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
1001	2026-09-23	Machine Learning Model Using Pre-Cancer Therapy Cardiac Magnetic Resonance Images to Predict Cancer Therapy-Related Cardiac Dysfunction 2026-Sep, JACC. Cardiovascular imaging DOI:10.1016/j.jcmg.2026.04.007 PMID:42212994	研究论文	该研究利用癌症治疗前的心脏磁共振图像构建深度学习模型，预测癌症治疗相关心脏功能障碍。	使用治疗前CMR短轴电影图像构建深度学习模型预测后续CTRCD，性能优于临床风险评分和常规影像模型。	样本量相对较小，且仅纳入HER2阳性乳腺癌女性患者，需要更大规模多中心验证。	评估基于治疗前CMR图像的深度学习方法能否预测后续CTRCD风险，并与临床和常规影像模型进行比较。	接受蒽环类药物和曲妥珠单抗治疗的HER2阳性乳腺癌女性患者	医学图像分析	乳腺癌, 心血管疾病	心脏磁共振成像, 超声心动图	深度卷积神经网络	图像	229名患者（内部开发队列176名，52例CTRCD事件；外部验证队列53名，14例CTRCD事件）	NA	深度卷积神经网络	AUC, F1分数	NA
1002	2026-09-23	A multiperspective evaluation framework of spatial transcriptomics clustering methods 2026-Sep, NAR genomics and bioinformatics IF:4.0Q1 DOI:10.1093/nargab/lqag075 PMID:42421749	研究论文	本文介绍了MultimetricST，一个基于Python的框架，用于统一灵活地评估空间转录组学聚类方法	提出了一个整合了前沿和先进的有标签和无标签指标的评估框架，克服了现有评估方法的局限性	未明确提及	系统评估空间转录组学聚类方法，提供比较和稳健评估以及方法选择的工具	空间转录组学聚类方法	空间转录组学	NA	空间转录组学	NA	基因表达数据	两个合成数据集和十三个来自七种空间转录组学技术的数据集	NA	NA	NA	NA
1003	2026-09-23	A clinically grounded taxonomy and systematic review of artificial intelligence for cardiovascular diagnosis: From machine learning to multimodal and agentic systems 2026-Sep, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2026.111859 PMID:42520754	系统综述	本文对心血管疾病诊断中的人工智能研究进行了系统综述，并提出了一个基于临床的六层分类体系，涵盖诊断目标、数据模态、建模范式、数据集成复杂度、可解释性与可信度以及部署成熟度	提出了一个基于临床的六层分类体系，用于组织心血管AI研究，并将临床验证技术与联邦学习、基础模型和智能体AI等新兴范式进行了区分	现有证据分散且碎片化，外部验证、数据集代表性、工作流程集成、可解释性、隐私、治理以及前瞻性临床部署等方面仍存在持续挑战	对心血管疾病诊断中的人工智能研究进行系统综述，并建立一个统一的分类框架，以评估下一代智能诊断系统的成熟度、可信度和临床就绪度	心血管疾病诊断中的人工智能研究，包括从传统机器学习到多模态和智能体系统的各类研究	机器学习	心血管疾病	NA	NA	文本	226条记录，其中76项主要实证研究纳入比较证据综合	NA	NA	NA	NA
1004	2026-09-23	Longitudinal 3D quantification of joint space from CT images: Semi-automatic segmentation and feasibility of nnU-Net automation 2026-Sep, Osteoarthritis imaging DOI:10.1016/j.ostima.2026.100455 PMID:42635968	研究论文	该研究提出了一种基于CT图像的三维关节间隙量化方法，使用半自动分割和nnU-Net自动分割，并在纵向数据上验证了其可行性	利用CT图像进行三维关节间隙量化，并训练nnU-Net实现自动分割，以替代半自动分割	样本量较小，仅包含54名受试者，且仅针对内侧 compartment 骨关节炎患者	从CT图像中量化三维关节间隙，并评估nnU-Net自动分割的可行性	54名内侧 compartment 骨关节炎患者（Kellgren-Lawrence 2-3级）的膝关节CT图像	医学图像分析	骨关节炎	CT成像、深度学习分割	nnU-Net	三维CT图像	54名受试者（6名男性，48名女性），每个受试者在两个时间点（M00和M36）进行CT扫描，共108次扫描	NA	nnU-Net	均方根变异系数（RMSCV%）、均方根标准差（RMSSDmm）、平均偏差	NA
1005	2026-09-23	ToxiGuard: an AOP-guided mechanistically interpretable framework for multi-organ toxicity prediction 2026-09, Archives of toxicology IF:4.8Q1 DOI:10.1007/s00204-026-04436-6 PMID:42159741	研究论文	该研究提出了ToxiGuard，一个将器官特异性不良结局路径（AOP）结构嵌入模型架构的机制可解释深度学习框架，用于多器官毒性预测	将AOP的分子起始事件-关键事件-不良结局（MIE-KE-AO）连接性显式编码到深度学习架构中，约束表示学习到生物学合理的因果路径，实现化学和生物学双层面的互补可解释性	摘要中未明确提及研究局限性	实现具有机制可解释性的器官特异性毒性精准预测，用于化学安全评估和转化毒理学	四种器官毒性终点：肝毒性、心脏毒性、肾毒性和呼吸毒性	机器学习	NA	分子描述符、功能类别指纹、AOP网络分析、SHAP分析	深度学习	分子描述符、分子指纹、AOP网络数据	NA	NA	NA	NA	NA
1006	2026-09-23	Machine learning prediction for epilepsy treatment selection and prognosis: achievements and challenges 2026-Sep, The Lancet. Digital health DOI:10.1016/j.landig.2026.101022 PMID:42692951	综述	本文综述了使用机器学习和深度学习技术预测癫痫治疗选择与预后的研究进展与挑战	系统总结了最先进的深度学习技术在癫痫药物和手术治疗结果预测中的应用，并展望了未来研究方向	缺乏可靠的替代生物标志物，治疗选择仍主要基于试错法，机器学习在临床管理中的整合面临挑战	探讨机器学习和统计方法在癫痫治疗选择和预后预测中的应用现状与未来方向	癫痫患者接受抗癫痫药物或手术治疗的研究	机器学习	癫痫	NA	深度学习	NA	NA	NA	NA	NA	NA
1007	2026-09-23	Opportunistic Chest CT Paraspinal Muscle Biomarkers to Predict Longitudinal Thoracic Vertebral Bone Mineral Density Loss: Results from MESA 2026-Sep, Radiology IF:12.1Q1 DOI:10.1148/radiol.260238 PMID:42742379	研究论文	本研究基于MESA队列，评估CT衍生的椎旁肌衰减和体积是否能独立预测纵向胸椎骨密度流失	首次在大规模多中心前瞻性队列中证明CT衍生的椎旁肌衰减是纵向胸椎骨密度流失的最强预测因子，超越FRAXnb，并能增量改善椎体骨折预测	为二次分析，排除了FRAXnb数据不完整或分割失败者，可能存在选择偏倚；未明确报告计算资源	评估CT衍生的椎旁肌衰减和体积是否独立预测纵向胸椎骨密度流失	MESA队列中接受第5次和第6次检查胸部CT的参与者	数字病理学	骨质疏松	CT	CNN	图像	1316名参与者（平均年龄67.2岁，694名女性）	NA	NA	Dice分数、调整R²、AUC	NA
1008	2026-09-23	Artificial Intelligence for Esophageal Precancerous Lesions and Esophageal Cancer 2026-Sep, The Korean journal of helicobacter and upper gastrointestinal research DOI:10.7704/kjhugr.2025.0079 PMID:42755000	综述	本文综述了人工智能在食管癌前病变（包括巴雷特食管）和食管癌内镜诊断中的应用发展	系统总结了深度学习模型在食管鳞状细胞癌诊断、浸润深度评估、微血管分类和病变边缘勾画中的最新应用进展	未提及具体的技术局限，但文中指出操作者经验差异、疲劳等因素仍是漏诊的主要原因	探讨当前人工智能模型在食管癌前病变和食管癌诊断中的开发与应用	食管癌前病变（巴雷特食管）和食管癌	数字病理学	食管癌	内镜	CNN	图像	NA	NA	NA	NA	NA
1009	2026-09-23	AlloPool is a deep learning framework that infers protein allostery from molecular dynamics simulations 2026-Sep, PLoS biology IF:7.8Q1 DOI:10.1371/journal.pbio.3004002 PMID:42766632	研究论文	本文提出了一种基于图神经网络的深度学习框架 AlloPool，通过分析分子动力学模拟数据来推断蛋白质的变构调控机制	首次将时间注意力机制与图聚合相结合，从平衡和非平衡分子动力学模拟中学习动态相互作用图，通过迭代修剪残基-残基相互作用来揭示控制蛋白质构象动态的最小时间分辨相互作用网络	摘要中未明确提及	从分子动力学模拟中推断蛋白质变构效应，预测动态转变并重建驱动构象转变的相互作用网络	多种动态蛋白质系统，包括结合结构域、机械感受器、信号受体和酶	机器学习	NA	分子动力学模拟	GNN	分子动力学模拟数据	NA	NA	GNN, 时间注意力机制, 图聚合	NA	NA
1010	2026-09-23	WiFo-2: a generalist foundation model unifies heterogeneous wireless system design 2026-Sep, National science review IF:16.3Q1 DOI:10.1093/nsr/nwag500 PMID:42769576	研究论文	提出WiFo-2，一个空时频基础模型，用于统一无线通信与感知系统设计，并在异构数据集上进行预训练	首个面向统一无线通信与感知系统设计的空时频基础模型，在116亿信道状态信息点上预训练，展现缩放规律行为，实现零样本信道重建，仅需监督AI模型1%的训练样本即可在九项无线任务上达到最先进性能，并通过硬件原型验证了实际部署能力	摘要中未明确说明	解决现有深度学习方法在无线系统设计中泛化能力有限的问题，实现跨场景、跨配置、跨任务的统一无线通信与感知系统设计	无线通信与感知系统、信道状态信息	机器学习	NA	基础模型预训练	基础模型	信道状态信息	116亿信道状态信息点	NA	NA	零样本信道重建性能、九项无线任务性能	NA
1011	2026-09-23	Short-pulsed AI-augmented third harmonic generation imaging visualizes negative-contrast cell nuclei in fresh mouse liver tissue without optical-induced damage 2026-Sep-01, Biomedical optics express IF:2.9Q2 DOI:10.1364/BOE.605242 PMID:42769664	研究论文	本文介绍了一种基于超短脉冲激光的第三次谐波产生（THG）成像系统，并利用深度学习框架增强低功率下的THG图像，以实现新鲜小鼠肝脏组织中负对比细胞核的无损伤可视化	首次发现新鲜小鼠肝脏组织中肝细胞核在THG成像中呈现负对比，并开发了深度学习框架将20 mW激光功率下的THG图像映射到40 mW等效图像，避免光学损伤	新鲜肝脏组织仅能耐受约20 mW激光功率而不产生明显累积光热损伤，但需要至少40 mW才能生成足够的负对比肝细胞核THG信号	探究THG成像能否在新鲜肝脏组织中提供细胞对比，并解决低激光功率下THG信号不足的问题	新鲜小鼠肝脏组织	数字病理学	肝癌	第三次谐波产生（THG）显微成像	深度学习	图像	NA	NA	NA	NA	NA
1012	2026-09-23	DASHING-LSCI: deep learning-based anatomical multiclass segmentation for human intraoperative neurosurgical guidance - laser speckle contrast imaging 2026-Sep-01, Biomedical optics express IF:2.9Q2 DOI:10.1364/BOE.605293 PMID:42770010	研究论文	该研究评估了一种深度学习 multiclass 分割方法，用于将术中激光散斑对比成像（LSCI）图像自动分割为血管、皮层组织和背景，以支持神经外科手术导航。	首次在人体神经外科术中 LSCI 图像上应用深度学习进行三类解剖结构分割，并采用跨中心验证评估泛化能力。	血管分割性能较低且变异性大（Dice 0.41），源于血管细、稀疏；样本量较小（90 张图像，18 例手术）；仅验证了一个模型架构。	评估深度学习多类分割在术中 LSCI 图像上的可行性，以实现血管和皮层组织的自动 delineation，为实时连续血流和灌注分析提供基础。	90 张术中 LSCI 图像，来自 18 例独特的人体神经外科手术，跨三个前瞻性观察性临床研究（每个中心 30 张）。	计算机视觉，数字病理学	NA	激光散斑对比成像（LSCI）	CNN	图像	90 张术中 LSCI 图像（来自 18 例手术）	NA	nnU-Net (Version 2)	Dice 分数	NA
1013	2026-09-23	Deep Learning-derived Bone Mineral Density and Longitudinal White Matter Microstructure and Cognitive Decline: Multi-Ethnic Study of Atherosclerosis 2026-Sep, Radiology IF:12.1Q1 DOI:10.1148/radiol.260656 PMID:42770818	研究论文	本研究基于多民族动脉粥样硬化研究，利用深度学习从非增强胸部CT中量化胸椎骨密度，并分析其与纵向白质微结构损伤和认知下降的关联	首次利用深度学习从非增强胸部CT中自动提取胸椎骨密度，并前瞻性地将其与纵向白质完整性、白质高信号负荷和认知下降联系起来，揭示了骨骼健康与脑老化之间的纵向关联	总白质各向异性分数下降的关联未通过错误发现率校正；样本主要来自特定多种族队列，外推性有限；未完全排除残余混杂因素	确定深度学习衍生的胸椎骨密度是否与白质完整性、白质高信号负荷和认知下降的纵向变化相关	无临床心血管疾病的多民族动脉粥样硬化研究参与者	医学影像分析, 数字病理学	心血管疾病, 骨质疏松, 认知障碍, 脑小血管病	深度学习, 非增强胸部CT, 脑MRI, 扩散张量成像, 液体衰减反转恢复序列, 认知测试	深度学习算法	图像, 文本	715名参与者（397名男性，318名女性；中位年龄69岁）	NA	NA	β系数, 95%置信区间, p值, 错误发现率校正	NA
1014	2026-09-23	Deciphering the comprehensive relationship between 5' UTR and 3' UTR sequences with deep learning 2026-Aug-31, Bioinformatics (Oxford, England) DOI:10.1093/bioinformatics/btag634 PMID:42644799	研究论文	该研究提出了一种基于深度学习的方法，利用预训练的RNA语言模型和对比学习来预测5' UTR与3' UTR之间的关系	首次通过深度学习框架系统性地探索5' UTR与3' UTR之间的潜在协同效应，而非孤立研究单个区域	摘要中未明确提及研究局限性	预测5' UTR与3' UTR之间的关系，并揭示其在功能上的相互作用	mRNA的5'非翻译区和3'非翻译区序列	自然语言处理	NA	RNA语言模型，对比学习	对比学习	序列数据	NA	NA	NA	NA	NA
1015	2026-09-23	Deep learning for EEG-based depression detection: A systematic literature review of methods and interpretability techniques 2026-Aug-30, Progress in neuro-psychopharmacology & biological psychiatry IF:5.3Q1 DOI:10.1016/j.pnpbp.2026.111872 PMID:42556553	系统综述	系统综述了2017至2026年间基于EEG的抑郁症检测中深度学习方法与可解释性技术的研究进展	首次系统整合了基于EEG的抑郁症检测中深度学习模型与可解释性技术的文献，涵盖超过100篇同行评审研究，全面梳理了模型类型与解释方法的现状与挑战	数据集存在局限性，数据准备与评估条件不统一，可解释性技术发展不足，临床整合面临障碍	综述基于EEG的抑郁症检测中深度学习方法及可解释性技术的研究现状与未来方向	基于EEG数据进行抑郁症检测的深度学习模型与可解释性方法	机器学习	抑郁症	EEG	CNN, LSTM	EEG信号	超过100篇同行评审研究	NA	卷积神经网络, 长短期记忆网络, 混合架构	NA	NA
1016	2026-09-23	From Single-Modal to Multi-Modal Artificial Intelligence in Alzheimer's Disease: A Systematic Review of Databases, Modalities, Diagnostic Performance, and Clinical Translation Challenges 2026-Aug-29, Sensors (Basel, Switzerland) DOI:10.3390/s26175489 PMID:42740109	系统综述	本文系统综述了2016年至2026年初期间利用单模态和多模态人工智能进行阿尔茨海默病检测的研究，涵盖数据库、模态、诊断性能和临床转化挑战	系统比较了单模态与多模态AI策略在阿尔茨海默病检测中的表现，全面梳理了数据库、模态类型、特征表示、验证策略和分类任务，并揭示了仅有约4%的研究使用真正独立的外部队列进行验证这一关键问题	仅约4%的研究在真正独立的外部队列上评估模型，当前AI系统高度依赖现有数据集和异质性评估方案，直接可比条件下的单模态与多模态对比研究仍然稀缺，限制了模型的泛化性和临床适用性	比较单模态和多模态人工智能策略在阿尔茨海默病检测中的表现，涵盖机器学习和深度学习方法、特征表示、验证策略及分类任务	2016年至2026年初发表的568项关于阿尔茨海默病AI检测的研究，其中278项符合PRISMA指南的纳入标准	机器学习	阿尔茨海默病	NA	NA	认知数据, 生物标志物数据, 传感器数据	568项研究（筛选后278项纳入系统综述）	NA	NA	NA	NA
1017	2026-09-23	Deep Learning-Based Classification for Grading of Respiratory Distress Syndrome on Neonatal Chest Radiographs 2026-Aug-28, Neonatology IF:2.6Q1 DOI:10.1159/neo/adsag006 PMID:42664162	研究论文	开发并验证基于深度学习的多分类模型，用于新生儿胸片呼吸窘迫综合征（RDS）严重程度的自动分级	利用大量手动标注的新生儿胸片，结合UNet++肺部分割和ResNet-50分类，实现RDS五级有序分级，并提供可解释的注意力图	五分类准确率仅为0.575，模型性能仍有提升空间；外部测试集的具体情况未详细说明	开发并验证自动评估新生儿胸片RDS严重程度的深度学习模型	新生儿胸片	计算机视觉	呼吸窘迫综合征	深度学习	CNN	图像	23,210张胸片（包括正常和RDS病例），按患者级别划分训练集、验证集和外部测试集	NA	UNet++, ResNet-50	二次加权kappa, 五分类准确率, AUROC	NA
1018	2026-09-23	Sex-specific trajectories of nonlinear immune aging at single-cell level 2026-Aug-21, Nature communications IF:14.7Q1 DOI:10.1038/s41467-026-76737-4 PMID:42764338	研究论文	该研究通过分析多族裔健康人群的单细胞转录组数据，揭示了免疫衰老的非线性轨迹及其性别特异性特征	首次在单细胞水平上揭示了免疫衰老的非线性轨迹，发现性别特异性的免疫衰老模式和基于深度学习的性别分层生物年龄时钟优于性别混合模型	研究主要基于外周血单核细胞的转录组数据，可能无法完全反映组织特异性免疫衰老过程；样本虽多族裔但以特定族裔为主	探究健康人类免疫衰老的性别差异及其分子机制	1828名年龄在19-97岁之间的健康个体（35%为亚洲人）的外周血单核细胞	机器学习	老年疾病	单细胞转录组测序	深度学习	单细胞转录组数据	380万个外周血单核细胞，来自1828名个体	NA	NA	NA	NA
1019	2026-09-23	HIPPIE: a generative model for electrophysiological analysis across species, technologies, and modalities 2026-Aug-21, Nature communications IF:14.7Q1 DOI:10.1038/s41467-026-76939-w PMID:42764354	研究论文	提出HIPPIE深度学习框架，结合自监督预训练与监督微调，利用条件卷积联合自编码器对跨物种、技术和模态的细胞外电生理记录进行神经元分类与生成分析	采用条件卷积联合自编码器学习技术调整后的波形与放电动态表征，支持反事实解码、跨物种潜在插值和跨模态分析，揭示尖峰时序模态与波形形态编码 largely 独立的神经元身份维度，并提供Python包和无代码网页应用	摘要中未明确提及	解决细胞外电生理记录中因波形变异性、噪声及实验、技术和物种差异导致的神经元分类难题	小鼠、大鼠和猕猴的细胞外电生理记录	机器学习	NA	细胞外电生理记录	自编码器, 深度学习	电生理信号	NA	NA	条件卷积联合自编码器	NA	NA
1020	2026-09-23	Deep learning for precision grading of Schistosoma japonicum-induced liver fibrosis in ultrasound images 2026-Aug-21, Nature communications IF:14.7Q1 DOI:10.1038/s41467-026-76287-9 PMID:42764346	研究论文	本文开发并评估了一个深度学习系统，用于在超声图像中自动、精细地评估日本血吸虫引起的肝纤维化	采用36级精细分级（0.0至3.5）来捕捉肝纤维化的渐进过程，并开发了可在Windows和Android设备上部署的版本	未明确提及	实现日本血吸虫引起的肝纤维化的自动化精细分级	超声图像中的肝纤维化	计算机视觉	肝纤维化	超声成像	深度学习	图像	167,702张超声图像，其中16,811张用于独立测试	NA	NA	平均绝对误差	NA