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
361	2026-08-17	A Combined Deep Learning Approach to Screen Patients for Neuromuscular Pathology 2026-Aug-15, Ultrasound in medicine & biology DOI:10.1016/j.ultrasmedbio.2026.07.010 PMID:42603762	研究论文	本研究提出了一种结合中间数据融合的深度学习框架，用于提高肌肉超声诊断神经肌肉疾病的效率和性能	首次采用多模态深度学习框架，将患者特定数据（如BMI和年龄）与超声图像结合，通过中间数据融合进行神经肌肉病理诊断	单中心研究，结果可能缺乏多中心泛化性	提高肌肉超声诊断神经肌肉疾病的自动化速度和诊断准确性	神经肌肉疾病患者和非患者的肌肉超声图像及患者临床数据	计算机视觉, 数字病理	神经肌肉疾病	超声成像	深度学习模型，涉及神经网络	图像	320名患者（220名患有神经肌肉疾病，100名诊断被排除）	NA	多层神经网络	精确率-召回率曲线下面积	NA
362	2026-08-17	A novel approach for predicting heart failure survival using a rectangular coded network 2026-Aug-15, Physical and engineering sciences in medicine IF:2.4Q2 DOI:10.1007/s13246-026-01791-7 PMID:42603841	研究论文	本文提出一种通过将数值数据转换为24位图像并利用深度学习架构预测心力衰竭存活率的新方法	利用自动化特征工程技术将数值数据转换为8位矩形编码图像，进而转化为24位图像，并通过旋转增强数据集，使数值数据能够应用于图像处理和深度学习架构	未明确提及局限性	通过将数值数据转换为图像形式，利用深度学习架构提高心力衰竭生存预测的准确性	心力衰竭患者的数值数据集	计算机视觉, 机器学习	心血管疾病, 心力衰竭	图像转换, 数据增强	CNN	图像, 数值数据	未明确指定	未明确指定	ResNet18, ResNet50	准确率, 灵敏度, 特异性, F1分数	未明确指定
363	2026-08-17	Pediatric SleepNet: a deep learning network for reliable pediatric sleep staging across developmental stages 2026-Aug-14, Sleep IF:5.3Q1 DOI:10.1093/sleep/zsag064 PMID:41804802	研究论文	开发了一个多模态深度学习模型pediatric SleepNet，用于儿童睡眠分期，并在不同发育阶段和临床亚组中评估其性能	首次开发了专门针对儿童睡眠分期的深度学习模型，可适应不同发育阶段，并在多种临床亚组和外部数据集上表现出鲁棒性能	在某些神经发育疾病（如癫痫、唐氏综合征、脑积水）中性能显著下降，且未详细说明计算资源和训练时间	开发并评估可用于儿童睡眠医学临床和研究的可靠睡眠分期深度学习模型	儿童睡眠分期模型，涵盖不同年龄组和临床亚组	深度学习应用于睡眠医学	儿童睡眠障碍，包括癫痫、唐氏综合征、脑积水等神经发育疾病	多模态信号（EEG、EOG、EMG）	U-Net启发的编码器-解码器模型	多导睡眠图（PSG）信号数据	训练使用9150个PSG，验证2455个PSG，测试3804个PSG，外部验证包括CHAT和PATS两个数据集	NA	U-Net	Cohen's Kappa	NA
364	2026-08-17	BraMARS: An Interpretable Histopathology-Driven Deep Learning Model for Brain Metastasis Risk Stratification in Surgically Resected Limited-Stage SCLC 2026-Aug-14, Advanced science (Weinheim, Baden-Wurttemberg, Germany) DOI:10.1002/advs.77075 PMID:42598747	研究论文	开发了BraMARS，一种基于组织病理学的可解释深度学习模型，用于手术切除的局限期小细胞肺癌患者脑转移风险分层	首次利用常规H&E染色全切片图像预测局限期小细胞肺癌的脑转移风险，并结合组织病理学归因和蛋白质组学分析提供生物学解释	基于回顾性数据，需前瞻性验证；样本量有限，需多中心进一步确认	开发可解释的深度学习模型，实现脑转移风险的个体化评估，并辅助临床决策如预防性颅脑照射的适用性判断	手术切除的局限期小细胞肺癌患者的H&E染色全切片图像	数字病理学	小细胞肺癌	H&E染色全切片成像	深度学习模型	病理图像	来自独立队列的多个样本，具体数量未说明	NA	NA	AUC、疾病无进展生存期、总生存期、脑转移无生存期	NA
365	2026-08-17	Deep Learning Predicts Mutations and Outcomes in Gastrointestinal Stromal Tumors 2026-Aug-14, Cancer research IF:12.5Q1 DOI:10.1158/0008-5472.CAN-26-0132 PMID:42258704	研究论文	应用深度学习技术从全切片图像中预测胃肠道间质瘤的突变状态、治疗敏感性和无复发生存期，并在国际多中心队列中验证其效能	首次在大规模多中心GIST队列（8398例）上应用深度学习直接从病理全切片图像预测基因突变、药物敏感性和预后，性能与传统风险评估模型相当	部分亚型预测性能较低（如KIT外显子11 del-ins 557-558的AUC仅0.67），且预后预测在辅助治疗患者中表现有所下降	探究深度学习模型能否从全切片图像中准确预测GIST的分子突变、治疗反应和复发风险，作为传统病理风险评估的替代或补充工具	来自7个国家21个中心的8398例胃肠道间质瘤患者，其中7238例有分子数据，2638例有临床随访数据	数字病理学	胃肠道间质瘤	全切片图像（WSI）分析	深度学习模型	病理全切片图像（WSI）及对应分子和临床随访数据	8398例GIST病例（7238例分子数据，2638例临床随访）	NA	NA	曲线下面积（AUC）、风险比（HR）	NA
366	2026-08-17	Histopathological differences between idiopathic and secondary interstitial pneumonia: An elastic fiber-oriented deep learning analysis 2026-Aug-13, Human pathology IF:2.7Q2 DOI:10.1016/j.humpath.2026.106236 PMID:42595188	研究论文	利用基于弹性纤维的深度学习分析，研究特发性和继发性间质性肺炎的组织病理学差异	首次使用机器学习定量分析弹性纤维聚集面积与纤维化面积之比，以区分特发性和继发性间质性肺炎	NA	探讨特发性和继发性间质性肺病之间胶原和弹性纤维组成的差异，以辅助鉴别诊断	93名接受肺移植的纤维化间质性肺病患者的780张Elastica van Gieson染色全切片图像	数字病理学	间质性肺病	全切片成像	深度学习	图像	93名患者的780张全切片图像	HALO-AI	NA	P值	NA
367	2026-08-17	Artificial intelligence in lumbar radiography: bridging deep learning and clinical practice in low-resource environments 2026-Aug-11, BMJ health & care informatics IF:4.1Q2 DOI:10.1136/bmjhci-2025-101693 PMID:42580813	综述	本文通过叙述性综述，评估了2022至2024年间基于深度学习的腰椎X线摄影分析技术的进展及其在资源有限环境中的临床应用潜力。	聚焦于低资源环境下腰椎X线摄影的AI应用，并探讨轻量级架构的部署潜力，为资源受限地区的影像诊断提供新视角。	仅依赖叙述性综述，缺乏系统性量化分析；研究样本未明确，且未涵盖大规模真实世界验证。	评估基于AI的腰椎X线摄影方法在低资源环境中的临床适用性，并识别其挑战与未来方向。	腰椎X线图像，涉及分割、分类和曲率分析等任务。	计算机视觉, 数字病理学	腰椎疾病	NA	卷积神经网络, U-Net, ResNet, 生成对抗网络	图像	NA	NA	卷积神经网络, U-Net, ResNet, 生成对抗网络	NA	NA
368	2026-08-17	Enhanced diffuse optical tomography image reconstruction with dilated convolution and densely connected network 2026-Aug-11, Computer methods and programs in biomedicine IF:4.9Q1 DOI:10.1016/j.cmpb.2026.109606 PMID:42603480	研究论文	本文提出一种结合扩张卷积和稠密连接网络的深度神经网络框架，用于改善弥散光断层成像图像重建质量	将扩张卷积与DenseNet相结合，增强多尺度特征提取和特征复用能力，以提高DOT图像重建的空间分辨率和定量精度	未提及，可能受限于摘要中未提供详细信息	改善弥散光断层成像图像重建性能，通过增强多尺度特征提取和特征复用	弥散光断层成像图像重建，涉及数值模拟和物理幻影实验	计算机视觉	不适用	弥散光断层成像	卷积神经网络	图像	不适用（摘要中未提供具体样本数量）	不适用（摘要中未指定框架）	DenseNet, Dilated Convolution, ResNet	平均绝对误差、定量比、对比度噪声比、结构相似性指数度量	不适用（摘要中未提供）
369	2026-08-17	Norms for Automatic Estimation of White Matter Hyperintensities Burden: LST-AI Service in neuGRID 2026-Aug-04, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics16152460 PMID:42587696	研究论文	开发并验证了基于LST-AI和neuGRID平台的年龄和性别调整的白质高信号负担的规范性参考曲线，并定义了临床阈值。	提供了首个外部验证的、通过neuGRID单病例服务解释LST-AI衍生WMH负担的规范性框架，并定义了基于百分位数的规则排除和规则纳入阈值。	未明确说明局限性，但可能包括样本选择偏差、验证队列的多样性有限以及跨扫描仪泛化性的潜在问题。	开发用于自动WMH量化的规范性参考曲线，并定义在记忆门诊环境中解释WMH体积的临床有用阈值。	40-95岁认知正常个体的2D和3D FLAIR MRI图像，以及外部验证队列中包括认知正常、轻度认知障碍和痴呆的个体。	数字病理学	痴呆	磁共振成像（MRI）	深度学习分割模型（LST-AI）	图像	2D模型训练样本788例，3D模型训练样本895例；外部验证样本458例。	neuGRID平台（基于AI的神经影像分析工具）	LST-AI（基于深度学习的白质高信号分割工具）	ROC-AUC	NA
370	2026-08-17	Integrated Analysis of SNPs and Structural Variations via High-depth Whole-genome Sequencing Reveals the Genetic Architecture and Optimizes Genomic Prediction in Chickens 2026-Aug-03, Poultry science IF:3.8Q1 DOI:10.1016/j.psj.2026.107561 PMID:42603395	研究论文	本研究利用高深度全基因组测序对鸡F2群体的15个生长和胴体性状进行遗传解析，并开发了整合SNP和SV的混合深度学习框架GPDLBP优化基因组预测	首次在鸡中整合SNP和SV进行遗传解析和基因组预测，开发了结合局部连接网络和GBLUP模型的混合深度学习框架GPDLBP，有效利用多类型标记提升预测精度	研究基于单一F2群体，样本量有限（n=877），可能限制发现的遗传变异的普适性；未对功能候选基因进行实验验证	通过整合SNP和SV，解析鸡生长和胴体性状的遗传架构，并优化基因组预测方法以提高育种效率	F2鸡群体中15个生长和胴体性状的遗传变异和基因组预测	机器学习	NA	全基因组测序	深度学习、线性混合模型	基因组序列数据、表型数据	877只F2鸡个体	NA	局部连接网络、GBLUP	预测精度、遗传力、GWAS显著关联	NA
371	2026-08-17	Xeno-learning: knowledge transfer across species in deep learning-based spectral image analysis 2026-Aug, Nature biomedical engineering IF:26.8Q1 DOI:10.1038/s41551-025-01585-4 PMID:41588072	研究论文	提出“跨物种学习”（xeno-learning）概念，通过生理学基础的数据增强方法，将临床前动物数据中的病理变化知识迁移到人类高光谱图像分析中，以缓解临床数据不足的问题	首次提出跨物种知识迁移概念（xeno-learning），并引入生理学基础的数据增强方法，实现从动物模型到人类应用的图像分析知识转移	未明确提及局限性，可能包括跨物种差异带来的潜在偏差和临床验证的不足	利用临床前动物数据，通过跨物种知识迁移提升基于深度学习的高光谱图像分析在临床手术成像中的应用性能	人类、猪和大鼠模型的高光谱图像	计算机视觉, 数字病理	NA	高光谱成像	深度学习模型	高光谱图像	14,013张高光谱图像，来自人类、猪和大鼠	NA	NA	NA	NA
372	2026-08-16	A unified multi-task framework enables interpretable chest radiograph analysis 2026-Aug-14, Med (New York, N.Y.) DOI:10.1016/j.medj.2026.101223 PMID:42431195	研究论文	提出一种可解释的多任务胸部X光影像分析框架IMT-CXR，通过模拟放射科医生诊断流程，实现疾病识别、属性刻画和报告生成	提出统一的多任务Transformer框架，通过医学领域指令调优，首次将疾病分类、病灶定位、解剖分割和报告生成四个临床任务集成到一个可解释的决策路径中	未明确提及具体局限性，但实验仅基于胸部X光数据，泛化性有待验证	开发一种可解释的多任务胸部X光影像分析框架，弥合AI技术指标与临床实用性之间的差距，推进可信赖的医学成像AI系统	胸部X光影像及对应的临床报告	医学影像分析	胸部疾病	影像学检查	Transformer	影像数据，文本报告	160份来自四个医疗中心的历史报告用于盲评，另使用十个CXR基准数据集	未明确提及，推测为PyTorch或TensorFlow	统一Transformer架构	诊断清晰度（基于放射科医生盲评），另有基准测试指标未在摘要中详述	未明确提及
373	2026-08-16	Deep Learning Assisted Heteroporous Covalent Organic Framework Hydrogels Enable Dual-Mode Tracking and Analysis to Parkinson's Management 2026-Aug, Small (Weinheim an der Bergstrasse, Germany) DOI:10.1002/smll.74297 PMID:42360202	研究论文	本文介绍了一种可穿戴水凝胶（Gel@COF），用于同时监测帕金森病的多巴胺水平和静止性震颤，并结合卷积神经网络实现早期检测与干预	首次将具有分形和异质孔结构的共价有机框架（COF-101）封装于自交联水凝胶中，实现多巴胺和震颤的双模式传感，并集成CNN算法将预测准确率提升至95%以上	摘要中未提及研究的局限性，可能包括临床转化中需要进一步验证，以及水凝胶在长期穿戴中的稳定性等问题	开发一种双功能可穿戴水凝胶，用于帕金森病的早期检测和干预，通过同时监测多巴胺水平和静止性震颤	帕金森病患者，特别是早期患者，以及用于传感的水凝胶材料	数字病理学	帕金森病	共价有机框架合成、水凝胶制备	卷积神经网络（CNN）	传感信号（应变、荧光）	未在摘要中明确说明样本数量，可能涉及患者样本或传感器测试样本	NA	卷积神经网络（CNN）	准确率（>95%）、灵敏度（1%应变）、响应/恢复时间（16.0毫秒）	NA
374	2026-08-15	Retraction notice to "A new deep learning approach based on bilateral semantic segmentation models for sustainable estuarine wetland ecosystem management" [Sci. Total Environ. 838 (2022) 155826] 2026-Aug-14, The Science of the total environment DOI:10.1016/j.scitotenv.2026.182193 PMID:42595572	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
375	2026-08-15	A Novel EEG-Based Topographic Brain Map-Driven Deep Learning Method for Autism Spectrum Disorder Detection in Children 2026-Aug-14, Brain topography IF:2.3Q3 DOI:10.1007/s10548-026-01243-1 PMID:42595811	研究论文	本研究提出了一种基于EEG地形脑图驱动的深度学习方法，用于儿童自闭症谱系障碍的自动检测，并在伊拉克和波兰数据集上验证了其高性能。	首次将EEG通道功率谱密度生成的地形脑图作为深度特征提取模型（AlexNet和GoogLeNet）的输入，结合ANOVA特征选择和线性分类器，实现了跨数据集的高准确率检测。	数据集规模较小，需要更大规模的数据集来进一步验证模型的泛化能力。	开发一种自动化的EEG-based ASD检测方法，以早期诊断自闭症并减轻其长期影响。	儿童自闭症谱系障碍（ASD）患者，数据来自伊拉克和波兰。	机器学习	自闭症谱系障碍	脑电图（EEG）	深度学习模型（AlexNet和GoogLeNet）	EEG信号	未明确提及具体样本数量，但涉及伊拉克和波兰两个数据集，并进行了交叉数据集验证。	NA	AlexNet, GoogLeNet	准确率	NA
376	2026-08-15	Advancing cancer drug discovery through the integration of machine learning and high-throughput screening 2026-Aug-14, Future medicinal chemistry IF:3.2Q3 DOI:10.1080/17568919.2026.2714025 PMID:42596875	综述	本文综述了人工智能与高通量筛选相结合在癌症药物发现中的应用，重点讨论了深度学习技术如何加速药物候选物的选择并改善临床结果	强调AI与HTS的协同作用，并探讨可解释AI和联邦学习等新兴范式以提高模型透明度和促进协作	存在数据质量、模型可解释性和伦理方面的挑战	探讨AI与HTS相结合在癌症药物发现中的潜力和应用，以降低开发成本并改善治疗效果	癌症药物发现过程中的化合物筛选和药物候选物选择	机器学习	癌症	高通量筛选	卷积神经网络，循环神经网络，强化学习	高通量筛选数据，多组学数据	不适用	不适用	卷积神经网络，循环神经网络，强化学习	不适用	不适用
377	2026-08-15	Transformer-Based Deep Learning Framework for Automated Lesion Detection in Capsule Endoscopy: A Comparative Study With CNN Architectures 2026-Aug-14, Journal of clinical gastroenterology IF:2.8Q2 DOI:10.1097/MCG.0000000000002432 PMID:42598992	研究论文	比较视觉Transformer与两种卷积神经网络架构在胶囊内镜图像多类病变分类中的性能	首次在21类胶囊内镜图像数据集上系统比较Transformer与CNN架构，融合两个公开数据集并预处理	数据以图像级别而非患者或操作级别分割，帧间相关性未考虑，性能结果可能仅反映基准，不代表患者级泛化或架构绝对优势	评估视觉Transformer在胶囊内镜病变检测中的有效性，并与CNN架构进行比较	胶囊内镜图像中的多类病变	计算机视觉	消化道疾病	图像预处理	视觉Transformer、DenseNet121、ResNet50	图像	约58,000帧，分为训练集40,587、验证集8,696、测试集8,696	NA	视觉Transformer、DenseNet121、ResNet50	准确率、宏平均精确率、召回率、F1分数、ROC曲线下面积	NA
378	2026-08-15	Anatomical Localization of Intracranial Electrodes Using Synthetic MRI Generated from Computed Tomography 2026-Aug-14, Neurosurgery IF:3.9Q1 DOI:10.1227/neu.0000000000004197 PMID:42599080	研究论文	评估使用SynthSR从CT生成的合成MRI在脑深部电刺激电极定位中的准确性，并与标准MRI-CT融合方法进行比较	首次系统评估合成MRI在DBS电极定位中的可行性，为无MRI情况下的术后评估提供新方法	定位误差在不同病例间存在差异，约10%的径向误差大于2毫米，1%大于4毫米，且样本仅为帕金森病患者	验证基于CT的合成MRI能否作为传统MRI的替代方案，用于DBS电极的解剖定位	44名接受丘脑底核脑深部电刺激治疗的帕金森病患者	医学影像分析	帕金森病	CT, MRI, SynthSR	深度学习	医学影像	44名帕金森病患者的术前CT、术前MRI和术后CT扫描	NA	SynthSR	径向误差, 欧氏距离, 解剖定位一致性	NA
379	2026-08-15	Prediction of second-order rate constants for reactions between contaminants and reactive species by a ChemBERTa-based QSAR model 2026-Aug-13, Journal of environmental management IF:8.0Q1 DOI:10.1016/j.jenvman.2026.130684 PMID:42594429	研究论文	本研究开发了一种基于ChemBERTa的QSAR模型（ChemBERTa-FC），用于预测污染物与活性物种反应的第二阶速率常数，实现端到端的预测并提供了可解释性分析	首次将预训练的Transformer分子语言模型ChemBERTa应用于k值预测，无需手动特征工程，并利用SHAP分析揭示与反应机制一致的属性归因模式	摘要中未提及明显局限性，但可能包括对化学空间外推的局限性和对特定反应条件的依赖	开发一种可迁移且可解释的深度学习框架，准确预测污染物与活性物种反应的第二阶速率常数，以支持水处理工艺的优化设计	水污染物与HO、SO和e的反应	机器学习	不适用	深度学习（预训练分子语言模型）	ChemBERTa	分子SMILES字符串	不适用（摘要未提供具体样本数量）	PyTorch	ChemBERTa（Transformer）结合全连接层	均方根误差（RMSE）、决定系数（R²）	不适用（摘要未提供具体GPU或平台信息）
380	2026-08-15	A two-stage deep learning referral system with progressive training for diabetic retinopathy screening and severity grading 2026-Aug-13, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2026.111891 PMID:42594579	研究论文	提出了一种两阶段深度学习转诊系统，结合渐进式训练，用于糖尿病视网膜病变筛查和严重程度分级。	采用共享EfficientNet-B4主干和两个独立激活头，通过五阶段渐进课程训练，防止梯度干扰，实现二分类筛查和五分类严重程度及三分类糖尿病黄斑水肿风险评估的统一架构，并根据临床转诊路由降低计算需求。	主要限制是用于分级训练的数据量小（仅413张IDRiD图像），导致各变体中1级F1分数较低，反映了标注数据稀缺。	提高视网膜病变筛查的临床效率，在一个统一架构中同时支持二分类转诊和严重程度分级。	糖尿病视网膜病变患者，包括严重程度分级和糖尿病黄斑水肿风险评估。	计算机视觉	糖尿病视网膜病变	NA	CNN	图像	包含APTOS、Messidor-2（零样本外部验证及50张校准样本）和IDRiD（413张图像用于分级）	NA	EfficientNet-B4	AUC、灵敏度、QWK、F1分数	NA