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
3261	2026-07-30	Artificial intelligence analysis of thermo-physical transport in modified Eyring-Powell nanofluids with bioconvective and radiative effects 2026-Jul-24, Applied radiation and isotopes : including data, instrumentation and methods for use in agriculture, industry and medicine IF:1.6Q3 DOI:10.1016/j.apradiso.2026.112829 PMID:42520551	research paper	利用人工神经网络模型分析改进型Eyring-Powell纳米流体在生物对流和辐射效应下的热物理传输性能	首次将贝叶斯正则化人工神经网络（BR-ANN）应用于改进型Eyring-Powell纳米流体的随机热物理性能建模，实现了对复杂非线性多物理场耦合传热过程的高精度预测	模型基于层流和拉伸表面的假设条件，未考虑湍流或复杂几何形状的影响，且仅使用了数值模拟数据验证，缺乏实验数据的对比验证	研究热辐射、布朗运动、热泳、分层和生物对流等参数对改进型Eyring-Powell纳米流体热物理传输性能的影响机制	改进型Eyring-Powell纳米流体在拉伸表面上的层流流动及其热质传递和生物对流特性	machine learning	NA	数值模拟（Adams方法）	Bayesian Regularization Artificial Neural Network (BR-ANN)	数值模拟数据	NA	Mathematica, BR-ANN	Bayesian Regularization Artificial Neural Network	mean square error (MSE), 回归图, 绝对误差直方图	NA
3262	2026-07-30	Predicting OCT-defined vulnerable plaques and MACE using quantitative imaging features of pericoronary adipose tissue from coronary CTA 2026-Jul-24, Computer methods and programs in biomedicine IF:4.9Q1 DOI:10.1016/j.cmpb.2026.109570 PMID:42520736	研究论文	利用冠状动脉CTA中冠状动脉周围脂肪组织的定量影像特征构建深度学习放射组学模型，预测OCT定义的易损斑块和主要不良心血管事件	首次基于冠状动脉周围脂肪组织的影像组学和深度特征，构建联合临床-影像组学-深度特征的模型，用于无创预测OCT定义的易损斑块及MACE	样本量较小（116例），且为单中心回顾性研究，外部验证不足，可能影响模型的泛化性	构建基于冠状动脉周围脂肪组织的深度学习放射组学模型，预测OCT评估的斑块易损性和未来主要不良心血管事件	冠心病患者冠状动脉周围脂肪组织的CT影像特征和临床数据	计算机视觉, 数字病理	冠心病	冠状动脉CT血管造影（CCTA），光学相干断层扫描（OCT）	支持向量机, 逻辑回归	CT影像	116例冠心病患者（训练集92例，验证集24例）	PyRadiomics, Volume Contrast框架	PyRadiomics提取影像组学特征，Volume Contrast框架提取深度特征	AUC	NA
3263	2026-07-30	Machine Learning-Based Multidimensional Health Decline Prediction Framework: Data-Driven Modeling for the Middle-Aged and Elderly Population 2026-Jul-22, Healthcare (Basel, Switzerland) DOI:10.3390/healthcare14142223 PMID:42512739	研究论文	利用机器学习和深度学习方法，基于CHARLS数据库构建中年及老年人群多维度健康衰退预测模型	采用MRMR特征选择策略和TabPFN模型，实现多维度健康结果的联合预测，并通过Shapley分析识别关键影响因素	未提及模型的外部验证，可能存在过拟合风险；数据来源于单一队列（CHARLS），泛化性需进一步验证	预测中年及老年人群的残疾、疼痛、认知障碍、听力和抑郁风险，并识别关键影响因素	中国健康与养老追踪调查（CHARLS）数据库中20,967名45岁及以上参与者	机器学习	老年性疾病	NA	TabPFN	表格数据（69个变量的结构化数据）	20,967名中老年参与者	NA	TabPFN	ROC-AUC	NA
3264	2026-07-30	Frugal Learning Methods for Kidney Segmentation in Non-Contrast MRI 2026-Jul-22, Journal of clinical medicine IF:3.0Q1 DOI:10.3390/jcm15145747 PMID:42513661	研究论文	针对非对比MRI中的肾脏分割，开发并评估一系列节俭学习方法以应对标注数据稀缺等挑战	首次系统比较数据增强、半监督学习、弱监督和迁移学习等七种节俭学习策略在肾脏MRI分割中的表现，并证明其能在减少人工标注的同时达到高分割精度	半监督和迁移学习方法的Dice系数仍略低于全监督模型（0.89 vs 0.92），提示在极低标注数据场景下性能可能进一步受限	探索数据高效的深度学习技术，以推动自动肾脏分割在临床工作流程中的应用	肾脏MRI图像中的肾脏区域分割	计算机视觉	肾脏疾病	MRI	CNN	图像	三个数据集：Barlicki数据集（临床本地队列）、AMOS22和AbdomenCT（公共数据集）	PyTorch	U-Net	Dice相似系数	NA
3265	2026-07-30	A Review of Deep Learning Methods for Multimodal Medical Image Fusion 2026-Jul-22, Sensors (Basel, Switzerland) DOI:10.3390/s26144632 PMID:42515514	综述	综述了基于深度学习的多模态医学图像融合方法，涵盖不同网络架构、损失函数、评估指标及数据集	对深度学习多模态医学图像融合方法进行了全面分类，分析了损失函数、评估指标、成像模态对和数据集，并介绍了新兴方法如扩散模型和Mamba	未明确说明自身局限性，但指出现有研究在标准化评估和统一指标方面存在挑战	总结基于深度学习的多模态医学图像融合技术进展，为研究者提供清晰理解并促进后续研究	多模态医学图像融合方法，包括基于CNN、自编码器、GAN、Transformer、扩散模型和Mamba的方法	机器学习, 数字病理学	未指定	NA	CNN, 自编码器, GAN, Transformer, 扩散模型, Mamba	医学图像	NA	NA	CNN, 自编码器, GAN, Transformer, 扩散模型, Mamba	评估指标（文中未具体列出）	NA
3266	2026-07-30	Multi-Exposure HDR Imaging: A Review of Pixel-Level and Feature-Level Reconstruction Methods 2026-Jul-22, Sensors (Basel, Switzerland) DOI:10.3390/s26144649 PMID:42515530	综述	对多曝光高动态范围成像中像素级与特征级重建方法进行系统性综述	基于对齐与融合域对深度学习方法进行细粒度分类，并总结不同监督设置下的代表性工作与关键设计原则	未涉及实时计算或低功耗场景下的应用挑战，对动态场景的通用性讨论有限	梳理多曝光融合与鬼影去除领域的前沿技术与发展趋势	多曝光HDR图像融合与动态场景鬼影去除方法	计算机视觉	NA	NA	CNN、光学流、空间变换器、可变形卷积、注意力机制、潜在表示融合	图像	NA	NA	光学流、空间变换器、可变形卷积、注意力机制	峰值信噪比、结构相似性、HDR-VDP-2、MEF-SSIM	NA
3267	2026-07-30	DCAF-Net: Density-Conditioned Attention Fusion Network for Single-Image Dehazing 2026-Jul-22, Sensors (Basel, Switzerland) DOI:10.3390/s26144656 PMID:42515538	研究论文	提出了一种基于雾密度条件注意力融合网络的单图像去雾方法	引入自适应雾密度感知模块生成空间雾密度引导图，并将其作为条件信息嵌入多尺度特征调制与注意力融合过程，实现不同退化区域的适应性恢复	主要依赖合成数据集训练，真实配对数据稀缺可能影响泛化能力	解决单图像去雾中雾的空间非均匀性及其与光照、纹理退化的耦合问题，提升模型在真实场景下的泛化能力	受雾霾退化的单张图像	计算机视觉	不适用	不适用	卷积神经网络	图像	不适用（基于多个合成与真实雾霾数据集）	PyTorch	DCAF-Net（含雾密度感知模块、多尺度特征调制模块、残差密集级联特征增强模块）	PSNR, SSIM, 感知对比损失	不适用
3268	2026-07-30	ABMA: An Attention-Based Morphology-Aware Framework for Automated 12-Lead ECG Arrhythmia Classification 2026-Jul-21, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics16142274 PMID:42510136	研究论文	提出基于注意力机制和形态学感知的框架，用于自动12导联心电图心律失常分类	提出ABMA框架，结合多尺度CNN和BiLSTM网络，自动学习心电图的局部形态特征和时序节奏，并通过形态学评分网络估计不同心电片段的重要性，无需预定义边界或手动标注	基于回顾性分析，需要在独立的外部多中心数据集或前瞻性临床研究中验证其泛化性和临床实用性，尚未作为临床验证的诊断工具	实现自动12导联心电图心律失常分类，提高诊断准确性	心电图信号中的心律失常类型，包括窦性心律、房颤和室性心动过速	机器学习	心血管疾病	心电图	CNN, BiLSTM	信号（心电图信号）	NA	NA	multiscale CNN, BiLSTM, ABMA模块	准确率, 加权F1分数, 宏F1分数	NA
3269	2026-07-30	Artificial Intelligence Applications to Support Physical Activity, Mobility, and Fatigue Management in People with Multiple Sclerosis: A Scoping Review 2026-Jul-21, Healthcare (Basel, Switzerland) DOI:10.3390/healthcare14142219 PMID:42512735	综述	系统梳理人工智能在多发性硬化症患者体力活动、步态、疲劳管理及跌倒风险预测中的应用研究	首次系统性地将AI应用于MS患者体力活动相关领域的原始研究进行范围综述，涵盖惯性传感器深度学习、可穿戴设备步态估计、跌倒风险预测等多类AI技术	现有证据尚未证明AI支持系统能改善体力活动依从性、疲劳负担、跌倒风险或生活质量，缺乏前瞻性、外部验证及安全敏感性研究	梳理并评估AI在MS患者体力活动、步态、疲劳及跌倒风险管理中的现有研究进展与证据强度	多发性硬化症患者的体力活动、步态、移动能力、疲劳、跌倒风险及真实世界功能数据	机器学习	多发性硬化症	惯性传感器深度学习, 可穿戴设备步态估计, 连接设备预测模型, 智能手机步态分析	深度学习模型, 预测模型	可穿戴传感器数据, 智能手机数据, 临床数据, 患者报告数据	21项原始研究，涉及332条初始记录，45篇全文评估	TensorFlow, PyTorch, Scikit-learn	CNN, LSTM, SVM, 随机森林	准确率, 敏感性, 特异性, AUC值, F1分数	NA
3270	2026-07-30	Transforming Fundus Photography for Deep Learning-Based Anemia Screening 2026-Jul-21, Journal of clinical medicine IF:3.0Q1 DOI:10.3390/jcm15145702 PMID:42513616	研究论文	利用深度学习模型分析眼底照片，通过图像预处理方法将圆形眼底照片转换为适合卷积神经网络分析的正方形图像，开发非侵入性贫血筛查方法	对比了三种图像预处理方法（未变换、拉伸和重映射），发现拉伸方法预测最准确；使用多任务级联卷积神经网络进行血红蛋白预测和贫血分类	未在文中明确说明局限性	开发和评估使用眼底照片进行贫血非侵入性筛查的方法	眼底照片和对应的血红蛋白测量数据	计算机视觉	贫血	NA	卷积神经网络	图像	39,036张眼底图像，患者数据收集自2011年至2023年	NA	EfficientNet B5	R值、MAE、AUC	NA
3271	2026-07-30	Let the Model Choose Its Own Frequency: An Adaptive Frequency-Aware Inverted Transformer for Noise-Robust Gearbox Fault Diagnosis 2026-Jul-21, Sensors (Basel, Switzerland) DOI:10.3390/s26144622 PMID:42515502	研究论文	提出自适应频率感知倒置Transformer（AF-iTransformer），用于噪声环境下齿轮箱故障诊断	首次让模型在逐样本基础上自主学习应关注的频率范围，通过可学习频谱滤波器动态抑制噪声带并保留故障相关频谱内容	未提及在极端噪声水平或实际工业环境中的泛化能力，且仅在两个特定数据集上验证	解决噪声条件下齿轮箱故障诊断的鲁棒性问题，实现工业实时监测	齿轮箱振动信号中的故障诊断	机器学习	不适用	FFT，iFFT	Transformer	振动信号	UConn齿轮箱数据集（9种故障类别）和SEU齿轮箱数据集（5种故障类别）	PyTorch	AF-iTransformer	准确率，推理延迟，峰值内存	2 GB边缘GPU，现代CPU
3272	2026-07-30	A Deep Learning Framework for the Discovery of Natural-Product Candidate Binders of Acetyl-CoA Carboxylase 2 (ACC2) with Potential Relevance to Cardiometabolic Lipid Metabolism 2026-Jul-21, Pharmaceuticals (Basel, Switzerland) DOI:10.3390/ph19071123 PMID:42515804	研究论文	开发了一种集成深度学习和结构生物信息学的工作流程，从FooDB数据库中选择具有预测的乙酰辅酶A羧化酶2（ACC2）结合潜力的天然产物候选分子	提出了一种可重复的深度学习与分子对接相结合的工作流程，用于筛选食品来源的抗氧化化合物作为ACC2候选结合物，并鉴定了新的结合热点Glu539	优先化合物仅为计算候选物，需经过生物化学和细胞（实验）验证才能确立ACC2相关的生物学相关性	开发并验证一个整合深度学习与结构生物学的工作流程，用于优先排序具有ACC2结合潜力的食品来源化合物，以应对肥胖及相关代谢疾病	食品来源的天然产物（来自FooDB数据库的139,988种化合物）和乙酰辅酶A羧化酶2（ACC2）蛋白	机器学习	肥胖相关代谢疾病	分子对接、分子动力学模拟、MM/GBSA计算	图神经网络、图摩根指纹融合架构	分子结构数据、生物活性数据	3983条ACC2生物活性记录来自ChEMBL 36，139,988种FooDB化合物进行筛选，200个候选分子进行对接，6个复合物进行500纳秒分子动力学模拟	PyTorch	图神经网络、图摩根指纹融合架构	准确率、ROC曲线下面积、精密度、召回率	NVIDIA RTX 3090 GPU
3273	2026-07-30	Brainana: an end-to-end preprocessing framework for macaque neuroimaging 2026-Jul-21, bioRxiv : the preprint server for biology DOI:10.64898/2026.06.03.729972 PMID:42327202	研究论文	提出一个端到端的自动化预处理框架 Brainana，用于猕猴神经影像分析	集成深度学习模型进行脑提取和组织分割，支持容器化部署与云端访问，并整合标准化和猕猴特异性表面重建优化	未提及具体局限性	实现猕猴 MRI 分析的可重复、可扩展和易用	猕猴神经影像数据	机器阅读	NA	MRI	深度学习模型	神经影像数据	23 个成像站点、130 只猕猴的数据	BIDS	深度学习模型（未明确具体架构）	解剖对应性、可靠的本征空间表面、局部任务诱发激活、可重复的脑静息态相关性	云端访问，无需本地计算资源
3274	2026-07-30	A Multilevel Deep Learning Model for Automated Brain Tumor Segmentation Using Magnetic Resonance Images 2026-Jul-20, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics16142259 PMID:42510123	研究论文	提出一种多级深度学习模型，用于磁共振图像中脑肿瘤的自动分割	结合改进的SMOTE技术处理类别不平衡，并采用基于多级架构的改进U-Net来学习多尺度空间特征	尚未在外部临床数据集上进行验证，也未与最新的分割模型进行比较	实现磁共振图像中脑肿瘤的自动、准确分割	脑肿瘤	计算机视觉	脑肿瘤	MRI	改进U-Net	图像	BraTS数据集	NA	改进U-Net	Dice系数,Jaccard系数,Matthews相关系数(MCC),准确率	NA
3275	2026-07-30	Landmark Regression with Attention U-Net for Assessing Breast Positioning Quality in MLO Mammography View 2026-Jul-20, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics16142262 PMID:42510125	研究论文	开发并评估了一种用于评估MLO乳腺X线摄影定位质量的注意力U-Net回归模型	首次将注意力U-Net回归模型应用于MLO乳腺X线摄影定位质量评估，并开展了与普通U-Net和ResNeXt50的对比消融研究	仅基于单一数据集和单一MLO视图进行研究	开发并评估用于定量评估MLO乳腺X线摄影定位质量的深度学习方法	1000名患者的2000张MLO乳腺X线图像	数字病理学	乳腺癌	乳腺X线摄影	注意力U-Net	医学影像	1000名患者的2000张MLO视图图像	NA	注意力U-Net, 普通U-Net, ResNeXt50	准确率, 灵敏度, 特异性, 预测误差（毫米）	NA
3276	2026-07-30	Deep Learning-Based Virtual Screening Identifies Potential Small-Molecule Inhibitors of ASK1: Natural Product Lead Discovery for MASH 2026-Jul-20, International journal of molecular sciences IF:4.9Q2 DOI:10.3390/ijms27146438 PMID:42511781	研究论文	通过深度学习虚拟筛选从天然产物库中发现靶向ASK1的候选小分子抑制剂，用于代谢功能障碍相关脂肪性肝炎的治疗	将深度学习、分子模拟与量子化学计算整合，从天然产物库中快速筛选出靶向ASK1的候选先导化合物CMNPD10921	仅基于计算模拟结果，缺乏体外或体内实验验证	发现新的抗MASH候选药物分子，通过抑制ASK1靶点治疗代谢功能障碍相关脂肪性肝炎	ASK1蛋白与天然产物小分子抑制剂	机器学习	代谢功能障碍相关脂肪性肝炎	虚拟筛选, 分子对接, 分子动力学模拟, 深度学习	NA	分子结构数据	1个天然产物库（CMNPD），1个候选化合物CMNPD10921	NA	NA	MM-GBSA结合自由能, 残基能量分解	NA
3277	2026-07-30	Performance Comparison of Multi-Modal Fusion Techniques in Tissue Perfusion Analysis Using Homography Calibration 2026-Jul-20, Sensors (Basel, Switzerland) DOI:10.3390/s26144585 PMID:42515468	研究论文	该研究探索了多模态融合技术和相机校准对组织灌注分析的影响	首次将单应性校准应用于多模态组织灌注成像，并系统比较了早期与晚期融合策略的性能	未提及具体局限性	优化多模态成像中的对齐与融合策略，以提高组织灌注分类精度	组织灌注的多模态图像数据	计算机视觉	NA	多模态成像（红外、热成像、RGB）	深度卷积神经网络（CNN）	图像	基于现有TTPD数据集	NA	ResNet50, ResNet101	分类精度	NA
3278	2026-07-30	Spatiotemporal Dual-Channel Interpretable Hybrid Neural Network for HD-sEMG-Based Gesture Recognition 2026-Jul-20, Sensors (Basel, Switzerland) DOI:10.3390/s26144602 PMID:42515485	研究论文	提出一种时空双通道可解释混合神经网络，用于基于高密度表面肌电信号的手势识别	通过特征通道和空间通道分别处理信号特征与空间信息，结合SHAP值排名和图形注意力层增强模型可解释性	未提及	提升高密度表面肌电信号手势识别的精度与模型可解释性，推动假肢实时控制应用	基于Capgmyo DB-a数据集的高密度表面肌电信号进行手势识别	机器学习	NA	高密度表面肌电信号	混合神经网络	肌电信号	Capgmyo DB-a数据集	NA	STDC-Net	准确率	NA
3279	2026-07-30	Actin Quantification Using the Filamentous Actin Segmentation Tool (FAST) 2026-Jul-20, Bio-protocol IF:1.0Q3 DOI:10.21769/BioProtoc.5765 PMID:42516583	研究论文	详细介绍了一种基于深度学习的肌动蛋白丝分割工具FAST的使用协议，用于从共聚焦显微镜图像中量化不同类别的肌动蛋白结构	采用抗体辅助标注方法生成训练数据集，实现无需多种结构特异性抗体即可检测不同肌动蛋白结构类别	NA	提供FAST工具的使用协议，帮助研究者量化肌动蛋白结构的组织与丰度	肌动蛋白丝结构及其在细胞中的分布	数字病理学	NA	共聚焦显微镜成像	深度学习模型	图像	NA	Ilastik	NA	NA	NA
3280	2026-07-30	AI-Assisted Forensic Analysis of Hanging-Related Ligature Marks: A Pilot Study Using Convolutional Neural Networks 2026-Jul-18, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics16142247 PMID:42510110	研究论文	评估卷积神经网络对缢死相关索沟进行形态学分类的深度学习方法的可行性	首次将卷积神经网络应用于法医学中缢死相关索沟的形态学分类，并建立了AI辅助法医分析的图像标准化标准	数据集规模较小（404张图像），需要更大规模数据集和多中心协议进一步验证可靠性和适用性	评估深度学习在法医病理学中对缢死相关索沟进行形态学分类的潜力	缢死相关索沟、非缢死病变（包括勒死和死后人工制品）的图像	机器视觉，数字病理学	法医病理学（非特定疾病）	图像分析	卷积神经网络（CNN）	图像	404张标准化JPEG图像（训练集），以及来自意大利墨西拿和立陶宛维尔纽斯法医病理学专家的独立测试集	NA	卷积神经网络（未指定具体架构）	F1分数（0.81±0.04）	NA