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
1	2026-06-04	Cellulose handsheet-based piezoresistive sensor with screen-printing-inspired microisland arrays for wearable handwriting recognition 2026-Aug-15, Carbohydrate polymers IF:10.7Q1 DOI:10.1016/j.carbpol.2026.125419 PMID:42230030	研究论文	开发了一种基于纤维素纸的压阻传感器，利用丝网印刷启发的微岛阵列结构，实现可穿戴手写识别	通过丝网印刷启发策略在纤维素纸中构建微岛阵列和渗流网络，同时提升结构稳定性和导电性，并协同增强压阻传感性能	未提及传感器在复杂环境（如湿度、温度变化）下的稳定性及长期使用中的性能衰减问题	开发环保、可降解的压阻传感器用于可穿戴电子设备，实现手写识别和健康监测	纤维素纸基压阻传感器及其在活动检测和手写识别中的应用	机器学习	NA	丝网印刷、多壁碳纳米管（MWCNT）掺杂	深度学习算法（未具体指定模型类型）	传感器压力信号（文本形式的手写字母数据）	未明确样本数量，但涉及手写字母识别（多个字母组成的单词）	NA	NA	灵敏度（58.1 kPa）、耐久性（>10,000次循环）、响应/恢复时间（140/80 ms）、识别准确率（78.8%）	NA
2	2026-06-04	Photoacoustic-ultrasound endoscopy for assessment of rectal cancer treatment response: A prospective study with T2-weighted MRI radiomics comparison 2026-Aug, Photoacoustics IF:7.1Q1 DOI:10.1016/j.pacs.2026.100840 PMID:42232466	研究论文	评估深度学习增强的光声-超声内镜在判断局部进展期直肠癌新辅助放化疗后病理完全缓解中的诊断准确性	首次应用共配准声学分辨率光声显微镜与超声内镜结合深度学习预测直肠癌治疗反应，并与 T2 加权 MRI 影像组学模型进行前瞻性比较	前瞻性队列样本量小（n=25），缺乏与 MRI 影像组学的直接头对头比较，需更大规模研究验证	评估光声-超声内镜联合深度学习是否优于 T2 加权 MRI 影像组学在识别直肠癌病理完全缓解中的表现	局部进展期直肠癌患者的新辅助放化疗后治疗反应	医学影像分析	直肠癌	光声显微镜、超声内镜、T2加权MRI	ResNet50	图像	前瞻性队列25例，回顾性队列119例	PyTorch	ResNet50	AUC	NA
3	2026-06-03	How improper dataset split hinders model generalizability: a systematic comparison in Human activity recognition and exercise evaluation tasks 2026-08, International journal of medical informatics IF:3.7Q2 DOI:10.1016/j.ijmedinf.2026.106464 PMID:42097112	研究论文	系统比较了不恰当的数据集划分（非跨受试者与跨受试者）对人类活动识别和运动评估模型泛化能力的影响	首次通过模拟方法系统量化了数据集划分策略（非跨受试者 vs 跨受试者）对模型性能评估的偏差，并利用广义线性混合效应模型进行预测方差分解，揭示了训练集与测试集间受试者差异对模型稳定性的影响	未提及具体局限性	探究非跨受试者和跨受试者数据划分如何影响机器学习和深度学习模型在不同复杂度任务下的性能估计，以及数据划分和训练/测试集差异对预测方差和稳定性的贡献	人类活动识别和运动评估模型	计算机视觉	康复医学	NA	机器学习，深度学习，CNN，LSTM	图像（RGB-D视频数据）	使用NTU RGB+D 120（大规模HAR基准数据集）和IntelliRehabDS（康复专用数据集）	NA	NA	性能估计，预测方差	NA
4	2026-05-31	A hybrid chemometric and deep learning model for monitoring quality loss in thermally processed edible oils 2026-Aug-31, Food research international (Ottawa, Ont.) DOI:10.1016/j.foodres.2026.119497 PMID:42215142	研究论文	提出一种结合化学计量学和深度学习的方法，用于监测热加工食用油的质量损失	将FTIR光谱和介电测量与CARS-PLS、RF-PLS和1D-CNN等先进化学计量学和深度学习模型相结合，并通过SHAP可解释AI分析揭示关键光谱贡献，实现对热加工食用油降解过程的敏感、非破坏性监测	该研究为实验室概念验证，尚未在工业或家庭真实烹饪条件下进行大规模验证	开发一种集成光谱、介电分析与预测建模的方法，用于评估食用油在热处理过程中的质量退化	花生油、芝麻油和餐厅收集油的热降解过程	机器学习	NA	FTIR光谱、介电测量	1D-CNN、CARS-PLS、RF-PLS	光谱数据、介电常数、酸值	花生油、芝麻油和餐厅收集油样本（具体数量未提及）	NA	1D-CNN	训练R值、外部测试R值、RMSE	NA
5	2026-05-31	Deep learning-based non-contrast cine CMR for optimized prediction of left ventricular adverse remodeling after ST-elevation myocardial infarction 2026-08-15, International journal of cardiology IF:3.2Q2 DOI:10.1016/j.ijcard.2026.134499 PMID:42031064	研究论文	基于非对比剂心脏磁共振的深度学习模型用于预测ST段抬高型心肌梗死后左心室不良重构	首次评估基于非对比剂心脏磁共振的深度学习模型预测STEMI患者左心室不良重构的可行性，并整合成像、形态和运动特征，无需使用钆对比剂	研究为回顾性设计，样本量相对有限（252例），且深度学习模型决策过程的解释性仍需进一步验证	评估非对比剂心脏磁共振的深度学习模型预测急性ST段抬高型心肌梗死后左心室不良重构的性能	急性ST段抬高型心肌梗死患者	计算机视觉	心血管疾病	心脏磁共振	3D U形网络及分类模型	图像	252名STEMI患者，来自两个医疗中心，训练集176例，测试集76例	NA	3D U形网络	AUC、准确率、敏感性、特异性、F1分数	NA
6	2026-05-30	Comparing AI-driven approaches for predicting river water quality: a systematic review of water quality indices and remote sensing methods 2026-Aug-15, Water research IF:11.4Q1 DOI:10.1016/j.watres.2026.126047 PMID:42114478	综述论文	系统综述AI驱动在河流水质预测中的方法，比较传统水质指数与遥感技术的应用	首次系统比较两种主流AI方法（WQI和RS）在河流水质预测中的应用，识别了地理偏差、参数选择差异和标准化缺失等关键知识缺口	研究主要集中于亚洲（83%），其他地区代表性不足，且多数研究缺乏灵敏度分析和不确定性量化	综合、比较并识别AI驱动河流水质预测研究中的知识缺口，为开发更可迁移、更可靠的预测框架提供证据基础和优先研究方向	2018年至2024年间发表的71篇同行评审案例研究	机器学习	NA	NA	机器学习或深度学习模型	水质指标数据和遥感影像数据	71篇案例研究（其中44篇基于WQI方法，27篇基于RS方法）	NA	NA	准确率等常规指标	NA
7	2026-05-30	Deep learning algorithms for license plate recognition: A review 2026-Aug, Neural networks : the official journal of the International Neural Network Society IF:6.0Q1 DOI:10.1016/j.neunet.2026.108842 PMID:41846120	综述	对深度学习车牌识别技术进行系统性综述，涵盖技术演进、性能评估与未来方向	首次系统梳理了从传统特征工程方法到深度学习端到端检测框架的技术演进路径，并整合了跨区域模型、轻量级网络及多模态融合等新兴方向	未涉及具体算法复现验证，对不同复杂场景下的量化对比分析不够深入	理清车牌识别技术发展脉络，评估各类方法在复杂场景下的效果与局限，指明未来研究方向	车牌检测与识别算法、公共车牌图像数据集	计算机视觉	NA	NA	CNN	图像	NA	NA	深度学习端到端检测框架	鲁棒性	NA
8	2026-05-26	Data-driven decision support in hospital resource planning: an artificial intelligence-based model proposal for emergency department demand 2026-Aug, International journal of medical informatics IF:3.7Q2 DOI:10.1016/j.ijmedinf.2026.106483 PMID:42143518	研究论文	提出基于人工智能的医院急诊科需求决策支持模型，分析气象因素对就诊量的影响	结合SHAP可解释人工智能方法进行特征选择，并采用7天滚动更新模拟真实场景，与22种机器学习/深度学习/时间序列模型进行公平比较	待补充	通过气象因素分析提高急诊科资源规划准确性，开发可解释的智能决策支持系统	土耳其东黑海地区两家公立医院的急诊就诊记录	机器学习	NA	NA	Prophet, SVM, CatBoost, 机器学习, 深度学习, 时间序列模型	数值型特征（气象数据、日历变量、历史趋势）	约150万条记录，来自两家医院	NA	Prophet, SVM, CatBoost, 及其他19种未明确列出的模型	MAE, MAPE	NA
9	2026-05-26	Explainable TabNet for gestational diabetes prediction with physician-in-the-loop and multi-site clinical validation 2026-Aug, International journal of medical informatics IF:3.7Q2 DOI:10.1016/j.ijmedinf.2026.106488 PMID:42155534	研究论文	开发了一种可解释的TabNet模型用于妊娠期糖尿病预测，并通过医师参与和多中心临床验证	首次结合TabNet深度学习的可解释性与双阶段医师参与验证，并在三个独立医院进行前瞻性外部验证	外部验证中F1分数下降，部分归因于不同医院间特征可用性和临床数据记录协议的差异	开发一个临床验证的、可解释的深度学习框架，用于妊娠期糖尿病预测，并评估其临床适用性	妊娠期糖尿病预测模型	机器学习	妊娠期糖尿病	NA	TabNet	临床记录	3525份训练记录和80例前瞻性外部验证病例	PyTorch	TabNet	准确率、精确率、召回率、F1分数、Cohen's kappa、Fleiss' kappa	NA
10	2026-05-25	Tackling small sample survival analysis via transfer learning: A study of colorectal cancer prognosis 2026-08, Artificial intelligence in medicine IF:6.1Q1 DOI:10.1016/j.artmed.2026.103426 PMID:42019107	研究论文	通过迁移学习解决小样本生存分析问题，并以结直肠癌预后为研究案例	针对Cox-CC、DeepSurv、DeepHit等参数模型应用标准迁移学习技术，并为非参数随机生存森林模型提出新型迁移生存森林模型	未提及具体局限性	利用迁移学习提高小样本生存分析在癌症预后中的性能	结直肠癌患者的生存预后	机器学习	结直肠癌	转移学习	Cox-CC、DeepSurv、DeepHit、随机生存森林、迁移生存森林	临床数据	源数据：27,379例SEER结直肠癌I期患者；目标数据：728例华西医院结直肠癌I期患者；小样本实验使用50例	NA	Cox-CC、DeepSurv、DeepHit、随机生存森林、迁移生存森林	C指数	NA
11	2026-05-25	Systematic review of machine learning and deep learning models for EEG-based detection of depression 2026-Aug, Journal of psychiatric research IF:3.7Q1 DOI:10.1016/j.jpsychires.2026.04.030 PMID:42056808	研究论文	系统综述机器学习和深度学习模型在基于脑电图的抑郁症检测中的应用	对2020至2024年间发表的42项研究进行系统性比较，重点分析机器学习与深度学习方法的性能差异及影响因素	多数研究样本量小且验证策略局限，存在过拟合风险；纳入研究质量参差不齐，偏倚风险较高	评估并比较机器学习与深度学习模型在脑电图数据中检测抑郁症的效果与可靠性	抑郁症患者及健康对照者的脑电图信号数据	机器学习	抑郁症	定量脑电图	机器学习模型，深度学习模型	脑电图信号	42项研究，样本量从数十到数百不等	NA	NA	分类准确率，均值准确率	NA
12	2026-05-25	DARE: A Deformable Adaptive Regularization Estimator for learning-based medical image registration 2026-08, Artificial intelligence in medicine IF:6.1Q1 DOI:10.1016/j.artmed.2026.103440 PMID:42085854	研究论文	提出了一种自适应正则化框架DARE，用于学习驱动的医学图像配准，以提高配准精度和解剖合理性	创新性地根据形变场梯度范数动态调整弹性正则化，整合应变和剪切能量项，并引入折叠预防机制以惩罚负雅可比区域	未明确提及潜在局限性	提高医学图像配准的鲁棒性和解剖合理性	大脑MRI图像配准	医学图像分析, 深度学习	NA	图像配准, 自适应正则化	深度学习配准网络	图像 (MRI)	IXI, OASIS, MUI-P三个数据集	NA	NA	Dice分数, 形变折叠伪影, 应变能, 体积变化	NA
13	2026-05-25	Evidential reasoning-enabled deep learning for reliable treatment outcome prediction in cancer therapy 2026-08, Artificial intelligence in medicine IF:6.1Q1 DOI:10.1016/j.artmed.2026.103445 PMID:42114397	研究论文	提出一种基于证据推理的深度学习方法，用于癌症治疗中可靠的治疗结果预测	结合卷积神经网络图像特征提取、数据增强、蒙特卡洛丢弃、测试时增强和证据推理规则融合，生成具有不确定性感知的预测	未提及	实现个性化癌症治疗中的可靠治疗结果预测	三阴性乳腺癌患者和头颈癌患者	数字病理学	三阴性乳腺癌，头颈癌	NA	深度神经网络（证据推理规则驱动的深度神经网络）	图像	NA	NA	卷积神经网络（CNN），ER-DNN	预测性能，置信估计校准	NA
14	2026-05-24	TAPSeg: An open-source deep learning tool for instance-level tooth and pulp segmentation in CBCT 2026-Aug, Journal of dentistry IF:4.8Q1 DOI:10.1016/j.jdent.2026.106643 PMID:41865812	研究论文	开发了一款基于深度学习的开源一键式CBCT牙齿和牙髓自动分割工具TAPSeg，并在三维切片器软件中实现集成分割与重建	提出了结合V-Net和nnU-Net的混合框架，实现牙齿实例级分割和牙髓语义分割，并以3D Slicer插件形式提供一键式操作，降低了临床使用门槛	未提及开放根尖未成熟恒牙分割的具体局限性，可能涉及模型对特殊病例的泛化能力不足	开发并验证基于深度学习的CBCT自动分割工具，实现牙齿和牙髓的集成分割与重建，支持临床数字化牙科工作流程	CBCT扫描中的牙齿和牙髓结构	数字病理学	口腔疾病	锥形束CT（CBCT）	V-Net, nnU-Net	图像	牙齿分割198例，牙髓分割148例	NA	V-Net, nnU-Net	Dice相似系数(DSC), 95% Hausdorff距离(HD95), 灵敏度, 精确度	NA
15	2026-05-24	AI-driven target definition using CE-T1w and black blood sequence imaging in stereotactic radiosurgery for brain metastases 2026-Aug, European journal of radiology IF:3.2Q1 DOI:10.1016/j.ejrad.2026.112891 PMID:42066626	研究论文	开发并评估一种基于深度学习的方法，用于在立体定向放射外科治疗脑转移瘤时，从对比增强T1加权（CE-T1w）和黑血（BB）MR扫描中自动检测和勾画病灶	首次结合CE-T1w和黑血序列成像用于脑转移瘤的自动检测与靶区勾画，并基于nnUNet模型实现高精度，能够识别专家遗漏的3.0%病灶	模型对小病灶（<0.1 cc）的检测灵敏度低于专家（0.83 vs 0.95），需要进一步优化以适用于临床	优化立体定向放射外科治疗脑转移瘤的规划流程	206名立体定向放射外科患者的CE-T1w和BB CE-T1w扫描图像及手动勾画	数字病理学	脑转移瘤	MRI（CE-T1w和黑血序列）	nnUNet	图像	206名患者（162名训练集，44名测试集）	PyTorch	nnUNet	F1分数, 灵敏度, 阳性预测值, Dice系数, Hausdorff距离	NA
16	2026-05-24	A hybrid deep learning framework for accurate N6,2'-O-Dimethyladenosine site prediction 2026-Aug, Biophysical chemistry IF:3.3Q2 DOI:10.1016/j.bpc.2026.107639 PMID:42054815	研究论文	提出一个混合深度学习框架用于精确预测RNA中的N6,2'-O-二甲基腺苷（mAm）修饰位点	整合多种序列衍生特征并结合SHAP进行分析以提升模型效率和可解释性	未提及	开发准确且可解释的mAm位点预测方法，推动表观转录组学研究	RNA中的N6,2'-O-二甲基腺苷（mAm）修饰位点	机器学习, 生物信息学	NA	RNA测序	深度神经网络 (DNN)	RNA序列数据	NA	NA	深度神经网络 (DNN)	准确率	NA
17	2026-05-24	Clinical evaluation of deep learning accelerated 3D magnetic resonance cholangiopancreatography at 1.5 T and 3 T 2026-Aug, European journal of radiology IF:3.2Q1 DOI:10.1016/j.ejrad.2026.112906 PMID:42070421	研究论文	评估深度学习加速的3D磁共振胆胰管成像在1.5T和3T磁场下的临床可行性	利用新型深度学习加速方法Sonic DLTM 3D（SDL）显著缩短扫描时间至11-17秒，同时保持或提升图像质量	放射科医生之间的图像质量评分存在差异，且SDL MRCP并非在所有评估特征类别中均优于标准技术	评估深度学习加速3D MRCP的临床可行性	接受MRCP扫描的患者	机器学习	胆胰系统疾病	MRI	深度学习模型	图像	96名患者（64名1.5T扫描，32名3T扫描）	NA	NA	整体图像质量、图像噪声、图像锐度、伪影	NA
18	2026-05-24	MRI-based interpretable deep learning radiomics for predicting treatment response in axial spondyloarthritis 2026-Aug, European journal of radiology IF:3.2Q1 DOI:10.1016/j.ejrad.2026.112903 PMID:42085769	研究论文	开发并验证基于MRI的可解释深度学习放射组学模型，用于预测强直性脊柱炎患者对抗肿瘤坏死因子抑制剂的治疗反应	首次将深度学习与放射组学结合并加入可解释性分析，用于预测强直性脊柱炎患者的TNFi治疗反应，并整合临床数据构建DLRC模型	单中心研究、样本量相对较小（183例），且未进行外部验证	建立基于MRI的DLR模型以预测axSpA患者的TNFi治疗反应，实现治疗前精准分层	初次使用TNFi治疗前的强直性脊柱炎患者	医学影像分析, 机器学习	强直性脊柱炎	MRI	深度学习与放射组学结合	图像（骶髂关节MRI）	183例患者（平均年龄26.5岁，男性占66.1%）	NA	深度学习特征提取网络	AUC, 校准曲线, 决策曲线分析, 综合判别改善指数	NA
19	2026-05-24	Ultra-low-dose CT for malignant metastasis screening using a deep learning image reconstruction algorithm 2026-Aug, European journal of radiology IF:3.2Q1 DOI:10.1016/j.ejrad.2026.112896 PMID:42102570	research paper	评估使用超分辨率深度学习重建算法的超低剂量CT在恶性转移筛查中的可行性和诊断性能	首次将超分辨率深度学习重建算法应用于超低剂量CT的恶性转移筛查，实现了约70%的辐射剂量降低的同时保持优越的图像质量和诊断性能	未提及具体限制	评估超低剂量CT结合超分辨率深度学习重建在癌症患者恶性转移筛查中的表现	271名癌症患者（平均年龄66.3岁，134名男性），其中56人需要治疗干预	computer vision	恶性转移	CT	深度学习重建算法	图像	271名癌症患者，17种原发癌和178处转移病灶，1264个良性病变	NA	超分辨率深度学习重建	图像质量评分、病变检出率、诊断性能	NA
20	2026-05-24	Interpretable machine learning and deep learning model for discriminating pheochromocytoma from adrenocortical adenoma based on CT: A multicenter study 2026-Aug, European journal of radiology IF:3.2Q1 DOI:10.1016/j.ejrad.2026.112902 PMID:42107147	研究论文	基于CT影像的机器学习和深度学习模型用于区分嗜铬细胞瘤与肾上腺皮质腺瘤的多中心研究	首次系统对比多种机器学习与深度学习架构在嗜铬细胞瘤和肾上腺皮质腺瘤鉴别诊断中的效能，并应用SHAP解释性方法构建临床列线图	样本量相对较小，且为回顾性研究，可能存在选择偏倚	通过基准测试不同机器学习和深度学习架构，确定术前区分嗜铬细胞瘤与肾上腺皮质腺瘤的最优诊断策略	来自两个医疗中心的401例患者的双期CT影像数据及临床信息	数字病理	肾上腺肿瘤（嗜铬细胞瘤与肾上腺皮质腺瘤）	CT影像组学	逻辑回归、SqueezeNet	医学图像	401例患者（中心1: 331例，中心2: 70例）	NA	逻辑回归、SqueezeNet	AUC、准确率、决策曲线分析	NA