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
401	2026-08-14	Development and External Validation of an Efficient Deep Learning Model for Lesion Segmentation and Subtyping of Hepatic Echinococcosis in Ultrasound Imaging 2026-Aug, Health care science DOI:10.1002/hcs2.70077 PMID:42499638	研究论文	开发并外部验证一种高效深度学习模型，用于超声图像中肝棘球蚴病的病灶分割和亚型分类	提出一种轻量级深度学习模型，整合频率域和空间域特征，并融合分割特征辅助分类任务，实现高效率和轻量化	未提供具体局限性信息	开发高效的深度学习模型，用于肝棘球蚴病分割和分类，促进非侵入性便携超声成像的大规模筛查	肝棘球蚴病患者的超声图像	医学影像	肝棘球蚴病	NA	深度学习模型	图像	内部数据集包含4437名患者的20112张图像，外部数据集包含1123名患者的3340张图像	NA	NA	Dice系数、准确率	NA
402	2026-08-14	Diabetic Retinopathy in Primary Healthcare in a Brazilian Municipality: A Cross-Sectional Study Using Teleophthalmology 2026-Aug, Health care science DOI:10.1002/hcs2.70076 PMID:42499642	研究论文	本研究通过远程眼科和深度学习算法，评估巴西某市初级卫生保健中胰岛素使用者的糖尿病视网膜病变患病率。	采用智能手机便携式视网膜相机和深度学习算法自动分析眼底图像，用于初级医疗环境中的糖尿病视网膜病变筛查。	研究未发现糖尿病视网膜病变与调查变量之间的关联，且样本量较小，可能限制统计效能。	估计巴西Jardinópolis市初级卫生保健中胰岛素使用者的糖尿病视网膜病变患病率。	152名接受胰岛素治疗并参加初级卫生保健的糖尿病患者。	数字病理学	糖尿病视网膜病变	眼底照相、深度学习影像分析	深度学习算法	眼底图像、访谈数据、实验室检查数据	152名参与者	NA	NA	患病率、95%置信区间、Kappa系数	NA
403	2026-08-14	Individualised treatment effects of corticosteroids in IgA nephropathy 2026-Aug, EBioMedicine IF:9.7Q1 DOI:10.1016/j.ebiom.2026.106396 PMID:42447753	研究论文	本研究开发并验证了一种因果机器学习框架，用于估计IgA肾病患者个体化的糖皮质激素治疗效果	首次将临床数据、组织病理学评分和基于深度学习的组织形态学生物标志物（pathomics）整合到因果机器学习框架中，用于识别治疗异质性并指导个体化治疗决策	作为回顾性队列研究，可能存在选择偏倚和未测量的混杂因素，且样本量相对有限	开发并验证一种个体化评估IgA肾病患者糖皮质激素治疗效果的方法，以支持精准治疗决策	来自8个国际队列（包括VALIGA、CureGN和NURTuRE-CKD）的1022例IgA肾病患者	机器学习	IgA肾病	深度学习、组织病理学分析、病理组学	因果机器学习模型	临床数据、组织病理学图像、病理组学特征	1022例患者（推导集464例，验证集558例）	NA	深度学习模型（具体架构未提及）	p值、95%置信区间、进展无生存期（年）	NA
404	2026-08-13	HFG-Net: high-frequency guided multi-view graph convolution and dynamic spatio-temporal fusion for ASD diagnosis 2026-Aug-12, Journal of neural engineering IF:3.7Q2 DOI:10.1088/1741-2552/ae9190 PMID:42520836	研究论文	提出HFG-Net，一种高频引导的多视图图卷积和动态时空融合框架，用于基于脑电图的自闭症谱系障碍诊断。	引入通道-时间多尺度注意力机制、高频引导的多视图图构建策略和动态协同融合模块，以捕捉非欧几里得拓扑异常并适应个体差异。	未明确说明局限性，但可能受限于单中心数据和小样本量。	开发一种稳健、自适应且可解释的脑电图诊断框架，以解决时空建模和异质性适应的挑战。	120名受试者（包括自闭症谱系障碍患者和对照组）的临床脑电图数据。	机器学习、数字病理学（基于脑电图的诊断）	自闭症谱系障碍	脑电图信号分析（包括频带提取）	图卷积网络（GCN）	脑电图信号	120名受试者的临床数据集	PyTorch	多视图图卷积网络（基于图卷积的架构）	准确率、F1分数	未提及具体硬件，但可能使用标准GPU（未提供详细信息）
405	2026-08-13	Imaging-Derived Sarcopenic Obesity and Cardiovascular Outcomes: Insights Into Heart Failure Risk and Muscle Biology 2026-Aug-11, Journal of the American College of Cardiology IF:21.7Q1 DOI:10.1016/j.jacc.2026.05.022 PMID:42383941	研究论文	开发了一种基于深度学习的方法，从心血管磁共振成像中量化肌肉质量以评估肌少性肥胖，并探讨其与心血管结局的关联	首次提出基于心血管影像的深度学习管道来量化胸大肌质量并构建肌少性肥胖指数，结合基因组和转录组数据揭示其遗传基础和潜在治疗靶点	未明确提及局限性，但可能包括影像数据的单中心来源或模型泛化性需进一步验证	建立可转化的肌少性肥胖评估方法，并利用长期随访、基因组和转录组数据评估其临床相关性	55,768例心血管磁共振检查数据，以及骨骼肌转录组数据	计算机视觉, 数字病理学	心力衰竭, 心血管疾病	心血管磁共振成像, 全基因组关联分析, 转录组学	深度学习模型	影像数据, 基因组数据, 转录组数据	55,768例心血管磁共振检查	PyTorch	卷积神经网络	风险比, 置信区间, 基因组关联p值	NA
406	2026-08-13	DDCCNet: Physics-Enhanced Multitask Neural Networks for Data-Driven Coupled-Cluster 2026-Aug-11, Journal of chemical theory and computation IF:5.7Q1 DOI:10.1021/acs.jctc.6c00906 PMID:42474317	研究论文	提出一种名为DDCCNet的物理增强多任务深度学习网络，用于从低级电子结构方法预测耦合簇单双激发的振幅和相关能	将物理知识直接嵌入神经网络结构，通过特征分区块和符合耦合簇方程的中间预测层增强物理一致性和多任务学习效率，实现了机器学习与从头算理论的统一	未提及具体限制	开发可扩展、物理基础稳健的深度学习框架，用于高效、数据驱动的电子结构预测	甲醇构象、CO2簇和小型有机分子	机器学习	不适用	耦合簇方法（CCSD）和低级电子结构方法	多任务深度学习网络	电子结构数据（振幅和相关能）	未提及具体数量	不明确	并行子网络、特征分区块、物理增强中间预测层	准确性、迁移性、化学精度	未提及
407	2026-08-13	Fused deep learning enables 6D single-molecule localization in polarization-resolved microscopy 2026-Aug-10, Methods and applications in fluorescence IF:2.4Q3 DOI:10.1088/2050-6120/ae8eff PMID:42486163	研究论文	提出一种结合双螺旋点扩散函数显微镜和融合深度学习的方法，实现偏振分辨显微镜中单分子的六维定位	开发了一种基于现有神经网络架构的融合深度学习方法，能够利用双螺旋点扩散函数在六维空间中定位偶极发射体，实现同时具有高光子效率的空间和方向定位	在高极角下方位角方向存在已知的光学简并性，导致精度下降；实验数据超出训练分布时仍能观察到有序取向，但可能影响泛化性能	实现单分子取向定位显微镜中同时具有高光子效率的六维位置和方向定位，以测量带电和拥挤环境中的复杂传输	聚甲基丙烯酸甲酯薄膜中的罗丹明B分子和球形支撑脂质双层中的尼罗红分子	机器学习, 光学显微镜, 数字病理学	NA	荧光显微镜, 双螺旋点扩散函数	融合深度学习模型	图像	单分子样本，具体数量未在标题和摘要中提及	NA	现有神经网络架构	中位空间精度, 角度精度	NA
408	2026-08-13	Repurposing genome skimming data for non-model plant functional phylogenetics: a case study in Rhodiola 2026-Aug-10, Annals of botany IF:3.6Q1 DOI:10.1093/aob/mcag114 PMID:42037526	研究论文	本研究利用基因组浅层测序数据结合密码子选择分析和深度学习工具，探讨高山药用植物红景天中红景天苷生物合成途径功能基因的进化模式	首次将基因组浅层测序数据与AI工具（Evo2和AlphaFold 3）结合，用于非模式植物功能基因的系统发育和选择压力分析，并验证了功能基因进化的生物学预测	研究结果初步，需要未来进行功能验证和生态学验证	利用基因组浅层测序数据测试非模式植物功能基因进化的生物学预测，包括纯化选择、环境异质性下的谱系特异性选择约束变化及蛋白质结合特性差异	红景天属（Rhodiola）18个物种的红景天苷生物合成途径中的功能基因	植物功能系统发育学	NA	基因组浅层测序、密码子选择分析、分子对接、系统发育重建、环境变量分析	深度学习模型（Evo2、AlphaFold 3）	基因组浅层测序数据	18个红景天属物种	NA	Evo2、AlphaFold 3	平均恢复率、系统发育信号、选择压力检测	NA
409	2026-08-13	Attention-driven YOLOv11n-DeiT model for enhanced detection of tomato leaf diseases 2026-08-09, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-64897-8 PMID:42572059	研究论文	提出一种基于注意力驱动的YOLOv11n-DeiT模型，用于增强番茄叶部病害检测性能	将DeiT嵌入YOLOv11n骨干网络以增强全局上下文信息和长距离依赖学习能力，并采用遗传元启发算法自动选择关键超参数	未提及，需进一步探索模型在更多样化数据集上的表现	开发高效智能的番茄叶部病害检测系统，提升检测准确性和泛化能力	番茄叶部病害图像，具体涉及两个公共数据集：台湾数据集（9类）和TLDDCV数据集（7类）	计算机视觉	植物病害（番茄叶部病害）	图像处理（伽马校正和双边滤波）、深度学习	YOLOv11n、DeiT	图像	台湾数据集包含9个类别，TLDDCV数据集包含7个类别，具体样本数量未提及	未明确提及	YOLOv11n, DeiT	mAP@50, mAP@50-95, 精确率, 召回率, F1分数	未提及
410	2026-08-13	Toward self-contained cardiac magnetic resonance elastography: Deep learning-based segmentation of the left ventricular myocardium 2026-Aug-08, Magnetic resonance imaging IF:2.1Q2 DOI:10.1016/j.mri.2026.110768 PMID:42570825	研究论文	本研究评估了深度学习模型在心脏磁共振弹性成像（MRE）数据上进行左心室心肌分割的性能，实现了与人工阅片者相当的分割精度。	首次探索仅利用原生心脏MRE数据进行左心室心肌自动分割，无需额外结构MRI或手动标注，并系统比较了nnU-Net和MedSAM两种现代框架的不同输入表示和自动化策略。	样本量小（16名健康男性志愿者），可能限制模型的泛化性；未涉及患者群体或不同病理状态。	评估基于心脏MRE数据的深度学习分割模型的可行性，并确定最佳的输入表示和自动化策略，以推动自包含心脏MRE工作流程的发展。	16名健康男性志愿者的心脏MRE数据，包括幅度、相位、实部和虚部图像，以及来自两名阅片者的手动标注。	医学影像分析	心脏疾病（心肌硬度评估）	磁共振弹性成像（MRE）	nnU-Net v2 和 MedSAM	磁共振图像（幅度、相位、实部、虚部）	16名健康男性志愿者的心脏MRE数据	PyTorch	nnU-Net, MedSAM (基于SAM)	Dice系数	未提供具体GPU信息
411	2026-08-13	Deep learning-based control of electrically evoked activity in human visual cortex 2026-Aug-07, Neuron IF:14.7Q1 DOI:10.1016/j.neuron.2026.07.006 PMID:42567157	研究论文	提出了一种基于深度学习的框架，利用双向皮层植入物在人类视觉皮层中因果性地塑造刺激诱发的群体活动，并展示了其在实时刺激合成和精确靶向方面的优越性。	创新性地引入深度学习框架，利用双向皮层植入物实现刺激诱发群体活动的实时控制，并支持学习逆网络和梯度优化两种互补策略。	文中未明确提及局限性，但可能包括对神经记录的依赖性、刺激参数调整的复杂性以及临床应用的潜在风险。	开发并验证一种深度学习框架，用于更精确地控制人类视觉皮层的电刺激诱发活动，以改善视觉假体的感知一致性。	人类视觉皮层中的刺激诱发群体活动，以及相关的神经记录和感知报告。	深度学习	视觉障碍	电刺激（微刺激）	深度学习（学习逆网络和梯度优化器）	神经记录数据	文中未提供具体样本量，但涉及人类视觉皮层试验。	NA	学习逆网络，梯度优化器	刺激电流阈值、感知一致性、群体活动重建误差、感知预测准确性	未提及具体计算资源，可能涉及标准GPU。
412	2026-08-13	Risk analysis and warning model of post-noncardiac surgery acute kidney injury: A retrospective observational study 2026-Aug-07, Medicine IF:1.3Q2 DOI:10.1097/MD.0000000000050071 PMID:42566640	研究论文	本研究旨在识别非心脏手术后急性肾损伤的风险因素，并基于临床参数开发与验证早期预警模型	首次通过整合逻辑回归与深度学习构建多外科专科的PO-AKI早期预警模型，在保持可解释性的同时提升预测性能	未提供明确的局限性信息	开发并验证基于常规临床参数的非心脏手术后急性肾损伤早期预警模型	非心脏手术患者	机器学习	急性肾损伤	电子病历数据分析	逻辑回归与深度学习	电子病历数据	19,152例非心脏手术患者	NA	逻辑回归、深度学习	AUC、精确率-召回率曲线下面积、F1分数	NA
413	2026-08-13	BAASNet: boundary-aware deep learning for accurate polyp segmentation in colonoscopy 2026-08-05, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-65397-5 PMID:42557285	研究论文	提出BAASNet，一种边界感知的深度学习框架，用于结肠镜检查中息肉的精确分割，在九个公开数据集上验证了其泛化能力。	引入了边界感知损失函数来增强分割边界，并在多种成像模态上展示了显著的性能提升。	文本中未提及具体的局限性，可能需要进一步研究以确定。	开发一个自动化的、高精度的息肉分割系统，以克服现有方法的挑战，并支持临床部署。	结肠镜检查中的结直肠息肉。	计算机视觉、数字病理学	结直肠癌	深度学习	CNN	图像	九个公开数据集，涵盖五种成像模态	未提及	未提及	Dice相似系数（DSC）、平均绝对改进、相对改进	未提及
414	2026-08-13	Clinical-guided deep learning framework for diabetic retinopathy: integrating lesion-aware attention, adversarial augmentation, and uncertainty quantification 2026-08-05, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-58690-w PMID:42557287	研究论文	提出了一种临床引导的深度学习框架CG-DRNet，用于糖尿病视网膜病变的严重程度检测，结合了病变感知注意力、对抗性数据增强和不确定性量化	首次将病变感知注意力、对抗性数据增强和贝叶斯不确定性量化集成于一个多任务深度学习框架中，用于DR检测；引入条件生成对抗网络（CWGAN-GP）解决类别不平衡；采用不确定性引导的半监督学习提高数据效率	未提及	实现可靠且可解释的糖尿病视网膜病变严重程度检测，特别是早期轻度非增殖性糖尿病视网膜病变的检测，提高临床适用性	糖尿病视网膜病变患者的眼底图像	计算机视觉	糖尿病视网膜病变	眼底成像	多任务深度学习网络、条件生成对抗网络（CWGAN-GP）、Monte Carlo dropout	图像	使用公开数据集APTOS 2019、Messidor-2和临床元数据	PyTorch	CG-DRNet, CWGAN-GP	准确率、宏F1分数、二次加权kappa、AUC、期望校准误差、灵敏度、推理时间	未提及
415	2026-08-13	A class-wise quantum relational calibration network for brain tumor diagnosis 2026-08-04, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-61891-y PMID:42552341	研究论文	提出一种类别级量子关系校准网络(CQRCNet)，用于脑肿瘤MRI诊断，通过混合量子-经典框架改进多类分类的校准性能	创新性地将量子关系建模集成到经典卷积神经网络中，作为softmax归一化前的校准机制，采用参数共享和低量子比特电路显式建模类别间成对交互	未明确提及局限性	提高脑肿瘤MRI多类分类的准确性和可靠性，解决类别间模糊性和校准问题	公开的脑肿瘤MRI数据集，涵盖四个肿瘤类别	计算机视觉	脑肿瘤	MRI	混合量子-经典神经网络	图像	NA	NA	卷积神经网络(CNN)、量子电路	准确率	量子模拟器
416	2026-08-13	Biologically informed neural network models are robust to spurious interactions via self-pruning 2026-Aug-03, Bioinformatics (Oxford, England) DOI:10.1093/bioinformatics/btag556 PMID:42502984	研究论文	本文提出了一种通过自我剪枝评估生物学信息神经网络模型对虚假交互作用的鲁棒性的方法，并更新了LEMBAS框架以支持GPU加速。	引入RRA指标直接比较分布，实现完美自我剪枝的量化，并显著提升计算速度。	主要关注所选路径而非全面视角，可能忽略复杂的未知交互。	评估BINN模型在存在虚假交互作用时的可靠性，并提高计算效率。	细胞内信号传导网络，特别是基于先验知识网络的BINN模型。	机器学习	NA	NA	递归神经网络 (RNN)	信号传导数据	3个不同数据集	PyTorch	递归神经网络	预测准确性、RRA（相对残差面积）	GPU加速
417	2026-08-13	Precision pharmacology: deep learning infused ontological framework with E-GRU enhancement for tailored medicine prescriptions 2026-08-03, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-48044-x PMID:42547776	研究论文	本文提出了一种结合本体论和深度学习的方法，通过增强门控循环单元（E-GRU）模型NexusOpti来提高药物处方的准确性	将本体论（ICD和ATC）与深度学习结合，并使用自注意力机制和E-GRU层来提升推荐精度	未提及	提高药物处方的准确性，减少不良反应，实现个性化用药	电子健康记录中的患者数据和药物-疾病相互作用	机器学习	不适用	本体论数据提取	增强门控循环单元（E-GRU）	电子健康记录	未提及	未提及	增强门控循环单元（E-GRU）	命中率（Hit Ratio）和归一化折损累计增益（NDCG）	未提及
418	2026-08-13	A spatiotemporal U-Net++ deep learning framework for dengue risk mapping in Colombia 2026-08-03, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-63542-8 PMID:42552340	研究论文	提出基于U-Net++架构的时空深度学习框架，用于在哥伦比亚生成高分辨率登革热风险地图	将U-Net++架构应用于登革热风险制图，并整合气候、环境、人口和社会经济等多源异构数据，在国家和部门尺度上评估了高维和低维地理空间方法	未提及	开发一个基于时空深度学习的框架，以生成高分辨率登革热风险地图，支持公共卫生决策并减少登革热对脆弱人群的影响	哥伦比亚全国及五个登革热高发部门	深度学习	登革热	卫星遥感、人口普查数据	U-Net++	图像、结构化数据（气候、环境、人口和社会经济信息）	哥伦比亚全国及五个登革热高发部门（具体样本量未提及）	NA	U-Net++	mIoU	NA
419	2026-08-13	Biodistribution of AAV-TT and AAV9 in the Nonhuman Primate Brain 2026-Aug, Human gene therapy IF:3.9Q2 DOI:10.1177/10430342261427733 PMID:41797378	研究论文	该研究比较了AAV-TT和AAV9在非人灵长类大脑中的生物分布，发现AAV-TT具有相似的分布模式和略高的神经元转导效率	首次直接比较AAV-TT和AAV9在成年非人灵长类大脑中的转导效果，并采用深度学习算法量化分析全脑转导模式	样本量较小（每组仅两只动物），且未评估长期安全性或治疗性基因表达效果	评估AAV-TT在非人灵长类大脑中的分布和转导效率，以探讨其作为神经退行性疾病基因治疗载体的临床潜力	幼年成年非人灵长类动物的大脑，具体为左连合壳核区域	神经科学	神经退行性疾病	腺相关病毒（AAV）载体递送	深度学习模型	全脑图像（GFP表达）	四只非人灵长类动物（两只接受AAV-TT，两只接受AAV9）	Aiforia	深度学习图像分析算法	GFP阳性神经元定量	NA
420	2026-08-13	Systematic review of machine learning and deep learning models for EEG-based detection of depression 2026-08, Journal of psychiatric research IF:3.7Q1 DOI:10.1016/j.jpsychires.2026.04.030 PMID:42056808	系统综述	本文按照PRISMA 2020指南对2020至2024年间发表的基于EEG的机器学习与深度学习抑郁症检测研究进行了系统回顾，比较了方法学、性能指标及局限性	首次对2020至2024年间EEG抑郁症检测的ML与DL模型进行系统比较，并采用QUADAS-2工具评估偏倚风险	纳入研究间方法学差异大，且可能存在发表偏倚；DL与ML性能差异在探索性分析中无统计学意义	系统评估并比较基于EEG数据的机器学习和深度学习模型在抑郁症检测中的方法学、性能指标及局限性	42项符合纳入标准的研究，包括23项基于机器学习和19项基于深度学习的研究	机器学习	抑郁症	脑电图(EEG)	机器学习模型、深度学习模型	脑电图信号	42项研究；具体样本量因研究而异，部分研究样本量较小	不适用	不适用	准确率	不适用