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
3281	2026-08-23	Prediction of Atrial Fibrillation Occurrence With Handheld Mobile Electrocardiogram: Deep Learning Model Development Using Real-World Data 2026-Aug-20, JMIR medical informatics IF:3.1Q2 DOI:10.2196/87142 PMID:42623177	研究论文	开发并评估基于真实世界手持移动心电图数据的深度学习模型，以预测窦性心律记录后短期内（7天、14天、31天）心房颤动的发生。	首次使用真实世界门诊环境下的6导联移动心电图数据，并采用多阶段训练策略（自监督预训练和领域适应），结合大规模临床12导联心电图和专有移动心电图数据，提升了预测性能。	外部验证队列规模较小（n=144），且模型在性别和QRS持续时间等亚组中的表现存在差异，提示模型的泛化性和公平性有待进一步研究。	利用深度学习模型，基于真实世界的单次窦性心律移动心电图记录，预测短期内（7天、14天或31天）心房颤动的发生风险。	从商业手持移动心电图设备（可捕获6个肢体导联）获取的真实世界用户数据，以及公开的大规模临床12导联心电图数据。	机器学习, 数字病理	心房颤动	NA	Transformer	心电图信号	内部队列：8206名用户的386,519份移动心电图；外部队列：144名用户。预训练数据包括787,257份12导联心电图和202,689份移动心电图，微调用97,447份有标签的移动心电图。	NA	Transformer	受试者工作特征曲线下面积（AUROC）、Cox比例风险回归（风险比）、生存分析（P值）	NA
3282	2026-08-23	AI Models for Predicting Acute Kidney Injury (AKI) and Post-AKI Mortality: Systematic Review and Meta-Analysis 2026-Aug-20, Journal of medical Internet research IF:5.8Q1 DOI:10.2196/104269 PMID:42623396	系统综述与荟萃分析	本系统综述和荟萃分析总结了机器学习模型在预测急性肾损伤（AKI）发生及AKI后死亡率的判别性能和实施相关的空白	首次对AKI发生和AKI后死亡率预测的机器学习模型进行大规模系统综述和荟萃分析，使用PROBAST+AI工具评估偏倚风险，并采用限制最大似然随机效应模型进行统计学合并	高度异质性、外部或前瞻性验证有限、模型校准和临床效用的报告不一致	总结AKI发生和AKI后死亡率预测的机器学习模型的判别性能，并评估其实施相关的空白	219项研究和7,343,170名参与者，涉及101种建模方法	机器学习	急性肾损伤	NA	深度学习、树模型、集成方法、线性模型、广义线性模型	NA	219项研究，7,343,170名参与者	NA	NA	曲线下面积（AUC）	NA
3283	2026-08-23	Lung cancer detection in CT scans using extracted nodule features and precise multistage segmentation with deep learning based ensemble model 2026-Aug-19, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-50656-2 PMID:42613328	研究论文	提出一种基于VGG16和U-Net++集成模型的深度学习CNN方法，用于CT扫描中肺结节的自动检测和分类，准确率达96%	创新性地将VGG16和U-Net++两种深度学习模型集成，结合结节特征提取和多阶段分割，以提高肺癌检测的准确性和鲁棒性	未明确提及局限性，但可推断依赖特定数据集，可能存在泛化问题	通过深度卷积神经网络改进肺癌检测，实现早期阶段肺结节的准确自动化诊断	CT扫描图像中的肺结节，分为良性、恶性和正常三类	计算机视觉	肺癌	CT成像	CNN	图像	未明确提及样本数量，使用肺图像数据集	NA	VGG16, U-Net++	准确率, 精确率, 召回率, F1分数	NA
3284	2026-08-23	Deep learning-enhanced detection of dental restorations and orthodontic appliances in panoramic radiographs using a clinically annotated dataset 2026-Aug-19, Acta odontologica Scandinavica IF:1.4Q3 DOI:10.2340/aos.v85.46619 PMID:42615416	研究论文	本研究开发了一种基于深度学习的目标检测框架，利用临床注释的数据集提高了全景X光片中牙科修复体和正畸矫治器的多类检测精度。	通过定制锚点调整（16-256像素）和自适应数据增强等特定领域优化，在牙科全景X光片检测中实现了对小目标检测性能的显著提升。	由于基准数据集在来源和注释范围上与增强数据集不同，增强数据集的性能提升不能视为直接受控的改进；此外，仍需要进一步的外部和多中心验证。	开发一种基于深度学习的框架，利用临床注释的回顾性数据集，提高全景X光片中牙科修复体和矫治器的多类别检测准确性。	牙科全景X光片中的六类目标：牙冠、根管填充、充填物、桥、种植体和牙套。	计算机视觉	口腔疾病	NA	Faster R-CNN	图像（全景X光片）	2,434张匿名全景X光图像	NA	Faster R-CNN 与 ResNet-50 特征金字塔网络	mAP@0.5, 平均召回率，精确度	笔记本电脑工作站（具体GPU型号未提供）
3285	2026-08-23	Multicenter External Validation of an AI-Based Funduscopic Carotid Atherosclerosis Score and Assessment of Its Association With Coronary Artery Calcification: External Validation Study 2026-Aug-19, JMIR medical informatics IF:3.1Q2 DOI:10.2196/77335 PMID:42616614	研究论文	在韩国多中心健康检查人群中外部验证人工智能眼底颈动脉粥样硬化评分，并评估其与冠状动脉钙化的关联。	对DL-FAS进行多中心外部验证，并首次探讨其与冠状动脉钙化的关联，以评估其反映全身动脉粥样硬化负担的能力。	未明确说明局限性。	外部验证DL-FAS的泛化性能，并评估其与冠状动脉钙化的关联，以揭示其反映全身动脉粥样硬化负担的潜力。	韩国健康检查人群中的视网膜眼底图像、颈动脉超声和冠状动脉钙化数据。	计算机视觉	动脉粥样硬化	深度学习	深度学习模型	图像	108,982名参与者	NA	NA	曲线下面积（AUC）、优势比（OR）	NA
3286	2026-08-23	Deep Learning-Based Automated Clinical Gait Assessment From Kinematic Data in People With Stroke: Development and Validation Study 2026-Aug-19, JMIR rehabilitation and assistive technologies DOI:10.2196/94031 PMID:42616771	研究论文	本研究开发和验证了一个基于深度学习的框架，利用运动学数据自动评估中风患者的步态，具体通过统计图卷积网络预测威斯康星步态量表项目。	提出了一种结合STAT-Attention头部模块的统计图卷积网络（STAT-GCN），首次将这种架构用于从穿戴式惯性测量单元获取的运动学数据中自动预测威斯康星步态量表项目，并与物理治疗学生评估者进行了比较。	样本量较小，威斯康星步态量表项目存在类别不平衡，且缺乏外部验证，因此性能需谨慎解读。	验证一种基于深度学习的框架，利用运动学数据自动化临床步态评估，以提高客观性和标准化。	51名偏瘫中风患者和18名健康对照者的步态运动学数据及威斯康星步态量表评分。	机器学习	中风	穿戴式惯性测量单元	图卷积网络	运动学数据	51名中风患者和18名健康对照者	NA	统计图卷积网络（STAT-GCN）	准确率, 平均绝对误差, 加权κ	NA
3287	2026-08-23	Liquid neural networks for adaptive DDoS detection in IoT and SDN environments 2026-Aug-19, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-67535-5 PMID:42618583	研究论文	本研究探索了液态神经网络在物联网和软件定义网络环境中进行自适应DDoS检测的应用，并通过多头注意力机制和三层液态时间常数层提高了检测性能	首次将液态神经网络应用于DDoS检测，利用其连续时间适应能力处理动态变化的网络流量，并结合多头注意力机制捕捉时间依赖性，同时采用基于动量迭代方法的对抗测试评估鲁棒性	未明确提及，但可能包括对特定数据集的依赖和实时部署中的计算开销	评估液态神经网络在动态变化的物联网和SDN环境中进行自适应DDoS检测的有效性和鲁棒性	物联网和SDN环境中的DDoS攻击流量	机器学习	NA	网络流量分析	液态神经网络	网络流量数据	使用了三个数据集：CICIoT2023、SNT SDN2025和IoT23	NA	液态时间常数层，多头注意力机制	准确率、精确率、召回率、假阳性率、假阴性率	NA
3288	2026-08-23	Deep learning for nanoscience scanning electron microscope image classification 2026-Aug-19, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-63864-7 PMID:42618704	研究论文	提出一个用于纳米结构扫描电子显微镜图像的多类分类框架，结合SMOTE与迁移学习解决类别不平衡问题	采用像素级和特征级两种SMOTE策略处理类别不平衡，并比较不同CNN架构和MLP的性能	未明确提及局限性	提高SEM图像中纳米结构分类的准确性和计算效率	纳米线、纤维和尖端（NFT）的SEM图像	计算机视觉	NA	扫描电子显微镜（SEM）	卷积神经网络（CNN）和多层感知器（MLP）	图像	未明确提及样本数量	未明确提及	SqueezeNet, ShuffleNet, GoogLeNet, ResNet50, MLP	准确率	未明确提及
3289	2026-08-23	MolDeTr: A Chemistry-Informed Deep Learning Model for Next-Generation Automated Analysis of 1H NMR Spectra 2026-Aug-18, Analytical chemistry IF:6.7Q1 DOI:10.1021/acs.analchem.5c03465 PMID:42610906	研究论文	MolDeTr是一种基于化学知识、源于检测变换器架构的深度学习模型，用于自动化分析一维质子核磁共振谱，统一完成峰拾取、多重峰识别以及提取化学位移、标量耦合常数、弛豫衰减时间和质子数等参数	MolDeTr是首个直接解决谱条件逆问题的深度学习模型，能从实测1D 1H NMR谱中提取自旋系统参数，无需已知分子结构或参考标准，且与现有结构条件方法相比，化学位移预测精度提高了1至2个数量级	文章摘要未提及局限性信息	实现全自动、可扩展的1D 1H NMR谱分析，消除迭代拟合和专家干预，加速分子结构解析和化学发现	单组分小分子的一维质子核磁共振谱，包含最多十组化学等价自旋（多重峰）	深度学习	不适用	核磁共振波谱法（NMR）	检测变换器（Detection Transformer）	一维质子核磁共振谱	多样化的实验1H NMR谱数据集，涵盖80至600 MHz基础频率的适度大小小分子	PyTorch	检测变换器（Detection Transformer）	中位绝对误差（MAE）用于化学位移和耦合常数，准确率用于质子数预测	未提及
3290	2026-08-23	Deep learning-based recognition of hand anatomical structures and traumatic lesions in surgical images: A proof-of-concept study 2026-Aug-18, Hand surgery & rehabilitation IF:0.9Q3 DOI:10.1016/j.hansur.2026.102761 PMID:42612821	研究论文	本研究提出了一种基于深度学习的语义分割方法，用于从手术图像中识别手部解剖结构和创伤性病变，并验证了其可行性。	首次将深度学习语义分割应用于手部手术图像中的精细解剖结构和创伤性病变识别，并创建了包含710张标注图像的数据集。	对于静脉、手术器械和指甲等代表性不足的结构，分割性能较低。	探索深度学习在手部手术图像中自动识别解剖结构和创伤性病变的可行性，为计算机视觉辅助手部手术提供初步步骤。	手部手术图像中的解剖结构（如肌腱、肌肉、动脉、神经）和创伤性病变。	计算机视觉	创伤性手部损伤	语义分割	DeepLabV3+	图像	710张标注图像，数据增强后为71,000张	NA	DeepLabV3+（ResNet-50编码器）	Dice分数、混淆矩阵分析	NA
3291	2026-08-23	Consistency of feature attribution in deep learning architectures for multi-omics 2026-08-18, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-58312-5 PMID:42613353	研究论文	该研究评估了SHAP方法在多视图深度学习模型应用于多组学数据时特征归因的一致性，并提出了改进可靠性的方法。	首次系统性地评估了SHAP在多视图深度学习框架下的特征排名一致性，并提出了基于随机森林和聚类质量的替代稳健性评估方法。	研究仅限于人类宿主细胞响应数据集，且深度学习模型的超参数选择可能影响归因结果。	评估SHAP在多组学深度学习模型中的特征归因一致性，提出提高识别重要生物分子可靠性的方法。	人类宿主细胞响应多组学数据，包括基因表达、蛋白丰度等。	机器学习	不适用	多组学测序	多视图深度学习	表格数据	未明确	未明确	多视图深度学习架构	准确度、聚类质量	未明确
3292	2026-08-23	Robust PV fault diagnosis under data constraints using a hybrid vision transformer with cross-attention fusion and uncertainty-aware explainability 2026-Aug-18, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-66049-4 PMID:42613391	研究论文	提出一种混合视觉变换器框架HyViX-PV，通过交叉注意力融合和不确定性感知可解释性，实现鲁棒的光伏故障诊断	采用动态交叉注意力融合机制结合EfficientNet-B3和ViT-B/16，通过可学习的查询-键交互实现自适应特征优先化；结合蒙特卡洛dropout进行不确定性量化，支持置信度感知和选择性预测弃权；多粒度可解释性管线集成Grad-CAM、注意力展开和融合权重分析	未明确提及	在数据稀缺、类别不平衡和模型不确定性校准不足的条件下，实现准确可靠的光伏故障诊断，提升系统可靠性和运营效率	太阳能光伏（PV）系统中的故障诊断	计算机视觉、机器学习	NA	NA	混合模型（CNN + Vision Transformer）	图像	未明确提及，但使用五折交叉验证、锁定测试集和基于哈希的数据泄漏预防方法	PyTorch	EfficientNet-B3, ViT-B/16	准确率、宏F1分数	NA
3293	2026-08-23	Predicting ki-67 expression in breast cancer via transformer and multiple instance learning on DCE-MRI 2026-Aug-17, Cancer imaging : the official publication of the International Cancer Imaging Society IF:3.5Q1 DOI:10.1186/s40644-026-01100-1 PMID:42618942	研究论文	本研究开发并比较了基于DCE-MRI的Transformer和多重实例学习深度学习模型，用于无创预测乳腺癌Ki-67表达水平	创新性地提出了结合切片级预测特征的MIL模型（使用PLH和BoW技术）以及基于Transformer的融合模型，通过自注意力机制捕捉切片间全局上下文关系，优于传统影像组学和临床模型	未在摘要中明确提及局限性	探索并比较基于DCE-MRI的先进深度学习模型，以实现对Ki-67表达的无创、精准术前预测	308例经组织学确诊的乳腺癌患者的术前DCE-MRI数据	医学影像分析	乳腺癌	DCE-MRI	Transformer, 多重实例学习(MIL)	医学影像（DCE-MRI）	308例患者	未明确提及	Transformer, MIL（结合PLH和BoW）	AUC, 准确率, 敏感度, 特异性	未明确提及
3294	2026-08-23	Validation of tumour-negative lymph node size as a novel independent prognostic biomarker in oesophagogastric adenocarcinoma: post hoc analysis of the UK MRC OE05 and ST03 randomised trials 2026-Aug-12, ESMO open IF:7.1Q1 DOI:10.1016/j.esmoop.2026.108348 PMID:42585971	研究论文	本研究通过分析两个III期随机试验的切除标本，验证了肿瘤阴性淋巴结大小作为食管胃腺癌独立预后生物标志物的有效性。	首次在独立人群中验证了肿瘤阴性淋巴结大小作为食管胃腺癌的预后生物标志物，并发现其与肿瘤位置和炭末色素负荷相关。	研究基于回顾性分析，且未深入探讨淋巴结增大的机制，需要进一步的功能研究。	验证肿瘤阴性淋巴结大小作为食管胃腺癌独立预后生物标志物的有效性。	来自OE05和ST03试验的1367例食管胃腺癌患者的切除标本。	数字病理学	食管胃腺癌	组织学染色、自动分割和深度学习模型	深度学习模型	组织切片图像	1367例患者（OE05：652例；ST03：715例）	NA	NA	风险比、置信区间、P值	NA
3295	2026-08-23	Transforming subcellular spatial transcriptomics: deep learning models for cell segmentation 2026-Aug-10, Nucleic acids research IF:16.6Q1 DOI:10.1093/nar/gkag782 PMID:42621733	综述	本文综述了基于深度学习模型的亚细胞空间转录组学细胞分割方法，包括全卷积神经网络、基于变换器的模型和基础模型，并讨论了它们的架构创新、性能特征和实际限制。	本文系统性地比较了新兴的深度学习细胞分割策略，特别是变换器模型和基础模型在泛化性方面的优势，并预测了未来采用趋势。	本综述指出变换器模型和基础模型的主要限制是数据需求量大和计算成本高，这可能阻碍其广泛采用。	回顾和评估深度学习在亚细胞空间转录组学中用于准确细胞分割的方法，以促进标准化的部署。	亚细胞空间转录组学数据中的细胞分割算法，包括全卷积神经网络、变换器模型和基础模型。	数字病理学	NA	空间转录组学	深度学习模型，包括全卷积神经网络、变换器和基础模型	空间转录组数据（图像和转录本位置）	NA	NA	全卷积神经网络、变换器、基础模型	泛化性、准确性（具体指标如准确率、F1分数等未在摘要中明确）	计算成本高（具体硬件未指定）
3296	2026-08-23	Associations between deep learning-derived infrapatellar fat pad volume on MRI with knee cartilage thickness and imaging features of knee osteoarthritis: Data from the Osteoarthritis Initiative 2026-Aug-07, Osteoarthritis and cartilage IF:7.2Q1 DOI:10.1016/j.joca.2026.08.001 PMID:42567402	研究论文	本研究基于骨关节炎倡议的基线数据，探讨了MRI测量的髌下脂肪垫体积与膝关节软骨厚度及骨关节炎影像特征之间的关联	利用深度学习算法自动分割髌下脂肪垫体积，并在大规模队列中按亚区详细分析其与软骨厚度和WORMS评分的关联	横断面设计，无法推断因果关系，且未提及对计算资源或算法架构的详细说明	评估髌下脂肪垫体积与膝关节软骨厚度及骨关节炎影像特征的关系，并探索亚区特异性关联	骨关节炎倡议中的参与者，共4257人	医学影像分析	膝关节骨关节炎	MRI	深度学习算法	图像	4257名参与者	NA	NA	β系数, 95%置信区间	NA
3297	2026-08-23	A lightweight deep learning framework for fast, real-time super-resolution fluctuation imaging 2026-Aug-06, Biophysical reports IF:2.4Q3 DOI:10.1016/j.bpr.2026.100279 PMID:42562212	研究论文	本文介绍了一种轻量级深度学习框架RESURF，用于快速、实时的超分辨率波动成像，通过减少所需帧数和计算开销，实现了活细胞动态过程的实时高分辨率成像	采用轻量级递归神经网络模型，可将所需帧数减少至8帧，同时将空间分辨率提高一倍，推理时间低于30毫秒，并支持在极低信噪比条件下进行活细胞成像	未明确提及局限性，但可能受限于对特定生物结构的通用性及跨显微镜设置时需少量数据进行迁移学习	开发一种基于深度学习的实时超分辨率波动成像框架，以克服传统方法需要大量帧数和计算密集的缺点，实现活细胞快速动态过程的实时成像	活细胞中的多种亚细胞结构和标记策略	计算机视觉, 数字病理学	不适用	荧光波动成像	递归神经网络	图像	不明确，涉及模拟数据和多种亚细胞结构的实验数据	不明确	递归神经网络	空间分辨率, 推理时间	不明确
3298	2026-08-23	Deep Learning Estimation of Forced Expiratory Volume in One Second/Forced Vital Capacity and Obstructive Lung Disease Classification From Chest Radiographs With Subgroup Performance Analysis in a North American Cohort: Retrospective Cohort Study 2026-Aug-05, JMIR AI DOI:10.2196/87770 PMID:42555927	研究论文	本研究训练了一个深度学习模型，从胸部X光片中估计FEV1/FVC比值并分类气流阻塞，并在北美队列中评估其性能及亚组差异。	首次在北美队列中评估深度学习模型利用胸部X光片估计FEV1/FVC和分类气流阻塞，并进行了亚组性能审计。	单中心研究，缺乏外部验证；亚组性能差异需进一步验证。	评估深度学习模型从胸部X光片估计FEV1/FVC和分类气流阻塞的性能，并审计不同人口统计学亚组的差异。	3537名在加拿大安大略省大型医院网络接受肺活量测定和胸部X光检查的成年人。	深度学习、医学影像分析	慢性阻塞性肺疾病（COPD）	胸部X光片分析	卷积神经网络（CNN）	图像（胸部X光片）和临床数据（肺活量测定）	训练集2263例，验证集566例，测试集708例（3273次检查）	PyTorch	ConvNeXt-Base	平均绝对误差（MAE）、均方根误差（RMSE）、Pearson相关系数、敏感性、特异性、阳性预测值（PPV）、阴性预测值（NPV）、似然比（LR+、LR-）、校准曲线、决策曲线分析	未提及具体GPU型号或云计算平台
3299	2026-08-23	Non-invasive prediction of dupilumab response in facial atopic dermatitis using early post-treatment reflectance confocal microscopy features 2026-Aug-05, Journal of the American Academy of Dermatology IF:12.8Q1 DOI:10.1016/j.jaad.2026.07.109 PMID:42556736	研究论文	利用治疗后早期的反射共聚焦显微镜特征结合深度学习，非侵入性地预测面部特应性皮炎患者对度普利尤单抗的治疗反应	首次利用治疗后早期的反射共聚焦显微镜特征结合深度学习，实现对面部特应性皮炎患者度普利尤单抗疗效的无创预测	队列规模相对较小	探索反射共聚焦显微镜作为非侵入性方法，预测度普利尤单抗治疗面部特应性皮炎皮损的疗效，并通过深度学习实现有效预测	接受度普利尤单抗治疗的面部特应性皮炎患者	数字病理学	特应性皮炎	反射共聚焦显微镜	深度学习	图像	52名特应性皮炎患者	PyTorch	ResNet101	曲线下面积	NA
3300	2026-08-23	Sampling frequency has architecture-dependent effects on electrocardiogram deep learning classification: Convolutional neural networks are robust, whereas transformers benefit modestly 2026-Aug-04, Heart rhythm IF:5.6Q1 DOI:10.1016/j.hrthm.2026.07.045 PMID:42551688	研究论文	本研究评估了心电图采样频率对卷积神经网络和Patch Transformer架构在分类性能和计算成本上的影响	首次系统比较不同采样频率下CNN和Patch Transformer在心电分类中的表现与计算成本，揭示了架构依赖性的效应	仅使用PTB-XL数据集，未涵盖其他心电图数据集或真实临床环境	评估心电图采样频率对深度学习分类性能和计算成本的影响，以支持资源受限环境下的采集策略选择	15,000份12导联心电图记录	机器学习	心肌梗死、ST/T波改变、传导障碍、肥大	心电图（ECG）	卷积神经网络（CNN）和Patch Transformer	心电图信号数据	15,000份12导联心电图	NA	CNN, Patch Transformer	宏观ROC AUC、敏感性、训练时间、内存使用、推理延迟	NA