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
1321	2026-07-03	A self-supervised electrocardiogram foundation model for empowering cardiovascular disease prediction and genetic factor discovery 2026-Apr-27, Nature communications IF:14.7Q1 DOI:10.1038/s41467-026-72436-2 PMID:42045241	研究论文	开发了一种自监督心电图基础模型，用于心血管疾病预测和遗传因子发现	结合对比学习与掩码语言建模的自监督预训练方法，同时捕捉心电图信号的全局上下文信息和细粒度模式，并利用模型衍生特征进行全基因组关联分析发现新的遗传位点	未明确提及具体局限性，但可能包括模型对多数据集泛化能力的验证范围有限或因果推断需要进一步验证	提升心血管疾病预测的准确性和可解释性，并探索心电图相关遗传因子	心血管疾病预测及心电图信号的遗传关联分析	机器学习	心血管疾病	心电图	自监督基础模型	12导联心电图信号	超过一千万份12导联心电图记录	NA	ECG-LFM（结合对比学习与掩码语言建模的Transformer架构）	AUROC	NA
1322	2026-07-03	Frequency-based deep learning to identify subtle postural instability in early, untreated Parkinson's disease 2026-Apr-27, NPJ Parkinson's disease DOI:10.1038/s41531-026-01365-0 PMID:42045279	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
1323	2026-07-03	Augmented prediction of multi-species protein-RNA interactions using evolutionary conservation of RNA-binding proteins 2026-Apr-27, Nature communications IF:14.7Q1 DOI:10.1038/s41467-026-72351-6 PMID:42045261	研究论文	提出一种基于深度学习的框架MuSIC，利用标签平滑和RNA结合蛋白的进化保守性预测跨物种的蛋白质-RNA相互作用	利用跨11个系统发育多样物种的RBP进化保守性进行预测，并引入标签平滑技术提升预测精度	预测置信度在后生动物中较高，部分反映了RBP保守模式的差异，可能对非后生动物物种预测效果有限	开发一种计算框架，实现跨物种RBP-RNA相互作用的预测并量化遗传变异的影响	RNA结合蛋白和RNA的相互作用	机器学习	人类疾病	深度学习	深度学习	序列数据	11个物种（从人类到酵母）中的数百个RBP	PyTorch（根据上下文推断，但未明确说明，故输出NA）	MuSIC（自定义深度学习框架，未详述具体架构）	AUC（根据性能优于最新方法推测，但未明确列出所有指标，故输出NA）	NA
1324	2026-07-03	YOLOv10-based deep learning model for dental plaque object detection in intraoral photographs of orthodontic patients 2026-04-24, BMC oral health IF:2.6Q1 DOI:10.1186/s12903-026-08295-6 PMID:42032559	研究论文	系统评估YOLOv10模型在正畸患者口内照片中识别牙菌斑的性能与可行性	首次将YOLOv10深度学习模型应用于正畸患者口内照片的牙菌斑目标检测，无需染色剂即可实现高精度实时检测，检测成功率显著优于患者和正畸医生的肉眼判断	未明确说明，但可推断样本量相对较小（23名患者），且模型性能评估依赖于智能手机拍摄的口内照片，可能受拍摄角度、光照条件等外部因素影响	评估YOLOv10模型在固定正畸患者使用智能手机拍摄的口内照片中识别牙菌斑的效能与可行性	23名固定正畸治疗患者的牙菌斑染色口内照片	计算机视觉	口腔疾病（牙菌斑相关）	目标检测	YOLOv10	图像（口内照片）	23名固定正畸患者的口内染色照片，分为训练集、验证集和测试集	PyTorch	YOLOv10	精确率、召回率、F1分数、mAP50、mAP50-95	配备GPU的计算机
1325	2026-07-03	Optimized fetal head circumference estimation in 2D ultrasound using EfficientNet-B7 and Adam optimizer 2026-04-24, BMC pediatrics IF:2.0Q2 DOI:10.1186/s12887-026-06924-1 PMID:42032513	研究论文	提出一种基于EfficientNet-B7和Adam优化器的回归深度学习模型，用于提升2D超声图像中胎儿头围测量的准确性和鲁棒性	利用EfficientNet-B7的复合缩放和特征提取能力，结合回归方法实现快速全自动头围测量，避免了传统分割方法的复杂流程，并提供了精度与计算效率之间的权衡分析	误差率高于基于分割的现有方法（1-2 mm），且仅在有限数据集上验证，未涉及多样本和场景	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
1326	2026-07-03	Development and External Validation of a Deep Learning Model to Predict Mortality in Aneurysmal Subarachnoid Hemorrhage Using Admission Computed Tomography 2026-Apr-23, Neurosurgery IF:3.9Q1 DOI:10.1227/neu.0000000000004038 PMID:42023861	研究论文	开发并外部验证一种仅使用入院非增强CT预测动脉瘤性蛛网膜下腔出血后90天死亡率的深度学习模型	完全自动化，无需手动输入，仅依赖入院CT图像提供客观可重复的风险分层，并通过外部验证证实其与需要多变量的传统临床模型性能相当	未明确指出，但可能包括回顾性设计、样本量相对较小及外部验证中心数量有限	开发和外部验证一种完全自动化的深度学习模型，用于预测动脉瘤性蛛网膜下腔出血后90天死亡率	动脉瘤性蛛网膜下腔出血患者的入院非增强CT扫描图像	计算机视觉	动脉瘤性蛛网膜下腔出血	CT成像	深度学习（3D密集连接卷积网络）	CT图像	863名患者（586训练，147内部测试，130外部验证）	NA	3D DenseNet-121	AUC、判别力、分类准确性、校准度、决策曲线分析	NA
1327	2026-07-03	A customised 3D U-Net model for bifid mandibular canal segmentation and detection on CBCT: a diagnostic accuracy study 2026-04-23, BMC oral health IF:2.6Q1 DOI:10.1186/s12903-026-08336-0 PMID:42026568	研究论文	评估定制化3D U-Net模型在CBCT上自动分割和检测双下颌管（BMC）的诊断性能	首次将定制化3D U-Net架构应用于CBCT影像中双下颌管的自动分割与检测，并采用MONAI框架和五折交叉验证	单中心研究，需多中心验证以确认更广泛的临床适用性	评估深度学习3D U-Net模型在CBCT上精准分割与检测双下颌管的诊断准确性	双下颌管（BMC）的CBCT影像	数字病理学	口腔颌面解剖变异	CBCT	3D U-Net	CBCT体数据	208例CBCT体数据	MONAI	定制化3D U-Net	Dice相似系数（DSC）、交并比（IoU）、敏感性、特异性、诊断准确率	NA
1328	2026-07-03	Super-Resolution Microscopy for Precision Microsphere Defect Inspection Using Sparrow-Optimized Autocorrelation Deconvolution 2026-04, Annals of the New York Academy of Sciences IF:4.1Q1 DOI:10.1111/nyas.70263 PMID:41996601	研究论文	提出一种基于麻雀搜索算法的自相关两步反卷积超分辨率图像重建方法，用于精密微球表面缺陷检测	自适应调整加速参数并使用混合能量函数优化的麻雀搜索算法，提升分辨率并抑制重建伪影	未明确说明局限性	提高精密微球表面缺陷检测的成像分辨率和准确性	精密微球表面缺陷	计算机视觉	NA	光学显微成像	麻雀搜索算法	图像	不同帧数的微球图像	NA	自相关两步反卷积	滚动傅里叶环相关（Rolling Fourier ring correlation）、半峰全宽（FWHM）	NA
1329	2026-07-03	An adaptive weight self-distillation deep learning framework for phenotype prediction from longitudinal gut microbiome data 2026-03-09, BMC microbiology IF:4.0Q2 DOI:10.1186/s12866-026-04922-y PMID:41796297	研究论文	提出一种自适应权重自蒸馏深度学习框架，用于从纵向肠道微生物组数据进行表型预测	自适应逐点自蒸馏机制与CNN-LSTM结合，有效捕捉纵向微生物组时序依赖和宿主特异性模式	未提及模型在更大规模或不同疾病数据集上的泛化能力，以及计算资源需求	利用纵向宏基因组数据分类宿主表型，提高疾病表型预测精度	肠道微生物组纵向测序数据	机器学习	多种疾病（如PROTECT、DIABIMMUNE、Infants数据集相关疾病）	宏基因组测序	CNN-LSTM	文本（微生物组序列数据）	三个数据集：PROTECT、DIABIMMUNE、Infants	NA	CNN, LSTM	AUC	NA
1330	2026-07-03	Shifting the paradigm in intracranial aneurysm detection with deep learning: A diagnostic accuracy meta-analysis and meta-regression 2026-Mar-05, Neurosurgical review IF:2.5Q1 DOI:10.1007/s10143-026-04196-y PMID:41781568	meta分析	通过系统综述和meta分析评估深度学习在颅内动脉瘤检测中的诊断准确性	首次通过大规模meta分析和meta回归系统评估深度学习在不同成像模式及与放射科医师联合下的颅内动脉瘤检测性能	未具体说明研究限制	阐明深度学习在颅内动脉瘤检测中的诊断价值	颅内动脉瘤（包括破裂和未破裂）	计算机视觉	颅内动脉瘤	CTA, MRA, DSA成像	深度学习系统	影像数据	34项研究，49,748名患者，6,751个动脉瘤	NA	NA	敏感度, 特异度, AUC, 诊断优势比, 阳性似然比, 阴性似然比	NA
1331	2026-07-03	Use of artificial intelligence for outcome assessment in pediatric rehabilitation: a scoping review 2026-Mar-05, Journal of neuroengineering and rehabilitation IF:5.2Q1 DOI:10.1186/s12984-026-01927-6 PMID:41787455	综述	探讨人工智能在儿童康复结果评估中的应用范围、方法学严谨性和临床实用性	首次系统梳理AI在儿童康复结果评估中的应用，涵盖人群、方法、结果领域和局限性	方法学异质性大、外部验证有限、样本量小，限制了可比性和临床转化	评估人工智能在儿童康复结果评估中的应用现状	儿童康复患者，特别是脑瘫儿童	机器学习	儿童脑瘫	NA	监督学习、神经网络、深度学习	步态分析、运动功能数据	51篇研究	NA	NA	准确率、F1分数、灵敏度、特异度	NA
1332	2026-07-03	Enhancing Influenza-Like Illness forecasting: An ensemble approach combining mathematical and deep learning models amidst the COVID-19 pandemic 2026-03, Epidemics IF:3.0Q2 DOI:10.1016/j.epidem.2026.100901 PMID:41775097	研究论文	本研究提出了一种结合机制性n-子流行病模型与蒙特卡洛丢弃长短期记忆神经网络的集成方法，用于改善韩国年龄特异性流感样疾病预测	创新性地将机制性流行病模型与深度学习模型集成，并引入蒙特卡洛丢弃技术进行不确定性量化，同时考虑年龄分层预测以捕捉不同人群的传播异质性	未明确说明局限性	提高流感样疾病的短期预测准确性并适应COVID-19大流行导致的传播模式变化	韩国年龄分层的流感样疾病发病率数据	机器学习	流感样疾病	NA	集成模型，长短期记忆网络	时间序列数据	覆盖四个疫情波次的数据	NA	n-子流行病模型，蒙特卡洛丢弃长短期记忆网络	加权区间评分，平均绝对误差	NA
1333	2026-07-03	Cross-Institutional Five-Class Kellgren-Lawrence Grading of Knee Osteoarthritis via Multitask Deep Learning 2026-03, Annals of the New York Academy of Sciences IF:4.1Q1 DOI:10.1111/nyas.70254 PMID:41830909	研究论文	提出一种多任务深度学习架构KL-FuseNet，用于膝关节骨关节炎的五类Kellgren-Lawrence分级，并通过跨机构验证评估其泛化能力	引入融合全局与局部特征的多任务架构，同时预测有序等级、标签分布和二元严重程度；在严格患者级分层划分和独立中国队列上进行零样本迁移与选择性微调的比较	外部零样本部署显示领域差距，准确率下降至66.1%；需要域感知自适应才能实现临床实用性	解决深度学习KL分级模型因数据泄露和领域偏移导致的重复性危机，建立跨机构部署自动化分级模型的可重复路径	膝关节骨关节炎X光图像	计算机视觉, 数字病理学	骨关节炎	X光成像	卷积神经网络	图像	内部骨关节炎倡议数据集8260例，独立中国队列2295例	PyTorch	ConvNeXt-Base, ResNet-50	二次Cohen's kappa, 准确率, AUC	NA
1334	2026-07-03	Artificial intelligence and machine learning based predictive analytics in cervical myelopathy - a scoping review 2026-03, European spine journal : official publication of the European Spine Society, the European Spinal Deformity Society, and the European Section of the Cervical Spine Research Society IF:2.6Q1 DOI:10.1007/s00586-026-09818-z PMID:41680316	综述	评估人工智能和机器学习在颈椎病预测分析中的应用现状，聚焦诊断准确性、患者分层、手术决策和结果预测	系统性地梳理AI/ML在颈椎病管理中的多领域应用（影像学、步态分析、运动追踪），并强调多模态数据和可解释性AI框架的未来整合方向	纳入研究存在数据异质性、回顾性设计及缺乏标准化验证方案，且未包含前瞻性临床验证结果	评估AI/ML在颈椎病预测分析中的当前应用格局，识别方法论空白并推动临床转化	颈椎病患者及相关临床数据（影像、步态、手术记录等）	机器学习	颈椎病	影像组学、深度学习	集成模型、深度学习模型	图像、时间序列数据（步态和手部运动）、临床记录	纳入41项研究，共审查169篇文献	NA	NA	灵敏度、特异性	NA
1335	2026-07-03	Dual-path deep learning framework for accurate and interpretable brain tumor diagnosis 2026-02-26, BMC medical informatics and decision making IF:3.3Q2 DOI:10.1186/s12911-026-03367-7 PMID:41749213	研究论文	提出一种双路径深度学习框架，结合肿瘤分类与内容检索，增强脑肿瘤诊断的可解释性和准确性	将轻量级GhostNetV3骨干网络、可变形卷积和解耦全连接注意力机制集成至双路径框架，并引入分类-检索一致性评分（CRAS）以量化预测与检索的对齐程度	未提及跨机构外部验证或与其他模型集成策略的比较	开发准确且可解释的脑肿瘤诊断框架，弥合自动预测与临床上下文之间的差距	脑肿瘤患者的T1加权对比增强MRI数据	数字病理学	脑肿瘤	MRI	GhostNetV3、可变形卷积、解耦全连接注意力	MRI图像	233名患者的3,064张图像	PyTorch	GhostNetV3	准确率、精确率、召回率、F1分数、平均检索精确率、Prec@10、CRAS	NA
1336	2026-07-03	Using deep learning to explore the impacts of street-view green space on school myopia prevalence: a multicenter, cross-sectional study 2026-Feb-25, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-40477-8 PMID:41741618	研究论文	通过深度学习分析街景图像中的视觉绿度，比较其与NDVI对学校儿童近视患病率的影响	首次使用视觉绿度指数（VGI）从街景图像中评估绿度感知，并与传统NDVI指标对比其与近视患病率的关系	仅基于湖北省五城市的数据，未涵盖其他地区；研究为横断面设计，无法推断因果关系；模型未完全控制所有可能混杂因素	探索街景绿度（通过深度学习计算）对学校儿童近视患病率的影响	湖北省五城市146所学校的69051名儿童（从幼儿园到高中）	计算机视觉，机器学习	近视	街景图像分析，卫星遥感（Landsat 8）	DeepLab v3（深度学习模型）	图像（街景图像，卫星图像）	146所学校的69051名儿童	PyTorch（基于DeepLab v3的实现）	DeepLab v3	偏相关系数， P值	NA
1337	2026-07-03	Motion as a Language: Transformer-Based Classification of Antimicrobial Peptide Conformational Dynamics 2026-Feb-10, Journal of chemical theory and computation IF:5.7Q1 DOI:10.1021/acs.jctc.5c01690 PMID:41609302	研究论文	应用Transformer神经网络架构对来自分子动力学模拟的抗菌肽构象时间序列进行分类，从而揭示构象动力学在药物设计中的重要性	首次将Transformer架构应用于抗菌肽构象动力学的分类，实现了对MD模拟产生的复杂构象数据的无监督分类，并为药物设计管道中恢复构象动力学的应有地位提供了新途径	NA	展示如何利用Transformer网络学习抗菌肽构象空间表示，以进行无监督分类，进而用于数据库筛选	来自分子动力学模拟的抗菌肽构象时间序列	自然语言处理, 机器学习	抗菌药物耐药性相关疾病	分子动力学模拟	Transformer	文本（构象时间序列）	NA	NA	Transformer	NA	NA
1338	2026-07-03	SMF-DETR: An Efficient Lightweight Detection Transformer for Real-Time Bearing Surface Defect Detection 2026-02, Annals of the New York Academy of Sciences IF:4.1Q1 DOI:10.1111/nyas.70156 PMID:41319189	研究论文	提出一种轻量级高效检测变压器SMF-DETR，用于实时轴承表面缺陷检测	采用骨干网络中的元素级乘法运算实现高维特征映射，降低计算复杂度；多尺度边缘信息选择机制同步处理不同分辨率特征，提升小缺陷检测能力；频域动态卷积自适应提取最优特征并保持计算效率	未提及	提高轴承表面缺陷检测的实时性和准确性，降低计算复杂度和模型大小以适应边缘设备部署	轴承表面缺陷	计算机视觉	NA	NA	检测变压器	图像	自定义轴承缺陷数据集及公开轴承缺陷检测数据集和PASCAL视觉对象类数据集	NA	StarNet-MEIS-FDConv-DETR	平均精度均值（mAP@50）、准确率、每秒帧数（FPS）	桌面系统和嵌入式RK3588平台
1339	2026-07-03	Radiomics analysis of early pregnancy ultrasound images to predict viability at the end of first trimester 2026-Jan-28, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-35158-5 PMID:41606065	research paper	通过早孕期超声图像的影像组学分析预测妊娠早期结局	首次将影像组学与深度学习结合用于不明活力早孕的预测，构建了分割与预测的端到端模型	样本量有限，可能导致机器学习模型过拟合	探索超声影像组学特征结合临床特征预测早孕结局的可行性	早孕期不明活力妊娠病例的超声图像	computer vision, machine learning	miscarriage	ultrasound imaging	CNN, XGBoost, LASSO	image	500例早孕期不明活力妊娠病例的超声图像（400例用于训练和验证，100例用于测试）	nnUNet v2, XGBoost, LASSO	multi-task nnUNet v2	Dice系数, AUC, F1分数, 召回率	NA
1340	2026-07-03	Aligned cross-modal integration and regulatory heterogeneity characterization of single-cell multiomic data with deep contrastive learning 2026-Jan-26, Genome medicine IF:10.4Q1 DOI:10.1186/s13073-025-01586-7 PMID:41588477	研究论文	提出基于深度对比学习的单细胞多组学数据对齐整合与异质性表征方法	开发跨模态对比学习模块以统一不同组学数据表征，同时通过信息熵保留数据异质性；设计跨模态特征融合模块提取共同低维潜在表征	NA	实现多组学数据的高效整合与异质性表征，挖掘细胞类型特异性调控元件及疾病相关生物标志物	单细胞多组学数据（SNARE-seq、CITE-seq、新冠疫苗接种后数据、阿尔茨海默病数据）	机器学习	阿尔茨海默病	单细胞多组学测序（SNARE-seq、CITE-seq）	对比学习模型	单细胞多组学数据	NA	PyTorch	scMDCF（基于对比学习的跨模态整合框架）	聚类性能、批次效应缓解能力、机制洞察准确性	NA