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
781	2026-07-03	Engineering biomarker representations of vital signs data enhances deep learning mortality prediction 2026-Jul-01, Journal of the American Medical Informatics Association : JAMIA IF:4.7Q1 DOI:10.1093/jamia/ocag066 PMID:42068567	研究论文	使用双向长短期记忆模型预测住院患者死亡率，并比较不同生命体征数据处理方法的效果	通过将生命体征数据转化为生物标志物表示（扩展自PhysioZoo软件的数字血氧生物标志工具包），提升了深度学习模型的死亡率预测性能	未提及具体限制，可能包括数据集来源单一或模型泛化性需进一步验证	评估不同生命体征数据处理方法对深度学习模型预测住院患者死亡率的影响	ICU住院患者入院后24小时内的生命体征数据	machine learning	NA	NA	双向长短期记忆网络	时间序列生命体征数据（血压、心率、体温、呼吸频率、血氧饱和度）	两个大型ICU数据集（HiRID和eICU），具体样本量未提及	NA	双向长短期记忆网络	区分度、Brier分数	NA
782	2026-07-03	Bioinspired Ultrastretchable Aramid Triboelectric Aerogels for Intelligent Vehicle Seat 2026-Jul, Advanced materials (Deerfield Beach, Fla.) DOI:10.1002/adma.73549 PMID:42212808	研究论文	受肌肉纤维定向结构启发，开发出一种超可拉伸芳纶摩擦电气凝胶，并用于智能车辆座椅的实时驾驶行为监测与振动反馈	首次利用程序化冰晶生长实现98%的取向拟合度（比传统冷冻铸造高2.6倍），使气凝胶达到539%的极限应变；首次在单一传感器界面中结合深度学习实现实时驾驶行为监测与振动反馈	未提及具体局限，但需注意有序结构在长期循环下的稳定性以及实际车辆环境中温度、湿度等因素对性能的影响	开发超可拉伸摩擦电气凝胶传感器，用于智能驾驶系统中不安全驾驶行为的识别与预警	超可拉伸芳纶摩擦电气凝胶及基于该材料的传感阵列	机器学习	NA	NA	深度学习	信号（摩擦电传感数据）	NA	NA	NA	应变（539%）、取向拟合度（98%）	NA
783	2026-07-03	Telomere-to-telomere assembly using HERRO-corrected Nanopore Simplex reads 2026-Jul, Nature IF:50.5Q1 DOI:10.1038/s41586-026-10563-y PMID:42045451	研究论文	本文展示了利用深度学习框架HERRO校正纳米孔单链读段，实现端粒到端粒装配的方法	开发出基于深度学习的HERRO框架，仅用超长ONT单链读段即实现与PacBio HiFi或ONT双链读段相当的端粒到端粒装配质量，降低了成本和DNA需求量	未提及具体限制，可能涉及读长长度限制或对高质量参考基因组的依赖	实现经济高效的端粒到端粒基因组装配，仅使用校正后的ONT单链读段	人类二倍体基因组及其他物种基因组	机器学习	不适用	纳米孔测序（ONT，包括R9.4.1和R10.4.1化学试剂），深度学习错误校正	深度学习模型（HERRO框架）	纳米孔单链测序读段	多个人类基因组样本（具体数量未提及）	PyTorch（推测，HERRO框架基于深度学习）	HERRO框架（校正模型），Verkko装配器	NGA50（归一化基因组装配50值），读段准确度提升倍数（高达100倍）	不适用（未提及具体GPU或平台信息）
784	2026-07-03	Achieving precise m6A RNA modification prediction from nanopore signals through integration with pre-trained foundation model 2026-Jul, International journal of biological macromolecules IF:7.7Q1 DOI:10.1016/j.ijbiomac.2026.152629 PMID:42162588	研究论文	提出NanoFM，一种结合RNA结构基础模型与纳米孔信号特征的深度学习预测器，实现精准的m6A RNA修饰预测	首次将RNA结构基础模型与原始纳米孔信号特征融合，克服了现有方法忽视RNA序列特征和结构影响的局限	NA	实现从纳米孔信号直接预测m6A RNA修饰，提高预测精度并降低假阳性率	m6A RNA修饰位点	机器学习	NA	纳米孔测序	深度学习	电信号	NA	NA	RNA结构基础模型	预测精度	NA
785	2026-07-03	Automated detection and characterization of small cell lung cancer liver metastasis on computed tomography 2026-07-01, Diagnostic and interventional radiology (Ankara, Turkey) DOI:10.4274/dir.2025.253310 PMID:41049163	研究论文	提出一种基于CT影像自动检测和表征小细胞肺癌肝转移的计算方法	首次将深度学习分割与影像组学结合，基于神经内分泌相关基因表达谱对SCLC肝转移病灶进行分子表型分类	数据集规模有限（仅86例SCLC患者），且未提及模型泛化性验证及临床部署的可行性	开发AI辅助系统，通过影像组学特征预测SCLC肝转移的神经内分泌表型，以指导靶向治疗	小细胞肺癌肝转移患者的CT影像病灶	计算机视觉	小细胞肺癌	CT影像	深度学习分割算法、影像组学机器学习分类器	医学影像（CT）、基因表达数据（RNA-seq、cfDNA ChIP-seq）	公开数据集131例（多种癌症类型）、机构队列86例（SCLC）	NA	深度学习分割模型（未明确指定架构）、LASSO回归、影像组学机器学习分类器	灵敏度（66%-83%）、AUC（0.73）、F1分数（0.88）	NA
786	2026-07-03	Landmark-based deep learning for radiographic screening for developmental dysplasia of the hip in infants: Development and external evaluation with IHDI-guided triage 2026-Jul, Journal of orthopaedic science : official journal of the Japanese Orthopaedic Association IF:1.5Q3 DOI:10.1016/j.jos.2026.01.009 PMID:41714232	研究论文	开发并验证基于深度学习的系统，用于婴儿发育性髋关节发育不良的X线筛查，并提出两步分诊策略	首次结合IHDI分级与深度学习，实现婴儿髋关节放射学筛查，并预设两步分诊策略以优化临床工作流程	回顾性单中心研究，需前瞻性多中心验证，且阈值需根据年龄和地区调整	开发并验证基于深度学习的X线诊断支持系统，实现婴儿发育性髋关节发育不良的筛查分诊	年龄2-12个月婴儿的1188张前后位骨盆X线片	计算机视觉	发育性髋关节发育不良	X线成像	深度学习	图像	1188张X线片，分为三个非重叠测试子集（各50张）和训练验证集	NA	NA	类内相关系数, 二次加权kappa, 灵敏度, 特异度	NA
787	2026-07-01	1D domino-like phase transformation enables material programming in 2D MoTe2 2026-Jul-07, Proceedings of the National Academy of Sciences of the United States of America IF:9.4Q1 DOI:10.1073/pnas.2528037123 PMID:42372145	研究论文	通过深度学习势加速的分子动力学模拟，揭示了单层MoTe2中一维多米诺骨牌式的相变机制，并展示了其在非线性光学响应和电学开关调控中的潜力	首次发现二维材料中一维多米诺骨牌式相变机制，兼具马氏体和重构相变特征，并通过深度学习势分子动力学模拟验证，提供了可调的相变过程控制能力	研究主要基于模拟结果，未提供实验验证相变机制的细节，且可能未探讨其他组分的MoTe2或不同二维材料中的通用性	探索单层MoTe2的相变微观机制并实现材料性能调控	单层MoTe2材料	机器学习	NA	分子动力学模拟, 深度学习势	深度学习势	分子动力学轨迹数据, 模拟数据	NA	NA	深度学习势	NA	NA
788	2026-07-01	Joint-Shrinkage Pattern Matching for Small-Sample and Imbalanced ERP Decoding in Brain-Computer Interfaces 2026-Jul, IEEE transactions on bio-medical engineering DOI:10.1109/TBME.2025.3632096 PMID:41223103	研究论文	提出了一种联合收缩模式匹配算法，用于解决脑机接口中小样本和不平衡事件相关电位解码问题	通过联合收缩空间滤波器结合基于收缩的正则化与l_{2,p}范数，在复杂结构化正则化与实现简单性之间架起桥梁，并利用加权模板匹配缓解类不平衡导致的决策边界偏移	未明确说明	解决事件相关电位解码中的数据稀缺和类不平衡挑战，推动从实验室研究向实际应用过渡	基于事件相关电位的脑机接口系统的解码算法	机器学习	NA	事件相关电位解码	联合收缩模式匹配 (JSPM)	脑电图信号	40个不平衡训练样本	NA	联合收缩空间滤波器, 加权模板匹配	平衡准确率 (bAcc)	NA
789	2026-07-01	Data Augmentation via Digital Twins to Develop Personalized Deep Learning Glucose Prediction Algorithms for Type 1 Diabetes in Poor Data Context 2026-Jul, IEEE transactions on bio-medical engineering DOI:10.1109/TBME.2025.3635264 PMID:41269845	研究论文	提出一种利用数字孪生体进行数据增强的策略，以在数据匮乏的情况下开发1型糖尿病个性化深度学习血糖预测算法	首次将数字孪生体（DT-T1D）用于生成个性化合成数据，以增强深度学习模型在血糖预测中的训练效果，特别是在数据有限的情况下	研究基于12名患者的开源数据集，样本量较小，可能限制模型的泛化能力；此外，数字孪生体的生成和模拟过程可能引入偏差	解决1型糖尿病管理中因数据稀缺而难以训练深度学习血糖预测模型的问题	1型糖尿病患者及其血糖-胰岛素动态数据	机器学习	1型糖尿病	NA	深度学习（未指定具体模型类型）	时序数据（血糖-胰岛素动态数据）	12名患者的数据	NA	NA	NA（摘要中提及性能提升但未给出具体指标）	NA
790	2026-07-01	Leveraging Rich Mechanical Features and Long-Range Physical Constraints for Lumbar Spine Stress Analysis 2026-Jul, IEEE transactions on bio-medical engineering DOI:10.1109/TBME.2025.3635426 PMID:41269846	研究论文	提出一种结合3D生成对抗网络与双通道视觉Transformer的框架，用于腰椎应力分析，兼具高精度与高效计算	将物理约束机制引入深度学习训练，确保模型与力学原理的一致性；通过生成对抗网络进行数据增强，克服了医学数据依赖性	未提及	提高腰椎生物力学分析的效率与准确性，实现实时分析以辅助诊断、手术规划和个体化治疗	腰椎的生物力学特性，包括椎体、椎间盘等结构	计算机视觉，数字病理学	脊柱疾病	有限元分析	生成对抗网络，视觉Transformer	图像	未提及	PyTorch	3D生成对抗网络，双通道视觉Transformer	交并比，均方误差	NA
791	2026-07-01	EMI Cancellation for Shielding-Free Ultra-Low-Field MRI 2026-Jul, IEEE transactions on bio-medical engineering DOI:10.1109/TBME.2025.3635911 PMID:41284462	研究论文	针对无屏蔽超低场MRI中的电磁干扰问题，提出一种基于深度学习的主动EMI抑制方法	首次将Transformer与混合注意力机制结合到U-Net架构中实现数据驱动的EMI预测与抑制	未提及具体局限性	开发深度学习主动EMI抑制方法，实现无屏蔽环境下ULF MRI的高质量成像	人体大脑成像数据中的电磁干扰信号	机器学习	NA	超低场磁共振成像	U-Net	磁共振信号	NA	PyTorch	U-Net, Transformer, 混合注意力机制	信噪比, 峰值信噪比, 结构相似性指数	NA
792	2026-07-01	Assessing the Robustness of Deep Learning Based Brain Age Prediction Models Across Multiple EEG Datasets 2026-Jul, IEEE transactions on bio-medical engineering DOI:10.1109/TBME.2025.3639477 PMID:41329579	研究论文	系统评估基于深度学习的脑年龄预测模型在多个EEG数据集上的鲁棒性	首次在不同脑电图数据集上系统评估深度学习模型的泛化能力，并探索超参数配置对模型性能的影响	未详细说明模型在特定疾病或人群中的适用性，以及潜在的偏倚来源	研究深度学习模型在不同脑电图数据集上的泛化能力，以年龄为预测目标	脑电图数据（EEG）	机器学习, 数字病理学	老年疾病	脑电图（EEG）	深度学习（DL）	时间序列数据（EEG信号）	5个数据集，1805个超参数配置	NA	多种深度学习架构（未具体列出）	皮尔逊相关系数（r）, R²	NA
793	2026-07-01	Deep Learning-Based Surrogate Model of Subject-Specific Finite-Element Analysis for Vertebrae 2026-Jul, IEEE transactions on bio-medical engineering DOI:10.1109/TBME.2025.3642160 PMID:41364580	研究论文	提出一种基于深度学习的替代模型，用于高效预测椎体应力分布，替代耗时的主体特定有限元分析	整合椎体形状编码并采用分离解码分支处理表面和内部节点，实现高效预测并与FEA结果高度一致	在前下缘和椎弓根区域存在局部预测偏差	开发快速、主体特定的椎体生物力学评估方法，应用于临床工作流	腰椎L1椎体	机器学习	NA	CT扫描	深度学习替代模型（基于CNN）	CT图像	42例真实CT扫描数据经增强生成3960个合成L1椎体	NA	多分支解码网络（表面节点分支+内部节点分支）	平均绝对误差, R平方, 可视化对比	NA
794	2026-07-01	A century of coffee and tea research in cognitive health and Alzheimer's disease: Structural, thematic, and translational insights (1911-2025) 2026-Jul, Journal of Alzheimer's disease : JAD DOI:10.1177/13872877261450996 PMID:42216624	综述	系统绘制咖啡和茶在认知衰老与阿尔茨海默病研究中的结构、主题和演化全景（1911-2025）	首次以百年时间尺度、统一初级证据框架联合分析咖啡与茶两种饮品，结合文献计量学与可视化工具揭示主题演化及新兴领域（如肠道微生物、深度学习方法）	仅纳入Scopus索引的英文原创文章，可能遗漏非英文文献及灰色文献；检索策略受布尔逻辑限制，部分灰色文献未覆盖	绘制咖啡和茶在认知老化与阿尔茨海默病研究中的结构、主题与时间演化图谱	咖啡和茶对认知健康与阿尔茨海默病影响的原始英文文献	文献计量分析	阿尔茨海默病	NA	NA	文献元数据	2873篇文章（来自1285个来源）	Bibliometrix, VOSviewer	NA	文献产出量、每篇平均引用数（40.17次）、合作网络密度、核心期刊分布等	NA
795	2026-07-01	Pediatric post-acute sequelae of SARS-CoV-2 infection in Taiwan: Insights from the DISCOVER cohort 2026-Jul, Pediatrics and neonatology IF:2.3Q2 DOI:10.1016/j.pedneo.2026.03.007 PMID:42285845	研究论文	基于DISCOVER队列的台湾儿童SARS-CoV-2感染后遗症研究	通过多模态方法（验证筛查工具、AI诊断、肺功能评估）系统描述台湾儿童PASC的临床特征，并初步探索维生素D干预效果	结果基于单个队列和单中心随机对照试验，需更大规模验证	阐明台湾儿童PASC的临床特征、免疫机制及干预措施效果	台湾儿童SARS-CoV-2感染后遗症患者	机器学习	儿科COVID-19后遗症	脉冲振荡肺功能、深度学习超声心动图	深度学习模型	影像、免疫生物标志物、临床数据	DISCOVER队列儿童患者（具体数量未提及）	NA	深度学习辅助超声心动图模型	NA	NA
796	2026-07-01	Early diagnosis of Alzheimer's disease through handwriting analysis and deep learning: A review 2026-Jul, Journal of Alzheimer's disease : JAD DOI:10.1177/13872877261446573 PMID:42104715	综述	通过笔迹分析与深度学习实现阿尔茨海默病早期诊断的综述研究	系统整合了笔迹作为神经认知标志物与深度学习方法的交叉应用，提出多模态融合（语音、步态、面部信号）提升检测灵敏度	多数研究样本量小且为单中心设计，缺乏多中心验证和临床转化实践	评估基于笔迹的深度学习模型在阿尔茨海默病和轻度认知障碍早期诊断中的准确性及方法论挑战	阿尔茨海默病和轻度认知障碍患者的笔迹数据（离线图像和在线运动学特征）	机器学习	阿尔茨海默病	数字笔迹采集	卷积神经网络、多模态Transformer融合	图像、时间序列数据	NA	NA	CNN、Transformer	准确率	NA
797	2026-07-01	Automated quantification of interstitial lung abnormalities and emphysema on computed tomography: a predictive marker for postoperative pulmonary complications after esophagectomy 2026-Jul, Esophagus : official journal of the Japan Esophageal Society IF:2.2Q3 DOI:10.1007/s10388-026-01208-0 PMID:42126669	研究论文	基于深度学习自动量化CT上肺间质异常和肺气肿，预测食管切除术后肺部并发症	首次使用深度学习自动量化方法评估CT纹理特征与食管切除术后肺部并发症的关联	单中心回顾性研究，可能引入选择偏倚；样本中男性占比较大，结果普遍性受限	评估术前CT纹理特征（肺间质异常和肺气肿）与食管切除术后肺部并发症的关联	2016年至2022年间接受食管切除术的765名患者	计算机视觉	食管癌术后肺部并发症	CT	深度学习模型（用于肺间质异常和肺气肿量化）	图像（CT扫描）	765名患者（平均年龄64.72±8.27岁，91.2%男性）	NA	NA	风险比	NA
798	2026-06-30	Future cardiovascular events prediction from invasive coronary angiography: A graph representation learning perspective 2026-07, Medical image analysis IF:10.7Q1 DOI:10.1016/j.media.2026.104079 PMID:42061118	研究论文	提出基于图神经网络的框架，从有创冠状动脉造影中预测患者未来心血管事件	首次利用图神经网络从冠状动脉造影中学习几何感知的病变表示，并通过掩码注意力机制融合病变级嵌入实现患者级预测	患者级预测的AUC仅为0.70，且仅在两个小型临床队列中验证，泛化性和临床实用性需进一步评估	开发一种创新方法，利用冠状动脉造影的几何信息预测患者未来心血管事件，改善冠心病风险分层	患有冠状动脉疾病的患者及其冠状动脉病变	机器学习	冠状动脉疾病	有创冠状动脉造影	图神经网络	图像	两个临床队列：FAME2队列563名患者、1551处狭窄；FCL队列83名患者、382处狭窄	NA	图神经网络	AUC	NA
799	2026-06-30	STAGE challenge: Structural-Functional Transition in Glaucoma Assessment 2026-07, Medical image analysis IF:10.7Q1 DOI:10.1016/j.media.2026.104128 PMID:42143993	研究论文	STAGE挑战赛利用结构性OCT图像预测青光眼的功能性视野指标，并评估了七支决赛队伍的方法	首次建立将结构性OCT图像与功能性视野结果联系起来的标准化基准，并发布了包含401个OCT体积数据集和标准化评估框架	本研究仅总结了七支决赛队伍的方法，未探索更多潜在模型架构；数据集规模相对有限（401个OCT体积）	探索从结构性OCT图像直接预测功能性视野指标，以简化青光眼诊断流程	青光眼患者的功能性视野指标（平均偏差、灵敏度图和模式偏差概率图）与结构性OCT图像	数字病理学	青光眼	OCT成像	双分支架构	图像，表格数据	401个OCT体积（每个含256个横截面图像）	NA	双分支架构，任务专用OCT模型	NA	NA
800	2026-06-30	Autodidactic dense anatomical models 2026-07, Medical image analysis IF:10.7Q1 DOI:10.1016/j.media.2026.104117 PMID:42229212	研究论文	提出了一种自监督学习框架Adam-v2，通过学习医学图像中的部分-整体层次结构，实现了对解剖结构的深入理解	首次在自监督学习框架中明确编码医学图像固有的部分-整体层次结构，通过三大分支（局部性、可组合性、可分解性）实现解剖结构的多层次学习	文中未明确提及局限性	提升深度模型对医学图像中解剖层次结构的编码能力，实现零样本的解剖理解与泛化性能	医学图像中的解剖结构	计算机视觉, 数字病理学	未指定	自监督学习	Adam-v2	图像	未明确提及	NA	NA	少样本学习、全迁移学习、新颖性与异常检测性能	NA