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	2026-09-23	Comparison of chest X-ray radiography AI model to comorbidities for predicting intensive care unit admission for COVID-19 2026-Jul, Journal of medical imaging (Bellingham, Wash.) DOI:10.1117/1.JMI.13.4.044501 PMID:42416518	研究论文	该研究比较了基于胸部X光片的深度学习AI模型与两种常见共病指数在预测COVID-19患者入住ICU方面的分类性能	首次将胸部X光片的深度学习AI模型与Charlson共病指数及其年龄调整版本在预测ICU入住方面进行对比，展示了医学影像深度学习模型在改善患者护理和ICU资源规划方面的潜力	回顾性研究设计，仅针对COVID-19患者，可能限制了结果的普遍适用性	比较深度学习AI模型在胸部X光片上预测ICU入住与两种共病指数的分类性能	COVID-19检测呈阳性的患者	计算机视觉	COVID-19	胸部X光摄影	深度学习/人工智能模型	图像和临床数据	5046名患者的8357份胸部X光影像研究	NA	NA	AUC	NA
142	2026-09-23	Automated behavioral segmentation and markerless pose tracking of mice during spaceflight 2026-Jul-01, bioRxiv : the preprint server for biology DOI:10.64898/2026.04.30.721950 PMID:42427531	研究论文	本文应用深度学习姿态估计（SLEAP）和行为分割（DeepEthogram）技术，对国际空间站Rodent Research-1任务的小鼠视频进行自动行为分析，实现了在轨微重力环境下小鼠行为的自动化监测	首次将基于深度学习的姿态估计和行为分割应用于太空飞行中的啮齿动物，建立了未来监测系统的基准	姿态追踪精度受渐进性镜头污染、网格遮挡和球面像差影响；研究基于档案视频，样本量有限	测试深度学习工具能否在轨道动物饲养的苛刻成像条件下自动化行为分析，并建立基准	国际空间站上Rodent Research-1任务的小鼠	计算机视觉	NA	深度学习姿态估计与行为分割	CNN	视频	2,063帧姿态标签，66个视频共411,194帧行为标签	NA	SLEAP, DeepEthogram	准确率（0.86-0.90）, 姿态追踪准确度（近似人类标注者间变异）	NA
143	2026-09-23	Leveraging Self-Supervised Learning for Non-Invasive Intra-Cardiac Magnetic Resonance Oximetry Assessment 2026-Jul-01, medRxiv : the preprint server for health sciences DOI:10.64898/2026.06.29.26356860 PMID:42428112	研究论文	本文提出一个自监督学习框架，利用cine和T2心脏磁共振图像预训练编码器，用于非侵入性心内血氧饱和度评估	首次将自监督学习统一框架应用于非侵入性心内血氧饱和度评估，结合对比学习和掩码图像建模预训练ResNet和视觉Transformer编码器，并加入不确定性量化	未提及具体临床验证的局限性和泛化性，可能受限于数据来源和标注稀缺	实现非侵入性心内血氧饱和度的准确评估，解决深度学习自动化中标注数据稀缺的问题	心内血氧饱和度，通过心脏磁共振成像获取	医学图像分析	心血管疾病	心脏磁共振成像（CMRI）	ResNet, 视觉Transformer	图像	超过48,000张心脏图像	NA	ResNet, 视觉Transformer	平均绝对误差	NA
144	2026-09-23	Integrating Genetic, Environmental, Cognitive, and Temperament Data for ADHD Prediction in Explainable Deep Learning Models 2026-Jul-01, medRxiv : the preprint server for health sciences DOI:10.64898/2026.06.29.26356796 PMID:42428138	研究论文	本文开发了一种可解释的深度学习方法来整合遗传、环境、认知、人口学和气质数据，用于分类ADHD诊断并识别对模型决策有贡献的特征	开发了模块化神经网络模型，整合了多种异构数据源（包括SNP级基因型数据、多基因评分、环境因素、认知任务和气质特征），并使用整合梯度方法进行块级、特征级和个体化特征重要性分析，实现了可解释的多模态ADHD预测	摘要中未明确提及研究局限性	测试遗传、环境、认知、人口学和气质数据是否能分类ADHD诊断，并识别对模型决策有贡献的特征	Oregon ADHD-1000队列的参与者	机器学习	注意缺陷多动障碍（ADHD）	NA	模块化神经网络	SNP级基因型数据、多基因评分、人口学数据、环境数据（育儿和家庭冲突、压力和创伤）、地理编码数据、认知任务数据、气质因子分数	Oregon ADHD-1000队列参与者（分为训练、验证和测试集）	NA	模块化神经网络	AUC, 精确率-召回率曲线, 校准分析, 预测确定性分析, 决策曲线分析, 准确率, 灵敏度, 特异度, Brier分数	NA
145	2026-09-23	Exploring the landscape of artificial intelligence in dental and maxillofacial radiology: a bibliometric analysis of studies and trends 2026-Jul, Annals of medicine and surgery (2012) DOI:10.1097/MS9.0000000000005013 PMID:42433750	文献计量分析	本文通过文献计量分析方法，探讨了人工智能在牙科与颌面放射学领域的研究现状、发展趋势及学术影响力	首次系统性地结合VOSviewer、CiteSpace和Biblioshiny三种工具对牙科与颌面放射学中AI应用进行全面的文献计量分析，揭示了2016年以来的研究激增趋势及全球合作网络	仅基于Web of Science核心合集数据库，可能遗漏其他数据库中的相关研究；文献计量分析无法评估具体研究的方法学质量	调查人工智能在牙科与颌面放射学领域的研究格局、新兴趋势及学术影响	牙科与颌面放射学领域中与人工智能相关的学术文献	医学影像分析	口腔颌面疾病	文献计量分析	NA	文本	2024年达到218篇出版物，未明确总文献量	VOSviewer, CiteSpace, Biblioshiny	NA	出版物数量、引用次数、共被引分析、关键词共现分析	NA
146	2026-09-23	Synthetic CT generation from cone-beam CT using deep learning for head-and-neck adaptive radiotherapy 2026-Jul, Physics and imaging in radiation oncology DOI:10.1016/j.phro.2026.101033 PMID:42491071	研究论文	开发并验证了一种深度学习模型，用于头颈部自适应放疗中从锥形束CT生成合成CT，包括锥形束CT视野外区域	提出了一种带有多种损失分量的UNet3+生成对抗网络，能够从锥形束CT生成合成CT，包括锥形束CT视野外的真实重建区域，并验证了其在自适应放疗工作流程中的准确性	研究为回顾性设计，样本量有限（148例患者），需要在常规直线加速器上进行前瞻性临床评估以验证其临床可行性	开发并验证一种深度学习模型，用于头颈部自适应放疗中从锥形束CT生成合成CT，并评估其在自适应放疗工作流程中的准确性	头颈部癌症患者	医学影像分析	头颈部癌症	锥形束CT成像、深度学习	GAN	医学图像	148例患者（90例训练、38例验证、20例独立测试）	NA	UNet3+	平均绝对误差、平均误差、全局伽马通过率、表面Dice系数、Dice系数、平均表面距离、体积相似度	NA
147	2026-09-23	Letter to the Editor: Clinical translation considerations regarding deep learning-derived CT body composition as a prognostic biomarker for locally advanced gastric cancer 2026-Jul, International journal of surgery (London, England) DOI:10.1097/JS9.0000000000005122 PMID:42682362	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
148	2026-09-21	Multimodality Artificial Intelligence for Involved-Site Radiation Therapy: Clinical Target Volume Delineation in High-Risk Pediatric Hodgkin Lymphoma 2026-07-01, International journal of radiation oncology, biology, physics DOI:10.1016/j.ijrobp.2025.12.005 PMID:41391612	研究论文	该研究开发了多模态人工智能算法，用于高危儿童霍奇金淋巴瘤的累及部位放疗临床靶区自动分割	整合了计划CT、基线PET/CT和中期PET/CT的多模态影像，并比较了三种深度学习架构在临床靶区分割中的性能	研究样本量有限，且仅针对高危儿童霍奇金淋巴瘤患者，外部测试集来自58例患者，可能影响泛化性	开发自动化临床靶区分割算法，以促进累及部位放疗计划制定	高危儿童霍奇金淋巴瘤患者	数字病理学	淋巴瘤	PET/CT成像	深度学习	图像	288例高危儿童霍奇金淋巴瘤患者（230例用于模型开发，58例用于外部测试）	NA	SegResNet, ResUNet, SwinUNETR	Dice相似系数, 95%豪斯多夫距离	NA
149	2026-09-18	Neuroscience-guided bilateral thalamic MRI deep learning for obstructive sleep apnea diagnosis: a dual-center translational study 2026-Jul-31, BMC psychiatry IF:3.4Q2 DOI:10.1186/s12888-026-08472-5 PMID:42717319	研究论文	该研究通过小鼠间歇性缺氧实验发现丘脑激活，特别是中央外侧丘脑核（CL），并基于此开发了一种双侧丘脑MRI深度学习模型，用于阻塞性睡眠呼吸暂停（OSA）的辅助诊断，在双中心数据中进行了验证	首次将神经科学实验发现（间歇性缺氧诱导的丘脑激活，CL亚区响应最强）与深度学习相结合，指导双侧丘脑ROI选择，并采用双分支3D CNN与Transformer特征融合架构，在外部测试集上验证了模型的泛化能力	摘要中未明确提及研究局限性	开发一种神经科学引导的MRI深度学习模型，用于阻塞性睡眠呼吸暂停（OSA）的辅助诊断	雄性C57BL/6J小鼠（间歇性缺氧模型）和来自两个中心的760名成人临床脑MRI及多导睡眠图（PSG）数据	数字病理学, 医学影像分析	阻塞性睡眠呼吸暂停	免疫荧光染色, 体内钙成像, 脑MRI, 多导睡眠图（PSG）	深度学习	图像, 临床数据	小鼠：6只（每组）；人类：760名成人（来自两个中心）	NA	双分支3D CNN, Transformer	AUC	NA
150	2026-09-18	A hybrid generative and transformer-based framework for anomaly detection in industrial sensor time-series for predictive maintenance 2026-Jul-28, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-62330-8 PMID:42736324	研究论文	本文提出了一种结合改进TransGAN、Transformer时序建模和统计验证的混合异常检测框架，用于工业传感器时间序列的预测性维护	结合改进TransGAN架构、基于Transformer的时序序列建模和统计验证，实现无监督和有监督的工业异常检测，并提出加权融合和跨模型一致性方法提高检测可靠性	未明确讨论框架的计算复杂度和实时性，故障数据集较小且分布不平衡可能影响模型泛化能力	解决工业4.0中多元时间序列传感器数据的异常检测问题，用于预测性维护	工业传感器多元时间序列数据，包括Machine Failure数据集、SWaT数据集和起重机电流数据集	机器学习	NA	生成对抗网络，Transformer，时序序列建模，统计验证，双向LSTM-GRU	TransGAN，Transformer，Bidirectional LSTM-GRU	时间序列	两个基准数据集（Machine Failure和SWaT）和一个真实世界未标注起重机电流数据集	NA	TransGAN，Transformer，Bidirectional LSTM，GRU，卷积神经网络	准确率，精确率，召回率，F1分数	NA
151	2026-09-18	Predicting weekly instability in depressive symptoms among individuals diagnosed with Major Depressive Disorder using deep learning and passively-collected movement data 2026-Jul, Journal of affective disorders reports DOI:10.1016/j.jadr.2026.101102 PMID:42746325	研究论文	本研究利用深度学习模型和被动采集的加速度计数据，预测重度抑郁症患者抑郁症状的每周不稳定性。	采用预注册研究设计，使用被动采集的加速度计数据预测重度抑郁症患者短期抑郁症状波动，并评估其预测性能。	模型预测性能低于随机截距基线模型，预测个体内不稳定性变异性低于随机水平，临床实用性有限，需纳入更多被动感知模态。	检验深度学习模型能否预测重度抑郁症患者短期抑郁症状波动。	临床诊断为重度抑郁症的个体。	机器学习	重度抑郁症	加速度计被动传感	深度学习	加速度计时间序列数据、EMA问卷数据	179名临床抑郁症患者，每人平均214.49份EMA问卷，中位数237，最少77，最多270，标准差54.27	NA	NA	AUC, 敏感度, 特异度	NA
152	2026-09-18	Hourly ozone prediction using ensemble forecasting to accurately capture peak concentration: a case study of Tehran, Iran 2026-Jul, Environmental science and pollution research international DOI:10.1007/s11356-026-38197-7 PMID:42681216	研究论文	本文提出了一种残差感知元集成（RAME）混合深度学习框架，用于每小时臭氧浓度预测，特别关注峰值浓度事件和监管超标情况，并以伊朗德黑兰为案例进行了验证	提出了残差感知元集成（RAME）框架，将双向循环单元与膨胀卷积相结合，并引入残差校正机制，通过元学习器补偿加权集成预测与实际浓度之间的差异，从而显著提升对光化学峰值时段臭氧浓度的预测能力	未明确提及	实现高分辨率的每小时地表臭氧浓度预测，准确捕捉峰值浓度事件和监管超标情况，以支持城市空气质量管理、公共卫生保护和监管合规	德黑兰八个监测站点的地表臭氧浓度数据、24小时历史污染物数据和实时气象参数	机器学习	呼吸系统疾病	NA	CNN, RNN, 集成学习, 元学习	时间序列	德黑兰八个监测站点的观测数据	NA	双向循环单元, 膨胀卷积, 元学习器	R², RMSE, MAE	NA
153	2026-09-16	Functional and Structural Evidence of Neurofluid Circuit Aberrations in Huntington Disease 2026-Jul, Annals of clinical and translational neurology IF:4.4Q1 DOI:10.1002/acn3.70328 PMID:41620818	研究论文	本研究评估了亨廷顿病中脉络丛和矢状窦旁硬膜空间的结构和功能变化，并探讨其与脑脊液动力学的关系	首次在亨廷顿病谱系中同时评估脉络丛和矢状窦旁硬膜空间的结构和功能变化，并揭示其与CAG重复扩增和运动障碍的关联	样本量有限，且为横断面研究，无法确定因果关系	评估亨廷顿病中神经流体通路的结构和生理变化，并探讨其与脑脊液流动动力学的关系	亨廷顿病患者和年龄匹配的健康对照	数字病理学, 神经影像学	亨廷顿病	3T T2加权和FLAIR MRI, 相位对比MRI, 伪连续动脉自旋标记MRI	CNN	图像	80名亨廷顿病患者和65名年龄匹配的健康对照	NA	NA	NA	NA
154	2026-09-16	Development and validation of the IVENUS artificial intelligence model for automated CEAP classification of early-stage chronic venous disease using lower limb photographs 2026-07, Journal of vascular surgery. Venous and lymphatic disorders DOI:10.1016/j.jvsv.2026.102503 PMID:42025953	研究论文	本研究开发并验证了IVENUS人工智能模型，基于下肢照片自动进行早期慢性静脉疾病的CEAP临床分类（C0-C2）	首次使用基于Swin Transformer V2架构的深度学习模型，对下肢照片进行早期慢性静脉疾病（C0-C2）的自动CEAP分类，并采用多中心大样本数据集进行训练和验证	研究未明确说明模型在不同肤色、不同光照条件及不同设备拍摄照片上的泛化能力，且外部验证样本量相对训练集较小	开发并验证一种人工智能模型，能够从下肢照片中准确分类早期慢性静脉疾病（C0-C2 CEAP临床分级）	下肢照片及对应的CEAP临床分级（C0、C1、C2）	计算机视觉	慢性静脉疾病	深度学习图像分类	Swin Transformer V2	图像	10745张下肢照片（训练集），其中C0期673个下肢、C1期4445个下肢、C2期5627个下肢；外部验证集1622张照片	NA	Swin Transformer V2	准确率, 精确率, 灵敏度, 特异度, 召回率	NA
155	2026-09-07	Single cell transcriptomic analysis by deep learning identifies novel microglial transcription regulations in Alzheimer's Disease 2026-Jul-26, AI in neuroscience DOI:10.1177/2997979x261472562 PMID:42699651	研究论文	本文提出一种基于深度学习的框架，利用多层感知机对阿尔茨海默病的单细胞RNA测序数据进行分类和疾病进展轨迹推断，并通过SHAP和基因调控网络揭示新的小胶质细胞转录调控机制。	首次将深度学习应用于单细胞转录组分析，以识别阿尔茨海默病中细胞类型特异性的转录调控变化，并构建了转录因子调控网络，发现新的调控因子和相关通路。	数据来源单一（ROSMAP），样本量可能有限，且模型的泛化性尚需验证；深度学习的可解释性仍有限，尽管通过SHAP增强了解释。	利用深度学习整合单细胞RNA测序数据，识别阿尔茨海默病相关的细胞类型特异转录组特征，并揭示新的分子机制和潜在治疗靶点。	阿尔茨海默病和对照组的细胞核，特别是小胶质细胞亚群（稳态和激活状态）。	数字病理学	阿尔茨海默病	单细胞RNA测序	多层感知机	单细胞基因表达数据	未在标题和摘要中明确说明	未在标题和摘要中明确说明	多层感知机	分类性能、疾病轨迹推断准确性	未在标题和摘要中明确说明
156	2026-09-07	A forecast model for ionospheric TEC during solar flare events based on low-latitude GPS stations data 2026-Jul-25, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-63198-4 PMID:42693158	研究论文	本研究利用低纬度GPS站点数据，基于Kolmogorov-Arnold网络算法预测太阳耀斑事件期间的电离层总电子含量变化，并与DBN、IRI-2020模型及GNSS观测数据进行比较。	首次将Kolmogorov-Arnold网络算法应用于太阳耀斑事件期间的电离层TEC预测，并结合Adagrad优化器，与DBN-Adagrad模型进行对比，提供了创新的深度学习预测方法。	研究仅基于四次X级太阳耀斑事件和两个站点，数据范围有限，可能影响模型的泛化能力和结论的普遍性。	开发并评估一种基于深度学习的模型，以提高太阳耀斑事件期间电离层TEC预测的准确性，增强GNSS在恶劣空间天气下的可靠性。	低纬度GPS站点（HYDE和CPN）在四次X级太阳耀斑事件及一次地磁静默日（2025年4月28日）期间的TEC观测数据及相关太阳地磁参数。	机器学习	NA	NA	KAN、DBN	时间序列数据（TEC观测值、太阳和地磁参数）	四次太阳耀斑事件（2024年10月26日X1.86，2025年5月13日X1.21，5月14日X2.7，5月25日X1.1）及一个静默日，涉及两个站点（HYDE和CPN）的TEC数据。	NA	KAN、DBN	WIA、KGE、SCC	NA
157	2026-09-07	A novel attention mechanism for noise-adaptive and robust segmentation of microtubules in microscopy images 2026-Jul-11, BMC bioinformatics IF:2.9Q1 DOI:10.1186/s12859-026-06514-z PMID:42436373	研究论文	提出了一种噪声自适应注意力机制，结合残差学习，用于显微图像中微管的鲁棒分割，并提供了合成和真实基准数据集	引入一种扩展挤压激励模块的噪声自适应注意力机制，动态调整至不同噪声水平，集成到U-Net解码器中形成轻量级高性能模型ASE_Res_UNet；设计了合成数据集生成策略确保细丝在噪声图像中的精确标注	未明确提及局限性	提高显微图像中微管等细胞骨架细丝的分割性能，解决噪声、低对比度和不均匀荧光等成像限制带来的挑战	显微图像中的微管，以及其他曲线结构如血管和神经	计算机视觉	NA	显微成像	CNN	图像	合成数据集（两个难度级别）和两个真实显微数据集（一个新策划，一个重新注释）	NA	U-Net, 残差块, 挤压激励模块	分割性能指标（如准确率、Dice系数等，具体未在摘要中详述）	资源受限环境，但未具体说明GPU类型或平台
158	2026-09-07	A lightweight deep learning model for automated segmentation of Gynecologic organs and cervical Tumors on T2-weighted magnetic resonance imaging 2026-Jul, Physics and imaging in radiation oncology DOI:10.1016/j.phro.2026.101049 PMID:42701375	研究论文	本研究评估了一种轻量级深度学习模型（PocketNet）在T2加权MRI上自动分割妇科器官和宫颈肿瘤的性能，并与全尺寸nnU-Net模型进行比较。	提出了一种轻量级两阶段深度学习模型PocketNet，在保持与全尺寸nnU-Net相当的分割准确率的同时，显著减少了参数数量、训练时间和内存占用。	未提及明确的局限性。	评估轻量级深度学习模型在T2加权MRI上自动分割妇科器官和宫颈肿瘤的可行性，以支持时间敏感的放疗工作流程。	宫颈癌患者的T2加权MRI图像，包括宫颈、阴道、子宫和肿瘤。	计算机视觉、医学影像	宫颈癌	磁共振成像（MRI）	深度学习模型（PocketNet，nnU-Net）	图像	102例接受根治性放疗的宫颈癌患者作为内部数据集，外部验证使用TCIA CCTH数据集。	PyTorch	PocketNet，nnU-Net	Dice-Sorensen 系数（DSC）、第95百分位Hausdorff距离（Haus95）	未明确提及GPU类型或云平台，但比较了训练时间、参数数量和内存占用。
159	2026-09-06	Intratumor habitat aware deep learning framework for preoperative lymph node metastasis prediction in laryngeal carcinoma 2026-Jul-25, Cancer imaging : the official publication of the International Cancer Imaging Society IF:3.5Q1 DOI:10.1186/s40644-026-01096-8 PMID:42687208	研究论文	开发了一种基于肿瘤内部异质性感知的深度学习框架，用于喉鳞状细胞癌术前淋巴结转移预测	首次将自适应栖息地映射整合到深度学习框架中，从CT图像自动解码空间肿瘤内部异质性	多中心回顾性研究，可能受限于样本数量和选择偏倚	开发一种肿瘤内部异质性感知的深度学习框架，用于喉鳞状细胞癌的术前淋巴结转移预测和风险分层	来自多中心回顾性研究的381例喉鳞状细胞癌患者	医学影像分析	喉鳞状细胞癌	对比增强CT成像	深度学习模型	图像数据	381例患者的对比增强CT图像	NA	3D卷积神经网络	AUC、校准曲线、决策曲线分析	NA
160	2026-09-06	Exploring the use of machine and deep learning in genome-wide association studies: a comprehensive review 2026-Jul-20, BioData mining IF:4.0Q1 DOI:10.1186/s13040-026-00584-8 PMID:42477691	综述	本文全面回顾了机器学习和深度学习在全基因组关联研究中的应用，包括标准统计方法的局限性、AI方法在计算基因组学中的主要用途以及AI策略在GWAS中的近期尝试。	综述了30种利用AI的GWAS方法，并提供了全面的性能评估指标以及常用数据库和生物样本库的参考资料。	未提及具体局限性。	探讨机器和深度学习方法在GWAS中的应用，以克服传统方法的局限，捕捉非线性遗传交互和复杂隐藏规律。	基因组数据以及与疾病风险相关的基因性状和变异。	机器学习	不适用	高通量测序	不适用	基因组数据	不适用	不适用	不适用	不适用	不适用