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
221	2026-08-14	CT-Based Liver Segmentation for Liver Surgery: A Hybrid Approach Based on 3D U-Net-ELM Model 2026-Jun-07, Biomedicines IF:3.9Q1 DOI:10.3390/biomedicines14061298 PMID:42351726	研究论文	提出了一种结合3D U-Net与极限学习机（ELM）的混合肝脏分割框架，用于CT图像中的肝脏分割，以提高分割性能和计算效率	创新性地将3D U-Net瓶颈层提取的深度体积特征图输入到ELM分类器中进行最终分割细化，形成了3D U-Net-ELM混合模型，在保证分割性能的同时降低了计算成本和训练时间	缺乏独立的多中心外部验证，限制了其临床适用性和泛化性的评估	开发一种计算高效且性能平衡的肝脏分割方法，用于手术规划、体积分析和肿瘤评估	腹部CT图像中的肝脏分割	计算机视觉	肝脏疾病	CT成像	3D U-Net, ELM	图像（CT）	Task03_Liver_rs数据集，具体样本数未提及	NA	3D U-Net, ELM, nnU-Net, SwinUNet, SwinUNet-ELM	Dice, IoU, HD95, ASD, surface Dice, volumetric error	NA
222	2026-08-14	A single-camera video-based assessment of locomotive syndrome using pose-silhouette fusion model 2026-Jun, PLOS digital health DOI:10.1371/journal.pdig.0001530 PMID:42361134	研究论文	本研究提出了一种基于单摄像头视频的深度学习模型，通过融合姿态估计和轮廓特征，用于自动化筛查运动器官综合征。	结合姿态估计和剪影特征的融合模型，并采用自动采样的步态能量图，提高了LS筛查的准确性；模型在内部和外部验证中均表现出优越性能。	未明确提及限制，但可能需要更多样化的数据集以增强泛化能力。	开发一种客观、自动化、可扩展的LS筛查工具，以替代传统的主观和劳动密集型诊断方法。	178名参与者的511个步行视频，以及外部验证队列中的33个病例。	计算机视觉	运动器官综合征	视频分析，姿态估计	深度学习模型（具体类型未明确，但包括姿态估计和轮廓模型）	视频	511个步行视频，来自178名参与者；外部验证33个病例	MMPose	姿态估计模型和轮廓模型，融合模型结构	敏感性、特异性、AUC、F1分数、准确率、宏观F1分数	NA
223	2026-08-14	Simulation and empirical evaluation of biologically-informed neural network performance 2026-Jun, Machine learning with applications DOI:10.1016/j.mlwa.2026.100876 PMID:42368786	研究论文	本文开发了两个模拟框架来评估影响生物学信息神经网络（BiNN）性能的因素，并经验性地测试了将种系和体细胞数据整合对预测前列腺癌转移状态的影响	提出了两个系统性的模拟框架，用于评估数据集特征（信号类型、信号强度、特征稀疏性和样本量）对BiNN性能的影响，这是首次对BiNN的这类影响因素进行系统性研究	模拟实验显示小样本量、弱信号强度和极端特征稀疏性会限制BiNN性能，且模型可能更偏向于使用线性而非非线性信号，但未在更广泛的数据集上进行验证	系统地评估数据集层面特征对生物学信息神经网络（BiNN）性能的影响，并提供一个基准测试新方法的框架	前列腺癌患者的体细胞突变和拷贝数数据，以及种系变异数据	机器学习	前列腺癌	NA	生物学信息神经网络（BiNN），具体为P-NET	基因组数据（体细胞突变、拷贝数、种系变异）	NA	NA	P-NET，基于Reactome通路数据库的架构	NA	NA
224	2026-08-14	Machine Learning-Aided Drug Repurposing for Screening COX-2 Inhibitors from Traditional Chinese Medicines 2026-May-31, Pharmaceuticals (Basel, Switzerland) DOI:10.3390/ph19060878 PMID:42356495	研究论文	本研究利用机器学习方法对中药来源化合物进行COX-2抑制剂筛选，并验证了最佳模型的预测能力	系统比较了随机森林、深度学习和图神经网络在中药小数据集上的表现，发现随机森林模型在活性筛选中最优，并通过实验验证了候选化合物脱氢木香内酯的COX-2抑制活性	研究基于小数据集，模型泛化能力可能受限；未详细说明计算资源等细节	利用机器学习辅助药物重定位，从传统中药中筛选COX-2抑制剂，用于结直肠癌治疗	COX-2抑制剂和中药来源化合物	机器学习	结直肠癌	机器学习模型和实验验证	随机森林分类器、深度学习、图神经网络（GAT、GCN、MPNN）	化合物数据	自定义COX-2抑制剂数据集和中药化合物库	NA	随机森林、GAT、GCN、MPNN	预测性能指标（具体未注明）	NA
225	2026-08-14	Deep Learning for the Detection of Corneal Perforation on Anterior-Segment Optical Coherence Tomography in Microbial Keratitis 2026-May-30, Bioengineering (Basel, Switzerland) DOI:10.3390/bioengineering13060649 PMID:42351894	研究论文	本研究旨在开发并评估基于前段光学相干断层扫描（ASOCT）图像的深度学习模型，用于微生物性角膜炎中角膜穿孔的自动检测。	使用ResNet-34骨干网络对六个径向ASOCT扫描进行独立编码，并通过平均池化生成单眼水平预测；同时探讨了是否纳入健康对照和是否使用随机掩膜对模型性能的影响。	研究样本量相对较小（150例患者），且单中心设计可能限制结果的泛化性；未进行外部验证。	开发和评估深度学习模型，以自动化检测微生物性角膜炎中的角膜穿孔，作为临床决策支持工具。	150例经微生物学确诊的角膜炎患者，对侧健康眼作为对照。	深度学习	微生物性角膜炎	前段光学相干断层扫描（ASOCT）	卷积神经网络（CNN）	图像	150例患者（角膜炎患者和健康对照眼）	NA	ResNet-34	ROC AUC, 平均精度（AP）, 灵敏度, 特异性, F1分数	NA
226	2026-08-14	CMSV: Long-Read-Based Structural Variation Detection Through a CNN-Mamba Model 2026-May-30, Genes IF:2.8Q2 DOI:10.3390/genes17060633 PMID:42353792	研究论文	提出CMSV，一种基于CNN-Mamba模型的长读长测序数据结构变异检测与基因分型方法	首次将CNN与Mamba结合用于长读长结构变异检测，利用多尺度卷积编码器和堆叠Mamba模块联合建模局部SV特征和跨子片段上下文	在真实数据基准中，对DUP、INV、TRA/BND验证较弱，主要依赖模拟数据集评估	开发一种高效、准确的深度学习框架，用于跨测序平台和覆盖度的长读长结构变异检测与基因分型	长读长测序中的结构变异，包括缺失、插入、重复、倒位和易位	机器学习, 生物信息学	NA	长读长测序	CNN, Mamba	测序数据, 基因组数据	HG002真实数据集、模拟多类型数据集、家系数据集	NA	多尺度卷积编码器, Mamba模块	准确率、F1分数、基因分型一致性	NA
227	2026-08-14	AI-Assisted Identification of the Medial Lingual Foramen on CBCT: A Deep Learning Approach for Preoperative Implant Assessment 2026-May-30, Medicina (Kaunas, Lithuania) DOI:10.3390/medicina62061059 PMID:42356072	研究论文	本研究利用深度学习技术基于CBCT影像自动检测和分割下颌内侧舌孔，并评估其解剖特征，以辅助术前种植体评估	首次将深度学习应用于内侧舌孔的自动检测与分割，解决了其体积微小导致的类别不平衡问题，并提出了注释策略与模型输入对齐的重要性	需要更大规模的多中心数据集进行进一步验证才能考虑临床应用	评估内侧舌孔的解剖特征，开发并验证基于深度学习的自动化检测与分割方法	内侧舌孔结构	医学影像分析、深度学习	不适用	锥形束计算机断层扫描（CBCT）	卷积神经网络	医学影像（CBCT扫描）	106例CBCT扫描用于训练，10例独立数据集用于外部验证	NA	U-Net	Dice相似系数、精确率、召回率、Hausdorff距离	NA
228	2026-08-14	Deep Learning for Anticancer Drug Discovery Targeting Non-Apoptotic Regulated Cell Death Mechanisms 2026-May-29, Pharmaceuticals (Basel, Switzerland) DOI:10.3390/ph19060851 PMID:42356468	综述	该综述阐述了深度学习在靶向非凋亡调节性细胞死亡机制的抗癌药物发现中的核心方法与应用进展	提出了针对非凋亡性RCD机制研究的初步技术框架，涵盖端到端分子表示、多模态融合策略、数据集划分标准及深度学习框架，并从直接应用、相邻应用和推测性展望三个维度系统讨论了深度学习在该领域的应用	未具体说明限制，但指出了当前高质量标注数据库缺乏和标准化盲测基准不足等挑战	建立深度学习在靶向非凋亡性RCD机制药物发现中的技术框架，并展望未来发展方向以推动从计算预测到实验验证和转化研究的进展	非凋亡调节性细胞死亡机制（如铁死亡和铜死亡）及其相关抗癌药物发现	机器学习	癌症	NA	深度学习模型	多源数据	NA	NA	NA	NA	NA
229	2026-08-14	Transformer-Driven Explainable Deep Learning with Quantitative Attribution Validation for Liver Tumor Detection 2026-May-25, Bioengineering (Basel, Switzerland) DOI:10.3390/bioengineering13060616 PMID:42351861	研究论文	提出了一种基于Transformer的可解释深度学习框架，结合全局上下文与量化归因模块，用于CT图像中的肝脏肿瘤检测，并验证了其性能与可解释性。	首次将Transformer与全局上下文融合，并引入定量归因模块，无需分割监督即可评估肿瘤区域与归因的空间对齐，从而提高可解释性和检测性能。	未提及具体局限性，可能包括依赖特定数据集和计算资源需求。	开发一种可靠且可解释的深度学习框架，用于CT扫描中肝脏肿瘤的检测，同时提供定性证据以增强临床适用性。	CT扫描图像中的肝脏肿瘤。	计算机视觉、深度学习	肝脏肿瘤	CT成像	Transformer	图像（CT扫描）	未提及具体样本量	未提及	Transformer编码器，全局上下文模块	准确率、精确率、召回率、F1分数、AUC、马修斯相关系数、交并比、Dice系数	未提及
230	2026-08-14	Artificial Intelligence Applications in Implant Positioning, Dislocation Risk Prediction, and Surgical Indications in Orthopaedic Surgery 2026-May-23, Bioengineering (Basel, Switzerland) DOI:10.3390/bioengineering13060610 PMID:42351854	综述	本文通过结构化叙事综述，总结了人工智能在骨科手术中植入物定位、脱位风险预测和手术决策中的应用现状与挑战	采用PRISMA式流程图系统筛选文献，并按解剖区域、AI任务、影像模态、验证策略和临床相关性进行叙事综合	排除了综述和荟萃分析，可能存在选择性偏倚；不同研究和应用间的证据差异较大，缺乏标准化的报告和外部验证	评估AI在骨科手术中的临床应用，特别是在植入物定位、脱位风险预测和手术指征方面的潜力与不足	骨科手术中的AI应用，包括髋、膝、肩、脊柱等不同解剖区域	机器学习、数字病理学	骨科疾病（如关节置换相关并发症）	机器学习、深度学习（基于影像数据）	机器学习模型、深度学习模型（具体类型未指明）	影像数据（如X光、CT等）和临床数据	不适用（该研究为综述，无具体样本）	不适用（该研究为综述，未使用特定框架）	不适用（该研究为综述，未指定特定架构）	不适用（该研究为综述，未评估模型性能）	不适用（该研究为综述，未提及计算资源）
231	2026-08-14	Transformers for single-cell RNA sequencing: a survey 2026-May-04, Briefings in bioinformatics IF:6.8Q1 DOI:10.1093/bib/bbag332 PMID:42366620	综述	本文综述了Transformer在单细胞RNA测序数据分析中的应用，系统分析了针对特定任务和基础模型的Transformer设计，并探讨了性能、计算效率、可解释性和可扩展性等维度	系统性地将Transformer在scRNA-seq领域的应用分为特定任务模型和基础模型两大类，并从性能、计算效率、可解释性和可扩展性等多个角度进行深入分析，为领域提供了实用资源	未提供具体实验验证，主要基于文献综述，可能无法涵盖所有最新的研究成果，且对多组学层面的分析仅做展望	全面概述Transformer在单细胞RNA测序数据分析中的应用，分析其构建和性能，并指出未来研究方向	Transformer模型在单细胞RNA测序数据分析中的应用	自然语言处理	NA	单细胞RNA测序	Transformer	单细胞RNA测序数据	NA	NA	Transformer	性能、计算效率、可解释性、可扩展性	NA
232	2026-08-14	Current Status and Future Projections of Artificial Intelligence-Assisted Ultrasonography and Needle Visibility Methods in Regional Anesthesia 2026-Apr-24, The Eurasian journal of medicine DOI:10.5152/eurasianjmed.2026.261453 PMID:42364233	综述	本文综述了人工智能辅助超声和针显影方法在区域麻醉中的现状和未来展望	系统性地总结了人工智能在超声引导区域麻醉中的应用，包括实时解剖分割、自动针追踪和图像优化，并讨论了自动化偏见和临床监督需求	缺乏对算法性能的具体量化评估和对照研究，且对非典型解剖中的算法表现等担忧仅作定性讨论	评估人工智能辅助超声和针显影在区域麻醉中的当前应用和潜在发展方向，以提高安全性和标准化	区域麻醉中的超声引导技术及人工智能辅助系统	医学影像	不适用	超声成像	卷积神经网络，深度学习	超声图像	不适用	不适用	不适用	不适用	不适用
233	2026-08-14	LEARNABLE HIERARCHICAL VISUAL CONTEXTS FOR TUMOR SEGMENTATION IN COMPUTED TOMOGRAPHY IMAGES 2026-Apr, Proceedings. IEEE International Symposium on Biomedical Imaging DOI:10.1109/isbi61048.2026.11515689 PMID:42367197	研究论文	提出一种可学习的分层视觉上下文方法LeVal，用于CT图像中的肿瘤分割，该方法通过语义上下文和任务查询令牌的交叉注意力机制，增强了注意力对肿瘤相关区域的聚焦，并在多个公共数据集上优于现有方法	首次将任务无关的可学习语义上下文令牌与任务特定查询令牌结合，通过交叉注意力机制细化对肿瘤区域的注意力，并采用两阶段预训练策略（自监督学习和多器官分割监督预训练）	未在摘要中明确提及	改进CT扫描中自动化肿瘤分割的性能，以应对肿瘤形状、外观和边界变异大的挑战	CT图像中的肿瘤分割，涉及胰腺、结肠、肾上腺和头颈癌	计算机视觉	胰腺癌、结肠癌、肾上腺癌、头颈癌	CT成像	3D Swin Transformer	图像（CT扫描）	14,000例未标记CT扫描（用于自监督预训练），四个公共数据集（用于评估）	PyTorch（推断）	3D Swin Transformer	Dice系数	未在摘要中明确提及
234	2026-08-14	Artificial intelligence approaches in biological age prediction: current status and challenges 2026, British journal of biomedical science IF:2.7Q2 DOI:10.3389/bjbs.2026.16141 PMID:42358564	综述	本文系统综述了人工智能在生物学年龄预测中的应用现状与挑战，涵盖生物标志物选择、特征工程、模型开发、偏差校正和性能评估等关键环节，并探讨了异步老化现象及深度学习和多模态融合技术	强调异步老化现象，即不同器官或生理系统以不同速率老化，并突显深度学习和多模态融合技术捕捉系统特异性老化模式的能力	面临数据异质性、模型泛化能力有限、可解释性不足及临床转化障碍等挑战，需标准化方法和跨人群稳健验证	综述AI驱动的生物学年龄预测方法，并展望未来研究方向，以建立可靠且临床可用的预测模型	生物学年龄预测相关的人工智能方法、生物标志物、多模态数据及异步老化现象	机器学习	老年疾病	NA	深度学习、多模态融合	多模态生物数据	NA	NA	神经网络架构	性能评估指标	NA
235	2026-08-14	PolyMamba-Net: a lightweight and boundary-aware network for real-time polyp segmentation in colonoscopy 2026, Frontiers in medicine IF:3.1Q1 DOI:10.3389/fmed.2026.1800666 PMID:42359059	研究论文	提出一种名为PolyMamba-Net的轻量级且边界感知的混合架构，用于结肠镜检查中息肉分割的实时处理，融合了Mamba和CNN的优势	创新性地将State Space Models (Mamba)与CNNs结合，引入双分支编码器捕获全局上下文和细粒度纹理，并设计边界感知模块（BAM）以显式细化息肉边缘，同时保持轻量化以支持实时推理	该模型在两个公共基准上的性能虽然优于现有方法，但其跨数据集泛化能力主要通过三个未见过的基准验证，未提及在真实临床环境中的多中心或前瞻性验证	解决现有深度学习息肉分割模型在分割准确率和实时推理速度之间的权衡问题，提供临床可行的辅助工具以减少漏诊率	针对结肠镜检查中腺瘤性息肉，特别是平坦息肉和复杂肠道环境下的分割任务	计算机视觉	结直肠癌	NA	混合架构（Mamba + CNN）	图像	两个公共基准数据集：Kvasir-SEG和CVC-ClinicDB，用于训练和测试；另有三个未指定名称的基准用于跨数据集评估	NA	双分支编码器（Mamba和CNN分支）、边界感知模块（BAM）	Dice系数	单块NVIDIA RTX 3090 GPU，模型参数量仅25.3M，浮点运算量为12.8 GFLOPs，运行速度达到115 FPS
236	2026-08-14	Computer-aided detection of equivocal spinal tuberculosis on X-ray using a YOLOv11-based deep learning model 2026, Frontiers in public health IF:3.0Q2 DOI:10.3389/fpubh.2026.1780946 PMID:42359154	研究论文	本研究开发了一种基于YOLOv11的深度学习模型，用于在X光片上检测表现为模糊或非典型改变的脊椎结核可疑区域，并提供风险提示。	首次将YOLOv11目标检测框架应用于脊椎结核X光图像的计算机辅助检测，针对早期和中期X光表现不明确的病例，结合CT参考标注训练模型，并引入了患者水平的检测率和漏诊率评估。	研究仅纳入CT确诊为脊椎结核的阳性病例，缺少正常对照和非结核性脊柱疾病对照，且未进行外部验证和前瞻性评估，实际应用需进一步检验。	开发一种基于X光图像输入的深度学习模型，用于自动定位脊椎结核可疑区域，以支持资源有限地区的早期风险提示和转诊决策。	307例X光表现模糊但CT确诊为脊椎结核的患者，来自三家三级医院。	计算机视觉	脊椎结核	X光成像	YOLOv11	图像（X光片）	307例患者的X光图像	NA	YOLOv11	平均精度（mAP@0.5、mAP@0.5:0.95）、精确率、召回率、F1置信度曲线、精确率-召回率曲线、置信度相关曲线、患者水平检测率、漏诊率、最大交并比（maxIoU）	NA
237	2026-08-14	Evaluating the diagnostic accuracy of neural network models in detecting oral potentially malignant disorders and oral cancer using mobile photographs: An umbrella review 2026, Dental research journal DOI:10.4103/drj.drj_172_25 PMID:42359377	综述	本伞形综述旨在评估不同人工智能模型在利用手机照片检测口腔潜在恶性疾病和口腔癌方面的诊断准确性	通过伞形综述方法综合多个系统评价，首次比较多种AI模型（如EfficientNet和ResNet）在真实世界不同场景下的检测性能	研究间存在显著异质性（I²常大于85%），反映了人群、图像采集协议和模型架构的差异；未包含未经同行评审的研究	评估不同AI模型在检测口腔癌和口腔潜在恶性疾病方面的比较性能	口腔癌和口腔潜在恶性疾病	计算机视觉	口腔癌	移动摄影	深度学习模型	图像	六项系统评价	NA	EfficientNet, ResNet, MLSO + SVM	敏感性, 特异性, 诊断优势比	NA
238	2026-08-14	Ensemble based in transfer learning for cytological classification in pleural fluid 2026, Frontiers in digital health IF:3.2Q2 DOI:10.3389/fdgth.2026.1849898 PMID:42359446	研究论文	本研究提出一种结合迁移学习的集成深度学习框架，用于胸膜液细胞学图像的良恶性分类，并通过数据增强优化模型性能	采用ResNet50V2、DenseNet121和InceptionV3三种架构的集成策略，结合硬投票和软投票机制，并通过数据增强显著提升模型泛化能力，在本地和外部数据集上均取得较高准确性	研究仅使用有限的数据集，且外部数据集规模较小，可能影响模型的广泛适用性；未提及计算资源消耗和实时性评估	开发自动化胸膜液细胞学分类系统，辅助诊断恶性胸膜积液，提高低资源环境下的癌症诊断可及性	胸膜液细胞学图像，包括局部数据集（1292张）和外部Kaggle数据集（693张）	计算机视觉、数字病理学	胸膜癌、恶性胸膜积液	图像数据增强、迁移学习	集成深度学习模型（基于CNN）	图像	本地数据集1292张，外部数据集693张	NA	ResNet50V2, DenseNet121, InceptionV3	准确率、精确率、召回率、F1分数	NA
239	2026-08-14	Hybrid deep learning for mental workload classification using EEG with enhanced preprocessing and interpretability 2026, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0352882 PMID:42361081	研究论文	提出一种集成混合深度学习框架，用于脑电信号的心理负荷分类，具备增强的预处理和可解释性	结合变分自编码器、卷积块注意力模块和双向长短期记忆网络，通过消融研究和敏感性分析优化性能，并利用梯度加权类激活映射实现神经生理学层面的可解释性	未来需探索自适应窗口策略、多模态数据整合、跨数据集基准测试，并评估基于Transformer和图神经网络的架构在一致的个体独立评估设置下的表现	实现稳健、可解释的基于脑电的心理负荷分类，克服泛化性、噪声鲁棒性和可解释性方面的挑战	安全敏感领域（如医疗和航空）中的心理负荷状态	机器学习	不适用	脑电图（EEG）	混合深度学习模型（变分自编码器、卷积块注意力模块、双向长短期记忆网络）	脑电图信号，以频带拓扑视频形式呈现	不适用（摘要中未提及具体样本数量）	不适用（摘要未提及具体框架）	变分自编码器、卷积块注意力模块、双向长短期记忆网络、梯度加权类激活映射	准确率（平均准确率83.9%）	不适用（摘要未提及计算资源）
240	2026-08-14	A multimodal ConvNeXt-Tiny deep learning model for simultaneous prediction of IDH mutation and Ki-67 expression in gliomas 2026, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0351757 PMID:42361071	研究论文	构建并验证一个基于ConvNeXt-Tiny的多任务深度学习模型，用于同步预测成人弥漫性胶质瘤中IDH突变状态和Ki-67表达水平	首次提出基于ConvNeXt-Tiny的多任务深度学习模型，实现胶质瘤IDH突变与Ki-67表达的同步预测，并整合多模态MRI、影像组学和临床特征，采用SHAP与Grad-CAM进行可视化解释	摘要未明确提及研究局限性	开发并验证一种能够术前同步预测成人弥漫性胶质瘤IDH突变状态和Ki-67表达水平的稳健多任务深度学习模型	来自两家医院的成人弥漫性胶质瘤患者，分别作为训练集和独立验证集	医学影像分析、深度学习	胶质瘤	多模态MRI（T2WI、T2-FLAIR、T1CE、ASL）	ConvNeXt-Tiny多任务深度学习模型	医学影像（MRI）、临床数据、影像组学特征	来自两家医院的成人弥漫性胶质瘤患者，具体数量未在摘要中提及	NA	ConvNeXt-Tiny	AUC、校准曲线、Hosmer-Lemeshow检验、决策曲线分析、净重分类指数（NRI）	NA