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
1281	2026-08-23	Automated deep learning based detection of cellular deposits on clinically used ECMO membrane lungs 2026, Frontiers in bioinformatics IF:2.8Q2 DOI:10.3389/fbinf.2026.1771574 PMID:41993244	研究论文	开发一种基于深度学习的自动化工具，用于检测临床使用中的ECMO膜肺上细胞沉积物	提出了一种定制化的荧光显微镜工作流程，结合半自动迭代标注策略生成高质量训练数据集，并采用Mask R-CNN与ResNet 101骨干及空洞卷积，在重叠和低强度细胞核分割上优于传统U-Net方法	未明确说明局限性，但可能受限于三维空心纤维结构中不规则沉积物的复杂性	实现ECMO膜肺上核沉积物的自动化检测和定量分析，以支持对ECMO并发症机制的研究	临床使用过的ECMO膜肺空心纤维垫上的细胞核沉积物	数字病理学	心血管疾病	荧光显微镜	实例分割模型（Mask R-CNN）	图像	未明确说明样本数量，但涉及膜肺空心纤维垫的荧光显微镜图像	NA	Mask R-CNN，ResNet 101，U-Net（用于比较）	细胞核计数准确性和面积准确性	NA
1282	2026-08-23	Circulating tumor cell detection in cancer patients using in-flow deep learning holography 2026, Npj biosensing DOI:10.1038/s44328-026-00084-z PMID:41993926	研究论文	介绍了一种基于流式深度学习全息术的循环肿瘤细胞检测系统，结合微流体富集和双模态成像，实现对癌症患者血液中CTCs的高灵敏度和特异性检测	集成惯性微流体预处理与双模态成像（全息与荧光），采用深度学习模型提供形态学置信度，并与免疫荧光标准结合，提高检测准确性	初步研究样本量较小，需要进一步大规模验证	旨在提高循环肿瘤细胞检测的灵敏度和特异性，以支持早期癌症检测、预后和疾病监测	循环肿瘤细胞（CTCs）在晚期前列腺癌患者和健康对照者的血液样本中的应用	数字病理学、计算机视觉	前列腺癌	数字全息显微镜、微流体富集、深度学习	深度学习模型	全息图像、荧光图像	13例晚期前列腺癌患者，8例健康对照	未提及	未提及具体架构	假阳性率（患者水平为1细胞/mL），CTC计数	未提及
1283	2026-08-23	A multimodal deep learning-based model for posture asymmetry recognition and sports injury risk prediction in adolescent table tennis athletes 2026, Frontiers in physiology IF:3.2Q2 DOI:10.3389/fphys.2026.1800522 PMID:41994050	研究论文	本研究开发了一种多模态深度学习框架，用于识别青少年乒乓球运动员的姿势不对称并预测运动损伤风险	通过跨模态注意力机制、加权图卷积网络和时间卷积网络整合视频RGB序列、骨骼关键点轨迹和运动学参数，实现了姿势不对称的自动识别和损伤风险分层	属于前瞻性生物力学风险分层而非纵向验证的损伤发生预测，且未在纵向数据上验证预测准确性	开发智能评估系统，用于青少年乒乓球运动员训练监控和损伤预防	青少年乒乓球运动员的姿势不对称和运动损伤风险	计算机视觉	运动损伤	多模态深度学习	图卷积网络、时间卷积网络	视频RGB序列、骨骼关键点轨迹、运动学参数	TTStroke-21数据集	NA	跨模态注意力机制、加权图卷积网络、时间卷积网络	准确率、F1分数	NA
1284	2026-08-23	Application of machine learning and deep learning in the diagnosis and treatment of inguinal hernia: a narrative review 2026, Frontiers in medicine IF:3.1Q1 DOI:10.3389/fmed.2026.1743178 PMID:41994435	综述	本文综述了机器学习和深度学习在腹股沟疝诊断和治疗中的应用，涵盖疾病预测、医学影像分析和手术导航等方面	系统性地总结了机器学习和深度学习在腹股沟疝诊治中的进展，并探讨了生成式人工智能在医学咨询中的潜力	生成式人工智能的准确性和可靠性需进一步验证，且综述未提供定量性能比较	为腹股沟疝的临床实践和技术创新提供参考	腹股沟疝患者及相关临床数据	机器学习	腹股沟疝	NA	机器学习模型、深度学习模型、生成式人工智能	医学图像、视频、临床数据	NA	NA	深度神经网络	预测准确性等（未具体列出）	NA
1285	2026-08-23	Few-shot deployment of pretrained MRI transformers in brain imaging tasks 2026, Frontiers in artificial intelligence IF:3.0Q2 DOI:10.3389/frai.2026.1771088 PMID:41994558	研究论文	本研究提出了一种针对脑部MRI任务的预训练Transformer小样本部署框架，通过MAE预训练和混合架构提高了分类与分割性能	提出了MAE-FUnet混合架构，融合预训练MAE嵌入与多尺度CNN特征，以及冻结编码器加轻量线性头的分类方法，实现了小样本场景下的最优性能	研究主要局限于MRI模态和脑部成像任务，尚未验证在其他医学影像或更广泛领域的适用性	开发一个实用框架，实现预训练MRI Transformer在各种脑部成像任务中的小样本部署	脑部MRI图像，包括分类和分割任务，涉及NACC、ADNI、OASIS、NFBS、SynthStrip和MRBrainS18数据集	数字病理学, 机器学习	神经系统疾病	MRI成像, 深度学习预训练	Transformer (Masked Autoencoder), CNN	医学图像 (MRI切片)	超过3100万张2D切片图像	PyTorch	MAE, MAE-FUnet, CNN (用于特征提取)	准确率, Dice系数, IoU值	未明确提及，推断为GPU集群
1286	2026-08-23	Advances in ultrasound for preoperative molecular subtyping of malignant breast tumors 2026, Frontiers in oncology IF:3.5Q2 DOI:10.3389/fonc.2026.1774951 PMID:41994636	综述	本综述总结了超声在乳腺恶性肿瘤术前分子分型中的最新进展，涵盖常规超声特征分析、弹性成像、对比增强超声、微血管成像、放射组学和深度学习，并强调方法学严谨性、可解释性和临床转化	系统整合了定量血管、机械和计算表型在术前分子分型中的应用，并提出了迈向临床部署的路线图，包括标准化采集、前瞻性多中心评估、不确定性感知和可解释的人工智能以及多模态整合	参考标准异质性、单中心回顾性设计、类别不平衡以及有限的外部验证是主要障碍，且分子分型的可分离性应视为操作标签的概率性判别而非生物学决定论，机制起源仍需放射病理/放射基因组学验证	综述超声技术用于乳腺恶性肿瘤术前分子分型的最新进展，并强调方法学严谨性、可解释性和临床转化	乳腺恶性肿瘤患者，包括管腔A型、管腔B型、HER2富集型和三阴性亚型	医学影像	乳腺癌	超声成像（包括B模式、弹性成像、对比增强超声、微血管成像）、放射组学	机器学习模型	超声图像、微血管成像数据、弹性成像数据	NA	NA	NA	NA	NA
1287	2026-08-23	Visceral adipose tissue inflammation in endometrial cancer 2026, Cancer treatment and research communications DOI:10.1016/j.ctarc.2026.101273 PMID:42308582	研究论文	本研究探讨子宫内膜癌患者内脏脂肪组织中的脂肪细胞大小和冠样结构与脂肪分布、肥胖相关合并症及肿瘤特征的关系	首次在子宫内膜癌患者中结合深度学习算法分析CT图像与脂肪组织病理特征，揭示脂肪组织功能障碍与肥胖相关代谢并发症的关联	回顾性研究，样本量有限，且未评估脂肪组织炎症对肿瘤微环境的直接影响	探究内脏脂肪组织功能障碍（脂肪细胞肥大和冠样结构）与肥胖、合并症及肿瘤特征的相关性	90例子宫内膜癌患者，含73例网膜活检样本和术前CT影像	医学影像分析	子宫内膜癌	计算机断层扫描（CT）	深度学习模型	医学影像（CT）和病理图像	90例患者（其中73例有网膜活检）	NA	NA	相关性系数（r），p值	NA
1288	2026-08-23	Feature integration of [18F]FDG PET brain imaging using deep learning for sensitive cognitive decline detection 2026, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0341995 PMID:42479708	研究论文	本研究提出一种数据高效的深度学习框架，整合PET体素级和区域级特征，用于敏感检测认知衰退。	通过直接拼接整合CNN/PCANet提取的体素级特征和DNN处理的区域级特征，提高了认知衰退检测的准确性。	未提及具体限制。	提高认知衰退（包括早期阿尔茨海默病）的检测准确性，并增强临床实用性。	认知衰退患者和认知正常个体，共252名受试者。	医学影像分析	阿尔茨海默病，认知衰退	正电子发射断层扫描（PET）	CNN, PCANet, DNN	图像（PET脑影像）	252名受试者（118名CN，134名CD）	NA	CNN, PCANet, DNN	准确率，召回率，F1分数	NA
1289	2026-08-23	Recent advances in biomarkers, artificial intelligence, and targeted therapeutic strategies in breast cancer: Current progress and future perspectives 2026, Cancer treatment and research communications DOI:10.1016/j.ctarc.2026.101344 PMID:42542076	综述	本文综述了乳腺癌在生物标志物、人工智能辅助诊断和现代治疗策略方面的最新进展，旨在改善精准医学和患者预后	全面整合了常规和新兴生物标志物、AI技术以及多种新型治疗策略（如CDK4/6抑制剂、PARP抑制剂、CRISPR/Cas9基因编辑和纳米技术药物递送系统）在乳腺癌中的应用进展	未提及具体局限性	总结乳腺癌生物标志物、AI辅助诊断和现代治疗策略的最新进展，以促进精准医学发展	乳腺癌的生物标志物、AI诊断技术及相关治疗策略	数字病理学	乳腺癌	人工智能、机器学习、深度学习、医学影像、多模态分析、CRISPR/Cas9、纳米技术	机器学习、深度学习	医学影像、多模态数据	不适用	不适用	不适用	不适用	不适用
1290	2026-08-23	An segformer-mix vision transformer-based GIST segmentation in fused CT-PET images 2026, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0355109 PMID:42616723	研究论文	本文提出了一种基于Segformer和Mix Vision Transformer（MViT）的两阶段深度学习模型，用于融合CT-PET图像中的胃肠道间质瘤（GIST）分割。	创新性地结合DIF-Net进行CT和PET图像融合与Segformer配合MViT编码器进行肿瘤分割，有效捕捉局部和全局特征，提高分割性能。	文中未明确提及局限性，可能涉及计算复杂度高或依赖多模态数据获取。	提高GIST肿瘤分割的准确性和效率，减少手动标注的主观性，改善诊断质量。	胃肠道间质瘤（GIST）的CT和PET融合图像。	计算机视觉, 医学影像分析	胃肠道间质瘤	CT成像, PET成像, 图像融合	深度学习模型, Transformer	图像（CT和PET融合图像）	未在标题和摘要中提供具体样本数量，可能包括多例GIST患者的CT-PET图像。	NA	DIF-Net, Segformer, Mix Vision Transformer (MViT)	平均交并比（IoU），像素准确率，Dice系数，PSNR，SSIM，MI，UIQI，边缘保持	NA
1291	2026-08-23	TimeRecipe: A Time-Series Forecasting Recipe via Benchmarking Module Level Effectiveness 2026, ... International Conference on Learning Representations PMID:42621651	研究论文	提出TimeRecipe，一个统一基准测试框架，在模块级别系统评估时间序列预测方法，并通过超过10,000个实验揭示设计选择与预测场景的关联	首次在模块级别对时间序列预测方法进行系统性基准测试，而非仅在高层次比较模型，以提供设计有效性的深入见解	未提供具体限制信息	评估时间序列预测中不同模块（如序列分解或归一化）在多种条件下的有效性，并提供模型推荐工具	时间序列预测模型中的各个设计组件	机器学习	NA	NA	深度学习模型	时间序列数据	NA	NA	NA	NA	NA
1292	2026-08-23	MambaGCN-SMI: Protocol state machine inference framework based on Mamba and GCN 2026, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0354921 PMID:42623360	研究论文	提出了一种基于Mamba和GCN的非交互式协议状态机推断框架，用于从协议交互中自动提取和简化状态图	采用双级Mamba编码器提取深层语义特征，结合聚类和状态转移条件熵构建初始有向状态图，并通过图卷积网络进行数据驱动的自适应状态合并与简化	未提及具体限制，但可能受限于数据集规模和协议类型的覆盖面	解决现有非交互式协议状态机推断方法在特征表示能力、阶段间信息融合和自适应简化策略方面的不足，实现高精度、自适应的私有协议状态机推断	多种网络协议（TCP、HTTP、SMTP、Modbus、DNP3）的交互数据	机器学习	NA	NA	Mamba, GCN	协议交互数据	多协议数据集，包含TCP、HTTP、SMTP、Modbus和DNP3协议	NA	Mamba, GCN	预测准确率、行为覆盖率、节点F1分数、边F1分数	NA
1293	2026-08-23	Use of machine learning to detect Escherichia coli in drinking water in Bangladesh 2026, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0343606 PMID:42623399	研究论文	本研究评估了九种经典机器学习模型和一种深度学习模型在孟加拉国饮用水中检测大肠杆菌的性能，并比较了不平衡和平衡数据集下的预测效果	利用2019年孟加拉国多指标聚类调查数据，比较多种机器学习模型在不平衡和平衡数据集下检测饮用水中大肠杆菌的性能，并使用聚合层次聚类识别热点区域和SHAP值进行特征选择	研究仅使用了2019年的横断面调查数据，且未详细说明模型在外部验证集中的表现	评估机器学习工具在孟加拉国饮用水中检测大肠杆菌的性能，并识别高风险区域	孟加拉国家庭饮用水样本中的大肠杆菌污染情况	机器学习	水传播疾病	NA	AdaBoost, 决策树, 梯度提升算法, k近邻, LightGBM, 逻辑回归, 朴素贝叶斯, 随机森林, 支持向量机, 深度学习多层感知器	结构化调查数据	6069份家庭饮用水样本	NA	AdaBoost, 决策树, 梯度提升算法, k近邻, LightGBM, 逻辑回归, 朴素贝叶斯, 随机森林, 支持向量机, 多层感知器	准确率, 精确率, 召回率, F1分数, Cohen Kappa系数, 曲线下面积, 小提琴图	NA
1294	2026-08-23	LEXF-ATT-XLM: A hybrid lexicon-enhanced attention model for hate speech detection in low-resource language Roman Urdu 2026, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0354875 PMID:42623405	研究论文	提出了一种新颖的混合深度学习架构LEXF-ATT-XLM，用于罗马乌尔都语中的仇恨言论检测，该架构将上下文语言建模与领域知识相结合	结合XLM-RoBERTa、BiGRU、多头注意力和可学习门控融合，并创新性地在多任务学习框架中加入领域特定的罗马乌尔都语仇恨词典作为辅助回归监督信号	未提及	提升低资源语言罗马乌尔都语中仇恨言论检测的性能，处理词汇变体、否定和拼写不规范等语言挑战	罗马乌尔都语仇恨言论数据集RU-HSD-30K	自然语言处理	NA	深度学习	XLM-RoBERTa, BiGRU, Multi-head Attention	文本	需具体数据（RU-HSD-30K，具体样本数量未提供）	NA	XLM-RoBERTa, BiGRU, Multi-head Attention, Linear+tanh 门控层	准确率, 加权F1分数	NA
1295	2026-08-23	An integrated multimodal model for early prediction of high-risk recurrence phenotype indicative of poor disease-free survival in stage IA NSCLC: a multicenter study 2026, Frontiers in immunology IF:5.7Q1 DOI:10.3389/fimmu.2026.1915946 PMID:42625643	研究论文	开发并验证了一种结合临床、放射组学和病理组学特征的多模态模型，用于术前预测I A期非小细胞肺癌的高危复发表型，该表型与较差的无病生存期相关。	首次将早期融合的多模态模型应用于I A期非小细胞肺癌，整合临床、CT影像组学和基于病理全切片图像的深度特征（使用UNI基础模型），以提高高危复发表型的预测准确性。	多中心回顾性研究，样本量相对较小，可能导致模型泛化能力受限。	术前预测I A期非小细胞肺癌的高危复发表型，以指导早期个体化治疗决策。	342例I A期非小细胞肺癌患者，来自三个独立医疗中心。	医学影像分析	非小细胞肺癌	病理全切片图像（WSI）和CT影像分析	多模态模型	病理图像、CT影像和临床数据	342例患者（来自三个中心）	PyTorch（推断）	UNI基础模型（用于病理特征提取）	AUC	未指定
1296	2026-08-23	Multimodal deep learning for prediction of postoperative recurrence in clear cell renal cell carcinoma: a clinical-radiologic-pathologic approach 2026, Frontiers in oncology IF:3.5Q2 DOI:10.3389/fonc.2026.1831252 PMID:42625638	研究论文	本研究开发并验证了一种整合临床、影像和病理多模态数据的深度学习系统，用于预测透明细胞肾细胞癌患者术后5年复发风险	首次提出结合放射组学、深度学习和深度特征放射组学的多模态融合模型，以预测透明细胞肾细胞癌术后复发	回顾性多中心研究，样本量有限，可能影响模型的普适性	开发并验证一种高效整合多模态数据（临床、影像、病理）的多种类系统，以识别高风险术后复发患者	透明细胞肾细胞癌患者	医学影像分析, 深度学习	透明细胞肾细胞癌	放射组学, 深度学习, 深度特征放射组学	ResNet34	临床数据、影像数据、病理数据	270名透明细胞肾细胞癌患者，其中215名用于模型开发/验证，55名用于独立测试	NA	ResNet34	AUROC	NA
1297	2026-08-23	Towards cross-center head and neck cancer detection: a multi-level domain alignment exploration 2026, Frontiers in artificial intelligence IF:3.0Q2 DOI:10.3389/frai.2026.1882547 PMID:42625972	研究论文	提出一种多层级域泛化框架MDA-Net，用于跨中心头颈癌CT检测，以应对不同医院间扫描仪、协议和患者群体的差异。	设计了多层级域泛化策略，整合输入级、特征级和优化级的技术，无需目标域数据参与推理，保持隐私和计算效率。	性能提升有限，仍需进一步优化以适应更多样化的目标域。	开发一种稳健的、跨中心的头颈癌检测方法，提高泛化能力。	头颈癌CT扫描数据，来自三家医院的1081例病例。	计算机视觉	头颈癌	CT成像	3D ResNet-18	CT图像	1081例来自三家医院的CT扫描数据	PyTorch	ResNet-18	AUC, ACC	未提及
1298	2026-08-23	Artificial intelligence for precision malaria control: transforming surveillance, prediction, and intervention strategies 2026, Frontiers in digital health IF:3.2Q2 DOI:10.3389/fdgth.2026.1879638 PMID:42626220	观点文章	本文探讨了人工智能在精准疟疾控制中的应用，涵盖监测、预测和干预策略，并强调其作为辅助工具而非唯一解决方案的作用。	提出将AI从被动报告转向预测性精准公共卫生，整合监测、预测和控制三个相互关联的领域，并强调本地化适应和需求驱动集成。	未提供具体实验数据或实证验证，主要基于观点分析，依赖现有文献和逻辑推理。	评估AI在疟疾控制中的潜力，推动从反应性监测转向预测性精准公共卫生，并指出实现该潜力的关键条件。	疟疾监测（病例检测、昆虫学监测、干预覆盖率）、预测（疫情爆发预测、空间风险映射）和控制（资源分层、干预优化）系统。	机器学习	疟疾	NA	机器学习模型、深度学习模型	临床、昆虫学、气象和流行病学数据	NA	NA	NA	准确性	NA
1299	2026-08-23	Multimodal Deep Learning for Diabetic Retinopathy: A Survey 2026, Journal of ophthalmology IF:1.8Q3 DOI:10.1155/joph/4612172 PMID:42626299	综述	系统综述了过去三年中利用多模态深度学习整合视网膜图像、电子健康记录和临床文本数据进行糖尿病视网膜病变筛查的研究进展。	聚焦于多模态深度学习在糖尿病视网膜病变诊断中的应用，强调其相较于单模态方法的优越性。	面临数据稀缺、领域适应性和可解释性三大主要挑战。	综述多模态深度学习在糖尿病视网膜病变筛查中的最新进展，并指出未来研究方向。	糖尿病视网膜病变的多模态诊断系统	深度学习、医学影像分析	糖尿病视网膜病变	NA	NA	视网膜图像、电子健康记录、临床文本数据	NA	NA	NA	NA	NA
1300	2026-08-23	Mapping, dynamism, thematic evolution of the scientific production on Make up or Beauty products and cancer: A scientometric study 2026, Journal of education and health promotion IF:1.4Q3 DOI:10.4103/jehp.jehp_1260_25 PMID:42626611	研究论文	本研究通过科学计量学方法，对关于化妆品或美容产品与癌症关系的科学文献进行了映射、动态分析和主题演化分析	首次使用RAMIBS框架进行科学计量研究，并结合Scival和Bibliometrix工具，对2022-2024年间相关文献进行全面的主题演化分析	未明确提及局限性	描绘并分析关于美容产品使用与癌症发展关系的科学产出，识别其演化、合作动态和学术影响	科学文献（关于化妆品或美容产品与癌症关系的论文）	科学计量学	癌症	科学计量分析	NA	文本（文献元数据）	1996篇文献（2022-2024年）	R Studio（Bibliometrix包）、SciVal	NA	引用次数、合作作者数、国际合作比例	NA