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
6581	2026-06-16	Prediction of pedicle screw fixation strength under craniocaudal cyclic load: comparison of various models trained on quantitative CT based finite element analysis 2026-Jun-13, European spine journal : official publication of the European Spine Society, the European Spinal Deformity Society, and the European Section of the Cervical Spine Research Society IF:2.6Q1 DOI:10.1007/s00586-026-10048-6 PMID:42287380	研究论文	利用机器学习与深度学习模型，基于定量CT有限元分析预测颅尾循环负荷下椎弓根螺钉固定强度	首次通过人工智能模型高效预测有限元分析导出的螺钉固定强度，并探索其作为椎弓根螺钉松动风险替代标志物的可行性	回顾性研究设计及有限的数据量可能影响模型泛化性	预测颅尾循环负荷下螺钉固定强度并评估其作为椎弓根螺钉松动风险替代指标的作用	112名患者术前CT及618条螺钉轨迹数据	机器学习	脊柱疾病	定量CT	多层感知器(MLP)和三维ResNet-18	CT图像及螺钉轨迹数据	112名患者共618条螺钉轨迹（外部验证126条轨迹）	PyTorch	MLP, 3D ResNet-18	均方误差(MSE), 决定系数(R²), AUC	NA
6582	2026-06-16	Deep learning for predicting lumbar segmental instability using neutral lateral lumbar radiographs: a retrospective study 2026-Jun-13, European spine journal : official publication of the European Spine Society, the European Spinal Deformity Society, and the European Section of the Cervical Spine Research Society IF:2.6Q1 DOI:10.1007/s00586-026-10092-2 PMID:42287379	研究论文	开发深度学习模型利用中立位腰椎侧位X光片预测腰椎节段不稳，并识别关键影像特征	首次将DenseNet121堆叠集成模型与SVM、随机森林和Softmax分类器结合用于腰椎不稳预测，并使用Grad-CAM定位关键解剖区域	NA	开发可预测腰椎节段不稳的深度学习模型，并识别相关影像特征	中立位腰椎侧位X光片影像	计算机视觉	腰椎疾病	NA	深度学习模型	图像	NA	NA	DenseNet121, 支持向量机, 随机森林, Softmax分类器	AUC, 准确率, 灵敏度, 特异度, F1分数	NA
6583	2026-06-16	Super-resolution deep learning reconstruction improves the depiction of peripancreatic arteries and image quality in pancreatic cancer CT 2026-Jun-13, Abdominal radiology (New York) DOI:10.1007/s00261-026-05596-w PMID:42287433	研究论文	比较超分辨率深度学习重建、正常分辨率深度学习重建和混合迭代重建在胰腺癌CT中显示胰周动脉的效果	首次评估超分辨率深度学习重建在胰腺癌CT中改善胰周小动脉显示和图像质量的优势	单中心回顾性研究，样本量较小，仅纳入40例患者	评估超分辨率深度学习重建在胰腺导管腺癌CT中对胰周动脉显示和图像质量的改善作用	40例病理确诊的胰腺导管腺癌患者	医学影像	胰腺癌	动态CT	超分辨率深度学习重建	CT图像	40例胰腺导管腺癌患者	NA	NA	CT衰减值、图像噪声、对比度噪声比、边缘上升斜率、边缘上升距离、定性评分	NA
6584	2026-06-16	Deep learning analysis of trajectories and spatial variations in HPV vaccine discussions on Chinese Weibo 2026-Jun-13, Communications medicine IF:5.4Q1 DOI:10.1038/s43856-026-01720-5 PMID:42288636	研究论文	利用深度学习分析中国微博上关于HPV疫苗讨论的时间轨迹和空间变化	首次应用深度学习驱动的社交媒体监听技术，大规模分析中国微博上HPV疫苗讨论的长期趋势和地理差异	NA	评估公众对HPV疫苗的看法、感知障碍和促进因素，利用深度学习进行社交媒体实时监听	2018年至2023年中国微博上关于HPV疫苗的讨论帖子	自然语言处理	宫颈癌	社交媒体监听、深度学习	深度学习模型（未具体说明架构）	文本（社交媒体帖子）	1,972,495条相关微博帖子，其中6,600条进行了人工注释	NA	NA	预测准确率（0.78-0.96）	NA
6585	2026-06-16	IDMBD: Intelligent Diagnostic Modelling of Bipolar Disorder at its early onset 2026-Jun-13, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-57662-4 PMID:42288667	研究论文	提出一种基于移动计算设备的双相情感障碍早期发病智能诊断建模方法	利用移动计算设备采集多模态异质特征，结合深度神经网络实现高粒度患者画像，并采用标准量表预测双相情感障碍的危急状态	未明确提及评估的数据集规模及外部验证情况	开发基于移动计算设备的双相情感障碍早期智能诊断模型	双相情感障碍患者的早期状态评估	机器学习	双相情感障碍	多模态特征采集与分析	深度神经网络、随机森林、决策树	多模态异质特征数据	未明确提及	NA	深度神经网络、随机森林、决策树	多个性能指标（未具体列出）	移动计算设备
6586	2026-06-16	Correction: Comparative evaluation of deep learning models for lung segmentation in chest X-rays: applications in infectious disease screening 2026-Jun-13, BMC infectious diseases IF:3.4Q2 DOI:10.1186/s12879-026-13695-8 PMID:42288739	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
6587	2026-06-16	Denoising of low-dose chest computed tomography images using a U-net based convolutional autoencoder and transfer learning 2026-Jun-12, Biomedical physics & engineering express IF:1.3Q3 DOI:10.1088/2057-1976/ae7603 PMID:42229468	研究论文	提出一种基于U-net卷积自编码器的轻量级算法，结合迁移学习实现低剂量胸部CT图像去噪，在有限训练数据下提升图像质量并增强肺结节可检测性	采用两步训练策略（先在模体图像上预训练，再通过迁移学习适配临床数据），解决了临床配对数据稀缺问题，同时设计了保留解剖结构和低对比度细节的轻型U-net自编码器	未明确提及局限性，但训练策略依赖模体数据模拟可能无法完全替代真实临床噪声特性	开发一种适用于低剂量胸部CT去噪的深度学习算法，在减少辐射剂量的同时保持诊断图像质量	胸部低剂量CT图像中的噪声和伪影去除优化	计算机视觉	肺部疾病	低剂量CT成像	卷积神经网络（CNN）	图像	LUng Nodule Analysis 2016数据集（未明确数量）	NA	UNet	噪声降低因子	NA
6588	2026-06-16	Artificial intelligence and machine learning in sports medicine: mapping clinical tasks and assessing clinical maturity - a scoping review 2026-Jun-12, BMC medical informatics and decision making IF:3.3Q2 DOI:10.1186/s12911-026-03615-w PMID:42286628	综述	概述人工智能和机器学习在运动医学中的应用现状、临床验证水平和实施准备程度	首次通过范围综述系统评估AI/ML在运动医学中临床任务的成熟度，并识别关键优先领域以指导未来进展	大多数研究依赖回顾性数据集和内部验证，校准报告不常见，前瞻性工作流程整合罕见，且建模方法、数据输入和结果定义存在显著异质性	评估AI/ML在运动医学中应用于损伤风险评估、诊断、康复和临床决策的临床验证水平和实施准备程度	运动医学相关个体	机器学习	运动医学相关疾病	NA	机器学习模型	NA	97项研究	NA	NA	判别性能（如准确率、灵敏度等）	NA
6589	2026-06-16	A Machine Learning Approach to Voice-Based Parkinson Disease Screening Using Multiview Spectrogram and Speech Recognition Features: Diagnostic Study 2026-Jun-11, JMIR medical informatics IF:3.1Q2 DOI:10.2196/94063 PMID:42274996	研究论文	提出一种基于多视角频谱图和语音识别特征融合的机器学习方法用于帕金森病筛查	首次将语音识别感知上下文特征（识别率向量）与多视角频谱图深度学习方法结合，显著降低假阴性率并提高筛查灵敏度	研究在受控录音环境中进行，需在多样化现实环境中进一步验证	开发非侵入性、可扩展的帕金森病数字筛查工具	203名参与者（帕金森病患者121例，健康对照82例）的语音录音	机器学习	帕金森病	语音频谱图提取（Mel频谱、短时傅里叶变换、常数Q变换）、自动语音识别	卷积神经网络	语音录音	203名参与者（121例患者+82例对照）	NA	多分支并行卷积神经网络	准确率、标准差、假阴性率	NA
6590	2026-06-16	Negative frequency-dependent selection: a positive outlook with deep learning 2026-Jun-11, Philosophical transactions of the Royal Society of London. Series B, Biological sciences DOI:10.1098/rstb.2025.0170 PMID:42272394	观点文章	利用深度学习区分负频率依赖性选择与其他平衡选择模式的基因组信号	提出结合资源高效的深度迁移学习、新型数据预处理和基因组自协方差建模方法，能有效检测和表征负频率依赖性选择，无需相位化基因型或时间序列数据	未明确讨论跨物种泛化能力及计算资源需求的具体评估	改进负频率依赖性选择下的基因组模式建模，以更好区分其与中性信号和其他选择过程的差异	负频率依赖性选择的基因组信号特征及其检测方法	机器学习	NA	深度迁移学习、基因组自协方差建模	深度迁移学习模型	基因组基因型数据（包括相位化和非相位化基因型，以及古DNA时间序列数据）	NA	NA	NA	NA	资源高效（具体资源未说明）
6591	2026-06-16	Label-Free Imaging of Single Proteins and Binding Dynamics via Deep Learning-Enhanced Plasmonic Scattering Microscopy 2026-Jun-10, Journal of the American Chemical Society IF:14.4Q1 DOI:10.1021/jacs.6c04749 PMID:42189600	研究论文	结合深度学习等离激元散射显微镜的无标记单蛋白成像与结合动力学分析	利用时空深度学习框架持续从复杂背景中分离和追踪未标记的单蛋白，实现高吞吐量自动追踪，并直接区分瞬态和稳定结合事件，分辨纳米级蛋白质运动，量化结合热力学，建立区分特异性和非特异性相互作用的定量框架	无	实现无标记单蛋白结合动力学的成像与实时轨迹分析，解决生物传感中长期存在的特异性与非特异性相互作用区分难题	单蛋白质分子	计算机视觉, 机器学习	不适用	等离激元散射显微镜	递归神经网络	图像	不适用	不适用	递归神经网络	不适用	不适用
6592	2026-06-16	Development of an Interpretable Deep Learning-Based Segmentation Algorithm for Automated Assessment of Oral Diadochokinesis in Progressive Neurological Diseases 2026-Jun-10, Journal of speech, language, and hearing research : JSLHR DOI:10.1044/2026_JSLHR-25-00453 PMID:42112934	研究论文	开发一种基于深度学习的可解释分割算法，用于在进展性神经系统疾病中自动评估口腔交替运动	首次提出一种通用且全自动的分割算法，能够跨多种神经疾病、构音障碍类型及严重程度实现稳健的口腔交替运动分析	算法性能受构音障碍严重程度影响较大，重度构音障碍中准确率从94.7%降至83.1%，且未提及对不同病理机制的适用性分析	开发一种可解释的深度学习分割算法，用于自动评估神经系统疾病患者的口腔交替运动能力	231名受试者（80名健康对照和151名神经疾病患者）的序贯运动率录音	机器学习	神经退行性疾病	语音信号处理	卷积神经网络	音频数据	231个样本（80个健康对照，151个神经疾病患者录音）	NA	卷积神经网络	F1分数, 准确率	NA
6593	2026-06-16	Adaptive Riemannian optimization for multi-scale diffeomorphic matching 2026-Jun-09, Nature communications IF:14.7Q1 DOI:10.1038/s41467-026-72508-3 PMID:42265084	研究论文	提出FireANTs算法，一种免训练、GPU加速的多尺度自适应黎曼优化方法，用于快速准确的密尔微分同胚图像匹配	首次结合多尺度自适应黎曼优化与GPU加速，实现无需训练、内存高效且泛化能力强的微分同胚图像匹配算法	未明确提及限制，但可能对极高分辨率图像或极端形变场景的适配性有待验证	开发一种快速、鲁棒且无需重新训练的微分同胚图像匹配方法，以克服传统配准方法速度慢和深度学习方法泛化性差的问题	生物医学图像中的多模态、多物种、多器官图像匹配问题	计算机视觉	无特定疾病，适用于生物医学图像分析	GPU加速计算、多尺度黎曼优化	微分同胚形变模型	生物医学图像	未明确说明，研究涉及多模态、多物种和多器官的多样化图像数据集	NA	多尺度微分同胚映射	速度（加速比）、内存消耗、泛化鲁棒性	GPU（未指定具体型号）、CPU
6594	2026-06-16	Random Attention Mechanism for Deep Quality Modeling and Online Prediction in Chemical Processes 2026-Jun-09, ACS omega IF:3.7Q2 DOI:10.1021/acsomega.6c02962 PMID:42294149	研究论文	本文提出一种随机注意力机制，用于化学过程中的深度质量建模与在线预测	在深度潜变量回归建模框架中引入随机注意力机制，通过从潜变量池中生成多种随机注意力来构建多个子模型，并设计信息融合策略整合预测结果	未提及对该随机注意力机制的数学理论分析或收敛性证明，且仅在两个化工案例上验证，可能缺乏在其他复杂化工过程中的泛化性	提升化学过程中质量预测的准确性	化工过程中的质量预测任务，以脱丁烷塔和CO吸收塔为案例	机器学习	NA	NA	深度潜变量模型	数值数据	两个化工过程案例（脱丁烷塔和CO吸收塔），具体样本量未说明	NA	深度潜变量回归模型	RMSE	NA
6595	2026-06-16	Performance and Statistical Assessment of Deep Learning Frameworks for Low-Temperature Selective Catalytic Reduction of NO x 2026-Jun-09, ACS omega IF:3.7Q2 DOI:10.1021/acsomega.6c01308 PMID:42294189	研究论文	探索深度学习架构在预测乙醇辅助选择性催化还原系统中NOx转化效率的应用	首次将LSTM、TCN及其混合模型应用于低温SCR的NOx转化效率预测，并使用贝叶斯优化进行超参数调优	未提及模型的泛化能力或在不同催化剂和发动机条件下的测试	评估深度学习框架在预测低温选择性催化还原中NOx转化性能的潜力	乙醇辅助SCR系统中的NOx转化效率模型	机器学习	NA	NA	LSTM, TCN, 混合TCN-LSTM	实验数据（来自双缸柴油发动机的Ag-Sn-P基催化剂）	未明确说明样品数量	NA	LSTM, TCN, 混合TCN-LSTM	平均绝对误差（MAE）, Theil's U	NA
6596	2026-06-16	The Tsetlin Machine: A "Third Way" in QSAR Modeling 2026-Jun-08, Journal of chemical information and modeling IF:5.6Q1 DOI:10.1021/acs.jcim.5c03109 PMID:42208944	研究论文	本文提出Tsetlin Machine作为QSAR建模的第三种范式，结合规则方法、神经网络学习和内在可解释性	首次将Tsetlin Machine引入QSAR建模，实现规则基础方法、神经网络迭代学习与内在可解释性的融合，并开发了分子属性图(TM-MPM)和WAC评分来提供可解释性分析	由于TM-QSAR的二元性质，当前在处理离散化连续描述符时性能受限	提出并验证Tsetlin Machine在QSAR建模中的有效性，作为虚拟筛选工具包的标准方法学	化合物分子的定量结构-活性关系预测（包含MOR和CYPA4靶标）	机器学习	NA	QSAR建模，分子描述符（ECFP4），子结构指纹	Tsetlin Machine	分子描述符数据（ECFP4指纹）	NA	NA	Tsetlin Machine	ROC-AUC, PRC-AUC, PPV	NA
6597	2026-06-16	Deep learning-enhanced X-space reconstruction for magnetic particle imaging: a physics-consistent approach 2026-Jun-08, Biomedical physics & engineering express IF:1.3Q3 DOI:10.1088/2057-1976/ae737d PMID:42202833	研究论文	提出一种物理一致性的深度学习框架X-Space-PC-Restore，用于改善磁粒子成像中X-space重建的图像质量	将混合U-Net编码器-解码器架构与Transformer注意力机制和PSF引导损失函数结合，实现物理一致性的深度学习重建	基于合成数据集评估，未在真实临床数据上验证；PSF精度对重建结果有潜在影响	提升磁粒子成像X-space重建的空间分辨率，同时保持物理一致性	磁粒子成像中的X-space重建图像	计算机视觉	不适用	磁粒子成像	混合U-Net编码器-解码器与Transformer注意力机制	合成图像	1600个合成样本，涵盖4种体模类型（线、圆、椭圆、十字）	PyTorch	U-Net, Transformer	峰值信噪比, 归一化均方根误差, 半高宽	未明确说明
6598	2026-06-16	The impact of a novel deep learning reconstruction algorithm on image quality in ultralow-dose CT: a quantitative phantom study 2026-Jun-08, European radiology experimental IF:3.7Q1 DOI:10.1186/s41747-026-00751-w PMID:42257775	研究论文	评估新型深度学习重建算法在超低剂量CT中对图像质量的影响	首次在体模研究中系统评估深度学习重建算法在超低剂量CT下对低碘浓度检测和图像质量的双重提升效果	临床意义需要进一步验证，且研究基于体模而非人体	评估深度学习重建算法在超低剂量CT中降噪、提高对比度噪声比和低碘浓度检测能力	九孔体模（碘浓度0-40 mg/mL）	计算机视觉	不适用	CT成像	深度学习重建	图像	一个九孔体模，扫描时使用多种管电压（60-120 kVp）和碘浓度（0-40 mg/mL）	NA	深度学习重建算法	噪声，对比度噪声比，CT值准确性（通过Bland-Altman分析），低碘浓度检测（CNR ≥ 3）	NA
6599	2026-06-16	A round-robin exercise for the precise prediction of aqueous solubility of organic chemicals using chemometric, machine learning, and stacking ensemble of deep learning models 2026-Jun-08, Journal of computer-aided molecular design IF:3.0Q2 DOI:10.1007/s10822-026-00854-x PMID:42258020	研究论文	使用化学计量学、机器学习和深度学习堆叠集成模型对有机化学品水溶性进行精确预测的循环实验	通过六组不同算法的大型循环实验，采用排序差异和一致性排名策略选择最佳模型，并揭示了结构-理化特征对水溶性的影响机制	未明确提及局限性，但暗示先前模型因数据整理不当而可能高估统计性能	开发高鲁棒性和外部预测性能的水溶性预测模型，以支持药物筛选和生态毒理学评估	超过6000种有机化合物的水溶性预测	机器学习	NA	NA	深度学习、机器学习、堆叠集成模型	化学结构数据	超过6000种化合物	NA	Deep q-RASPR模型、堆叠集成模型	平均绝对误差、均方根误差	NA
6600	2026-06-16	TearNET: Validation of a convolutional neural network for grading of tear ferning patterns using deep learning 2026-Jun, Contact lens & anterior eye : the journal of the British Contact Lens Association IF:4.1Q1 DOI:10.1016/j.clae.2026.102654 PMID:41967396	研究论文	验证基于卷积神经网络的TearNET模型用于泪液蕨类模式自动分级	首个专门用于泪液蕨类模式自动分级的卷积神经网络模型，实现了根据Rolando分级系统的客观、一致的分级	样本量有限（80名参与者），模型在区分所有类型模式时仍有提升空间	验证深度学习算法TearNET在泪液蕨类模式自动分级中的性能，用于干眼症筛查	健康参与者的泪液样本及其蕨类模式显微图像	计算机视觉	干眼症	显微成像	卷积神经网络	图像	80名健康参与者（160只眼睛）的泪液样本	NA	TearNET卷积神经网络	敏感性, 特异性, 召回率, F分数, 准确率	NA