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
3621	2026-08-20	Sector Classification of Unerupted Maxillary Canines: A Deep Learning-Based Automated Framework Using Panoramic Radiographs 2026-Aug, Orthodontics & craniofacial research IF:2.4Q2 DOI:10.1111/ocr.70106 PMID:41773578	研究论文	开发了一个基于深度学习的框架，利用全景X光片自动分类未萌出上颌尖牙的扇区，并评估其与人类分类的准确性和可靠性	首次提出自动化的深度学习框架用于未萌出上颌尖牙的扇区分类，提高了可靠性	未提及具体限制，但可能受限于样本来源单一和仅依赖全景X光片	开发并评估自动化扇区分类框架在未萌出上颌尖牙中的准确性和可靠性	未萌出上颌尖牙（UMCs）	数字病理学	口腔疾病	全景X光摄影	卷积神经网络（CNN）	图像（全景X光片）	1528个未萌出上颌尖牙	未提及具体框架，可能使用PyTorch或TensorFlow	DenseNet121	准确率、精确度、重复性（通过Cohen's K评估）	未提及具体GPU或平台，可能使用本地或云资源
3622	2026-08-20	Genotype-Specific Electrophysiological Remodeling in PLN R14del Cardiomyopathy: Implications for Precision Antiarrhythmic Therapy 2026-Aug, Circulation. Arrhythmia and electrophysiology DOI:10.1161/CIRCEP.125.014684 PMID:42417031	研究论文	本研究使用基因编辑的人类诱导多能干细胞来源心肌细胞，揭示了PLN R14del突变特有的电生理重塑，并评估了不同抗心律失常药物的基因型特异性效应	首次在PLN R14del基因型下系统评估抗心律失常药物的效用，发现WT或长QT模型中有效的药物在此突变中可能无效甚至具有促心律失常作用，强调基因型特异性的精准医疗策略	摘要中未提及明确局限性	确定PLN R14del心肌细胞的基因型特异性电生理表型，并评估调节瞬时外向钾电流和晚期钠电流对心律失常风险的影响	PLN R14del突变和野生型人类诱导多能干细胞来源心肌细胞	数字病理学	扩张型心肌病	CRISPR基因编辑、光学动作电位记录、深度学习	深度学习分类模型	光学动作电位信号	同基因野生型（HD.15S1）和CRISPR编辑的PLN R14del人类诱导多能干细胞来源心肌细胞（具体数量未在摘要中说明）	NA	NA	正常与异常动作电位类型的比例、动作电位时程、早期后除极发生率	NA
3623	2026-08-20	Deep Learning-Derived Retinal Age Detects Cognitive Impairment 2026-Aug, Ophthalmology science IF:3.2Q1 DOI:10.1016/j.xops.2026.101274 PMID:42437122	研究论文	本研究利用深度学习从眼底彩照中估算视网膜年龄，并评估其与认知功能和认知障碍的关联，发现视网膜年龄在检测认知障碍方面优于实际年龄。	首次使用深度学习衍生的视网膜年龄作为认知障碍的生物标志物，并显示其比实际年龄具有更强的关联性和更高的检测效能。	摘要中未提及局限性。	探究深度学习衍生的视网膜年龄与认知功能之间的关联，并评估其作为认知障碍筛查工具的潜力。	1049名年龄≥40岁的参与者，来自多中心AI-READI队列。	深度学习，医学图像分析	认知障碍	深度学习，眼底照相	深度学习模型（预训练）	彩色眼底照片，认知评估数据（MoCA评分）	1049名参与者（平均年龄60.3岁）	未指定	未指定，但为预训练深度学习模型	R值、风险比（RR）、曲线下面积（AUC）	未指定
3624	2026-08-20	Quantitative Analysis of Retinal Fluid by a Deep Learning Model in Uveitic Macular Edema 2026-Aug, Ophthalmology science IF:3.2Q1 DOI:10.1016/j.xops.2026.101241 PMID:42437118	研究论文	本文评估了基于人工智能的视网膜液体积定量分析在葡萄膜炎性黄斑水肿（UME）中的预后价值，并与单独的中心黄斑厚度（CMT）测量进行比较。	首次将深度学习分割模型应用于UME患者的OCT图像，以量化视网膜内液和视网膜下液体积，并评估其相对于CMT的额外预后价值。	样本量较小，来自单一临床试验的二次分析，模型在RETOUCH数据集上训练可能不完全适用于UME患者，且预测误差差异不显著。	评估AI衍生的液体体积是否能为UME患者的视觉结果提供预后价值，并与CMT测量相比，提供额外信息。	非感染性葡萄膜炎继发黄斑水肿（UME）的患者。	计算机视觉	葡萄膜炎性黄斑水肿	光学相干断层扫描（OCT）	深度学习分割模型（U-Net）	医学图像（OCT扫描）	FAST葡萄膜炎试验中的UME患者子集（具体数量未在标题和摘要中提供）	未提及	二维U-Net	Dice分数、双列相关性、Mann-Whitney U检验、似然比检验、留一法交叉验证	未提及
3625	2026-08-20	A deep learning-based score to evaluate multiple sequence alignments 2026-08-01, Molecular biology and evolution IF:11.0Q1 DOI:10.1093/molbev/msag173 PMID:42481161	研究论文	本文评估了多序列比对中常用的总和配对分数，并开发了基于深度学习的评分函数以提高比对准确性	首次使用深度学习开发多序列比对评分函数，该函数整合多种比对特征，比传统总和配对分数更能准确预测比对准确性	模型对识别替代比对中的最佳比对效果有限，且性能依赖于模拟和实证基准数据集	评估总和配对分数在反映比对准确性上的表现，并开发改进的深度学习评分函数	多序列比对及其替代方案，涉及模拟和实证基准数据集	机器学习	NA	深度学习	回归模型和排名模型	序列数据	模拟和实证基准数据集，具体数量未提及	NA	回归模型和排名模型，具体架构未提及	相关性、准确性	NA
3626	2026-08-20	Artificial Intelligence and Machine Learning Approaches for Cardiovascular Genomics: A State-of-the-Art Review 2026-Aug, Circulation. Genomic and precision medicine DOI:10.1161/CIRCGEN.125.005447 PMID:42611956	综述	本文综述了人工智能和机器学习在心血管基因组学中的应用，涵盖从基于规则的专家系统到深度学习及生成式AI的方法，并讨论了在变异分类、效应预测和临床优先级划分中的作用及挑战	首次系统性地对AI方法在心血管基因组学中的应用进行结构化梳理，特别强调了生成式AI在合成数据生成、变异影响预测和文献自动摘要中的新兴潜力	面临数据异质性、AI模型可解释性不足及临床工作流集成复杂性等挑战，需要多学科合作以推动临床转化	提供AI在心血管基因组学中不断演变角色的全面视角，并探讨其对精准医学发展的影响	心血管疾病相关的基因组数据及其变异，以及AI技术在这些数据上的应用	机器学习	心血管疾病	高通量测序	专家系统、机器学习、深度学习、生成式AI	多模态临床数据、多组学数据、高维非结构化数据	NA	NA	NA	NA	NA
3627	2026-08-20	A Reproducible Protocol for Developing and Evaluating Explainable Artificial Intelligence Frameworks in Healthcare Analytics 2026-Jul-31, Journal of visualized experiments : JoVE DOI:10.3791/71999 PMID:42612052	研究论文	本文提出了一种可复现的实验方案，用于开发和评估医疗保健分析中的可解释人工智能框架，该方案整合了数据预处理、预测建模、解释生成和评估步骤。	提出了一种端到端的可复现实验协议，统一处理结构化临床数据和医学影像数据，并整合了多种解释技术（SHAP、LIME、Grad-CAM）和评估指标。	摘要中未明确提及局限性。	旨在提供一个可复现且可扩展的实验方案，以开发和评估医疗保健分析中的可解释人工智能系统，从而提高临床决策支持系统的信任度和可用性。	结构化临床数据和医学影像数据集。	机器学习	未指定	NA	集成机器学习模型、深度学习模型	结构化临床数据、医学影像	NA	NA	NA	准确率、精确率、召回率、F1分数、ROC-AUC、解释指标、保真度、稳定性	NA
3628	2026-08-20	Deep-Learning-Based Prediction of Residential Floor Plan Attributes for Elderly-Oriented Housing Assessment 2026-Jul-31, Journal of visualized experiments : JoVE DOI:10.3791/72157 PMID:42612093	研究论文	本文提出了一个用于住宅平面图属性预测的元集成深度学习框架，旨在支持面向老年人的住房评估。	创新性地结合四种互补卷积神经网络（MobileNetV2、InceptionV3、ResNet101和VGG16）构成元集成模型，并采用基于堆叠的元集成策略和规则决策层，实现住宅布局分类和属性预测，同时引入SHAP增强模型可解释性。	原文未明确提及局限性。	开发自动化方法分析住宅平面图，预测建筑属性并分类住宅类型，以支持老年人友好住房评估。	住宅平面图图像及其建筑属性（面积、卧室数、浴室数、车库数）和布局类别。	计算机视觉	老年疾病	NA	卷积神经网络（CNN）和元集成学习	图像	原文未明确提及样本数量。	NA	MobileNetV2, InceptionV3, ResNet101, VGG16	平均绝对误差（MAE）、决定系数（R）、定性分析、SHAP。	原文未明确提及计算资源。
3629	2026-08-20	Evaluating bias in target trial emulation for heart failure across statistical and deep learning methods 2026-Jul-13, Nature communications IF:14.7Q1 DOI:10.1038/s41467-026-74999-6 PMID:42443168	研究论文	本研究评估了在心力衰竭目标试验模拟中，不同统计和深度学习方法对指示混淆偏倚的控制效果，发现这些方法均未能再现随机对照试验的基准结果。	首次系统比较了四种调整策略（倾向性评分匹配、逆概率加权、靶向最大似然估计和基于Transformer的深度学习）在目标试验模拟中处理强指示混淆的能力，并使用了半合成模拟验证方法在观测混杂条件下的有效性。	研究依赖现实世界数据，强混淆下所有方法均无法消除偏倚，且模拟条件可能与实际情况存在差异。	评估统计和深度学习方法在目标试验模拟中控制指示混淆偏倚的效果，以确定其能否模拟随机对照试验结果。	心力衰竭且射血分数降低的患者，使用β受体阻滞剂（阳性对照）和地高辛（阴性对照）与常规护理比较。	机器学习	心力衰竭	NA	Transformer	电子健康记录数据	未明确指定，但使用了临床实践研究数据链Aurum中的心力衰竭患者队列。	NA	Transformer	NA	NA
3630	2026-08-20	Surface circumferential spinal cord recording in freely moving rodents 2026-Jul-13, Nature communications IF:14.7Q1 DOI:10.1038/s41467-026-75128-z PMID:42443176	研究论文	本研究展示了一种超薄环形电极阵列，可在自由活动大鼠中同时解码运动意图、分类感觉输入并区分内脏感觉输入，并在猪中验证了跨物种可扩展性	单一环形电极阵列无需穿透神经组织即可同时实现运动、感觉和内脏传入信号的多功能解码，且双排电极配置可解析脊髓束内的方向性传播	文中未提及具体局限性，可能包括短期植入（最多三天）的长期稳定性未验证，以及动物模型与人体的差异	开发一种多功能神经假体接口，通过整合运动、感觉和内脏传入解码，促进神经损伤后生理功能的综合恢复	自由活动大鼠和急性麻醉猪的脊髓	神经工程	脊髓损伤	NA	深度学习解码器	电生理信号	自由活动大鼠（短期植入最多三天）和急性麻醉猪	NA	深度学习解码器	R²、准确率	NA
3631	2026-08-20	Previous prescribed burns saved thousands of ancient sequoias during historically unprecedented wildfires 2026-Jul-11, Nature communications IF:14.7Q1 DOI:10.1038/s41467-026-75418-6 PMID:42436158	研究论文	该研究通过贝叶斯框架和深度学习分类器，评估了先前计划烧除对巨型红杉在极端野火中存活率的影响	首次量化了计划烧除在极端野火中对巨型红杉死亡率的降低效果，并利用深度学习结合遥感数据进行了大规模评估	研究依赖于历史烧除记录和遥感数据，可能未考虑所有环境变量；模型预测存在不确定性	评估计划烧除在极端野火条件下对巨型红杉死亡率的影响，为森林保护提供科学依据	巨型红杉（Sequoiadendron giganteum）	计算机视觉、机器学习	不适用	遥感（PlanetScope影像、机载激光雷达）	深度学习分类器	图像、点云、现场观测数据	26,403棵巨型红杉，分布于19个树林	未明确提及	深度学习分类器（具体架构未指定）	死亡率、比值比、贝叶斯可信区间	未明确提及
3632	2026-08-20	Prediction of microvascular invasion in hepatocellular carcinoma using contrast-enhanced ultrasound and deep learning 2026-Jul-10, Nature communications IF:14.7Q1 DOI:10.1038/s41467-026-74985-y PMID:42431906	研究论文	开发了一种基于对比增强超声和深度学习的模型MAPUSE，用于肝细胞癌微血管浸润的无创术前预测	首次利用对比增强超声视频和深度学习实现肝癌微血管浸润的无创术前预测，并通过转录组学分析和注意力图揭示模型预测与CD8+T细胞免疫浸润的关联	信息不足	开发一种非侵入性的深度学习模型，利用对比增强超声预测肝细胞癌的微血管浸润，以改善术前评估和临床决策	肝细胞癌患者的微血管浸润状态	深度学习、医学影像分析	肝细胞癌	对比增强超声	深度学习模型	超声视频	来自1716名患者的5148个对比增强超声视频	NA	NA	AUC	NA
3633	2026-08-20	Artificial Intelligence in Peritoneal Dialysis: Applications, Algorithms, and Future Directions 2026-Jul-10, Blood purification IF:2.2Q2 DOI:10.1159/000553474 PMID:42430264	综述	本文综述了人工智能在腹膜透析中的应用，包括机器学习与深度学习在患者分层、技术失败预测、透析充分性监测等方面的研究，并探讨了未来发展方向	系统性地总结了AI在腹膜透析多个环节的应用潜力，并强调了与传统统计方法相比的性能优势，同时指出了从探索性研究向临床转化所需的验证与实施步骤	现有研究多为单中心、探索性且规模有限，缺乏严格的外部验证和系统性的临床实施	探讨人工智能在腹膜透析中的应用现状，并展望未来集成电子健康记录、远程监测和多组学数据的研究方向	腹膜透析患者及其临床数据	机器学习	肾病（腹膜透析相关）	NA	机器学习、深度学习	纵向结构化临床数据、电子健康记录、多组学数据	NA	NA	NA	常规统计方法（对比），具体指标未提及	NA
3634	2026-08-20	Deep Learning Predicts Dissimilar DNA-DNA Binding and Engineers Hyperconnected Networks 2026-Jul-09, Nature communications IF:14.7Q1 DOI:10.1038/s41467-026-75395-w PMID:42426013	研究论文	开发了名为BINND的深度学习模型，用于预测DNA-DNA非正交相互作用，并通过超高通量平台验证其准确性和速度	提出BINND模型，结合超高通量实验数据，实现高于80%的预测准确性，速度比现有模型快50倍，支持非正交相互作用的预测	未明确提及限制	利用深度学习预测DNA-DNA非正交相互作用，以拓展序列空间在生物工程和合成生物学中的应用	DNA-DNA相互作用	机器学习	不适用	超高通量测量平台	深度学习模型	DNA序列数据	数百万个相互作用	NA	神经网络	准确率	NA
3635	2026-08-20	STRESS: spatial transcriptomics resolution enhancing method based on the state-space model 2026-Jul-03, Briefings in bioinformatics IF:6.8Q1 DOI:10.1093/bib/bbag444 PMID:42611757	研究论文	介绍STRESS，一种基于状态空间模型的深度学习框架，用于提高空间转录组学的分辨率，无需组织学图像或单细胞参考	采用3D状态空间建模架构，同时捕获邻近位置的空间依赖性和跨基因的转录关系，实现无参考的精细空间表达估计	未提及具体限制，但依赖SRT基因表达和空间坐标，可能不适用于无法获取精细空间信息的数据集	解决空间转录组学分辨率不足问题，提高空间表达图谱的连续性和可解释性，增强下游空间域识别	多个平台和不同组织类型的空间转录组数据集	深度学习, 数字病理学	NA	空间转录组学（SRT）	状态空间模型	基因表达谱和空间坐标	多个数据集，覆盖不同平台和组织类型	NA	3D状态空间模型	空间域识别准确性、稳定性（具体指标未提及）	NA
3636	2026-08-20	SegJointGene: joint cell segmentation and spatial gene prioritization by information entropy guided convolutional neural networks 2026-Jul-02, Bioinformatics (Oxford, England) DOI:10.1093/bioinformatics/btag447 PMID:42345533	研究论文	开发了SegJointGene，一个联合进行细胞分割和空间基因优先排序的深度学习框架，通过整合基于细胞核的图像和空间基因或蛋白质表达数据来提高细胞分割准确性	提出信息熵引导的卷积神经网络和计算信息丢弃评分，实现对细胞类型特异性分割重要基因的识别，并迭代优化基因优先排序和细胞边界	摘要中未提及明确的局限性	解决仅基于核染色的分割在复杂组织中的不足，通过整合分子信息提高细胞分割准确性并识别重要空间基因	细胞图像和空间基因或蛋白质表达数据	计算机视觉, 数字病理学	不适用	空间转录组学, 空间蛋白质组学	卷积神经网络	图像, 基因表达数据	模拟数据集、小鼠海马体、全脑不同区域、人类扁桃体空间蛋白质组学数据（具体样本量未给出）	PyTorch	卷积神经网络	准确性, 鲁棒性	未提及
3637	2026-08-20	A lightweight improved YOLOv11 framework for intracranial hemorrhage detection 2026-Jun-26, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-58642-4 PMID:42362676	研究论文	提出了一种轻量级改进的YOLOv11框架，用于CT图像中颅内出血的检测	采用RepStem替代原始下采样卷积以增强早期病变表征，引入FDPN-DASI联合特征优化模块改善多尺度血肿聚合并抑制背景干扰，将原始C2PSA块替换为级联C2CGA注意力以捕捉小出血和模糊边界	未提及	提高颅内出血检测的精度和效率，同时保持模型轻量化，适用于实时诊断	CT图像中的颅内出血	计算机视觉	颅内出血	深度学习	YOLOv11	图像	未提及	PyTorch	YOLOv11, RepStem, FDPN-DASI, C2CGA	精确率, 召回率, mAP@0.5, mAP@0.5:0.95, FPS	未提及
3638	2026-08-20	0.55 T Magnetic Resonance Imaging in the Abdomen and Pelvis: Opportunities and Challenges 2026-Jun-25, Journal of computer assisted tomography IF:1.0Q4 DOI:10.1097/RCT.0000000000001895 PMID:42611603	综述	本文综述了0.55 T磁共振成像在腹部和盆腔的应用，探讨了其降低成本、简化安装的优势以及信噪比降低等挑战，并讨论了深度学习重建和自由呼吸技术的潜在解决方案	探讨低场MRI（0.55 T）在腹部和盆腔成像中的独特优势，如缩短T1、延长T2*和减少金属伪影，并结合深度学习重建技术克服SNR限制	未详细讨论技术实施的具体细节或潜在副作用，且综述基于现有文献，可能缺乏最新实证数据	评估0.55 T MRI在腹部和盆腔成像中的机遇与挑战，提出利用技术改进扩大MRI可及性的策略	腹部和盆腔器官，包括肝脏、肾脏、胆管、子宫和卵巢	医学影像	不适用	磁共振成像（MRI）	深度学习（用于图像重建）	图像	不适用	不适用	深度学习（未指定具体架构）	信噪比（SNR）、伪影减少	不适用
3639	2026-08-20	Advances in artificial intelligence for neuroimaging 2026-Jun-24, Journal of cerebral blood flow and metabolism : official journal of the International Society of Cerebral Blood Flow and Metabolism IF:4.9Q1 DOI:10.1177/0271678X261465843 PMID:42339849	综述	本文综述了人工智能在神经影像学中的最新进展和新兴趋势，涵盖多种影像模态及多模态研究。	介绍了物理学信息模型、自监督学习、图神经网络、扩散生成模型和数据协调技术等新方法，解决神经影像中的长期挑战。	关键障碍包括异质性和有偏数据集、有限的基准测试以及监管挑战，阻碍了临床转化。	总结AI在神经影像学中的应用进展，并指出开发可靠、可泛化和可解释模型以推动研究和临床护理的优先事项。	神经影像学中的多种模态（如MRI、PET等）及整合临床和分子数据的多模态研究。	数字病理学	神经系统疾病	NA	深度学习	神经影像数据（图像）及临床和分子数据	NA	NA	图神经网络、生成扩散模型、物理学信息模型	NA	NA
3640	2026-08-20	Deep learning-based intelligent prediction of strata pressure in a steeply inclined fully mechanized longwall face 2026-Jun-23, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-58950-9 PMID:42337304	研究论文	本文利用深度学习模型对急倾斜综采工作面矿压进行智能预测，并比较了多种模型性能	首次将CNN-LSTM-Attention模型应用于急倾斜综采工作面的矿压预测，并开发了局部单支架预测流程，实现了分级预警辅助	需要多支架时空建模和闭环支护控制决策的现场验证，以支持更广泛的部署	开发可靠的矿压演化预测方法，用于智能长壁开采中的短期预警	来自淮北矿区II1013工作面的两个月液压支架数据	机器学习	不适用	不适用	CNN, LSTM, Transformer, CNN-LSTM-Attention, BP神经网络	时间序列数据（液压支架压力数据）	两个月的液压支架数据，以及四个代表性支架的验证样本	未明确指定，但可能使用TensorFlow或PyTorch	CNN-LSTM-Attention, CNN, LSTM, Transformer, BP神经网络	RMSE, MAE, MAPE, R, 相对回归精度（1-MAPE）	未明确说明