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
2741	2026-07-05	Detection of benign prostatic hyperplasia using RGB prostate images and deep learning 2026-May-02, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-50580-5 PMID:42069861	研究论文	利用RGB前列腺组织病理图像和深度学习检测良性前列腺增生	将CNN与BiLSTM结合，并引入空间和时间注意力机制，同时采用自适应对比度受限直方图均衡化增强组织可见性	检测良性前列腺增生的召回率较低，灵敏度不足	评估深度学习模型在RGB前列腺组织病理图像中识别良性前列腺增生的能力	前列腺组织RGB图像	数字病理学	良性前列腺增生	组织病理图像染色	CNN-BiLSTM-注意力	图像	176张前列腺图像	PyTorch	CNN, BiLSTM	AUC, 精确率, 召回率	NA
2742	2026-07-05	Segmentation of spinal rootlets across MRI contrasts with RootletSeg 2026-May-02, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-49164-0 PMID:42069899	研究论文	开发了一种名为RootletSeg的深度学习方法，用于在不同MRI对比度图像上自动分割C2-T1脊髓神经根	首次实现跨MRI对比度（T2加权和T1加权）的脊髓神经根自动分割，模型开源并支持多种下游分析	NA	开发深度学习方法实现对MRI扫描图像中脊髓神经根的自动分割，用于脊髓水平估计、病变分类和神经调控治疗	C2-T1脊髓背根和腹根神经根	数字病理	神经系统疾病	NA	深度学习模型	图像	93次MRI扫描，来自50名健康成年人（平均年龄28.70岁，标准差6.53；男性28名占56%，女性22名占44%）	NA	NA	Dice系数	NA
2743	2026-07-05	AdaptMol: domain adaptation for molecular image recognition with limited supervision 2026-May-02, Journal of cheminformatics IF:7.1Q1 DOI:10.1186/s13321-026-01209-2 PMID:42070053	research paper	本文提出了一种名为AdaptMol的图像到图模型，用于光学化学结构识别，实现了从合成数据到手绘分子图像的有效迁移，无需目标域的手动图注释	提出了AdaptMol图像到图模型，结合类条件最大均值差异对齐跨域的键特征，并引入全面的数据增强策略，共同提高基线模型准确性以支持自训练，同时提出双位置表示减少原子定位的假阳性	NA	实现从合成数据到真实手绘分子图像的有效域迁移，提高光学化学结构识别的泛化能力	分子图像中的化学结构识别	computer vision	NA	NA	CNN	image	未明确说明样本数量	NA	ResNet	accuracy	NA
2744	2026-07-05	Deep learning-based automatic scoring of drug-induced sleep endoscopy in obstructive sleep apnea 2026-Apr-28, NPJ digital medicine IF:12.4Q1 DOI:10.1038/s41746-026-02673-8 PMID:42050026	研究论文	利用深度学习模型自动评分阻塞性睡眠呼吸暂停患者的药物诱导睡眠内镜检查结果	首次开发基于EfficientNet-B2和注意力多实例学习的深度学习模型，用于自动预测气道阻塞程度和原因，在多个医院数据集上进行内部和外部验证	研究未提及模型的潜在局限性，如对特定人群的泛化能力或计算资源需求	开发客观、可重复的深度学习模型，以提高药物诱导睡眠内镜检查结果的临床可用性	阻塞性睡眠呼吸暂停患者的气道阻塞程度和原因	计算机视觉	阻塞性睡眠呼吸暂停	药物诱导睡眠内镜检查	卷积神经网络	视频	来自五家韩国医院的1904名患者	PyTorch	EfficientNet-B2, 注意力多实例学习	F1分数	NA
2745	2026-07-05	Enabling ankle-brachial index prediction from doppler sounds using deep learning 2026-Apr-09, NPJ cardiovascular health DOI:10.1038/s44325-026-00116-7 PMID:41957436	研究论文	介绍AutoABI，一种基于深度学习的算法，通过分析多普勒声音直接分类踝臂指数类别，提升外周动脉疾病评估的可及性和可靠性	首次利用深度学习从多普勒声音中直接预测踝臂指数类别，并能在钙化、不可压缩胫动脉患者中有效工作，克服传统ABI测量的局限性	数据集规模有限（791条录音来自198名患者），可能影响模型的泛化能力和在更广泛人群中的表现	开发一种可及性高的点检踝臂指数评估方法，通过深度学习分类多普勒声音以辅助外周动脉疾病诊断	外周动脉疾病患者的循环系统多普勒声音	机器学习	外周动脉疾病	多普勒超声	深度学习算法	音频	791条录音来自198名患者	NA	NA	受试者工作特征曲线下面积	NA
2746	2026-07-05	Responsible Use of Artificial Intelligence to Improve Kidney Care: A Statement from the American Society of Nephrology 2026-Apr-01, Journal of the American Society of Nephrology : JASN IF:10.3Q1 DOI:10.1681/ASN.0000000929 PMID:41201255	评论	美国肾脏病学会关于负责任使用人工智能改善肾脏护理的声明，提供了AI在肾病学中应用的框架和指导原则	提出以患者利益优先、临床医生监督和推动高负担疾病领域创新为核心的基础原则，并强调医生始终参与决策和以患者受益为目标	仅提供框架性指导，未详细讨论具体技术实现或验证案例	为负责任地使用人工智能改善肾脏护理提供框架和实用指导	肾脏护理中的AI应用，包括预测分析、机器学习、深度学习和生成式AI技术	机器学习	肾病	NA	NA	NA	NA	NA	NA	NA	NA
2747	2026-07-05	Deep language model-based early recognition of out-of-hospital cardiac arrest from real-time emergency calls 2026-Mar-03, NPJ digital medicine IF:12.4Q1 DOI:10.1038/s41746-026-02498-5 PMID:41775831	研究论文	开发了一种动态深度学习模型（DyLM-OHCA），用于从实时紧急呼叫中早期识别院外心脏骤停	基于深度语言模型捕获临床有意义的对话模式，超越简单的关键词识别，提供实时、上下文感知且可解释的风险评估	依赖特定地区（韩国三个大都市区域）的紧急呼叫数据，可能影响模型在其他地区的泛化能力；未明确提及计算资源或模型在资源受限环境中的部署可行性	早期识别院外心脏骤停，提升紧急调度员的决策信心和应对效率	院外心脏骤停患者的紧急呼叫语音转录文本	自然语言处理	心血管疾病	深度语言模型（动态深度学习模型）	动态深度学习模型（DyLM-OHCA）	文本（紧急呼叫转录）	158,973份紧急呼叫转录，来自三个韩国大都市区域	NA	DyLM-OHCA	AUROC, AUPRC	NA
2748	2026-07-05	Deep learning-based basilar artery wall and lumen segmentation from 1-mm MR vessel wall imaging 2026-Mar-03, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-42847-8 PMID:41775953	研究论文	利用1毫米磁共振血管壁成像结合深度学习模型进行基底动脉壁和管腔分割	首次使用1毫米MR-VWI协议结合预训练Mask-RCNN模型自动分割基底动脉壁和管腔，量化其形态特征	模型在测量动脉壁厚度时与专家评分一致性较差（ICC<0.5），且样本量较小（仅36名患者）	探究基底动脉形态，评估1毫米MR-VWI在椎基底动脉循环中的有效性	基底动脉的管腔直径和壁厚度	计算机视觉	后循环疾病	1毫米磁共振血管壁成像	Mask-RCNN	图像（磁共振血管壁成像数据）	36名患者（20名用于微调，6名用于验证，10名用于比较）	TensorFlow	Mask-RCNN	组内相关系数，交并比	NA
2749	2026-07-05	ETNeXt: integrated feature engineering and classification framework for BLDC motor fault detection 2026-Mar-03, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-37590-z PMID:41776220	研究论文	提出一种基于声学信号分析的轻量级自组织故障检测框架ETNeXt，用于无刷直流电机故障检测	提出基于多级离散小波变换与三元直方图特征生成的集成特征工程方法，结合NCA和卡方混合特征选择，实现轻量级高效故障检测	未提及模型在噪声干扰或多种故障叠加场景下的性能表现	开发一种轻量级、适合边缘部署的BLDC电机故障检测方法	无刷直流电机的轴承磨损和转子不平衡等电气与机械故障	机器学习	NA	声学信号分析	Fine k-NN, Cubic SVM	声学信号	基准数据集和独立测试数据集	NA	Fine k-NN, Cubic SVM	准确率	NA
2750	2026-07-05	Intrusion detection with HACDT-Net and TRBM-Net using a hybrid deep learning framework with enhanced sampling techniques 2026-Mar-03, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-41422-5 PMID:41772042	研究论文	结合混合深度学习框架与增强采样技术的入侵检测系统	提出两种混合深度学习模型HACTD-Net和TRBM-Net，并分别结合ADASYN-SMOTE、ENN和Borderline SMOTE-OSS等高级重采样技术，以解决类别不平衡问题并提升特征提取能力	未提及	通过集成深度学习模型与先进重采样技术，增强网络入侵检测性能，特别是针对少数类攻击类型	网络入侵检测系统（IDS）	机器学习	NA	NA	混合深度学习模型	网络流量数据	CICIDS2017和NF-BoT-IoT-v2数据集	NA	HACTD-Net（自编码器-CNN和Transformer-DNN混合）、TRBM-Net（1D-TCN-ResNet-BiGRU-多头注意力）	准确率、精确率、召回率、F1分数	NA
2751	2026-07-05	M[Formula: see text]DGAT: Multi-view multi-scale dynamic graph attention network(GAT) based prediction of Parkinson's disease(PD) progression using whole-blood RNA sequencing data 2026-Mar-02, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-40636-x PMID:41771960	研究论文	基于全血RNA测序数据，利用多视图多尺度动态图注意力网络预测帕金森病进展	提出了多视图多尺度动态图注意力网络（M^3DGAT），整合时间和空间视图，采用计数素描双线性融合策略，利用动态图表示编码疾病进展动态	单视图学习方案在分析复杂人脑疾病方面仍显不足	预测神经退行性疾病的进展轨迹	帕金森病患者的全血RNA测序数据	机器学习	帕金森病	RNA测序	动态图注意力网络（DGAT）	全血RNA测序数据	PPMI和PDBP队列	NA	M^3DGAT	预测准确性	NA
2752	2026-07-05	Integrated subcellular localization of functional fluorescence probes and functional analysis in motile spermatozoa by an AI-enhanced algorithm 2026-03-01, Asian journal of andrology IF:3.0Q1 DOI:10.4103/aja202545 PMID:40908796	研究论文	开发了一种结合YOLOv8架构和双探针荧光显微镜图像分割的集成计算成像平台，用于同时定量精子细胞内pH和线粒体DNA G-四链体	将精细调整的YOLOv8架构与双探针荧光显微镜图像分割相结合，实现自动定位荧光焦点并区分精子头部和主片的荧光信号，为男性不育症分子表型分析提供创新工具	未在摘要中明确提及	开发一个AI增强的计算成像平台，实现功能性荧光探针在活动精子中的亚细胞定位和功能分析，以改进男性不育症的分子诊断	活动精子细胞	计算机视觉	男性不育症	荧光显微镜、YOLOv8	YOLOv8	荧光显微镜图像	未在摘要中明确提及	PyTorch	YOLOv8	未在摘要中明确提及	未在摘要中明确提及
2753	2026-07-05	Artificial Intelligence in Critical Care Nephrology: Current Applications, Emerging Techniques, and Challenges to Clinical Integration 2026-Mar-01, Kidney360 IF:3.2Q1 DOI:10.34067/KID.0000001037 PMID:41148218	综述	总结人工智能在重症肾脏病学中的应用现状、新兴技术及临床整合面临的挑战	系统梳理了AI技术在重症肾脏病学中的当前应用与新兴方法（如共形预测、因果推断、强化学习及生成式AI），并提出了四项推进临床整合的优先事项	AI对患者中心结局（如死亡率、透析依赖性和成本效益）的影响仍不确定，且存在数据异质性、外部验证不足、警报疲劳及经济约束等障碍	评估AI在重症肾脏病学中的应用证据，并规划从技术开发到临床整合的路径	重症肾脏病学中的AI应用，包括急性肾损伤预测、肾毒性监测、透析中低血压预测、AI引导的透析及连续性肾脏替代治疗管理	机器学习	重症肾脏病	NA	机器学习、深度学习、强化学习、生成式AI	NA	NA	NA	NA	NA	NA
2754	2026-07-05	Unraveling sperm kinematic heterogeneity with machine learning 2026-03-01, Asian journal of andrology IF:3.0Q1 DOI:10.4103/aja202544 PMID:40791002	综述	综述机器学习在利用计算机辅助精子分析数据解析精子运动异质性方面的应用	系统综述了机器学习（包括监督与无监督学习）在精子运动参数分类和运动模式聚类中的应用，以揭示精子动力学异质性	该领域机器学习应用仍然有限，且CASA数据格式对传统统计方法构成挑战	探讨如何通过机器学习技术增强对精子运动异质性的理解，以推进生殖生物学和生育力评估	精子样本的运动动力学参数和轨迹数据	机器学习	NA	计算机辅助精子分析	机器学习模型	运动参数和轨迹数据	NA	NA	NA	NA	NA
2755	2026-07-05	Deep learning for fast screening and localization of spinal dural arteriovenous fistulas to enhance clinical workflow 2026-Feb-27, NPJ digital medicine IF:12.4Q1 DOI:10.1038/s41746-026-02474-z PMID:41760890	研究论文	开发一种结合3D卷积神经网络与解剖先验知识的自动化AI系统（SDAVFdoc），用于快速筛查和定位脊髓硬脊膜动静脉瘘（SDAVF），并在多中心研究中进行验证	首次将解剖先验知识与3D卷积神经网络相结合，用于SDAVF的自动筛查和定位，显著减少了处理时间（从40.75分钟降至1.05分钟）和操作点击次数（从761次降至9次）	未明确提及限制，可能包括对数据集依赖性强、在不同设备或中心间的泛化性需进一步验证	开发并验证一种自动化AI系统，以提高SDAVF检测的效率和准确性，优化临床工作流程	718名患者的脊髓CTA图像，用于训练和测试SDAVF检测和定位系统	医学影像分析、计算机视觉、深度学习	脊髓硬脊膜动静脉瘘	CTA成像	3D卷积神经网络（3D CNN）和DenseNet	图像（3D脊髓CTA图像）	718名患者	NA	3D CNN、DenseNet	F1分数（0.932-0.960）、AUC（0.928-0.954）	NA
2756	2026-07-05	FATE-MAP predicts teratogenicity and human gastrulation failure modes by integrating deep learning and mechanistic modeling 2026-Feb-19, Nature communications IF:14.7Q1 DOI:10.1038/s41467-026-69596-6 PMID:41714622	研究论文	FATE-MAP通过整合深度学习和机理建模预测致畸性和人类原肠胚形成失败模式	结合深度学习（Transformer）和偏微分方程（PDE）模拟形态发生素运输，创建了预测人类原肠胚形成失败模式的集成平台，并成功识别两个可能致畸的临床分子	未明确提及	阐明人类原肠胚形成失败模式，并加速安全治疗药物发现	人类2D原肠胚模型	机器学习	先天性畸形	高通量药物处理、深度学习、形态发生素建模	Transformer（深度学习）	图像（药物处理后的原肠胚表型）、化学结构数据	超过2000个药物处理的人类2D原肠胚	PyTorch	Transformer	NA	NA
2757	2026-07-05	A hierarchical interaction message net for accurate molecular property prediction 2026-Feb-14, Communications chemistry IF:5.9Q1 DOI:10.1038/s42004-026-01922-x PMID:41691119	research paper	提出一种分层交互消息网络（HimNet），通过分层注意力引导的消息传递实现原子、基序和分子级别的交互感知表示学习，用于精准分子属性预测	提出了分层交互消息传递机制（HI-MPM），通过注意力引导的分层消息传递实现多层级特征的有效交互，平衡全局与局部信息	NA	实现精准的分子属性预测，包括ADMET特性，以支持药物发现的早期决策	小分子化合物	machine learning	NA	NA	图神经网络、Transformer	分子结构数据	11个数据集，包括8个MoleculeNet基准数据集和3个高价值数据集	NA	分层交互消息网络（HimNet）	最佳或接近最佳性能	NA
2758	2026-07-05	Artificial intelligence-assisted assessment of metabolic response to tebentafusp in metastatic uveal melanoma: a long axial field-of-view [18F]FDG PET/CT study 2026-02, European journal of nuclear medicine and molecular imaging IF:8.6Q1 DOI:10.1007/s00259-025-07504-8 PMID:40913640	研究论文	评估人工智能辅助的[18F]FDG长轴向视野PET/CT在转移性葡萄膜黑色素瘤患者中对tebentafusp治疗代谢反应的可行性和预后价值	首次结合深度学习分割工具（RECOMIA平台）和AI辅助PERCIST 1.0标准，评估tebentafusp治疗的mUM患者的代谢反应，并验证其预后价值	样本量较小（仅15例患者），且ctDNA数据仅部分患者可用（8例），可能限制统计显著性	探讨AI辅助量化及代谢反应评估在tebentafusp治疗的mUM患者中的可行性和预后价值	转移性葡萄膜黑色素瘤（mUM）患者	数字病理学	葡萄膜黑色素瘤	PET/CT	深度学习	影像数据	15例转移性葡萄膜黑色素瘤患者	RECOMIA	深度学习分割工具（具体架构未指定）	总生存期，TMTV，TLG，PERCIST反应评估	NA
2759	2026-07-05	Habitat-aware radiomics and adaptive 2.5D deep learning predict treatment response and long-term survival in ESCC patients undergoing neoadjuvant chemoimmunotherapy 2026-02, European journal of nuclear medicine and molecular imaging IF:8.6Q1 DOI:10.1007/s00259-025-07522-6 PMID:40960691	研究论文	提出一个可解释的多模态框架，结合栖息地放射组学和自适应2.5D深度学习，预测食管鳞癌患者新辅助化学免疫治疗反应和长期生存	通过体素级栖息地放射组学定量描绘瘤内/瘤周异质性，结合2.5D深度学习模型和SHAP可解释性，识别耐药相关亚区域，实现可解释的双重诊断-预后分层	NA	开发可解释的多模态框架，预测食管鳞癌患者新辅助化学免疫治疗反应和长期生存	269例未经治疗的食管鳞癌患者，基线PET/CT数据	医学影像分析	食管鳞癌	PET/CT成像	CNN, 多实例学习, 集成学习	医学图像	269例食管鳞癌患者（训练集: 144例，验证集: 62例，测试集: 63例）	PyTorch, Scikit-learn	ResNet50, Crossformer	AUC, 灵敏度, 特异性, C指数, 校准曲线, 决策曲线分析	NA
2760	2026-07-05	Can artificial intelligence predict failure of non-invasive respiratory support in the neonatal unit? 2026-02, Seminars in fetal & neonatal medicine IF:2.9Q1 DOI:10.1016/j.siny.2025.101692 PMID:41290497	综述	探讨人工智能在新生儿重症监护室预测无创通气失败中的应用潜力	首次系统综述人工智能技术（包括深度学习和传统机器学习）在新生儿无创通气失败预测中的应用，强调深度学习模型的优越性	现有研究样本量小、缺乏外部验证，通用性和临床整合仍需多中心大样本研究验证	评估人工智能模型预测新生儿无创通气失败的准确性及临床实用性	新生儿重症监护室中接受无创通气治疗的早产儿	机器学习	新生儿呼吸系统疾病	NA	深度学习模型（多模态深度神经网络）、逻辑回归、支持向量机	临床数据（胎龄、血氧饱和度、最大吸入氧浓度等）	6项研究共纳入3421名婴儿	NA	多模态深度神经网络	受试者工作特征曲线下面积	NA