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
21	2026-07-18	CNNKSCEC: a deep learning-based framework for chromatin loop prediction with multi-source feature integration 2026, Frontiers in genetics IF:2.8Q2 DOI:10.3389/fgene.2026.1850219 PMID:42466302	研究论文	提出一种基于深度学习的染色质环预测框架CNNKSCEC，通过多源特征融合提升预测性能	创新性地融合Hi-C和DNase-seq数据构建双通道特征矩阵，设计三阶段迭代特征提取架构，包含双分支卷积模块、SCConv模块和融合ECA与CBAM注意力的ECHybridAddition模块	未明确提及局限性	开发高效准确的染色质环预测方法，克服现有方法在噪声处理、数据不平衡和多组学整合方面的挑战	染色质环预测问题中的Hi-C和DNase-seq多源组学数据	机器学习, 数字病理学	NA	Hi-C, DNase-seq	CNN	基因组特征矩阵	NA	PyTorch	CNNC, SCConv, ECHybridAddition	NA	NA
22	2026-07-15	Learning inherent genetic patterns and trait associations with deep generative models for discrete genotype simulation 2026-01-21, GigaScience IF:11.8Q1 DOI:10.1093/gigascience/giag044 PMID:41980277	研究论文	探索使用深度生成模型离散基因型模拟以学习遗传模式与性状关联的方法	首次针对离散基因型数据在无条件和表型条件两种场景下进行模拟，并提出了针对离散基因型数据的改编模型	未提及具体局限性	开发并评估深度生成模型在基因型模拟中的能力，以保留隐私并解决数据可访问性限制	牛和人类多个染色体的基因型数据	机器学习	NA	基因型模拟	变分自编码器、扩散模型、生成对抗网络	基因型数据	大规模数据集，包括牛的所有染色体和人类的多个染色体	NA	变分自编码器、扩散模型、生成对抗网络	深度学习与定量遗传学文献中的指标	NA
23	2026-07-15	Comparison of deep learning approaches for extreme low-SNR image restoration 2026-Jan-21, GigaScience IF:11.8Q1 DOI:10.1093/gigascience/giag071 PMID:42329787	研究论文	本研究评估多种深度学习模型在极端低信噪比荧光显微图像恢复中的性能，并开发图像拼接方法以解决GPU内存限制	创建包含17,568对低/高信噪比图像的大规模荧光显微镜数据集，覆盖15种子数据集，并开发可处理大尺寸图像的拼接方法	监督式Transformer模型虽性能最优但训练时间最长	评估并比较深度学习去噪方法在极端低信噪比荧光显微图像恢复中的表现	多种生物标本在不同成像条件下的荧光显微图像	计算机视觉	NA	荧光显微镜	Transformer	图像	17,568对高/低信噪比图像，来自15个子数据集	PyTorch	Transformer	信噪比	GPU
24	2026-07-15	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	提出混合物理信息图神经网络HP-GNN，通过检测疾病状态实现跨患者鲁棒的癫痫发作预测	首次将Kuramoto振荡器动力学物理约束与图神经网络集成，实现自动化、可解释的发作预测，减少训练数据需求35%，并提升跨患者泛化能力14.6%	未提及算法在极端噪声或罕见发作模式下的表现，外部验证数据集规模有限（仅16名成年人）	实现跨患者鲁棒且可解释的癫痫发作预测	22名儿科患者（CHB-MIT数据集，182次发作）和16名成年患者（IEEG.org数据集，87次发作）的多通道脑电图信号	机器学习	癫痫	脑电图（EEG）、Kuramoto振荡器理论	图神经网络 (GNN)、Mamba状态空间网络	多通道脑电图信号	844小时连续脑电图数据（训练）、22名儿科患者（182次发作）、16名成年患者（87次发作）	PyTorch（推断）	HP-GNN（三层超图卷积，维度64→128→256；Mamba网络；多任务预测头）	准确性（84.7%）、灵敏度（89.3%）、假阳性率（每小时0.48次）、跨患者泛化率（79.8%）、零样本迁移准确率（71.3%）	NA
25	2026-07-15	Artificial intelligence-driven assessment of sarcopenia in orthopedic geriatrics: technical progress and clinical implications 2026, Frontiers in endocrinology IF:3.9Q2 DOI:10.3389/fendo.2026.1779448 PMID:41928875	综述	综述了人工智能（尤其是深度学习）在老年骨科中驱动肌少症评估的技术进展和临床应用	利用人工智能实现常规临床影像的自动化、高通量机会性筛查，并通过临床决策支持系统和电子病历整合实现从被动骨折管理到主动预防的范式转变	在技术标准化、生物变异性和模型可解释性方面仍存在重大挑战	总结人工智能在老年骨科肌少症评估中的技术进展和临床意义	老年骨科患者的肌少症评估	计算机视觉	老年疾病	深度学习	卷积神经网络	医学影像	NA	NA	卷积神经网络	Dice相似系数	NA
26	2026-07-15	Artificial intelligence in oral oncology: Current advances and future potential in diagnosis, prognosis, and therapeutic decision-making 2026, Cancer treatment and research communications DOI:10.1016/j.ctarc.2026.101193 PMID:41930554	综述	总结人工智能在口腔肿瘤学诊断、预后和治疗决策中的应用现状与未来潜力	系统回顾了AI在口腔癌诊断、预后及治疗决策三大核心领域的最新进展，并强调跨模态数据整合和未来技术方向	数据稀缺、模型过拟合、可解释性不足，以及偏见和隐私等伦理问题阻碍了临床广泛应用	探讨AI如何帮助口腔肿瘤学转型为预测性、个性化和数据驱动的学科	口腔鳞状细胞癌（OSCC）	数字病理学、机器学习、自然语言处理	口腔癌	组织病理学、放射组学、基因组分析	卷积神经网络（CNN）	图像、文本、多模态数据	NA	NA	卷积神经网络	准确率	NA
27	2026-07-15	Fully Automated Stain Quantification Framework for IHC Whole Slide Images in Breast Cancer 2026 Jan-Dec, Technology in cancer research & treatment IF:2.7Q3 DOI:10.1177/15330338251407734 PMID:41930704	研究论文	提出并公开发布一个完全自动化的、区分肿瘤和基质的IHC全切片图像H评分框架	首次实现针对乳腺IHC全切片图像的自动化、间隔特异性的H评分，整合了三个深度学习模块，并具备模块化设计可灵活应用于其他IHC任务	外部验证中HER2分类准确率为86%，CD73评分的平均绝对误差较大（21±10），结果仍有一定偏差	开发自动化IHC评分工具以减少诊断变异性和支持一致的治疗决策	乳腺IHC全切片图像中的肿瘤和基质区域	数字病理学	乳腺癌	IHC	深度学习模型	病理图像	87张专家标注的补丁，100张专家标注的全切片图像（内部验证），以及外部验证数据集	PyTorch	用于肿瘤-基质分割、细胞核分割和H评分估计的深度学习模块（未具体指定架构）	Spearman等级相关系数，准确率，平均绝对误差	NA
28	2026-07-15	EfficientNet-driven deep learning for accurate detection of faults in photovoltaic cells 2026, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0342647 PMID:41931557	研究论文	提出基于EfficientNetV2架构的深度学习框架，用于提高光伏电池故障检测的准确性	首次系统评估EfficientNetV2三种变体在光伏电池故障检测中的性能，并采用先进的图像预处理与增强技术优化异常检测	未提及模型在极端环境或大规模数据集上的泛化能力验证	提升光伏电池故障检测的准确率以优化系统维护和延长面板寿命	光伏电池中的缺陷（包括制造缺陷和环境退化导致的故障）	计算机视觉	NA	深度学习图像分析	EfficientNetV2	图像	2500张光伏电池图像（含缺陷和无缺陷样本）	PyTorch	EfficientNetV2B0, EfficientNetV2B2, EfficientNetV2M	准确率, 精确率, 召回率, F1分数	NA
29	2026-07-15	A robust deep learning approach for impulse noise filtering using hybrid auto-encoder with fuzzy median filter 2026, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0343141 PMID:41931562	研究论文	提出一种结合深度卷积神经网络和模糊中值滤波的自编码器混合模型，用于高密度脉冲噪声滤除	将DnCNN与自编码器及模糊中值滤波相结合，实现高密度脉冲噪声检测与去除的图像修复技术	NA	开发一种有效的图像修复技术，用于检测和消除高密度脉冲噪声，提升图像恢复质量	标准测试图像中的脉冲噪声	计算机视觉	NA	图像去噪	DnCNN, 自编码器, 模糊中值滤波	图像	12张标准测试图像	NA	DnCNN, 自编码器	准确率, FPR, FNR, F1分数, PSNR, SSIM	NA
30	2026-07-15	Current overview of breast cancer risk assessment models - practical application in outpatient gynecological practice 2026, Ceska gynekologie DOI:10.48095/cccg2026254 PMID:42419955	综述	综述乳腺癌风险评估模型的现状，探讨其在妇科门诊实践中的应用	结合多基因风险评分提升模型预测价值，并展望人工智能与深度学习驱动的三分类模型	现有模型主要限于高加索人群，其他人群的校准效果不佳	向专业人士介绍乳腺癌预测模型及其在常规妇科门诊中的潜在应用	乳腺癌风险评估模型（GAIL、IBIS、BOADICEA和Pecný模型）	自然语言处理	乳腺癌	NA	GAIL模型、IBIS模型、BOADICEA模型、Pecný模型	临床病史数据、基因检测数据、影像数据	NA	NA	GAIL模型、IBIS模型、BOADICEA模型、Pecný模型	预测价值	NA
31	2026-07-15	Deep transfer learning for breast cancer detection in underserved regions 2026, Frontiers in oncology IF:3.5Q2 DOI:10.3389/fonc.2026.1828664 PMID:42440459	研究论文	提出一种用于乳腺癌检测的深度迁移学习方法，重点针对巴勒斯坦等资源匮乏地区	提出两阶段深度学习框架，结合U-Net分割和VGG16分类，在本地数据集上验证了低资源环境下的可行性	仅基于小型本地数据集进行验证，需更大规模标注数据集确认性能后部署	为资源受限地区提供经济可扩展的乳腺癌诊断辅助工具	来自CBIS-DDSM数据集的乳腺X光片和巴勒斯坦医院患者数据	计算机视觉	乳腺癌	深度迁移学习	CNN	图像	CBIS-DDSM训练集2206张乳腺X光片，测试集576张；巴勒斯坦医院测试集34名患者（12例良性，22例恶性）	PyTorch	U-Net、VGG16、ResNet50、MobileNet	平均交并比、Dice系数、精确率、召回率、准确率、AUC	NA
32	2026-07-15	ACSE: an efficient deep learning model for wheat disease identification 2026, Frontiers in plant science IF:4.1Q1 DOI:10.3389/fpls.2026.1838344 PMID:42440804	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
33	2026-07-12	Research on epilepsy detection and recognition based on the combination of time frequency transform and deep learning model 2026, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0336764 PMID:41860927	研究论文	本文比较了连续小波变换和短时傅里叶变换与三种神经网络模型（EEGNet、AlexNet和Shallow ConvNet）结合的效果，并引入针对性优化设计以提高癫痫脑电图信号检测性能	引入Focal Loss、动态数据增强和早停机制提升模型鲁棒性；对EEGNet集成Squeeze-and-Excitation注意力模块并改进深度可分离卷积；对Shallow ConvNet引入分层卷积提取“时频”特征和平均池化适应长时段数据块	未提及具体局限性	提高癫痫脑电图信号检测性能并解决其非平稳特性	癫痫脑电图信号	机器学习	癫痫	连续小波变换、短时傅里叶变换、脑电图	卷积神经网络	脑电图信号	未提及	未提及	EEGNet, AlexNet, Shallow ConvNet	精度	未提及
34	2026-07-10	Diagnostic accuracy of deep learning using ultra-widefield fundus imaging for retinal detachment: a systematic review and meta-analysis 2026-Jan-03, BMC ophthalmology IF:1.7Q3 DOI:10.1186/s12886-025-04605-8 PMID:41485001	meta分析	系统综述与meta分析评估深度学习结合超广角眼底成像对视网膜脱离的诊断准确性	首次对深度学习应用于超广角眼底成像检测视网膜脱离的诊断准确性进行系统综述和meta分析	研究间异质性高、指数测试报告不一致、病例谱和样本量差异大，可能限制结果的普适性	评估深度学习结合超广角眼底成像检测视网膜脱离的诊断准确性	视网膜脱离患者	机器学习	视网膜脱离	超广角眼底成像	深度学习模型	眼底图像	11项研究，测试集样本量从89到6,222张图像不等	NA	NA	敏感度、特异度、AUC	NA
35	2026-07-10	Investigating the role of artificial intelligence in the diagnosis and prediction of endometriosis using ultrasound images: a systematic review 2026-Jan-03, Reproductive health IF:3.6Q1 DOI:10.1186/s12978-025-02245-1 PMID:41484637	综述	系统综述人工智慧在超声图像诊断和预测子宫内膜异位症中的作用	首次系统总结AI在超声图像诊断子宫内膜异位症中的应用，比较深度学习和机器学习模型的性能差异	仅纳入5项研究，样本量有限，多数研究缺乏真实世界验证，且存在语言和数据库选择偏倚	评估AI在利用超声图像诊断和预测子宫内膜异位症中的作用，解决无创诊断工具不足的问题	子宫内膜异位症患者的超声图像	计算机视觉	妇科疾病	超声成像	CNN	图像	5项研究的参与者总数未明确，但明确提及5项研究	NA	ResNet	准确率, AUC, 灵敏度, 特异度	NA
36	2026-07-10	A deep learning-based evaluation system for child-friendly urban streets integrating abstract and concrete features-A case of Shanghai Urban Street 2026, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0342430 PMID:41729932	研究论文	提出一种基于深度学习、融合具体与抽象特征的儿童友好型城市街道评估系统，以上海街道为例验证其有效性	首次将深度学习与多特征融合应用于儿童友好型街道评估，整合可量化具体特征与街道图像抽象特征，提升评估客观性与效率	NA	开发高效、客观的儿童友好型城市街道评估方法	上海市1322个街道样本，包含6724张街景图像和7-12岁儿童感知调查数据	计算机视觉, 机器学习	NA	NA	卷积神经网络 (CNN), 多层人工神经网络 (ANN)	图像	1322个街道样本，6724张街景图像，儿童感知调查数据（7-12岁）	NA	ResNet18	准确率 (Accuracy)	NA
37	2026-07-10	Characterization of Kidney and Liver Cystic Phenotype Associated with <italic>GANAB</italic> Using Advanced Imaging Biomarkers 2026, Nephron IF:2.3Q2 DOI:10.1159/000551274 PMID:41774594	研究论文	利用深度学习分割技术量化GANAB基因变异患者的肾和肝囊肿表型	首次使用深度学习分割技术定量分析GANAB相关显性多囊肾病的肾和肝囊肿影像表型	样本量较小（16例），需更大规模队列验证基因型-表型关联	定量描述GANAB基因变异导致的肾和肝囊肿影像表型	16名携带GANAB基因变异的个体	数字病理学	显性多囊肾病	深度学习囊肿分割	CNN	医学影像（腹部CT/MRI）	16名患者	NA	U-Net或类似架构	体积指标（htTKV、肝体积、囊肿数、囊肿体积）	NA
38	2026-07-10	Artificial Intelligence (AI) in microbiome-directed biotherapeutics development 2026, Progress in molecular biology and translational science DOI:10.1016/bs.pmbts.2026.01.005 PMID:41714088	综述	探讨人工智能在微生物组导向的生物治疗药物开发中的应用	系统性地讨论了如何利用机器学习和深度学习识别微生物组数据中的“特征”，以促进诊断和治疗方法的发展，并探索如何通过AI模型发现新的活体生物治疗产品	主要挑战包括基线肠道微生物组的变异性、微生物行为的上下文依赖性以及菌株特异性变异，导致高度个体化的治疗反应，以及改进数据的需求	综述人工智能在微生物组导向的生物治疗药物开发中的主要应用方式、当前挑战和未来前景	人类肠道微生物组及其在健康与疾病中的作用，以及活体生物治疗产品	机器学习	肠道菌群相关疾病	NA	机器学习和深度学习模型	微生物组数据和宿主组学数据	NA	NA	NA	NA	NA
39	2026-07-10	GaitNet: Transfer Learning-Enhanced CNN-GRU Architecture for Intention Detection in Healthy and Post-Stroke Participants 2026, IEEE transactions on neural systems and rehabilitation engineering : a publication of the IEEE Engineering in Medicine and Biology Society IF:4.8Q1 DOI:10.1109/TNSRE.2026.3706357 PMID:42335064	研究论文	提出GaitNet，一种融合迁移学习的双分支CNN-GRU框架，用于健康与中风后患者的运动意图检测	首次将迁移学习与双分支CNN-GRU架构结合，实现数据高效的意图检测，在仅用45%训练数据时仍保持>98%的准确率	未明确提及局限性，但健康参与者中的闭环控制测试可能未完全代表临床实时场景	开发高精度、数据高效且实时的运动意图检测方法，以改善中风康复辅助机器人控制	健康参与者和中风后参与者	机器学习	中风	NA	CNN-GRU	时间序列数据	健康参与者与中风后参与者，具体数量未提及	TensorFlow, Keras	CNN, GRU, 交叉注意力	准确率, 精确率, 召回率, F1分数	NA
40	2026-07-10	CNN-Based Modeling Reveals Temporal Brain Dynamics of Auditory Intensity Processing 2026, IEEE transactions on neural systems and rehabilitation engineering : a publication of the IEEE Engineering in Medicine and Biology Society IF:4.8Q1 DOI:10.1109/TNSRE.2026.3709314 PMID:42391058	研究论文	使用基于CNN的动态模型解码fNIRS数据中的听觉强度信息，揭示大脑颞叶动力学	首次采用Siamese卷积神经网络直接从完整HbO试验波形解码强度等级，实现了波形级的动态皮层反应表征，并强调了时间锁定波形特征在强度编码中的关键作用	样本量较小（18名正常听力成年人），未涉及听力受损人群或强度感知的个体差异探索	理解人类大脑如何编码听觉强度，特别是单次试验血流动力学反应的时间动态特征	18名正常听力成年人的fNIRS数据，包含两个刺激队列（3或4个强度水平加安静基线）	机器学习	NA	fNIRS	CNN	时间序列波形	18名正常听力成年人，两个刺激队列（3或4个强度水平加基线）	PyTorch	Siamese卷积神经网络	准确率	NA