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	2026-06-21	Modeling day-long ECG signals to predict heart failure risk with explainable AI 2026-Jun-19, NPJ digital medicine IF:12.4Q1 DOI:10.1038/s41746-026-02835-8 PMID:42321372	research paper	利用可解释人工智能建模全天心电图信号预测心力衰竭风险	首次利用深度学习模型处理24小时单导联动态心电图数据，并引入可解释性分析揭示模型关注的异常心律和心脏异常特征，实现了优于传统短时程心电图和临床评分的心衰风险预测	未明确提及模型的外部验证或在不同人群中的泛化性能，且仅基于单中心回顾性数据	开发可解释的深度学习模型，利用24小时单导联动态心电图数据预测五年内心力衰竭风险	Technion-Leumit Holter ECG (TLHE) 数据集中的24小时动态心电图记录	machine learning	cardiovascular disease	单导联动态心电图	DeepHHF（深度学习模型）	时间序列心电图信号	69,663条记录，来自47,729名患者，覆盖20年	NA	DeepHHF	AUC（ROC曲线下面积）	NA
6162	2026-06-21	Segmenting with confidence through uncertainty quantification for brain tumor imaging 2026-Jun-19, NPJ digital medicine IF:12.4Q1 DOI:10.1038/s41746-026-02902-0 PMID:42321390	研究论文	开发一种通过不确定性量化进行脑肿瘤影像分割的深度学习框架，提高分割结果的置信度	通过证据深度学习集成方法同时捕获任意性和认知性不确定性，并量化分割体积的校准可信区间	研究仅聚焦于脑膜瘤分割，且外部验证仅使用单一机构数据，未评估其他肿瘤类型	提高脑肿瘤MRI自动分割中不确定性校准的准确性，增强临床信任度	脑膜瘤MRI图像（T1增强扫描）	数字病理学	脑膜瘤	MRI成像	证据深度学习集成模型	医学图像	训练集1655幅MRI（788例患者），测试集68幅MRI（43例患者），外部验证353例患者	PyTorch	U-Net集成架构（同质和异质集成）	Dice相似系数、空间一致性、校准可信区间	NA
6163	2026-06-21	NeuroSymbolicPhishDefend for adaptive multimodal phishing detection against evolving artificial intelligence driven threats 2026-Jun-19, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-59008-6 PMID:42321399	研究论文	提出一种神经符号多模态钓鱼检测系统，结合文本、视觉和元数据特征，通过交叉注意力融合模块和符号推理提升检测性能与可解释性	融合神经符号推理与多模态特征，采用基于扩散的对抗增强方法和在线自适应学习机制，引入SHAP可解释性模块	文章未明确讨论模型的计算开销或实时部署的限制	开发一种适应性强、可解释且鲁棒的多模态钓鱼检测系统，应对AI驱动的演化威胁	钓鱼攻击检测，包括域名欺骗、视觉伪装和元数据异常	自然语言处理, 计算机视觉	NA	交叉注意力融合, 符号推理, 扩散增强, SHAP解释性	神经符号模型, 交叉注意力	图像, 文本, 元数据	使用多个公开钓鱼数据集，但未说明具体样本数量	NA	交叉注意力融合模块, 符号推理模块, 扩散增强模块, SHAP解释性模块	ROC-AUC, AUC增益, 统计显著性(p<0.05)	NA
6164	2026-06-21	Automated quantification of lens epithelial cell density using deep learning: validation and large-scale clinical application 2026-Jun-19, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-58748-9 PMID:42321468	研究论文	开发基于深度学习的AI模型，自动量化晶状体上皮细胞密度，并验证其在大规模临床中的应用	首次利用深度学习算法自动量化晶状体上皮细胞密度，实现了高精度（准确率98.1%）和大规模临床验证（超过43,000个细胞目标）	未提及模型的泛化能力及在不同成像条件下的表现	开发AI模型自动量化晶状体上皮细胞密度，研究其与白内障形成及严重程度的相关性	晶状体上皮细胞密度、分布及影响因素	计算机视觉	老年性白内障	光学显微成像	卷积神经网络	图像	20张验证图像中包含超过43,000个细胞目标	NA	NA	准确率, 平均绝对百分比误差, 皮尔逊相关系数, 组内相关系数	NA
6165	2026-06-21	DeepDisSNP: Predicting disease-associated SNPs by representation learning on disease and SNP linkage disequilibrium networks 2026-Jun-19, Mammalian genome : official journal of the International Mammalian Genome Society IF:2.7Q2 DOI:10.1007/s00335-026-10250-3 PMID:42321529	研究论文	提出DeepDisSNP深度学习框架，整合疾病相似网络与SNP连锁不平衡网络，通过图注意力网络表征学习预测疾病相关SNP	首次将疾病相似网络与染色体特异性SNP连锁不平衡网络通过加权图注意力网络联合表征学习，实现疾病-SNP关联预测	NA	开发一种网络驱动的深度学习方法以优先排序候选疾病相关SNP，补充GWAS资源	疾病相关SNP与疾病的关联关系	机器学习	NA	全基因组关联分析数据、MeSH疾病关系、1000 Genomes Project Phase 1/3数据	图注意力网络、多层感知机	网络数据（疾病相似网络、SNP连锁不平衡网络）	22条常染色体上的SNP，具体数量未说明	PyTorch	加权图注意力网络编码器、多层感知机分类器	AUROC、AUPRC	NA
6166	2026-06-21	Deep learning-based myocardial infarction detection using echocardiography 2026-Jun-19, BMC cardiovascular disorders IF:2.0Q3 DOI:10.1186/s12872-026-06033-y PMID:42321627	研究论文	提出基于EfficientNet_SpinalNet深度学习模型的心肌梗死超声心动图检测方法	将EfficientNet-B3-attn-2与SpinalNet融合形成Efficient_SpinalNet架构，结合混合滤波预处理和FLICM分割实现高精度心肌梗死检测	未详细说明模型在噪声环境下及小样本场景的鲁棒性，计算资源需求未明确阐述	实现基于超声心动视频的早期心肌梗死实时检测	心肌梗死患者的二维超声心动视频	计算机视觉	心肌梗死	超声心动图	EfficientNet_SpinalNet（EfficientNet+B3+SpinalNet的融合架构）	视频	HMC-QC和CAMUS两个公开数据集	NA	EfficientNet-B3-attn-2, SpinalNet	准确率, 灵敏度, 特异度	NA
6167	2026-06-21	Next Generation Digital Morphology: Blast Preclassification in Bone Marrow Aspirates 2026-Jun-19, International journal of laboratory hematology IF:2.2Q3 DOI:10.1111/ijlh.70174 PMID:42322062	综述	系统回顾了人工智能在骨髓穿刺涂片原始细胞预分类中的数字化形态学应用	首次系统综述了深度学习方法在骨髓穿刺样本原始细胞识别中的性能，并比较了经典机器学习与深度学习的差异	骨髓穿刺分析性能因细胞复杂性高而变异性大，且当前平台对未成熟细胞和肿瘤细胞识别准确性不足	评估人工智能技术用于骨髓穿刺涂片原始细胞自动分类和白血病筛查的现状与潜力	骨髓穿刺涂片中的原始细胞及外周血涂片的白细胞	数字病理学	急性白血病	深度学习, 卷积神经网络	卷积神经网络	图像	NA	NA	卷积神经网络	灵敏度, 特异性, 准确性	NA
6168	2026-06-21	Reconstructing shared visual experiences from human brain activity across individuals 2026-Jun-18, Medical image analysis IF:10.7Q1 DOI:10.1016/j.media.2026.104157 PMID:42320451	研究论文	提出一种统一生成框架MindShow，在队列训练设置下实现跨被试的fMRI到图像的重建	提出层次化条件专家混合编码器以解耦群体共享潜在表征与被试特异神经特征，并引入门控感知器瓶颈解决多尺度表征错配以及多粒度最优传输损失对齐脑特征与视觉语言模型潜在空间	未在摘要中明确提及局限性，可能包括对校准数据量的依赖以及图像重建质量在细节上的不足	实现跨个体的fMRI图像重建，提升脑机接口的可扩展性和转化潜力	人类视觉经验对应的脑活动fMRI信号	计算机视觉	NA	fMRI	扩散模型	图像、文本	未在摘要中明确给出样本数量	PyTorch	Mixture-of-Experts, Perceiver, 扩散模型	高层重建指标、结构保真度指标	NA
6169	2026-06-21	Super-resolution deep learning-enhanced 2D MRCP improves main pancreatic duct visualization compared with 3D MRCP 2026-Jun-16, European journal of radiology IF:3.2Q1 DOI:10.1016/j.ejrad.2026.113022 PMID:42320143	研究论文	超级分辨率深度学习重建增强的2D MRCP比3D MRCP更好地改善了主胰管可视化	首次比较了超级分辨率深度学习重建（SR-DLR）结合2D和3D MRCP对主胰管可视化的效果，发现2D-SR在整体图像质量和病变清晰度方面优于传统技术	对局灶性狭窄的假阳性率分析样本量小（仅3例真阳性），结果属于探索性和假设生成性质	评估超级分辨率深度学习重建（SR-DLR）对MRCP图像质量和主胰管可视化的影响，并探索其对胰管异常诊断性能的改善	174名接受磁共振胰胆管成像（MRCP）评估胰腺的患者	计算机视觉	胰腺疾病	MRCP	深度学习超级分辨率重建（SR-DLR）	医学图像	174名患者	NA	超级分辨率深度学习重建网络	信噪比（SNR）, 对比度比（CR）, 对比噪声比（CNR）, 图像质量评分, 运动伪影评分, 边缘锐利度, 囊性病变清晰度, 假阳性率	NA
6170	2026-06-21	Research on dynamic monitoring of nitrogen-driven quality changes throughout the entire growth period of cucumbers based on deep learning 2026-Jun-13, Food chemistry IF:8.5Q1 DOI:10.1016/j.foodchem.2026.150064 PMID:42320321	研究论文	基于高光谱成像与深度学习，提出多变量黄瓜品质预测框架，实现氮驱动品质动态监测	首次将CNN模型与全光谱输入结合，实现多指标（硝酸盐、可溶性糖、可溶性固形物）同步预测及空间分布可视化，克服了传统单指标方法局限性	未明确说明样本量大小及模型对不同品种黄瓜的泛化能力	建立基于深度学习的高光谱成像技术，实现黄瓜生长周期中氮素驱动品质变化的动态监测	不同氮水平与生长阶段下的黄瓜果实	深度学习、高光谱成像	不适用	高光谱成像	CNN	高光谱图像	不适用（未在标题和摘要中说明具体样本数量）	不适用	CNN	R值（校准集R>0.913）	不适用
6171	2026-06-21	Clinical relevance of intracranial stenosis as false-positive findings of a deep learning algorithm trained to detect large vessel occlusions: a retrospective cohort study of a supraregional stroke centre 2026-Jun-11, BMJ open IF:2.4Q1 DOI:10.1136/bmjopen-2025-113081 PMID:42276805	研究论文	评估深度学习算法在大血管闭塞检测中偶发颅内动脉狭窄假阳性结果的临床意义	首次系统评估专用于检测大血管闭塞的深度学习算法对高等级颅内动脉狭窄的识别能力及其临床相关性，指出假阳性结果可能具有临床价值	单中心回顾性研究，样本量有限（934例），算法灵敏度较低（33%），且未进行前瞻性验证	探讨基于人工智能的大血管闭塞检测算法在识别高等级颅内动脉狭窄中的假阳性发现及其临床意义	颅内动脉狭窄患者及大血管闭塞疑似病例	计算机视觉	缺血性卒中	CTA	深度学习算法	图像	934例患者（52.7%男性，平均年龄71.7±13.6岁）	NA	NA	灵敏度、特异度、阴性预测值、阳性预测值	NA
6172	2026-06-21	A unified multimodal model for generalizable zero-shot and supervised protein function prediction 2026-Jun-01, Bioinformatics (Oxford, England) DOI:10.1093/bioinformatics/btag356 PMID:42244114	研究论文	提出了一种名为FunBind的多模态AI模型，通过联合学习五种生物数据模态来提升蛋白质功能预测的准确性和泛化能力	首次实现了五种生物数据模态的统一表征学习，并同时支持零样本预测和监督微调两种模式	未明确提及局限性	开发一种能够泛化到新功能术语的通用蛋白质功能预测方法	蛋白质功能预测中的多模态生物数据	机器学习	NA	对比学习、自监督预训练、监督微调	多模态AI模型	蛋白质序列、文本描述、结构、领域注释、基因本体术语	NA	PyTorch	对比学习网络	准确率	NA
6173	2026-06-21	Application of deep learning for surgical decision support during single-incision laparoscopic cholecystectomy 2026-Jun, Surgical endoscopy DOI:10.1007/s00464-026-12868-5 PMID:42115370	研究论文	基于Mask2Former的深度学习模型在单孔腹腔镜胆囊切除术中识别安全与危险区域的应用	首次将Mask2Former模型应用于单孔腹腔镜胆囊切除术的手术决策支持，实时识别手术安全与危险区域	危险区域的像素级重叠度量（Dice和IOU）低于物体级F1分数，且研究仅基于两所医疗机构186个视频数据	开发基于深度学习的AI模型，在单孔腹腔镜胆囊切除术中识别安全与危险解剖区域，降低胆管损伤风险	单孔腹腔镜胆囊切除术视频中的安全与危险区域	计算机视觉	胆囊疾病	NA	Mask2Former	视频	186个手术视频（127个训练，59个测试），包含9521帧图像	PyTorch	Mask2Former	IOU, Dice分数, F1分数, 准确率, 敏感性, 阳性预测值	NA
6174	2026-06-21	Explainable Temporal Deep Learning for EEG-Based Depression Detection Using Resting-State Brain Dynamics 2026-06, International journal of methods in psychiatric research IF:2.4Q2 DOI:10.1002/mpr.70088 PMID:42298924	研究论文	提出一种可解释的深度学习框架，利用静息态脑电数据检测抑郁症	将CNN-BiLSTM架构与注意力机制结合，并集成Grad-CAM和SHAP可解释性技术，实现对脑电时空特征的有效建模与可视化解释	排除了轻度和亚临床抑郁症病例（BDI 14-19），降低了模型对轻度抑郁的适用性	开发一种高准确率且可解释的深度学习模型，用于基于静息态脑电的抑郁症检测	静息态脑电数据	机器学习	抑郁症	EEG	CNN-BiLSTM	脑电信号	106名受试者（76名健康对照，30名抑郁症患者）	PyTorch	CNN-BiLSTM	准确率、F1分数、AUC	NA
6175	2026-05-27	Correction to "Quantifying Multi-pollutant Co-exposure via Deep Learning-Based Simultaneous Prediction Using Geostationary Satellite Data" 2026-May-26, Environmental science & technology IF:10.8Q1 DOI:10.1021/acs.est.6c05436 PMID:42113025	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
6176	2026-06-21	MedNext-Insight Model for Automated Metabolic Tumor Volume Delineation on Computed Tomography and Prognostic Value in Nasopharyngeal Carcinoma 2026-May-16, International journal of radiation oncology, biology, physics DOI:10.1016/j.ijrobp.2026.05.005 PMID:42144163	研究论文	开发无需PET的深度学习模型，从常规CT自动分割代谢肿瘤体积并验证其在鼻咽癌中的预后价值	首次实现仅基于CT的自动代谢肿瘤体积分割，无需PET，结合双窗口CT输入和新型7层MedNext-Insight模型，在预后评估中表现与基于PET的真实MTV相当	预后分析中排除了12名基线远处转移患者；样本量有限，内部验证集仅135例；未进行外部多中心验证	开发一种资源高效的PET-free方法，用于鼻咽癌代谢肿瘤体积的自动分割和风险分层	392名鼻咽癌患者的PET/CT影像数据及内部时间验证队列135例患者	计算机视觉	鼻咽癌	PET/CT	CNN	医学影像	训练集314例（含63例验证），测试集78例，时间验证集135例	PyTorch	MedNext-Insight, no-new-U-Net version 2, Pix2Pix, 3D-CycleGAN	Dice相似系数, 敏感性, 一致性指数 (C-index), 组内相关系数 (ICC)	NA
6177	2026-06-21	Performance and Utility of the Sybil Deep Learning Model for Lung Cancer Risk Prediction in Asian High- and Low-Risk Populations 2026-May-14, Chest IF:9.5Q1 DOI:10.1016/j.chest.2026.05.002 PMID:42140481	研究论文	评估深度学习模型Sybil在亚洲高风险和低风险人群中预测肺癌风险的表现和实用性	首次在亚洲人群（包含大量从不吸烟者）中验证Sybil模型的性能，展示其在不同风险谱系中的稳健性	短期表现在存在肉芽肿性后遗症、亚实性结节或基线未检测到结节的患者中下降；研究为单中心回顾性分析，需进一步验证	评估Sybil深度学习模型在亚洲肺癌筛查队列中的性能和实用性	21,087名50-80岁接受LDCT筛查的亚洲个体（包括大量从不吸烟者）	计算机视觉	肺癌	低剂量胸部CT（LDCT）	深度学习模型	图像（CT影像）	21,087名参与者（包括4,611名≥20包年吸烟史、5,378名<20或未知包年吸烟史、11,098名从未吸烟者）	未明确提及	Sybil（具体架构未明确说明）	AUROC（曲线下面积）	未明确提及
6178	2026-06-21	CSVSUF: A Deep Unfolding Framework for Compressive Spectral Video Sensing 2026, IEEE transactions on image processing : a publication of the IEEE Signal Processing Society IF:10.8Q1 DOI:10.1109/TIP.2026.3700920 PMID:42275332	研究论文	提出了一种基于深度展开框架的压缩光谱视频传感方法，结合物理引导建模与深度先验学习以提升重建精度	首次设计时空-频谱先验学习Transformer（STS-PLT）捕获多维相关性，并将传统模型驱动优化与深度学习展开框架整合于压缩光谱视频重建中	未提及具体局限性，但可能受限于CASSI系统的硬件约束及对复杂动态场景的泛化能力	开发高效且准确的光谱视频重建方法，克服现有模型驱动与深度学习方法的不足	动态场景下的光谱视频数据	计算机视觉	不适用	压缩光谱视频传感（CSVS）、编码孔径快照光谱成像（CASSI）	Transformer	光谱视频数据	不适用	PyTorch	时空-频谱先验学习Transformer（STS-PLT）	重建准确度、视觉质量	不适用
6179	2026-06-20	Motivations for Artificial Intelligence, for Deep Learning, for ALife: Mortality and Existential Risk 2024-02-01, Artificial life IF:1.6Q2 DOI:10.1162/artl_a_00427 PMID:38346273	综述文章	回顾人工智能在过去一个世纪的发展轨迹，探讨人工生命的影响，并分析由此带来的机遇与风险	揭示了AI问题构建方式中存在的二元对立（符号主义与生命主义），并探讨其对存在风险的深远影响	未提供具体的实验验证或数据支持，可能缺乏实证基础	分析AI发展中的技术路径分歧及其对人类存在风险的哲学影响	AI发展的历史轨迹、生命主义与符号主义的方法论对比	机器学习	NA	NA	NA	文本	NA	NA	NA	NA	NA
6180	2026-06-19	Automated subcutaneous fat segmentation with a convolutional neural network in magnetic resonance guided high-intensity focused ultrasound treatment for uterine fibroids 2026-12, International journal of hyperthermia : the official journal of European Society for Hyperthermic Oncology, North American Hyperthermia Group IF:3.0Q2 DOI:10.1080/02656736.2026.2634734 PMID:41755457	研究论文	开发了一种基于注意力门控U-Net卷积神经网络的自动分割算法，用于MR引导高强度聚焦超声治疗子宫肌瘤时对皮下腹部脂肪层的分割，以提升治疗安全性和效率	首次将注意力门控U-Net应用于MR-HIFU治疗中的皮下脂肪自动分割，实现了从3分钟的手动分割缩短到3秒的自动化处理	NA	实现MR引导高强度聚焦超声治疗子宫肌瘤过程中皮下脂肪层的自动分割，增强治疗安全性和效率	子宫肌瘤患者的腹部MR图像中的皮下脂肪层	计算机视觉, 数字病理学	子宫肌瘤	MR引导高强度聚焦超声	卷积神经网络	图像	62名接受MR-HIFU治疗的患者的MR图像	NA	注意力门控U-Net	Dice系数, 第95百分位数Hausdorff距离, 平均脂肪层厚度误差	NA