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
841	2026-06-23	Diagnostic Accuracy of Ultrasound Radiomics for Cervical Lymph-Node Metastasis in Papillary Thyroid Carcinoma: Evidence Predominantly From Chinese Cohorts 2026-Jul, Ultrasound in medicine & biology DOI:10.1016/j.ultrasmedbio.2026.01.017 PMID:41997788	meta-analysis	通过荟萃分析量化超声影像组学在预测甲状腺乳头状癌颈部淋巴结转移中的诊断准确性并评估方法学质量	首次系统汇总超声影像组学诊断甲状腺乳头状癌颈部淋巴结转移的准确率，并引入分层荟萃回归分析侧方淋巴结分区、建模流程和验证策略的影响，同时利用Radiomics Quality Score评估研究的标准化程度	纳入研究主要来自中国，可能限制对其他人群的通用性；各研究间异质性高（I² > 80%），且外部验证队列表现较低（AUC = 0.79）	量化超声影像组学诊断甲状腺乳头状癌颈部淋巴结转移的准确性，并评估现有研究的方法学质量和标准化水平	60项研究共10852例甲状腺乳头状癌患者，其中4716例伴有淋巴结转移	计算机视觉,机器学习	甲状腺癌	超声影像组学	机器学习模型,深度学习模型	超声医学图像,临床变量数据	60项研究，10852例患者（4716例淋巴结转移阳性）	NA	NA	敏感度,特异度,诊断优势比,ROC曲线下面积	NA
842	2026-06-23	Deep learning-based segmentation of enamel, cementum, alveolar bone, and gingiva in periodontal ultrasound images 2026-Jul, Journal of dentistry IF:4.8Q1 DOI:10.1016/j.jdent.2026.106705 PMID:42009189	研究论文	开发基于深度学习的多类分割模型，用于超声图像中牙釉质、牙骨质、牙槽骨和牙龈的同步分割，并实现牙骨质-釉质交界处、牙槽骨嵴和牙龈缘的精确定位	提出了一种新颖的双流深度学习架构，并采用随机模块打乱技术，实现了超声图像中牙周结构的同步四类分割和三个解剖标志的精确自动定位	NA	开发深度学习模型以实现牙周超声图像的多类分割和解剖标志定位，提高超声技术在牙周评估中的临床实用性	牙周结构：牙釉质、牙骨质、牙槽骨和牙龈，以及相关解剖标志：牙骨质-釉质交界处、牙槽骨嵴和牙龈缘	计算机视觉	牙周疾病	超声成像	深度学习	图像	内部数据集752张图像，外部测试集111张图像	NA	双流深度学习架构	Dice相似系数、交并比、精确度、灵敏度、95%豪斯多夫距离、平均对称表面距离	NA
843	2026-06-23	From structural complexity to causal representation: A dynamic fractal-attention framework for fine-grained ovarian tumor classification in ultrasound 2026-Jul, Medical image analysis IF:10.7Q1 DOI:10.1016/j.media.2026.104101 PMID:42035560	研究论文	提出一种结构感知和因果正则化的深度学习框架，用于超声图像中卵巢肿瘤的细粒度分类	动态可学习分形建模、边缘引导结构精炼和因果推理辅助模块的集成	NA	实现超声图像中卵巢肿瘤的准确、鲁棒且可解释的细粒度分类	卵巢肿瘤的超声图像	计算机视觉，机器学习	卵巢肿瘤	超声成像	CNN，基于Transformer的模型，自监督方法，因果基线	图像	大型私有卵巢超声队列和公共MMOTU基准	NA	动态分形注意力网络	准确率，宏F1，召回率， F1分数	NA
844	2026-06-23	Artificial intelligence in rare pediatric solid tumor research and clinical care: A scoping review 2026-Jul, Journal of pediatric surgery IF:2.4Q2 DOI:10.1016/j.jpedsurg.2026.163140 PMID:41999969	综述	本综述系统描述了人工智能和机器学习在罕见儿童实体瘤研究与临床护理中的应用现状	首次系统梳理AI/ML在罕见儿童实体瘤中的应用，强调了其在诊断、风险分层和预后方面优于传统方法的潜力	仅包含23项研究，且多数缺乏外部验证，限制了临床适用性	评估AI/ML在罕见儿童实体瘤中的当前应用，并识别未来研究方向	罕见儿童实体瘤（如肝母细胞瘤、儿童甲状腺癌）	机器学习	罕见儿童实体瘤	NA	监督学习、无监督学习、深度学习、混合/集成模型	高维数据（如临床、基因组、影像）	23项研究（2009-2025年）	NA	NA	AUC	NA
845	2026-06-23	Deep learning-based Wilms tumor segmentation to create 3D models for surgical planning: Implementation in the clinical workflow 2026-Jul, Journal of pediatric surgery IF:2.4Q2 DOI:10.1016/j.jpedsurg.2026.163151 PMID:42044738	研究论文	基于深度学习的肾母细胞瘤分割方法用于创建手术规划3D模型的前瞻性评估	首次在临床工作流中前瞻性验证基于深度学习的肾母细胞瘤自动分割方法，用于创建手术规划3D模型	样本量较小（56名回顾性患者和10名前瞻性患者），部分患者分割效果不佳（肿瘤边界欠分割和肿瘤/肾脏边界错误识别）	评估深度学习分割方法在临床工作流中创建肾母细胞瘤患者3D手术规划模型的可行性	肾母细胞瘤患者的术前MRI图像	机器学习	肾母细胞瘤	NA	nnU-Net	图像	66名患者，其中56名为回顾性数据集，10名为前瞻性连续病例	NA	nnU-Net	Dice分数	NA
846	2026-06-23	Exploring quantum frontiers in protein structure prediction: techniques, challenges, and opportunities 2026-Jul, Methods (San Diego, Calif.) DOI:10.1016/j.ymeth.2026.04.006 PMID:41999908	综述	综述量子计算在蛋白质结构预测中的技术进展、挑战与机遇	提出量子计算（如量子退火、量子优化算法和混合量子-经典方法）利用量子特性（叠加、纠缠、隧穿）来解决传统蛋白质结构预测中构象搜索空间指数爆炸的问题	当前量子比特保真度有限、纠错和可扩展性不足等挑战仍然存在	探索量子计算作为蛋白质三维结构预测的新范式，以克服经典方法的计算瓶颈	蛋白质折叠过程的能量景观与构象空间	机器学习	NA	量子计算	量子退火、量子优化算法、混合量子-经典方法	NA	NA	NA	AlphaFold	CASP评分（92.4）	NA
847	2026-06-23	Incremental value of deep learning denoising in low-dose coronary CT angiography in predominantly obese patients 2026-Jul, European journal of radiology IF:3.2Q1 DOI:10.1016/j.ejrad.2026.112859 PMID:42001841	研究论文	评估基于卷积神经网络的后处理去噪技术在低剂量冠状动脉CT血管成像中对以肥胖患者为主的队列的附加价值	首次在以肥胖患者为主的队列中系统验证CNN去噪技术对低剂量CCTA图像质量的独立于BMI的改善作用	单中心设计、样本量较小（56例）、回顾性研究性质	确定CNN去噪技术在低剂量CCTA中的临床附加价值	以肥胖患者为主的连续接受低剂量CCTA检查的患者	计算机视觉	冠状动脉疾病	CT冠状动脉成像，深度学习去噪	卷积神经网络	图像	56名参与者（57.1%女性，62.5%肥胖）	NA	卷积神经网络	信噪比、对比噪声比、主观图像质量评分	NA
848	2026-06-22	A PLM-based method for predicting protein ion channel modulators for drug discovery and safety evaluation 2026-Jul, Protein science : a publication of the Protein Society IF:4.5Q1 DOI:10.1002/pro.70689 PMID:42321971	研究论文	介绍了一种基于蛋白质语言模型的预测蛋白质离子通道调节剂的方法IonNTxPred，用于药物发现和安全性评估	提出基于进化信息蛋白质语言模型（ESM2-t33）的方法，在大规模非冗余数据集上训练，整合BLAST输出使AUROC提升至0.98，并用于支持药物重定位和生物安全性评估	未明确提及，但可能受限于序列同源性过滤阈值（40%）以及依赖已知离子通道调节蛋白的数据集，对全新类型蛋白质的预测能力可能有限	开发并验证一种预测蛋白质离子通道调节剂的计算方法，以支持药物发现和安全评估	离子通道调节蛋白，包括钠、钾、钙等通道特异性蛋白和跨通道调节蛋白	机器学习, 计算生物学	神经疾病, 心血管疾病	蛋白质语言模型（PLM）、BLAST、MERCI、机器学习、深度学习	蛋白质语言模型（ESM2-t33）、机器学习模型、深度学习模型	蛋白质序列	最大非冗余离子通道调节蛋白数据集，蛋白质间序列一致性不超过40%	PyTorch	ESM2-t33, BLAST	AUROC	NA
849	2026-06-21	Street view-based exposure to greenspace and mortality: the Multi-Ethnic Study of Atherosclerosis 2026-Jul, Environment international IF:10.3Q1 DOI:10.1016/j.envint.2026.110339 PMID:42248000	研究论文	基于街景图像评估绿色空间暴露与死亡率之间的关联，研究对象为多种族动脉粥样硬化研究参与者	首次区分不同绿色空间类型（树木、草地、其他绿色植被）对死亡率影响的差异，并探讨种族和社会经济状态的调节作用	未详细说明街景图像深度学习算法的具体架构和验证过程，可能忽视未测量的混杂因素	量化特定绿色空间类型与全因死亡率风险之间的关联	6,795名MESA参与者，基线年龄62岁，随访19年	计算机视觉	心血管疾病	街景图像深度学习分析	深度学习模型	图像	6,748名参与者（973,608人年），1898例死亡	NA	NA	风险比	NA
850	2026-06-21	Asymmetric Drug-Drug Interaction Prediction Based on Generative Adversarial Networks and Knowledge Graph 2026-Jul, Journal of computational biology : a journal of computational molecular cell biology IF:1.4Q2 DOI:10.1177/15578666261443345 PMID:42206523	研究论文	提出一种基于知识图谱和生成对抗网络的药物相互作用预测方法KGGAN-DDI，用于预测潜在的药物相互作用	首次考虑药物相互作用的非对称性，结合知识图谱嵌入模块捕捉药物对之间的非对称关联，并采用双生成器生成对抗网络来提高预测准确性	文献中未明确提及局限性	解决药物相互作用预测中非对称性被忽略导致的特征学习信息损失问题	药物对之间的相互作用	机器学习	NA	知识图谱嵌入	生成对抗网络	知识图谱数据	NA	NA	双生成器生成对抗网络	预测准确性	NA
851	2026-06-19	Artificial intelligence in nuclear medicine 2026-Jul-01, The British journal of radiology DOI:10.1093/bjr/tqag012 PMID:41564330	综述	探讨人工智能在核医学中的潜力与应用，涵盖成像流程从采集到临床决策支持的各个环节，并讨论从开发到临床实施的挑战与机遇	系统性回顾AI在核医学中的全流程应用，特别强调从开发到临床实施的转化，并指出当前只有少数AI应用达到商业成熟度	AI在核医学中实现商业成熟的应用极少，且大多数开发仍停留在原型阶段，未广泛用于临床	评估人工智能在核医学中的当前应用与未来潜力，重点关注其从开发到临床实施的过渡	核医学中的AI应用，包括图像采集、重建、后处理、分析及临床决策支持	机器学习	肿瘤学, 神经学	NA	深度学习, 卷积神经网络	医学图像	NA	NA	卷积神经网络	NA	图形处理器
852	2026-06-19	Multiview 2.5D Deep Learning Outperforms 2D and 3D Models for Preoperative Prediction of Visceral Pleural Invasion in Stage IA Lung Adenocarcinoma 2026-Jul-01, Journal of thoracic imaging IF:2.0Q3 DOI:10.1097/RTI.0000000000000876 PMID:41854294	研究论文	本研究评估了两种新型2.5维深度学习模型在预测临床IA期肺腺癌内脏胸膜侵犯中的性能，并与传统2D和3D模型进行比较	首次验证2.5D深度学习模型（特别是多视图方法）用于内脏胸膜侵犯预测，通过可解释可视化揭示空间相关生物标志物	未明确说明	评估2.5D深度学习模型在术前预测IA期肺腺癌内脏胸膜侵犯中的性能	804名经病理确诊的IA期肺腺癌患者	计算机视觉	肺癌	NA	2.5D深度学习模型（多视图模型和上下文模型）	CT图像	804名患者，分为训练集（360人）、内部验证集（155人）和外部测试集（289人）	NA	NA	AUC，准确率，阳性预测值，阴性预测值	NA
853	2026-06-19	AI-Based Denoising for Simulated Dose Reduction in Pediatric Chest Radiography: A Prospective Multicenter Evaluation of Image Quality and Diagnostic Performance 2026-Jul, Academic radiology IF:3.8Q1 DOI:10.1016/j.acra.2026.04.003 PMID:42034503	研究论文	本研究前瞻性地评估了基于AI的降噪技术对模拟低剂量小儿胸部X光片图像质量和诊断性能的影响	首次在大规模多中心前瞻性研究中验证了一种与设备无关的深度学习降噪系统，并评估了其在约50%剂量减少下诊断性能的变化幅度	非劣效性检验未通过，因为诊断性能差异的置信区间跨越了预设的非劣效性界值，且研究使用了模拟低剂量数据而非临床获取的原始低剂量数据	评估基于AI的降噪技术是否能在模拟低剂量小儿胸部X光片中提高图像质量和维持诊断性能	420名接受临床胸部X光检查的小儿患者	计算机视觉	肺炎、肺不张、心脏扩大	X光摄影，深度学习降噪	CNN	图像	420名小儿患者，来自四家三级医院	NA	深度残差卷积神经网络	结构相似性、噪声特性、AUC	NA
854	2026-06-19	FINS: An interactive platform for automated zebrafish image analysis and morphological screening 2026-Jul, SLAS technology IF:2.5Q3 DOI:10.1016/j.slast.2026.100426 PMID:42067140	研究论文	介绍了一个交互式网络平台FINS，用于斑马鱼图像的自动分析和形态筛选	集成基于深度学习的分类与可视化质量控制，实现自动评分，减少人工评分时间和变异性	NA	开发一个可重复、可扩展的斑马鱼形态学自动评分工具	斑马鱼胚胎图像	计算机视觉	NA	NA	卷积神经网络	图像	NA	TensorFlow, PyTorch, Keras	CNN	F1分数	NA
855	2026-06-19	DSMDTN: A Data-Selective Multiscale Dual Transfer Network for Fault Diagnosis of Key Components in Rotating Machinery 2026-Jul, IEEE transactions on cybernetics IF:9.4Q1 DOI:10.1109/TCYB.2026.3662702 PMID:41706780	研究论文	提出了一种数据选择性多尺度双迁移网络，用于旋转机械关键部件的故障诊断	创新性地结合数据选择器、多尺度拼接U-Net和双分类器，实现了跨工况和噪声环境下的高效故障诊断	未提及	提高滚动轴承在不同工作条件和噪声环境下的故障诊断性能	旋转机械关键部件（如滚动轴承）的故障诊断	机器学习	NA	NA	U-Net	振动信号	CWRU公开数据集和PT500mini试验台自采数据集	NA	多尺度拼接U-Net（MCU-Net）	准确率	NA
856	2026-06-19	DeePedIMV: Deep learning model for early prediction of invasive mechanical ventilation in critically ill children 2026 Jul-Aug, Heart & lung : the journal of critical care IF:2.4Q2 DOI:10.1016/j.hrtlng.2026.102761 PMID:41849979	研究论文	开发并评估用于危重儿童有创机械通气早期预测的深度学习模型DeePedIMV	首次将深度学习应用于危重儿童有创机械通气需求的早期预测，可提前8小时预警，且性能优于传统评分和机器学习模型	单中心回顾性研究，需要外部验证和前瞻性评估	提前预测危重儿童有创机械通气需求，支持早期临床恶化识别	儿科重症监护病房（PICU）年龄<18岁的危重患儿	机器学习	儿科重症疾病	电子病历数据分析	深度学习模型（DeePedIMV）	时间序列临床数据	1318例PICU住院病例（含688例IMV病例，占52.2%）	NA	NA	AUROC, AUPRC, 阳性预测值, 似然比	NA
857	2026-06-19	ECG-Gated Retrospective Coronary CT Angiography With Deep Learning Reconstruction on 8-cm Detector CT Scanners: Pushing Radiation Dose Towards Prospective Acquisition on 16-cm Wide-Detector Scanners 2026-Jul-01, Journal of thoracic imaging IF:2.0Q3 DOI:10.1097/RTI.0000000000000879 PMID:41891715	研究论文	利用深度学习重建技术，将8厘米探测器CT扫描仪上的回顾性冠脉CTA辐射剂量降低至16厘米宽探测器前瞻性扫描的水平，并验证图像质量非劣效性	首次证明深度学习重建能使8厘米探测器扫描仪的回顾性冠脉CTA辐射剂量降至与16厘米宽探测器前瞻性扫描相当的水平，同时保持图像质量不劣于常规剂量	样本量较小，且仅纳入特定体重（55-75 kg）和心率（<75 bpm）的患者，可能限制结果的普适性	评估利用深度学习重建技术降低8厘米探测器CT扫描仪回顾性冠脉CTA辐射剂量至16厘米宽探测器前瞻性扫描水平的可行性	8厘米探测器CT扫描仪上接受低剂量和常规剂量回顾性冠脉CTA的患者	计算机视觉	心血管疾病	冠脉CT血管成像	深度学习重建	图像	83例低剂量（A组）和62例常规剂量（B组）回顾性冠脉CTA病例	NA	深度学习重建	信号噪声比、主观评分	NA
858	2026-06-19	Deep learning models to predict mammographic density jointly on standard dose and low dose images 2026-Jul-01, The British journal of radiology DOI:10.1093/bjr/tqag090 PMID:42049900	research paper	使用深度学习模型在标准剂量和低剂量乳腺X光图像上预测乳腺密度	训练联合模型在标准剂量和模拟低剂量图像上预测密度，验证低剂量图像可用于准确风险分层	模拟低剂量图像与实际低剂量图像之间存在差异，导致预测误差略有增加	评估深度学习模型是否能在低剂量乳腺X光图像上准确估计乳腺密度，以实现早期乳腺癌风险分层	标准剂量和低剂量乳腺X光图像	machine learning	breast cancer	mammography	CNN	image	训练集107,619张标准剂量乳腺X光图像，独立测试集294对标准剂量和真实低剂量图像	NA	NA	root mean squared error (RMSE)	NA
859	2026-06-19	Time-aware attention network for multi-step future prediction in wastewater treatment 2026-Jul-01, Journal of environmental management IF:8.0Q1 DOI:10.1016/j.jenvman.2026.130193 PMID:42296759	研究论文	提出一种时间感知注意力网络（TAANet），用于污水处理过程中的多步未来预测	首次实现轨迹级别的多指标同时预测、基于注意力的动态融合模块捕获时变相互依赖关系、多分量时间嵌入显式编码周期和日历结构以表征非平稳系统行为	NA	提升污水处理过程中多步预测的准确性，支持未来状态感知和运行决策	污水处理过程中的多个参数（如化学需氧量去除效率）	机器学习	NA	NA	时间感知注意力网络	传感器数据	来自实际城市污水的长期厌氧生化处理实验数据集	PyTorch	Transformer, Informer, PatchTST, iTransformer	R值, 均方误差	NA
860	2026-06-19	Enhancing Generalizability and Clinical Integration of CT-based Deep Learning for Ovarian Tumor Classification 2026-Jul, Radiology. Imaging cancer DOI:10.1148/rycan.260141 PMID:42313079	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA