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
3021	2026-08-26	Integrating Genomic Data and Imaging in Lung Cancer Prediction Using a Hybrid Deep Learning Approach 2026-Sep-01, American journal of clinical oncology DOI:10.1097/COC.0000000000001288 PMID:41449569	研究论文	本研究开发了一种混合深度学习模型，整合基因组数据和医学影像数据，以提高肺癌预测的准确性。	首次将基因组数据与CT影像数据通过混合深度学习框架（基于Inception-ResNet-v2）进行多模态融合，并利用LoGF图像预处理技术增强关键特征提取，从而提升预测性能。	研究仅使用了单一数据集（LIDC-IDRI），未来需引入更多多模态数据（如电子健康记录和生活方式因素）以验证泛化能力；且未明确讨论计算资源或模型的可解释性。	开发一种混合深度学习模型，有效整合基因组和影像数据，以增强肺癌预测的准确性，支持早期诊断。	肺癌患者的CT影像数据和基因组数据，用于预测肺癌结果。	医学影像分析，基因组学，深度学习	肺癌	CT成像，基因组测序（具体技术未指定）	混合深度学习模型（基于CNN架构）	图像（CT扫描），基因数据	未在摘要中说明（基于LIDC-IDRI数据集，含多个患者样本）	Python（具体框架如TensorFlow或PyTorch未指定）	Inception-ResNet-v2	准确率（92.5%），其他如灵敏度、特异性未提及	未在摘要中说明（可能使用GPU，但未具体化）
3022	2026-08-26	Sharper than human eyes? A systematic review and meta-analysis of machine learning for retinal detachment detection 2026-Sep, European journal of ophthalmology IF:1.4Q3 DOI:10.1177/11206721261419673 PMID:41666118	系统综述和荟萃分析	本文对机器学习在视网膜脱离检测中的应用进行了系统综述和荟萃分析，评估其诊断准确性	首次严格遵循PRISMA指南对ML检测RD进行诊断测试准确性荟萃分析，并进行了亚组分析	研究间存在显著异质性，外部验证存在挑战，患者选择和数据质量存在偏差	评估机器学习在视网膜脱离检测中的诊断准确性，并探讨其临床应用的潜力与障碍	用于检测视网膜脱离的机器学习模型	机器学习	视网膜脱离	眼底成像，光学相干断层扫描	深度学习，机器学习	眼底图像，OCT图像	20项研究，69个模型	NA	NA	灵敏度，特异度，曲线下面积	NA
3023	2026-08-26	A comparative analysis of YOLOv8 and nnU-Net v2 based pipelines for sex and age estimation from maxillary sinus morphometry on panoramic radiographs 2026-Sep, International journal of legal medicine IF:2.2Q1 DOI:10.1007/s00414-026-03825-x PMID:42104112	研究论文	本研究旨在开发和比较两种基于深度学习的分割-放射组学流程（YOLOv8-Hybrid 和 nnU-Net v2），用于从全景X线片的上颌窦形态学中自动进行性别分类和年龄估计。	首次对 YOLOv8 和 nnU-Net v2 在法医上颌窦分析中进行系统比较，并提出 YOLOv8-Hybrid 流程，结合了粗分割、边界细化和超过120个形态测量及放射组学特征。	外部验证样本量较小，仅50张独立图像，可能影响泛化能力的全面评估。	开发和比较两种自动化的深度学习流程，用于从全景放射影像中的上颌窦形态学进行性别分类和年龄估计，以支持法医生物特征分析。	上颌窦形态学特征，来源于1024张全景X线片（512男，512女；年龄18-81岁）	计算机视觉	NA	全景放射摄影	卷积神经网络（YOLOv8, U-Net, nnU-Net）	图像	1024张全景X线片（训练/验证），50张独立图像（外部验证）	PyTorch	YOLOv8, U-Net, nnU-Net v2	AUC, MAE, mAP@50, ICC, Cohen's d, DeLong p 值	NA
3024	2026-08-26	Utilizing Deep Learning-based Computed Tomography Fractional Flow Reserve on Coronary Artery Disease Diagnosis and Treatment: 1-year Clinical Application From a Chinese Major Hospital 2026-Sep-01, Journal of thoracic imaging IF:2.0Q3 DOI:10.1097/RTI.0000000000000881 PMID:41943563	研究论文	本研究回顾性分析了基于深度学习的CT-FFR在冠状动脉疾病诊断和治疗中的临床应用，评估其对临床决策的影响及诊断准确性	首次在真实世界中国患者群体中全面描述机器学习CT-FFR的常规实施情况，并将其与CCTA结合以提升诊断效能	单中心回顾性研究，可能存在选择偏倚	调查CT-FFR在中国患者临床决策中的应用特征和接受度，并以有创冠状动脉造影为参考评估其诊断准确性	4564例中国患者及其心外膜冠状动脉，涉及2718条血管	医学影像分析	冠状动脉疾病	冠状动脉CT血管成像，CT-FFR	机器学习模型	图像，临床数据	4564例患者，其中906例患者涉及的2718条血管用于诊断分析	NA	NA	诊断准确性	NA
3025	2026-08-26	On the Prediction of pDNA Productivity Across Diverse Bioprocesses Using Ensemble Hybrid Models 2026-07, Biotechnology and bioengineering IF:3.5Q2 DOI:10.1002/bit.70207 PMID:42130220	研究论文	该文提出一种集成混合建模方法，用于预测不同生物工艺中质粒DNA的生产率，结合机理动态质量平衡与深度学习衍生的动力学速率。	采用集成混合模型，将每个速率项替换为全连接人工神经网络，并整合历史数据和分类变量；引入渐进式迁移学习框架以适应新的大肠杆菌菌株和培养模式。	未明确说明，但可能涉及对文献数据的依赖和模型泛化性的潜在限制。	通过混合建模和迁移学习加速pDNA生物工艺开发，减少模型重校准成本。	18个独特的大肠杆菌发酵过程，涵盖不同培养基、质粒和培养模式。	机器学习	NA	NA	全连接人工神经网络	发酵过程时间序列数据	18个大肠杆菌发酵数据集	NA	全连接人工神经网络	NA	NA
3026	2026-08-26	Refining Sleep-Disordered Breathing Annotations Across Multiple Public Sleep Study Datasets 2026-06, Journal of sleep research IF:3.4Q2 DOI:10.1111/jsr.70264 PMID:41431151	研究论文	开发标准化标注流程，根据AASM指南重新标注多个公共睡眠研究数据集的睡眠呼吸障碍事件，以提高跨队列一致性和AI分析可靠性	首次提出标准化标注管道，整合睡眠分期、氧减饱和和觉醒事件，遵循AASM综合标准，改善多数据集间AHI计算的一致性	未明确说明局限性	改进公共睡眠数据集中睡眠呼吸障碍注释的准确性，以符合当前临床指南并支持AI分析	多中心睡眠研究参与者，包括SHHS、MrOS、MESA和KISS数据集	数字病理学	阻塞性睡眠呼吸暂停	多导睡眠监测	深度学习模型（未指定具体类型）	多导睡眠图信号	SHHS1 (n=5793), SHHS2 (n=2651), MrOS1 (n=2907), MrOS2 (n=1026), MESA (n=2054), KISS (n=7745)	NA	NA	平均绝对误差，F1分数	NA
3027	2026-08-26	Optimising Sleep Stage Detection Using a Minimal Non-EEG Physiological Signal Set and Deep Learning 2026-06, Journal of sleep research IF:3.4Q2 DOI:10.1111/jsr.70266 PMID:41391449	研究论文	提出一种基于U-Net架构的可复现深度学习框架，仅利用三种非脑电生理信号（血氧饱和度、心率和腹式呼吸努力）进行睡眠分期，实现每秒级别的预测。	相比大多数依赖脑电信号和固定30秒时段的研究，本模型仅使用三种易采集的非脑电信号，并提供每秒级别的睡眠分期预测，突破了传统时段限制。	未明确提及，但可能包括对特定数据集依赖和模型在更广泛人群中的泛化性仍需进一步验证。	开发一种无需脑电信号的轻量级深度学习模型，以实现可扩展、临床相关的睡眠监测。	睡眠阶段分类，包括五阶段（清醒、N1、N2、N3和快速眼动）或四阶段（清醒、浅睡、深睡和快速眼动）。	深度学习、数字健康	睡眠相关疾病	非脑电生理信号采集，包括血氧饱和度、心率和腹式呼吸努力	卷积神经网络（基于U-Net架构）	生理信号时间序列数据	使用SHHS2数据集进行训练，MESA数据集进行外部验证，具体样本数量未在摘要中提供	Keras（使用Keras Tuner和Hyperband算法）	U-Net	加权F1分数、Cohen's Kappa	未明确提及，可能使用标准GPU，但摘要中未指定
3028	2026-08-26	Cough acoustic analysis using artificial intelligence for COVID-19 detection: A comparative study of patient cohorts from Lima, Peru and Montreal, Canada 2026-Jun, Annals of epidemiology IF:3.3Q1 DOI:10.1016/j.annepidem.2026.110076 PMID:41862033	研究论文	本研究比较了秘鲁利马和加拿大蒙特利尔两个队列的咳嗽声学特征及基于人工智能的新冠肺炎检测性能，发现咳嗽声学具有人群特异性，模型跨人群泛化能力有限	首次系统比较不同地理和流行病学背景下咳嗽声学特征对新冠检测模型性能的影响，并分析了疾病状态对预测得分的影响	样本量相对较小，且仅涉及两个地区，可能限制结果的普遍性	评估和比较不同人群（利马和蒙特利尔）咳嗽声学特征及基于人工智能的新冠肺炎筛选模型的性能	来自秘鲁利马和加拿大蒙特利尔的605名成人咳嗽录音和临床数据	数字病理学	新冠肺炎	NAAT（核酸扩增检测）	XGBoost，深度神经网络	音频，文本	605名成人	NA	XGBoost，深度神经网络	AUC	NA
3029	2026-08-26	A Novel MR Cine Sialography Technique for Evaluating Salivary Gland Function: Correlation with Unstimulated and Stimulated Saliva Volumes 2026-May-29, 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.2026-0004 PMID:42128847	研究论文	本研究利用基于时间空间标记反转脉冲和深度学习重建去噪的MR涎腺电影成像技术评估涎腺功能，并分析与全唾液体积的相关性	首次将深度学习重建去噪方法应用于MR涎腺电影成像技术，以改进图像质量并评估涎腺功能	样本量较小，仅为11名健康志愿者，可能限制结果的普遍性	评估基于Time-SLIP技术和深度学习去噪的MR涎腺电影成像技术在评估涎腺功能中的可行性	健康志愿者的下颌下腺和腮腺	医学影像	NA	MR涎腺电影成像, 深度学习重建去噪	NA	磁共振图像	11名健康志愿者	NA	NA	Spearman相关系数, Wilcoxon符号秩检验	NA
3030	2026-08-26	Deep learning in the diagnosis, staging, and prognosis of osteonecrosis of the femoral head: a systematic review 2026-May-23, BMC musculoskeletal disorders IF:2.2Q3 DOI:10.1186/s12891-026-09926-3 PMID:42174493	系统综述	本系统综述综合评估了深度学习在股骨头坏死诊断、分期、分割和预后预测中的应用，涵盖多种影像模态，并强调了性能、质量和可解释性。	首次系统综述深度学习在股骨头坏死中的全面应用，涵盖诊断、分期、分割和预后，并评估了方法学质量和可解释性。	大多数研究为回顾性单中心研究，数据集规模小且异质性高，缺乏外部验证、可解释性和不确定性量化。	系统评估深度学习在股骨头坏死诊断、分期、分割和预后预测中的性能与临床转化潜力。	股骨头坏死患者，使用MRI、CT或X光影像数据。	医学影像分析	股骨头坏死	深度学习	深度学习模型（未指定具体类型）	医学影像（MRI、CT、X光）	26项研究，包含多达59372张影像数据	NA	NA	AUC、Dice系数、敏感性、特异性	NA
3031	2026-08-26	A Central European tree species dataset of annotated terrestrial laser scanning point clouds - TreeScanPL10K 2026-May-04, Scientific data IF:5.8Q1 DOI:10.1038/s41597-026-07269-1 PMID:42082512	研究论文	介绍了一个名为TreeScanPL10K的中欧树种点云数据集，包含10417棵个体树木，其中约72%已识别物种，旨在支持深度学习方法在树木分割和物种分类中的应用	创建了规模超过以往资源的中欧树种地面激光扫描点云数据集，覆盖中欧主要林分形成树种，并在多种不同年龄、组成和发育阶段的波兰林分中收集	摘要中未提及明确的局限性	提供一个大规模、高质量标注的地面激光扫描点云数据集，以推动基于深度学习的树木分割和物种分类研究，促进精准林业和生态学研究	中欧森林中的个体树木，采集自不同年龄、组成和发育阶段的波兰林分	数字病理学	NA	地面激光扫描	深度学习模型	点云数据	10417棵个体树木	NA	NA	NA	NA
3032	2026-08-26	Untargeted Metabolomic and Lipidomic Profiles of Gingival Crevicular Fluid in the Context of Periodontitis 2026-May, Journal of clinical periodontology IF:5.8Q1 DOI:10.1111/jcpe.70105 PMID:41664514	研究论文	本研究通过非靶向代谢组学和脂质组学分析，比较了健康个体和牙周炎患者龈沟液中的代谢物和脂质谱，揭示了牙周炎相关的代谢变化。	首次采用非靶向代谢组学和脂质组学结合半监督深度学习进行代谢物峰筛选和数据分析，全面表征了牙周炎龈沟液中正负离子极性的代谢物和脂质变化。	样本量较小，且为横断面研究，无法确定因果关系。	探索牙周炎患者与健康个体龈沟液中非靶向代谢组和脂质组谱的差异，以提高对牙周炎生化变化的理解，并促进精准医疗的发展。	健康个体和牙周炎患者的龈沟液样本。	代谢组学	牙周炎	液相色谱-质谱联用（亲水相互作用和反相色谱）、非靶向代谢组学和脂质组学分析	半监督深度学习模型	质谱数据（代谢物和脂质谱）	17个健康个体和19个牙周炎患者的龈沟液样本	NA	NA	q值（错误发现率调整的p值）、绝对log2转化折叠变化（\|log2FC\|）	NA
3033	2026-08-26	Multiparametric MRI-based Deep Learning and Radiomics for Evaluating Lymph Node Metastasis in Early-Stage Cervical Cancer 2026-May, Radiology. Imaging cancer DOI:10.1148/rycan.250345 PMID:41931018	研究论文	开发基于多参数MRI的影像组学模型和深度学习-影像组学融合模型，用于早期宫颈癌淋巴结转移的术前预测	首次在早期宫颈癌中基于肿瘤和淋巴结的多参数MRI分别提取影像组学和深度学习特征，并构建融合模型进行淋巴结转移预测的多个心研究	未提供明确的局限性信息	评估基于多参数MRI的影像组学模型和深度学习-影像组学融合模型在早期宫颈癌术前预测淋巴结转移中的有效性	早期宫颈癌患者的术前MRI数据，包括肿瘤和淋巴结区域	放射影像学、深度学习	宫颈癌、淋巴结转移	多参数MRI	影像组学模型、深度学习模型（具体类型未明确）	MRI图像	862名早期宫颈癌患者	NA	NA	受试者工作特征曲线下面积、校准曲线、决策曲线分析	NA
3034	2026-08-26	Artificial Intelligence in Trauma Care: A Systematic Review of Resuscitation, Diagnosis, Risk Prediction, and Management 2026 May-Jun 01, Journal of trauma nursing : the official journal of the Society of Trauma Nurses IF:0.7Q4 DOI:10.1097/JTN.0000000000000920 PMID:41996287	系统综述	本文系统评价了人工智能在创伤护理中的应用，涵盖复苏、诊断、风险预测和患者管理等方面。	系统梳理了2015至2025年间AI在创伤护理中的研究进展，并识别出现有证据的局限性与未来研究方向。	多数研究采用单中心回顾性设计，且常缺乏外部验证，限制了结果的泛化性。	评估AI在创伤复苏、诊断、并发症预测和患者管理中的应用证据。	创伤患者及相关临床决策任务（如大量输血预测、颅内出血检测、死亡率预测等）。	机器学习	创伤	NA	机器学习、深度学习	临床数据（包括文本、图像等）	纳入58项研究	NA	NA	与传统临床工具相当或更优的性能	NA
3035	2026-08-26	Domain-Shift AI Technology for Vendor-Agnostic Multiple Macular Disease Detection From 3D OCT Scans 2026-Apr-01, JAMA ophthalmology IF:7.8Q1 DOI:10.1001/jamaophthalmol.2026.0029 PMID:41746616	研究论文	该研究开发了一种供应商无关的深度学习模型，用于从不同厂商的3D OCT扫描中检测多种黄斑疾病，并验证了其跨设备泛化能力。	提出了一个供应商无关的3D OCT多疾病分类模型，结合无监督测试时域适应方法（Test Entropy）解决厂商间域差异，并引入不确定性类别处理未见过的黄斑状况，同时整合分诊模块。	未明确提及限制，但研究中不确定性类别敏感性波动较大，且临床重要漏诊率存在（紧急和半紧急病例）。	开发并验证一个能够处理来自不同供应商的3D OCT扫描的供应商无关模型，用于多种黄斑疾病的检测和分诊。	多种黄斑疾病，包括来自不同厂商的3D和2D OCT扫描数据。	计算机视觉	黄斑疾病	OCT成像	深度学习模型（ResNet 3D）	3D OCT扫描图像和2D OCT扫描图像	开发集：6756个OCT扫描（来自1669名患者）；外部测试集：12236个OCT扫描（来自4336名患者）	NA	ResNet（3D）	AUROC、微平均PPV、微平均NPV、临床重要漏诊率	未提及
3036	2026-08-26	Deep learning model for pathological invasiveness prediction using smartphone-based surgical resection images in clinical stage IA lung adenocarcinoma (SuRImage): a prospective, multicentric, diagnostic study 2026-Apr, The Lancet. Digital health DOI:10.1016/j.landig.2025.100965 PMID:41927432	研究论文	开发基于智能手机拍摄手术切除图像的深度学习模型，用于临床IA期肺腺癌的病理侵袭性预测，以辅助术中诊断和手术决策	首次在术中诊断领域使用智能手机拍摄的手术切除图像进行深度学习模型开发，用于预测IA期肺腺癌的病理侵袭性，并提供了宏观形态学特征对侵袭性的见解	未在摘要中明确提及局限性	开发深度学习模型，利用手术切除图像快速准确预测IA期肺腺癌的病理侵袭性，以辅助外科医生制定精准手术决策	临床IA期肺腺癌患者的手术切除图像	数字病理学、深度学习	肺腺癌	智能手机成像、组织病理学分析	深度学习模型（具体类型未在摘要中说明）	图像	1727名患者（其中1529名来自广东省人民医院，116名来自广东医科大学附属医院，82名来自梅州市人民医院），共2910张手术切除图像	NA	NA	曲线下面积、准确率	NA
3037	2026-08-26	Reconstruction of 3D crystal growth from transmission optical microscopy images 2026-Apr, PNAS nexus IF:2.2Q1 DOI:10.1093/pnasnexus/pgag080 PMID:41978576	研究论文	提出一种从透射光学显微镜图像序列中重建单晶三维多面体形状演化的新方法，结合深度学习和基于晶体学的合成图像生成及光折射仿真，用于原位监测晶体生长过程。	将深度学习与理论晶体学、光折射精确模拟相结合，实现对晶体生长过程中三维形状动态的稳健估计，并验证了形状变化（不仅是尺寸）的监测能力。	未明确提及局限，可能包括对特定晶体形态（L-谷氨酸多面体）的适用性限制或对成像条件的依赖。	开发一种从透射光学显微镜图像中重建晶体三维形状演化的方法，以支持结晶过程的原位监测和精密制造。	L-谷氨酸的多面体晶体在生长过程中的三维形状变化。	计算机视觉	不适用	透射光学显微镜成像	深度学习模型	图像序列	单个L-谷氨酸晶体的生长过程图像序列	未明确指定	未明确指定	与手动测量结果的对比验证	未明确指定
3038	2026-08-26	Decoding Human T Cell Immunity with Artificial Intelligence and Single-Cell Genomics 2026-04, Annual review of immunology IF:26.9Q1 DOI:10.1146/annurev-immunol-082724-011631 PMID:42045109	综述	综述了人工智能和单细胞基因组学在解码人类T细胞免疫中的应用，涵盖技术进展、瓶颈及未来方向	结合单细胞基因组学、TCR测序和深度学习，提出人工智能与单细胞基因组学联合解码T细胞异质性和TCR-pMHC相互作用的新视角	数据有限性和模型泛化能力不足是当前主要瓶颈	探讨人工智能和单细胞基因组学在解析T细胞免疫反应、TCR特异性和临床结局关联中的潜力	T细胞及其T细胞受体（TCR）和肽-MHC（pMHC）相互作用	机器学习	NA	单细胞基因组学、TCR测序、深度学习	机器学习模型、深度学习模型	单细胞基因组数据、TCR序列数据	NA	NA	NA	NA	NA
3039	2026-08-26	Long Short-Term Memory-GPT-4 Integration for Interpretable Biomedical Signal Classification: Proof-of-Concept Study 2026-03-20, JMIR formative research IF:2.0Q4 DOI:10.2196/87962 PMID:41861395	研究论文	本研究提出并评估了一种将长短期记忆网络与GPT-4集成的技术框架，用于自动化生物医学信号分类及生成人类可读的临床解读，为资源受限环境下的临床应用奠定基础。	创新性地将LSTM网络与GPT-4大语言模型相集成，实现生物医学信号分类与自然语言解释的无缝结合，并提供经过医师评估的临床解读。	未提及	开发一种结合LSTM和GPT-4的自动化信号分类与解读框架，以解决远程和资源受限环境中的诊断瓶颈。	心电图和脑电图等生物医学信号。	机器学习	心血管疾病，神经系统疾病	长短期记忆网络，GPT-4模型	长短期记忆网络（LSTM），GPT-4	心电信号，脑电信号	150个测试案例（50个来自每个数据集）	未提及	两层LSTM（128→64单元）	准确率，F1分数，AUC，Fleissκ系数	未提及
3040	2026-08-26	Characterizing Physicochemical Selection in Protein Evolution with Property-Informed Models (PRIME) 2026-Mar-11, bioRxiv : the preprint server for biology DOI:10.64898/2026.03.09.710461 PMID:41959076	研究论文	PRIME框架通过将氨基酸交换性建模为理化性质的函数，揭示了蛋白质进化中选择压力的生物物理基础。	首次将氨基酸交换性显式建模为理化性质的函数，包括全局、位点和情景三种实现，并利用生物物理分类学精确分类残基的保守性、中性或变化性。	该分析可能依赖于数据集和基因组的代表性，且对理化性质的选择可能影响结果的通用性。	通过将抽象进化率转化为可解释的生物物理规则，表征蛋白质多样性的机制驱动因素。	24个多样化数据集和18,944个哺乳动物基因。	机器学习	不适用	密码子水平最大似然方法	最大似然模型	序列数据	24个多样化数据集和18,944个哺乳动物基因	不适用	全球、情景和位点特异性实现	AUC、敏感性、模型拟合	不适用