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	2026-06-11	A novel framework for cognitive state identification using resting-state EEG 2026-Mar-02, Biomedical physics & engineering express IF:1.3Q3 DOI:10.1088/2057-1976/ae4807 PMID:41769796	研究论文	提出一种基于静息态脑电图的认知状态识别新框架PowerSyncNet	通过频带间功能连接特征和时频表征编码模块（Encoder4Band），实现跨频带信息融合，提升认知状态识别性能	NA	开发用于早期认知衰退检测的脑电信号分析方法	静息态脑电图数据中的认知状态分类	机器学习	老年疾病	EEG	PowerSyncNet	脑电图信号	两个数据集：公开的CAUEEG数据集和自采集的ECED数据集	PyTorch	PowerSyncNet	识别准确率、召回率、F1分数、AUC	NA
1042	2026-06-11	Evaluating resolution requirements for subtle caenorhabditis elegans strain discrimination using classical descriptors and CNN-transformer models 2026-Mar-02, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-40784-0 PMID:41771937	研究论文	评估图像分辨率对使用经典描述符与CNN-Transformer模型区分秀丽隐杆线虫细微品系差异的影响	首次系统评估了图像分辨率对CNN-Transformer模型区分秀丽隐杆线虫细微品系表型的影响，并揭示了传统描述符无法捕捉的细微运动差异	仅分析了三种线虫品系，且未探讨其他成像条件或深度学习架构的泛化能力	确定区分秀丽隐杆线虫细微品系所需的最小有效图像分辨率	秀丽隐杆线虫的三个品系：野生型N2、转基因线vltIs66和突变体unc-1(vlt10)	计算机视觉	NA	宏观板级成像与高分辨率显微单虫成像	CNN-Transformer	图像序列	三个线虫品系，未提供具体样本数量	PyTorch	CNN-Transformer	分类准确率	NA
1043	2026-06-11	CSWin-MDKDNet: cross-shaped window network with multi-dimensional fusion and knowledge distillation for medical image segmentation 2026-Mar-02, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-40690-5 PMID:41771973	研究论文	提出了一种基于Transformer的CSWin-MDKDNet架构，结合多维融合与知识蒸馏用于医学图像分割	提出多维选择性融合模块（MDSF）和知识蒸馏损失（KD-loss），分别用于精细化多尺度特征融合和减少深层特征冗余	未提及	解决医学图像分割中局部细节保留与全局上下文建模的平衡问题	医学图像分割任务	计算机视觉	NA	深度学习	Transformer	图像	Synapse（多器官CT）、ACDC（心脏MRI）、ISIC2018数据集	NA	CSWin-MDKDNet	DSC	NA
1044	2026-06-11	Cognitive salience features enhance multitask deep learning for pragmatic reasoning across cultures 2026-Mar-02, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-40809-8 PMID:41772006	研究论文	提出一种认知显著性特征驱动的多任务深度学习模型，用于跨文化语用推理	将基于注意力机制的认知显著性特征与文化条件门控机制结合，共同优化多个语用推理任务	未提及模型在低资源语言或极端文化差异下的表现	提升人工智能系统在跨文化场景下的语用推理能力	多语言语料库，涵盖八个文化群体的语用推理任务	自然语言处理	NA	NA	多任务深度学习模型	文本	NA	NA	注意力机制、文化条件门控	准确率、跨文化迁移准确率	NA
1045	2026-06-11	Multi-reader evaluation of deep learning-based auto-segmentation of eloquent brain arteriovenous malformation on MRA and white matter tractography in stereotactic radiosurgery 2026-Mar-02, Radiation oncology (London, England) DOI:10.1186/s13014-026-02811-2 PMID:41772699	研究论文	开发并评估基于深度学习的自动分割系统，用于脑动静脉畸形立体定向放射外科中的白质束及MRA图像分割	提出两阶段深度学习分割集成模型，整合2D检测和3D分割，显著提升临床手动勾画的准确性和效率，减少医生间差异	未提及具体局限性，但样本量有限（191例），可能需更大规模验证	开发深度学习系统以减少白质束放疗损伤，提高脑动静脉畸形分割的准确性和效率	脑动静脉畸形患者，特别是白质束邻近区域	机器学习, 数字病理学	脑动静脉畸形	MRA（磁共振血管成像）, 白质束成像	CNN（卷积神经网络）	图像（3D TOF-MRA和白质束图像）	191例患者（153例训练，38例测试），另10例用于多读者评估	PyTorch	ResNet, U-Net, 2D检测+3D分割集成模型	Dice相似系数, Hausdorff距离, 勾画时间	NA
1046	2026-06-11	Enhanced Magnetic Resonance Imaging-Based Knee Cartilage Segmentation Using a Swin-UNet Conditional Generative Adversarial Network: Development and Validation Study 2026-Mar-02, JMIR medical informatics IF:3.1Q2 DOI:10.2196/86155 PMID:41771536	研究论文	提出并验证了一种基于Swin-UNet条件生成对抗网络的膝关节软骨磁共振图像分割方法	首次将Swin-UNet与条件生成对抗网络结合用于膝关节软骨分割，在外边界精度上显著优于传统模型	未提及	开发临床适用的深度学习框架实现股骨和胫骨软骨自动分割	股骨和胫骨软骨分割	医学影像分割	膝骨关节炎	磁共振成像	条件生成对抗网络	磁共振图像	232例膝关节MRI扫描	PyTorch	Swin-UNet, UNet, UNet cGAN	Dice相似系数, 平均交并比, 第95百分位Hausdorff距离, 平均对称表面距离	NA
1047	2026-06-11	Domain adaptation for low-dose CT denoising via pretraining and self-supervised fine-tuning 2026-Mar, Journal of X-ray science and technology IF:1.7Q3 DOI:10.1177/08953996261419893 PMID:41769819	研究论文	提出一种基于预训练和自监督微调的低剂量CT去噪域适应方法	提出基于像素混洗图像预处理的自监督损失进行微调，并设计两阶段微调策略以缓解输入错位，同时构建双尺度SwinIR模型作为预训练骨干网络以有效捕获源域先验知识	NA	开发一种无需目标域标签的自监督微调方法，用于低剂量CT去噪域适应	低剂量CT图像去噪模型跨域性能	计算机视觉	NA	CT成像	SwinIR	图像	两个公开数据集	PyTorch	双尺度SwinIR	NA	NA
1048	2026-06-11	Multi-omics signatures of chronic inflammation across immune-related disease states 2026, Frontiers in immunology IF:5.7Q1 DOI:10.3389/fimmu.2026.1753156 PMID:41766899	研究论文	利用UK Biobank数据，通过整合临床指标、NMR代谢组和Olink蛋白质组的多组学深度学习模型，分析慢性炎症在多种免疫相关疾病状态下的系统性特征	首次在人群规模上整合多组学数据（临床、代谢组、蛋白质组）构建多分类深度学习模型，并结合竞争风险模型揭示慢性炎症与死亡风险的关联	NA	解码慢性炎症在多种免疫相关疾病状态下的免疫代谢信号，并评估其与长期死亡率的关系	UK Biobank参与者（健康对照组、癌症、自身免疫病、感染性疾病、代谢疾病及多重共病状态）	机器学习	慢性炎症相关疾病（癌症、自身免疫病、感染性疾病、代谢疾病）	NMR代谢组学、Olink蛋白质组学	深度学习模型、堆叠集成模型	临床血液学指标、NMR代谢物、Olink蛋白质组数据	UK Biobank参与者分类为六组基线状态	NA	NA（多分类深度学习模型，包括临床/炎症模型、+NMR模型、+Olink模型、三塔多组学模型）	准确率、宏F1分数、多分类AUC	NA
1049	2026-06-11	[A visual analysis of machine learning in periodontal disease research, 2001-2023] 2025-Dec, Shanghai kou qiang yi xue = Shanghai journal of stomatology PMID:41766323	综述	利用文献计量学分析2001-2023年机器学习在牙周病研究中应用及热点的可视化分析	系统梳理了2001-2023年机器学习在牙周病研究中的文献，揭示了其应用趋势和研究热点，特别是近两年基于图像的图像分割和特征提取成为热点	NA（摘要未提及明确局限性）	分析机器学习在牙周病研究中的应用及研究热点	2001-2023年Web of Science核心合集中的机器学习与牙周病相关文献	机器学习	牙周病	NA	机器学习，深度学习	NA	127篇文献	NA	NA	NA	NA
1050	2026-06-10	Open-set deep learning enabled LIBS sensor for label-free and on-site identification of unknown pathogen powders 2026-Jul-01, Talanta IF:5.6Q1 DOI:10.1016/j.talanta.2026.129539 PMID:41712987	研究论文	开发了一种基于开放集深度学习的LIBS传感器，用于无标签、现场识别未知病原体粉末	将分类重构开放集识别（CROSR）策略集成到残差网络（ResNet）中，构建改进的开放集深度学习模型，显著提升对未知样本的拒识能力	文中未明确提及局限性	实现现场、无标签的病原体粉末识别，提高生物安全与生物恐怖主义的应对能力	病原体粉末，包括五种已知目标病原体和九种未知样本（生物样本、培养基、非生物干扰物）	机器学习	病原体感染相关疾病	激光诱导击穿光谱（LIBS）	残差网络（ResNet）	光谱数据	包含五种已知目标病原体和九种未知样本的测试集	PyTorch	ResNet, CROSR	识别准确率	未提及
1051	2026-06-10	Mapping knowledge landscapes and emerging trends in AI for coronary artery disease imaging biomarkers: A bibliometric and visualization analysis 2026-May, Current problems in cardiology IF:3.0Q2 DOI:10.1016/j.cpcardiol.2026.103302 PMID:41713756	文献综述	通过文献计量学和可视化分析，系统评估人工智能应用于冠状动脉疾病影像生物标志物的全球研究现状、发展趋势、知识结构和合作网络	首次综合运用VOSviewer、CiteSpace和Bibliometrix等多种工具进行深入分析，揭示2015-2025年间该领域的发展轨迹、研究热点和跨学科互动	研究基于单一数据库（Web of Science），可能存在文献覆盖不全；合作关系分析表明研究合作仍显分散，跨学科整合不足	全面评估人工智能在冠状动脉疾病影像生物标志物领域的全球研究状态和新兴趋势	2015-2025年间Web of Science核心合集中的1,105篇相关出版物	Machine Learning	冠状动脉疾病	NA	NA	文本	1,105篇出版物，涉及5,949位作者、1,903所机构、262种期刊和67个国家	NA	NA	NA	NA
1052	2026-06-10	An automated vertebral heart scale measurement tool based on deep learning: Facilitating screening for prevention of canine cardiomegaly 2026-May, Preventive veterinary medicine IF:2.2Q1 DOI:10.1016/j.prevetmed.2026.106810 PMID:41713362	研究论文	提出一种基于改进U-Net和YOLOv11的自动化犬类心脏椎体尺度测量工具，用于早期筛查和预防犬类心脏肥大	结合SWA-UNet与YOLOv11实现精确的心脏分割和关键点检测，显著提升自动化VHS计算的准确性，并解决了低对比度图像、边界模糊和结构重叠问题	未提及在真实临床环境中对大样本量或多种犬种的验证，也未讨论计算资源需求或系统部署的可扩展性	开发一种高效、客观且可重复的自动化VHS测量工具，用于犬类心脏疾病的筛查与诊断辅助	犬类胸部X光图像中的心脏和胸椎关键点	计算机视觉	犬类心脏肥大	X光成像	SWA-UNet, YOLOv11	图像	NA	PyTorch	U-Net, YOLOv11	平均交并比, Dice系数, 精确率, 召回率, Pearson相关系数, Bland-Altman分析	NA
1053	2026-06-10	Deep learning-based H&E-derived risk scores in colorectal cancer: associations with tumour morphology, biology, and predicted drug response 2026-May, The Journal of pathology IF:5.6Q1 DOI:10.1002/path.70039 PMID:41716034	研究论文	基于深度学习的H&E染色切片风险评分与结直肠癌肿瘤形态、生物学及预测药物反应的关联分析	首次系统分析了基于H&E切片的深度学习风险评分与肿瘤-脂肪细胞直接相互作用、肿瘤出芽等形态学特征以及药物敏感性差异的关联	研究局限于已发表的深度学习模型生成的风险评分，未涉及模型训练过程及数据异质性对结果的影响	探究H&E切片深度学习风险评分与结直肠癌临床病理特征、肿瘤形态学和药物反应的关系	来自四个国际队列的4000多例结直肠癌患者的全切片图像及临床数据	数字病理学	结直肠癌	H&E染色	深度学习模型	全切片图像	4000余例结直肠癌患者（来自四个国际队列）	NA	NA	风险评分（低风险 vs 高风险，以及绝对风险评分）	NA
1054	2026-06-10	Blood pressure estimation using single photoplethysmography signal based on ResNet-BiGRU 2026-Apr-24, Biomedizinische Technik. Biomedical engineering DOI:10.1515/bmt-2025-0285 PMID:41715883	研究论文	开发一种基于单光电容积描记信号的深度学习方法，实现无袖带血压估计	提出ResNet-BiGRU混合深度神经网络，结合残差卷积块和双向门控循环单元，同时捕获形态特征和时间特征	外部验证使用VitalDB数据集时，收缩压MAE（8.15 mmHg）相比UCI数据集（4.78 mmHg）显著升高，表明模型在不同临床条件下的泛化性能仍有提升空间	实现准确、连续、无创的无袖带血压估计	单路PPG信号用于血压估计	机器学习	心血管疾病	光电容积描记	混合模型（ResNet + BiGRU）	生理信号（PPG和动脉血压）	942名受试者（UCI数据集）	NA	ResNet, BiGRU	平均绝对误差 (MAE)	NA
1055	2026-06-10	Advancements in OCT and OCTA imaging for AMD: An in-depth analysis of research hotspots, emerging trends, and technological innovations 2026-Apr, Photodiagnosis and photodynamic therapy IF:3.1Q2 DOI:10.1016/j.pdpdt.2026.105402 PMID:41713794	综述	利用文献计量分析，深度剖析2015-2024年间OCT和OCTA在年龄相关性黄斑变性（AMD）中的研究热点、新兴趋势和技术创新	首次通过文献计量方法系统梳理OCT/OCTA在AMD领域的演变，集成热点图谱和前沿主题（如AI联合检测、超反射灶生物标志物、时间序列预测模型）	仅检索Web of Science Core Collection单一数据库，排除非英文文献，且无法完全涵盖最新发表成果（分析截止于2025年1月）	绘制OCT与OCTA在AMD研究中的全球合作网络、核心主题和新兴方向，为精准诊断和个性化治疗提供趋势参考	2471篇关于OCT/OCTA在AMD应用的英文研究文章（2015-2024年）	医学影像分析	年龄相关性黄斑变性（AMD）	OCT, OCTA	NA	文献元数据	2471篇文章	CiteSpace, Excel	NA	NA	NA
1056	2026-06-10	Integration of Raman tweezers and machine learning for label-free single-cell characterization of endometriosis cells 2026-Mar-30, The Analyst DOI:10.1039/d5an01076d PMID:41711554	研究论文	开发并验证了一种结合光镊和拉曼光谱的拉曼镊子平台，用于对子宫内膜异位症细胞进行无标记单细胞生化分析，并利用机器学习实现分类	首次将拉曼镊子应用于子宫内膜异位症细胞的单细胞分析，结合了自监督深度学习预处理和可解释机器学习方法	NA	建立一种无标记的单细胞分析方法，用于探测子宫内膜异位症的细胞病理生理学并支持微创诊断策略	子宫内膜异位症衍生的VK2/E6E7上皮细胞和A549上皮癌细胞系	机器学习	子宫内膜异位症	拉曼光谱	随机森林、XGBoost	拉曼光谱数据	NA	NA	随机森林、XGBoost	准确率	NA
1057	2026-06-10	YOLO-based real-time floating debris counting in urban rivers for flood monitoring and water resource management 2026-Feb-19, Environmental monitoring and assessment IF:2.9Q3 DOI:10.1007/s10661-026-15040-7 PMID:41711999	研究论文	本研究提出一个结合YOLO深度学习目标检测模型和视频监控的实时框架，用于城市河流中漂浮垃圾的识别与计数，以支持洪水预警和水资源管理	首次将YOLOv7与YOLOv9在真实城市河流环境中进行对比评估，并实现基于视频监控的实时漂浮垃圾自动计数系统	仅在马来西亚莎阿南特定洪水易发区部署，可能未涵盖不同气候和地理条件下的泛化性	开发用于城市河流漂浮垃圾实时监测的自动化框架，支持洪水预警和水资源管理	城市河流中的漂浮垃圾	计算机视觉	不适用	深度学习目标检测、视频监控	YOLO	图像	在马来西亚莎阿南洪水易发区部署的现场数据	PyTorch, OpenCV	YOLOv7, YOLOv9	精确率, 召回率, F1分数	不适用
1058	2026-06-10	The consensus molecular subtypes of esophageal squamous cell carcinoma 2026-Feb-19, Signal transduction and targeted therapy IF:40.8Q1 DOI:10.1038/s41392-026-02577-9 PMID:41714596	研究论文	通过整合八个现有分类系统，采用网络方法识别出食管鳞状细胞癌的四种共识分子亚型，并开发基于图像的深度学习方法进行亚型分类	首次建立食管鳞状细胞癌的共识分子亚型分类系统（ECMS），并开发基于H&E染色全切片图像的空间组织特征（SOF）的深度学习分类器imECMS，实现了从组织病理图像直接预测分子亚型	未提及具体的局限性	建立食管鳞状细胞癌的标准化分类系统，促进精准治疗	食管鳞状细胞癌的分子亚型及其与预后和治疗反应的关系	数字病理学	食管鳞状细胞癌	H&E染色全切片图像分析	深度学习	组织病理图像	多个独立队列验证	NA	深度学习模型（未具体说明架构类型）	未能从标题和摘要中提取具体指标	NA
1059	2026-06-10	Assessment of Predictive Factors That Shorten Duration of Treatment in Patients With Multiple Myeloma Using AI: Real-World Longitudinal Study Using Data From Medical Data Vision Claims Database 2026-Feb-19, JMIR cancer IF:3.3Q2 DOI:10.2196/75586 PMID:41711382	研究论文	利用机器学习方法分析日本多发性骨髓瘤患者治疗持续时间缩短的预测因素	首次使用可解释深度学习模型和点式线性模型从真实世界医疗索赔数据库中识别缩短治疗持续时间的因素，并通过聚类分析揭示患者特征与治疗时长的关系	模型AUC分数较低（0.61-0.66），可能遗漏部分预测因素；数据来源于单一日本数据库，通用性有限	使用机器学习方法从日本医疗数据视界索赔数据库中识别缩短多发性骨髓瘤患者治疗持续时间的因素	日本多发性骨髓瘤患者，年龄≥18岁，包括不适合移植的新诊断患者（一线治疗）或复发/难治性患者（二线或三线治疗）	机器学习	多发性骨髓瘤	NA	点式线性模型、弹性网络（正则化逻辑回归）、极限梯度提升模型	医疗索赔数据	2762名患者（4848个独立样本），平均年龄69.6岁，52.5%为男性	NA	NA	曲线下面积	NA
1060	2026-06-10	Machine Learning for Predicting Stroke Risk Stratification Using Multiomics Data: Systematic Review 2026-Feb-19, Journal of medical Internet research IF:5.8Q1 DOI:10.2196/85654 PMID:41711384	综述	系统评估使用多组学数据的机器学习模型在中风风险分层中的表现、整合策略及报告实践	首次系统评价多组学机器学习模型在中风风险预测中的判别性能、整合策略与验证实践，以指导未来方法学发展	仅有7项研究符合纳入标准，样本量小、设计异质且报告不完整，限制了可重复性和泛化能力	系统评价多组学机器学习模型用于中风风险分层，分析判别性能、整合策略、验证及报告模式，为未来方法学开发提供信息	缺血性、出血性或未明确中风类型的成年患者	机器学习	心血管疾病	多组学技术（包括代谢组学、蛋白质组学、脂质组学等）	支持向量机、树集成方法、广义线性模型、深度学习架构	多组学数据（至少包含两个组学层次）	7项研究，总计40,274名参与者	NA	支持向量机、树集成、广义线性模型、深度学习架构	接收者操作特征曲线下面积	NA