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
1521	2026-07-28	Comparison of marker-based and markerless motion capture systems to assess gait kinematics and kinetics in children with cerebral palsy 2026-07, Gait & posture IF:2.2Q2 DOI:10.1016/j.gaitpost.2026.110213 PMID:42107175	研究论文	比较基于标记和无标记运动捕捉系统在评估脑瘫儿童步态运动学和动力学中的效果	首次系统比较无标记运动捕捉系统与标记系统在脑瘫儿童步态分析中的差异，验证无标记系统的临床潜力	无标记系统在非矢状面（如横断面）的测量一致性较差，且关节动力学估计精度仍需改进	评估无标记运动捕捉系统与标记系统在脑瘫儿童步态分析中的差异，探讨无标记系统的临床适用性	15名脑瘫儿童（11男，4女，平均年龄13.66±1.72岁）	计算机视觉	脑瘫	无标记运动捕捉、标记运动捕捉	深度学习	视频运动数据	15名脑瘫儿童	NA	深度学习模型（具体未指定）	均方根差（RMSD）、双尾配对t检验	NA
1522	2026-07-28	Differentiation of focal liver lesions in contrast-enhanced ultrasound using a heuristic-guided hybrid machine-learning framework 2026-Jul, Journal of medical ultrasonics (2001) DOI:10.1007/s10396-025-01598-1 PMID:41610000	研究论文	利用启发式引导混合机器学习框架在对比增强超声中区分肝脏局灶性病变	提出了一个融合启发式知识和模型特异性分类的新型复合机器学习框架，仅使用前2分钟CEUS成像即可区分肝脏病变，避免Kupffer期成像的需求	样本量较小（232例患者），外部验证仅涉及58例独立测试病例；模型对非HCC恶性肿瘤的分类准确率较低（68.8%）	开发基于AI的框架，利用早期CEUS图像准确分类肝脏局灶性病变，减少诊断时间	Sonazoid对比增强超声图像中的肝脏局灶性病变	机器学习, 计算机视觉	肝脏肿瘤	对比增强超声	深度学习模型	图像	232例患者，232个肝脏局灶性病变（良性61例，HCC 104例，非HCC恶性肿瘤67例）	NA	两个深度学习模型：模型1（分类不均匀增强模式），模型2（分类均匀增强模式）	准确率, 敏感性, 特异性, AUC	NA
1523	2026-07-28	Integrating ConvNeXt tiny and radiomics in a nomogram to differentiate true progression from pseudoprogression in glioma 2026-Jul, Neuroradiology IF:2.4Q2 DOI:10.1007/s00234-026-04024-6 PMID:42105112	研究论文	结合ConvNeXt Tiny和影像组学构建列线图区分胶质瘤真性进展与假性进展	首次将预训练ConvNeXt Tiny网络与影像组学特征整合到列线图中，用于区分胶质瘤真性进展和假性进展，且显著优于传统方法和放射科医师评估	未在文中明确提及局限性	开发一种无创且可靠的方法，通过整合影像异质性来改善胶质瘤真性进展与假性进展的鉴别	293例胶质瘤患者（真性进展208例，假性进展85例）的基线多参数MRI数据	数字病理学	胶质瘤	MRI	ConvNeXt Tiny	图像	293例患者（208例真性进展，85例假性进展）	NA	ConvNeXt Tiny	AUC, 校准曲线, 决策曲线分析, 净重分类改善	NA
1524	2026-07-28	ToxiSpecies: Task-Aware Meta-Learning for Cross-Species Modeling of Acute Chemical Toxicity under Distribution Shift 2026-Jun-16, Journal of chemical information and modeling IF:5.6Q1 DOI:10.1021/acs.jcim.6c01358 PMID:42301306	研究论文	提出任务感知元学习框架ToxiSpecies，用于跨物种急性化学毒性建模，应对分布偏移问题	引入双适配器架构，解耦物种级特征适应与毒性语义端点级建模，实现低资源场景下的鲁棒知识迁移	文中未明确提及局限性	解决跨物种化学毒性预测中的分布不匹配问题，特别是在低资源条件下的建模挑战	跨物种急性毒性数据，涵盖107个端点-物种任务、42个物种和78,820种化学物质	机器学习	急性毒性	NA	元学习	分子结构数据与毒性标签	78,820种化学物质，涉及107个端点-物种任务	PyTorch（推测）	双适配器架构（特征适配器与端点适配器）	均方根误差，预测精度，相关系数	NA
1525	2026-07-28	GatedGeoGO:Multi-Modal Geometry-Aware Network with Gated Fusion and GO Semantic Attention for Protein Function Prediction 2026-Jun-15, Journal of chemical information and modeling IF:5.6Q1 DOI:10.1021/acs.jcim.6c00882 PMID:42295121	研究论文	提出一种名为GatedGeoGO的新型深度学习框架，整合蛋白质序列、三维结构、蛋白质-蛋白质相互作用及GO语义信息，用于蛋白质功能预测	创新性地采用门控融合机制选择性保留PPI嵌入、几何感知蛋白质图网络捕捉多尺度结构特征，以及GO引导的交叉注意力模块动态注入语义信息，实现上下文感知的多模态融合	未在标题和摘要中明确提及局限性	解决现有蛋白质功能预测方法缺乏有效多模态整合以及未能充分利用GO语义信息的问题	蛋白质及其功能注释	机器学习	NA	深度学习	GatedGeoGO（门控融合、几何感知图网络、交叉注意力）	序列、三维结构、蛋白质-蛋白质相互作用（PPI）、GO语义	基准数据集（具体数量未在摘要中说明）	PyTorch	门控融合网络、几何感知蛋白质图网络、GO引导交叉注意力模块	低频率GO术语预测表现（具体指标如准确率、F1分数等未在摘要中明确）	NA
1526	2026-07-28	An Interpretable Deep Learning Framework Leveraging RNA Foundation Model and Capsule Networks for Accurate Prediction of RNA 2'-O-Methylation Sites 2026-Jun-15, Journal of chemical information and modeling IF:5.6Q1 DOI:10.1021/acs.jcim.6c01274 PMID:42296393	研究论文	提出一种可解释的深度学习框架Caps-2OMe，结合RNA基础模型和胶囊网络，用于准确预测RNA 2'-O-甲基化位点	首次将RNA基础模型与混沌游戏表示（CGR）及胶囊网络结合，实现RNA修饰位点的多模态特征融合和可解释预测	亚型特异性模型在跨核苷酸子集间的迁移能力有限，且胶囊路由模式在复杂场景下的泛化性需进一步验证	开发高精度且可解释的计算方法，用于识别RNA 2'-O-甲基化位点	RNA 2'-O-甲基化位点及其序列特征	机器学习	NA	RNA测序数据驱动的深度学习	胶囊网络	RNA序列	独立测试集（具体样本量未在摘要中明确）	PyTorch	Capsule Network（胶囊网络）, RNA基础模型（RNA-FM）, Chaos Game Representation（CGR）分支	准确率, AUC	NA
1527	2026-07-28	Ensemble Deep Learning Models on Raw DNA Sequences for Viral Genome Identification in Human Samples 2026-Apr-04, Sensors (Basel, Switzerland) DOI:10.3390/s26072238 PMID:41978025	研究论文	提出集成深度卷积神经网络，用于从人类宏基因组数据中识别病毒序列	首次将集成深度卷积神经网络应用于原始DNA序列进行病毒基因组识别，能够捕捉局部基序和整体基因组特征，对高度变异的未知病毒具有良好检测能力	未在文中明确提及局限性	开发高性能集成深度学习方法，解决临床诊断中高度分化或未知病毒的检测难题	人类样品中的病毒基因组序列	机器学习	NA	高通量测序	卷积神经网络	DNA序列数据	NA	NA	集成深度卷积神经网络	AUROC	NA
1528	2026-07-28	Localizing the epileptogenic zone using deep learning and neuroimaging: A systematic review 2026-Apr, Seizure DOI:10.1016/j.seizure.2026.03.002 PMID:41833257	综述	对深度学习辅助癫痫灶定位的神经影像学研究进行系统综述	首次系统梳理深度学习在癫痫灶定位中的方法学趋势、局限性和未来方向，特别关注MRI阴性病例的检测进展	约三分之二的研究存在高偏倚风险和临床适用性担忧，受限于非代表性队列和欠佳评估方法	总结现有深度学习辅助癫痫灶定位的证据，为缩小临床转化与技术进展之间的差距提供建议	癫痫患者，尤其是药物难治性癫痫患者	机器学习	神经疾病	结构MRI	全卷积网络	神经影像数据	36项研究纳入分析	NA	全卷积网络	检测率	NA
1529	2026-07-28	Smart ICUs: The Role of Artificial Intelligence in Modern Intensive Care Units 2026-Apr, Cureus DOI:10.7759/cureus.106934 PMID:41982373	综述	探讨人工智能在重症监护室中当前和新兴的应用，包括败血症预测、机械通气管理、急性肾损伤预测、血流动力学监测和预后判断	系统性地综述了人工智能在重症监护室中从败血症预测到机械通气管理等多领域应用，并强调了模型在实际临床验证中的潜力与挑战	模型可解释性有限、数据整合限制、以及缺乏前瞻性验证，阻碍了广泛临床采纳	总结人工智能在重症监护医学中的应用现状、优势及挑战	重症监护室中生成的复杂临床数据及相关人工智能模型	自然语言处理	重症疾病	NA	机器学习、深度学习	临床数据（结构化数据）	NA	NA	NA	预测准确性	NA
1530	2026-07-28	MSAdaNet: An Adaptive Multi-Scale Network for Surface Defect Detection of Smartphone Components 2026-Mar-27, Sensors (Basel, Switzerland) DOI:10.3390/s26072091 PMID:41977874	研究论文	提出一种自适应多尺度网络MSAdaNet，用于智能手机组件表面缺陷检测	首次提出并行多尺度特征聚合骨干网络、聚焦扩散金字塔网络和尺度自适应共享检测头，并构建合成数据集解决标签数据稀缺问题	未提及在更广泛工业场景或不同光照条件下的泛化性验证	解决智能手机组件表面缺陷检测中缺陷形态尺度极端变化和标注数据稀缺的问题	智能手机组件表面缺陷	计算机视觉	不适用	深度学习	卷积神经网络	图像	合成数据集SCBD含4936张图像，公共数据集SSGD若干	PyTorch	MSAdaNet（含PMSFA骨干、FDPN颈部、SASD头部）	mAP@0.5, 召回率(Recall)	未明确提及
1531	2026-07-28	Momentum-Based Adversarial Attacks and Multi-Level Denoising Defenses in Deep Learning-Based Wind Power Forecasting 2026-Mar-26, Sensors (Basel, Switzerland) DOI:10.3390/s26072073 PMID:41977860	研究论文	提出一种基于动量迭代的对抗攻击方法与多级去噪防御模型，用于深度学习风速预测	首次在风速预测领域同时考虑对抗攻击的隐蔽性与有效性，并针对多种扰动强度及黑盒场景提出防御策略	未提及	提升深度学习风速预测模型对对抗攻击的鲁棒性	风速预测中的深度学习模型及对抗样本	机器学习	NA	NA	动量迭代快速梯度符号法、多级迭代去噪自编码器	风速时间序列数据	NA	NA	MLI-DAE（多级迭代去噪自编码器）	预测误差（对比FGSM）	NA
1532	2026-07-28	Nonparametric estimation of conditional survival function with time-varying covariates using DeepONet 2026-Mar-24, Lifetime data analysis IF:1.2Q2 DOI:10.1007/s10985-026-09700-6 PMID:41874787	研究论文	使用DeepONet进行随时间变化协变量的条件生存函数的非参数估计	利用DeepONet架构对随时间变化协变量对条件风险函数的任意非线性操作进行建模，放宽了比例风险或瞬时效应等传统假设	未在摘要中明确说明	估计随时间变化协变量的条件生存函数，捕捉协变量的复杂长期非瞬时效应	ADNI数据中的生存数据，其中包含时间变化和时间不变协变量	机器学习	NA	NA	DeepONet	数据	通过模拟研究和ADNI数据进行评估	NA	DeepONet	综合Brier分数	NA
1533	2026-07-28	Development of a deep learning model based on computed tomography automatic segmentation to assist in selecting optimal time-to-surgery and dissected lymph node count for non-small cell lung cancer patients undergoing neoadjuvant immunotherapy and chemotherapy: a multicenter study 2026-Mar-23, Translational lung cancer research IF:4.0Q1 DOI:10.21037/tlcr-2025-1-1495 PMID:41982700	研究论文	基于CT自动分割的深度学习模型辅助选择非小细胞肺癌患者新辅助免疫化疗后最佳手术时机和淋巴结清扫数目	首次利用基于CT自动分割的深度学习模型预测新辅助免疫化疗疗效，并据此为应答者和非应答者分别确定最佳手术时机和淋巴结清扫数目	回顾性研究设计，样本量有限（330例），需要前瞻性验证	确定非小细胞肺癌患者新辅助免疫化疗后的最佳手术时机和淋巴结清扫数目	接受新辅助免疫化疗和手术治疗的非小细胞肺癌患者	深度学习	非小细胞肺癌	CT成像	ResNet18	CT图像	330例非小细胞肺癌患者，训练集270例，外部测试集60例	PyTorch	VISTA3D, ResNet18	AUC	NA
1534	2026-07-28	A Self-Supervised Foundation Model Based on Three-Dimensional Chest CT Scans for Lung Cancer Diagnosis and Prognosis Prediction 2026-Mar, Radiology. Imaging cancer DOI:10.1148/rycan.250360 PMID:41718531	研究论文	基于自监督学习开发三维胸部CT基础模型UCLIF，用于肺癌诊断与预后预测	首次利用大规模三维胸部CT扫描进行自监督学习构建基础模型，并通过对比掩码图像建模任务实现高效预训练，在多个肺癌临床任务中超越自然图像预训练方法	未提及具体局限性	开发并评估自监督胸部CT基础模型在肺癌临床任务中的性能	33901份三维胸部CT扫描及656名肺癌患者的临床数据	计算机视觉	肺癌	CT扫描	基础模型（自监督学习）	三维CT图像	33901份扫描用于预训练，656名患者用于下游评估（平均年龄68.55岁，男性450人）	NA	对比掩码图像建模（Contrastive Masked Image Modeling）	准确率（Accuracy）、灵敏度（Sensitivity）、特异度（Specificity）、曲线下面积（AUC）	NA
1535	2026-07-28	Hierarchical Fibroid Vision Transformer (HiFi-ViT): A Hierarchical Vision Transformer Framework for Accurate Uterine Fibroid Detection in Ultrasound Imaging 2026-Mar, Cureus DOI:10.7759/cureus.105197 PMID:41982582	研究论文	提出一个层级式子宫肌瘤视觉Transformer框架，用于在超声图像中准确检测子宫肌瘤	将检测Transformer（DETR）与集成视觉Transformer相结合，提出两阶段层级式深度学习框架，先进行肌瘤定位，再进行分类，以解决类别不平衡并保留超声图像中的相关上下文信息	数据集包含的正常案例数量有限，且没有包含患者级标识符，可能影响结果的泛化能力，需要在更大、更多样化的临床数据集上进行进一步验证	开发一种能准确检测超声图像中子宫肌瘤的深度学习方法，以辅助早期诊断和管理	超声图像中的子宫肌瘤组织与正常组织	计算机视觉	子宫肌瘤	超声成像	Vision Transformer, Detection Transformer (DETR)	图像	未明确说明样本数量，但包含有限数量的正常案例	PyTorch	Detection Transformer (DETR), Vision Transformer	准确率, 精确率, 召回率, F1分数, AUC	NA
1536	2026-07-28	The Micro-Mobility Sensing Gap: A Systematic Review of Physiological Safety Monitoring from Cycling to E-Scooters 2026-Feb-09, Sensors (Basel, Switzerland) DOI:10.3390/s26041110 PMID:41755051	系统综述	系统综述可穿戴传感器在骑行和微型交通（如电动滑板车）中检测压力、疲劳和用力的研究现状，识别主动安全系统的差距	首次系统评估从骑行过渡到电动微型交通（特别是电动滑板车）后生理监测的可转移性，并指出缺乏自动化安全分类的证据	纳入研究数量有限（仅11篇），实验室研究依赖单一冗余数据集（N=27）且缺乏独立验证，电动滑板车相关证据严重不足	识别可穿戴传感器在骑行和微型交通中用于主动安全系统的生理监测差距，推动未来研究转向无监督域适应和噪声鲁棒边缘AI架构	骑行和微型交通（如电动滑板车）环境下的生理安全监测	机器学习	NA	可穿戴传感器（心率变异性、深度学习等）	CNN-LSTM	生理信号（心率变异性、用力数据等）	11篇发表物（代表9项独立研究）；实验室研究样本量N=27	NA	CNN-LSTM	F1分数（86.3%-91.7%）	NA
1537	2026-07-28	Preoperative Ternary Classification of Pulmonary Ground-Glass Nodules (AIS/MIA/IAC): ResNet-10 Outperforms Radiomics and Clinicoradiographic Models in Multicenter Study 2026 Jan-Dec, Technology in cancer research & treatment IF:2.7Q3 DOI:10.1177/15330338261423265 PMID:41697766	研究论文	评估深度学习、影像组学和传统机器学习模型在术前对肺磨玻璃结节进行原位腺癌、微浸润性腺癌和浸润性腺癌三元分类的性能	首次在基于CT的多中心研究中系统比较ResNet-10与影像组学及传统机器学习模型对肺磨玻璃结节侵袭性的三元分类效果，并验证了ResNet-10的优越性	模型性能在宏AUC和F1分数上仍有提升空间，可能受限于样本量或数据集分布	开发并比较深度学习、影像组学和传统机器学习模型对肺磨玻璃结节术前三元分类的临床价值	847例经术后病理证实的肺腺癌患者的CT影像和临床数据	数字病理学	肺癌	CT影像分析	深度学习（DenseNet-121, ResNet-10, ResNet-18, VGG-13）, 影像组学, 传统机器学习	图像（CT影像）	847个肺磨玻璃结节样本（训练集592个，验证集255个）	NA	ResNet-10, DenseNet-121, ResNet-18, VGG-13	宏AUC（Macro-AUC）, 准确率（Accuracy）, F1分数（F1-score）	NA
1538	2026-07-28	Empowering photodynamic therapy with artificial intelligence: current trends and future directions 2026, Frontiers in oncology IF:3.5Q2 DOI:10.3389/fonc.2026.1771804 PMID:41982233	综述	探讨人工智能如何整合到光动力疗法流程中，通过数据驱动的优化和个性化应对当前挑战	系统回顾了AI在光动力疗法全流程中的应用，涵盖光敏剂开发、纳米药物递送、治疗计划和临床决策，并提出了未来方向如联邦学习和可解释AI	小数据集挑战、模型可解释性问题以及临床前研究与临床转化之间的差距	连接人工智能与光动力疗法社区，提供改进患者治疗效果的路线图	光动力疗法流程中的AI整合方法，包括光敏剂设计、纳米系统、治疗计划和临床决策	机器学习	肿瘤	NA	图神经网络	文本、图像	NA	NA	图神经网络	NA	NA
1539	2026-07-28	LNMSNet: a multi-task deep learning network for pulmonary nodules segmentation and malignancy classification 2026, Frontiers in medicine IF:3.1Q1 DOI:10.3389/fmed.2026.1773338 PMID:41982549	研究论文	提出一种多任务深度学习网络LNMSNet，用于肺结节分割和恶性分类	提出MSConv模块，使用并行多尺度卷积捕获细粒度纹理和全局上下文特征，扩大感受野，提高边界精度和尺寸不变性	未明确提及局限性	实现肺结节的联合分割和恶性分类，提高早期肺癌检测准确性	肺结节	计算机视觉	肺癌	低剂量计算机断层扫描	U-Net	图像（CT扫描）	220个CT扫描（来自两家三甲医院的多中心外部数据集）	PyTorch	ResNet-18, U-Net, MSConv	分割精度、分类准确率	NA
1540	2026-07-28	CancerSubtypeXplore: A Modular Platform for Multiomics Cancer Subtype Prediction and Biomarker Consensus Discovery 2026, Computational and structural biotechnology journal IF:4.4Q2 DOI:10.34133/csbj.0030 PMID:41982677	研究论文	开发了一个模块化、用户友好的多组学癌症亚型预测与生物标志物共识发现平台	集成了数据集模块、机器学习模块、用户自定义深度学习模型模块和生物标志物分析模块，无需编程即可设计和训练神经网络，并通过交叉模型和交叉癌症频率分析发现鲁棒性生物标志物	当前计算框架通常需要编码专业知识且缺乏标准化数据集用于模型基准测试和探索	实现多组学癌症亚型预测和生物标志物共识发现的可重复、可扩展平台	从TCGA的17种癌症类型中获取的标准化多组学数据（包括mRNA、DNA甲基化和microRNA表达谱）	机器学习	多种癌症	多组学数据整合（mRNA、DNA甲基化、microRNA）	支持向量机、随机森林、自定义神经网络	mRNA表达、DNA甲基化、microRNA表达数据	TCGA中17种癌症类型的标准化数据集	Scikit-learn, PyTorch	支持向量机、随机森林、用户自定义神经网络架构	亚型预测准确率	NA