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
621	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
622	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
623	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
624	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）
625	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
626	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
627	2026-05-20	Accelerated water residual removal in MRS: Exploring deep learning versus fitting-based approaches 2026-01, Magnetic resonance in medicine IF:3.0Q2 DOI:10.1002/mrm.70031 PMID:40891397	研究论文	提出并验证两种快速去除MRS中水残留信号的新方法：DeepWatR和WaterFit	分别采用U-Net类似架构结合注意力机制和Torch自动微分技术，实现了快速准确的水残留去除，较传统HLSVDPro方法大幅提升速度	模拟数据集与实际临床数据的差异可能影响方法泛化性；DeepWatR在去除水后代谢物拟合精度低于WaterFit	开发临床适用的快速水残留去除方法，提升磁共振波谱（MRS）的临床实用性	模拟和体内1H脑部MRS数据集中的水残留信号	机器学习	NA	MRS	U-Net	磁共振波谱数据	模拟和体内1H脑部数据集，包含10,000个体素和100个体素两个测试集	PyTorch	U-Net	平均百分比量化误差、速度提升倍数	低端图形处理单元（GPU）
628	2026-05-19	Imaging-Based Artificial Intelligence in Vascular and Interventional Radiology: A Narrative Review 2026-Jan-05, Journal of imaging informatics in medicine DOI:10.1007/s10278-025-01803-0 PMID:41491740	综述	本文探讨了人工智能在血管介入放射学中的应用，涵盖术前、术中和术后各阶段，并分析了不同成像模态和任务类型下的AI模型表现	系统性地综述了AI在血管介入放射学全流程中的应用，并特别关注了放射组学与机器学习结合在治疗反应预测和风险分层中的有效性	数据集规模有限、存在潜在偏倚以及模型可解释性不足	评估AI在血管介入放射学中的应用现状和潜力	血管介入放射学中的AI模型及其在解剖结构分割、检测、预测等任务中的表现	计算机视觉	主动脉夹层、腹主动脉瘤、血管狭窄	NA	深度学习	图像	NA	NA	NA	Dice相似系数、准确率、AUC	NA
629	2026-05-19	Deep Learning Model for Predicting Operative Mortality After Total Gastrectomy: Analysis of the Japanese National Clinical Database (NCD) 2026-Jan, Annals of gastroenterological surgery IF:2.9Q2 DOI:10.1002/ags3.70067 PMID:41488848	研究论文	利用日本国家临床数据库（NCD）大数据开发深度学习模型，预测全胃切除术后手术死亡率	首次基于日本国家级大规模数据库（NCD）构建深度学习模型，用于预测全胃切除术后死亡率，模型包含5217个变量，采用四层架构	模型准确性有待提高，需引入术后并发症相关变量或常规方法无法分析的新因素	开发术前风险分层工具，预测全胃切除术后手术死亡率	2018年1月至2019年12月在日本NCD注册的、年龄≥18岁、因胃癌接受全胃切除术的患者	机器学习	胃癌	NA	深度学习模型	结构化临床数据	14980例（11980例训练，3000例验证），事件发生率1.2%	TensorFlow, Keras	四层神经网络	C统计量	NA
630	2026-05-19	Uterine cancer classification from CT images using convolutional feature extraction and transformer-based self-attention 2026, Frontiers in medicine IF:3.1Q1 DOI:10.3389/fmed.2026.1781499 PMID:41822887	研究论文	提出一种结合卷积特征提取与Transformer自注意力的混合深度学习框架，用于CT图像的子宫癌分类	将DenseNet121的局部特征提取与Transformer的全局自注意力机制相结合，首次应用于CT影像的子宫癌三分类任务	未提及	提高CT图像子宫癌分类的准确性和鲁棒性	子宫癌CT图像，包括正常、良性、恶性三类	计算机视觉	子宫癌	CT成像	混合模型（CNN + Transformer）	图像	未明确样本数量，数据集为KAUH子宫癌CT数据集	NA	DenseNet121, Transformer	准确率, 灵敏度, 特异性, F1分数, AUC	NA
631	2026-05-19	An integrated automated deep learning framework for annotating tumor-infiltrating lymphocytes in lung adenocarcinoma pathology 2026, Frontiers in bioinformatics IF:2.8Q2 DOI:10.3389/fbinf.2026.1764743 PMID:41918941	研究论文	开发了一个全自动深度学习管道，用于肺腺癌病理图像中肿瘤浸润淋巴细胞的精确注释	提出了一个集成自动化框架，结合OpenCV图像处理、U2-NetP肿瘤实质分割和YOLOv7淋巴细胞检测，实现了全切片图像中组织轮廓、肿瘤实质和淋巴细胞的全自动、高精度注释，解决了大规模标注数据瓶颈问题	基于YOLOv7的淋巴细胞检测F1得分和mAP偏低；可能需要进一步优化轻量级架构以平衡精度和计算效率；依赖单一癌症类型的外部验证	开发全自动管道以实现肺腺癌全切片图像中肿瘤浸润淋巴细胞的定量分析，解决监督学习方法的数据瓶颈	肺腺癌全切片图像中的肿瘤浸润淋巴细胞	计算病理学	肺腺癌	全切片图像分析	YOLOv7, U2-NetP	图像	超过20,000个标注单元，来自TCGA队列和内外独立验证队列	PyTorch, OpenCV	U2-NetP, YOLOv7	Dice系数, F1得分, mAP@0.5, 组内相关系数	NA
632	2026-05-19	Development and validation of a deep learning-based automatic detection and classification model for femoral neck fractures using hip imaging: a retrospective multicenter diagnostic study 2026, Frontiers in medicine IF:3.1Q1 DOI:10.3389/fmed.2026.1803858 PMID:42027826	研究论文	开发和验证基于深度学习模型的股骨颈骨折自动检测与分类方法，使用髋部影像进行多中心回顾性研究	首次实现股骨颈骨折的全自动Garden分类，采用大规模多中心数据集，并通过与12名不同经验医师的对比验证模型性能	回顾性研究设计，模型实用性需通过前瞻性随机研究进一步验证	开发并验证基于深度学习的股骨颈骨折自动检测与Garden分类模型，提升诊断准确性并支持临床决策	股骨颈骨折患者髋部影像数据（X线或CT）	计算机视觉	股骨颈骨折	NA	深度学习模型	图像	10,010张髋部影像来自806名患者（训练/内部验证集7,818张529名患者，外部测试集2,192张277名患者）	NA	NA	敏感性、特异性、准确率、AUC	NA
633	2026-05-19	A curated dataset and lightweight deep learning framework for tea leaf disease classification 2026, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0349210 PMID:42139322	研究论文	提出一个混合特征融合轻量级深度学习框架用于茶叶病害分类，并基于精心整理的真实数据集进行验证	提出并行运行的混合特征融合架构，结合EfficientNetV2-Small提取局部细微纹理和MobileNetV3-Small捕获全局结构上下文，实现高精度与计算平衡	单一架构EfficientNetV2-B3原始准确率略高（97.60% vs 96.80%），但混合框架在精确率-召回率平衡和收敛稳定性上更优	实现茶叶病害早期自动检测，支持物联网边缘设备上的实时病害监测	茶叶叶片，包括四种类别：枯叶病、红锈病、蛇眼病和健康	计算机视觉, 数字病理学	茶树叶部病害	图像预处理（调整大小、归一化）、动态数据增强（随机旋转、水平翻转、亮度调整）	混合特征融合架构（双分支并行）	图像	2000张带标注的茶叶叶片图像，均匀分布于四个目标类别	TensorFlow, PyTorch	EfficientNetV2-Small, MobileNetV3-Small, Vision Transformer (ViT-B16), Custom CNN, ResNet50, DenseNet121, EfficientNetV2-B3	准确率, 宏平均AUC	NA
634	2026-05-19	Role of artificial intelligence in bacterial diagnostics and surveillance of anti-microbial resistance 2026 Jan-Dec, Digital health IF:2.9Q2 DOI:10.1177/20552076261443074 PMID:42145325	综述	探讨人工智能在抗菌素耐药性诊断和监测中的应用	系统性地从表型与基因型鉴定、抗菌药物敏感性测试、耐药性监测和抗生素开发四个主题总结了人工智能的应用	未明确提及具体局限性，但依赖数据质量、模型开发及公共卫生和实验室基础设施的整合	综述人工智能在抗菌素耐药性诊断中的应用，涵盖表型与基因型鉴定、抗菌药物敏感性测试、耐药性监测和抗生素开发	抗菌素耐药性相关的细菌诊断和监测	机器学习	抗菌素耐药性	NA	机器学习, 深度学习	基因组图谱、放射影像、显微镜图像、琼脂平板照片、MALDI TOF质谱等生化特征	NA	NA	NA	准确性、可重复性、可扩展性	NA
635	2026-05-19	Application of intelligent technologies for dysphagia risk prediction: A scoping review 2026 Jan-Dec, Digital health IF:2.9Q2 DOI:10.1177/20552076261450337 PMID:42145330	综述	系统评述智能技术在吞咽困难风险预测中的应用现状，包括技术方法、数据来源和模型性能	首次以范围综述形式系统总结智能技术用于吞咽困难风险预测的研究现状，涵盖技术方法、数据来源和模型性能，并分析关键技术局限性和临床转化挑战	现有证据异质性高且主要处于探索性阶段，多为单中心回顾性队列研究，多模态数据整合和外部验证不足	为未来吞咽困难风险预测研究设计和临床实施提供见解	吞咽困难风险预测的智能技术研究	机器学习	吞咽困难	NA	传统机器学习模型、传统统计模型、混合模型、深度学习方法	结构化临床数据、影像、生理信号、声学信号	50至59,811名参与者（共38项研究）	NA	NA	AUC	NA
636	2026-05-19	Evaluation of artificial intelligence based prosthetic innovation on dental implants: A database research 2026, Bioinformation DOI:10.6026/973206300221401 PMID:42145363	研究论文	评估基于人工智能的假体创新在牙种植体中的应用，通过数据库研究验证深度学习模型在牙科全景X光片上自动识别种植体系统的性能	首次系统评估深度学习在牙种植体系统自动识别中的效能，尤其在无文档记录情况下提供高精度诊断	未说明具体模型类型、计算资源及样本量等细节，且仅基于单一机构图像集，可能影响泛化性	验证人工智能辅助牙种植体识别在假体修复中的潜力，解决临床中无文档时种植体识别困难的问题	牙科全景X光片中的牙种植体系统	数字病理学，计算机视觉	NA	深度学习	深度学习模型	图像	NA	NA	NA	准确率，精确率，召回率， F1分数	NA
637	2026-05-19	Can machine learning predict non-suicidal self-injury? A systematic review and meta-analysis 2026, Frontiers in public health IF:3.0Q2 DOI:10.3389/fpubh.2026.1763121 PMID:42145491	系统综述与荟萃分析	通过系统综述和荟萃分析评估机器学习在预测非自杀性自伤行为中的表现	首次系统综述机器学习预测非自杀性自伤行为的研究，并定量合成模型性能	异质性大、偏倚风险高、横断面研究为主、深度学习模型证据有限	评估机器学习模型预测非自杀性自伤行为的准确性和可靠性	非自杀性自伤行为预测模型的研究	机器学习	精神疾病（非自杀性自伤行为）	NA	集成模型、单一模型、深度学习模型	NA	12项研究，33,366名参与者	NA	NA	曲线下面积、灵敏度、特异度	NA
638	2026-05-19	Development and testing of a smart empowerment education system for gout patients in suburban areas 2026, Frontiers in public health IF:3.0Q2 DOI:10.3389/fpubh.2026.1753575 PMID:42145497	研究论文	开发并评估一种面向郊区痛风患者的智能赋能教育系统（IEES），融合赋能教育、精细化管理方案和智能技术	将赋能教育与深度学习推荐算法相结合，开发针对郊区资源有限痛风患者的智能化管理系统	样本量较小（仅90例），且未提及长期随访结果和普适性验证	解决郊区痛风患者自我管理能力差、治疗依从性低和长期临床结局不佳的问题	郊区社区痛风患者	机器学习	痛风	NA	深度学习模型	结构化医学数据（临床指标）	90例痛风患者（观察组45例，对照组45例）	SpringBoot、Vue	NA	响应时间、预测准确率	NA
639	2026-05-19	Deep learning for student engagement analysis in educational psychology 2026, Frontiers in psychology IF:2.6Q2 DOI:10.3389/fpsyg.2026.1764399 PMID:42145535	研究论文	本文提出一个创新深度学习框架——Engagement Dynamics Forecaster，用于分析与预测学生参与模式	结合领域洞察与深度学习，通过流形约束交互滤波器、智能体驱动顺序规划器和不确定性传播正则化器三个组件，处理高维特征空间、时间依赖和预测不确定性，并融入约束优化精炼和基于智能体的决策调度策略，提升性能与可解释性	未明确讨论模型的局限性	旨在以更高精度和深度分析并预测学生参与模式，为教育心理学提供实用工具	学生参与模式	机器学习	NA	深度学习	Engagement Dynamics Forecaster（包含Manifold Constrained Interaction Filter、Agent Driven Sequential Planner、Uncertainty Propagation Regularizer）	学生参与相关数据（类型未指定）	NA	NA	Engagement Dynamics Forecaster	NA	NA
640	2026-05-19	Optimized deep learning ensemble using Fast Osprey algorithm for accurate lymphoblastic leukemia detection 2026, Frontiers in medicine IF:3.1Q1 DOI:10.3389/fmed.2026.1812486 PMID:42145727	研究论文	提出一种基于快速鱼鹰优化算法的深度学习集成模型，用于准确检测急性淋巴细胞白血病	首次将快速鱼鹰优化算法（FOO）用于动态分配集成模型权重，结合多种EfficientNet架构提升检测性能与泛化能力	未提及模型在不同临床环境或真实医院数据上的验证，且计算资源需求可能较高	开发一个可靠、高效的计算机辅助诊断平台，用于急性淋巴细胞白血病的自动检测	公开可用数据集的组合，包含急性淋巴细胞白血病细胞图像	计算机视觉	急性淋巴细胞白血病	深度学习集成方法	卷积神经网络集成模型	图像	多个公开数据集的组合，具体样本数未明确	NA	EfficientNetB3, EfficientNetV2B3, EfficientNetV2B1	准确率, 精确率, 召回率, F1分数	NA