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
241	2026-08-14	EvoApneaFormer: an IoT and prognostic evolutionary deep learning-based framework for real-time multi-event sleep apnea disorder detection and remote monitoring 2026, Frontiers in bioengineering and biotechnology IF:4.3Q2 DOI:10.3389/fbioe.2026.1755071 PMID:42367379	研究论文	提出一种基于物联网和进化深度学习框架EvoApneaFormer的实时多事件睡眠呼吸暂停障碍检测与远程监测系统	结合动态自注意力与神经进化优化，实现跨异构生物信号的自适应学习，并在低功耗边缘硬件上部署	主要在特定数据集和有限样本上验证，真实世界测试规模较小	开发非侵入性、可扩展的睡眠呼吸暂停检测与远程监测方案，克服传统多导睡眠监测的高成本和局限性	睡眠呼吸暂停患者	机器学习	睡眠呼吸暂停	NA	Transformer	生物信号数据（ECG、SpO2、呼吸努力、运动数据）	86例患者（UCD数据库25例，ApneaSense临床数据集61例）	TensorFlow	Transformer	准确率、精确率、召回率、F1分数、AUC	Raspberry Pi 4，TensorFlow Lite量化
242	2026-08-14	Artificial intelligence for postpartum hemorrhage: a systematic review 2026, Frontiers in global women's health DOI:10.3389/fgwh.2026.1806220 PMID:42367614	系统综述	对基于人工智能的产后出血预测模型进行了系统综述，涵盖临床应用、数据源、预测目标、验证策略及研究质量	更新至2025年的系统综述，采用改良QUADAS-2工具专门评估AI模型质量，并分析传统机器学习、深度学习和LLM方法等多样建模策略	存在偏倚风险，主要受限于回顾性、封闭数据集、异质性结果定义及有限的外部验证	系统性综合AI用于PPH预测的证据，评估其临床应用、数据来源、预测目标、验证策略及研究质量	2015至2025年间发表的33项AI预测产后出血相关研究	机器学习	产后出血	人工智能	包括经典机器学习、深度学习、基于LLM的模型	临床数据（回顾性数据，封闭数据集）	33项研究	NA	NA	NA	NA
243	2026-08-14	Deciphering immune-inflammatory dysregulation in the endometriotic microenvironment: insights from single-cell omics and artificial intelligence 2026, Frontiers in immunology IF:5.7Q1 DOI:10.3389/fimmu.2026.1848643 PMID:42367786	综述	本文综述了单细胞组学和人工智能在解析子宫内膜异位症微环境中免疫炎症失调方面的最新进展，包括免疫细胞异质性、功能障碍、生物标志物发现和药物重定位等。	结合单细胞组学（如scRNA-seq、空间转录组学、CyTOF）与人工智能/机器学习技术，系统总结了在子宫内膜异位症微环境中免疫细胞亚群、细胞间通讯及药物靶点识别的创新性发现，并探讨了单细胞基础模型和大语言模型的应用。	临床转化仍受限于数据整合复杂性、模型可解释性及验证不足等实际挑战。	总结单细胞组学与人工智能在揭示子宫内膜异位症免疫炎症失调机制、辅助生物标志物发现及药物重定位方面的研究进展和限制。	子宫内膜异位症患者异位病灶微环境中的免疫细胞，包括巨噬细胞、自然杀伤细胞、T细胞、B细胞、树突状细胞和肥大细胞。	数字病理学，单细胞组学，人工智能	子宫内膜异位症	单细胞RNA测序，空间转录组学，质谱流式细胞术，多组学整合	单细胞基础模型，深度学习，大型语言模型	单细胞转录组数据，空间转录组数据，质谱流式细胞术数据，文本数据	不适用	不适用	单细胞基础模型，大型语言模型	不适用	不适用
244	2026-08-14	ZDAM: a new deep learning model for bean leaf disease diagnosis 2026, Frontiers in plant science IF:4.1Q1 DOI:10.3389/fpls.2026.1842022 PMID:42368544	研究论文	提出一种基于改进ZFNet和双重注意力机制的深度学习模型ZDAM，用于豆叶病害诊断，平均识别准确率达99.02%	改进ZFNet并集成通道与空间双重注意力机制，以及残差模块	未提及具体局限性	开发一种高精度、可扩展的自动化豆叶病害诊断方法，以支持农业增产和产后质量保持	豆叶图像，包括健康叶片和四种病害（叶霉病、锈病、花叶病、白斑病）	计算机视觉	植物病害	图像分类	CNN（卷积神经网络）	图像	11,903张豆叶图像	NA	ZFNet（改进型）	准确率	NA
245	2026-08-14	Artificial Intelligence for Breast Cancer Molecular Subtype Prediction From Medical Imaging: A Systematic Review of Literature 2026 Jan-Dec, Technology in cancer research & treatment IF:2.7Q3 DOI:10.1177/15330338261465062 PMID:42500935	综述	本综述系统评估了基于医学影像的人工智能预测乳腺癌分子亚型的研究，并分析了其方法学严谨性、偏倚风险和临床转化潜力	采用AI适应的QUADAS框架评估现有研究的偏倚风险，并强调标准化报告与外部验证的重要性	仅9项研究被判定为低偏倚风险，高或不清楚偏倚的研究数量多，且缺乏外部验证和标准化数据集	系统梳理并评价人工智能在医学影像中预测乳腺癌分子亚型的现有研究，并探讨其临床可转化性	乳腺癌分子亚型（Luminal A、Luminal B、HER2阳性、三阴性）的预测方法	医学影像分析	乳腺癌	动态对比增强磁共振成像（DCE-MRI）、超声成像	机器学习模型，深度学习架构	医学图像	纳入626篇文献，其中76篇全文评估，最终9项低偏倚风险研究	不适用	放射组学模型，深度学习架构	不适用	不适用
246	2026-08-14	Multi-Scale Meets Active Learning: A Deep Graph Fusion Paradigm for Hyperspectral Image Classification 2026, IEEE transactions on image processing : a publication of the IEEE Signal Processing Society IF:10.8Q1 DOI:10.1109/TIP.2026.3715847 PMID:42519867	研究论文	提出了一种新的深度融合范式DFS G，用于高光谱图像分类，结合多尺度超像素图和主动学习，以解决样本稀缺下的过拟合和过平滑问题	首次将多尺度图融合（图级和特征级）与主动学习相结合，提出重新分割的图校正模块和迭代更新机制，形成共生框架DFS G-AL	未明确提及，但可能面临多尺度图构建和主动学习迭代的计算复杂度，以及依赖图像质量	提高小样本条件下高光谱图像分类的性能，充分利用未标记样本和多尺度信息	高光谱图像分类任务，涉及五个真实高光谱图像数据集	机器学习	不适用	图像处理	图神经网络	图像	五个高光谱图像数据集	PyTorch	图神经网络、多尺度图融合	准确率、总体精度、平均精度、Kappa系数	不适用
247	2026-08-14	Robust Sleep Behavior Monitoring Under Motion Artefacts via Motion-Conditioned Learning 2026, IEEE transactions on neural systems and rehabilitation engineering : a publication of the IEEE Engineering in Medicine and Biology Society IF:4.8Q1 DOI:10.1109/TNSRE.2026.3715694 PMID:42479506	研究论文	本文提出了一种基于运动条件学习的多模态传感框架，用于在运动伪影下实现稳健的睡眠行为监测，通过可穿戴智能喉带同步采集生理微振动和运动动态，并利用运动条件深度学习架构MoCo Net实现自适应表征学习，在24名受试者的数据集上验证了其有效性	提出了运动条件深度学习架构MoCo Net，利用惯性运动嵌入通过特征级线性调制（FiLM）调节应变特征提取，实现在不同运动状态下的自适应表征学习，显著优于仅依赖应变传感的方法	仅基于24名受试者的数据集进行评估，样本量有限，可能影响泛化性；研究主要集中在颈部区域，对其他身体部位的适用性有待验证	开发一种能在运动伪影环境下稳健进行睡眠行为分类的可穿戴多模态传感框架	24名参与者的睡眠行为，包括呼吸和上气道活动等四种与睡眠相关的行为	可穿戴传感、深度学习	不适用（NA）	纺织应变传感、惯性传感	深度学习（具体为MoCo Net，可能基于CNN或类似架构）	生理微振动信号、运动动态信号（应变传感数据和惯性数据）	24名参与者，93.6小时的穿戴记录，33,702个带注释的信号片段	未明确指定（NA）	MoCo Net（特征级线性调制FiLM）	分类准确率	未明确指定（NA）
248	2026-08-14	Knowledge, attitudes, and practices toward artificial intelligence among health sciences students: A cross-sectional study in Palestine 2026, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0352785 PMID:42361129	研究论文	本研究评估了巴勒斯坦某大学健康科学专业学生在2024-2025学年对人工智能的知识、态度和实践情况。	针对资源有限的教育环境中健康科学学生的人工智能知识、态度和实践进行全面评估，并分析正式培训对知识、态度和实践的影响。	研究仅在一所巴勒斯坦大学进行，样本可能不具有普遍性；数据通过自我报告问卷收集，可能存在偏差。	评估健康科学学生对人工智能的知识、态度和实践，为课程开发提供参考。	巴勒斯坦某大学的健康科学专业本科生，包括护理、医学和健康科学以及牙科专业的学生。	教育研究、健康科学、人工智能应用	不适用	问卷调查	不适用	横断面调查数据	666名本科生	不适用	不适用	准确率、均值、标准差、t检验、方差分析、效应量（Cohen's d和η²）	不适用
249	2026-08-14	CoNutriNet: a dual-branch architecture with DenseNet and graph-enhanced attention network for coffee nutrient deficiency classification 2026, Frontiers in plant science IF:4.1Q1 DOI:10.3389/fpls.2026.1827047 PMID:42368524	研究论文	本文介绍了一种名为CoNutriNet的深度学习架构，用于咖啡叶营养缺乏分类，结合了DenseNet121和图增强注意力网络。	创新点在于提出双分支架构CoNutriNet，整合DenseNet121与新型图增强注意力特征网络（GEAFNet），利用Inception、Ghost和ECA模块捕捉局部细粒度特征，并通过图卷积网络建模空间依赖关系，以提升分类性能。	文中未明确提及局限性。	旨在实现咖啡植物营养缺乏的自动检测，以支持精准农业和提高产量。	咖啡叶的营养缺乏分类。	计算机视觉, 数字病理学（？可能不适用，但根据内容，应是植物图像分类）	营养缺乏症（针对作物）	深度学习图像分类	CNN（卷积神经网络）	图像	CoLeaf数据集（未给出具体样本数）	NA	DenseNet121, Inception, Ghost, ECA, GCN, CA	准确率	NA
250	2026-08-14	Accuracy and Functional Performance of Artificial Intelligence-Based Automated Crown Design Systems: A Systematic Review and Meta-Analysis 2026, Biomedical engineering and computational biology IF:2.3Q3 DOI:10.1177/11795972261463709 PMID:42368773	系统综述与荟萃分析	本系统综述与荟萃分析评估了人工智能驱动的自动牙冠设计系统在形态精度、功能整合、内部适配和工作流程效率方面的表现，并与传统计算机辅助设计或技师工作流程进行了比较	系统性地比较了多种人工智能技术（包括机器学习、深度学习、生成对抗网络和扩散模型）在牙冠设计中的应用，并整合了形态精度、功能整合和工作流程效率等多维度结果，揭示了人工智能系统在提高效率和标准化结果方面的潜力	现有证据主要来自体外和计算研究，缺乏前瞻性临床验证，患者特异性动态咬合数据整合有限，长期随访证据不足	评估人工智能辅助牙冠设计系统相对传统计算机辅助设计或技师驱动工作流程在形态精度、功能整合、内部适配和工作流程效率方面的性能	人工智能驱动的自动牙冠设计系统，包括基于机器学习、深度学习、生成对抗网络和扩散模型的系统	数字病理学	口腔疾病	人工智能辅助设计	机器学习、深度学习、生成对抗网络、扩散模型	图像	17项研究（其中13项纳入定量合成）	未提及	生成对抗网络、扩散模型	均方根偏差、标准化均差、p值	未提及
251	2026-08-14	Federated learning framework for medical image analysis with perspective-aware contrastive and mixture of experts 2026, Frontiers in artificial intelligence IF:3.0Q2 DOI:10.3389/frai.2026.1807248 PMID:42369006	研究论文	提出了一种名为FedPAC-ME的联邦学习框架，用于医学图像分析，通过集成视角感知对比学习和专家混合架构来应对数据异质性和不平衡问题	引入了多视角增强（MPA）来模拟多样临床视角，以及视角感知对比模块（PACM）来对齐跨模态和跨客户端表示；采用专家混合路由层动态分配专家以适应客户端特定数据分布，并设计了视角感知对比损失（PACL）以增强跨视图一致性	文中未明确提及局限性，但可推断在真实临床环境中的计算开销和部署复杂性可能较高	开发一种能够在分布式数据、有限标注和异质临床环境中提升泛化能力和隐私保护的联邦学习框架，用于医学图像分析	医学图像，特别是脑肿瘤分割图像（使用BraTS2020多机构数据集）	数字病理学	脑肿瘤	联邦学习、对比学习	专家混合（MoE）、对比学习模型	医学图像（MRI）	BraTS2020多机构脑肿瘤分割数据集，具体样本数未在摘要中提供	NA（未在摘要中指定）	专家混合（MoE）架构、视角感知对比模块（PACM）	准确率（98.80%）	NA（未在摘要中提供）
252	2026-08-14	Deep learning prediction of chemo-immunotherapy response using tumor perfusion ultrasound images 2026, Frontiers in artificial intelligence IF:3.0Q2 DOI:10.3389/frai.2026.1805416 PMID:42369008	research paper	开发了一种基于对比增强超声图像的深度学习框架，用于预测小鼠模型中肿瘤对化学免疫疗法的反应	利用对比增强超声图像结合卷积神经网络预测癌症治疗反应，并引入合成数据解决类别不平衡问题	研究基于小鼠模型，类别不平衡问题仍未完全解决，稳定类别的准确性相对较低	评估对比增强超声成像作为预测癌症治疗反应的成像生物标志物，并探索合成数据增强模型性能的潜力	乳腺癌、纤维肉瘤和黑色素瘤的小鼠模型肿瘤	医学影像分析	乳腺癌、纤维肉瘤、黑色素瘤	对比增强超声成像	卷积神经网络	超声图像	587张治疗前对比增强超声图像，包括175个响应病例、136个稳定病例和276个非响应病例	NA	CNN	准确率	NA
253	2026-08-14	Unified Brain Surface and Volume Registration 2026, ... International Conference on Learning Representations PMID:42433295	研究论文	提出了一种名为NeurAlign的深度学习框架，通过统一体素和表面表示来联合配准大脑皮质和皮层下区域，实现一致的解剖对齐	提出一种统一的体素-表面配准方法，利用中间球面坐标空间桥接解剖表面拓扑与体素解剖，并整合球面配准学习确保几何一致性	未在摘要中明确提及局限性	开发一种联合皮质和皮层下配准的深度学习框架，提高配准准确性和效率	3D脑部MRI扫描中的皮质和皮层下区域	计算机视觉	NA	MRI	深度学习模型	3D脑部MRI图像	未在摘要中明确提及（实验中使用了域内和域外数据集）	未在摘要中明确指定	NeurAlign架构（具体子架构未在摘要中说明）	Dice分数	未在摘要中明确提及（但提到比标准方法快数个数量级）
254	2026-08-13	The mediating role of self-efficacy between time management disposition and deep learning ability among undergraduate nursing students: A cross-sectional study 2026-Nov, Nurse education today IF:3.6Q1 DOI:10.1016/j.nedt.2026.107198 PMID:42242111	研究论文	一项横断面研究，探讨护理本科生的深度学习能力现状及其影响因素，并验证自我效能在时间管理倾向与深度学习能力之间的中介作用	首次在护理本科生中验证自我效能在时间管理倾向与深度学习能力之间的中介作用，揭示了其部分中介效应占总效应的41.41%	采用便利抽样且样本仅来自一所医学院校，可能存在选择偏倚，且为横断面设计无法推断因果关系	调查护理本科生深度学习能力水平及其影响因素，并探讨自我效能在时间管理倾向与深度学习能力之间的中介机制	238名全日制护理本科生	护理教育	不适用	量表调查	PROCESS宏（模型4）	问卷数据	238名护理本科生	PROCESS宏	PROCESS宏模型4	β系数、95%置信区间、解释方差（R²=66.2%）	NA
255	2026-08-13	Sensitivity gains under theoretical AI assistance in paediatric elbow fracture detection: a methodological concern and clinical implications 2026-10, European journal of radiology IF:3.2Q1 DOI:10.1016/j.ejrad.2026.113031 PMID:42364540	信件	本文讨论Da Costa等人关于深度学习辅助儿童肘部骨折检测研究的方法学问题，指出其回顾性设计及理论OR规则的局限性	对既有研究的敏感度提升进行方法学质疑，强调敏感度提升与阈值降低的混淆，并指出孤立关节积液对结果的贡献	未提供新实验结果，仅基于对他人研究的批判性分析	评估AI辅助儿童肘部骨折检测的敏感度增益的可靠性及临床转化前景	儿童肘部骨折检测中的AI辅助诊断	医学影像分析	儿童肘部骨折	深度学习	人工智能安全网模型	回顾性影像数据	NA	NA	NA	敏感度、特异性、阳性预测值	NA
256	2026-08-13	Diagnosis and classification of thalassemia disease using machine learning: Comparative analysis of traditional models and a novel hybrid approach 2026-Sep, Technology and health care : official journal of the European Society for Engineering and Medicine IF:1.4Q3 DOI:10.1177/09287329261448689 PMID:42220235	研究论文	本研究探讨了机器学习算法在地中海贫血及其亚型分类中的应用，并提出了一种新型混合堆叠模型ThalP，该模型在真实临床数据集上表现出较高的分类性能。	提出了一种名为ThalP的混合堆叠模型，该模型通过神经网络元分类器整合SVM、LR和XGBoost的概率输出，以提高地中海贫血亚型分类的准确性。	训练数据为基于真实临床数据统计特性生成的合成数据集，可能与真实数据的复杂性存在差异，且模型性能仅在单一中心的数据集上验证。	评估机器学习算法在地中海贫血及其亚型分类中的辅助诊断能力，并开发一种有效的混合模型作为决策支持工具。	地中海贫血患者，包括α-地中海贫血和β-地中海贫血（轻型、中间型和重型）的临床血液学参数。	机器学习	地中海贫血	临床血液学参数分析	支持向量机、逻辑回归、XGBoost、人工神经网络、混合堆叠模型	结构化临床数据	合成训练数据集1534例，真实外部数据集349例患者	NA	SVM、LR、XGBoost、ANN、ThalP（混合堆叠架构）	准确率、宏平均F1分数	NA
257	2026-08-13	A Unified Deep Learning Framework for Instance Segmentation Across Diverse Cytological Stains 2026-Sep, Cytopathology : official journal of the British Society for Clinical Cytology IF:1.2Q3 DOI:10.1111/cyt.70087 PMID:42115786	研究论文	评估单个实例分割模型是否能在多种细胞学染色（Papanicolaou、Feulgen、AgNOR）中稳健运行，避免特定染色流程而不损失准确性	首次验证统一的多染色模型在细胞学实例分割中的可行性，表明统一训练可匹配或超越特定染色模型，并改善边界精度	未提供关于模型计算资源、训练时间或泛化到其他染色类型的详细信息	评估单一实例分割模型在多种细胞学染色中的稳健性，支持统一多染色、可扩展的AI辅助细胞病理学路径	来自Papanicolaou、Feulgen和AgNOR染色的细胞学图像，包含三个专家注释数据集	计算机视觉、数字病理学	不适用（细胞学染色，未指定特定疾病）	不适用（使用深度学习模型，非特定测序技术）	Mask R-CNN、Mask2Former、YOLO11n、YOLO12n	图像（细胞学染色图像）	未提供具体样本数量（三个专家注释数据集）	不适用（未在标题或摘要中指定）	Mask R-CNN、Mask2Former、YOLO11n、YOLO12n	AP50、AP75	不适用（未在标题或摘要中指定）
258	2026-08-13	V2-Former: Towards volumetric framework for instance-level segmentation and prediction of fetal ventriculomegaly in anisotropic MRI 2026-Sep, Medical image analysis IF:10.7Q1 DOI:10.1016/j.media.2026.104219 PMID:42480342	研究论文	提出了V2-Former，一个用于胎儿脑室增大（VM）各向异性MRI中的实例级分割和预测的体积极框架，结合查询式Transformer范式，实现脑室特异性预测和全面体积评估	首次提供端到端解决方案，同时实现脑室特异性预测和体积评估，并引入各向异性感知模块（AAM）和脑室诊断增强（VDE）策略	未明确提及局限性	提高胎儿脑室增大的产前诊断准确性，通过结合3D形态学线索和临床工作流程实现综合评估	胎儿脑室增大的MRI扫描数据	计算机视觉, 数字病理学	胎儿脑室增大	MRI成像	Transformer	图像	384个胎儿MRI扫描	NA	未指定具体架构，但提及查询式Transformer范式	综合性能指标	NA
259	2026-08-13	Artificial intelligence-based methods and applications in clinical and diagnostic microbiology: Current challenges and future perspectives 2026-Sep, Journal of microbiological methods IF:1.7Q4 DOI:10.1016/j.mimet.2026.107638 PMID:42492779	综述	本文全面评估了人工智能在临床和诊断微生物学中的应用，涵盖其优势、局限性及实施挑战，并比较了人工智能驱动方法与常规专家实践的差异	系统比较不同人工智能方法在特定实验室任务中的适用性，并强调人工智能系统与人类专业知识的互补协同作用	未提及具体限制	评估人工智能在微生物学诊断中的当前应用，探讨其优势、局限和实施挑战，并强调人工智能与人类专家的互补作用	人工智能技术在微生物实验室诊断、基因组学、宏基因组学、耐药性预测及药物和疫苗发现中的应用	机器学习	传染病	NA	机器学习、深度学习	NA	NA	NA	NA	NA	NA
260	2026-08-13	HFG-Net: high-frequency guided multi-view graph convolution and dynamic spatio-temporal fusion for ASD diagnosis 2026-Aug-12, Journal of neural engineering IF:3.7Q2 DOI:10.1088/1741-2552/ae9190 PMID:42520836	研究论文	提出HFG-Net，一种高频引导的多视图图卷积和动态时空融合框架，用于基于脑电图的自闭症谱系障碍诊断。	引入通道-时间多尺度注意力机制、高频引导的多视图图构建策略和动态协同融合模块，以捕捉非欧几里得拓扑异常并适应个体差异。	未明确说明局限性，但可能受限于单中心数据和小样本量。	开发一种稳健、自适应且可解释的脑电图诊断框架，以解决时空建模和异质性适应的挑战。	120名受试者（包括自闭症谱系障碍患者和对照组）的临床脑电图数据。	机器学习、数字病理学（基于脑电图的诊断）	自闭症谱系障碍	脑电图信号分析（包括频带提取）	图卷积网络（GCN）	脑电图信号	120名受试者的临床数据集	PyTorch	多视图图卷积网络（基于图卷积的架构）	准确率、F1分数	未提及具体硬件，但可能使用标准GPU（未提供详细信息）