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
1561	2026-08-20	AI-Driven Lumped-Element Modeling of Human Respiratory System for Studying Voice Mechanics 2026-Jun-25, Research square DOI:10.21203/rs.3.rs-9119279/v1 PMID:42396487	研究论文	开发了一个基于物理的AI驱动集总元件模型，模拟人类呼吸、发声和发音子系统以研究嗓音机制	首次实现嗓音产生的呼吸动力学模拟，通过深度学习从高速视频内窥镜数据提取声门面积波形，并集成到集总元件模型中	NA	模拟嗓音产生过程，预测无法直接无创测量的声门下压力分布、动态阻力和能量传递机制	人类呼吸、发声和发音子系统，包括肺、可压缩气道和声带	机器学习	NA	深度学习	集总元件模型	高速视频内窥镜数据	一名正常发声参与者	NA	NA	NA	NA
1562	2026-08-20	0.55 T Magnetic Resonance Imaging in the Abdomen and Pelvis: Opportunities and Challenges 2026-Jun-25, Journal of computer assisted tomography IF:1.0Q4 DOI:10.1097/RCT.0000000000001895 PMID:42611603	综述	本文综述了0.55 T磁共振成像在腹部和盆腔的应用，探讨了其降低成本、简化安装的优势以及信噪比降低等挑战，并讨论了深度学习重建和自由呼吸技术的潜在解决方案	探讨低场MRI（0.55 T）在腹部和盆腔成像中的独特优势，如缩短T1、延长T2*和减少金属伪影，并结合深度学习重建技术克服SNR限制	未详细讨论技术实施的具体细节或潜在副作用，且综述基于现有文献，可能缺乏最新实证数据	评估0.55 T MRI在腹部和盆腔成像中的机遇与挑战，提出利用技术改进扩大MRI可及性的策略	腹部和盆腔器官，包括肝脏、肾脏、胆管、子宫和卵巢	医学影像	不适用	磁共振成像（MRI）	深度学习（用于图像重建）	图像	不适用	不适用	深度学习（未指定具体架构）	信噪比（SNR）、伪影减少	不适用
1563	2026-08-20	Advances in artificial intelligence for neuroimaging 2026-Jun-24, Journal of cerebral blood flow and metabolism : official journal of the International Society of Cerebral Blood Flow and Metabolism IF:4.9Q1 DOI:10.1177/0271678X261465843 PMID:42339849	综述	本文综述了人工智能在神经影像学中的最新进展和新兴趋势，涵盖多种影像模态及多模态研究。	介绍了物理学信息模型、自监督学习、图神经网络、扩散生成模型和数据协调技术等新方法，解决神经影像中的长期挑战。	关键障碍包括异质性和有偏数据集、有限的基准测试以及监管挑战，阻碍了临床转化。	总结AI在神经影像学中的应用进展，并指出开发可靠、可泛化和可解释模型以推动研究和临床护理的优先事项。	神经影像学中的多种模态（如MRI、PET等）及整合临床和分子数据的多模态研究。	数字病理学	神经系统疾病	NA	深度学习	神经影像数据（图像）及临床和分子数据	NA	NA	图神经网络、生成扩散模型、物理学信息模型	NA	NA
1564	2026-08-20	Deep learning-based intelligent prediction of strata pressure in a steeply inclined fully mechanized longwall face 2026-Jun-23, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-58950-9 PMID:42337304	研究论文	本文利用深度学习模型对急倾斜综采工作面矿压进行智能预测，并比较了多种模型性能	首次将CNN-LSTM-Attention模型应用于急倾斜综采工作面的矿压预测，并开发了局部单支架预测流程，实现了分级预警辅助	需要多支架时空建模和闭环支护控制决策的现场验证，以支持更广泛的部署	开发可靠的矿压演化预测方法，用于智能长壁开采中的短期预警	来自淮北矿区II1013工作面的两个月液压支架数据	机器学习	不适用	不适用	CNN, LSTM, Transformer, CNN-LSTM-Attention, BP神经网络	时间序列数据（液压支架压力数据）	两个月的液压支架数据，以及四个代表性支架的验证样本	未明确指定，但可能使用TensorFlow或PyTorch	CNN-LSTM-Attention, CNN, LSTM, Transformer, BP神经网络	RMSE, MAE, MAPE, R, 相对回归精度（1-MAPE）	未明确说明
1565	2026-08-20	SplitSeek-Pro: accurate prediction of splittable sites on protein structures 2026-Jun-18, Nature communications IF:14.7Q1 DOI:10.1038/s41467-026-74059-z PMID:42315841	研究论文	SplitSeek-Pro是一个深度学习模型，通过整合序列和三维结构特征，在氨基酸水平上预测折叠蛋白质的可分裂位点，用于蛋白质工程任务如环状排列和分裂重构	首次实现氨基酸级别的可分裂性预测，结合一级序列和3D结构特征，采用两阶段训练流程（大规模预训练和高精度微调），并识别出类似超二级结构基序的整合片段	未在摘要中明确说明限制，可能包括对特定蛋白质的验证范围有限或依赖高质量结构数据	开发一个准确预测蛋白质结构可分裂位点的工具，以支持理性的蛋白质工程，并揭示蛋白质折叠的基本结构单元	折叠蛋白质的氨基酸可分裂性，特别是用于环状排列和分裂重构的蛋白质工程应用	机器学习, 结构生物学	NA	深度学习, 蛋白质结构预测	深度学习模型	蛋白质序列和三维结构数据	三个不同的蛋白质用于实验验证	NA	NA	预测准确性	NA
1566	2026-08-20	Deep learning-based natural language processing for critical care identification in pediatric emergency department 2026-06-16, BMC emergency medicine IF:2.3Q1 DOI:10.1186/s12873-026-01560-5 PMID:42298409	研究论文	本研究评估了基于深度学习的自然语言处理技术在儿科急诊部门早期识别危重患者中的应用，其中KM-BERT模型表现出最佳性能	首次将韩国医学BERT（KM-BERT）框架应用于儿科急诊文本数据，并结合结构化生命体征与非结构化临床文本进行危重患者识别	研究为单中心回顾性设计，需要前瞻性多中心研究验证其通用性和临床整合可行性	确定基于深度学习的NLP技术是否能够准确识别需要重症监护的儿科急诊患者	儿科急诊患者，包括危重病例和住院病例	自然语言处理	儿科急症	自然语言处理	KM-BERT	文本数据和结构化数据	87,748名儿童，包括599名危重病例和14,095名住院病例	PyTorch	KM-BERT	AUROC, 准确率	未提及具体GPU型号或云平台
1567	2026-08-20	Deep learning models for the detection of dental-findings and tooth-types using video data 2026-Jun-12, BMC oral health IF:2.6Q1 DOI:10.1186/s12903-026-08861-y PMID:42286590	研究论文	本研究开发并验证了使用手持牙刷式口腔内视频数据的深度学习模型，用于检测牙齿发现（如龋齿、填充物、牙菌斑和染色）和识别牙齿类型。	首次使用来自手持牙刷式口腔内设备的视频数据（而非静态图像）训练深度学习模型，实现牙齿发现检测和牙齿类型识别，并证明了在实际用户拍摄视频中的鲁棒性。	缺乏标准化的视频捕获序列，可能会影响模型在不同条件下的表现，但模型仍保持较强性能。	开发并验证基于视频数据的深度学习模型，用于检测牙齿发现和识别牙齿类型，以支持远程口腔监测和早期干预。	708个来自带微型口腔内相机的电子牙刷拍摄的视频，以及提取的图像帧（7,963帧用于牙齿发现模型，3,799帧用于牙齿类型模型）。	计算机视觉	口腔疾病	NA	YOLOv8s（目标检测模型）	视频和图像帧	708个视频，提取16,552帧，过滤后7,963帧（牙齿发现）和3,799帧（牙齿类型）	PyTorch	YOLOv8s	平均精度均值（mAP）、F1分数	NA
1568	2026-08-20	Early intensive antihypertensive treatment in high-risk population of intracerebral haemorrhage expansion identified by artificial intelligence (ARCHES): study protocol for a multicentre randomised controlled trial 2026-Jun-12, Trials IF:2.0Q3 DOI:10.1186/s13063-026-09833-x PMID:42286617	研究论文	ARCHES研究是一项多中心随机对照试验，旨在评估基于人工智能识别的高血肿扩张风险的脑出血患者中，早期强化降压治疗与标准降压治疗的疗效、安全性和可行性	利用基于非对比CT影像和临床预测因子的深度学习系统，结合五点评分系统，在入院时识别高血肿扩张风险的脑出血患者，并针对该高风险人群进行早期强化降压治疗的随机对照试验	开放标签设计可能引入偏倚；样本量估计有限；未提及计算资源和模型性能的详细评估	比较早期强化降压治疗与标准降压治疗在高血肿扩张风险脑出血患者中的疗效、安全性和可行性，验证早期强化降压可减少血肿扩张并改善功能结局	脑出血患者，特别是症状发作6小时内且基于人工智能五点预测评分≥3分的高血肿扩张风险人群	机器学习、医学影像分析、临床试验	脑出血、血肿扩张	非对比CT成像、深度学习、临床预测因子	深度学习系统（具体模型未提及，可能为CNN等）	影像数据（非对比CT）、临床数据	预计680名参与者	NA	NA	主要结局为90天死亡或严重残疾，次要指标可能包括血肿扩张率、安全性指标等（具体未提及）	NA
1569	2026-08-20	Machine learning-assisted screening of natural product database for the identification of novel chalcone-based derivative as a potent DHODH inhibitor in cancer therapy 2026-Jun-12, Discover oncology IF:2.8Q2 DOI:10.1007/s12672-026-05276-7 PMID:42283901	研究论文	利用机器学习辅助筛选天然产物数据库，识别新型查尔酮衍生物作为癌症治疗中有效的DHODH抑制剂	结合机器学习算法（如Gnina、Kdeep）与分子对接技术，对天然产物数据库进行虚拟筛选，首次识别出NPACT00730作为潜在的DHODH抑制剂	仅基于计算预测，缺乏实验验证，结果需进一步体外和体内实验确认	开发针对DHODH酶的有效且低毒的候选药物，用于癌症治疗	DHODH酶和NPACT数据库中的1574种抗癌植物化合物	机器学习	癌症	分子对接、MM-GBSA验证、机器学习评分、分子动力学模拟	深度学习（Gnina、Kdeep）和传统机器学习（Vinardo、Smina、X-Score）	分子结构数据（数据库条目）	1574种植物化合物	NA	NA	RMSD、RMSF、Rg、氢键、SASA、主成分分析（PCA）、自由能景观（FEL）	NA
1570	2026-08-20	Development and validation of a deep learning model for automatic detection of depressed skull fractures from CT scans 2026-Jun-11, BMC medical imaging IF:2.9Q2 DOI:10.1186/s12880-026-02496-9 PMID:42277670	研究论文	本研究开发并验证了一种基于深度学习模型，用于从CT扫描中自动检测凹陷性颅骨骨折	提出了一种两阶段训练策略，并采用实时目标检测模型YOLO，实现凹陷性颅骨骨折的自动检测	模型在外部测试数据集上的性能下降，可能受数据分布差异影响	开发并验证一种深度学习模型，以自动检测凹陷性颅骨骨折，从而优化临床工作流程	创伤性脑损伤患者的头颅CT扫描图像	计算机视觉、医学影像分析	创伤性脑损伤、凹陷性颅骨骨折	CT成像	YOLO（You Only Look Once）	医学图像（CT扫描）	内部和外部测试数据集，具体样本数量未在摘要中提及	未明确提及	YOLO	准确率、敏感性、特异性、精确率、阴性预测值、F1分数、AUC	未明确提及
1571	2026-08-20	Deep learning for the diagnosis of lumbar disc herniation: a systematic review and meta-analysis 2026-Jun-11, BMC medical imaging IF:2.9Q2 DOI:10.1186/s12880-026-02502-0 PMID:42277705	系统综述和荟萃分析	通过系统综述和荟萃分析评估深度学习模型在腰椎间盘突出症影像诊断中的总体性能及其异质性来源	首次系统评估深度学习在腰椎间盘突出症诊断中的应用，并通过亚组分析探索模型任务和输出结构对异质性的贡献	证据受显著的异质性、回顾性研究设计、非患者层面的分析单元、可变参考标准和有限的外部验证限制	评估深度学习模型在腰椎间盘突出症影像诊断中的诊断准确性及其潜在应用价值	基于影像的深度学习模型用于腰椎间盘突出症诊断的研究	深度学习、医学影像分析	腰椎间盘突出症	磁共振成像（MRI）	深度学习（DL）模型	医学影像（MRI图像）	10项回顾性研究	NA	NA	敏感度、特异度、曲线下面积（AUC）	NA
1572	2026-08-20	A methodological framework for integrating generalisable deep learning and radiomics fusion model for early lung cancer detection across multi-centre imaging datasets 2026-Jun-11, BMC medical informatics and decision making IF:3.3Q2 DOI:10.1186/s12911-026-03624-9 PMID:42277832	综述	本文遵循PRISMA 2020指南进行系统性综述，整合基于CT、LDCT、光谱CT和PET/CT的影像组学、深度学习及融合模型在早期肺癌检测中的应用证据，并提出一个集成多中心协调、特征工程、融合策略和临床效用评估的方法学框架	提出了一种融合影像组学与深度学习的方法学框架，强调多中心数据协调、数学定义的融合策略和可解释性，以提升模型在不同中心间的泛化能力和临床决策支持系统的实用性	证据基础受限于回顾性设计、样本量小、分割和协调方法不一致、前瞻性验证不足，以及校准和决策曲线分析报告不完整；由于结果和协议的高度异质性，未进行正式的统计汇总	评估和比较影像组学、深度学习及其融合模型在早期肺癌检测和分类中的性能，并提出一个方法论框架以解决可重复性、可解释性和泛化性方面的挑战	早期肺癌检测和分类中的肺结节，包括良性-恶性结节、肺癌亚型、浸润性腺癌预测和磨玻璃结节评估	医学影像分析	肺癌	CT、LDCT、光谱CT、PET/CT成像	卷积神经网络、深度学习模型（如CNN）	医学影像数据（CT、PET/CT等）	NA	NA	NA	性能指标（如准确率、F1分数等，但具体未在摘要中列出）	NA
1573	2026-08-20	MRI-based deep learning combined with radiomics for the preoperative prediction of lymphovascular invasion in patients with bladder cancer 2026-Jun-11, Cancer imaging : the official publication of the International Cancer Imaging Society IF:3.5Q1 DOI:10.1186/s40644-026-01070-4 PMID:42277884	研究论文	本研究开发了一种结合深度学习与放射组学的混合模型，用于术前预测膀胱癌患者的淋巴血管侵犯状态	首次将深度学习特征与放射组学特征整合为混合模型，并在多中心数据上验证其优于纯图像、纯放射组学及传统机器学习模型	外部测试集中预测的LVI状态对总生存期的分层趋势不显著（p=0.151），可能受样本量或异质性限制	实现膀胱癌淋巴血管侵犯的术前无创预测，辅助风险分层和个体化治疗规划	543例膀胱癌患者，包括473例来自两个中心及70例来自六个额外中心	医学影像分析	膀胱癌	磁共振成像	混合模型（深度学习与放射组学）	医学图像	543例患者（训练集和内部测试集473例，外部测试集70例）	NA	深度学习模型（具体架构未指定）和放射组学模型	AUC, 生存分析（log-rank检验）	NA
1574	2026-08-20	Evaluating the accuracy of sex estimation from human tooth volume: leveraging automated AI segmentation and comparative analysis of machine learning algorithms 2026-Jun-11, Head & face medicine IF:2.4Q2 DOI:10.1186/s13005-026-00633-x PMID:42277818	研究论文	本研究评估了自动化AI分割结合多种机器学习算法在基于牙齿体积进行性别估计中的准确性，并首次在北方汉族人群中验证了牙齿体积的性别二态性。	首次在北方汉族人群中证明牙齿体积的显著性别二态性，并利用全自动AI分割与多种机器学习算法相结合，以提高性别预测的客观性和性能。	未在摘要中明确提及局限性，但可能包括样本特定人群限制和CBCT图像分割的潜在误差。	通过整合自动化AI分割和多种机器学习算法，提高基于牙齿体积的性别估计的准确性和客观性，应用于法医和人类学领域。	北方汉族人群的CBCT图像中的牙齿体积数据。	数字病理学	不适用	锥形束计算机断层扫描（CBCT）	机器学习算法（具体类型未指定）	图像	398张CBCT图像，最终纳入357个样本（185名女性，172名男性）	未指定	未指定（但使用了全自动深度学习系统进行分割）	准确率（ACC）、AUC	未指定
1575	2026-08-20	CT-based habitat analysis combined with multi-channel deep learning for predicting early recurrence after pancreatic cancer resection: a multicenter study 2026-Jun-11, Journal of translational medicine IF:6.1Q1 DOI:10.1186/s12967-026-08370-0 PMID:42277870	研究论文	本研究开发并验证了一种融合CT影像组学栖息地分析、2.5D CNN-Transformer深度学习框架和临床病理特征的模型，用于非侵入性预测胰腺癌切除术后早期复发风险。	创新性地将CT影像组学栖息地分析与深度学习相结合，构建了融合模型（HADLC），以全面捕捉肿瘤内异质性，并利用SHAP和Grad-CAM增强模型可解释性，从而提高对胰腺癌术后早期复发风险的预测准确性。	未明确提及局限性，但可能包括回顾性研究设计、样本量有限、外部验证数据来源限制，以及模型泛化性需进一步验证。	开发并验证一种非侵入性模型，通过整合CT影像组学栖息地分析、深度学习和临床病理特征，准确预测胰腺导管腺癌切除术后一年内的早期复发风险，以指导个性化治疗。	346例来自四个医疗机构的可切除胰腺导管腺癌患者的CT影像和临床病理数据。	医学影像分析	胰腺癌	CT成像	CNN-Transformer混合模型	CT影像、临床病理数据	346例患者	NA	2.5D CNN-Transformer	AUC、准确率、校准曲线、决策曲线分析	NA
1576	2026-08-20	Use of deep learning to predict chronic wasting disease status based on animal movement 2026-Jun-10, Movement ecology IF:3.4Q2 DOI:10.1186/s40462-026-00668-4 PMID:42271470	研究论文	本研究评估了深度学习行为异常检测模型（自编码器和条件自编码器）在自由放养的黑尾鹿中识别慢性消耗性疾病相关运动异常的有效性	首次将无监督自编码器应用于基于GPS项圈数据的慢性消耗性疾病行为异常检测，并揭示了不同疾病阶段运动特征的变化	监督条件自编码器准确率低且结果不一致，泛化性不足	评估深度学习模型能否基于动物运动数据有效识别慢性消耗性疾病的行为异常	自由放养的黑尾鹿（Odocoileus hemionus）	机器学习	慢性消耗性疾病	全球定位系统（GPS）项圈数据	自编码器（AE）和条件自编码器（cAE）	运动轨迹数据（速度、方向、弯曲度等指标）	未在摘要中明确指出样本数量	未在摘要中明确指出	自编码器（AE）和条件自编码器（cAE）	准确率（accuracy）、精确率（precision）	未在摘要中明确指出
1577	2026-08-20	A comprehensive benchmark of multi-generation YOLO architectures for forest species identification from macroscopic wood images 2026-Jun-06, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-54925-y PMID:42248978	研究论文	本研究对三代YOLO架构（YOLOv8、YOLO11和YOLO26）共15个深度学习模型进行综合基准测试，用于从宏观木材图像中识别73种森林树种	首次系统性地比较了三个YOLO世代（YOLOv8、YOLO11、YOLO26）共15种模型在宏观木材图像树种识别任务上的性能，并引入多尺度RISE显著性图、t-SNE分析和三种分布外检测方法进行多维评估	未在摘要中明确说明局限性，例如未讨论模型在不同图像采集环境下的泛化能力或部署到便携设备上的实际功耗	建立宏观木材图像树种识别的新基准，并评估不同规模的YOLO模型在计算资源受限设备上的部署潜力	73种森林树种的宏观木材图像，共77,865个448×448像素的图像块	计算机视觉	NA	宏观木材成像	YOLO（You Only Look Once）目标检测模型	图像	77,865个宏观木材图像块，涵盖73个树种，来自三种异构图像采集协议	NA	YOLOv8、YOLO11、YOLO26	准确率（Accuracy）、马修斯相关系数（MCC）、Top-3准确率、帧率（FPS）	未在摘要中明确指定具体GPU型号或云平台
1578	2026-08-20	High-fidelity CNN-based surrogate modeling for wildfire spread forecasting 2026-Jun-06, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-56080-w PMID:42249041	研究论文	提出了一种基于深度学习的卷积神经网络替代模型，用于快速高精度预测野火蔓延	提出了一种高保真、高分辨率的CNN替代模型，能够以极短时间预测野火蔓延，支持公共安全断电规划和快速风险评估	未提及具体局限性	开发快速高精度的野火蔓延预测模型，以支持应急管理和风险缓解	野火蔓延过程	深度学习，计算机视觉	不适用	不适用	卷积神经网络（CNN）	图像数据	未提及	未提及	卷积神经网络	F1分数	未提及
1579	2026-08-20	Energy-efficient secure routing in wireless sensor networks using fuzzy inference clustering and attention-based multi-scale deep learning 2026-Jun-06, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-55944-5 PMID:42251066	研究论文	提出一种结合模糊推理聚类和基于注意力的多尺度深度学习的无线传感器网络节能安全路由方案	创新性地结合Mamdani型模糊推理系统、动态自适应无花果-黄蜂共生协同进化优化算法、自适应信任同步分组控制协议和改进的灰熊增肥优化器，并引入增强型多尺度扩张MobileNet注意力机制用于入侵检测	未提及具体局限性，但可能包括计算复杂度较高或对特定网络环境的依赖性未知	解决无线传感器网络中能量消耗高、路由开销大、可扩展性差和入侵检测精度有限的问题	无线传感器网络中的簇形成、簇头选择、安全通信路径选择和入侵检测	机器学习	不适用	模糊推理、优化算法、深度学习和入侵检测	模糊推理系统、优化算法、MobileNet	网络模拟数据	未指定具体样本量，涉及多种网络攻击场景（如DoS和零日攻击）	未指定，可能涉及TensorFlow或PyTorch	增强型多尺度扩张MobileNet注意力机制	能量消耗、吞吐量、端到端延迟、攻击检测率	未提及具体计算资源
1580	2026-08-20	An effective BiLSTM-CNN model for predicting large-scale temporal-spatial dynamics of normalized difference vegetation index 2026-Jun-06, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-55191-8 PMID:42251082	研究论文	提出了一种结合双向长短期记忆网络和卷积神经网络的模型，用于预测归一化差异植被指数的大规模时空动态	提出了一种复合渐进处理模型BiLSTM-CNN，能够有效捕捉植被变化中可能突然且不明显、局部和广泛、短期或长期的变化趋势	未明确提及	利用气象和土壤湿度数据，通过深度学习方法建模NDVI，以预测植被活动的时空变化	植被活动，具体通过归一化差异植被指数（NDVI）进行量化	机器学习	NA	NA	BiLSTM-CNN	气象和土壤湿度数据，以及NDVI数据	未明确提及	NA	BiLSTM-CNN	NA	NA