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
1201	2026-09-23	Fetal health state detection method based on parameters efficient ensembling of deep learning 2026, Frontiers in public health IF:3.0Q2 DOI:10.3389/fpubh.2026.1808284 PMID:42200118	研究论文	该研究提出了一种结合分段线性编码和高效权重集成的表格深度学习模型PLE-TabM，用于胎心监护数据的胎儿健康状态分类	提出了PLE-TabM模型，将分段线性编码与高效权重集成相结合，提升了表格数据的特征感知能力，并融合了可解释性分析	仅使用了公开CTG数据集和50例临床患者进行验证，样本量有限，模型泛化能力有待进一步验证	提高胎心监护数据分类的准确性和客观性，辅助产科医生评估胎儿健康状态	胎心监护（CTG）数据	机器学习	胎儿健康	胎心监护（CTG）	MLP	表格数据	公开CTG数据集及50例临床患者	NA	多层感知机（MLP）集成	准确率, 宏平均F1分数	NA
1202	2026-09-23	InnerEye-HS: a disease-agnostic clinical tool for hippocampal segmentation 2026, Brain communications IF:4.1Q2 DOI:10.1093/braincomms/fcag183 PMID:42266426	研究论文	本文提出了一种名为InnerEye-HS的深度学习海马分割工具，并在阿尔茨海默病和癫痫数据集上验证其性能	该工具在阿尔茨海默病谱系的MRI扫描上训练，对疾病相关的海马变化具有鲁棒性，且在临床数据集上优于现有免费工具	摘要中未明确提及研究的局限性	开发一种对疾病相关变化鲁棒的海马自动分割工具，并评估其临床效用	阿尔茨海默病和颞叶癫痫患者的海马MRI图像	数字病理学	阿尔茨海默病, 癫痫	MRI	深度学习	图像	摘要中未明确提及样本量	NA	深度学习模型（具体架构未提及）	Dice分数, 相关系数R	NA
1203	2026-09-23	Fully Differentiable dMRI Streamline Propagation in PyTorch 2026, Proceedings of SPIE--the International Society for Optical Engineering DOI:10.1117/12.3086590 PMID:42266435	研究论文	本文提出了一种在PyTorch中实现的全可微dMRI流线传播方法，保持了与主流流线算法的数值一致性	首次实现了完全可微的流线传播，PyTorch构建的流线传播器没有任何阻断梯度流的组件	未明确提及	将流线传播转化为可微分的PyTorch框架，实现纤维追踪与深度学习工作流的深度集成	dMRI纤维追踪中的流线传播算法	计算机视觉	NA	dMRI，纤维追踪	NA	图像	NA	PyTorch	NA	数值一致性	NA
1204	2026-09-23	2D Ultrasound Elasticity Imaging of Abdominal Aortic Aneurysms Using Deep Neural Networks 2026, IEEE transactions on computational imaging IF:4.2Q2 DOI:10.1109/tci.2026.3694126 PMID:42281598	研究论文	本文提出了一种基于深度学习的框架，利用二维超声弹性成像技术对腹主动脉瘤进行弹性成像，通过U-Net架构从位移场推断空间模量分布	利用有限元模拟生成多样化数据集，训练U-Net模型从轴向和横向位移场分量推断空间模量分布，实现腹主动脉瘤的快速弹性成像，相比迭代方法具有更高的计算效率	目前仅在数字体模、物理体模和临床超声检查中进行了评估，样本量有限，尚未进行大规模临床验证	克服仅依靠最大直径评估腹主动脉瘤破裂风险的局限性，通过深度学习实现腹主动脉瘤的弹性成像以提供近实时的破裂风险预测	腹主动脉瘤患者的超声图像数据、数字体模数据和物理体模数据	医学图像分析	心血管疾病	二维超声弹性成像，有限元模拟	深度学习	图像	NA	NA	U-Net	归一化均方误差（NMSE）	NA
1205	2026-09-23	Gated recurrent unit model for forecasting greenhouse gas concentrations with uncertainty quantification 2026, Frontiers in artificial intelligence IF:3.0Q2 DOI:10.3389/frai.2026.1782333 PMID:42440958	研究论文	本研究提出了一种不确定性感知的深度学习模型，整合遥感与地面传感器数据，用于预测零放牧奶牛系统中间歇的氧化亚氮、甲烷和二氧化碳浓度	采用双输出门控循环单元同时估计条件均值和异方差方差，结合蒙特卡洛 dropout 和高斯负对数似然量化认知与偶然不确定性，并整合多源数据（遥感与地面传感器）进行农场级温室气体浓度预测	研究仅在受控零放牧系统中进行了概念验证，需多站点验证才能推广应用	开发可靠且准确的农场级温室气体浓度预测模型，以支持气候变化缓解策略制定和畜牧系统政策规划	零放牧奶牛系统中的氧化亚氮、甲烷和二氧化碳小时浓度	机器学习	NA	NA	GRU	时间序列	NA	NA	双输出门控循环单元	决定系数, 均方根误差, 均方误差, 95%经验覆盖率	NA
1206	2026-09-23	Multicenter Validation of an Integrated DCE-MRI Radiomics, Deep Learning, and S-II Model for Predicting Axillary Lymph Node Metastasis in Breast Cancer 2026, Journal of multidisciplinary healthcare IF:2.7Q2 DOI:10.2147/JMDH.S608685 PMID:42445103	研究论文	构建并外部验证整合临床变量、全身免疫炎症指数、DCE-MRI影像组学评分和深度学习评分的模型，用于术前预测乳腺癌腋窝淋巴结转移	整合了DCE-MRI影像组学、深度学习和全身免疫炎症指数（SII）的多模态模型，并进行了多中心外部验证，比较了十种逻辑回归模型	需要前瞻性多中心验证、工作流程评估和进一步的可解释性分析，才能常规临床实施	开发和外部验证一个整合模型，用于乳腺癌患者术前腋窝淋巴结转移的无创预测和风险分层	乳腺癌患者（训练队列212例，外部验证队列121例，共333例）	数字病理学、医学影像分析	乳腺癌	DCE-MRI影像组学、深度学习	逻辑回归、深度学习	医学图像（DCE-MRI）、临床数据、炎症指标	333例患者（训练队列212例，外部验证队列121例）	NA	NA	AUC、校准曲线、决策曲线分析	NA
1207	2026-09-23	A deep residual attention-Recurrent model for early and multi-stage Alzheimer's disease detection 2026, Frontiers in aging neuroscience IF:4.1Q2 DOI:10.3389/fnagi.2026.1798861 PMID:42491893	研究论文	本文提出了一种结合 ResNet152V2、CBAM 和 Bi-GRU 的混合深度学习框架，用于基于 MRI 的阿尔茨海默病三分类检测	将深度残差特征提取、注意力机制细化与双向序列建模相结合，用于阿尔茨海默病的多阶段分类	摘要中未明确说明	实现阿尔茨海默病的早期和多阶段自动检测与分类	ADNI 数据集中的 2100 名受试者和 OASIS 数据集中的 900 名受试者	计算机视觉	阿尔茨海默病	MRI	CNN, RNN	图像	ADNI 2100 名受试者，OASIS 900 名受试者	NA	ResNet152V2, CBAM, Bi-GRU	准确率, AUC	NA
1208	2026-09-23	Machine learning and deep learning-based prediction of hypertension and analysis of its major risk factors in Bangladesh 2026, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0358471 PMID:42752631	研究论文	该研究利用2022年孟加拉国人口与健康调查的横断面数据，分析成人高血压的患病率、风险因素，并应用机器学习和深度学习模型预测高血压风险	在孟加拉国成人人群中同时比较四种机器学习模型和两种深度学习模型预测高血压，并系统分析其重要风险因素	加权逻辑回归召回率极低，随机森林等模型缺乏外部验证和临床效用评估，无法在实施前确认其泛化能力	研究孟加拉国成人高血压的患病率、相关风险因素，并评估机器学习和深度学习模型对高血压风险的预测性能	2022年孟加拉国人口与健康调查中14,283名18岁及以上成人	机器学习	心血管疾病	NA	机器学习, 深度学习	表格数据	14,283名18岁及以上成人	NA	加权逻辑回归, 随机森林, 极端梯度提升, 轻量梯度提升机, TabNet, 多层感知机	准确率, 精确率, 召回率, 特异性, F1分数, AUC-ROC, AUC-PR	NA
1209	2026-09-23	Construction and optimization of deep learning intent classification model for smart home dialogue 2026, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0357708 PMID:42752642	研究论文	该研究构建了一个包含12万条真实对话的中文智能家居语料库，并提出了一种结合无监督主题发现与深度学习分类的意图分类模型	构建了具有双层标注结构的中文智能家居语料库，提出了结合LDA和K-Means的无监督主题识别模型，并设计了融合双向Transformer和文本卷积神经网络的深度学习分类模型	未明确提及	解决智能家居领域高质量标注语料缺乏以及现有意图分类模型在复杂场景下准确性和可解释性不足的问题	中文智能家居对话语料库	自然语言处理	NA	无监督主题发现，深度学习分类	双向Transformer，文本卷积神经网络	文本	120,000条真实对话	NA	双向Transformer，文本卷积神经网络	归一化互信息，调整兰德指数，准确率，宏F1分数	NA
1210	2026-09-23	Computational screening of oncogenic genetic variations in tumor suppressor proteins driving gastric cancer pathogenesis 2026, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0358440 PMID:42752674	研究论文	本研究通过深度学习图神经网络模型识别胃癌中表达失调且高突变倾向的基因，并对关键抑癌蛋白TP53、CDH1和APC的遗传变异进行系统级计算分析	首次对胃癌通路中同时表现出表达失调和高突变频率的抑癌蛋白进行全面的系统级分析，结合深度学习图神经网络、进化保守性分析、生物物理能量学评估和无监督机器学习检测构象变化	研究主要基于计算分析和数据库验证，缺乏湿实验功能验证；未进行大规模前瞻性临床队列验证	识别破坏胃癌通路抑癌能力的关键基因及其致病性变异，为胃癌干预提供潜在生物标志物和精准治疗决策依据	胃癌相关的抑癌蛋白TP53、CDH1和APC及其遗传变异，以及胃癌通路中的分子组件	机器学习	胃癌	深度学习图神经网络、进化保守性分析、生物物理能量学评估、无监督机器学习、cBioPortal数据库验证	图神经网络	基因表达数据、突变数据、蛋白质结构数据	1,886个同时表现差异表达和突变倾向的基因	NA	图神经网络	MSE、R²、AUC-ROC	NA
1211	2026-09-23	Applications of artificial intelligence in chronic kidney disease: a systematic review 2026, Revista de saude publica IF:2.1Q3 DOI:10.11606/s1518-8787.2026060007308 PMID:42752720	系统综述	本文系统综述了人工智能在慢性肾脏病早期诊断、预测和管理中的应用	系统性地总结了2019至2025年间人工智能在慢性肾脏病领域的应用，重点关注所用算法、临床结局及其对肾脏病实践的影响	所纳入研究普遍存在混杂因素控制不足、模型外部验证缺乏以及数据集标准化不足等方法学缺陷，限制了模型的泛化能力和临床转化	识别人工智能在慢性肾脏病早期诊断、预测和管理中的应用，突出所用算法、临床结局及其对肾脏病实践的影响	有慢性肾脏病风险或已确诊慢性肾脏病的患者	机器学习	慢性肾脏病	NA	监督学习, 深度学习	NA	26项研究	NA	NA	准确率, 灵敏度, 特异度	NA
1212	2026-09-23	Deep learning-based detection of construction waste in complex scenarios with an improved lightweight algorithm 2026, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0356914 PMID:42758692	研究论文	本文提出了一种改进的轻量级算法GTS-YOLO，用于复杂场景下的建筑垃圾检测，在自建数据集和公开数据集上验证了其性能	基于YOLOv11，通过优化骨干网络中的C3K2模块实现轻量化，在骨干和颈部之间集成空间注意力机制，并参考任务对齐原则重新设计检测头，以更好地处理遮挡和变形下的建筑垃圾检测	未明确说明	解决复杂场景下建筑垃圾检测的识别精度不足、同类垃圾特征变化大、公开数据集有限以及计算资源消耗过大阻碍实时性能等挑战	建筑垃圾	计算机视觉	NA	深度学习	CNN	图像	自建的10类建筑垃圾数据集，具体样本数量未说明	NA	YOLOv11	mAP50, Precision, 参数量, 模型大小	NA
1213	2026-09-23	Feasibility of deep learning-based image reconstruction using TrueFidelity for coronary calcium scoring 2026, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0358342 PMID:42758710	研究论文	评估使用GE TrueFidelity高强度深度学习图像重建（DLIR）进行冠状动脉钙化评分的可行性，并与滤波反投影（FBP）和迭代重建（IR）进行比较。	评估了高强度DLIR在冠状动脉钙化评分中的可行性，并详细分析了与FBP和IR在个体水平上的一致性和差异。	DLIR显示出系统性低估，并且与FBP在个体水平上存在不可忽略的差异，特别是在低钙负荷或接近CAC风险类别阈值的患者中。	评估DLIR在冠状动脉钙化评分中的可行性，并与FBP和IR进行比较。	心脏体模和113名接受冠状动脉计算机断层扫描血管成像的患者。	医学图像分析	心血管疾病	冠状动脉计算机断层扫描血管成像	深度学习图像重建	图像	心脏体模和113名患者	NA	NA	加权kappa系数，Bland-Altman分析，假阴性率	NA
1214	2026-09-23	AINR: attention-guided implicit neural representations for spatial domain identification in spatial transcriptomics 2026, Bioinformatics advances IF:2.4Q2 DOI:10.1093/bioadv/vbag241 PMID:42765024	研究论文	本文提出了AINR，一个端到端的深度学习框架，将空间转录组数据建模为几何约束的连续生物场，结合隐式神经表示、空间感知注意力机制和全变分正则化，用于空间域识别	1. 将空间转录组数据建模为几何约束的连续生物场，避免使用显式邻接矩阵；2. 结合隐式神经表示与空间感知注意力机制；3. 引入全变分正则化项和周期性正弦激活函数，在映射空间坐标到基因表达的同时保持空间平滑性；4. 在极端数据稀疏条件下仍保持稳健性能	未在摘要中明确说明	解决空间转录组数据噪声大、稀疏性强的问题，以及现有基于图的方法复杂且难以扩展的挑战，实现准确的空间域识别	空间转录组数据	空间转录组学	NA	空间转录组学	隐式神经表示	基因表达数据、空间坐标数据	六个不同的数据集	NA	隐式神经表示、空间感知注意力机制	空间域识别性能	NA
1215	2026-09-23	A parallel convolution attention network for crop genomic prediction 2026, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0358451 PMID:42766594	研究论文	提出一种基于并行卷积注意力网络的作物基因组预测方法PCAGP，并在四个基准数据集上验证其性能	采用并行卷积结构和坐标注意力机制，有效整合通道间关系和空间基因组信息，避免传统串行卷积导致的梯度消失和计算低效问题	摘要中未提及	提高作物基因组预测的准确性	作物基因组数据	机器学习	NA	基因组预测	CNN	基因组标记数据	四个基准数据集	NA	并行卷积注意力网络	NA	NA
1216	2026-09-23	SpectralTCN: A multi-resolution wavelet gating network for vibration-based structural damage detection 2026, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0358224 PMID:42766612	研究论文	本文提出了一种名为SpectralTCN的多分辨率小波门控网络，通过在时间卷积网络中集成可学习的小波门控模块，实现基于振动信号的结构损伤检测	提出小波门控模块，在每个卷积块内进行可学习的、数据依赖的多分辨率滤波，利用离散小波变换同时保留时频信息，结合广义平均池化和大核因果深度可分离卷积	未明确说明，但可能受限于仅在两个基准数据集上验证，且小波基的选择和计算效率可能影响实际部署	解决现有深度学习模型在振动结构健康监测中仅处理时域信号或全局频域变换导致丢失时频局部信息的问题，提升损伤检测的准确性和泛化能力	Z24桥梁基准数据集和基于有限元模型的My Thuan斜拉桥数据集上的振动加速度信号	机器学习	NA	离散小波变换、逆离散小波变换、时间卷积网络	时间卷积网络	振动信号（加速度时间序列）	Z24桥梁基准数据集和My Thuan斜拉桥有限元数据集（具体样本数未提供）	NA	SpectralTCN（时间卷积网络集成小波门控模块）	准确率、分层5折交叉验证	NA
1217	2026-09-23	Unsupervised deep learning framework for early detection of wellbore trajectory deviation in drilling operations 2026, Frontiers in artificial intelligence IF:3.0Q2 DOI:10.3389/frai.2026.1942787 PMID:42769183	研究论文	本研究提出了一种无监督深度学习框架，通过分析综合测井和地质力学数据，利用LSTM自编码器和图神经网络实现钻井过程中井眼轨迹偏差的早期检测	提出了一种结合LSTM自编码器与图神经网络的无监督深度学习框架，无需标注的偏差事件即可识别轨迹偏差的早期发生，LSTM-AE学习钻井参数的正常时序演化并通过重构误差检测异常，GNN建模地质与地质力学变量间的物理和地质关系以增强多元交互分析	未在摘要中明确说明	克服传统井眼轨迹监测方法仅在偏差变得明显后才能识别的局限性，实现井眼轨迹偏差的早期检测	定向钻井和延伸钻井作业中的井眼轨迹偏差	机器学习	NA	测井, 地质力学数据采集	LSTM, GNN, Autoencoder	时序数据, 表格数据	NA	NA	LSTM Autoencoder, Graph Neural Network	重构误差, 误报率	NA
1218	2026-09-23	Dual-region deep learning model integrating prostate and peri-prostatic adipose tissue MRI features for bone metastasis prediction in prostate cancer 2026, Frontiers in oncology IF:3.5Q2 DOI:10.3389/fonc.2026.1946971 PMID:42769216	研究论文	该研究开发了一个整合前列腺和前列腺周围脂肪组织MRI深度特征与临床变量的多模态模型，用于前列腺癌骨转移风险评估	首次将前列腺腺体和前列腺周围脂肪组织的MRI深度特征与临床变量相结合，构建双区域深度学习模型用于前列腺癌骨转移预测	缺乏外部验证，需要进一步进行校准评估	开发并评估一个整合MRI深度特征和临床变量的多模态模型，用于前列腺癌骨转移风险分层	464例前列腺癌患者	数字病理学	前列腺癌	MRI	CNN	图像	464例患者，按7:3随机分为训练队列和内部测试队列	NA	ResNet-50, 逻辑回归元学习器	ROC-AUC, 平均精确率, 校准分析, 决策曲线分析, SHAP分析, 灵敏度, 特异度	NA
1219	2026-09-23	Automated chest X-ray disease screening using large language models and deep convolutional neural networks on the MIMIC-CXR dataset 2026, Frontiers in digital health IF:3.2Q2 DOI:10.3389/fdgth.2026.1883337 PMID:42769316	研究论文	本研究利用GPT-4o从MIMIC-CXR数据集的放射学报告中生成二元疾病标签，并训练四种卷积神经网络实现自动胸片疾病分类	首次使用GPT-4o生成弱监督标签训练CNN进行胸片疾病筛查，并采用多随机种子与置信区间评估模型稳定性	标签可靠性需进一步提升，且仅实现二分类，未来需扩展至多标签分类	探索利用大语言模型从自由文本放射学报告中生成二元疾病存在标签，并训练深度学习模型进行自动胸片分类的可行性	MIMIC-CXR v2.1.0数据集中的胸片图像及其对应的放射学报告	医学影像分析	胸部疾病	大语言模型GPT-4o、卷积神经网络	LLM、CNN	图像、文本	MIMIC-CXR v2.1.0数据集（具体数量未提及），验证集210份报告，患者级别70/10/20划分	NA	ResNet-18, DenseNet-121, EfficientNet-B1, ConvNeXt-Tiny	准确率, 精确率, 召回率, AUC, 平衡准确率, 95%置信区间, 配对t检验p值	NA
1220	2026-09-23	Artificial Intelligence in the Design and Development of Nanoparticle Drug Delivery Systems: A Systematic Review 2026, Advances in pharmacological and pharmaceutical sciences IF:2.1Q3 DOI:10.1155/adpp/5531134 PMID:42769491	系统综述	本文系统综述了人工智能在纳米颗粒药物递送系统设计与开发中的应用，涵盖配方优化、生物分布预测和纳米毒性评估	遵循PRISMA 2020指南并注册于PROSPERO，系统整合了TRIPOD-AI和JBI评估框架对纳入研究进行方法学质量评价，全面梳理了AI在纳米药物递送系统各环节的应用现状	数据集规模小、外部验证有限、报告标准不一致，限制了AI向临床实践的转化	系统评估人工智能在纳米颗粒药物递送系统设计、优化、生物分布预测及纳米毒理学中的应用现状与潜力	应用机器学习、深度学习和混合建模方法进行纳米颗粒设计、优化、生物分布预测或纳米毒理学研究的已发表文献	机器学习	NA	机器学习，深度学习，混合建模	机器学习，深度学习	文本	17项独特研究	NA	NA	NA	NA