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
1041	2026-06-04	Artificial intelligence techniques for classification of Alzheimer's disease using neuroimaging data: a review 2026, Frontiers in artificial intelligence IF:3.0Q2 DOI:10.3389/frai.2026.1748985 PMID:42231879	综述	综述了利用神经影像数据通过人工智能技术进行阿尔茨海默病分类的研究进展	系统分析了多模态数据融合（如MRI和PET）提升分类准确性的优势，并强调了迁移学习在克服数据限制中的作用	当前文献中部分评估指标报告不足，且缺乏更全面的性能评估	探讨机器学习和深度学习模型在阿尔茨海默病的识别与分类中的应用	阿尔茨海默病的神经影像、遗传信息和临床评估数据	机器学习	阿尔茨海默病	NA	回归模型、决策树、随机森林、支持向量机、K近邻、集成模型、卷积神经网络、循环神经网络、生成对抗网络	图像	NA	NA	CNN, RNN, GAN	准确率、精确率、召回率、F1分数、Cohen's Kappa	NA
1042	2026-06-04	Deep learning classification of reproductive tissue from ultrasound: sex determination in red abalone (Haliotis rufescens) 2026, Frontiers in artificial intelligence IF:3.0Q2 DOI:10.3389/frai.2026.1794183 PMID:42231876	研究论文	首次利用深度学习对红鲍鱼进行非侵入性超声性别分类	首次将机器学习应用于红鲍鱼的非侵入性超声性别分类，并对比了多种卷积神经网络架构	数据集规模较小（44个个体，246张图像），可能限制模型的泛化能力	开发一种非侵入性、自动化的鲍鱼性别分类方法	红鲍鱼（Haliotis rufescens）	计算机视觉	NA	超声成像	卷积神经网络（CNN）	超声波图像	44个红鲍鱼个体，246张高质量超声图像	PyTorch	VGG16, VGG19, ResNet50, ResNet101, YOLOv8, YOLOv11, 自定义卷积神经网络	准确率, 精确率, 召回率	NVIDIA Jetson边缘设备
1043	2026-06-04	Prior-aligned frequency-domain explanations for heart sound classification: a scale-consistent attribution approach 2026, Frontiers in artificial intelligence IF:3.0Q2 DOI:10.3389/frai.2026.1780496 PMID:42231875	研究论文	提出一种先验对齐的频率域解释方法，用于心音分类的尺度一致性归因	通过训练时的正则化方法将领域知识融入模型学习，实现频谱注意力与临床先验对齐，显著提升解释的生理合理性	仅在两个公开数据集上验证，未在真实临床环境中测试	提升心音分类深度学习模型的解释性与临床可信度	心音分类模型及其注意力归因与临床先验的对齐程度	机器学习	心血管疾病	NA	NA	NA	PhysioNet 2016和CirCor DigiScope数据集	NA	NA	分类准确率、解释与临床先验的散度	NA
1044	2026-06-04	DSA-DET: a tea disease detection algorithm based on dynamic spatial pyramid and polarized linear attention 2026, Frontiers in plant science IF:4.1Q1 DOI:10.3389/fpls.2026.1818867 PMID:42231886	研究论文	提出一种基于动态空间金字塔和极化线性注意力的茶叶病害检测算法DSA-DET	提出基于动态注意力空间金字塔建模的骨干网络，结合极化线性注意力与并行空间增强网络及多尺度自适应增强编码器，以及高效空间通道上采样和移位混合机制的上采样模块	未明确说明	提高茶叶病害检测的准确性和实时性	茶叶病害图像	计算机视觉	茶叶病害	NA	实时检测变换器	图像	NA	NA	DSA-DET	精确率、召回率、mAP50、FPS	NA
1045	2026-06-04	Improved leaf area index estimation in Jujube trees by fusing spatial-temporal features from UAV RGB time-series with a deep learning framework 2026, Frontiers in plant science IF:4.1Q1 DOI:10.3389/fpls.2026.1798751 PMID:42231899	研究论文	提出一种利用无人机RGB时序影像和CNN-GRU并行混合深度学习框架来高精度估计枣树叶面积指数的方法	结合CNN的空间-光谱特征提取与GRU的时间序列建模，构建并行混合深度学习框架，克服传统植被指数方法在作物生长后期饱和、对背景噪声敏感及难以捕获时间动态的局限	NA	实现枣树叶面积指数的高精度、高效率遥感估计，为智能果园数字化管理和精准农业决策提供技术工具	枣树	计算机视觉	NA	无人机遥感	CNN-GRU	图像（无人机RGB影像）、时间序列（叶面积指数）	两个独立年份（2024年新疆巴楚、2025年新疆阿拉尔）的多期地面实测叶面积指数数据与同步无人机遥感图像	PyTorch	CNN, GRU	R², RMSE	NA
1046	2026-06-04	Protein Design Enters the Artificial Intelligence Era: Foundations, Tools, and Emerging Paradigms 2026, Computational and structural biotechnology journal IF:4.4Q2 DOI:10.34133/csbj.0105 PMID:42231905	综述	本文综述了人工智能在蛋白质设计中的基础方法、工具及新兴范式	系统梳理了深度学习、蛋白质语言模型和知识图谱在蛋白质工程中的应用，强调了从计算机设计到实验验证的加速转化	模型可解释性不足、训练数据存在偏差、实验验证率有待提高	探讨人工智能如何革新蛋白质设计领域	蛋白质序列、结构与功能的关系	机器学习	NA	深度学习、蛋白质语言模型、知识图谱	AlphaFold2、Transformer	蛋白质序列与结构数据	NA	NA	AlphaFold2、Transformer	结构预测精度、基准测试指标	NA
1047	2026-06-04	Deep learning for stress oriented human activity recognition 2026, Frontiers in digital health IF:3.2Q2 DOI:10.3389/fdgth.2026.1729804 PMID:42231940	研究论文	利用深度学习技术对基于传感器的时间序列数据进行压力导向的人类活动识别	比较了多种深度学习架构（RNN、LSTM和Transformer）在压力相关活动识别中的表现，并发现Transformer模型超越传统模型，显著提高了分类准确率	未讨论模型泛化到其他压力相关数据集或真实场景的能力，也未阐述计算资源消耗及可解释性	提升基于传感器时间序列数据的压力相关人类活动识别预测性能	Stressense数据集中的压力相关活动时间序列数据	机器学习	行为障碍	传感器数据采集	Transformer	时间序列数据	未明确说明	NA	RNN, LSTM, Transformer	分类准确率	NA
1048	2026-06-04	Precision diagnosis of GABRA1-associated encephalopathies and epilepsy: optimizing variants classification and molecular subregional effects 2026, Frontiers in genetics IF:2.8Q2 DOI:10.3389/fgene.2026.1818471 PMID:42232514	研究论文	系统分析GABRA1错义变异致病性，优化变异分类与分子亚区域效应，以提高GABRA1相关脑病和癫痫的精准诊断	首次系统评估34种算法在GABRA1错义变异致病性预测中的性能，并揭示分子亚区域效应与表型异质性的关联	未提及	探索可靠的生物信息学工具以优化GABRA1错义变异的致病性分类，提升相关脑病和癫痫的精准诊断	GABRA1错义变异及其致病性	机器学习	癫痫	基因测序	集成学习与深度学习算法	基因变异数据	61个GABRA1错义变异（30个致病/可能致病，31个良性/可能良性）	NA	MetaLR, PrimateAI, AlphaMissense, M-CAP, CADD_phred, fathmm-XF等	准确率、灵敏度、特异性、阳性预测值、阴性预测值、马修斯相关系数、F分数、AUC	NA
1049	2026-06-04	Applying transformer-based deep learning models in image-driven cancer diagnosis: a comprehensive bibliometric analysis of global research trends 2026, Frontiers in oncology IF:3.5Q2 DOI:10.3389/fonc.2026.1592750 PMID:42232552	综述	对基于Transformer的深度学习模型在图像驱动癌症诊断中的应用进行全面的文献计量分析，揭示全球研究趋势	首次通过文献计量学方法系统分析Transformer在图像驱动癌症诊断中的研究热点、国际合作模式和未来方向	研究成果的泛化性和可扩展性面临挑战，各国和机构的影响力（以引用次数衡量）存在差异	分析Transformer在图像驱动癌症诊断中的全球研究趋势和未来方向	2017年至2026年间发表的关于Transformer在图像驱动癌症诊断中的应用论文	计算机视觉	癌症	NA	Transformer	图像	2923篇论文	CiteSpace, VOSviewer	NA	NA	NA
1050	2026-06-04	ASLNet: an explainable deep learning framework for glioma grading and survival prediction 2026, Frontiers in oncology IF:3.5Q2 DOI:10.3389/fonc.2026.1818663 PMID:42232555	研究论文	提出一个基于动脉自旋标记MRI的可解释三维残差网络框架，用于胶质瘤分级和生存预测	首次利用ASL MRI数据构建可解释的三维残差网络用于胶质瘤分级和生存预测，并采用集成梯度方法生成显著图以识别关键灌注区域	需要进一步在外部数据集上进行验证	开发并验证基于ASL MRI的可解释深度学习框架，用于预测弥漫性胶质瘤的组织病理学分级和总体生存期	471例经组织学确诊的弥漫性胶质瘤患者，采用ASL MRI采集的图像数据	计算机视觉	胶质瘤	动脉自旋标记MRI	三维残差网络	图像	471例弥漫性胶质瘤患者	PyTorch	ResNet，FiLM型中间融合模型	AUC, macro-F1, accuracy, recall	NA
1051	2026-06-04	Interpretable deep learning-based hierarchical multi-modal fusion model for predicting HER2 expression in gastric cancer 2026, Frontiers in oncology IF:3.5Q2 DOI:10.3389/fonc.2026.1745228 PMID:42232558	研究论文	提出一种可解释的层级多模态融合模型，用于预测胃癌患者的HER2表达状态	首次构建层级多模态框架，整合内镜深度学习特征、放射组学特征和临床数据来预测HER2表达，并使用SHAP进行特征贡献解释	样本量相对较小，为单中心回顾性研究	提高胃癌患者HER2状态预测的准确性	402名经内镜确诊的胃癌患者	数字病理学, 机器学习	胃癌	内镜成像, 对比增强CT成像, 放射组学	CNN, 逻辑回归	图像, 临床数据	402名胃癌患者（其中92名病理确诊HER2状态）	Pyradiomics, PyTorch	ResNet-50	AUC, 敏感性	NA
1052	2026-06-04	Rehab-DRLX: explainable neurorehabilitation prognosis using deep reinforcement learning and transformer-based models 2026, Frontiers in computational neuroscience IF:2.1Q3 DOI:10.3389/fncom.2026.1808274 PMID:42232896	研究论文	提出Rehab-DRLX模型，结合深度强化学习和可解释Transformer，用于神经康复预后预测	首次将深度强化学习与可解释Transformer结合，通过强化表示学习模块动态处理多模态康复数据，并利用层次注意力机制提供可解释的预后结果	未提及具体局限性，但需注意模型对多模态数据质量的依赖和临床验证范围	设计可解释、高精度的神经康复预后预测模型，克服传统黑盒工具的可信度不足问题	运动功能障碍和神经损伤患者的功能恢复结果，包括日常生活活动能力	机器学习	神经康复疾病	多模态数据融合（临床记录、传感器运动数据、神经影像）	深度强化学习（DRL）、Transformer、卷积神经网络（CNN）	多模态数据（临床记录、传感器数据、神经影像）	未明确提及样本数量	PyTorch	CNN（嵌入DRL代理）、可解释预后Transformer（包含临床上下文位置编码和层次注意力机制）	准确率、F1分数、均方根误差、平均绝对误差	未明确提及
1053	2026-06-04	Deep learning guided propofol ketamine dosing and inflammation trajectories in elderly burns 2026, Frontiers in computational neuroscience IF:2.1Q3 DOI:10.3389/fncom.2026.1824898 PMID:42232895	研究论文	利用深度学习指导老年烧伤患者丙泊酚-氯胺酮给药及炎症轨迹预测	将概率机器学习模型与安全约束的强化学习代理相结合，动态预测炎症标志物轨迹并优化个体化给药方案，实现安全性与疗效的双重提升	基于回顾性数据，需前瞻性试验进一步验证；样本量相对较小；伦理和实时部署挑战	开发并验证一种集成炎症状态预测和用药优化的框架，以改进老年烧伤患者的围手术期管理	老年烧伤患者（≥65岁）在围手术期接受丙泊酚麻醉的614例次事件及206例外部验证事件	机器学习	烧伤	NA	事件Transformer、神经ODE、保守策略Q学习（CPQL）	临床时间序列数据	614例次训练事件和206例次外部验证事件	PyTorch	事件Transformer、神经ODE、保守策略Q学习	平均绝对误差（MAE）、AUROC、预测区间覆盖率、MAP目标时间占比、血管升压药启动率	NA
1054	2026-06-03	Deep learning-based automatic adenoid segmentation and a novel volume-based index for adenoid hypertrophy assessment 2026-Jan-17, BMC oral health IF:2.6Q1 DOI:10.1186/s12903-026-07675-2 PMID:41545817	研究论文	提出一种基于深度学习的自动腺样体分割方法，并建立基于体积的新型三维腺样体-鼻咽比指数用于腺样体肥大的评估	首次使用基于SegResNet的深度学习模型从术前CBCT预测术后气道形态，通过体积差异自动获取腺样体，并提出新型三维体积比指数3D-AN用于评估鼻咽部气道阻塞	初步分析表明3D-AN低于0.18时与儿童OSA无显著相关性，可能对低阻塞程度病例灵敏性不足	开发自动腺样体分割方法和建立三维体积比指数以准确评估腺样体肥大和鼻咽部气道阻塞	使用CBCT扫描和PSG数据的儿童阻塞性睡眠呼吸暂停患者	计算机视觉	儿童阻塞性睡眠呼吸暂停	CBCT	深度学习模型	CBCT图像	3个数据集：63名患儿（术前术后共126次扫描）、26名患儿术后扫描、161名同时具有PSG和CBCT数据的患儿	PyTorch	SegResNet	Dice相似系数、相对体积误差	NA
1055	2026-06-03	Liver cancer risk stratification using deep learning on nationwide longitudinal health screening data: a retrospective cohort study 2026-Jan-17, BMC medical informatics and decision making IF:3.3Q2 DOI:10.1186/s12911-025-03323-x PMID:41547794	研究论文	利用国家纵向健康筛查数据开发深度学习模型预测肝癌风险，并在韩国大规模回顾性队列中进行验证	首次将一维卷积神经网络应用于国家常规筛查大数据进行肝癌风险分层，无需额外诊断检测，显著优于现行国家筛查标准	未提及具体局限性，但作为回顾性研究可能存在选择偏倚和混杂因素未完全控制	开发并验证基于深度学习的肝癌风险预测模型，支持政策层面的可扩展筛查策略	韩国50-69岁成年人，共3,962,209名参与者，其中12,401例肝癌病例	机器学习	肝癌	NA	一维卷积神经网络	结构化表格数据（人口统计学、临床、行为、人体测量和实验室特征）	3,962,209名成人（训练集80%，测试集20%），12,401例肝癌病例	NA	1D-CNN	AUROC、AUPRC、灵敏度、特异性	NA
1056	2026-06-03	Deep learning algorithm for semiquantification of spinal inflammation in axial spondyloarthritis 2026-Jan-16, RMD open IF:5.1Q1 DOI:10.1136/rmdopen-2025-006403 PMID:41545311	研究论文	开发基于深度学习的算法用于中轴型脊柱关节炎患者的脊柱炎症半定量评估	首次结合注意力U-Net模型实现脊柱炎症的自动检测与半定量评分，涵盖骨髓水肿识别和椎间盘-椎体单元的定位	研究仅纳入330名参与者，样本量有限，且未提及模型对不同疾病亚型或图像质量的泛化能力	开发深度学习方法实现中轴型脊柱关节炎脊柱炎症的半定量评估	中轴型脊柱关节炎患者的全脊柱MRI图像	计算机视觉	中轴型脊柱关节炎	MRI（短τ反转恢复序列）	注意力U-Net	图像	330名中轴型脊柱关节炎患者	NA	注意力U-Net	灵敏度、特异度、准确度、Dice系数、组内相关系数、皮尔逊相关系数	NA
1057	2026-06-03	Evaluation of deep learning-based methods for automatic detection and segmentation of brain metastases in T1-contrast MRI for stereotactic radiosurgery 2026-Jan, Journal of applied clinical medical physics IF:2.0Q3 DOI:10.1002/acm2.70459 PMID:41546659	研究论文	评估基于深度学习的T1对比增强MRI中脑转移瘤自动检测和分割方法在立体定向放射外科治疗计划中的应用	在不同框架（CNN、Transformer、Mamba）下对八种深度学习模型进行了全面的比较分析，填补了当前文献中缺乏此类对比研究的空白，并强调了U-Mamba在检测和nnU-Netv2在分割中的优势	未明确说明局限性	评估并比较基于不同框架的深度学习模型在T1对比增强MRI中检测和分割脑转移瘤的性能	脑转移瘤患者	计算机视觉	脑转移瘤	T1对比增强MRI	CNN、Transformer、Mamba	图像	934名患者，667例来自公开数据集，267例来自单中心	NA	U-Mamba、nnU-Netv2	灵敏度、Dice相似系数（DSC）、阳性预测值（PPV）、表面DSC（sDSC）、豪斯多夫距离95%（HD95）	NA
1058	2026-06-03	A review of remote sensing technology for plastic waste monitoring 2026-Jan, Environmental science and pollution research international DOI:10.1007/s11356-025-37347-7 PMID:41546767	综述	系统综述遥感技术在塑料废物监测中的最新进展，分析2018至2024年间84项研究	提出结合多平台地球观测、机器学习和公民科学的集成框架，通过对应分析识别四个优化的平台-环境研究集群	研究领域存在地理偏差（欧洲站点超过50%）、侧重控制条件而非实际部署、无法检测微塑料、缺乏标准化协议	评估遥感技术在塑料废物监测中的平台、传感器、光谱范围、分类方法及聚合物识别，指导未来传感器设计和全球监测策略	塑料废物污染及遥感监测技术	机器学习	NA	遥感	监督学习、深度学习	遥感图像	84项研究	NA	NA	NA	NA
1059	2026-06-03	AutoSiQ: a curated haploid Arabidopsis thaliana inflorescence dataset with a fine-grained silique ontology and a deep learning application for haploid fertility quantification 2026, Frontiers in plant science IF:4.1Q1 DOI:10.3389/fpls.2026.1767588 PMID:41937765	研究论文	提出AutoSiQ数据集和深度学习管道，用于自动量化拟南芥单倍体可育性	创建首个专门针对单倍体可育性显式表示的高分辨率扫描花序数据集，采用七类长角果本体注释，保留超越二元可育/不可育分类的生物学信息，并通过基线YOLOv5模型实现可育性量化与基因型区分	未在摘要中明确提及局限性	实现单倍体可育性的自动化、高通量表型分析，以加速双单倍体作物育种流程	拟南芥单倍体花序中的长角果和花朵	数字病理学	NA	机器视觉，YOLOv5目标检测	YOLOv5	高分辨率扫描图像	包含多个拟南芥花序样本，具体数量未明确，但涉及野生型和突变体基因型比较	PyTorch	YOLOv5	R²	NA
1060	2026-06-03	A deep learning model for real-time recognition of immature persimmons in complex field scenarios 2026, Frontiers in plant science IF:4.1Q1 DOI:10.3389/fpls.2026.1785493 PMID:41937778	研究论文	提出一种基于改进YOLOv12n框架的实时未成熟柿子检测方法，用于复杂田间场景下的精准识别	将MobileViTv3、CBAM和DySample模块集成到YOLOv12n架构中，在提高检测精度的同时保持实时推理速度	未提及模型在不同天气条件或长期田间监测中的泛化能力验证，也未对不同品种未成熟柿子的适应性进行讨论	解决自然田间环境下未成熟柿子颜色弱、目标小、枝叶遮挡及光照干扰导致的实时检测精度低的问题	复杂田间环境下的未成熟柿子果实	计算机视觉	NA	NA	CNN	图像	未公开具体数量，但构建了包含多种光照、遮挡和拍摄角度的未成熟柿子图像数据集	PyTorch	MCD-YOLOv12n（YOLOv12n + MobileViTv3 + CBAM + DySample）	精确率, 召回率, 平均精度均值, 帧率	NA