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
7941	2026-06-05	Objective assessment of rosacea erythema severity: a multimodal artificial intelligence framework integrating VISIA® imaging and image-derived tabular features 2026, Frontiers in medicine IF:3.1Q1 DOI:10.3389/fmed.2026.1829629 PMID:42239947	研究论文	开发一个多模态人工智能框架，利用VISIA®成像和图像衍生表格特征对红斑痤疮红斑严重程度进行客观评估	首次将手工提取的图像衍生表格特征与深度学习表示相结合，实现红斑痤疮红斑严重程度的客观分级，并利用多步骤集体审核建立专家共识参考标准	未提及	开发客观的临床红斑评估分级方法，减少主观评估中的观察者间变异性	红斑痤疮患者的标准化VISIA®面部图像	计算机视觉	皮肤炎症性疾病	VISIA®成像	多模态融合模型	图像和表格数据	1001名患者	NA	NA	宏平均AUC、二次加权Kappa、组内相关系数	NA
7942	2026-06-05	Detecting Mild Cognitive Impairment to Alzheimer's Disease Progression by fMRI Using Convolutional Neural Network and Long-short Term Memory 2025-Nov, Basic and clinical neuroscience IF:1.0Q4 DOI:10.32598/bcn.2025.2034.8 PMID:42238745	研究论文	利用静息态功能磁共振成像结合卷积神经网络和长短期记忆网络检测轻度认知障碍向阿尔茨海默病的进展	提出了结合三维CNN与LSTM的多模态深度学习模型，整合fMRI、临床评估和人口统计学信息来预测MCI向AD的转化	样本量较小（81名受试者，266个样本），可能影响模型的泛化性和稳定性	诊断MCI患者可能进展为AD的情况，以便早期干预或减少医疗费用	轻度认知障碍（MCI）患者	机器学习	阿尔茨海默病	静息态功能磁共振成像	CNN, LSTM	fMRI图像, 临床数据, 人口统计学数据	81名MCI受试者，共266个样本，基线到最后一次观察平均间隔5年	NA	三维CNN, LSTM	准确率（92.47%）	NA
7943	2026-06-05	DCM-ML: An Electroencephalography-based Classifier for Early Diagnosis of Schizophrenia Based on Dynamic Connectivity Matrices and Machine Learning Algorithms 2025-Nov, Basic and clinical neuroscience IF:1.0Q4 DOI:10.32598/bcn.2025.2572.1 PMID:42238755	研究论文	提出了一种基于动态连接矩阵和机器学习算法的脑电图分类器，用于精神分裂症的早期诊断	利用事件相关电位提取的动态连接矩阵结合随机森林分类器，在基于少量特征集的情况下实现接近完美的诊断准确性，并展现出对噪声的鲁棒性	样本量相对较小，且未来需要在更大、人口统计学更多样化的队列中进行验证	开发一种客观、可扩展、非侵入性的基于机器学习的精神分裂症早期诊断工具	81名参与者，包括49名精神分裂症患者和32名健康对照	机器学习	精神分裂症	事件相关电位	随机森林	脑电图信号	81名参与者（49名患者，32名对照）	NA	随机森林	准确率、灵敏度、特异性、F1分数	NA
7944	2026-06-05	Imaging of cartilage, meniscus, and beyond: Role of Magnetic Resonance Imaging (MRI) and Computed Tomography (CT) 2025-Jun, Osteoarthritis imaging DOI:10.1016/j.ostima.2025.100268 PMID:42238704	综述	综述磁共振成像和计算机断层扫描在软骨、半月板及关节成像中的优势、局限与研究趋势	系统比较了MRI和CT在骨关节炎评估中的进展，包括光谱CT、负重扫描、深度学习重建、合成成像及光子计数CT等新兴技术	未提供具体实验数据或定量比较结果	探讨MRI和CT在软骨与半月板成像中的优缺点及研究趋势	关节软骨与半月板成像	计算机视觉	骨关节炎	MRI, CT, CT关节造影	NA	图像	NA	NA	NA	NA	NA
7945	2026-06-05	Deep learning for synovial volume segmentation of the first carpometacarpal joint in osteoarthritis patients 2024-Mar, Osteoarthritis imaging DOI:10.1016/j.ostima.2024.100176 PMID:42239528	研究论文	开发基于深度学习的自动分割方法，用于骨关节炎患者第一腕掌关节滑膜组织的3D超声图像	首次使用改进的2D U-Net自动分割骨关节炎患者第一腕掌关节滑膜组织体积，并实现了2D切片预测到3D曲面重建的转化	算法在3D分割重建后性能虽有提升但无统计学显著性差异	自动分割第一腕掌关节骨关节炎患者的滑膜组织体积以提高临床试验效率	第一腕掌关节骨关节炎患者的滑膜组织	计算机视觉	骨关节炎	3D超声成像	U-Net	图像	832张2D超声图像（来自89张3D超声图像）用于训练；208张2D超声图像（来自15张3D超声图像）用于测试	NA	改进的2D U-Net	平均3D Dice相似系数、召回率、精确率、体积百分比差异、平均表面距离、Hausdorff距离	NA
7946	2026-06-04	Photoacoustic-ultrasound endoscopy for assessment of rectal cancer treatment response: A prospective study with T2-weighted MRI radiomics comparison 2026-Aug, Photoacoustics IF:7.1Q1 DOI:10.1016/j.pacs.2026.100840 PMID:42232466	研究论文	评估深度学习增强的光声-超声内镜在判断局部进展期直肠癌新辅助放化疗后病理完全缓解中的诊断准确性	首次应用共配准声学分辨率光声显微镜与超声内镜结合深度学习预测直肠癌治疗反应，并与 T2 加权 MRI 影像组学模型进行前瞻性比较	前瞻性队列样本量小（n=25），缺乏与 MRI 影像组学的直接头对头比较，需更大规模研究验证	评估光声-超声内镜联合深度学习是否优于 T2 加权 MRI 影像组学在识别直肠癌病理完全缓解中的表现	局部进展期直肠癌患者的新辅助放化疗后治疗反应	医学影像分析	直肠癌	光声显微镜、超声内镜、T2加权MRI	ResNet50	图像	前瞻性队列25例，回顾性队列119例	PyTorch	ResNet50	AUC	NA
7947	2026-06-04	Artificial intelligence-based reclassification of gastric adenocarcinoma enables prognostic stratification via diffuse-type patch proportion 2026-07-15, International journal of medical informatics IF:3.7Q2 DOI:10.1016/j.ijmedinf.2026.106455 PMID:42054933	研究论文	基于人工智能的胃癌重新分类通过弥散型斑块比例实现预后分层	提出了基于YOLO26m-cls的两阶段深度学习流程，并定义了弥散预后评分（DPS）作为独立且可复现的总生存期预测标记	未提及具体限制	利用人工智能驱动的图像分析提高胃癌诊断标准化和预后评估	404例胃腺癌切除患者的全切片图像（WSIs）	数字病理学	胃癌	H&E染色成像	深度学习（两阶段流程）	图像	404例胃腺癌患者的WSIs	NA	YOLO26m-cls	准确率、F1分数	NA
7948	2026-06-04	Accuracy and generalizability of an open-source deep learning model for facial bone segmentation on CT and CBCT scans: An ex vivo study 2026-07, Journal of dentistry IF:4.8Q1 DOI:10.1016/j.jdent.2026.106663 PMID:41905505	研究论文	评估开源深度学习模型DentalSegmentator在CT和CBCT扫描中面部骨骼分割的准确性和泛化能力	首次在离体条件下系统评估开源深度学习模型在不同CT/CBCT协议（包括超低剂量）下的面部骨骼分割泛化能力	仅使用干颅骨离体样本，未涉及活体患者或软组织干扰的临床场景	验证开源深度学习工具在不同CT/CBCT成像条件下自动重建面部骨骼表面模型的准确性和泛化性	10个人类干颅骨	计算机视觉	NA	CT扫描、CBCT扫描、光学扫描	深度学习分割模型（DentalSegmentator）	影像（CT/CBCT图像）	10个干颅骨，使用1台CT扫描仪和2台CBCT设备（含超低剂量协议）	NA	DentalSegmentator	平均绝对距离（MAD）、绝对距离标准差（SDAD）	NA
7949	2026-06-04	WaveMamba-Net: Dual-frequency adaptive wavelet state-space network for real-time pulse signal classification in wearable health monitoring 2026-Jun-19, iScience IF:4.6Q1 DOI:10.1016/j.isci.2026.116045 PMID:42231961	研究论文	提出WaveMamba-Net，一种结合小波多尺度分解与状态空间建模的深度学习框架，用于可穿戴设备中脉搏信号的实时分类	首次将小波变换与状态空间Mamba模型结合，通过双视图小波时间与空间滑动增强模块和自适应多小波条件卷积，实现高精度与低延迟的脉搏信号分类	未明确说明局限性	实现可穿戴健康监测中脉搏信号的高准确率实时分类	光电容积脉搏波信号	机器学习	心血管疾病	离散小波变换	Mamba	脉搏波信号	MIMIC-III波形数据库和PPG-DaLiA数据集	PyTorch	WaveMamba-Net	准确率, Macro-F1, 推理延迟	边缘部署设备
7950	2026-06-04	Integrating multisequence radiomics and clinical features to predict seizure recurrence after gross total resection of pediatric low-grade epilepsy-associated brain tumors 2026-Jun-03, Neuroradiology IF:2.4Q2 DOI:10.1007/s00234-026-04051-3 PMID:42230409	研究论文	整合多序列影像组学特征和临床特征预测儿童低级别癫痫相关脑肿瘤全切除术后癫痫复发	提出一种基于影像组学的方法预测癫痫复发，并通过整合临床特征进行优化，比较传统影像组学模型与深度学习影像组学模型的性能	未提及具体限制	开发预测模型，结合临床特征和多序列MRI影像组学预测儿童低级别癫痫相关肿瘤全切除术后癫痫发作结果	儿童低级别癫痫相关肿瘤患者，接受全切除手术	机器学习, 医学影像	癫痫	多序列MRI影像组学	XGBOOST	影像数据, 临床数据	未提及具体样本数量	NA	XGBOOST	AUC, 准确率	NA
7951	2026-06-04	Machine learning and deep learning-based drug-drug interactions prediction: a systematic review focused on anticancer drugs 2026-Jun-03, NPJ precision oncology IF:6.8Q1 DOI:10.1038/s41698-026-01512-z PMID:42230929	综述	系统综述了基于机器学习和深度学习的抗癌药物相互作用预测方法	从方法学和临床角度全面分析抗癌药物DDI预测研究，验证了22个新预测DDI药物对的实用价值	未提及具体局限性	综述基于机器学习和深度学习的抗癌药物相互作用预测模型，增强临床相关性和适用性	抗癌药物及其相互作用	机器学习	癌症	NA	机器学习, 深度学习	药物相互作用数据	96个新预测的潜在DDI药物对，其中22个通过验证	NA	NA	预测任务类型和性能	NA
7952	2026-06-04	Externally Tested AI Models for Malignancy Classification of Lung Nodules at Chest CT: A Systematic Review and Meta-Analysis 2026-Jun-03, Radiology. Artificial intelligence DOI:10.1148/ryai.250331 PMID:42233760	系统综述与荟萃分析	对胸部CT肺结节恶性分类的外部验证AI模型进行系统综述和荟萃分析，评估其合并诊断准确性	首次聚焦于外部验证AI模型在肺结节恶性分类中的诊断性能，并量化模型架构对特异性的影响	纳入研究存在高度异质性、报告不一致和偏倚风险，限制了解释的可靠性	评估外部验证AI模型在胸部CT肺结节恶性分类中的合并诊断准确性	胸部CT上的肺结节	计算机视觉	肺癌	CT成像	深度学习模型（2D/3D CNN）	图像（CT影像）	21项研究，共7454个结节	NA	2D CNN, 3D CNN	灵敏度, 特异度, 阳性似然比, 阴性似然比, AUC, 诊断优势比	NA
7953	2026-06-04	Correction to: Accuracy of vestibular schwannoma segmentation using deep learning models - a systematic review & meta-analysis 2026-Jun-03, Neuroradiology IF:2.4Q2 DOI:10.1007/s00234-026-04056-y PMID:42234018	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
7954	2026-06-04	Deep learning for early detection of Zenker's diverticulum based on swallowing sound analysis 2026-Jun-03, International journal of computer assisted radiology and surgery IF:2.3Q2 DOI:10.1007/s11548-026-03727-8 PMID:42234064	研究论文	利用吞咽声音分析结合深度学习模型实现Zenker憩室的早期无创检测	首次将基于深度学习的颈部听诊方法应用于Zenker憩室识别，采用预训练音频频谱变换器（AST）进行迁移学习	样本量较小（23例患者和27例健康志愿者），未提及跨人群泛化验证	开发一种非侵入性、易获取的基于声音的筛查工具，降低诊断门槛并实现Zenker憩室早期检测	Zenker憩室患者和健康志愿者的吞咽声音	机器学习	咽食管憩室（Zenker憩室）	颈部听诊	音频频谱变换器（AST）	声音	23例Zenker憩室患者和27例健康志愿者	NA	音频频谱变换器（AST）	准确率，F1分数	NA
7955	2026-06-04	Multiparametric MRI-Based Habitat Radiomics Combined with Deep Transfer Learning for Predicting Extrathyroidal Extension in Papillary Thyroid Carcinoma 2026-Jun-03, Journal of imaging informatics in medicine DOI:10.1007/s10278-026-02011-0 PMID:42234073	研究论文	开发并验证一种结合栖息地影像组学、深度学习迁移学习及定量参数的多参数MRI模型，用于术前预测甲状腺乳头状癌的甲状腺外侵犯	首次将栖息地影像组学与深度学习迁移学习结合，并整合多参数MRI定量参数，构建复合列线图模型用于甲状腺外侵犯的术前预测	回顾性研究设计，样本量相对有限（140例），且训练与验证队列使用不同磁场强度MRI设备可能引入偏差	建立术前无创预测甲状腺乳头状癌甲状腺外侵犯的多参数MRI综合模型	140例经证实的甲状腺乳头状癌患者的病灶及临床病理数据	数字病理学, 机器学习	甲状腺癌	多参数MRI（T2加权成像、弥散加权成像、延迟增强成像、表观弥散系数图）	ResNet152（深度学习迁移学习），K-means聚类，LASSO逻辑回归	医学影像（MRI图像）	140例患者的140个甲状腺乳头状癌病灶	PyTorch	ResNet152	AUC（曲线下面积），十折交叉验证，DeLong检验	NA
7956	2026-06-04	A multimodal prediction framework for colorectal cancer peritoneal metastasis: CT-based tumor and adipose tissue analysis 2026-Jun-03, Abdominal radiology (New York) DOI:10.1007/s00261-026-05558-2 PMID:42234110	研究论文	本研究提出了一种多模态预测框架，整合CT肿瘤和脂肪组织分析，用于结直肠癌腹膜转移的术前评估	首次证明内脏脂肪组织放射组学特征对隐匿性腹膜转移具有显著预测价值，并开发了基于注意力的双分支深度卷积神经网络（DenseNet121-MARNet）与放射组学及临床变量融合的多模态模型	NA	开发一个多模态预测模型，用于结直肠癌CT隐匿性腹膜转移的术前准确评估，以改善临床决策	结直肠癌患者的CT影像数据、内脏脂肪组织放射组学特征及临床变量	计算机视觉	结直肠癌	CT成像、放射组学分析	深度卷积神经网络（DenseNet121-MARNet）、随机森林、逻辑回归、支持向量机	影像数据（CT图像）	NA	NA	DenseNet121-MARNet	AUC	NA
7957	2026-06-04	NphosNet: Predicting Protein N-Phosphorylation Sites via xLSTM and Enhanced PLM Features with a Weighted Three-Channel Cross-Attention Mechanism 2026-Jun-03, Interdisciplinary sciences, computational life sciences DOI:10.1007/s12539-026-00849-0 PMID:42234352	研究论文	提出NphosNet框架，利用xLSTM和增强的PLM特征及加权三通道交叉注意力机制预测蛋白质N-磷酸化位点	构建了类别不平衡的N-磷酸化数据集并采用混合嵌入策略结合ProtT5和EMBER2预训练模型提取深层语义信息，引入包含Transformer模块、优化xLSTM块、CNN组件及空间注意力增强ResNet单元的三分支架构，并设计加权三通道交叉注意力机制进行特征融合	未明确说明局限性	开发用于预测蛋白质N-磷酸化位点的计算工具以阐明其在细胞过程和疾病发病机制中的作用	蛋白质N-磷酸化位点	机器学习	NA	深度学习	xLSTM, Transformer, CNN, ResNet	蛋白质序列数据	pH-913、pK-2060和pR-1700三个子集	PyTorch	Transformer, xLSTM, CNN, ResNet	AUC	NA
7958	2026-06-04	MarineTox Predictor: An Online Library Platform for Enhancing Low-Resourced Saltwater Ecotoxicity Prediction via Knowledge Sharing from Freshwater Ecotoxicity 2026-Jun-02, Environmental science & technology IF:10.8Q1 DOI:10.1021/acs.est.5c15496 PMID:42009490	研究论文	开发了一个在线文库平台，通过多任务深度学习和跨领域知识共享机制，增强低资源海水生态毒性预测	首次实现跨领域知识共享从淡水生态毒性到海水生态毒性预测，并构建了涵盖多种化学物质的多物种毒性预测工具	NA	解决海水生态毒性数据稀缺问题，开发能够预测多种海洋物种毒性终点的计算工具	化学物质对26种海洋生物（涵盖5个门类）的31项盐毒性任务	机器学习	NA	NA	多任务深度学习	分子结构数据、生态毒性数据	约68,000种化学物质，涵盖1.2百万条生态毒性记录	NA	多任务神经网络	决定系数 (R²)	NA
7959	2026-06-04	PepAnno: A structure-aware deep learning framework for bioactive peptide prediction, structural visualization, and physicochemical profiling 2026-Jun-02, PLoS computational biology IF:3.8Q1 DOI:10.1371/journal.pcbi.1014369 PMID:42228741	研究论文	PepAnno是一种深度融合结构与序列信息的多视图几何深度学习框架，用于多肽生物活性预测、结构可视化和理化性质分析	创新性地提出了结合预训练序列嵌入和预测三维结构图的双流架构（Transformer+GATv2网络），并采用跨模态注意力机制融合语义与几何表征，实现多任务多功能预测	文中未明确提及局限性，但可能依赖预测的3D结构而非实验解析结构，且数据集规模有限可能影响泛化能力	开发一个全面且用户友好的多肽功能注释网络服务器，提高多肽分析效率和可解释性	具有不同生物活性的多肽序列，包括抗菌和抗癌活性等7类关键生物活性	机器学习, 计算生物学	感染性疾病, 癌症	深度学习, 三维结构预测	Transformer, GATv2网络	序列数据, 图数据（3D结构图）	7个精心整理的生物活性数据集	PyTorch	双流架构：Transformer+GATv2网络	区分能力, 稳定性	NA
7960	2026-06-04	On-device cough detection and respiratory disease classification enhanced by generative data augmentation 2026-Jun-02, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2026.111784 PMID:42229246	研究论文	开发一种多层智能手机兼容的AI框架，用于自动咳嗽检测和呼吸道疾病分类，并通过生成式数据增强技术解决数据稀缺和类不平衡问题	首次提出一种包含五种变分自编码器变体的生成式增强策略，并结合概率性咳嗽级融合机制，在时间-频率域进行潜在特征优化，同时在时间域重建样本以确保声学可验证性	未明确讨论生成样本的临床有效性验证细节和模型的长期部署稳定性	开发智能手机兼容的AI框架，实现实时咳嗽检测和呼吸系统疾病分类，并提供可解释的生成式数据增强方法	哮喘、COVID-19和健康人群的咳嗽声音	数字病理学	呼吸系统疾病（哮喘、COVID-19）	声音信号分析	变分自编码器、支持向量机	音频	NA	NA	VAE, SVM	NA	商用安卓硬件