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
4981	2026-08-02	Robust Sequential Recommendation With Decorrelation and Debiasing 2026-Jul-31, IEEE transactions on neural networks and learning systems IF:10.2Q1 DOI:10.1109/TNNLS.2026.3710279 PMID:42536471	研究论文	提出一种具有去相关与去偏功能的鲁棒序列推荐模型，以解决数据增强泛化不足、自注意力过度相关和平滑以及流行度偏差问题	引入两种新的数据增强操作并采用分层增强策略，提出自适应去相关模块和去纠缠模块，以提升推荐鲁棒性	信息不足，未明确提及限制	提高序列推荐模型的鲁棒性，解决数据增强泛化不足、过度相关和过平滑以及流行度偏差问题	序列推荐算法中的用户行为序列	机器学习	NA	NA	Transformer	文本	基准数据集（具体数量未提及）	NA	Transformer	NA（未提及具体指标）	NA
4982	2026-08-02	Development and Validation of a Multi-Modal Ensemble Model for Predicting Progression in Idiopathic Scoliosis 2026-Jul-31, Global spine journal IF:2.6Q1 DOI:10.1177/21925682261474876 PMID:42536799	研究论文	本研究开发并验证了一种多模态集成模型，用于预测特发性脊柱侧弯的进展	通过整合正位和侧位X光片及临床信息的多模态集成方法，提高了预测准确性	未提供明显的局限性信息	提高特发性脊柱侧弯进展的预测准确性，以促进临床决策	特发性脊柱侧弯患者	医学影像分析	特发性脊柱侧弯	X光成像	Vision Transformer, Swin Transformer, ConvNeXtV2, 逻辑回归, 支持向量机, 随机森林	图像和临床数据	471名患者（274例进展，197例非进展）	NA	Vision Transformer, Swin Transformer, ConvNeXtV2, 逻辑回归, 支持向量机, 随机森林	AUC	NA
4983	2026-08-02	A deep learning framework for multi-lead ECG arrhythmia classification with CAM interpretability and LLM-driven clinical guidance 2026-Jul-31, Computer methods in biomechanics and biomedical engineering IF:1.7Q3 DOI:10.1080/10255842.2026.2706742 PMID:42537049	研究论文	本研究提出了一个用于多导联心电图心律失常分类的轻量级深度学习框架，集成了基于Winograd缩放的1D MobileNet、带有引导优化器的导联感知残差加权ConvNeXt注意力模块、Grad-CAM可解释性和BioGPT临床指导。	引入了Winograd缩放的1D MobileNet以高效提取特征，并结合导联感知残差加权和注意力机制增强分类性能；同时将Grad-CAM用于可视化解释和BioGPT用于生成患者特定的临床建议。	未在文中明确提及局限性。	实现多导联心电图心律失常的准确、可解释的自动诊断。	心电图心律失常，涉及多导联心电图数据。	数字病理学	心律失常	心电图	1D MobileNet, ConvNeXt, LSTM, CNN	影像	论文未明确说明样本数量。	PyTorch	MobileNet, ConvNeXt, Grad-CAM, BioGPT	准确率	未在文中明确说明。
4984	2026-08-02	Joint Multi-Task Deep Learning with Cross-Task Attention for Simultaneous Lesion Segmentation, Detection, and Severity Grading of Diabetic Retinopathy on Fundus Images: An External Validation Study 2026-Jul-31, Photodiagnosis and photodynamic therapy IF:3.1Q2 DOI:10.1016/j.pdpdt.2026.105600 PMID:42537861	研究论文	开发了一个联合多任务深度学习框架，用于眼底图像中糖尿病视网膜病变的分割、检测和严重程度分级，并通过外部验证进行了评估	提出了一种带有跨任务注意力模块的分层多任务网络，该模块将分级表示条件化于预测的病变特征，同时采用同方差不确定性加权和渐进三阶段训练策略以适应部分标签数据	外部性能在领域转移下适度下降（Dice从0.535降至0.489），且外部分割样本量较小（n=81），限制了泛化性的结论	开发并验证一个同时进行病变分割、病变检测和糖尿病视网膜病变分级的统一框架，评估其在数据集内部和外部的表现	糖尿病视网膜病变的眼底图像，包括DDR数据集和IDRiD数据集	计算机视觉、数字病理学	糖尿病视网膜病变	眼底成像	CNN	图像	DDR数据集13,673张图像（其中757张有病变注释），IDRiD数据集用于外部验证（84张图像）	PyTorch	ResNet-50、特征金字塔网络	Dice系数、平均精度（mAP）、准确率、二次加权kappa、敏感性	NA
4985	2026-08-02	Field prediction of calorific value and ash content of shrub biomass energy using Vis-NIR canopy spectra and deep learning 2026-Jul-31, Bioresource technology IF:9.7Q1 DOI:10.1016/j.biortech.2026.135528 PMID:42537941	研究论文	本研究利用田间冠层可见-近红外光谱和深度学习模型预测灌木生物质能源的热值和灰分含量，实现了快速、非破坏性的大规模评估	提出多尺度注意力增强的一维卷积神经网络（MSA-1DCNN）和条件Wasserstein生成对抗网络（WGAN）用于田间光谱预测，显著提高了预测精度	未明确提及局限性，但基于小样本，可能影响模型的泛化能力	实现田间快速评估灌木生物质能源的热值和灰分含量，支持大规模燃烧性能评价	灌木生物质能源材料	机器学习	NA	可见-近红外光谱（Vis-NIR）	一维卷积神经网络（1D-CNN）、生成对抗网络（GAN）	光谱数据	小样本（具体数量未提供）	NA	MSA-1DCNN、WGAN	相关系数（R）、均方根误差（RMSEP）、相对预测偏差（RPD）	NA
4986	2026-08-02	Artificial intelligence tools for the assessment and management of dysphagia: a scoping review 2026-Jul-31, BMJ open IF:2.4Q1 DOI:10.1136/bmjopen-2026-119582 PMID:42538117	综述（范围综述）	本文旨在探索吞咽障碍评估与管理中现有的人工智能工具，通过范围综述方法系统检索和分析相关研究	首次对吞咽障碍评估与管理中的人工智能工具进行范围综述，涵盖了多个数据库和时间跨度，提供了对现有AI应用的全面概述	仅有少量研究关注AI在吞咽障碍管理和康复中的应用，且缺乏大规模和多中心研究证据	探索用于吞咽障碍评估和管理的人工智能工具现状	吞咽障碍患者及应用于其筛查、诊断、预后或管理的AI技术	医学影像分析、机器学习	吞咽障碍	机器学习、深度学习	机器学习模型、深度学习模型	视频荧光吞咽研究、纤维内镜吞咽评估、可穿戴传感器数据、声学信号、结构化临床数据集	27项研究，涉及8842名参与者	NA	NA	NA	NA
4987	2026-08-02	Predicting Response to Radiotherapy in Locally Advanced Cervical Squamous Cell Carcinoma Based on Multisequence MRI and Clinical Variables 2026-Jul-31, Academic radiology IF:3.8Q1 DOI:10.1016/j.acra.2026.07.015 PMID:42538219	研究论文	本研究开发并测试了一个整合影像组学与临床特征的机器学习模型，用于预测局部晚期宫颈鳞状细胞癌患者放疗后的肿瘤缩小率	结合多序列MRI的深度特征与临床变量构建融合模型，采用多种机器学习算法（如CWGBS、XGBoost、GBST、RSF）进行比较，并验证了融合模型优于单一序列模型	摘要未明确提及局限性	开发并验证一个预测局部晚期宫颈癌放疗后肿瘤缩小率的机器学习模型，以支持个体化治疗计划	248例经组织病理学确诊的局部晚期宫颈鳞状细胞癌患者	医学影像分析	宫颈癌	多序列MRI（T1加权、T2加权、T2-SPAIR、弥散加权成像）	机器学习模型（CWGBS、XGBoost、GBST、RSF）	MRI图像和临床数据	248例患者（训练集173例，验证集75例）	未指定	未指定	AUC、准确率、敏感性、特异性	未指定
4988	2026-08-02	GEMO: A Deep Learning Method for Brain Fiber Classification and Tract Segmentation Using Geometrical and Morphological Features 2026-Jul-31, Academic radiology IF:3.8Q1 DOI:10.1016/j.acra.2026.07.024 PMID:42538220	研究论文	提出了一种名为GEMO的深度学习方法，利用几何和形态特征进行脑纤维分类和纤维束分割	结合几何和形态特征与卷积神经网络提取的特征，提高纤维分类性能；无需结构图像或预处理	文中未明确提及局限性	提高脑纤维分类和纤维束分割的准确性，以增强结构连接评估和神经外科规划	全脑纤维束图中的流线	计算机视觉、机器学习	NA	扩散加权磁共振成像（dMRI）	卷积神经网络（CNN）	图像（由流线转换的颜色编码图像）	NA	NA	CNN（具体架构未指定）	准确率（最高98.34%），以及六种分割准确性指标	NA
4989	2026-08-02	A Generative Neuro-Symbolic AI for Protein Sequence Design 2026-Jul-30, Advanced science (Weinheim, Baden-Wurttemberg, Germany) DOI:10.1002/advs.76464 PMID:42531048	研究论文	本文提出了一种名为EffieDes的生成式神经符号AI框架，用于蛋白质序列设计，该框架结合了深度学习和自动推理的优势	创新性地将深度学习的预测能力与自动推理的逻辑精确性相结合，实现了对蛋白质适应度景观的严格探索，能够设计满足复杂约束和优化的序列，这是传统自回归方法无法实现的	文中未明确提及局限性	克服现有逆折叠工具在自回归采样中无法“前瞻”的缺陷，提供一种新的蛋白质设计方法，以实现高精度和复杂功能目标的蛋白质设计	设计正交序列对和针对SARS-CoV-2变体的纳米抗体	机器学习	COVID-19	NA	概率图模型（Potts模型）和自动推理（未指定具体深度学习模型类型）	蛋白质序列和结构数据	设计了正交序列对和一种纳米抗体，但未提供具体数量	NA	NA	亲和力（纳米抗体）和自组装选择性（序列对）	NA
4990	2026-08-02	Global and local pseudo-label filtering for semi-supervised carotid plaque classification from ultrasound 2026-Jul-28, Computer methods and programs in biomedicine IF:4.9Q1 DOI:10.1016/j.cmpb.2026.109568 PMID:42537359	研究论文	提出一种基于全局和局部伪标签过滤的半监督学习方法，用于颈动脉超声图像的斑块分类。	提出全局和局部伪标签过滤（GLPF）算法，结合全局特征分布和局部样本相似性，以及伪标签平衡校正，以改善半监督分类性能。	未提及具体限制，但实验仅在单一医院的数据集上验证，可能需要更多外部验证。	提高在有限标注数据下颈动脉超声斑块分类的准确性和鲁棒性。	颈动脉超声图像中的斑块分类。	计算机视觉	颈动脉疾病	超声成像	深度半监督学习模型	图像	1270张颈动脉超声图像	未提及	未详细说明	分类准确率等（具体指标未在摘要中列出）	未提及
4991	2026-08-02	AI-Enabled Modeling for Alzheimer's Disease Risk Prediction and Validation 2026-Jul-21, Revista de neurologia IF:0.8Q4 DOI:10.31083/RN49220 PMID:42530130	研究论文	本研究旨在利用多模态临床影响因素构建并验证阿尔茨海默病风险预测模型，用于高风险人群的早期干预与风险分层	结合多模态临床数据（人口统计学、临床指标、生物标志物和遗传标记）并应用LASSO回归、多变量逻辑回归和多种机器学习模型进行风险预测，以RF模型表现最佳	文章未明确说明局限性	识别阿尔茨海默病发病的多模态临床影响因素，建立并验证风险预测工具，以促进高风险个体的早期干预和风险分类	502名高风险AD个体（表现为认知衰退或有家族史）	机器学习	阿尔茨海默病	NA	随机森林、XGBoost、深度学习模型	临床数据（人口统计学、临床指标、生物标志物、遗传标记）	502名参与者，分为训练集（350）和验证集（152）	Python	随机森林、XGBoost、深度学习模型	AUC	NA
4992	2026-08-02	Standardized evaluation of automatic methods for perivascular spaces segmentation in MRI - MICCAI 2024 challenge results 2026-Jul-20, Medical image analysis IF:10.7Q1 DOI:10.1016/j.media.2026.104227 PMID:42537273	研究论文	本文介绍了MICCAI 2024上举办的EPVS分割挑战赛的结果，该挑战赛旨在推动自动分割脑小血管周围间隙（PVS）的算法开发，并评估了多种基于深度学习的解决方案在不同数据集上的性能表现	组织了一个多站点、多协议的EPVS分割挑战赛，提供了包含训练、验证和测试扫描的标准化数据集，并采用STRIVE协议进行标注，确保了基准的可靠性，同时评估了深度学习模型在跨站点的泛化能力	测试数据来自已见数据集时性能较好，但在未见过的上海队列上性能显著下降，表明存在域转移问题，且挑战仅由七支队伍完成，可能限制了方法的多样性	推动自动EPVS分割算法的发展，并建立用于评估这些算法性能的基准，特别是在多站点数据上的泛化能力	脑部磁共振图像中的血管周围间隙（PVS）分割	计算机视觉	脑小血管病	磁共振成像（MRI）	深度学习模型，主要基于U-Net架构	磁共振成像（MRI）图像	200个扫描（100个训练、50个验证、50个测试），来自多个国际站点	NA	U-Net, MedNeXt, Transformer	Dice相似系数、绝对体积差、召回率、精确率	NA
4993	2026-08-02	Evaluation of a markerless motion capture to measure 3D joint kinematics during occupational lifting tasks using mobile devices 2026-Jul, Applied ergonomics IF:3.1Q2 DOI:10.1016/j.apergo.2026.104743 PMID:41628493	研究论文	本研究评估了基于智能手机的无标记动作捕捉系统OpenCap在职业举升任务中测量三维关节运动学的性能，并提出了针对该任务的任务特定模型	提出了一种针对职业举升任务的定制化标记增强模型，显著降低了运动学误差和误差变异性	未在训练数据集中包含举升任务，导致原始模型对举升任务性能较差；研究中未提及样本量和外部验证	评估并改进OpenCap平台，使其适用于职业举升任务的三维运动学测量，以用于工效学应用	职业举升任务中的三维关节运动学	计算机视觉	不适用	深度学习	深度神经网络	视频数据	未提及	未提及	标记增强模型（Marker Augmenter）	均方根误差（RMSE）、标准差（SD）	未提及
4994	2026-08-02	Self-explaining artificial intelligence for the classification of B cell non-Hodgkin lymphoma: A diagnostic decision support study 2026-Jul, PLoS medicine IF:10.5Q1 DOI:10.1371/journal.pmed.1004889 PMID:42441729	研究论文	开发了自解释人工智能系统FlowXAI，用于B细胞非霍奇金淋巴瘤的分类诊断支持，并显式报告病例级诊断可信度。	结合无监督结构分析与临床多级诊断框架，实现数据高效和自解释的AI系统，显著减少训练样本需求（约两个数量级），并提供案例级可信度评估。	主要限制是使用特定抗体组的回顾性评估，且FlowXAI需要在前瞻性综合诊断流程中验证其决策支持工具的效能。	开发并评估一种自解释AI系统，以支持B细胞非霍奇金淋巴瘤的免疫表型分类，同时提供诊断可信度报告。	B细胞非霍奇金淋巴瘤患者的外周血样本，包括正常对照和特定淋巴瘤亚型（如慢性淋巴细胞白血病样淋巴瘤和毛细胞白血病）。	机器学习	B细胞非霍奇金淋巴瘤	多参数流式细胞术	无监督结构分析与多级诊断框架，深度学习系统（作为基线）	流式细胞术数据（非标准化），外周血样本	19,493份外周血样本（用于训练和评估）及独立外部基准数据集（来自另一个诊断中心）	NA	NA	准确性、性能与其他系统比较（具体指标未在摘要中提及）	NA
4995	2026-08-02	Automated Facet and Volume Segmentation of Nanoparticles in Simulated CTEM Images Using Deep Learning 2026-Jul-01, Microscopy and microanalysis : the official journal of Microscopy Society of America, Microbeam Analysis Society, Microscopical Society of Canada IF:2.9Q1 DOI:10.1093/mam/ozag083 PMID:42536430	研究论文	本研究评估了深度学习分割模型在模拟CTEM图像中识别金纳米颗粒晶面和体积的性能，重点验证轻量级实例分割模型YOLOv11n-seg的适用性	首次将轻量级YOLOv11n-seg模型应用于纳米颗粒晶面和体积分割，利用迁移学习在模拟CTEM图像上实现自动化分析，相较于传统人工分析和通用模型，提高了效率和可访问性	仅使用模拟CTEM数据进行验证，性能评估局限于模拟域，实际应用前需在实验显微图上进行验证	评估深度学习分割模型在模拟CTEM图像中对金纳米颗粒晶面和体积进行自动分割的性能	模拟CTEM图像中的金十面体和二十面体纳米颗粒	计算机视觉	NA	透射电子显微镜（CTEM）	实例分割模型（YOLOv11n-seg）	图像（模拟CTEM图像）	模拟CTEM图像数据集（具体样本数量未提及）	NA	YOLOv11n-seg	NA	NA
4996	2026-08-02	AI-Driven Optimization of Kidney Allocation: Enhancing Precision in Donor-Recipient Matching 2026-Jul, Experimental and clinical transplantation : official journal of the Middle East Society for Organ Transplantation IF:0.7Q4 DOI:10.6002/ect.MESOT2025.O25 PMID:42538662	研究论文	本文介绍了OkAP，一种基于人工智能的肾脏分配系统，通过整合临床、遗传和社会经济变量，提高供体-受体匹配的效率和准确性。	引入了OkAP系统，采用五种机器学习架构和专有排名算法，动态优先考虑多维度变量，显著提高了匹配精度。	缺乏多中心临床验证和实际应用中的隐私保护机制，且依赖合成和真实数据集的基准测试。	优化肾脏移植的供体-受体匹配，克服传统分配系统局限，提高移植结果（如降低排斥风险和并发症）。	肾脏移植中的供体和受体匹配过程，包括临床、遗传和社会经济变量。	机器学习	肾病（终末期肾病）	机器学习	人工神经网络、支持向量机、随机森林、深度学习和贝叶斯信念网络	合成和真实世界移植登记数据	未提及具体样本量	NA	人工神经网络、支持向量机、随机森林、深度学习、贝叶斯信念网络	平均准确性、匹配精度（与Jaccard相似度相比）	未提及
4997	2026-08-02	Predictive Modeling of Organ Transplantation Using Ensemble Learning and Deep Neural Networks 2026-Jul, Experimental and clinical transplantation : official journal of the Middle East Society for Organ Transplantation IF:0.7Q4 DOI:10.6002/ect.MESOT2025.O19 PMID:42538661	研究论文	本研究开发了一种人工智能驱动的预测框架，用于评估肾脏移植需求，通过整合患者人口统计学、临床严重程度指标、供体匹配状态和实时器官状况数据，并比较集成学习模型与深度神经网络模型的性能。	提出了一个结合多种临床数据（包括患者人口统计学、临床严重程度指标、供体匹配状态和实时器官状况）的深度学习框架，用于预测肾脏移植需求，并证明深度神经网络优于集成学习模型。	未明确提及局限性，但可能受限于单一数据集（1000条记录）和特定疾病（肾脏疾病），泛化性需进一步验证。	开发并评估一种人工智能预测系统，以早期准确预测肾脏移植需求，从而改善患者护理、资源分配和治疗选择。	肾脏移植患者，具体涉及1000条肾脏移植记录，包含25个属性。	机器学习	肾脏疾病	临床数据分析	集成学习模型（随机森林、梯度提升）和深度神经网络	结构化临床数据（包含患者人口统计学、临床严重程度指标、供体匹配状态和实时器官状况）	1000条肾脏移植记录，每条记录包含25个属性	NA	随机森林、梯度提升、深度神经网络	准确率、精确率、召回率、F1分数、ROC曲线下面积（AUC）	NA
4998	2026-08-02	Artificial Intelligence in Renal Transplantation: Current Innovations and Future Horizons 2026-Jul, Experimental and clinical transplantation : official journal of the Middle East Society for Organ Transplantation IF:0.7Q4 DOI:10.6002/ect.MESOT2025.O55 PMID:42538672	综述	本研究系统综述了人工智能在肾移植中的应用，涵盖移植前匹配到移植后护理的全过程，并提出了优化其临床影响的策略。	提出了一个三层次AI整合模型，并发现半监督学习可减少40%的数据标注工作量同时保持准确性，以及AI驱动的数字病理学可将器官丢弃率降低37%。	未明确提及具体限制，但指出需要进一步研究以解决限制并确保安全、伦理和有效的临床整合。	评估AI在肾移植中的临床作用，识别实施障碍，并提出可操作策略以优化移植结果。	肾移植相关AI应用，包括供体-受体匹配、移植物存活预测、延迟移植物功能预测和数字病理学。	数字病理学	肾脏疾病	NA	深度学习模型	临床数据、病理图像	未明确	NA	NA	一致性指数、受试者工作特征曲线下面积、器官丢弃率降低百分比	NA
4999	2026-08-02	Energy-efficient wireless network control via spatio-temporal deep learning and multi-agent reinforcement learning 2026-Jun-23, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-58368-3 PMID:42337023	研究论文	本文提出了一种AI增强的能源优化框架（AEEOF），结合深度时空学习和多智能体强化学习，用于干扰密集的无线网络中的节能控制	首次将时空图卷积网络（ST-GCN）与门控循环单元（GRU）集成到多智能体深度确定性策略梯度（MADDPG）控制器中，以动态优化功率和时间策略，实现节能和网络性能提升	研究仅限于5G仿真环境，未在真实网络中验证	提高干扰密集无线网络（如功率域NOMA）的能源效率和网络性能	高干扰水平的5G无线网络环境中的功率控制和资源分配	机器学习, 强化学习	NA	仿真	ST-GCN, GRU, MADDPG	仿真数据	NA	NA	ST-GCN, GRU, MADDPG	能耗节省率, 能源效率（每焦耳传输比特数）, 系统吞吐量, 小区边缘用户数据速率, 公平性, 中断概率	NA
5000	2026-08-02	LightGastroFormer: a lightweight multi-resolution transformer for gastrointestinal disease classification 2026-Jun-09, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-56751-8 PMID:42265313	研究论文	提出一种轻量级多分辨率Transformer架构LightGastroFormer，用于胃肠道疾病分类，在多个公开数据集上取得优异性能	结合门控前馈网络、高效自注意力机制和多分辨率逐块分词器，在保持计算效率的同时捕获长程上下文和细粒度局部特征	未明确提及局限性	实现可靠且高效的胃肠道疾病自动分类，以促进早期诊断并减轻医生负担	胃肠道内镜和胶囊内镜图像	计算机视觉	胃肠道疾病	图像分类	Transformer	图像	使用Kvasir v1、Kvasir v2和Kvasir-Capsule三个公开数据集，具体样本量未提及	未提及	Transformer（多分辨率分词器、门控前馈网络）	准确率、F1分数	未提及