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	2026-08-17	Artificial intelligence in lumbar radiography: bridging deep learning and clinical practice in low-resource environments 2026-Aug-11, BMJ health & care informatics IF:4.1Q2 DOI:10.1136/bmjhci-2025-101693 PMID:42580813	综述	本文通过叙述性综述，评估了2022至2024年间基于深度学习的腰椎X线摄影分析技术的进展及其在资源有限环境中的临床应用潜力。	聚焦于低资源环境下腰椎X线摄影的AI应用，并探讨轻量级架构的部署潜力，为资源受限地区的影像诊断提供新视角。	仅依赖叙述性综述，缺乏系统性量化分析；研究样本未明确，且未涵盖大规模真实世界验证。	评估基于AI的腰椎X线摄影方法在低资源环境中的临床适用性，并识别其挑战与未来方向。	腰椎X线图像，涉及分割、分类和曲率分析等任务。	计算机视觉, 数字病理学	腰椎疾病	NA	卷积神经网络, U-Net, ResNet, 生成对抗网络	图像	NA	NA	卷积神经网络, U-Net, ResNet, 生成对抗网络	NA	NA
1942	2026-08-17	Enhanced diffuse optical tomography image reconstruction with dilated convolution and densely connected network 2026-Aug-11, Computer methods and programs in biomedicine IF:4.9Q1 DOI:10.1016/j.cmpb.2026.109606 PMID:42603480	研究论文	本文提出一种结合扩张卷积和稠密连接网络的深度神经网络框架，用于改善弥散光断层成像图像重建质量	将扩张卷积与DenseNet相结合，增强多尺度特征提取和特征复用能力，以提高DOT图像重建的空间分辨率和定量精度	未提及，可能受限于摘要中未提供详细信息	改善弥散光断层成像图像重建性能，通过增强多尺度特征提取和特征复用	弥散光断层成像图像重建，涉及数值模拟和物理幻影实验	计算机视觉	不适用	弥散光断层成像	卷积神经网络	图像	不适用（摘要中未提供具体样本数量）	不适用（摘要中未指定框架）	DenseNet, Dilated Convolution, ResNet	平均绝对误差、定量比、对比度噪声比、结构相似性指数度量	不适用（摘要中未提供）
1943	2026-08-17	Deep unrolled regularization for limited-angle dual-panel positron emission mammography 2026-Aug-06, Physical and engineering sciences in medicine IF:2.4Q2 DOI:10.1007/s13246-026-01769-5 PMID:42560453	研究论文	本文提出一种深度融合展开正则化的图像重建算法，用于减少双面板正电子发射乳腺成像（PEM）中的有限角度伪影。	首次将深度学习正则化结合到双面板PEM中，以解决有限角度伪影问题，并且采用了U-Net和展开的Forward-Backward Splitting Expectation-Maximization算法。	该工作目前仅为概念验证，临床实施需要基于拟人模型训练并进行进一步验证。	减少双面板PEM重建图像中的有限角度伪影，提高图像质量。	双面板PEM扫描仪产生的图像，以及作为参照的环形专用乳腺PET图像（采用蒙特卡洛生成数据）。	医学图像重建、深度学习	乳腺疾病	蒙特卡洛模拟、图像重建	深度学习模型（U-Net）	图像	3840个训练图像对	NA	U-Net	噪声、对比度、峰谷比、恢复系数、溢出比、强度分布	NA
1944	2026-08-17	Norms for Automatic Estimation of White Matter Hyperintensities Burden: LST-AI Service in neuGRID 2026-Aug-04, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics16152460 PMID:42587696	研究论文	开发并验证了基于LST-AI和neuGRID平台的年龄和性别调整的白质高信号负担的规范性参考曲线，并定义了临床阈值。	提供了首个外部验证的、通过neuGRID单病例服务解释LST-AI衍生WMH负担的规范性框架，并定义了基于百分位数的规则排除和规则纳入阈值。	未明确说明局限性，但可能包括样本选择偏差、验证队列的多样性有限以及跨扫描仪泛化性的潜在问题。	开发用于自动WMH量化的规范性参考曲线，并定义在记忆门诊环境中解释WMH体积的临床有用阈值。	40-95岁认知正常个体的2D和3D FLAIR MRI图像，以及外部验证队列中包括认知正常、轻度认知障碍和痴呆的个体。	数字病理学	痴呆	磁共振成像（MRI）	深度学习分割模型（LST-AI）	图像	2D模型训练样本788例，3D模型训练样本895例；外部验证样本458例。	neuGRID平台（基于AI的神经影像分析工具）	LST-AI（基于深度学习的白质高信号分割工具）	ROC-AUC	NA
1945	2026-08-17	Integrated Analysis of SNPs and Structural Variations via High-depth Whole-genome Sequencing Reveals the Genetic Architecture and Optimizes Genomic Prediction in Chickens 2026-Aug-03, Poultry science IF:3.8Q1 DOI:10.1016/j.psj.2026.107561 PMID:42603395	研究论文	本研究利用高深度全基因组测序对鸡F2群体的15个生长和胴体性状进行遗传解析，并开发了整合SNP和SV的混合深度学习框架GPDLBP优化基因组预测	首次在鸡中整合SNP和SV进行遗传解析和基因组预测，开发了结合局部连接网络和GBLUP模型的混合深度学习框架GPDLBP，有效利用多类型标记提升预测精度	研究基于单一F2群体，样本量有限（n=877），可能限制发现的遗传变异的普适性；未对功能候选基因进行实验验证	通过整合SNP和SV，解析鸡生长和胴体性状的遗传架构，并优化基因组预测方法以提高育种效率	F2鸡群体中15个生长和胴体性状的遗传变异和基因组预测	机器学习	NA	全基因组测序	深度学习、线性混合模型	基因组序列数据、表型数据	877只F2鸡个体	NA	局部连接网络、GBLUP	预测精度、遗传力、GWAS显著关联	NA
1946	2026-08-17	Xeno-learning: knowledge transfer across species in deep learning-based spectral image analysis 2026-Aug, Nature biomedical engineering IF:26.8Q1 DOI:10.1038/s41551-025-01585-4 PMID:41588072	研究论文	提出“跨物种学习”（xeno-learning）概念，通过生理学基础的数据增强方法，将临床前动物数据中的病理变化知识迁移到人类高光谱图像分析中，以缓解临床数据不足的问题	首次提出跨物种知识迁移概念（xeno-learning），并引入生理学基础的数据增强方法，实现从动物模型到人类应用的图像分析知识转移	未明确提及局限性，可能包括跨物种差异带来的潜在偏差和临床验证的不足	利用临床前动物数据，通过跨物种知识迁移提升基于深度学习的高光谱图像分析在临床手术成像中的应用性能	人类、猪和大鼠模型的高光谱图像	计算机视觉, 数字病理	NA	高光谱成像	深度学习模型	高光谱图像	14,013张高光谱图像，来自人类、猪和大鼠	NA	NA	NA	NA
1947	2026-08-17	Deep Learning-Based Prediction of Heart Failure Readmission Using Longitudinal Cardiac Device Data 2026-Aug, Journal of cardiovascular electrophysiology IF:2.3Q2 DOI:10.1111/jce.70406 PMID:42296299	研究论文	利用心脏植入式电子设备记录的纵向数据，通过深度学习模型预测心力衰竭患者出院后60天内的再入院风险。	首次使用心脏设备在出院后30天内捕获的多个生理参数时间序列，结合深度学习模型预测60天内心衰再入院，识别出再入院患者生理恢复较慢的特征。	排除7天内再入院和大量缺失数据的患者，可能引入选择偏倚；结果基于单中心回顾性数据，需要外部验证。	开发并评估基于心脏设备纵向参数的深度学习模型，以预测心衰患者60天再入院风险，支持早期干预。	植入ICD或CRT-D设备并参与远程监测的心衰患者，其出院后30天内的每日设备诊断参数（活动量、阻抗、心率变异性、夜/日心率）。	机器学习	心力衰竭	心脏植入式电子设备远程监测	1D CNN、神经网络（另一种架构未明确）	时间序列数据（心脏设备诊断参数）	5734名患者，12369次心衰住院事件；其中2489次索引住院60天内出现再入院	NA	1D CNN、神经网络（另一种架构未明确）	灵敏度、特异度、AUROC	NA
1948	2026-08-17	Deep Learning Quality Control for RECIST-Oriented Assessment: A Vision Transformer Predicts Inter-Reader Variability of Unidimensional Lesion Measurements on Contrast CT 2026-Jul-29, Cancers IF:4.5Q1 DOI:10.3390/cancers18152438 PMID:42588656	研究论文	本研究利用Swin Transformer深度学习模型预测对比增强CT上RECIST导向的病灶单维测量的读者间变异，以辅助靶病灶选择和裁决。	不同于自动化分割或目标选择系统，本研究直接预测病灶特异性测量不确定性，使用Swin Transformer回归连续变异分数。	外部样本小，置信区间宽；需要更大规模多机构研究、患者级重采样、校准、消融测试和工作流验证。	预测对比增强CT上RECIST导向的病灶测量不确定性，以提供测量质量信号支持靶病灶选择和裁决。	肝、肺和淋巴结病灶，来自Vol-PACT队列的463个病灶（280例患者）和21个NSCLC病灶。	计算机视觉	肿瘤（肺癌、肝癌、淋巴结转移）	对比增强CT成像	Swin Transformer	CT图像和分割掩膜	发展队列：463个病灶（280例患者）有4个分割；外部测试：21个NSCLC病灶有5个读者轮廓	PyTorch	Swin Transformer	AUC, MAE, 准确率, 灵敏度, 特异度	NA
1949	2026-08-17	Vasculature segmentation in 3D hierarchical phase-contrast tomography images of human kidneys 2026-Jul-03, Nature communications IF:14.7Q1 DOI:10.1038/s41467-026-74050-8 PMID:42399229	研究论文	本文组织了一次全球机器学习竞赛，旨在开发深度学习算法用于人类肾脏3D分层相位对比断层扫描图像中的血管分割，并对最优解决方案进行了元分析	通过竞赛揭示收敛性方法创新，包括伪标签技术、优化血管表面和拓扑的损失函数以及多尺度处理方法；提供了人工标注的金标准分割数据集	摘要未明确提及局限性	开发高效深度学习算法，用于3D医学影像中血管分割，并分析竞赛中表现最佳的方法	人类肾脏的分层相位对比断层扫描图像中的血管结构	计算机视觉, 数字病理学	NA	分层相位对比断层扫描成像	深度学习模型	3D医学图像	竞赛涉及1,401名参与者，具体样本数量未在摘要中说明	NA	NA	分割准确度, 形态学分析指标（如血管表面积、拓扑等）	NA
1950	2026-08-17	Impact of dose calculation algorithm on magnetic resonance imaging-only radiotherapy for prostate and glioma 2026-Jul, Physics and imaging in radiation oncology DOI:10.1016/j.phro.2026.101045 PMID:42602256	研究论文	评估卷积和线性玻尔兹曼输运方程（LBTE）两类剂量计算算法在前列腺癌和胶质瘤MRI-only放疗中的准确性	首次系统评估LBTE剂量算法对MRI-only放疗中sCT组织异质性敏感性的影响	未提供	比较两种剂量计算算法在MRI-only放疗中的精度，验证其临床适用性	前列腺癌和胶质瘤患者	医学影像	前列腺癌, 胶质瘤	MRI	深度学习（DL）	图像	39例前列腺癌患者和17例胶质瘤患者	NA	NA	靶区剂量指标相对差异，器官剂量绝对差异，配对t检验	NA
1951	2026-08-17	Artificial Intelligence in Paediatric Allergy: From Diagnostic Support to Precision Medicine 2026-Jul, Cureus DOI:10.7759/cureus.112707 PMID:42602687	综述	本文叙述性回顾了2015至2025年间人工智能在儿科过敏性疾病中的应用进展，涵盖诊断支持、风险预测、临床决策支持和数字健康技术，并探讨了未来机遇与挑战。	系统总结了AI在儿科过敏中三大主题（诊断支持、临床决策支持、数字健康）的应用，并纳入生成式AI和大语言模型的最新进展。	多数纳入研究为回顾性设计，缺乏稳健的外部验证，且综述本身受限于筛选文章数量。	总结AI在儿科过敏性疾病中的应用现状，并展望精准过敏医学的未来方向。	儿科过敏性疾病（包括食物过敏、过敏反应等）的AI应用相关研究。	机器学习	儿科过敏性疾病	NA	机器学习模型、深度学习和生成式AI（含大语言模型）	电子健康记录（结构化数据）、非结构化笔记	14项研究纳入最终综述（从280篇文章中筛选）	NA	NA	NA	NA
1952	2026-08-17	mFLIP: metabolic flux interval prediction 2026-Jun-09, BMC bioinformatics IF:2.9Q1 DOI:10.1186/s12859-026-06500-5 PMID:42265586	研究论文	提出mFLIP，一个基于机器学习的框架，用于预测代谢途径中的通量区间，显著降低计算时间。	首次将多种机器学习和深度学习方法应用于代谢通量区间预测，实现秒级推断，优于传统FVA方法。	依赖FVA-derived训练数据，可能受数据质量影响；模型性能在特定数据集上表现最佳，泛化性需进一步验证。	开发快速准确的代谢通量区间预测方法，替代计算密集型的FVA。	代谢通量区间，基于22,000多个代谢组学样本，涵盖多种癌症数据集。	机器学习	癌症（乳腺癌、结肠癌、胰腺癌、前列腺癌、肾透明细胞癌）	代谢组学	随机森林、XGBoost、CNN、GNN、VAE、FT-Transformer	代谢组学数据	超过22,000个样本，六个独立癌症数据集	NA	随机森林、XGBoost、CNN、GNN、VAE、FT-Transformer	回归误差、分类分数	NA
1953	2026-08-17	Deep learning enables automated detection of dinosaur footprints with high accuracy 2026-Jun-04, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-56031-5 PMID:42236855	研究论文	本研究利用YOLOv8深度学习模型，实现了恐龙脚印的高精度自动检测，并在韩国和巴西的足迹点进行了验证。	首次将YOLOv8应用到恐龙脚印检测中，并提出多尺度检测方法以解决分辨率变化带来的挑战，实现了跨区域泛化。	检测精度受光照条件、保存质量和轮廓标记存在的影响，且训练数据主要来自韩国足迹点，可能限制对其他地区的适用性。	开发一种自动化、高效且客观的恐龙脚印检测系统，以替代人工调查，实现大规模足迹分布的快速绘图。	恐龙脚印，包括兽脚类、鸟脚类和蜥脚类足迹，以及足迹点遗址。	计算机视觉	不适用	目标检测	YOLOv8	图像	49,242张来自AI-Hub数据集的图像，包含韩国足迹点的恐龙脚印。	PyTorch	YOLOv8	平均精度均值(mAP50), mAP50-95	未提及
1954	2026-08-17	MAGC-DTI: modality-shared space and adaptive gated interactive cross-attention for drug-target interaction prediction 2026-Jun-04, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-50141-w PMID:42243162	研究论文	提出MAGC-DTI，一种端到端跨模态框架，通过多尺度注意力聚合、自适应门控交互交叉注意力和多路径残差分类器，实现药物-靶点相互作用预测	将双向信息交换整合到特征提取和融合阶段，包括多尺度注意力聚合（MSAA）、自适应门控交互交叉注意力（AGICA）和多路径残差分类器（MPRC）	未在摘要中明确提及局限性	通过改进深度学习模型，提高药物-靶点相互作用预测的准确性	药物和蛋白质序列数据	机器学习	NA	NA	深度学习模型（结合注意力机制）	药物和蛋白质序列数据	六个基准数据集	NA	多尺度注意力聚合（MSAA）、自适应门控交互交叉注意力（AGICA）、多路径残差分类器（MPRC）	性能指标未明确列出（可能包括准确率、AUC等）	NA
1955	2026-08-17	EEG-based dynamic emotion recognition using multi-scale wavelet transform with a Spatio-Temporal neural network 2026-Jun-04, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-53295-9 PMID:42243241	研究论文	提出一种基于多尺度小波变换和时空神经网络的新型EEG动态情绪识别系统，提升分类精度	结合多尺度小波变换、自适应通道选择（强化Q网络）和时空注意力网络，并集成图神经网络与记忆增强神经网络以增强跨被试适应性	未提及	提高EEG信号情绪识别分类精度，增强人机交互适应性	脑电图（EEG）信号中的动态情绪状态分类	机器学习	不适用	脑电图（EEG）	卷积神经网络（CNN）、图神经网络（GNN）、记忆增强神经网络（MANN）	脑电图（EEG）信号数据	三个数据集：EEG脑波数据集、DEAP数据集、基于电脑游戏的EEG数据集（具体样本量未提及）	未提及	时空注意力网络（ST-AN）、多尺度特征融合、集成图神经网络（GNN）与记忆增强神经网络（MANN）	准确率	未提及
1956	2026-08-17	Hybrid deep learning approach for early emphysema diagnosis combining fuzzy C-means, TransUNet, and faster mask R-CNN 2026-Jun-04, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-55142-3 PMID:42243289	研究论文	提出一种混合深度学习框架（IFCM-TransUNet-Faster Mask R-CNN），用于早期肺气肿的精确检测与定位	结合改进模糊C均值聚类、TransUNet特征提取和Faster Mask R-CNN实例检测，实现像素级分割与对象级检测的统一，提升准确性和可解释性	未提及	提高早期肺气肿在CT扫描中的检测准确性与边界划分质量，减少噪声影响和误报	肺气肿CT图像	计算机视觉, 医学影像分析	肺气肿	CT成像	混合深度学习模型（改进模糊C均值、TransUNet、Faster Mask R-CNN）	图像（CT扫描）	2000张CT图像	未提及	TransUNet, Faster Mask R-CNN	验证准确率, Dice系数	未提及
1957	2026-08-17	Quantifying agricultural resilience under climate variability: a data-driven climate resilience index for European cereal systems 2026-Jun-03, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-54921-2 PMID:42236573	研究论文	提出一个数据驱动的气候韧性指数（CRI），用于评估欧洲谷物系统在气候胁迫下的韧性	将长期生产力趋势与短期气候诱发波动分离，提出PCA多维度气候压力指数，并采用TCN-LSTM混合模型实现最高预测性能	多国层面的结果可能存在较大空间异质性，且未详细讨论权重选择和处理极端事件的具体策略	量化欧洲谷物系统在气候变化背景下的韧性，并评估恢复动态对农业可持续性的重要性	欧洲谷物系统（如小麦、大麦等作物的年度产量时间序列）	机器学习，时间序列分析	不适用	产量时序分解、气候极端指数计算、PCA暴露框架	随机森林（RF）、CatBoost、CNN、LSTM、TCN及TCN-LSTM混合模型	年度谷物产量时间序列、气候极端指数数据	未具体说明，但涵盖欧洲多国谷物系统数据	NA	随机森林、CatBoost、CNN、LSTM、TCN、TCN-LSTM混合架构	R值（决定系数）、特征重要性分析	NA
1958	2026-08-17	Cross-modal latent alignment enables efficient compression of wearable sEMG and accelerometer signals 2026-Jun-03, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-52577-6 PMID:42236780	研究论文	本文提出了一种跨模态潜在对齐框架，用于高效压缩可穿戴设备采集的表面肌电信号和加速度计信号，通过训练时的帧级对应和时间动态一致性对齐，提升了压缩性能且不增加推理开销	首次显式对齐sEMG和加速度计信号的潜在表示，利用肌肉活动与肢体运动的内在耦合，且对齐模块仅作为训练时正则化器，推理时完全移除，带来零额外计算开销	未明确提及局限性，但可能依赖于特定数据集（Ninapro）和传感器配置，跨设备泛化性未充分验证	设计一种高效的跨模态压缩方法，以在带宽受限的可穿戴设备上实现sEMG和加速度计信号的高质量压缩，同时保持下游任务性能	表面肌电信号和加速度计信号，以及下游手势分类任务	机器学习, 信号处理	NA	NA	自编码器	信号数据（sEMG和加速度计）	两个Ninapro数据集（具体样本数未在摘要中给出）	NA	自编码器（多种骨干架构，具体名称未列出）	相关系数, 信噪比（SNR）, 准确率, 跨模态漂移	代表性嵌入式平台（具体GPU或云平台未在摘要中提及）
1959	2026-08-17	Quantitative measurement of agonistic behaviors of intra- and interspecifics of Gryllus bimaculatus and Acheta domesticus by using DeepLabCut 2026-Jun-03, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-55331-0 PMID:42236810	research paper	本研究利用DeepLabCut无标记姿态估计技术，定量分析了双斑蟋和家蟋的种内与种间争斗行为，验证了该方法在行为分析中的有效性和可靠性	首次使用深度学习的无标记姿态估计工具DeepLabCut对两种蟋蟀的种间争斗行为进行定量分析，并系统比较了它们与同种个体相遇时的行为差异，提供了新型的自动化行为量化方法	研究样本量有限，仅涵盖特定性别组合，且未对长期行为动态或环境因素的影响进行深入分析	演示一种基于深度学习姿态估计的综合方法，用于分析双斑蟋和家蟋的种内与种间社会行为，并提供自动化行为量化的替代方案	双斑蟋和家蟋的个体及不同性别组合（雄性×雄性、雌性×雌性、雄性×雌性）	machine learning, digital pathology	NA	DeepLabCut（无标记姿态估计）	深度学习模型（卷积神经网络）	视频数据（行为图像帧）	未明确具体样本数量，但涉及多对蟋蟀的配对测试	TensorFlow	DeepLabCut（基于卷积神经网络的姿态估计模型）	平均似然值（0.94），平均低似然百分比（3.85%），敏感性（0.8），精确性（0.7）	未明确提及具体GPU或云计算资源
1960	2026-08-17	ScaHybNet: a scalogram-based hybrid ensemble network for ECG arrhythmia classification 2026-Jun-03, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-53755-2 PMID:42236839	研究论文	提出了一种基于尺度图的混合集成网络ScaHybNet，用于心电图心律失常的多分类。	结合残差块CNN、双向LSTM和Transformer编码器，并采用尺度图转换和类别加权处理数据不平衡。	未提及具体限制。	准确及时地检测心律失常，预防心源性猝死。	心电图心跳分类数据集中的五个心跳类别（N, S, V, F, Q）。	数字病理学	心血管疾病	连续小波变换	混合集成模型（CNN, BiLSTM, Transformer）	图像（尺度图）	109,446个样本	NA	残差块CNN, BiLSTM, Transformer编码器	准确率, 精确率, 召回率, F1分数	NA