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
1441	2026-07-29	Detection of esophageal varices and prediction of hepatic decompensation in unresectable hepatocellular carcinoma using AI 2026-Jun, Journal of hepatology IF:26.8Q1 DOI:10.1016/j.jhep.2026.01.021 PMID:41679555	研究论文	开发并外部验证基于深度学习基础模型HepatoSageCT的非侵入性模型，用于检测不可切除肝细胞癌患者的食管静脉曲张并预测肝脏失代偿风险	首次将基础模型HepatoSageCT应用于常规增强CT图像，实现食管静脉曲张的非侵入性检测和肝脏失代偿风险预测，可减少不必要的内镜检查	需要前瞻性验证以确认临床适用性	开发并验证非侵入性模型以检测食管静脉曲张并预测肝脏失代偿，避免侵入性内镜检查	接受阿替利珠单抗-贝伐珠单抗治疗的不可切除肝细胞癌患者	计算机视觉	肝细胞癌	增强CT	深度学习基础模型	图像	489例患者（开发队列279例，外部验证队列210例），来自法国五家医疗中心	NA	HepatoSageCT	AUROC、敏感性、特异性、C指数、原因别风险比	NA
1442	2026-07-29	Artificial intelligence for personalized multiple micronutrient supplementation in maternal health 2026-Jun, International journal of gynaecology and obstetrics: the official organ of the International Federation of Gynaecology and Obstetrics DOI:10.1002/ijgo.70911 PMID:41755349	综述	探索人工智能在孕期个性化多种微量营养素补充中的应用，提出数字孪生模型以优化孕妇营养管理	首次提出将人工智能与“营养数字孪生”概念结合，实现基于多模态数据的个性化MMS方案模拟和风险分层	当前仍处于概念框架阶段，缺乏前瞻性临床验证和真实世界实施数据，且需解决数据隐私、模型公平性及低资源环境适配问题	利用人工智能整合多源健康数据，构建个性化MMS框架以改善孕产妇营养状况和妊娠结局	孕妇及其胎儿，重点关注微量营养素不足或缺乏的高风险人群	机器学习	孕期营养不良及相关并发症	NGS, 可穿戴传感器数据采集	深度学习模型, 自然语言处理算法	文本、影像、基因、传感器数据	NA	PyTorch, TensorFlow, scikit-learn	Transformer, 深度神经网络	准确率、召回率、AUC	云计算平台
1443	2026-07-29	Predicting immune checkpoint inhibitor cardiotoxicity using machine learning: a systematic review of model performance and methodological quality 2026-May-26, Cardio-oncology (London, England) DOI:10.1186/s40959-026-00505-y PMID:42186096	系统综述	系统评估机器学习模型在预测免疫检查点抑制剂心脏毒性中的表现和方法学质量	首次系统评估基于机器学习的免疫检查点抑制剂心脏毒性预测模型，并使用PROBAST工具严格评价方法学质量	多数研究存在高偏倚风险，主要因小样本、验证不充分和缺失数据处理不明确	系统评估机器学习模型在预测免疫检查点抑制剂相关心脏毒性中的性能和方法学稳健性	接受免疫检查点抑制剂治疗的患者	机器学习	免疫检查点抑制剂相关心脏毒性	NA	XGBoost, 多模态深度学习, 神经网络, ECG-AI, 药物警戒驱动ML, 列线图	临床数据、心电图、药物警戒数据	23至4,282名患者	NA	XGBoost, 融合AI, 神经网络, ECG-AI, 时间序列神经网络, 列线图	AUC	NA
1444	2026-07-29	Next-generation intelligent framework for pan evaporation prediction: introducing Chebyshev polynomial-based Kolmogorov-Arnold networks 2026-May-22, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-53769-w PMID:42173967	研究论文	提出基于切比雪夫多项式的Kolmogorov-Arnold网络用于预测澳大利亚两个站点的蒸发量，并与多种深度学习与机器学习方法比较	首次将切比雪夫多项式与Kolmogorov-Arnold网络结合应用于蒸发量预测，并利用SHAP和LIME解释模型输入的重要性	仅针对澳大利亚两个站点进行评估，泛化性需进一步验证	开发精确可靠的蒸发量预测模型，支持水文研究、农业发展和水资源管理	澳大利亚珀斯和悉尼两个站点的蒸发量时间序列	机器学习	NA	NA	Kolmogorov-Arnold网络（基于切比雪夫多项式）、LSTM、GRU、Transformer、CART、XGBoost	时间序列数据（蒸发量及相关气候要素）	两个澳大利亚站点（珀斯和悉尼）的蒸发量数据	NA	Chebyshev-KAN, LSTM, GRU, Transformer, CART, XGBoost	NA	NA
1445	2026-07-29	Optimizing multi-label image annotation: a hybrid CNN-Transformer deep learning approach 2026-May-22, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-53310-z PMID:42173979	研究论文	提出一种混合CNN-Transformer框架ReSwinNet，用于优化多标签图像标注任务	创新地将ResNet-50的细粒度空间特征与Swin Transformer的层级自注意力机制结合，通过标记投影机制保留空间上下文信息，并提出基于频率的标签修剪策略减少标注噪声和类别不平衡	未明确提及，但可能对极端罕见标签处理能力有限	解决多标签图像标注中标签分布不平衡、语义共现和罕见噪声标注等挑战	多标签图像标注任务中的图像数据	计算机视觉	不适用	深度学习	CNN-Transformer混合模型	图像	两个基准数据集（Corel-5K和IAPRTC-12）	PyTorch	ResNet-50, Swin Transformer	宏平均F1分数（macro F1），平均精度均值（mAP）	NA
1446	2026-07-29	A hybrid KF-GAIN framework for dynamic state estimation in islanded microgrids under missing PMU data and line impedance uncertainty 2026-May-22, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-51565-0 PMID:42174029	研究论文	提出一种混合KF-GAIN框架，用于岛屿微电网在缺失PMU数据和线路阻抗不确定条件下的动态状态估计	将卡尔曼滤波器与生成对抗插补网络结合，形成线性混合框架，能鲁棒地插补缺失数据同时保持原始数据统计特性，并通过提示机制引导生成器逼近真实数据分布	未提及具体局限性	解决岛屿微电网动态状态估计中电压源逆变器分布式发电单元时间常数相似带来的挑战，尤其在数据缺失和线路阻抗不确定条件下	岛屿微电网动态状态估计	机器学习	NA	蒙特卡洛仿真	Kalman Filter, GAN, Autoencoder, Variational Autoencoder	PMU测量数据	基于IEEE 33母线测试系统的仿真数据	Python, MATLAB/Simulink	生成对抗插补网络, 自编码器, 变分自编码器	插补误差, 估计误差百分比	NA
1447	2026-07-29	Autonomous RCM-less endoscope control: integrating force-based pivoting with deep learning visual servoing 2026-May-22, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-54550-9 PMID:42174030	研究论文	提出一种结合基于力的枢轴和深度学习视觉伺服的无RCM内窥镜自主控制框架	摒弃固定远程运动中心（RCM）假设，首次集成卷积神经网络（CNN）驱动的视觉伺服与基于力的枢轴控制，实现自主器械跟踪同时最小化交互力	仅使用YOLOv11n一种检测模型且训练数据量有限（3,695帧），未在临床环境下验证	实现无需固定RCM的自主内窥镜控制，降低交互力并保持视觉稳定性	腹腔镜手术中的手术器械	计算机视觉	不适用	N/A	YOLOv11n（卷积神经网络）	图像	3,695个标注帧用于训练	PyTorch	YOLOv11n	精确率、平均精度（mAP）、帧率（FPS）、恢复时间、交互力	中央处理器（CPU）
1448	2026-07-29	Automated orbital wall fracture detection and severity classification of ocular injuries using deep learning 2026-May-22, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-54114-x PMID:42174042	研究论文	利用深度学习模型从CT扫描中自动检测眼眶壁骨折并分类眼部损伤的严重程度	开发了两个CNN分类器分别用于骨折检测和损伤严重程度分类，并在真实临床数据集上验证了其相比于临床专家的性能优势	样本来自单一中心，SGI检测模型的准确率仅64%，特异性较低	评估深度学习模型在自动检测眼眶骨折和分类眼部损伤严重程度中的可行性，以辅助急诊临床决策	250只眼眶壁骨折眼睛的CT图像	计算机视觉	眼眶骨折，严重眼部损伤	CT成像	卷积神经网络 (CNN)	图像 (CT扫描)	250只眼睛，包含18,000张标注的CT切片	NA	U-Net (分割预处理), FxDetectCNN, SGIDetectCNN	准确率, 敏感度, 特异度	NA
1449	2026-07-29	Synergistic fusion of a multilevel visual transformer in CNN for variable-length volumetric radiographic data analysis and content-based retrieval 2026-May-22, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-53594-1 PMID:42174102	研究论文	提出一种融合多级视觉Transformer与CNN的深度学习框架，用于可变长度三维放射影像数据分析与基于内容的检索	创新性地将轻量级多级视觉Transformer与CNN协同融合，通过独立提取和聚合二维切片空间特征并保持多级上下文信息，结合第二阶段的循环模块处理可变长度输入，仅利用单次标注完成完整三维体积分析	方法在三个公开放射影像库的组合上验证，但未在更多样化或临床真实数据集上测试，且循环模块处理极长序列时的计算效率可能受限	解决三维放射影像数据的可变长度分析挑战，提升自动化处理效率与检索性能	可变长度的三维放射影像体积数据	计算机视觉	NA	放射影像分析	视觉Transformer、卷积神经网络、循环模块	三维放射影像体积数据	三个公开放射影像库的复合数据集，具体样本量未说明	NA	轻量级多级视觉Transformer、CNN	准确率、F1分数、平均精确率、平均召回率	NA
1450	2026-07-29	Reliable detection of focal onset impaired awareness seizures in patients with epilepsy using wearable ECG: Development and validation study 2026-May-15, Computer methods and programs in biomedicine IF:4.9Q1 DOI:10.1016/j.cmpb.2026.109295 PMID:41764784	研究论文	开发并验证一种利用可穿戴心电图设备自动数据质量评估的局灶性意识障碍癫痫发作检测算法	首次将自动数据质量评估集成到基于可穿戴心电图的癫痫发作检测算法中，并探索个体间自主神经发作特征的差异性以识别潜在应答者	仅有38名患者的数据符合自动数据质量评估质量标准，样本量相对较小；算法在假阳性率方面仍有改进空间	开发并评估基于可穿戴心电图设备的局灶性意识障碍癫痫发作检测算法及其自动数据质量评估的性能与可行性	236名接受视频脑电图监测至少24小时的各年龄段癫痫患者	机器学习	癫痫	心电图	深度学习模型	时间序列数据	236名患者，其中49名经历过至少一次局灶性意识障碍发作，最终38名患者（161次发作）的数据符合质量标准	NA	NA	灵敏度、24小时假警报率、阳性预测值、F1分数	NA
1451	2026-07-29	A Novel Dual-Modal Deep Learning Approach for Real-Time Removal of Hepatic Fluorescence in Indocyanine Green-Guided Laparoscopic Cholecystectomy 2026-04-17, Journal of visualized experiments : JoVE DOI:10.3791/68488 PMID:42081379	研究论文	提出一种双模态深度学习框架，用于在吲哚青绿引导的腹腔镜胆囊切除术中实时检测和去除肝脏荧光污染	首个用于ICGLC术中实时肝脏荧光去除的AI解决方案，采用基于DeepLabV3的中间融合网络和形态学后处理策略	未来需开展前瞻性研究以评估对手术结果的影响	开发并评估一种实时自动检测和去除ICGLC术中肝脏荧光污染的双模态深度学习框架	接受择期ICGLC手术的48名患者的33,123帧双模态手术图像	计算机视觉, 数字病理学	胆道疾病	荧光成像, 白光成像	DeepLabV3	图像	48名患者，33,123帧双模态手术图像	PyTorch	DeepLabV3	Dice系数, 召回率	NA
1452	2026-07-29	Computational Modeling of Affective User Experience Using Multimodal Physiological and Behavioral Signals 2026-04-07, Journal of visualized experiments : JoVE DOI:10.3791/69823 PMID:42044101	研究论文	提出一个可重复的多模态情感计算协议，利用统一深度学习框架整合多种生物信号（EEG、ECG、GSR）实现离线情绪识别，并在AMIGOS数据集上验证有效性	提出深度典型相关分析对齐异构特征空间后融合多模态生物信号的统一框架，实现离线情感识别且精度优于传统模型	仅进行离线实验验证，未部署实时交互系统	开发并验证用于多模态情感用户体验建模的计算框架	人类用户的情感状态（效价-唤醒度维度）	机器学习	NA	EEG（脑电图）、ECG（心电图）、GSR（皮肤电反应信号）	深度学习融合网络	生理信号（EEG、ECG、GSR）	AMIGOS数据集中的公开生物信号数据	NA	深度典型相关分析（DCCA）、多模态融合网络	准确率、精确率、召回率、F1分数、AUC	NA
1453	2026-07-29	A Deep Learning-Based Method for Stress Measurement Using Longitudinal Critically Refracted Waves 2026-Apr-07, Sensors (Basel, Switzerland) DOI:10.3390/s26072283 PMID:41978067	研究论文	基于深度学习的纵向临界折射波应力测量方法	提出了一种结合门控循环单元、注意力机制和一维卷积神经网络的深度学习模型，可直接从原始超声信号预测应力，无需人工特征提取或显式物理建模	NA	实现无需校准的智能超声应力评估，为钢结构的实际工作状态应力检测提供支持	20#钢试件，施加0至200 MPa的单轴应力	机器学习	NA	纵向临界折射超声	GRU、注意力机制、1D-CNN	超声信号	4200个样本	PyTorch	GRU、1D-CNN、注意力机制	平均绝对误差	NA
1454	2026-07-29	Artificial Neural Networks for Discrimination of Automotive Clear Coats by Vehicle Manufacturer 2026-Apr-06, Sensors (Basel, Switzerland) DOI:10.3390/s26072260 PMID:41978045	研究论文	应用人工神经网络通过红外光谱区分汽车清漆层以识别制造商	首次将深度学习应用于汽车清漆红外光谱分析，通过模式识别确定车辆制造商，替代传统商用软件的大规模搜索结果	研究仅限于六家制造商和100个装配厂的数据集，卷积层未提升模型性能，可能限制泛化能力	利用深度学习识别汽车清漆红外光谱中的制造商特征模式，提高法医证据分析的效率	来自六家汽车制造商和100个装配厂的2796个清漆红外光谱样本	机器学习	NA	红外光谱	多层感知器神经网络	光谱数据	2796个清漆红外光谱样本	NA	多层感知器（含三个隐藏层）	分类准确率	NA
1455	2026-07-29	A deep learning-based multimodal model with automated body composition analysis predicts prognosis in advanced clear cell renal cell carcinoma 2026-Apr-04, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-46515-9 PMID:41935094	研究论文	开发基于深度学习的自动化身体组分分析多模态模型，预测晚期透明细胞肾细胞癌的预后	创新性地将深度学习自动提取的CT身体组分特征与临床病理特征整合，构建可解释的多模态预后预测模型，并通过转录组分析探索影像生物标志物的生物学基础	回顾性研究设计，样本量有限，外部验证队列尚属初步阶段	开发自动化、可解释的预测模型，通过整合基于深度学习的身体组分分析，评估晚期肾透明细胞癌的预后并探索其潜在机制	接受根治性肾切除术治疗的晚期透明细胞肾细胞癌患者	机器学习, 数字病理	肾细胞癌	CT成像, 转录组测序, 免疫组化	MLP (多层感知机), SVC (支持向量分类器), CNN (卷积神经网络)	CT图像, 临床病理特征, 转录组数据	多中心回顾性研究，含独立外部验证队列，具体数量在摘要中未明确提及	Scikit-learn, PyTorch	Comp2Comp, MLP, SVC	AUC	NA
1456	2026-07-29	A Deep Learning-Enhanced Adaptive Kalman Filter with Multi-Scale Temporal Attention for Airborne Gravity Denoising 2026-Apr-03, Sensors (Basel, Switzerland) DOI:10.3390/s26072216 PMID:41978002	研究论文	提出一种结合多尺度CNN、双向LSTM和注意力机制的自适应卡尔曼滤波方法，用于机载重力数据去噪	首次将多尺度CNN、双向LSTM和多头注意力机制相结合，自适应估计卡尔曼滤波参数，提高了机载重力数据去噪精度	未明确提及，可能依赖模拟数据测试，实际应用可能存在局限	提高机载重力数据去噪精度，增强重力图的地质解释能力	机载重力数据（含模拟数据和实际数据）	机器学习	NA	NA	CNN-LSTM-注意力机制	时间序列数据	模拟数据和实际机载重力数据（具体数量未提及）	NA	多尺度CNN、双向LSTM、多头注意力机制	去噪精度	NA
1457	2026-07-29	Expert Knowledge-Infused Learning for Indoor Radio Propagation Environment Digital Twins 2026-Apr-02, Sensors (Basel, Switzerland) DOI:10.3390/s26072199 PMID:41977984	研究论文	提出一种将无线电传播专家知识融入深度学习框架的方法，用于构建高精度室内无线电传播环境数字孪生	首次提出通用方法将专家知识显式集成到深度学习编码器-解码器架构中，以提升无线电传播环境数字孪生的学习效率和预测精度	未明确提及局限性	构建高精度无线电传播环境数字孪生，提升信号传播预测的准确性和效率	室内无线电传播环境信号传播预测模型	机器学习	NA	NA	深度学习（编码器-解码器架构）	无线电传播数据	NA	NA	编码器-解码器	消融实验性能指标（具体指标未明确）	NA
1458	2026-07-29	Domain-Shift AI Technology for Vendor-Agnostic Multiple Macular Disease Detection From 3D OCT Scans 2026-Apr-01, JAMA ophthalmology IF:7.8Q1 DOI:10.1001/jamaophthalmol.2026.0029 PMID:41746616	研究论文	开发一种与供应商无关的深度学习模型，用于从不同供应商的3D OCT扫描中检测多种黄斑疾病	提出了一种无监督测试时域自适应方法（Test Entropy）来解决不同OCT设备之间的域偏移问题，并引入了‘不确定’类别来处理未见过的黄斑病变	研究未详细说明模型在真实临床环境中的长期效果，且样本来自特定地区（香港和越南），可能影响泛化性	构建一个供应商无关的多疾病分类模型，能够处理来自不同设备的3D OCT扫描，并实现可靠的疾病检测和分诊	3D OCT扫描图像，包括来自两个供应商（Spectralis和Cirrus）的数据以及2D扫描数据	数字病理学	黄斑疾病	OCT成像	ResNet 3D	图像（3D OCT扫描及2D扫描）	开发集：来自1669名患者的6756次OCT扫描；外部测试集：来自4336名患者的12236次OCT扫描	NA	ResNet	AUROC, 微平均PPV, 微平均NPV, 临床重要漏诊率	NA
1459	2026-07-29	The Evaluation of Machine Learning Models Using Matrix-Assisted Laser Desorption/Ionization Time-of-Flight Mass Spectrometry (MALDI-TOF-MS) Spectra for the Prediction of Antibiotic Resistance in Klebsiella pneumoniae 2026-04, MicrobiologyOpen IF:3.9Q2 DOI:10.1002/mbo3.70257 PMID:41771780	综述	评估基于MALDI-TOF-MS质谱的机器学习模型在预测肺炎克雷伯菌抗生素耐药性中的应用	系统综述了利用MALDI-TOF-MS光谱结合机器学习模型快速预测抗生素耐药性的方法，尤其在碳青霉烯类耐药性上取得了高AUROC值（>0.90）和高准确率（97%），并指出传统方法需2-4天，而该方法仅需数分钟或数小时	受限于有限的外部验证、光谱预处理方案差异以及不同MALDI-TOF-MS平台间的变异性，可能降低模型通用性和临床转化效果，亟需标准化流程和更大规模的多中心评估	评估机器学习模型在快速诊断肺炎克雷伯菌抗生素耐药性方面的准确性和实用性	肺炎克雷伯菌样本中的抗生素耐药性，特别是碳青霉烯类耐药性	机器学习	抗生素耐药性感染	MALDI-TOF-MS质谱	集成算法（随机森林、XGBoost、LightGBM）和深度学习模型（卷积神经网络）	质谱光谱数据	35至超过15,000个分离株	NA	随机森林、XGBoost、LightGBM、卷积神经网络	AUROC、准确率	NA
1460	2026-07-29	WEDGE-Net: Wavelet-Driven Memory-Efficient Anomaly Detection for Industrial Edge Computing 2026-Mar-31, Sensors (Basel, Switzerland) DOI:10.3390/s26072154 PMID:41977939	研究论文	提出WEDGE-Net，一种基于小波的存储高效异常检测方法，用于工业边缘计算场景	通过频域流（DWT）物理滤除环境噪声，并结合语义模块显式引导特征提取，实现结构精确性与极端存储效率的平衡	未说明在超低配置边缘设备（如无GPU嵌入式系统）上的性能表现	解决深度学习异常检测模型在实际边缘部署中受环境噪声干扰和内存效率瓶颈的问题	工业制造场景中的结构缺陷检测	计算机视觉	NA	小波变换（DWT）	双流神经网络（频域流+上下文流）	图像	MVTec AD数据集	PyTorch	DWT, PatchCore	AUROC, FPS	NVIDIA RTX 4090 GPU