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
3481	2026-07-29	Free-ranging livestock grazing shifts the acoustic community in a northeast Asian temperate forest 2026-Jul, Ecological applications : a publication of the Ecological Society of America IF:4.3Q2 DOI:10.1002/eap.70283 PMID:42503024	研究论文	通过声音事件检测模型和声学指数评估放牧活动对温带森林声景的影响	首次结合深度学习声音事件检测模型与声学指数，系统评估长期放牧对森林声景的级联效应，并发现牛铃对鸟类晨鸣行为的影响	未明确说明样本量限制或方法局限性	研究自由放牧对东北温带森林生物声景的影响机制	中国东北部10个放牧与10个非放牧森林样地的季节声景	机器学习	NA	声音事件检测（SED）、激光雷达（LiDAR）	深度学习（SED模型）	音频、激光雷达点云数据	18,785小时录音，来自10个放牧与10个非放牧森林样地	NA	未明确指定	声学指数（如声学复杂度指数ACI）	NA
3482	2026-07-29	A 60-second interpretable voice model for early dementia screening 2026-Jul, PLOS digital health DOI:10.1371/journal.pdig.0001552 PMID:42507664	研究论文	提出一种60秒可解释语音模型用于早期痴呆筛查	整合传统语言特征与语言模型嵌入的潜在语义维度（如“漂移与犹豫”“过度详细叙述”），发现这些可解释语义轴是顶级预测因子，可能代表新型语言生物标志物	NA	开发一种快速、可解释的语音筛查模型用于早期认知障碍检测	DementiaBank语料库中描述图片的语音转录文本	自然语言处理	痴呆症	语音分析	ElasticNet分类器	文本	NA	NA	ElasticNet	AUC	NA
3483	2026-07-29	Drusen volume and reticular pseudodrusen volume from optical coherence tomography with deep learning as risk factors for progression to late age-related macular degeneration in eyes with reticular pseudodrusen and contralateral macular neovascularisation 2026-Jun-30, The British journal of ophthalmology DOI:10.1136/bjo-2025-329021 PMID:42336620	研究论文	利用深度学习分割算法量化光学相干断层扫描中的网状假性玻璃膜疣和玻璃膜疣体积，并探究其与晚期年龄相关性黄斑变性进展的关联	首次应用深度学习分割算法自动量化OCT图像中不同玻璃膜疣类型（RPD、大玻璃膜疣和玻璃膜疣样PED）的体积，并评估它们作为进展风险因素的独立贡献	样本量较小（51只眼），且为回顾性分析，可能限制结果的普遍性	探究OCT衍生的玻璃膜疣和RPD体积与晚期AMD进展风险的关系	患有RPD且对侧眼存在新生血管性AMD的患者	数字病理学	年龄相关性黄斑变性	OCT成像	深度学习分割模型	OCT图像	51只眼	NA	NA	风险比（HR）、p值	NA
3484	2026-07-29	Deciphering small sequence differences in T cell receptor-antigen pairing 2026-Jun-13, Nature communications IF:14.7Q1 DOI:10.1038/s41467-026-73396-3 PMID:42288475	研究论文	开发了深度学习模型pMTnet-omni，用于预测T细胞受体与抗原的结合并区分序列相似TCR的结合强弱	首次利用深度学习模型pMTnet-omni区分序列相似TCR的强弱结合，并集成实验室循环机制预测变异TCR	未明确说明局限性	解释控制TCR-抗原配对的生物学规则，并提供预测变体TCR结合能力的工具	T细胞受体和抗原肽-MHC复合物	机器学习	NA	深度学习和实验室循环机制	pMTnet-omni（深度学习模型）	序列数据	NA	NA	pMTnet-omni	NA	NA
3485	2026-07-29	T2Pdecoder enables protein-centric analyses from transcriptomic data 2026-Jun-11, Nature communications IF:14.7Q1 DOI:10.1038/s41467-026-74209-3 PMID:42277023	研究论文	提出T2Pdecoder深度学习模型，从转录组数据预测蛋白质丰度，实现以蛋白质为中心的分析	集成多组学数据学习蛋白质与RNA的共享嵌入空间，突破现有方法仅能预测有限蛋白质子集的局限，并在胶质瘤数据上验证其优于仅用RNA的基线模型	预测性能仅在胶质瘤数据集上取得温和改进，泛化至其他癌症或组织类型的能力尚未验证	开发能够从转录组数据预测广泛蛋白质丰度的深度学习模型，以促进蛋白质层面的生物学分析	IDH突变型胶质瘤的RNA和蛋白质数据	机器学习	胶质瘤	深度学习	集成多组学深度学习模型	转录组RNA数据、蛋白质丰度数据、单细胞RNA数据	多种胶质瘤数据集，具体样本数量未明确	NA	NA	与测量蛋白质丰度的一致性、蛋白质水平通路富集模式准确性、生存差异显著性	NA
3486	2026-07-29	Detection of esophageal varices and prediction of hepatic decompensation in unresectable hepatocellular carcinoma using AI 2026-Jun, Journal of hepatology IF:26.8Q1 DOI:10.1016/j.jhep.2026.01.021 PMID:41679555	研究论文	开发并外部验证基于深度学习基础模型HepatoSageCT的非侵入性模型，用于检测不可切除肝细胞癌患者的食管静脉曲张并预测肝脏失代偿风险	首次将基础模型HepatoSageCT应用于常规增强CT图像，实现食管静脉曲张的非侵入性检测和肝脏失代偿风险预测，可减少不必要的内镜检查	需要前瞻性验证以确认临床适用性	开发并验证非侵入性模型以检测食管静脉曲张并预测肝脏失代偿，避免侵入性内镜检查	接受阿替利珠单抗-贝伐珠单抗治疗的不可切除肝细胞癌患者	计算机视觉	肝细胞癌	增强CT	深度学习基础模型	图像	489例患者（开发队列279例，外部验证队列210例），来自法国五家医疗中心	NA	HepatoSageCT	AUROC、敏感性、特异性、C指数、原因别风险比	NA
3487	2026-07-29	Artificial intelligence for personalized multiple micronutrient supplementation in maternal health 2026-Jun, International journal of gynaecology and obstetrics: the official organ of the International Federation of Gynaecology and Obstetrics DOI:10.1002/ijgo.70911 PMID:41755349	综述	探索人工智能在孕期个性化多种微量营养素补充中的应用，提出数字孪生模型以优化孕妇营养管理	首次提出将人工智能与“营养数字孪生”概念结合，实现基于多模态数据的个性化MMS方案模拟和风险分层	当前仍处于概念框架阶段，缺乏前瞻性临床验证和真实世界实施数据，且需解决数据隐私、模型公平性及低资源环境适配问题	利用人工智能整合多源健康数据，构建个性化MMS框架以改善孕产妇营养状况和妊娠结局	孕妇及其胎儿，重点关注微量营养素不足或缺乏的高风险人群	机器学习	孕期营养不良及相关并发症	NGS, 可穿戴传感器数据采集	深度学习模型, 自然语言处理算法	文本、影像、基因、传感器数据	NA	PyTorch, TensorFlow, scikit-learn	Transformer, 深度神经网络	准确率、召回率、AUC	云计算平台
3488	2026-07-29	Predicting immune checkpoint inhibitor cardiotoxicity using machine learning: a systematic review of model performance and methodological quality 2026-May-26, Cardio-oncology (London, England) DOI:10.1186/s40959-026-00505-y PMID:42186096	系统综述	系统评估机器学习模型在预测免疫检查点抑制剂心脏毒性中的表现和方法学质量	首次系统评估基于机器学习的免疫检查点抑制剂心脏毒性预测模型，并使用PROBAST工具严格评价方法学质量	多数研究存在高偏倚风险，主要因小样本、验证不充分和缺失数据处理不明确	系统评估机器学习模型在预测免疫检查点抑制剂相关心脏毒性中的性能和方法学稳健性	接受免疫检查点抑制剂治疗的患者	机器学习	免疫检查点抑制剂相关心脏毒性	NA	XGBoost, 多模态深度学习, 神经网络, ECG-AI, 药物警戒驱动ML, 列线图	临床数据、心电图、药物警戒数据	23至4,282名患者	NA	XGBoost, 融合AI, 神经网络, ECG-AI, 时间序列神经网络, 列线图	AUC	NA
3489	2026-07-29	Next-generation intelligent framework for pan evaporation prediction: introducing Chebyshev polynomial-based Kolmogorov-Arnold networks 2026-May-22, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-53769-w PMID:42173967	研究论文	提出基于切比雪夫多项式的Kolmogorov-Arnold网络用于预测澳大利亚两个站点的蒸发量，并与多种深度学习与机器学习方法比较	首次将切比雪夫多项式与Kolmogorov-Arnold网络结合应用于蒸发量预测，并利用SHAP和LIME解释模型输入的重要性	仅针对澳大利亚两个站点进行评估，泛化性需进一步验证	开发精确可靠的蒸发量预测模型，支持水文研究、农业发展和水资源管理	澳大利亚珀斯和悉尼两个站点的蒸发量时间序列	机器学习	NA	NA	Kolmogorov-Arnold网络（基于切比雪夫多项式）、LSTM、GRU、Transformer、CART、XGBoost	时间序列数据（蒸发量及相关气候要素）	两个澳大利亚站点（珀斯和悉尼）的蒸发量数据	NA	Chebyshev-KAN, LSTM, GRU, Transformer, CART, XGBoost	NA	NA
3490	2026-07-29	Optimizing multi-label image annotation: a hybrid CNN-Transformer deep learning approach 2026-May-22, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-53310-z PMID:42173979	研究论文	提出一种混合CNN-Transformer框架ReSwinNet，用于优化多标签图像标注任务	创新地将ResNet-50的细粒度空间特征与Swin Transformer的层级自注意力机制结合，通过标记投影机制保留空间上下文信息，并提出基于频率的标签修剪策略减少标注噪声和类别不平衡	未明确提及，但可能对极端罕见标签处理能力有限	解决多标签图像标注中标签分布不平衡、语义共现和罕见噪声标注等挑战	多标签图像标注任务中的图像数据	计算机视觉	不适用	深度学习	CNN-Transformer混合模型	图像	两个基准数据集（Corel-5K和IAPRTC-12）	PyTorch	ResNet-50, Swin Transformer	宏平均F1分数（macro F1），平均精度均值（mAP）	NA
3491	2026-07-29	A hybrid KF-GAIN framework for dynamic state estimation in islanded microgrids under missing PMU data and line impedance uncertainty 2026-May-22, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-51565-0 PMID:42174029	研究论文	提出一种混合KF-GAIN框架，用于岛屿微电网在缺失PMU数据和线路阻抗不确定条件下的动态状态估计	将卡尔曼滤波器与生成对抗插补网络结合，形成线性混合框架，能鲁棒地插补缺失数据同时保持原始数据统计特性，并通过提示机制引导生成器逼近真实数据分布	未提及具体局限性	解决岛屿微电网动态状态估计中电压源逆变器分布式发电单元时间常数相似带来的挑战，尤其在数据缺失和线路阻抗不确定条件下	岛屿微电网动态状态估计	机器学习	NA	蒙特卡洛仿真	Kalman Filter, GAN, Autoencoder, Variational Autoencoder	PMU测量数据	基于IEEE 33母线测试系统的仿真数据	Python, MATLAB/Simulink	生成对抗插补网络, 自编码器, 变分自编码器	插补误差, 估计误差百分比	NA
3492	2026-07-29	Autonomous RCM-less endoscope control: integrating force-based pivoting with deep learning visual servoing 2026-May-22, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-54550-9 PMID:42174030	研究论文	提出一种结合基于力的枢轴和深度学习视觉伺服的无RCM内窥镜自主控制框架	摒弃固定远程运动中心（RCM）假设，首次集成卷积神经网络（CNN）驱动的视觉伺服与基于力的枢轴控制，实现自主器械跟踪同时最小化交互力	仅使用YOLOv11n一种检测模型且训练数据量有限（3,695帧），未在临床环境下验证	实现无需固定RCM的自主内窥镜控制，降低交互力并保持视觉稳定性	腹腔镜手术中的手术器械	计算机视觉	不适用	N/A	YOLOv11n（卷积神经网络）	图像	3,695个标注帧用于训练	PyTorch	YOLOv11n	精确率、平均精度（mAP）、帧率（FPS）、恢复时间、交互力	中央处理器（CPU）
3493	2026-07-29	Automated orbital wall fracture detection and severity classification of ocular injuries using deep learning 2026-May-22, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-54114-x PMID:42174042	研究论文	利用深度学习模型从CT扫描中自动检测眼眶壁骨折并分类眼部损伤的严重程度	开发了两个CNN分类器分别用于骨折检测和损伤严重程度分类，并在真实临床数据集上验证了其相比于临床专家的性能优势	样本来自单一中心，SGI检测模型的准确率仅64%，特异性较低	评估深度学习模型在自动检测眼眶骨折和分类眼部损伤严重程度中的可行性，以辅助急诊临床决策	250只眼眶壁骨折眼睛的CT图像	计算机视觉	眼眶骨折，严重眼部损伤	CT成像	卷积神经网络 (CNN)	图像 (CT扫描)	250只眼睛，包含18,000张标注的CT切片	NA	U-Net (分割预处理), FxDetectCNN, SGIDetectCNN	准确率, 敏感度, 特异度	NA
3494	2026-07-29	Synergistic fusion of a multilevel visual transformer in CNN for variable-length volumetric radiographic data analysis and content-based retrieval 2026-May-22, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-53594-1 PMID:42174102	研究论文	提出一种融合多级视觉Transformer与CNN的深度学习框架，用于可变长度三维放射影像数据分析与基于内容的检索	创新性地将轻量级多级视觉Transformer与CNN协同融合，通过独立提取和聚合二维切片空间特征并保持多级上下文信息，结合第二阶段的循环模块处理可变长度输入，仅利用单次标注完成完整三维体积分析	方法在三个公开放射影像库的组合上验证，但未在更多样化或临床真实数据集上测试，且循环模块处理极长序列时的计算效率可能受限	解决三维放射影像数据的可变长度分析挑战，提升自动化处理效率与检索性能	可变长度的三维放射影像体积数据	计算机视觉	NA	放射影像分析	视觉Transformer、卷积神经网络、循环模块	三维放射影像体积数据	三个公开放射影像库的复合数据集，具体样本量未说明	NA	轻量级多级视觉Transformer、CNN	准确率、F1分数、平均精确率、平均召回率	NA
3495	2026-07-29	Reliable detection of focal onset impaired awareness seizures in patients with epilepsy using wearable ECG: Development and validation study 2026-May-15, Computer methods and programs in biomedicine IF:4.9Q1 DOI:10.1016/j.cmpb.2026.109295 PMID:41764784	研究论文	开发并验证一种利用可穿戴心电图设备自动数据质量评估的局灶性意识障碍癫痫发作检测算法	首次将自动数据质量评估集成到基于可穿戴心电图的癫痫发作检测算法中，并探索个体间自主神经发作特征的差异性以识别潜在应答者	仅有38名患者的数据符合自动数据质量评估质量标准，样本量相对较小；算法在假阳性率方面仍有改进空间	开发并评估基于可穿戴心电图设备的局灶性意识障碍癫痫发作检测算法及其自动数据质量评估的性能与可行性	236名接受视频脑电图监测至少24小时的各年龄段癫痫患者	机器学习	癫痫	心电图	深度学习模型	时间序列数据	236名患者，其中49名经历过至少一次局灶性意识障碍发作，最终38名患者（161次发作）的数据符合质量标准	NA	NA	灵敏度、24小时假警报率、阳性预测值、F1分数	NA
3496	2026-07-29	A Novel Dual-Modal Deep Learning Approach for Real-Time Removal of Hepatic Fluorescence in Indocyanine Green-Guided Laparoscopic Cholecystectomy 2026-04-17, Journal of visualized experiments : JoVE DOI:10.3791/68488 PMID:42081379	研究论文	提出一种双模态深度学习框架，用于在吲哚青绿引导的腹腔镜胆囊切除术中实时检测和去除肝脏荧光污染	首个用于ICGLC术中实时肝脏荧光去除的AI解决方案，采用基于DeepLabV3的中间融合网络和形态学后处理策略	未来需开展前瞻性研究以评估对手术结果的影响	开发并评估一种实时自动检测和去除ICGLC术中肝脏荧光污染的双模态深度学习框架	接受择期ICGLC手术的48名患者的33,123帧双模态手术图像	计算机视觉, 数字病理学	胆道疾病	荧光成像, 白光成像	DeepLabV3	图像	48名患者，33,123帧双模态手术图像	PyTorch	DeepLabV3	Dice系数, 召回率	NA
3497	2026-07-29	Computational Modeling of Affective User Experience Using Multimodal Physiological and Behavioral Signals 2026-04-07, Journal of visualized experiments : JoVE DOI:10.3791/69823 PMID:42044101	研究论文	提出一个可重复的多模态情感计算协议，利用统一深度学习框架整合多种生物信号（EEG、ECG、GSR）实现离线情绪识别，并在AMIGOS数据集上验证有效性	提出深度典型相关分析对齐异构特征空间后融合多模态生物信号的统一框架，实现离线情感识别且精度优于传统模型	仅进行离线实验验证，未部署实时交互系统	开发并验证用于多模态情感用户体验建模的计算框架	人类用户的情感状态（效价-唤醒度维度）	机器学习	NA	EEG（脑电图）、ECG（心电图）、GSR（皮肤电反应信号）	深度学习融合网络	生理信号（EEG、ECG、GSR）	AMIGOS数据集中的公开生物信号数据	NA	深度典型相关分析（DCCA）、多模态融合网络	准确率、精确率、召回率、F1分数、AUC	NA
3498	2026-07-29	A Deep Learning-Based Method for Stress Measurement Using Longitudinal Critically Refracted Waves 2026-Apr-07, Sensors (Basel, Switzerland) DOI:10.3390/s26072283 PMID:41978067	研究论文	基于深度学习的纵向临界折射波应力测量方法	提出了一种结合门控循环单元、注意力机制和一维卷积神经网络的深度学习模型，可直接从原始超声信号预测应力，无需人工特征提取或显式物理建模	NA	实现无需校准的智能超声应力评估，为钢结构的实际工作状态应力检测提供支持	20#钢试件，施加0至200 MPa的单轴应力	机器学习	NA	纵向临界折射超声	GRU、注意力机制、1D-CNN	超声信号	4200个样本	PyTorch	GRU、1D-CNN、注意力机制	平均绝对误差	NA
3499	2026-07-29	Artificial Neural Networks for Discrimination of Automotive Clear Coats by Vehicle Manufacturer 2026-Apr-06, Sensors (Basel, Switzerland) DOI:10.3390/s26072260 PMID:41978045	研究论文	应用人工神经网络通过红外光谱区分汽车清漆层以识别制造商	首次将深度学习应用于汽车清漆红外光谱分析，通过模式识别确定车辆制造商，替代传统商用软件的大规模搜索结果	研究仅限于六家制造商和100个装配厂的数据集，卷积层未提升模型性能，可能限制泛化能力	利用深度学习识别汽车清漆红外光谱中的制造商特征模式，提高法医证据分析的效率	来自六家汽车制造商和100个装配厂的2796个清漆红外光谱样本	机器学习	NA	红外光谱	多层感知器神经网络	光谱数据	2796个清漆红外光谱样本	NA	多层感知器（含三个隐藏层）	分类准确率	NA
3500	2026-07-29	A deep learning-based multimodal model with automated body composition analysis predicts prognosis in advanced clear cell renal cell carcinoma 2026-Apr-04, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-46515-9 PMID:41935094	研究论文	开发基于深度学习的自动化身体组分分析多模态模型，预测晚期透明细胞肾细胞癌的预后	创新性地将深度学习自动提取的CT身体组分特征与临床病理特征整合，构建可解释的多模态预后预测模型，并通过转录组分析探索影像生物标志物的生物学基础	回顾性研究设计，样本量有限，外部验证队列尚属初步阶段	开发自动化、可解释的预测模型，通过整合基于深度学习的身体组分分析，评估晚期肾透明细胞癌的预后并探索其潜在机制	接受根治性肾切除术治疗的晚期透明细胞肾细胞癌患者	机器学习, 数字病理	肾细胞癌	CT成像, 转录组测序, 免疫组化	MLP (多层感知机), SVC (支持向量分类器), CNN (卷积神经网络)	CT图像, 临床病理特征, 转录组数据	多中心回顾性研究，含独立外部验证队列，具体数量在摘要中未明确提及	Scikit-learn, PyTorch	Comp2Comp, MLP, SVC	AUC	NA