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
341	2026-05-02	Spatial AI in cancer: mapping immune evasion topology through multi-modal omics and deep learning 2026, Frontiers in oncology IF:3.5Q2 DOI:10.3389/fonc.2026.1762907 PMID:42063727	综述	综述空间人工智能在癌症研究中的应用，结合高分辨率空间多组学与深度学习，揭示免疫逃逸的拓扑机制	将空间拓扑结构与人工智能结合，利用图神经网络解析肿瘤微环境中免疫排斥、功能障碍性炎症区及三级淋巴结构成熟状态等空间表型，提出免疫逃逸的拓扑生物学新视角	数据标准化不足、计算可扩展性有限、模型可解释性差以及监管审批障碍	阐明免疫逃逸的拓扑机制，推动空间生物标志物的临床验证及治疗策略转化	肿瘤微环境中的免疫逃逸拓扑特征，包括物理屏障、局部免疫抑制微环境及免疫细胞聚集结构	机器学习	癌症	空间多组学	图神经网络	空间多模态数据	NA	NA	图神经网络	NA	NA
342	2026-05-02	Construction and validation of a multimodal MRI-based deep learning model for early differential diagnosis of prostate cancer in the PSA gray zone: a retrospective cohort study 2026, Frontiers in oncology IF:3.5Q2 DOI:10.3389/fonc.2026.1763766 PMID:42063732	research paper	开发并验证一种基于多模态MRI的深度学习模型，用于在前列腺特异性抗原(PSA)灰区（4-10 ng/mL）早期鉴别诊断临床显著性前列腺癌	首次将多模态MRI（T2加权成像、弥散加权成像、表观弥散系数图）与临床参数整合到基于改进U-Net和ResNet-50骨干网络的新型多模态卷积神经网络框架中，实现PSA灰区前列腺癌的无创早期诊断，并通过决策曲线分析验证其临床净获益	作为回顾性队列研究，可能引入选择偏倚；样本量相对有限（305例患者）；模型在外部验证集上的泛化能力仍需进一步评估	构建和验证一种整合多模态MRI与临床参数的深度学习模型，提高PSA灰区临床显著性前列腺癌的检测准确性，减少不必要的活检	PSA水平在4-10 ng/mL（PSA灰区）的305例可疑前列腺癌患者	machine learning, computer vision	prostate cancer	多参数磁共振成像(mpMRI)	卷积神经网络(CNN)	MRI影像数据, 临床参数数据	305例患者（来自PSA灰区4-10 ng/mL）	NA	U-Net, ResNet-50	曲线下面积(AUC), 灵敏度, 特异性, 总准确率, 决策曲线分析净获益, 一致性系数(κ)	NA
343	2026-05-02	Building novel LLM-enabled explainable ensemble transformer models combining endoscopic and CT images for discriminating the different grades of gastrointestinal cancers 2026, Frontiers in medicine IF:3.1Q1 DOI:10.3389/fmed.2026.1789769 PMID:42063793	研究论文	提出一种新型可解释的LLM集成Transformer模型，结合内镜和CT图像区分胃肠癌不同分级	首次将LLM与集成Transformer架构结合，实现医疗图像诊断的可解释性和用户交互式诊断说明生成	未提及	开发可解释的深度学习框架，提高胃肠癌严重程度分级的诊断性能并降低误报率	胃肠癌患者的两种医学影像数据（内镜图像和CT扫描图像）	计算机视觉, 自然语言处理	胃肠癌	图像采集与预处理	Transformer, LLM	图像	Kvasir数据集和TCIA CT（TCGA-STAD）数据集	NA	集成Transformer	准确率, 精确率, 召回率, F1分数	NA
344	2026-05-02	Virtual reality-induced emotion recognition with deep learning-based multimodal physiological feature fusion 2026, Frontiers in psychology IF:2.6Q2 DOI:10.3389/fpsyg.2026.1759471 PMID:42063869	研究论文	研究结合虚拟现实（VR）情绪诱发范式与深度学习的多模态生理信号融合，实现情绪识别	首次将生态效度高的VR情绪诱发与多模态PCA-LSTM融合模型相结合，系统性克服传统方法生态效度低和信息不完整的问题	样本量较小（20名健康参与者），情绪状态仅限于三分类（积极、中性、消极），未考虑个体差异对情绪诱发的影响	提升情绪识别的客观性和准确性，解决传统方法在生态效度和量化精度上的瓶颈	通过VR诱发积极、中性和消极三种情绪状态，并采集生理信号（脑电图、心电、皮电）和主观评估数据	自然语言处理	NA	生理信号采集（脑电图、心电、皮电）、PCA降维、LSTM建模	PCA-LSTM混合网络	生理信号数据（脑电图、心电、皮电）及主观评估数据	20名健康参与者	NA	PCA、LSTM、全连接层	准确率	NA
345	2026-05-02	Applications of artificial intelligence in postoperative surveillance and management of esophageal squamous cell carcinoma 2026, Frontiers in artificial intelligence IF:3.0Q2 DOI:10.3389/frai.2026.1806691 PMID:42064032	综述	综述人工智能在食管鳞状细胞癌术后监测与管理中的应用	系统总结了人工智能多模态模型（整合电子健康记录、影像组学和生物标志物）在术后并发症预警、复发预测及远程随访中的最新进展，并强调可解释性方法（如SHAP）提升临床可理解性	仅纳入英文文献，且部分研究可能受限于样本量或外部验证不足	探讨人工智能在食管鳞状细胞癌围手术期（尤其是术后监测与管理）中的应用潜力	食管鳞状细胞癌患者的术后监测与管理策略	机器学习, 数字病理学, 自然语言处理	食管鳞状细胞癌	影像组学, 自然语言处理, 可穿戴传感器, 电子患者报告结局	机器学习, 深度学习	影像, 文本, 电子健康记录	NA	NA	NA	NA	NA
346	2026-05-02	PlantPathNet: a novel network based on cross-layer feature integration for plant disease classification 2026, Frontiers in plant science IF:4.1Q1 DOI:10.3389/fpls.2026.1783576 PMID:42064302	研究论文	提出一种基于跨层特征融合的深度学习网络PlantPathNet用于植物病害分类	创新点包括RGB到HSV颜色空间转换增强病害表示、跨层特征融合模块(CFIM)聚合多深度判别特征、基于ECANet的通道注意力机制以及结合修正Softmax损失和中心损失的复合损失函数	仅基于PlantVillage数据集进行评估，未验证在真实农业场景下的性能表现	开发一种稳健高效的植物病害自动诊断方法，提升作物监测和产量保护能力	植物叶片图像中的病害分类任务	计算机视觉	植物病害	深度学习	卷积神经网络	图像	基于PlantVillage数据集	PyTorch	PlantPathNet, ECANet	准确率、精确率、召回率、F1分数、AUROC	NA
347	2026-05-02	Toward intelligent rehabilitation: Multimodal human pose modeling with parametric meshes and graph-based temporal reasoning 2026 Jan-Dec, Digital health IF:2.9Q2 DOI:10.1177/20552076261417873 PMID:42064381	研究论文	提出一种多模态无标记框架，整合RGB和深度数据，用于家庭物理治疗动作识别	首次将参数化人体网格与图卷积时间推理相结合，实现多模态特征融合与鲁棒的动作识别	未来需更广泛的验证及考虑实际部署因素	开发可靠的家庭物理治疗动作识别多模态框架	老年人和行动不便者	计算机视觉	老年疾病	RGB-D传感器	图卷积网络	图像	三个公开康复数据集：KIMORE、mRI、UTKinect-Action3D	PyTorch	SMPL模型, 图卷积网络	准确率	NA
348	2026-05-02	General-purpose topology-aware embedding of tumor phylogenetic trees with graph neural networks 2026, Bioinformatics advances IF:2.4Q2 DOI:10.1093/bioadv/vbag016 PMID:42064751	研究论文	提出CPhyT-GNN方法，利用图神经网络对肿瘤系统发育树进行无监督嵌入，生成可用于多种机器学习任务的向量表示	首次将图神经网络应用于系统发育树的通用拓扑感知嵌入，能够同时整合肿瘤突变信息和树形拓扑结构信息	未明确提及局限性	开发一种能够自动从系统发育树中提取有效信息的深度学习方法	肿瘤系统发育树及其嵌入表示	机器学习	肿瘤	NA	图神经网络	树形结构数据	NA	NA	图神经网络	NA	NA
349	2026-05-02	Machine learning-based risk predictive models for depression in patients with diabetes: a systematic review and meta-analysis 2026, Frontiers in endocrinology IF:3.9Q2 DOI:10.3389/fendo.2026.1816661 PMID:42064765	系统综述与Meta分析	系统评估基于机器学习的糖尿病合并抑郁症风险预测模型的性能、优势与局限性	首次对基于机器学习的糖尿病合并抑郁症风险预测模型进行系统综述和Meta分析，并采用PROBAST-AI工具评估偏倚风险和临床适用性	纳入研究样本量较小，缺乏外部验证，研究间异质性极高（I² = 97.4%）	评估现有糖尿病合并抑郁症风险预测模型的性能和临床适用性，提供可靠证据以支持临床决策	糖尿病合并抑郁症风险预测模型	机器学习	糖尿病伴抑郁症	NA	逻辑回归、传统回归模型、通用机器学习模型、深度学习模型	NA	14项研究，64个机器学习模型	NA	逻辑回归、传统回归模型、通用机器学习模型、深度学习模型	受试者工作特征曲线下面积及其95%置信区间	NA
350	2026-05-02	Heartbeat: a multimodal dataset of fetal echocardiography and clinical metadata for early detection of congenital heart disease 2026, Frontiers in cardiovascular medicine IF:2.8Q2 DOI:10.3389/fcvm.2026.1726484 PMID:42064861	研究论文	介绍Heartbeat多模态数据集，用于胎儿超声心动图和临床元数据早期检测先天性心脏病	首次构建包含胎儿心脏超声图像和临床元数据的大型多模态数据集，并提出Heart-ViT模型，通过自适应层归一化整合成像特征与患者特异性临床元数据，显著提升CHD检测性能	数据集中CHD患病率较低（6.50%和7.25%），存在类别不平衡问题；研究仅限于第二和第三孕期数据	开发AI辅助工具，用于先天性心脏病的早期产前筛查	人类胎儿心脏超声影像和临床元数据	数字病理学	先天性心脏病	超声心动图	卷积神经网络（CNN）、Transformer（Heart-ViT）	图像和元数据	1,475名患者	PyTorch	CNN、Transformer、Heart-ViT	敏感性、特异性、阳性预测值（PPV）、AUROC、F1分数	NA
351	2026-05-01	Magnetic resonance imaging-based deep-learning radiomics score for survival prediction and risk stratification in pediatric hepatoblastoma receiving surgical resection 2026-Jan-28, World journal of radiology IF:1.4Q3 DOI:10.4329/wjr.v18.i1.115503 PMID:41640707	研究论文	开发基于磁共振成像的深度学习影像组学评分，用于接受手术切除的儿童肝母细胞瘤患者的生存预测和风险分层	提出深度学习影像组学评分结合临床-深度学习列线图模型，用于术前识别高风险患者以指导新辅助化疗，且评分能有效分层患者风险	样本量较小（106例），且为回顾性研究，可能存在选择偏倚；外部验证仅来自另一机构	评估基于深度学习的影像组学评分在早期肝母细胞瘤患者术后无事件生存预测中的性能	接受手术切除的儿童肝母细胞瘤患者	计算机视觉, 数字病理学	儿童肝母细胞瘤	磁共振成像	CNN	图像	106例（训练队列74例，测试队列32例）	NA	NA	预后能力, 校准能力, 预测误差	NA
352	2026-04-29	Genomic prediction of feed efficiency in boars by deep learning 2026-01-07, G3 (Bethesda, Md.) DOI:10.1093/g3journal/jkaf274 PMID:41239183	研究论文	利用深度学习对公猪饲料效率进行基因组预测，并与传统线性模型比较	首次将深度学习模型应用于公猪饲料效率的基因组预测，并评估了其对非加性遗传效应的捕捉能力	深度学习模型的计算成本显著增加，且捕捉的非加性方差并未显著提高预测能力	比较深度学习模型与线性模型在预测两个公猪群体饲料效率上的能力，并评估非加性遗传效应的影响	两个公猪群体（父系和母系）的饲料效率性状	机器学习	NA	基因组预测	MLP, CNN	基因组数据	NA	NA	多层感知器, 卷积神经网络	预测能力	NA
353	2026-04-29	Pretreatment CT Identification of Extranodal Extension in Laryngeal and Hypopharyngeal Cancers Using Deep Learning 2026-01, Radiology IF:12.1Q1 DOI:10.1148/radiol.250332 PMID:41528225	研究论文	开发并评估深度学习工具DeepENE在喉癌和下咽癌患者术前CT扫描中检测结外侵犯的诊断性能	首次构建深度学习工具DeepENE，在术前CT上自动识别病理结外侵犯，并在多中心数据上超越五位头颈癌专家表现	未提供具体局限性信息	开发一种深度学习工具用于术前CT检测喉癌和下咽癌患者的结外侵犯，提高诊断准确性	289例喉癌和下咽癌患者及1954个经病理确认的淋巴结	计算机视觉	喉癌、下咽癌	CT成像	深度学习	CT图像	289例患者和1954个淋巴结	NA	DeepENE	AUC、敏感性、特异性	NA
354	2026-04-29	A Fully Automated 3D CT U-Net Framework for Segmentation and Measurement of the Masseter Muscle, Innovatively Incorporating a Self-Supervised Algorithm to Effectively Reduce Sample Size: A Validation Study in East Asian Populations 2026-01, Aesthetic plastic surgery IF:2.0Q2 DOI:10.1007/s00266-025-05066-6 PMID:40858739	研究论文	开发并评估一种基于U-Net的全自动3D CT框架，用于咬肌分割和体积测量，并创新性地引入自监督算法以减少所需样本量	创新性地引入自监督算法，显著减少了深度学习所需的样本量；在840名东亚健康志愿者中进行了验证，提供了基线数据	研究仅限于健康东亚人群，未涉及疾病状态或不同种族人群；未考虑咬肌分割和测量在其他成像模态上的适用性	开发并评估一种自动化的咬肌分割和体积测量方法，提供东亚人群的基线数据	840名健康的东亚志愿者（253名男性，587名女性），其中15例用于临床验证	计算机视觉	NA	CT成像	U-Net	3D CT图像	840例头颈CT阴性的健康个体，其中15例用于临床验证	PyTorch	U-Net	体积准确度、形态评分、运行时间、配对t检验、皮尔逊相关系数	NA
355	2026-04-29	Advancements in AI-based quantitative analysis of fundus tessellation and its application in myopia research 2026, Frontiers in medicine IF:3.1Q1 DOI:10.3389/fmed.2026.1786949 PMID:41907242	综述	该文章综述了基于人工智能的眼底豹纹状改变定量分析技术及其在近视研究中的应用	首次系统整合了人工智能辅助的眼底豹纹状改变定量评估方法及其与近视临床参数的关联	NA	探讨人工智能驱动的眼底豹纹状改变量化分析在近视研究中的方法学进展和临床应用潜力	眼底豹纹状改变及其密度量化指标	计算机视觉	近视	NA	深度学习	图像	多个队列研究	NA	NA	NA	NA
356	2026-04-29	AI-based planning for DIEAP flap procedures: exploring foundation models for artery perforators analysis 2026, Frontiers in medicine IF:3.1Q1 DOI:10.3389/fmed.2026.1757637 PMID:41907262	研究论文	评估并优化基于基础模型的自动化管道，用于DIEAP皮瓣手术中穿支血管的分割与定量分析	提出了一种新型端到端模型驱动管道，结合计算机视觉算法提取解剖先验、生成血管中心线，并利用这些空间提示指导深度学习分割模型，创新性地使用连通性感知复合损失（含骨骼召回损失）微调nnInteractive模型，显著提升分割性能	测试集仅包含九名患者，样本量较小；零样本基线性能较低（DSC 0.174），且最终DSC仅提升至0.265，仍有较大改进空间	评估、微调和验证用于穿支血管分割与定量分析的自动化端到端模型驱动管道，以提高术前规划效率和一致性	CT血管造影（CTA）图像中的穿支血管	计算机视觉	乳腺癌（乳房重建）	CT血管造影（CTA）	深度学习分割模型（基础模型：SAM 2, MedSAM-2, nnInteractive）	图像（CTA影像）	9名患者的CTA数据	NA	nnInteractive, SAM 2, MedSAM-2	Dice相似系数（DSC）	NA
357	2026-04-29	Diabetic retinopathy severity detection using an improved Whale optimization algorithm and convolutional Kolmogorov-Arnold network 2026, Frontiers in medicine IF:3.1Q1 DOI:10.3389/fmed.2026.1709872 PMID:41907276	研究论文	采用改进鲸鱼优化算法与卷积Kolmogorov-Arnold网络进行糖尿病视网膜病变严重程度检测	结合ShuffleNet V2与视觉Transformer注意力机制进行特征提取，利用改进鲸鱼优化算法微调模型，并使用卷积Kolmogorov-Arnold网络进行分类	模型在独立数据集上的泛化性能及计算资源需求需进一步验证	基于深度学习技术自动检测糖尿病视网膜病变的严重程度	糖尿病视网膜病变患者的眼底图像	计算机视觉	糖尿病视网膜病变	NA	CNN, Transformer	图像	EyePACS数据集（用于训练）和Messidor-2数据集（用于泛化测试）	NA	ShuffleNet V2, Vision Transformer, 卷积Kolmogorov-Arnold网络	准确率	最小处理资源
358	2026-04-29	Model-independent searches of new physics in DARWIN with deep learning 2026, The European physical journal. C, Particles and fields DOI:10.1140/epjc/s10052-025-15161-2 PMID:41907564	研究论文	提出一种深度学习流程，在拟建的下一代多吨级液氙直接探测实验DARWIN中，无模型依赖地搜索除背景外的新物理异常事件	采用变分自编码器和分类器的组合异常检测器，从高维模拟探测器响应数据中学习特征，避免传统的降维信息损失和计算开销，实现无似然函数的模型无关搜索	仅基于WIMP暗物质信号进行验证，未涵盖其他潜在新物理信号；模拟数据与真实实验数据可能存在差异，实际性能待验证	开发一种无模型依赖的异常事件搜索方法，补充或增强DARWIN实验中传统的似然分析流程	DARWIN液氙直接探测实验的高维模拟探测器响应数据	机器学习	无	NA	变分自编码器和分类器	高维模拟探测器响应数据	NA	PyTorch或TensorFlow（基于深度学习框架的VAE和分类器）	变分自编码器、分类器	异常分数（1D anomaly score）的统计功效	GPU（未明确指定具体型号，需根据实验模拟需求确定）
359	2026-04-29	Quantification of feeding intensity and feeding control of largemouth bass based on water surface vibration characteristics 2026, Frontiers in artificial intelligence IF:3.0Q2 DOI:10.3389/frai.2026.1656290 PMID:41908139	研究论文	本研究通过整合振动信号量化与深度学习，建立了基于水面振动特性的大口黑鲈摄食强度动态预测模型	首次将水面振动特性与LSTM深度学习模型结合，实现了低成本、高精度的实时摄食强度预测与反馈控制	模型仅在特定实验条件下验证，未涉及不同水质或环境噪声影响	实现高密度水产养殖中大口黑鲈的精准投喂控制	大口黑鲈（50-300g）	机器学习	NA	三轴振动信号量化	LSTM	时间序列振动信号	实验设计：鱼尺寸50-300g（4组），养殖密度20-60条/组（3组），投喂速度1-3g/s（3组），饲料粒径2#4#6#（3组）	PyTorch	LSTM, GRU, Transformer, GCN, 光流法	RMSE, MAE, R, 残留饲料率	嵌入式系统Orange Pi AiPRO（成本<200美元）
360	2026-04-27	Cerebrovascular diagnosis using CTA-based intracranial aneurysm classification via transfer learning and Grad-CAM visualization 2026, Frontiers in neurology IF:2.7Q3 DOI:10.3389/fneur.2026.1704945 PMID:41908287	研究论文	通过迁移学习和Grad-CAM可视化技术，基于CT血管造影对颅内动脉瘤进行分类诊断	将迁移学习与定量可解释性评估相结合，在有限数据条件下同时提升了颅内动脉瘤CTA分类的准确性和透明度	样本量较小（仅83例患者），且缺乏多中心外部验证	评估混合深度迁移学习框架结合Grad-CAM在CTA图像中进行颅内动脉瘤分类的可解释性和准确性	来自两个中心的83例符合条件患者的CTA影像数据	计算机视觉	脑血管疾病	CTA	CNN	图像	83例患者	PyTorch	ResNet-18	AUC, 准确率, 校准曲线, 决策曲线分析, NRI, IDI, IoU, Dice相似系数	NA