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
221	2026-05-26	Research on real-time detection and staging technology for pressure injuries in critically ill patients based on the YOLOv8 deep learning model 2026, Frontiers in public health IF:3.0Q2 DOI:10.3389/fpubh.2026.1781481 PMID:42180450	研究论文	基于YOLOv8深度学习模型开发危重症患者压力性损伤实时检测与分期技术	首次将YOLOv8深度学习模型应用于压力性损伤的实时检测与分期，实现了客观、高效的自动化分期诊断	研究样本来自单中心ICU患者，可能存在数据偏差；模型在部分压力性损伤分期（如1期、3期和深部组织损伤）的识别准确率有待提升	开发并验证基于YOLOv8深度学习模型的压力性损伤实时检测与分期系统	重症监护室患者的压力性损伤图像，共507张	计算机视觉	压力性损伤	图像采集	YOLOv8深度学习模型	图像	507张压力性损伤图像，按8:2比例分为训练集（414张）和测试集（93张）	PyTorch	YOLOv8（包括YOLOv8n、YOLOv8s、YOLOv8m、YOLOv8l、YOLOv8x等版本）	准确率（accuracy）、平均平均精度（mAP）、推理速度（FPS）	NA
222	2026-05-26	HPRNet: a hierarchical pyramidal residual network for ECG arrhythmia classification 2026, Frontiers in physiology IF:3.2Q2 DOI:10.3389/fphys.2026.1800941 PMID:42180836	研究论文	提出一种层级金字塔残差网络（HPRNet）用于心电图心律失常分类	通过层级金字塔REB骨干网络（HRB）捕捉心电图多尺度形态特征，并引入多级剪枝优化策略（MLPO）减少冗余参数、提升计算效率	未提及具体限制，但可视化分析显示对困难搏动类别的区分仍存在内在挑战	解决心电图信号非平稳且易受噪声干扰的问题，实现鲁棒的心律失常自动分类	心电图心搏分类任务	机器学习	心律失常	心电信号处理	层级金字塔残差网络（HPRNet）	时间序列信号	MIT-BIH和INCART两个公共基准数据集	PyTorch	层级金字塔残差网络（HPRNet）	F1分数, 推理解析延迟	NA
223	2026-05-26	HVIface: sequence-based deep learning for decoding human-virus protein-protein interfaces 2026, Frontiers in bioinformatics IF:2.8Q2 DOI:10.3389/fbinf.2026.1813796 PMID:42181034	研究论文	该论文开发了一个基于序列的深度学习框架HVIface，用于预测人类-病毒蛋白质-蛋白质相互作用界面	首次整合18种序列衍生特征（残基接触势、理化兼容性和共进化信号）并结合深度学习进行残基级人类-病毒PPI界面预测，揭示了静电互补性和局部残基聚类在病毒-宿主界面形成中的核心作用	训练数据集仅包含73个结构解析的人类-病毒复合物，样本量较小可能影响模型泛化性	解码人类-病毒蛋白质-蛋白质相互作用的界面识别机制，为抗病毒治疗靶点开发提供基础	人类-病毒蛋白质相互作用界面残基	机器学习	NA	序列衍生特征（残基接触势、理化兼容性、共进化信号）	深度学习框架	蛋白质序列	73个结构解析的人类-病毒复合物	PyTorch	NA	准确率	NA
224	2026-05-26	Artificial intelligence in refractive surgery: progress, challenges, and future directions 2026, Frontiers in cell and developmental biology IF:4.6Q1 DOI:10.3389/fcell.2026.1824307 PMID:42181685	综述	本文系统总结了人工智能在屈光手术中的应用进展，包括角膜屈光手术和ICL手术的术前筛查、个性化手术规划及术后并发症预测	系统梳理了AI在屈光手术全流程中的应用，强调从标准化方案向数据驱动的个体化管理转变	面临数据标准化不足、算法可解释性差、跨设备兼容性及伦理问题等挑战	探讨AI优化屈光手术临床效果的潜力与挑战，推动智能化、自动化手术发展	屈光手术（角膜屈光手术和ICL手术）的术前筛查、手术规划及术后并发症预测	机器学习	眼科疾病（屈光不正相关）	机器学习与深度学习模型	NA	NA	NA	NA	NA	NA	NA
225	2026-05-25	A labeled ophthalmic ultrasound dataset with medical report generation based on cross-modal deep learning 2026-01, Artificial intelligence in medicine IF:6.1Q1 DOI:10.1016/j.artmed.2025.103317 PMID:41297151	研究论文	提出一个标注的眼科超声数据集，并基于跨模态深度学习生成医学报告	首次同时包含超声图像、血流信息和检查报告三种模态的眼科数据集	未提及	自动化生成眼科超声检查报告	眼科超声图像、血流参数和临床报告	计算机视觉, 自然语言处理	眼内疾病	超声成像	跨模态深度学习	图像, 文本, 数值	来自10,361名患者的22,173张图像及其对应报告	NA	知识融合跨模态网络 (KFCMN)	NA	NA
226	2026-05-25	Physics-informed graph neural networks for robust cross-patient epileptic seizure prediction via chimera state detection 2026, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0345470 PMID:41926489	研究论文	提出了一种结合Kuramoto振子理论和图神经网络的物理信息混合图神经网络（HP-GNN），用于鲁棒的跨患者癫痫发作预测	首次将Kuramoto振子动力学约束与图神经网络相结合，实现自动化、鲁棒且可解释的癫痫发作预测，在跨患者泛化、数据效率和临床可解释性方面取得显著提升	未提及	利用基于物理的Kuramoto振子理论约束，开发一种自动化、鲁棒且可解释的癫痫发作预测方法，解决临床转化中的关键障碍	癫痫患者的脑电图数据，包括CHB-MIT（22名儿科患者，182次发作）和IEEG.org（16名成人，87次发作）数据集	机器学习	癫痫	EEG	图神经网络	EEG信号	22名儿科患者和16名成人患者，共269次发作，844小时连续EEG	NA	HP-GNN	准确率、敏感度、假阳性率、AUC	NA
227	2026-05-25	Utilizing the transformer mechanism to predict cervical lymph node metastasis in patients with papillary thyroid carcinoma 2026, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0345937 PMID:41931576	研究论文	利用Vision Transformer模型预测甲状腺乳头状癌患者颈部淋巴结转移，并与其他模型比较性能	首次应用Vision Transformer深度学习模型预测甲状腺乳头状癌（PTC）的颈部淋巴结转移，并与传统CNN、超声影像组学及临床模型对比，展示了ViT模型在外部验证中的稳定性和优越性	英文摘要未明确提及局限性，但回顾性研究设计、单一疾病（PTC）和样本量（540例）可能限制泛化性	开发并验证Vision Transformer模型在术前预测PTC患者颈部淋巴结转移中的应用价值	来自两家医院的540名PTC患者	计算机视觉	甲状腺癌	NA	Vision Transformer（ViT）	图像（二维矩形超声图像）	540名PTC患者	NA	Vision Transformer, 卷积神经网络	AUC, 净重新分类改进（NRI）, 综合鉴别改善（IDI）	NA
228	2026-05-25	LeafDet: A lightweight and interpretable deep learning framework for tomato leaf disease detection 2026, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0349501 PMID:42172206	研究论文	本文提出了一种基于YOLOv8的轻量级可解释番茄叶病检测框架LeafDet，并构建了平衡数据集PlantTom	提出了包含CBM、C2f、SPPF、ECA注意力模块以及BiFPN、GSConv、VoVGSCSP和Shuffle Attention的创新轻量级模型结构，通过ECA和Shuffle Attention等高效注意力机制提升精度与速度，并利用Eigen-CAM提供决策过程可视化解释	未明确提及局限性，但可能受限于特定作物（番茄）和特定数据集PlantTom的规模与多样性	开发一种可部署且可解释的深度学习框架，用于智能农业中植物叶病的精确检测	番茄叶病对象检测	计算机视觉, 深度学习	番茄叶病	对象检测	YOLOv8	图像	PlantTom数据集包含7836张图像，8个不同类别的番茄叶病	PyTorch	YOLOv8改进版（包含CBM、C2f、SPPF、ECA注意力、BiFPN、GSConv、VoVGSCSP、Shuffle Attention）	mAP@0.5, 推理时间	NA
229	2026-05-25	A hybrid BiLSTM and rule-based system for integrated diabetes prediction and personalized guidance 2026, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0347672 PMID:42172283	研究论文	提出一个融合双向长短期记忆网络和基于规则的系统的混合框架，用于糖尿病预测和个性化指导	结合高精度BiLSTM预测模型与基于规则的个性化建议引擎，实现诊断后自我管理的闭环支持	未提及模型在实际临床环境中的部署挑战或用户隐私保护措施	开发一个集成预测与个性化指导的临床相关工具，弥合诊断与主动自我管理之间的差距	糖尿病患者及高危人群	机器学习	糖尿病	NA	BiLSTM	表格数据	PIMA和2型糖尿病融合数据集，具体样本数未提及	NA	BiLSTM	准确率、精确率、召回率	NA
230	2026-05-25	SMART deep learning tools to accelerate the characterization of natural product structures from their NMR data 2026, Methods in enzymology DOI:10.1016/bs.mie.2025.08.022 PMID:42177060	研究论文	介绍两种人工智能工具SMART 2.1和DeepSAT，利用H-C HSQC NMR谱辅助加速天然产物结构解析	开发了两种互补的AI工具，通过分析H-C HSQC NMR谱来识别结构相关分子，显著加速天然产物的结构鉴定过程	NA	开发加速天然产物结构表征的深度学习工具	天然产物的NMR数据及结构相关分子识别	机器学习	NA	NMR	深度学习模型	光谱数据	NA	NA	SMART 2.1, DeepSAT	NA	NA
231	2026-05-24	Deep learning motion correction of quantitative stress perfusion cardiovascular magnetic resonance 2026-Jan-20, Journal of cardiovascular magnetic resonance : official journal of the Society for Cardiovascular Magnetic Resonance IF:4.2Q1 DOI:10.1016/j.jocmr.2026.102697 PMID:41571054	研究论文	开发并评估了基于无监督深度学习的运动校正流程，用于定量压力灌注心血管磁共振成像中的运动伪影校正	采用无监督深度学习模型替代传统迭代配准优化，实现单步快速估计运动校正，结合主成分分析抑制动态对比效应，显著提升处理速度和鲁棒性	NA（摘要未明确提及限制）	提高定量压力灌注心血管磁共振成像中运动校正的效率和鲁棒性，促进临床广泛应用	心脏灌注系列图像及辅助图像，包括低分辨率短饱和准备时间动脉输入函数系列和质子密度加权图像	计算机视觉	心血管疾病	心脏磁共振灌注成像	深度学习模型（无监督）	图像	201名患者的多厂商数据用于训练和验证，38名患者数据独立测试	NA	NA	时间强度曲线平滑度、Dice系数、定量灌注图标准差、处理时间	NA
232	2026-05-24	Nephrocast-V: A Deep Learning Model for the Prediction of Vancomycin Trough Concentration Using Electronic Health Record Data 2026-01, Pharmacotherapy IF:2.9Q2 DOI:10.1002/phar.70062 PMID:41025800	研究论文	利用深度学习模型基于电子健康记录数据预测重症监护病房患者万古霉素谷浓度	提出结合长短期记忆网络和多头注意力机制的深度学习模型，提前2天预测万古霉素谷浓度并给出剂量调整建议	单中心回顾性研究，样本量有限（2205次住院记录），模型性能与临床药师辅助贝叶斯软件相当但未显著超越	验证深度学习模型在重症患者中预测万古霉素谷浓度并优化给药方案的可行性	2016年1月至2024年6月入住加州大学圣地亚哥健康系统ICU的成年患者	机器学习	感染性疾病（革兰阳性菌感染）	电子健康记录数据提取	长短期记忆网络结合多头注意力机制	结构化电子健康记录数据	2205次住院记录	NA	LSTM, Multi-Head Attention, Skip Connections	平均绝对误差（MAE），均方根误差（RMSE）	NA
233	2026-05-24	Computational drug design in the artificial intelligence era: A systematic review of molecular representations, generative architectures, and performance assessment 2026-01, Pharmacological reviews IF:19.3Q1 DOI:10.1016/j.pharmr.2025.100095 PMID:41389438	综述	系统综述了人工智能时代计算药物设计中分子表征、生成架构和性能评估的现状	提出按药物表征优先、生成模型类型其次的分类框架，明确不同模型对特定分子数据类型的适用性	文中未明确阐述局限性	为人工智能驱动的药物发现提供统一框架，理解表征选择、生成机制和评估范式间的复杂关系	计算药物设计中的分子表征策略、生成架构和评估方法	机器学习	NA	深度学习	变分自编码器，生成对抗网络，强化学习系统，扩散模型	分子数据	NA	NA	VAE, GAN, 强化学习, 扩散模型	NA	NA
234	2026-05-24	Deep Learning-Enabled Virtual Multiplexed Immunostaining of Label-Free Tissue for Vascular Invasion Assessment 2026, BME frontiers IF:5.0Q1 DOI:10.34133/bmef.0226 PMID:41676162	研究论文	基于深度学习的无标记组织虚拟多重免疫染色方法，用于血管侵犯评估	首次利用深度学习实现无标记组织的虚拟多重免疫染色，同时生成ERG、PanCK和H&E图像，避免传统化学染色流程	当前未明确提及虚拟染色在复杂组织异质性或罕见病变中的泛化能力，以及临床大规模验证的不足	开发并验证一种基于深度学习的虚拟多重免疫染色方法，用于提高血管侵犯评估的准确性和效率	甲状腺癌组织切片，评估血管侵犯标志物ERG、PanCK和H&E的表达	数字病理学	甲状腺癌	深度学习的虚拟多重免疫染色（自动荧光成像为基础）	深度学习模型	无标记组织自动荧光图像	NA（未在标题和摘要中明确样本数量）	NA	NA	一致性评估（与组织化学染色结果对比，由病理医生盲审）	NA
235	2026-05-24	Encoding functional edges in graphs to model spatially varying relationships in the tumor microenvironment 2026, NPJ artificial intelligence DOI:10.1038/s44387-026-00075-5 PMID:41783808	研究论文	介绍了一个名为SPIFEE的图深度学习框架，用于模拟肿瘤微环境中多尺度的空间变化关系	通过将空间变化的函数向量直接编码到图边中，增强了图表示的表达能力，且框架与模态无关，支持跨模态整合	未明确提及，但可能包括对计算资源的需求或处理大规模数据时的可扩展性挑战	开发一个灵活的图深度学习框架，以揭示肿瘤微环境中的多级空间洞察	肿瘤微环境中的空间关系，包括细胞类型、表型簇和分子通路	数字病理学，机器学习	癌症	多重免疫荧光、H&E组织病理学、空间转录组学	图神经网络	图像，文本	未明确提及（使用了多重免疫荧光、H&E组织病理学和空间转录组学数据集）	PyTorch（根据图神经网络框架推断）	基于图注意力机制的自定义图神经网络	性能指标未明确列出，但提到优于现有空间建模方法	未明确提及
236	2026-05-24	Ontogenetic shifts in morphology and ecology of eastern Pacific white sharks revealed by computer vision 2026, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0348174 PMID:42160294	研究论文	结合无人机和深度学习分析东太平洋白鲨的形态与生态	首次利用无人机影像和深度学习流水线远程获取大型海洋捕食者的高分辨率形态测量数据，揭示个体发育驱动的生态结构	依赖高分辨率无人机影像质量，且研究区域局限于蒙特雷湾，可能不反映全种群特征	探究东太平洋白鲨的形态变化与生态结构，及其与个体发育和性别的关系	东太平洋白鲨（Carcharodon carcharias）	计算机视觉	NA	无人机成像	深度学习	图像	东太平洋白鲨个体（具体数量未明确）	NA	UNet, ResNet, Transformer	NA	NA
237	2026-05-24	Prediction of cognitive impairment through speech data analysis: A comparative evaluation of deep learning models 2026, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0349412 PMID:42166472	研究论文	评估多种深度学习模型在通过语音数据分类正常认知、轻度认知障碍和阿尔茨海默病个体中的表现，以识别最有效的基于音频的认知障碍诊断方法	系统比较了一维卷积神经网络、音频频谱图变换器和Wav2Vec 2.0三种深度学习架构在认知障碍分类任务中的性能，并采用统计检验确保结果显著性	研究仅纳入女性参与者，可能限制结果的普适性；数据集来源单一，需在其他人群验证	确定基于语音数据的认知障碍诊断中最有效的深度学习模型	认知障碍患者的语音录音数据	自然语言处理, 机器学习	阿尔茨海默病, 认知障碍	语音数据分析	卷积神经网络, 变换器, 语音识别模型	音频数据	320名女性参与者（105名阿尔茨海默病患者、92名轻度认知障碍患者、123名正常认知对照）	PyTorch	一维卷积神经网络, 音频频谱图变换器, Wav2Vec 2.0	准确率, 召回率, 精确率, F1分数, 威尔逊评分95%置信区间	NA
238	2026-05-24	Eigen-guided transformer: A data-driven approach for chronic kidney disease forecasting 2026, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0348886 PMID:42166450	研究论文	提出一种基于特征值引导的Transformer架构，用于慢性肾病的精准预测	通过数据驱动的特征值分析自动确定注意力头数量、特征向量引导的权重初始化及验证驱动的深度优化，提升模型效率与可解释性	未提及，但可能受限于MIMIC-IV和eICU数据集的样本代表性	实现慢性肾病进展的精准预测并解决深度模型的计算低效与可解释性不足问题	慢性肾病患者的纵向临床序列数据	机器学习	慢性肾病	NA	Transformer	序列数据，数值型临床指标	MIMIC-IV数据集和eICU数据集（每日聚合的纵向序列），具体样本量未在摘要中说明	PyTorch	Eigen-Guided Transformer	均方误差（MSE）、平均绝对误差（MAE）、FLOPs/准确率比	NA（未在摘要中说明）
239	2026-05-23	Development and validation of deep learning for predicting the growth of ovarian cancer organoids 2026-Jan-05, Chinese medical journal IF:7.5Q1 DOI:10.1097/CM9.0000000000003575 PMID:40709801	研究论文	开发并验证基于深度学习的模型，用于预测卵巢癌类器官的生长	提出了一种可解释的深度学习模型，能够提前预测卵巢癌类器官的培养结果，并采用了同质迁移学习优化方法提升预测性能	研究可能受限于样本量及特定癌症类型，模型在临床实用性和过程自动化方面仍有待进一步发展	开发可解释的深度学习模型，提前预测卵巢癌类器官的培养结果	卵巢癌类器官及其纵向显微镜图像	数字病理学	卵巢癌	显微镜成像	卷积神经网络和Transformer	图像	517个卵巢癌类器官液滴（训练集325、验证集88、测试集104），外加179个多中心样本用于前瞻性验证	PyTorch	ResNet18, VGG11, ConvNeXt v2, Swin Transformer v2	AUC, Brier评分	NA
240	2026-05-23	Prediction of influenza virus infection based on deep learning and peripheral blood proteomics: A diagnostic study 2026-Jan, Journal of advanced research IF:11.4Q1 DOI:10.1016/j.jare.2025.03.051 PMID:40158620	研究论文	基于深度学习与外周血蛋白质组学预测流感病毒感染的研究	结合机器学习和蛋白质组学筛选出SAA1、SAA2和SERPINA3作为流感感染的关键分子标志物，并通过ELISA实验验证SAA2作为辅助诊断指标的潜力	样本来源单一，且仅验证了SAA2蛋白的辅助诊断价值，其他标志物如SERPINA3和SAA1的临床实用性需进一步研究	通过机器学习和外周血蛋白质组学预测流感病毒感染，并筛选出特异性分子标志物用于诊断和鉴别诊断	流感患者、COVID-19患者、混合感染患者及健康个体的外周血样本	机器学习、蛋白质组学	流感病毒感染	蛋白质组测序、ELISA	随机森林模型、LASSO回归模型	蛋白质组学数据、临床特征数据	850名患者（包括流感、COVID-19和混合感染）和265名健康个体	NA	随机森林、LASSO回归	ROC曲线	NA