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
681	2026-06-09	Dynamic ultrasound motion metrics combined with deep learning for clinical differentiation of subacromial impingement syndrome 2026-May, La Radiologia medica DOI:10.1007/s11547-026-02188-y PMID:41670888	研究论文	本研究采用动态肩部超声并结合深度学习技术，用于临床区分肩峰下撞击综合征	首次将Faster R-CNN与自迁移学习CNN（STL-CNN）在动态超声中的标志点定位性能进行比较，并集成一维卷积神经网络（1D-CNN）基于运动指标进行SIS分类	当前工作流程需要离线视频分析，未来需实现实时实施并提高泛化能力	评估深度学习模型在动态肩部超声中预测肩峰下撞击综合征的诊断性能	肩峰下撞击综合征患者和健康对照者的动态肩部超声图像	计算机视觉	肩峰下撞击综合征	动态超声成像	Faster R-CNN, STL-CNN, 1D-CNN	超声影像	59名SIS患者和59名对照者	NA	Faster R-CNN, STL-CNN, 1D-CNN	准确率, 平均距离误差	NA
682	2026-06-09	Deep learning-based epileptic seizure detection from EEG signals and PPG signals using LSTM and CNN models 2026-May, The International journal of neuroscience DOI:10.1080/00207454.2026.2621855 PMID:41671683	研究论文	提出一种结合CNN和LSTM的混合深度学习框架，利用多模态EEG和PPG信号实现癫痫发作的自动检测	创新性地融合PPG信号与EEG信号，利用PPG提供的自主神经波动、心率变异性变化和外周血管反应等互补生理信息，增强模型对细微或模糊EEG特征的判别能力	未在摘要中提及	开发一种可靠且高效的实时癫痫发作检测方法，适用于可穿戴设备和临床医疗平台	多模态脑电图（EEG）和光电容积描记图（PPG）信号	机器学习	癫痫	多模态信号融合	CNN, LSTM	信号数据	未在摘要中提及	未在摘要中提及	CNN, LSTM混合结构	准确率, 精确率, 召回率, F1分数, Cohen's Kappa, Matthews相关系数, 关键成功指数	未在摘要中提及
683	2026-06-09	Unraveling Glycation-Induced Structure-Function Nexus in Food Proteins: From Analytical Innovations to AI-Assisted Design 2026-05, Comprehensive reviews in food science and food safety IF:12.0Q1 DOI:10.1111/1541-4337.70477 PMID:41957905	综述	探讨糖化反应引起的食物蛋白质结构-功能关系，涵盖分析技术创新与人工智能辅助设计	提出利用人工智能（特别是深度学习和逆向设计）整合多维数据，预测并优化糖化模式，以加速功能性蛋白质的理性开发	依赖综述性质，缺乏实验验证；人工智能方法在糖化蛋白质领域的实际应用尚处于起步阶段	阐明糖化诱导的结构修饰如何改变蛋白质功能性能，并为功能性蛋白质的理性开发提供系统性框架	糖化修饰的食物蛋白质及其结构-功能关系	机器学习	NA	糖化反应、位点定位、构象分析、多源数据挖掘、深度学习	深度学习模型、逆向设计模型	结构数据、功能数据、多源数据	NA	PyTorch, TensorFlow	深度神经网络、逆向设计架构	NA	NA
684	2026-06-09	Artificial Intelligence for Food Packaging: A Life Cycle-Oriented Review of Material Performance, Functionality, Safety, and Sustainability 2026-05, Comprehensive reviews in food science and food safety IF:12.0Q1 DOI:10.1111/1541-4337.70486 PMID:42021492	综述	系统分析人工智能在食品包装全生命周期中的应用，涵盖材料性能、功能、安全性和可持续性	提出面向生命周期的框架，将主要AI范式与食品包装六大关键领域相关联，并强调混合模型在复杂系统中的鲁棒性优势	数据质量、模型泛化能力和法规接受度等方面的挑战	评估AI在食品包装材料设计、生产优化、质量预测、安全保障、智能标签与追溯、回收等环节的应用现状与潜力	2021-2025年Web of Science核心合集中与AI在食品包装应用相关的同行评审研究	机器学习	NA	NA	监督学习、无监督学习、强化学习、深度学习、混合模型	NA	NA	NA	NA	NA	NA
685	2026-06-09	DeepECG.ai: An AI-enhanced ECG analysis platform to bridge the expertise gap from primary care to cardiology 2026 May-Jun, Journal of electrocardiology IF:1.3Q3 DOI:10.1016/j.jelectrocard.2026.154359 PMID:42176692	研究论文	提出一个集成的AI心电分析平台DeepECG.ai，以弥合初级保健与心脏病学之间的专业差距	开发了一个统一的平台，能够将AI模型系统化地部署到临床心电系统中，并进行全面的模型测试和评估，包括介入情境、临床工作流整合和实际鲁棒性	文中未提及明显的局限性，但平台依赖临床验证研究（DAISEA-ECG和HEART-AI）的进行中结果	构建一个易于使用的Web平台，为临床医生提供AI辅助心电分析决策支持，弥合初级保健与心脏病学之间的专业差距	12导联心电图数据	机器学习	心血管疾病	心电图（ECG）分析	深度学习模型	心电信号数据	HEART-AI研究启动后三个月内分析了29,211份心电图，涉及285名患者，53名用户参与	未明确指定	未明确指定	不足一秒的推理时间	基于Web的安全平台，未明确具体GPU或云资源
686	2026-06-09	Application of Whole-Genome Sequencing and Metagenomic Sequencing in Microbial Analysis of Milk Powder and Its Processing Environment: Current Findings and Challenges 2026-05, Comprehensive reviews in food science and food safety IF:12.0Q1 DOI:10.1111/1541-4337.70478 PMID:41981860	综述	综述了全基因组测序和宏基因组测序在奶粉及其加工环境微生物分析中的应用，包括当前研究成果和面临的挑战	系统总结了WGS和宏基因组测序在奶粉生产链微生物监测中的进展，特别关注菌株水平分辨率、低丰度微生物检测、抗生素抗性基因和毒力因子基因检测，以及机器学习与深度学习等新兴技术的整合	未明确说明具体局限性，但综述性质决定了可能缺乏原始实验数据的验证	探讨WGS和宏基因组测序在奶粉生产链微生物监测、污染源追踪和质量控制中的应用，并比较国内外微生物控制标准	奶粉及其加工环境中的微生物群落	机器学习	NA	全基因组测序, 宏基因组测序	NA	基因组测序数据	NA	NA	NA	NA	NA
687	2026-06-09	From Machine Learning to Generative Artificial Intelligence in Urology: Technological Evolution and Future Perspectives 2026-May, International neurourology journal IF:1.8Q3 DOI:10.5213/inj.2652134.067 PMID:42252644	综述	综述了人工智能在泌尿外科领域从传统机器学习到生成式人工智能的技术演进及未来前景	首次系统性地将AI在泌尿外科的应用分为机器学习、深度学习及生成式AI三个主要领域进行梳理	NA	探讨泌尿外科中人工智能技术的演进、应用现状与未来发展方向	泌尿系统疾病（如前列腺增生、输尿管狭窄、泌尿结石）及患者健康管理	机器学习	泌尿外科疾病	NA	机器学习、深度学习、生成式AI（大语言模型、视觉Transformer）	NA	NA	NA	大语言模型、视觉Transformer	NA	NA
688	2026-06-09	Impact of Simulated Radiation Dose Reduction on Deep Learning-Based Renal Segmentation Performance: A Simulation Study Using the KiTS21 (2021 Kidney and Kidney Tumor Segmentation Challenge) Dataset 2026-May, International neurourology journal IF:1.8Q3 DOI:10.5213/inj.2651124.062 PMID:42252648	研究论文	评估模拟辐射剂量降低对深度学习肾脏分割性能的影响，并确定临床可接受的最低剂量阈值	首次系统量化剂量降低对深度学习肾脏分割性能的影响，并识别出25%标准剂量为临床可接受的最低阈值	基于模拟数据，未涉及真实低剂量CT图像；仅使用单一模型架构（U-Net+ResNet34），未涵盖其他分割网络	定量评估模拟辐射剂量降低对深度学习肾脏分割性能的影响	肾脏及其肿瘤的分割性能	数字病理学	肾脏疾病	NA	U-Net	CT图像	299个对比增强CT体积，含专家分割标签	PyTorch	ResNet34编码器的2D U-Net	Dice相似系数（DSC）, 交并比, 95百分位豪斯多夫距离（HD95）, 体积误差	NA
689	2026-06-09	Does the Timing of USMLE Step 1 Affect Performance? A Comparison of Pre- and Post-Clerkship Timing in the Pass/Fail Era 2026-Apr-30, Teaching and learning in medicine IF:2.1Q3 DOI:10.1080/10401334.2026.2662341 PMID:42060292	研究论文	本研究比较了美国医学执照考试Step 1在临床实习前后进行的时机对通过/失败评分时代考试成绩的影响	首次在通过/失败评分改革背景下，系统评估Step 1考试时机对成绩的影响，并引入成就目标理论和自我决定理论作为分析框架	观察性研究设计无法排除未测量混淆因素，样本限于20所医学院校，且未控制学校间课程差异	检验在通过/失败评分体系下，USMLE Step 1考试时机（临床实习前或后）是否继续影响成绩	2020年入学并于2022年1月26日后参加Step 1考试的美国医学生	机器学习	NA	NA	NA	考试成绩数据	20所美国医学院的2020届医学生（匹配组设计）	NA	NA	失败率、分数	NA
690	2026-06-09	ThyroFusion: A Multi-modal Deep Learning Framework Integrating Vision and Language for Thyroid Nodule Malignancy Risk Assessment 2026-Apr-22, Journal of imaging informatics in medicine DOI:10.1007/s10278-026-01964-6 PMID:42020852	研究论文	提出并验证了 ThyroFusion，一种融合超声图像、分割掩膜和临床文本报告的多模态深度学习框架，用于甲状腺结节恶性风险评估	首次将超声图像、分割掩膜和临床文本报告通过双向跨模态注意力机制融合，并采用冻结 BioBERT 提取文本特征，显著超越单模态方法和资深放射科医生	未明确说明，但基于多中心回顾性研究性质，可能受限于数据选择偏倚和外部验证集样本量差异	开发和验证多模态深度学习框架，以提高甲状腺结节恶性风险评估的准确性	甲状腺结节患者，包括来自西安国际医学中心医院 (1472 例) 及两个临床中心和两个公共数据集 (DDTI 和 TN3K) 的共 6002 例病例	计算机视觉, 自然语言处理	甲状腺结节	超声成像, 临床文本报告	ResNet-50, Set Transformer, BioBERT	图像, 文本	1472 例 (内部训练) + 4530 例 (外部验证，来自 2 个临床中心和 2 个公共数据集 DDTI、TN3K)	PyTorch	ResNet-50, Set Transformer, BioBERT (冻结)	AUC, 95% 置信区间, p 值, ΔAUC	NA
691	2026-06-09	Generative deep learning for foundational video translation in ultrasound 2026-Apr-16, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-47777-z PMID:41986471	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
692	2026-06-09	Identification of roasting degree and interpretability analysis of Yunnan arabica coffee beans based on multi-dimensional visual features and CNNs-SHAP 2026-Apr-15, Food chemistry IF:8.5Q1 DOI:10.1016/j.foodchem.2026.148367 PMID:41672011	研究论文	基于多维视觉特征和CNNs-SHAP实现云南阿拉比卡咖啡豆烘焙度识别与可解释性分析	通过加权融合颜色直方图、复合纹理和形态参数的多维视觉特征，结合SHAP打破深度学习黑箱限制，提供透明决策	未明确提及局限性	实现咖啡豆烘焙度的精准识别和透明化决策，推动烘焙标准化	云南阿拉比卡咖啡豆	计算机视觉	不适用	不适用	卷积神经网络（CNN）	图像	NA	NA	CNN	准确率	NA
693	2026-06-09	Intelligent storage year identification of Anhua dark tea via carbon quantum dots-based colorimetric sensor array and computer vision 2026-Apr-15, Food chemistry IF:8.5Q1 DOI:10.1016/j.foodchem.2026.148329 PMID:41672020	研究论文	结合碳量子点比色传感器阵列与深度学习，实现安华黑茶储存年份的快速识别	首次将碳量子点比色传感器阵列与深度学习结合，用于茶叶存储年份快速鉴定，并开发了用户友好的图形界面，实现非专业人士操作	基于智能设备的颜色变化可能受环境光照影响，且仅测试了五种碳量子点，对其他年份或茶叶品种的泛化性未验证	开发一种快速、低成本且高精度的安华黑茶储存年份识别方法，用于食品质量控制和真伪鉴定	安华黑茶样品及其储存年份	计算机视觉	不适用	碳量子点比色传感器阵列	深度学习模型	图像	未明确说明样品数量，但涉及多个储存年份的安华黑茶	PyTorch	ResNet18, VGG16, DenseNet121, MobileNetV3-Small, EfficientNet B0	准确率	NA
694	2026-06-09	Deep learning for early detection of cerebral small vessel disease using self-supervised graph embeddings and retinal image analysis 2026-Apr-15, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-48421-6 PMID:41986421	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
695	2026-06-09	AI-enabled privacy-preserving cardiac diagnostics via electrocardiograms 2026-Apr-15, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-47665-6 PMID:41986431	研究论文	提出一种基于深度学习的隐私保护框架，用于心电图诊断，既能保留临床相关信息，又能抑制敏感人口统计学信息	使用带有双判别器架构的变分自编码器，同时实现软生物特征去识别和临床重要特征保留	未明确说明	开发一种公平且隐私保护的机器学习模型，用于心电图诊断	心电图信号及其中编码的软生物特征（性别、年龄、种族）和临床特征（射血分数降低、左心室肥大、5年死亡率）	机器学习	心血管疾病	心电图	变分自编码器（VAE）	心电图信号	未明确说明	PyTorch	变分自编码器，双判别器结构，CNN	AUROC	NA
696	2026-06-09	rbpCNN: a biophysics-informed deep learning model for predicting piRNA and mRNA interactions 2026-Apr-13, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-48797-5 PMID:41974838	研究论文	提出了rbpCNN，一种生物物理学启发的深度学习模型，用于预测piRNA与mRNA之间的相互作用	将生物物理启发下的相互作用通道（包括兼容性通道、螺旋运行通道、位置通道和结构通道）与核苷酸对编码相结合，增强卷积神经网络预测能力	未在文中明确指出限制	提高piRNA与mRNA相互作用预测的准确性，以支持生殖细胞转录后调控研究及相关医疗领域应用	piRNA序列与mRNA序列之间的相互作用	自然语言处理	NA	NA	卷积神经网络（CNN）	序列数据	使用基准数据集和独立外部数据集进行验证	NA	轻量级卷积神经网络	AUC, 准确率	NA
697	2026-06-09	Deep learning-based pathomics signature predicts prognosis and treatment response in gastric cancer: a multicenter retrospective study 2026-Apr-10, NPJ precision oncology IF:6.8Q1 DOI:10.1038/s41698-026-01381-6 PMID:41957258	研究论文	利用深度学习分析H&E染色切片构建胃癌病理组学特征以预测预后和治疗反应	提出了一种结合门控注意力机制的多尺度图神经网络（MS-GMIL）用于多实例学习，直接从H&E切片构建病理组学特征，并整合转录组数据揭示潜在病理生理机制	NA	建立胃癌病理组学特征以改善TNM分期系统的预后信息，并预测化疗和免疫治疗反应	胃癌患者	数字病理学	胃癌	H&E染色，转录组测序	图神经网络	图像，转录组数据	多中心回顾性研究队列	PyTorch	MS-GMIL（多尺度图神经网络与门控注意力机制）	预后预测性能，独立预后因素分析	NA
698	2026-06-09	Adults' dental cone beam computed tomography images dataset for detecting and classifying missing teeth 2026-Apr-07, Scientific data IF:5.8Q1 DOI:10.1038/s41597-026-07156-9 PMID:41942491	研究论文	该论文提供了一个来自158名患者的成人牙科锥形束CT图像数据集，用于检测和分类缺牙，并进行了3D标注	提供了首个带有精确3D缺牙位置标注的CBCT数据集，特别是处理了金属伪影和现有种植体等复杂情况，并明确了伪影特征	未在摘要中明确提及局限性	解决高质量CBCT数据集稀缺问题，促进自动化牙科种植规划深度学习模型的训练	成人牙科CBCT图像中缺牙的检测与分类	数字病理学	缺牙症	CBCT	深度学习模型	图像	158名患者，包含501个缺牙部位，其中85个CBCT体数据具有114个特定部位的3D标注（4,994张切片）	NA	NA	NA	NA
699	2026-06-09	Pushing the limits of fluorescence imaging with a restoration neural network aggregating large-view statistics 2026-Apr-07, Nature communications IF:14.7Q1 DOI:10.1038/s41467-026-71278-2 PMID:41946697	研究论文	提出一种名为LargePNet的恢复神经网络，通过聚合大视野统计信息来扩展荧光成像的极限，显著提升光子受限条件下的成像质量与计算效率	首次利用浅层超大核卷积提供的大有效感受野与深层网络的非线性表征能力相结合，实现大视野全局信息的有效恢复，避免了传统小补丁训练导致的保真度与抗噪性损失	未明确讨论网络对极端低光照条件的适应性以及可能存在的过拟合风险	通过设计大补丁恢复网络提升荧光成像在光子受限条件下的重建质量与计算效率	荧光显微镜获取的单图像、视频和体积数据，以及活细胞成像中的细胞骨架动态和超分辨率三色成像	计算机视觉	NA	荧光显微成像、超分辨率成像	卷积神经网络	图像、视频、三维体积数据	八个代表性恢复任务，包括单图像、视频和体积荧光数据	PyTorch	LargePNet（基于超大核卷积与尺度分解）	峰值信噪比	NA
700	2026-06-09	Training the diagnostic artificial intelligence in thyroid sonography: how well is deep learning truly learning? 2026-Apr, Updates in surgery IF:2.4Q2 DOI:10.1007/s13304-025-02506-5 PMID:41670922	研究论文	评估深度学习AI在甲状腺超声TI-RADS分类中的学习曲线和真实世界表现	首次在真实临床环境中评估AI深度学习在甲状腺结节超声分类中的学习曲线，展示多次训练后的显著改进	AI在复杂或不典型病例（如自身免疫性甲状腺炎、未降胸腺、出血性囊肿）中仍不能替代有经验的临床医生	评估深度学习AI在甲状腺超声TI-RADS分类中的学习曲线和实际应用效果	甲状腺结节患者	机器学习	甲状腺疾病	3D超声	深度学习	超声图像	第一阶段110名患者176个结节，第二阶段133名患者228个结节	NA	NA	一致性比例	NA