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
841	2026-09-25	Deep learning versus general dentists: a clinical evaluation of caries diagnostic accuracy on bitewing radiographs 2026-Jul-02, BMC oral health IF:2.6Q1 DOI:10.1186/s12903-026-09088-7 PMID:42393624	研究论文	本研究评估了基于深度学习的YOLOv8模型在乳牙咬翼片龋齿检测中的诊断性能，并与普通牙医进行了比较	首次将YOLOv8模型应用于乳牙咬翼片龋齿检测，并与普通牙医进行临床对比评估，采用ICDAS™六深度分类标准进行标注	样本量相对有限，仅使用单一深度学习模型（YOLOv8），未与其他深度学习架构进行比较，且仅针对乳牙	评估深度学习模型在乳牙咬翼片龋齿检测中的诊断准确性，并与普通牙医的表现进行比较	1,427张乳牙咬翼片，其中1,180张用于训练和验证，247张用于测试	计算机视觉	龋齿	深度学习目标检测	YOLOv8	图像	1,427张咬翼片（1,180张训练/验证，247张测试）	NA	YOLOv8	召回率，精确率，F1分数，平均精度（AP），平均精度均值（mAP）	NA
842	2026-09-25	Automated generation of structured breast ultrasound reports using BreastViT and ChatGPT 2026-Jul-02, BMC medical informatics and decision making IF:3.3Q2 DOI:10.1186/s12911-026-03677-w PMID:42393650	研究论文	该研究提出了一种结合深度学习模型BreastViT和GPT-4o的工作流程，用于自动生成结构化的乳腺超声报告	首次将VisionEncoderDecoderModel（BreastViT）与GPT-4o大语言模型相结合，实现乳腺超声结构化报告的自动生成，并通过外部验证和盲法放射科医生评估证明了联合方法在临床准确性、信息完整性、结构完整性和术语标准化方面优于单独使用任一模型	外部验证集样本量较小（仅49例），且为回顾性研究设计，可能存在选择偏倚	开发并验证一种自动化工作流程，利用深度学习和大型语言模型生成临床合规的结构化乳腺超声报告，以提高报告的标准化程度和一致性	乳腺超声图像及对应的BI-RADS评估报告	医学图像分析	乳腺癌	超声成像，深度学习图像描述生成，大语言模型文本优化	VisionEncoderDecoderModel，GPT-4o	图像，文本	内部数据集：362名患者的2,243张超声图像（BI-RADS 4B、4C、5；2019-2024年）；外部验证集：49例（2024年10-12月）	NA	BreastViT（VisionEncoderDecoderModel，预训练模型nlpconnect/vit-gpt2-image-captioning），CNN-Transformer（R2Gen），CNN-Attention-LSTM，CNN-RNN，GPT-4o	BLEU，损失值，组内相关系数（ICC），临床准确性评分，信息完整性评分，结构完整性评分，术语标准化评分	NA
843	2026-09-25	Quantitative EEG Analyses for Outcome Prediction in Comatose Patients After Cardiac Arrest 2026-Jul-01, Journal of clinical neurophysiology : official publication of the American Electroencephalographic Society IF:2.3Q3 DOI:10.1097/WNP.0000000000001269 PMID:42359645	综述	本文综述了用于心脏骤停后昏迷患者预后预测的定量脑电图分析方法，从基于特征的方法到机器学习和深度学习模型	系统总结了从显式特征指数到深度学习模型的定量脑电图分析方法，并强调其不仅用于预测不良预后，还可识别有望良好神经功能恢复的患者	定量脑电图方法在不良预后预测中的敏感度仅为50%至60%，且需在多模态预后框架中作为决策支持工具，最终评估仍依赖专业脑电图医师	总结用于心脏骤停后昏迷患者脑电图预后预测的定量分析方法及其临床应用价值	心脏骤停后昏迷患者	机器学习	心血管疾病	定量脑电图分析	NA	脑电图信号	NA	NA	NA	敏感度, 特异度	NA
844	2026-09-25	Classification of periapical radiographic findings for root canal therapy decision support using deep neural networks 2026-Jul-01, BMC medical informatics and decision making IF:3.3Q2 DOI:10.1186/s12911-026-03667-y PMID:42387520	研究论文	本研究开发了一种基于深度学习的诊断支持系统，用于对根尖周放射影像进行分类，以辅助根管治疗的决策	比较了七种先进的预训练深度学习模型与一个自定义卷积神经网络在根尖周放射影像三分类任务中的表现，并采用了患者级别的数据划分、5折分层交叉验证和留一中心评估来验证模型稳健性	数据仅来自伊朗克尔曼沙赫单一地理区域内的三个影像中心，临床部署需要在多机构、地理多样化的数据集上进行外部验证和前瞻性试验，且系统仅应作为第二意见工具辅助而非替代综合临床诊断	开发基于深度学习的诊断支持系统，对根尖周放射影像模式进行分类，包括可能与需要牙髓评估相关的发现	根尖周放射影像	医学影像分析	口腔疾病	根尖周放射影像	YOLO 11, ResNet-18, VGG-19, AlexNet, EfficientNet, MobileNet V2, LeNet-5, 自定义卷积神经网络	图像	2641张根尖周放射影像，来自2600名患者	NA	YOLO 11, ResNet-18, VGG-19, AlexNet, EfficientNet, MobileNet V2, LeNet-5, 自定义卷积神经网络	准确率, 宏F1分数, 宏精确率, 宏召回率	NA
845	2026-09-25	Predicting unplanned 30-day hospital readmissions in patients with urogenital system disorders: a retrospective EMR-based ensemble learning study in Taiwan 2026-Jul-01, BMC health services research IF:2.7Q2 DOI:10.1186/s12913-026-15040-w PMID:42387552	研究论文	本研究基于台湾某医院电子病历数据，利用集成学习方法预测泌尿生殖系统疾病患者30天内非计划再入院风险	针对泌尿生殖系统疾病人群的非计划再入院预测，结合随机森林变量重要性进行自动特征选择，从112个特征中筛选34个关键预测因子，并系统比较七种机器学习模型，集成模型取得最优性能	回顾性单中心研究，数据来源单一，样本中再入院案例较少（321例），可能存在类别不平衡问题，外部验证不足	利用人工智能和电子病历数据，构建准确的泌尿生殖系统疾病患者30天内非计划再入院预测模型，以支持临床决策	2018年12月至2022年1月期间在台湾台中慈济医院住院的成年泌尿生殖系统疾病患者（ICD-10 N00-N99）	机器学习	泌尿生殖系统疾病	电子病历数据挖掘	集成学习	表格数据	7,413例病例，其中321例为非计划30天再入院	NA	随机森林, CatBoost, XGBoost, 深度神经网络, 逻辑回归	AUC	NA
846	2026-09-25	Deep aerenchyma: a transformer-based pipeline for scalable phenotyping of rice root aerenchyma lacunae across environments 2026-Jun-30, Plant methods IF:4.7Q1 DOI:10.1186/s13007-026-01546-1 PMID:42380914	研究论文	本文开发了一个基于视觉Transformer的深度学习流水线，用于自动分割水稻根系横截面并量化皮层通气组织腔隙，在多个环境条件下验证了其鲁棒性和可扩展性。	首次将视觉Transformer架构应用于水稻根系通气组织腔隙的自动分割和量化，模型在来自多个国家、生长阶段和栽培系统的1760张注释图像上训练，具有良好的跨环境泛化能力，并发布了开源软件和在线演示平台。	摘要中未明确提及研究的局限性	开发一个可扩展、可迁移的自动化根系解剖表型分析工具，用于高通量量化水稻根系通气组织腔隙，以支持育种、生理研究和气候智能型作物改良	水稻根系横截面中的皮层通气组织腔隙	计算机视觉	NA	深度学习图像分割	Transformer	图像	1760张注释的水稻根系横截面图像，来自多个国家、生长阶段、栽培系统和实验背景	NA	Vision Transformer	平均交并比（mIoU），决定系数（R²）	NA
847	2026-09-25	Deep learning analysis of 12-lead electrocardiograms for bloodstream infection prediction: a multi-center validation study 2026-Jun-29, BMC medical informatics and decision making IF:3.3Q2 DOI:10.1186/s12911-026-03657-0 PMID:42374403	研究论文	该研究开发并验证了一个深度学习模型，利用标准12导联心电图预测急诊科患者血流感染的风险	首次利用深度学习分析标准12导联心电图来预测临床上显著的血流感染，并在多个独立队列中进行了验证，包括内部、外部和MIMIC-IV队列	需要在临床实施前进行前瞻性验证，在低患病率亚组中的增量价值有限，病原体特异性预测需要专门的模型	开发和验证一个深度学习模型，从标准12导联心电图中预测血流感染风险，以克服血培养延迟48小时或更长时间的问题	台湾某学术医疗中心成人急诊科患者的心电图数据，以及三个独立验证队列（内部、外部和MIMIC-IV）	机器学习	血流感染	深度学习分析12导联心电图	CNN	心电图信号	总样本量163,826（训练集），内部验证22,205，外部验证22,709，MIMIC-IV验证66,937	NA	NA	AUC, 敏感性, 特异性, 阴性预测值, 决策曲线分析, 调整风险比	NA
848	2026-06-25	Deep Learning Reconstruction: Making Fast Musculoskeletal MRI Work in Practice 2026-Jun-24, AJR. American journal of roentgenology DOI:10.2214/AJR.26.35387 PMID:42340239	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
849	2026-09-25	FIRST-ICU: forecasting interventions and risk stratification in the ICU using graph neural network autoencoders 2026-Jun-11, NPJ digital medicine IF:12.4Q1 DOI:10.1038/s41746-026-02890-1 PMID:42277214	研究论文	开发了一个名为FIRST-ICU的深度学习框架，整合图神经网络编码器、LSTM和新颖的干预交互注意力模块，用于联合预测七种ICU干预并进行风险分层	提出干预交互注意力模块（IIAM）来建模治疗共现模式，实现多干预联合预测，并利用生成拓扑映射层识别临床表型进行可解释的风险分层	未明确提及	开发一个统一的深度学习框架，用于ICU中多种干预的联合预测和风险分层，以支持多干预决策	ICU危重患者	机器学习	危重症	深度学习，图神经网络，LSTM，注意力机制	图神经网络自编码器，LSTM，注意力模块	电子健康记录（EHR）数据	MIMIC-IV: 23,926例患者；AmsterdamUMCdb: 12,603例患者用于外部验证	NA	Graph Neural Network, LSTM, Intervention Interaction Attention Module (IIAM)	AUC-ROC, Brier score, Macro Average Precision, AUC-PR	NA
850	2026-09-25	Deep learning based individualized cross-platform molecular subtype classification of B-lineage acute lymphoblastic leukemia 2026-Jun-10, NPJ precision oncology IF:6.8Q1 DOI:10.1038/s41698-026-01556-1 PMID:42265190	研究论文	开发了一个基于深度学习的跨平台B-ALL分子亚型分类框架BALL6，使用递归神经网络对特征基因的秩转换表达值进行训练，并在多个独立数据集上验证了其稳健性	利用秩转换表达值和秩基数据增强框架训练递归神经网络，实现对缺失值的鲁棒性和跨平台应用能力，包括从scRNA-seq稀疏数据中进行亚型预测	摘要中未明确提及研究局限性	开发一个稳健的深度学习框架，用于跨平台的B-ALL分子亚型分类，以提高敏感性、降低成本并缩短周转时间	B细胞急性淋巴细胞白血病（B-ALL）患者样本	机器学习	白血病	基因表达分析、scRNA-seq	RNN	基因表达数据	多个独立数据集，具体样本量未在摘要中提供	NA	RNN	准确率	NA
851	2026-09-25	Benchmarking deep learning architectures for MALDI-TOF mass spectrometry in infectious disease diagnostics and vector-borne disease surveillance 2026-Jun-10, NPJ digital medicine IF:12.4Q1 DOI:10.1038/s41746-026-02816-x PMID:42271140	研究论文	本文对多种深度学习架构和预处理策略在MALDI-TOF质谱数据上的应用进行了系统基准测试，用于传染病诊断和病媒监测	首次系统性地对多种深度学习架构和预处理策略在MALDI-TOF质谱数据上进行基准测试，并将新方法应用于质谱数据，同时评估了计算效率和能耗，揭示了准确性与部署可行性之间的权衡	未明确提及	扩展MALDI-TOF质谱在可现场部署诊断中的实用性，通过系统基准测试评估不同深度学习架构和预处理策略在传染病诊断和病媒监测中的性能	脓肿分枝杆菌亚种及抗菌药物耐药性分类、按蚊物种鉴定（腿、头、胸三个解剖部位）、蚊子年龄估计（腿、头、胸三个解剖部位）	机器学习	传染病	MALDI-TOF质谱	CNN	质谱数据	共7424条质谱数据：脓肿分枝杆菌亚种及耐药性分类（814训练/187测试光谱，来自33/8个分离株）；按蚊物种鉴定（腿：1047/188光谱，来自211/40个标本；头：1089/214光谱；胸：999/279光谱）；蚊子年龄估计（腿：806/144光谱，来自202/36个标本；头：727/124光谱；胸：689/117光谱）	NA	NA	平衡准确率、平均绝对误差	NA
852	2026-09-25	Autonomous Learning With High-Dimensional Computing Architecture Similar to Von Neumann's 2026-06-02, Neural computation IF:2.7Q3 DOI:10.1162/NECO.a.1523 PMID:42048393	研究论文	本文提出了一种基于高维向量计算的学习模型，其架构类似于传统的冯·诺依曼计算，但以向量为基本操作单元，旨在模拟人类和动物的学习过程	提出了一种类似于冯·诺依曼架构的高维计算模型，使用超叠加态向量操作；将心理学中的短期工作记忆和长期数据存储概念与神经科学中小脑皮层的长期记忆模型相结合；构建了与心理学和生物学一致、适用于纳米技术的数学理论	尚未在大规模实验中进行验证；仅提出理论框架，实际应用效果有待检验；与现有深度学习方法的对比和优势尚不明确	建立一种与心理学和生物学一致的高维向量计算理论，以理解大脑如何计算，并最终实现以不超过大脑使用的材料和能量进行计算	人类和动物的学习过程、大脑计算机制	机器学习	NA	高维向量计算	NA	NA	NA	NA	NA	NA	NA
853	2026-09-25	Interpretable deep learning with pharmacogenomics predicts myocardial infarction in angiotensin receptor blocker treated hypertension 2026-06-01, Journal of hypertension IF:3.3Q1 DOI:10.1097/HJH.0000000000004294 PMID:42052888	研究论文	该研究通过结合临床变量和药物基因组学数据，使用可解释的深度学习模型TabNet预测接受ARB治疗的高血压患者的心肌梗死风险	结合药物基因组学数据与可解释深度学习模型TabNet进行心肌梗死风险预测，并利用SHAP方法解释模型特征重要性，发现AGTR1 rs5186多态性是心肌梗死的独立预测因子	回顾性研究设计，样本量有限，仅纳入两个基因多态性位点，未在其他独立队列中验证模型的泛化能力	利用可解释深度学习模型整合临床和药物基因组学数据，预测接受ARB治疗的高血压患者发生心肌梗死的风险	接受ARB治疗的1229例住院高血压患者	机器学习	心血管疾病	基因分型	深度学习	表格数据	1229例住院高血压患者	NA	TabNet	AUC, 召回率	NA
854	2026-09-25	Thousand-Brains Systems: Sensorimotor Intelligence for Rapid, Robust Learning and Inference 2026-05-20, Neural computation IF:2.7Q3 DOI:10.1162/NECO.a.1508 PMID:41945800	研究论文	本文评估了千脑系统的首个实现Monty在3D物体感知中的独特属性，特别是物体识别和姿态估计任务	首次评估千脑系统实现Monty，利用感觉运动学习构建结构化表征，采用无模型和基于模型的策略实现快速推理，使用新颖投票算法加速推理，以及联想式Hebbian绑定实现快速持续学习	Monty仍处于发展初期阶段	评估千脑系统Monty的独特属性，以弥合生物智能与人工智能之间的差距	Monty系统，千脑系统的首个实现，用于3D物体感知	计算机视觉	NA	感觉运动学习	NA	图像	YCB数据集的家用物体	NA	Monty（基于皮质柱架构）	NA	NA
855	2026-09-25	Leveraging machine learning for selective cannabinoid ligand discovery: methods, challenges, and opportunities 2026-May, Expert opinion on drug discovery IF:6.0Q1 DOI:10.1080/17460441.2026.2661209 PMID:42015457	综述	本文综述了利用机器学习方法进行选择性大麻素配体发现的研究进展，重点关注CB2对CB1选择性的预测策略，讨论了特征工程、分类回归算法、深度学习与生成模型，以及数据质量和可解释性等挑战	系统性地总结了机器学习在大麻素受体选择性配体发现中的应用，涵盖从分子指纹、理化描述符到SMILES表示的多种特征工程方法，并强调了生成式AI在扩展化学空间和从头分子设计中的潜力	数据质量不佳、终点不一致以及模型可解释性有限，制约了机器学习在大麻素受体选择性预测中的进一步发展	探讨机器学习方法如何解决大麻素受体选择性中的持续挑战，加速更安全治疗药物的发现	大麻素受体（CB1和CB2）的选择性配体及相关的机器学习预测模型	机器学习	NA	NA	NA	文本	NA	NA	NA	NA	NA
856	2026-09-25	Fetal sleep: a cross-species review of physiology, measurement, and classification 2026-Apr-16, Sleep IF:5.3Q1 DOI:10.1093/sleep/zsag003 PMID:41530894	综述	本文首次对跨越七十余年的胎儿睡眠研究进行跨物种整合综述，比较了人类胎儿与动物模型的睡眠生理与个体发育，并梳理了从侵入性神经生理学向无创监测与深度学习框架转变的方法学演进	首次将超过七十年的胎儿睡眠研究整合为统一的跨物种综述，系统对比人类胎儿与动物模型的睡眠生理与发育，并综述从侵入性神经生理学到无创监测及深度学习框架的方法学演变	尽管动物研究广泛，但尚无统一、经临床验证的胎儿睡眠状态定义框架，限制了其向常规产科实践的转化	综合跨物种、跨方法与跨临床背景的证据，为开发客观、多模态、无创的胎儿睡眠监测技术奠定科学基础，以支持神经系统损害的早期检测并及时指导产前干预	胎儿睡眠相关研究，包括人类胎儿及动物模型（如胎羊、狒狒）的睡眠生理、睡眠状态分类及基于信号的监测研究	数字病理学, 机器学习	神经系统疾病, 胎儿神经发育异常	无创监测, 深度学习, 神经生理学监测, 信号处理	深度学习	生理信号, 文本	共纳入169项研究（源自2925条检索记录）	NA	NA	NA	NA
857	2026-09-25	The application of artificial intelligence in the design of highly compatible knee prostheses: a systematic review 2026-Apr-11, BMC musculoskeletal disorders IF:2.2Q3 DOI:10.1186/s12891-026-09819-5 PMID:41965683	系统综述	本文系统综述了人工智能在全膝关节置换术假体设计中的应用，涵盖假体尺寸预测、类型识别和手术规划三个方向	首次对AI在TKA假体适配设计中的应用进行系统梳理和综合评价，归纳了三种主要应用方向及技术路径	纳入研究存在数据异质性、样本量差异大、缺乏充分的临床验证，且因异质性过大未能进行荟萃分析	系统评价人工智能在全膝关节置换术假体设计中的应用现状、技术方法和性能表现	2019年至2025年间发表的16项关于AI应用于TKA假体设计的研究	机器学习	骨关节炎	NA	CNN, EfficientNet, YOLO	图像	16项研究，来自9个国家	NA	CNN, EfficientNet, YOLO	准确率, AUC	NA
858	2026-09-25	A review of artificial intelligence-based research on chronic obstructive pulmonary disease 2026 Apr-May, Respiratory medicine IF:3.5Q2 DOI:10.1016/j.rmed.2026.108778 PMID:41839412	综述	本文综述了近年来基于人工智能的慢性阻塞性肺疾病（COPD）研究，涵盖筛查与诊断、疾病分级与评估、疾病管理与监测以及治疗等方面	系统梳理了传统方法、监督学习、无监督学习、半监督学习和强化学习五种技术视角下的COPD相关研究，总结了常用数据集和模型评估指标，并通过对比实验分析比较了各类模型在具体COPD任务中的优势与局限性	作为综述文章，未开展原创性实验研究，主要基于现有文献进行归纳与比较	深入探讨人工智能在COPD诊断和管理中的应用，为后续研究提供理论参考和启示	慢性阻塞性肺疾病（COPD）	机器学习	慢性阻塞性肺疾病	NA	NA	NA	NA	NA	NA	NA	NA
859	2026-09-25	Large Language Models and Otolaryngology: A Review 2026-04-01, JAMA otolaryngology-- head & neck surgery DOI:10.1001/jamaoto.2025.5335 PMID:41642593	综述	本文综述了大语言模型（LLMs）在耳鼻喉科的应用现状与前景，指出该领域仍处于可行性评估阶段，并借鉴其他专科的先进经验提出未来发展方向	系统性地将大语言模型在其他医学专科中的创新应用（如非结构化数据结构化、自动化表型分析、行政任务优化、领域特定决策支持、多模态语言模型）引入耳鼻喉科视野，并明确提出耳鼻喉科应从可行性研究转向临床试验式验证与实施研究	大多数耳鼻喉科研究仅限于使用闭源模型的可行性评估，缺乏临床整合与转化验证，且未充分利用耳鼻喉科独有的多模态数据优势	为耳鼻喉科医生提供大语言模型应用的基础知识，并借鉴其他领域的创新经验，推动该技术在耳鼻喉科的临床转化与负责任应用	大语言模型在耳鼻喉科领域的应用研究及相关文献	自然语言处理	耳鼻喉疾病	大语言模型	大语言模型	文本、图像、电生理信号、视频	NA	NA	Transformer	NA	NA
860	2026-09-25	Object Detection, Recognition, Deep Learning, and the Universal Law of Generalization 2026-02-27, Neural computation IF:2.7Q3 DOI:10.1162/NECO.a.1483 PMID:41637719	研究论文	本文将普遍泛化定律（ULoG）扩展到基于深度神经网络的真实学习场景中，利用自然伪装图像研究目标检测与识别中内部表征的形成机制。	首次将普遍泛化定律扩展到具有多重相关刺激的真实学习机制中，提出了两种确定类别原型的方法，并发现伪装输入并非随机表征，而是系统性地出现在单调递减泛化函数的尾部。	摘要中未明确提及研究的具体局限性，如数据集规模、模型泛化能力的边界条件、类别原型的确定是否依赖于特定任务等。	检验普遍泛化定律所推导的假设，即目标检测与识别中泛化过程的内部表征反映的是环境中目标的自然属性，而非特定系统的具体特征。	自然伪装图像中的清晰与伪装动物	计算机视觉	NA	深度学习	深度神经网络	图像	NA	NA	NA	NA	NA