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
301	2026-09-06	MST-Net: a multi-scale spatial transformation network for automated T2/T3 staging of rectal cancer on preoperative T2-weighted MRI 2026-Sep-04, Insights into imaging IF:4.1Q1 DOI:10.1186/s13244-026-02377-3 PMID:42698053	研究论文	本研究开发了一种名为MST-Net的深度学习模型，用于基于术前T2加权MRI自动且无分割地区分直肠癌的T2/T3分期。	MST-Net创新性地结合了金字塔跨阶段特征融合模块和轻量级空间注意力机制，实现了无分割的自动T2/T3分期，减少了深层网络中空间细节的丢失，并能够自适应聚焦于肿瘤区域的关键影像组学特征。	本研究可能受限于回顾性设计、样本量（共309例患者）以及只有两个中心的数据，其泛化性和在不同人群中的适用性需进一步验证。	开发一个深度学习模型（MST-Net），以基于术前T2加权MRI实现直肠癌T2/T3分期的无分割自动、准确预测，从而支持临床个性化治疗决策。	直肠癌患者的术前T2加权MRI图像及其术后病理确认的T2/T3分期标签。	医学影像	直肠癌	T2加权MRI	深度学习模型	图像	共309例患者；包括训练集（216例）、内部测试集（54例）和外部独立验证集（39例）	NA	MST-Net（包含金字塔跨阶段特征融合模块和轻量级空间注意力机制）	AUC、准确率	NA
302	2026-09-06	Artificial intelligence and ultra-high performance computing methods and experiments for drug discovery: virtual screening, deep learning, molecular dynamics simulations, ADMET modelling, and experimental validation 2026-Sep-03, Molecular biomedicine IF:6.3Q1 DOI:10.1186/s43556-026-00498-1 PMID:42686980	综述	本文综述了人工智能与超高性能计算在药物发现中的应用，包括虚拟筛选、深度学习、分子动力学模拟、ADMET建模及实验验证，并探讨了未来研究方向。	结合了人工智能与超高性能计算方法，覆盖从虚拟筛选到实验验证的全流程，强调经济地开发更安全有效的药物。	未提及具体局限性，可能缺乏对某一方法的深入实证分析。	探讨人工智能和超高性能计算在药物发现中的进展、挑战及未来方向。	药物发现中的分子、化学空间、靶点及配体。	药物发现、人工智能、高性能计算	NA	虚拟筛选、深度学习、分子动力学模拟、ADMET建模	深度学习模型	分子数据、化学结构数据	NA	NA	NA	NA	超高性能计算系统、计算资源（未指明具体类型）
303	2026-09-06	Remote sensing for monitoring and managing Eichhornia crassipes: a review of methods, applications, and decision-support frameworks 2026-Sep-02, Environmental monitoring and assessment IF:2.9Q3 DOI:10.1007/s10661-026-15788-y PMID:42684487	综述	本文综述了2004至2025年间56项关于利用遥感技术监测和管理水葫芦的研究，探讨了不同平台、传感器和分析方法的应用及其演变	首次提出一个基于五大战略支柱的决策支持框架，包括多尺度传感器融合、生态可解释分类方案、可扩展分析阶梯、早期预警指标和监测与管理行动的反馈回路	跨平台数据协调困难、混合植被群落中误分类问题以及将遥感输出转化为决策相关信息仍存在挑战	总结遥感技术在水葫芦监测管理中的应用进展，并提出面向决策支持的方法框架	水葫芦（Eichhornia crassipes）入侵的淡水生态系统	遥感	不适用	遥感技术，包括多光谱、高光谱、合成孔径雷达（SAR）、无人机（UAV）和机载平台	机器学习、深度学习、基于对象分类和指数阈值法	遥感图像	56项研究（2004-2025年发表）	NA	NA	NA	NA
304	2026-09-06	Brain cognition gaps reveal associations with dopamine and factors related to brain health through artificial intelligence prediction of functional connectome 2026-Sep-02, eLife IF:6.4Q1 DOI:10.7554/eLife.104053 PMID:42684829	研究论文	本研究利用深度学习预测功能连接组，评估不同脑状态下的认知表现，并提出脑认知差距作为认知韧性的潜在标志	引入脑认知差距概念，并发现其与多巴胺结合及脑健康因素相关，强调脑状态在基于连接组的认知预测中的重要性	未提供具体局限性信息	探究不同脑状态下功能连接组对认知表现的预测能力，以及脑认知差距与多巴胺和脑健康因素的关联	人类大脑的功能连接组和认知表现	机器学习	NA	PET	深度学习	影像数据（功能MRI和PET）	NA	NA	NA	NA	NA
305	2026-09-06	Integrating macroeconomic and technical indicators into forecasting the stock market: a hybrid approach for efficient feature selection 2026-Sep-02, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-67696-3 PMID:42686918	研究论文	本研究提出一个结合历史数据、技术指标和宏观经济数据的混合特征选择框架，用于预测股票市场的每日对数收益率，并评估其交易策略的经济表现	提出一种结合过滤式和包装式方法的混合特征选择方法，区别于以往研究主要依赖单一特征选择或完全忽略特征选择的情况；同时整合了宏观经济数据（如黄金价格、石油价格、波动率指数、美元指数等）与技术指标，以捕捉经济因素对股票市场的影响	尽管统计指标提升幅度不大，但预测误差略高于传统模型，且样本仅涵盖五家公司，可能限制结果的普适性	开发一个稳健的预测框架，通过结合历史数据、技术指标和宏观经济数据以及混合特征选择方法，提高股票日对数收益率预测的准确性和交易策略的经济绩效，并验证统计精度不足以单独评估金融预测模型	股票市场的每日对数收益率，涵盖五家不同行业和规模的公司：苹果（AAPL）、埃克森美孚（XOM）、高盛（GS）、辉瑞（PFE）和福特汽车（F）	机器学习	NA	NA	深度学习模型（具体类型未明确）	时间序列数据（包含历史价格、技术指标和宏观经济指标）	5家公司（苹果、埃克森美孚、高盛、辉瑞、福特）	NA	NA	统计度量（如误差指标）和交易绩效指标（如收益率、夏普比率）	NA
306	2026-09-06	Adversarial and Correlation-Aware Data Augmentation Framework for Multi-Label Chest X-Ray Image Classification 2026-Sep, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2026.3667990 PMID:41740106	研究论文	本文提出了一种对抗性和相关性感知的数据增强框架（ACAA），用于在有限标注条件下进行多标签胸部X射线图像分类	创新性地结合了图像级和特征级对抗增强、基于Mamba的批次级相关正则化，以及用于半监督学习的伪标签生成	未提及具体限制	在仅有有限标注数据的情况下，提高多标签胸部X射线图像分类的性能	胸部X射线图像（CXR）及其对应的多标签分类任务	计算机视觉	胸部疾病	对抗性数据增强、一致性正则化	NA	图像	两个大型CXR数据集（CheXpert和MIMIC-CXR）	NA	Mamba模块	AUC	NA
307	2026-09-06	CapsFormer: A Dual-Stream Causal-Aware Capsule-Transformer Network for EMG Signal Representation Learning 2026-Sep, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2026.3668131 PMID:41747118	研究论文	提出了一种名为CapsFormer的双流因果胶囊-Transformer网络，用于肌电信号表示学习，以提高手势识别性能	在Transformer流中采用因果注意力机制显式阻止未来信息，在胶囊流中利用动态路由捕捉局部整体姿态向量，以增强对电极移位和肌肉变形的鲁棒性	未提供具体限制信息	开发一种能够平衡长期时间建模与局部姿态不变性，且具有因果一致的可解释性的肌电信号手势识别方法	肌电信号	机器学习	不适用	肌电信号处理	神经网络（含Transformer和胶囊网络）	肌电信号数据	多受试者数据集	不适用	Transformer、胶囊网络	识别准确率、跨受试者鲁棒性、可解释性	不适用
308	2026-09-06	BioFPT: Biosignal Feature Pyramid Transformer for Self-Supervised Representation Learning From ECG Signals 2026-Sep, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2026.3669166 PMID:41770962	研究论文	提出了一种用于心电图信号自监督表示学习的生物信号特征金字塔变换器框架	引入Split-Mask-Join预训练策略、重叠嵌入机制消除位置编码需求，以及空间减少注意力变换器降低计算复杂度	未提及	提高ECG信号分析的效率和性能，尤其在有限标注数据场景下	心电图信号	机器学习	不适用	ECG信号处理	Transformer	心电信号	超过94,000名受试者的七个公共ECG数据集	未提及	特征金字塔变换器	准确率、参数数量	未提及
309	2026-09-06	Ultrastructural Evidence of Altered Dendritic Morphology in the Prefrontal Cortex of Alzheimer's Model Rats 2026-Sep, Neuroscience bulletin IF:5.9Q1 DOI:10.1007/s12264-026-01606-5 PMID:41882455	研究论文	本研究提出了一种整合体积电子显微镜与深度学习的自动化流程，用于分析大鼠前额叶皮层中的突触和亚细胞结构，并发现阿尔茨海默病模型大鼠的树突棘形态发生改变。	创新性地将体积电子显微镜与深度学习相结合，自动化分析突触和亚细胞结构，实现对约13万立方微米大鼠前额叶皮层的3D重建，克服了传统方法无法解析纳米级结构的限制。	初步结果基于少量动物样本，样本量有限，可能影响结论的普遍性。	利用vEM与深度学习整合的自动化流程，量化阿尔茨海默病模型大鼠前额叶皮层中的突触和亚细胞超微结构变化，以揭示树突形态的异常。	阿尔茨海默病模型大鼠及对照大鼠的前额叶皮层组织。	计算病理学, 深度学习	阿尔茨海默病	体积电子显微镜	深度学习模型（未指定具体类型）	电子显微镜图像	少量大鼠样本（具体数量未说明）	NA	NA	NA	NA
310	2026-09-06	ClearDepthIAS enables automated high-throughput quantification of roots in soil-grown taproot crops 2026-Sep-01, Plant physiology IF:6.5Q1 DOI:10.1093/plphys/kiag447 PMID:42361307	研究论文	ClearDepthIAS是一个高通量成像与分析平台，能够非破坏性地自动量化土壤栽培主根作物（如大豆和油菜）的根系结构特征	通过360度图像拼接和基于深度学习的ClearDepth-WRT分割技术，实现了墙根浅度（WRS）的高精度测量，并能用于预测成熟期根系结构和田间根生物量分布	环境交互作用可能影响根系结构与环境关系，导致相关性减弱或消失	实现土壤中主根作物根系结构的高通量自动表型分析，以支持遗传研究和育种	大豆和油菜的根尖、根面积、分布指数、生长角度及墙根浅度等特征	计算机视觉	NA	高通量成像	深度学习分割模型	360度根图像	大豆和油菜植株	NA	ClearDepth-WRT	精度	NA
311	2026-09-06	Comparative analysis of quantitative fundus results of the left and right eyes and screening for coronary atherosclerotic disease: a binocular study 2026-Sep, Eye (London, England) DOI:10.1038/s41433-026-04565-3 PMID:42373976	研究论文	本研究利用AI定量分析比较冠心病患者左右眼视网膜微血管参数的对称性，以评估单眼成像在心血管风险评估中的可行性。	首次通过AI深度学习模型在冠心病患者中系统评估双眼视网膜参数的对称性，并考虑Gensini评分和病变位置等分层因素，为简化筛查方案提供依据。	研究未详细说明混杂因素控制及模型训练细节，且为单中心研究，可能限制结果的普适性。	评估冠心病患者眼底微血管参数的双眼一致性，以支持单眼成像用于心血管风险筛查。	431名患者的862张彩色眼底照片，包括CAD和非CAD个体，按Gensini评分和病变位置分层。	计算机视觉	冠状动脉粥样硬化疾病	眼底图像分析	深度学习模型（ResNet 101-UNet）	图像（彩色眼底照片）	431名患者，862张彩色眼底照片	NA	ResNet 101-UNet	Pearson相关系数, 组内相关系数, 线性回归, 广义线性混合模型	NA
312	2026-09-06	Correction: Establishing discard criteria for lead aprons using deep learning-based quantification of defect area on X-ray fluoroscopic video 2026-Sep, Radiological physics and technology IF:1.7Q3 DOI:10.1007/s12194-026-01116-z PMID:42570187	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
313	2026-09-06	DNAmBERT: a transformer-based model for non-invasive cancer diagnosis using DNA sequence and methylation data 2026-Sep-01, Briefings in bioinformatics IF:6.8Q1 DOI:10.1093/bib/bbag455 PMID:42685313	研究论文	本文介绍了DNAmBERT，一个基于Transformer的深度学习框架，用于通过DNA序列和甲基化数据进行非侵入性癌症诊断。	首次联合建模DNA序列上下文和读段水平甲基化单倍型结构，利用k-mer编码和甲基化单倍型令牌的统一表示及掩码语言建模目标，实现序列-表观遗传依赖的上下文感知学习。	摘要中未提及具体局限性。	开发一种准确且可扩展的cfDNA多癌种检测方法，通过联合序列和甲基化单倍型表示学习提高非侵入性癌症诊断的性能。	循环游离DNA（cfDNA）甲基化测序数据，涵盖结直肠癌、肺腺癌和肝细胞癌等癌症类型。	机器学习	结直肠癌, 肺腺癌, 肝细胞癌	甲基化测序（RRBS, cfRRBS, cfMethyl-seq）	Transformer	序列数据（DNA序列和甲基化数据）	未提供具体样本数量，但提及多个平台和癌症类型。	未明确提及，可能使用PyTorch或TensorFlow。	Transformer	AUC	未提及具体计算资源。
314	2026-09-06	Explainable deep learning improves human mental models of self-driving cars 2026-Sep, Nature IF:50.5Q1 DOI:10.1038/s41586-026-10950-5 PMID:42687026	研究论文	本文介绍了一种名为概念包装网络（CW-Net）的可解释深度学习方法，用于忠实解释自动驾驶汽车中基于机器学习的规划器行为，并在真实自动驾驶汽车上验证其能提高人类驾驶员对车辆行为的预测能力。	创新点在于提出了CW-Net方法，该方法将规划器的推理因果地建立在人类可解释的概念上，而不牺牲性能，并在真实自动驾驶汽车上进行了部署验证，填补了可解释性研究在实际部署中的空白。	文中未提及明显的局限性，但可能隐含对概念选择依赖性和跨系统泛化性的挑战。	研究目标是开发并验证一种可解释的深度学习方法，以提高人类对自动驾驶汽车行为的理解和预测，特别是在意外情况下，从而增强系统的透明度和安全性。	研究对象是自动驾驶汽车中的机器学习规划器及其行为解释。	机器学习，自动驾驶	NA	深度学习，可解释性分析	概念包装网络（CW-Net）	驾驶场景数据（未指明具体数据类型）	未指明具体样本量，涉及真实自动驾驶汽车的部署实验。	NA	CW-Net（基于概念的神经网络架构）	预测准确率（未指明具体指标，但提到改进预测能力）	未指明具体计算资源。
315	2026-09-06	Deep learning for blood glucose prediction: Reproducibility challenges and factors affecting differential performance 2026-Sep, PLOS digital health DOI:10.1371/journal.pdig.0001633 PMID:42691024	研究论文	本研究评估了八种深度学习血糖预测方法的可重复性，并分析了影响其性能差异的因素	首次系统性地评估深度学习血糖预测方法的可重复性，采用涵盖技术、统计和概念层面的标准化框架，并识别了影响因素	研究仅聚焦于1型糖尿病患者，可能无法推广至其他类型的糖尿病或健康人群，且可重复性评估受限于现有数据集的多样性和公开性	评估深度学习血糖预测方法的可重复性，并分析影响模型性能差异的因素	八种代表性深度学习血糖预测方法，以及来自128名1型糖尿病个体的超过136万个连续血糖监测样本	机器学习	1型糖尿病	连续血糖监测	深度学习模型（文中未明确指定具体类型，提到八种代表性方法，通常包括LSTM等）	时间序列数据	128名1型糖尿病个体，共5061天的连续血糖监测样本，超过136万个样本	NA	NA	预测误差（文中提到较高的预测误差与较低的血糖目标范围内时间相关，具体指标可能包括均方根误差等）	NA
316	2026-09-06	Deceptive bias measurement in deep learning: Assessing shortcut reliance in TCGA cancer models 2026-Sep, PLOS digital health DOI:10.1371/journal.pdig.0001165 PMID:42691130	研究论文	提出一种名为Deceptive Signal的新度量，用于评估深度学习模型在学习过程中对隐藏捷径（如数据来源）的依赖程度，并在TCGA组织病理学数据集上验证了其对中心特异性伪影依赖的量化能力。	提出了全新的Deceptive Signal度量指标，通过对比完全排除和部分排除敏感子组的训练情境，量化模型对任务无关捷径的依赖。	未提及，本文主要聚焦于度量提出和初步验证，可能缺乏对临床实用性或广泛适用性的深入探讨。	开发一种量化方法，以衡量深度学习模型对隐藏捷径（如数据来源或采集地点）的依赖，从而提高模型公平性和泛化能力。	TCGA组织病理学数据集中的癌症分类模型。	机器学习	癌症（未指定具体类型）	NA	deep learning模型（具体类型未提及）	组织病理学图像	NA	NA	NA	NA	NA
317	2026-09-06	Deep Learning-Based Evaluation of Impacted Third Molars with Open and Closed Apices on CBCT 2026-Sep, Journal of the College of Physicians and Surgeons--Pakistan : JCPSP DOI:10.29271/jcpsp.2026.09.1114 PMID:42698239	研究论文	开发并评估一种基于深度学习的自动化方法，用于CBCT图像上阻生第三磨牙的分割及根尖开放或闭合状态的分类	首次利用3D nnU-Net卷积神经网络对CBCT图像中的阻生第三磨牙进行分割，并同时判断根尖发育状态（开放或闭合）	开放根尖磨牙的性能显著较低，主要由于训练数据集中严重的类别不平衡	评估深度学习模型对CBCT图像中阻生第三磨牙自动分割和根尖成熟度分类的可行性	阻生第三磨牙	数字病理学	阻生牙	CBCT成像	3D nnU-Net卷积神经网络	图像	300份CBCT扫描影像，其中270份用于训练，30份用于测试	nnU-Net v2	nnU-Net	Dice相似系数, Jaccard指数, 准确率, 灵敏度, 精确率, AUC	未提供
318	2026-09-04	Automated CTA-Derived Collateral Grading and Morphologic Metrics for Enhanced Prediction of Poststroke Outcomes 2026-Sep-02, AJNR. American journal of neuroradiology DOI:10.3174/ajnr.A9289 PMID:41826063	研究论文	开发并验证一种基于CTA的自动定量侧支指数（qCI），利用深度学习U-Net分割框架，评估其预测急性缺血性脑卒中患者预后和功能结局的能力	提出全自动CTA衍生定量侧支指数（qCI），结合血管形态学指标，并验证其在预测卒中预后中优于CTP灌注指标的性能	单中心回顾性研究设计，样本量有限（230例）	评估自动CTA衍生侧支评分及形态学指标对急性缺血性脑卒中患者治疗后恢复和功能结局的预测能力	2019至2023年间接受血管内血栓切除术（EVT）的230例急性缺血性脑卒中（AIS）患者	医学影像分析	急性缺血性脑卒中	CTA血管成像	U-Net和梯度提升决策树（GBDT）	影像数据（CTA和CTP扫描）	230例急性缺血性脑卒中患者	NA	U-Net、梯度提升决策树	准确性、Pearson相关系数、Cohen κ、AUROC、Brier评分	NA
319	2026-09-04	Potential radiation dose reduction in computed tomography with deep learning reconstruction: a retrospective monocentric study 2026-09-01, Diagnostic and interventional radiology (Ankara, Turkey) DOI:10.4274/dir.2025.253513 PMID:41346133	研究论文	该回顾性单中心研究评估了深度学习重建相较迭代重建在常规临床CT扫描中的辐射剂量降低效果及其图像质量影响	大规模单中心研究，覆盖四种不同CT协议，全面评估深度学习重建的剂量降低一致性和有效性	回顾性单中心设计，可能导致选择偏倚，且未提及跨中心泛化性验证	评估深度学习重建能否在保持或提高图像质量的前提下降低常规临床CT扫描的辐射剂量，并分析其在不同协议中的一致性和有效性	13,060名接受四种CT协议（胸部、头部、胸腹盆肿瘤、下肢CTA）的患者，其中亚样本200名用于图像质量评估	医学图像分析	不适用	CT成像	深度学习重建	CT图像	13,060名患者（图像质量评估亚样本200名）	NA	NA	信噪比、对比噪声比	NA
320	2026-09-04	Artificial intelligence for the prediction of synchronous and metachronous liver metastasis in colorectal cancer patients: a systematic review and meta-analysis 2026-Sep, Abdominal radiology (New York) DOI:10.1007/s00261-026-05433-0 PMID:41721867	系统综述与荟萃分析	本系统综述和荟萃分析评估了人工智能模型（包括放射组学和深度学习）预测结直肠癌患者同步和异时性肝转移的能力。	本研究首次对放射组学和深度学习模型在预测结直肠癌肝转移方面的性能进行了全面的系统评价和荟萃分析，包括对亚组和异质性来源的深入分析。	纳入研究的方法学和报告质量普遍偏低，存在偏倚风险，特别是在参考标准和指数测试方面。	评估人工智能模型是否能准确预测结直肠癌患者的同步和异时性肝转移。	结直肠癌患者的医学影像数据和人工智能预测模型。	医学影像分析	结直肠癌肝转移	NA	放射组学模型和深度学习模型	医学影像数据（如CT、MRI等）	包含21项研究，涉及6759个研究记录	NA	深度学习架构（如CNN等），具体未指明	敏感性、特异性、SROC曲线AUC、阳性似然比、阴性似然比、阳性预测值、阴性预测值	NA