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
301	2026-09-06	Deep Cross-Branch Multi-Modal Fusion Network for early Alzheimer's diagnosis 2026-Nov, Artificial intelligence in medicine IF:6.1Q1 DOI:10.1016/j.artmed.2026.103497 PMID:42551144	研究论文	提出了一种名为DCMFNet的深度跨分支多模态融合网络，用于早期阿尔茨海默病的诊断，通过整合sMRI和rs-fMRI数据实现跨模态特征对齐与融合	设计了新的深度跨分支多模态特征融合模块（DCMF），包含三个并行分支和双路径跨模态分支，以充分挖掘跨模态互补和相关信息，并引入Logit调整交叉熵损失（LACE）以缓解类别不平衡问题	文中未提及明确的局限性	实现对早期阿尔茨海默病的准确诊断，缓解类别不平衡和跨模态对齐问题	阿尔茨海默病患者及正常对照者的sMRI和rs-fMRI影像数据	医学影像分析	阿尔茨海默病	NA	深度学习模型，包括Transformer和卷积神经网络	医学影像（sMRI和rs-fMRI）	私有临床数据集，具体样本数量未说明	NA	Transformer, DCMF模块	分类准确率	NA
302	2026-09-06	Comparative evaluation of training strategies using partially labelled datasets for segmentation of white matter hyperintensities and stroke lesions in FLAIR MRI 2026-Nov, Artificial intelligence in medicine IF:6.1Q1 DOI:10.1016/j.artmed.2026.103507 PMID:42659784	研究论文	本文系统评估了使用部分标注数据训练白质高信号和缺血性卒中病变联合分割模型的各种策略，发现伪标签方法最有效	首次系统比较了六种利用部分标注数据训练WMH和ISL联合分割模型的策略，并验证了伪标签方法在提升分割性能方面的优势	未提及具体局限性，但可能包括伪标签的误差传递和模型对不同数据集的泛化能力有待进一步验证	解决WMH和ISL联合分割中完全标注数据稀缺的问题，探索利用部分标注数据训练有效模型的方法	脑小血管疾病中的白质高信号和缺血性卒中病变	机器学习, 医学图像分析	脑小血管疾病	NA	深度学习模型	MRI影像	2052个MRI体积，其中1341个有WMH标注，1152个有ISL标注	NA	NA	分割性能指标（如Dice系数）	NA
303	2026-09-06	Association of Deep Learning Imaging Algorithm Measures of Microbial Keratitis With Vision Outcomes 2026-Oct-01, Cornea IF:1.9Q2 DOI:10.1097/ICO.0000000000004029 PMID:41247284	研究论文	本研究评估了人工智能图像分割算法预测的微生物性角膜炎角膜变化与90天视力结果之间的关联，并与临床医生的测量进行比较	开发了一种新颖的人工智能成像分割算法，用于量化角膜形态特征，包括基质浸润面积和前房积脓的存在，并比较其与临床医生测量的预后关联性	未在摘要中明确提及局限性	比较人工智能图像算法预测与临床医生测量的微生物性角膜炎相关角膜变化对90天视力的关联	美国和印度的微生物性角膜炎患者	计算机视觉	微生物性角膜炎	角膜摄影	人工智能分割算法	图像	479名参与者（美国138名，印度341名）	NA	NA	β估计值，95%置信区间，P值	NA
304	2026-09-06	Deep learning-based parasite detection for early and comprehensive diagnosis of animal trypanosomosis from thin blood smears 2026-Oct, Veterinary parasitology IF:2.0Q2 DOI:10.1016/j.vetpar.2026.110898 PMID:42647969	研究论文	本研究评估了基于深度学习的目标检测模型用于动物锥虫病早期全面诊断的可行性	利用YOLO模型实现锥虫的早期检测，并通过不同物种和样本来源验证了模型的泛化能力	信息未在标题和摘要中提供	评估深度学习目标检测模型在动物锥虫病早期和全面检测中的应用	包括刚果锥虫在内的锥虫寄生虫，以及感染小鼠的薄血涂片	计算机视觉	动物锥虫病	显微镜检查（薄血涂片）	YOLO（目标检测模型）	图像	14,380张薄血涂片图像，包含47,276个寄生虫细胞	未指定	YOLO	精确度	未提供
305	2026-09-06	Developing a Histology-Based Artificial Intelligence Biomarker to Predict Adjuvant Chemotherapy Benefit in Pancreatic Cancer 2026-Sep-10, Journal of clinical oncology : official journal of the American Society of Clinical Oncology IF:42.1Q1 DOI:10.1200/JCO-26-00327 PMID:42507965	研究论文	开发基于组织学的人工智能生物标志物，以预测胰腺癌辅助化疗的相对获益	首次利用深度学习分析全切片图像，从肿瘤形态学中提取预测辅助化疗（吉西他滨 vs mFOLFIRINOX）相对获益的生物标志物	未在摘要中提及具体局限性	开发并验证一种基于组织学图像的生物标志物，用于预测胰腺导管腺癌患者接受辅助化疗的相对获益	胰腺导管腺癌（PDAC）患者	数字病理学	胰腺癌	组织学全切片图像（WSI）	深度学习模型	组织学图像	训练集231例，外部验证集313例（来自随机临床试验PRODIGE-24/CCTG PA6）	NA	卷积神经网络（CNN）	风险比（HR）、P值、交互作用P值	NA
306	2026-09-06	Systematic discovery of circular permutations across the protein universe using CIRPIN 2026-Sep-08, Proceedings of the National Academy of Sciences of the United States of America IF:9.4Q1 DOI:10.1073/pnas.2605178123 PMID:42696540	研究论文	提出了一种环状排列不变的图神经网络（CIRPIN），用于发现蛋白质宇宙中的环状排列关系，并构建了包含1830万对蛋白质的数据库CIRPIN-DB。	通过合成环状排列的数据增强策略，使图神经网络学习对环状排列不变的蛋白质表示，从而识别结构相似但末端位置不同的蛋白质。	摘要未提及局限性。	开发一种工具，以发现蛋白质中因环状排列而具有相似结构但拓扑不同的关系，并探索其进化机制。	蛋白质结构数据库中的蛋白质，包括SCOP和AlphaFold Cluster Representatives以及CATH数据库中的拓扑结构。	机器学习	NA	NA	图神经网络（GNN）	蛋白质结构数据	1830万对蛋白质，覆盖CATH数据库中的845个独特拓扑结构	NA	图神经网络	NA	NA
307	2026-09-06	Deep learning in breast cancer histopathology: predicting and detecting axillary lymph node metastasis 2026-Sep-04, Virchows Archiv : an international journal of pathology IF:3.4Q1 DOI:10.1007/s00428-026-04711-y PMID:42696054	综述	本文是一篇叙事性综述，总结了深度学习在乳腺癌组织病理学中预测和检测腋窝淋巴结转移的最新进展	综述了两种互补的应用方向，即通过淋巴结切片检测转移灶和通过原发肿瘤组织学预测淋巴结状态，并比较了两种方法的性能和临床可行性	文献检索为非系统性且聚焦范围有限，预测研究的端点定义不一致，部分研究未明确区分孤立肿瘤细胞、微转移或宏转移	评估深度学习在乳腺癌腋窝淋巴结转移预测和检测中的应用现状与潜力	乳腺癌患者的苏木精-伊红染色组织病理切片	数字病理学	乳腺癌	苏木精-伊红染色	深度学习模型	图像	不适用	不适用	不适用	AUC, 灵敏度	不适用
308	2026-09-06	Attention-Driven Framework for Non-Rigid Medical Image Registration 2026-Sep-04, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2026.3730918 PMID:42696627	研究论文	提出了一种基于注意力驱动的非刚性医学图像配准框架AD-RegNet，用于提高大形变下的配准精度和变形合理性	引入了双向交叉注意力建立多尺度对应，以及区域自适应注意力和多分辨率变形场合成策略，以改善配准并减少不真实扭曲	未在摘要中明确提及局限性	实现非刚性医学图像配准，特别是在大解剖变形下保持变形合理性的同时提高配准精度	3D医学图像，包括胸部CT和脑部MRI	医学图像分析	未指定（涉及一般医学图像配准）	NA	深度学习模型（3D U-Net结合注意力机制）	图像（CT和MRI）	DIRLab 4D CT数据集和IXI MRI数据集（具体样本数未给出）	NA	3D U-Net，双向交叉注意力，区域自适应注意力，多分辨率变形场	目标配准误差（TRE），Dice相似系数（DSC），负雅可比行列式百分比，归一化互相关（NCC），均方误差（MSE），结构相似性（SSIM）	NA
309	2026-09-06	Digital Predictive Technologies for Fall Risk Assessment, Prediction, and Prevention in Long-Term Care: A Scoping Review 2026-Sep-04, Journal of the American Medical Directors Association IF:4.2Q2 DOI:10.1016/j.jamda.2026.106433 PMID:42696799	综述	本综述旨在梳理长期护理环境中老年人跌倒风险评估、预测和预防支持的数字预测技术的现有证据。	全面综述了多种数字预测技术（如人工智能、机器学习、深度学习、可穿戴设备、电子健康记录预测模型等）在长期护理跌倒风险中的应用，并强调了将这些技术作为决策支持工具而非替代临床判断的视角。	证据基础仍然较小、异质性高且大多处于开发阶段，直接评估跌倒减少或持续临床结果的研究有限。	绘制数字预测技术在长期护理环境中用于跌倒风险评估、预测和预防支持的现有证据图谱。	长期护理环境中（包括养老院、住宿式老年护理机构、辅助生活设施、专业护理设施等）的老年人或居民。	数字健康	跌倒	人工智能，机器学习，深度学习，可穿戴传感器，惯性测量单元，被动传感器，物联网系统，电子健康记录预测模型，最小数据集分析，预测仪表板，临床决策支持系统	未明确	电子健康记录、最小数据集记录、药物数据、功能评估、跌倒史、生命体征、可穿戴传感器数据、惯性传感器数据、被动传感器数据、仪表板关联数据流	纳入11项研究	未明确	未明确	区分度、准确性	未明确
310	2026-09-06	Deep learning on contrast-enhanced computed tomography for parotid tumor classification: Providing crucial diagnostic information beyond clinical and radiologic evaluation 2026-Sep-04, Oral oncology IF:4.0Q2 DOI:10.1016/j.oraloncology.2026.108122 PMID:42696858	研究论文	本研究探讨了深度学习在增强CT图像上对腮腺肿瘤进行术前良恶性分类的性能，并与传统临床和影像学评估进行比较	首次将三维卷积神经网络应用于增强CT的腮腺肿瘤体积分割和分类，证明其性能优于传统临床和影像学检查	研究样本量较小，且为单中心回顾性研究，可能存在选择偏倚	评估深度学习模型在术前区分良恶性腮腺肿瘤的诊断性能，作为传统诊断方法的非侵入性辅助工具	66例接受腮腺切除术的患者（33例恶性，33例良性，人口统计学匹配）	深度学习	腮腺肿瘤	增强CT成像	三维卷积神经网络（3D CNN）	CT影像数据	66例患者的增强CT图像	NA	NA	ROC曲线下面积（AUC）、灵敏度、特异性	NA
311	2026-09-06	A deep learning framework for oligopeptide candidate discovery across metabolism-related contexts 2026-Sep-04, Cell reports methods IF:4.3Q2 DOI:10.1016/j.crmeth.2026.101577 PMID:42697196	研究论文	提出基于深度学习的Deepeptide流水线，用于发现代谢相关环境中的寡肽候选物	利用疾病适应症、生物学过程和分子功能之间的内在关系，在数据稀缺的代谢相关环境中进行寡肽发现，并通过多场景验证证明其普适性	未明确提及局限性	开发并验证一种能跨越多种代谢相关环境（如血管生成、脂质代谢等）进行寡肽候选物发现的深度学习方法	代谢相关疾病环境及其相关寡肽候选物	机器学习	代谢相关疾病	NA	深度学习	NA	涵盖五种代表性疾病相关环境（血管生成、脂质代谢、成骨、葡萄糖代谢、抗血管生成）	NA	NA	生物活性率（62%）、效能比较	NA
312	2026-09-06	A deep unrolling network based on cartoon texture decomposition for low-dose CT reconstruction 2026-Sep-04, Physics in medicine and biology IF:3.3Q1 DOI:10.1088/1361-6560/aea2ec PMID:42697236	研究论文	提出了一种基于卡通纹理分解的深度展开网络CTDNet，用于低剂量CT重建，通过将正则项和保真项同时展开到卷积神经网络中以提高重建质量	在展开数据保真项的基础上，进一步将正则项也展开到CNN中，提供了一种新的展开策略	未在摘要中明确提及	提高低剂量CT重建中深度展开网络的性能，有效去除噪声和伪影并保留纹理结构	低剂量CT图像和投影数据	计算机视觉、数字病理？不，应为医学图像重建，但给定的字段类别中无此项，可归为机器学习或计算机视觉？摘要未指定，但通常属于计算机视觉或医学图像处理。结合选项，这里用“计算机视觉”或“机器学习”可能合适，但摘要显示是深度学习方法，用于CT重建，属于计算成像。由于选项有限，选择“机器学习”可能更贴近，但许多CT重建被列为计算机视觉。我选“计算机视觉”	不适用（因为低剂量CT重建可能用于多种疾病检测，摘要未指定具体疾病）但选项中包含肺癌、前列腺癌等，可能不直接适用，因此用“NA”	低剂量CT成像，深度展开网络	深度展开网络（基于CNN）	CT图像和投影数据	使用“低剂量CT图像和投影数据”数据集和“小猪数据集”，但未提及具体样本数量	未在摘要中指定，故输出“NA”	CTDNet（基于卡通纹理分解和Chambolle-Pock算法展开）	客观指标（如PSNR、SSIM等，但摘要未具体列出，故可能输出“客观指标”或直接NA？但由于摘要提到“客观指标”，可写“视觉效果和客观指标”，但为了具体，写“客观指标”并说明未列具体？最好列出常见指标，但摘要未给。因此根据摘要说“视觉评估和客观指标”，但为保险输出“客观指标”作为占位，但不如给出典型指标？为准确，输出“客观指标（如PSNR、SSIM等，未明确列出）”但中文表述。由于要求不要添加猜测，故输出“NA”因为摘要未公布具体指标值，但提到“客观指标”。所以我写“客观指标”作为类别。可能允许。	NA（摘要未提及）
313	2026-09-06	Digital pathology, image analysis, and artificial intelligence in liver disease 2026-Sep-04, The Lancet. Digital health DOI:10.1016/j.landig.2026.101017 PMID:42697794	综述	本文综述了数字病理学、图像分析和人工智能在肝脏疾病中的应用进展，包括诊断、移植评估及临床实践中的挑战与解决方案。	总结了近年来深度学习和高分辨率全切片图像在肝脏病理中的最新进展，并讨论了实际临床应用中的关键问题。	需要进一步评估AI工具在真实世界中的有效性、临床安全性和实施情况。	回顾数字病理、图像分析和AI技术在肝脏疾病研究和临床实践中的现状与未来方向。	肝脏疾病（包括肝癌和肝病）的组织样本和全切片图像。	数字病理学	肝脏疾病	数字病理学，图像分析	NA	图像	NA	NA	NA	NA	NA
314	2026-09-06	MST-Net: a multi-scale spatial transformation network for automated T2/T3 staging of rectal cancer on preoperative T2-weighted MRI 2026-Sep-04, Insights into imaging IF:4.1Q1 DOI:10.1186/s13244-026-02377-3 PMID:42698053	研究论文	本研究开发了一种名为MST-Net的深度学习模型，用于基于术前T2加权MRI自动且无分割地区分直肠癌的T2/T3分期。	MST-Net创新性地结合了金字塔跨阶段特征融合模块和轻量级空间注意力机制，实现了无分割的自动T2/T3分期，减少了深层网络中空间细节的丢失，并能够自适应聚焦于肿瘤区域的关键影像组学特征。	本研究可能受限于回顾性设计、样本量（共309例患者）以及只有两个中心的数据，其泛化性和在不同人群中的适用性需进一步验证。	开发一个深度学习模型（MST-Net），以基于术前T2加权MRI实现直肠癌T2/T3分期的无分割自动、准确预测，从而支持临床个性化治疗决策。	直肠癌患者的术前T2加权MRI图像及其术后病理确认的T2/T3分期标签。	医学影像	直肠癌	T2加权MRI	深度学习模型	图像	共309例患者；包括训练集（216例）、内部测试集（54例）和外部独立验证集（39例）	NA	MST-Net（包含金字塔跨阶段特征融合模块和轻量级空间注意力机制）	AUC、准确率	NA
315	2026-09-06	Artificial intelligence and ultra-high performance computing methods and experiments for drug discovery: virtual screening, deep learning, molecular dynamics simulations, ADMET modelling, and experimental validation 2026-Sep-03, Molecular biomedicine IF:6.3Q1 DOI:10.1186/s43556-026-00498-1 PMID:42686980	综述	本文综述了人工智能与超高性能计算在药物发现中的应用，包括虚拟筛选、深度学习、分子动力学模拟、ADMET建模及实验验证，并探讨了未来研究方向。	结合了人工智能与超高性能计算方法，覆盖从虚拟筛选到实验验证的全流程，强调经济地开发更安全有效的药物。	未提及具体局限性，可能缺乏对某一方法的深入实证分析。	探讨人工智能和超高性能计算在药物发现中的进展、挑战及未来方向。	药物发现中的分子、化学空间、靶点及配体。	药物发现、人工智能、高性能计算	NA	虚拟筛选、深度学习、分子动力学模拟、ADMET建模	深度学习模型	分子数据、化学结构数据	NA	NA	NA	NA	超高性能计算系统、计算资源（未指明具体类型）
316	2026-09-06	Remote sensing for monitoring and managing Eichhornia crassipes: a review of methods, applications, and decision-support frameworks 2026-Sep-02, Environmental monitoring and assessment IF:2.9Q3 DOI:10.1007/s10661-026-15788-y PMID:42684487	综述	本文综述了2004至2025年间56项关于利用遥感技术监测和管理水葫芦的研究，探讨了不同平台、传感器和分析方法的应用及其演变	首次提出一个基于五大战略支柱的决策支持框架，包括多尺度传感器融合、生态可解释分类方案、可扩展分析阶梯、早期预警指标和监测与管理行动的反馈回路	跨平台数据协调困难、混合植被群落中误分类问题以及将遥感输出转化为决策相关信息仍存在挑战	总结遥感技术在水葫芦监测管理中的应用进展，并提出面向决策支持的方法框架	水葫芦（Eichhornia crassipes）入侵的淡水生态系统	遥感	不适用	遥感技术，包括多光谱、高光谱、合成孔径雷达（SAR）、无人机（UAV）和机载平台	机器学习、深度学习、基于对象分类和指数阈值法	遥感图像	56项研究（2004-2025年发表）	NA	NA	NA	NA
317	2026-09-06	Brain cognition gaps reveal associations with dopamine and factors related to brain health through artificial intelligence prediction of functional connectome 2026-Sep-02, eLife IF:6.4Q1 DOI:10.7554/eLife.104053 PMID:42684829	研究论文	本研究利用深度学习预测功能连接组，评估不同脑状态下的认知表现，并提出脑认知差距作为认知韧性的潜在标志	引入脑认知差距概念，并发现其与多巴胺结合及脑健康因素相关，强调脑状态在基于连接组的认知预测中的重要性	未提供具体局限性信息	探究不同脑状态下功能连接组对认知表现的预测能力，以及脑认知差距与多巴胺和脑健康因素的关联	人类大脑的功能连接组和认知表现	机器学习	NA	PET	深度学习	影像数据（功能MRI和PET）	NA	NA	NA	NA	NA
318	2026-09-06	Enhanced lung cancer detection using BiLSTM attention and transformer models on clinical text data 2026-Sep-02, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-26610-z PMID:42686798	研究论文	提出一种结合BiLSTM注意力机制和Transformer模型的混合方法，用于从临床文本数据中预测和检测肺癌，以提高准确性和效率	将BiLSTM、注意力机制和Transformer模型相结合，以应对过拟合、数据不平衡和长序列依赖问题，实现更高的预测精度	数据集较小可能导致过拟合，未来需更大数据集和先进正则化方法进一步验证	开发一种高效的深度学习工具，用于从临床文本中早期准确检测肺癌，支持临床决策	肺癌患者医疗记录，包括人口统计数据、症状、放射学报告和其他临床信息	自然语言处理	肺癌	NA	BiLSTM, Transformer, 注意力机制	文本数据	未明确（使用患者医疗记录数据集，具体样本数未提供）	NA	BiLSTM, Transformer, 注意力机制	准确率, 验证损失	NA（训练时间13.99秒，但未指定具体硬件）
319	2026-09-06	Integrating macroeconomic and technical indicators into forecasting the stock market: a hybrid approach for efficient feature selection 2026-Sep-02, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-67696-3 PMID:42686918	研究论文	本研究提出一个结合历史数据、技术指标和宏观经济数据的混合特征选择框架，用于预测股票市场的每日对数收益率，并评估其交易策略的经济表现	提出一种结合过滤式和包装式方法的混合特征选择方法，区别于以往研究主要依赖单一特征选择或完全忽略特征选择的情况；同时整合了宏观经济数据（如黄金价格、石油价格、波动率指数、美元指数等）与技术指标，以捕捉经济因素对股票市场的影响	尽管统计指标提升幅度不大，但预测误差略高于传统模型，且样本仅涵盖五家公司，可能限制结果的普适性	开发一个稳健的预测框架，通过结合历史数据、技术指标和宏观经济数据以及混合特征选择方法，提高股票日对数收益率预测的准确性和交易策略的经济绩效，并验证统计精度不足以单独评估金融预测模型	股票市场的每日对数收益率，涵盖五家不同行业和规模的公司：苹果（AAPL）、埃克森美孚（XOM）、高盛（GS）、辉瑞（PFE）和福特汽车（F）	机器学习	NA	NA	深度学习模型（具体类型未明确）	时间序列数据（包含历史价格、技术指标和宏观经济指标）	5家公司（苹果、埃克森美孚、高盛、辉瑞、福特）	NA	NA	统计度量（如误差指标）和交易绩效指标（如收益率、夏普比率）	NA
320	2026-09-06	Artificial intelligence-supported total parenteral nutrition management in neonatal intensive care units: A systematic review of clinical efficacy, safety, and system integration 2026-Sep-02, International journal of medical informatics IF:3.7Q2 DOI:10.1016/j.ijmedinf.2026.106681 PMID:42697157	系统综述	本系统综述旨在综合关于新生儿重症监护病房中人工智能支持的全肠外营养管理的现有证据，涵盖临床疗效、患者安全和系统整合方面	首次对AI支持的TPN管理在NICU中的临床疗效、安全性和系统整合进行系统综述，并提出了未来研究的三个优先领域	证据基础仅包含13项定量主要研究，总体证据确定性为中低水平，可能限制结论的稳健性	综合评估AI支持的TPN管理在NICU中的临床疗效、患者安全和系统整合方面的现有证据	新生儿重症监护病房中接受全肠外营养管理的患者及相关AI、ML、CPOE或CDSS系统	临床决策支持系统	新生儿疾病	NA	变换器模型、经典机器学习算法	临床数据	13项定量主要研究，样本量范围为30至9,330	NA	变换器模型、经典机器学习架构	Pearson相关系数、R²、错误率	NA