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
1961	2026-06-28	Artificial Intelligence in Nanopharmaceutical Development: From Predictive Design to Clinical Translation 2026-Jun-22, Pharmaceutics IF:4.9Q1 DOI:10.3390/pharmaceutics18060764 PMID:42357379	综述	探讨人工智能如何推动纳米药物开发从经验性配方筛选向预测性、数据驱动和翻译导向设计的转变	将AI视为连接配方科学、生物预测、制造控制和临床实施的翻译框架，而不仅是优化工具	翻译实施受限于碎片化数据集、不一致的报告标准、有限的可解释性、外部验证不足、预测不确定性、适用域定义不清以及不断变化的监管预期	综述AI在纳米药物开发中的应用，从预测性配方设计到临床转化	基于纳米载体的治疗药物及其开发过程	机器学习	NA	NA	机器学习、深度学习、物理信息建模、混合机理-AI方法	异质性实验、生物学和制造数据集	NA	NA	NA	NA	NA
1962	2026-06-28	Automated Segmentation of Diffuse and Multifocal Nerve Enlargement in Immune-Mediated Neuropathy Using Temporal Deep Learning on Continuous Ultrasound Scans 2026-Jun-22, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics16121934 PMID:42351592	研究论文	利用时间深度学习对连续超声扫描中免疫介导神经病的弥漫性和多灶性神经肿大进行自动分割	首次将时间深度学习模型（ConvLSTM和Temporal Mamba）应用于连续超声扫描，以分割免疫介导神经病中弥漫性或局灶性神经肿大，克服了传统静态模型在边界模糊和异质性回声方面的局限性	样本量较小（仅5名患者和25名健康参与者），属于初步研究，需要在更大队列中进一步验证	评估时间深度学习分割在连续超声扫描中评估免疫介导神经病神经肿大的性能	健康参与者和免疫介导神经病伴神经肿大的患者	计算机视觉	免疫介导神经病	超声扫描	深度学习模型（静态DeepLabV3+、时间ConvLSTM、时间Temporal Mamba）	连续超声图像	25名健康参与者和5名免疫介导神经病伴神经肿大患者	NA	DeepLabV3+, ConvLSTM, Temporal Mamba	Dice系数，帧间变异性	NA
1963	2026-06-28	Data-Efficient and Explainable Multimodal Survival Prediction in NSCLC Using Deep Image Embeddings, Clinical Variables, and Gradient-Boosted Trees 2026-Jun-22, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics16121941 PMID:42351600	研究论文	提出一种数据高效、可解释的多模态非小细胞肺癌生存预测框架，融合深度图像嵌入、临床变量和梯度提升树	将预训练RadImageNet-InceptionV3嵌入与临床变量通过梯度提升树融合，在有限样本下实现可解释的生存预测，并利用SHAP分析揭示特征贡献	外部验证尚未进行，临床转化前需进一步验证	开发一种数据高效、可解释的多模态框架，整合CT影像信息与临床变量，用于非小细胞肺癌生存预测	非小细胞肺癌患者的CT图像、肿瘤分割结果和临床数据	计算机视觉、机器学习	非小细胞肺癌	CT成像、深度学习嵌入、主成分分析	梯度提升树（CatBoost、XGBoost、LightGBM）	CT图像、临床变量表格数据	377名NSCLC患者（LUNG1数据集）	NA	RadImageNet-InceptionV3、CatBoost、XGBoost、LightGBM	C-index（基于类别的C-index和连续事件C-index）	NA
1964	2026-06-28	A Multitask Time-Frequency Deep Learning Approach for Anesthesia Depth Monitoring and Transition Prediction 2026-Jun-22, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics16121937 PMID:42351597	研究论文	提出了一种基于多任务时间-频率深度学习的麻醉深度监测与状态转换预测方法	首次将多任务学习与ResNet-SE架构结合，同时实现连续BIS估计、二元麻醉状态分类和向浅麻醉转换的预测	未提及外部验证或跨数据集泛化能力测试	实现基于EEG信号的麻醉深度连续监测和状态转换预测	双通道EEG信号与BIS值	深度学习	不适用	短时傅里叶变换（STFT）	残差网络（ResNet）	时间序列信号（EEG）	5471例手术病例	PyTorch	ResNet-SE	均绝对误差（MAE）、均方根误差（RMSE）、AUC	NA
1965	2026-06-28	Artificial Intelligence and the Evolving Paradigm of Lung Cancer Management 2026-Jun-22, Cancers IF:4.5Q1 DOI:10.3390/cancers18122012 PMID:42352544	综述	综述人工智能在肺癌管理中的前沿应用，涵盖筛查、诊断、治疗规划和药物发现	系统整合AI在肺癌全流程管理（影像、病理、液体活检、手术导航）的应用进展，并强调多学科协作与临床验证的必要性	真实世界验证有限、算法偏见、临床工作流程整合困难及伦理法律问题尚未解决	总结AI在肺癌管理中的应用现状，并探讨未来发展方向与挑战	肺癌筛查、成像分期、组织与液体活检、治疗规划、手术导航、药物发现中的AI技术	自然语言处理, 计算机视觉, 数字病理学	肺癌	NGS, RNA-seq, 甲基化测序	深度学习模型	图像, 文本, 视频	NA	NA	深度神经网络	检测率, AUC	NA
1966	2026-06-28	Symbolic Participation or Substantial Learning Behavior? A PSM-Based Comparison Between Honors and Non-Honors Undergraduates from Two Top Elite Universities in China 2026-Jun-22, Behavioral sciences (Basel, Switzerland) DOI:10.3390/bs16061037 PMID:42352870	研究论文	通过PSM方法比较中国两所顶尖大学优等生与非优等生的学习行为与能力发展	首次采用倾向得分匹配法区分荣誉教育的象征性参与与实质性学习行为，并揭示教学实践与深度学习的调节中介机制	样本仅限两所中国顶尖大学，且未追踪长期能力变化	探究荣誉教育是否带来学生学习行为的实质性变化或仅具象征性参与	中国两所顶尖大学的大四优等生与非优等生	机器学习	NA	NA	NA	文本	163名优等生和317名非优等生	Scikit-learn, Stata	NA	倾向得分匹配的平衡性指标, 回归系数, 中介效应显著性	NA
1967	2026-06-28	Mamba-YOLO-SRC: An Automatic Deep Learning Framework for Respiratory Behavior Detection in the Chinese Giant Salamander 2026-Jun-22, Animals : an open access journal from MDPI IF:2.7Q1 DOI:10.3390/ani16121923 PMID:42353532	研究论文	提出了一种名为Mamba-YOLO-SRC的新型混合检测框架，用于自动监测中国大鲵的呼吸行为	首次实现了对中国大鲵呼吸行为的自动化监测，并创新性地融合了Mamba和YOLO架构，准确识别四种关键呼吸行为	仅针对特定物种（中国大鲵）和有限行为类别，模型通用性需进一步验证	开发自动检测中国大鲵呼吸行为的方法，以促进其生态保护与繁殖研究	中国大鲵的呼吸行为，包括潜水、抬头、吸气和呼气	计算机视觉	NA	NA	YOLO, Mamba	图像	NA	NA	Mamba, YOLO	平均精确率（mAP@0.5）, 各类别精确率	NA
1968	2026-06-28	Comprehensive Review of Nystagmus and Vertigo Diagnostics: From Pathological Foundations to AI-Driven Telemedicine 2026-Jun-22, Sensors (Basel, Switzerland) DOI:10.3390/s26123949 PMID:42356922	综述	综合综述了眼震和眩晕诊断的病理基础及人工智能驱动的远程医疗技术	首次跨领域整合人工智能眼震分析、临床医学、智能手机与便携硬件创新以及远程医疗四个主题，系统评估了从传统机器学习到大语言模型的诊断能力	罕见BPPV亚型数据集匮乏、对环境条件敏感以及缺乏可解释的人工智能机制	系统梳理眼震和眩晕诊断领域现状，确定实现公平且独立于专科医生的前庭诊断的关键下一步	1952年至2026年间发表的约50篇论文	计算机视觉, 自然语言处理, 机器学习	前庭疾病，眩晕，眼震	视频眼震图，智能手机RGB视频，光学流网络	CNN, U-Net, LSTM, 光学流网络, GPT-4V, Gemini 2.0	文本, 图像, 视频	约50篇论文	NA	CNN, U-Net, LSTM, 光学流网络, GPT-4V, Gemini 2.0	识别准确率, 慢相速度测量	NA
1969	2026-06-28	Weakly Textured Objects Pose Estimation: A Comprehensive Review 2026-Jun-22, Sensors (Basel, Switzerland) DOI:10.3390/s26123957 PMID:42356930	综述	系统回顾了弱纹理物体姿态估计的方法，并指出未来研究方向	对弱纹理物体姿态估计方法进行了全面分类，并系统总结了泛化限制、实时性矛盾和标注瓶颈等核心问题	未提供具体的实验验证或性能比较	综述弱纹理物体姿态估计的最新进展，为算法设计、实验验证和工程应用提供参考	弱纹理物体	机器视觉	NA	NA	传统方法、深度学习	图像	NA	NA	NA	NA	NA
1970	2026-06-28	Untrained Position-Encoded Multilayer Perceptron Network for Structured Illumination Microscopy Reconstruction 2026-Jun-22, Chemical & biomedical imaging DOI:10.1021/cbmi.5c00153 PMID:42358782	研究论文	提出一种无需训练数据的位敏多层感知机网络用于结构光照明显微镜超分辨重建	该方法无需任何训练数据，利用隐式神经表征和SIM前向模型驱动重建超分辨图像，能够在低输入帧数下实现2D和3D图像重建，并预测3D堆栈中缺失的轴向平面	当前摘要未明确提及方法局限性，可能包括对噪声的敏感度或计算开销问题	为SIM超分辨成像提供一种数据高效且适应性强的重建方法	结构光照明显微镜（SIM）成像数据	计算机视觉	不适用	结构光照明显微镜	位敏多层感知机	图像	合成和实验数据集	PyTorch	多层感知机	结构相似性损失	NA
1971	2026-06-28	Artificial Intelligence in Cardiac Point-of-Care Ultrasound: A Narrative Review 2026-Jun-21, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics16121921 PMID:42351580	综述文章	本文叙述性综述了人工智能在心脏床旁超声中的应用现状	系统性地回顾了AI辅助心脏POCUS在图像采集、自动测量和解读方面的最新临床应用，并特别强调了新手使用中的性能提升	多数研究在受控条件下而非真实世界环境中评估，性能高度依赖图像采集质量，复杂应用如舒张功能评估和血流动力学测量验证不足	综述AI辅助心脏POCUS的当前应用及证据水平	AI辅助心脏POCUS的临床、教学或图像采集相关研究	机器学习	心血管疾病	NA	机器学习、深度学习	超声图像	NA	NA	NA	一致性、性能	NA
1972	2026-06-28	Current State and Future of Artificial Intelligence in Pediatric Interventional Radiology: A Narrative Review 2026-Jun-20, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics16121918 PMID:42351577	综述	总结人工智能在儿科介入放射学中的当前应用现状并展望未来临床整合方向	首次针对儿科介入放射学这一亚专科系统梳理AI全流程应用（包括剂量优化、图像重建、手术规划及预后预测），并综合论述儿科特有挑战（如生长变异、数据稀缺）及新兴范式（可解释AI、联邦学习、多模态融合）	现有AI工具缺乏针对儿童的专门设计、验证与部署，大部分工具与儿科临床终点关联薄弱	评估AI在儿科介入放射学领域的应用现状并识别临床转化的研究空白与优先方向	PubMed/Embase/Scopus等数据库中的同行评审文献及学会立场声明	自然语言处理, 机器学习, 数字病理	儿科疾病	NA	机器学习, 深度学习	文本, 多模态数据	无原始样本数据	NA	NA	NA	NA
1973	2026-06-28	Apple Origin Classification and Sugar Content Prediction of 'Fuji' Apples Using Near-Infrared Spectroscopy and Deep Learning 2026-Jun-20, Foods (Basel, Switzerland) DOI:10.3390/foods15122227 PMID:42354195	研究论文	利用近红外光谱和深度学习对富士苹果进行产地分类和糖度预测	建立了一个双任务近红外光谱框架，同时实现地理产地分类和可溶性固形物含量预测，并比较了多种深度学习模型的性能，其中Transformer在分类任务中表现最佳，DNN在回归任务中表现最佳	NA	实现富士苹果的产地可追溯性和无损内部品质评估	富士苹果样本	机器学习	NA	近红外光谱	深度学习模型	光谱数据	375个苹果，产生3000个分类光谱样本和750个糖度校准样本	NA	Transformer, DNN	准确率, MAE, RMSE, R, Pearson r	NA
1974	2026-06-28	Sensor-Driven Short-Term Forecasting on the Metropolitan LA Traffic Dataset: A Comparative Study for Multi-Step Prediction 2026-Jun-20, Sensors (Basel, Switzerland) DOI:10.3390/s26123917 PMID:42356890	研究论文	基于洛杉矶大都市交通数据集，对多步预测中的传感器驱动短期交通预测进行了比较研究，并提出了图增强Transformer	提出了传感器网络诊断框架，将传感器数据属性分析与四种代表性架构的受控基准测试结合，并创新性地引入每传感器回归分析链接零值比例与模型预测误差；进一步提出轻量级混合架构GETFormer，融合单跳图卷积网络层和门控残差融合模块	未明确提及，但可能受限于METR-LA单一数据集、207个感应环路检测器的规模以及5分钟分辨率；未涉及真实部署中的系统验证	探讨传感器级数据特性（零值比例、分布异质性、跨传感器相关性）如何驱动特定架构的失败模式，并为基于证据的模型选择提供指导	METR-LA数据集中的207个感应环路检测器及其5分钟分辨率交通流数据	机器学习	NA	NA	Transformer, STGCN, DCRNN, Gated TCN, GETFormer（混合架构）	时序数据	207个感应环路检测器，5分钟分辨率数据	PyTorch	Transformer, STGCN, DCRNN, Gated TCN, GETFormer（图增强Transformer，单跳GCN层+门控残差融合）	MAE, RMSE, MAPE	未明确提及
1975	2026-06-28	Multimodal EEG-EMG and FEM-Based Adaptive Control of Passive Upper-Limb Exoskeletons 2026-Jun-20, Sensors (Basel, Switzerland) DOI:10.3390/s26123924 PMID:42356896	研究论文	提出一种多模态神经接口，结合脑电图和肌电图信号对被动上肢外骨骼进行自适应控制，并利用有限元生物力学建模辅助分析	首次在被动外骨骼中融合EEG-EMG多模态信号与CNN-LSTM深度学习架构，通过认知负荷指数和额叶不对称指数实现无需主动驱动的软件级自适应辅助	有限元模型仅作为离线分析工具，未集成到实时控制回路中；LiveAmp平台为商用设备并非专门为本研究开发	实现被动上肢外骨骼基于用户生理和运动状态的软件级自适应辅助	十名健康被试的脑电图和肌电图信号	人机交互, 机器人学	NA	脑电图, 肌电图, 有限元建模	CNN-LSTM混合模型	生理信号（脑电图和肌电图）	10名健康被试	NA	CNN-LSTM	准确率, F1分数, 推理延迟	NA
1976	2026-06-28	Deep Learning Based on B-Mode and Color Doppler Ultrasound for Differentiation of Primary Thyroid Lymphoma and Hashimoto's Thyroiditis: A Retrospective Single-Center Study 2026-Jun-19, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics16121909 PMID:42351568	研究论文	基于B超和彩色多普勒超声的深度学习模型用于鉴别原发性甲状腺淋巴瘤和桥本甲状腺炎	提出了结合小波变换卷积和频率自适应门控机制的Frequency-Adaptive WT-ResNet模型，实现了B超和彩色多普勒超声图像中三种病变（弥漫大B细胞淋巴瘤、黏膜相关淋巴组织淋巴瘤和桥本甲状腺炎）的自动分类	探索性外部验证结果需谨慎解读，仍需更大规模的多中心队列验证模型泛化能力	开发和验证基于B超和彩色多普勒超声的深度学习模型，用于图像水平鉴别弥漫大B细胞淋巴瘤、黏膜相关淋巴组织淋巴瘤和桥本甲状腺炎	290名患者的1294张超声图像（313个病灶），来自华西医院和中山大学孙逸仙纪念医院	计算机视觉	甲状腺癌, 淋巴瘤, 桥本甲状腺炎	超声成像（B模式超声和彩色多普勒超声）	CNN (ResNet)	图像	290名患者的1294张超声图像（313个病灶），训练集与测试集按8:2划分	PyTorch	Frequency-Adaptive WT-ResNet（集成小波变换卷积和频率自适应门控机制）	AUC, 平衡准确率	NA
1977	2026-06-28	Functional Profiling in Paralympic Water Polo Using Deep Learning, Stereo Vision, and Phase-Based Kinematic Analysis: A Pilot Study 2026-Jun-19, Bioengineering (Basel, Switzerland) DOI:10.3390/bioengineering13060707 PMID:42351951	研究论文	提出一种基于深度学习、立体视觉和相位运动分析的残奥会水球功能画像框架，用于客观评估运动员的残余运动功能	将姿态估计作为定量测量工具，并将可见性中断视为功能相关事件而非噪声，为运动功能评估提供可解释的候选描述指标	样本量较小（仅5名男性运动员），且研究为试点性质，不旨在取代官方分类程序	为残奥会水球运动建立基于任务的功能画像框架，以支持基于证据的分类研究	5名国家级男子水球运动员（3名有运动障碍、2名健全参考者）	计算机视觉	运动功能障碍	立体视觉、OpenPose姿态估计	NA	视频	5名男性运动员（3名有运动障碍，2名健全参考者），共128次掷球试验	OpenPose	NA	核心值范围（0.05-0.15、0.29-0.68、0.040-0.148）	NA
1978	2026-06-28	Waist Circumference Modifies the Association Between a Deep Learning-Derived Retinal Biomarker and Coronary Artery Calcium Score in Asymptomatic Adults 2026-Jun-19, Journal of clinical medicine IF:3.0Q1 DOI:10.3390/jcm15124779 PMID:42355946	研究论文	探讨深度学习衍生的视网膜生物标志物Reti-CVD与无症状成年人冠状动脉钙化评分之间的关系，并评估腰围是否改变这一关联	首次验证中心性肥胖（以腰围衡量）对深度学习视网膜生物标志物与冠状动脉钙化评分之间关系的修饰作用，而一般肥胖（BMI）无此作用	回顾性设计、样本量较小（237人）、单一韩国人群、未考虑种族差异及长期随访数据	评估肥胖表型（特别是中心性肥胖）是否改变Reti-CVD与冠状动脉钙化评分的关联	237名接受常规健康筛查的无症状韩国成年人	机器学习, 数字病理学	心血管疾病	眼底摄影, 心脏计算机断层扫描	深度学习模型	眼底照片, 图像	237名无症状韩国成年人（其中78人患有腹部肥胖，102人患有一般肥胖）	NA	NA	受试者工作特征曲线下面积	NA
1979	2026-06-28	Cross-Sensor and Cross-Population Generalization of Deep Learning Models for Digital Mammography: A Controlled Four-Country Benchmark of Five Backbone Architectures with Statistical Significance Testing 2026-Jun-19, Sensors (Basel, Switzerland) DOI:10.3390/s26123911 PMID:42356884	研究论文	通过控制协议对五种深度学习骨干网络进行跨传感器和跨人群的数字乳腺X线摄影泛化能力基准测试	首次在统一控制协议下系统评估最新一代乳腺X线摄影专用基础模型（如Mammo-CLIP B5和Mammo-FM）在跨传感器平台和跨人群（中美印英四国数据）条件下的泛化性能，并采用带Benjamini-Hochberg FDR校正的配对DeLong z检验进行统计显著性分析	单一训练来源（CBIS-DDSM）和仅三次随机种子重复；MIAS数据集的组间比较未能达到统计显著性；极密乳腺亚组的样本量较小（n=140），导致95%置信区间重叠较大，无法支持统计优势结论	评估深度学习模型在数字乳腺X线摄影数据中跨传感器和跨人群迁移时的泛化能力，并探讨基础模型是否优于传统架构	来自美国（CBIS-DDSM）、中国（CMMD）、印度（DMID）和英国（MIAS）四个国家的乳腺X线摄影数据集	计算机视觉, 数字病理学	乳腺癌	数字乳腺X线摄影	深度学习模型（卷积神经网络、视觉Transformer）	图像（乳腺X线摄影图像）	训练集CBIS-DDSM（n=714验证），外部测试集：CMMD（n=1032，全视野数字乳腺X线摄影）、DMID（n=509，混合数字）、MIAS（n=322，胶片数字化）	PyTorch	ResNet-50, DINOv2-B14, Rad-DINO, Mammo-CLIP B5, Mammo-FM	AUC, 灵敏度, 特异性, 校准误差（温度缩放校正）	未提及
1980	2026-06-28	Artificial Intelligence, Deep Learning, and Computer Vision in Hysteroscopy: A Systematic Review 2026-Jun-18, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics16121899 PMID:42351557	综述	系统回顾人工智能、深度学习及计算机视觉在宫腔镜中的应用	首次系统综述AI/ML/DL在宫腔镜五个领域的应用现状，包括诊断分类、实时检测、分割、手术引导及预后决策	多数研究为单中心回顾性设计，缺乏外部验证；仅一项随机研究评估了AI对可测量手术结局的影响	系统评估人工智能、机器学习、深度学习或计算机辅助诊断在宫腔镜中的应用效果并分析现有证据的局限性	宫腔镜图像分析及手术辅助系统	计算机视觉, 机器学习	妇科疾病	宫腔镜成像	CNN, 深度学习模型	图像	19项原始研究	NA	NA	AUC	NA