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
1941	2026-09-16	Learning monocular depth estimation for defect measurement from civil RGB-D dataset 2026-May, Structural health monitoring DOI:10.1177/14759217251316532 PMID:42027425	研究论文	该论文构建了一个基于LiDAR的土木工程RGB-D数据集，并利用深度学习单目深度估计技术从单张图像中恢复场景三维几何，以实现基础设施缺陷的量化测量	构建了首个公开的、面向土木工程领域的原位LiDAR RGB-D数据集，填补了该领域缺乏公开RGB-D数据集的空白，并基于该数据集训练和评估单目深度估计器用于缺陷测量	摘要中未明确提及研究局限性	通过深度学习单目深度估计从单张图像中恢复场景三维几何，以实现土木基础设施缺陷的尺寸量化，用于严重程度分类和修复成本估算	土木基础设施中的结构缺陷	计算机视觉, 土木工程	NA	LiDAR, RGB-D成像	深度学习	图像, 深度图, 点云	NA	NA	NA	NA	NA
1942	2026-09-16	Evaluation of panoramic radiography for artificial intelligence-based assessment of impacted maxillary canines using cone-beam computed tomography as reference 2026-04-30, BMC oral health IF:2.6Q1 DOI:10.1186/s12903-026-08470-9 PMID:42056967	研究论文	本研究开发并评估了一种基于深度学习的人工智能框架，利用全景X光片并结合锥形束CT作为参考标准，全面评估上颌埋伏尖牙的位置分类、颊腭定位及邻近牙根吸收检测	将十二种预训练CNN架构应用于全景X光片上的三个诊断任务，并采用基于多数投票的融合模型策略，将多个CNN架构组合以显著提升诊断性能，且以CBCT作为参考标准进行验证	回顾性研究设计，样本量相对有限（458名患者，581颗埋伏尖牙），全景X光片上的感兴趣区域为手动标注，可能存在主观偏差	开发并评估基于深度学习的人工智能框架，利用全景X光片对上颌埋伏尖牙进行全面评估，包括位置分类、颊腭定位和邻近牙根吸收检测	458名患者（581颗上颌埋伏尖牙）的全景X光片和锥形束CT扫描图像	计算机视觉, 数字病理学, 医学影像分析	口腔疾病, 上颌埋伏尖牙	全景X光片, 锥形束CT	CNN	图像	458名患者，581颗上颌埋伏尖牙	NA	预训练CNN架构（十二种）, 融合模型	准确率, 精确率, 召回率, F1分数	NA
1943	2026-09-16	A Deep Learning-Based Scoring Framework for Large-Scale Multi-Donor Cardiotoxicity Screening 2026-Apr-26, bioRxiv : the preprint server for biology DOI:10.64898/2026.04.22.720197 PMID:42079066	研究论文	该文章提出了一个基于无监督深度学习的评分框架，利用hiPSC衍生心肌细胞的高通量钙瞬变记录进行大规模多供体心脏毒性筛查	使用仅在基线信号上训练的自编码器，通过重构误差量化化学诱导的功能扰动，无需标记训练数据即可捕捉钙处理紊乱的全谱；整合多供体数据揭示个体间差异，实现群体水平风险预测	摘要未明确提及研究局限性	开发一个可扩展、人类相关且遗传多样的平台，用于药物和环境化学物的心脏毒性监测和优先级排序	1,029种化合物，在来自五个供体的hiPSC-CM中进行浓度-反应测试	机器学习	心血管疾病	hiPSC-based testing, 高通量钙瞬变记录	自编码器	钙瞬变信号	1,029种化合物，来自五个供体的hiPSC-CM	NA	自编码器	NA	NA
1944	2026-09-16	Dysfunction of the neurovascular unit as a temporal driver in Alzheimer's pathogenesis 2026-Apr-22, Translational neurodegeneration IF:10.8Q1 DOI:10.1186/s40035-026-00548-2 PMID:42021347	综述	系统回顾神经血管单元（NVU）功能障碍在阿尔茨海默病（AD）进展中的作用，并探讨空间转录组学和类器官技术在NVU研究中的应用	提出NVU功能障碍可能先于并加剧AD神经系统病理状态，且NVU功能障碍与Aβ沉积协同促进AD进展；系统整合三维NVU类器官、单细胞分辨率空间转录组学及人工智能技术用于构建准确的功能结构模型	作为综述，未提供原始实验数据，主要基于现有文献总结，缺乏对NVU功能障碍与AD因果关系及具体分子机制的实验验证	系统阐明NVU功能障碍在AD进展中的时序驱动作用，并探讨空间转录组学和类器官技术在NVU研究中的应用前景	阿尔茨海默病中的神经血管单元（NVU），包括内皮细胞紧密连接、周细胞、星形胶质细胞、小胶质细胞和神经元	神经科学	阿尔茨海默病	三维NVU类器官、空间转录组学、单细胞分辨率技术	机器学习、深度学习	文本	NA	NA	NA	NA	NA
1945	2026-09-16	Deep learning-based high-information-content graph representation of early stage bacterial biofilms 2026-04-03, NPJ biofilms and microbiomes IF:7.8Q1 DOI:10.1038/s41522-026-00971-3 PMID:41932927	研究论文	本文提出了一种基于深度学习的高信息量图表示框架，将早期细菌生物膜建模为无向交互图，并结合Mask R-CNN细胞分割与自定义神经网络BINet进行细胞间相互作用预测。	首次将生物膜建模为无向交互图，其中单个细菌细胞为顶点、预测的细胞间相互作用为边；开发了自定义神经网络BINet用于相互作用预测；实现了从图像衍生图特征预测生物膜发育阶段和材料类型。	摘要中未提及	理解生物膜早期形成阶段的空间结构，开发有效的干预策略，并为微生物群落的自动化分析提供可扩展的高信息量方法	早期阶段细菌生物膜	计算机视觉	NA	显微成像，深度学习	CNN，图表示学习	图像	NA	NA	Mask R-CNN，BINet	NA	NA
1946	2026-09-16	Data Diversity vs. Model Complexity in the Prediction of Pediatric Bipolar Disorder: Evidence from Academic and Community Clinical Samples 2026-Mar-27, medRxiv : the preprint server for health sciences DOI:10.64898/2026.03.26.26349447 PMID:41929287	研究论文	该研究评估了多种统计、机器学习和深度学习模型在学术与社区临床样本中预测儿童双相情感障碍的性能，并比较了不同建模策略的效果。	直接比较了数据多样性（学术与社区样本）与模型复杂度对预测性能的影响，并发现采样多样性比模型复杂度更有价值。	研究仅基于两个数据集，样本量有限，且未涉及其他精神疾病或更广泛的人群验证。	评估不同模型在儿童双相情感障碍预测中的性能，并探讨数据多样性与模型复杂度对预测泛化能力的影响。	儿童双相情感障碍患者	机器学习	儿童双相情感障碍	NA	逻辑回归, LASSO, 支持向量机, 随机森林, K近邻, 极端梯度提升, 多层感知机	临床数据	学术数据集550例，社区数据集511例	NA	列线图, 逻辑回归, LASSO, 支持向量机, 随机森林, K近邻, 极端梯度提升, 多层感知机	区分能力, 校准度	NA
1947	2026-09-16	Integrating EfficientNetV2 with guided filopic diffusion for enhanced rice leaf disease recognition 2026-Mar-13, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-41654-5 PMID:41826510	研究论文	该研究提出了一种结合EfficientNetV2与引导滤泡扩散（GFD）的方法，用于水稻叶片病害识别，通过前置噪声去除（PNR）提升图像质量，并在水稻叶片病害数据集上取得了98.92%的准确率。	提出了一种先前未展示的基于EfficientNetV2和扩散边界注意力（Diffusion Bounded Attention）的水稻叶片病害识别方法，并引入引导滤泡扩散（GFD）技术进行前置噪声去除，以保留叶片纹理等关键特征。	摘要中未明确提及研究的局限性。	利用深度学习技术，特别是EfficientNetV2和扩散模型，提高水稻叶片病害识别的准确性和效率，以应对水稻生产中的病害挑战。	水稻叶片病害，包括稻叶黑粉病、褐斑病和细菌性叶枯病。	计算机视觉	植物病害	深度学习，引导滤泡扩散（GFD），前置噪声去除（PNR）	EfficientNetV2，扩散模型	图像	使用了全面的水稻叶片病害数据集，具体样本数量未在摘要中说明。	NA	EfficientNetV2，扩散边界注意力	准确率，召回率，精确率，F1分数，Dice相似系数（DSC）	NA
1948	2026-09-16	A novel dual-dimensional contrastive self-supervised learning-based framework for rolling bearing remaining useful life prediction 2026-Mar-13, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-38417-7 PMID:41826365	研究论文	本文提出了一种基于双维度对比自监督学习的框架（DCSSL），用于滚动轴承的剩余使用寿命预测。	提出了一种结合随机裁剪和时间戳掩码的策略来构建对比学习的正样本对，并设计了一种融合时间级和实例级的双维度对比损失函数，使模型能够在无标签振动数据中学习状态表示并挖掘滚动轴承的退化趋势。	未明确提及	提高滚动轴承剩余使用寿命预测的表示学习能力，以提升预测性能。	滚动轴承的振动数据	机器学习	不适用	自监督学习、对比学习	不适用	振动信号	未明确提及	未明确提及	未明确提及	未明确提及	未明确提及
1949	2026-09-16	Multi-task survival modeling of dependent failure and reimplantation events in dental implants 2026-Mar-12, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-40955-z PMID:41820437	研究论文	本研究提出了一种多任务生存分析框架，用于联合预测牙种植体的失败及后续再植入事件	整合了条件掩码、基于注意力的特征交互、单调性正则化和依赖对齐，以捕捉多阶段结局中的条件依赖性	未明确说明（摘要中未提及）	建模牙种植体的序贯结局，并提供个体化风险评估以辅助个性化治疗规划、监测和临床决策	1,627名患者及57个临床特征	机器学习	牙科疾病	NA	多任务生存分析框架	临床数据	1,627名患者	NA	基于注意力的多任务生存模型	一致性指数, AUC, Brier分数	NA
1950	2026-09-16	Automated interpretation of fetal cardiac function evaluation from the echocardiogram 2026-Mar-10, NPJ digital medicine IF:12.4Q1 DOI:10.1038/s41746-026-02381-3 PMID:41807718	研究论文	开发并验证了一种全自动人工智能工作流程，用于从超声心动图中估计胎儿心脏功能参数	全自动人工智能工作流程，集成了深度学习模型进行实时检测和分割，以及质量控制、几何计算和动态Z-score模型，性能优于手动和Fetal HQ测量	未明确提及	实现胎儿心脏功能的准确、高效和可重复的量化，以支持标准化临床应用	胎儿超声心动图	计算机视觉	心血管疾病	超声心动图	CNN	图像	内部数据集52,942张标注图像来自1,940个正常胎儿超声心动图；外部正常数据集245个超声心动图；内部异常数据集83个超声心动图	NA	NA	Dice相似系数, 交并比, 组内相关系数, R值, 平均绝对误差, 一致性界限, 个体等效系数	NA
1951	2026-09-16	A Deep Learning Framework Integrating Tumor Microenvironmental Features Accurately Predicts Multiple Driver Gene Mutations in Lung Cancer Pathology Images 2026-03-02, Cancer research IF:12.5Q1 DOI:10.1158/0008-5472.CAN-25-0582 PMID:41289566	研究论文	该研究开发了一个名为NAVF-Bio的深度学习框架，通过整合肿瘤微环境特征，从肺癌病理图像中预测多种驱动基因突变和肿瘤突变负荷。	提出了基于多实例学习的自适应多视图特征融合框架NAVF-Bio，能够整合全切片图像的肿瘤微环境特征，不仅预测驱动基因突变和TMB，还能精确识别突变驱动基因的外显子变异，并在多中心外部验证中展现了临床相关性能。	摘要中未明确提及研究局限性。	开发一个深度学习框架，从常规组织病理学切片中准确预测肺癌的驱动基因突变、突变亚型及外显子变异，以指导靶向治疗选择。	来自中国四家医院的2,573名肺癌患者的配对病理图像和下一代测序数据。	数字病理学	肺癌	下一代测序	多实例学习	图像	2,573名肺癌患者	NA	NAVF-Bio（基于多实例学习的自适应多视图特征融合框架）	NA	NA
1952	2026-09-16	Head-to-head comparisons of breast density assessment models using deep learning on digital and synthetic mammograms 2026-Mar, Journal of medical imaging (Bellingham, Wash.) DOI:10.1117/1.JMI.13.2.024503 PMID:42027209	研究论文	该研究比较了不同深度学习架构在数字乳腺X线摄影和合成乳腺X线摄影中的乳腺密度分类性能	首次在数字乳腺X线摄影和合成乳腺X线摄影之间进行深度学习架构的乳腺密度评估的头对头比较，并考虑了乳腺摄影视图和种族因素	结果可能因不同设备厂商而异，且仅使用了单一机构的回顾性数据	评估不同深度学习架构在数字乳腺X线摄影和合成乳腺X线摄影中乳腺密度分类的性能	2015年至2018年常规乳腺X线筛查检查的乳腺X线摄影图像	医学影像分析	乳腺癌	数字乳腺X线摄影, 合成乳腺X线摄影, 数字乳腺断层合成	CNN	图像	每种数据集10000例检查（数字乳腺X线摄影和合成乳腺X线摄影各10000例），测试集为10%未见数据	NA	ResNet-50, EfficientNet-B0, DenseNet-121	准确率, 95%置信区间, p值	NA
1953	2026-09-16	Ordinal Sleep Depth: A Data-Driven Continuous Measurement of Sleep Depth 2026-02, Journal of sleep research IF:3.4Q2 DOI:10.1111/jsr.70074 PMID:40276961	研究论文	本研究开发了一种基于深度学习的数据驱动连续睡眠深度测量方法——序数睡眠深度，并评估其与唤醒概率、年龄、性别、睡眠呼吸障碍和认知障碍的相关性	提出了序数睡眠深度这一数据驱动的连续睡眠深度测量方法，使用卷积神经网络结合序数回归来估计睡眠深度，与传统的离散睡眠分期和现有的唤醒概率乘积相比，序数睡眠深度与唤醒概率的相关性更强，且能更准确地捕捉与睡眠呼吸障碍和认知障碍相关的睡眠深度变化	仅基于脑电信号进行睡眠深度估计，未考虑其他生理信号；需要在更多样化的临床人群中进一步验证；序数睡眠深度与临床结局的因果关系尚未明确	开发一种数据驱动的连续睡眠深度测量方法，并评估其与唤醒概率及临床变量的相关性，以验证睡眠深度作为睡眠重要维度的价值	21,787份多导睡眠图记录，来自18,116名独特患者	机器学习	睡眠呼吸障碍, 认知障碍	多导睡眠图, 脑电图	CNN	脑电信号	21,787份多导睡眠图记录，来自18,116名独特患者	NA	卷积神经网络	皮尔逊相关系数	NA
1954	2026-09-16	Semantic segmentation deep learning model boosts surgeons' organ recognition in minimally invasive hysterectomy - a prospective multi-center reader performance study using pre-selected video clips 2026-Jan-20, International journal of surgery (London, England) DOI:10.1097/JS9.0000000000004606 PMID:41427529	研究论文	该研究评估了基于人工智能的语义分割深度学习模型在微创子宫切除术中辅助外科医生识别输尿管和膀胱的效果，结果表明AI辅助能显著提高识别敏感性，尤其对经验较少的外科医生帮助更大	首次通过前瞻性多中心读者性能研究，评估AI语义分割模型在不同经验水平外科医生识别输尿管和膀胱中的辅助效果，并证明AI辅助不降低特异性	模型Dice系数中等（输尿管0.66，膀胱0.62），膀胱识别在不同手术阶段存在中度变异性，研究使用预选视频片段而非实时手术场景	评估基于AI的解剖识别系统是否能提高外科医生对输尿管和膀胱的识别能力，且不降低特异性	16名来自8家机构的不同经验水平外科医生，以及输尿管和膀胱的手术视频图像	数字病理学, 计算机视觉	妇科疾病	语义分割, 深度学习	CNN	图像, 视频	13934张输尿管图像和4940张膀胱图像来自41家机构用于模型训练，16名外科医生参与评估	NA	NA	Dice系数, 敏感性, 特异性	NA
1955	2026-09-16	Shortcomings of deep learning for distributional predictors: a note 2026-01-20, Biostatistics (Oxford, England) DOI:10.1093/biostatistics/kxaf051 PMID:41555576	研究论文	本文比较了非结构化神经网络与显式利用置换不变性的有序预测变量神经网络在预测变量分布问题上的表现，发现后者在预测误差和估计精度上均优于前者	提出有序预测变量神经网络，显式利用输入向量的置换不变性来简化学习任务，并在神经贝叶斯估计中展示了其优势	主要基于模拟研究，未在真实生物医学数据集上广泛验证	探讨在预测变量具有置换不变性时，是否应使用显式利用该不变性的学习或统计建模方法，而非非结构化深度学习	具有大量同类型测量预测变量的生物医学数据，关注个体内分布	机器学习	NA	NA	神经网络	模拟数据	NA	NA	有序预测变量神经网络，非结构化神经网络	预测误差，估计精度	NA
1956	2026-01-16	Towards digital twin-enabled perioperative care: extending the potential of multimodal deep learning for cardiovascular risk stratification 2026-Jan-13, International journal of surgery (London, England) DOI:10.1097/JS9.0000000000004617 PMID:41537304	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
1957	2026-09-16	Discovery of Tetrahydroisoquinoline-Based SARS-CoV-2 Helicase Inhibitors with Iterative, Deep Learning-Enhanced Virtual Screening 2026-01-12, Journal of chemical information and modeling IF:5.6Q1 DOI:10.1021/acs.jcim.5c02059 PMID:41400222	研究论文	该论文通过三轮虚拟筛选（结合人工智能）靶向SARS-CoV-2解旋酶，发现四氢异喹啉类抑制剂，并利用深度神经网络提高筛选效率	在第三轮虚拟筛选中引入深度神经网络优先筛选含有先前命中片段的商业分子，将命中识别效率提高了21%；发现了具有新变构抑制机制的THIQ类化合物	未明确说明	发现靶向SARS-CoV-2解旋酶的抑制剂	SARS-CoV-2解旋酶（Nsp13）和四氢异喹啉衍生物	药物发现	COVID-19	基于结构的药物发现，虚拟筛选，深度学习	深度神经网络	分子结构数据	18个3-苯基-1,2,3,4-四氢异喹啉衍生物	NA	深度神经网络	选择性指数（CC/EC），EC50	NA
1958	2026-09-16	Bayesian Inference of Gene Regulatory Networks at Stochastic Steady State 2026-Jan-12, bioRxiv : the preprint server for biology DOI:10.64898/2026.01.10.698684 PMID:41659677	研究论文	本文提出了一种基于化学朗之万方程的贝叶斯推断方法，用于在随机稳态下推断基因调控网络的结构和动力学参数	首次将化学朗之万方程与正则化马蹄先验结合用于基因调控网络推断，无需观测瞬态动力学即可推断动力学参数、识别网络结构及调控环，兼具生物可解释性和结构可辨识性	仅使用合成基因表达数据进行评估，未在真实生物学数据上验证	开发一种考虑基本生化过程的贝叶斯推断方法，在随机稳态下推断基因调控网络结构和动力学参数	基因调控网络，具体为合成基因表达数据	机器学习	NA	贝叶斯推断，化学朗之万方程	贝叶斯模型	数值	NA	NA	NA	NA	NA
1959	2026-09-16	Integration of clinical, pathological, and endoscopic data improves prediction for lymph node metastasis in early gastric cancer: a retrospective multicenter study 2026-Jan-07, International journal of surgery (London, England) DOI:10.1097/JS9.0000000000004707 PMID:41536186	研究论文	该研究整合临床、病理和内镜数据，构建深度学习模型预测早期胃癌淋巴结转移，并评估其对内镜医师诊断性能的影响	开发了LNMate深度学习模型用于ESD前淋巴结转移预测，并构建了基于深度学习的内镜列线图（DLEN）用于ESD后风险估计；同时结合免疫组化分析探索了免疫细胞浸润与淋巴结转移预测的关联	回顾性研究设计可能存在选择偏倚；免疫组化分析样本量较小（仅32例）；模型的外部验证有待进一步开展	提高早期胃癌淋巴结转移的术前预测准确性，为内镜医师的ESD前治疗规划和外科医师的ESD后手术决策提供支持	605例接受内镜黏膜下剥离术和/或手术的早期胃癌患者，以及32例患者的组织样本	数字病理学	胃癌	深度学习，免疫组化分析	深度学习模型	图像，临床数据，病理数据，内镜数据	605例早期胃癌患者，32例组织样本	NA	NA	AUC，准确率，特异性	NA
1960	2026-09-16	2DSDNN: A Novel Approach for Alzheimer's Disease Classification 2026, Current medical imaging IF:1.1Q3 DOI:10.2174/0115734056368237251028221129 PMID:42163688	研究论文	该文提出一种颅骨剥离算法和2D序列深度学习神经网络（2DSDNN）模型，用于基于MRI图像的阿尔茨海默病二分类和多分类诊断	提出颅骨剥离算法结合阈值处理和形态学操作进行精确图像分割；设计2D序列深度学习神经网络（2DSDNN）模型；结合高斯滤波和形态学操作提升图像分割质量；在T1和T2加权MRI模态上使用序列深度学习框架，性能优于传统CNN和DNN模型	仅使用ADNI数据集的1,044张MRI扫描图像，样本量有限；未与其他大规模多中心数据集进行验证；未讨论模型的可解释性和泛化能力	利用神经影像技术和机器学习方法实现阿尔茨海默病的早期检测和阶段分类	阿尔茨海默病（AD）、轻度认知障碍（MCI）和认知正常（CN）患者的MRI影像	医学图像分类	阿尔茨海默病	MRI（T1加权和T2加权）、颅骨剥离算法、阈值处理、形态学操作、高斯滤波	深度学习神经网络	图像	1,044张来自ADNI数据集的MRI扫描图像	NA	2D序列深度学习神经网络（2DSDNN）	准确率、灵敏度、特异性、精确率、召回率、F1分数、AUC	NA