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
1761	2026-08-19	Advancing bioinformatics with language models: components, applications, and perspectives 2026-Jul-03, Briefings in bioinformatics IF:6.8Q1 DOI:10.1093/bib/bbag367 PMID:42430786	综述	该文章全面综述了基于Transformer的大型语言模型在基因组学、转录组学、蛋白质组学、药物发现和单细胞分析等生物信息学领域的应用，并讨论了关键组件、现有基础模型及未来方向	强调了以往综述中未充分解决的主要挑战，并提出了下一代生物语言模型的设计原则	未提及具体的局限性	提供大型语言模型在生物信息学中应用的全面概述，并为用户和开发者提供实用指导	大型语言模型及其在生物信息学各领域中的应用	自然语言处理	NA	NA	大型语言模型	文本、生物序列数据	NA	NA	Transformer	NA	NA
1762	2026-08-19	Eras of bioinformatics technologies from command-line interfaces to artificial intelligence (AI) chatbots 2026-Jul-03, Briefings in bioinformatics IF:6.8Q1 DOI:10.1093/bib/bbag256 PMID:42430655	综述	回顾生物信息学从命令行工具到人工智能聊天机器人的技术演变历程，并展望未来面临的挑战	将AI在生物信息学中的兴起置于历史背景下，揭示不同技术时代降低入门门槛的同时带来透明度、信任和严谨性等新问题	未提及具体局限	提供批判性路线图，以应对下一代生物信息学面临的文化、伦理和技术十字路口	生物信息学技术及其演变历程	生物信息学	不适用	下一代测序、深度学习、大规模语言模型	深度学习模型、大规模语言模型	生物数据（序列、结构、多模态）	不适用	不适用	AlphaFold系列等	不适用	云计算平台
1763	2026-08-19	A deep learning-enabled toolkit for the 3D segmentation of ventricular cardiomyocytes 2026-Jul, The Journal of physiology DOI:10.1113/JP288557 PMID:41031902	研究论文	本文介绍了一种基于深度学习的工具箱，用于三维共聚焦显微镜体积中单个心室心肌细胞的自动分割，并包含跨物种和多种实验条件的带注释数据集。	首次将深度学习方法应用于高分辨率三维心肌细胞分割，提供了涵盖七个物种和多种实验条件的开放数据集和工具包，并包含图像恢复工作流以处理空间变化模糊等问题。	未明确提及，但数据集中体积数量有限（73个），且分割结果依赖专家注释质量。	开发并验证一个开放获取的深度学习工具箱，以可靠地从三维共聚焦图像堆栈中分割和量化心肌细胞微观结构。	单个心室心肌细胞，涵盖七个物种（小鼠、人类、大象等）以及不同实验条件（如心肌梗死后和离体切片培养）的样本。	计算机视觉	心血管疾病	共聚焦显微镜	深度学习分割模型（具体架构未指明，如CNN）	三维图像	73个体积数据，包含专家注释，涉及七个物种和多种实验条件。	未指明	未指明（可能为U-Net或类似分割架构）	自适应Rand误差（Adapted Rand error），约94%体素对一致性。	未指明
1764	2026-08-19	Artificial Intelligence in Cardiology: Applications in Diagnosis and Risk Prediction 2026-Jul, Cureus DOI:10.7759/cureus.112841 PMID:42605286	综述	本文综述了人工智能在心脏病学中用于诊断和风险预测的最新进展，重点关注临床应用的现状和挑战	系统总结了AI在影像、心电图和预测建模中的应用，并强调了与可穿戴技术整合及多模态数据融合的潜力	数据集缺乏多样性、模型泛化性差、可解释性有限，以及验证、伦理和整合问题	探讨人工智能在心血管疾病诊断和风险预测中的临床应用及其挑战	心血管疾病患者及相关临床数据	机器学习	心血管疾病	NA	机器学习模型、深度学习模型	医学影像、心电图信号、临床数据	NA	NA	NA	诊断准确性、风险分层能力	NA
1765	2026-08-19	Artificial Intelligence Across the Echocardiographic Workflow: A Narrative Review for Clinicians 2026-Jul, Cureus DOI:10.7759/cureus.112828 PMID:42605470	综述	本文综述了人工智能在超声心动图工作流程中的临床应用，涵盖图像采集、视图分类、腔室分割、功能量化和血流动力学评估等环节	从临床医生视角系统回顾了AI在超声心动图全流程中的应用，并指出了临床应用转化中的关键障碍	缺乏外部验证、对图像质量的依赖性、不同超声设备厂商和患者群体之间的差异、模型可解释性有限，以及缺乏证据表明能改善患者预后	概述AI在超声心动图工作流程中的当前临床应用，并讨论实施挑战和未来方向	超声心动图图像及相关临床数据	计算机视觉	心血管疾病	深度学习	深度学习模型（未具体指明类型）	超声心动图图像	NA	NA	NA	NA	NA
1766	2026-08-19	Cost-effectiveness of Artificial Intelligence applications in healthcare: A systematic review 2026 Jul-Sep, Health informatics journal IF:2.2Q3 DOI:10.1177/14604582261460314 PMID:42610406	系统综述	本文系统评估了人工智能在医疗保健应用中成本效益的证据，涵盖筛查、诊断、治疗决策支持和康复等领域。	首次通过系统综述方法，全面评估AI在医疗保健领域的成本效益，并采用CHEC-list评估研究方法学质量。	当前证据强度中等且高度依赖具体情境，结果受方法学假设、实施成本和医疗系统特征影响。	评估人工智能在医疗保健应用中的成本效益，以支持价值导向的医疗决策。	人工智能在医疗保健中的应用，包括筛查、诊断、治疗决策支持和康复等。	卫生经济学与人工智能应用	不特定	深度学习及其他AI技术	AI模型（包括深度学习等）	不适用	26项符合纳入标准的研究	不适用	不适用	增量成本效益比、质量调整生命年、伤残调整生命年	不适用
1767	2026-08-19	PIGMENT: A deep learning framework for Porcine Immunohistochemistry seGMENTation 2026-Jun-29, bioRxiv : the preprint server for biology DOI:10.64898/2026.06.18.733245 PMID:42395528	research paper	介绍了一个用于猪白质组织免疫组化APP阳性病理自动分割和量化的深度学习框架PIGMENT	提出了一种结合有限专家标签和APP特异性增强的注释高效深度学习框架，能够将稀疏、碎片化、染色变异且形态多样的APP阳性轮廓准确分割，并生成全切片APP负荷图	训练数据仅来自三只猪的四个切片，样本量有限；模型在外部数据集上的泛化能力未验证；依赖专家注释质量	开发一种可扩展的自动化方法，用于量化创伤性脑损伤后猪白质中的APP阳性病理，以支持与神经影像或其他组织水平测量的对齐研究	猪白质组织中的APP阳性轴突病理	机器学习, 数字病理学	创伤性脑损伤	免疫组化	SegFormer-B0（基于Transformer的语义分割模型）	组织病理图像（512×512像素的图块）	来自三只猪的四个APP染色切片中的525个专家注释图块	PyTorch	SegFormer-B0	实例级检测率	NA
1768	2026-08-19	TIDEST: post-imputation differential expression testing for spatial transcriptomics data 2026-Jun-24, bioRxiv : the preprint server for biology DOI:10.64898/2026.06.19.733432 PMID:42395515	研究论文	提出TIDEST框架，用于空间转录组数据插补后的差异表达检验，以校正偏差并控制假发现率。	首次将插补不确定性引入差异表达分析，结合测量基因信息修正系统性误差，并调整潜在空间变异。	未提及计算资源消耗和在大规模数据上的扩展性。	为空间转录组插补后的差异表达分析提供统计框架，提高错误控制并保持统计功效。	小鼠脑、人类胶质母细胞瘤和人类乳腺癌的空间转录组数据。	生物信息学	胶质母细胞瘤、乳腺癌	空间转录组测序	NA	空间转录组表达矩阵	包括模拟数据和三个真实数据集（小鼠脑、人类胶质母细胞瘤、人类乳腺癌）。	NA	NA	错误控制、统计功效	NA
1769	2026-08-19	Invariant state modelling for robust adaptive intrusion detection in software-defined internet of things environments 2026-Jun-06, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-55503-y PMID:42251070	研究论文	提出一种名为RADIUS的鲁棒自适应入侵检测框架，用于软件定义物联网环境，通过不变状态建模实现高效检测	创新点在于利用时间卷积编码器构建流量嵌入，并引入自适应状态转换模块识别隐式状态转换，结合双目标优化和极值理论实现可解释且自适应的检测	NA	旨在解决SD-IoT网络中的异构流量、高吞吐量限制和非平稳攻击等挑战，开发统一且可部署的入侵检测框架	软件定义物联网环境中的网络流量数据	计算机视觉，机器学习，网络安全	不适用	时间卷积编码器（TCE），自适应状态转换模块（ASTM），极值理论（EVT）	时间卷积网络（TCN）	网络流量数据	未提及具体样本数量，可能为多个数据集，但摘要未给出	未提及具体框架，可能使用PyTorch或TensorFlow，但摘要未列出	TCE（时间卷积编码器）结合ASTM，具体架构未详细说明	准确率、精确率、召回率、F1分数	未提及计算资源
1770	2026-08-19	Deep learning synthesis of virtual T2-weighted fat-suppressed MR images: a multi-center study 2026-Jun, European journal of radiology IF:3.2Q1 DOI:10.1016/j.ejrad.2026.112797 PMID:41855768	研究论文	本研究开发了一种基于生成对抗网络的方法，用于从标准T1和T2加权MRI图像生成虚拟T2脂肪抑制图像，旨在减少MRI扫描时间而不影响脊柱肿瘤评估的诊断价值	首次使用多中心数据验证GAN在生成虚拟T2脂肪抑制MRI图像方面的可行性，并证明合成图像在脂肪抑制方面优于真实图像	真实图像在肿瘤内部细节可视化方面略优于合成图像	减少MRI扫描时间，同时保持对脊柱肿瘤评估的诊断价值	脊柱肿瘤患者	计算机视觉，数字病理学	脊柱肿瘤	MRI	GAN	图像	1389名脊柱肿瘤患者，分为训练集（n=1026）、内部验证集（n=257）和外部测试集（n=106）	NA	NA	均方误差、结构相似性指数、峰值信噪比、Dice相似系数、信噪比、对比度噪声比	NA
1771	2026-08-19	Transformer-based super-resolution lung CT images improve visualization of multiple diseases 2026-Jun-01, The British journal of radiology DOI:10.1093/bjr/tqag069 PMID:41915020	研究论文	本研究评估了基于Transformer的Swin2SR模型对肺部CT图像进行超分辨率增强的效果及其临床潜力	首次将Transformer架构的Swin2SR模型应用于肺部CT图像超分辨率增强，并进行了多阅片者多病例分析以评估其对多种肺部疾病可视化的影响	未在摘要中明确提及局限性	评估Swin2SR模型超分辨率增强肺部CT图像的临床价值，包括图像质量和病变可见性的改善	303例患者的胸部CT扫描，涵盖13种主要肺部疾病	计算机视觉, 医学影像	肺部疾病（包括细菌性肺炎、支气管炎、实性结节、肺不张、支气管扩张、肺癌等）	CT成像, 超分辨率增强	Transformer（Swin2SR）	图像（肺部CT）	303例患者	未提及	Swin2SR	图像噪声, 信噪比, 5点Likert量表评分（图像质量和病变可见性）	未提及
1772	2026-08-19	Deep learning for fluorescence confocal microscopy image interpretation in radical prostatectomy 2026-06, BJU international IF:3.7Q1 DOI:10.1111/bju.70273 PMID:42001901	研究论文	开发并验证用于根治性前列腺切除术中荧光共聚焦显微镜图像判读的深度学习模型，以辅助术中手术切缘评估	将深度学习模型应用于荧光共聚焦显微镜图像的术中切缘评估，并针对类别不平衡问题进行了模型改进	外部验证时特异性降低，样本量较小，且数据来源有限	开发并验证一种用于实时术中切缘评估的深度学习模型，减少对术中病理支持的依赖	荧光共聚焦显微镜图像	数字病理学	前列腺癌	荧光共聚焦显微镜	卷积神经网络	图像	275张图像（37张肿瘤图像和238张良性图像，来自24名患者）用于模型开发和内部测试；外部验证使用46张独立图像	NA	卷积神经网络（具体结构未指定）	敏感性、特异性、阳性预测值、阴性预测值、AUC、Brier分数	NA
1773	2026-08-19	Editorial: Smart Cities, Innovating in the Transformation of Urban Environments 2026-May-22, Mathematical biosciences and engineering : MBE DOI:10.3934/mbe.2026064 PMID:42448585	社论	本专刊汇集了运用数学建模、优化、机器学习和深度学习技术解决智慧城市系统设计、监测和运营中紧迫问题的原创研究。	集中展示了数学、工程与生命科学交叉领域在智慧城市研究中的创新应用，强调数据和决策支持。	未提供具体研究细节，无法评估每项研究的局限。	探讨智慧城市系统设计、监测和运营的挑战，并突出数据驱动决策支持的重要性。	智慧城市系统，包括环境工程、智能交通、光伏性能评估和城市流动性。	机器学习	NA	NA	NA	NA	NA	NA	NA	NA	NA
1774	2026-08-19	Prognostic value of CT-derived fractional flow reserve for major adverse cardiovascular events in patients with suspected or known coronary artery disease: a systematic review and meta-analysis 2026-May-20, Open heart IF:2.8Q2 DOI:10.1136/openhrt-2026-003979 PMID:42161421	meta-analysis	系统综述和荟萃分析，评估CT来源的冠脉血流储备分数（FFR-CT）异常对于疑似或已知冠状动脉疾病患者主要不良心血管事件（MACE）的预后价值	更新了2022年Nørgaard等人的荟萃分析，纳入研究数量增加四倍，并首次通过亚组分析验证了FFR-CT预后价值在不同技术（包括HeartFlow、机器学习和深度学习算法）间的稳定性	存在显著的异质性（I²=79.9%），修剪-填充分析提示可能存在发表偏倚，且GRADE证据确定性仅为中等	量化异常FFR-CT（≤0.80）与疑似或已知冠状动脉疾病患者发生MACE风险之间的关联，并更新现有证据	疑似或已知冠状动脉疾病的患者	数字病理学	冠状动脉疾病	CT衍生的血流储备分数（FFR-CT）	NA	预后研究数据	22项研究，共20067名患者	NA	NA	风险比（HR）、置信区间（CI）、异质性（I²）、p值	NA
1775	2026-08-19	Machine Learning and Deep Learning Models for Predicting Future Falls in Community-Dwelling Older Adults: Systematic Review and Meta-Analysis of Longitudinal Evidence 2026-May-14, Journal of medical Internet research IF:5.8Q1 DOI:10.2196/84844 PMID:42133917	系统综述和Meta分析	本文系统回顾并Meta分析了机器学习与深度学习模型在社区老年人未来跌倒风险预测中的表现，发现合并AUC为0.79，但存在高偏倚风险和极大的异质性。	聚焦于社区居住老年人未来跌倒预测，而非实时检测或院内跌倒，并整合PROBAST、Hartung-Knapp-Sidik-Jonkman随机效应模型、预测区间和模态特异性综合来评估判别力和不确定性。	多数模型仅内部验证，外部验证不足，所有模型均被评为高偏倚风险，校准报告稀疏，且特定人群亚组仅含2项研究，合并AUC受研究特定条件限制。	评估机器学习与深度学习模型在预测社区老年人未来跌倒风险中的表现及不确定性。	社区居住的年龄≥60岁的老年人。	机器学习	跌倒风险（老年疾病）	NA	机器学习模型和深度学习模型	文本、传感器、图像和多模态数据	28项研究，跌倒发生率从1.6%到46.6%不等	NA	NA	曲线下面积（AUC）、异质性（τ²、I²、Q统计量）、预测区间	NA
1776	2026-08-19	Transformers for single-cell RNA sequencing: a survey 2026-May-04, Briefings in bioinformatics IF:6.8Q1 DOI:10.1093/bib/bbag332 PMID:42366620	综述	本文对Transformer在单细胞RNA测序中的应用进行了全面综述，系统分析了针对特定任务和解决多下游任务的基础模型，并探讨了性能、计算效率、可解释性和可扩展性等维度	首次系统性地综述Transformer在scRNA-seq中的应用，不仅涵盖任务特定模型，还包括基础模型，并从多个角度评估模型	未提及具体局限性，但综述可能受限于当前文献覆盖范围	全面概述Transformer在单细胞RNA测序中的应用，分析模型构建和能力，并指出未来研究方向	Transformer模型在单细胞RNA测序数据分析中的应用	机器学习	NA	单细胞RNA测序	Transformer	单细胞RNA测序数据	NA	NA	Transformer	性能、计算效率、可解释性、可扩展性	NA
1777	2026-08-19	Toward real-time autonomous navigation: transformer-based catheter tip tracking in fluoroscopy 2026-May, International journal of computer assisted radiology and surgery IF:2.3Q2 DOI:10.1007/s11548-026-03647-7 PMID:42043651	研究论文	本文提出并评估了一种基于Transformer的实时导管尖端跟踪流水线，用于透视图像中的机械取栓自主导航	设计了一个多线程实时跟踪流水线，整合预处理、推理和后处理，并对比了U-Net、U-Net+Transformer和SegFormer模型，在分割基准上超越了现有最先进的CathAction结果	未在论文标题和摘要中明确说明局限性	开发并评估在透视下实时导管尖端跟踪方法，以支持基于强化学习的机器人自主导航进行机械取栓	导管尖端在透视视频中的跟踪	计算机视觉	中风	透视成像	深度学习分割模型（U-Net、U-Net+Transformer、SegFormer）	透视视频图像	手动标注的中等复杂度透视视频数据，具体数量未在标题和摘要中说明	未在标题和摘要中明确说明	U-Net, U-Net+Transformer, SegFormer	平均绝对误差, Dice分数	未在标题和摘要中明确说明
1778	2026-08-19	Identifying Biomarkers Using a Portable, Home-Based Eye-Tracking System to Predict Short-Term Visual Fatigue Deterioration: Prospective Observational Feasibility Study 2026-Apr-28, JMIR human factors IF:2.6Q3 DOI:10.2196/84479 PMID:42048137	研究论文	本文开发并评估了一种名为EyeFatigue Tracker的集成家用系统，利用客观眼部指标预测短期视觉疲劳恶化，该系统包括头戴式设备、深度学习模型和机器学习分类器，用于监测和评估计算机视觉综合征。	提出了一种集成的居家系统EyeFatigue Tracker，结合头戴设备、深度学习提取眼部指标和机器学习预测疲劳风险，无需主观报告即可客观评估视觉疲劳，并自动生成会话报告。	样本量较小（38名参与者），且研究为可行性研究，可能需要更大规模验证；系统依赖特定硬件和模型，可能存在泛化性限制。	开发并评估一种家用系统，通过客观眼部指标预测短期视觉疲劳恶化，以补充主观症状评估。	参与者为19-31岁的健康成年人，共38人，进行1小时计算机游戏任务，以诱发视觉疲劳。	计算机视觉，机器学习，数字健康	视觉疲劳（计算机视觉综合征）	红外眼动记录，深度学习图像分割	卷积神经网络（用于图像分割），机器学习分类器（SVM、决策树、XGBoost、随机森林）	眼部视频（红外图像）	38名参与者（年龄19-31岁，平均24.8岁）	未提及特定框架，但可能涉及PyTorch或TensorFlow（推断）	深度学习模型用于分割眼睑裂隙、瞳孔和虹膜；机器学习模型包括SVM、决策树、XGBoost、随机森林	准确性、AUC（受试者工作特征曲线下面积）	未提及具体计算资源
1779	2026-08-19	Deep Learning Model Using Transfer Learning for Detecting Left Ventricular Systolic Dysfunction: Retrospective Algorithm Development and Validation Study 2026-Apr-24, JMIR medical informatics IF:3.1Q2 DOI:10.2196/83127 PMID:42030497	研究论文	本研究提出并验证了一种利用纵向患者数据进行重新校准的深度学习方法，以提高AI-ECG模型检测左心室收缩功能障碍的准确性，并模拟其在持续监测中的临床应用。	引入了一种患者个体化的重新校准策略，结合历史左心室射血分数和先前AI-ECG输出调整未来预测，以经验性减轻混杂效应，并提高了跨多种合并症的模型性能一致性和准确性。	研究中未明确提及局限性，但可能包括模型对特定患者群体的适用性、外部验证范围的局限性等。	开发并验证一种重新校准方法，利用纵向患者数据提高AI-ECG检测LVSD的预测准确性，并评估其在持续监测中的临床效用。	左心室收缩功能障碍患者及正常对照患者。	深度学习	心脏病	心电图（ECG）、超声心动图（TTE）	深度学习模型（DeepECG LVSD）	心电图和超声心动图图像数据	多中心回顾性队列研究，包括初始和随访的TTE-ECG配对数据集。	未提及	DeepECG	受试者工作特征曲线下面积（AUC）	未提及
1780	2026-08-19	Deep learning on histopathological images to predict breast cancer recurrence risk and chemotherapy benefit: a multicentre, model development and validation study 2026-Apr, The Lancet. Oncology DOI:10.1016/S1470-2045(25)00727-2 PMID:41831466	研究论文	开发并验证了一种基于常规组织病理学切片和临床变量的多模态深度学习模型，用于预测激素受体阳性、HER2阴性早期乳腺癌的复发风险和化疗获益	首次利用大规模预训练基础模型结合常规病理切片直接估计Oncotype DX 21基因复发评分，无需基因检测即可实现风险分层和化疗决策指导	依赖高质量无扫描伪影切片，需要至少100个组织块，可能限制在资源有限环境中的可部署性	开发一种经济可行的AI工具，替代昂贵的基因组检测，为激素受体阳性、HER2阴性早期乳腺癌患者提供化疗决策支持	激素受体阳性、HER2阴性、无扫描伪影的浸润性乳腺癌患者	数字病理学、深度学习	乳腺癌	数字病理切片、临床变量分析	多模态深度学习模型、基础模型	全切片图像、临床数据	TAILORx试验8284例患者，外部验证5497例患者	NA	基础模型、多模态融合架构	曲线下面积、风险比、95%置信区间	NA