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
6161	2026-07-10	Deep Learning for Video Anomaly Detection: A Review 2026-Jul, IEEE transactions on neural networks and learning systems IF:10.2Q1 DOI:10.1109/TNNLS.2025.3647892 PMID:41489948	综述	对基于深度学习的视频异常检测方法进行全面综述，涵盖不同监督类型和最新研究进展	构建了五类监督任务的系统分类体系，引入预训练大模型和开放世界学习的最新工作，弥补了以往综述仅关注半监督和小模型方法的局限	依赖现有公开数据集和基准，未涉及极端场景或跨领域泛化性能的深入分析	系统梳理视频异常检测领域基于深度学习的研究现状，提供分类框架、性能比较和未来研究方向	视频异常检测方法与模型	计算机视觉	不适用	深度学习	预训练大模型、小模型	视频	不适用	不适用	不适用	准确率、召回率、F1分数、AUC	不适用
6162	2026-07-10	Exploiting Scale-Variant Attention for Segmenting Small Medical Objects 2026-Jul, IEEE transactions on neural networks and learning systems IF:10.2Q1 DOI:10.1109/TNNLS.2025.3645355 PMID:41525526	研究论文	提出一种尺度可变注意力网络（SvANet），用于准确分割医学图像中的小物体	结合尺度可变注意力、跨尺度引导、蒙特卡罗注意力和视觉Transformer，以增强小医学物体的区分度	未提及	解决卷积神经网络在处理小医学物体时因信息损失和压缩缺陷导致的分割困难	医学图像中的小物体（如肾肿瘤、皮肤病变、肝肿瘤、息肉、手术切除细胞、视网膜血管和精子）	计算机视觉	多种疾病（肾脏肿瘤、皮肤病变、肝脏肿瘤、息肉、视网膜疾病等）	NA	神经网络（包含视觉Transformer）	图像	使用KiTS23、ISIC 2018、ATLAS、PolypGen、TissueNet、FIVES和SpermHealth数据集，样本量未具体说明	NA	SvANet（包含尺度可变注意力、跨尺度引导、蒙特卡罗注意力和视觉Transformer）	平均Dice系数	NA
6163	2026-07-10	CPFformer: A Hierarchical-Based Graph Modeling Fusion Framework for Making the Emotional Features of Chinese Poetry Pronunciation More Controllable 2026-Jul, IEEE transactions on neural networks and learning systems IF:10.2Q1 DOI:10.1109/TNNLS.2025.3648530 PMID:41525522	研究论文	提出CPFformer框架，通过图建模和深度学习技术分析和预测中文诗歌发音的情感特征	首次将图结构用于捕获中文诗歌发音情感特征的全局和局部一致性，结合多尺度Mel特征提取技术实现情感表达可控性	未明确讨论模型泛化性、计算复杂度或对非标准发音的鲁棒性	使中文诗歌发音的情感特征更可控，提升儿童语言能力和艺术审美	中文诗歌发音数据的情感特征	自然语言处理	NA	多尺度Mel特征提取	深度学习框架（CPFformer）	中文诗歌发音数据集	专门构建的中文诗歌发音数据集	PyTorch	图模型、Transformer（编码器-解码器模块）、时空学习网络	MSE, MAE, RSE, R²	NA
6164	2026-07-10	Features of B-mode ultrasound and contrast-enhanced ultrasound of carotid plaque based on deep learning enhance the prediction of vulnerable plaques associated with acute ischemic stroke 2026-Jul, European radiology IF:4.7Q1 DOI:10.1007/s00330-026-12376-z PMID:41721846	研究论文	利用颈动脉斑块的B超和超声造影特征，基于深度学习开发AI模型，用于预测急性缺血性脑卒中风险	首次将深度学习与超声造影及B型超声特征结合，构建AI模型用于颈动脉斑块易损性预测，显著优于传统统计回归模型，并在外部测试集中展现出良好的泛化能力	未提及	开发基于颈动脉斑块超声特征的AI模型，预测急性缺血性脑卒中风险，并与传统回归预测模型比较效能	颈动脉斑块的B型超声和超声造影图像特征	计算机视觉	急性缺血性脑卒中	B型超声和超声造影	卷积神经网络	超声图像	回顾性923例患者（训练+验证集739例，测试集184例），前瞻性外部测试集143例	NA	ResNet34	AUC	NA
6165	2026-05-31	Decoding the Black Box in Deep Learning Models-Reply 2026-Jul-01, JAMA otolaryngology-- head & neck surgery DOI:10.1001/jamaoto.2026.0855 PMID:42060278	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
6166	2026-07-10	Evaluating the Diagnostic Potential of Connected Speech for Benign Laryngeal Disease Using Deep Learning Analysis 2026-Jul, Journal of voice : official journal of the Voice Foundation IF:2.5Q1 DOI:10.1016/j.jvoice.2024.01.015 PMID:38350806	研究论文	利用深度学习分析评估连续语音对良性喉部疾病的诊断潜力	首次采用深度学习模型比较连续语音与元音在检测良性喉部疾病中的诊断性能，并发现连续语音分析更有效	时间序列模型表现不如CNN，且样本量有限，需进一步验证	评估基于连续语音和元音的人工智能模型检测良性喉部疾病的性能	772名患者的语音样本，包括502名正常声音和270名患有声带息肉、囊肿或结节的患者	机器学习	喉部疾病	语音分析	CNN, 时间序列模型	音频	772名患者	NA	CNN	AUC（ROC曲线下面积）	NA
6167	2026-07-10	Decoding the Black Box in Deep Learning Models 2026-Jul-01, JAMA otolaryngology-- head & neck surgery DOI:10.1001/jamaoto.2026.0852 PMID:42060291	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
6168	2026-07-10	Multimodal deep learning prediction of treatment response to anti-vascular endothelial growth factor in diabetic macular oedema 2026-Jul, Eye (London, England) DOI:10.1038/s41433-026-04505-1 PMID:42092039	研究论文	开发并验证一种结合光学相干断层扫描图像和临床数据的多模态深度学习模型，用于预测糖尿病黄斑水肿患者对抗血管内皮生长因子治疗的反应	首次结合OCT图像和临床数据构建多模态深度学习模型预测DMO患者抗VEGF治疗反应，且模型性能优于视网膜专科医生	样本量较小（107例），需通过更大规模多中心数据集进一步验证临床效用	预测糖尿病黄斑水肿患者接受抗VEGF治疗的反应	107例接受三次连续抗VEGF治疗的糖尿病黄斑水肿患者	计算机视觉	糖尿病黄斑水肿	光学相干断层扫描	多模态深度学习模型	图像（OCT）、文本（临床数据）	107例DMO患者	NA	NA	AUROC、准确率、敏感性、特异性	NA
6169	2026-07-10	Learning from authentic patient narratives in nursing education using Gibbs' Reflective Cycle: A qualitative study using reflexive thematic analysis 2026-Jul, Nurse education in practice IF:3.3Q1 DOI:10.1016/j.nepr.2026.104887 PMID:42263483	研究论文	探索护理学生通过多发性硬化症患者真实叙事在吉布斯反思循环框架下的学习体验	首次将吉布斯反思循环与慢性病患者真实叙事相结合，系统分析护理学生从疾病聚焦向以人为本理解的转变过程	单一大学样本、文化背景局限、未评估长期效果	探究结构化反思框架下护理学生从慢性病患者叙事中的学习效果	30名二年级护理学生	数字病理学	多发性硬化症	NA	吉布斯反思循环	文本	30名护理学生	NA	NA	NA	NA
6170	2026-07-10	DeepGEP: Deep learning for gene expression prediction from multi-omics in mammals 2026-Jul, Genomics IF:3.4Q2 DOI:10.1016/j.ygeno.2026.111285 PMID:42331263	研究论文	开发了一种基于注意力的长短期记忆模型DeepGEP，用于从哺乳动物的多组学数据预测基因表达	首次将注意力机制与LSTM结合用于跨物种多组学数据预测基因表达，揭示了不同组学特征对预测的贡献差异	未在更多物种或更复杂的基因组区域进行验证，模型对远缘物种的泛化能力尚待探索	通过整合多组学数据准确预测哺乳动物基因表达并揭示调控机制	人类、猪和牛的RNA-seq、ATAC-seq及四种组蛋白修饰（H3K4me3、H3K4me1、H3K27ac、H3K27me3）的ChIP-seq数据	机器学习	NA	RNA-seq, ATAC-seq, ChIP-seq	LSTM	多组学数据	228个数据集，涵盖三个物种	PyTorch	注意力LSTM	皮尔逊相关系数PCC，准确性accuracy	NA
6171	2026-07-10	Empowering digital health management with on-device large language models for glucose prediction: a model development and validation study 2026-Jul, EBioMedicine IF:9.7Q1 DOI:10.1016/j.ebiom.2026.106343 PMID:42349253	研究论文	提出GluLLM框架，将轻量级大语言模型部署于智能手机设备，实现隐私保护的血糖预测，并在两个数据集上验证性能优于15种基线模型	首次将轻量级大语言模型（如LLaMA 3.2）集成到智能手机设备进行血糖预测，提出多模态适配器框架GluLLM，实现本地化、隐私保护的实时预测，克服云端传输敏感数据的隐私风险	未在真实临床环境中进行部署和长期评估；模型依赖可穿戴设备持续血糖监测数据，对非持续监测的糖尿病患者适用性待验证	开发可部署于智能手机设备的大语言模型，用于糖尿病患者血糖预测，提升数字健康管理的隐私性和实时性	糖尿病患者（包括1型糖尿病和2型糖尿病或无糖尿病患者）的血糖预测问题	机器学习, 数字健康管理	糖尿病	持续血糖监测技术	大语言模型	时间序列数据、文本数据	训练集包含226名1型糖尿病患者（REPLACE-BG数据集），外部验证集包含207名2型糖尿病或无糖尿病患者（Móstoles队列）	PyTorch	LLaMA 3.2 1B, Crossformer	均方根误差, AUROC, AUPRC	智能手机平台（未指定具体型号），CPU和内存使用可接受，推理延迟低
6172	2026-07-10	RNAbpFlow: base pair-augmented SE(3) flow matching for conditional RNA 3D structure generation 2026-Jul, Nature methods IF:36.1Q1 DOI:10.1038/s41592-026-03128-4 PMID:42380508	研究论文	提出RNAbpFlow，一种基于碱基对增强的SE(3)等变流匹配模型，用于条件性生成RNA三维结构	利用碱基对条件增强和核苷碱基中心表示，实现端到端的全原子RNA结构生成，无需进化信息或同源结构模板	未明确说明限制	开发一种高效准确的RNA三维结构生成模型，应对RNA高度柔性和进化信息有限的挑战	RNA三维结构	自然语言处理	NA	流匹配, 等变神经网络	流匹配模型	分子结构数据	NA	PyTorch	SE(3)等变流匹配网络	准确率, 泛化性能, 拓扑采样质量	NA
6173	2026-07-10	Deep Learning-Based Automated Segmentation and Multi-Parametric Quantitative Assessment of the Lacrimal Drainage System on CT-DCG 2026-Jul-01, Translational vision science & technology IF:2.6Q2 DOI:10.1167/tvst.15.7.9 PMID:42417594	研究论文	基于深度学习的CT泪囊造影图像中泪道系统自动分割与多参数定量评估框架	首次利用Attention U-Net实现CT-DCG图像中泪囊和骨性鼻泪管的自动分割与逐层形态学量化，并自动识别狭窄部位和梗阻位置	需要进一步的前瞻性验证，对手术结果的确定性影响尚未确定	开发并验证自动分割和形态学定量分析泪道系统的深度学习框架，辅助原发性获得性鼻泪管梗阻的术前评估和手术规划	泪囊和骨性鼻泪管	计算机视觉	鼻泪管阻塞	CT泪囊造影	Attention U-Net	医学影像	151例单侧原发性获得性鼻泪管梗阻患者	PyTorch	Attention U-Net	Dice系数, Cohen's kappa系数	NA
6174	2026-07-10	Efficient low-dose CT image enhancement using MobileMamba-UNet with wavelet-enhanced long-range modeling 2026-Jul, Journal of applied clinical medical physics IF:2.0Q3 DOI:10.1002/acm2.70680 PMID:42418268	研究论文	提出一种轻量级低剂量CT图像重建框架MobileMamba-UNet，通过混合Mamba骨干网络与多尺度U-Net架构，在保持低内存消耗和快速推理速度的同时捕获全局上下文信息和精细局部细节	首次将MobileMamba骨干网络与U-Net架构结合用于LDCT重建，引入小波变换增强Mamba机制以突出高频诊断相关结构，以及多感受野特征交互模块联合建模局部纹理和长程依赖	未在更多临床数据集上验证泛化能力，可能需要进一步优化以应对不同噪声水平的LDCT图像	设计一种轻量高效的低剂量CT图像重建方法，平衡重建性能与计算效率	低剂量CT图像重建中的结构细节保持与计算效率优化	计算机视觉	NA	低剂量CT成像	Mamba	图像	Mayo-2016和Mayo-2020两个LDCT数据集	PyTorch	MobileMamba-UNet, U-Net	图像质量指标	NA
6175	2026-07-10	High Throughput In vivo Imaging; A Pipeline for Automated Analysis of Longitudinal Preclinical Studies 2026-Jul, Current protocols DOI:10.1002/cpz1.70414 PMID:42418308	研究论文	本文介绍了一种用于纵向临床前研究的高通量体内成像自动分析流程	提出端到端的自动分析流程，结合深度学习方法进行分割和报告，大幅减少手动分析的工作量和变异性	协议主要基于PET-CT案例展示，可能在其他成像模式或更大规模研究中需要调整	加速临床前验证中图像处理和分析的效率与一致性	小动物成像数据（纵向PET-CT图像）	计算机视觉	NA	PET-CT成像	深度学习	图像（PET-CT）	未明确提及	NA	NA	NA	NA
6176	2026-07-10	What will be the future of computational biology for macromolecules in the era of AI? 2026-Jul, PLoS computational biology IF:3.8Q1 DOI:10.1371/journal.pcbi.1014467 PMID:42418429	评论	探讨人工智能时代大分子计算生物学的未来发展方向与挑战	通过回顾近五年进展与机器学习趋势，前瞻性地提出准确性、自动化、集成性和可解释性等关键挑战	对未来预测存在不确定性，可能陷入平台期或由通用AI完全接管，缺乏具体实验验证	分析大分子计算生物学在AI影响下的未来重点问题和研究方向	大分子计算生物学的进展趋势和机器学习应用	机器学习	NA	机器学习, 深度学习	NA	NA	NA	NA	NA	T检验残差	NA
6177	2026-07-10	Robust and interpretable tabular data classification via multi-channel image conversion and channel-wise gating 2026-Jul-01, Neural networks : the official journal of the International Neural Network Society IF:6.0Q1 DOI:10.1016/j.neunet.2026.109316 PMID:42419254	研究论文	提出了一种基于多通道图像转换和通道门控机制的CNN框架TabGCNet，用于异构表格数据的分类，实现高效预测与内在特征级可解释性	提出参数无关的Tab2MI模块，将每个特征值（数值型、类别型、缺失值）映射到专属图像通道，无需辅助编码或空间布局搜索；引入可学习的通道门控层，在浅卷积网络前进行通道重加权，同时生成列级重要性分数，实现内在可解释性	实验仅在表格数据集上验证，未涉及其他数据类型；方法依赖CNN结构，可能对极端大规模数据或非线性复杂关联的处理能力有限	解决深度学习在处理异构表格数据时的特征表达性与可靠性挑战，实现高效且可解释的分类	异构表格数据（包含数值、类别和缺失值）的分类任务	机器学习	NA	NA	CNN（卷积神经网络）	表格数据（数值型、类别型、缺失值）	10个公开表格数据集	NA	TabGCNet（包含Tab2MI模块和GCNet模块）	分类准确度、鲁棒性（标签保持扰动）、特征排序一致性	NA
6178	2026-07-10	Prediction of PD-L1 expression in nonsmall cell lung cancer using artificial intelligence models based on radiomics: a systematic review and meta-analysis 2026-Jul, European respiratory review : an official journal of the European Respiratory Society IF:9.0Q1 DOI:10.1183/16000617.0299-2025 PMID:42419776	meta-analysis	通过系统回顾和荟萃分析，评估基于影像组学的人工智能模型在预测非小细胞肺癌PD-L1表达中的表现	首次系统比较影像模态和算法模型对PD-L1表达预测效果的影响，并识别出影响预测性能的关键因素	纳入的研究数量有限（35篇），可能受出版偏倚影响，且不同研究间存在异质性	评估基于影像组学的人工智能模型预测非小细胞肺癌PD-L1表达的准确性和影响因素	非小细胞肺癌患者的PD-L1表达状态（通过TPS1和TPS50分组）	计算机视觉，放射组学	非小细胞肺癌	影像组学	机器学习，深度学习	影像数据（CT、18F-FDG PET/CT）	35篇研究	R	NA	曲线下面积（AUC）	NA
6179	2026-07-10	Revolutionizing Nutrition Care: The Role of Artificial Intelligence in Personalized Nutrition 2026-Jul, Journal of food science IF:3.2Q2 DOI:10.1111/1750-3841.71281 PMID:42422973	综述	本文回顾了人工智能在个性化营养中通过整合多模态健康数据提供定制化饮食指导的作用	系统梳理了机器学习、深度学习、自然语言处理和强化学习等多种AI方法在个性化营养中的应用，并强调了多组学整合与可解释AI模型等未来机遇	当前限制了AI驱动的营养建议广泛采用的主要挑战被提及，但未详细展开	评估人工智能在个性化营养中的应用及其对疾病预防和实时营养监测的潜力	个性化营养中的AI方法及多模态健康数据	机器学习	营养相关疾病	NA	机器学习、深度学习、自然语言处理、强化学习	组学数据、可穿戴设备数据、电子健康记录	NA	NA	NA	NA	NA
6180	2026-07-10	Tailored Deep Learning-Assisted In Situ SERS: Overcoming Surface Irregularities-Induced Large Signal Variation on Biological Tissues 2026-06-30, Analytical chemistry IF:6.7Q1 DOI:10.1021/acs.analchem.6c01156 PMID:42275583	研究论文	提出一种定制深度学习辅助的原位表面增强拉曼光谱（SERS）策略，用于克服生物组织表面不规则导致的大信号变化	提出定制一维卷积神经网络（1D-CNN）结合递减卷积核尺寸（57-37-11-3），显著提高在非均匀生物表面上SERS定量的可重复性和鲁棒性	未明确说明局限性，但可能依赖于特定样本制备和基底选择	解决非均匀生物表面上SERS信号变异性问题，提高定量准确性	苹果皮上的噻菌灵检测	计算机视觉	NA	表面增强拉曼光谱（SERS）	一维卷积神经网络（1D-CNN）	光谱数据	NA	PyTorch	定制1D-CNN（递减卷积核尺寸57-37-11-3）	决定系数R²	NA