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
221	2026-08-20	Prediction of microvascular invasion in hepatocellular carcinoma using contrast-enhanced ultrasound and deep learning 2026-Jul-10, Nature communications IF:14.7Q1 DOI:10.1038/s41467-026-74985-y PMID:42431906	研究论文	开发了一种基于对比增强超声和深度学习的模型MAPUSE，用于肝细胞癌微血管浸润的无创术前预测	首次利用对比增强超声视频和深度学习实现肝癌微血管浸润的无创术前预测，并通过转录组学分析和注意力图揭示模型预测与CD8+T细胞免疫浸润的关联	信息不足	开发一种非侵入性的深度学习模型，利用对比增强超声预测肝细胞癌的微血管浸润，以改善术前评估和临床决策	肝细胞癌患者的微血管浸润状态	深度学习、医学影像分析	肝细胞癌	对比增强超声	深度学习模型	超声视频	来自1716名患者的5148个对比增强超声视频	NA	NA	AUC	NA
222	2026-08-20	Artificial Intelligence in Peritoneal Dialysis: Applications, Algorithms, and Future Directions 2026-Jul-10, Blood purification IF:2.2Q2 DOI:10.1159/000553474 PMID:42430264	综述	本文综述了人工智能在腹膜透析中的应用，包括机器学习与深度学习在患者分层、技术失败预测、透析充分性监测等方面的研究，并探讨了未来发展方向	系统性地总结了AI在腹膜透析多个环节的应用潜力，并强调了与传统统计方法相比的性能优势，同时指出了从探索性研究向临床转化所需的验证与实施步骤	现有研究多为单中心、探索性且规模有限，缺乏严格的外部验证和系统性的临床实施	探讨人工智能在腹膜透析中的应用现状，并展望未来集成电子健康记录、远程监测和多组学数据的研究方向	腹膜透析患者及其临床数据	机器学习	肾病（腹膜透析相关）	NA	机器学习、深度学习	纵向结构化临床数据、电子健康记录、多组学数据	NA	NA	NA	常规统计方法（对比），具体指标未提及	NA
223	2026-08-20	Deep Learning Predicts Dissimilar DNA-DNA Binding and Engineers Hyperconnected Networks 2026-Jul-09, Nature communications IF:14.7Q1 DOI:10.1038/s41467-026-75395-w PMID:42426013	研究论文	开发了名为BINND的深度学习模型，用于预测DNA-DNA非正交相互作用，并通过超高通量平台验证其准确性和速度	提出BINND模型，结合超高通量实验数据，实现高于80%的预测准确性，速度比现有模型快50倍，支持非正交相互作用的预测	未明确提及限制	利用深度学习预测DNA-DNA非正交相互作用，以拓展序列空间在生物工程和合成生物学中的应用	DNA-DNA相互作用	机器学习	不适用	超高通量测量平台	深度学习模型	DNA序列数据	数百万个相互作用	NA	神经网络	准确率	NA
224	2026-08-20	STRESS: spatial transcriptomics resolution enhancing method based on the state-space model 2026-Jul-03, Briefings in bioinformatics IF:6.8Q1 DOI:10.1093/bib/bbag444 PMID:42611757	研究论文	介绍STRESS，一种基于状态空间模型的深度学习框架，用于提高空间转录组学的分辨率，无需组织学图像或单细胞参考	采用3D状态空间建模架构，同时捕获邻近位置的空间依赖性和跨基因的转录关系，实现无参考的精细空间表达估计	未提及具体限制，但依赖SRT基因表达和空间坐标，可能不适用于无法获取精细空间信息的数据集	解决空间转录组学分辨率不足问题，提高空间表达图谱的连续性和可解释性，增强下游空间域识别	多个平台和不同组织类型的空间转录组数据集	深度学习, 数字病理学	NA	空间转录组学（SRT）	状态空间模型	基因表达谱和空间坐标	多个数据集，覆盖不同平台和组织类型	NA	3D状态空间模型	空间域识别准确性、稳定性（具体指标未提及）	NA
225	2026-08-20	SegJointGene: joint cell segmentation and spatial gene prioritization by information entropy guided convolutional neural networks 2026-Jul-02, Bioinformatics (Oxford, England) DOI:10.1093/bioinformatics/btag447 PMID:42345533	研究论文	开发了SegJointGene，一个联合进行细胞分割和空间基因优先排序的深度学习框架，通过整合基于细胞核的图像和空间基因或蛋白质表达数据来提高细胞分割准确性	提出信息熵引导的卷积神经网络和计算信息丢弃评分，实现对细胞类型特异性分割重要基因的识别，并迭代优化基因优先排序和细胞边界	摘要中未提及明确的局限性	解决仅基于核染色的分割在复杂组织中的不足，通过整合分子信息提高细胞分割准确性并识别重要空间基因	细胞图像和空间基因或蛋白质表达数据	计算机视觉, 数字病理学	不适用	空间转录组学, 空间蛋白质组学	卷积神经网络	图像, 基因表达数据	模拟数据集、小鼠海马体、全脑不同区域、人类扁桃体空间蛋白质组学数据（具体样本量未给出）	PyTorch	卷积神经网络	准确性, 鲁棒性	未提及
226	2026-08-19	Deep learning driven early detection of lung cancer from CT images using transfer learning approaches 2026-07-31, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-64739-7 PMID:42587036	研究论文	本研究利用深度学习技术对肺部CT图像进行自动化分类，以促进肺癌的早期检测。	采用迁移学习并全面微调VGG16模型，在IQ-OTH/NCCD数据集上获得最优性能，并通过Grad-CAM可视化增强模型可解释性。	仅在单一数据集上验证，缺乏多机构大规模数据支持，需进一步验证后才能临床应用。	通过深度学习技术自动分类肺部CT图像为良性、恶性和正常，以提高肺癌早期检测的准确性。	肺部CT图像，具体来自IQ-OTH/NCCD肺癌数据集。	计算机视觉	肺癌	CT成像	CNN	图像	IQ-OTH/NCCD数据集中的CT图像样本（具体数量未在摘要中给出）	NA	VGG16, 自定义CNN, MobileNetV2, ResNet50, InceptionV3, EfficientNetB0	准确率、损失、F统计量、p值（ANOVA）	Google Colab GPU环境
227	2026-08-19	Applying Cognitive Load Theory to Best Practices in Pharmacy Education: A Narrative Review 2026-Jul-29, American journal of pharmaceutical education IF:3.8Q2 DOI:10.1016/j.ajpe.2026.102060 PMID:42526836	综述	本文是一篇叙述性综述，探讨认知负荷理论（CLT）在药学教育中的应用，通过优化教学设计来提升学习效果和课程一致性	系统性地将CLT原则整合到药学教育的教学策略、课程设计、评估实践和教师发展等多个领域	未提及具体局限性	综合证据，说明CLT原则如何指导药学博士项目中的教学策略、课程设计、评估实践和教师发展	药学教育中的认知负荷理论及其应用，包括内在、外在和相关认知负荷的管理	教育	不适用	不适用	不适用	文本	不适用	不适用	不适用	不适用	不适用
228	2026-08-19	A multimodal deep learning model for preoperative prediction of post-operative complications in gastric cancer 2026-Jul-16, Annals of oncology : official journal of the European Society for Medical Oncology IF:56.7Q1 DOI:10.1016/j.annonc.2026.07.004 PMID:42463045	研究论文	开发并验证了一种多模态深度学习框架DeepComp，用于胃癌患者术后并发症（CD等级≥II）和长期生存的术前预测	首次将基础模型图像特征与临床变量整合，结合目标病灶区域、5mm瘤周区域和L3身体组成区间的多模态数据，通过表格双任务架构联合预测术后并发症和总生存期	未在摘要中明确说明具体局限性，但可能包括多中心回顾性数据依赖、外部验证仍以中国人群为主	开发并验证一种多模态深度学习模型，用于胃癌患者术前预测术后并发症（CD等级≥II）和长期生存率，以支持个体化围手术期管理	5237例来自11个中国中心的胃腺癌患者，以及来自6项注册临床试验的前瞻性数据（涵盖化疗、放化疗和免疫化疗三种新辅助治疗场景）	深度学习, 医学图像分析, 多模态学习	胃癌	基础模型图像特征提取, 临床变量整合	多模态深度学习模型（表格双任务架构）	医学图像（CT）, 临床表格数据, 生存数据	5237例患者（训练/内部验证），6项临床试验的前瞻性数据集（外部验证）	NA	DeepComp（多模态双任务架构，集成基础模型图像特征和临床变量的表格网络）	ROC曲线下面积（AUC）, C指数, 灵敏度, 风险比（HR）, E值	NA
229	2026-08-19	Grading medullary thyroid carcinoma on fine needle aspiration biopsy specimens: a comparative study between manual counting and a deep learning platform 2026-Jul-10, Journal of the American Society of Cytopathology DOI:10.1016/j.jasc.2026.07.001 PMID:42532782	研究论文	本研究比较了人工计数和深度学习平台在细针穿刺活检标本中对甲状腺髓样癌进行分级的一致性	首次评估基于人工智能的数字量化平台在细胞学标本中进行甲状腺髓样癌分级的可行性，并系统比较其与人工计数及手术标本结果的一致性	样本量较小（仅18例），且数字分析平台性能有限，常高估Ki-67增殖指数，需要针对标本类型的专门开发和验证	评估使用细针穿刺标本进行甲状腺髓样癌分级的可行性，并比较人工计数与AI数字量化平台的性能	18例具有配对细针穿刺和手术切除标本的甲状腺髓样癌病例	数字病理学	甲状腺髓样癌	免疫组化Ki-67染色、数字病理图像分析	深度学习平台（DeepLIIF）	病理图像	18例甲状腺髓样癌患者的配对细针穿刺和手术切除标本	NA	DeepLIIF	一致性百分比、Cohen's kappa系数	NA
230	2026-08-19	Advancing bioinformatics with language models: components, applications, and perspectives 2026-Jul-03, Briefings in bioinformatics IF:6.8Q1 DOI:10.1093/bib/bbag367 PMID:42430786	综述	该文章全面综述了基于Transformer的大型语言模型在基因组学、转录组学、蛋白质组学、药物发现和单细胞分析等生物信息学领域的应用，并讨论了关键组件、现有基础模型及未来方向	强调了以往综述中未充分解决的主要挑战，并提出了下一代生物语言模型的设计原则	未提及具体的局限性	提供大型语言模型在生物信息学中应用的全面概述，并为用户和开发者提供实用指导	大型语言模型及其在生物信息学各领域中的应用	自然语言处理	NA	NA	大型语言模型	文本、生物序列数据	NA	NA	Transformer	NA	NA
231	2026-08-19	A deep learning-enabled toolkit for the 3D segmentation of ventricular cardiomyocytes 2026-Jul, The Journal of physiology DOI:10.1113/JP288557 PMID:41031902	研究论文	本文介绍了一种基于深度学习的工具箱，用于三维共聚焦显微镜体积中单个心室心肌细胞的自动分割，并包含跨物种和多种实验条件的带注释数据集。	首次将深度学习方法应用于高分辨率三维心肌细胞分割，提供了涵盖七个物种和多种实验条件的开放数据集和工具包，并包含图像恢复工作流以处理空间变化模糊等问题。	未明确提及，但数据集中体积数量有限（73个），且分割结果依赖专家注释质量。	开发并验证一个开放获取的深度学习工具箱，以可靠地从三维共聚焦图像堆栈中分割和量化心肌细胞微观结构。	单个心室心肌细胞，涵盖七个物种（小鼠、人类、大象等）以及不同实验条件（如心肌梗死后和离体切片培养）的样本。	计算机视觉	心血管疾病	共聚焦显微镜	深度学习分割模型（具体架构未指明，如CNN）	三维图像	73个体积数据，包含专家注释，涉及七个物种和多种实验条件。	未指明	未指明（可能为U-Net或类似分割架构）	自适应Rand误差（Adapted Rand error），约94%体素对一致性。	未指明
232	2026-08-19	Artificial Intelligence in Cardiology: Applications in Diagnosis and Risk Prediction 2026-Jul, Cureus DOI:10.7759/cureus.112841 PMID:42605286	综述	本文综述了人工智能在心脏病学中用于诊断和风险预测的最新进展，重点关注临床应用的现状和挑战	系统总结了AI在影像、心电图和预测建模中的应用，并强调了与可穿戴技术整合及多模态数据融合的潜力	数据集缺乏多样性、模型泛化性差、可解释性有限，以及验证、伦理和整合问题	探讨人工智能在心血管疾病诊断和风险预测中的临床应用及其挑战	心血管疾病患者及相关临床数据	机器学习	心血管疾病	NA	机器学习模型、深度学习模型	医学影像、心电图信号、临床数据	NA	NA	NA	诊断准确性、风险分层能力	NA
233	2026-08-19	Artificial Intelligence Across the Echocardiographic Workflow: A Narrative Review for Clinicians 2026-Jul, Cureus DOI:10.7759/cureus.112828 PMID:42605470	综述	本文综述了人工智能在超声心动图工作流程中的临床应用，涵盖图像采集、视图分类、腔室分割、功能量化和血流动力学评估等环节	从临床医生视角系统回顾了AI在超声心动图全流程中的应用，并指出了临床应用转化中的关键障碍	缺乏外部验证、对图像质量的依赖性、不同超声设备厂商和患者群体之间的差异、模型可解释性有限，以及缺乏证据表明能改善患者预后	概述AI在超声心动图工作流程中的当前临床应用，并讨论实施挑战和未来方向	超声心动图图像及相关临床数据	计算机视觉	心血管疾病	深度学习	深度学习模型（未具体指明类型）	超声心动图图像	NA	NA	NA	NA	NA
234	2026-08-19	Cost-effectiveness of Artificial Intelligence applications in healthcare: A systematic review 2026 Jul-Sep, Health informatics journal IF:2.2Q3 DOI:10.1177/14604582261460314 PMID:42610406	系统综述	本文系统评估了人工智能在医疗保健应用中成本效益的证据，涵盖筛查、诊断、治疗决策支持和康复等领域。	首次通过系统综述方法，全面评估AI在医疗保健领域的成本效益，并采用CHEC-list评估研究方法学质量。	当前证据强度中等且高度依赖具体情境，结果受方法学假设、实施成本和医疗系统特征影响。	评估人工智能在医疗保健应用中的成本效益，以支持价值导向的医疗决策。	人工智能在医疗保健中的应用，包括筛查、诊断、治疗决策支持和康复等。	卫生经济学与人工智能应用	不特定	深度学习及其他AI技术	AI模型（包括深度学习等）	不适用	26项符合纳入标准的研究	不适用	不适用	增量成本效益比、质量调整生命年、伤残调整生命年	不适用
235	2026-07-29	ECG-Based Deep Learning to Predict Incident Atrial Fibrillation Burden 2026-Jul-21, Journal of the American Heart Association IF:5.0Q1 DOI:10.1161/JAHA.125.048546 PMID:42432448	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
236	2026-08-18	Recent Advances in AI for Automated ICD Coding: A Systematic Literature Review 2026-Jul-16, Journal of medical systems IF:3.5Q2 DOI:10.1007/s10916-026-02429-7 PMID:42461368	综述	对2019年至2024年间用于自动化ICD编码的人工智能研究进行了系统性文献回顾，分析了54项研究，并提出了研究议程。	提出了5P证据驱动研究议程（人口多样性、性能鲁棒性、罕见代码预测、来源透明性、实践整合），并系统分析了从传统机器学习到深度学习的架构演变。	现有研究多依赖单一语言和单一机构数据集，难以预测罕见代码，模型可解释性不足，且评估协议不一致。	探索自动化ICD编码的研究现状，识别现存挑战，并提出未来研究方向。	自动化ICD编码的人工智能模型，应用于出院摘要、电子健康记录、护理记录和病理报告等临床文本。	自然语言处理	多疾病（适用各类疾病，因ICD编码涵盖多种疾病）	机器学习、深度学习（包括预训练语言模型）	卷积神经网络、循环神经网络、Transformer、混合模型	文本	共54项相关研究（从4280篇初检文献中筛选）	未指定	卷积神经网络、循环神经网络、Transformer、混合模型	准确率、精确率、召回率、F1分数、AUC等	未指定
237	2026-08-18	Single-channel gamma burst dynamics and adaptive deep learning for robust EEG motor state decoding 2026-Jul, Biomedical engineering letters IF:3.2Q2 DOI:10.1007/s13534-026-00577-w PMID:42603935	研究论文	本文提出一种紧凑的脑电解码框架，通过建模伽马爆发动态并结合自适应深度学习模型，在单通道条件下提升运动状态解码的跨会话鲁棒性	创新性地将伽马爆发动态（包括爆发起始、持续时间、幅度和复发）作为运动准备和执行的生物标志物，并采用自适应阈值的小波变换提取爆发特征，结合实例归一化和少样本重校准的多流自适应深度学习模型，以增强跨会话鲁棒性	未明确提及局限性	实现可靠的单通道脑电运动状态解码，提升跨会话准确性，以促进轻量级运动脑机接口的实用性	WAY-EEG-GAL数据集中的单通道脑电信号	脑机接口, 信号处理, 深度学习	NA	脑电图（EEG）	多流自适应深度学习模型	脑电信号	WAY-EEG-GAL数据集（具体样本数未在标题和摘要中提供）	NA	自适应深度学习模型（实例归一化、少样本重校准）	准确率、跨会话准确性	NA
238	2026-08-18	Virtual histological staining: toward standardization and clinical translation 2026-Jul, Biomedical engineering letters IF:3.2Q2 DOI:10.1007/s13534-026-00597-6 PMID:42603942	综述	本文回顾了基于深度学习的虚拟染色技术在无标记和染色间转换中的应用，提出了标准化蓝图和最小报告检查表，以推动该领域向临床转化发展。	提出了一个涵盖数据构建、模型设计、域偏移、评估、安全性和临床转化的标准化蓝图，并首次提出最小报告检查表以促进可重复的实验报告和基准比较。	未提供实际实验验证，且虚拟染色技术在临床实践中仍未常规替代传统染色，存在证据缺口。	促进深度学习虚拟染色领域的标准化，提升研究可重复性和可比性，并推动其临床转化。	深度学习虚拟染色方法及其在病理学工作流程中的应用。	数字病理学	非特定	深度学习	NA	图像	NA	NA	NA	NA	NA
239	2026-08-18	Deep Learning-Based Oral Cancer Detection Using Clinical Images 2026-Jul, Cureus DOI:10.7759/cureus.112795 PMID:42604394	研究论文	本研究开发并评估了一种基于深度学习的模型，用于从临床图像中自动检测口腔癌	利用迁移学习（EfficientNet-B0）在有限样本量下训练CNN，并结合Grad-CAM可视化进行模型可解释性探索	模型训练数据来源单一（Kaggle），且Grad-CAM热图不能确认模型使用了临床有意义的特征，需进一步临床验证	评估深度学习模型在临床图像中自动检测口腔癌的性能，以辅助早期诊断	口腔病变的临床摄影图像	计算机视觉, 数字病理学	口腔癌	NA	CNN	图像	750张口腔病变图像	NA	EfficientNet-B0	准确率, 精确率, 召回率, 特异性, AUC	NA
240	2026-08-18	Comments on "Advancing air pollution forecasting: a review of physical, statistical, and machine learning methods" 2026-07, Environmental science and pollution research international DOI:10.1007/s11356-026-38087-y PMID:42530833	评论	本文是对《推进空气污染预报：物理、统计和机器学习方法综述》一文的评论，指出了其综述的及时性和全面性，并讨论了若干关键操作挑战及未来发展方向	强调了空气污染预报需超越预测精度，整合大气化学、高分辨率观测、不确定性分析和公共卫生框架，并提出物理可解释性与人工智能耦合的混合系统是下一代运营工作流的前沿	讨论仅限于对原文的评论，未提供新实验或数据，且对操作挑战的提出缺乏详细解决方案	批判性评估现有空气污染预报方法，并指出未来研究需关注模型可迁移性、不确定性量化、可解释性、操作鲁棒性和数据质量等关键问题	空气污染预报方法，包括确定性、统计、机器学习和混合方法，以及相关的操作挑战和未来方向	机器学习	NA	NA	NA	NA	NA	NA	NA	NA	NA