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
801	2026-08-28	A Bio-Inspired Weather-System Sensing Framework for Physically Constrained Precipitation Nowcasting Correction 2026-Jul-24, Biomimetics (Basel, Switzerland) DOI:10.3390/biomimetics11080526 PMID:42645243	研究论文	提出了一种受生物启发的物理约束降水临近预报校正框架PCPNet，通过整合天气系统诊断场和可微约束损失，提高了网格化数值天气预报降水预报的校正精度和物理可解释性。	将生物环境感知、选择性信息处理和调节约束学习三项普遍原则抽象为气象校正任务，并引入结构化诊断场作为自动化感测特征，同时嵌入水汽守恒和地形强迫约束作为可微损失。	仅进行了单日事件分析，长期连续天气事件的综合验证计划在未来进行，以进一步验证模型稳定性。	提高网格化数值天气预报降水预报的校正准确性和物理可解释性，探索生物启发式感测与约束学习的作用。	降水预报校正模型PCPNet，基于中国湖南省2021至2023年的每小时数值天气预报模型输出和气象站观测数据。	机器学习	NA	数值天气预报	encoder-attention-decoder网络	网格化数值天气预报输出数据、气象站观测数据	中国湖南省2021至2023年的每小时数据，具体样本数量未在摘要中列出	NA	encoder-attention-decoder	平均绝对误差	NA
802	2026-08-28	EEG and ECG Wearable Biosensor-Based Affective State Analysis Using Deep Learning over 6G IoT Healthcare Networks 2026-Jul-23, Biosensors DOI:10.3390/bios16080400 PMID:42645018	研究论文	本研究提出了一种基于EEG和ECG可穿戴生物传感器的情感状态分析框架，集成深度学习模型于6G IoT医疗网络中，并通过射线追踪模拟评估通信性能	将基于注意力的深度学习模型和ResNet50 CNN与6G驱动的IoT医疗基础设施集成，解决了数据传输延迟挑战，并首次在虚拟医院环境中评估7 GHz和92 GHz频段的通信性能	实验数据仅基于SEED和WESAD数据集，测试准确率相对较低（ECG模型为65.64%），且未涉及实际6G网络部署	实现基于EEG和ECG可穿戴生物传感器的情感状态分析，并将其应用于6G IoT医疗网络，以支持个性化健康监测	EEG和ECG生理信号，用于情感状态和压力分类	深度学习、物联网、情感计算	不适用	可穿戴生物传感器（EEG和ECG）、射线追踪模拟	注意力深度学习模型、ResNet50 CNN	EEG和ECG生理信号数据	SEED和WESAD数据集（具体样本数未提及）	不适用	注意力模型、ResNet50	分类准确率、RMS延迟扩展、相关带宽	不适用
803	2026-08-28	The Feasibility of One-Stage Instance Segmentation for Detecting Oral Potentially Malignant Disorders in White-Light Clinical Photographs: A Proof-of-Concept Study 2026-Jul-23, Dentistry journal IF:2.5Q2 DOI:10.3390/dj14080462 PMID:42645436	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
804	2026-08-28	A comparative evaluation of multiple enlarged perivascular space segmentation tools 2026-Jul-22, Magnetic resonance imaging IF:2.1Q2 DOI:10.1016/j.mri.2026.110749 PMID:42486379	研究论文	本文开发并评估了基于3D nnU-Net的深度学习工具DORES，用于自动分割扩大的血管周围间隙（ePVS），并与其他三种分割工具进行比较。	提出了一种多模态nnU-Net的自动ePVS分割工具DORES，并在大型数据集上使用伪标签进行训练，提高了分割的自动化程度和适用性。	模型性能在不同扫描仪之间存在差异，限制了其在不同地点的应用。	开发并评估一种自动化的ePVS分割工具，以支持大规模数据集中的定量分析。	大脑磁共振图像中的扩大的血管周围间隙（ePVS）分割。	数字病理学	脑小血管疾病	磁共振成像（MRI）	深度学习（3D nnU-Net）	图像	训练包含35个手动分割扫描和1460个伪标记会话；内部验证35个手动追踪和388个视觉评级；外部验证18个手动追踪。	NA	nnU-Net	Dice分数, F1分数, 绝对体积和元素差异, 相关性, 一致性	NA
805	2026-08-28	Age-Related Brain Atrophy Mediates a Composite Outcome of One-Year Ischemic Stroke Recurrence and All-Cause Mortality Through YKL-40-Related Inflammatory Pathways: A Structural Equation Model 2026-Jul-18, Translational stroke research IF:3.8Q2 DOI:10.1007/s12975-026-01464-3 PMID:42470512	研究论文	本研究通过结构方程模型探讨年龄相关的脑萎缩和血浆YKL-40在缺血性卒中一年复发和全因死亡率复合结局中的中介作用	首次将深学习脑萎缩量化（FastSurfer）和YKL-40炎症标志物整合到结构方程模型中，揭示年龄对卒中结局的间接效应主要由星形胶质炎症介导，而非脑萎缩，并发现抑制型中介模式	未提及	探讨年龄相关的脑萎缩和血浆YKL-40是否介导年龄与缺血性卒中一年复发或全因死亡率之间的关联	缺血性卒中患者	机器学习、数字病理学、计算机视觉	缺血性卒中	MRI、深度学习	结构方程模型、深度学习（FastSurfer）	结构MRI图像和临床数据	4,305名参与者	NA	FastSurfer	回归系数、置信区间、自举重采样	NA
806	2026-08-28	Learning Fragment-Based Segmentation of Binding Sites from Molecular Dynamics: A Proof of Concept on Cardiac Myosin 2026-Jul-15, Journal of chemical information and modeling IF:5.6Q1 DOI:10.1021/acs.jcim.6c00549 PMID:42454619	研究论文	本文介绍了一种基于片段的蛋白质结合位点分割方法FragBEST-Myo，利用3D U-Net深度学习模型从分子动力学轨迹中学习并预测心肌肌球蛋白上omecamtiv mecarbil结合位点的片段特异性区域。	首次将结合位点的片段倾向映射为语义分割问题，并应用于分子动力学轨迹，以实现对结合位点动态变化的监测和筛选。	模型仅在心肌肌球蛋白的特定结合位点上验证，对更广泛的蛋白质和配体的适用性需进一步研究。	证明基于片段的结合位点分割方法能够监测结合位点的动态变化，并作为分子对接和片段设计的筛选工具。	心肌肌球蛋白的omecamtiv mecarbil结合位点。	计算机视觉	心血管疾病	分子动力学模拟	3D U-Net	分子动力学轨迹	未指定具体轨迹数量，使用了OM结合肌球蛋白的post-rigor和pre-powerstroke两种状态。	NA	3D U-Net	准确率、平均交并比	NA
807	2026-08-28	Physics-aware generative fusion via Complex-Flow Mamba enables robust 4D radar-vision perception 2026-Jul-15, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-62149-3 PMID:42457814	研究论文	提出一种名为Complex-Flow Mamba的物理感知融合框架，通过连续复值场建模和扩散模型，提升4D雷达-视觉感知在干扰和远距离目标下的鲁棒性	在信号物理层直接处理复值相位信息，利用Von Mises分布和隐式复值场保留相位梯度，开发复值潜变量扩散模块进行微观相位校正，并采用Mamba-2的SSD理论构建双向状态调制骨干网络，实现线性复杂度下的深度跨模态融合	依赖于特定数据集（VoD和K-Radar）验证，可能未覆盖所有真实场景；框架复杂度较高，实际部署可能需进一步优化	解决4D雷达成像中传统深度模型忽略复值相位连贯性的问题，提高在间歇采样转发干扰和远距离稀疏目标下的感知性能	4D毫米波雷达和视觉传感器的融合感知数据	计算机视觉	NA	4D雷达成像	Mamba	雷达点云和视觉图像	View-of-Delft (VoD) 和 K-Radar 数据集（具体样本数未在摘要中给出）	NA	Mamba-2（SSD）、一致性模型、扩散模型（CLDM）	平均精度（mAP）、NuScenes检测得分（NDS）、干扰抑制增益	NA
808	2026-08-28	Development and validation of a multimodal deep learning model for the radiographic classification of pediatric femoral neck fractures 2026-Jul-11, Orthopaedics & traumatology, surgery & research : OTSR DOI:10.1016/j.otsr.2026.104789 PMID:42435844	研究论文	开发和验证了一种多模态深度学习模型，用于基于X射线和文本配对数据对儿童股骨颈骨折进行放射学分类，并评估其在分类性能上优于单模态模型和经验丰富的外科医生	首次将多模态深度学习模型应用于儿童股骨颈骨折的新型分类系统，利用X射线和文本配对数据集增强特征提取，在样本稀缺的情况下仍能达到高精度	样本量相对较少（711例），且研究为回顾性设计，可能影响泛化性；另外，模型依赖于新分类系统，该系统的临床适用性可能受限于用户经验	验证多模态深度学习模型在儿童股骨颈骨折分类中的准确性，并评估其与单模态模型及不同经验水平外科医生相比的性能	711例接受手术治疗的儿童股骨颈骨折患者的X射线影像（包括711张前后位和674张侧位X射线）及其对应的文本描述	医学影像分析	儿童股骨颈骨折	放射学X射线成像	多模态深度学习模型（结合图像和文本）和单模态深度学习模型（仅图像）	图像（X射线）和文本（放射学描述）配对数据	711例患者（平均年龄10.7±3.7岁），共711张前后位X射线和674张侧位X射线	未明确	未明确	准确率、召回率、阳性预测值、阴性预测值、F1分数、AUC	未明确
809	2026-08-28	Detection of early-stage Parkinson's disease using wearable sensors at multiple body locations and convolutional neural networks 2026-Jul-10, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-61801-2 PMID:42432239	研究论文	利用可穿戴传感器和卷积神经网络在6分钟步行测试中检测早期帕金森病	提出了一种非侵入性检测框架，通过分析多个身体位置的传感器数据，特别是左臂陀螺仪数据，在第一分钟内实现高准确率检测，并发现短时间测量窗口即可有效筛查早期帕金森病，同时结合可解释的非线性特征进行综合分析	摘要中未提及具体局限性，可能包括样本量相对较小、单一测试场景（6分钟步行）以及依赖特定传感器位置等	开发一种非侵入性、高效且准确的早期帕金森病检测方法	78名早期帕金森病患者和50名对照者	机器学习	帕金森病	可穿戴传感器数据采集	卷积神经网络（CNN）和特征-based机器学习模型	时间序列传感器数据	128名受试者（78名早期帕金森病患者和50名对照者）	未指定	卷积神经网络（CNN），具体结构未提及；特征-based模型使用非线性特征	准确率	未提及
810	2026-08-28	A transparent and generalizable deep-learning framework for genomic ancestry prediction 2026-Jul-02, American journal of human genetics IF:8.1Q1 DOI:10.1016/j.ajhg.2026.06.003 PMID:42392034	研究论文	本研究开发了一个透明且泛化的深度学习框架，用于从SNP数据预测基因组祖先，并验证其在多个生物库中的适用性和可解释性。	引入Diet Network架构处理高维SNP数据，强调跨人群泛化能力，并应用多种归因技术（如DeepLift）提升模型透明度，识别种族特异性信号。	训练数据缺乏北非人群，可能影响对该群体预测的准确性，尽管模型展示了泛化能力。	从遗传数据中预测祖先，重点在于泛化性和可解释性，以支持大规模生物库中的基因组研究公平性。	人类个体及其遗传数据（SNP）来自千基因组项目、CARTaGENE、蒙特利尔心脏研究所和All of Us生物库。	机器学习	NA	SNP基因分型（来自千基因组项目等）	深度学习（Diet Network）	基因型数据（SNP）	涉及多个生物库，具体样本数未提及，包括多个人群（如北非个体）	未指定	Diet Network	泛化性能、鲁棒性（针对缺失SNP）	NA
811	2026-08-28	Smartphone-Based Proactive Self-Screening for Ocular Surface Malignancies: A Nonrandomized Clinical Trial 2026-07-01, JAMA ophthalmology IF:7.8Q1 DOI:10.1001/jamaophthalmol.2026.1609 PMID:42240998	临床试验	该研究开发并验证了一种基于智能手机的AI系统，用于一般人群眼表恶性肿瘤的主动自我筛查，通过非随机临床试验评估其性能	创新性地整合了智能手机成像、AI诊断和媒体推广，构建了可扩展的闭环移动健康模型，用于罕见眼表恶性肿瘤的人群筛查	研究为非随机设计，且实际参与筛查的样本量相对较小，可能影响结果的普遍性	开发并验证一种基于智能手机的AI系统，以促进一般人群对眼表恶性肿瘤的主动自我筛查，提高早期检测率	眼表恶性肿瘤患者及疑似病变的普通人群	计算机视觉, 数字病理学	眼表恶性肿瘤	智能手机摄影, AI图像分析	深度学习模型	裂隙灯图像, 智能手机图像	614名参与者完成自我筛查，其中20例经病理确诊为恶性肿瘤	NA	NA	AUC, 灵敏度, 特异度	NA
812	2026-08-28	Consensus-Based Minimum Requirements for the Adoption of a Computational Pathology Algorithm for Tumor Budding in Colorectal Cancer: An Early Health Technology Assessment 2026 Jul-Sep, JCO clinical cancer informatics IF:3.3Q2 DOI:10.1200/CCI-26-00034 PMID:42536993	研究论文	通过国际德尔菲研究，建立结直肠癌肿瘤出芽计算病理算法验证和临床采用的最低共识要求	首次利用国际德尔菲过程为肿瘤出芽计算病理算法的临床采用制定共识性最低要求	部分要求未达成共识，且评估需考虑具体情境，可能限制通用性	确定计算病理算法用于结直肠癌肿瘤出芽评估的验证和临床采用的最低要求，以提高诊断准确性和患者护理	结直肠癌肿瘤出芽的计算病理算法	数字病理学	结直肠癌	NA	深度学习	专家意见	59名病理学家参与第一轮，第二轮回复率90%	NA	NA	共识率	NA
813	2026-08-28	Enhancing Outcome Measurement in Oncology Clinical Trials Through Artificial Intelligence: A Scoping Review 2026-07, JCO clinical cancer informatics IF:3.3Q2 DOI:10.1200/CCI-26-00014 PMID:42430670	综述	本文通过范围综述，系统概述了人工智能在肿瘤临床试验中的应用，重点关注结局指标选择和替代终点评估，并探讨了患者选择、生物标志物识别和合成对照组等新兴领域。	首次以范围综述形式，结构化梳理AI在肿瘤试验结局测量中的应用，并强调替代终点评估和潜在即时应用领域。	AI应用仍处于研究阶段，缺乏标准化和监管认可，且综述未涵盖所有试验阶段。	评估AI在肿瘤临床试验结局测量中的当前应用、潜力及挑战，以提升试验效率和患者中心性。	肿瘤临床试验中的结局指标选择、替代终点评估及相关AI应用。	人工智能在医学中的应用	肿瘤	深度学习	深度学习模型	临床试验数据	NA	NA	NA	NA	NA
814	2026-08-28	ConLymphNet: A Generalizable Region-Constrained Deep Learning Architecture for Precise Abdominal Lymph Node Segmentation Across Cancer Types 2026 Jul-Sep, JCO clinical cancer informatics IF:3.3Q2 DOI:10.1200/CCI-25-00299 PMID:42456080	研究论文	提出并验证了ConLymphNet，一种基于椎体标志物进行区域约束的深度学习架构，用于跨癌症类型的腹部淋巴结精确分割	引入椎体标志物作为解剖参考点来标准化感兴趣区域，并采用三维nnUNet分割模型，结合新预处理流程，实现了跨癌症类型和成像协议的通用性	性能随淋巴结位置和大小变化，较大淋巴结效果更好；外部验证数据集中性能有所下降	开发并验证一种自动化腹部淋巴结分割方法，以提高癌症分期和治疗规划的准确性和效率	腹部淋巴结CT影像	深度学习	多种癌症（胆囊癌、公共淋巴结数据集、多癌种数据集）	NA	深度学习模型	CT图像	481例胆囊癌CT增强扫描，外部验证包括胆囊癌54例、公共淋巴结81例、多癌种606例	NA	nnUNet	Dice系数、假阳性率、检测率、分割准确率	NA
815	2026-08-28	Differentiating sub-centimeter lung metastases in colorectal cancer by deep learning: a multicenter retrospective study 2026-Jun-18, BMC medical imaging IF:2.9Q2 DOI:10.1186/s12880-026-02508-8 PMID:42316047	研究论文	本研究开发并验证了一种基于深度学习模型，用于非侵入性区分结直肠癌患者的亚厘米肺转移结节与良性结节，这是一个多中心回顾性研究。	该研究创新性地结合了VNet分割模型和ResNet18分类器，针对亚厘米肺结节进行全自动深度学习分析，并在多中心数据集上验证，同时通过逐步验证不同结节尺寸下的稳定性。	未在摘要中明确提及局限性。	开发并验证一个深度学习模型，以非侵入性区分结直肠癌患者的亚厘米肺转移结节和良性结节，提高早期诊断的准确性。	结直肠癌患者肺部的亚厘米（最大直径≤10毫米）肺结节，包括转移性和良性结节。	计算机视觉、深度学习	结直肠癌、肺癌（转移性）	计算机断层扫描（CT）	卷积神经网络（CNN）	医学影像（CT图像）	共2670例结节，来自1335例结直肠癌患者（转移性结节）和1335例良性肺结节患者；主要队列1194例，两个外部验证队列分别为101例和40例。	未明确指定，可能使用PyTorch或TensorFlow	VNet（分割）和ResNet18（分类）	Dice系数、准确率、AUC	未在摘要中提及。
816	2026-08-28	Optimization algorithm for improving the prediction accuracy of API solubility in green solvent 2026-Jun-12, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-51115-8 PMID:42286012	研究论文	本研究开发了一种混合人工智能框架，结合可解释深度学习（TabNet）和梯度提升（HGB）与三种元启发式优化算法，用于预测活性药物成分在超临界二氧化碳中的溶解度。	首次将TabNet与三种元启发式优化算法（ALO、EVO、BOA）结合，用于超临界二氧化碳中API溶解度的预测，并采用多目标Pareto前沿分析和预测区间自举法评估模型鲁棒性。	模型泛化能力受限于现有实验数据的范围，未来需要扩展溶解度数据集以增强普适性。	提高活性药物成分在超临界二氧化碳中溶解度的预测准确性，并为超临界系统中的溶剂选择和配方分析提供计算工具。	活性药物成分（APIs）在超临界二氧化碳中的溶解度数据。	机器学习	NA	NA	TabNet, HGB	表格数值数据	超过350个实验测量数据点	NA	TabNet, HGB	决定系数, 预测区间, Kruskal-Wallis检验, Pareto前沿分析	NA
817	2026-08-28	Unified multi-task learning for hydrological processes using a shared transformer framework 2026-Jun-12, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-55130-7 PMID:42277211	研究论文	本研究引入一个统一的多任务、多模态深度学习框架，在共享Transformer编码器架构下同时进行24小时流域径流预测和降雨时间超分辨率重建	提出共享Transformer编码器与任务特定解码器的统一多任务框架，将径流预测和降雨超分辨率任务整合在同一架构中，展示联合优化的优势	未明确讨论计算资源消耗或大规模基准测试的局限性	探索多任务学习在水文过程建模中的潜力，实现共享学习以提升径流预测精度并保持降雨重建质量	24小时流域径流预测和降雨时间超分辨率任务	机器学习	NA	深度学习	Transformer	时间序列数据	未明确说明样本数量	NA	Transformer	准确性、重建性能	NA
818	2026-08-28	Research on a belt roller fault diagnosis method based on adaptive band-time KAN 2026-Jun-11, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-55338-7 PMID:42270699	研究论文	提出一种基于自适应频带KAN的皮带滚筒故障诊断方法，通过自适应频带梅尔滤波器组和时间卷积网络提升故障诊断精度和跨工况泛化能力	设计基于故障机制的自适应频带梅尔滤波器组，通过非均匀频率轴重映射和三阶峰值检测增强关键故障频带的分辨率；引入KAN层利用可学习B样条基函数动态分析频域非线性耦合关系，实现特征分辨率增强与动态建模的协同优化	未明确提及局限性信息	解决现有深度学习故障诊断方法频率分辨率不足和动态适应性差的问题，提高皮带滚筒故障诊断的准确性和跨工况泛化能力	皮带输送机滚筒故障	故障诊断	不适用	故障诊断方法	KAN、时间卷积网络	振动信号	NA	NA	KAN、时间卷积网络	准确率	NA
819	2026-08-28	Comparative performance of one-stage and two-stage deep learning models for instance segmentation of overhanging dental restorations on bitewing radiographs 2026-Jun-11, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-57540-z PMID:42270756	研究论文	本研究开发并比较了单阶段和两阶段深度学习模型在咬翼放射片上自动检测和分类悬突牙科修复体的实例分割性能	首次系统比较单阶段YOLO11和两阶段Detectron2架构在悬突牙科修复体实例分割中的性能，并采用非参数自助抽样量化不确定性	本研究为单中心回顾性研究，需要进行多中心和不同成像系统的外部验证才能适用于常规临床决策支持	开发和比较深度学习实例分割模型，以自动检测和分类咬翼放射片上的悬突牙科修复体，重点关注单阶段和两阶段架构的相对性能	咬翼放射片上的牙科修复体，分为理想和悬突两类	计算机视觉	牙科疾病	NA	实例分割模型，包括YOLO11变体和Mask R-CNN、Cascade Mask R-CNN、PointRend	图像	1236张匿名咬翼放射片	PyTorch, Detectron2	YOLO11n-seg, YOLO11s-seg, YOLO11m-seg, Mask R-CNN, Cascade Mask R-CNN, PointRend	COCO风格实例分割指标（AP50-95, AP50, AP75, AR@100），以及基于自助重采样的95%置信区间	NA
820	2026-08-28	A deep learning framework for emotion recognition in music using multimodal data fusion 2026-Jun-11, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-50471-9 PMID:42270798	研究论文	提出了一种基于多模态数据融合的深度学习框架，用于音乐情感识别，通过引入谐波语义编码器和对比谐波对齐策略来提升性能	引入谐波语义编码器（HSE）的双通路架构，结合卷积神经网络和Transformer全局编码器，以及谐波感知注意力机制和层级对比学习目标（CHA）	未明确提及，但可能包括对跨类型泛化能力、长时依赖建模和层次情感结构捕获的挑战仍未完全解决	提高音乐情感识别的准确性和鲁棒性，并解决现有方法在跨流派泛化、长时依赖建模和层次情感结构捕获方面的不足	音乐音频、歌词和元数据	机器学习	不适用	深度学习，多模态数据融合	卷积神经网络（CNN），Transformer	音频、文本（歌词）、元数据	PMEmo和GlobalMood数据集（具体样本数未在摘要中提供）	未明确提及（可能使用PyTorch或TensorFlow）	谐波语义编码器（HSE）双通路架构，包含CNN和Transformer，以及谐波感知注意力机制	准确率（Accuracy）、Macro-F1分数	未明确提及