dental journal IF:3.2Q1 DOI:10.1016/j.identj.2026.109689 PMID:42320262	研究论文	本研究开发并比较了多种深度学习模型，旨在通过口腔内正面照片识别上颌骨横向发育不足	首次将深度学习应用于从口腔内正面照片自动识别上颌骨横向发育不足，避免了传统CBCT的高辐射、高成本和临床负担	NA	评估深度学习模型从口腔内正面照片识别上颌骨横向发育不足的可行性	上颌骨横向发育不足患者的口腔内正面照片和CBCT图像	计算机视觉	上颌骨横向发育不足	CBCT	CNN	图像	826名内部患者和192名外部患者	PyTorch	DenseNet 121, ResNet 18, EfficientNet B0/B3, MobileNetV3 Small/Large	准确率, 精确率, 召回率, F1分数, AUC	NA
698	2026-06-21	From diagnostic labels to radiology reports: a unified multi-modal framework for lesion detection and segmentation 2026-Jun-19, Medical engineering & physics IF:1.7Q3 DOI:10.1088/1873-4030/ae7f8e PMID:42320491	研究论文	本文提出了一种统一的多模态框架TextDSNet，用于结合放射学报告进行病变检测和分割	引入了一种新的范式“病灶感知分割”，能够识别特定病灶目标，促进粗粒度定位和细粒度分割的联合优化；此外，首次将全文本放射学报告作为跨模态指导融入医疗图像分析	公开数据集中配对的全文本报告稀缺，当前仅在ISLES 2022数据集上进行了验证	利用放射学报告中的全面细粒度语义信息，实现病灶检测和分割的联合优化	ISLES 2022数据集中的医疗影像及其对应的放射学报告	计算机视觉	NA	NA	多模态深度学习模型	图像和文本	ISLES 2022数据集	PyTorch	TextDSNet	准确率、精确率、召回率、F1分数、AUC、Dice系数	NA
699	2026-06-21	An interpretable attention-based TabTransformer framework with feature fusion for green architecture classification 2026-Jun-19, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-50347-y PMID:42321232	研究论文	提出一种基于可解释注意力机制的TabTransformer框架，用于绿色建筑自动分类，以分析环境影响	首次将TabTransformer架构与特征融合、可解释AI（注意力热图、LIME、SHAP）相结合，应用于绿色建筑分类任务	未提及模型在不同地理区域或建筑标准下的泛化能力，以及计算资源消耗	实现绿色与非绿色建筑的自动分类，推动可持续建筑评估的规模化、数据驱动化	建筑项目数据	机器学习	NA	PCA降维	TabTransformer	表格数据（建筑、能源、上下文属性）	NA	PyTorch	TabTransformer	准确率	NA
700	2026-06-21	HybridViT for robust wheat leaf disease detection using CLAHE and attention-based feature fusion 2026-Jun-19, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-55548-z PMID:42321270	研究论文	提出一种名为HybridViT的混合深度学习模型，结合ConvNeXt、Vision Transformer和CBAM模块，并应用CLAHE增强对比度，用于稳健的小麦叶部病害检测	提出自适应门控融合机制，动态平衡局部和全局特征表示，而非传统的静态特征拼接；使用轻量级CBAM模块进一步细化和增强鉴别特征	未提及模型在极端环境或罕见病害类型上的泛化能力；未讨论计算开销或部署可行性	利用深度学习实现小麦叶部病害的自动、准确分类，以支持可持续农业和减少农药使用	小麦叶片图像中的叶部病害（如控制条件和田间条件下拍摄的图像）	计算机视觉, 机器学习	小麦叶部病害	CLAHE（对比度受限自适应直方图均衡化）	混合CNN-Transformer模型（ConvNeXt + Vision Transformer + CBAM）	图像	三个不同数据集（包含控制条件和田间条件图像）	NA	ConvNeXt, Vision Transformer, CBAM, 自适应门控融合	准确率	NA