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
4281	2026-08-13	Deep learning-based control of electrically evoked activity in human visual cortex 2026-Aug-07, Neuron IF:14.7Q1 DOI:10.1016/j.neuron.2026.07.006 PMID:42567157	研究论文	提出了一种基于深度学习的框架，利用双向皮层植入物在人类视觉皮层中因果性地塑造刺激诱发的群体活动，并展示了其在实时刺激合成和精确靶向方面的优越性。	创新性地引入深度学习框架，利用双向皮层植入物实现刺激诱发群体活动的实时控制，并支持学习逆网络和梯度优化两种互补策略。	文中未明确提及局限性，但可能包括对神经记录的依赖性、刺激参数调整的复杂性以及临床应用的潜在风险。	开发并验证一种深度学习框架，用于更精确地控制人类视觉皮层的电刺激诱发活动，以改善视觉假体的感知一致性。	人类视觉皮层中的刺激诱发群体活动，以及相关的神经记录和感知报告。	深度学习	视觉障碍	电刺激（微刺激）	深度学习（学习逆网络和梯度优化器）	神经记录数据	文中未提供具体样本量，但涉及人类视觉皮层试验。	NA	学习逆网络，梯度优化器	刺激电流阈值、感知一致性、群体活动重建误差、感知预测准确性	未提及具体计算资源，可能涉及标准GPU。
4282	2026-08-13	Risk analysis and warning model of post-noncardiac surgery acute kidney injury: A retrospective observational study 2026-Aug-07, Medicine IF:1.3Q2 DOI:10.1097/MD.0000000000050071 PMID:42566640	研究论文	本研究旨在识别非心脏手术后急性肾损伤的风险因素，并基于临床参数开发与验证早期预警模型	首次通过整合逻辑回归与深度学习构建多外科专科的PO-AKI早期预警模型，在保持可解释性的同时提升预测性能	未提供明确的局限性信息	开发并验证基于常规临床参数的非心脏手术后急性肾损伤早期预警模型	非心脏手术患者	机器学习	急性肾损伤	电子病历数据分析	逻辑回归与深度学习	电子病历数据	19,152例非心脏手术患者	NA	逻辑回归、深度学习	AUC、精确率-召回率曲线下面积、F1分数	NA
4283	2026-08-13	BAASNet: boundary-aware deep learning for accurate polyp segmentation in colonoscopy 2026-08-05, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-65397-5 PMID:42557285	研究论文	提出BAASNet，一种边界感知的深度学习框架，用于结肠镜检查中息肉的精确分割，在九个公开数据集上验证了其泛化能力。	引入了边界感知损失函数来增强分割边界，并在多种成像模态上展示了显著的性能提升。	文本中未提及具体的局限性，可能需要进一步研究以确定。	开发一个自动化的、高精度的息肉分割系统，以克服现有方法的挑战，并支持临床部署。	结肠镜检查中的结直肠息肉。	计算机视觉、数字病理学	结直肠癌	深度学习	CNN	图像	九个公开数据集，涵盖五种成像模态	未提及	未提及	Dice相似系数（DSC）、平均绝对改进、相对改进	未提及
4284	2026-08-13	Clinical-guided deep learning framework for diabetic retinopathy: integrating lesion-aware attention, adversarial augmentation, and uncertainty quantification 2026-08-05, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-58690-w PMID:42557287	研究论文	提出了一种临床引导的深度学习框架CG-DRNet，用于糖尿病视网膜病变的严重程度检测，结合了病变感知注意力、对抗性数据增强和不确定性量化	首次将病变感知注意力、对抗性数据增强和贝叶斯不确定性量化集成于一个多任务深度学习框架中，用于DR检测；引入条件生成对抗网络（CWGAN-GP）解决类别不平衡；采用不确定性引导的半监督学习提高数据效率	未提及	实现可靠且可解释的糖尿病视网膜病变严重程度检测，特别是早期轻度非增殖性糖尿病视网膜病变的检测，提高临床适用性	糖尿病视网膜病变患者的眼底图像	计算机视觉	糖尿病视网膜病变	眼底成像	多任务深度学习网络、条件生成对抗网络（CWGAN-GP）、Monte Carlo dropout	图像	使用公开数据集APTOS 2019、Messidor-2和临床元数据	PyTorch	CG-DRNet, CWGAN-GP	准确率、宏F1分数、二次加权kappa、AUC、期望校准误差、灵敏度、推理时间	未提及
4285	2026-08-13	A class-wise quantum relational calibration network for brain tumor diagnosis 2026-08-04, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-61891-y PMID:42552341	研究论文	提出一种类别级量子关系校准网络(CQRCNet)，用于脑肿瘤MRI诊断，通过混合量子-经典框架改进多类分类的校准性能	创新性地将量子关系建模集成到经典卷积神经网络中，作为softmax归一化前的校准机制，采用参数共享和低量子比特电路显式建模类别间成对交互	未明确提及局限性	提高脑肿瘤MRI多类分类的准确性和可靠性，解决类别间模糊性和校准问题	公开的脑肿瘤MRI数据集，涵盖四个肿瘤类别	计算机视觉	脑肿瘤	MRI	混合量子-经典神经网络	图像	NA	NA	卷积神经网络(CNN)、量子电路	准确率	量子模拟器
4286	2026-08-13	Biologically informed neural network models are robust to spurious interactions via self-pruning 2026-Aug-03, Bioinformatics (Oxford, England) DOI:10.1093/bioinformatics/btag556 PMID:42502984	研究论文	本文提出了一种通过自我剪枝评估生物学信息神经网络模型对虚假交互作用的鲁棒性的方法，并更新了LEMBAS框架以支持GPU加速。	引入RRA指标直接比较分布，实现完美自我剪枝的量化，并显著提升计算速度。	主要关注所选路径而非全面视角，可能忽略复杂的未知交互。	评估BINN模型在存在虚假交互作用时的可靠性，并提高计算效率。	细胞内信号传导网络，特别是基于先验知识网络的BINN模型。	机器学习	NA	NA	递归神经网络 (RNN)	信号传导数据	3个不同数据集	PyTorch	递归神经网络	预测准确性、RRA（相对残差面积）	GPU加速
4287	2026-08-13	Precision pharmacology: deep learning infused ontological framework with E-GRU enhancement for tailored medicine prescriptions 2026-08-03, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-48044-x PMID:42547776	研究论文	本文提出了一种结合本体论和深度学习的方法，通过增强门控循环单元（E-GRU）模型NexusOpti来提高药物处方的准确性	将本体论（ICD和ATC）与深度学习结合，并使用自注意力机制和E-GRU层来提升推荐精度	未提及	提高药物处方的准确性，减少不良反应，实现个性化用药	电子健康记录中的患者数据和药物-疾病相互作用	机器学习	不适用	本体论数据提取	增强门控循环单元（E-GRU）	电子健康记录	未提及	未提及	增强门控循环单元（E-GRU）	命中率（Hit Ratio）和归一化折损累计增益（NDCG）	未提及
4288	2026-08-13	A spatiotemporal U-Net++ deep learning framework for dengue risk mapping in Colombia 2026-08-03, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-63542-8 PMID:42552340	研究论文	提出基于U-Net++架构的时空深度学习框架，用于在哥伦比亚生成高分辨率登革热风险地图	将U-Net++架构应用于登革热风险制图，并整合气候、环境、人口和社会经济等多源异构数据，在国家和部门尺度上评估了高维和低维地理空间方法	未提及	开发一个基于时空深度学习的框架，以生成高分辨率登革热风险地图，支持公共卫生决策并减少登革热对脆弱人群的影响	哥伦比亚全国及五个登革热高发部门	深度学习	登革热	卫星遥感、人口普查数据	U-Net++	图像、结构化数据（气候、环境、人口和社会经济信息）	哥伦比亚全国及五个登革热高发部门（具体样本量未提及）	NA	U-Net++	mIoU	NA
4289	2026-08-13	Biodistribution of AAV-TT and AAV9 in the Nonhuman Primate Brain 2026-Aug, Human gene therapy IF:3.9Q2 DOI:10.1177/10430342261427733 PMID:41797378	研究论文	该研究比较了AAV-TT和AAV9在非人灵长类大脑中的生物分布，发现AAV-TT具有相似的分布模式和略高的神经元转导效率	首次直接比较AAV-TT和AAV9在成年非人灵长类大脑中的转导效果，并采用深度学习算法量化分析全脑转导模式	样本量较小（每组仅两只动物），且未评估长期安全性或治疗性基因表达效果	评估AAV-TT在非人灵长类大脑中的分布和转导效率，以探讨其作为神经退行性疾病基因治疗载体的临床潜力	幼年成年非人灵长类动物的大脑，具体为左连合壳核区域	神经科学	神经退行性疾病	腺相关病毒（AAV）载体递送	深度学习模型	全脑图像（GFP表达）	四只非人灵长类动物（两只接受AAV-TT，两只接受AAV9）	Aiforia	深度学习图像分析算法	GFP阳性神经元定量	NA
4290	2026-08-13	Systematic review of machine learning and deep learning models for EEG-based detection of depression 2026-08, Journal of psychiatric research IF:3.7Q1 DOI:10.1016/j.jpsychires.2026.04.030 PMID:42056808	系统综述	本文按照PRISMA 2020指南对2020至2024年间发表的基于EEG的机器学习与深度学习抑郁症检测研究进行了系统回顾，比较了方法学、性能指标及局限性	首次对2020至2024年间EEG抑郁症检测的ML与DL模型进行系统比较，并采用QUADAS-2工具评估偏倚风险	纳入研究间方法学差异大，且可能存在发表偏倚；DL与ML性能差异在探索性分析中无统计学意义	系统评估并比较基于EEG数据的机器学习和深度学习模型在抑郁症检测中的方法学、性能指标及局限性	42项符合纳入标准的研究，包括23项基于机器学习和19项基于深度学习的研究	机器学习	抑郁症	脑电图(EEG)	机器学习模型、深度学习模型	脑电图信号	42项研究；具体样本量因研究而异，部分研究样本量较小	不适用	不适用	准确率	不适用
4291	2026-08-13	Robust end-to-end stratification of amyotrophic lateral sclerosis patients via recurrent variational autoencoder and consensus clustering 2026-08, Journal of biomedical informatics IF:4.0Q2 DOI:10.1016/j.jbi.2026.105059 PMID:42235808	研究论文	本研究开发了一种结合循环变分自编码器与共识聚类的数据驱动方法，用于基于纵向疾病进展模式对肌萎缩侧索硬化（ALS）患者进行分层，识别临床相关亚组。	将Peephole长短期记忆网络集成到变分深度嵌入架构中，以同时学习潜在表示和聚类分配，并结合共识聚类和超参数优化，增强了对纵向时间序列数据中患者异质性的捕获能力。	摘要未明确提及局限性。	开发一种稳健的端到端方法，基于纵向疾病进展模式对ALS患者进行分层，以支持个性化预后和临床试验设计。	ALS患者，基于纵向疾病进展模式进行分层。	机器学习	肌萎缩侧索硬化	NA	循环变分自编码器和共识聚类	时间序列数据（ALSFRS-R总分、领域子评分和MiToS分期）	3076名来自PRO-ACT数据集的ALS患者，以及模拟数据。	NA	Peephole长短期记忆网络，变分深度嵌入（VaDE）	轮廓系数、Davies-Bouldin指数、Calinski-Harabasz指数	NA
4292	2026-08-13	REN: Anatomically-Informed Mixture-of-Experts for Interstitial Lung Disease Diagnosis 2026-Aug, IEEE transactions on medical imaging IF:8.9Q1 DOI:10.1109/TMI.2026.3704035 PMID:42308081	研究论文	提出了一种解剖学信息引导的混合专家框架REN，用于间质性肺病（ILD）分类，通过区域专属专家和多模态门控机制提升诊断性能	首次将解剖学先验编码到混合专家框架中，设计了七个分别对应肺叶或双侧肺组合的专家，并采用多模态门控机制动态整合影像组学生物标志物与深度学习特征	未在摘要中明确提及局限性，可能包括对大规模外部验证的需求或计算资源的依赖	开发一种解剖学引导的、可扩展的医学图像分类框架，以提升间质性肺病诊断的准确性和临床可解释性	597名患者的纵向队列，包含1898次CT扫描，用于间质性肺病分类	医学影像	间质性肺病	影像组学特征提取与深度学习结合，利用CT成像数据	混合专家模型（MoE），包含CNN、ViT和状态空间模型（Mamba）	医学图像（CT扫描）	597名患者，1898次扫描	未明确提及，但暗示使用PyTorch（基于代码可用性），可能包括MONAI	SwinUNETR、CNN、ViT、Mamba、混合专家模型	AUC，平均AUC为0.8646±0.0467，并报告p值	未明确提及，但代码在GitHub上可用，可能依赖GPU计算资源
4293	2026-08-13	A dual-band radio-frequency biosensing platform with physics-informed deep learning for simultaneous sweat pH and lactate monitoring 2026-08-01, Mikrochimica acta DOI:10.1007/s00604-026-08309-8 PMID:42541602	研究论文	本文报道了一种结合射频材料和人工智能的双频生物传感平台，用于同步监测汗液pH值和乳酸浓度，并通过物理信息深度学习实现高精度信号解码	提出了一种“射频-材料-人工智能”协同设计的双频生物传感平台，集成了双谐振微带天线、三元纳米复合界面和物理信息深度学习网络，首次实现了对汗液pH和乳酸的同时无创监测，并显著提高了响应速度和信号解码精度	未明确提及局限性，但可能包括样本量较小（仅10名受试者）以及设备在真实环境中的长期稳定性和可穿戴性有待进一步验证	开发一种能够同时、连续监测汗液pH和乳酸的双频生物传感平台，解决现有传感器响应时间长和信号解码依赖简单线性校准的问题，并验证其在健康状态和运动强度分类中的应用	人体汗液中的pH值和乳酸浓度，以及基于这些生物标志物的健康状态和运动强度分类	生物传感、机器学习、射频工程	不适用	射频传感（双频微带天线）、电化学传感、纳米材料合成、深度学习	Physics-BiLSTM-Attention网络（物理信息双向长短期记忆网络结合注意力机制）	人体汗液样本的RF信号数据和对应的pH、乳酸参考值	10名受试者的汗液数据	PyTorch（推测）	双分支注意力机制的双向LSTM，嵌入一阶时间差分先验	相关系数（R）、决定系数（R²）、平均绝对误差（MAE）、均方根误差（RMSE）、准确率（Accuracy）、不确定性校准	不适用
4294	2026-08-13	Domain-specific simulated data enhances knife-mark noise suppression in microscopy images of materials 2026-Aug-01, Microscopy (Oxford, England) DOI:10.1093/jmicro/dfaf049 PMID:41134156	研究论文	本研究提出并验证了一种模拟驱动学习范式，仅使用模拟图像训练深度学习模型以抑制材料显微图像中的刀痕噪声，实现精确的填料区域分割	提出一种仅依靠模拟数据进行训练的深度学习范式，针对特定领域模拟噪声，克服了材料科学中标记真实图像数据稀缺的问题	未提及具体局限性	通过模拟数据训练深度学习模型，去除材料显微图像中的刀痕噪声，实现准确的填料区域分割	橡胶材料横截面显微图像中的刀痕噪声和填料区域	深度学习, 图像处理	不适用	数字图像模拟	U-Net	图像	不明确，涉及模拟图像和真实显微图像	未提及	U-Net	PSNR, SSIM, MAE	未提及
4295	2026-08-13	Deciphering tumor metabolites: emerging technologies shaping clinical implications 2026-Aug, Trends in cancer IF:14.3Q1 DOI:10.1016/j.trecan.2026.04.004 PMID:42120268	综述	本文评估了当前用于肿瘤代谢物检测的平台和技术，以及功能性研究的新兴策略，并探讨了先进算法在代谢物临床应用中的整合。	强调了下一代技术和深度学习框架在增强功能洞察和临床转化方面的必要性。	存在方法学限制和肿瘤代谢异质性等关键问题。	评估代谢物检测平台和技术，并展望未来发展方向以促进临床转化。	肿瘤代谢物及其在肿瘤生物学中的作用。	肿瘤代谢组学	肿瘤	代谢物检测平台和技术	NA	NA	NA	NA	NA	NA	NA
4296	2026-08-13	On the utility of ChatGPT in conducting a literature review on deep learning for dopamine transporter SPECT with [¹²³I]ioflupane 2026-Aug, Nuklearmedizin. Nuclear medicine DOI:10.1055/a-2890-8325 PMID:42341787	研究论文	本研究评估了ChatGPT（GPT-5.2）在撰写关于深度学习在[¹²³I]ioflupane多巴胺转运体SPECT中的综述论文时的实用性。	首次评估ChatGPT在核医学成像领域文献综述撰写中的实用性，并详细分析了其在文献检索和引用方面的局限性。	ChatGPT在文献检索和引用方面存在不足，需要专家监督和修正。	评估ChatGPT辅助撰写深度学习在DAT-SPECT成像中的综述论文的实用性和准确性。	ChatGPT生成的文献列表和综述草稿，以及70篇相关出版物。	自然语言处理、医学影像	神经系统疾病（帕金森病等）	DAT-SPECT成像	ChatGPT（GPT-5.2）	文本	70篇相关出版物，其中67篇被纳入综述	NA	Transformer（GPT-5.2）	NA	NA
4297	2026-08-13	Assessing Plantar Skin Epidermal Layer in Response to Various Insole Hardness via Deep Learning Enabled Optical Coherence Tomography Analysis 2026-08, Journal of biophotonics IF:2.0Q3 DOI:10.1002/jbio.70330 PMID:42549579	研究论文	本研究利用光学相干断层扫描和深度学习技术，评估不同鞋垫硬度对足底皮肤表皮层厚度的影响	首次将深度学习技术应用于OCT图像分析，以评估不同鞋垫硬度对足底皮肤表皮层厚度的动态响应	未提及	探究不同鞋垫硬度和行走时间对足底皮肤角质层和活表皮厚度变化的影响，以评估足底组织健康	足底皮肤角质层和活表皮层，具体部位包括大脚趾、第一跖骨头和第二跖骨头	深度学习、医学影像分析	糖尿病足溃疡预防	光学相干断层扫描（OCT）	深度学习模型	OCT图像	未提及具体样本数量	NA	NA	厚度变化统计显著性	NA
4298	2026-08-13	Multivariable Radiomics Model for Predicting Programmed Death-Ligand 1 Expression After Neoadjuvant Chemoradiotherapy in Esophageal Squamous Cell Carcinoma 2026-Aug, Cancer medicine IF:2.9Q2 DOI:10.1002/cam4.72084 PMID:42572224	研究论文	本研究旨在通过整合传统影像组学、深度学习和机器学习方法，开发预测食管鳞状细胞癌新辅助放化疗后程序性死亡配体1（PD-L1）表达的模型	首次采用多层面方法（传统影像组学、深度学习与机器学习）预测nCRT后PD-L1表达，并整合临床变量与影像组学特征	样本量较小（101例），影像组学相对于临床变量的增量判别价值有限，研究预测PD-L1表达而非实际的免疫检查点抑制剂反应，结果需外部验证	开发预测食管鳞状细胞癌新辅助放化疗后PD-L1表达的模型，评估放射组学的增量判别价值	局部晚期食管鳞状细胞癌（ESCC）患者	医学影像分析	食管鳞状细胞癌	CT成像	机器学习算法（逻辑回归、深度学习架构如ResNet和TabNet）	CT图像	101例局部晚期ESCC患者	NA	残差网络（ResNet）、TabNet	加权AUROC	NA
4299	2026-08-13	Geometric Deep Learning-Based Drug Design Models for Small-Molecule Drug Discovery 2026-Aug, Molecular informatics IF:2.8Q2 DOI:10.1002/minf.70047 PMID:42572360	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
4300	2026-08-13	From Empirical Ratio Tuning to Mechanistic Insight: Decoding NiO-ZnO Heterojunction Effects in Gas Sensing via Explainable Machine Learning 2026-Jul-24, ACS sensors IF:8.2Q1 DOI:10.1021/acssensors.6c00675 PMID:42228598	研究论文	该论文通过实验与可解释机器学习结合，系统研究了NiO-ZnO复合比例对气体传感性能及识别能力的影响机制	首次将可解释人工智能（SHAP和特征交互网络）用于解码NiO-ZnO异质结比例对气体传感性能的调控机制，建立了材料组成、响应特征演化与气体识别能力之间的内在联系	未明确提及，但可推断仅针对NiO-ZnO体系及六种挥发性有机化合物，结果可能不适用于其他材料或气体	阐明NiO-ZnO复合比例对气体传感及识别性能的非线性调控机制，并为复合气体传感器的结构优化提供可解释设计范式	七种不同摩尔比的NiO-ZnO基气体传感器及六种代表性挥发性有机化合物	机器学习	NA	气体传感实验	深度学习多任务网络	传感响应数据	七个传感器的多组实验数据，涵盖六种气体	PyTorch	深度学习多任务网络（具体架构未提及），UMAP	响应特性，灵敏度，稳定性，气体识别能力（分类和回归性能）	NA