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
2121	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
2122	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
2123	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
2124	2026-08-14	Aptamer-Directed Assembly of NSET Microneedle Patch for Early Detection of Acute Kidney Injury Facilitated by Deep Learning-Enabled Target Signal Extraction 2026-Jul-24, ACS sensors IF:8.2Q1 DOI:10.1021/acssensors.6c01828 PMID:42418516	研究论文	提出了一种基于适配体导向组装的纳米复合微针贴片，结合深度学习模型实现对急性肾损伤早期生物标志物NGAL的即时检测	首次将适配体导向的纳米表面能量转移（NSET）与U-Net深度学习模型结合，用于微针贴片的荧光信号提取和AKI早期检测	研究仅在小鼠模型中进行验证，尚未在人体样本中测试，且微针贴片的长期稳定性和生物相容性需要进一步评估	开发一种微创、原位、实时检测间质液中NGAL的传感平台，以实现急性肾损伤的早期诊断	急性肾损伤小鼠模型及其中间质液中的中性粒细胞明胶酶相关脂质运载蛋白（NGAL）	数字病理学	急性肾损伤	适配体技术、纳米表面能量转移（NSET）、荧光成像	深度学习模型（U-Net）	荧光图像	急性肾损伤小鼠模型（具体数量未提及）	PyTorch	U-Net	R²值	未提及
2125	2026-08-14	A bibliometric analysis of global trends in AI-driven digital health technologies for diabetes management 2026-Jul-24, Medicine IF:1.3Q2 DOI:10.1097/MD.0000000000049815 PMID:42499048	研究论文	本研究通过文献计量分析，绘制了人工智能驱动的数字健康技术在糖尿病管理中的全球研究趋势和主题发展图谱	首次系统性地对AI驱动的数字健康技术用于糖尿病管理的全球研究进行文献计量分析，识别出三个主要研究热点，并展望未来方向	数据仅来源于Web of Science核心合集，可能遗漏其他数据库的重要文献；分析局限于截至2025年7月12日的已发表文章和综述	绘制AI驱动的数字健康技术在糖尿病管理中的全球研究趋势和主题发展，并探索未来方向	糖尿病管理领域的AI驱动的数字健康技术相关研究文献	数字健康、人工智能应用	糖尿病	文献计量分析	NA	文献数据	673篇出版物	CiteSpace, VOSviewer, Microsoft Excel	NA	发文量、被引频次、关键词共现分析	NA
2126	2026-08-14	Deep learning representations of human Immune Health for precision immunology 2026-Jul-20, bioRxiv : the preprint server for biology DOI:10.64898/2026.07.15.724605 PMID:42555425	研究论文	开发了一个名为MAESTRO的自监督深度学习框架，将高维免疫图谱转换为免疫健康表示，用于精准免疫学中的诊断、监测和治疗选择	首次使用自监督掩码编码集合Transformer学习免疫细胞群体的整体组织，且模型嵌入保留免疫历史和潜在反应的时间维度，优于传统细胞比例方法	未明确提及限制；可推断包括数据来源单一（外周血）、需临床验证和计算资源需求高	将免疫系统的复杂性转化为可临床操作的嵌入表示，以支持精准免疫学中的诊断、监测和治疗选择	人类外周血样本中的免疫细胞群体，及转移性胰腺导管腺癌（PDAC）患者	机器学习、数字病理	胰腺癌、免疫相关疾病	流式细胞术或质谱流式（免疫细胞图谱数据）	Transformer（自监督自蒸馏）	免疫细胞图谱数据（高维免疫特征）	1,792例外周血样本，包含超过4.18亿个免疫细胞，涵盖13种临床诊断	PyTorch	MAESTRO（掩码编码集合Transformer）	稳定性、多样性、预测性能（具体指标未明确）	未明确提及
2127	2026-08-14	Reproducible bicarbonate thresholds predict critically ill patient mortality in an international personalized survival study 2026-Jul-17, iScience IF:4.6Q1 DOI:10.1016/j.isci.2026.116457 PMID:42369037	研究论文	本研究旨在确定ICU患者入院碳酸氢盐水平的死亡率预测最佳阈值，并开发深度学习生存模型，以改善风险分层。	首次使用因果推断方法识别可重复的碳酸氢盐阈值，并引入Causal SurvivalNet深度神经网络生成个体化生存曲线。	文中未明确提及限制，但可能包括数据来自特定ICU队列，或模型泛化性受限于不同医疗环境。	确定入院碳酸氢盐水平对死亡率的预测阈值，并开发深度学习模型以提升ICU患者风险分层的准确性。	ICU患者，涉及美国和中国三个独立队列。	临床预测模型，深度学习，生物信息学	重症疾病，非特指单一疾病	因果推断，深度学习	Causal SurvivalNet（深度神经网络）	临床记录数据（包括碳酸氢盐水平等）	208,072名ICU患者	NA	Causal SurvivalNet（深度神经网络架构）	调整后的风险比（HR）、集成Brier分数	NA
2128	2026-08-14	Energy-efficient real-time 4-stage sleep classification at 10-second resolution 2026-Jul, Medical & biological engineering & computing IF:2.6Q3 DOI:10.1007/s11517-026-03616-x PMID:42371348	研究论文	本研究提出了一种基于单导联心电图信号的节能四阶段睡眠分类方法，实现10秒时间分辨率的实时预测	设计了两种窗口策略（机器学习使用5分钟窗口、深度学习使用30秒窗口）实现10秒级实时预测；提出了优化的SleepLiteCNN模型，结合8位量化和FPGA部署，显著降低能耗	依赖单导联ECG信号，可能不如多模态数据准确；未详细讨论不同人群（如患者）的泛化性	为资源受限的可穿戴设备提供连续、节能、实时的睡眠阶段分类方案	睡眠阶段（清醒、快速眼动、浅睡、深睡）分类	机器学习, 数字健康	睡眠呼吸暂停、失眠	ECG信号处理、量化、FPGA部署	CNN（SleepLiteCNN）、MobileNet-v1	单导联心电图信号	未在标题和摘要中明确	NA	SleepLiteCNN, MobileNet-v1	准确率, F1-score, 能耗（微焦耳/推理）	FPGA部署
2129	2026-08-14	Finite-Element-Informed Pyramid Neural Network With Draco Lizard Optimizer for Accurate and Efficient Water Contamination Classification 2026-Jul, Water environment research : a research publication of the Water Environment Federation IF:2.5Q2 DOI:10.1002/wer.70445 PMID:42362479	研究论文	提出一种结合有限元信息的金字塔神经网络与德拉科蜥蜴优化器，用于高效准确的水污染分类。	首次将有限元信息融入金字塔神经网络，并引入德拉科蜥蜴优化器进行多尺度特征提取，以解决传统深度学习在数据变异性、可解释性和预测分析方面的不足。	摘要中未明确提及局限性。	开发一种鲁棒的水污染分类器，以提高水产养殖中污染监测的准确性和效率。	水污染样本，来自两个基准数据集（Dataset-1和Dataset-2）。	机器学习	NA	NA	金字塔神经网络	数值数据（水污染特征）	两个基准数据集，具体样本数未提及	NA	金字塔神经网络（Pyramid Neural Network）	准确率、召回率、精确率、F1分数、特异性、预测误差	NA
2130	2026-08-14	Beyond consent: Reconstructing ethical justification in medical adaptive machine learning systems 2026-Jun-30, Global health & medicine IF:1.9Q3 DOI:10.35772/ghm.2026.01047 PMID:42368310	研究论文	本文探讨医疗自适应机器学习系统（MAMLS）中知情同意伦理的局限性，并提出需转向公共卫生伦理框架以应对相关挑战	指出MAMLS中知情同意面临两个结构性局限：深度学习模型的不可逆性削弱撤回权，以及数据代表性和偏差问题引发自主性困境，主张伦理辩护需转向机构信任和公共卫生伦理	未提供实证数据或案例研究，仅基于理论分析	分析MAMLS中基于同意的伦理的局限性，并提出补充或重新定位伦理辩护的框架	医疗自适应机器学习系统（MAMLS）及其伦理问题	机器学习	NA	NA	深度学习模型（作为MAMLS的一部分）	临床数据	NA	NA	NA	NA	NA
2131	2026-08-14	Comparative analysis of CNN-LSTM and CNN-BiLSTM hybrid deep learning models for solar radiation prediction 2026-Jun-28, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-59621-5 PMID:42366204	研究论文	本文对CNN-LSTM和CNN-BiLSTM混合深度学习模型在太阳能辐射预测中的性能进行了比较分析	在相同预处理、窗口、时间分割和训练条件下，对CNN-LSTM和CNN-BiLSTM模型进行可复现的对比，并重构全天空辐照度以增强与观测的一致性	模型对直接清晰度指数预测的Skill Scores为负，表明不是最先进的预测；需要更多地点、更强大的基线和概率预测技术进行进一步测试	比较CNN-LSTM和CNN-BiLSTM在一步前太阳能清晰度指数预测中的性能，并评估重构辐照度与观测的一致性	基于NASA POWER数据集的印度德里多变量气候变量	机器学习	NA	NA	CNN-LSTM, CNN-BiLSTM	时间序列数据（气候变量）	未明确样本数量，但使用NASA POWER数据集的德里地区数据	NA	CNN-LSTM, CNN-BiLSTM	MAE, RMSE, R2, EVS, WI, APB	NA
2132	2026-08-14	Machine learning-enhanced nano-QSAR and multiscale modeling for predictive nanomedicine: applications in herbal therapeutics and neglected tropical diseases 2026-Jun-26, Discover nano DOI:10.1186/s11671-026-04679-3 PMID:42360577	综述	本文综述了机器学习增强的纳米定量构效关系（nano-QSAR）和多尺度建模在预测性纳米医学中的应用，重点探讨其在草药治疗和忽视的热带疾病中的转化潜力。	首次系统整合了纳米特异性描述符、经典和深度学习框架、物理信息混合模型以及量子到组织水平的多尺度模拟；提出将计算模型应用于草药纳米医学和忽视的热带疾病这两个具有明确转化前景的领域；展望了标准化开放数据集、基础AI模型、自主纳米粒子设计和患者特异性数字孪生平台等未来方向。	存在数据稀缺、异质性、可重复性有限和监管不确定性等持续挑战。	为加速安全、有效且适应特定环境的纳米医学开发提供路线图，通过整合机器学习、nano-QSAR和多尺度建模实现预测性理性设计。	纳米粒子、纳米医学、草药纳米粒子、忽视的热带疾病相关病理。	机器学习、数字病理学、计算药理	忽视的热带疾病	NA	机器学习模型、深度学习模型	纳米粒子特性数据、多尺度模拟数据	NA	NA	物理信息混合模型、基础AI模型	NA	NA
2133	2026-08-14	Automated Identification of Surgical Site Infections From Electronic Medical Records: Retrospective Observational Predictive Modeling Study 2026-Jun-26, JMIR perioperative medicine DOI:10.2196/87896 PMID:42361314	研究论文	本研究评估了利用自然语言处理和深度学习方法构建的自动化手术部位感染监测系统，相较于传统方法能更高效、更准确地进行感染监测	首次将多模态电子健康记录数据（包括临床文本和时间序列实验室值）与深度学习及基础模型结合，用于手术部位感染的自动化监测，并显著优于传统规则系统	研究仅基于两个医疗中心的数据，可能影响模型的泛化能力；且模型在高速率召回下的精确度仍有待提高	评估自动化手术部位感染监测系统是否能提高感染监测的效率和准确性	手术部位感染患者及其电子健康记录数据	自然语言处理、机器学习、数字病理学	手术部位感染	自然语言处理、深度学习	深度学习模型、大型语言模型	文本数据、结构化临床数据	5996例手术案例	未指定，可能包括TensorFlow或PyTorch	基础模型（用于文本摘要）、深度学习架构（用于文本和时间数据处理）	F1分数、精确率、召回率、精确率-召回率曲线下面积、0.9召回率下的精确率	未指定，可能包括GPU（如NVIDIA V100或A100）
2134	2026-08-14	Remote Assessment of Parkinson Disease Using Deep Learning on Structured Mouse-Trace Data From Suspected Cases: Machine-Learning Pilot Feasibility Study 2026-Jun-26, JMIR formative research IF:2.0Q4 DOI:10.2196/81368 PMID:42361348	研究论文	本研究开发了一个基于鼠标轨迹数据的深度学习模型，用于帕金森病的远程评估，并通过社区招募的疑似病例样本验证了其可行性。	首次利用社区招募的疑似但未确诊帕金森病患者的弱标签数据来训练人工智能模型，并验证了这种低特异性标签数据在预测实际帕金森病中的有效性。	研究为试点可行性研究，样本量相对较小（261人），且仅基于自我报告的诊断标签，缺乏神经科专家的确认。	评估利用社区招募的疑似帕金森病患者的弱诊断标签数据训练模型，以预测确诊帕金森病的可行性。	帕金森病患者、非帕金森病患者及疑似帕金森病患者（共261名社区招募参与者）	机器学习、计算机视觉	帕金森病	模式追踪测试（含鼠标轨迹数据采集）	前馈神经网络、视觉Transformer、ResNet-50、DenseNet-201	结构化鼠标轨迹数据（包括特征和图像）	261名参与者（73自报帕金森病、155非帕金森病、33疑似帕金森病）	PyTorch	前馈神经网络、Vision Transformer、ResNet-50、DenseNet-201	F1分数	NA
2135	2026-08-14	TriAttnNet based deep learning model for automated cotton pest detection and disease classification 2026-Jun-26, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-58795-2 PMID:42362609	研究论文	本文提出一种基于TriAttnNet的深度学习模型，用于自动检测棉花害虫并分类病害，通过图像预处理、数据增强和特征提取等方法提高分类性能	提出了三种主要创新：基于注意力机制的特征提取器TriAttnNet（结合空间、通道和上下文注意力）、基于混沌策略的优化算法HMRCO（混合猫鼬射线混沌优化），以及带焦点损失的分类层	文中未明确提及局限性	开发一种高效且可解释的深度学习模型，用于棉花害虫检测和病害分类，以支持精准农业和可持续棉花作物健康监测	棉花植物害虫和病害图像	计算机视觉	植物病害	图像预处理（高斯模糊、CLAHE）、数据增强（Spa-GAN）、图像分割（AGMS-U-Net）、特征提取（TriAttnNet）	深度学习模型（包括CNN、U-Net、GAN等组件）	图像	未明确说明	未明确说明	TriAttnNet、AGMS-U-Net、Spa-GAN、EfficientNetB1-CBAM、BERT-ResNet-PSO	准确率、召回率、F1分数	未明确说明
2136	2026-08-14	Oral cancer in the era of precision medicine: molecular targets and technological innovations 2026-06-25, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-51993-y PMID:42350464	社论	本文介绍了一个关于口腔癌的专题合集，涵盖分子机制、诊断方法和治疗策略的研究。	强调分子肿瘤学、数字诊断和转化临床研究的融合，包括深度学习阻抗谱和挥发性有机化合物分析等新兴技术。	未提供具体研究细节，可能缺乏深入分析。	整合当前关于口腔癌的知识，指导未来研究。	口腔癌，特别是口腔鳞状细胞癌。	数字病理学	口腔癌	深度学习阻抗谱、挥发性有机化合物分析	深度学习模型	图像、信号	NA	NA	NA	NA	NA
2137	2026-08-14	[Self-supervised classification method for breast pathology images fusing geometric priors and multi-scale attention] 2026-Jun-25, Sheng wu yi xue gong cheng xue za zhi = Journal of biomedical engineering = Shengwu yixue gongchengxue zazhi DOI:10.7507/1001-5515.202511059 PMID:42366429	研究论文	本研究提出了一种融合几何先验和多尺度注意力的自监督分类方法（IAM-BYOL），用于乳腺癌病理图像分析，显著提升了分类准确率和跨中心泛化能力。	首次将几何先验（离散旋转群卷积）和等变表示引入自监督学习框架，结合多尺度注意力机制，使模型对病理图像的旋转和尺度变化具有鲁棒性。	未提及具体局限性，可能包括对旋转群卷积计算复杂度的依赖和跨中心数据集规模有限。	提高乳腺癌病理图像分类的准确性和跨中心泛化能力，减少对大量标注数据的依赖。	乳腺癌全切片图像（WSI）及其亚型分类。	数字病理学	乳腺癌	数字病理成像（WSI）	自监督学习模型（BYOL变体）	病理图像	BreakHis数据集（包含不同放大倍数图像）和私有临床数据集BCD	未指定，推测使用PyTorch或类似框架	BYOL架构，结合离散旋转群卷积（IAM）和多尺度注意力	准确率	未提及，可能使用GPU（如NVIDIA系列）
2138	2026-08-14	[A generalizable epilepsy detection network based on dual-attention mechanism] 2026-Jun-25, Sheng wu yi xue gong cheng xue za zhi = Journal of biomedical engineering = Shengwu yixue gongchengxue zazhi DOI:10.7507/1001-5515.202508053 PMID:42366436	研究论文	提出了一种基于双注意力机制的泛化性癫痫检测网络（EDDANet），用于分类发作间期和发作期的脑电信号	首次实现了跨不同导联配置、采样率和电极布局的稳健泛化；设计了多频带多尺度双注意力模块和动态核采样自适应卷积模块	未明确提及	提高癫痫脑电信号检测的跨数据集泛化能力，增强深度学习模型在真实世界环境中的临床实用性	癫痫患者的脑电图（EEG）信号，包括发作间期和发作期信号	机器学习、数字病理	癫痫	脑电图（EEG）信号分析	双注意力网络（EDDANet），包含多频带多尺度双注意力模块和动态核采样自适应卷积模块	脑电信号（EEG）	四个异质公共数据集的具体样本量未提及	NA	多频带多尺度双注意力模块、动态核采样自适应卷积模块	准确率（accuracy）、召回率（recall）	NA
2139	2026-08-14	Artificial Intelligence in Nanopharmaceutical Development: From Predictive Design to Clinical Translation 2026-Jun-22, Pharmaceutics IF:4.9Q1 DOI:10.3390/pharmaceutics18060764 PMID:42357379	综述	本文综述了人工智能在纳米药物开发中的应用，涵盖从预测性配方设计到临床转化的全过程，并讨论了机器学习、深度学习、物理信息建模和混合机制-AI方法等关键技术的应用及其局限性。	将AI视为连接制剂科学、生物预测、制造控制和临床实施的转化框架，而不仅仅是优化工具，强调了混合机制-AI框架和数据标准化在纳米药物开发中的重要性。	翻译实现受限于数据集碎片化、报告标准不一致、可解释性有限、缺乏外部验证、预测不确定性、适用域定义不明确以及监管期望的演变。	探讨AI如何促进纳米药物开发从预测性配方设计到临床转化，并识别当前挑战和未来方向。	纳米载体为基础的 therapeutics，包括材料组成、理化属性、制造参数、生物学特性、药代动力学、毒性及治疗性能。	机器学习	NA	NA	机器学习、深度学习、物理信息建模、混合机制-AI方法	异质性实验、生物和制造数据集	NA	NA	NA	NA	NA
2140	2026-08-14	Automated Segmentation of Diffuse and Multifocal Nerve Enlargement in Immune-Mediated Neuropathy Using Temporal Deep Learning on Continuous Ultrasound Scans 2026-Jun-22, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics16121934 PMID:42351592	研究论文	本研究评估了基于时间深度学习的分割方法在免疫介导神经病变中评估弥漫性或局灶性神经增大的性能，采用连续超声扫描	首次将时间深度学习（ConvLSTM和Temporal Mamba）应用于连续超声扫描中的神经分割，以处理免疫介导神经病变中弥漫性和多灶性神经增大	样本量小（25名健康参与者和5名患者），研究为初步验证，需要在更大队列中进一步验证	评估时间深度学习分割在免疫介导神经病变中评估神经增大的性能，并与静态模型进行比较	健康参与者（25名）和免疫介导神经病变患者（5名）的连续超声扫描图像中的周围神经	医学影像分析	免疫介导神经病变	连续超声扫描	深度学习分割模型（静态DeepLabV3+、ConvLSTM、Temporal Mamba）	超声图像（连续扫描序列）	25名健康参与者和5名免疫介导神经病变患者	未在标题和摘要中明确提及，输出NA	DeepLabV3+, ConvLSTM, Temporal Mamba	Dice系数、帧间变异性	未在标题和摘要中明确提及，输出NA