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	2026-08-30	An enhanced transformer model for detecting 1p36 deletion syndrome 2026-Apr-01, Molecular genetics and genomics : MGG IF:2.3Q3 DOI:10.1007/s00438-026-02403-5 PMID:41917487	研究论文	提出一种增强的Transformer模型（MultiSight Transformer）用于检测1p36缺失综合征	首次将多头部自注意力机制的Transformer架构应用于1p36染色体缺失检测，结合基因组变异数据实现高精度分类	未在论文中明确提及局限性	提高1p36缺失综合征的检测准确性和效率，支持早期诊断和临床决策	染色体1p36缺失区域的基因序列及相关临床条件	机器学习	1p36缺失综合征	基因组变异分析	Transformer	基因组数据	未明确说明样本数量	未明确说明	MultiSight Transformer（基于多头自注意力机制）	准确率, 精确率, 召回率, F1分数, AUC	未明确说明
682	2026-08-30	Size-Dependent Performance of Abnormal-Focused U-Net Segmentation for Mammographic Lesion Detection: A Two-Stage Hybrid Training Approach 2026-Mar, Cureus DOI:10.7759/cureus.105360 PMID:42005261	研究论文	本研究提出一种两阶段混合训练方法，用于异常聚焦的U-Net分割模型，以提升乳腺X线摄影中病变检测的性能，并分析病变大小对分割效果的影响	采用两阶段混合训练策略，包括基于斑块的预训练和全图像微调，并结合复合损失函数（焦点损失与Tversky损失）来处理类别不平衡和边界精度问题	小病变的漏检率较高（27%），图像下采样导致分辨率降低，且未在正常乳腺X线摄影图像上评估假阳性率，缺乏外部验证和前瞻性临床评估	评估异常聚焦的U-Net分割模型在乳腺X线摄影病变检测中的性能，特别是不同大小病变的分割效果	乳腺X线摄影图像中的病变，涵盖小（<500像素）、中（500-1500像素）和大（>1500像素）三种大小类别	计算机视觉	乳腺癌	对比度受限自适应直方图均衡化（CLAHE）	U-Net	图像	55张测试图像，包含异常乳腺X线摄影图像	NA	U-Net	Dice系数，交并比（IoU），像素准确率，豪斯多夫距离，病变检出率	NA
683	2026-08-30	The Narrative Review: Advancements in Heart Failure Diagnosis and Management using Artificial Intelligence: A New Era of Patient Care 2026, Current cardiology reviews IF:2.4Q2 DOI:10.2174/011573403X369978250818060357 PMID:40947703	综述	本文综述了人工智能在心力衰竭诊断和管理中的最新进展，强调其在提高临床决策和患者护理方面的潜力。	系统性地总结了AI在心力衰竭诊断（如影像和心电图分析）及个性化治疗中的应用，并指出了未来的改进方向。	未具体讨论AI技术的局限性、数据隐私问题及临床整合的技术障碍。	概述AI在心力衰竭诊断和管理中的当前进展与未来潜力，以改善患者护理和医疗实践。	心力衰竭患者及相关医疗流程。	机器学习	心力衰竭	NA	机器学习与深度学习	影像、心电图	NA	NA	NA	NA	NA
684	2026-08-30	Exploring the Potential of AI and Augmented Reality in Cardiovascular Disease Management: A Narrative Review 2026, Current cardiology reviews IF:2.4Q2 DOI:10.2174/011573403X391863251015111807 PMID:41510734	综述	本文叙述性综述了人工智能和增强现实在心血管疾病管理中的应用潜力，涵盖预测模型、诊断影像和风险评估等方面。	结合了AI和AR两种新兴技术，全面概述其在心血管疾病管理中的应用，并指出当前评估不足，强调未来需要更大规模试验。	缺乏对模型有效性的充分评估，现有研究规模较小，且综述可能受限于检索数据库和手动筛选的偏倚。	总结AI和AR在心血管疾病管理中的最新发现，并展望未来的研究方向。	心血管疾病患者及其管理流程，包括风险预测、影像解读、诊疗记录等。	机器学习、自然语言处理、计算机视觉	心血管疾病	NA	卷积神经网络（CNN）、自然语言处理（NLP）	文献数据	NA	NA	卷积神经网络（CNN）、自然语言处理（NLP）	NA	NA
685	2026-08-30	Retinal Biomarkers for Cardiovascular Disease Prediction: A Review Focused on CHD AHD Valvular Disorders and Cardiomyopathies 2026, Current cardiology reviews IF:2.4Q2 DOI:10.2174/011573403X421729251114113706 PMID:41691690	综述	系统回顾2015年至2025年间利用视网膜眼底成像预测结构性心脏病（包括先天性心脏病、后天性心脏病、瓣膜疾病和心肌病）的文献，重点评估深度学习与机器学习模型的诊断性能	全面整合视网膜生物标志物与多种心血管疾病的关联，并探讨Transformer和SAM等新兴AI架构在提高模型泛化性和可解释性方面的潜力	数据集不平衡、纵向验证有限以及AI模型的不可解释性	评估视网膜眼底成像作为非侵入性工具预测结构性心脏病的潜力，并探讨先进AI架构提升诊断准确性的可能	结构性心脏病患者，包括先天性心脏病、后天性心脏病、瓣膜疾病和心肌病患者	计算机视觉, 机器学习	心血管疾病	视网膜眼底成像	CNN, Transformer, 混合多模态模型	图像	NA	NA	CNN, Transformer, Segment Anything Model (SAM)	AUC, 灵敏度	NA
686	2026-08-30	Numerical Interpretation of Variation Indices of Tumor Outline Tracking Using Artificial Intelligence Mapping 2026, Biomedical engineering and computational biology IF:2.3Q3 DOI:10.1177/11795972261441395 PMID:42004192	研究论文	本研究评估了利用深度学习模型从乳腺X线摄影图像中提取肿瘤轮廓特征进行良恶性鉴别，并数值化解释其变异指数的诊断潜力。	首次聚焦肿瘤轮廓特征而非全图像，利用多种深度学习模型提取特征并结合机器学习分类器，实现了高准确率的乳腺癌诊断，同时注重特征的生物学解释。	未明确提及局限性。	评估肿瘤轮廓特征在乳腺X线摄影图像中的诊断价值，并探索深度学习特征组合（集成方法）能否提高分类准确性。	100个乳腺X线摄影肿瘤轮廓样本。	计算机视觉	乳腺癌	NA	深度学习模型（ResNet50, Xception65, VGG16, AlexNet, DenseNet, GoogLeNet, Inception-v3）和机器学习分类器（SVM, KNN, DT, Naive Bayes, 浅层神经网络）	图像（乳腺X线摄影肿瘤轮廓）	100个肿瘤轮廓	NA	ResNet50, Xception65, VGG16, AlexNet, DenseNet, GoogLeNet, Inception-v3	准确率、敏感性、特异性、精确率	NA
687	2026-08-30	Addressing class imbalance in traumatic brain injury prognostication: A survey of resampling approaches 2026, AIMS neuroscience IF:3.1Q2 DOI:10.3934/Neuroscience.2026008 PMID:42004566	综述	本文回顾了脑电图分类中解决类别不平衡问题的数据方法，包括过采样、欠采样和生成对抗网络，并探讨了其在创伤性脑损伤预后预测中的应用潜力	综述了近年来的先进算法如GAN在EEG分类中的应用，并针对创伤性脑损伤类别不平衡问题提出使用基于深度学习的生成对抗网络作为解决方案	主要基于对已有研究的文献回顾，缺乏实证实验验证；同时指出了EEG分类领域特别是TBI数据的潜在空白	评估EEG分类中类别不平衡处理的现状，并提出改进预测模型以提升TBI患者预后	脑电图信号分类中的类别不平衡问题及创伤性脑损伤预后预测	自然语言处理	创伤性脑损伤	脑电图	生成对抗网络	脑电图信号	不适用	不适用	不适用	不适用	不适用
688	2026-08-30	Molecular Motif Learning as a pretraining objective for molecular property prediction 2025-11-27, Nature communications IF:14.7Q1 DOI:10.1038/s41467-025-66685-w PMID:41309631	研究论文	提出一种名为分子基序学习的无监督预训练方法，用于分子性质预测，通过学习保留整体分子结构和基序级别信息的表示，提升预测准确性	提出MotiL方法，直接从原始分子图学习同时保留整体分子结构和基序级别信息的表示，优于现有对比或预测方法	未提及明确的局限性	提升分子性质预测的准确性，特别是血脑屏障通透性等性质	小分子化合物和蛋白质大分子	机器学习	NA	NA	图神经网络	分子图	至少16个分子基准数据集	NA	NA	准确率	NA
689	2026-08-30	A deep learning-based multiscale integration of spatial omics with tumor morphology 2025-11-27, Nature communications IF:14.7Q1 DOI:10.1038/s41467-025-66691-y PMID:41310346	研究论文	提出一种基于深度学习的多尺度整合方法MISO，用于从H&E染色组织切片预测空间转录组数据，并在多个数据集上验证其性能	首次实现从常规H&E切片预测近单细胞分辨率的空间基因表达，整合多尺度信息，显著优于现有方法	未提及	开发一种可推广的方法，利用常规生成的H&E切片预测空间转录组，以克服spTx在临床常规使用中的局限性	癌症患者的H&E染色组织切片和对应的空间转录组数据	数字病理学	癌症	空间转录组学	深度学习	组织切片图像和空间转录组数据	72个10X Genomics Visium样本和来自MOSAIC联盟的348个样本（涵盖五种适应症）	未提及	未提及	未提及	未提及
690	2026-08-30	Expediting hit-to-lead progression in drug discovery through reaction prediction and multi-dimensional optimization 2025-11-26, Nature communications IF:14.7Q1 DOI:10.1038/s41467-025-66324-4 PMID:41290653	研究论文	本研究展示了一种集成式药物化学工作流程，通过反应预测和多维优化，加速药物发现中的命中到先导化合物优化阶段	结合微型化高通量实验、深度图神经网络反应预测和分子特性优化，实现快速命中到先导化合物的进展	未明确提及	加速药物发现中的命中到先导化合物优化阶段	单酰基甘油脂肪酶（MAGL）抑制剂	机器学习	不适用	高通量实验（HTE）	深度图神经网络	反应数据	13,490个Minisci型C-H烷基化反应；虚拟库包含26,375个分子；14个合成化合物	NA	图神经网络	预测准确性、活性增强倍数	NA
691	2026-08-30	Label-free classification of nanoscale drug delivery systems using hyperspectral imaging and convolutional neural networks 2025-Nov-10, International journal of pharmaceutics IF:5.3Q1 DOI:10.1016/j.ijpharm.2025.126065 PMID:40885220	研究论文	本研究介绍了一种结合高光谱成像和三维卷积神经网络的非侵入性框架，用于对治疗性脂质体进行分类，实现了高准确率的无标记检测。	首次将高光谱成像与3D CNN结合用于脂质体药物载体的无标记分类，并引入SMOTE技术处理类别不平衡问题。	摘要中未提及具体局限性。	实现纳米药物递送系统的无标记、非侵入性、可扩展分类，用于实时质量控制和药品开发。	对照脂质体和载阿霉素脂质体。	计算机视觉、数字病理学	不适用	高光谱成像（HSI）、暗场HSI（VNIR 400-1000 nm）、PCA降维、SMOTE	三维卷积神经网络（3D CNN）	高光谱图像	未明确样本数量，但涉及对照和载药脂质体两类样本。	Scikit-learn（用于PCA和SMOTE），深度学习框架未在摘要中明确。	3D CNN	总体准确率、F1分数、Cohen's Kappa系数	未在摘要中提及。
692	2026-08-30	DNA methylation-based health predictors: advances, applications, and perspectives 2025-10, Epigenomics IF:3.0Q2 DOI:10.1080/17501911.2025.2550932 PMID:40856171	综述	本文全面综述了基于DNA甲基化的健康预测因子（如表观遗传时钟、暴露生物标志物、疾病风险模型和性状特异性估计器）的最新进展、方法框架、临床应用及未来方向	系统整合了多种DNAm预测因子的方法框架，并讨论了可重复性、组织特异性、群体泛化性及可解释性等新挑战	未明确指出具体局限性，但讨论了当前挑战如可重复性、组织特异性、群体泛化性和可解释性问题	批判性评估DNAm健康预测因子的现状和局限，并为未来开发、验证和负责任实施提供路线图	DNA甲基化健康预测因子，包括表观遗传时钟、暴露生物标志物、疾病风险模型和性状特异性估计器	机器学习	NA	DNA甲基化测序	NA	NA	NA	NA	NA	NA	NA
693	2026-08-30	MultiD4CAD: Multimodal Dataset composed of CT and Clinical Features for Coronary Artery Disease Analysis 2025-09-26, Scientific data IF:5.8Q1 DOI:10.1038/s41597-025-05743-w PMID:41006273	研究论文	本文介绍了一个名为MultiD4CAD的多模态数据集，包含疑似冠状动脉疾病患者的CT影像和临床特征，用于支持临床决策支持系统的开发	该数据集结合了冠状动脉CT血管造影的影像数据（包括心外膜和冠状动脉周围脂肪组织分割）和临床生物标志物，并带有疾病标签，适用于监督学习算法	文章未明确提及局限性，但可能包括数据集规模有限或单一中心来源	提供多模态数据集以支持冠状动脉疾病的预测模型开发和临床决策	疑似冠状动脉疾病患者	医学影像分析	冠状动脉疾病	CCTA	NA	影像和临床数据	NA	NA	NA	NA	NA
694	2026-08-30	Endoplasmic reticulum junctions serve as a platform for endosome-lysosome interactions through their stop-and-go motion switching 2025-09-19, Science advances IF:11.7Q1 DOI:10.1126/sciadv.adv4437 PMID:40961183	研究论文	通过深度学习图像分析，发现内质网连接点通过其“走走停停”的运动切换机制作为内体-溶酶体相互作用的平台	首次揭示内质网连接点作为内体-溶酶体相互作用的平台，并阐明其通过肌动蛋白凝聚和VAP-STARD3相互作用介导运动切换的机制	未提供具体限制信息	阐明内体-溶酶体在细胞质中“走走停停”运动的机制，并揭示内质网连接点在该过程中的作用	内体、溶酶体、内质网连接点、肌动蛋白、脂滴、过氧化物酶体	计算机视觉，机器学习	无特定疾病	深度学习图像分析，包括粒子追踪、空间分布分析和内质网形态分析	深度学习模型	图像	未提供具体样本量	未提供具体框架	未提供具体架构	未提供具体性能指标	未提供计算资源信息
695	2026-08-30	Deep learning image enhancement algorithms in PET/CT imaging: a phantom and sarcoma patient radiomic evaluation 2025-07, European journal of nuclear medicine and molecular imaging IF:8.6Q1 DOI:10.1007/s00259-025-07149-7 PMID:40014074	研究论文	本文利用放射组学特征比较两种深度学习图像增强算法与金标准图像重建技术在PET/CT成像中的性能，涉及体模和肉瘤患者数据	首次使用标准化放射组学特征定量评估商业化和研究用深度学习图像增强算法在PET/CT成像中的性能	样本量较小（20例患者）且使用单一示踪剂[18F]FDG，可能限制了结果的普遍性	通过放射组学特征评估深度学习图像增强算法在PET/CT成像中的性能，并探索其在放射组学协调和算法定量评价中的潜在应用	模块化异质成像体模和20例肉瘤患者的[18F]FDG PET/CT数据	医学影像	肉瘤	PET/CT成像	深度学习（DL）	医学影像	5次重复体模采集和20例肉瘤患者PET/CT数据	NA	NA	93个IBSI标准化放射组学特征	NA
696	2026-08-30	Glo-net: A dual task branch based neural network for multi-class glomeruli segmentation 2025-03, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2025.109670 PMID:39799830	研究论文	提出一种新的深度学习网络Glo-Net，用于多类别肾小球分割与分类，在病理切片分析中提高准确性和鲁棒性	将传统语义分割网络分为分割和分类两个分支，并引入创新损失函数以处理类别不平衡问题，在分类和分割任务上均有显著提升	未提及具体限制	准确分割和分类肾小球，以辅助肾脏疾病诊断	多种类型的肾小球（共九种亚型）	数字病理学	肾脏疾病	数字病理切片分析	深度学习分割网络（Glo-Net）	病理图像（数字化切片）	多机构数据集，包含外部验证集（具体样本量未提及）	未提及	双分支网络架构（分割分支和分类分支）	平均准确率、F-score、交并比（IoU）	未提及
697	2026-08-30	Diagnosis of Chronic Kidney Disease Using Retinal Imaging and Urine Dipstick Data: Multimodal Deep Learning Approach 2025-02-07, JMIR medical informatics IF:3.1Q2 DOI:10.2196/55825 PMID:39924305	研究论文	本文评估了将视网膜图像与尿液试纸数据整合到深度学习模型中，以增强慢性肾脏病（CKD）诊断效果的多模态方法。	首次结合视网膜图像和尿液试纸数据进行多模态深度学习用于CKD诊断，并发现两者协同效果优于单一数据，且能提供互补信息。	模型在65岁及以上年龄组中性能有限，仍需常规血液检测补充。	评估整合视网膜图像和尿液试纸数据对提高CKD诊断准确性的有效性。	年龄在20-79岁的参与者，包括开发集（65,082人）和外部队列验证集（58,284人）。	机器学习	慢性肾脏病	深度学习、多模态学习	卷积神经网络（CNN）	视网膜图像和尿液试纸数据	开发集65,082人，外部验证集58,284人。	NA	宽残差网络	曲线下面积（AUC）、DeLong检验	NA
698	2026-08-30	Development and Validation of a Machine Learning Method Using Vocal Biomarkers for Identifying Frailty in Community-Dwelling Older Adults: Cross-Sectional Study 2025-01-16, JMIR medical informatics IF:3.1Q2 DOI:10.2196/57298 PMID:39819744	研究论文	开发和验证一种利用语音生物标志物识别社区老年人衰弱状态的机器学习方法	首次使用基于深度学习的声学特征和语音录音（通过图片描述任务获取）来识别衰弱状态，比传统的人口统计学数据和传统声学特征方法表现更优	研究为横断面设计，样本量有限（127名参与者），且未提供跨种族或跨语言的外部验证	开发和验证一个分类模型，利用语音生物标志物预测社区老年人的衰弱状态	年龄50岁及以上的社区老年人（127名）	机器学习	老年疾病（衰弱）	语音录音（音频数据预处理）、深度学习声学特征提取	人工智能模型（SpeechAI、DemoAI、DemoSpeechAI），包括深度学习模型和传统机器学习模型（逻辑回归、决策树、随机森林）	语音音频数据、人口统计学数据	127名社区老年人，语音录音和人口统计学信息	NA	深度学习模型（具体架构未指定）和传统机器学习模型（逻辑回归、决策树、随机森林）	准确率、AUC（受试者工作特征曲线下面积）	NA
699	2026-08-30	Automated Identification of Heart Failure With Reduced Ejection Fraction Using Deep Learning-Based Natural Language Processing 2025-01, JACC. Heart failure DOI:10.1016/j.jchf.2024.08.012 PMID:39453355	研究论文	开发了一种基于深度学习的自然语言处理模型，用于自动识别射血分数降低的心力衰竭患者，并进行了外部验证。	首次使用深度学习语言模型从出院小结中自动识别HFrEF患者，并展示了优于传统诊断编码的性能。	模型依赖于左心室射血分数<40%的超声心动图定义，且验证数据集中部分样本量较小。	自动化识别住院期间射血分数降低的心力衰竭患者，以评估和改善护理质量。	射血分数降低的心力衰竭患者，通过出院小结识别。	自然语言处理	心力衰竭	自然语言处理	深度学习语言模型	文本（出院小结）	训练集包括13,251份笔记来自5,392名个体（平均年龄73±14岁，48%女性，其中46.1%为HFrEF患者），外部验证：19,242份笔记来自西北医学、139份来自耶鲁社区医院、146份来自MIMIC-III。	PyTorch	Transformer	AUROC、AUPRC、净重分类改善（NRI）	NA
700	2026-08-30	Deep Learning-Based Assessment of Built Environment From Satellite Images and Cardiometabolic Disease Prevalence 2024-06-01, JAMA cardiology IF:14.8Q1 DOI:10.1001/jamacardio.2024.0749 PMID:38691380	研究论文	利用卫星图像和深度学习评估建成环境与心血管代谢疾病患病率之间的关联	首次利用Google卫星图像和卷积神经网络在大规模城市范围内评估建成环境与心血管代谢疾病患病率的关联	论文未提供明确的局限性信息，但可推测其可能包括数据来源的局限性、模型泛化能力及因果关系推断的限制	研究基于图像的建成环境与城市心血管代谢疾病患病率之间的关联	美国7个城市的789个人口普查区及其建成环境特征	计算机视觉, 数字病理学	心血管疾病	卫星图像分析	卷积神经网络 (CNN), 轻量梯度提升机 (LightGBM)	图像	31,786张卫星图像，覆盖789个人口普查区	NA	卷积神经网络, 轻量梯度提升机	R² (决定系数)	NA