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
1141	2026-07-31	Image-domain deep learning denoising for low-dose chest CT on a single 128-slice CT platform: a retrospective image-quality assessment 2026, Frontiers in medicine IF:3.1Q1 DOI:10.3389/fmed.2026.1888006 PMID:42523763	研究论文	本研究评估了一种独立于供应商的图像域深度学习去噪算法在低剂量胸部CT上的应用，并与标准剂量迭代重建的图像质量指标进行了比较	采用供应商独立的图像域深度学习去噪算法，可在无原生深度学习重建的CT扫描仪上改善低剂量胸部CT图像质量	回顾性研究设计，患者分组不同，结果不能直接视为等效或非劣效性证据，缺乏病变可检测性和诊断性能评估	评估独立于供应商的图像域深度学习去噪算法对低剂量胸部CT图像质量的改善效果	198例无增强胸部CT患者，分为低剂量CT组（99例）和标准剂量CT组（99例）	医学影像	肺部疾病	CT成像	深度学习去噪网络	CT图像	198例患者，包括99例低剂量CT和99例标准剂量CT	NA	NA	衰减值，图像噪声，信噪比，对比噪声比，5点主观评分量表	NA
1142	2026-07-31	Performance evaluation and occupational health safety analysis of university teachers based on time-series feature extraction 2026, Frontiers in public health IF:3.0Q2 DOI:10.3389/fpubh.2026.1749731 PMID:42523768	研究论文	提出一种基于时间序列特征提取的高校教师绩效与职业健康安全评估新框架	首次将时间序列特征提取与深度学习架构结合，用于教师绩效与职业健康安全的动态评估，并引入多层次时序融合策略	实证数据来源有限，仅包括机构日志、生理监测和主观评估，可能缺乏泛化性	开发一种能够捕捉教师绩效与健康指标时序复杂性和动态依赖关系的评估框架	高校教师的绩效指标和职业健康安全指标	机器学习	NA	时间序列特征提取	循环神经网络	时间序列数据	NA	NA	RNN, 注意力机制	NA	NA
1143	2026-07-31	Multimodal transformer-based watermarking for deepfake detection and digital media authentication: current progress, challenges, and future directions 2026, Frontiers in artificial intelligence IF:3.0Q2 DOI:10.3389/frai.2026.1848963 PMID:42523792	综述	综述基于多模态Transformer的数字水印技术用于深度伪造检测和数字媒体认证的当前进展、挑战和未来方向	聚焦Transformer模型在多模态统一架构中相较于传统水印方法的韧性提升，并探讨将水印嵌入、伪造检测和内容认证整合为统一管道的技术优势	主要基于文献综述，缺乏实验验证；指出跨模态泛化、对抗鲁棒性和基准稀缺等未解决的问题	系统评估当前Transformer方法在多模态数字水印与深度伪造检测中的发展，并识别关键挑战与未来研究方向	视频、音频和图像等多模态内容中的数字水印与深度伪造检测技术	计算机视觉，自然语言处理，机器学习	NA	数字水印，深度伪造检测	Transformer	图像，视频，音频	NA	NA	Transformer	NA	NA
1144	2026-07-31	Evidence integration: The transformative role of artificial intelligence in maternal health 2026 Jan-Dec, Digital health IF:2.9Q2 DOI:10.1177/20552076261473727 PMID:42523880	综述	本伞状综述综合了人工智能在孕产妇健康领域应用的相关证据，重点关注风险预测与分层、预防与支持性干预以及实际推广障碍	通过伞状综述方法和AMSTAR 2质量评估，系统性整合现有证据并提出了可扩展的AI孕产妇健康解决方案的实践路线图	现有研究普遍缺乏外部验证、模型可解释性、临床工作流集成、公平性审计及前瞻性效果评估，导致转化鸿沟显著	评估人工智能在改善孕产妇健康结局（尤其是中低收入国家）中的应用潜力和实施障碍	孕产妇健康相关的AI应用，包括妊娠并发症风险预测、预防性干预及产后支持	机器学习	孕产妇疾病	NA	逻辑回归、随机森林、梯度提升、支持向量机、深度学习	NA	34篇综述	NA	NA	NA	NA
1145	2026-07-31	Diagnostic and prognostic applications of machine learning in paediatric traumatic brain injury: a systematic review of single and multimodal approaches 2026, Frontiers in neurology IF:2.7Q3 DOI:10.3389/fneur.2026.1838137 PMID:42523910	综述	系统评估机器学习与深度学习在儿童创伤性脑损伤诊断和预后中的应用	首次系统综述了机器学习/深度学习在儿童创伤性脑损伤中单一与多模态数据的应用，包括最新Transformer架构和梯度提升方法	大多数研究缺乏外部多中心验证，存在类别不平衡问题，且部分模型在低风险分诊中提升有限	评估机器学习与深度学习模型在儿童创伤性脑损伤急性损伤检测和长期预后预测中的表现	儿童创伤性脑损伤患者（0-18岁）	机器学习	儿童创伤性脑损伤	NA	XGBoost, 随机森林, 卷积神经网络, Transformer架构	临床数据, 影像数据, 生物标志物	68,331名受试者（来自20篇全文研究）	NA	XGBoost, 随机森林, 卷积神经网络, Transformer	AUROC	NA
1146	2026-07-31	UAV remote sensing for yield prediction in staple crops: a review 2026, Frontiers in plant science IF:4.1Q1 DOI:10.3389/fpls.2026.1840669 PMID:42523927	综述	系统综述基于无人机遥感技术的主要粮食和油料作物产量预测方法	提出“数据-真值-模型-决策”分析框架，明确区分微区、田间和区域三种预测尺度，并系统评估产量标签获取方法的特征与局限性	现有研究存在无人机影像与产量标签尺度不匹配、产量地图生成误差传播、跨年/跨区域迁移性有限、因果可解释性弱、复杂田间部署困难等主要瓶颈	为开发鲁棒、可解释且可部署的无人机产量预测系统提供实践路径，支持粮食安全评估和精准田间管理	大豆、玉米、小麦和水稻等主要粮食与油料作物	计算机视觉	不适用	无人机遥感	时空深度学习	图像	70篇2018-2025年间发表的同行评审研究	不适用	不适用	不适用	不适用
1147	2026-07-31	Applications of artificial intelligence in endodontic education: a systematic review 2026, Frontiers in dental medicine IF:1.5Q3 DOI:10.3389/fdmed.2026.1844279 PMID:42524131	系统综述	评估人工智能在牙髓病教育中的应用，涵盖机器学习、深度学习、虚拟/增强现实及大语言模型	首次系统综述AI技术在牙髓病教育中的多种应用，包括诊断支持、临床前训练及患者教育	结果测量存在异质性；数据集存在偏差；可靠性和透明度问题	评估AI在牙髓病教育中的作用，基于截至2025年9月的可用证据	牙髓病教育中的AI应用，包括教学、临床前培训、临床教育和患者教育	自然语言处理, 计算机视觉, 数字病理学	牙髓病	机器学习, 深度学习, 虚拟/增强现实, 大语言模型	NA	放射影像, 模拟数据, 文本	15项研究	NA	NA	敏感性, 特异性, 准确性	NA
1148	2026-07-31	Bayesian insights into exchange and restriction in gray matter diffusion MRI 2026, Imaging neuroscience (Cambridge, Mass.) DOI:10.1162/IMAG.a.1317 PMID:42524206	研究论文	利用贝叶斯推断框架评估两种灰质扩散MRI模型中参数估计的准确性、精确性和退化问题	采用基于深度学习的贝叶斯推断框架µGUIDE量化参数不确定性并检测退化性，实现对模型拟合的可解释性评估	在真实噪声条件和简化采集协议下，交换时间和胞体半径等参数估计存在高不确定性和偏差	研究灰质扩散MRI模型中参数估计的可靠性，强调不确定性报告和模型退化处理的重要性	两种灰质模型NEXI和SANDIX	自然语言处理	NA	扩散MRI	深度学习	模拟数据和真实数据	NA	µGUIDE	NA	准确性、精确性、不确定性	NA
1149	2026-07-31	Advances in Artificial Intelligence for Wrist Joint Injury Diagnosis 2026, International journal of medical sciences IF:3.2Q1 DOI:10.7150/ijms.134301 PMID:42524355	综述	全面分析人工智能在急性创伤性腕关节损伤诊断中的应用，包括骨折和韧带损伤	系统总结了多种AI技术（如CNN、Grad-CAM、NLP）在腕关节损伤诊断中的应用，并与传统诊断方法进行对比，突出了AI在数据高效处理、减少误诊和漏诊、优化工作流程等方面的优势	临床应用面临伦理、监管、数据隐私与安全、算法透明性和可解释性、责任界定不明等挑战	探究人工智能在腕关节损伤诊断中的潜力及应用现状	急性创伤性腕关节损伤（包括骨折和韧带损伤）	计算机视觉, 自然语言处理, 机器学习	腕关节损伤	NA	卷积神经网络（CNN）, 深度学习模型, 目标检测模型, 传统机器学习模型, 自然语言处理（NLP）模型	图像	NA	NA	CNN, Grad-CAM	NA	NA
1150	2026-07-31	FairFML: fair federated machine learning with a case study on reducing gender disparities in cardiac arrest outcome prediction 2025-Aug-12, npj health systems DOI:10.1038/s44401-025-00035-2 PMID:42527482	研究论文	提出一种模型无关的公平联邦机器学习框架 FairFML，用于减少心脏骤停结果预测中的性别差异	提出模型无关的公平联邦学习框架，在保护隐私的同时将公平性指标提升高达90%而不牺牲预测性能	NA	开发一种隐私保护且促进公平性的联邦机器学习解决方案，减少跨机构医疗合作中的算法偏见	心脏骤停结果预测中的性别差异	机器学习	心血管疾病	联邦学习	NA	医疗数据	NA	NA	NA	公平性指标，预测性能	NA
1151	2026-07-31	Surgical video workflow analysis via visual-language learning 2025-Jan-25, npj health systems DOI:10.1038/s44401-024-00010-3 PMID:42527453	研究论文	提出一种视觉-语言深度学习框架，用于手术视频中细粒度三元组<器械，动作，目标>的精确识别	提出了ITM框架，结合三元组内和三元组间的建模，以及手术三元组语义增强器（TSE）跨视觉和文本模态建立语义关系，实现了手术视频的细粒度分析	未明确说明局限性	实现对手术视频中<器械，动作，目标>三元组的精确识别，以提升手术场景分析的准确性和鲁棒性	手术视频中的细粒度三元组关系	计算机视觉，自然语言处理	NA	视觉-语言深度学习	ITM框架（包含三元组内和三元组间建模），TSE增强器	手术视频	使用手术视频基准数据集（未指定具体数量）	NA	ITM框架，TSE增强器	NA	NA
1152	2026-07-31	Human-Centered Design and Iterative Refinement of Tools and Methods to Implement a Surveillance and Risk Prediction System for Clinical Deterioration in Ambulatory Cancer Care 2025-Jan, ACI open DOI:10.1055/a-2437-9977 PMID:42523207	研究论文	设计并迭代优化用于门诊癌症护理中临床恶化监测和风险预测系统的方法与工具	采用系统工效学和以人为中心的迭代设计，结合可穿戴传感器被动监测、患者事件报告主动监测及电子健康档案数据提取，构建一个完整的监测与风险预测系统原型	仅进行了可行性研究，未来需要在不同临床场景下全面评估系统的采用率和有效性	评估设计、开发并实现一个监测与风险预测系统以检测癌症门诊患者临床恶化的可行性	门诊癌症患者及其临床恶化事件	机器学习, 数字健康	癌症	可穿戴传感器, 电子健康档案数据提取	深度学习神经网络	患者报告结局指标, 临床数据	71名招募患者中50名纳入可行性研究	NA	NA	F-measure, AUC-ROC	NA
1153	2026-07-31	Fast Auto-Differentiable Digitally Reconstructed Radiographs for Solving Inverse Problems in Intraoperative Imaging 2023, Clinical image-based procedures : from planning to intervention : international workshop, CLIP ..., held in conjunction with MICCAI ... : revised selected papers. CLIP (Workshop) DOI:10.1007/978-3-031-23179-7_1 PMID:42524476	研究论文	提出一种快速可自动微分的数字重建放射影像生成器，用于解决术中成像中的逆问题	将Siddon射线追踪算法重新表述为向量化张量运算，并在PyTorch中实现，使DRR生成器完全可微，支持基于梯度的优化和深度学习框架	论文未明确说明局限性，但可推断该方法可能依赖于GPU资源，且尚未在真实临床数据上验证其优势	解决术中成像中DRR生成速度慢且不支持梯度计算的挑战，实现基于梯度的快速优化以支持微创手术中的图像引导	数字重建放射影像（DRR）生成器在切片到体积配准问题中的应用	计算机视觉	不适用	数字重建放射影像（DRR）生成	不适用（方法为DRR生成器，非传统模型）	医学图像（如CT扫描生成的DRR）	未明确说明样本量，基于模拟实验	PyTorch	不适用（基于Siddon方法的向量化实现）	不适用（论文主要关注渲染速度和可微分性，未提及具体评估指标）	GPU加速（具体类型未说明）
1154	2026-07-30	The perspective of artificial intelligence for NMR 2027-Feb, Magnetic resonance letters DOI:10.1016/j.mrl.2026.200290 PMID:42518522	综述	本文综述了人工智能（特别是深度学习）在核磁共振波谱技术中的应用，重点探讨了其在代谢物研究中解决灵敏度低、峰重叠严重和数据解析困难等核心挑战的创新方向	系统梳理了AI驱动NMR在代谢物研究中的三个技术革新方向：低场谱高场化、纯位移谱优化以缓解谱峰拥挤、以及代谢组学中代谢物与生物标志物的智能识别	NA	概述AI与NMR协同作用在代谢物研究中的进展，并展望其在代谢组学、精准医学等领域的应用潜力	核磁共振波谱数据与代谢物相关研究，包括低场NMR谱、纯位移谱及代谢组学数据	机器学习	高脂血症（文中提及脂蛋白代谢标志物）	核磁共振波谱，深度学习	深度学习模型	NMR波谱数据	NA	NA	NA	NA	NA
1155	2026-07-30	From annotation to analysis: a deep-learning pipeline for optical coherence tomography (OCT)-based measurements of biofilm morphology 2026-Dec, Biofilm IF:5.9Q1 DOI:10.1016/j.bioflm.2026.100383 PMID:42518799	研究论文	提出基于深度学习的管道，利用光学相干断层扫描（OCT）成像和自动图像处理流程，快速表征生物膜形态	首次将YOLOv8和SegFormer两种先进分割模型应用于生物膜OCT图像，并开发完整框架从分割图像提取厚度、粗糙度和密度分布等关键形态特征	未提及模型的泛化能力验证及计算资源需求，未比较方法与传统手动标注的时间成本差异	实现基于OCT图像的高通量、自动化生物膜形态表征	四种分类学上不同的多物种生物膜	计算机视觉、数字病理学	不适用	光学相干断层扫描（OCT）	YOLOv8, SegFormer	图像	八种挑战性生物膜条件及四种多物种生物膜	PyTorch	YOLOv8, SegFormer	准确率、交并比（IoU）	不适用
1156	2026-07-30	Methods for Uncertainty Quantification in Dictionary Matching to Advance Reliability of Quantitative MRI 2026-Oct, Magnetic resonance in medicine IF:3.0Q2 DOI:10.1002/mrm.70459 PMID:42252544	研究论文	提出两种用于定量磁共振成像中字典匹配的不确定性量化方法，以评估参数图的可靠性	针对现代重建技术引入的非独立同分布噪声，提出了频率学派似然比检验和贝叶斯边际后验方法，实现了统计上可解释的不确定性量化	未详细讨论方法在高维参数空间或实时临床应用的扩展性	为定量磁共振成像中的字典匹配开发不确定性量化框架，提升临床可靠性	T1和T2映射中的参数估计，包括模拟、体模和体内实验	机器学习	NA	定量磁共振成像, 径向涡轮自旋回波, 径向Look-Locker	频率学派似然比检验, 贝叶斯边际后验	图像	模拟数据、体模实验及体内实验（具体数量未明确）	NA	NA	覆盖率, 置信区间宽度	NA
1157	2026-07-30	Fourier Shell Analysis: k-Space-Based Metrics for Assessing Super-Resolution in 4D Flow MRI 2026-Oct, Magnetic resonance in medicine IF:3.0Q2 DOI:10.1002/mrm.70478 PMID:42277983	研究论文	提出傅里叶壳层分析方法，用于评估4D flow MRI中的超分辨率技术	首次在4D flow MRI超分辨率评估中引入k空间傅里叶壳层分析，能区分分辨率提升和去噪效果	仅使用合成数据验证，未在真实临床数据中测试	为4D flow MRI超分辨率评估提供新指标，解决现有图像指标无法区分分辨率提升与去噪的问题	胸主动脉4D flow MRI数据	机器学习和医学成像	心血管疾病	4D flow MRI	深度学习超分辨率网络(4DFlowNet)	合成4D flow MRI图像	合成数据集包含不同程度的狭窄，具体样本数未明确说明	NA	4DFlowNet	绝对相对均数配对差异	NA
1158	2026-07-30	Deep learning of pretreatment ascites cytopathology for platinum-resistance risk stratification in advanced epithelial ovarian cancer 2026-Sep, Neoplasia (New York, N.Y.) DOI:10.1016/j.neo.2026.101330 PMID:42365738	研究论文	提出OVCAP深度学习框架，分析晚期上皮性卵巢癌患者治疗前腹水细胞学全切片图像，以评估铂类耐药风险	首次系统利用腹水细胞学形态信息预测铂类耐药风险，结合注意力引导的细胞病理学回顾和单细胞RNA测序分析揭示耐药生物学特征	未在文中明确提及局限性	利用治疗前腹水细胞学病理图像进行铂类耐药风险分层，改善晚期上皮性卵巢癌患者的预后预测	晚期上皮性卵巢癌患者（FIGO IIIB-IV期）的腹水细胞学全切片图像	数字病理学	卵巢癌	细胞学病理全切片成像，单细胞RNA测序	深度学习框架（多尺度）	图像（全切片病理图像）	438名FIGO IIIB-IV期上皮性卵巢癌患者	PyTorch	NA	ROC-AUC	NA
1159	2026-07-30	Cross-modal mapping of cancer stem-like cell plasticity using deep learning 2026-Sep, NAR cancer IF:3.4Q2 DOI:10.1093/narcan/zcag015 PMID:42516214	研究论文	开发ACSCeND框架，利用深度学习实现跨模态的癌症干细胞样细胞可塑性映射	提出统一机器学习框架ACSCeND，整合单细胞RNA测序的监督分类器与注意引导自编码器，实现高分辨率CSC状态分类与组织级去卷积，首次将单细胞精度与批量级适用性结合，并验证CSC状态作为泛癌生物标志物的临床意义	未提及具体的局限性，但模型中依赖的注释数据质量和泛化性可能受限于训练用的scRNA-seq数据集	开发可扩展工具以在单细胞和批量转录组数据中一致地分析癌症干细胞状态，并揭示其临床相关性	癌症干细胞样细胞（CSCs）及其分子可塑性	机器学习, 数字病理学	泛癌（包括肺癌、前列腺癌等）	RNA测序（单细胞RNA测序、批量RNA测序）	深度神经网络（自编码器、分类器）	转录组数据（scRNA-seq和bulk RNA-seq）	超过25000个肿瘤样本（来自TCGA、PRECOG、肿瘤复发和检查点抑制剂研究）	PyTorch	注意引导自编码器、监督分类器	准确性	NA
1160	2026-07-30	Classification of neurodevelopmental disorders and typical development using deep learning and a portable patch-type electroencephalography device 2026-Sep, Neuroimage. Reports DOI:10.1016/j.ynirp.2026.100384 PMID:42518329	研究论文	利用便携式贴片脑电图设备和深度学习模型区分神经发育障碍与典型发育儿童	首次将便携式额部三通道脑电图设备与一维卷积神经网络结合Transformer的深度学习模型用于识别神经发育障碍，降低了参与者的检查负担并提升了诊断可及性	样本量有限（仅163名参与者）且未进行独立外部验证，模型对共病（自闭症合并多动症）的分类性能较低（AUC 0.667）	开发一种更易获取的神经发育障碍诊断辅助工具	典型发育儿童与神经发育障碍儿童（包括自闭症、多动症及两者共病）	医疗机器学习	神经发育障碍	便携式脑电图记录	一维卷积神经网络与Transformer编码器	脑电图信号	163名参与者（87名典型发育，76名神经发育障碍）	NA	一维卷积神经网络、Transformer编码器	AUC、平衡准确率（bACC）	NA