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
2881	2026-07-03	Image Quality and Diagnostic Performance of Accelerated T2-weighted Imaging of Prostate with Deep Learning Reconstruction: A Comparative Study 2026-Jul-01, Magnetic resonance in medical sciences : MRMS : an official journal of Japan Society of Magnetic Resonance in Medicine IF:2.5Q2 DOI:10.2463/mrms.mp.2025-0210 PMID:42021109	研究论文	比较基于深度学习重建的加速T2加权成像与传统T2加权成像在诊断性能上的非劣效性	首次评估深度学习重建算法加速T2加权涡轮自旋回波成像在保持与常规TSE相当的图像质量和诊断性能的同时，减少约60%的采集时间	单中心回顾性研究，样本量较小（60例），且未纳入外部验证队列	评估深度学习重建加速T2加权前列腺MRI的图像质量和诊断性能，并与传统成像方法比较	60例接受前列腺MRI检查的患者，所有患者均获取三种T2加权图像集（DLR-TSE、conv-TSE、non-DLR-TSE）	计算机视觉	前列腺癌	深度学习重建	深度学习重建模型	图像	60例患者	NA	深度学习重建网络	ROC曲线下面积, 敏感性, 特异性, 准确率, 加权卡帕统计量	NA
2882	2026-07-03	Engineering biomarker representations of vital signs data enhances deep learning mortality prediction 2026-Jul-01, Journal of the American Medical Informatics Association : JAMIA IF:4.7Q1 DOI:10.1093/jamia/ocag066 PMID:42068567	研究论文	使用双向长短期记忆模型预测住院患者死亡率，并比较不同生命体征数据处理方法的效果	通过将生命体征数据转化为生物标志物表示（扩展自PhysioZoo软件的数字血氧生物标志工具包），提升了深度学习模型的死亡率预测性能	未提及具体限制，可能包括数据集来源单一或模型泛化性需进一步验证	评估不同生命体征数据处理方法对深度学习模型预测住院患者死亡率的影响	ICU住院患者入院后24小时内的生命体征数据	machine learning	NA	NA	双向长短期记忆网络	时间序列生命体征数据（血压、心率、体温、呼吸频率、血氧饱和度）	两个大型ICU数据集（HiRID和eICU），具体样本量未提及	NA	双向长短期记忆网络	区分度、Brier分数	NA
2883	2026-07-03	Bioinspired Ultrastretchable Aramid Triboelectric Aerogels for Intelligent Vehicle Seat 2026-Jul, Advanced materials (Deerfield Beach, Fla.) DOI:10.1002/adma.73549 PMID:42212808	研究论文	受肌肉纤维定向结构启发，开发出一种超可拉伸芳纶摩擦电气凝胶，并用于智能车辆座椅的实时驾驶行为监测与振动反馈	首次利用程序化冰晶生长实现98%的取向拟合度（比传统冷冻铸造高2.6倍），使气凝胶达到539%的极限应变；首次在单一传感器界面中结合深度学习实现实时驾驶行为监测与振动反馈	未提及具体局限，但需注意有序结构在长期循环下的稳定性以及实际车辆环境中温度、湿度等因素对性能的影响	开发超可拉伸摩擦电气凝胶传感器，用于智能驾驶系统中不安全驾驶行为的识别与预警	超可拉伸芳纶摩擦电气凝胶及基于该材料的传感阵列	机器学习	NA	NA	深度学习	信号（摩擦电传感数据）	NA	NA	NA	应变（539%）、取向拟合度（98%）	NA
2884	2026-07-03	Telomere-to-telomere assembly using HERRO-corrected Nanopore Simplex reads 2026-Jul, Nature IF:50.5Q1 DOI:10.1038/s41586-026-10563-y PMID:42045451	研究论文	本文展示了利用深度学习框架HERRO校正纳米孔单链读段，实现端粒到端粒装配的方法	开发出基于深度学习的HERRO框架，仅用超长ONT单链读段即实现与PacBio HiFi或ONT双链读段相当的端粒到端粒装配质量，降低了成本和DNA需求量	未提及具体限制，可能涉及读长长度限制或对高质量参考基因组的依赖	实现经济高效的端粒到端粒基因组装配，仅使用校正后的ONT单链读段	人类二倍体基因组及其他物种基因组	机器学习	不适用	纳米孔测序（ONT，包括R9.4.1和R10.4.1化学试剂），深度学习错误校正	深度学习模型（HERRO框架）	纳米孔单链测序读段	多个人类基因组样本（具体数量未提及）	PyTorch（推测，HERRO框架基于深度学习）	HERRO框架（校正模型），Verkko装配器	NGA50（归一化基因组装配50值），读段准确度提升倍数（高达100倍）	不适用（未提及具体GPU或平台信息）
2885	2026-07-03	Achieving precise m6A RNA modification prediction from nanopore signals through integration with pre-trained foundation model 2026-Jul, International journal of biological macromolecules IF:7.7Q1 DOI:10.1016/j.ijbiomac.2026.152629 PMID:42162588	研究论文	提出NanoFM，一种结合RNA结构基础模型与纳米孔信号特征的深度学习预测器，实现精准的m6A RNA修饰预测	首次将RNA结构基础模型与原始纳米孔信号特征融合，克服了现有方法忽视RNA序列特征和结构影响的局限	NA	实现从纳米孔信号直接预测m6A RNA修饰，提高预测精度并降低假阳性率	m6A RNA修饰位点	机器学习	NA	纳米孔测序	深度学习	电信号	NA	NA	RNA结构基础模型	预测精度	NA
2886	2026-07-03	Automated detection and characterization of small cell lung cancer liver metastasis on computed tomography 2026-07-01, Diagnostic and interventional radiology (Ankara, Turkey) DOI:10.4274/dir.2025.253310 PMID:41049163	研究论文	提出一种基于CT影像自动检测和表征小细胞肺癌肝转移的计算方法	首次将深度学习分割与影像组学结合，基于神经内分泌相关基因表达谱对SCLC肝转移病灶进行分子表型分类	数据集规模有限（仅86例SCLC患者），且未提及模型泛化性验证及临床部署的可行性	开发AI辅助系统，通过影像组学特征预测SCLC肝转移的神经内分泌表型，以指导靶向治疗	小细胞肺癌肝转移患者的CT影像病灶	计算机视觉	小细胞肺癌	CT影像	深度学习分割算法、影像组学机器学习分类器	医学影像（CT）、基因表达数据（RNA-seq、cfDNA ChIP-seq）	公开数据集131例（多种癌症类型）、机构队列86例（SCLC）	NA	深度学习分割模型（未明确指定架构）、LASSO回归、影像组学机器学习分类器	灵敏度（66%-83%）、AUC（0.73）、F1分数（0.88）	NA
2887	2026-07-03	Landmark-based deep learning for radiographic screening for developmental dysplasia of the hip in infants: Development and external evaluation with IHDI-guided triage 2026-Jul, Journal of orthopaedic science : official journal of the Japanese Orthopaedic Association IF:1.5Q3 DOI:10.1016/j.jos.2026.01.009 PMID:41714232	研究论文	开发并验证基于深度学习的系统，用于婴儿发育性髋关节发育不良的X线筛查，并提出两步分诊策略	首次结合IHDI分级与深度学习，实现婴儿髋关节放射学筛查，并预设两步分诊策略以优化临床工作流程	回顾性单中心研究，需前瞻性多中心验证，且阈值需根据年龄和地区调整	开发并验证基于深度学习的X线诊断支持系统，实现婴儿发育性髋关节发育不良的筛查分诊	年龄2-12个月婴儿的1188张前后位骨盆X线片	计算机视觉	发育性髋关节发育不良	X线成像	深度学习	图像	1188张X线片，分为三个非重叠测试子集（各50张）和训练验证集	NA	NA	类内相关系数, 二次加权kappa, 灵敏度, 特异度	NA
2888	2026-07-03	Detecting Distant Metastases in Prostate Cancer Using Whole-body MR Imaging Together with DWIBS (Diffusion-weighted Imaging with Background Body Signal Suppression) 2026-Jul-01, Magnetic resonance in medical sciences : MRMS : an official journal of Japan Society of Magnetic Resonance in Medicine IF:2.5Q2 DOI:10.2463/mrms.rev.2025-0180 PMID:41850822	综述	讨论全身磁共振成像结合背景抑制弥散加权成像（DWIBS）用于检测前列腺癌远处转移的临床应用及前景	总结了DWIBS技术在前列腺癌骨转移检测中的快速发展，并展望了深度学习及定量成像对自动化病灶提取与体积分析的推动作用	手动处理及机构间标准化不足仍是限制广泛临床采用的障碍	探讨WB-MRI与PSMA PET联合整合以提升诊断准确性、支持个体化治疗，并建立下一代成像标准	前列腺癌患者的远处转移（特别是骨转移）	计算机视觉	前列腺癌	磁共振成像（WB-MRI）、弥散加权成像（DWIBS）	NA	影像	NA	NA	NA	NA	NA
2889	2026-07-03	Integrating Artificial Intelligence into Prostate MR Imaging: Technical Foundations, Clinical Applications, and Workflow Implications 2026-Jul-01, Magnetic resonance in medical sciences : MRMS : an official journal of Japan Society of Magnetic Resonance in Medicine IF:2.5Q2 DOI:10.2463/mrms.rev.2025-0209 PMID:41882853	综述	本文综述人工智能在前列腺MRI中的技术基础、临床应用及工作流整合的意义	系统总结了AI在人机协作模式、非增强MRI支持、以及临床变量整合用于风险评估中的最新应用，并特别强调了AI作为决策支持工具而非替代角色的定位	研究设计异质性大、前瞻性验证有限、跨机构通用性不足，以及伦理和监管挑战	全面评估AI整合入前列腺MRI路径中的技术基础、临床应用和工作流影响	前列腺MRI中的AI技术及应用，包括图像质量评估与重建、自动化分割、病灶检测和风险分层	医学影像分析	前列腺癌	MRI	机器学习和深度学习模型	MRI图像	NA	NA	NA	NA	NA
2890	2026-07-03	YOLO-APLD: A Lightweight Apple Leaf Disease Detection Model Based on Multiscale Feature Fusion 2026-Jun, Plant disease IF:4.4Q1 DOI:10.1094/PDIS-07-25-1440-RE PMID:41275355	研究论文	提出一种基于改进YOLOv8n的轻量化苹果叶部病害检测模型YOLO-APLD，通过多尺度特征融合提升检测精度并减少参数	首次在YOLOv8n骨干网络输出端嵌入EP-C2f增强模块以强化局部和结构特征表示，结合Focal-SIoU损失函数联合优化边界框回归与分类，引入双向特征金字塔网络实现高效多尺度特征融合，并使用Slim-neck结构简化特征融合架构以缩小模型体积	未明确讨论在极端光照、遮挡或复杂背景等真实果园环境下的鲁棒性，也未与其他轻量级检测模型（如MobileNet-SSD）进行全面对比	开发一种轻量级、高精度的苹果叶部病害自动检测算法，为果园精准施药和现场病害监测提供技术支持	苹果叶部病害的精准识别与定位	计算机视觉	苹果叶部病害（包括锈病、花叶病、褐斑病、白粉病、疮痂病、轮纹斑病、灰斑病）	深度学习目标检测	改进YOLOv8n（YOLO-APLD）	图像	未明确说明具体样本数量，但使用苹果叶部病害数据集（含多种病害类别）进行实验，并额外用葡萄和番茄数据集验证泛化性	PyTorch	YOLOv8n（改进版，含EP-C2f模块、双向特征金字塔网络、Slim-neck结构）	精确率、召回率、平均精度均值（mAP）、F1分数	边缘计算设备（未指定具体型号），检测帧率90.3 f/s
2891	2026-07-03	CT Radiation Dose Reduction With Preserved Diagnostic Performance: How Far Have We Come Over 25 Years? 2026-Jun, AJR. American journal of roentgenology DOI:10.2214/AJR.25.34450 PMID:41636571	综述	本文综述了过去25年来CT辐射剂量降低技术的进展，并确保诊断性能不受影响	系统总结了从2000年代至今辐射剂量降低的关键里程碑和技术创新，强调了客观任务型图像质量评估的重要性，特别是针对新兴的深度学习重建方法	未提供具体实验数据或定量比较结果，可能缺乏对特定技术效果的深入分析	回顾CT辐射剂量降低技术的进展，评估其对图像质量和诊断性能的影响	CT辐射剂量降低技术及其在各解剖部位常规检查中的应用	机器学习, 计算机视觉	NA	CT, 光子计数探测器CT, 迭代重建, 深度学习重建	卷积神经网络	图像	NA	NA	深度学习网络	成像质量, 诊断性能	NA
2892	2026-07-03	Dynamic mechanism for subtype selectivity of endocannabinoids 2026-Jun, The Journal of biological chemistry IF:4.0Q2 DOI:10.1016/j.jbc.2026.111434 PMID:41962866	研究论文	通过分子动力学模拟和马尔可夫状态模型，揭示内源性大麻素anandamide对CB1受体的亚型选择性机制	首次提出并验证了内源性大麻素选择性亚型的两种假说：配体结合路径上的焓变差异和结合口袋体积差异导致的熵效应	未明确提及	阐明内源性大麻素anandamide对CB1受体选择性结合的生物物理机制	大麻素受体CB1和CB2的内源性配体anandamide	分子动力学模拟	NA	分子动力学模拟，马尔可夫状态建模，深度学习VAMPnets，相对自由能计算	马尔可夫状态模型，VAMPnets	分子动力学轨迹	约0.9毫秒的分子动力学模拟数据	PyTorch	VAMPnets	NA	NA
2893	2026-07-03	Automatic choroid plexus assessment in SLE: a deep learning-enabled study 2026-Jun, Neuroradiology IF:2.4Q2 DOI:10.1007/s00234-026-04028-2 PMID:42138734	研究论文	开发深度学习模型自动分割脉络丛，并探讨其与系统性红斑狼疮患者全身性炎症及处理速度和注意力缺陷的关系	首次应用Swin-UNETR模型在3D T1加权MR图像上自动分割脉络丛，并发现脉络丛体积是SLE-PSAD的独立风险因素和中介因子	样本量相对较小123人，且为回顾性研究，可能限制泛化能力	开发自动化脉络丛分割的深度学习模型，并分析其与SLE患者处理速度和注意力缺陷的关系	137例无严重神经精神综合征的SLE患者和159名健康对照者	计算机视觉	系统性红斑狼疮	MRI	CNN	图像	137例SLE患者和159名健康对照者	PyTorch	Swin-UNETR	DSC系数	NA
2894	2026-07-03	YOLO-LS: a novel deep learning framework for brain tumor segmentation in Magnetic Resonance Imaging 2026-May-13, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-48825-4 PMID:42129232	研究论文	提出一种名为YOLO-LS的轻量级分割框架，用于脑肿瘤MRI图像的高效检测与高精度分割	集成ShuffleNet V1轻量骨干网络、DySample动态上采样机制和C3k2-PoolingFormer颈部模块，在保持高分割精度的同时显著降低计算复杂度	未提及	解决现有脑肿瘤分割框架在精度与计算效率间的权衡问题，适用于资源受限的临床环境	脑肿瘤MRI图像	计算机视觉, 数字病理学	脑肿瘤	MRI	CNN	图像	内部测试集3064张图像（Figshare数据集），外部验证集300张图像（Kaggle数据集）	PyTorch	YOLO11n-seg, ShuffleNet V1, DySample, C3k2-PoolingFormer, Grad-CAM	mAP50, Dice系数, Hausdorff距离	GFLOPs 8.1
2895	2026-07-03	Deep learning for automated diagnosis and differentiation of otitis media on temporal bone CT 2026-05-07, BMC medical imaging IF:2.9Q2 DOI:10.1186/s12880-026-02386-0 PMID:42098614	研究论文	开发深度学习框架，利用颞骨CT影像自动诊断中耳炎并区分慢性中耳炎与分泌性中耳炎	首次利用颞骨CT影像同时诊断中耳炎并区分慢性中耳炎和分泌性中耳炎，包含或不包含胆脂瘤	未提及具体局限性，但依赖专家标注的感兴趣区域，可能影响泛化能力	开发和评估基于颞骨CT影像的深度学习框架，实现中耳炎自动诊断及亚型区分	中耳炎患者的中耳区域，包括正常中耳、慢性中耳炎和分泌性中耳炎	计算机视觉	中耳炎	颞骨计算机断层扫描	深度学习	图像	1200名患者的2011张颞骨CT图像	NA	NA	检测率、准确率	NA
2896	2026-07-03	Supervised contrastive learning for cell stage classification of animal embryos 2026-May-02, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-39214-y PMID:42069751	研究论文	提出一种基于监督对比学习的深度学习方法，用于自动分类动物胚胎的细胞阶段	结合监督对比学习与focal loss训练，并使用轻量级3D神经网络CSN-50作为编码器，有效处理低质量图像、类别模糊和类别不平衡问题	未明确说明局限性	从2D延时显微视频中自动分类胚胎细胞阶段	牛胚胎和鼠胚胎的延时显微视频	计算机视觉	NA	显微镜延时成像	3D神经网络	图像	牛胚胎细胞阶段数据集和纽约大学小鼠胚胎数据集	PyTorch	CSN-50	准确率、F1分数	NA
2897	2026-07-03	LDDHybridNet: an ROI-aware CNN-LSTM hybrid framework for accurate and early leaf disease detection in precision agriculture 2026-May-02, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-50398-1 PMID:42069934	研究论文	提出一个基于ROI感知的CNN-LSTM混合框架LDDHybridNet，用于精确农业中早期叶片病害的准确检测	结合U-Net叶片分割、CNN空间特征提取、Bi-LSTM注意力机制和Grad-CAM可解释性，实现无时间序列的病变进展感知特征学习	PlantVillage数据集接近天花板性能揭示了其人工性质，实际田间条件下弱病变早期样本准确率稍低	精准农业中早期叶片病害的准确检测和可解释性分析	植物叶片叶片病害图像，包括实际田间条件和早期弱病变样本	计算机视觉	植物叶片病害	深度学习图像分析	CNN-LSTM混合模型	图像	PlantVillage基准数据集和FieldPlant数据集	PyTorch	U-Net, CNN, Bi-LSTM, Grad-CAM	准确率	NA
2898	2026-07-03	The evolving role of artificial intelligence in optimizing treatment and patient selection in diabetic macular edema 2026-05-01, Indian journal of ophthalmology IF:2.1Q2 DOI:10.4103/IJO.IJO_3152_25 PMID:42060353	综述	探讨人工智能在优化糖尿病性黄斑水肿治疗及患者选择中的演进角色	系统阐述了AI从传统的筛查工具向个性化治疗决策支持系统的转变，特别是利用多模态数据（眼底图像、OCT、临床和生化数据）预测治疗反应和注射负担	泛化性不足、算法透明度欠缺、临床工作流程整合困难及伦理部署问题有待系统解决	综述AI在糖尿病性黄斑水肿个性化治疗和患者选择中的潜在应用与挑战	糖尿病性黄斑水肿患者及相关多模态临床数据	机器学习	糖尿病性视网膜病变	深度学习	卷积神经网络、生成对抗网络、集成方法	图像（眼底图像、OCT图像）、临床数据、生化数据	未指定	未指定	卷积神经网络、生成对抗网络	NA	NA
2899	2026-07-03	The impact of AI technology for ideological and political education teaching based on deep learning 2026-May-01, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-51233-3 PMID:42067547	研究论文	该研究基于深度学习模型，构建动态资源优化模型，以解决职业院校思想政治教育教学中资源适应性差和学生参与度低的问题	创新性地结合图神经网络、多模态元学习框架和Transformer-XL的扩展序列建模能力，并通过多头注意力机制实现跨特征交互，构建课程知识图谱以映射资源与能力	未明确说明模型的泛化局限性和实际部署中的潜在挑战，如模型的可解释性和计算成本	利用AI技术优化职业教育中的思想政治教育资源分配和提升学生参与度	职业院校思想政治教育中的学习者、教育资源与环境因素	机器学习	NA	NA	图神经网络（GNN）、多模态元学习框架（MMLF）、Transformer-XL	文本数据（资源分配数据和学习者表现数据）	模型包含42个特征，涵盖学习者特征、资源属性和环境因素三个维度，具体样本量未说明	NA	GNN、Transformer-XL、多头注意力机制、课程知识图谱	资源有效性预测准确率、知识获取提升率、正向行为转化率、课程完成率、跨文化迁移测试准确率、资源冗余降低率、教师管理效率提升率	NA
2900	2026-07-03	A hybrid flower pollination algorithm-deep learning approach for strength prediction of sustainable recycled fine aggregate concrete with GUI-based implementation 2026-May-01, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-51308-1 PMID:42067580	研究论文	提出了一种结合实验与机器学习的混合框架，用于预测含再生细骨料混凝土的抗压强度	开发了混合花朵授粉算法优化的深度神经网络（FPA-DNN），结合SHAP可解释性分析和图形用户界面工具，提高了预测准确性、鲁棒性和解释性	仅研究了固定的50%洗涤再生细骨料替代率，且模型仅针对抗压强度预测，未涉及其他性能指标	评估和预测含洗涤再生细骨料的可持续路面混凝土的抗压强度	含50%洗涤再生细骨料、氧化锆硅灰和钢渣的混凝土试件	机器学习	不适用	不适用	深度神经网络（DNN）	数值数据	264个样本，包括103个实验室生成和161个文献收集	Python（基于Scikit-learn和TensorFlow/Keras框架的算法实现）	花授粉算法优化的深度神经网络（FPA-DNN），对比模型包括kNN、随机森林（RF）、人工神经网络（ANN）、标准深度神经网络（DNN）	R²、均方根误差（RMSE）、平均绝对百分比误差（MAPE）	未明确提及