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
741	2026-08-28	A bibliometric analysis of artificial intelligence applications to schizophrenia research (2005 - 2025) 2026-10, Psychiatry research IF:4.2Q1 DOI:10.1016/j.psychres.2026.117335 PMID:42492359	研究论文	基于Web of Science核心合集，对2005年至2025年间人工智能在精神分裂症研究中的应用进行了文献计量分析，揭示了发展趋势、国家、机构、作者、期刊和研究热点。	首次提供了人工智能在精神分裂症研究中应用的全球发展概况和演化趋势的文献计量视角，识别了从机器学习到深度学习再到自然语言处理的技术演进路径。	仅依赖Web of Science核心合集，可能遗漏其他重要数据库中的相关文献；文献计量分析本身无法深入评价研究质量。	梳理人工智能在精神分裂症研究中的发展脉络，分析全球合作模式，并预测未来研究方向。	2005年至2025年间发表的1839篇与人工智能和精神分裂症相关的出版物。	自然语言处理、机器学习	精神分裂症	文献计量分析、功能磁共振成像（fMRI）、脑电图（EEG）、自然语言处理	深度学习模型	文献元数据、关键词、引用数据	1839篇出版物	NA	NA	发文量、被引频次、合作网络指标	NA
742	2026-08-28	Machine Learning Methods to Predict Unmeasured Muscle Activation in Upper Limb Reaching Task for Assessing Population-Level Cross-Subject Generalizability 2026-Oct-01, Journal of biomechanical engineering DOI:10.1115/1.4072487 PMID:42566239	研究论文	本研究评估了深度学习模型在仅使用表面肌电信号预测上肢前伸任务中未测量肌肉激活的泛化能力，并与群体均值基线进行了比较	首次系统评估了多种深度学习架构（CNN、LSTM、混合CNN-LSTM）在预测未测量肌肉激活时的跨受试者泛化性能，并比较了不同预测肌肉数量、训练数据集规模和留一肌肉条件下的表现	深度学习模型未能一致优于简单的群体均值基线，预测性能依赖于目标肌肉、预测配置和受试者变异性，且训练数据量超过20人后性能提升趋于平缓	评估深度学习模型能否仅使用表面肌电信号学习可泛化的肌肉间激活关系，以预测未测量的肌肉激活	30名参与者在标准化前伸任务中的表面肌电信号和肌肉激活数据	机器学习	不适用	表面肌电信号	卷积神经网络（CNN）、长短期记忆网络（LSTM）、混合CNN-LSTM模型	生理信号（表面肌电信号）	30名参与者	未提及	CNN、LSTM、CNN-LSTM混合架构	均方根误差（RMSE）、相关系数	未提及
743	2026-08-28	Deep learning-based prediction of interfractional anatomic variations in prostate cancer radiotherapy 2026-Sep, Strahlentherapie und Onkologie : Organ der Deutschen Rontgengesellschaft ... [et al] IF:2.7Q2 DOI:10.1007/s00066-026-02509-0 PMID:41701313	研究论文	开发了一种基于深度学习的三维U-Net模型，用于预测前列腺癌放疗中的分次间解剖变化，特别是通过膀胱体积和分次号生成合成MVCT图像	首次利用膀胱体积和分次号作为条件输入，结合3D U-Net生成合成MVCT图像，实现患者特异性解剖预测，无需额外影像采集	研究为回顾性设计，样本量有限，且仅基于特定治疗系统（Radixact X9）的数据，泛化性有待验证	利用深度学习预测前列腺癌放疗中每日解剖变化，以提高剂量投递的准确性	前列腺癌患者的分次间解剖变化，特别是膀胱体积和前列腺位移	医学影像分析, 深度学习	前列腺癌	MVCT成像, KVCT成像	3D U-Net	医学影像（MVCT和KVCT扫描）	700个MVCT扫描（训练），84个MVCT用于评估	未明确提及，可能在PyTorch或TensorFlow中实现	3D U-Net	SSIM, NCC, Dice系数, MAE, MSE, MSD	未明确提及GPU类型或云平台
744	2026-08-28	Automated acquisition of explainable knowledge from unannotated colposcopic images for predicting the natural course of CIN2 2026-Sep, International journal of gynaecology and obstetrics: the official organ of the International Federation of Gynaecology and Obstetrics DOI:10.1002/ijgo.70976 PMID:41884887	研究论文	本研究利用阴道镜图像开发基于深度学习的预后模型，预测CIN2的自然转归（消退、持续和进展），并提供临床风险分层	首次使用未标注的阴道镜图像通过自动特征提取和聚类分析，构建机器学习模型预测CIN2结局，并利用SHAP分析提供可解释的预后特征	样本量较小（212例），且为回顾性研究，可能限制模型的泛化性；未提供外部验证	开发基于阴道镜图像的深度学习预后模型，准确预测CIN2结局（消退、持续和进展），辅助个体化管理并避免过度治疗	212例诊断为CIN2患者的阴道镜图像，包括未染色、醋酸染色和卢戈氏碘染色图像	数字病理学	宫颈上皮内瘤变（CIN2）	阴道镜检查	机器学习模型（逻辑回归、XGBoost、随机森林和极度随机树）	图像	212例患者的阴道镜图像	NA	逻辑回归、XGBoost、随机森林、极度随机树	宏平均AUC、准确率、敏感性、混淆矩阵、ROC曲线、精确率-召回率曲线、决策曲线分析	NA
745	2026-08-28	EFFNet: Efficient feature fusion network for left ventricular hypertrophy identification based on 12-lead electrocardiogram signals 2026-Sep, Heart rhythm IF:5.6Q1 DOI:10.1016/j.hrthm.2026.02.046 PMID:41791632	研究论文	提出了一种基于12导联心电图的高效特征融合网络EFFNet，用于左心室肥厚的识别，并在多个数据集上验证了其性能	提出一种新颖的特征融合模块，融合卷积神经网络提取的形态特征和算法推导的幅度特征，并结合混合专家模块，显著提高了LVH检测的准确性	外部验证集（青海数据集）上的AUC较低（0.654），表明模型的泛化能力有限	探索一种新的深度学习方法，以有效识别基于12导联心电图的左心室肥厚	左心室肥厚患者及健康对照人群的心电信号	机器学习、数字病理	心血管疾病（左心室肥厚）	12导联心电图信号分析	卷积神经网络（CNN）	心电图信号	UK Biobank数据集（n=38,289）和青海数据集（n=142,777）	PyTorch	EFFNet（特征融合网络）	AUC	NA
746	2026-08-28	Development and validation of a deep learning radiomics model for predicting adjacent segment degeneration following anterior cervical discectomy and fusion 2026-Sep, 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/s00586-026-09939-5 PMID:41984178	研究论文	本研究旨在开发和验证一个基于深度学习影像组学模型，用于预测前路颈椎间盘切除融合术后相邻节段退变	首次将影像组学应用于ACDF术后ASDeg的筛查，结合临床和影像组学特征构建预测模型	需要多中心外部验证，研究为回顾性单中心设计	开发和验证一个整合影像组学特征和临床风险因素的预测模型，以实现对ACDF术后ASDeg的准确筛查	接受ACDF手术的颈椎病患者，包括90名ASDeg患者和104名非ASDeg患者	机器学习, 医学影像	颈椎病, 相邻节段退变	MRI T2加权成像	LASSO回归, 机器学习	MRI图像, 临床数据	194名患者（90名ASDeg，104名非ASDeg）	NA	NA	AUC, 校准曲线	NA
747	2026-08-28	An Artificial Intelligence Model for the Automatic Classification of the Cervical Vertebral Maturation Stages 2026-Sep-01, Dento maxillo facial radiology DOI:10.1093/dmfr/twag032 PMID:42185080	研究论文	开发了一种基于人工智能的模型，用于在头颅侧位片上自动分类颈椎骨成熟分期，结合YOLOv11进行感兴趣区域定位和ResNet-101进行分类	首次将YOLOv11定位与ResNet-101结合起来用于颈椎骨成熟分期分类，实现了自动化的流程，并支持经过精选和平衡的数据集及可重复的框架	未提及	开发一个用于自动分类颈椎骨成熟分期的AI模型，以提高骨骼成熟度评估的客观性和效率	头颅侧位片中的颈椎骨成熟阶段	计算机视觉	颈椎骨成熟分期	NA	YOLOv11, ResNet-101	图像	1140张头颅侧位片	未提及	YOLOv11s.pt, ResNet-101	准确率, 召回率, 精确率, F1分数, 二次加权kappa值, 组内相关系数	未提及
748	2026-08-28	Cascaded deep learning enables multimodal brain PET spatial normalization and quantification for Alzheimer's disease 2026-Sep, NeuroImage IF:4.7Q1 DOI:10.1016/j.neuroimage.2026.122039 PMID:42250835	研究论文	本研究开发并验证了一种名为深度级联脑计算器（DCCC）的全自动、仅基于PET的框架，用于阿尔茨海默病的脑部空间归一化和定量分析	提出级联CNN和VoxelMorph弹性配准模块，实现仅基于PET的快速空间归一化，无需结构MRI，并支持多示踪剂和多模态数据	未明确提及局限性，但依赖回顾性多中心数据，可能受限于数据分布和示踪剂多样性	开发并验证一种仅基于PET的快速、准确的空间归一化和定量框架，以促进阿尔茨海默病生物标志物的标准化评估	3539例患者的6535次PET扫描，涵盖7种模态和13种示踪剂，包括神经炎症和甲硫氨酸代谢成像	医学影像分析, 深度学习	阿尔茨海默病	PET成像, 空间归一化, 深度学习配准	CNN, VoxelMorph	医学影像（PET）	3539例患者，6535次扫描	NA	级联CNN，VoxelMorph	平均绝对相对SUVr误差，体素级皮尔逊相关系数，R²，AUC，处理速度	NA
749	2026-08-28	Exploring the link between intravoxel incoherent motion measured brain diffusivity during wakefulness and sleep macrostructure in the elderly 2026-Sep, NeuroImage IF:4.7Q1 DOI:10.1016/j.neuroimage.2026.122096 PMID:42392341	研究论文	本研究探讨老年人在清醒状态下脑组织扩散率与睡眠宏观结构及身体活动水平之间的关联。	首次将IVIM MRI与睡眠宏观结构及身体活动水平联系起来，并使用深度学习Transformer估计器计算IVIM参数。	样本量较小（19名健康老年人），且为观察性研究，无法确定因果关系。	探索IVIM指标与睡眠质量及身体活动水平之间的关系，以揭示睡眠与脑清除机制的联系。	19名健康老年人（平均年龄72.2±5.0岁）	医学影像学	老年疾病	扩散加权磁共振成像（IVIM MRI）	Transformer	MRI图像、睡眠脑电图、身体活动数据	19名健康老年人	PyTorch	Transformer	NA	NA
750	2026-08-28	Fully automated AI-based digital workflow for orbital fracture mirroring: A multicenter approach 2026-Sep, Journal of cranio-maxillo-facial surgery : official publication of the European Association for Cranio-Maxillo-Facial Surgery DOI:10.1016/j.jcms.2026.104637 PMID:42418924	研究论文	本研究开发并验证了一种全自动、基于AI的数字工作流程，用于眼眶骨折镜像，整合深度学习分割和算法镜像，以提高手术规划的效率与可重复性。	首次提出结合深度学习分割与PCA-ICP镜像算法的全自动工作流程，并在多中心数据集上验证其临床适用性，减少人工操作依赖，标准化重建流程。	研究未详细讨论不同CT扫描参数对分割性能的影响，以及算法在极端骨折或复杂病理病例中的表现；还需临床前瞻性验证。	开发并验证一个全自动的AI工作流程，实现眼眶骨折的自动分割与镜像，以改善手术规划的效率和可靠性。	502例颅部CT扫描数据，来自德国、罗马尼亚和美国的多中心数据集。	计算机视觉	眼眶骨折	CT成像	3D nnU-Net	医学影像（CT扫描）	502例颅部CT扫描	NA	nnU-Net	Dice相似系数、平均表面距离、Hausdorff距离、角偏差	NA
751	2026-08-28	Deep Learning Reconstruction Versus Hybrid Iterative Reconstruction for Acute Cerebral Infarction Detection on 135 kVp Non-Contrast Brain CT 2026-Sep, Clinical neuroradiology IF:2.4Q2 DOI:10.1007/s00062-026-01661-5 PMID:42043547	研究论文	本研究比较了深度学习重建（DLR）与混合迭代重建（Hybrid IR）在135 kVp非对比脑CT图像质量及急性脑梗死检测中的表现。	首次在135 kVp非对比脑CT中评估DLR对急性脑梗死检测的潜在优势，并采用患者和区域两种分析方法评估敏感性。	样本量有限（81例），且为单中心研究，可能限制结果的普遍性；DLR的临床价值需进一步多中心验证。	评估DLR相比混合迭代重建在薄层脑CT中降低噪声、提高对比度噪声比及改善急性脑梗死检测敏感性的效果。	急性脑梗死患者与非梗死对照的脑CT图像，共81例，其中39例有急性梗死，42例无梗死。	计算机视觉，医学影像	急性脑梗死，脑血管疾病	CT成像，深度学习重建，混合迭代重建	深度学习模型（DLR）	医学图像（CT）	81例患者的脑CT图像，每例均进行DLR和Hybrid IR重建	未提及（可能为专有框架）	未明确说明，但一般DLR基于卷积神经网络	图像噪声，对比度噪声比，敏感性（患者及区域分析）	未提及
752	2026-08-28	A multi-task deep learning model for quality control of periapical radiographs: simultaneous technical error classification and quality grading 2026-Sep-01, Dento maxillo facial radiology DOI:10.1093/dmfr/twag021 PMID:42139199	研究论文	开发了一个多任务深度学习模型，用于根尖周X光片的自动化质量控制，同时进行技术错误分类和质量分级。	首次将多任务学习应用于根尖周X光片的质量控制，同时进行六种常见技术错误的多标签分类和按两个标准（NRPB和CGDent）的分级质量评估，并展示了显著的效率提升。	未明确提及局限性，但可能包括数据集来自两中心、依赖特定影像设备等。	自动化根尖周X光片的质量控制，提高效率并标准化质量保证流程。	根尖周X光片，包括3510张来自两个中心的影像。	计算机视觉	牙科疾病	放射影像	卷积神经网络和变换器架构	图像	3510张根尖周X光片	未指定	EfficientNet	ROC-AUC、敏感性、特异性、精确度、准确率、F1分数	未指定
753	2026-08-28	Mantle cell lymphoma artificial intelligence prognostic index using hematoxylin and eosin histology 2026-Sep, Leukemia IF:12.8Q1 DOI:10.1038/s41375-026-03036-8 PMID:42414604	研究论文	介绍了一种名为MAIPI的深度学习算法，该算法仅利用套细胞淋巴瘤（MCL）患者的苏木精-伊红（H&E）染色组织切片图像来评估患者预后。	首次提出仅基于H&E图像、无需分子检测或专家病理学家评估即可独立预测MCL患者预后的深度学习指数MAIPI；算法能自动选择感兴趣区域，且其预后信息独立于已有的MIPI和Ki67指标。	未在摘要中明确提及，但可能受限于训练和验证队列的特定治疗背景（如是否含ibrutinib）及样本量。	开发一种仅基于常规H&E组织学图像、无需分子检测或专家评估，即可为MCL患者提供预后信息的深度学习工具，以辅助早期风险分层和治疗决策。	套细胞淋巴瘤（MCL）患者的诊断活检H&E图像及其临床结局数据。	数字病理学	套细胞淋巴瘤（血液恶性肿瘤）	苏木精-伊红（H&E）染色组织病理学成像	深度学习算法（可能是卷积神经网络CNN，但摘要未明确具体类型）	病理组织切片图像（H&E图像）	训练集包含来自临床试验的428例MCL患者；独立验证集包含140例接受免疫化疗（±ibrutinib）的患者	未明确，但可能基于深度学习框架（如PyTorch或TensorFlow），因摘要未提及，故标记为NA	未明确具体架构，可能为基础深度学习模型，因摘要未提及，故标记为NA	未明确具体指标，可能包括生存分析指标（如C指数、时间依赖性AUC等），因摘要未提及具体指标，故标记为NA	未明确提及，故标记为NA
754	2026-08-28	Predictive Modeling of Coronary Artery Disease Using Color Fundus Photography-Based Features of Retinal Vasculature 2026-Sep, Ophthalmology and therapy IF:2.6Q2 DOI:10.1007/s40123-026-01444-8 PMID:42470520	研究论文	本研究首次利用同次就诊的彩色眼底照片特征与冠状动脉造影结果，通过机器学习评估冠心病预测能力	首次同时使用可解释的眼底血管特征和同次冠状动脉造影结果作为终点，利用SHAP分析揭示特征重要性	CFP特征对冠心病分类的预测性能改善有限，需要复杂建模和进一步方法论改进	评估基于眼底血管的CFP特征在冠心病预测中的效能及其局限性	冠状动脉疾病患者眼底血管特征及冠状动脉造影结果	机器学习	冠心病	彩色眼底摄影	机器学习模型	图像	632名患者（1293只眼睛），从977名筛选患者中选出	NA	NA	AUROC, AP, Brier score, NRI, IDI	NA
755	2026-08-28	Soluble protein analog selection engine (SPASE): An automated AI-powered server to improve protein engineering workflows 2026-Sep, Protein science : a publication of the Protein Society IF:4.5Q1 DOI:10.1002/pro.70733 PMID:42560022	研究论文	本文介绍了一种名为SPASE的新型自动化AI服务器，通过整合ProteinMPNN及其他工具来改善蛋白质工程工作流中的溶解度与聚集特性。	SPASE是首个将蛋白质序列设计、溶解度预测、聚集预测和结构建模集成到一个自动化服务器中的平台，能够自动生成和筛选具有更高预测溶解度和更低聚集倾向的蛋白质变体。	工作流程在处理蛋白质新颖性、溶解度预测和聚集评估方面存在挑战，且直接输出可能不总是最优。	开发一个实用的计算平台，以优先选择蛋白质工程候选物，用于下游实验评估。	蛋白质变体，特别是通过ProteinMPNN生成的具有高溶解性和低聚集倾向的蛋白质。	机器学习	NA	NA	深度学习模型（如ProteinMPNN、ESMFold）	蛋白质序列和结构数据	NA	NA	ProteinMPNN、ESMFold	预测溶解度、聚集倾向、折叠置信度	NA
756	2026-08-28	Predicting membrane protein localization by deep learning on structure and chemistry 2026-Sep, Protein science : a publication of the Protein Society IF:4.5Q1 DOI:10.1002/pro.70747 PMID:42560024	研究论文	利用图神经网络模型，根据膜蛋白结构预测其天然膜环境，并开发了名为GPSforTMDs的算法。	首次利用图神经网络结合膜蛋白结构和化学特性来预测跨膜结构域的膜定位，且在某些膜环境类别上性能优于基于序列的方法。	某些膜环境类别预测困难，包括分泌途径中跨膜结构域与膜的兼容性，以及古菌和细菌跨膜结构域的混淆。	通过深度学习模型预测膜蛋白的天然膜环境，并揭示膜蛋白结构-功能关系的新规则。	实验确定的膜蛋白结构以及跨膜结构域（TMDs）。	机器学习	NA	结构建模	图神经网络	结构数据	未在标题和摘要中明确提及样本数量，仅提及使用实验确定的膜蛋白结构。	未明确指定，但代码在GitHub上提供。	图神经网络	整体性能，与序列方法的比较，特定类别性能	未明确提及，但代码和数据库公开于GitHub。
757	2026-08-28	The Role of Machine Learning and Artificial Intelligence in Enhancing Critical Care Nursing Practice: A Scoping Review 2026-Sep, Nursing in critical care IF:3.0Q1 DOI:10.1111/nicc.70629 PMID:42638190	综述	本文通过范围综述全面探讨了人工智能和机器学习在重症监护护理中的应用现状，涵盖决策支持系统、预测分析、工作流自动化和患者参与工具，并识别出五个关键主题和存在的实施差距。	虽然不声称绝对新颖，但该综述在单一证据综合中同时映射了预测分析、临床决策支持、工作流自动化和实施挑战，填补了一个独特且及时的空白。	主要局限包括对长期结果、护士参与度和伦理实施方面的评估不足，且范围综述本身可能存在检索偏倚。	全面探索AI和ML在重症监护护理中的应用，重点关注决策支持、预测分析、工作流自动化和患者参与工具。	重症监护护理中的AI和ML应用，涉及决策支持系统、预测分析、工作流自动化和患者参与工具。	自然语言处理	重症监护相关疾病	NA	机器学习模型	NA	NA	NA	NA	NA	NA
758	2026-08-28	Clinical evaluation of novel deep learning-based auto-segmentation software: Utility and potential pitfalls 2026-Sep, Journal of applied clinical medical physics IF:2.0Q3 DOI:10.1002/acm2.70757 PMID:42638554	研究论文	评估新型深度学习自动分割软件RatoGuide在真实临床病例中的准确性和潜在缺陷	使用包含非典型病例（如起搏器、SpaceOAR植入物、人工股骨头置换和单侧肺不张）的真实临床数据集，对商业自动分割软件进行严格验证，并结合剂量学评估揭示临床风险	单中心回顾性研究，样本量有限，且未涉及其他解剖部位或更多类型的伪影	验证深度学习自动分割软件在临床实践中的准确性和脆弱性，为临床实施提供指导	胸部和男性盆腔的放疗靶区和危及器官	数字病理学、医学影像	胸部肿瘤、盆腔肿瘤	深度学习自动分割	深度学习模型	CT图像	69例（胸部和男性盆腔病例），其中包含典型和非典型病例	NA	深度学习自动分割模型	Dice相似系数（DSC）、95百分位豪斯多夫距离（HD95）、视觉评估量表、剂量学评估	NA
759	2026-08-28	Artificial intelligence in prior authorization and coverage decisions: A systematic review of methods, evidence gaps, and future implications for patient access 2026-Sep, Journal of managed care & specialty pharmacy IF:2.3Q3 DOI:10.18553/jmcp.2026.32.9.1135 PMID:42640127	综述	系统综述了人工智能在预先授权和覆盖决策中的应用，绘制了基于工作流程的AI应用图谱，并识别了方法、证据空白及对患者获取的潜在影响	首次将AI在预先授权中的应用基于工作流程进行系统性映射，并利用PROBAST-AI评估偏倚风险，填补了该领域整合综述的空白	仅纳入16项研究，存在高分析偏倚、通用性有限、验证不足和亚组报告不充分等问题，患者和提供者中心结果及长期影响评估稀少	系统梳理AI在预先授权工作流程中的应用，评估模型开发、验证、公平性和实施结果，以指导管理式医疗药学实践	AI在预先授权中的应用，包括流程各阶段（启动、提交、支付方审查、上诉、患者参与）	机器学习	NA	NA	规则系统、经典机器学习、深度学习、大语言模型、混合模型	行政预先授权数据集、合成数据集	16项研究	NA	NA	F1分数、精确率、准确率、召回率、AUC	NA
760	2026-08-28	Engaging students in an AI-driven RNA drug design research project through a crowd science-infused learning approach 2026-Aug-27, Journal of microbiology & biology education IF:1.6Q2 DOI:10.1128/jmbe.00084-26 PMID:42339822	研究论文	本文介绍了一项结合群体科学教学法的五天非湿实验室工作坊，让本科生和研究生参与AI驱动的siRNA抗病毒药物设计深度学习模型开发。	首次将学生作为直接贡献者融入真实的深度学习平台用于抗病毒RNA治疗设计，采用群体科学教学模式区别于传统课程型本科生研究体验。	未提及具体局限性信息。	通过群体科学学习方法，将高级AI抗病毒药物设计项目转化为可扩展的学习体验，培养AI素养的生物医学科学家。	本科生和研究生课程学生，以及AI驱动的siRNA药物设计研究项目。	机器学习	病毒性疾病	深度学习	深度学习模型	文本	未提及具体样本数量。	NA	NA	NA	NA