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	2026-06-29	Leveraging Artificial Intelligence and Data Science for Integration of Social Determinants of Health in Emergency Medicine: Scoping Review 2024-10-30, JMIR medical informatics IF:3.1Q2 DOI:10.2196/57124 PMID:39475815	综述	本文通过范围综述探讨人工智能和数据科学在急诊医学中整合社会健康决定因素的应用潜力	首次系统评估AI和数据科学在急诊科中建模、提取和整合社会健康决定因素数据的能力，强调自然语言处理技术的预测性能	研究尚处于早期阶段，缺乏标准化SDOH数据收集方法，且算法需针对不同患者群体优化	评估AI和数据科学在急诊科中整合社会健康决定因素数据的潜力，并识别未来研究领域	2015-2022年间发表的关于AI或数据科学在急诊医疗中应用SDOH的研究	自然语言处理	NA	NA	机器学习, 自然语言处理, 深度学习	文本	26项研究	NA	规则型NLP, 深度学习, 模式匹配	F1分数, 特异性	NA
1942	2026-06-29	Evaluating Medical Entity Recognition in Health Care: Entity Model Quantitative Study 2024-10-17, JMIR medical informatics IF:3.1Q2 DOI:10.2196/59782 PMID:39419501	研究论文	评估七种命名实体识别模型在三个医学数据集上的性能，并分析影响性能的宏观因素	引入了宏观因素（如实体短语长度和每个实体短语中的实体词数量）对模型性能影响的分析，并采用多级因子消除算法筛选影响因子	未提及研究局限性	细致评估不同NER模型在医学文本分析中的性能，并探索宏观因素对其准确性的影响，为优化医学NER模型提供见解	七种NER模型（HMM、CRF、BioBERT、BigBird、DeBERTa、RoBERTa和Gemma）在三个医学数据集（Revised JNLPBA、BioCreative V CDR、AnatEM）上的表现	自然语言处理	NA	NA	HMM, CRF, BERT, BigBird, DeBERTa, RoBERTa, Gemma	文本	三个数据集：Revised JNLPBA、BioCreative V CDR、AnatEM（具体样本数未提及）	NA	HMM、CRF、BioBERT、BigBird、DeBERTa、RoBERTa、Gemma	微平均分数（AVG_MICRO）	NA
1943	2026-06-29	Metabolic phenotyping with computed tomography deep learning for metabolic syndrome, osteoporosis and sarcopenia predicts mortality in adults 2024-08, Journal of cachexia, sarcopenia and muscle DOI:10.1002/jcsm.13487 PMID:38649795	研究论文	利用CT深度学习模型预测代谢综合征、骨质疏松和肌少症，并评估这些代谢表型与长期死亡率的关系	首次使用基于CT多层身体成分参数的多输出深度学习模型同时检测代谢综合征、骨质疏松和肌少症，并探讨其代谢表型对长期死亡率的预测价值	未提及明显的局限性，但可能存在样本选择偏倚或模型泛化性问题	开发基于CT身体成分的深度学习模型，同时检测代谢综合征、骨质疏松和肌少症，并评估其对长期死亡率的预测价值	社区居住和住院成人	机器学习、计算机视觉	代谢综合征、骨质疏松、肌少症	CT扫描	多层感知机（MLP）	CT图像及身体成分参数	训练及内部测试集516人，外部测试集1为380人，外部测试集2为10141人	NA	多层感知机（MLP）	受试者工作特征曲线下面积（AUC）、调整风险比（aHR）	NA
1944	2026-06-29	Estimating three-dimensional foot bone kinematics from skin markers using a deep learning neural network model 2024-08, Journal of biomechanics IF:2.4Q3 DOI:10.1016/j.jbiomech.2024.112252 PMID:39116677	研究论文	提出基于深度神经网络的模型，利用皮肤标记点估计足部骨骼的三维运动学	首次提出非侵入性方法，利用深度神经网络从皮肤标记点估算足部骨骼三维运动学，为研究足部功能及足部疾病发病机制提供新途径	NA	开发一种非侵入性方法，通过皮肤标记点准确估计足部骨骼的运动学	健康成人及尸体标本的足部	机器学习	足部疾病	CT扫描	深度神经网络	CT图像及皮肤标记点位置数据	11名健康成人和13具尸体标本，涉及不同足部姿势	NA	四层神经网络	平均位置误差、平均方向误差	NA
1945	2026-06-29	A Multimorbidity Analysis of Hospitalized Patients With COVID-19 in Northwest Italy: Longitudinal Study Using Evolutionary Machine Learning and Health Administrative Data 2024-07-18, JMIR public health and surveillance IF:3.5Q1 DOI:10.2196/52353 PMID:39024001	研究论文	使用进化机器学习分析意大利西北部COVID-19住院患者的共病特征，并识别与疾病严重程度相关的组合	将进化算法与Apriori算法结合，处理共病数据的稀疏性和组合爆炸问题，从行政数据中提取预测性共病特征组合	未在论文中明确说明局限性	评估多病患者COVID-19严重程度，并识别与严重性强的共病特征组合	意大利皮埃蒙特地区12,793名45-74岁COVID-19阳性患者	机器学习	COVID-19	NA	进化机器学习模型、深度学习分类器	行政健康数据	12,793名45-74岁COVID-19阳性患者	NA	深度学习分类器	预测适应度评分	NA
1946	2026-06-29	Exploring the Association Between Structural Racism and Mental Health: Geospatial and Machine Learning Analysis 2024-05-03, JMIR public health and surveillance IF:3.5Q1 DOI:10.2196/52691 PMID:38701436	研究论文	通过地理空间和机器学习方法，探讨结构种族主义与心理健康差异的关联	首次结合地理加权随机森林、自组织映射和K-means聚类，量化结构种族主义对心理健康的复合影响，并在分析中先排除种族因素再重新纳入以测量歧视效应	NA	阐明结构种族主义与心理健康差异的关联机制	威斯康星州密尔沃基县社区的217个地理参考解释变量及心理健康数据	机器学习	心理健康	NA	地理加权随机森林、自组织映射、K-means聚类	地理空间数据	217个地理参考变量	NA	随机森林、自组织映射	NA	NA
1947	2026-06-28	Automated Diagnosis of Breast Cancer Using Deep Learning Techniques Applied to Digital Mammography and Magnetic Resonance Images 2026-Dec-01, Topics in magnetic resonance imaging : TMRI DOI:10.1097/RMR.0000000000000323 PMID:42360310	研究论文	使用深度学习技术对数字乳房X线摄影和磁共振图像进行乳腺癌自动诊断	综合评估多种AI方法对乳腺图像进行分类（正常、良性、恶性），并应用于数字乳房X线摄影和磁共振成像两种模态	NA	评估不同人工智能方法对乳腺图像进行分类，以区分正常、良性和恶性病例	数字乳房X线摄影和磁共振成像中的乳腺图像	数字病理学	乳腺癌	数字乳房X线摄影、磁共振成像	深度学习模型	图像	NA	NA	NA	NA	NA
1948	2026-06-28	Polygon-Aware Deep Learning Framework for Meal-Level Nutrition Estimation From Food Images 2026-Jul, Journal of food science IF:3.2Q2 DOI:10.1111/1750-3841.71236 PMID:42360400	研究论文	提出一种多边形感知的深度学习框架，通过精确的食物分割和区域特征提取实现膳食图像营养估计	首次将多边形感知的实例分割与区域特异性特征提取结合，显著提升营养估计精度（平均性能提升11.63%）	仅在FoodBD v2数据集上验证，未在多样化食物数据集和实际移动端部署中评估	实现从食物图像中准确估计餐级营养含量的自动化膳食评估方法	真实世界食物图像中的个体食物项目及其分割区域	计算机视觉	不适用	实例分割与多边形特征提取	YOLOv8n、随机森林、XGBoost、LightGBM、岭回归、CNN回归器	图像	FoodBD v2数据集（包含多边形标注和营养标签，20个代表性样本用于重叠分析）	PyTorch	YOLOv8n	mAP@0.5、mAP@0.5:0.95、平均交并比、F1分数	未明确说明
1949	2026-06-28	A Physics-Informed Deep Learning Framework for Estimating Muscle Activation Patterns Following Achilles Tendon Repair 2026-Jun-26, Journal of applied physiology (Bethesda, Md. : 1985) DOI:10.1152/japplphysiol.00274.2026 PMID:42359776	研究论文	提出物理知识引导的Transformer神经肌肉骨骼模型，用于估算跟腱修复后的肌肉激活模式	整合前向动态约束，仅需关节运动学和浅层肌电图数据即可估算深层肌肉激活，大幅降低传感器需求同时保持诊断深度	NA	开发一种能准确估算跟腱断裂术后肌肉激活模式、减少传感器依赖的临床实用工具	跟腱断裂患者的比目鱼肌激活模式和肌肉共激活模式	机器学习	跟腱断裂	NA	Transformer	关节运动学数据、浅层肌电图数据	40名参与者（20名健康对照者、20名术后跟腱断裂患者）	NA	Transformer	频谱完整性、信号能量合理性、p值	NA
1950	2026-06-28	Deep Learning Assisted Heteroporous Covalent Organic Framework Hydrogels Enable Dual-Mode Tracking and Analysis to Parkinson's Management 2026-Jun-26, Small (Weinheim an der Bergstrasse, Germany) DOI:10.1002/smll.74297 PMID:42360202	研究论文	本文报道了一种可穿戴水凝胶（Gel@COF），用于同时监测多巴胺水平和静止性震颤，以实现帕金森病的早期检测和干预	将具有分形异质孔结构的共价有机框架（COF-101）封装于自交联水凝胶中，实现双重功能；结合卷积神经网络算法使预测准确率超95%	NA	开发一种可穿戴水凝胶，同时监测多巴胺水平和静止性震颤，用于帕金森病的早期检测和干预	帕金森病患者和健康对照者	机器学习	帕金森病	NA	卷积神经网络（CNN）	图像	NA	NA	卷积神经网络（CNN）	准确率（accuracy）	NA
1951	2026-06-28	Explainable AI for hyperspectral imaging in food quality decision support: interpretability, reliability and future directions 2026-Jun-26, Critical reviews in food science and nutrition IF:7.3Q1 DOI:10.1080/10408398.2026.2694489 PMID:42360273	综述	综述可解释人工智能在高光谱成像食品质量决策支持中的最新进展，重点讨论可解释性、可靠性和未来方向	系统总结六种主流可解释人工智能方法（SHAP、LIME、Grad-CAM、显著性图、DeepLIFT、TCAV）在食品高光谱成像中的应用，并首次从食品质量、高光谱成像和可解释人工智能三个维度综合分析了关键挑战	目前缺乏标准化的评估协议，高维数据与复杂模型之间的鸿沟仍然存在，需要进一步开发人类参与的交互界面以保证实际工厂级检测的可靠性	回顾高光谱成像在食品质量评估中的研究进展，阐明可解释人工智能如何提升模型可解释性，并为建立可靠的高光谱成像-可解释人工智能框架提供指导	食品质量评估中的高光谱成像数据及其分析模型	计算机视觉	NA	高光谱成像	化学计量学模型、机器学习模型、深度学习模型	高光谱图像	NA	NA	NA	NA	NA
1952	2026-06-28	[The digital patient journey : Performing radiological examinations] 2026-Jun-26, Radiologie (Heidelberg, Germany) DOI:10.1007/s00117-026-01633-3 PMID:42360419	综述	总结并系统分析了放射学检查过程中数字技术和人工智能系统的应用及其对工作流程、人员结构和患者护理的影响	全面梳理了数字患者路径在放射学检查中的应用，包括自动规划、深度学习重建、实时质控和远程扫描等创新概念	未提及具体研究的局限性和数据验证不足，缺乏定量分析	展示放射学检查中使用的数字流程，并评估其对工作流程、人员结构和患者护理的影响	放射学检查中的数字技术和人工智能系统	数字病理学	不适用	深度学习重建、自动化规划	不适用	不适用	不适用	不适用	不适用	效率、稳定性、重复扫描减少率	不适用
1953	2026-06-28	Deep learning in acute ischemic stroke imaging: a systematic review of CT- and MRI-based segmentation, triage, and prognostic modeling 2026-Jun-26, Neuroradiology IF:2.4Q2 DOI:10.1007/s00234-026-04095-5 PMID:42360458	系统综述	基于PRISMA指南的系统综述，评估2023年1月至2026年3月间深度学习在急性缺血性卒中CT和MRI成像中的应用	区分CT与MRI在卒中成像中的不同深度学习应用方向，强调临床验证不足与技术进展之间的差距	外部测试、患者层面分离、标准化报告、扫描仪鲁棒性、可解释性和前瞻性工作流评估仍未被一致解决	评估深度学习在急性缺血性卒中成像中的最新应用，包括分割、分诊和预后建模	急性缺血性卒中患者的CT和MRI影像数据	计算机视觉, 机器学习	急性缺血性卒中	CT, MRI, DWI, ADC, FLAIR, CTP	CNN, Transformer, U-Net	影像	91项研究	NA	U-Net衍生架构, 自配置框架, 注意力模型, CNN-Transformer混合模型	Dice系数, IoU, AUC, 准确率	NA
1954	2026-06-28	Machine learning-enhanced nano-QSAR and multiscale modeling for predictive nanomedicine: applications in herbal therapeutics and neglected tropical diseases 2026-Jun-26, Discover nano DOI:10.1186/s11671-026-04679-3 PMID:42360577	综述	本文综述了机器学习、纳米定量构效关系和多尺度建模在预测性纳米医学中的应用，特别聚焦于草药纳米医学和被忽视的热带病领域	提出了结合机器学习、纳米定量构效关系和多尺度建模的综合计算策略，并展望了标准化开放数据集、基础AI模型、自主纳米颗粒设计和患者特定数字孪生平台等未来方向	数据稀缺、异质性大、可重复性有限以及监管不确定性等持续挑战依然存在	加速安全、有效且适应环境的纳米医学开发	纳米颗粒的理性设计及其在草药纳米医学和被忽视的热带病中的应用	机器学习	被忽视的热带病	NA	机器学习	NA	NA	NA	NA	NA	NA
1955	2026-06-28	Assessing the clinical reliability of deep learning for vertebral fracture detection: a two-surgeon commentary 2026-Jun-26, La Radiologia medica DOI:10.1007/s11547-026-02249-2 PMID:42360613	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
1956	2026-06-28	Artificial Intelligence-Assisted Histopathologic Diagnosis and Grading of Oral Epithelial Dysplasia: A Systematic Review and Functional Meta-synthesis 2026-Jun-26, Head and neck pathology DOI:10.1007/s12105-026-01937-9 PMID:42360612	系统综述	针对人工智能辅助口腔上皮不典型增生组织病理诊断与分级的系统综述与功能整合分析	首次系统梳理AI在口腔上皮不典型增生诊断中的功能角色（检测、分级、辅助诊断），并整合分析其在不同诊断工作流程中的表现	证据质量极低，研究间存在高度异质性（数据集、分型框架、模型架构、验证策略均不统一），多数性能评估基于非患者级别的数据集	评估AI辅助口腔上皮不典型增生组织病理诊断与分级的当前证据，包括诊断性能、方法学质量和AI系统的功能角色	口腔上皮不典型增生或口腔潜在恶性病变伴不典型增生的显微或数字组织病理图像	数字病理学	口腔上皮不典型增生	组织病理成像	卷积神经网络、视觉Transformer、DenseNet、混合计算病理学管道	图像	13项研究（发布时间：2017-2026年）	NA	DenseNet, Vision Transformer, 卷积神经网络	准确率	NA
1957	2026-06-28	Retraction Note: Deep learning-accelerated image reconstruction in back pain-MRI imaging: reduction of acquisition time and improvement of image quality 2026-Jun-26, La Radiologia medica DOI:10.1007/s11547-026-02254-5 PMID:42360615	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
1958	2026-06-28	A sample application designed for detection of teeth and jaw bone from cone-beam computed tomography images using deep learning methods 2026-Jun-26, Oral radiology IF:1.6Q3 DOI:10.1007/s11282-026-00946-2 PMID:42360668	研究论文	利用深度学习技术从锥束计算机断层扫描图像中自动分割牙齿和颌骨结构	首次比较U-Net、DeepLab V3+和YOLO V3三种深度学习架构在CBCT图像牙齿和颌骨分割中的性能	数据集仅来自7位患者，需在多中心、更大数据集中验证后方可临床应用	评估深度学习模型在CBCT图像中自动分割牙齿和颌骨结构的效果	牙齿和颌骨结构	计算机视觉，数字病理学	NA	CBCT成像	U-Net, DeepLab V3+, YOLO V3	图像	7位患者的1155张轴向图像	NA	U-Net, DeepLab V3+, YOLO V3	Dice相似系数，交并比，精确率，召回率	NA
1959	2026-06-28	Prot-ΔΔG: Prediction of protein-protein binding affinity changes upon mutations with pre-training strategies 2026-Jun-25, Journal of computer-aided molecular design IF:3.0Q2 DOI:10.1007/s10822-026-00867-6 PMID:42350672	研究论文	提出一种仅基于序列的深度学习框架 Prot-ΔΔG，利用预训练策略预测蛋白质突变后的结合亲和力变化	首次将大规模预训练蛋白质语言模型与 BiGRU-DBRNN 编码器结合，完全基于序列信息预测 ΔΔG，无需高分辨率结构数据，有效捕捉序列嵌入的进化模式与上下文信息	未提及依赖结构信息时的性能对比，且对复杂多突变场景的泛化性需进一步验证	开发仅基于序列的精准预测方法，用于理解蛋白质突变导致的疾病机制、指导药物发现和蛋白质工程	蛋白质-蛋白质相互作用的突变后结合亲和力变化	机器学习	NA	蛋白质语言模型	BiGRU-DBRNN	蛋白质氨基酸序列	NA	NA	BiGRU-DBRNN	预测性能指标	NA
1960	2026-06-28	Feasibility of deep learning-accelerated ultrafast T1-weighted VIBE Dixon imaging of the pelvis for screening of metastases in prostate MRI 2026-Jun-25, European radiology experimental IF:3.7Q1 DOI:10.1186/s41747-026-00758-3 PMID:42350758	研究论文	评估深度学习加速的T1加权VIBE Dixon序列在盆腔转移瘤筛查中的图像质量和诊断信心	首次将深度学习加速的超快速T1加权VIBE Dixon序列用于前列腺MRI盆腔转移瘤筛查，显著缩短采集时间（从143秒降至15秒）而不损失图像质量和诊断信心	样本量较小（54例患者），且DL加速序列在伪影和信号均匀性方面略有增加	评估深度学习加速T1加权VIBE Dixon序列在前列腺MRI中筛查盆腔转移瘤的可行性	接受前列腺MRI的患者	计算机视觉	前列腺癌	MRI	深度学习	图像	54例患者，平均年龄68±6.6岁	NA	NA	Likert量表评分（图像质量、诊断信心）、信号均匀性	研究用深度学习加速序列，具体计算资源未提及