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
941	2026-08-03	Rethinking the use of deep learning methods for photovoltaic power forecasting 2026-Jun-12, Nature communications IF:14.7Q1 DOI:10.1038/s41467-026-73817-3 PMID:42285936	研究论文	重新评估深度学习模型在光伏功率预测中的架构选择，并提出了一种名为Cross-Unet的Transformer架构，用于融合历史数据和天气预报，在多个数据集上超越现有基线	强调了完整编码器-解码器架构和通道依赖建模的重要性，并提出了包含多尺度时间编码、相关性感知通道注意力和层次交叉注意力解码的Cross-Unet架构	摘要中未明确提及局限性	改进光伏功率预测的准确性和可靠性，以支持电网调度和能源交易	光伏功率预测模型及其在不同天气和历史数据条件下的性能	机器学习	NA	NA	Transformer	时间序列数据	中国北方四个公用事业规模的光伏电站和一个澳大利亚中部的聚合电站的数据	NA	Cross-Unet	超越十个深度学习和传统基线，具体指标未提及	NA
942	2026-08-03	AI and Blood Banking: Predicting Transfusion Demand - A Systematic Review of Forecasting Approaches 2026-Jun-12, Transfusion medicine and hemotherapy : offizielles Organ der Deutschen Gesellschaft fur Transfusionsmedizin und Immunhamatologie IF:1.9Q4 DOI:10.1159/000552969 PMID:42541243	综述	本文系统综述了人工智能和机器学习在输血需求预测中的应用，按预测范围和临床目标分为四层框架，并比较了不同技术方法的性能	构建了基于预测范围和临床目标的四层框架，系统比较了从个体患者到区域供应链的不同预测挑战和技术方法	仅纳入有限的研究数量，且未提及外部验证标准化不足的问题	提供AI在血库中应用的结构化综述，指导模型选择基于预测范围和临床目标	输血需求预测的AI/ML应用研究，包括患者个体、手术、设施和区域等不同层级	机器学习	不适用	不适用	深度学习、ARIMA、SARIMA	不适用	24项研究（从535条记录中筛选）	不适用	深度学习模型、ARIMA、SARIMA	AUC、平均绝对百分比误差、R²	NA
943	2026-08-03	Masked autoencoder pretraining for peripheral nerve segmentation in ultrasound images 2026-Jun-10, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-57368-7 PMID:42265235	研究论文	本研究探索使用掩码自编码器（MAE）预训练方法，以克服超声图像中外周神经分割中数据稀缺的问题	首次将MAE预训练应用于外周神经超声图像分割，并覆盖八种神经，远超以往仅关注正中神经的研究范围	未提及具体局限性	评估MAE预训练作为可扩展方法，以解决外周神经分割中标注数据不足的问题	八种外周神经的超声图像	医学图像分析	外周神经疾病	超声成像	视觉Transformer（SegFormer）	超声图像	10,603张超声图像，涵盖超过1,500名患者	NA	SegFormer	Dice系数	NA
944	2026-08-03	A survey of deep learning techniques in detecting neurological disorders using MRI 2026-May-29, Biomedical engineering online IF:2.9Q3 DOI:10.1186/s12938-026-01587-6 PMID:42216001	综述	本文对基于MRI的深度学习技术在神经系统疾病检测中的应用进行了全面综述，系统分析了2019年至2025年间发表的47篇研究论文，涵盖超过40种深度学习架构和34个公开及临床数据集，并比较了不同方法在性能、数据集特征、评估协议和计算需求上的表现。	系统性地对CNN、ViT、混合CNN-Transformer及其他专门深度学习框架在神经系统疾病检测中的应用进行分类和批判性分析，并识别了新兴架构趋势，强调了当前方法在泛化性、可解释性和临床适用性方面的相对优势和局限性。	综述指出现有研究存在跨机构验证不足、数据集异质性、可解释性欠缺以及临床部署挑战等关键研究空白。	对基于MRI的深度学习技术在神经系统疾病检测中的应用进行全面综述，总结现有方法、识别研究空白，并提出未来研究方向以增强系统的可靠性及临床转化。	神经系统疾病，包括阿尔茨海默病、脑肿瘤、帕金森病、多发性硬化和精神分裂症。	计算机视觉、机器学习、医学影像分析	神经系统疾病	MRI	CNN、Vision Transformer、混合CNN-Transformer、其他深度学习框架	MRI图像	47篇研究论文，34个数据集	NA	CNN、ViT、混合CNN-Transformer	NA	NA
945	2026-08-03	Optimizing preoperative planning for total hip arthroplasty using random forest models to predict stem size and compatibility 2026-May-29, BMC musculoskeletal disorders IF:2.2Q3 DOI:10.1186/s12891-026-10022-9 PMID:42216166	研究论文	本研究利用随机森林模型优化全髋关节置换术的术前规划，预测柄尺寸和适配性	提出基于监督机器学习模型（随机森林）预测柄尺寸和适配性，并引入特征工程中的比率信息提升模型性能	模型仅针对Accolade II柄进行验证，需进一步验证以适用于其他植入系统	开发辅助医生进行术前规划的模型，以估计柄尺寸和与股骨几何的兼容性	接受全髋关节置换术的患者（320髋用于训练，109髋用于测试）	机器学习	骨科疾病（全髋关节置换术）	CT影像	随机森林	图像（CT影像）及数值测量数据	训练数据320髋，测试数据109髋	NA	随机森林	准确率、F1分数、精确率、召回率	NA
946	2026-08-03	Multi-scale temporal convolution attention network for state-of-charge estimation in Li-ion batteries 2026-May-23, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-53615-z PMID:42177236	研究论文	提出了一种用于锂离子电池荷电状态估计的多尺度时间卷积注意力网络（MSTCAN），该网络融合多尺度时间卷积和注意力机制，在特斯拉Model-3 2170电池数据集上实现了高精度估计。	提出多尺度时间卷积注意力网络（MSTCAN），结合多尺度时间卷积进行层次特征提取和注意力机制突出关键信号，能同时捕捉短期瞬态和长期SOC演化。	未在摘要中明确提及局限性。	实现锂离子电池荷电状态（SOC）的精准估计，提升电池管理系统（BMS）的性能和效率。	特斯拉Model-3 2170锂离子电池的电压、电流和温度测量数据。	机器学习	NA	数据清洗、最小-最大归一化、基于周期的分割	多尺度时间卷积网络和注意力机制（MSTCAN）	时间序列数据（电压、电流、温度）	特斯拉Model-3 2170电池数据集	NA	多尺度时间卷积网络，注意力机制	均方根误差（RMSE）、平均绝对误差（MAE）、最大误差、决定系数（R²）	NA
947	2026-08-03	Performance comparison between a deep learning model and spine surgeons in detecting cervical spinal cord compression on radiographs 2026-May-22, Journal of neurosurgery. Spine DOI:10.3171/2026.1.SPINE251409 PMID:42172670	研究论文	开发了一种深度学习模型用于在颈椎X光片上检测颈椎脊髓压迫，并与脊柱外科医生的诊断性能进行比较。	首次开发了基于分割的定位算法和二元分类的深度学习模型，用于颈椎X光片上的脊髓压迫检测，并使用Grad-CAM进行可视化。	样本量较小，且仅使用了影像学资料，未纳入临床数据。	开发一种深度学习模型以检测颈椎放射照片上的脊髓压迫，并评估其与脊柱外科医生相比的诊断性能。	颈椎X光片和MRI影像数据	计算机视觉	颈椎脊髓压迫	MRI作为金标准	深度学习模型（基于分割和分类）	图像	600例内部样本（训练480，验证60，内部测试60），外部测试60例	NA	分割网络和分类网络	准确率、敏感性、特异性、F1分数、AUC	未提及
948	2026-08-03	HISNET-FF: Hierarchical identification of species using a network with fused cranial and dental features 2026-Mar-18, Zoological research IF:4.0Q1 DOI:10.24272/j.issn.2095-8137.2025.156 PMID:41888061	研究论文	开发了HISNET-FF深度学习框架，通过融合颅骨和牙齿特征进行哺乳动物物种的层级识别，并在鼹科数据集上取得了高准确率	提出双流架构整合整体颅骨形态与局部牙齿和听泡的诊断信号，并在层级分类流程中从属级到种级进行识别，同时引入YOLO注释模块实现端到端自动化	未提及具体局限性	实现基于颅齿特征的自动、准确且高效的哺乳动物物种分类	51种、18属的鼹科（Talpidae）哺乳动物	计算机视觉	NA	NA	深度学习模型	图像	涵盖51种、18属的鼹科图像数据集	NA	HISNET-FF（双流架构），YOLO	准确率、召回率、精确率、平均精确率均值（mAP@[.50:.95]）	NA
949	2026-08-03	A comprehensive review of artificial intelligence as a catalyst in aging research: insights, gaps and future perspectives 2026, Frontiers in aging IF:3.3Q2 DOI:10.3389/fragi.2026.1644669 PMID:41685266	综述	本文全面评述了人工智能在衰老研究中的应用，涵盖机器学习、深度学习和计算机视觉在四种经典衰老模型中的角色，并提出了标准化评分系统和概念框架	提出了AI质量评估指标（AI-QAM）和将AI应用映射到生物水平和衰老标志的概念框架	仅有3%的研究包含生物验证，存在数据集小且不平衡、数据偏差、预测噪声、缺乏跨物种分析、缺少细胞毒性测试和过度依赖合成数据等问题	评估AI在衰老研究中的应用现状，识别不足，并提出改进标准和整合框架	四种经典衰老模型（酵母、线虫、果蝇和小鼠）中的AI应用研究	机器学习	衰老相关疾病	NA	机器学习、深度学习、计算机视觉	临床数据、影像数据、多组学数据	综述中分析的研究数量未明确，但提及仅3%包含生物验证	NA	NA	NA	NA
950	2026-08-03	GRACE-ViT: Grouped Recalibration With Adaptive Contextual Emphasis for Breast Cancer Neoadjuvant Chemotherapy Response Prediction 2026 Jan-Dec, Technology in cancer research & treatment IF:2.7Q3 DOI:10.1177/15330338261474068 PMID:42525959	研究论文	提出GRACE-ViT框架，利用基于视觉Transformer的模型从预处理乳腺MRI预测乳腺癌新辅助化疗反应，分为部分缓解、完全缓解和稳定疾病三类。	引入轻量级令牌重校准模块GRACE，结合双模式令牌评分、空间连贯性先验和跨组特征整合，在保持全局上下文的同时聚焦重要乳腺区域，以较低计算成本提升预测性能。	未明确提及局限性，但可能受限于单中心回顾性数据及特定MRI序列。	开发并验证一种高效的基于MRI的乳腺癌新辅助化疗反应预测方法，以支持个体化治疗决策。	乳腺癌患者治疗前的轴向T1加权乳腺MRI图像。	计算机视觉	乳腺癌	MRI	视觉Transformer（ViT）	图像	736张轴向T1加权乳腺MRI图像	未提及	ViT（含GRACE模块）	准确率, F1分数, 精确率, 召回率	未提及
951	2026-08-03	A cross-domain deep learning framework for remaining useful life prediction in industrial applications 2026, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0354721 PMID:42536676	研究论文	提出了一种基于CNN-BiLSTM混合架构的跨领域深度学习框架，用于工业应用中的剩余使用寿命预测。	提出的跨领域框架无需手工特征，通过CNN提取局部退化特征，BiLSTM捕捉长期依赖，并在零样本和微调两种跨领域设置下验证了其适应性和轻量级迁移能力。	研究仅对有限领域和数据集进行了验证，且结果部分依赖目标领域少量标注样本的微调，未实现完全无监督的跨领域泛化。	实现统一、可扩展的跨领域剩余使用寿命预测框架，以支持工业系统中的预测性维护和减少停机时间。	施工机械、连续铸造机、锂离子电池等三类异构工业系统。	机器学习	NA	NA	CNN-BiLSTM	传感器时序数据	未明确样本数，但涉及三个数据集（施工机械、连续铸造机、锂离子电池）和多个测试样本。	NA	CNN-BiLSTM	RMSE, MAE, R², Timeliness Score, PHM08 Score	NA
952	2026-08-03	Deep learning architectures for EEG-based classification of Dravet syndrome: A comparative study of pre-trained and non-pretrained hybrid CNN-LSTM models 2026, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0352991 PMID:42536693	研究论文	本研究探讨了使用混合深度学习CNN-LSTM框架进行基于脑电图的Dravet综合征分类，比较了预训练与非预训练模型的效果	首次将预训练CNN-LSTM模型应用于Dravet综合征的脑电图分类，证明了脑电图特异性预训练能提高分类准确性和特征可分性	样本量有限（仅9名DS患者），需要更大规模的多中心数据集和前瞻性验证来评估鲁棒性和泛化性	探索AI在Dravet综合征脑电图分类中的应用潜力，评估预训练与非预训练CNN-LSTM模型的性能差异	9名Dravet综合征儿童患者、年龄匹配的健康对照组和非Dravet癫痫儿童患者的脑电图记录	机器学习	Dravet综合征	脑电图	CNN-LSTM	脑电图信号	9名DS患者及相应的健康对照和非Dravet癫痫患者	深度学习框架	CNN-LSTM	准确率、平衡准确率、F1分数、ROC-AUC	未在摘要中明确说明
953	2026-08-03	Screening opportunistic osteoporosis through multimodal techniques of hip joint CT images: exploring 2D and 3D deep learning, radiomics, clinical data, and their integration 2026, Frontiers in endocrinology IF:3.9Q2 DOI:10.3389/fendo.2026.1838830 PMID:42539488	研究论文	本研究探讨通过髋关节CT图像的多模态技术（包括2D/3D深度学习、放射组学和临床数据）进行机会性骨质疏松症筛查的方法	整合2D/3D深度学习、放射组学与临床数据，建立基于髋关节CT的机会性骨质疏松症筛查列线图模型，并比较多种模型的性能以确定最佳方案	信息不足（摘要中未明确提及局限性）	探索利用髋关节CT数据分析进行骨质疏松症检测，整合2D/3D深度学习、放射组学和临床数据以提高诊断准确性和可靠性	567例髋关节CT图像患者，包括年龄、性别等临床因素	医学影像分析	骨质疏松症	CT成像	2D深度学习、3D深度学习、放射组学、机器学习（如GradientBoosting）	图像（CT）、临床数据	567例患者的髋关节CT图像及相应临床数据	NA	DenseNet201、3D ResNet34、GradientBoosting	准确率、AUC	NA
954	2026-08-03	Cochlear implant artifact analysis in cranial MRI: effects of field strength and imaging sequence 2026, Frontiers in neurology IF:2.7Q3 DOI:10.3389/fneur.2026.1861544 PMID:42539506	研究论文	本研究探讨了在不同磁共振场强和成像序列下，人工耳蜗植入体在颅脑MRI中产生的伪影特征。	首次系统比较了1.5T和3.0T场强以及SE、FSE、GRE序列下人工耳蜗伪影的大小和面积，并引入了深度学习自动分割算法进行量化分析。	研究仅基于12名健康受试者，且未涉及真实植入者或临床病理状态下的伪影影响。	评估不同MRI场强和序列对人工耳蜗伪影的影响，以优化临床扫描方案。	12名健康受试者，人工耳蜗CS-30A植入体。	医学影像	NA	MRI	深度学习分割模型	MRI图像	12名健康受试者	NA	NA	伪影最大尺寸、伪影面积、p值	NA
955	2026-08-03	Predicting response to immune checkpoint inhibitor plus chemotherapy in EGFR-mutant lung adenocarcinoma following first-generation TKI resistance: a multicenter deep learning study 2026, Frontiers in immunology IF:5.7Q1 DOI:10.3389/fimmu.2026.1760264 PMID:42539527	研究论文	一项多中心深度学习研究，利用CT影像预测EGFR突变肺腺癌患者在一代TKI耐药后对免疫检查点抑制剂联合化疗的治疗反应	首次使用2.5D深度学习模型基于CT影像预测EGFR突变肺腺癌患者一代TKI耐药后的免疫治疗反应	需要前瞻性验证和临床变量基准测试后才能进行临床应用	开发并验证基于CT影像的深度学习模型，用于预测EGFR突变肺腺癌患者在一代TKI耐药后对免疫检查点抑制剂联合化疗的治疗反应	EGFR突变且对一代酪氨酸激酶抑制剂耐药且无T790M突变的肺腺癌患者	深度学习	肺癌	CT影像	深度学习模型	影像（CT）	490例患者（训练队列326例，验证队列1有70例，验证队列2有94例）	NA	2.5D模型	AUC、决策曲线分析、PFS分层分析	NA
956	2026-08-03	Deep learning-based super-resolution dynamic contrast-enhanced radiomics model for predicting NSMP endometrial cancer 2026, Frontiers in oncology IF:3.5Q2 DOI:10.3389/fonc.2026.1722374 PMID:42539566	研究论文	本研究评估了基于深度学习超分辨率的动态对比增强影像组学模型在预测非特异性分子谱系子宫内膜癌中的性能	首次将深度学习超分辨率重建技术应用于动态对比增强影像组学模型，提高非特异性分子谱系子宫内膜癌的预测准确性	信息未在标题和摘要中提供	评估深度学习超分辨率动态对比增强影像组学模型预测非特异性分子谱系子宫内膜癌的性能	140例手术确诊的子宫内膜癌患者（76例NSMP型和64例非NSMP型）	医学影像分析	子宫内膜癌	动态对比增强磁共振成像	逻辑回归、支持向量机、多层感知器	医学影像	140例子宫内膜癌患者	NA	NA	曲线下面积、决策曲线分析	NA
957	2026-08-03	Application of deep learning in prognostic prediction of non-small cell lung cancer 2026, Frontiers in cell and developmental biology IF:4.6Q1 DOI:10.3389/fcell.2026.1878798 PMID:42539610	综述	本文综述了深度学习在非小细胞肺癌预后预测中的研究进展，涵盖多模态数据的技术特点、关键架构及挑战。	系统梳理了从传统融合到注意力交互、张量融合和图交互建模的多模态融合演进路径，并介绍了Grad-CAM和SHAP等可解释性技术的应用现状。	当前研究存在数据异质性、小样本过拟合、可解释性验证不足、缺乏深度多模态融合和临床泛化验证弱等瓶颈。	为医学人工智能研究者提供技术参考，促进临床可转化的高精度非小细胞肺癌预后预测模型的开发。	非小细胞肺癌患者	机器学习及其在医学影像和基因组学中的应用	非小细胞肺癌	NA	NA	医学图像、病理全切片图像、基因组学数据、临床数据	NA	NA	2D/3D卷积神经网络、多实例学习、图卷积网络、深度生存模型、Transformer	NA	NA
958	2026-08-03	Utility of lay and clinical narratives for transparent autism diagnosis using BioBERT deep learning 2026, Frontiers in digital health IF:3.2Q2 DOI:10.3389/fdgth.2026.1804334 PMID:42539706	研究论文	利用BioBERT深度学习模型对自闭症行为描述进行透明化诊断标注，并评估非专业与临床叙事数据的诊断价值	提出使用BioBERT对个体行为描述进行DSM-5七项标准（A1-A3, B1-B4）的透明化标注，避免案例级别的黑箱决策，并首次比较非专业与临床叙事在诊断效用上的异同	模型在跨界转移时性能下降，且AI生成的摘要只能适度代表行为描述示例	探索将非专业（家长）行为描述整合到自动化自闭症诊断流程中，以提升诊断透明性和效率，同时保持临床效用	自闭症行为描述文本，包括非专业（N = 35,971）和临床（N = 145,603）两种来源	自然语言处理	自闭症	NA	BioBERT	文本	非专业行为描述35,971条和临床行为描述145,603条	PyTorch	BioBERT	精确率, 召回率, 余弦相似度	NA
959	2026-08-03	Assessing Deep Learning in Record Linkage: Recommendations Based on Dataset Characteristics and Computational Costs 2026, International journal of population data science DOI:10.23889/ijpds.v11i5.3716 PMID:42540954	研究论文	本文评估了深度学习在记录链接任务中的性能与计算成本，并基于数据集特征提出方法选择建议	提出了一个统一框架来评估深度学习与传统机器学习在记录链接中的性能-成本权衡，覆盖多种数据集类型	未明确提及具体限制，但可能受限于评估任务和数据集范围	理解深度学习在记录链接中的性能、计算成本，并基于性能-成本权衡提供方法选择建议	各种记录链接任务，包括结构化与非结构化数据集	机器学习	无	无	深度学习模型（如Transformer）和经典机器学习方法	文本数据（结构化与非结构化）	多种记录链接数据集（具体数量未在摘要中给出）	未指定	Transformer	精确率-召回率曲线	未指定
960	2026-08-03	World's First Real-Time Artificial Intelligence-Assisted Mechanical Thrombectomy for Acute Ischemic Stroke 2025-Aug-01, AJNR. American journal of neuroradiology DOI:10.3174/ajnr.A8704 PMID:39961616	研究论文	本文报告了全球首例实时人工智能辅助机械取栓术治疗急性缺血性卒中的初步经验，评估了AI系统的有效性、准确性和安全性	首次在急诊机械取栓术中应用实时深度学习AI系统，提供引导导管移出荧光透视图像的实时通知，并验证了其临床实用性	初步研究样本量较小，需要大规模研究验证其对手术流程和临床结果的影响	评估实时AI辅助机械取栓术在急性缺血性卒中患者中的准确性、安全性和潜在有效性	16例连续接受机械取栓术的急性缺血性卒中患者	计算机视觉, 机器学习, 数字病理学	急性缺血性卒中	深度学习	深度学习模型	视频影像	16例急性缺血性卒中患者	NA	NA	精确率, 召回率, 通知次数	NA