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
1101	2026-06-04	AmygdalaGo-BOLT for boundary-aware segmentation of the human amygdala 2026-Jun-02, Cell reports methods IF:4.3Q2 DOI:10.1016/j.crmeth.2026.101473 PMID:42229420	研究论文	开发了一种边界感知的深度学习模型 AmygdalaGo-BOLT，用于人脑杏仁核的自动分割	结合多尺度特征提取、空间先验和自注意力机制，在紧凑的编码器-解码器架构中增强边界检测能力，专门针对儿童和青少年 MRI 数据中杏仁核的复杂形态和小尺寸问题设计	未明确提及局限性，但依赖手动标注的数据集可能影响模型在未标注变异上的泛化能力	实现可靠、可扩展的杏仁核分割，支持大规模神经影像研究	儿童和青少年的人脑杏仁核	数字病理学	神经发育疾病	MRI	CNN	图像	1,086 个儿科 MRI 扫描	NA	编码器-解码器架构	与专家手动标注的一致性、效率、准确性	NA
1102	2026-06-04	Accuracy of Automated Deep Learning versus Expert Clinicians for Diagnosis of Acute Lacunar Stroke on CT Perfusion 2026-Jun-02, AJNR. American journal of neuroradiology DOI:10.3174/ajnr.A9445 PMID:42229993	研究论文	一项回顾性诊断准确性研究，比较新型自动化深度学习模型与专家卒中神经科医生在CT灌注成像上诊断急性腔隙性卒中的表现	首次系统评估深度学习模型在CT灌注成像上诊断急性腔隙性卒中的准确性，并直接与专家神经科医生进行对比	回顾性设计、样本量有限、仅涉及两个卒中中心、未进行前瞻性或外部验证	评估深度学习模型在CT灌注成像上诊断急性腔隙性卒中的准确性，并比较其与专家神经科医生的表现	疑似急性腔隙性卒中患者的CT灌注成像与弥散加权MRI（DWI）数据	计算机视觉	急性腔隙性卒中	CT灌注成像，弥散加权MRI	卷积神经网络	医学图像	485名患者（436名用于模型开发，49名用于独立验证）	NA	卷积神经网络	AUC，敏感度，特异度	NA
1103	2026-06-04	Deep learning for freezing of gait assessment using inertial measurement units: a multicentre validation study 2026-Jun-02, NPJ Parkinson's disease DOI:10.1038/s41531-026-01407-7 PMID:42230618	研究论文	利用深度学习和惯性测量单元评估帕金森病中的冻结步态，并验证其在不同队列中的表现	首次通过多中心验证全面评估深度学习模型在冻结步态检测中的异质性效应，并提出基于人机协作的微调工作流和概念验证网络平台	外部队列中模型与专家的一致性降低，微调仅改善部分性能；异构性和评估方法差异仍需统一标准解决	评估深度学习模型在不同患者和评估方法异质性下的冻结步态检测性能，并探索微调和人工介入的改进策略	帕金森病患者的冻结步态检测性能，包括本地队列和六个外部队列的数据	深度学习	帕金森病	惯性测量单元	深度学习模型	惯性测量数据	本地队列85名参与者共2043次试验，外部队列256名参与者共1058次试验	NA	NA	组内相关系数	NA
1104	2026-06-04	Deep learning prediction of pathological complete response in breast cancer using Mamba architecture 2026-Jun-02, NPJ digital medicine IF:12.4Q1 DOI:10.1038/s41746-026-02849-2 PMID:42230774	研究论文	开发基于Mamba架构的深度学习模型MCEN，利用穿刺活检图像预测乳腺癌新辅助化疗后的病理完全缓解	首次将Mamba架构应用于乳腺癌化疗疗效预测，替代传统CNN或Transformer方法	研究未明确说明外部测试集样本量和模型在不同亚群中的泛化能力	预测乳腺癌新辅助化疗后的病理完全缓解，辅助临床决策	1646名乳腺癌患者的穿刺活检样本，来自五家三级医院	数字病理学	乳腺癌	穿刺活检	Mamba架构	图像	1646例患者活检样本，其中1023例来自一家医院，分训练集（80%）和验证集（20%），其余四家医院作为外部测试集	NA	Mamba	AUROC	NA
1105	2026-06-04	A multi-scale supervised contrastive framework for cross-domain soybean disease classification using leaf and UAV imagery 2026-Jun-02, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-56162-9 PMID:42230993	研究论文	提出多尺度监督对比框架，融合叶片和无人机影像实现跨尺度大豆病害分类	首次提出跨尺度监督对比学习框架对齐叶片与无人机影像特征，并设计结构化预处理流程减少光照偏差	零样本跨域迁移准确率仅40%，需微调或对比学习缩小域差异	开发统一的多尺度大豆健康监测系统，利用易获取叶片数据提升无人机影像分类性能	四种健康状态（健康、花叶病毒、虫害、锈病）的大豆叶片和无人机影像	计算机视觉	大豆病害（花叶病毒、锈病、虫害）	图像预处理（CLAHE、灰度世界颜色校正、光照归一化），监督对比学习	CNN（MaxViT、ConvNeXt）	图像（叶片和无人机影像）	MH-SoyaHealthVision数据集包含四类健康状况的样本	PyTorch	MaxViT, ConvNeXt	准确率、PCA/t-SNE分离度、轮廓系数、域差异度量	NA
1106	2026-06-04	A forensic evaluation method of stable diffusion-generated images using feature-based likelihood ratio by deep learning features 2026-Jun-02, Journal of forensic sciences IF:1.5Q2 DOI:10.1111/1556-4029.70339 PMID:42231110	研究论文	提出一种基于深度学习特征的似然比模型，用于法医鉴定稳定扩散生成的图像	首次将特征似然比模型与深度学习特征结合，用于鉴别稳定扩散生成的图像，提升了鉴定结论的可司法采纳性	未提及模型的泛化能力及在真实场景中的表现	提升对稳定扩散生成图像的法医学鉴定准确性	稳定扩散生成图像的真实性识别	计算机视觉	NA	稳定扩散模型	Swin-transformer	图像	开发集和验证集包含ImageNet真实图像和Stable Diffusion v1.4生成图像	NA	Swin-transformer	准确率、等错误率、对数似然比成本值、经验交叉熵曲线	NA
1107	2026-06-04	Training effect of a deep learning-based blended teaching model on ECMO transport for ICU nurses: a prospective, parallel-group, randomized controlled trial 2026-Jun-02, BMC nursing IF:3.1Q1 DOI:10.1186/s12912-026-04837-z PMID:42231331	研究论文	验证基于深度学习的混合教学模式在提高ICU护士ECMO转运能力方面的有效性	首次将深度学习导向的混合教学模式（融合在线沉浸学习、线下情景模拟和临床病例回顾）应用于ICU护士ECMO转运培训，并通过眼动追踪技术量化学习沉浸度	单中心设计，样本量有限，且对照组未接受同等在线互动资源，可能存在比较偏差	评估深度学习导向的混合教学模型对ICU护士ECMO转运能力（知识掌握、学习沉浸度和在线参与度）的提升效果	ICU护士	机器学习	NA	NA	NA	文本（问卷、量表）、眼动追踪数据（注视指标）	130名ICU护士（实验组68名，对照组62名）	NA	NA	知识得分、学习沉浸度（眼动追踪指标）、在线学习参与度、学习参与度、认知参与度、满意度	NA
1108	2026-03-21	Corrigendum to 'Multi-Task Deep Learning for Sex and Age Estimation from Panoramic Radiographs in a Brazilian Young Population': [International Dental Journal Volume 76, Issue 2, April 2026, 109381] 2026-Jun, International dental journal IF:3.2Q1 DOI:10.1016/j.identj.2026.109504 PMID:41855705	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
1109	2026-06-04	Interpretable deep survival analysis of Alzheimer's disease via metabolic genetic variants 2026-Jun-01, Bioinformatics (Oxford, England) DOI:10.1093/bioinformatics/btag213 PMID:42063212	研究论文	提出可解释的深度生存分析模型，利用代谢相关遗传变异预测阿尔茨海默病发病	将前馈神经网络与Weibull生存模型结合，并集成SHAP可解释性技术，有效解决遗传变量间非线性交互的建模问题，避免传统方法的组合爆炸	样本量有限，且仅关注SNP数据，未纳入其他组学或环境因素	开发可解释的深度学习模型，预测阿尔茨海默病发病并解析遗传因素贡献	大规模单核苷酸多态性数据中的代谢相关遗传变异	机器学习	阿尔茨海默病	SNP基因分型	前馈神经网络	基因组数据	未明确说明样本数量	NA	前馈神经网络	一致性指数	NA
1110	2026-06-04	Deep Learning-Based Bone Age Assessment for Predicting Final Adult Height in Girls With Central Precocious Puberty 2026-Jun, Korean journal of radiology IF:4.4Q1 DOI:10.3348/kjr.2025.1221 PMID:42225576	research paper	本研究评估了基于深度学习骨龄评估与Bayley-Pinneau或韩国生长图表预测模型结合，预测中枢性性早熟女孩最终成年身高的准确性	首次将人工智能驱动的骨龄评估整合到两种预测模型中，并比较其与传统专家评估在预测最终成年身高方面的性能	单中心回顾性研究，样本量有限（122名韩国女孩）；未评估不同种族或治疗方案的泛化能力	评估人工智能骨龄评估在预测中枢性性早熟女孩最终成年身高中的临床应用价值	122名接受促性腺激素释放激素激动剂治疗至少2年的韩国中枢性性早熟女孩	machine learning, digital pathology	中枢性性早熟	Greulich-Pyle图谱，人工智能权重评分	深度学习（骨龄评估模型）	手部X光图像，生长参数数据	122名韩国中枢性性早熟女孩	NA	NA	R², 95%一致性界限（Bland-Altman分析）	NA
1111	2026-06-04	Ontology-Enhanced Deep Learning for Mechanistic Prediction of Drug-Drug Interactions: A Clinically Interpretable Framework 2026-Jun, Journal of clinical pharmacology IF:2.4Q3 DOI:10.1002/jcph.70220 PMID:42226315	研究论文	通过生物医学本体增强深度学习模型，预测药物-药物相互作用及其机制，并提高临床可解释性	首次将本体嵌入（来自SIDER、DrugBank和Gene Ontology）与神经网络结合，实现机制特异性预测，并增强模型临床可解释性	间接支持临床决策，未直接验证实际应用效果	提高药物-药物相互作用预测的准确性和机制可解释性	药物-药物相互作用及其11种药代动力学和药效动力学机制	自然语言处理	NA	本体嵌入	神经网络	生物医学本体数据（SIDER、DrugBank、Gene Ontology）	NA	NA	神经网络	ROC曲线下面积（AUC）	NA
1112	2026-06-04	The role of artificial intelligence in sarcopenia: Advances, applications, and future directions 2026-Jun, Computational biology and chemistry IF:2.6Q2 DOI:10.1016/j.compbiolchem.2026.108930 PMID:41610568	综述	探讨人工智能在肌肉减少症研究中的进展、应用与未来方向	系统综述了机器学习与深度学习在肌肉减少症早期检测、影像诊断、功能预测和个性化监测中的应用，并引入可解释人工智能、联邦学习等新兴方法	数据质量差异大、模型透明度有限、算法偏见及伦理问题等挑战仍需解决	分析人工智能在肌肉减少症研究和临床实践中的应用进展与潜力	肌肉减少症患者及相关数据	机器学习	老年性疾病	NA	机器学习, 深度学习	影像, 临床指标, 可穿戴设备数据	包含大规模数据集（如NHANES）但未提供具体样本数量	NA	NA	预测性能	NA
1113	2026-06-04	Exploring AI-driven deep learning approaches for optimizing space detection in single gap implantation based on CBCT images 2026-06, Journal of dentistry IF:4.8Q1 DOI:10.1016/j.jdent.2026.106631 PMID:41833743	研究论文	提出了一种基于AI的深度学习方法来优化单颗缺牙种植术中基于CBCT图像的空隙检测	提出了一种新颖的三步序列方法，利用nnUNet的DentalSegmentator框架自动检测单颗缺牙区域及其周围结构，无需额外手动分割	研究仅针对单颗缺牙区域，可能无法直接应用于多颗缺牙或更复杂的情况	开发自动检测单颗缺牙区域及其周围结构的方法，提高种植手术规划的准确性和效率	单颗缺牙区域的CBCT图像	数字病理学	口腔疾病	锥束计算机断层扫描	nnUNet	图像	66个CBCT扫描，包含80个单颗缺牙区域	nnUNet	nnUNet	准确率, 精确率, 召回率, 特异度, F1分数	NA
1114	2026-06-04	AIRC-LABDEN: A multi-modal dataset for dental plaque diagnosis of patients with fixed labial orthodontic appliances 2026-Jun, Data in brief IF:1.0Q3 DOI:10.1016/j.dib.2026.112833 PMID:42232201	研究论文	介绍AIRC-LABDEN数据集，用于通过深度学习检测和量化固定唇侧矫治器患者的牙菌斑	首个专门针对佩戴正畸托槽患者的多模态牙科数据集，整合了高分辨率口腔图像与临床记录	未提及具体限制	促进多模态牙菌斑检测系统的开发，改善正畸患者的口腔护理	固定唇侧矫治器患者的牙菌斑	计算机视觉	口腔疾病（牙菌斑）	NA	深度学习	图像、临床记录	148名患者的10450张高分辨率口腔内图像	NA	NA	NA	NA
1115	2026-06-03	Solution-Tunable Interfacial Interaction Landscape Governs Anomalous Nanoparticle Diffusion in Liquid-Phase Electron Microscopy 2026-Jun-02, ACS nano IF:15.8Q1 DOI:10.1021/acsnano.6c04149 PMID:42065132	研究论文	揭示液相透射电镜中聚乙二醇包覆金纳米棒在氮化硅膜附近的反常扩散机制，并通过调节离子环境实现从分数布朗运动到退火瞬态时间运动的可调转变	首次通过系统调控离子环境实现纳米颗粒表面扩散从分数布朗运动到退火瞬态时间运动的可调转变，并引入被动纳米流变学框架定量表征界面粘弹性力学响应	未提及该方法在复杂多组分体系中的适用性及长期稳定性	阐明液相透射电镜中纳米颗粒在液固界面处的反常扩散物理机制并实现可调控界面输运	聚乙二醇包覆金纳米棒在氮化硅膜附近液固界面的扩散行为	计算机视觉, 机器学习	不适用	液相透射电镜	深度学习分类模型	图像, 轨迹数据	不适用	PyTorch	不适用	不适用	不适用
1116	2026-06-03	P4NSU: Projection-Based Pretraining for Nonlinear Sparse Unmixing in Spectral Imaging 2026-Jun-02, Analytical chemistry IF:6.7Q1 DOI:10.1021/acs.analchem.6c00440 PMID:42145112	研究论文	提出一种基于投影预训练的深度学习框架P4NSU，用于解决光谱成像中的非线性稀疏解混问题	首次将层次化预训练与可学习投影相结合，将非线性解混转化为线性问题，显著降低整体均方根误差14-51%	未提及模型对噪声或不同成像条件的鲁棒性测试，且潜在的计算开销未详细说明	提高光谱成像（如高光谱和拉曼成像）中成分定量分析的准确性，克服非线性混合效应	合成数据集（基于三种非线性模型）及真实数据集（颜料高光谱成像、白血病细胞拉曼成像）	机器学习	白血病	高光谱成像，拉曼光谱成像	深度学习网络	光谱图像数据	三个合成数据集（未提供具体数量）及真实数据集（颜料样本和白血病细胞样本）	PyTorch	层次化预训练网络，可学习特征投影层	均方根误差（RMSE），解混精度，自动化分类性能	NA
1117	2026-06-03	Deep Learning-Assisted Elucidation of Structure-Performance Relationships in MOF-NH3 Adsorption Refrigeration Working Pairs 2026-Jun-02, Langmuir : the ACS journal of surfaces and colloids IF:3.7Q2 DOI:10.1021/acs.langmuir.6c00788 PMID:42142072	研究论文	通过深度学习揭示了MOF-NH3吸附制冷工作对的结构-性能关系	利用高通量计算构建包含9835种MOF结构的吸附数据库，并采用CNN模型提取深层特征，创新性地阐明了饱和氨条件下MOF的吸附机制	仅依赖模拟数据，缺乏实验验证；数据库规模和参数维度可能限制模型泛化能力	阐明MOF-NH3吸附制冷工作对的结构-性能关系，为低碳材料设计提供指导	9835种金属有机框架（MOF）结构及其氨吸附性能	机器学习	NA	高通量巨正则蒙特卡洛计算	CNN	数值数据	9835种MOF结构	NA	CNN	R²分数	NA
1118	2026-06-03	A voyage on computer aided intelligent algorithms for the segmentation of brain tissues for neurodisorder diagnosis 2026-Jun-02, The International journal of neuroscience DOI:10.1080/00207454.2026.2680936 PMID:42190614	综述	综述了从手动和半自动方法到机器学习和深度学习算法的大脑组织分割技术的进展	比较了监督、无监督和深度学习范式在临床环境中的优缺点和潜在用途，并提出了结合传统和AI方法的混合与集成方法	数据异质性、标注局限性和可解释性仍是挑战	推动大脑组织分割技术发展，促进神经疾病早期诊断、治疗规划和个性化医疗	大脑组织中的灰质、白质和脑脊液	计算机视觉	阿尔茨海默病、多发性硬化症、创伤性脑损伤、中风	NA	机器学习, 深度学习	MRI, CT图像	NA	NA	NA	NA	NA
1119	2026-06-03	Deep Learning-Based Acoustic Screening for Penetration-Aspiration Events Using Short Voice Recordings 2026-Jun-02, Dysphagia IF:2.2Q1 DOI:10.1007/s00455-026-10956-1 PMID:42228093	研究论文	评估基于智能手机的深度学习AI工具通过简短语音记录筛查吞咽后气道障碍的可行性	首次利用1.5秒简短语音记录和自编码器异常检测模型实现吞咽后穿透-误吸事件的声学筛查，无需复杂设备	独立测试集特异性较低（50.0%），且研究仅限于VFSS转诊患者，样本量相对较小	评估智能手机深度学习AI工具通过简短语音记录检测吞咽后气道障碍的可行性	接受视频荧光吞咽检查（VFSS）的患者的吞咽后语音记录	机器学习	吞咽障碍	智能手机录音	自编码器	语音	208名参与者	NA	自编码器	灵敏度, 特异度, 准确率, AUC	NA
1120	2026-06-03	Recognition of Normal Fetal Echocardiograms Based on an Explainable Denoising Deep Learning Model 2026-Jun, Journal of clinical ultrasound : JCU IF:1.2Q3 DOI:10.1002/jcu.70183 PMID:41546466	research paper	提出一种可解释去噪深度学习模型GSCAViT用于分类正常胎儿超声心动图	集成新型去噪引导GSCA模块，提升图像质量和可解释性，利用SHAP方法澄清关键图像特征	局限性未在摘要中提及	评估GSCAViT模型在正常胎儿超声心动图分类中的性能	正常胎儿超声心动图	computer vision	NA	AI	Vision Transformer	image	2501张图像来自358次胎儿心脏超声检查	NA	Grouped Shared Convolutional Attention Vision Transformer (GSCAViT)	accuracy, precision, recall, F1 score, contrast-to-noise ratio, peak signal-to-noise ratio	NA