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
4661	2026-08-09	Research on motor diagnosis and maintenance decision-making technology based on DCCNN-L transformer and fault knowledge graph 2026-May-27, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-54415-1 PMID:42204217	研究论文	本文提出了一种基于DCCNN-L Transformer和故障知识图谱的电机故障诊断与维护决策方法，实现了从振动信号诊断到维护决策生成的闭环流程	提出了概率特征融合机制和增强动态窗口混合注意力机制的DCCNN-LTransformer模型，以及通过故障知识图谱与大语言模型结合生成维护决策的新方法	未提及	实现电机故障从智能诊断到维护决策的闭环流程，提高故障诊断精度和维护决策生成的自动化水平	电机振动信号和故障维护决策文本	机器学习	不适用	振动信号分析	DCCNN-LTransformer, BERT-BiLSTM-CRF, 大语言模型	振动信号数据、文本数据	三个不同的故障数据集	未提及	双通道一维卷积神经网络, Transformer, BERT, BiLSTM, CRF	准确率	未提及
4662	2026-08-09	Delta feature and random forest-enhanced LSTM-attention forecasts with probabilistic postprocessing for rainfall forecasting 2026-May-27, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-54896-0 PMID:42204247	研究论文	本研究提出了一种结合Delta特征、随机森林增强的LSTM-Attention框架，并采用概率后处理技术进行降雨预报，以提高一般和极端降雨预测的准确性。	创新点包括利用邻近站点多时间滞后信息建模空间传播和区域降雨动态，引入Delta特征捕捉气象变量的时间梯度，以及开发带有概率后处理的混合Attention-LSTM框架用于极端值预测。	模型倾向于低估极端降雨事件，尤其是高强度的对流事件，这可能是由于极端样本数量不平衡所致。	提高短期降雨预报的准确性，特别是对一般和极端降雨事件的可靠预测，以支持实时洪水控制和水资源管理。	降雨数据，包括目标站点及其七个邻近站点的六种气象变量。	机器学习, 深度学习	NA	NA	LSTM, Attention-LSTM, PGCN-LSTM, PGCN-LSTM with attention, Random Forest	时间序列数据	一个目标站点及其七个邻近站点的六种气象变量数据	NA	Attention-LSTM, PGCN-LSTM, LSTM	相关性系数 (correlation)	NA
4663	2026-08-09	Optimization of attention mechanisms in choral conducting education using EEG and eye movement tracking with transfer learning algorithms 2026-May-27, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-54211-x PMID:42204221	研究论文	本研究通过整合脑电图和眼动追踪技术及迁移学习算法，优化合唱指挥教育中的注意力机制，开发了多模态生理监测系统以提高教学效果	构建了结合EEG频谱特征与眼动时空数据的深度学习注意力模型，并应用迁移学习框架提升教学效率，实现了个性化学习路径推荐	结果在受控实验条件和积极受试者下获得，泛化到多样教育环境需进一步研究，改进应视为初步迹象而非保证结果	优化合唱指挥教育中的注意力机制，开发客观评估方法，提高教学效果和技能习得效率	48名参与者，进行2847次指挥练习，评估12种指挥技术，覆盖三个难度级别	机器学习	不适用	脑电图（EEG）、眼动追踪	深度学习模型	生理信号数据和眼动时空数据	48名参与者，2847次指挥试验	不适用	不适用	准确率、学习满意度、相关性（ICC）、Fleiss' κ、配对t检验、Cohen's d	不适用
4664	2026-08-09	Research on multi-stage deep learning based intelligent diagnosis of skin diseases and skin medicine diagnosis community construction concept 2026-May-22, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-53742-7 PMID:42168500	研究论文	提出一种基于深度学习的多阶段皮肤病智能诊断框架，并构思未来自助诊疗和配药社区的可行模型	结合临床先验知识（如病变好发部位）并采用分层诊断策略，从粗分类到细分类，提高诊断可靠性	未提及具体局限性	辅助皮肤科医生进行早期诊断和严重程度评估，并探索未来自助诊疗社区的概念模型	常见皮肤病图像及其严重程度和进展阶段	计算机视觉	皮肤病	NA	卷积神经网络 (CNN)	图像	未提及具体样本量	NA	LeNet-5	稳定性、可靠性（未具体说明指标）	NA
4665	2026-08-09	N2G calibrator: a cross-subject adversarial learning framework for neural signal-driven gait tracking in Parkinson's disease 2026-May-18, Communications engineering DOI:10.1038/s44172-026-00688-3 PMID:42151559	研究论文	介绍了一种跨受试者对抗学习框架N2GCF，利用集体神经数据跟踪帕金森病患者的步态表现，无需同步步态记录系统	利用领域对抗学习映射目标用户的未标记神经特征与其他个体的标记数据，去除同步步态记录需求，允许在临床环境外进行个性化模型校准	文中未明确提及局限性	开发一种跨受试者深度学习框架，利用集体神经数据跟踪帕金森病患者的步态表现，以便在aDBS系统中无需同步步态记录即可校准模型	帕金森病患者的神经信号和步态表现	机器学习	帕金森病	神经信号记录（具体技术未明确）	领域对抗学习模型	神经信号和步态数据	未明确	未明确	未明确	错误率	未明确
4666	2026-08-09	A longitudinal whole-body CT dataset with manually annotated tumor lesions 2026-May-18, Scientific data IF:5.8Q1 DOI:10.1038/s41597-026-07466-y PMID:42151186	研究论文	介绍一个公开的纵向全身CT数据集，包含手工标注的肿瘤病灶，用于开发和验证AI方法。	提供了首个包含两个时间点、全面手工标注肿瘤病灶的纵向全身CT公开数据集，包括病灶的解剖位置、体积和纵向对应关系。	数据集仅来自单一机构，且仅包含转移性恶性黑色素瘤患者，可能限制泛化性。	为自动化肿瘤病灶检测、分割和时间追踪的AI方法建立标准化基准。	转移性恶性黑色素瘤患者的全身CT图像及肿瘤病灶。	计算机视觉、数字病理学	黑色素瘤	CT成像	深度学习分割模型（nnU-Net）	医学图像（CT）	600个CT检查，来自300名患者，共7,182个手工分割的肿瘤病灶。	PyTorch	nnU-Net	Dice系数	未提供（NA）
4667	2026-08-09	A deep learning model to dynamically predict cancer-associated thromboembolism in large-scale healthcare systems 2026-May-18, NPJ digital medicine IF:12.4Q1 DOI:10.1038/s41746-026-02730-2 PMID:42151458	研究论文	利用大规模医疗系统中的电子健康记录开发了一种基于Transformer的深度学习模型，用于动态预测癌症患者全身治疗后的静脉血栓栓塞风险。	该模型使用纵向诊断代码、实验室值和人口统计学数据，采用Transformer架构，能够随时间动态更新预测，优于以往的静态风险评分，并在外部验证队列中表现良好。	摘要未提及限制，可能包括数据来源单一、模型依赖电子健康记录的质量和完整性。	开发一个动态预测模型，以识别癌症患者中静脉血栓栓塞的高风险人群，从而支持及时的抗凝治疗决策。	癌症患者，包括80,808名来自美国退伍军人事务部医疗系统的患者和9,752名来自哈里斯健康系统的外部验证患者。	机器学习	癌症相关血栓栓塞	电子健康记录分析	Transformer	电子健康记录数据（包括诊断代码、实验室值、人口统计学数据）	80,808名癌症患者（VA队列）和9,752名患者（HHS外部验证队列）	NA	Transformer	AUC	NA
4668	2026-08-09	Deep Learning-Based Spatiotemporal Analysis of Cataract Surgery Videos for Surgical Risk Assessment 2026-05-15, Journal of visualized experiments : JoVE DOI:10.3791/70025 PMID:42224114	研究论文	本研究提出一种深度学习框架，通过提取术中显微镜视频的时空特征来预测玻璃体切除手术的术后风险	将cGAN增强预处理、轮廓自适应分割、图卷积网络、自适应向日葵优化和Transformer模型相结合，实现对白内障手术视频的全面时空分析	仅基于两个公共数据集进行验证，缺乏多中心前瞻性临床验证	开发基于术中视频分析的深度学习框架，用于预测玻璃体切除手术的术后风险，实现实时临床决策支持和改善术后风险分层	术中显微镜视频中的白内障手术过程	计算机视觉	白内障	视频增强技术	图卷积网络、Transformer	视频	两个公共数据集CaDIS和SICS-105	NA	Graph Convolutional Networks, Transformer, cGAN	准确率、精确率、召回率、F1分数、AUC、像素准确率、每类准确率、平均交并比、灵敏度、特异度	NA
4669	2026-08-09	A Reproducible AI-Assisted Workflow for Concept Development in Stage Art Design and Lighting Optimization through the GSAD Framework 2026-05-12, Journal of visualized experiments : JoVE DOI:10.3791/70737 PMID:42224183	研究论文	提出了一种名为GSAD的可复现AI辅助舞台美术设计工作流，集成了扩散模型、GAN和智能象群优化算法，以支持系统化的概念开发与灯光优化	首次将扩散模型、生成对抗网络和智能象群优化算法整合为一个统一的GSAD框架，用于舞台美术设计中的概念生成、纹理光照优化和布局规划，实现了高可复现性和跨团队的视觉一致性	摘要未提及具体局限性，如数据集规模有限、泛化能力评估不足或计算资源需求等	开发一个结构化的AI辅助生成式舞台美术设计框架，以支持系统化、可重复的概念开发流程和灯光布局优化	舞台美术设计中的概念生成、纹理细化、灯光布局和3D场景优化	计算机视觉、生成模型、深度学习	不适用	扩散模型、生成对抗网络（GAN）、智能象群优化算法（IECO）	扩散模型、GAN、优化算法	图像（高分辨率舞台设计图、灯光图、3D布局图）、文本（舞台剧本）	2500张高分辨率图像，包含注释的舞台剧本、灯光图和3D布局	Python环境（未指定具体框架）	扩散模型、GAN、IECO	预测准确率、每秒百万浮点运算次数（MFPOs）、参数量	未指定具体GPU或云平台，但使用Python环境实现
4670	2026-08-09	Evolution-guided protein design of IscB for persistent epigenome editing in vivo 2026-May, Nature biotechnology IF:33.1Q1 DOI:10.1038/s41587-025-02655-3 PMID:40335752	研究论文	通过结合同源物筛选、结构引导的蛋白质结构域设计、RNA工程和基于深度学习的结构预测，改造出改进的IscB变体NovaIscB，用于体内持久表观基因组编辑	首次将自然多样性与蛋白质工程相结合，通过多策略组合设计出高活性且高特异性的紧凑IscB变体，并实现单AAV载体包装的体内基因沉默	摘要未提及明确的局限性	设计具有增强活性且保持特异性的IscB变体，用于体内持久表观基因组编辑	IscB核酸酶及其引导RNA（ωRNA）	蛋白质工程	NA	深度学习结构预测	深度学习模型	蛋白质序列和结构数据	未明确说明样本量	NA	NA	插入缺失活性，特异性	NA
4671	2026-08-09	Deep learning for dentomaxillofacial cone-beam computed tomography enhancement: A systematic review and meta-analysis 2026-May, Physica medica : PM : an international journal devoted to the applications of physics to medicine and biology : official journal of the Italian Association of Biomedical Physics (AIFB) DOI:10.1016/j.ejmp.2026.105797 PMID:41934701	系统综述和荟萃分析	系统评价和荟萃分析评估了深度学习技术在牙颌面锥形束CT增强中的应用及其对客观图像质量指标的影响	首次系统综合和量化分析深度学习在牙颌面锥形束CT增强中的效果，涵盖多种任务类型（如CBCT到CT合成、金属伪影减少等）	高异质性（I2 > 99%）限制了直接比较，且临床验证有限	评估深度学习在牙颌面锥形束CT增强中的应用效果及其对图像质量指标的影响	牙颌面锥形束CT图像增强相关研究	医学图像处理	牙颌面疾病	锥形束CT	深度学习模型	图像	包含37项研究	NA	NA	平均绝对误差（MAE）、峰值信噪比（PSNR）、结构相似性指数（SSIM）、均方根误差（RMSE）	NA
4672	2026-08-09	Artificial Intelligence in Personalized Breast Cancer Drug Safety: From Preclinical Toxicology to Clinical Risk Management 2026-May, Clinical therapeutics IF:3.2Q2 DOI:10.1016/j.clinthera.2026.03.002 PMID:41956883	综述	本文综述了人工智能在个性化乳腺癌药物安全性中的应用，涵盖从临床前毒理学到临床风险管理的各个方面	系统性地探讨了AI在乳腺癌药物安全性全流程中的应用，包括早期毒性预测、个性化治疗优化和长期安全监测，并整合了临床试验、患者记录和真实世界证据	未提及具体局限性	探讨AI技术在个性化乳腺癌治疗中提升药物安全性和疗效的潜力，并分析其在该领域的挑战与机遇	乳腺癌患者及其药物安全性相关数据	机器学习	乳腺癌	机器学习和深度学习技术	NA	文本及多模态数据（如临床试验记录、患者记录、真实世界证据）	NA	NA	NA	NA	NA
4673	2026-08-09	The Use of Machine Learning to Estimate Ground Reaction Forces During Running: A Scoping Review of the Current Practices 2026-Apr-18, Sensors (Basel, Switzerland) DOI:10.3390/s26082502 PMID:42076611	综述	本文对2019至2025年间使用机器学习结合可穿戴传感器估算跑步过程中地面反作用力（GRF）的研究进行了范围综述，总结了当前的方法、应用效果及研究空白。	首次系统回顾并量化了机器学习预测跑步GRF研究中的方法学特征，如样本组成、验证策略，并突出了现有研究在性别均衡和模型泛化性方面的不足。	研究未验证跑步机训练的模型在户外跑步中的适用性，这可能限制了真实场景中的泛化能力。	总结当前通过机器学习和可穿戴传感器预测跑步中GRF的研究方法，识别方法学空白以指导未来研究。	跑步过程中地面反作用力数据及其预测方法，包括衍生变量如峰值力、冲击峰和冲量等。	机器学习	不适用	可穿戴传感器，机器学习	LSTM、Bi-LSTM、经典回归方法	时间序列数据（来自可穿戴传感器的GRF数据）	36项研究，参与者中59%为男性；跑步机研究的样本量中位数为28人，步数中位数为65步；户外研究的样本量中位数为14人，步数中位数为32步。	不适用	LSTM、Bi-LSTM、经典回归	预测准确性（具体指标未在摘要中明确）	不适用
4674	2026-08-09	Missing Data Gap Imputation Methods in Electroencephalogram (EEG) Signals: A Systematic Scoping Review 2026-Apr-15, Sensors (Basel, Switzerland) DOI:10.3390/s26082431 PMID:42076541	系统综述	本文系统回顾了脑电图（EEG）信号中缺失数据间隙填补方法的研究，包括基于张量、机器学习/深度学习和模型/经典方法等类别	提供了对EEG间隙填补方法的全面梳理，识别了当前文献中的不足，为未来更通用的解决方案奠定基础	由于小数据集缺乏足够的参与者多样性以及方法学差异，无法确定单一领先方法；部分方法依赖完整记录进行分段填补，可能妨碍实时填补	研究用于重建EEG信号中缺失数据间隙的填补方法，并评估其有效性和泛化性	不同类别的EEG信号缺失数据间隙填补算法，包括基于张量、机器学习/深度学习和模型/经典方法	信号处理	NA	脑电图记录	张量分解、机器学习、深度学习等	脑电图信号	16篇文章（涉及EEG信号数据）	NA	NA	准确性等（具体未指明）	未指明
4675	2026-08-09	CT Emphysema and Deep Learning-derived Vertebral Bone Loss in Individuals without COPD: Findings from MESA 2026-Apr, Radiology IF:12.1Q1 DOI:10.1148/radiol.252251 PMID:42012343	研究论文	本研究利用深度学习胸部CT分析，在无慢性阻塞性肺疾病的个体中，发现肺气肿样改变与椎骨骨密度流失相关，提示亚临床肺气肿可能作为系统性骨骼衰退的影像标志物	首次在无COPD的大型多民族队列中，利用深度学习分割模型评估椎骨骨密度，发现亚临床肺气肿与骨密度流失的独立关联，并确定性别和种族差异及阈值效应	未提及明显局限性	探究无COPD个体中，胸部CT量化的亚临床肺气肿样改变是否与骨密度流失相关，以识别肺和骨骼健康的早期影像标志物	无慢性阻塞性肺疾病的参与者，来自多民族动脉粥样硬化研究（MESA）	深度学习、医学影像分析	肺气肿、骨质疏松、慢性阻塞性肺疾病（排除）	胸部CT、深度学习分割模型	深度学习分割模型（未指定具体类型）	胸部CT影像	横断面分析2312名参与者，纵向分析1109名参与者	NA	NA（提及深度学习分割模型）	β系数、置信区间、P值	NA
4676	2026-08-09	Deep Learning-based Bone Mineral Density Prediction Using Pediatric Chest Radiographs: A Multicenter Feasibility Study 2026-Apr, Radiology IF:12.1Q1 DOI:10.1148/radiol.252761 PMID:41944722	研究论文	本研究开发并评估了一种基于儿童胸部X光片和临床变量的人工智能模型，用于预测骨密度Z分数和检测低骨密度，并在多中心数据上验证其性能。	首次使用深度学习模型从常规胸部X光片预测儿科骨密度Z分数，结合临床变量，并在多中心外部验证中显示出高准确性，可能提高骨密度评估的可及性。	研究可能受回顾性设计、样本量相对较小（1464对）影响，且模型依赖临床变量（如身高体重），可能限制其通用性；未提供模型计算资源细节。	开发并评估一个基于胸部X光片的深度学习模型，用于预测儿科骨密度Z分数和检测低骨密度，以解决DXA可及性有限的问题。	年龄小于18岁的儿科患者，共1464对胸部X光片和DXA数据（774开发，376内部测试，314外部测试）。	深度学习	儿科骨健康	胸部X光片成像	深度学习模型（具体类型未指定）	图像和临床数据	1464对图像-DXA数据	NA	NA	皮尔逊相关系数、AUC、敏感性、特异性	NA
4677	2026-08-09	Natural Language Processing Methods Automate Molecular Marker Extraction From Glioma Pathology Reports 2026-Mar-27, Neurosurgery IF:3.9Q1 DOI:10.1227/neu.0000000000004000 PMID:41891708	研究论文	本研究评估了三种自然语言处理方法（正则表达式、TF-IDF和BERT）在自动提取胶质瘤病理报告中的分子标志物信息方面的性能	比较了从简单到复杂的不同NLP方法在病理报告分子标志物提取中的表现，发现简单方法在外部验证中优于复杂方法	未来需要更大规模数据集的验证、基础设施整合以及扩展到更多分子标志物	评估不同复杂度的自然语言处理方法在计算机病理学研究中从病理报告自动提取分子标志物的有效性	来自两家机构的601例胶质瘤患者的病理报告	自然语言处理	胶质瘤	自然语言处理	正则表达式、TF-IDF模型、BERT模型	文本数据（病理报告）	601例胶质瘤患者的病理报告	NA	正则表达式、TF-IDF、BERT（包括BlueBERT和BERT-large）	准确率、AUC	内存使用量（MB）
4678	2026-08-09	A generalizable deep learning system for cardiac MRI 2026-Mar-25, Nature biomedical engineering IF:26.8Q1 DOI:10.1038/s41551-026-01637-3 PMID:41882174	研究论文	本文介绍了一个用于心脏MRI的泛化深度学习系统，通过自监督对比学习从影像和放射报告中学习，并在多个数据集上展示了出色的性能。	采用了自监督对比学习，从电影序列MRI图像和对应放射报告文本中学习视觉概念，实现了跨机构和外部数据集的高泛化能力，并展示了低数据下的临床级诊断准确性。	未在摘要中明确提及局限性。	开发一个泛化性强的心脏MRI基础视觉系统，能够代表人类心血管疾病的广泛范围，并在多种临床任务中实现高诊断准确性。	心脏MRI扫描图像及其对应的放射报告文本。	医学影像分析	心血管疾病	心脏MRI（电影序列）	深度学习模型（基于自监督对比学习）	图像（MRI）和文本（放射报告）	来自美国四个大型学术临床机构的数据，以及UK BioBank和两个公开外部数据集（具体样本数未提供）	未在摘要中指定	未在摘要中指定	准确率（用于诊断39种疾病），左心室射血分数回归的指标（具体未提供）	未在摘要中提供
4679	2026-08-09	CTP-Free Method for Automated Lesion Water Uptake in Acute Ischemic Stroke 2026-03-04, AJNR. American journal of neuroradiology DOI:10.3174/ajnr.A9054 PMID:41781175	研究论文	本研究开发并评估了一种无需CTP、仅基于NCCT和CTA的自动测量急性缺血性卒中病灶净水摄取的方法	提出了一种仅使用NCCT和CTA的自动NWU测量方法，避免了传统方法对CTP的依赖，提高了临床适用性	需要外部验证以确认研究结果	开发并评估一种无需CTP、利用NCCT和CTA自动测量缺血性卒中病灶净水摄取的方法	急性缺血性卒中患者	医学影像分析	缺血性卒中	CT成像	深度学习模型	医学影像（NCCT和CTA图像）	90名已知发病时间的缺血性卒中患者	NA	NA	组内相关系数（ICC）、Bland-Altman分析、受试者工作特征曲线下面积（AUC）、DeLong检验	NA
4680	2026-08-09	Benchmarking Automated Detection and Classification Approaches for Long-Term Acoustic Monitoring of Endangered Species: A Case Study on Gibbons From Cambodia 2026-03, American journal of primatology IF:2.0Q1 DOI:10.1002/ajp.70127 PMID:41854092	研究论文	本文基准测试了多种自动化检测方法用于长周期声学监测濒危物种（柬埔寨南部黄颊长臂猿）的雌性二重唱叫声，并部署最优模型分析了叫声的时间与空间模式	首次对多种深度学习和迁移学习模型（SVM、准DenseNet、ResNet50、BirdNET嵌入）在长臂猿声学检测任务上进行系统基准比较，并成功应用于超13万小时的连续声景数据，验证了BirdNET嵌入模型在小样本下的优越性能	仅针对单一物种（南方黄颊长臂猿）和单一地点（柬埔寨Jahoo）进行基准测试，模型对其他物种或地区的泛化性未知；需要人工审查验证检测结果，可能影响完全自动化应用	为被动声学监测濒危长臂猿提供可靠的自动化检测方法基准，并揭示叫声的时间与空间模式以支持生态保护	南方黄颊长臂猿（Nomascus gabriellae）的雌性二重唱叫声	深度学习、声学监测、保护生物学	NA	被动声学监测、迁移学习、BirdNET嵌入	SVM、准DenseNet、ResNet50、BirdNET（基于CNN的鸟鸣模型）	音频（声景录音）	训练样本数从小于200到大于200个长臂猿叫声样本不等；部署阶段超130,000小时声景数据，人工审查后获得超12,000个验证的声学正检测	PyTorch（推断，基于BirdNET）、TensorFlow（可能用于ResNet和Koogu）	SVM（核方法）、准DenseNet（Koogu）、ResNet50（ImageNet预训练）、BirdNET（基于CNN的嵌入模型）	准确率、精确率、召回率、F1分数（基于检测结果）	GPU（用于深度学习训练）