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
2521	2026-08-11	A Few-shot Multimodal Deep Learning Framework For Precision Diagnosis Of Parotid Gland 2026-05-08, Journal of visualized experiments : JoVE DOI:10.3791/70231 PMID:42184237	研究论文	提出了一种基于小样本学习的多模态深度学习框架，整合多序列MRI和空间注意力机制，用于腮腺肿瘤的精准诊断，并在198名患者的回顾性队列中验证了其高效性。	采用多模态融合和多数尺度空间注意力机制，在样本有限条件下提升特征提取和分类性能，并展示了与有经验放射科医生相比的诊断优势。	未明确提及局限性，可能受限于回顾性单中心数据以及样本量较小。	开发一种多模态深度学习框架，以改善腮腺肿瘤术前良恶性鉴别的准确性，减少诊断挑战。	腮腺肿瘤患者的术前MRI数据（包括T1加权、T2加权和扩散加权成像）。	深度学习	腮腺肿瘤	MRI	多模态深度学习模型	图像	198名患者的腮腺肿瘤MRI数据（107名良性，91名恶性）	PyTorch	多模态融合架构（含注意力机制）	AUC	NA
2522	2026-08-11	Automated Quantitative Analysis of Pulmonary Vasculature in Congenital Diaphragmatic Hernia using Deep Learning 2026-05-08, Journal of visualized experiments : JoVE DOI:10.3791/70428 PMID:42184245	研究论文	本文提出一种基于深度学习的全自动方法，用于分割先天性膈疝患者肺部CT图像中的肺血管并进行形态计量分析。	提出全自动的肺血管分割与形态计量分析流程，采用U-Net CNN架构和三维骨架化算法，无需人工干预，提高了分析的可重复性和效率。	依赖CT图像质量，可能不适用于其他成像模态，且样本量有限，未涉及大型临床验证。	实现先天性膈疝肺血管形态的定量、可重复、非侵入性评估，以了解疾病严重程度并支持临床转化。	先天性膈疝患者和对照组的肺部CT扫描图像中的肺血管网络。	计算机视觉, 数字病理学	先天性膈疝	CT成像	CNN	图像（CT扫描）	未指定（代表性结果显示包括CDH和对照组样本）	NA	U-Net	分割准确性	NA
2523	2026-08-11	A Deep Learning-Based Method for Paddy Leaf Disease Detection and Growth Stage-Specific Treatment Recommendation 2026-05-05, Journal of visualized experiments : JoVE DOI:10.3791/70631 PMID:42184257	研究论文	提出一种基于深度学习的水稻叶部病害检测和生育期特异性治疗推荐方法，并实现为Web应用。	结合生长阶段预测与病害分类，利用集成学习和轻量级CNN模型，提供阶段特异性治疗建议，创新性地整合了检测与推荐功能。	未明确说明局限性。	构建一个决策支持系统，用于水稻叶部病害检测、生长阶段预测及阶段特异性治疗推荐，以支持精准农业。	水稻叶部图像，分类为不同病害类别和生长阶段。	计算机视觉	水稻叶部病害	图像分类	CNN, 迁移学习模型	图像	未明确样本数量，但数据集分为训练（80%）、验证（10%）和测试（10%）集。	NA	VGG16, ResNet50, InceptionV3, MobileNetV2	准确率, 精确率, 召回率, F1分数	NA
2524	2026-08-11	Comparative study of different artificial intelligence (AI)-assisted compressed sensing factors in inner ear heavily T2-weighted imaging 2026-05, Clinical radiology IF:2.1Q2 DOI:10.1016/j.crad.2026.107311 PMID:41955645	研究论文	本研究比较了不同加速因子的人工智能辅助压缩感知技术在内耳重T2加权成像中的图像质量，旨在优化临床应用的加速因子选择	首次系统比较了不同ACS加速因子在内耳重T2加权成像中的图像质量，并推荐了临床适用的加速因子范围	未提及具体限制，但研究仅涉及健康志愿者，未包含患者数据	比较不同加速因子下ACS技术在内耳重T2加权成像中的图像质量，以推荐最佳临床加速因子	40名健康志愿者的内耳重T2加权成像	医学影像	NA	磁共振成像（MRI），人工智能辅助压缩感知（ACS）	深度学习模型（用于ACS）	MRI图像	40名健康志愿者	NA	深度学习模型（具体架构未提及）	信噪比（SNR）、对比噪声比（CNR）、边缘锐度、图像质量评分（四点评分）	NA
2525	2026-08-11	Masked pre-training and pseudo-vessel enhancement-based semi-supervised cerebral vascular segmentation 2026-Apr, Medical physics IF:3.2Q1 DOI:10.1002/mp.70440 PMID:41988737	研究论文	提出一种基于掩码预训练和伪血管增强的半监督脑血管分割框架，用于CTA和CTP图像中的脑血管分割	结合双尺度掩码预训练、伪血管增强和多级一致性损失，在有限标注数据下实现高精度分割并增强小血管连续性	未提及具体局限性	开发一种仅使用有限标注数据即可实现高精度脑血管分割的半监督学习框架，同时提高对小血管连续性和鲁棒性的处理能力	脑血管（CTA和CTP图像中的脑血管）	计算机视觉	脑血管疾病	NA	半监督分割模型	图像（CTA和CTP扫描图像）	948例CTA和CTP扫描，使用5%、10%、20%、50%和100%五种标注比例	NA	NA	Dice系数	NA
2526	2026-08-11	A prospective multicenter trial of deep learning auto-segmentation for organs at risk in thoracic radiotherapy 2026-Mar-31, Nature communications IF:14.7Q1 DOI:10.1038/s41467-026-70863-9 PMID:41917034	研究论文	一项前瞻性、多中心观察性试验，评估深度学习模型iCurveE在胸腔和乳腺癌放疗中对危及器官的AI辅助勾画性能，结果显示AI辅助勾画显著提高了勾画精度和时间效率。	首次提供高质量的前瞻性多中心证据，验证AI辅助勾画在真实临床环境中的有效性，并展示了其在减少不同中心和不同经验医生间性能差异方面的优势。	摘要中未明确提及局限性，可能包括样本代表性和长期临床结果的评估不足。	评估深度学习模型在胸腔和乳腺癌放疗中对危及器官的AI辅助勾画的临床性能，包括勾画精度和时间效率。	胸腔和乳腺癌放疗患者的CT图像中的危及器官，涉及500名患者和37名医生。	深度学习，医学影像，放射治疗	胸腔肿瘤、乳腺癌	CT成像	深度学习模型（iCurveE）	CT图像	500名患者，2,483套危及器官轮廓（27,043个器官），涉及37名医生	NA	iCurveE	体积Dice相似系数（vDSC），95%豪斯多夫距离（HD95），勾画时间	NA
2527	2026-08-11	Artificial intelligence-based prediction of fetal hypoxia: a multicenter model development and nationwide AI-human comparison 2026-Mar-21, BMC medicine IF:7.0Q1 DOI:10.1186/s12916-026-04794-z PMID:41864912	研究论文	开发了一种基于人工智能的胎儿缺氧预测模型，并在全国范围内与人类专家进行了性能比较。	提出了多种深度学习架构（CAP-C、CAP-T、CAP-L、CAP-CfC）进行胎儿缺氧预测，并通过全国性AI-人类比较和梯度加权类激活映射（Grad-CAM）验证了模型优于人类专家且具有可解释性。	文章摘要中未明确提及局限性。	开发并验证基于人工智能的胎儿缺氧预测模型，以提高CTG解读的准确性。	来自三家三级医院的20780条CTG信号以及CTU-UHB公开数据集。	深度学习	胎儿缺氧	NA	CNN, Transformer, LSTM, CfC	信号（CTG）	20780条CTG用于模型开发，467例用于AI-人类比较	NA	CNN, Transformer, LSTM, CfC	AUROC	NA
2528	2026-08-11	Artificial Intelligence in Cardiovascular Imaging: From Automated Acquisition to Precision Diagnostics and Clinical Decision Support 2026-03-11, Medical sciences (Basel, Switzerland) DOI:10.3390/medsci14010132 PMID:41892847	综述	本文综述了人工智能在心血管影像中的应用，包括自动采集、精准诊断和临床决策支持，并评估其潜在临床价值。	总结了AI在多种心血管影像模态中的应用，并强调了从技术自动化向综合疾病表型分析和个性化临床决策支持的转变。	临床转化受限于数据集异质性、外部验证不足、算法偏差、可解释性有限以及监管和整合挑战。	总结AI在心血管影像中的当前和新兴应用，评估其在精准诊断和决策支持中的临床价值。	心血管影像AI应用，涉及超声心动图、心脏磁共振、心脏CT和核心脏病学等模态。	医学影像	心血管疾病	NA	机器学习，深度学习	图像	NA	NA	视频、时序和多模态模型	可重复性、效率、可扩展性	NA
2529	2026-08-11	Accuracy of Medical Image-Based Deep Learning for Detecting Microvascular Invasion in Hepatocellular Carcinoma: Systematic Review and Meta-Analysis 2026-Mar-02, Journal of medical Internet research IF:5.8Q1 DOI:10.2196/82000 PMID:41814977	系统综述与荟萃分析	系统评估基于医学图像的深度学习模型在肝细胞癌微血管侵犯术前诊断中的准确性，并分析不同影像模态和验证策略对模型性能的影响	首次系统评估基于影像的深度学习在肝细胞癌MVI诊断中的应用，并对比不同影像模态与验证策略，揭示外部验证性能下降的关键问题	独立外部验证队列稀缺、队列间异质性显著以及模型性能下降，影响临床适用性的严格评估	评估基于医学图像的深度学习模型预测肝细胞癌微血管侵犯的术前诊断性能，并探究不同影像模态和验证策略对模型性能与泛化能力的影响	肝细胞癌患者及其医学图像（包括对比增强计算机断层扫描、病理切片等影像模态）	医学影像分析	肝细胞癌	医学影像分析	深度学习模型（未具体指定架构）	医学图像	52项研究，共19,531例肝细胞癌患者	NA	NA	灵敏度、特异性、汇总接受者操作特征曲线下面积	NA
2530	2026-08-11	ZeCardioAI: combining zebrafish, AI, and xAI for an in-depth cardiac phenotyping platform 2026-Mar-01, Briefings in bioinformatics IF:6.8Q1 DOI:10.1093/bib/bbag197 PMID:42041226	研究论文	提出了一个结合斑马鱼、深度学习和可解释人工智能的计算平台ZeCardioAI，用于心脏表型的自动化和高精度分析	将斑马鱼实验模型与深度学习及可解释性人工智能结合，实现自动化和高精度的心脏表型提取，并通过xAI揭示与临床标志物一致的判别性特征	未提供具体的局限性信息	开发一个能够自动提取心脏表型并保持可解释性的平台，以应对心肌病中未满足的医疗需求，加速药物发现和精准医学	斑马鱼模型，特别是扩张型和肥厚型心肌病模型	数字病理学	心肌病	活体成像	深度学习模型	图像	未提供	NA	NA	准确性、可解释性	NA
2531	2026-08-11	Use of Artificial Intelligence in the Classification of Upper-Limb Motion Using EEG and EMG Signals: A Review 2026-Feb-26, Sensors (Basel, Switzerland) DOI:10.3390/s26051457 PMID:41829420	综述	本系统综述总结了利用人工智能对脑电图和肌电信号进行上肢运动分类的研究进展，重点探讨了从传统机器学习到深度学习架构的转变。	通过PRISMA指南系统回顾了截至2025年6月的301项研究，揭示了从经典分类器（如LDA和SVM）向深度学习模型（如CNN、LSTM和Transformer）的转变趋势，并指出了对EEG单独模态的过度依赖（60%）和混合EEG-EMG系统应用不足（7%）的问题。	综述未提供具体的研究局限性描述，可能受限于所选数据库和发表时间范围。	总结AI在基于EEG和EMG信号的上肢运动分类中的应用进展，分析从传统机器学习到深度学习的技术演变，并识别潜在的研究空白。	上肢运动分类任务中使用的EEG和EMG信号数据以及AI分类模型。	机器学习	NA	EEG信号记录、EMG信号记录	CNN、LSTM、Transformer、LDA、SVM	脑电图信号、肌电信号	301项研究	NA	CNN、LSTM、Transformer	NA	NA
2532	2026-08-11	Mining lysine post-translational modification sites by integrating protein language model representations with structural context 2026-Feb-17, Proceedings of the National Academy of Sciences of the United States of America IF:9.4Q1 DOI:10.1073/pnas.2529141123 PMID:41662532	研究论文	提出一个统一的深度学习框架，整合蛋白质语言模型表示和原子级三维结构特征，用于赖氨酸翻译后修饰位点识别，并在人类C型凝集素结构域家族12成员A（hCLEC12A）上应用预测并通过分子动力学模拟验证其功能。	首次将蛋白质语言模型序列表示与原子级三维结构特征集成于统一的深度学习框架中，适用于多种赖氨酸翻译后修饰类型，无需领域特定的特征工程。	摘要未提及明确的局限性。	开发一个统一的深度学习框架，准确且高效地识别赖氨酸翻译后修饰位点，并结合结构上下文增强预测性能。	人类C型凝集素结构域家族12成员A（hCLEC12A）及其与抗体50C1的复合物。	深度学习, 生物信息学	不适用	蛋白质语言模型表示, 分子动力学模拟	深度学习模型（具体架构未明确）	蛋白质序列、原子级三维结构	不适用	不适用	不适用	不适用	不适用
2533	2026-08-11	A Deep Learning Approach to Assessing Cell Identity in Stem Cell-Based Embryo Models 2026, Methods in molecular biology (Clifton, N.J.) DOI:10.1007/7651_2025_654 PMID:40690128	研究论文	本文介绍了一种利用深度学习集成模型对干细胞胚胎模型中的细胞身份进行评估的方法，基于单细胞RNA测序数据	提供了公开可用的深度学习模型，利用scvi-tools整合单细胞数据并分类细胞类型，同时引入熵得分评估分类可靠性	未明确说明	开发深度学习工具评估体外干细胞胚胎模型与体内胚胎细胞的相似性	干细胞胚胎模型中的细胞类型	机器学习，数字病理学	不适用	单细胞RNA测序	深度学习模型	单细胞RNA测序数据	未明确说明	scvi-tools	变分自编码器	熵得分	未明确说明
2534	2026-08-11	Automated detection of the epileptogenic zone in stereoelectroencephalography for drug-resistant epilepsy using multi-epileptogenic biomarker machine learning 2026-01, Epilepsy research IF:2.0Q3 DOI:10.1016/j.eplepsyres.2025.107710 PMID:41289960	研究论文	本研究旨在开发一种可解释的机器学习框架，整合多种致痫生物标志物，以提高立体脑电图（SEEG）中致痫区（EZ）定位的准确性	结合多种发作间期和发作期电生理特征（如致痫指数、棘波率、涟漪率、快涟漪率）的机器学习模型，并采用SHAP方法提供临床可解释性	样本量较小（38例患者），且为单中心回顾性研究	提高药物难治性癫痫患者致痫区的定位准确性，以优化手术治疗效果	药物难治性癫痫患者	机器学习	癫痫	立体脑电图（SEEG）	多种机器学习模型，包括深度学习模型	电生理信号特征	38例患者，共1671个SEEG通道	未明确提及	未明确提及具体架构	AUC	NA
2535	2026-08-11	Explainable AI-Driven Analysis of Radiology Reports Using Text and Image Data: Experimental Study 2025-10-14, JMIR formative research IF:2.0Q4 DOI:10.2196/77482 PMID:40997754	研究论文	本研究评估了可解释人工智能在解读放射学报告中的应用，以提高医疗保健从业者对AI辅助诊断的信心和理解。	结合文本和图像数据，使用多种先进模型（如LLaMA-3.1）进行放射学报告分类，并通过XAI方法增强模型的可解释性和透明度。	未提及具体限制。	评估XAI在解读放射学报告中的应用，以提高医疗专业人员对AI辅助诊断的信任和理解。	印第安纳大学胸部X射线数据集中的3169份文本报告和6471张图像。	自然语言处理, 计算机视觉, 可解释人工智能	胸部疾病（异常发现，如不透明、实变等）	机器学习、深度学习、自然语言处理	LSTM, GPT-2, T5, LLaMA-2, LLaMA-3.1, CNN (DenseNet121, DenseNet169)	文本、图像	3169份文本报告和6471张图像	NA	LSTM, Transformer (GPT-2, T5, LLaMA-2, LLaMA-3.1), CNN (DenseNet121, DenseNet169)	准确率, 科恩卡帕系数, 卡方检验, 费舍尔精确检验, 麦克尼马尔检验	NA
2536	2026-08-11	Knowledge and Perceptions of AI Among Medical Students in Morocco: Cross-Sectional Study 2025-09-19, JMIR formative research IF:2.0Q4 DOI:10.2196/66156 PMID:40971792	研究论文	本研究调查了摩洛哥医学生对人工智能的知识和认知水平	首次评估摩洛哥医学生对人工智能的知识和认知水平	样本来自单一机构，采用滚雪球抽样可能引入选择偏差，且研究为横断面设计，无法建立因果关系	描述摩洛哥医学生对人工智能的知识和认知	摩洛哥阿加迪尔医学与药学学院的本科医学生（第一至第七年）	医学教育	NA	问卷调查（在线问卷）	NA	问卷数据	580名医学生（女性363名，62.6%；平均年龄21.3岁，标准差2.13岁；回复率50.4%）	NA	NA	描述性统计、卡方检验（P值）	JAMOVI 2.6.2（统计软件）
2537	2026-08-11	Using miniscopes and deep learning to compare neurobehavioral representations of psychostimulant and opioid self-administration 2025-Sep, Addiction neuroscience DOI:10.1016/j.addicn.2025.100224 PMID:40860850	综述	本文综述了精神兴奋剂与阿片类药物自我给药行为差异的神经行为证据，并探讨了微型显微镜钙成像和深度学习辅助行为分析在进一步研究中的应用	提出精神兴奋剂和阿片类药物在奖励相关脑区（如伏隔核）可能由不同神经群体编码的观点，并引入微型显微镜和深度学习结合的新方法	未提供实验数据，仅基于文献综述，缺乏直接实证支持	探讨精神兴奋剂与阿片类药物自我给药行为的神经行为差异，并评估两种实验方法的适用性	精神兴奋剂与阿片类药物自我给药行为相关的神经活动以及行为特征	神经科学	物质使用障碍	钙成像	深度学习模型	图像	NA	NA	NA	NA	NA
2538	2026-08-11	Deep Learning Prediction and Interpretation of Riverine Nitrate Export Across the Mississippi River Basin 2025-Aug-09, Water resources research IF:4.6Q1 DOI:10.1029/2024WR039207 PMID:40948694	研究论文	本研究开发了一种长短期记忆模型，利用美国本土高频传感器数据预测每日河流硝酸盐浓度，并应用于密西西比河流域，评估了硝酸盐输出及其驱动因素	首次将深度学习与可解释的Shapley值相结合，用于密西西比河流域硝酸盐输出的时空预测和驱动因素分析，识别了关键空间驱动因素及其非线性阈值	空间验证性能较低，尤其是在未监测流域，表明数据缺口对预测精度有显著影响	提高河流硝酸盐浓度的时空预测精度，并揭示其驱动因素和遗留氮的影响，为密西西比河流域的养分管理提供信息	密西西比河流域的河流硝酸盐浓度及其输出	机器学习	环境科学	高频传感器监测	长短期记忆网络	时间序列数据	美国本土多个监测站点的每日硝酸盐浓度数据，具体数量未提及	未提及	长短期记忆网络	KGE系数	未提及
2539	2026-08-11	O-GEST: Overground gait events detector using b-spline-based geometric models for marker-based and markerless analysis 2025-08, Journal of biomechanics IF:2.4Q3 DOI:10.1016/j.jbiomech.2025.112803 PMID:40516373	研究论文	本文介绍了一种基于B样条几何模型的自动算法O-GEST，利用运动学数据检测地面行走中的步态事件，适用于有标记和无标记分析，并在健康和病态步态数据上进行了验证	提出了使用B样条几何模型来表示足部标志物的水平轨迹，并结合步态相关阈值和最优系数进行事件检测，无需力台即可实现高精度步态事件检测，支持多种病理类型，且能处理噪声轨迹和缺失标志物	未在文中明确提及局限性信息	开发一种无需力台即可准确检测步态事件的算法，以提高无力量平台环境（特别是无标记步态分析）中步态分析的准确性和可靠性	步态事件（足触地和足离地）及其时空参数，研究对象涵盖健康个体和多种病理人群（髋骨关节炎、中风、帕金森病、脑瘫）	生物医学工程、步态分析	髋骨关节炎、中风、帕金森病、脑瘫	运动学数据采集，基于B样条几何模型的事件检测	B样条几何模型	运动学轨迹数据（足部标志物）和力台数据（作为参考）	390名受试者的步态数据，包括200名健康者、100名单侧髋骨关节炎患者、50名中风幸存者、26名帕金森病患者和14名脑瘫儿童	NA	B样条曲线	时序差异（毫秒）	NA
2540	2026-08-11	Comparative analysis of statistical and deep learning-based multi-omics integration for breast cancer subtype classification 2025-07-01, Journal of translational medicine IF:6.1Q1 DOI:10.1186/s12967-025-06662-5 PMID:40598554	研究论文	本研究对960例乳腺癌患者样本进行多组学整合分析，比较统计方法MOFA+和深度学习方法MOGCN在乳腺癌亚型分类中的表现，发现MOFA+在特征选择方面更优，并识别出相关关键通路。	首次系统比较统计和深度学习多组学整合方法在乳腺癌亚型分类中的性能，并整合宿主转录组、表观基因组和宏基因组三种组学数据。	未提供具体计算资源消耗和模型训练时间比较，且仅使用单一乳腺癌数据集，泛化性需进一步验证。	评估不同多组学整合方法在乳腺癌亚型分类中的性能，提升亚型预测精度。	960例乳腺癌患者样本，包含转录组、表观基因组和宏基因组三种组学数据。	机器学习, 数字病理学	乳腺癌	多组学测序（转录组、表观基因组、宏基因组）	深度学习方法（MOGCN）和统计模型（MOFA+）	基因组数据	960例乳腺癌患者样本	未指定	未指定（MOGCN可能基于图卷积网络）	F1分数	未指定