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	2026-09-18	A multimodal epilepsy dataset of paired 3-Tesla and 7-Tesla MRI and intracranial EEG 2026-Jun-08, Scientific data IF:5.8Q1 DOI:10.1038/s41597-026-07540-5 PMID:42259832	研究论文	该研究发布了一个包含30名耐药性局灶性癫痫患者的配对3T和7T MRI及颅内脑电的多模态数据集，并展示了利用深度学习从3T合成7T T1w图像的潜在应用	提供了同一批癫痫患者的配对3T和7T MRI多模态数据（包括T1w、T2w、FLAIR、rs-fMRI），并结合颅内脑电数据，同时展示了从3T合成7T T1w图像的深度学习应用	样本量较小（30名患者），仅有15名患者具有颅内脑电数据	整合多模态数据集以促进癫痫研究，特别是将电生理学与影像学相关联，并推动未来多尺度分析	30名耐药性局灶性癫痫患者（18名女性，平均年龄38.8±11.7岁），其中15名后续接受了颅内脑电监测	数字病理学, 机器学习	癫痫	3T MRI, 7T MRI, T1加权成像, T2加权成像, FLAIR, 静息态功能MRI, 颅内脑电	深度学习模型	图像, 信号	30名癫痫患者的配对3T和7T MRI数据，其中15名患者的颅内脑电数据	NA	NA	NA	NA
142	2026-09-18	Deep learning-based spatiotemporal estimation of lesion changes for patient-level assessment of breast cancer lung metastases on longitudinal CT 2026-Jun-08, NPJ precision oncology IF:6.8Q1 DOI:10.1038/s41698-026-01473-3 PMID:42260099	研究论文	该文章提出了一种基于深度学习的无需配准的患者级时空评估框架，用于分析纵向CT图像上乳腺癌肺转移病灶的变化	无需图像配准的患者级时空评估框架，能够处理大小不一、与血管和骨骼等复杂结构重叠的转移病灶，并避免配准误差	未明确提及	开发一种患者级框架，用于纵向监测乳腺癌肺转移病灶的演变，以辅助治疗监测	乳腺癌肺转移患者	医学图像分析、数字病理学	乳腺癌、肺癌	纵向CT成像	深度学习	图像（CT）	北京协和医院乳腺癌肺转移数据集和公开数据集；四个医疗中心的多中心验证	NA	NA	优于现有最先进方法	NA
143	2026-09-18	A deep learning system for bacterial identification and resistance prediction from MALDI-TOF data 2026-Jun-08, NPJ digital medicine IF:12.4Q1 DOI:10.1038/s41746-026-02879-w PMID:42260134	研究论文	开发了一个名为ANTIBIOTIC的深度学习系统，直接从原始MALDI-TOF质谱数据中识别细菌种类、预测抗菌药物耐药性并推荐抗生素	利用MALDI-TOF质谱数据中未充分利用的信息，构建了深度学习系统同时实现细菌鉴定和耐药性预测，并整合大语言模型提供抗生素推荐聊天机器人	耐药性预测模型在时间外部数据上性能显著下降（AUC从0.94降至0.55），即使微调后也仅提升至0.61，需要定期更新以维持性能	开发深度学习系统从MALDI-TOF质谱数据中识别细菌种类、预测抗菌药物耐药性，并推荐抗生素	MALDI-TOF质谱数据，包括公共数据集DRIAMS（2015-2018）和本地医院数据集NTUHYL（2017-2023）	机器学习	细菌感染	MALDI-TOF质谱	LightGBM, Temporal Convolutional Network, 大语言模型	质谱数据	89,026条来自NTUHYL数据集的MS记录，以及公共数据集DRIAMS	NA	LightGBM, Temporal Convolutional Network, 大语言模型	AUC	NA
144	2026-09-18	Understanding the spatial determinants of the Oxford Classic prognostic signature for high-grade serous ovarian cancer 2026-Jun-06, Communications medicine IF:5.4Q1 DOI:10.1038/s43856-026-01708-1 PMID:42251166	研究论文	该研究开发了Sig-ZIB-VAE深度学习方法，对94例高级别浆液性卵巢癌的空间转录组数据进行分析，揭示了EMT细胞的空间组织特征及其与预后的关系	首次将零膨胀Beta变分自编码器应用于空间转录组数据解卷积，揭示了Oxford Classic预后特征在肿瘤微环境中的空间组织模式，发现空间免疫细胞组织指标比单独的EMT比例具有更强的预后判别能力	样本量相对有限（94例肿瘤），未在独立队列中验证空间指标的预后价值，深度学习解卷积方法的泛化性有待进一步评估	探索Oxford Classic预后特征所定义的转录程序在高级别浆液性卵巢癌肿瘤微环境中的空间组织模式及其预后意义	94例高级别浆液性卵巢癌（HGSOC）肿瘤样本	空间转录组学	卵巢癌	空间转录组学，转录组学	变分自编码器（VAE）	空间转录组数据，临床数据，分子数据	94例肿瘤	NA	Sig-ZIB-VAE	NA	NA
145	2026-09-18	Deep learning for automatic detection of hepatocellular carcinoma in dynamic contrast-enhanced MRI 2026-06, Abdominal radiology (New York) DOI:10.1007/s00261-025-05249-4 PMID:41217478	研究论文	开发深度学习模型在动态对比增强MRI中自动检测肝细胞癌，并分析其在患者和病灶级别的性能	使用注意力U-Net模型在动态对比增强MRI中自动检测肝细胞癌，并在患者和病灶级别评估性能，与nnU-Netv2相比有显著提升	回顾性研究，样本量相对较小，需要进一步验证	开发深度学习模型用于肝细胞癌自动检测	肝细胞癌患者	计算机视觉, 数字病理学	肝癌	动态对比增强MRI	CNN	图像	363名患者（58±11岁；284名男性；247个病灶）	NA	注意力U-Net, nnU-Netv2	灵敏度, 特异性, 平均假阳性数, 阳性预测值, 阴性预测值, AUC, FROC曲线, ROC曲线	NA
146	2026-09-18	Analysis of deep learning-based segmentation of lymph nodes on full-dose and reduced-dose body CT 2026-06, Abdominal radiology (New York) DOI:10.1007/s00261-025-05253-8 PMID:41251734	研究论文	本文验证了基于深度学习的全自动模型在全身CT图像上检测和分割淋巴结的性能，并比较了全剂量与模拟降低剂量CT的影响。	研究了深度学习模型在降低剂量CT上的淋巴结分割性能，并比较了仅使用全剂量CT训练与使用全剂量和降低剂量CT联合训练的效果。	降低剂量导致图像质量下降，影响淋巴结描绘，模型性能随剂量降低而下降。	验证全自动深度学习模型在全剂量和模拟降低剂量CT上检测和分割淋巴结的性能。	淋巴结	医学图像分割	淋巴结疾病	CT	nnU-Net	3D CT图像	训练集：90例CT扫描；内部验证集：61例CT扫描；外部验证集：120例CT扫描（TCIA Mediastinal LNQ数据集）；共标注15,341个淋巴结	NA	3D nnU-Net	精确率, 灵敏度, Dice相似系数, Hausdorff距离	NA
147	2026-09-18	Machine Learning for Diagnosis and Differentiation of Central Disorders of Hypersomnolence: A Systematic Review 2026-Jun, European journal of neurology IF:4.5Q1 DOI:10.1111/ene.70661 PMID:42237746	系统综述	该文章系统回顾了机器学习在中央嗜睡障碍诊断和分型中的应用，分析了现有研究的局限性和未来方向	首次系统性地综述机器学习在中央嗜睡障碍诊断和分型中的应用，涵盖神经影像、睡眠评估、人口统计学和标准化问卷等多种数据源，并评估了监督学习和无监督学习在该领域的表现	许多研究虽然报告了高准确率，但临床相关性常因僵化的诊断标签而受限，这些标签可能无法反映中央嗜睡障碍的真实复杂性；深度学习模型的黑箱性质和高数据需求阻碍了临床应用；大多数研究对NT1表现良好，但在其他CDH亚型中的泛化能力有限	系统探索机器学习在中央嗜睡障碍中的应用现状，评估其局限性，并提出未来发展方向	中央嗜睡障碍（CDH）患者，包括发作性睡病1型（NT1）和其他CDH亚型	机器学习	睡眠障碍	机器学习	监督学习，无监督学习，深度学习	影像（fMRI、PET），睡眠评估数据（MSLT、多导睡眠图），人口统计学数据，标准化问卷	3274篇研究中筛选出41篇符合纳入标准（37篇同行评审文章和4篇预印本）	NA	NA	准确率	NA
148	2026-09-16	Artificial Intelligence in Peripheral Artery Disease: A Science Advisory From the American Heart Association 2026-Jun, Circulation. Population health and outcomes DOI:10.1161/HCQ.0000000000000146 PMID:42131925	科学建议	本文综述了人工智能在外周动脉疾病全程管理中的当前和新兴应用，并提出了责任部署的策略	系统性地综述了人工智能在外周动脉疾病全程管理中的应用，涵盖从人群筛查到外科规划的各个环节，并首次以美国心脏协会科学建议的形式提出跨学科协作和监管框架	人工智能在外周动脉疾病中的实际落地仍受限于临床医生培训、监管清晰度、数据治理和公平可及性等挑战，且缺乏大规模前瞻性验证	综述人工智能在外周动脉疾病诊疗中的应用现状与前景，并为临床医生、研究人员和政策制定者提供负责任部署的指导	外周动脉疾病患者及其相关的电子健康记录、影像、遗传、行为和生物标志物数据	机器学习	外周动脉疾病	机器学习、深度学习	机器学习、深度学习、多模态模型	结构化电子健康记录数据、非结构化电子健康记录数据、影像数据、遗传数据、行为数据、生物标志物数据	NA	NA	NA	NA	NA
149	2026-09-13	Automated detection of neonatal pulmonary hypertension in echocardiograms with a deep learning model 2026-Jun, Pediatric research IF:3.1Q1 DOI:10.1038/s41390-025-04404-3 PMID:40993360	研究论文	本文提出了一种深度学习模型，利用标准超声心动图视频自动检测新生儿肺动脉高压，并通过收缩期偏心指数进行验证	利用时空卷积神经网络和梯度加权类激活映射，实现了新生儿肺动脉高压的自动检测，具有高准确性、可解释性和可重复性	样本量有限，仅包括975个训练和验证视频及378个保留视频，且仅针对3-90天婴儿	开发一种自动检测新生儿肺动脉高压的深度学习方法，以提高早期诊断效率和准确性	3-90天婴儿的超声心动图视频	医学图像分析	肺动脉高压	超声心动图	CNN	视频	975个视频用于训练和验证，378个视频用于保留测试	NA	时空卷积神经网络	AUROC	NA
150	2026-09-13	Improved image quality and reduced acquisition time in brain MRI using deep learning-based reconstruction: A quantitative and subjective assessment compared to standard MPRAGE in 0.55 T MRI 2026-06, Magnetic resonance imaging IF:2.1Q2 DOI:10.1016/j.mri.2026.110656 PMID:41794343	研究论文	本研究评估了基于深度学习的图像重建在0.55T脑部MRI中对定量和主观图像质量的影响，通过比较DL重建的MPRAGE与标准MPRAGE	使用变分网络架构的DL重建显著提高了低场脑MRI的图像质量并缩短了采集时间，提供了临床证据	标准重建在伪影抑制和灰白质对比度方面略好	评估DL重建对0.55T脑MRI定量和主观图像质量的影响	30名患者	医学图像处理	脑部疾病	MRI	变分网络	图像	30名患者	NA	变分网络	信噪比, 对比噪声比, 主观评分	NA
151	2026-09-13	Dataset of RGB images of healthy grapevine leaves and with downy mildew, powdery mildew, Esca complex, and erineum mite symptoms 2026-Jun, Data in brief IF:1.0Q3 DOI:10.1016/j.dib.2026.112743 PMID:42023017	数据集论文	该数据集包含健康葡萄叶及患有霜霉病、白粉病、埃斯卡综合症和瘿螨症状的葡萄叶的高分辨率RGB图像，用于植物病理学、精准葡萄栽培和计算机视觉研究	提供了一个包含健康叶片和四种不同病害症状的高分辨率RGB图像数据集，覆盖三个葡萄牙葡萄品种，并在三种深度学习架构上验证了数据集对五类分类的适用性	未提及	支持植物病理学、精准葡萄栽培和计算机视觉研究，用于病害检测/分类、品种识别和精准农业应用	葡萄叶（健康及患有霜霉病、白粉病、埃斯卡综合症和瘿螨症状）	计算机视觉	植物病害	RGB成像	CNN	图像	未提及	NA	未提及具体架构，仅提及三种深度学习架构	未提及	未提及
152	2026-09-07	An updated inventory of rock glaciers in the Eastern Himalaya 2026-Jun-27, Scientific data IF:5.8Q1 DOI:10.1038/s41597-026-07765-4 PMID:42365134	研究论文	本研究通过深度学习分割模型和人工改进，构建了喜马拉雅东部地区岩石冰川的更新清单。	采用UNetFormer深度学习分割模型进行岩石冰川轮廓识别，结合手动细化，提供了符合国际标准的标准化属性，是该区域首个基于深度学习的详细清单。	未提及具体局限性，但依赖人工改进可能耗时且受主观影响，模型精度虽高但可能仍有误差。	为喜马拉雅东部山区提供更新的岩石冰川清单，以支持山地冻土、水文存储及气候变化影响评估。	喜马拉雅东部的岩石冰川单元。	人工智能辅助遥感地学（或其他）	NA	深度学习分割（UNetFormer）	深度学习分割模型（UNetFormer）	遥感影像（隐含）	10,552个岩石冰川单位，覆盖587.78平方公里	NA	UNetFormer	未明确提及，可能包括准确度、IoU等	NA
153	2026-09-07	Scalable nonlinear Cox modeling via random Fourier features with analytic uncertainty 2026-Jun-23, BMC medical research methodology IF:3.9Q1 DOI:10.1186/s12874-026-02925-x PMID:42337740	研究论文	提出一种基于随机傅里叶特征的Cox回归方法（RFF-Cox），用于在大规模队列研究中高效建模非线性风险关系，并提供了解析不确定性度量。	首次将随机傅里叶特征应用于Cox比例风险模型，将计算复杂度从O(n^2)降至O(n)，并利用拉普拉斯近似自动优化带宽参数；同时通过Fisher信息矩阵和多元Delta方法提供解析的不确定性量化。	在非线性场景中的95%置信区间覆盖率较低（81.9%），且长随访时间点的校准斜率存在偏差。	开发一种可扩展的非线性Cox回归方法，既能保持传统Cox模型的解释性，又能在大型生物医学队列研究中实现高效计算和不确定性量化。	模拟数据和四个真实世界数据集（样本量范围500至9,105），包括METABRIC数据集，涉及心血管风险因素（如收缩压、吸烟）和乳腺癌基因表达数据。	机器学习	心血管疾病	NA	Cox比例风险模型	数值型临床和基因组数据	模拟数据及四个真实世界数据集，样本量从500到9,105不等	NA	随机傅里叶特征网络	均方根误差（RMSE）、判别能力（如C指数）和综合校准误差（ICE）	NA
154	2026-09-07	PAVSAT: an automated blood vessel analysis tool using deep learning-based segmentation and image processing 2026-Jun-22, BMC bioinformatics IF:2.9Q1 DOI:10.1186/s12859-026-06505-0 PMID:42332561	研究论文	开发了PAVSAT，一个结合深度学习分割和图像处理的自动化血管分析工具，用于定量分析血管结构。	提出新颖的分支点检测算法和边界感知重叠平铺方案，显著减少未被检测的血管，同时保持较低的误报率。	未提及具体限制。	实现复杂血管结构的自动化定量分析，支持大规模研究。	CD31染色的血管结构，来自共聚焦免疫荧光显微镜图像。	数字病理学，计算机视觉	NA	共聚焦免疫荧光显微镜，YOLOv8分割	YOLOv8	图像	两个独立样本，用于验证和消融分析。	Python	YOLOv8	检测率，测量准确度，平均差异，皮尔逊相关系数	未提及具体计算资源。
155	2026-09-07	A systematic review of artificial intelligence in radiotherapy associated cardiovascular toxicity 2026-Jun-19, Cardio-oncology (London, England) DOI:10.1186/s40959-026-00528-5 PMID:42316322	系统综述	本文系统性地评估了人工智能在放疗相关心血管毒性预测和成像中的应用及其研究质量。	首次系统评价AI在放疗相关心血管毒性中的应用，并进行了探索性荟萃分析。	纳入研究异质性高，外部验证不足，多数研究存在高偏倚风险。	评估AI在放疗相关心血管毒性预测和成像中的应用及研究质量。	肺癌、乳腺癌等癌症接受放疗的患者，关注其放疗相关心血管毒性。	医学影像分析	心血管疾病	NA	深度学习	图像、文本（影像学数据及临床数据）	65项研究	NA	NA	AUC、敏感度、Dice相似系数、准确性	NA
156	2026-09-07	An in situ non-contact 3D microscopic measurement system for temporal bone anatomy based on stereo imaging 2026-Jun-18, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-56801-1 PMID:42310033	研究论文	本研究开发了一种基于立体成像的原位非接触三维显微测量系统，用于颞骨解剖的定量评估。	创新性地集成了显微立体校准、基于深度学习的视差估计、三维重建和交互式测量工作流程，实现了显微可视化下的非接触、原位三维定量测量。	作为一个技术原型，该系统在实际临床应用前仍需进一步优化和验证。	解决现有颞骨测量方法在接触需求、间接测量、空间分辨率或定量反馈方面的局限性，提供精确可靠的三维定量测量工具。	研究对象为颞骨微观结构，包括四个来自两个新鲜冰冻尸头标本的颞骨。	计算机视觉	不适用	三维重建、立体成像	深度学习（用于视差估计）	图像	四个颞骨标本、一个高精度扫描的乐高模型、一个定制设计的3D打印模块	NA	NA	均方根误差、平均误差、最大误差	NA
157	2026-09-07	Financial time series forecasting with a hybrid VMD-CSA-BiT framework 2026-Jun-18, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-58302-7 PMID:42310433	研究论文	本研究提出了一种结合变分模态分解、卷积自注意力和双向变换器的VMD-CSA-BiT框架，用于增强金融时间序列预测的鲁棒性	创新性地将VMD、卷积自注意力模块和双向变换器集成在一个统一框架中，以同时处理非线性和非平稳性并捕捉双向长期时间依赖	摘要中未明确提及局限性，但提到了未来将进行架构优化和扩展到更多金融应用	提升金融时间序列预测的准确性和稳定性	多种金融资产的价格序列及其市场特征	机器学习	NA	NA	VMD-CSA-BiT（变分模态分解、卷积自注意力、双向变换器）	时间序列数据（金融价格和市场特征）	多种金融资产，具体数量未在摘要中说明	NA	VMD-CSA-BiT，包括VMD、卷积自注意力模块和双向变换器	关键误差指标（如MAE、RMSE等，具体未列出）	NA
158	2026-09-07	Modeling visual memorability assessment with autoencoders reveals characteristics of memorable images 2026-Jun-17, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-56947-y PMID:42310101	研究论文	提出一种基于自编码器和卷积神经网络的深度学习方法，用于建模和预测图像可记忆性，并揭示可记忆图像的特征。	首次使用自编码器的重建误差和潜在空间特征来关联图像可记忆性，并结合集成梯度进行可解释性分析。	结果仅基于特定数据集和模型架构，可能不适用于所有图像类型。	探究影响图像可记忆性的视觉特征，并开发基于深度学习的可记忆性预测模型。	自然图像，研究其可记忆性分数与自编码器表征的关系。	计算机视觉	NA	NA	自编码器、多层感知机	图像	未明确指定	NA	卷积神经网络、多层感知机、集成梯度	相关性系数、预测性能指标	NA
159	2026-09-07	A novel transformer architecture for EEG decoding and neuroscientific analysis 2026-Jun-17, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-56405-9 PMID:42310346	研究论文	提出一种新颖的基于Transformer的架构Analformer，用于脑电信号解码和神经科学分析，实现高预测性能和神经科学可解释性	引入分析性补丁嵌入模块，使用固定的不可训练的Morlet小波核提取可解释的时空频率特征，并支持标准神经生理分析和注意力连接	未明确说明局限性	开发一个统一的框架，结合高性能脑机接口解码与可解释的、数据驱动的科学分析	脑电信号（EEG）和三种典型的脑机接口范式：运动想象（MI）、事件相关电位（ERP）和稳态视觉诱发电位（SSVEP）	机器学习, 脑机接口	NA	脑电信号记录	Transformer	脑电信号数据	NA	NA	Analformer（包含分析性补丁嵌入模块）	竞争性能（具体指标未提及）	NA
160	2026-09-07	Adversarial vulnerability and robustness of deep learning models for panoramic dental X-ray segmentation 2026-Jun-17, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-57108-x PMID:42310372	研究论文	本文首次系统研究深度学习模型在全景牙科X射线分割中的对抗性漏洞和鲁棒性，并提出多攻击防御策略以提高临床可靠性。	首次对全景牙科X射线分割的深度学习模型进行系统的对抗性漏洞和鲁棒性研究，并实现了定制的多攻击对抗防御策略。	未明确提及局限性，但可能包括防御策略导致的少量精度损失。	评估深度学习模型在牙科X射线分割中的对抗性脆弱性，并开发防御策略以增强鲁棒性。	全景牙科X射线图像的分割模型及其对抗性攻击下的表现。	数字病理学	牙科疾病	X射线成像	深度学习分割模型	图像	995张全景图像（361张专家标注X光片和634张来自DENTEX 2023挑战的细化掩膜）	NA	Attention UNet, SegNet, Trans UNet, Vanilla UNet, UNet++	IoU, Dice	NA