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
1041	2026-08-02	Development and validation of a deep learning-based emergency triage model: a feasibility and effectiveness study 2026-Jan-28, BMC emergency medicine IF:2.3Q1 DOI:10.1186/s12873-026-01489-9 PMID:41606477	研究论文	开发并验证了一种基于深度学习的急诊分诊模型，评估其可行性和有效性	提出了一种训练专用急诊分诊模型的方法，利用EasyDL平台进行开发和部署，实现高准确率的分诊级别分类，并支持通过API部署至移动终端	外部验证的准确率有所下降，且需要在实际临床环境中进行进一步研究和疗效验证	提高急诊患者分诊级别分类的准确性，实现临床转化	急诊分诊数据	机器学习	急诊疾病（未特指）	深度学习	深度学习模型（未具体指定类型）	文本数据	270,298条原始数据，清理后113,302条；训练集91,743条，测试集11,559条，在线诊断集10,000条	EasyDL	NA	准确率、马修斯相关系数（MCC）	EasyDL平台
1042	2026-08-02	Structure-Guided Engineering of High-Affinity Antibodies Against Zika Virus Using Deep Learning and Molecular Dynamics 2026-Jan, Chemistry & biodiversity IF:2.3Q3 DOI:10.1002/cbdv.202502769 PMID:41205205	研究论文	本研究利用深度学习和分子动力学模拟，通过结构引导工程优化针对寨卡病毒包膜蛋白DIII区域的单克隆抗体，识别出两个高亲和力候选变异体	结合深度学习和分子动力学模拟进行抗体工程优化，针对寨卡病毒E蛋白DIII区域设计双点突变抗体库，并利用多种计算工具系统评估抗体性能	研究仅基于计算模拟，缺乏实验验证	优化针对寨卡病毒包膜蛋白DIII区域的单克隆抗体，以开发高亲和力治疗抗体	寨卡病毒包膜蛋白DIII区域及中和抗体ZV-64的变异体	深度学习、分子动力学、抗体工程	寨卡病毒感染	分子动力学模拟、分子对接、深度学习方法	深度学习模型	蛋白质结构数据、序列数据	抗体变异体库（具体数量未提供）	NA	NA	预测结合亲和力、稳定性、溶解度、结合能	NA
1043	2026-08-02	Reviewing Marine Bioactive Compounds From the Red Sea: Advancing Therapeutic Applications While Navigating Translational and Conservation Challenges 2026-Jan, Chemistry & biodiversity IF:2.3Q3 DOI:10.1002/cbdv.202502652 PMID:41563944	综述	本文综述了红海中分离的海洋生物活性化合物的研究进展，涵盖其提取、表征和生物活性，并探讨了临床转化和保护挑战	整合了红海海洋生物活性化合物十年的研究数据，并结合深度学习等新兴技术提出跨学科策略以推动药物发现	未详细讨论具体化合物的临床试验数据，且对提取技术和转化障碍的分析较为宏观	总结红海海洋生物活性化合物的治疗潜力，并分析其临床转化和生态保护面临的挑战	红海中的海绵、珊瑚、微藻、海藻、海洋鱼类和微生物	海洋生物学	癌症、炎症和神经退行性疾病	传统溶剂提取、超临界流体萃取、超声辅助提取、色谱纯化、生物测定引导分馏	NA	文本	NA	NA	NA	NA	NA
1044	2026-08-02	A scoping review of systematic reviews on artificial intelligence in orthopaedics 2026 Jan-Apr, Journal of orthopaedic surgery (Hong Kong) DOI:10.1177/10225536261424033 PMID:41680110	综述	对骨科人工智能系统评价的范围性综述，分析出版趋势、地理分布、临床和解剖焦点以及AI方法论和应用	首次对骨科AI领域的系统评价进行全面范围性综述，涵盖多个亚专科和应用，识别未充分探索的研究领域	仅纳入开放获取的系统评价，可能遗漏部分灰色文献或非英语研究，且依赖现有综述的可用数据	绘制骨科AI研究的出版趋势和地理分布，分类临床和解剖焦点，并映射AI方法论和应用以突出研究机会	2015年至2025年7月间发表的183项骨科AI相关系统评价	数字病理学、机器学习	骨科疾病	系统评价、元分析	深度学习、机器学习	影像数据、结构化临床数据	183项系统评价	R软件	NA	NA	NA
1045	2026-08-02	A lightweight hybrid framework integrating convolutional neural networks and fast Fourier transform for reliable and calibrated ECG-based cardiac abnormality detection 2026, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0354834 PMID:42525678	研究论文	提出一种轻量级混合框架，结合卷积神经网络和快速傅里叶变换，用于可靠且校准的心电图心脏异常检测	引入概率校准和严格的按患者验证协议，结合时域形态和频域特征，实现高效且可靠的分类	未在外部数据集或真实临床环境中验证，且仅限于PTB-XL数据集	开发轻量级、高效且可靠的心电图异常检测模型，适用于资源受限的临床环境	心电图信号中的心脏异常	机器学习	心脏疾病	心电图（ECG）	卷积神经网络（CNN）与快速傅里叶变换（FFT）结合	心电图信号	PTB-XL数据集，包含数千条心电图记录（具体数量未在摘要中提供）	未指定	卷积神经网络与快速傅里叶变换组件的混合架构	准确率（Accuracy）、AUC、宏平均AUC、期望校准误差（ECE）	未指定
1046	2026-08-02	Object detection in histology: A multi-dataset benchmark and test-time inference 2026, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0354618 PMID:42525693	研究论文	对YOLOv8至YOLOv12等最新目标检测模型在五个组织学数据集上进行全面比较分析，并提出测试时自监督优化方法TGSP	首次系统比较YOLOv8至YOLOv12及RT-DETR等模型在组织学图像上的性能，并提出测试时图相似性传播（TGSP）方法，通过自适应每类分位数阈值和图标签传播替代TSBP的迭代匹配，提升性能	模型在小目标上表现不佳，常见失败为背景误检和漏检，且未提及计算资源的具体细节	评估最新目标检测模型在组织学图像中的性能，建立基准，并提出改进的测试时优化方法	组织学图像中的病理结构，包括细胞核等对象	计算机视觉	癌症（如乳腺癌，TNBC相关）	NA	YOLO（YOLOv8-YOLOv12）、RT-DETR、YOLO-World、YOLOE	组织学图像	五个数据集：BCNB、Nuclei、TNBC、MoNuSAC、CryoNuSeg，共含多个图像（具体数量未报告）	NA	ResNet50（用于TGSP特征提取）	F1分数、推理时间、计算成本	NA
1047	2026-08-02	Cauchy Lotus Optimization-based feature selection and ResNet 101 based XceptionNet architecture for radiation pneumonitis prediction in lung cancer patients 2026, Medical dosimetry : official journal of the American Association of Medical Dosimetrists IF:1.1Q3 DOI:10.1016/j.meddos.2026.03.008 PMID:42014218	研究论文	本研究提出了一种基于Cauchy Lotus优化特征选择和ResNet 101改进的XceptionNet架构的深度学习算法，用于肺癌患者放射性肺炎的早期预测	结合了Cauchy Lotus优化算法进行特征选择，并改进了ResNet101为基础的XceptionNet架构，以降低特征冗余并提高预测性能	未在摘要中提及具体局限性	使用胸部CT扫描开发一种高效的深度学习算法，用于肺癌患者放射性肺炎的早期预测，以支持风险适应性治疗计划	2010至2021年间接受胸部放疗的548例肺癌患者	深度学习、医学影像分析	肺癌、放射性肺炎	CT成像、自动编码器、特征选择优化	ResNet101、XceptionNet、Autoencoder	医学影像（CT扫描）	548例肺癌患者	NA	ResNet101、XceptionNet	精确率、特异度、灵敏度、准确率、ROC-AUC	NA
1048	2026-08-02	vSTMD: Visual Motion Detection for Extremely Tiny Target at Various Velocities 2026, IEEE transactions on image processing : a publication of the IEEE Signal Processing Society IF:10.8Q1 DOI:10.1109/TIP.2026.3707792 PMID:42391073	研究论文	提出了一种无学习的视觉运动检测模型vSTMD，用于检测各种速度下的极小目标，并通过生物启发机制提升性能	提出了两个关键机制：跨抑制动态电位（cIDP）和协作方向梯度计算（CDGC），cIDP作为自适应机制高效捕获宽速度范围内的运动线索，CDGC增强方向精度和鲁棒性并将计算开销降低至先前独立策略的八分之一	未在摘要中明确提及局限性，但可推断模型可能受限于无学习方法的固有约束，且仅在特定数据集（RIST）上进行了评估	解决现有STMD模型速度范围狭窄的问题，实现不同速度下极小目标的运动检测，并提高实时应用适应性	极小目标（ET-targets）的运动检测，特别是在动态场景和复杂背景中的目标	计算机视觉	不适用	不适用	STMD（小目标运动检测器）	图像	未明确提及样本量，使用了真实世界数据集RIST	不适用	vSTMD和vSTMD-F（反馈增强变体）	F1分数、方向估计性能	未明确提及，但提到模型比数据驱动方法快60倍
1049	2026-08-02	RimeSleepNet: A hybrid deep learning network for s-EEG sleep stage classification 2025-12, Sleep medicine IF:3.8Q1 DOI:10.1016/j.sleep.2025.106835 PMID:41038061	研究论文	提出了一种名为RimeSleepNet的混合深度学习模型，用于睡眠脑电信号（s-EEG）的睡眠阶段分类，以解决频率混叠问题。	首次将霜冰优化算法应用于自适应调整变分模态分解（VMD），以减少频率混叠，并结合CNN、多头部自注意力机制和LSTM进行睡眠阶段分类。	文中未提及具体局限性。	提高睡眠阶段分类的准确性和鲁棒性，以支持睡眠障碍诊断和个性化监测。	睡眠脑电信号（s-EEG），包括NREM、REM和WAKE三个睡眠阶段。	机器学习	睡眠障碍	脑电图（EEG）	混合深度学习模型（CNN、LSTM）	信号数据	使用了成都市人民医院和Sleep-EDF数据集，具体样本数量未在标题和摘要中提及。	NA	VMD、CNN、多头部自注意力（MHSA）、LSTM	F1分数、AUC、Cohen's κ、验证损失	NA
1050	2026-08-02	A few-shot u-net learning framework for fast and accurate three-dimensional dose prediction in radiotherapy 2025-Nov, Physica medica : PM : an international journal devoted to the applications of physics to medicine and biology : official journal of the Italian Association of Biomedical Physics (AIFB) DOI:10.1016/j.ejmp.2025.105184 PMID:41072102	研究论文	提出了一种基于U-Net的少样本学习框架FS-UNet，用于放射治疗中快速且准确的三维剂量预测，并在多个癌症部位上验证了其性能	创新性地将少样本学习与U-Net结合，利用MAML元学习和原型网络提高有限训练数据下的剂量预测性能	未提及明显的局限性，但可能受限于特定治疗部位（前列腺、肝脏、胰腺）和数据集规模（102例患者）	开发一种从有限训练数据中快速准确预测放射治疗三维剂量的深度学习框架	前列腺、肝脏、胰腺癌症患者的质子放射治疗剂量	机器学习, 计算机视觉	前列腺癌, 肝癌, 胰腺癌	NA	U-Net, MAML, 原型网络	图像（三维剂量分布数据）	102例患者（81例前列腺，11例前列腺，29例肝脏，30例胰腺）	NA	U-Net, MAML, 原型网络	均方误差（MSE）, 剂量体积直方图（DVH）	NA
1051	2026-08-02	Artificial Intelligence Solutions to Improve Emergency Department Wait Times: Living Systematic Review 2025-08, The Journal of emergency medicine IF:1.2Q3 DOI:10.1016/j.jemermed.2025.05.031 PMID:40664005	系统性综述	本文对人工智能在改善急诊科等待时间方面的应用进行了系统性综述，评估了当前研究现状并指出了研究缺口。	采用实时更新的系统性综述策略，结合ROBINS-I和PROBAST工具进行全面质量评估，并专门聚焦于AI在急诊科等待时间中的应用。	未发现真实世界急诊科实施AI的研究，且现有研究缺乏急诊专家参与，限制了AI实际效果的洞察。	建立评估AI建模策略的框架，以优化急诊科流程并减少等待时间。	急诊科等待时间相关的AI应用研究，包括各种算法模型和模拟研究。	医疗保健、人工智能	急诊科拥挤和等待时间问题	NA	涵盖多种模型，包括回归方法、传统机器学习、神经网络/深度学习、自然语言处理和集成方法	文本（研究文献）	16项定量观察性研究，从17,569篇筛选出的文献中选出	NA	回归方法、传统单模型机器学习、神经网络/深度学习、自然语言处理、集成方法	等待时间减少值（分钟）	NA
1052	2026-08-02	Exploring 7β-amino-6-nitrocholestens as COVID-19 antivirals: in silico, synthesis, evaluation, and integration of artificial intelligence (AI) in drug design: assessing the cytotoxicity and antioxidant activity of 3β-acetoxynitrocholestane 2024-Sep-26, RSC medicinal chemistry IF:4.1Q2 DOI:10.1039/d4md00257a PMID:39430952	研究论文	本研究合成了7β-氨基-6-硝基胆甾烷类化合物，通过虚拟筛选评估其抗SARS-CoV-2活性，并利用人工智能辅助设计新分子，同时测试了3β-乙酰氧基-6-硝基胆甾-4,6-二烯的细胞毒性和抗氧化活性	将人工智能辅助药物设计与分子对接结合，生成AI设计分子并进行二次筛选，同时评估了新合成甾体化合物的抗病毒潜力及毒性特性	部分化合物（如起始的甾体衍生物和某些产物）不符合药物开发的Lipinski规则和ADMET性质，表现出致突变性或生殖/发育毒性	探索7β-氨基-6-硝基胆甾烷类化合物作为COVID-19抗病毒药物的潜力，并利用人工智能优化药物设计	7β-氨基胆甾烯衍生物（4-8）、7β-溴-6-硝基胆甾-5-烯（1-3）、3β-乙酰氧基-6-硝基胆甾-4,6-二烯（9）以及AI设计分子	数字病理学	COVID-19	NGS	CNN	图像	60个AI设计分子	TensorFlow	ResNet	准确性	NVIDIA V100
1053	2026-08-02	FRAGSITE2: A structure and fragment-based approach for virtual ligand screening 2024-01, Protein science : a publication of the Protein Society IF:4.5Q1 DOI:10.1002/pro.4869 PMID:38100293	研究论文	提出了一种基于结构和片段的虚拟配体筛选方法FRAGSITE2，在多个基准数据集上表现优于现有方法	结合了配体同源建模与机器学习，显著提升了缺乏已知小分子结合剂的蛋白质靶标的筛选性能，并采用提升树回归方法优于深度学习多层感知机方法	未提及明确的局限性，但可推断依赖模板配体，对于无同源模板的靶标可能仍有挑战	改进虚拟配体筛选的准确性和鲁棒性，以识别更多样化的结合配体，用于蛋白质功能注释和药物发现早期阶段	蛋白质靶标及其小分子配体，在DUD-E和DEKOIS2.0数据集上评估	机器学习	NA	虚拟筛选	提升树回归	分子结构数据	DUD-E集和DEKOIS2.0集，以及DEKOIS2.0的76个靶标子集	NA	NA	富集因子, ROC富集因子, AUPR	NA
1054	2026-08-02	Assessing an AI-based Smart Imagery Framing and Truthing (SIFT) system to assist radiologists annotating lung abnormalities on chest X-ray images for development of deep learning models 2023, Proceedings of SPIE--the International Society for Optical Engineering DOI:10.1117/12.2653826 PMID:42534261	研究论文	评估一种基于AI的智能影像框定与标注（SIFT）系统，辅助放射科医生标注胸部X光图像中的肺异常，以支持深度学习模型的开发	集成基于卷积神经网络的增强型MaskR-CNN和多层感知器神经网络，实现自动标注ROI、精细边界注释、置信度评分及推荐其他可能异常类型，有效提高放射科医生标注的一致性和效率	未提及	评估SIFT系统在自动标注多疾病胸部X光图像中的辅助作用，以提高放射科医生的标注一致性、效率和准确性	胸部X光图像中的肺异常，包括肺结核、肺结节、肺炎、COVID-19和纤维化	计算机视觉	肺部疾病	NA	CNN、MLP	图像	训练数据含307415个ROI和67071张正常胸部X光图像；测试数据含178张CXR图像和272个ROI	NA	MaskR-CNN、多层感知器	接受率、变异减少、平均IOU、一致真阳性率、假阳性率、标注时间	NA
1055	2026-08-02	A 2D convolutional neural network to detect sleep apnea in children using airflow and oximetry 2022-08, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2022.105784 PMID:35797888	研究论文	本研究评估了一种基于气流和血氧饱和度信号的二维卷积神经网络在儿童阻塞性睡眠呼吸暂停检测中的诊断能力，并在两个独立数据库中取得了良好性能	首次在儿科背景下利用深度学习分析气流和血氧饱和度双信号，采用二维CNN架构，优于仅用血氧信号或传统特征工程方法	未提及具体限制，但可能包括对多中心数据的泛化性、信号质量依赖或计算资源需求，摘要中未详细说明	开发并评估基于气流和血氧信号的CNN模型，用于自动估计儿童阻塞性睡眠呼吸暂停严重程度，简化诊断流程	儿童阻塞性睡眠呼吸暂停患者，使用来自CHAT数据库和临床数据库的睡眠多导图信号	深度学习、医学信号处理	儿童阻塞性睡眠呼吸暂停	睡眠多导图（PSG）	卷积神经网络（CNN）	生理信号（气流和血氧饱和度）	CHAT数据库1638例记录，临床数据库974例记录	未明确提及，推测使用深度学习框架如TensorFlow或PyTorch	二维卷积神经网络（2D CNN）	准确率、Cohen's Kappa系数	未明确提及GPU类型或云计算平台，摘要中未提供相关信息
1056	2026-08-02	Radiomics and deep learning for myocardial scar screening in hypertrophic cardiomyopathy 2022-06-27, Journal of cardiovascular magnetic resonance : official journal of the Society for Cardiovascular Magnetic Resonance IF:4.2Q1 DOI:10.1186/s12968-022-00869-x PMID:35761339	研究论文	本研究开发并评估了一种结合放射组学与深度学习的AI筛查模型，利用bSSFP电影序列图像在肥厚型心肌病患者中识别无心肌瘢痕的个体，以减少不必要的钆剂增强CMR检查	首次将放射组学与深度学习特征联合用于HCM患者心肌瘢痕的无创筛查，利用bSSFP电影序列替代LGE成像，并验证了多中心/多设备数据的泛化性能	模型临床效用有限，准确性及泛化性需进一步改进；外部数据集中性能下降明显，且仅以AUC为主要评估指标，缺乏多指标验证	开发AI筛查模型，在注射钆剂前利用bSSFP电影序列图像识别无心肌瘢痕的HCM患者，以减少重复的钆基CMR检查	759名HCM患者（内部多中心数据集）和100名HCM患者（外部验证数据集）的bSSFP电影序列图像	医学影像分析	肥厚型心肌病	心血管磁共振成像	深度学习模型（DL模型）	医学图像（bSSFP电影序列）	内部数据集759例HCM患者（平均50岁，66%男性），外部数据集100例HCM患者（平均53岁，70%男性）	NA	NA	AUC	NA
1057	2026-08-02	Discriminating TB lung nodules from early lung cancers using deep learning 2022-06-21, BMC medical informatics and decision making IF:3.3Q2 DOI:10.1186/s12911-022-01904-8 PMID:35725445	研究论文	本研究使用基于VGG16的自定义15层二维深度卷积神经网络，区分肺结核结节与早期肺癌，在解锁预训练权重条件下达到90.4%的准确率和90.1%的F值	首次将深度学习应用于区分潜伏性肺结核结节与早期肺癌，并采用自定义VGG16架构结合迁移学习	未在摘要中明确说明，可能包括样本多样性或外部验证不足	开发一种非侵入性筛查工具，用于可靠地区分肺癌与潜伏性肺结核结节	肺部CT图像，包括肺癌结节和肺结核结节	计算机视觉	肺癌、肺结核	CT成像	卷积神经网络	图像	未明确，数据来自国家肺筛查试验和TB Portals数据库	未明确	VGG16	准确率、F值（F分数）	未明确
1058	2026-08-02	Multimodal deep learning for Alzheimer's disease dementia assessment 2022-06-20, Nature communications IF:14.7Q1 DOI:10.1038/s41467-022-31037-5 PMID:35725739	研究论文	本文提出一种多模态深度学习框架，用于依次完成阿尔茨海默病及相关痴呆的诊断步骤，识别正常认知、轻度认知障碍、阿尔茨海默病和非阿尔茨海默痴呆	开发了能灵活组合常规临床信息的深度学习框架，并应用计算机视觉可解释性方法验证模型检测的疾病特异性模式与神经病理学病变的一致性	摘要未提及具体局限性	改进因各种病因导致的认知障碍个体的诊断方法，提高痴呆诊断的准确性	正常认知、轻度认知障碍、阿尔茨海默病和非阿尔茨海默痴呆的个体	深度学习	阿尔茨海默病、痴呆	神经影像学	深度学习模型	临床信息（人口统计学、病史、神经心理测试、神经影像、功能评估）	NA	NA	NA	诊断准确性	NA
1059	2026-08-02	Hepatocellular carcinoma risk after viral response in hepatitis C virus-advanced fibrosis: Who to screen and for how long? 2021-Oct-28, World journal of gastroenterology IF:4.3Q1 DOI:10.3748/wjg.v27.i40.6737 PMID:34790004	综述	本文综述了丙型肝炎病毒相关晚期纤维化患者在获得持续病毒学应答后肝细胞癌的风险，探讨了哪些患者应接受筛查以及筛查持续时间	强调在直接抗病毒药物时代，利用预测模型、风险计算器、生物标志物、遗传面板和深度学习模型来个体化评估肝细胞癌风险，以优化筛查策略	未提及具体局限性	探讨丙型肝炎病毒相关晚期纤维化患者获得持续病毒学应答后肝细胞癌的发生风险，并讨论筛查策略和个体化风险评估方法	丙型肝炎病毒相关晚期纤维化或肝硬化患者	机器学习	肝细胞癌、丙型肝炎	NA	深度学习模型	NA	NA	NA	NA	NA	NA
1060	2026-08-01	3D Hyperspectral Data Analysis with Spatially Aware Deep Learning for Diagnostic Applications 2025-04-15, Analytical chemistry IF:6.7Q1 DOI:10.1021/acs.analchem.4c05549 PMID:40179245	研究论文	本文探讨了使用空间感知深度学习算法分析3D拉曼高光谱数据以提高诊断应用性能的方法	首次将空间感知深度学习方法（如改进的3D U-Net和3D CNN）应用于三维拉曼高光谱数据的分析，相比传统的1D方法保留了空间邻域信息，提高了模型性能	空间信息的利用可能增加网络训练的复杂度，且实验仅验证了结直肠组织和胆管癌两个数据集	研究在拉曼光谱数据分析中保留空间信息的可行性，以提高深度学习模型的性能	结直肠组织（包括正常、增生、腺瘤、癌组织和伪影）和胆管癌数据集	数字病理学, 机器学习, 计算机视觉	结直肠癌, 胆管癌	拉曼光谱, 3D高光谱成像	CNN, 3D U-Net	3D拉曼高光谱扫描数据	包含结直肠组织样本和胆管癌样本，具体数量未在摘要中提供	NA	3D U-Net, 3D CNN, 1D CNN	上皮组织检测和结直肠癌检测的性能指标（具体指标如准确率、Dice系数等未在摘要中明确）	NA