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
1621	2026-09-18	TOPOS: target organ prediction on scout views for automated CT scan planning 2026-Oct, European radiology IF:4.7Q1 DOI:10.1007/s00330-026-12623-3 PMID:42135580	研究论文	该研究开发了一种深度学习模型，用于在CT定位像上分割解剖结构，以实现自动扫描计划并减少过度扫描和辐射暴露	提出了一种在CT定位像上分割26个目标结构的深度学习模型，实现了自动扫描计划，显著减少了扫描长度和辐射剂量，同时保持了诊断质量	单中心回顾性研究，外部验证仅针对胸部CT，样本量有限，需要进一步多中心前瞻性验证	开发深度学习模型以优化CT扫描范围，减少不必要的辐射暴露	接受CT扫描的患者	医学图像分割	NA	CT扫描，深度学习	深度学习分割模型	图像	1146名患者用于训练和内部测试（平均年龄63±17岁，577名男性），100名患者内部测试集，36个外部胸部CT，61个内部CT和14个外部CT用于自动与手动计划比较	NA	NA	Dice-Sørensen系数（DSC），归一化表面距离（NSD），扫描长度，剂量长度乘积（DLP）	NA
1622	2026-09-18	Robust deep learning for incomplete MRI sequences in glioma grading and IDH mutation status prediction: a large-scale multicenter study 2026-Oct, European radiology IF:4.7Q1 DOI:10.1007/s00330-026-12622-4 PMID:42142114	研究论文	该研究开发了一种鲁棒的深度学习方法RISEN，用于在不完整MRI序列条件下进行胶质瘤分级和IDH突变状态预测	提出RISEN网络，能够从不完整MRI序列中插补缺失特征并学习潜在融合表示，在缺失数据场景下保持稳健性能	研究为回顾性设计，模拟缺失场景可能不完全代表真实临床情况，且未报告计算资源细节	开发一种稳健且无创的方法，利用不完整MRI数据进行准确的胶质瘤分级和IDH突变状态预测	2170名胶质瘤患者的常规MRI扫描数据	数字病理学	肺癌	多参数MRI radiomics	CNN	图像	2170名胶质瘤患者	NA	RISEN	AUC	NA
1623	2026-09-18	Artificial intelligence-based automated scoring of the mouse grimace scale: a systematic review 2026-Oct, Pain reports IF:3.4Q2 DOI:10.1097/PR9.0000000000001497 PMID:42746625	系统综述	本文系统综述了基于人工智能的小鼠面部表情量表（MGS）自动评分研究，评估了其性能和方法学质量	首次系统评价人工智能驱动的小鼠面部表情量表自动评分研究，揭示了该领域在外部验证缺失、MGS部分实施和性能指标报告不一致等方面的局限性	大多数证据仅基于内部验证，缺乏外部验证；大多数研究仅部分实施了完整的MGS；性能指标报告存在较大变异性	系统评估应用人工智能方法进行小鼠面部表情量表自动评分的研究	2018年至2025年间发表的8项应用人工智能进行小鼠面部表情量表自动评分的研究	计算机视觉	疼痛评估	深度学习	NA	图像	8项研究，训练数据集规模从不到100张图像到超过70000张图像不等	NA	NA	分类准确率, 相关系数	NA
1624	2026-09-18	Feasibility and Reproducibility of a Structure-Guided Deep Learning Model for Automatic Detection of the Standard Sagittal Plane in First-Trimester Nuchal Translucency Assessment Using 3D Ultrasound 2026-Oct, Journal of ultrasound in medicine : official journal of the American Institute of Ultrasound in Medicine IF:2.1Q2 DOI:10.1002/jum.70281 PMID:42104541	研究论文	该研究开发并验证了一种基于卷积神经网络的深度学习模型3D MSP-net，用于从三维超声体积中自动提取胎儿正中矢状面，以提高早孕期颈项透明层评估的效率和标准化	利用颅内结构分割而非面部标志来自动提取正中矢状面，克服了传统方法的局限性，并在挑战性条件下保持稳健性能	样本量未明确说明，可能受限于单中心或特定人群，需要进一步多中心验证	开发和验证一种新型深度学习算法，用于从三维超声体积中自动提取胎儿正中矢状面，以克服传统方法的局限性	接受早孕期颈项透明层筛查的单胎孕妇	计算机视觉	胎儿遗传异常	三维超声	CNN	图像	NA	NA	3D MSP-net	成功率	NA
1625	2026-09-18	Automated Assessment of OCT Angiography Image Quality Using the Artificial Intelligence Ready and Exploratory Atlas for Diabetes Insights Data Set 2026-Oct, Ophthalmology science IF:3.2Q1 DOI:10.1016/j.xops.2026.101335 PMID:42741389	研究论文	利用AI-READI数据集开发人工智能模型，自动评估OCTA图像质量	使用AI-READI数据集，该数据集包含异构数据，开发的模型在不同机构、相机和图像尺寸上具有泛化能力	未明确提及	开发OCTA图像质量评估的人工智能模型	OCTA图像	医学图像分析	糖尿病	OCT血管成像	深度学习	图像	AI-READI：6269张6×6-mm和325张12×12-mm OCTA图像，来自1067名参与者；MEEI：1100张6×6-mm OCTA图像，来自539名患者	NA	ResNet, EfficientNet, Vision Transformer, ConvNeXt v2	准确率, 灵敏度, 特异性, AUROC	NA
1626	2026-09-18	HARU-Net: hybrid attention residual U-Net for edge-preserving denoising in cone-beam computed tomography 2026-Sep-17, Biomedical physics & engineering express IF:1.3Q3 DOI:10.1088/2057-1976/ae9c46 PMID:42624131	研究论文	本文提出了一种混合注意力残差U-Net（HARU-Net），用于锥形束CT（CBCT）图像的高质量去噪，在抑制噪声的同时保留精细解剖结构。	创新点在于集成了三种互补的架构组件：在跳跃连接中嵌入混合注意力Transformer块、在瓶颈处使用残差混合注意力Transformer组、以及残差学习卷积块，从而在保持较低计算复杂度的同时实现优越的去噪性能。	受限于高分辨率CBCT数据稀缺，监督训练困难；实验仅基于尸体半下颌骨数据集，样本量有限，泛化能力有待验证。	开发一种高效深度学习框架，用于CBCT高质量去噪，有效抑制噪声、保留精细解剖结构并保持计算效率，以适用于实际临床部署。	人类半下颌骨尸体CBCT数据	计算机视觉	NA	锥形束CT（CBCT）成像	CNN, Transformer	图像	人类半下颌骨尸体CBCT数据集（具体数量未提及）	NA	U-Net, Transformer, ResNet	PSNR, SSIM, GMSD	NA
1627	2026-09-18	Diagnostic accuracy of deep learning models for detecting wrist and distal forearm fractures in pediatric patients: A systematic review and meta-analysis 2026-Sep-17, Emergency radiology IF:1.7Q3 DOI:10.1007/s10140-026-02545-4 PMID:42749954	系统综述与诊断性荟萃分析	系统评价并荟萃分析深度学习模型在检测儿童腕部及远端前臂骨折中的诊断准确性	首次针对儿童腕部和远端前臂骨折这一特定临床场景，系统评价并定量合并深度学习模型的诊断准确性，并按影像模态和模型类型进行亚组比较	纳入证据有限、研究间存在方法学异质性、缺乏充分的外部验证，尚需前瞻性多中心研究验证	评估深度学习模型在检测儿童腕部和远端前臂骨折中的诊断准确性与临床应用价值	儿童腕部及远端前臂骨折患者的影像数据（包括X线、超声等）	医学影像分析	骨折	深度学习辅助影像诊断、系统综述与诊断性荟萃分析	深度学习模型	图像	未明确报告	NA	NA	合并敏感度、特异度、阳性似然比、阴性似然比、SROC曲线下面积	NA
1628	2026-09-18	Impedance-based particle tracking at micrometer scale with limited training data: a deep learning architecture analysis and optimization framework 2026-Sep-16, Lab on a chip IF:6.1Q2 DOI:10.1039/d6lc00506c PMID:42610759	研究论文	本文提出并分析了一个深度学习框架，用于从连续电阻抗测量中实现微米级颗粒的实时定位，并针对有限训练数据进行了架构优化	提出了一种结合时序卷积网络、双向长短期记忆网络和全连接网络的混合架构，并集成了自动参数调优引擎，能够在数据稀缺条件下保持预测能力，同时分析了各组件对颗粒定位的作用	研究使用均匀聚苯乙烯微球验证方法，未涉及生物样本的异质性，且训练数据集规模较小（仅53个微球），可能限制泛化能力	为芯片实验室社区提供一个统一特征提取与数据驱动架构调优的框架，实现在有限训练数据下的实时微米级颗粒定位，并分析网络各要素的作用	微米级颗粒（8 μm和5 μm的聚苯乙烯微球）的电阻抗测量数据	机器学习	NA	电阻抗测量	时序卷积网络, 双向长短期记忆网络, 全连接网络	电阻抗时序数据	53个聚苯乙烯微球（8 μm和5 μm）	NA	TCN, BiLSTM, FCN	定位精度, 预测时间	NA
1629	2026-09-18	Automated measurement of Little's Irregularity Index on intraoral photographs using a convolutional neural network 2026-09-16, BMC oral health IF:2.6Q1 DOI:10.1186/s12903-026-09870-7 PMID:42745250	研究论文	本研究评估了使用卷积神经网络在口内照片上自动测量下颌前牙不规则度（Little不规则指数）	利用深度学习模型在口内照片上自动检测下颌前牙接触点并计算Little不规则指数	模型预测的LII与参考值的一致性界限超过了预定义的等效阈值（2毫米），目前仅能作为辅助工具推荐	评估深度学习模型在口内照片上自动测量下颌前牙不规则度的性能	下颌前牙的口内咬合照片	计算机视觉	口腔疾病	口内摄影	CNN	图像	未明确说明总样本量，但包含独立测试集，其大小基于等效阈值2毫米通过先验功效分析确定	NA	卷积神经网络	平均径向误差，平均绝对误差，Bland-Altman分析偏差和一致性界限，组内相关系数	NA
1630	2026-09-18	Multiobjective learning and design of bacteriophage specificity 2026-Sep-16, Cell systems IF:9.0Q1 DOI:10.1016/j.cels.2026.101712 PMID:42679817	研究论文	本文应用深度学习理解和设计T7噬菌体受体结合蛋白的多功能宿主靶向景观，以实现增强感染性、预定义特异性和对未见菌株的高通用性	将多目标机器学习应用于噬菌体宿主靶向特异性的设计与优化，比较了四种模型架构，并对26个任务进行了实验验证，发现T7靶向能力具有高度可塑性，相反特异性有时仅由几个突变分隔	需要进行低通量验证预测命中的实验，可能限制了大规模筛选的效率	利用深度学习理解和设计T7噬菌体受体结合蛋白的多功能宿主靶向景观，实现增强感染性、预定义特异性和对未见菌株的高通用性	T7噬菌体受体结合蛋白及其宿主靶向特异性	机器学习	NA	深度学习	NA	序列数据	26个任务	NA	NA	NA	NA
1631	2026-09-18	Mapping the combinatorial coding between olfactory receptors and perception with deep learning 2026-Sep-16, Cell systems IF:9.0Q1 DOI:10.1016/j.cels.2026.101711 PMID:42685697	研究论文	开发了MolOR方法，通过深度学习预测气味分子与嗅觉受体的相互作用及其感知	使用图神经网络和蛋白质语言模型嵌入的交叉注意力预测OR激活，并利用预测的OR谱作为辅助特征提高感知预测，尽管结合和感知数据集之间没有分子重叠	摘要中未明确提及	预测分子-OR相互作用并将其与感知联系起来	气味分子和嗅觉受体	机器学习	NA	深度学习	图神经网络, 蛋白质语言模型	分子结构, 蛋白质序列	NA	NA	交叉注意力	NA	NA
1632	2026-09-18	Image-based high-dimensional deep learning framework for spatiotemporal modeling, prediction and transfer learning of microbial cultivation processes 2026-Sep-16, Bioprocess and biosystems engineering IF:3.5Q2 DOI:10.1007/s00449-026-03426-3 PMID:42747502	研究论文	本文开发了一个基于图像的高维深度学习框架，用于枯草芽孢杆菌培养过程的时空建模、预测和迁移学习	提出了一种基于受控图像采集系统的分析方法，结合CNN和ConvLSTM网络进行微生物培养过程的高维分析和时间序列预测，并展示了迁移学习在独立培养条件下的适应能力	与Abs450的相关性不一致，且研究仅针对枯草芽孢杆菌，方法的普适性有待验证	开发基于图像的高维分析框架，用于微生物培养过程的监测和预测，以补充传统低维传感器监测方法	枯草芽孢杆菌培养过程	机器学习	NA	受控成像系统、深度学习	CNN、ConvLSTM	图像	未提及具体样本量，涉及时间序列图像数据	NA	CNN、ConvLSTM	像素级预测性能、相关性分析	NA
1633	2026-09-18	Beyond conventional imaging: curvelet-AI convergence for non-invasive microalgal lipid quantification and biofuel optimization 2026-Sep-16, Bioprocess and biosystems engineering IF:3.5Q2 DOI:10.1007/s00449-026-03423-6 PMID:42747505	综述	本文综述了Fast Discrete Curvelet Transform（FDCT）与人工智能相结合用于微藻脂质无损定量及生物燃料优化的研究进展	指出多分辨率图像表示而非网络架构本身是分析精度的主要决定因素，并评估了FDCT作为深度学习脂质定量关键预处理框架的潜力	数据稀缺、计算复杂度高以及成像变异性仍是关键障碍	评估基于曲波变换的图像处理与AI融合在微藻生物燃料技术中的应用前景	微藻生物质及脂质积累的成像数据	计算机视觉	NA	Fast Discrete Curvelet Transform（FDCT）、显微镜成像、GC-MS	SVM, Random Forests, CNN, U-Net, ResNet	图像	NA	NA	SVM, Random Forest, CNN, U-Net, ResNet	准确率、分割精度、与GC-MS的相关性	NA
1634	2026-09-18	Turing problems in otolaryngology: a scoping review of the principal challenges of artificial ıntelligence and large language models 2026-Sep-16, European archives of oto-rhino-laryngology : official journal of the European Federation of Oto-Rhino-Laryngological Societies (EUFOS) : affiliated with the German Society for Oto-Rhino-Laryngology - Head and Neck Surgery IF:1.9Q2 DOI:10.1007/s00405-026-10607-z PMID:42747528	综述	本文通过范围综述系统梳理了人工智能和大语言模型在耳鼻咽喉头颈外科中面临的主要挑战	首次系统性地将耳鼻咽喉头颈外科中AI和LLM的核心挑战归纳为六大领域，涵盖准确性、幻觉、转化鸿沟、可解释性、算法偏见及数据隐私与法律问责	仅纳入2020年1月至2025年6月的文献，且99.3%的深度学习研究仍停留在计算机模拟阶段，缺乏临床验证数据	识别并描述人工智能和大语言模型在耳鼻咽喉头颈外科中的主要转化与安全挑战	2020年至2025年间发表的耳鼻咽喉头颈外科领域AI和LLM相关研究文献	机器学习	NA	NA	大语言模型, 深度学习	文本	从3648条筛选记录中最终纳入68篇文献	NA	GPT-4, GPT-3.5, ChatENT	准确率, 错误率, 引用不相关率	NA
1635	2026-09-18	MSDW-Net: A Multi-Scale Network for Medical Image Registration Using Dynamic Wavelet Transform 2026-Sep-16, Interdisciplinary sciences, computational life sciences DOI:10.1007/s12539-026-00845-4 PMID:42747785	研究论文	本文提出了一种基于动态小波变换的多尺度网络（MSDW-Net），用于医学图像配准，通过自适应频率分解和多流架构提升特征表示，并在四个脑MRI数据集上验证了其优越性能	引入动态小波变换模块，自适应调整频率分解滤波器，采用频率敏感的多流架构和多尺度范式，渐进精确估计位移场，并优化U-Net基线加入小波卷积模块以增强全局上下文信息提取	未明确提及	解决深度学习方法在表征复杂非刚性结构变形方面的困难，提升医学图像配准的准确性和鲁棒性	脑部MRI图像	医学图像配准	NA	动态小波变换、深度学习	CNN	3D医学图像	四个公开的脑MRI数据集	NA	U-Net、多尺度网络、小波卷积模块	配准保真度	NA
1636	2026-09-18	Natural variation in IBF1 confers antimicrobial activity through altered flavonoid accumulation in rice hulls 2026-Sep-16, Journal of experimental botany IF:5.6Q1 DOI:10.1093/jxb/erag461 PMID:42747987	研究论文	本研究通过图位克隆发现水稻F-box蛋白IBF1的变异导致种内 hull color 和类黄酮积累差异，并影响抗菌活性	首次揭示IBF1 Kelch结构域变异通过影响与CHS1的互作导致种内类黄酮积累差异，并利用深度学习结构建模验证，发现该变异与抗菌活性相关	研究未明确具体抗菌机制，且主要基于两个品种，种内变异广度有限	解析水稻种内次生代谢物积累差异的遗传基础及其对抗菌活性的影响	水稻品种IR64和DJ123及其衍生的染色体片段代换系	机器学习	NA	图位克隆、酵母双杂交、深度学习结构建模、代谢组分析	NA	图像、文本	两个水稻品种（IR64和DJ123）及一个染色体片段代换系	NA	NA	NA	NA
1637	2026-09-18	SpaMOAL is a deep learning method that enables accurate spatial domain identification from multi-omics data 2026-Sep-16, PLoS biology IF:7.8Q1 DOI:10.1371/journal.pbio.3003690 PMID:42748198	研究论文	本文提出了一种基于图对比学习的深度学习方法SpaMOAL，用于从空间多组学数据中准确识别空间域	提出了SpaMOAL，一种基于图的对比学习方法，通过整合空间坐标、组织学图像特征和分子谱，从空间多组学数据中学习聚类友好的表示，实现准确的空间组织域划分	未明确提及	解决当前计算方法在有效整合多组学分子信息、空间信息及高分辨率组织学图像方面面临的挑战	小鼠和人类的空间多组学数据集	空间多组学分析	NA	空间多组学技术（空间转录组学、表观基因组学、蛋白质组学）	图对比学习	空间多组学数据、组织学图像	多个来自小鼠和人类的空间多组学配对数据集	NA	图对比学习架构	NA	NA
1638	2026-09-18	DeepEffector: A Protein Language Model-Driven Deep Learning Framework for Effector Prediction in Fungi and Oomycetes 2026-Sep-16, Plant physiology IF:6.5Q1 DOI:10.1093/plphys/kiag691 PMID:42748470	研究论文	开发了一个基于蛋白质语言模型的深度学习框架DeepEffector，用于预测真菌和卵菌中的效应蛋白	结合蛋白质语言模型（ProtT5和esm1b）生成功能语义嵌入，集成G-SMOTE解决类别不平衡，并采用多头自注意力和卷积神经网络的混合架构同时捕获全局上下文依赖和局部功能模式	未明确说明	高效识别病原体效应蛋白，以理解毒力机制和开发抗病作物	真菌和卵菌的效应蛋白	机器学习	作物病害	蛋白质语言模型	CNN, 自注意力机制	蛋白质序列	未明确说明	未明确说明	ProtT5, esm1b, 多头自注意力, CNN	未明确说明	未明确说明
1639	2026-09-18	Radiomics and its application to neuro-oncology: A narrative review of advances, clinical application and implementation challenges 2026-Sep-16, Journal of medical imaging and radiation sciences IF:1.3Q3 DOI:10.1016/j.jmir.2026.102568 PMID:42748856	综述	本文通过叙述性综述探讨了放射组学和人工智能在神经肿瘤学中的诊断、预后和治疗潜力	系统整合了放射组学与人工智能在神经肿瘤学中的应用进展，强调了放射基因组学将图像表型与基因改变相关联以促进个性化医疗	缺乏标准化协议、分割变异性大、缺乏经过验证的多中心研究	探索放射组学和人工智能在神经肿瘤学中的诊断、预后和治疗作用	神经肿瘤学相关的医学文献	数字病理学	脑肿瘤	放射组学，深度学习	深度学习	图像	NA	NA	NA	NA	NA
1640	2026-09-18	Geometry-informed Bayesian deep learning for proactive driving risk assessment: a full spatiotemporal probabilistic risk field approach 2026-Sep-16, Accident; analysis and prevention DOI:10.1016/j.aap.2026.108783 PMID:42748862	研究论文	本文提出了一种统一的主动驾驶风险评估框架，将几何信息引导的贝叶斯异方差卷积社交长短期记忆网络（GIBH-CS-LSTM）与全时空概率风险场（FSPRF）方法相结合，用于自动驾驶和高级驾驶辅助系统的主动风险评估	1. 提出了GIBH-CS-LSTM网络，通过异方差输出和变分推理同时量化偶然不确定性和认知不确定性；2. 引入几何边界约束和自适应双熵正则化（ADER）机制，确保空间可靠性并保持运动方差各向异性表示；3. FSPRF方法统一了同步交互风险、异步冲突风险和单车驶出路外风险的量化；4. 定义了基于集合的瞬时碰撞风险指数（ICRI），采用白化变换将集合间最小马氏距离转换为各向同性白化空间中的最小几何距离，修正了车辆边界附近的风险低估问题	摘要中未明确说明研究的局限性	解决传统冲突指标和风险场方法在统一捕捉固有运动不确定性和多维碰撞风险方面的局限性，以及纯数据驱动模型缺乏几何合理性、忽视认知不确定性的问题，实现主动驾驶风险评估	从高速公路曲线段和直线段提取的车辆轨迹数据	机器学习	NA	NA	CNN, LSTM, 贝叶斯深度学习	车辆轨迹数据（时序数据）	NA	NA	GIBH-CS-LSTM（几何信息引导的贝叶斯异方差卷积社交长短期记忆网络）	轨迹精度、道路偏离率	NA