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
561	2026-08-11	Beyond the conventional: Artificial intelligence in identifying risk factors in sports injuries. A scoping review 2026-Jul-01, International journal of medical informatics IF:3.7Q2 DOI:10.1016/j.ijmedinf.2026.106408 PMID:41880916	综述	本文通过范围综述，系统梳理了人工智能在识别运动员运动损伤风险因素中的应用，涵盖传统与非传统风险因素，并指出了当前研究的局限性及未来方向。	首次系统性地绘制了人工智能在运动损伤风险识别中的应用图谱，强调了传统与非传统风险因素的整合，并指出了外部有效性和可重复性方面的关键缺口。	纳入研究在人群、结果和测量/报告实践上存在异质性，多数研究缺乏一致的测量标准和外部验证，限制了普遍性。	绘制人工智能在识别运动员运动损伤风险因素中的当代应用，评估研究现状并识别知识空白。	运动员的运动损伤风险因素，包括睡眠质量、心理状态、外部和内部负荷指标、既往损伤等。	机器学习	运动损伤	NA	经典机器学习、深度学习	多模态传感器数据、临床数据	59项研究	NA	NA	准确性、观察者一致性	NA
562	2026-08-11	A comparative study of deep learning-based zebrafish image segmentation methods 2026-06, Cells & development IF:2.1Q3 DOI:10.1016/j.cdev.2026.204083 PMID:41933835	研究论文	本研究系统评估了多种基于深度学习的斑马鱼图像分割网络，通过统一数据集和预处理流程，比较了十一个代表性模型的性能	首次系统比较多种深度学习分割模型在斑马鱼图像分析中的应用，涵盖从传统CNN到Transformer架构的广泛模型，并揭示高分辨率保持、上下文聚合和注意力机制对提高小结构检测和边界描绘精度的关键作用	未在摘要中提及具体限制	为斑马鱼图像的高通量毒理学筛选和形态学量化提供通用技术和理论支持	斑马鱼图像中的复杂器官结构和表型异常	计算机视觉	毒理学（用于毒理学筛选）	深度学习分割网络	CNN、Transformer、混合架构	图像	NA（未在摘要中提及具体样本数量）	NA（未在摘要中提及具体框架）	U-Net, SegNet, PSPNet, DeepLabv3+, Attention U-Net, HRNet, SegFormer, MASNet, SAM, PVT-EMCAD, RWKV-UNet	Dice系数，交并比，平均像素精度	NA（未在摘要中提及计算资源）
563	2026-08-11	Experimental investigation of muscle-tendon unit geometry and kinematics in lower-limb muscles during gait: Current applications and future directions - A scoping review 2026-06, Gait & posture IF:2.2Q2 DOI:10.1016/j.gaitpost.2026.110159 PMID:41875704	综述	本文是一篇范围综述，旨在探讨肌肉骨骼建模和超声成像与三维步态分析结合使用时，如何评估神经运动障碍人群在步态中的肌肉和肌腱单元特征，并评估其潜在的临床意义。	首次系统综述了MSK建模和USI在三维步态分析中的应用，特别是在神经运动障碍人群中，强调了两种技术的互补潜力，并提出了未来将深度学习应用于USI自动数据分析的方向。	MSK建模受到建模假设和缺乏实时数据的限制，而USI面临数据采集复杂和处理挑战，且研究中纳入的人群和肌肉种类有限。	检查MSK建模和USI与三维步态分析结合使用，以评估神经运动障碍人群的肌肉和MTU特征，并评估这些方法对临床评估和决策的潜在影响。	神经运动障碍人群（脑性瘫痪、中风、遗传性痉挛性截瘫和特发性足尖行走）的11块下肢肌肉	数字病理学	神经运动障碍	超声成像（USI）	NA	图像	50项研究	NA	NA	NA	NA
564	2026-08-11	A systematic review of machine and deep learning techniques for acute lymphoblastic leukemia diagnosis 2026-Jun, Artificial intelligence in medicine IF:6.1Q1 DOI:10.1016/j.artmed.2026.103393 PMID:41806519	综述	本文系统综述了用于急性淋巴细胞白血病诊断的机器学习和深度学习技术，包括图像预处理、特征提取和原始细胞量化等关键阶段	对传统和深度学习技术在ALL检测与分类中的最新进展进行全面分析，特别关注性能指标和准确性基准，并探讨其超越人类诊断能力的潜力	文中未明确提及具体限制，但可能包括依赖现有数据集、缺乏标准化评估流程以及临床转化的挑战	系统评估机器学习和深度学习技术在急性淋巴细胞白血病诊断中的应用现状、挑战和未来方向	急性淋巴细胞白血病患者的血液或骨髓图像数据	计算机视觉, 机器学习	急性淋巴细胞白血病	传统机器学习算法和深度学习架构（如CNN）	深度卷积神经网络（CNN），其他监督学习方法	图像（血液或骨髓涂片）	未指定	未指定	多种先进深度学习架构（具体未列出）	准确性、精确率、召回率、F1分数、AUC等	未指定
565	2026-08-11	Deep-Motion-Net: GNN-based volumetric liver shape reconstruction from single-view 2D projections 2026-Jun, International journal of computer assisted radiology and surgery IF:2.3Q2 DOI:10.1007/s11548-026-03685-1 PMID:42128999	研究论文	提出Deep-Motion-Net，一种基于图神经网络的患者特定端到端框架，从单个治疗中kV平面X射线图像重建三维体积器官形状，用于放疗中的运动补偿	首次实现从任意角度单视图图像重建整个治疗扫描系列中的三维体积器官模型，且无需替代信号或侵入性标记	在真实治疗kV图像上验证时，由于缺乏体积真实值，只能进行定性评估	利用常规直线加速器的平面X射线成像实现精确的解剖运动预测，以改善放疗剂量传递并保护危及器官	肝脏肿瘤患者和合成呼吸运动场景	计算机视觉，深度学习	肝癌	X射线成像，DRR生成，风格迁移	图神经网络，卷积神经网络，生成对抗网络	二维X射线图像，三维网格，CT体积	四名肝癌患者的治疗中图像及合成运动实例	PyTorch	ResNet, GAT, CNN, CycleGAN	平均预测误差，峰值预测误差	未在摘要中提及，输出NA
566	2026-08-11	A Few-shot Multimodal Deep Learning Framework For Precision Diagnosis Of Parotid Gland 2026-05-08, Journal of visualized experiments : JoVE DOI:10.3791/70231 PMID:42184237	研究论文	提出了一种基于小样本学习的多模态深度学习框架，整合多序列MRI和空间注意力机制，用于腮腺肿瘤的精准诊断，并在198名患者的回顾性队列中验证了其高效性。	采用多模态融合和多数尺度空间注意力机制，在样本有限条件下提升特征提取和分类性能，并展示了与有经验放射科医生相比的诊断优势。	未明确提及局限性，可能受限于回顾性单中心数据以及样本量较小。	开发一种多模态深度学习框架，以改善腮腺肿瘤术前良恶性鉴别的准确性，减少诊断挑战。	腮腺肿瘤患者的术前MRI数据（包括T1加权、T2加权和扩散加权成像）。	深度学习	腮腺肿瘤	MRI	多模态深度学习模型	图像	198名患者的腮腺肿瘤MRI数据（107名良性，91名恶性）	PyTorch	多模态融合架构（含注意力机制）	AUC	NA
567	2026-08-11	Automated Quantitative Analysis of Pulmonary Vasculature in Congenital Diaphragmatic Hernia using Deep Learning 2026-05-08, Journal of visualized experiments : JoVE DOI:10.3791/70428 PMID:42184245	研究论文	本文提出一种基于深度学习的全自动方法，用于分割先天性膈疝患者肺部CT图像中的肺血管并进行形态计量分析。	提出全自动的肺血管分割与形态计量分析流程，采用U-Net CNN架构和三维骨架化算法，无需人工干预，提高了分析的可重复性和效率。	依赖CT图像质量，可能不适用于其他成像模态，且样本量有限，未涉及大型临床验证。	实现先天性膈疝肺血管形态的定量、可重复、非侵入性评估，以了解疾病严重程度并支持临床转化。	先天性膈疝患者和对照组的肺部CT扫描图像中的肺血管网络。	计算机视觉, 数字病理学	先天性膈疝	CT成像	CNN	图像（CT扫描）	未指定（代表性结果显示包括CDH和对照组样本）	NA	U-Net	分割准确性	NA
568	2026-08-11	A Deep Learning-Based Method for Paddy Leaf Disease Detection and Growth Stage-Specific Treatment Recommendation 2026-05-05, Journal of visualized experiments : JoVE DOI:10.3791/70631 PMID:42184257	研究论文	提出一种基于深度学习的水稻叶部病害检测和生育期特异性治疗推荐方法，并实现为Web应用。	结合生长阶段预测与病害分类，利用集成学习和轻量级CNN模型，提供阶段特异性治疗建议，创新性地整合了检测与推荐功能。	未明确说明局限性。	构建一个决策支持系统，用于水稻叶部病害检测、生长阶段预测及阶段特异性治疗推荐，以支持精准农业。	水稻叶部图像，分类为不同病害类别和生长阶段。	计算机视觉	水稻叶部病害	图像分类	CNN, 迁移学习模型	图像	未明确样本数量，但数据集分为训练（80%）、验证（10%）和测试（10%）集。	NA	VGG16, ResNet50, InceptionV3, MobileNetV2	准确率, 精确率, 召回率, F1分数	NA
569	2026-08-11	Comparative study of different artificial intelligence (AI)-assisted compressed sensing factors in inner ear heavily T2-weighted imaging 2026-05, Clinical radiology IF:2.1Q2 DOI:10.1016/j.crad.2026.107311 PMID:41955645	研究论文	本研究比较了不同加速因子的人工智能辅助压缩感知技术在内耳重T2加权成像中的图像质量，旨在优化临床应用的加速因子选择	首次系统比较了不同ACS加速因子在内耳重T2加权成像中的图像质量，并推荐了临床适用的加速因子范围	未提及具体限制，但研究仅涉及健康志愿者，未包含患者数据	比较不同加速因子下ACS技术在内耳重T2加权成像中的图像质量，以推荐最佳临床加速因子	40名健康志愿者的内耳重T2加权成像	医学影像	NA	磁共振成像（MRI），人工智能辅助压缩感知（ACS）	深度学习模型（用于ACS）	MRI图像	40名健康志愿者	NA	深度学习模型（具体架构未提及）	信噪比（SNR）、对比噪声比（CNR）、边缘锐度、图像质量评分（四点评分）	NA
570	2026-08-11	Masked pre-training and pseudo-vessel enhancement-based semi-supervised cerebral vascular segmentation 2026-Apr, Medical physics IF:3.2Q1 DOI:10.1002/mp.70440 PMID:41988737	研究论文	提出一种基于掩码预训练和伪血管增强的半监督脑血管分割框架，用于CTA和CTP图像中的脑血管分割	结合双尺度掩码预训练、伪血管增强和多级一致性损失，在有限标注数据下实现高精度分割并增强小血管连续性	未提及具体局限性	开发一种仅使用有限标注数据即可实现高精度脑血管分割的半监督学习框架，同时提高对小血管连续性和鲁棒性的处理能力	脑血管（CTA和CTP图像中的脑血管）	计算机视觉	脑血管疾病	NA	半监督分割模型	图像（CTA和CTP扫描图像）	948例CTA和CTP扫描，使用5%、10%、20%、50%和100%五种标注比例	NA	NA	Dice系数	NA
571	2026-08-11	A prospective multicenter trial of deep learning auto-segmentation for organs at risk in thoracic radiotherapy 2026-Mar-31, Nature communications IF:14.7Q1 DOI:10.1038/s41467-026-70863-9 PMID:41917034	研究论文	一项前瞻性、多中心观察性试验，评估深度学习模型iCurveE在胸腔和乳腺癌放疗中对危及器官的AI辅助勾画性能，结果显示AI辅助勾画显著提高了勾画精度和时间效率。	首次提供高质量的前瞻性多中心证据，验证AI辅助勾画在真实临床环境中的有效性，并展示了其在减少不同中心和不同经验医生间性能差异方面的优势。	摘要中未明确提及局限性，可能包括样本代表性和长期临床结果的评估不足。	评估深度学习模型在胸腔和乳腺癌放疗中对危及器官的AI辅助勾画的临床性能，包括勾画精度和时间效率。	胸腔和乳腺癌放疗患者的CT图像中的危及器官，涉及500名患者和37名医生。	深度学习，医学影像，放射治疗	胸腔肿瘤、乳腺癌	CT成像	深度学习模型（iCurveE）	CT图像	500名患者，2,483套危及器官轮廓（27,043个器官），涉及37名医生	NA	iCurveE	体积Dice相似系数（vDSC），95%豪斯多夫距离（HD95），勾画时间	NA
572	2026-08-11	Artificial intelligence-based prediction of fetal hypoxia: a multicenter model development and nationwide AI-human comparison 2026-Mar-21, BMC medicine IF:7.0Q1 DOI:10.1186/s12916-026-04794-z PMID:41864912	研究论文	开发了一种基于人工智能的胎儿缺氧预测模型，并在全国范围内与人类专家进行了性能比较。	提出了多种深度学习架构（CAP-C、CAP-T、CAP-L、CAP-CfC）进行胎儿缺氧预测，并通过全国性AI-人类比较和梯度加权类激活映射（Grad-CAM）验证了模型优于人类专家且具有可解释性。	文章摘要中未明确提及局限性。	开发并验证基于人工智能的胎儿缺氧预测模型，以提高CTG解读的准确性。	来自三家三级医院的20780条CTG信号以及CTU-UHB公开数据集。	深度学习	胎儿缺氧	NA	CNN, Transformer, LSTM, CfC	信号（CTG）	20780条CTG用于模型开发，467例用于AI-人类比较	NA	CNN, Transformer, LSTM, CfC	AUROC	NA
573	2026-08-11	Artificial Intelligence in Cardiovascular Imaging: From Automated Acquisition to Precision Diagnostics and Clinical Decision Support 2026-03-11, Medical sciences (Basel, Switzerland) DOI:10.3390/medsci14010132 PMID:41892847	综述	本文综述了人工智能在心血管影像中的应用，包括自动采集、精准诊断和临床决策支持，并评估其潜在临床价值。	总结了AI在多种心血管影像模态中的应用，并强调了从技术自动化向综合疾病表型分析和个性化临床决策支持的转变。	临床转化受限于数据集异质性、外部验证不足、算法偏差、可解释性有限以及监管和整合挑战。	总结AI在心血管影像中的当前和新兴应用，评估其在精准诊断和决策支持中的临床价值。	心血管影像AI应用，涉及超声心动图、心脏磁共振、心脏CT和核心脏病学等模态。	医学影像	心血管疾病	NA	机器学习，深度学习	图像	NA	NA	视频、时序和多模态模型	可重复性、效率、可扩展性	NA
574	2026-08-11	Accuracy of Medical Image-Based Deep Learning for Detecting Microvascular Invasion in Hepatocellular Carcinoma: Systematic Review and Meta-Analysis 2026-Mar-02, Journal of medical Internet research IF:5.8Q1 DOI:10.2196/82000 PMID:41814977	系统综述与荟萃分析	系统评估基于医学图像的深度学习模型在肝细胞癌微血管侵犯术前诊断中的准确性，并分析不同影像模态和验证策略对模型性能的影响	首次系统评估基于影像的深度学习在肝细胞癌MVI诊断中的应用，并对比不同影像模态与验证策略，揭示外部验证性能下降的关键问题	独立外部验证队列稀缺、队列间异质性显著以及模型性能下降，影响临床适用性的严格评估	评估基于医学图像的深度学习模型预测肝细胞癌微血管侵犯的术前诊断性能，并探究不同影像模态和验证策略对模型性能与泛化能力的影响	肝细胞癌患者及其医学图像（包括对比增强计算机断层扫描、病理切片等影像模态）	医学影像分析	肝细胞癌	医学影像分析	深度学习模型（未具体指定架构）	医学图像	52项研究，共19,531例肝细胞癌患者	NA	NA	灵敏度、特异性、汇总接受者操作特征曲线下面积	NA
575	2026-08-11	Remote monitoring of heart failure exacerbations using a smartwatch 2026-Mar, Nature medicine IF:58.7Q1 DOI:10.1038/s41591-026-04247-3 PMID:41862772	研究论文	本研究利用智能手表数据预测心力衰竭患者的每日峰值摄氧量，并评估其与不良健康事件的相关性	创新性地使用消费级可穿戴设备（Apple Watch）数据，通过深度学习模型预测峰值摄氧量，实现心力衰竭恶化的远程监测和早期风险识别，并跨设备平台进行外部验证	研究可能受限于样本量、可穿戴设备的传感器差异以及外部验证队列的传感器能力降低	评估利用智能手表数据预测心力衰竭患者每日峰值摄氧量，并验证其作为风险分层和监测工具的可行性	心力衰竭患者	机器学习, 数字健康	心力衰竭	NA	深度学习模型	传感器数据（来自Apple Watch）	训练集：154例患者；验证集：63例患者；外部验证集：来自All of Us研究计划的独立队列	NA	NA	皮尔逊相关系数, 风险比（Hazard Ratio）, 置信区间	NA
576	2026-08-11	ZeCardioAI: combining zebrafish, AI, and xAI for an in-depth cardiac phenotyping platform 2026-Mar-01, Briefings in bioinformatics IF:6.8Q1 DOI:10.1093/bib/bbag197 PMID:42041226	研究论文	提出了一个结合斑马鱼、深度学习和可解释人工智能的计算平台ZeCardioAI，用于心脏表型的自动化和高精度分析	将斑马鱼实验模型与深度学习及可解释性人工智能结合，实现自动化和高精度的心脏表型提取，并通过xAI揭示与临床标志物一致的判别性特征	未提供具体的局限性信息	开发一个能够自动提取心脏表型并保持可解释性的平台，以应对心肌病中未满足的医疗需求，加速药物发现和精准医学	斑马鱼模型，特别是扩张型和肥厚型心肌病模型	数字病理学	心肌病	活体成像	深度学习模型	图像	未提供	NA	NA	准确性、可解释性	NA
577	2026-08-11	Use of Artificial Intelligence in the Classification of Upper-Limb Motion Using EEG and EMG Signals: A Review 2026-Feb-26, Sensors (Basel, Switzerland) DOI:10.3390/s26051457 PMID:41829420	综述	本系统综述总结了利用人工智能对脑电图和肌电信号进行上肢运动分类的研究进展，重点探讨了从传统机器学习到深度学习架构的转变。	通过PRISMA指南系统回顾了截至2025年6月的301项研究，揭示了从经典分类器（如LDA和SVM）向深度学习模型（如CNN、LSTM和Transformer）的转变趋势，并指出了对EEG单独模态的过度依赖（60%）和混合EEG-EMG系统应用不足（7%）的问题。	综述未提供具体的研究局限性描述，可能受限于所选数据库和发表时间范围。	总结AI在基于EEG和EMG信号的上肢运动分类中的应用进展，分析从传统机器学习到深度学习的技术演变，并识别潜在的研究空白。	上肢运动分类任务中使用的EEG和EMG信号数据以及AI分类模型。	机器学习	NA	EEG信号记录、EMG信号记录	CNN、LSTM、Transformer、LDA、SVM	脑电图信号、肌电信号	301项研究	NA	CNN、LSTM、Transformer	NA	NA
578	2026-08-11	Mining lysine post-translational modification sites by integrating protein language model representations with structural context 2026-Feb-17, Proceedings of the National Academy of Sciences of the United States of America IF:9.4Q1 DOI:10.1073/pnas.2529141123 PMID:41662532	研究论文	提出一个统一的深度学习框架，整合蛋白质语言模型表示和原子级三维结构特征，用于赖氨酸翻译后修饰位点识别，并在人类C型凝集素结构域家族12成员A（hCLEC12A）上应用预测并通过分子动力学模拟验证其功能。	首次将蛋白质语言模型序列表示与原子级三维结构特征集成于统一的深度学习框架中，适用于多种赖氨酸翻译后修饰类型，无需领域特定的特征工程。	摘要未提及明确的局限性。	开发一个统一的深度学习框架，准确且高效地识别赖氨酸翻译后修饰位点，并结合结构上下文增强预测性能。	人类C型凝集素结构域家族12成员A（hCLEC12A）及其与抗体50C1的复合物。	深度学习, 生物信息学	不适用	蛋白质语言模型表示, 分子动力学模拟	深度学习模型（具体架构未明确）	蛋白质序列、原子级三维结构	不适用	不适用	不适用	不适用	不适用
579	2026-08-11	A Deep Learning Approach to Assessing Cell Identity in Stem Cell-Based Embryo Models 2026, Methods in molecular biology (Clifton, N.J.) DOI:10.1007/7651_2025_654 PMID:40690128	研究论文	本文介绍了一种利用深度学习集成模型对干细胞胚胎模型中的细胞身份进行评估的方法，基于单细胞RNA测序数据	提供了公开可用的深度学习模型，利用scvi-tools整合单细胞数据并分类细胞类型，同时引入熵得分评估分类可靠性	未明确说明	开发深度学习工具评估体外干细胞胚胎模型与体内胚胎细胞的相似性	干细胞胚胎模型中的细胞类型	机器学习，数字病理学	不适用	单细胞RNA测序	深度学习模型	单细胞RNA测序数据	未明确说明	scvi-tools	变分自编码器	熵得分	未明确说明
580	2026-08-11	Automated detection of the epileptogenic zone in stereoelectroencephalography for drug-resistant epilepsy using multi-epileptogenic biomarker machine learning 2026-01, Epilepsy research IF:2.0Q3 DOI:10.1016/j.eplepsyres.2025.107710 PMID:41289960	研究论文	本研究旨在开发一种可解释的机器学习框架，整合多种致痫生物标志物，以提高立体脑电图（SEEG）中致痫区（EZ）定位的准确性	结合多种发作间期和发作期电生理特征（如致痫指数、棘波率、涟漪率、快涟漪率）的机器学习模型，并采用SHAP方法提供临床可解释性	样本量较小（38例患者），且为单中心回顾性研究	提高药物难治性癫痫患者致痫区的定位准确性，以优化手术治疗效果	药物难治性癫痫患者	机器学习	癫痫	立体脑电图（SEEG）	多种机器学习模型，包括深度学习模型	电生理信号特征	38例患者，共1671个SEEG通道	未明确提及	未明确提及具体架构	AUC	NA