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
4261	2026-08-14	Artificial Intelligence for Breast Cancer Molecular Subtype Prediction From Medical Imaging: A Systematic Review of Literature 2026 Jan-Dec, Technology in cancer research & treatment IF:2.7Q3 DOI:10.1177/15330338261465062 PMID:42500935	综述	本综述系统评估了基于医学影像的人工智能预测乳腺癌分子亚型的研究，并分析了其方法学严谨性、偏倚风险和临床转化潜力	采用AI适应的QUADAS框架评估现有研究的偏倚风险，并强调标准化报告与外部验证的重要性	仅9项研究被判定为低偏倚风险，高或不清楚偏倚的研究数量多，且缺乏外部验证和标准化数据集	系统梳理并评价人工智能在医学影像中预测乳腺癌分子亚型的现有研究，并探讨其临床可转化性	乳腺癌分子亚型（Luminal A、Luminal B、HER2阳性、三阴性）的预测方法	医学影像分析	乳腺癌	动态对比增强磁共振成像（DCE-MRI）、超声成像	机器学习模型，深度学习架构	医学图像	纳入626篇文献，其中76篇全文评估，最终9项低偏倚风险研究	不适用	放射组学模型，深度学习架构	不适用	不适用
4262	2026-08-14	Robust Sleep Behavior Monitoring Under Motion Artefacts via Motion-Conditioned Learning 2026, IEEE transactions on neural systems and rehabilitation engineering : a publication of the IEEE Engineering in Medicine and Biology Society IF:4.8Q1 DOI:10.1109/TNSRE.2026.3715694 PMID:42479506	研究论文	本文提出了一种基于运动条件学习的多模态传感框架，用于在运动伪影下实现稳健的睡眠行为监测，通过可穿戴智能喉带同步采集生理微振动和运动动态，并利用运动条件深度学习架构MoCo Net实现自适应表征学习，在24名受试者的数据集上验证了其有效性	提出了运动条件深度学习架构MoCo Net，利用惯性运动嵌入通过特征级线性调制（FiLM）调节应变特征提取，实现在不同运动状态下的自适应表征学习，显著优于仅依赖应变传感的方法	仅基于24名受试者的数据集进行评估，样本量有限，可能影响泛化性；研究主要集中在颈部区域，对其他身体部位的适用性有待验证	开发一种能在运动伪影环境下稳健进行睡眠行为分类的可穿戴多模态传感框架	24名参与者的睡眠行为，包括呼吸和上气道活动等四种与睡眠相关的行为	可穿戴传感、深度学习	不适用（NA）	纺织应变传感、惯性传感	深度学习（具体为MoCo Net，可能基于CNN或类似架构）	生理微振动信号、运动动态信号（应变传感数据和惯性数据）	24名参与者，93.6小时的穿戴记录，33,702个带注释的信号片段	未明确指定（NA）	MoCo Net（特征级线性调制FiLM）	分类准确率	未明确指定（NA）
4263	2026-08-14	Knowledge, attitudes, and practices toward artificial intelligence among health sciences students: A cross-sectional study in Palestine 2026, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0352785 PMID:42361129	研究论文	本研究评估了巴勒斯坦某大学健康科学专业学生在2024-2025学年对人工智能的知识、态度和实践情况。	针对资源有限的教育环境中健康科学学生的人工智能知识、态度和实践进行全面评估，并分析正式培训对知识、态度和实践的影响。	研究仅在一所巴勒斯坦大学进行，样本可能不具有普遍性；数据通过自我报告问卷收集，可能存在偏差。	评估健康科学学生对人工智能的知识、态度和实践，为课程开发提供参考。	巴勒斯坦某大学的健康科学专业本科生，包括护理、医学和健康科学以及牙科专业的学生。	教育研究、健康科学、人工智能应用	不适用	问卷调查	不适用	横断面调查数据	666名本科生	不适用	不适用	准确率、均值、标准差、t检验、方差分析、效应量（Cohen's d和η²）	不适用
4264	2026-08-14	CoNutriNet: a dual-branch architecture with DenseNet and graph-enhanced attention network for coffee nutrient deficiency classification 2026, Frontiers in plant science IF:4.1Q1 DOI:10.3389/fpls.2026.1827047 PMID:42368524	研究论文	本文介绍了一种名为CoNutriNet的深度学习架构，用于咖啡叶营养缺乏分类，结合了DenseNet121和图增强注意力网络。	创新点在于提出双分支架构CoNutriNet，整合DenseNet121与新型图增强注意力特征网络（GEAFNet），利用Inception、Ghost和ECA模块捕捉局部细粒度特征，并通过图卷积网络建模空间依赖关系，以提升分类性能。	文中未明确提及局限性。	旨在实现咖啡植物营养缺乏的自动检测，以支持精准农业和提高产量。	咖啡叶的营养缺乏分类。	计算机视觉, 数字病理学（？可能不适用，但根据内容，应是植物图像分类）	营养缺乏症（针对作物）	深度学习图像分类	CNN（卷积神经网络）	图像	CoLeaf数据集（未给出具体样本数）	NA	DenseNet121, Inception, Ghost, ECA, GCN, CA	准确率	NA
4265	2026-08-14	Accuracy and Functional Performance of Artificial Intelligence-Based Automated Crown Design Systems: A Systematic Review and Meta-Analysis 2026, Biomedical engineering and computational biology IF:2.3Q3 DOI:10.1177/11795972261463709 PMID:42368773	系统综述与荟萃分析	本系统综述与荟萃分析评估了人工智能驱动的自动牙冠设计系统在形态精度、功能整合、内部适配和工作流程效率方面的表现，并与传统计算机辅助设计或技师工作流程进行了比较	系统性地比较了多种人工智能技术（包括机器学习、深度学习、生成对抗网络和扩散模型）在牙冠设计中的应用，并整合了形态精度、功能整合和工作流程效率等多维度结果，揭示了人工智能系统在提高效率和标准化结果方面的潜力	现有证据主要来自体外和计算研究，缺乏前瞻性临床验证，患者特异性动态咬合数据整合有限，长期随访证据不足	评估人工智能辅助牙冠设计系统相对传统计算机辅助设计或技师驱动工作流程在形态精度、功能整合、内部适配和工作流程效率方面的性能	人工智能驱动的自动牙冠设计系统，包括基于机器学习、深度学习、生成对抗网络和扩散模型的系统	数字病理学	口腔疾病	人工智能辅助设计	机器学习、深度学习、生成对抗网络、扩散模型	图像	17项研究（其中13项纳入定量合成）	未提及	生成对抗网络、扩散模型	均方根偏差、标准化均差、p值	未提及
4266	2026-08-14	Federated learning framework for medical image analysis with perspective-aware contrastive and mixture of experts 2026, Frontiers in artificial intelligence IF:3.0Q2 DOI:10.3389/frai.2026.1807248 PMID:42369006	研究论文	提出了一种名为FedPAC-ME的联邦学习框架，用于医学图像分析，通过集成视角感知对比学习和专家混合架构来应对数据异质性和不平衡问题	引入了多视角增强（MPA）来模拟多样临床视角，以及视角感知对比模块（PACM）来对齐跨模态和跨客户端表示；采用专家混合路由层动态分配专家以适应客户端特定数据分布，并设计了视角感知对比损失（PACL）以增强跨视图一致性	文中未明确提及局限性，但可推断在真实临床环境中的计算开销和部署复杂性可能较高	开发一种能够在分布式数据、有限标注和异质临床环境中提升泛化能力和隐私保护的联邦学习框架，用于医学图像分析	医学图像，特别是脑肿瘤分割图像（使用BraTS2020多机构数据集）	数字病理学	脑肿瘤	联邦学习、对比学习	专家混合（MoE）、对比学习模型	医学图像（MRI）	BraTS2020多机构脑肿瘤分割数据集，具体样本数未在摘要中提供	NA（未在摘要中指定）	专家混合（MoE）架构、视角感知对比模块（PACM）	准确率（98.80%）	NA（未在摘要中提供）
4267	2026-08-14	Deep learning prediction of chemo-immunotherapy response using tumor perfusion ultrasound images 2026, Frontiers in artificial intelligence IF:3.0Q2 DOI:10.3389/frai.2026.1805416 PMID:42369008	research paper	开发了一种基于对比增强超声图像的深度学习框架，用于预测小鼠模型中肿瘤对化学免疫疗法的反应	利用对比增强超声图像结合卷积神经网络预测癌症治疗反应，并引入合成数据解决类别不平衡问题	研究基于小鼠模型，类别不平衡问题仍未完全解决，稳定类别的准确性相对较低	评估对比增强超声成像作为预测癌症治疗反应的成像生物标志物，并探索合成数据增强模型性能的潜力	乳腺癌、纤维肉瘤和黑色素瘤的小鼠模型肿瘤	医学影像分析	乳腺癌、纤维肉瘤、黑色素瘤	对比增强超声成像	卷积神经网络	超声图像	587张治疗前对比增强超声图像，包括175个响应病例、136个稳定病例和276个非响应病例	NA	CNN	准确率	NA
4268	2026-08-13	The mediating role of self-efficacy between time management disposition and deep learning ability among undergraduate nursing students: A cross-sectional study 2026-Nov, Nurse education today IF:3.6Q1 DOI:10.1016/j.nedt.2026.107198 PMID:42242111	研究论文	一项横断面研究，探讨护理本科生的深度学习能力现状及其影响因素，并验证自我效能在时间管理倾向与深度学习能力之间的中介作用	首次在护理本科生中验证自我效能在时间管理倾向与深度学习能力之间的中介作用，揭示了其部分中介效应占总效应的41.41%	采用便利抽样且样本仅来自一所医学院校，可能存在选择偏倚，且为横断面设计无法推断因果关系	调查护理本科生深度学习能力水平及其影响因素，并探讨自我效能在时间管理倾向与深度学习能力之间的中介机制	238名全日制护理本科生	护理教育	不适用	量表调查	PROCESS宏（模型4）	问卷数据	238名护理本科生	PROCESS宏	PROCESS宏模型4	β系数、95%置信区间、解释方差（R²=66.2%）	NA
4269	2026-08-13	Sensitivity gains under theoretical AI assistance in paediatric elbow fracture detection: a methodological concern and clinical implications 2026-10, European journal of radiology IF:3.2Q1 DOI:10.1016/j.ejrad.2026.113031 PMID:42364540	信件	本文讨论Da Costa等人关于深度学习辅助儿童肘部骨折检测研究的方法学问题，指出其回顾性设计及理论OR规则的局限性	对既有研究的敏感度提升进行方法学质疑，强调敏感度提升与阈值降低的混淆，并指出孤立关节积液对结果的贡献	未提供新实验结果，仅基于对他人研究的批判性分析	评估AI辅助儿童肘部骨折检测的敏感度增益的可靠性及临床转化前景	儿童肘部骨折检测中的AI辅助诊断	医学影像分析	儿童肘部骨折	深度学习	人工智能安全网模型	回顾性影像数据	NA	NA	NA	敏感度、特异性、阳性预测值	NA
4270	2026-08-13	Diagnosis and classification of thalassemia disease using machine learning: Comparative analysis of traditional models and a novel hybrid approach 2026-Sep, Technology and health care : official journal of the European Society for Engineering and Medicine IF:1.4Q3 DOI:10.1177/09287329261448689 PMID:42220235	研究论文	本研究探讨了机器学习算法在地中海贫血及其亚型分类中的应用，并提出了一种新型混合堆叠模型ThalP，该模型在真实临床数据集上表现出较高的分类性能。	提出了一种名为ThalP的混合堆叠模型，该模型通过神经网络元分类器整合SVM、LR和XGBoost的概率输出，以提高地中海贫血亚型分类的准确性。	训练数据为基于真实临床数据统计特性生成的合成数据集，可能与真实数据的复杂性存在差异，且模型性能仅在单一中心的数据集上验证。	评估机器学习算法在地中海贫血及其亚型分类中的辅助诊断能力，并开发一种有效的混合模型作为决策支持工具。	地中海贫血患者，包括α-地中海贫血和β-地中海贫血（轻型、中间型和重型）的临床血液学参数。	机器学习	地中海贫血	临床血液学参数分析	支持向量机、逻辑回归、XGBoost、人工神经网络、混合堆叠模型	结构化临床数据	合成训练数据集1534例，真实外部数据集349例患者	NA	SVM、LR、XGBoost、ANN、ThalP（混合堆叠架构）	准确率、宏平均F1分数	NA
4271	2026-08-13	A Unified Deep Learning Framework for Instance Segmentation Across Diverse Cytological Stains 2026-Sep, Cytopathology : official journal of the British Society for Clinical Cytology IF:1.2Q3 DOI:10.1111/cyt.70087 PMID:42115786	研究论文	评估单个实例分割模型是否能在多种细胞学染色（Papanicolaou、Feulgen、AgNOR）中稳健运行，避免特定染色流程而不损失准确性	首次验证统一的多染色模型在细胞学实例分割中的可行性，表明统一训练可匹配或超越特定染色模型，并改善边界精度	未提供关于模型计算资源、训练时间或泛化到其他染色类型的详细信息	评估单一实例分割模型在多种细胞学染色中的稳健性，支持统一多染色、可扩展的AI辅助细胞病理学路径	来自Papanicolaou、Feulgen和AgNOR染色的细胞学图像，包含三个专家注释数据集	计算机视觉、数字病理学	不适用（细胞学染色，未指定特定疾病）	不适用（使用深度学习模型，非特定测序技术）	Mask R-CNN、Mask2Former、YOLO11n、YOLO12n	图像（细胞学染色图像）	未提供具体样本数量（三个专家注释数据集）	不适用（未在标题或摘要中指定）	Mask R-CNN、Mask2Former、YOLO11n、YOLO12n	AP50、AP75	不适用（未在标题或摘要中指定）
4272	2026-08-13	V2-Former: Towards volumetric framework for instance-level segmentation and prediction of fetal ventriculomegaly in anisotropic MRI 2026-Sep, Medical image analysis IF:10.7Q1 DOI:10.1016/j.media.2026.104219 PMID:42480342	研究论文	提出了V2-Former，一个用于胎儿脑室增大（VM）各向异性MRI中的实例级分割和预测的体积极框架，结合查询式Transformer范式，实现脑室特异性预测和全面体积评估	首次提供端到端解决方案，同时实现脑室特异性预测和体积评估，并引入各向异性感知模块（AAM）和脑室诊断增强（VDE）策略	未明确提及局限性	提高胎儿脑室增大的产前诊断准确性，通过结合3D形态学线索和临床工作流程实现综合评估	胎儿脑室增大的MRI扫描数据	计算机视觉, 数字病理学	胎儿脑室增大	MRI成像	Transformer	图像	384个胎儿MRI扫描	NA	未指定具体架构，但提及查询式Transformer范式	综合性能指标	NA
4273	2026-08-13	Artificial intelligence-based methods and applications in clinical and diagnostic microbiology: Current challenges and future perspectives 2026-Sep, Journal of microbiological methods IF:1.7Q4 DOI:10.1016/j.mimet.2026.107638 PMID:42492779	综述	本文全面评估了人工智能在临床和诊断微生物学中的应用，涵盖其优势、局限性及实施挑战，并比较了人工智能驱动方法与常规专家实践的差异	系统比较不同人工智能方法在特定实验室任务中的适用性，并强调人工智能系统与人类专业知识的互补协同作用	未提及具体限制	评估人工智能在微生物学诊断中的当前应用，探讨其优势、局限和实施挑战，并强调人工智能与人类专家的互补作用	人工智能技术在微生物实验室诊断、基因组学、宏基因组学、耐药性预测及药物和疫苗发现中的应用	机器学习	传染病	NA	机器学习、深度学习	NA	NA	NA	NA	NA	NA
4274	2026-08-13	HFG-Net: high-frequency guided multi-view graph convolution and dynamic spatio-temporal fusion for ASD diagnosis 2026-Aug-12, Journal of neural engineering IF:3.7Q2 DOI:10.1088/1741-2552/ae9190 PMID:42520836	研究论文	提出HFG-Net，一种高频引导的多视图图卷积和动态时空融合框架，用于基于脑电图的自闭症谱系障碍诊断。	引入通道-时间多尺度注意力机制、高频引导的多视图图构建策略和动态协同融合模块，以捕捉非欧几里得拓扑异常并适应个体差异。	未明确说明局限性，但可能受限于单中心数据和小样本量。	开发一种稳健、自适应且可解释的脑电图诊断框架，以解决时空建模和异质性适应的挑战。	120名受试者（包括自闭症谱系障碍患者和对照组）的临床脑电图数据。	机器学习、数字病理学（基于脑电图的诊断）	自闭症谱系障碍	脑电图信号分析（包括频带提取）	图卷积网络（GCN）	脑电图信号	120名受试者的临床数据集	PyTorch	多视图图卷积网络（基于图卷积的架构）	准确率、F1分数	未提及具体硬件，但可能使用标准GPU（未提供详细信息）
4275	2026-08-13	Imaging-Derived Sarcopenic Obesity and Cardiovascular Outcomes: Insights Into Heart Failure Risk and Muscle Biology 2026-Aug-11, Journal of the American College of Cardiology IF:21.7Q1 DOI:10.1016/j.jacc.2026.05.022 PMID:42383941	研究论文	开发了一种基于深度学习的方法，从心血管磁共振成像中量化肌肉质量以评估肌少性肥胖，并探讨其与心血管结局的关联	首次提出基于心血管影像的深度学习管道来量化胸大肌质量并构建肌少性肥胖指数，结合基因组和转录组数据揭示其遗传基础和潜在治疗靶点	未明确提及局限性，但可能包括影像数据的单中心来源或模型泛化性需进一步验证	建立可转化的肌少性肥胖评估方法，并利用长期随访、基因组和转录组数据评估其临床相关性	55,768例心血管磁共振检查数据，以及骨骼肌转录组数据	计算机视觉, 数字病理学	心力衰竭, 心血管疾病	心血管磁共振成像, 全基因组关联分析, 转录组学	深度学习模型	影像数据, 基因组数据, 转录组数据	55,768例心血管磁共振检查	PyTorch	卷积神经网络	风险比, 置信区间, 基因组关联p值	NA
4276	2026-08-13	DDCCNet: Physics-Enhanced Multitask Neural Networks for Data-Driven Coupled-Cluster 2026-Aug-11, Journal of chemical theory and computation IF:5.7Q1 DOI:10.1021/acs.jctc.6c00906 PMID:42474317	研究论文	提出一种名为DDCCNet的物理增强多任务深度学习网络，用于从低级电子结构方法预测耦合簇单双激发的振幅和相关能	将物理知识直接嵌入神经网络结构，通过特征分区块和符合耦合簇方程的中间预测层增强物理一致性和多任务学习效率，实现了机器学习与从头算理论的统一	未提及具体限制	开发可扩展、物理基础稳健的深度学习框架，用于高效、数据驱动的电子结构预测	甲醇构象、CO2簇和小型有机分子	机器学习	不适用	耦合簇方法（CCSD）和低级电子结构方法	多任务深度学习网络	电子结构数据（振幅和相关能）	未提及具体数量	不明确	并行子网络、特征分区块、物理增强中间预测层	准确性、迁移性、化学精度	未提及
4277	2026-08-13	Fused deep learning enables 6D single-molecule localization in polarization-resolved microscopy 2026-Aug-10, Methods and applications in fluorescence IF:2.4Q3 DOI:10.1088/2050-6120/ae8eff PMID:42486163	研究论文	提出一种结合双螺旋点扩散函数显微镜和融合深度学习的方法，实现偏振分辨显微镜中单分子的六维定位	开发了一种基于现有神经网络架构的融合深度学习方法，能够利用双螺旋点扩散函数在六维空间中定位偶极发射体，实现同时具有高光子效率的空间和方向定位	在高极角下方位角方向存在已知的光学简并性，导致精度下降；实验数据超出训练分布时仍能观察到有序取向，但可能影响泛化性能	实现单分子取向定位显微镜中同时具有高光子效率的六维位置和方向定位，以测量带电和拥挤环境中的复杂传输	聚甲基丙烯酸甲酯薄膜中的罗丹明B分子和球形支撑脂质双层中的尼罗红分子	机器学习, 光学显微镜, 数字病理学	NA	荧光显微镜, 双螺旋点扩散函数	融合深度学习模型	图像	单分子样本，具体数量未在标题和摘要中提及	NA	现有神经网络架构	中位空间精度, 角度精度	NA
4278	2026-08-13	Repurposing genome skimming data for non-model plant functional phylogenetics: a case study in Rhodiola 2026-Aug-10, Annals of botany IF:3.6Q1 DOI:10.1093/aob/mcag114 PMID:42037526	研究论文	本研究利用基因组浅层测序数据结合密码子选择分析和深度学习工具，探讨高山药用植物红景天中红景天苷生物合成途径功能基因的进化模式	首次将基因组浅层测序数据与AI工具（Evo2和AlphaFold 3）结合，用于非模式植物功能基因的系统发育和选择压力分析，并验证了功能基因进化的生物学预测	研究结果初步，需要未来进行功能验证和生态学验证	利用基因组浅层测序数据测试非模式植物功能基因进化的生物学预测，包括纯化选择、环境异质性下的谱系特异性选择约束变化及蛋白质结合特性差异	红景天属（Rhodiola）18个物种的红景天苷生物合成途径中的功能基因	植物功能系统发育学	NA	基因组浅层测序、密码子选择分析、分子对接、系统发育重建、环境变量分析	深度学习模型（Evo2、AlphaFold 3）	基因组浅层测序数据	18个红景天属物种	NA	Evo2、AlphaFold 3	平均恢复率、系统发育信号、选择压力检测	NA
4279	2026-08-13	Attention-driven YOLOv11n-DeiT model for enhanced detection of tomato leaf diseases 2026-08-09, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-64897-8 PMID:42572059	研究论文	提出一种基于注意力驱动的YOLOv11n-DeiT模型，用于增强番茄叶部病害检测性能	将DeiT嵌入YOLOv11n骨干网络以增强全局上下文信息和长距离依赖学习能力，并采用遗传元启发算法自动选择关键超参数	未提及，需进一步探索模型在更多样化数据集上的表现	开发高效智能的番茄叶部病害检测系统，提升检测准确性和泛化能力	番茄叶部病害图像，具体涉及两个公共数据集：台湾数据集（9类）和TLDDCV数据集（7类）	计算机视觉	植物病害（番茄叶部病害）	图像处理（伽马校正和双边滤波）、深度学习	YOLOv11n、DeiT	图像	台湾数据集包含9个类别，TLDDCV数据集包含7个类别，具体样本数量未提及	未明确提及	YOLOv11n, DeiT	mAP@50, mAP@50-95, 精确率, 召回率, F1分数	未提及
4280	2026-08-13	Toward self-contained cardiac magnetic resonance elastography: Deep learning-based segmentation of the left ventricular myocardium 2026-Aug-08, Magnetic resonance imaging IF:2.1Q2 DOI:10.1016/j.mri.2026.110768 PMID:42570825	研究论文	本研究评估了深度学习模型在心脏磁共振弹性成像（MRE）数据上进行左心室心肌分割的性能，实现了与人工阅片者相当的分割精度。	首次探索仅利用原生心脏MRE数据进行左心室心肌自动分割，无需额外结构MRI或手动标注，并系统比较了nnU-Net和MedSAM两种现代框架的不同输入表示和自动化策略。	样本量小（16名健康男性志愿者），可能限制模型的泛化性；未涉及患者群体或不同病理状态。	评估基于心脏MRE数据的深度学习分割模型的可行性，并确定最佳的输入表示和自动化策略，以推动自包含心脏MRE工作流程的发展。	16名健康男性志愿者的心脏MRE数据，包括幅度、相位、实部和虚部图像，以及来自两名阅片者的手动标注。	医学影像分析	心脏疾病（心肌硬度评估）	磁共振弹性成像（MRE）	nnU-Net v2 和 MedSAM	磁共振图像（幅度、相位、实部、虚部）	16名健康男性志愿者的心脏MRE数据	PyTorch	nnU-Net, MedSAM (基于SAM)	Dice系数	未提供具体GPU信息