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
1241	2026-08-23	Toward protocol simplification: Deep learning-based image synthesis in three-phase CT urography 2026-Jul-15, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2026.111746 PMID:42140070	研究论文	本研究开发并评估了一种基于扩散模型与Swin transformer的深度学习方法，用于从CT尿路造影的非增强和排泄期图像合成尿路上皮期图像。	提出了一种结合扩散模型和Swin transformer的定制深度学习模型dsSNICT，用于CT尿路造影中尿路上皮期图像的合成，可减少辐射剂量并改善图像质量。	单中心回顾性研究，样本量有限（335例），且图像质量评估依赖于主观评分。	开发一种方法，通过合成尿路上皮期图像，减少CT尿路造影的辐射剂量，同时保持图像质量，并可用于修复因对比剂时机不佳或运动伪影受损的图像。	335例接受三相CT尿路造影的患者（平均年龄63±15岁，男179/女156）。	深度学习、医学影像分析	泌尿系统疾病（CT尿路造影相关）	CT成像，扩散模型，Swin transformer	扩散模型（dsSNICT）	医学图像（CT影像）	335例患者，分训练/验证/测试集（80/10/10）	未明确指出，但可能使用PyTorch或TensorFlow	Swin transformer，扩散模型	峰值信噪比（PSNR）、结构相似性指数（SSIM）、平均绝对误差（MAE）、Fréchet视频距离（FVD）	未明确指出，可能使用GPU（如NVIDIA）
1242	2026-08-23	CenSegNet: a generalist high-throughput deep learning framework for centrosome phenotyping at spatial and single-cell resolution in heterogeneous tissues 2026-Jul-15, Nature communications IF:14.7Q1 DOI:10.1038/s41467-026-75393-y PMID:42457714	研究论文	本文介绍了一个名为CenSegNet的模块化深度学习框架，用于对异质性组织中中心体和上皮结构进行高吞吐量分割，实现对中心体异常在空间和单细胞分辨率下的表型分析。	提出了一种通用的模块化深度学习框架CenSegNet，能够跨成像模态和组织环境精确分割中心体及上皮结构，实现高吞吐量、空间和单细胞分辨率的中心体表型分析，并揭示了中心体异常亚型的机制解耦及其临床关联。	未提及具体局限，但隐含对组织微阵列样本的依赖性，可能影响在其他组织或成像条件下的泛化性验证。	开发并验证CenSegNet框架，用于大规模、空间分辨率的中心体表型分析，探究中心体异常在癌症中的生物学和临床意义。	中心体异常（CA）及其亚型，包括数值和结构异常，在乳腺癌组织中的空间分布和单细胞特征。	计算机视觉	乳腺癌	组织微阵列成像	深度学习分割网络	图像	911个乳腺癌组织核心样本，来自127名患者	深度学习框架（未指定具体框架，如PyTorch或TensorFlow）	分割网络架构（具体结构如U-Net等未提及）	准确性、泛化性、空间分辨率、单细胞分辨率	未提及具体计算资源，如GPU类型或云平台
1243	2026-08-23	Spike-based alignment learning solves the weight transport problem 2026-Jul-07, Nature communications IF:14.7Q1 DOI:10.1038/s41467-026-74460-8 PMID:42414269	研究论文	提出了一种名为尖峰对齐学习（SAL）的突触局部学习规则，利用噪声进行权重对齐，以解决神经网络的权重传输问题	引入了一种基于尖峰的局部学习规则，该规则利用噪声实现权重对齐，能够在其他功能性学习规则运行的同时保持必要的对称性，从而确保梯度的正确局部表示，并适用于生物和人工模拟基质	NA	解决学习算法中的权重传输问题，实现局部计算与物理神经网络约束的兼容	脉冲贝叶斯推断网络模型和生物合理性误差反向传播网络模型	机器学习	NA	NA	脉冲神经网络	图像	NA	NA	NA	NA	NA
1244	2026-08-23	Automated detection of lumbar disc herniation at L4-L5 and L5-S1 levels on sagittal MRI using a YOLO-based deep learning model 2026-Jul-06, BMC musculoskeletal disorders IF:2.2Q3 DOI:10.1186/s12891-026-10124-4 PMID:42410553	研究论文	本研究探讨了基于YOLO的深度学习模型在矢状位MRI上自动检测L4-L5和L5-S1腰椎间盘突出的可行性	首次采用YOLO目标检测架构对特定腰椎节段（L4-L5和L5-S1）的椎间盘突出进行分类检测	测试集样本量小、单中心设计、缺乏外部验证和放射科医师基准比较，结果仅具假设生成性	初步评估基于YOLO的深度学习模型在矢状位MRI上自动检测腰椎间盘突出的可行性	成人患者的矢状位T2加权腰椎MRI图像，重点关注L4-L5和L5-S1节段	计算机视觉	腰椎间盘突出	MRI（矢状位T2加权成像）	YOLO	图像	372张矢状位T2加权腰椎MRI切片，分为337张训练集、25张验证集和10张测试集	未在标题和摘要中明确提及，推测可能为PyTorch或Darknet，输出NA	YOLO	精确度、召回率、F1分数、平均精度均值（mAP@0.5和mAP@0.5-0.95）	未在标题和摘要中明确提及，输出NA
1245	2026-08-23	DeepKOALA: a scalable deep learning framework for KEGG Orthology assignment 2026-Jul-03, Briefings in bioinformatics IF:6.8Q1 DOI:10.1093/bib/bbag445 PMID:42617151	研究论文	提出一种基于门控循环单元的可扩展深度学习框架DeepKOALA，用于KEGG直系同源（KO）注释，以加速大规模序列功能注释	将KO注释建模为开放集识别任务以减少假阳性，采用轻量级GRU骨干网络实现高通量注释，并提供专门处理不完整序列的片段模型和可选的多域模式	摘要中未明确提及局限性	开发一种可扩展、高效的深度学习工具，用于大规模序列的KEGG Orthology注释，克服传统序列比对方法计算成本高的局限	蛋白质和DNA序列的KEGG Orthology注释	机器学习	NA	NA	GRU	序列	NA	NA	GRU	F1	NA
1246	2026-08-23	Artificial Intelligence Methods in Early Detection of Autism Spectrum Disorder: A DSM-5 Criterion-Based Systematic Review 2026-Jul, Autism research : official journal of the International Society for Autism Research IF:5.3Q1 DOI:10.1002/aur.70279 PMID:42226557	综述	本系统综述评估了基于人工智能的儿童自闭症谱系障碍早期检测方法，分析其分布、性能、与DSM-5标准的对齐程度以及研究的方法学质量	首次基于DSM-5标准对AI早期检测ASD的方法进行系统评价，并关注AI技术与诊断标准的对齐关系	未进行引文追踪，存在地理分布偏差（偏向高收入地区），方法学质量不一致	评估AI方法在儿童ASD早期检测中的分布、性能、DSM-5对齐程度，并评估现有研究的方法学质量	0-18岁临床诊断为ASD的儿童群体	机器学习	自闭症谱系障碍	NA	卷积神经网络、支持向量机	行为观察数据	43项研究（从1018篇记录中筛选）	NA	卷积神经网络, 支持向量机	准确率	NA
1247	2026-08-23	An intelligent fusion model for Ki-67 prediction in non-small cell lung cancer: A cloud-based prediction system integrating radiomics 2026-Jul, European journal of radiology IF:3.2Q1 DOI:10.1016/j.ejrad.2026.112866 PMID:42000471	研究论文	本研究开发并验证了一种融合影像组学和深度学习评分及临床参数的随机森林模型，用于预测非小细胞肺癌患者的Ki-67表达水平。	提出了一种融合瘤内和瘤周影像组学评分、深度学习评分及临床参数的智能融合模型，并采用SHAP方法解释模型预测，提高了预测的准确性和可解释性。	未在摘要中明确提及局限性。	准确预测非小细胞肺癌患者术前Ki-67表达水平，以改善预后分层并指导个性化治疗策略。	876名非小细胞肺癌患者，来自四个医疗中心。	医学影像分析、机器学习	非小细胞肺癌	CT影像组学、深度学习（ResNet101）	随机森林	CT图像、影像组学特征、临床数据	876例患者（训练集525例，测试集175例，外部验证集176例）	未指定	ResNet101、随机森林	AUC、F1分数	未指定
1248	2026-08-23	Machine learning to classify left ventricular hypertrophy using electrocardiographic feature extraction by variational autoencoder 2026-Jul, Heart rhythm O2 IF:2.5Q2 DOI:10.1016/j.hroo.2026.03.019 PMID:42488151	研究论文	本研究利用变分自编码器提取心电图特征，并构建机器学习模型以提升左心室肥厚的诊断准确性	采用变分自编码器从心电图中提取潜在特征，并结合传统心电图特征进行左心室肥厚分类，相比传统标准及直接使用信号的卷积神经网络模型具有更优性能	未明确提及局限性，但可能受限于回顾性研究设计和特定人群的泛化性	开发和验证基于心电图的机器学习模型，用于左心室肥厚的诊断，并与传统心电图标准及信号卷积神经网络模型进行比较	左心室肥厚患者及非患者的心电图与超声心动图配对数据	机器学习	左心室肥厚	心电图特征提取，变分自编码器	逻辑回归、随机森林、LightGBM、残差神经网络、多层感知机、卷积神经网络	心电图信号及特征数据	482,734对心电图-超声心动图配对样本，测试集54,984例	NA	变分自编码器、LightGBM、残差神经网络、多层感知机、卷积神经网络	受试者工作特征曲线下面积	NA
1249	2026-08-23	Artificial Intelligence in Health Care: Clinical Opportunities, Validation Trends, and Implementation Challenges (2020-2025) 2026 Jul-Sep 01, Journal for healthcare quality : official publication of the National Association for Healthcare Quality IF:0.9Q4 DOI:10.1097/JHQ.0000000000000524 PMID:42008829	系统综述	本系统综述评估了2020至2025年间人工智能在医疗保健中的临床应用机会、验证趋势及实施挑战。	与早期综述相比，本研究重点分析了验证率的提升（从23%升至46.7%）及对算法公平性的关注增加。	仅纳入15项经过前瞻性或外部验证的研究，可能限制结果的广泛适用性。	系统综述人工智能在临床环境中的应用，识别验证趋势和实施障碍。	2020年1月至2025年9月间发表的相关研究。	机器学习	放射学、肿瘤学、心脏病学	深度学习，卷积神经网络	深度学习，卷积神经网络	医学影像	15项研究	NA	卷积神经网络	AUC	NA
1250	2026-08-23	Predicting ventricular arrhythmia in myocardial ischemia using deep learning 2026-Jul, Heart rhythm O2 IF:2.5Q2 DOI:10.1016/j.hroo.2026.02.009 PMID:42488144	研究论文	本研究利用深度学习预测急性心肌缺血期间室性心律失常（早搏）的发生时间	首次利用心外膜电图高分辨率信号预测急性缺血期间早搏的时间，并量化了个体化数据需求	研究基于动物实验（猪）数据，可能不完全适用于人类；样本量有限（21次实验）	确定心外膜电图是否包含预测急性缺血期间早搏时间的特征，并量化个体化所需的数据量	猪急性缺血模型中的心外膜电图和自发早搏事件	机器学习	心肌缺血	电生理记录（心外膜电图，1 kHz采样）	长短期记忆网络（LSTM）	时间序列信号	21头猪的急性缺血实验，共2252个自发早搏	NA	6层LSTM（隐藏层大小128）结合时间注意力机制	平均绝对误差（MAE）、R²、预测准确性（30-60秒窗口内的预测比例）	NA
1251	2026-08-23	Influence of sponsorship on betting intentions: from linear to deep learning models 2026-Jun-14, Harm reduction journal IF:4.0Q1 DOI:10.1186/s12954-026-01485-z PMID:42289703	研究论文	本研究探讨体育赛事中商业博彩赞助对博彩意向和实际赌博行为的影响，比较线性（PLS-SEM）和非线性（人工神经网络）预测方法。	将自我一致性、感知暴露、主观规范、善意和参与度等心理社会变量整合到一个联合预测模型中，并首次系统比较线性与非线性方法在预测赌博行为中的差异。	本研究样本仅限于西班牙人群，可能限制结果的普适性；此外，依赖自我报告数据可能存在偏差。	预测体育赛事中的博彩意向和实际赌博行为，并比较线性与非线性预测模型的效果。	西班牙个体的赌博意向和实际赌博行为。	机器学习应用（社会科学）	问题赌博	NA	偏最小二乘结构方程模型（PLS-SEM）和人工神经网络（ANN）	问卷调查数据	661名西班牙受试者	NA	NA	NA	NA
1252	2026-08-23	Identifying predictive factors of cyberbullying perpetration via deep learning: a two-stage training approach to class imbalance with weighted loss 2026-Jun-13, BMC psychology IF:2.7Q1 DOI:10.1186/s40359-026-04980-x PMID:42288893	研究论文	本研究基于一般攻击模型和社会生态框架，采用结合两阶段训练策略与类别加权损失函数的深度学习框架，以提高网络欺凌实施者的识别效果。	创新性地提出一种结合两阶段训练策略和类别加权损失函数的深度学习方法，以解决行为数据集中极端类别不平衡问题，并显著提升少数类别的召回率。	样本仅来自中国大学生，可能限制结果的普适性；且自报数据可能存在偏差。	旨在利用深度学习框架改善网络欺凌实施者的识别，并揭示其预测因素。	660名中国大学生（包括54名自报网络欺凌实施者）	机器学习	心理行为问题（网络欺凌）	NA	深度学习模型	表格数据（包括屏幕时间、情绪、学校连接等特征）	660名中国大学生，其中54名为自报网络欺凌实施者	NA	深度神经网络（DNN）	召回率	NA
1253	2026-08-23	DiffPlantCT: a training-free, annotation-free approach to cross-species plant CT image segmentation 2026-Jun-11, Plant methods IF:4.7Q1 DOI:10.1186/s13007-026-01551-4 PMID:42277862	研究论文	提出一种无需训练和注释的跨物种植物CT图像分割方法，通过无监督零样本学习实现高效分割	首次实现跨物种植物CT图像的免注释、免训练分割，利用预训练稳定扩散模型的自注意力层构建判别性聚类特征	依赖于预训练模型的泛化能力，可能在极端图像质量或新物种上表现受限，但文中未明确详述	开发无需人工标注和模型训练的植物CT图像分割方法，以降低研究成本并提高跨物种表型分析的效率	植物CT图像，包括核桃果实、大麦穗、小麦穗和水稻穗	计算机视觉	NA	CT成像	扩散模型（Stable Diffusion）	图像	两个公共数据集（核桃果实和大麦穗）和两个自收集数据集（小麦穗和水稻穗）	未指定	自注意力层	平均交并比（mIoU）	NA
1254	2026-08-23	A large-scale annotated Urdu corpus and deep learning benchmark for mental health classification 2026-Jun-08, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-56627-x PMID:42259907	研究论文	本研究开发了一个用于乌尔都语心理健康分类的深度学习框架，并构建了首个大规模公开的乌尔都语注释数据集，涵盖焦虑、抑郁和中性类别。	首次为乌尔都语这种资源匮乏语言提供大规模、公开的多类心理健康分类数据集，并通过系统评估多种深度学习架构建立了性能基准。	未明确说明局限性。	解决低资源语言（乌尔都语）在心理健康自动检测中的研究空白，提供可扩展且文化敏感的监测工具。	乌尔都语推文，分类为焦虑、抑郁和中性。	自然语言处理	焦虑和抑郁	NA	深度学习模型（CNN+BiLSTM, CNN+BiGRU, UrduBERT）	文本（推文）	36,000条乌尔都语推文	NA	CNN+BiLSTM, CNN+BiGRU, UrduBERT	准确率、精确率、召回率、F1分数	NA
1255	2026-08-23	A temporal-spectral dual-stream anti-noise bearing fault diagnosis model based on adaptive mode decomposition 2026-Jun-08, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-55697-1 PMID:42260071	研究论文	提出一种基于自适应模式分解的时-谱双流抗噪声轴承故障诊断模型，以提高强噪声环境下的诊断准确性	设计了自适应模式分解模块来抑制噪声并增强故障相关信息，并构建时-谱双流框架以从不同视角提取互补特征，增强特征表示的丰富性和判别力	未明确提及局限性，但可能依赖特定噪声条件或需进一步验证泛化能力	提高轴承故障诊断模型在强背景噪声环境下的准确性和可靠性	轴承故障信号	机器学习	不适用	自适应模式分解	深度学习模型	信号	两个真实案例数据集	未提及	时-谱双流网络	诊断准确率	未提及
1256	2026-08-23	A generalisation study in deep learning-based segmentation of lower-limb muscles across different populations 2026-Jun-08, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-57242-6 PMID:42260151	研究论文	本研究评估了深度学习模型在不同人群（儿童、健康年轻人和绝经后女性）下肢肌肉分割中的泛化能力，重点测试了注意力特征融合U-Net模型	首次跨队列（儿童、健康年轻人和绝经后女性）系统评估下肢肌肉分割模型的泛化能力，并引入注意力特征融合模块改进U-Net	单一类型的队列模型训练不足以提升泛化能力，较小且不规则的肌肉分割准确性较低	评估深度学习模型在不同人群中的下肢肌肉分割性能及泛化能力	下肢肌肉，包括典型发育儿童、健康年轻人和绝经后女性的T1加权磁共振图像	医学影像分析	肌肉相关疾病（如肌少症）	磁共振成像	U-Net及其变体（U-Net++、Attention U-Net、Attention-Feature-Fusion-U-Net）	医学图像（MRI）	包含儿童、健康年轻人和绝经后女性三个队列的图像数据，具体数量未在摘要中给出	未明确指定，可能使用PyTorch或TensorFlow	U-Net, U-Net++, Attention U-Net, Attention-Feature-Fusion-U-Net	Dice相似系数、相对体积误差、豪斯多夫距离、平均对称表面距离	未在摘要中提及，推断使用GPU进行深度学习训练
1257	2026-08-23	Reducing normalized mean square error during channel estimation using minimum pilot symbols in massive MIMO network 2026-Jun-08, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-56479-5 PMID:42260065	研究论文	本文提出基于深度学习的方法，使用最小导频符号在大规模MIMO网络中估计信道系数，以降低归一化均方误差	利用全连接神经网络和卷积神经网络模型，在最小导频符号条件下实现信道估计，优于传统最小二乘和最小均方误差方法，特别是在导频污染和多小区干扰场景下	摘要未提及具体限制	在大规模MIMO网络中，使用最小导频符号进行信道估计，以降低归一化均方误差	大规模MIMO网络中的信道估计	机器学习	NA	NA	全连接神经网络、卷积神经网络	信道估计数据	NA	NA	全连接神经网络、卷积神经网络	归一化均方误差	NA
1258	2026-08-23	Advances in Electrocardiogram-Based Non-Invasive Blood Glucose Monitoring Technology 2026-06, Diabetes, obesity & metabolism DOI:10.1111/dom.70638 PMID:41852256	综述	该文综述了基于心电图的非侵入性血糖监测技术的生理基础、最新进展及临床挑战和未来方向	系统总结了血糖波动对自主神经活动和心脏电生理的影响，以及机器学习、深度学习和多模态融合模型在基于ECG的血糖估计中的应用	未提及具体限制	评估基于心电图的非侵入性血糖监测技术的进展、临床挑战和未来方向	心电图信号与血糖水平之间的关系	机器学习	糖尿病	心电图（ECG）	机器学习、深度学习、多模态融合模型	心电图信号	未提及	未提及	未提及	未提及	未提及
1259	2026-08-23	A stacked multi-classifier for multi-modal data fusion in transcranial sonography-based Parkinson's disease assessment 2026-May-27, NPJ Parkinson's disease DOI:10.1038/s41531-026-01408-6 PMID:42204162	研究论文	该研究利用经颅超声检查结合影像组学和深度学习，通过堆叠多分类器集成模型进行帕金森病的评估	首次将临床、影像组学和深度学习特征通过堆叠集成方法融合用于经颅超声诊断帕金森病，并验证其优于单一模态或单一分类器	未提及	开发一个基于经颅超声的多模态堆叠集成模型，以提高帕金森病诊断的准确性和临床价值	324名参与者（103名帕金森病患者和221名非帕金森病对照）	医学影像分析	帕金森病	经颅超声	集成学习（Bagging、Boosting、Stacking）	临床数据、影像组学特征、深度学习特征	324名参与者	未提及	随机森林、XGBoost、HistGradientBoosting	AUC、PR-AUC、准确率、精确率	未提及
1260	2026-08-23	Deep learning of 777 K bulk transcriptomes reveals human-mouse gene conservation beyond DNA sequence similarity 2026-May-27, Communications biology IF:5.2Q1 DOI:10.1038/s42003-026-10189-w PMID:42204332	研究论文	利用Transformer模型对777K个人和小鼠的批量RNA测序样本进行分析，揭示人类-小鼠基因在表达层面上的保守性，并识别出即使DNA序列相似但RNA特性不同的同源基因	首次使用基于Transformer的GeneRAIN模型在如此大规模的跨物种转录组数据上生成基因的RNA表示，并据此比较同源基因，超越了仅基于DNA序列相似性的传统比较方法	摘要中未提及明显局限性，可能包括对RNA测序样本的批次效应控制、模型的可解释性、以及未覆盖所有组织或发育阶段等	通过基因表达模式提供人类-小鼠基因关系的额外见解，并评估小鼠模型用于研究特定人类基因的适宜性	人类和小鼠的基因，包括同源基因和长非编码RNA	自然语言处理	NA	RNA测序	Transformer	转录组数据（bulk RNA测序）	777K个人类和小鼠批量RNA测序样本	NA	Transformer	NA	NA