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
5201	2026-07-31	MAFSyn: Drug synergy prediction via hierarchical attentive fusion and biological context integration 2026-Jul-23, Computational biology and chemistry IF:2.6Q2 DOI:10.1016/j.compbiolchem.2026.109262 PMID:42526193	研究论文	提出了MAFSyn，一种通过分层注意力融合和生物学背景整合进行药物协同作用预测的深度学习框架	首次采用分层注意力融合策略整合药物分子层次结构，并通过蛋白质相互作用网络传播多组学数据生成生物学信息丰富的细胞系嵌入	依赖O'Neil基准数据集进行验证，未提及跨多种癌症类型的广泛适用性或计算效率优化	开发准确且泛化能力强的深度学习模型，预测癌症治疗药物协同组合	药物分子结构、细胞系多组学数据及蛋白质相互作用网络信息	机器学习	癌症	NA	深度学习模型	药物分子结构数据、细胞系多组学数据	使用O'Neil基准数据集（未提及具体样本数量）	Pytorch（推断）	图神经网络，多头自注意力机制	均方误差 (MSE)，均方根误差 (RMSE)	NA
5202	2026-07-31	LSMS-Net: Resolving multiple scattering via physics-constrained deep learning for photoacoustic imaging in porous media 2026-Jul-22, Ultrasonics IF:3.8Q1 DOI:10.1016/j.ultras.2026.108241 PMID:42526395	研究论文	提出一种物理约束深度学习框架LSMS-Net，用于解决多孔介质中光声成像的多重散射问题	通过分层剥离的课程学习策略和物理约束网络解决逆多重散射问题，集成Ghost Network、自适应散射点扩散函数层和频谱一致性约束	NA	实现多孔介质中深层结构的高保真光声成像重建	多孔介质中的深层结构	计算机视觉	骨相关疾病	光声成像	深度学习网络	仿真数据和体模实验图像	NA	PyTorch	Ghost Network，自适应散射点扩散函数层	NA	NA
5203	2026-07-31	Deep learning models accurately classify Parkinson's disease from eye-tracking fixation data 2026-Jul-20, International journal of medical informatics IF:3.7Q2 DOI:10.1016/j.ijmedinf.2026.106626 PMID:42526265	研究论文	利用深度学习模型从眼动注视数据中准确分类帕金森病	首次使用原始注视间隔数据而非手工特征，结合先进的时间序列分类器（InceptionTime、ROCKET、Detach-ROCKET）进行帕金森病分类，并探索模型可解释性	样本量较小（84名参与者），且仅基于注视阶段数据，可能未能充分利用眼动全流程信息，需要更大数据集验证泛化能力	评估深度学习模型在眼动注视时序列数据上对帕金森病分类的性能，并探索其作为生物标志物发现的潜力	84名参与者（54名帕金森病患者和30名健康对照）在进行正向眼跳和反向眼跳任务时的眼动注视数据	机器学习	帕金森病	眼动追踪	深度时间序列分类模型（InceptionTime、ROCKET、Detach-ROCKET）	时间序列（原始注视间隔数据）	84名参与者（54名患者，30名健康对照）	NA	InceptionTime、ROCKET、Detach-ROCKET	准确率	NA
5204	2026-07-31	PRANA: A Deep Learning Method for Adapting Polygenic Risk Scores to Diverse Ethnic Groups 2026-Jul-15, medRxiv : the preprint server for health sciences DOI:10.64898/2026.07.12.26357860 PMID:42523604	研究论文	提出一种深度学习框架PRANA，用于将欧洲人群的多基因风险评分适应至其他祖先群体，减少基因组风险预测中的差异	利用预训练的欧洲人群PRS模型，通过目标人群的小规模队列进行迁移学习，无需大规模GWAS数据即可实现跨祖先适应性调整	对目标人群数据规模仍有依赖，且在极小样本亚群中性能可能受限；仅在部分人群和性状中验证，泛化性需进一步测试	开发可扩展的跨祖先PRS适应方法，提升非欧洲人群的遗传风险预测准确性，促进精准医学的公平应用	南亚、东亚、阿什肯纳兹犹太人群及亚东亚亚群中七种复杂性状的遗传风险预测	机器学习	复杂疾病	多基因风险评分、深度学习、迁移学习	神经网络	基因组数据	多个小规模目标人群队列，具体样本量未明确	PyTorch	PRANA（基于神经网络的架构）	效应量β值、Nagelkerke's R	NA
5205	2026-07-31	Processing strategies for improving cortical thickness correspondence between low-field and high-field MRI in young people 2026-Jul-13, bioRxiv : the preprint server for biology DOI:10.64898/2026.07.08.737238 PMID:42523481	研究论文	评估多种低场MRI图像处理策略以提高年轻人中低场与高场MRI皮质厚度测量的一致性	首次在大样本年轻人中系统比较多种深度学习图像处理方法（SynthSR v1.0/2.0、recon-all-clinical、recon-any）对超低场（64mT）与高场（3T）MRI皮质厚度一致性的提升效果	未提及具体局限性	优化低场MRI皮质厚度评估方法，使其与高场MRI结果更一致，从而推动低场MRI在神经发育和精神病学中的应用	150名年轻人（平均年龄18.63岁，80位女性）的脑部MRI影像	医学影像处理	NA	深度学习图像处理（SynthSR、recon-all-clinical、recon-any）	深度学习模型	脑部MRI影像（T1加权、T2加权）	150名受试者的MRI数据	NA	SynthSR v1.0, SynthSR v2.0, recon-all-clinical, recon-any	皮尔逊相关系数, 组内相关系数, Steiger's Z检验, Fisher's Z检验	NA
5206	2026-07-31	Privacy-Preserving Surgical Video Analysis with Swarm Learning - Results from a Multinational Appendectomy Cohort 2026-Jul, NEJM AI DOI:10.1056/aioa2501116 PMID:42524460	研究论文	开发结合弱监督深度学习与群体学习的隐私保护手术视频分析流程，并在多国阑尾切除术队列中验证其性能	将弱监督深度学习与群体学习相结合，实现无需患者级别标注和中央数据汇聚的多中心协作手术视频分析	硬件故障及去中心化学习流程与电子病历整合有限，是临床实施的主要障碍	实现隐私保护的多中心协作手术视频分析，预测患者级别结局	397例国际六中心的腹腔镜阑尾切除术视频记录	计算机视觉, 机器学习	阑尾炎	弱监督深度学习, 群体学习	SurgTempoNet, SurgFrameNet, 多实例学习	手术视频	397例腹腔镜阑尾切除术视频	PyTorch	SurgTempoNet, SurgFrameNet	AUROC	NA
5207	2026-07-31	Integrated Radioproteomic Modeling for Early Recurrence Prediction and Metabolic Characterization in Hepatocellular Carcinoma 2026-Jul, JCO precision oncology IF:5.3Q1 DOI:10.1200/PO-25-00745 PMID:42525890	研究论文	开发可解释的深度学习框架，整合放射组学和蛋白质组学预测肝细胞癌术后早期复发并揭示代谢机制	首次将深度学习影像特征与蛋白质组学数据整合，揭示高风险肝细胞癌中丙酮酸代谢失调的生物学基础，并发现LDH抑制剂stiripentol的潜在治疗作用	需要进一步验证和前瞻性研究以确立临床实用性	开发可解释的深度学习模型预测肝细胞癌术后早期复发，并阐明其生物学机制	肝细胞癌患者术前多相CT影像及蛋白质组学数据	计算机视觉、机器学习	肝细胞癌	CT成像、蛋白质组学、代谢组学、免疫组化、酶活性检测、患者来源类器官	深度学习模型	影像、蛋白质组数据、代谢组数据	未明确样本数量	PyTorch	Multi-model_NC&ART&PV	生存分析、风险分层准确性	NA
5208	2026-07-31	Dental midline localization: development and validation of an automated deep learning pipeline 2026-Jun-02, European journal of orthodontics IF:2.8Q1 DOI:10.1093/ejo/cjag056 PMID:42522750	研究论文	开发并验证一种基于深度学习的自动化中线定位流程，用于在微笑照片中定位上颌牙齿中线	首次系统比较四种卷积神经网络骨干网络（EfficientNet-B0、ResNet-18、MobileNetV3-Small、HRNet-W18）在牙齿中线定位任务中的性能，并构建了包含人脸检测、眼间线旋转归一化、嘴部区域提取和关键点回归的全自动管线	样本仅来自单中心的标准化微笑照片，泛化能力需在更大队列和不同条件下验证	开发高精度牙齿中线自动定位方法，辅助正畸诊断和微笑美学评估	221张标准化正面微笑照片中的上颌牙齿中线	计算机视觉	正畸相关疾病	深度学习	卷积神经网络（CNN）	图像	221张标准化正面微笑照片	PyTorch	EfficientNet-B0, ResNet-18, MobileNetV3-Small, HRNet-W18	平均角度误差, ≤1°阈值准确率, ≤2°阈值准确率, 组内相关系数（ICC）, Bland-Altman偏差	NA
5209	2026-07-31	Artificial intelligence for chest radiography: an overview of techniques, challenges, and future directions 2026-Jun-02, npj health systems DOI:10.1038/s44401-026-00087-y PMID:42527557	综述	这篇论文批判性地分析了人工智能在胸片分析中的进展，从传统机器学习到深度学习及多模态方法的演变	综述了从传统机器学习到深度学习及多模态方法的演进，并讨论了大型语言模型和多模态系统的整合	仍然存在模型偏差、跨机构泛化能力有限和可解释性不足等挑战	分析人工智能在胸片分析中的技术进展、挑战和未来方向	胸片分析中的人工智能技术	计算机视觉	NA	NA	CNN, transformer	图像	NA	NA	CNN, transformer	诊断准确率	NA
5210	2026-07-31	KneeXNet-2.5D: a clinically-oriented and explainable deep learning framework for MRI-based knee cartilage and meniscus segmentation 2026-Feb-16, npj health systems DOI:10.1038/s44401-026-00072-5 PMID:42527501	研究论文	提出了一个面向临床且可解释的深度学习框架KneeXNet-2.5D，用于基于MRI的膝关节软骨和半月板分割	采用2.5D架构捕获片间空间上下文，结合合成噪声注入增强稳健性，并引入基于熵的AI可解释性策略提高透明度	未提及明显的局限性	实现准确高效的膝关节软骨和半月板分割，并确保模型的可解释性和临床适用性	膝关节软骨和半月板	自然语言处理	骨关节炎	NA	深度学习	MRI图像	一个金标准的膝关节MRI数据集，具体规模未提及	PyTorch	2.5D架构	分割准确性	适用于低资源医院和农村护理环境的计算基础设施，具体配置未提及
5211	2026-07-31	Image-domain deep learning denoising for low-dose chest CT on a single 128-slice CT platform: a retrospective image-quality assessment 2026, Frontiers in medicine IF:3.1Q1 DOI:10.3389/fmed.2026.1888006 PMID:42523763	研究论文	本研究评估了一种独立于供应商的图像域深度学习去噪算法在低剂量胸部CT上的应用，并与标准剂量迭代重建的图像质量指标进行了比较	采用供应商独立的图像域深度学习去噪算法，可在无原生深度学习重建的CT扫描仪上改善低剂量胸部CT图像质量	回顾性研究设计，患者分组不同，结果不能直接视为等效或非劣效性证据，缺乏病变可检测性和诊断性能评估	评估独立于供应商的图像域深度学习去噪算法对低剂量胸部CT图像质量的改善效果	198例无增强胸部CT患者，分为低剂量CT组（99例）和标准剂量CT组（99例）	医学影像	肺部疾病	CT成像	深度学习去噪网络	CT图像	198例患者，包括99例低剂量CT和99例标准剂量CT	NA	NA	衰减值，图像噪声，信噪比，对比噪声比，5点主观评分量表	NA
5212	2026-07-31	Performance evaluation and occupational health safety analysis of university teachers based on time-series feature extraction 2026, Frontiers in public health IF:3.0Q2 DOI:10.3389/fpubh.2026.1749731 PMID:42523768	研究论文	提出一种基于时间序列特征提取的高校教师绩效与职业健康安全评估新框架	首次将时间序列特征提取与深度学习架构结合，用于教师绩效与职业健康安全的动态评估，并引入多层次时序融合策略	实证数据来源有限，仅包括机构日志、生理监测和主观评估，可能缺乏泛化性	开发一种能够捕捉教师绩效与健康指标时序复杂性和动态依赖关系的评估框架	高校教师的绩效指标和职业健康安全指标	机器学习	NA	时间序列特征提取	循环神经网络	时间序列数据	NA	NA	RNN, 注意力机制	NA	NA
5213	2026-07-31	Multimodal transformer-based watermarking for deepfake detection and digital media authentication: current progress, challenges, and future directions 2026, Frontiers in artificial intelligence IF:3.0Q2 DOI:10.3389/frai.2026.1848963 PMID:42523792	综述	综述基于多模态Transformer的数字水印技术用于深度伪造检测和数字媒体认证的当前进展、挑战和未来方向	聚焦Transformer模型在多模态统一架构中相较于传统水印方法的韧性提升，并探讨将水印嵌入、伪造检测和内容认证整合为统一管道的技术优势	主要基于文献综述，缺乏实验验证；指出跨模态泛化、对抗鲁棒性和基准稀缺等未解决的问题	系统评估当前Transformer方法在多模态数字水印与深度伪造检测中的发展，并识别关键挑战与未来研究方向	视频、音频和图像等多模态内容中的数字水印与深度伪造检测技术	计算机视觉，自然语言处理，机器学习	NA	数字水印，深度伪造检测	Transformer	图像，视频，音频	NA	NA	Transformer	NA	NA
5214	2026-07-31	Evidence integration: The transformative role of artificial intelligence in maternal health 2026 Jan-Dec, Digital health IF:2.9Q2 DOI:10.1177/20552076261473727 PMID:42523880	综述	本伞状综述综合了人工智能在孕产妇健康领域应用的相关证据，重点关注风险预测与分层、预防与支持性干预以及实际推广障碍	通过伞状综述方法和AMSTAR 2质量评估，系统性整合现有证据并提出了可扩展的AI孕产妇健康解决方案的实践路线图	现有研究普遍缺乏外部验证、模型可解释性、临床工作流集成、公平性审计及前瞻性效果评估，导致转化鸿沟显著	评估人工智能在改善孕产妇健康结局（尤其是中低收入国家）中的应用潜力和实施障碍	孕产妇健康相关的AI应用，包括妊娠并发症风险预测、预防性干预及产后支持	机器学习	孕产妇疾病	NA	逻辑回归、随机森林、梯度提升、支持向量机、深度学习	NA	34篇综述	NA	NA	NA	NA
5215	2026-07-31	Diagnostic and prognostic applications of machine learning in paediatric traumatic brain injury: a systematic review of single and multimodal approaches 2026, Frontiers in neurology IF:2.7Q3 DOI:10.3389/fneur.2026.1838137 PMID:42523910	综述	系统评估机器学习与深度学习在儿童创伤性脑损伤诊断和预后中的应用	首次系统综述了机器学习/深度学习在儿童创伤性脑损伤中单一与多模态数据的应用，包括最新Transformer架构和梯度提升方法	大多数研究缺乏外部多中心验证，存在类别不平衡问题，且部分模型在低风险分诊中提升有限	评估机器学习与深度学习模型在儿童创伤性脑损伤急性损伤检测和长期预后预测中的表现	儿童创伤性脑损伤患者（0-18岁）	机器学习	儿童创伤性脑损伤	NA	XGBoost, 随机森林, 卷积神经网络, Transformer架构	临床数据, 影像数据, 生物标志物	68,331名受试者（来自20篇全文研究）	NA	XGBoost, 随机森林, 卷积神经网络, Transformer	AUROC	NA
5216	2026-07-31	UAV remote sensing for yield prediction in staple crops: a review 2026, Frontiers in plant science IF:4.1Q1 DOI:10.3389/fpls.2026.1840669 PMID:42523927	综述	系统综述基于无人机遥感技术的主要粮食和油料作物产量预测方法	提出“数据-真值-模型-决策”分析框架，明确区分微区、田间和区域三种预测尺度，并系统评估产量标签获取方法的特征与局限性	现有研究存在无人机影像与产量标签尺度不匹配、产量地图生成误差传播、跨年/跨区域迁移性有限、因果可解释性弱、复杂田间部署困难等主要瓶颈	为开发鲁棒、可解释且可部署的无人机产量预测系统提供实践路径，支持粮食安全评估和精准田间管理	大豆、玉米、小麦和水稻等主要粮食与油料作物	计算机视觉	不适用	无人机遥感	时空深度学习	图像	70篇2018-2025年间发表的同行评审研究	不适用	不适用	不适用	不适用
5217	2026-07-31	Applications of artificial intelligence in endodontic education: a systematic review 2026, Frontiers in dental medicine IF:1.5Q3 DOI:10.3389/fdmed.2026.1844279 PMID:42524131	系统综述	评估人工智能在牙髓病教育中的应用，涵盖机器学习、深度学习、虚拟/增强现实及大语言模型	首次系统综述AI技术在牙髓病教育中的多种应用，包括诊断支持、临床前训练及患者教育	结果测量存在异质性；数据集存在偏差；可靠性和透明度问题	评估AI在牙髓病教育中的作用，基于截至2025年9月的可用证据	牙髓病教育中的AI应用，包括教学、临床前培训、临床教育和患者教育	自然语言处理, 计算机视觉, 数字病理学	牙髓病	机器学习, 深度学习, 虚拟/增强现实, 大语言模型	NA	放射影像, 模拟数据, 文本	15项研究	NA	NA	敏感性, 特异性, 准确性	NA
5218	2026-07-31	Bayesian insights into exchange and restriction in gray matter diffusion MRI 2026, Imaging neuroscience (Cambridge, Mass.) DOI:10.1162/IMAG.a.1317 PMID:42524206	研究论文	利用贝叶斯推断框架评估两种灰质扩散MRI模型中参数估计的准确性、精确性和退化问题	采用基于深度学习的贝叶斯推断框架µGUIDE量化参数不确定性并检测退化性，实现对模型拟合的可解释性评估	在真实噪声条件和简化采集协议下，交换时间和胞体半径等参数估计存在高不确定性和偏差	研究灰质扩散MRI模型中参数估计的可靠性，强调不确定性报告和模型退化处理的重要性	两种灰质模型NEXI和SANDIX	自然语言处理	NA	扩散MRI	深度学习	模拟数据和真实数据	NA	µGUIDE	NA	准确性、精确性、不确定性	NA
5219	2026-07-31	Advances in Artificial Intelligence for Wrist Joint Injury Diagnosis 2026, International journal of medical sciences IF:3.2Q1 DOI:10.7150/ijms.134301 PMID:42524355	综述	全面分析人工智能在急性创伤性腕关节损伤诊断中的应用，包括骨折和韧带损伤	系统总结了多种AI技术（如CNN、Grad-CAM、NLP）在腕关节损伤诊断中的应用，并与传统诊断方法进行对比，突出了AI在数据高效处理、减少误诊和漏诊、优化工作流程等方面的优势	临床应用面临伦理、监管、数据隐私与安全、算法透明性和可解释性、责任界定不明等挑战	探究人工智能在腕关节损伤诊断中的潜力及应用现状	急性创伤性腕关节损伤（包括骨折和韧带损伤）	计算机视觉, 自然语言处理, 机器学习	腕关节损伤	NA	卷积神经网络（CNN）, 深度学习模型, 目标检测模型, 传统机器学习模型, 自然语言处理（NLP）模型	图像	NA	NA	CNN, Grad-CAM	NA	NA
5220	2026-07-31	Surgical video workflow analysis via visual-language learning 2025-Jan-25, npj health systems DOI:10.1038/s44401-024-00010-3 PMID:42527453	研究论文	提出一种视觉-语言深度学习框架，用于手术视频中细粒度三元组<器械，动作，目标>的精确识别	提出了ITM框架，结合三元组内和三元组间的建模，以及手术三元组语义增强器（TSE）跨视觉和文本模态建立语义关系，实现了手术视频的细粒度分析	未明确说明局限性	实现对手术视频中<器械，动作，目标>三元组的精确识别，以提升手术场景分析的准确性和鲁棒性	手术视频中的细粒度三元组关系	计算机视觉，自然语言处理	NA	视觉-语言深度学习	ITM框架（包含三元组内和三元组间建模），TSE增强器	手术视频	使用手术视频基准数据集（未指定具体数量）	NA	ITM框架，TSE增强器	NA	NA