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
3001	2026-08-03	CasanovoGUI: a cross-platform desktop application for deep learning-based de novo peptide sequencing with Casanovo 2026-Jul-16, bioRxiv : the preprint server for biology DOI:10.64898/2026.07.11.737889 PMID:42523267	研究论文	介绍CasanovoGUI，一个跨平台桌面应用程序，为深度学习驱动的从头测序肽段提供图形界面，简化安装、配置和结果解读。	提供图形界面，自动安装Python环境和GPU匹配的Casanovo构建，集成谱图注释和蛋白组映射功能，无需先验软件配置。	未在摘要中提及明确限制，可能包括依赖自动安装的潜在问题或特定环境兼容性限制。	使Casanovo的从头测序功能更易于非计算科学家使用，提高可用性和可访问性。	Casanovo模型及其在Windows、macOS和Linux平台上的应用。	生物信息学	NA	串联质谱	深度学习模型（Casanovo）	串联质谱数据	NA	NA	Casanovo	NA	GPU（自动匹配）
3002	2026-08-03	AI-based quantification of inflammatory extent for relapse prediction in ulcerative colitis: a prospective cohort study 2026-Jul-07, Journal of Crohn's & colitis DOI:10.1093/ecco-jcc/jjag115 PMID:42531703	研究论文	开发了一种基于深度学习的溃疡性结肠炎定量评估（QUAD）模型，并评估在临床缓解期加入炎症空间范围对复发预测的改善效果	首次探索AI评估炎症范围对临床复发预测的效用，并通过前瞻性队列研究验证	未在摘要中明确提及局限性	评估包含炎症范围的AI评分系统是否能提高溃疡性结肠炎患者在临床缓解期的复发预测准确性	来自三中心的998名溃疡性结肠炎患者的84,743张图像	数字病理学	溃疡性结肠炎	深度学习	深度神经网络	图像	998名患者，84,743张图像	NA	QUAD模型（具体架构未提及）	曲线下面积（AUC）	NA
3003	2026-08-03	Development and Validation of a Multimodal-Multitask Deep Learning Approach for Estimating Late Distant Recurrence Risk in HR-Positive Early Breast Cancer 2026-Jul-01, Cancer research communications IF:2.0Q3 DOI:10.1158/2767-9764.CRC-26-0362 PMID:42467849	研究论文	开发并验证了一种多模态多任务深度学习模型，用于评估激素受体阳性早期乳腺癌的晚期远处复发风险	首次将数字化全切片图像与临床病理变量整合到多模态深度学习框架中，用于晚期远处复发风险分层，并探索延长来曲唑治疗的异质性获益	未在摘要中明确提及，可能包括外部验证队列的回顾性设计、特定治疗背景（如ET）的限制等	改善激素受体阳性早期乳腺癌患者完成5年内分泌治疗后的长期风险分层，并探索延长来曲唑治疗的个体化获益	激素受体阳性早期乳腺癌患者，来自NSABP B-42试验（2271名）和TAILORx试验（4300名）	数字病理学	乳腺癌	数字病理学（全切片图像）结合临床病理变量	多模态多任务深度学习模型	图像（H&E全切片）和临床数据	NSABP B-42试验中2271名患者，TAILORx试验中4300名患者	NA	NA	风险比（HR），绝对风险差异	NA
3004	2026-08-03	Leakage-Aware Visit-Level Benchmarking Reveals Representational Overlap in Deep Learning for Bacterial Versus Fungal Keratitis Classification 2026-Jul-01, Translational vision science & technology IF:2.6Q2 DOI:10.1167/tvst.15.7.28 PMID:42506962	研究论文	本研究在泄漏感知、就诊级别的框架下，对深度学习在细菌性与真菌性角膜炎分类中的应用进行了基准测试，并分析了嵌入空间的表征重叠作为潜在的性能上限	首次在泄漏感知、就诊级别的框架下对细菌性与真菌性角膜炎分类进行基准测试，并分析嵌入空间几何作为性能上限，使用严格的病人不重叠交叉验证和多种模型范式比较	单中心研究，样本量相对较小，性能上限可能是任务固有或站点特定，需多中心验证	基准测试深度学习在细菌性与真菌性角膜炎分类中的性能，并评估嵌入空间表征重叠作为性能天花板	来自101名培养确诊的细菌性或真菌性角膜炎患者的裂隙灯照片（258次就诊，658张图像）	数字病理学	角膜炎	裂隙灯摄影	CNN、MIL、DINOv2	图像	101名患者，258次就诊，658张图像	PyTorch	CNN、MIL、DINOv2	AUROC、ECE、Brier分数	NA
3005	2026-08-03	A Deep Learning-Based Study on Automatic Measurement Method of Biological Parameters in Anterior Segment UBM Images of Angle-Closure Glaucoma 2026-Jul-01, Translational vision science & technology IF:2.6Q2 DOI:10.1167/tvst.15.7.27 PMID:42506963	研究论文	本研究开发了一种基于深度学习的模型，用于自动测量前段UBM图像中的生物参数，以辅助原发性闭角型青光眼的早期筛查和诊断	首次集成多区域分割和四点定位，直接从UBM图像自动计算七项前段参数，为早期PACG诊断和发病机制研究提供精确可靠的数据支持	NA	开发基于深度学习的模型，自动测量前段UBM图像中的生物参数，辅助临床医生进行原发性闭角型青光眼的早期筛查和诊断	原发性闭角型青光眼患者的前段超声生物显微镜图像	计算机视觉、数字病理学	青光眼	超声生物显微镜成像	深度学习模型（包括分割模型和目标检测模型）	图像	NA	NA	DeepLabv3+, YOLOv11s	平均交并比（mIoU）、精确率、召回率、Dice系数、平均精度均值（mAP50）、欧氏距离平均绝对误差、均方根误差、组内相关系数（ICC）	NA
3006	2026-08-03	Aligning deep learning and interpretable models for blood cell classification: A dual-model framework for explainability 2026-Jul, PLOS digital health DOI:10.1371/journal.pdig.0001514 PMID:42531177	研究论文	提出一种由深度YOLO分类器和可解释浅层模型组成的双模型框架，用于血细胞分类，并通过SHAP和Score-CAM增强透明度，在专有和公共数据集上取得高AUC和临床专家高一致性	将深度YOLO模型与可解释的浅层模型配对，通过SHAP量化特征重要性并标记不一致，结合Score-CAM激活图进行验证，提高临床透明度和信任度	未说明	提高血细胞分类的临床可解释性，增强预测信心并提供临床相关洞察	血细胞图像，包括专有数据集和公共数据集（PBC, Raabin）	计算机视觉	未说明	图像分类与分割	CNN（YOLO）	图像	专有数据集、PBC和Raabin公共数据集；用户研究涉及9名血液学家和实验室医学技师	未说明	YOLO	AUC, 一致性率	未说明
3007	2026-08-03	A structured literature review of computer vision methods for insect identification 2026-Jul-01, Journal of insect science (Online) DOI:10.1093/jisesa/ieag050 PMID:42533852	综述论文	本文通过PRISMA指南指导的文献综述，系统分析了计算机视觉方法在昆虫识别中的应用。	该研究提供了一种基于加权质量评估标准的系统综述方法，并强调了深度学习在昆虫识别中的主导地位及领域泛化挑战。	综述发现公共数据集稀缺且地理分布不均，限制结果的复现性和公平比较，且实验室性能优于实地部署。	评估计算机视觉方法在昆虫分类和识别中的现状、趋势和挑战。	成年昆虫，特别是鳞翅目、双翅目、半翅目和鞘翅目。	计算机视觉	不适用	PRISMA系统性文献综述	深度学习模型（如CNN、YOLO变体、ResNet、EfficientNet、MobileNet、Transformer）	文献数据	230篇文章经全文评估，111篇高质量研究被纳入。	不适用（综述论文）	YOLO、ResNet、EfficientNet、MobileNet、CNN与经典分类器的混合模型	准确率、性能评估（具体指标未详述）	不适用（综述论文）
3008	2026-08-03	Artificial intelligence for design strategies of tissue engineering materials 2026-Jul, Fundamental research IF:5.7Q1 DOI:10.1016/j.fmre.2025.09.010 PMID:42539665	综述	本文系统回顾了基于机器学习和深度学习算法在组织工程材料设计与性能预测中的应用，包括优化机械性能、评估生物相容性和促进组织再生等方面	系统梳理了机器学习与深度学习在组织工程材料设计中的技术优势、挑战及未来方向，特别强调了深度学习在处理复杂生物数据如材料-细胞-蛋白质相互作用方面的优越性	未明确提及具体局限性	探讨人工智能驱动的组织工程材料设计策略，为再生医学提供见解	组织工程材料及其与细胞、蛋白质的相互作用	机器学习	NA	NA	机器学习算法和深度学习算法	生物材料数据	NA	NA	NA	NA	NA
3009	2026-08-03	Geometric deep learning-enabled metal-binding site identification and grafting 2026-Jul, Fundamental research IF:5.7Q1 DOI:10.1016/j.fmre.2024.11.012 PMID:42539690	研究论文	提出了MeSiteIG，一个基于几何深度学习的双功能工具，用于金属结合位点的识别和移植	采用E3等变图神经网络预测金属结合位点残基，无需配位残基类型和侧链信息，实现了快速且高性能的金属结合位点识别与移植	信息未在标题和摘要中明确说明	开发一个能够识别和移植金属结合位点的工具，以帮助发现新蛋白功能和设计新金属蛋白	蛋白质金属结合位点，包括抗体表面和蛋白口袋	几何深度学习	不适用	几何深度学习	E3等变图神经网络	蛋白质结构数据	独立测试集中约300个样本每秒处理速度，具体数量未说明	未明确提及	E3等变图神经网络	性能优越，具体指标未说明	未明确提及
3010	2026-08-03	Photonic biosensors based on nanoparticle superstructures: from data analysis to artificial intelligence (AI) detection 2026-Jul, Fundamental research IF:5.7Q1 DOI:10.1016/j.fmre.2025.09.014 PMID:42539804	综述	本文综述了基于纳米粒子超结构的光子生物传感器，从数据分析到人工智能检测的应用，重点讨论了其在智能诊断中的潜力与挑战	系统性地探讨了人工智能特别是深度学习算法与超结构光子生物传感器的集成，以解决目标结合特异性、长期稳定性和信号解码效率等瓶颈问题	该领域仍需克服目标结合特异性、长期稳定性及信号解码效率等限制，且AI集成面临技术挑战	总结超结构光子生物传感器在疾病诊断、药物递送和细胞成像中的应用，并探讨AI集成的未来发展方向	纳米粒子超结构光子生物传感器及人工智能检测方法	光子学、生物传感、人工智能	NA	自组装、光子传感	深度学习模型	光谱、图像	NA	NA	NA	灵敏度、实时性、信号解码效率	NA
3011	2026-08-03	A channel-independent transformer approach for ride-hailing demand prediction with internet sentiment and transport capacity 2026-Jul, Fundamental research IF:5.7Q1 DOI:10.1016/j.fmre.2025.04.009 PMID:42539890	研究论文	提出一种结合互联网情感和运输能力的通道独立Transformer方法用于网约车需求预测	创新性地将基于BERT、BiLSTM和注意力机制的情感分析集成到定制的CiFormer模型中，并同时纳入运输能力等外源性特征，以提升预测精度	未在摘要中明确提及局限性	提高网约车需求预测的准确性，特别是考虑社会情感趋势和运输能力动态波动等现实因素	北京西站的网约车需求及相关的互联网情感和运输能力数据	机器学习	NA	深度学习（Transformer、BERT、BiLSTM）	Transformer（CiFormer）、BERT、BiLSTM	文本数据和网约车需求时间序列数据	来自北京西站的真实世界数据集，具体样本量未在摘要中说明	NA	CiFormer、BERT、BiLSTM、注意力机制	预测指标（未指定具体指标名称）	NA
3012	2026-08-03	Rethinking the use of deep learning methods for photovoltaic power forecasting 2026-Jun-12, Nature communications IF:14.7Q1 DOI:10.1038/s41467-026-73817-3 PMID:42285936	研究论文	重新评估深度学习模型在光伏功率预测中的架构选择，并提出了一种名为Cross-Unet的Transformer架构，用于融合历史数据和天气预报，在多个数据集上超越现有基线	强调了完整编码器-解码器架构和通道依赖建模的重要性，并提出了包含多尺度时间编码、相关性感知通道注意力和层次交叉注意力解码的Cross-Unet架构	摘要中未明确提及局限性	改进光伏功率预测的准确性和可靠性，以支持电网调度和能源交易	光伏功率预测模型及其在不同天气和历史数据条件下的性能	机器学习	NA	NA	Transformer	时间序列数据	中国北方四个公用事业规模的光伏电站和一个澳大利亚中部的聚合电站的数据	NA	Cross-Unet	超越十个深度学习和传统基线，具体指标未提及	NA
3013	2026-08-03	AI and Blood Banking: Predicting Transfusion Demand - A Systematic Review of Forecasting Approaches 2026-Jun-12, Transfusion medicine and hemotherapy : offizielles Organ der Deutschen Gesellschaft fur Transfusionsmedizin und Immunhamatologie IF:1.9Q4 DOI:10.1159/000552969 PMID:42541243	综述	本文系统综述了人工智能和机器学习在输血需求预测中的应用，按预测范围和临床目标分为四层框架，并比较了不同技术方法的性能	构建了基于预测范围和临床目标的四层框架，系统比较了从个体患者到区域供应链的不同预测挑战和技术方法	仅纳入有限的研究数量，且未提及外部验证标准化不足的问题	提供AI在血库中应用的结构化综述，指导模型选择基于预测范围和临床目标	输血需求预测的AI/ML应用研究，包括患者个体、手术、设施和区域等不同层级	机器学习	不适用	不适用	深度学习、ARIMA、SARIMA	不适用	24项研究（从535条记录中筛选）	不适用	深度学习模型、ARIMA、SARIMA	AUC、平均绝对百分比误差、R²	NA
3014	2026-08-03	Masked autoencoder pretraining for peripheral nerve segmentation in ultrasound images 2026-Jun-10, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-57368-7 PMID:42265235	研究论文	本研究探索使用掩码自编码器（MAE）预训练方法，以克服超声图像中外周神经分割中数据稀缺的问题	首次将MAE预训练应用于外周神经超声图像分割，并覆盖八种神经，远超以往仅关注正中神经的研究范围	未提及具体局限性	评估MAE预训练作为可扩展方法，以解决外周神经分割中标注数据不足的问题	八种外周神经的超声图像	医学图像分析	外周神经疾病	超声成像	视觉Transformer（SegFormer）	超声图像	10,603张超声图像，涵盖超过1,500名患者	NA	SegFormer	Dice系数	NA
3015	2026-08-03	A survey of deep learning techniques in detecting neurological disorders using MRI 2026-May-29, Biomedical engineering online IF:2.9Q3 DOI:10.1186/s12938-026-01587-6 PMID:42216001	综述	本文对基于MRI的深度学习技术在神经系统疾病检测中的应用进行了全面综述，系统分析了2019年至2025年间发表的47篇研究论文，涵盖超过40种深度学习架构和34个公开及临床数据集，并比较了不同方法在性能、数据集特征、评估协议和计算需求上的表现。	系统性地对CNN、ViT、混合CNN-Transformer及其他专门深度学习框架在神经系统疾病检测中的应用进行分类和批判性分析，并识别了新兴架构趋势，强调了当前方法在泛化性、可解释性和临床适用性方面的相对优势和局限性。	综述指出现有研究存在跨机构验证不足、数据集异质性、可解释性欠缺以及临床部署挑战等关键研究空白。	对基于MRI的深度学习技术在神经系统疾病检测中的应用进行全面综述，总结现有方法、识别研究空白，并提出未来研究方向以增强系统的可靠性及临床转化。	神经系统疾病，包括阿尔茨海默病、脑肿瘤、帕金森病、多发性硬化和精神分裂症。	计算机视觉、机器学习、医学影像分析	神经系统疾病	MRI	CNN、Vision Transformer、混合CNN-Transformer、其他深度学习框架	MRI图像	47篇研究论文，34个数据集	NA	CNN、ViT、混合CNN-Transformer	NA	NA
3016	2026-08-03	Optimizing preoperative planning for total hip arthroplasty using random forest models to predict stem size and compatibility 2026-May-29, BMC musculoskeletal disorders IF:2.2Q3 DOI:10.1186/s12891-026-10022-9 PMID:42216166	研究论文	本研究利用随机森林模型优化全髋关节置换术的术前规划，预测柄尺寸和适配性	提出基于监督机器学习模型（随机森林）预测柄尺寸和适配性，并引入特征工程中的比率信息提升模型性能	模型仅针对Accolade II柄进行验证，需进一步验证以适用于其他植入系统	开发辅助医生进行术前规划的模型，以估计柄尺寸和与股骨几何的兼容性	接受全髋关节置换术的患者（320髋用于训练，109髋用于测试）	机器学习	骨科疾病（全髋关节置换术）	CT影像	随机森林	图像（CT影像）及数值测量数据	训练数据320髋，测试数据109髋	NA	随机森林	准确率、F1分数、精确率、召回率	NA
3017	2026-08-03	Multi-scale temporal convolution attention network for state-of-charge estimation in Li-ion batteries 2026-May-23, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-53615-z PMID:42177236	研究论文	提出了一种用于锂离子电池荷电状态估计的多尺度时间卷积注意力网络（MSTCAN），该网络融合多尺度时间卷积和注意力机制，在特斯拉Model-3 2170电池数据集上实现了高精度估计。	提出多尺度时间卷积注意力网络（MSTCAN），结合多尺度时间卷积进行层次特征提取和注意力机制突出关键信号，能同时捕捉短期瞬态和长期SOC演化。	未在摘要中明确提及局限性。	实现锂离子电池荷电状态（SOC）的精准估计，提升电池管理系统（BMS）的性能和效率。	特斯拉Model-3 2170锂离子电池的电压、电流和温度测量数据。	机器学习	NA	数据清洗、最小-最大归一化、基于周期的分割	多尺度时间卷积网络和注意力机制（MSTCAN）	时间序列数据（电压、电流、温度）	特斯拉Model-3 2170电池数据集	NA	多尺度时间卷积网络，注意力机制	均方根误差（RMSE）、平均绝对误差（MAE）、最大误差、决定系数（R²）	NA
3018	2026-08-03	Performance comparison between a deep learning model and spine surgeons in detecting cervical spinal cord compression on radiographs 2026-May-22, Journal of neurosurgery. Spine DOI:10.3171/2026.1.SPINE251409 PMID:42172670	研究论文	开发了一种深度学习模型用于在颈椎X光片上检测颈椎脊髓压迫，并与脊柱外科医生的诊断性能进行比较。	首次开发了基于分割的定位算法和二元分类的深度学习模型，用于颈椎X光片上的脊髓压迫检测，并使用Grad-CAM进行可视化。	样本量较小，且仅使用了影像学资料，未纳入临床数据。	开发一种深度学习模型以检测颈椎放射照片上的脊髓压迫，并评估其与脊柱外科医生相比的诊断性能。	颈椎X光片和MRI影像数据	计算机视觉	颈椎脊髓压迫	MRI作为金标准	深度学习模型（基于分割和分类）	图像	600例内部样本（训练480，验证60，内部测试60），外部测试60例	NA	分割网络和分类网络	准确率、敏感性、特异性、F1分数、AUC	未提及
3019	2026-08-03	HISNET-FF: Hierarchical identification of species using a network with fused cranial and dental features 2026-Mar-18, Zoological research IF:4.0Q1 DOI:10.24272/j.issn.2095-8137.2025.156 PMID:41888061	研究论文	开发了HISNET-FF深度学习框架，通过融合颅骨和牙齿特征进行哺乳动物物种的层级识别，并在鼹科数据集上取得了高准确率	提出双流架构整合整体颅骨形态与局部牙齿和听泡的诊断信号，并在层级分类流程中从属级到种级进行识别，同时引入YOLO注释模块实现端到端自动化	未提及具体局限性	实现基于颅齿特征的自动、准确且高效的哺乳动物物种分类	51种、18属的鼹科（Talpidae）哺乳动物	计算机视觉	NA	NA	深度学习模型	图像	涵盖51种、18属的鼹科图像数据集	NA	HISNET-FF（双流架构），YOLO	准确率、召回率、精确率、平均精确率均值（mAP@[.50:.95]）	NA
3020	2026-08-03	A comprehensive review of artificial intelligence as a catalyst in aging research: insights, gaps and future perspectives 2026, Frontiers in aging IF:3.3Q2 DOI:10.3389/fragi.2026.1644669 PMID:41685266	综述	本文全面评述了人工智能在衰老研究中的应用，涵盖机器学习、深度学习和计算机视觉在四种经典衰老模型中的角色，并提出了标准化评分系统和概念框架	提出了AI质量评估指标（AI-QAM）和将AI应用映射到生物水平和衰老标志的概念框架	仅有3%的研究包含生物验证，存在数据集小且不平衡、数据偏差、预测噪声、缺乏跨物种分析、缺少细胞毒性测试和过度依赖合成数据等问题	评估AI在衰老研究中的应用现状，识别不足，并提出改进标准和整合框架	四种经典衰老模型（酵母、线虫、果蝇和小鼠）中的AI应用研究	机器学习	衰老相关疾病	NA	机器学习、深度学习、计算机视觉	临床数据、影像数据、多组学数据	综述中分析的研究数量未明确，但提及仅3%包含生物验证	NA	NA	NA	NA