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
281	2026-06-18	Establishment of a novel deep learning-based method for gait analysis after peripheral nerve injury in pigs 2026-Jun, Regenerative therapy IF:3.4Q2 DOI:10.1016/j.reth.2026.101103 PMID:41948479	研究论文	基于深度学习的猪外周神经损伤后步态分析方法建立	首次将深度学习姿态估计方法应用于中型到大型动物（猪）的外周神经损伤后步态分析，实现了步态参数的定量和客观评估	NA	建立一种基于深度学习的步态分析方法，用于评估猪外周神经损伤后的运动功能恢复情况	猪的外周神经损伤模型和健康对照组	计算机视觉	外周神经损伤	深度学习姿态估计	神经网络	视频	健康猪4只，神经损伤模型猪3只	NA	NA	准确率	NA
282	2026-06-18	Automated detection of pediatric forearm fractures in X-ray images using deep learning 2026-Jun, Radiological physics and technology IF:1.7Q3 DOI:10.1007/s12194-026-01061-x PMID:42091806	研究论文	利用深度学习技术（CNN和ViT）开发并验证用于自动检测儿童前臂骨折的模型	首次将CNN与Vision Transformer结合应用于儿童前臂骨折的X光片自动检测，并对比了13种模型性能	未提及模型在真实临床环境中的泛化能力或对罕见骨折类型的检测效果	开发并验证基于深度学习的前臂骨折自动检测模型，以减少漏诊风险	517名1-14岁儿童的前臂正位和侧位X光片	计算机视觉, 数字病理	儿童前臂骨折	X光成像	CNN, Vision Transformer	图像	517名患者，共1034张X光片（正位和侧位）	PyTorch	VGG, ResNet, DenseNet, ViT	敏感性, 特异性, 平衡准确率, AUC	NA
283	2026-06-18	Artificial Intelligence in Peripheral Artery Disease: A Science Advisory From the American Heart Association 2026-Jun, Circulation. Population health and outcomes DOI:10.1161/HCQ.0000000000000146 PMID:42131925	专家建议/综述	本科学建议综述了人工智能在外周动脉疾病诊疗全过程中的当前与新兴应用	系统梳理了人工智能在外周动脉疾病筛查、影像诊断、结果预测、动脉瘤风险评估和手术规划等多环节的应用现状与潜力	实际部署受限于临床培训不足、监管不明确、数据治理挑战和获取渠道不公等问题	指导临床医生、研究人员和政策制定者负责任地将人工智能整合到外周动脉疾病的诊断与管理中	外周动脉疾病患者及相关诊疗流程	机器学习	外周动脉疾病（心血管疾病）	NA	机器学习、深度学习模型	结构化与非结构化电子病历数据、临床、遗传、行为及生物标志物数据	NA	NA	NA	自动化检测、预测不良心血管事件和肢体事件、影像诊断准确性	NA
284	2026-06-18	Advancing stuttering detection: A systematic review and meta-analysis of artificial intelligence-based models 2026-Jun, Journal of fluency disorders IF:2.1Q1 DOI:10.1016/j.jfludis.2026.106222 PMID:42190310	系统综述与荟萃分析	系统综述和荟萃分析人工智能模型在口吃检测中的应用，评估其测量目标与患者实际体验的一致性	首次系统综合AI口吃检测领域的方法学异质性，并引入随机效应荟萃分析量化模型性能，批判性指出当前系统主要测量外部可观察的言语行为而非患者主观体验维度	纳入研究的方法和概念高度异质性导致荟萃分析估计的置信区间较宽；多数研究缺乏对患者体验维度（如预期性、努力感、失控感）的考虑	综合评估基于人工智能的口吃检测技术现状，分析模型设计目标与实际口吃体验之间的关系	44篇关于AI口吃检测的研究文献	机器学习	口吃	传统机器学习、深度学习、自监督语音表示、端到端架构	深度学习模型（CNN、RNN等）、传统机器学习分类器	语音数据	44篇研究文献	NA	传统机器学习分类器、深度学习模型（CNN、RNN等），具体模型架构报告中未明确列出	准确率、F1分数	NA
285	2026-06-18	Multimodal Artificial Intelligence for Cardiac Amyloidosis Diagnosis: Integrating Echocardiography With Clinical and Laboratory Data for Improved Detection 2026-Jun, Circulation. Cardiovascular imaging DOI:10.1161/CIRCIMAGING.126.019610 PMID:42200278	研究论文	整合超声心动图、临床和实验室数据的多模态人工智能模型用于心脏淀粉样变性诊断	首次将临床、实验室和超声心动图生物标志物整合到现有基于TTE的人工智能模型中，显著提升心脏淀粉样变性检测性能	未在外部数据集验证，可能受到回顾性研究设计的限制	评估整合临床、实验室和超声心动图生物标志物能否改善现有基于TTE的AI模型对心脏淀粉样变性的检测性能	心脏淀粉样变性患者和对照人群	数字病理学、机器学习	心脏淀粉样变性	超声心动图、实验室检测	深度学习模型 (Us2.Ca) 和集成模型 (AI-ECM)	临床数据、实验室数据、超声心动图图像特征	727名CA患者和316名对照（包括202名疑似转甲状腺素蛋白CA但诊断阴性者和114名无心外轻链淀粉样变性患者）	NA	Us2.Ca (基于深度学习的TTE模型), AI-ECM (集成模型)	AUC、准确率、敏感性、特异性	NA
286	2026-06-18	The Evolving Landscape of Clinical Aging Clocks: From Epigenetic to Multi-Omics Integration 2026-Jun, Aging cell IF:8.0Q1 DOI:10.1111/acel.70579 PMID:42304052	综述	总结了从表观遗传时钟到多组学整合的衰老时钟的发展现状	强调了从传统表观遗传时钟向多组学整合时钟的转变，并突出了人工智能在构建高维多模态衰老时钟中的作用	NA	综述衰老时钟的研究进展，探讨其从表观遗传到多组学整合的演变及其在预防医学和临床实践中的应用潜力	衰老时钟，包括表观遗传、转录组、蛋白质组、代谢组、微生物组及功能生物标志物	机器学习	老年性疾病	NA	集成学习, 深度学习	多组学数据	NA	NA	NA	准确性, 可解释性, 泛化能力	NA
287	2026-06-18	Multi-omic analysis of deep learning-derived phenotypes links ophthalmic imaging to cardiovascular and neurological traits 2026-Jun, Nature cardiovascular research IF:9.4Q1 DOI:10.1038/s44161-026-00815-5 PMID:42304076	研究论文	利用多组学分析，将眼部成像特征与心血管及神经系统性状相关联，揭示了眼睛作为全身健康复合指标的作用	首次通过视网膜对抗自编码器从OCT和彩色眼底照片中提取嵌入特征，并整合生理、放射组学、代谢组学和基因组学数据，全面揭示眼部成像与多系统疾病的关联	未明确说明样本偏倚、模型泛化性或因果推断的局限性	探索眼部成像特征与心血管及神经退行性疾病风险的关联，并识别可能的生物学中介机制	英国生物银行（UK Biobank）中的光学相干断层扫描（OCT）图像和彩色眼底照片	计算机视觉, 机器学习	缺血性心脏病, 脑血管疾病, 帕金森病, 痴呆	多组学分析, 对抗自编码器	对抗自编码器（Adversarial Autoencoder）	图像（OCT和眼底照片）, 生理数据, 放射组学数据, 代谢组学数据, 基因组学数据	NA（具体数量未在摘要中提及）	NA（未在摘要中指定）	对抗自编码器（Adversarial Autoencoder）	NA（未在摘要中提及具体指标）	NA（未在摘要中提及）
288	2026-06-18	AI-augmented ECG for pre-echocardiography triage: a tool to optimize cardiac imaging utilization 2026-Jun, European heart journal. Digital health DOI:10.1093/ehjdh/ztag082 PMID:42305247	研究论文	开发并验证一种基于12导联心电图图像的AI工具，用于在超声心动图检查前预测主要心脏异常，以优化心脏影像的利用	利用标准12导联心电图图像作为输入，通过集成深度学习模型实现对主要超声心动图异常（包括射血分数降低、瓣膜性心脏病和肺动脉高压）的预测，作为超声心动图前的预筛工具	研究来自单一三级心脏护理中心，可能存在选择偏倚；模型需要进一步在不同人群中进行前瞻性验证	开发一种可扩展、成本效益高的AI筛查工具，在不影响诊断准确性的前提下减少不必要的超声心动图转诊	从三级心脏护理中心收集的51055名15岁及以上患者，这些患者在2021年1月至2024年2月间同一天进行了心电图和超声心动图检查	计算机视觉	心血管疾病	深度学习	集成深度学习模型	图像	52817份ECG-超声心动图配对的样本，其中训练集40796份、周期监测集2148份、测试集9873份，外部验证集20053份	NA	集成3个深度学习模型	AUROC、PRAUC、敏感度、特异度、阳性预测值、阴性预测值	NA
289	2026-06-18	Artificial intelligence-assisted prediction of bile duct bifurcation site in pure laparoscopic donor right hepatectomy: a retrospective feasibility study 2026-Jun, Annals of surgical treatment and research IF:1.2Q3 DOI:10.4174/astr.2026.110.6.359 PMID:42306410	研究论文	开发并评估一种深度学习模型，用于在纯腹腔镜供体右肝切除术中预测胆管分叉部位	将UNet与MiT-B3编码器结合，并利用专家审核的伪标签优化模型，实现胆管分叉部位的高精度预测	定量评分（如Dice系数、IoU）较低，样本量有限（55例手术）	提高纯腹腔镜供体右肝切除术中胆管分叉部位识别的准确性	活体肝移植供体的胆管分叉部位	计算机视觉	肝病	NA	深度学习模型	图像	55例手术，150张手动标注帧和901张伪标签帧	PyTorch	UNet, MiT-B3编码器	准确率、Dice相似系数、交并比、敏感性、特异性	NA
290	2026-06-18	Predicting pulmonary nodule growth from a single time point: a fusion model of radiomics and deep learning to optimize follow-up strategies 2026-May-31, Journal of thoracic disease IF:2.1Q3 DOI:10.21037/jtd-2026-1-0298 PMID:42306661	研究论文	结合影像组学和深度学习特征，从单次CT时间点预测肺结节生长，优化随访策略	创新性地融合影像组学特征与Swin Transformer深度特征，利用基线CT数据预测结节增长状态，无需对比随访图像	NA	开发一种非侵入性方法，分析基线与随访CT之间肺结节生长进展，准确区分生长状态以优化临床随访策略	肺结节患者	计算机视觉	肺癌	CT影像	逻辑回归、随机森林	图像	1387个肺结节（内部训练1109个，内部测试278个）	NA	Swin Transformer	AUC、敏感性、特异性	NA
291	2026-06-18	Deep learning based automated detection and grading of oral epithelial dysplasia: A comparative histopathological image analysis 2026-May-21, Journal of dentistry IF:4.8Q1 DOI:10.1016/j.jdent.2026.106771 PMID:42167476	研究论文	开发和比较多种深度学习架构用于口腔上皮异型增生的自动检测与分级	系统比较了九种深度学习架构（包括Transformer和卷积模型）在口腔上皮异型增生分级中的性能，发现DenseNet-121表现最优	未提及具体局限性	开发并评估用于口腔上皮异型增生自动检测和分级的深度学习模型	口腔上皮异型增生组织病理图像	数字病理学	口腔癌前病变	H&E染色	深度学习	图像	2080张数字化H&E染色的组织病理图像	NA	Vision Transformer, VGG16, YOLOv11, ResNet-50, YOLOv8, MobileNet-v3, Inception-v3, EfficientNet-B0, DenseNet-121	准确率, 精确率, 召回率, F1分数	NA
292	2026-06-18	Adaptive Deep Learning for High-Fidelity Quantitative Single-Molecule Imaging 2026-05-19, Analytical chemistry IF:6.7Q1 DOI:10.1021/acs.analchem.6c00376 PMID:42083266	研究论文	提出一种自适应深度学习框架，通过原位构建训练数据集和自反馈算法，在多种成像条件下保持绝对分子强度，实现高保真定量单分子成像	首次提出自适应深度学习框架，结合原位训练数据集构建和自反馈算法，确保荧光成像中的绝对分子强度保真度，并在多种荧光标记和实验条件下展现出优越的鲁棒性	未提及具体局限性信息	开发一种自适应且强度保持的深度学习框架，用于高精度定量生物成像，以准确量化活细胞中的分子动态	活细胞中的受体信号分子，包括有机染料、量子点、荧光蛋白以及程序性死亡配体1（PD-L1）	机器学习	肿瘤学（通过PD-L1研究间接关联）	单分子荧光成像	深度学习框架（自适应深度学习模型）	图像	NA（未明确提及样本数量）	NA（未明确提及所用算法框架）	NA（未明确提及模型具体架构）	信噪比、定位精度	NA（未提及计算资源）
293	2026-06-18	A Triple-Perception Adaptive Network for In Vivo Organ Recognition Using Diffuse Reflectance Hyperspectral Imaging 2026-05-19, Analytical chemistry IF:6.7Q1 DOI:10.1021/acs.analchem.6c00546 PMID:42087583	研究论文	提出一种三重感知自适应网络，用于通过漫反射高光谱成像进行体内器官识别	TriAd网络通过三个互补分支（图卷积网络、2D卷积神经网络和离散小波变换）分别提取全局光谱-结构依赖、局部空间-光谱特征和多尺度光谱成分，并利用最大均值差异减少跨领域差异	未提及	开发一种自适应网络，用于校正实验条件与发育阶段引起的个体间光谱变异，实现斑马鱼体内器官识别	斑马鱼体内12个器官	计算机视觉	不适用	近红外漫反射高光谱成像	图卷积网络、2D卷积神经网络、离散小波变换	光谱图像	包含两个发育阶段斑马鱼12个器官的高光谱数据集	PyTorch（推测）	图卷积网络、2D卷积神经网络、离散小波变换	分类性能（未具体说明指标）	未提及
294	2026-06-18	Achieving precise m6A RNA modification prediction from nanopore signals through integration with pre-trained foundation model 2026-May-19, International journal of biological macromolecules IF:7.7Q1 DOI:10.1016/j.ijbiomac.2026.152629 PMID:42162588	研究论文	通过整合预训练基础模型，从纳米孔信号中实现精确的m6A RNA修饰预测	引入RNA结构基础模型，融合大规模模型嵌入与原始纳米孔信号特征，实现全转录组甲基化预测，即使训练数据有限也能保持良好泛化能力	未明确说明局限性，但可能包括对稀有RNA生物型或新物种的适用性仍需进一步验证	克服当前计算模型精度低、假阳性率高以及忽视RNA序列特征和结构影响的问题，实现精确的m6A修饰预测	RNA m6A甲基化修饰位点	自然语言处理, 计算生物学	NA	纳米孔测序	深度学习	纳米孔电信号	NA	NA	RNA结构基础模型	预测精度, 假阳性率	NA
295	2026-06-18	Cross-subject generalization for EEG decoding: a survey of deep learning methods 2026-05-12, Progress in biomedical engineering (Bristol, England) DOI:10.1088/2516-1091/ae65f0 PMID:42049051	综述	系统综述深度学习在跨被试脑电解码中克服个体差异的方法	将跨被试设定形式化为多源域问题，建立严格的学科无关评估协议，并提出涵盖特征对齐、对抗学习、特征解耦和对比学习的系统分类法	未详述方法计算复杂度或临床验证细节	分析深度学习解决跨被试脑电解码泛化问题的技术路径与未来方向	脑电图（EEG）数据与跨被试解码模型	机器学习	NA	EEG	深度学习模型	脑电图信号	NA	NA	特征对齐网络、对抗学习网络、特征解耦网络、对比学习网络	泛化准确率	NA
296	2026-06-18	Deep Learning Optimisation Strategies for Uveal Melanoma Detection Using Ultra-Widefield Photography 2026-May-11, Research square DOI:10.21203/rs.3.rs-9441188/v1 PMID:42183368	研究论文	评估数据为中心的深度学习优化策略，用于使用超广角眼底摄影检测葡萄膜黑色素瘤	系统评估了三种数据优化策略（类别添加、数据集增强和增强特征选择）对深度学习模型在葡萄膜黑色素瘤检测中的影响，并提出了三项关键原则：健康类别添加可改善特异性和解剖特征学习、数据质量可能优于数量、上下文输入调整是关键模型参数	研究为回顾性设计，数据集来自单一中心，样本量有限（784名患者，864张图像），多策略模型未显示叠加效益	评估数据为中心的优化策略对深度学习分类葡萄膜黑色素瘤的性能提升效果	葡萄膜黑色素瘤和脉络膜痣的眼底图像	计算机视觉, 数字病理学	葡萄膜黑色素瘤, 脉络膜痣	超广角眼底摄影	卷积神经网络	图像	784名患者，864张超广角眼底照片	NA	NA	AUC, F1分数, 精确度, 召回率, 预期校准误差	NA
297	2026-06-18	Non-invasive profiling of the tumour microenvironment with spatial ecotypes 2026-May-06, Nature IF:50.5Q1 DOI:10.1038/s41586-026-10452-4 PMID:42092150	研究论文	提出一种机器学习框架，通过对肿瘤微环境的多分析物分析，识别出保守的空间生态型，并利用深度学习方法从血浆游离DNA中重建这些生态型	首次提出“空间生态型”概念，整合超过1000万个单细胞和空间转录组数据，发现九种保守的EC；证明空间生态型可通过DNA甲基化谱区分，并能利用深度学习从血浆cfDNA中恢复，为液体活检提供新方法	分析主要基于已有公开数据集，样本量和肿瘤类型可能有限；cfDNA检测的临床验证规模较小（约100例黑色素瘤患者），需更大队列验证	开发一种非侵入性方法，通过分析肿瘤微环境的细胞状态和多细胞生态系统，改善癌症风险分层和免疫治疗个性化	多种人类癌症（包括黑色素瘤）的肿瘤微环境中的细胞状态和多细胞生态系统	机器学习	黑色素瘤	空间转录组学, 单细胞转录组学, DNA甲基化测序, 血浆游离DNA测序	深度学习模型	基因表达数据, 甲基化数据, 图像数据	超过1000万个单细胞和点水平空间转录组数据，约100例黑色素瘤患者的cfDNA样本	NA	NA	NA	NA
298	2026-06-18	Automated Detection of Cervical Spinal Cord Compression on MRI Using YOLO11 Deep Learning Architecture: A Two-Center External Validation Study 2026-May-01, Spine IF:2.6Q1 DOI:10.1097/BRS.0000000000005639 PMID:41631492	研究论文	开发并验证基于YOLO11架构的深度学习模型，用于在MRI上自动检测颈椎脊髓压迫	首次使用YOLO11架构进行颈椎脊髓压迫的自动检测，并进行了双中心外部验证，同时采用梯度加权类激活映射增强模型可解释性	未提及具体局限性	开发并验证用于MRI上自动检测颈椎脊髓压迫的深度学习模型	颈椎MRI图像中的脊髓压迫状态	计算机视觉	颈椎退行性疾病	MRI	YOLO11	图像	735名患者的1431张矢状T2加权颈椎MRI图像	PyTorch	YOLO11	mAP50, 精确率, 召回率	NA
299	2026-06-18	Artificial Intelligence as the Ultimate Operative Assistant 2026-May, Clinics in colon and rectal surgery IF:1.2Q3 DOI:10.1055/a-2769-1318 PMID:41948160	综述	概述人工智能在手术各阶段（术前、术中、机器人手术）的应用现状、技术基础及面临挑战	系统梳理了AI在手术全流程（术前规划、术中决策支持、自主机器人手术）的潜在应用，并聚焦数据治理、算法透明性及伦理等关键障碍	未提供实证结果或定量分析，且明确指出AI自主手术仍存在诸多未解决的哲学与伦理问题	探讨人工智能作为手术辅助工具的应用前景与实施瓶颈	现代人工智能技术在手术领域的前沿应用	机器学习, 计算机视觉, 自然语言处理	NA	NA	深度学习, 生成模型	文本, 图像, 视频	NA	NA	NA	NA	NA
300	2026-06-18	AI Clinical Decision Tools in Multidisciplinary Team Discussions for Colorectal Cancer 2026-May, Clinics in colon and rectal surgery IF:1.2Q3 DOI:10.1055/a-2769-1363 PMID:41948157	综述	探讨人工智能在结直肠癌多学科团队讨论中的临床应用工具	系统梳理了人工智能（特别是机器学习、影像组学和大语言模型）在结直肠癌多学科团队中的整合潜力，重点关注临床决策支持	在复杂病例中处理能力有限，可解释性差，缺乏监管框架，伦理挑战未解决，尚未整合到常规多学科团队工作流程中	概述人工智能在结直肠癌多学科团队中整合的现有证据，强调临床潜力和实施障碍	结直肠癌多学科团队讨论中的人工智能决策工具	机器学习	结直肠癌	NA	机器学习、深度学习、大语言模型	影像、内镜、文本	NA	NA	NA	准确性、预测性能	NA