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
201	2026-09-07	KD-SqueezeNet: an efficient deep learning strategy for the multi-task diagnosis of neonatal lung diseases 2026-Aug, Pediatric radiology IF:2.1Q2 DOI:10.1007/s00247-026-06534-0 PMID:41718759	研究论文	开发了KD-SqueezeNet，一种轻量级深度学习模型，用于通过胸部X光片分类新生儿肺部疾病，旨在提高诊断准确性和效率	整合知识蒸馏的轻量级模型KD-SqueezeNet，其参数数量少，但性能优于大型模型，实现高效多任务诊断	研究中未明确提及局限性	开发一种高效、轻量级的深度学习模型，用于新生儿肺部疾病的分类，以提高诊断准确性和效率	新生儿肺部疾病，包括支气管肺发育不良、肺炎、气胸、呼吸窘迫综合征及正常情况	医学影像	新生儿肺部疾病	NA	CNN	胸部X光片图像	2,089名新生儿X光片，分为五组	NA	SqueezeNet	准确率, 精确率, 召回率, F1分数, AUC	NA
202	2026-09-07	Artificial intelligence in paediatric neuroradiology: current landscape, challenges, and future directions 2026-Aug, Pediatric radiology IF:2.1Q2 DOI:10.1007/s00247-026-06547-9 PMID:41729266	叙述性综述	本文叙述性综述了人工智能在儿科及胎儿神经放射学中的应用现状，评估了临床实践、临床采用的障碍及未来潜力	关注儿科特有的因素如脑发育和数据稀缺性，并识别了临床采用的障碍，提出了数据共享、联邦学习、儿科特定验证和伦理监管框架修订等解决方案	未提及具体局限性	评估人工智能在儿科和胎儿神经放射学中的当前应用、挑战及未来方向	儿科和胎儿脑成像研究	医学影像分析	儿科神经疾病	深度学习、放射组学	深度学习模型	影像数据	未提供具体样本量	NA	NA	NA	NA
203	2026-09-07	Artificial Intelligence-informed Architectural Insights of 3-dimensional Glandular Networks Identify Patients With Prostate Cancer at a Higher Risk of Biochemical Recurrence 2026-08, Modern pathology : an official journal of the United States and Canadian Academy of Pathology, Inc IF:7.1Q1 DOI:10.1016/j.modpat.2026.101018 PMID:42190816	研究论文	本文利用人工智能分析三维腺体网络结构，识别前列腺癌患者生化复发的更高风险	首次使用三维光片显微镜和深度学习方法量化前列腺腺体三维架构，发现二维切片无法观察到的空间特征与生化复发相关	两个队列的采样方法不同，样本量有限	探究三维腺体组织结构特征与前列腺癌进展及生化复发的关系	两个存档的前列腺切除队列（华盛顿大学和宾夕法尼亚大学）	数字病理学	前列腺癌	开放顶部光片显微镜	深度学习模型	三维组织图像	两个队列，但具体样本数不详	未提及	未明确，但用于腺体结构分割的深度学习网络	风险比 (HR)、C指数、P值	未提及
204	2026-09-07	Current applications and challenges of artificial intelligence applied to diagnostics in pediatric musculoskeletal imaging 2026-Aug, Pediatric radiology IF:2.1Q2 DOI:10.1007/s00247-026-06561-x PMID:41920351	综述	本文简要概述了人工智能在儿科肌肉骨骼影像诊断中的当前临床应用，并探讨了其可能性、局限性及未来需求与前景	系统总结了AI在儿科肌肉骨骼影像中的现有临床应用（如骨折检测、脊柱侧弯测量等），并指出了当前挑战和未来发展方向	缺乏大型儿科数据集，无法实现多中心协作，AI在肋骨和椎骨骨折检测中的诊断准确性尚不令人满意	概述AI在儿科肌肉骨骼影像诊断中的当前应用、局限性及未来需求	儿科肌肉骨骼影像诊断中的人工智能应用	医学影像	儿科肌肉骨骼疾病	NA	深度学习	影像数据	NA	NA	NA	诊断准确性	NA
205	2026-09-07	Application of artificial intelligence in paediatric oncology imaging 2026-Aug, Pediatric radiology IF:2.1Q2 DOI:10.1007/s00247-026-06606-1 PMID:42047765	综述	本文综述了人工智能在儿科肿瘤影像中的应用，涵盖成像流程优化、肿瘤分割、检测、分类及临床决策支持，并讨论了面临的挑战与解决策略。	系统总结了AI在儿科肿瘤影像全流程中的应用潜力，包括图像质量改进、运动伪影校正、多中心数据协调、自然语言处理用于报告生成，并提出了模型泛化、隐私保护训练和合成数据生成等克服障碍的策略。	儿科领域数据量小且异质性强，儿科专用模型匮乏，模型的通用性、可解释性和监管审批存在挑战。	探讨人工智能在儿科肿瘤影像中的应用现状、潜力及挑战，以提升诊断准确性、工作流程效率和优质医疗的可及性。	儿科肿瘤患者的医学影像及其相关临床和分子数据。	医学影像	儿科肿瘤	深度学习和影像组学	深度学习模型、大语言模型、自然语言处理	医学影像、文本报告、临床及分子数据	不适用（综述文章，无具体样本）	不适用	不适用	不适用	不适用
206	2026-09-07	AI-based pulmonary artery to ascending aorta ratio on non-contrast CT for pulmonary hypertension: diameter vs. volume assessment 2026-Aug, European heart journal. Imaging methods and practice DOI:10.1093/ehjimp/qyag146 PMID:42699033	研究论文	本研究评估了基于深度学习的模型在非对比CT图像上量化肺动脉与升主动脉直径和体积比值，用于检测肺动脉高压的诊断准确性。	首次利用非对比CT上的体积测量替代传统直径测量，通过深度学习模型自动分割肺动脉和升主动脉，提高肺动脉高压检测的诊断性能。	研究为回顾性研究，且外部验证样本量较小（40例），可能限制结果的泛化性。	评估深度学习模型基于非对比CT的肺动脉/升主动脉直径和体积比值对肺动脉高压的诊断准确性。	肺动脉和升主动脉的CT图像及肺动脉高压患者。	计算机视觉	肺动脉高压	CT成像	深度学习分割模型	图像（非对比CT扫描）	第一队列97例（62例肺动脉高压），第二队列425例（385例内部，40例外部；353例肺动脉高压）。	NA	NA	曲线下面积、敏感性、特异性、组内相关系数	NA
207	2026-09-07	TilapiaVisionDataset: Annotated image dataset for oreochromis niloticus 2026-Aug, Data in brief IF:1.0Q3 DOI:10.1016/j.dib.2026.113182 PMID:42701420	研究论文	本文介绍了一个用于尼罗罗非鱼目标检测和计数的注释图像数据集TilapiaVisionDataset，该数据集在受控水产养殖条件下生成	提供了首个专门针对高密度养殖环境、包含多种视觉挑战（如重叠、遮挡、反射和光照变化）的尼罗罗非鱼图像数据集，并采用YOLO格式进行注释，可直接与现代目标检测框架兼容	数据采集仅在实验水槽条件下进行，可能无法完全覆盖实际养殖环境的复杂性，且图像来源单一（固定高分辨率相机）	支持精密水产养殖中的自动化鱼类监测，提供用于开发、基准测试和验证鱼类检测、计数及监控系统的数据资源	尼罗罗非鱼（Oreochromis niloticus）	计算机视觉	NA	NA	NA	图像	8512张图像，包含63,004个鱼类实例，每帧平均7.40条鱼	NA	NA	NA	NA
208	2026-09-07	Single cell transcriptomic analysis by deep learning identifies novel microglial transcription regulations in Alzheimer's Disease 2026-Jul-26, AI in neuroscience DOI:10.1177/2997979x261472562 PMID:42699651	研究论文	本文提出一种基于深度学习的框架，利用多层感知机对阿尔茨海默病的单细胞RNA测序数据进行分类和疾病进展轨迹推断，并通过SHAP和基因调控网络揭示新的小胶质细胞转录调控机制。	首次将深度学习应用于单细胞转录组分析，以识别阿尔茨海默病中细胞类型特异性的转录调控变化，并构建了转录因子调控网络，发现新的调控因子和相关通路。	数据来源单一（ROSMAP），样本量可能有限，且模型的泛化性尚需验证；深度学习的可解释性仍有限，尽管通过SHAP增强了解释。	利用深度学习整合单细胞RNA测序数据，识别阿尔茨海默病相关的细胞类型特异转录组特征，并揭示新的分子机制和潜在治疗靶点。	阿尔茨海默病和对照组的细胞核，特别是小胶质细胞亚群（稳态和激活状态）。	数字病理学	阿尔茨海默病	单细胞RNA测序	多层感知机	单细胞基因表达数据	未在标题和摘要中明确说明	未在标题和摘要中明确说明	多层感知机	分类性能、疾病轨迹推断准确性	未在标题和摘要中明确说明
209	2026-09-07	A forecast model for ionospheric TEC during solar flare events based on low-latitude GPS stations data 2026-Jul-25, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-63198-4 PMID:42693158	研究论文	本研究利用低纬度GPS站点数据，基于Kolmogorov-Arnold网络算法预测太阳耀斑事件期间的电离层总电子含量变化，并与DBN、IRI-2020模型及GNSS观测数据进行比较。	首次将Kolmogorov-Arnold网络算法应用于太阳耀斑事件期间的电离层TEC预测，并结合Adagrad优化器，与DBN-Adagrad模型进行对比，提供了创新的深度学习预测方法。	研究仅基于四次X级太阳耀斑事件和两个站点，数据范围有限，可能影响模型的泛化能力和结论的普遍性。	开发并评估一种基于深度学习的模型，以提高太阳耀斑事件期间电离层TEC预测的准确性，增强GNSS在恶劣空间天气下的可靠性。	低纬度GPS站点（HYDE和CPN）在四次X级太阳耀斑事件及一次地磁静默日（2025年4月28日）期间的TEC观测数据及相关太阳地磁参数。	机器学习	NA	NA	KAN、DBN	时间序列数据（TEC观测值、太阳和地磁参数）	四次太阳耀斑事件（2024年10月26日X1.86，2025年5月13日X1.21，5月14日X2.7，5月25日X1.1）及一个静默日，涉及两个站点（HYDE和CPN）的TEC数据。	NA	KAN、DBN	WIA、KGE、SCC	NA
210	2026-09-07	A novel attention mechanism for noise-adaptive and robust segmentation of microtubules in microscopy images 2026-Jul-11, BMC bioinformatics IF:2.9Q1 DOI:10.1186/s12859-026-06514-z PMID:42436373	研究论文	提出了一种噪声自适应注意力机制，结合残差学习，用于显微图像中微管的鲁棒分割，并提供了合成和真实基准数据集	引入一种扩展挤压激励模块的噪声自适应注意力机制，动态调整至不同噪声水平，集成到U-Net解码器中形成轻量级高性能模型ASE_Res_UNet；设计了合成数据集生成策略确保细丝在噪声图像中的精确标注	未明确提及局限性	提高显微图像中微管等细胞骨架细丝的分割性能，解决噪声、低对比度和不均匀荧光等成像限制带来的挑战	显微图像中的微管，以及其他曲线结构如血管和神经	计算机视觉	NA	显微成像	CNN	图像	合成数据集（两个难度级别）和两个真实显微数据集（一个新策划，一个重新注释）	NA	U-Net, 残差块, 挤压激励模块	分割性能指标（如准确率、Dice系数等，具体未在摘要中详述）	资源受限环境，但未具体说明GPU类型或平台
211	2026-09-07	PIMO: pathway-based interpretable multiomics interactions for multiomics integration 2026-Jul-01, Bioinformatics (Oxford, England) DOI:10.1093/bioinformatics/btag238 PMID:42412808	研究论文	提出一种基于通路可解释的深度学习多组学整合模型PIMO，显式捕获DNA甲基化和拷贝数变异对基因表达的跨组学调控效应，以提升生存分析和机制解析能力	在基因层面对跨组学相互作用进行显式建模，通过通路层级结构提高模型的可解释性，弥补现有深度学习方法在组学交互建模上的不足	摘要中未提及明确的局限性	建模多分子层次间的组学相互作用，以揭示复杂疾病机制并提升患者生存预测性能	多个TCGA癌症数据集的组学数据，包括基因表达、DNA甲基化和拷贝数变异	深度学习	癌症	多组学数据整合（DNA甲基化、拷贝数变异、基因表达）	深度学习多组学整合模型	基因组学数据（基因表达、甲基化、拷贝数）	NA	PyTorch	PIMO（基于通路的可解释模型）	C-index	NA
212	2026-09-07	A lightweight deep learning model for automated segmentation of Gynecologic organs and cervical Tumors on T2-weighted magnetic resonance imaging 2026-Jul, Physics and imaging in radiation oncology DOI:10.1016/j.phro.2026.101049 PMID:42701375	研究论文	本研究评估了一种轻量级深度学习模型（PocketNet）在T2加权MRI上自动分割妇科器官和宫颈肿瘤的性能，并与全尺寸nnU-Net模型进行比较。	提出了一种轻量级两阶段深度学习模型PocketNet，在保持与全尺寸nnU-Net相当的分割准确率的同时，显著减少了参数数量、训练时间和内存占用。	未提及明确的局限性。	评估轻量级深度学习模型在T2加权MRI上自动分割妇科器官和宫颈肿瘤的可行性，以支持时间敏感的放疗工作流程。	宫颈癌患者的T2加权MRI图像，包括宫颈、阴道、子宫和肿瘤。	计算机视觉、医学影像	宫颈癌	磁共振成像（MRI）	深度学习模型（PocketNet，nnU-Net）	图像	102例接受根治性放疗的宫颈癌患者作为内部数据集，外部验证使用TCIA CCTH数据集。	PyTorch	PocketNet，nnU-Net	Dice-Sorensen 系数（DSC）、第95百分位Hausdorff距离（Haus95）	未明确提及GPU类型或云平台，但比较了训练时间、参数数量和内存占用。
213	2026-09-07	An updated inventory of rock glaciers in the Eastern Himalaya 2026-Jun-27, Scientific data IF:5.8Q1 DOI:10.1038/s41597-026-07765-4 PMID:42365134	研究论文	本研究通过深度学习分割模型和人工改进，构建了喜马拉雅东部地区岩石冰川的更新清单。	采用UNetFormer深度学习分割模型进行岩石冰川轮廓识别，结合手动细化，提供了符合国际标准的标准化属性，是该区域首个基于深度学习的详细清单。	未提及具体局限性，但依赖人工改进可能耗时且受主观影响，模型精度虽高但可能仍有误差。	为喜马拉雅东部山区提供更新的岩石冰川清单，以支持山地冻土、水文存储及气候变化影响评估。	喜马拉雅东部的岩石冰川单元。	人工智能辅助遥感地学（或其他）	NA	深度学习分割（UNetFormer）	深度学习分割模型（UNetFormer）	遥感影像（隐含）	10,552个岩石冰川单位，覆盖587.78平方公里	NA	UNetFormer	未明确提及，可能包括准确度、IoU等	NA
214	2026-09-07	Scalable nonlinear Cox modeling via random Fourier features with analytic uncertainty 2026-Jun-23, BMC medical research methodology IF:3.9Q1 DOI:10.1186/s12874-026-02925-x PMID:42337740	研究论文	提出一种基于随机傅里叶特征的Cox回归方法（RFF-Cox），用于在大规模队列研究中高效建模非线性风险关系，并提供了解析不确定性度量。	首次将随机傅里叶特征应用于Cox比例风险模型，将计算复杂度从O(n^2)降至O(n)，并利用拉普拉斯近似自动优化带宽参数；同时通过Fisher信息矩阵和多元Delta方法提供解析的不确定性量化。	在非线性场景中的95%置信区间覆盖率较低（81.9%），且长随访时间点的校准斜率存在偏差。	开发一种可扩展的非线性Cox回归方法，既能保持传统Cox模型的解释性，又能在大型生物医学队列研究中实现高效计算和不确定性量化。	模拟数据和四个真实世界数据集（样本量范围500至9,105），包括METABRIC数据集，涉及心血管风险因素（如收缩压、吸烟）和乳腺癌基因表达数据。	机器学习	心血管疾病	NA	Cox比例风险模型	数值型临床和基因组数据	模拟数据及四个真实世界数据集，样本量从500到9,105不等	NA	随机傅里叶特征网络	均方根误差（RMSE）、判别能力（如C指数）和综合校准误差（ICE）	NA
215	2026-09-07	PAVSAT: an automated blood vessel analysis tool using deep learning-based segmentation and image processing 2026-Jun-22, BMC bioinformatics IF:2.9Q1 DOI:10.1186/s12859-026-06505-0 PMID:42332561	研究论文	开发了PAVSAT，一个结合深度学习分割和图像处理的自动化血管分析工具，用于定量分析血管结构。	提出新颖的分支点检测算法和边界感知重叠平铺方案，显著减少未被检测的血管，同时保持较低的误报率。	未提及具体限制。	实现复杂血管结构的自动化定量分析，支持大规模研究。	CD31染色的血管结构，来自共聚焦免疫荧光显微镜图像。	数字病理学，计算机视觉	NA	共聚焦免疫荧光显微镜，YOLOv8分割	YOLOv8	图像	两个独立样本，用于验证和消融分析。	Python	YOLOv8	检测率，测量准确度，平均差异，皮尔逊相关系数	未提及具体计算资源。
216	2026-09-07	A systematic review of artificial intelligence in radiotherapy associated cardiovascular toxicity 2026-Jun-19, Cardio-oncology (London, England) DOI:10.1186/s40959-026-00528-5 PMID:42316322	系统综述	本文系统性地评估了人工智能在放疗相关心血管毒性预测和成像中的应用及其研究质量。	首次系统评价AI在放疗相关心血管毒性中的应用，并进行了探索性荟萃分析。	纳入研究异质性高，外部验证不足，多数研究存在高偏倚风险。	评估AI在放疗相关心血管毒性预测和成像中的应用及研究质量。	肺癌、乳腺癌等癌症接受放疗的患者，关注其放疗相关心血管毒性。	医学影像分析	心血管疾病	NA	深度学习	图像、文本（影像学数据及临床数据）	65项研究	NA	NA	AUC、敏感度、Dice相似系数、准确性	NA
217	2026-09-07	An in situ non-contact 3D microscopic measurement system for temporal bone anatomy based on stereo imaging 2026-Jun-18, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-56801-1 PMID:42310033	研究论文	本研究开发了一种基于立体成像的原位非接触三维显微测量系统，用于颞骨解剖的定量评估。	创新性地集成了显微立体校准、基于深度学习的视差估计、三维重建和交互式测量工作流程，实现了显微可视化下的非接触、原位三维定量测量。	作为一个技术原型，该系统在实际临床应用前仍需进一步优化和验证。	解决现有颞骨测量方法在接触需求、间接测量、空间分辨率或定量反馈方面的局限性，提供精确可靠的三维定量测量工具。	研究对象为颞骨微观结构，包括四个来自两个新鲜冰冻尸头标本的颞骨。	计算机视觉	不适用	三维重建、立体成像	深度学习（用于视差估计）	图像	四个颞骨标本、一个高精度扫描的乐高模型、一个定制设计的3D打印模块	NA	NA	均方根误差、平均误差、最大误差	NA
218	2026-09-07	Financial time series forecasting with a hybrid VMD-CSA-BiT framework 2026-Jun-18, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-58302-7 PMID:42310433	研究论文	本研究提出了一种结合变分模态分解、卷积自注意力和双向变换器的VMD-CSA-BiT框架，用于增强金融时间序列预测的鲁棒性	创新性地将VMD、卷积自注意力模块和双向变换器集成在一个统一框架中，以同时处理非线性和非平稳性并捕捉双向长期时间依赖	摘要中未明确提及局限性，但提到了未来将进行架构优化和扩展到更多金融应用	提升金融时间序列预测的准确性和稳定性	多种金融资产的价格序列及其市场特征	机器学习	NA	NA	VMD-CSA-BiT（变分模态分解、卷积自注意力、双向变换器）	时间序列数据（金融价格和市场特征）	多种金融资产，具体数量未在摘要中说明	NA	VMD-CSA-BiT，包括VMD、卷积自注意力模块和双向变换器	关键误差指标（如MAE、RMSE等，具体未列出）	NA
219	2026-09-07	Modeling visual memorability assessment with autoencoders reveals characteristics of memorable images 2026-Jun-17, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-56947-y PMID:42310101	研究论文	提出一种基于自编码器和卷积神经网络的深度学习方法，用于建模和预测图像可记忆性，并揭示可记忆图像的特征。	首次使用自编码器的重建误差和潜在空间特征来关联图像可记忆性，并结合集成梯度进行可解释性分析。	结果仅基于特定数据集和模型架构，可能不适用于所有图像类型。	探究影响图像可记忆性的视觉特征，并开发基于深度学习的可记忆性预测模型。	自然图像，研究其可记忆性分数与自编码器表征的关系。	计算机视觉	NA	NA	自编码器、多层感知机	图像	未明确指定	NA	卷积神经网络、多层感知机、集成梯度	相关性系数、预测性能指标	NA
220	2026-09-07	A novel transformer architecture for EEG decoding and neuroscientific analysis 2026-Jun-17, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-56405-9 PMID:42310346	研究论文	提出一种新颖的基于Transformer的架构Analformer，用于脑电信号解码和神经科学分析，实现高预测性能和神经科学可解释性	引入分析性补丁嵌入模块，使用固定的不可训练的Morlet小波核提取可解释的时空频率特征，并支持标准神经生理分析和注意力连接	未明确说明局限性	开发一个统一的框架，结合高性能脑机接口解码与可解释的、数据驱动的科学分析	脑电信号（EEG）和三种典型的脑机接口范式：运动想象（MI）、事件相关电位（ERP）和稳态视觉诱发电位（SSVEP）	机器学习, 脑机接口	NA	脑电信号记录	Transformer	脑电信号数据	NA	NA	Analformer（包含分析性补丁嵌入模块）	竞争性能（具体指标未提及）	NA