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
101	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
102	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
103	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
104	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
105	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
106	2026-06-04	Multimodal deep learning fusion model for assessment of fetal lung development in gestational diabetes mellitus and pre-eclampsia 2026, Frontiers in endocrinology IF:3.9Q2 DOI:10.3389/fendo.2026.1832468 PMID:42232760	研究论文	开发了一种多模态深度学习融合模型，结合超声图像与分子和组织病理学数据，评估妊娠期糖尿病和子痫前期对胎肺发育的影响	首次构建了整合超声图像特征与分子和组织病理学数据的多模态深度学习框架，并通过迁移学习将动物模型验证转化至人类胎肺超声图像分析	NA	通过多模态深度学习模型，评估妊娠期糖尿病和子痫前期对胎肺发育的影响，并提供非侵入性监测策略	妊娠期糖尿病和子痫前期大鼠模型及人类胎肺超声图像	计算机视觉, 深度学习	妊娠期糖尿病, 子痫前期	超声成像, 免疫组化, Western印迹, 定量PCR, 基因测序	深度学习模型	超声图像, 组织病理学数据, 分子表达数据	1,183张人类胎肺图像（临床研究），多组动物实验样本（具体数量未提及）	NA	深度学习模型（用于自动肺分割和特征提取），迁移学习模型	准确率, AUC	NA
107	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
108	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
109	2026-06-03	Model uncertainty estimates for deep learning mammographic density prediction using ordinal and classification approaches 2026-Jan-30, Biomedical physics & engineering express IF:1.3Q3 DOI:10.1088/2057-1976/ae39e2 PMID:41554181	research paper	利用分类和序贯深度学习方法预测乳腺密度，并产生模型不确定性估计	首次在深度学习乳腺密度预测中，通过分类和序贯方法产生模型不确定性估计，且不降低预测性能	未提及具体限制	开发具有内置不确定性估计的深度学习模型，用于乳腺密度预测	超过150,000张乳腺X光图像及专家阅读的连续密度评分	computer vision	breast cancer	NA	CNN (implied by deep learning methods)	图像	超过150,000张乳腺X光图像	NA	分类模型, 序贯模型, 回归模型	RMSE	NA
110	2026-06-03	Generalizable machine learning models for rapid antimicrobial resistance prediction in unseen health care settings 2026-Jan-21, GigaScience IF:11.8Q1 DOI:10.1093/gigascience/giaf156 PMID:41553357	研究论文	开发通用机器学习模型用于在未见医疗环境中快速预测抗菌药物耐药性	将掩码自编码器（MAE）用于MALDI-TOF质谱数据和化学语言模型（如SELFIES和Molformer）用于抗菌药物表示，提升模型在不同医院和时间段上的泛化能力	未明确讨论模型在不同地理区域或更广泛临床场景中的适用性，可能仍存在未覆盖的变异	提高机器学习模型在抗菌药物耐药性快速预测中的通用性和鲁棒性	来自4家医疗机构的MALDI-TOF质谱数据和抗菌药物化学结构数据	自然语言处理	抗菌药物耐药性	MALDI-TOF质谱	掩码自编码器, 化学语言模型	质谱数据和化学结构数据	来自4家医疗机构的样本	NA	MAE, SELFIES, Molformer	精确率-召回率曲线下面积	NA
111	2026-06-03	Exploring students' emotion recognition and teachers' teaching feedback in college foreign language classroom based on AFCNN model 2026-Jan-18, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-36747-0 PMID:41549127	研究论文	提出基于注意力特征卷积神经网络（AFCNN）的大学外语课堂学生情绪识别模型，为教师提供教学反馈并支持其专业发展	将注意力机制与卷积神经网络结合引入外语课堂情绪识别领域，实现实时面部表情捕捉与教学反馈联动，并探讨教师专业发展路径	模型在遮挡情况下识别准确率下降；仅针对快乐和中性两种情绪效果较好，其他情绪识别能力有限；未提及计算资源消耗及实际课堂部署可行性	研究情绪识别技术如何辅助外语教师专业发展，通过实时反馈优化教学互动效果	大学外语课堂中学生面部表情及教师教学反馈行为	计算机视觉，自然语言处理	NA	深度学习面部表情识别	AFCNN（注意力特征卷积神经网络）	课堂图像数据	未明确说明样本数量	NA	AFCNN， VGG16， ResNet18	识别准确率	NA
112	2026-06-03	Prediction of left ventricular systolic dysfunction in left bundle branch block using a fine-tuned ECG foundation model 2026-Jan-17, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-34911-6 PMID:41545539	研究论文	针对左束支传导阻滞患者，采用微调心电图基础模型预测左心室收缩功能障碍	提出了一种微调心电图基础模型来专门增强左束支传导阻滞患者的左心室收缩功能障碍检测能力，并通过多中心回顾性分析验证了其优于传统深度学习模型	未在论文中明确说明	提高左束支传导阻滞患者左心室收缩功能障碍的早期检测能力，尤其在超声心动图不可及时	左束支传导阻滞患者	机器学习	心血管疾病	心电图	基础模型	医学信号	892名左束支传导阻滞患者的2031对心电图-超声心动图数据集	NA	FCN, LSTM-FCN, ResNet, InceptionTime	准确率, 敏感性, AUROC	NA
113	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
114	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
115	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
116	2026-06-03	Robust and interpretable prediction of gene markers and cell types from spatial transcriptomics data 2026-Jan-16, Nature communications IF:14.7Q1 DOI:10.1038/s41467-026-68487-0 PMID:41545411	研究论文	通过空间转录组数据预测基因标记物和细胞类型的鲁棒且可解释的方法STimage	结合基础模型集成方法量化数据驱动和模型不确定性，并实现单细胞分辨率的归因分析与病理学注释整合	未提及计算资源需求和在大规模数据集上的扩展性验证	从常规H&E图像直接预测空间基因表达和分类细胞类型	包含不同平台的空间转录组数据集	数字病理学	NA	空间转录组测序（ST）、H&E染色成像	集成模型、基础模型	图像、基因表达数据	涉及多个平台的不同数据集	PyTorch	基础模型	NA	NA
117	2026-06-03	Harnessing artificial intelligence for the assessment of liver fibrosis and steatosis via multiparametric ultrasound 2026-Jan-14, World journal of gastroenterology IF:4.3Q1 DOI:10.3748/wjg.v32.i2.113059 PMID:41551823	综述	探讨人工智能在多参数超声评估肝纤维化和脂肪变性中的应用现状与未来潜力	系统总结了人工智能与多参数超声结合在肝纤维化和脂肪变性评估中的技术进展，强调其提升诊断精度、减少操作者依赖性的优势	需要大规模数据集、算法透明性和临床验证等方面的挑战	探索人工智能在多参数超声评估肝纤维化和脂肪变性中的当前应用与未来潜力，突出技术进展和临床相关性	慢性肝病患者	机器学习	慢性肝病	多参数超声（包括弹性成像和多普勒成像）	NA	图像（超声图像数据）	NA	NA	NA	灵敏度	NA
118	2026-06-03	Artificial intelligence and machine learning-driven advancements in gastrointestinal cancer: Paving the way for precision medicine 2026-Jan-07, World journal of gastroenterology IF:4.3Q1 DOI:10.3748/wjg.v32.i1.111428 PMID:41551523	综述	综述2015年至2025年间人工智能和机器学习在胃肠道癌症检测、诊断和预后中的应用进展，强调多模态方法和精准医学潜力	系统整合了内镜深度学习、影像组学预测生物标志物、大语言模型及多模态AI等多类技术在胃肠道肿瘤中的应用进展	缺乏大规模临床验证和标准化工作流程整合模型，且伦理、法律和社会影响问题亟待解决	评估人工智能和机器学习在胃肠道癌症精准医疗中的当前应用、性能水平及未来发展路径	胃肠道癌症的影像、病理和临床数据，包括内镜图像、放射学报告及生物标志物预测模型	自然语言处理, 计算机视觉, 机器学习	胃肠癌	影像组学	深度学习, 大语言模型	影像, 文本, 临床数据	NA	NA	NA	准确率, AUC	NA
119	2026-06-03	Predicting lymph node metastasis in colorectal cancer using case-level multiple instance learning 2026-Jan-07, World journal of gastroenterology IF:4.3Q1 DOI:10.3748/wjg.v32.i1.112090 PMID:41551528	研究论文	开发并验证一种基于病例级多实例学习框架，用于预测结直肠癌淋巴结转移	提出病例级多实例学习框架，模仿病理学家全面阅片模式，能整合同一患者所有原发肿瘤切片的病理特征，优于传统切片级深度学习方法	样本量较小（130例），需进一步在多中心数据集上验证	提高结直肠癌淋巴结转移预测准确性，辅助风险分层和治疗决策	T3/T4期结直肠癌患者的淋巴结转移预测	数字病理学	结直肠癌	全切片成像	多实例学习	医学图像	130例T3/T4期结直肠癌患者	PyTorch	CONCH v1.5, UNI2-h	AUC	NA
120	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