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	2026-10-10	Artificial intelligence-based intrusion detection for the internet of medical things: Practical insights and a critical survey 2026-Dec, Artificial intelligence in medicine IF:6.1Q1 DOI:10.1016/j.artmed.2026.103517 PMID:42705108	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
2	2026-10-09	Integrating mathematical modelling and artificial intelligence to combat emerging viral syndemics: A systematic review 2026-Dec, New microbes and new infections IF:2.9Q3 DOI:10.1016/j.nmni.2026.101843 PMID:42840247	系统综述	本文系统综述了整合数学建模与人工智能的“硅盾”计算框架，用于应对新发病毒共疫	提出“硅盾”三层架构（数据管道、模型流水线、决策接口），将SIR、SEIR、ABM等机制模型与CNN、Transformer、pLM等深度学习架构融合，并通过贝叶斯更新进行不确定性量化和有向无环图进行因果推断	实现“硅盾”需要跨学科协作、标准化临床验证并关注全球卫生公平，当前仍存在关键文献空白	综合证据构建“硅盾”主动计算框架，弥合大数据与数学建模之间的统一计算框架缺口，提升大流行病防范与应对能力	新发病毒共疫、传染病监测数据、基因组数据、移动性数据、社会脆弱性指数等	机器学习	新发病毒共疫	数学建模（SIR、SEIR、ABM）、深度学习、贝叶斯更新、因果推断、DAG	CNN、Transformer、pLM	文本、基因组数据、移动性数据	364个来源	NA	CNN、Transformer、pLM	AUROC、WIS、CRPS	NA
3	2026-10-09	A comparative analysis of artificial intelligence generated 3d facial models from 2D photos: A procrustes-based validation of landmark accuracy in Orthodontics 2026-Dec, Seminars in orthodontics IF:2.2Q2 DOI:10.1053/j.sodo.2025.10.014 PMID:42840780	研究论文	本研究评估了深度学习人工智能模型从单张2D照片重建3D面部几何的准确性和精确度，并通过Procrustes分析验证了正畸学中面部标志点的精度	首次使用基于Procrustes分析的方法，系统比较了3DDFA-V2深度学习模型从2D照片生成的3D面部模型与金标准Bellus 3D扫描仪模型在面部标志点坐标上的差异，揭示了AI重建的系统性偏差	回顾性研究设计，样本量较小（47例），未评估不同种族、年龄或面部特征的影响，且仅使用了一种AI模型和一种金标准扫描仪进行对比	评估深度学习AI模型从单张2D照片重建3D面部几何的准确性和精确度，并识别AI重建中的维度变化和系统性偏差	47例来自太平洋大学数据库的匿名患者记录，每例患者的2D照片和同日Bellus 3D扫描仪采集的3D面部模型	计算机视觉	NA	3D面部重建，深度学习，Procrustes分析	深度学习	图像（2D照片和3D面部模型）	47例患者记录	NA	3DDFA-V2	Procrustes归一化误差，欧几里得误差，标志点坐标差异，平均误差和标准差	NA
4	2026-10-08	Artificial intelligence-supported total parenteral nutrition management in neonatal intensive care units: A systematic review of clinical efficacy, safety, and system integration 2026-Dec, International journal of medical informatics IF:3.7Q2 DOI:10.1016/j.ijmedinf.2026.106681 PMID:42697157	系统综述	本文系统综述了人工智能支持的新生儿重症监护病房全肠外营养管理的临床疗效、安全性及系统整合证据	综合评估了从CPOE自动化向深度学习模型演进的研究趋势，并提出三个优先研究方向：多中心随机对照试验、标准化TPN数据仓库和可解释AI设计	仅纳入十三项定量原始研究，证据确定性以中低为主，系统整合方面的GRADE证据质量较低，且仅三分之一的美国NICU使用了CDSS	综合评估AI支持的全肠外营养管理在新生儿重症监护病房中的临床疗效、患者安全及系统整合证据	新生儿重症监护病房中接受全肠外营养管理的新生儿	医学信息学	新生儿疾病	人工智能，机器学习，计算机化医嘱录入，临床决策支持系统	Transformer，机器学习算法	文本	13项定量原始研究，样本量范围为30至9330，另3项记录仅提供历史与架构背景	NA	Transformer	Pearson R，R2，用药错误率	NA
5	2026-10-08	Bridging the gap between model performance and clinical practice: A scoping review of artificial intelligence models for drug-drug interaction prediction 2026-Dec, Research in social & administrative pharmacy : RSAP IF:3.7Q1 DOI:10.1016/j.sapharm.2026.08.002 PMID:42581000	综述	本文是一项范围综述，系统梳理了基于人工智能的药物相互作用预测研究，分析了输入特征、训练策略、验证方法、性能指标及临床应用性	首次通过范围综述系统性地绘制了AI驱动DDI预测研究的方法学稳健性与临床就绪度之间的差距，揭示了外部验证和患者层面变量整合的严重不足	仅纳入五个数据库的963条记录中的131项研究，可能存在发表偏倚和选择偏倚；未进行定量荟萃分析；对模型可解释性和临床工作流整合的评估有限	绘制AI-based DDI预测研究的全景，评估其方法学稳健性和临床转化准备度，识别从算法性能到临床实践之间的转化差距	131项符合纳入标准的基于人工智能的药物相互作用预测研究	机器学习	NA	深度学习、监督学习	CNN, LSTM, GAN	文本、分子结构数据、知识库数据	963条筛选记录，最终纳入131项研究	NA	NA	AUROC, AUPR, F1-score	NA
6	2026-10-08	Noise removal and intensity inhomogeneity correction in brain MRI: A comprehensive review from classical filters to transformer and diffusion models 2026-12, Magnetic resonance imaging IF:2.1Q2 DOI:10.1016/j.mri.2026.110779 PMID:42674231	综述	本文综述了151篇关于脑部MRI噪声去除和强度不均匀性校正的文献，涵盖从经典滤波器到Transformer和扩散模型的各类方法	对深度学习偏置场校正方法进行了独立分类（直接场回归、对抗翻译、联合估计、频域概率公式），并强调了监督方式而非架构是该领域的限制因素；同时系统梳理了2023-2026年最新模型如Swin-UNet Transformer、扩散概率模型和自监督框架等	仍存在跨扫描仪泛化、超越PSNR和SSIM的临床意义评估、以及缺乏公开可用的多厂商脑MRI去噪基准等开放挑战	综述脑部MRI中噪声去除和强度不均匀性校正的方法，从经典滤波器到最新的Transformer和扩散模型，并分析该领域的发展趋势和开放挑战	脑部MRI图像中的Rician噪声和强度非均匀性（偏置场）	医学图像处理	脑部疾病	磁共振成像	CNN, GAN, 去噪自编码器, Transformer, 去噪扩散概率模型, 自监督框架	图像	151篇出版物，涵盖1985年至2026年初的四十年间	NA	3D-Parallel-RicianNet, BM3D, Swin-UNet Transformer, Imaging Transformer, HTC-Net, CHARMS CNN-Transformer, 去噪扩散概率模型, Coil2Coil, SURE-Net, Rep2Rep, Efficient Collaborative Diffusion Model	PSNR, SSIM	NA
7	2026-10-08	Exposing and addressing the clinical safety gap in ESI-free emergency department triage: Imbalance-aware, interpretable deep learning 2026-Dec, International journal of medical informatics IF:3.7Q2 DOI:10.1016/j.ijmedinf.2026.106682 PMID:42691868	研究论文	该研究揭示了无ESI急诊分诊中准确率优化模型存在临床安全缺口，并提出使用不平衡感知训练和双注意力模型DA-V2来提高高风险患者检测率	首次暴露了无ESI急诊分诊中普遍存在的临床安全缺口，即AUROC接近0.80但高风险患者检测率低于1%；证明了不平衡感知训练而非特定架构是解决该缺口的关键；提出了可解释且经外部验证的DA-V2模型	外部验证仅基于代理标签且为近似检查；注意力与SHAP仅显示秩一致性，而非因果忠实性	暴露并解决无ESI急诊分诊中的临床安全缺口，评估不平衡感知训练对不同模型家族的效果	MIMIC-IV-ED中的成年急诊就诊记录以及NHAMCS-ED 2022数据	机器学习	NA	NA	双注意力模型, MLP, TabNet	表格数据	MIMIC-IV-ED中407,735次成年就诊；NHAMCS-ED 2022中12,598名成人	NA	DA-V2（双注意力模型）, MLP, TabNet	AUROC, 高风险召回率, Spearman相关系数	NA
8	2026-10-08	Multimodal multi-task deep learning for preoperative prediction of central and lateral lymph node metastasis in papillary thyroid carcinoma 2026-Dec, International journal of medical informatics IF:3.7Q2 DOI:10.1016/j.ijmedinf.2026.106700 PMID:42705040	研究论文	该研究开发了一种多任务深度学习模型，利用术前肿瘤超声和C6水平脂肪组织CT图像，预测甲状腺乳头状癌患者不同解剖部位的颈部淋巴结转移	构建了多任务特征交互网络（MT-FINet），整合肿瘤超声、脂肪CT和临床特征，并通过多任务策略缓解中央区和侧区淋巴结转移任务之间的特征竞争	回顾性研究设计，样本仅来自两个医疗中心，可能存在选择偏倚，外部验证集规模有限	开发多任务深度学习模型，用于甲状腺乳头状癌患者中央区和侧区淋巴结转移的术前预测	620例经病理确诊的甲状腺乳头状癌患者	医学图像分析，数字病理学	甲状腺癌	超声成像，CT成像，逻辑回归	多任务深度学习，ResNet50	图像，临床数据	620例经病理确诊的甲状腺乳头状癌患者，来自两个医疗中心	NA	ResNet50，多任务特征交互网络（MT-FINet）	AUC	NA
9	2026-10-08	Scalable multiple imputation for national-scale healthcare registries and EHR pipelines 2026-Dec, International journal of medical informatics IF:3.7Q2 DOI:10.1016/j.ijmedinf.2026.106717 PMID:42743616	研究论文	开发并评估了一个名为bigMICE的可扩展多重插补框架，用于在标准个人计算机上处理国家规模医疗登记和电子健康记录中的缺失数据	通过内存与存储之间的动态数据交换以及本地机器多线程分布式计算来限制内存使用，使MICE能够在大规模登记数据上运行，并且在插补质量和计算效率上优于传统MICE和深度学习方法MIWAE	未明确说明在不同数据模态或极端缺失模式下的适用性，也未详述对非数值型变量的支持情况	开发并评估一个可扩展的多重插补框架，使其能够在标准个人计算机上运行，适用于大规模医疗登记数据	瑞典国家糖尿病登记（NDR）数据集及其他登记数据	机器学习	糖尿病	多重插补链式方程（MICE）	NA	表格数据	来自瑞典国家糖尿病登记（NDR）的大型数据集，包含不同样本量、变量数和缺失水平	NA	NA	运行时间, 内存消耗, 插补质量	标准个人计算机
10	2026-10-08	Artificial intelligence in clinical neurophysiology: IFCN handbook chapter 2026-Dec, Clinical neurophysiology : official journal of the International Federation of Clinical Neurophysiology IF:3.7Q2 DOI:10.1016/j.clinph.2026.2112407 PMID:42785050	综述	本章概述了人工智能在临床神经生理学中的当前和新兴应用，涵盖EEG、EMG、NCS和超声等模态，并讨论了临床实施的挑战	系统性地总结了AI在临床神经生理学各模态中的应用，并强调了多模态整合和大型国际数据集的使用	数据异质性、标签噪声、泛化性有限、深度学习黑箱缺乏可解释性，以及监管、法律和伦理挑战	概述AI在临床神经生理学中的当前和新兴临床应用，并讨论临床实施的障碍	临床神经生理学中的EEG、EMG、NCS和超声数据	机器学习	神经系统疾病	EEG, EMG, NCS, 超声	机器学习, 深度学习	时间序列信号, 图像	NA	NA	NA	NA	NA
11	2026-10-08	Magnetic nanorobots in oncology: From targeted drug delivery to smart theranostic systems 2026-Dec, Materials today. Bio DOI:10.1016/j.mtbio.2026.103709 PMID:42834993	综述	本综述系统总结了磁性纳米机器人（MNRs）在肿瘤治疗中的应用，涵盖靶向药物递送、刺激响应释放、光热治疗（PTT）、化学动力学治疗（CDT）以及多模态协同治疗，并探讨了人工智能在导航与疗效优化中的作用	系统整合了磁性纳米机器人在材料设计、新型评估体系、多模态协同治疗方面的最新代表性研究，并首次讨论了深度学习与人工智能在优化MNRs导航和治疗效果中的应用	MNRs的临床转化仍受限于生物相容性、可规模化制造、实时成像及体内追踪等挑战	全面梳理磁性纳米机器人在肿瘤精准治疗中的临床应用路径，总结当前瓶颈并提出潜在解决方案	磁性纳米机器人（MNRs）及其在肿瘤治疗中的应用	机器学习	肺癌	NA	NA	文本	NA	NA	NA	NA	NA
12	2026-10-08	Clinical evaluation of three deep learning contouring models for head and neck organs at risk and lymph node levels 2026-Dec, Technical innovations & patient support in radiation oncology DOI:10.1016/j.tipsro.2026.100437 PMID:42835896	研究论文	该论文比较了三种商用深度学习轮廓勾画模型（Mirada DLCExpert、Limbus AI、MVision AI Contour+）在头颈部危及器官和淋巴结水平上的准确性与临床可接受性	首次对三种商用深度学习轮廓勾画模型进行头颈部危及器官和淋巴结水平的系统比较，并采用独立于所有模型的参考轮廓进行敏感性分析	样本量较小（20例患者），且仅针对下咽/喉肿瘤患者，可能限制结论的普适性	比较三种深度学习轮廓勾画模型在头颈部危及器官和淋巴结水平上的准确性和临床可接受性	20例回顾性选取的下咽/喉肿瘤患者（2020至2023年）	数字病理学	头颈部癌症	深度学习轮廓勾画	CNN	图像	20例患者的CT图像	NA	NA	Dice相似系数, 95% Hausdorff距离, 中位表面距离, Jaccard指数	NA
13	2026-10-05	Combating antimicrobial resistance through multimodal data via artificial intelligence 2026-Dec, One health (Amsterdam, Netherlands) DOI:10.1016/j.onehlt.2026.101573 PMID:42827724	综述	本文批判性地综述了人工智能在抗微生物药物耐药性（AMR）中的应用，聚焦于快速诊断、治疗发现和临床决策支持	系统整合了深度学习、大语言模型和蛋白质语言模型在AMR研究中多模态数据应用的最新进展，并指出了从计算基准测试到真实世界验证的转化差距	证据仍不均衡，多数方法仅限于计算基准测试而非真实世界验证；AI诊断模型缺乏前瞻性临床评估；AI辅助药物发现和替代疗法多处于计算、体外或早期临床前阶段；大语言模型的临床使用仍处于初步阶段	综述人工智能在抗击抗微生物药物耐药性中多模态数据应用，重点关注快速诊断、治疗发现和临床决策支持，并探讨成功转化的要求	抗微生物药物耐药性（AMR）相关研究，包括耐药病原体鉴定、耐药谱预测、药物发现和临床决策支持	机器学习	抗微生物药物耐药性感染	多模态数据整合、深度学习、大语言模型、蛋白质语言模型	深度学习, 大语言模型, 蛋白质语言模型	多模态数据	NA	NA	NA	NA	NA
14	2026-10-05	Multichannel SSA decomposition in a hybrid SSA-N-BEATS framework for complex time series forecasting 2026-Dec, MethodsX IF:1.6Q2 DOI:10.1016/j.mex.2026.104169 PMID:42827925	研究论文	本文提出了一种混合SSA-N-BEATS框架，通过奇异谱分析（SSA）与N-BEATS神经网络结合，对复杂时间序列进行分解与预测，并在稳定期和结构性水平漂移期进行基准测试	提出了基于分解的基准测试框架，引入了去噪型和多通道两种SSA-N-BEATS流水线，并证明了混合模型的有效性依赖于时间序列的稳定性和结构性水平漂移	混合框架的有效性依赖于底层数据的稳定性，在结构性水平漂移期间性能可能下降	对复杂时间序列进行高分辨率预测，解决非线性行为、多重季节性和高频噪声带来的挑战	复杂时间序列数据	机器学习	NA	奇异谱分析（SSA）	N-BEATS	时间序列	NA	NA	N-BEATS	NA	NA
15	2026-10-04	Field prediction of calorific value and ash content of shrub biomass energy using Vis-NIR canopy spectra and deep learning 2026-Dec, Bioresource technology IF:9.7Q1 DOI:10.1016/j.biortech.2026.135528 PMID:42537941	研究论文	本文利用野外冠层可见-近红外光谱和深度学习技术，预测灌木生物质能源的热值和灰分含量	提出了多尺度注意力增强的一维卷积神经网络（MSA-1DCNN）并结合条件Wasserstein生成对抗网络（WGAN）进行数据增强，并比较了关键WGAN参数	未明确说明研究的局限性	在野外快速评估大规模灌木生物质能源材料的热值和灰分含量	灌木生物质能源材料	机器学习	NA	可见-近红外光谱	CNN, GAN	光谱数据	小样本标本	NA	MSA-1DCNN, WGAN	决定系数（R）、预测均方根误差（RMSEP）、相对分析误差（RPD）	NA
16	2026-10-04	A spatial-channel reconstruction guided frequency-time-space deep neural framework for SSVEP-based brain-computer interface EEG decoding 2026-Dec, Cognitive neurodynamics IF:3.1Q2 DOI:10.1007/s11571-026-10565-6 PMID:42824274	研究论文	本文提出了一种基于空间与通道重建的频率-时间-空间深度卷积神经网络（SCR-FTSDNN），用于高效准确地解码基于SSVEP的脑机接口脑电信号	引入空间和通道重建卷积模块以增强判别性特征提取，采用空洞卷积扩大频率、空间和时间特征的感受野，抑制冗余信息并为关键判别成分分配更高权重	仅在两个公开数据集上进行验证，未涉及更多样化的数据集或实际应用场景	解决深度学习方法在SSVEP特征提取和目标频率分类中模型复杂度高和对大规模校准数据依赖的问题，实现高效准确的SSVEP目标识别	基于SSVEP的脑机接口脑电信号	机器学习	NA	脑电图（EEG）解码，傅里叶变换	CNN	EEG信号	两个公开SSVEP数据集：Benchmark和BETA	PyTorch	SCR-FTSDNN（空间与通道重建频率-时间-空间深度卷积神经网络）	识别准确率，鲁棒性	NA
17	2026-10-01	Deep learning methods for automated orthopaedic measurements in radiographs 2026-12, Knee surgery, sports traumatology, arthroscopy : official journal of the ESSKA DOI:10.1002/ksa.70429 PMID:42170955	综述	本文对用于放射影像中骨科测量自动化的深度学习方法进行了易于阅读的综述，总结了四种常见方法及其代表性应用	提供了针对骨科放射影像测量自动化深度学习方法的系统性、读者友好的概述，覆盖四种主要方法（分割网络、关键点或热图检测、两步目标检测加分类、直接回归），并强调了实际限制和实施考虑因素	讨论了泛化性、性能漂移、偏倚与公平性等限制，但作为综述文章，未提供新的实验验证	综述用于放射影像中骨科测量自动化的深度学习方法，并讨论其实施考虑因素	放射影像中的骨科测量，包括角度、偏移、对齐指数和分级评分	计算机视觉	骨科疾病	深度学习	NA	图像	NA	NA	NA	NA	NA
18	2026-10-01	Artificial intelligence demonstrates comparable diagnostic accuracy to radiologists for anterior cruciate ligament tears on MRI: A systematic review and meta-analysis 2026-Dec, Knee surgery, sports traumatology, arthroscopy : official journal of the ESSKA DOI:10.1002/ksa.70478 PMID:42377343	系统综述与荟萃分析	该文章系统综述并荟萃分析了人工智能在MRI上诊断前交叉韧带撕裂的诊断准确性，并与放射科医生进行了比较	通过系统综述和荟萃分析，直接比较了AI与放射科医生在诊断前交叉韧带撕裂方面的诊断准确性，并证明了AI具有相当的诊断性能	研究间存在中到高度异质性，研究设置存在变异性	系统评估AI在检测前交叉韧带撕裂方面的诊断准确性，并与放射科医生的表现进行比较	前交叉韧带撕裂患者	医学影像	前交叉韧带撕裂	磁共振成像	深度学习	图像	1192例病例，来自40项定性合成研究和31项荟萃分析研究	NA	NA	灵敏度，特异度，汇总受试者工作特征曲线	NA
19	2026-10-01	Training Deep Learning Based Dynamic MR Image Reconstruction Using Synthetic Fractals 2026-Dec, Magnetic resonance in medicine IF:3.0Q2 DOI:10.1002/mrm.70521 PMID:42473088	研究论文	该研究探讨了使用合成分形数据训练深度学习模型进行动态MRI重建的可行性，避免使用心脏MRI训练数据的隐私、许可和可用性限制	首次使用四元数朱莉娅分形生成合成训练数据，用于训练深度学习模型进行动态MRI重建，从而绕开临床数据集的隐私和许可限制	研究仅在前瞻性获取的10名患者的径向实时心脏MRI上评估，样本量较小，需要更大规模的多中心验证	研究合成生成的分形数据能否用于训练深度学习模型进行动态MRI重建，从而避免与心脏MR训练数据集相关的隐私、许可和可用性限制	前瞻性获取的10名患者的径向实时心脏MRI数据	计算机视觉	心血管疾病	动态MRI重建	CNN	图像	10名患者的前瞻性心脏MRI数据	NA	3D UNet	定性排名、心室容积、射血分数、偏差、一致性界限	NA
20	2026-10-01	Self-calibrated B1 + and B0 Field Inhomogeneities Estimation (SAFE) in 3D Magnetic Resonance Fingerprinting 2026-Dec, Magnetic resonance in medicine IF:3.0Q2 DOI:10.1002/mrm.70525 PMID:42482282	研究论文	本文开发了一种自校准框架SAFE，直接从常规磁共振指纹（MRF）数据中估计B1+和B0场不均匀性，并提高定量精度。	利用物理信息图像标记与深度学习网络相结合，通过自适应重训练无需额外训练数据即可应用于不同MRF序列，实现无校准的场不均匀性估计。	未明确说明，可能是研究仅在3T场强下进行，且未讨论在其他场强或更广泛临床场景中的泛化能力。	开发一种自校准框架，直接从常规MRF采集数据中估计B1+和B0场不均匀性，提高定量精度。	健康志愿者和临床人群的3D MRF脑部采集数据	医学影像分析	脑肿瘤	磁共振指纹（MRF）	深度学习	图像	总共444例（多中心多厂商数据集N=358，测试集N=32，患者队列N=86，另有健康志愿者、脑肿瘤患者和儿科受试者）	NA	NA	归一化均方根误差（NRMSE）	NA