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
141	2026-07-01	ATEdrug: A reliable human-in-the-loop annotation scheme for aspect term extraction and polarity detection in drug reviews 2026, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0344296 PMID:41955228	研究论文	提出一种基于人机协同的标注方案ATEdrug，用于药物评论中的方面词提取和极性检测	引入人类干预的自动标注机制，结合专家驱动的规则方法，减少手动标注工作量，并公开数据集促进药物安全性研究	NA	解决药物评论标注数据有限的问题，开发可靠的自动化标注方案用于方面词提取和极性检测，支持药物警戒	药物评论中的方面词和极性信息，涉及抑郁症、关节炎和节育三种医疗条件	自然语言处理	抑郁症, 关节炎, 节育相关健康问题	NA	深度学习模型	文本	NA	NA	BERT, BioBERT, ClinicalBERT	NA	NA
142	2026-07-01	EvoApneaFormer: an IoT and prognostic evolutionary deep learning-based framework for real-time multi-event sleep apnea disorder detection and remote monitoring 2026, Frontiers in bioengineering and biotechnology IF:4.3Q2 DOI:10.3389/fbioe.2026.1755071 PMID:42367379	研究论文	提出了一种基于物联网和进化深度学习的实时多事件睡眠呼吸暂停检测与远程监控框架EvoApneaFormer	结合动态自注意力机制与神经进化优化，实现时间生物信号融合与自适应学习，在低功耗边缘设备上达到高精度多类别睡眠呼吸暂停事件检测	测试集规模相对较小（仅17例），且数据集主要来自特定人群（UCD数据库和临床数据集），泛化性需进一步验证	开发低成本、非侵入式、可规模化部署的睡眠呼吸暂停实时检测与远程监控系统	睡眠呼吸暂停患者（包括阻塞性、中枢性、混合性、低通气和呼吸努力相关觉醒等六类事件）	机器学习, 物联网	睡眠呼吸暂停	物联网传感, 心电图, 血氧饱和度, 呼吸努力, 运动传感	Transformer, 进化神经网络	时间序列信号	混合数据集共86例（UCD数据库25例 + 临床数据集61例），测试集17例	TensorFlow Lite	EvoApneaFormer（动态自注意力Transformer + 神经进化优化）	准确率, 精确率, 召回率, F1分数, 宏平均AUC	树莓派4（功耗<2W）
143	2026-07-01	Artificial intelligence for postpartum hemorrhage: a systematic review 2026, Frontiers in global women's health DOI:10.3389/fgwh.2026.1806220 PMID:42367614	综述	系统综述了人工智能在产后出血预测中的应用，包括临床场景、数据来源、验证策略及研究质量	首次系统梳理了2015–2025年间AI模型在产后出血预测中的应用，重点评估了验证策略和研究质量，并指出了数据封闭、外部验证不足等问题	纳入研究以回顾性和单中心为主，缺乏外部和时间验证；结果定义不统一；公开数据集使用为零	综合评估AI模型在产后出血预测中的证据，涵盖临床应用、数据来源、预测目标、验证策略和研究质量	33篇关于AI预测产后出血的研究论文	机器学习	产后出血	NA	机器学习（经典模型, 深度学习, 大型语言模型）	结构化临床数据	33篇研究	NA	NA	NA	NA
144	2026-07-01	Pan-transcriptome analysis of pine wilt disease-resistant and susceptible Pinus species and a hybrid 2026, Frontiers in genetics IF:2.8Q2 DOI:10.3389/fgene.2026.1743952 PMID:41960143	研究论文	基于深度学习的表型分析程序对松材线虫病的症状进行量化，并结合泛转录组学分析，揭示了抗病与感病松树物种在感染后的基因表达差异	开发了一个基于深度学习的表型分析程序，用于精确量化松材线虫病症状，并首次进行了跨物种的泛转录组学分析，揭示了抗病与感病松树在水分保持相关基因表达上的差异	研究仅限于五种松树物种和一个杂交种，可能无法完全代表所有松树物种的响应机制	探究松材线虫感染后，抗病与感病松树物种及其杂交种的表型变化和分子机制	五种松树物种（感病与抗病）及一个杂交种	计算机视觉, 机器学习, 转录组学	松材线虫病	RNA-seq, 深度成像	卷积神经网络	图像, 转录组序列	五种松树物种及一个杂交种	NA	NA	NA	NA
145	2026-07-01	Analysis of retinal ganglion cell subtypes across six different inbred mouse strains 2026, Molecular vision IF:1.8Q3 PMID:41982463	研究论文	量化六种不同近交系小鼠视网膜神经节细胞亚型数量差异	首次系统比较六种近交系小鼠（C57BL/6J、BALB/cByJ、129X1/SvJ、A/J、CBA/CaJ和CAST/EiJ）视网膜神经节细胞总数及亚型（POU6F2、BRN3A、SATB2、OPN4、SMI32）的数量差异，并利用深度学习工具RGCode进行自动化定量分析	仅分析了六种近交系小鼠，未涵盖其他品系；SMI32亚型的差异未达到统计学显著性，可能因样本量或检测方法限制	评估不同近交系小鼠视网膜神经节细胞亚型数量的遗传变异，为眼科学研究中品系选择提供参考	六种近交系小鼠的视网膜神经节细胞亚型	数字病理学	青光眼	免疫染色	深度学习	图像	六种小鼠品系，每种品系样本量未明确说明	NA	NA	NA	NA
146	2026-07-01	Deep learning enabled decision support systems in epilepsy surgery: a scoping review 2026, npj health systems DOI:10.1038/s44401-026-00103-1 PMID:42328681	综述论文	系统梳理了深度学习在癫痫手术决策支持系统中的应用现状	首次系统归纳深度学习在整个癫痫手术路径（术前、术中、术后）中的决策支持应用，并揭示了外部验证与工作流整合方面的关键不足	排除术中研究且术后应用较少，多数研究依赖小型单中心非公开数据集，外部验证和工作流整合评估不常见	绘制定量图谱，分析深度学习在癫痫手术各阶段和临床任务中的分布、数据集特征、建模实践及工作流整合状况	2018年1月至2025年5月间发表的145篇相关研究文献	机器学习	癫痫	NA	CNN	影像数据	145篇文献	NA	CNN	NA	NA
147	2026-07-01	Interpretable machine learning via symbolic classification of radiomic texture and morphological features for pediatric pneumonia detection from chest X-rays 2026, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0351081 PMID:42329915	研究论文	提出一种基于符号分类的机器学习框架，通过放射组学特征（纹理和形态）从胸部X光片中检测儿童肺炎，并生成可解释的数学诊断公式	首次在儿童肺炎检测中引入单个公式的符号分类器，通过闭式诊断公式直接反映临床放射组学特征（熵、实体性和分形维数），相比黑箱深度学习模型参数数量减少数个数量级，实现内在可解释性	准确率（79.1%-87%）低于某些深度学习模型，公式在独立外部数据集上需要重新校准，研究基于特定数据集且样本受限	开发一种内在可解释的机器学习模型，用于儿童胸部X光片肺炎检测，替代依赖事后解释工具的深度网络	儿童胸部X光片中的肺炎病变检测	机器学习	儿童肺炎	放射组学特征提取（熵、实体性、分形维数分析）	符号分类器 (Symbolic Classifier)	图像	两个独立数据集（内部数据集和外部验证集），具体数量未在摘要中注明	NA	符号闭式公式	准确率 (Accuracy)，AUC	资源受限场景适用，未具体说明计算资源
148	2026-07-01	RGB-based visual encoding of vibration data for gearbox fault diagnosis using U-Net segmentation model 2026, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0350838 PMID:42329970	研究论文	提出一种将振动数值数据编码为RGB图像并使用U-Net分割模型进行齿轮箱故障诊断的新方法	首次将数值传感器数据转换为视觉格式，并采用U-Net分割模型实现高精度分类，改变传统信号处理范式	NA	实现基于图像深度学习模型的齿轮箱齿轮故障诊断	齿轮箱齿轮故障振动信号	计算机视觉	NA	振动信号编码	U-Net	图像	每个类别500张256×256像素图像	NA	U-Net	分类准确率, 平均精度均值	NA
149	2026-07-01	ZDAM: a new deep learning model for bean leaf disease diagnosis 2026, Frontiers in plant science IF:4.1Q1 DOI:10.3389/fpls.2026.1842022 PMID:42368544	研究论文	提出一种基于改进ZFNet和双注意力机制的深度学习模型ZDAM，用于豆叶病害诊断	通过引入通道与空间双重注意力机制改进ZFNet，并添加残差模块提升特征提取效率和识别精度	未提及模型在不同环境条件下的泛化能力或实际部署的局限性	实现豆叶病害的自动、高精度诊断，提升农业生产效率和减少采后损失	豆叶图像，包括健康叶片及叶霉病、锈病、花叶病、白斑病四种病害	计算机视觉	植物病害	深度学习	CNN	图像	11903张豆叶图像	NA	改进ZFNet、双注意力机制、残差模块	平均识别准确率	NA
150	2026-07-01	AI-Augmented Hematological Signatures for Equitable Detection of Hereditary Hemolytic Anemia Carriers: A Global Systematic Review and Meta-Analysis 2026, Human mutation IF:3.3Q2 DOI:10.1155/humu/9405486 PMID:42369207	系统综述与荟萃分析	评估AI增强常规血液学检测在遗传性溶血性贫血携带者筛查中的诊断准确性、公平性及实施挑战	首次全球性系统综述结合交互分析，量化AI增强血液学检测的敏感度提升（12.3%），并揭示地理差异及算法偏向对非洲HbS/HbC变异体的影响	68%验证研究使用研究级而非临床常规样本，缺乏前瞻性临床到算法验证，且地理分布不均	评估AI增强常规血液学检测在遗传性溶血性贫血携带者识别中的诊断准确性、公平性和实施挑战	全球23项研究中133,498名参与者，涵盖地中海贫血、镰状细胞病等遗传性溶血性贫血携带者	机器学习	遗传性溶血性贫血	AI增强全血细胞计数、血涂片、红细胞沉降率检测	深度学习模型、可解释人工智能	血液学指标数据	133,498名参与者	NA	深度学习模型	敏感度（92.8%）、特异度（91.5%）、AUC	联邦学习、边缘AI设备
151	2026-07-01	Disease-specific data augmentation enhances deep learning classification of age-related macular degeneration, diabetic retinopathy, and glaucoma 2026 Jan-Dec, Digital health IF:2.9Q2 DOI:10.1177/20552076261461391 PMID:42370003	研究论文	评估六种数据增强技术对深度学习模型分类年龄相关性黄斑变性、糖尿病视网膜病变和青光眼的效果	首次系统比较多种数据增强技术在不同眼科疾病分类中的特异性效果，发现增强有效性取决于疾病类型	未提及具体局限	确定对年龄相关性黄斑变性、糖尿病视网膜病变、青光眼和正常眼底图像分类的最佳数据增强技术	眼底图像数据集，包含250例AMD、250例DR、250例青光眼和450例正常图像，共1200张	计算机视觉	年龄相关性黄斑变性, 糖尿病视网膜病变, 青光眼	数据增强	卷积神经网络	图像	1200张眼底照片（其中AMD、DR、青光眼各250例，正常图像450例）	Python	EfficientNet-B0	曲线下面积AUC, 准确率, 敏感性	NA
152	2026-07-01	Power load forecasting combining deep learning models and improved CLPO algorithm 2026, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0351428 PMID:42371869	研究论文	提出一种结合深度学习和改进鹦鹉优化算法的电力负荷预测模型，以提高预测精度和稳定性	通过加权重构组合时间卷积网络、LSTM和双向LSTM，并改进鹦鹉优化算法进行迭代优化和联合误差校正，同时引入基于连续学习的误差纠正机制抑制权重漂移和短时偏差	未提及	提升电力负荷预测的精度和稳定性，应对复杂非线性特征和极端天气条件	电力负荷数据	机器学习	NA	NA	CNN、LSTM、双向LSTM、组合深度学习模型	时间序列数据	NA（使用UK-NGED数据集，具体样本量未提及）	NA	时间卷积网络、LSTM、双向LSTM、鹦鹉优化算法	准确率、平均绝对误差、均方根误差	NA
153	2026-07-01	Forecasting COVID-19 new cases using NBEATS deep learning and mobility data 2026, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0350264 PMID:42371947	研究论文	提出一种使用N-BEATS深度学习模型和移动数据预测COVID-19新增病例的方法	首次将N-BEATS架构与移动数据（Google和Apple）结合用于COVID-19病例预测，并证明其优于LSTM-Markov基准模型	未提及	利用移动数据提升COVID-19新增病例预测的准确性和可解释性	美国、英国、俄罗斯和巴西四国的COVID-19新增病例趋势	机器学习	COVID-19	NA	N-BEATS	时间序列数据（COVID-19病例数据和移动数据）	来自Google、Apple和Our World in Data的四个国家COVID-19数据集	NA	N-BEATS, LSTM-Markov	均方根误差（RMSE），平均绝对百分比误差（MAPE）	NA
154	2026-07-01	Automated spermatogenic staging in periodic acid-Schiff-stained testes of Sprague-Dawley rats using a deep learning model for normal and atrophied tissues 2026, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0337245 PMID:42371939	research paper	提出一种基于深度学习的目标检测模型和区域卷积神经网络，用于自动分析大鼠睾丸组织的生精周期分期，并应用于正常和萎缩组织的评估	首次将基于区域卷积神经网络的深度学习模型应用于PAS染色大鼠睾丸切片生精周期自动分期，并实现对萎缩组织的定量分析	仅使用了少量样本（16张大切片图像），且动物来源为单一品系（Sprague-Dawley大鼠），模型泛化性需进一步验证	开发自动化生精周期评估方法，提高病理学评估效率并减少人为偏差	Sprague-Dawley大鼠的睾丸组织切片（PAS染色）	machine learning	NA	PAS染色	CNN, 目标检测模型, 区域卷积神经网络	全切片图像	16张大切片图像，来自16只大鼠（训练集10张，测试集6张分别用于验证和推理）	NA	目标检测模型, 区域卷积神经网络	平均精度, 平均召回率	NA
155	2026-07-01	Real-time monitoring system for early stroke detection based on fog computing and enhanced deep learning techniques 2025-Dec-27, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-28513-5 PMID:41455702	研究论文	提出了一种基于雾计算和增强深度学习技术的实时中风检测与监测系统	结合雾计算与IoMT设备实现实时中风监测，利用YOLOv8进行人脸检测，并采用提出的CNN模型进行分类	未提及具体局限性	开发一种用于早期中风检测的实时监测系统，以促进快速临床干预	患者面部图像	计算机视觉	中风	NA	CNN	图像	未提及具体样本量	NA	YOLOv8, CNN	准确率, 灵敏度, 特异度, 精确率, F1分数	雾节点
156	2026-07-01	Deep Learning for Time-Series Segmentation of Mechanical Ventilator Waveforms 2025-Nov-21, Research square DOI:10.21203/rs.3.rs-8001137/v1 PMID:41333439	研究论文	开发并验证了一种基于一维注意力门控U-Net的深度学习模型，用于分割机械通气波形中的吸气与呼气起始点	首次将注意力门控U-Net架构应用于通气波形时间序列分割，在噪声真实数据中优于传统启发式方法，并能通过梯度加权类激活图解释模型决策特征	NA	实现机械通气波形的高精度实时分割，为患者-呼吸机异步事件的可重复量化提供基础	机械通气波形中的吸气与呼气起始点	机器学习	NA	NA	深度学习	时间序列波形	来自33名患者的9,719次呼吸	NA	注意力门控U-Net	F1分数	NA
157	2026-07-01	Upper Airway Volume Predicts Brain Structure and Cognition in Adolescents 2025-11, American journal of respiratory and critical care medicine IF:19.3Q1 DOI:10.1164/rccm.202409-1748OC PMID:40460372	研究论文	利用深度学习模型分析MRI数据，发现上气道体积可预测青少年大脑结构及认知能力	首次在大规模青少年队列中应用深度学习技术进行上气道分割，并揭示上气道体积作为认知结局的生物标志物	未提及具体局限性	探讨上气道体积与青少年认知及大脑结构的关系	9-10岁青少年（共11,875名）	深度学习	儿童睡眠呼吸障碍	MRI	深度学习模型	大脑磁共振成像切片	5,552,640张大脑MRI切片	NA	深度学习模型	NA	NA
158	2026-07-01	Transforming sleep medicine: the evolving role of artificial intelligence 2025-11-01, Current opinion in pulmonary medicine IF:2.8Q2 DOI:10.1097/MCP.0000000000001210 PMID:40855966	综述	探讨人工智能在睡眠医学中的演变角色及其对诊断和治疗的影响	系统总结了AI技术在阻塞性睡眠呼吸暂停、失眠和发作性睡病等睡眠障碍检测中的应用，并强调了基于睡眠障碍内分型实现个性化治疗的潜力	临床应用中存在伦理问题，包括患者隐私、数据使用偏见和透明度不足等挑战	解释AI在睡眠医学中的演变角色，为临床医生提供关于其益处和局限性的关键信息	睡眠医学领域，包括阻塞性睡眠呼吸暂停、失眠、发作性睡病等睡眠障碍	机器学习	睡眠障碍	NA	NA	文本	NA	NA	NA	NA	NA
159	2026-07-01	Establishment of normative spleen volume in a Japanese cohort using automated CT segmentation: diagnostic implications for liver fibrosis 2025-Oct-30, BMC gastroenterology IF:2.5Q2 DOI:10.1186/s12876-025-04383-z PMID:41168695	研究论文	利用基于深度学习的自动化CT分割建立日本人群的脾脏体积参考值，并评估其用于肝纤维化分期诊断的意义	首次通过深度学习分割技术为日本人群建立脾脏体积的标准化参考值，并基于预测残差定义脾肿大的Z评分阈值，用于无创性肝纤维化分期	外部队列样本量较小（仅136例肝病患者），且未包含对照组的健康人群数据	建立日本人群的脾脏体积参考值，并验证体积定义的脾肿大在肝纤维化分期中的诊断价值	日本健康成年人（4732例）及经组织学确认的肝病患者（136例）	计算机视觉	肝病	非增强腹部CT	深度学习分割模型	CT图像	4732例健康成人（数据集1）和136例肝病患者（数据集2）	NA	NA	Dice系数，平均绝对误差，曲线下面积（AUC）	NA
160	2026-07-01	Pulmonary Blood Volumes on CT Predict Residual Pulmonary Hypertension Post-Pulmonary Endarterectomy 2025-Oct-22, American journal of respiratory cell and molecular biology IF:5.9Q1 DOI:10.1093/ajrcmb/aanaf026 PMID:42085489	研究论文	基于CT的肺血容量预测肺动脉内膜剥脱术后的残余肺动脉高压	首次利用深度学习模型自动分割CTPA中动静脉并定量测量肺血容量，以预测PEA术后残余肺动脉高压	未提及明显局限性，但可能受限于回顾性设计和样本量	评估基于CTPA的肺血容量在预测PEA术后血流动力学结局中的应用价值	接受肺动脉内膜剥脱术（PEA）的慢性血栓栓塞性肺动脉高压（CTEPH）患者	机器学习和计算机视觉	慢性血栓栓塞性肺动脉高压	CTPA（计算机断层扫描肺血管造影）	深度学习血管分割模型	医学影像（CTPA）	发现队列71例，验证队列102例	NA	深度学习血管分割模型（具体架构未指定）	AUROC	NA