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
201	2026-07-15	Development and validation of an MRI-based deep learning system for triple-class ER expression classification in breast cancer: a large-scale multicenter study 2026-May-20, BMC medicine IF:7.0Q1 DOI:10.1186/s12916-026-04912-x PMID:42163319	研究论文	开发并验证一种基于MRI的深度学习系统，用于乳腺癌三分类ER表达水平的非侵入性分类	首次提出基于MRI的深度学习系统，能够非侵入性区分ER阴性、ER低阳性和ER高阳性乳腺癌，解决了传统ER评估的局限性	NA（摘要中未明确提及局限性）	开发并验证一种基于MRI深度学习系统（BERC），用于非侵入性分类乳腺癌ER表达水平，以支持个性化治疗	3500例乳腺癌患者的预处理DCE-MRI数据，来自六个医疗机构	计算机视觉, 数字病理学	乳腺癌	DCE-MRI	深度学习（CNN）	图像（DCE T1加权MRI）	3500例乳腺癌患者（1862例训练集，1638例测试集，来自四个外部中心）	NA（未指定）	NA（未指定具体架构）	AUC, 敏感度, 特异度, 准确率, 阳性预测值, 阴性预测值	NA（未提及）
202	2026-07-15	MTRFU-Net: a lung nodule segmentation model based on improved U-Net architecture with spatial-frequency fusion 2026-May-16, BMC medical imaging IF:2.9Q2 DOI:10.1186/s12880-026-02376-2 PMID:42143263	研究论文	提出一种基于改进U-Net架构的肺结节分割模型MTRFU-Net，集成空间-频率融合与多模块协作	提出三阶段渐进式模块协作策略实现动态空间-频率融合，在编码器中引入空间-频率融合模块并行提取双域特征，并在瓶颈层组合Transformer与优化空洞空间金字塔池化以捕捉长程依赖和多尺度上下文	未提及模型在真实临床数据上的泛化能力及计算资源需求，且实验仅在LIDC-IDRI数据集上验证	通过融合频域信息提高肺结节分割的准确性，解决结节异质性、边界模糊和多尺度变化等挑战	肺结节及其在CT图像上的分割	数字病理学, 计算机视觉	肺癌	CT影像	U-Net, Transformer, 卷积神经网络	图像	LIDC-IDRI数据集（未具体说明样本数量）	NA	ResNet50, U-Net, Transformer, 空间-频率融合模块, 空洞空间金字塔池化, scSE注意力机制	Dice相似系数, 平均交并比	NA
203	2026-07-15	Application of deep learning based motion posture recognition in sports training 2026-May-14, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-50738-1 PMID:42129285	研究论文	提出一种基于深度学习的运动姿态识别模型以提升体育训练质量	创新性地结合图神经网络与Transformer注意力机制，提出深度动态图注意力姿态识别模型，用于捕捉人体关节的空间和时间动态关系	未提及模型在实际复杂运动场景下的泛化能力和计算开销	提高体育训练中运动姿态识别的精准度和实时性	运动员的运动姿态以及人体关节间时空关系	计算机视觉	NA	图神经网络、Transformer注意力机制	图神经网络、Transformer	运动姿态数据（骨骼关节点序列）	未明确说明样本数量	NA	深度动态图注意力姿态识别模型	运动识别准确率18%，验证准确率9.4%，真阳性类别9.1%，平均注意力权重10%	NA
204	2026-07-15	A two-stage OOD-aware approach for mosquito species detection based on RT-DETRv2 2026-May-14, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-52890-0 PMID:42135385	研究论文	提出一种两阶段OOD感知的蚊子物种检测方法，基于RT-DETRv2结合马氏距离和能量评分增强模型鲁棒性	首次将马氏距离和能量评分集成到两阶段OOD检测框架中，分别实现图像级和实例级异常过滤，提升对未知样本的鲁棒性	未提及数据集中样本分布的地域和季节偏差，以及OOD检测阈值对实际部署的影响	解决现有深度学习模型对分布外样本敏感的问题，实现真实环境下蚊子物种的准确检测	蚊子图像数据，包括33个预定义物种的11,514张原始图像和两个OOD数据集	计算机视觉, 数字病理学	传染病	基于图像的物种识别, 数据增强	RT-DETRv2, PResNet-101骨干网络	图像	训练集17,302张图像（含增强），测试集包含11,514张原始图像和两个OOD数据集	NA	PResNet-101	Precision, Recall, mAP, mAP, AUROC, FPR@95TPR, -score	NA
205	2026-07-15	An evaluation of various parts of face to identify facial paralysis using temporal convolutional neural network model 2026-May-13, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-47729-7 PMID:42129261	研究论文	利用时序卷积神经网络模型评估面部不同部位以识别面瘫	首次提出将多增强胶囊网络与时序卷积网络结合，用于提取多尺度特征并对面瘫严重程度进行分类	未提及	开发一个基于深度学习的面瘫识别模型，实现自动化、高精度的面部分析与严重程度分级	面瘫患者的面部图像（包括眼睛、眉毛和嘴巴区域）	计算机视觉	面瘫	图像预处理（灰度化、对比度增强、人脸检测、数据增强）、特征提取、分类	TCNN（时序卷积神经网络）	图像	YFP_Dataset_Updated 数据集（未明确样本数量）	未提及	多增强胶囊网络、时序卷积网络	准确率 (99.01%、99.15%、99.14%)	未提及
206	2026-07-15	Robust automatic soft tissue flap segmentation using a challenging case-enriched nnU-Net in head and neck CT images 2026-May-13, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-48870-z PMID:42129312	研究论文	通过丰富挑战性案例的nnU-Net模型，实现头颈部CT图像中软组织皮瓣的鲁棒自动分割	通过向训练集中增加具有解剖和视觉挑战性的案例（如蒂状皮瓣、小皮瓣、上颌皮瓣、骨切除、牙科伪影等），在不修改神经网络架构或损失函数的情况下，显著提升了皮瓣分割的准确性和鲁棒性	未提及具体限制	提高头颈部CT图像中自动皮瓣分割的准确性和鲁棒性，辅助放疗规划和皮瓣随时间变化的表征	头颈部CT图像中的软组织皮瓣	计算机视觉, 数字病理学	头颈部肿瘤	CT成像	nnU-Net	CT图像	未提及具体样本数量，但包括临床试验和真实世界数据，包含罕见挑战性案例	nnU-Net	nnU-Net	Dice系数	未提及
207	2026-07-15	A two-stage differential evolution algorithm for neural ensemble architecture search 2026-May-13, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-49709-3 PMID:42129308	研究论文	提出一种用于神经网络集成架构搜索的两阶段差分进化算法	采用两阶段框架生成多头结构的神经网络集成，引入基于代理模型的排序策略以减少计算资源，并设计新的多样性度量函数实现准确率与多样性的多目标优化	未提及具体局限性	自动设计高性能且多样化的神经网络集成，提升搜索效率	神经网络集成架构	机器学习	NA	差分进化算法	神经网络集成	图像	基准图像分类数据集（未明确具体数量）	NA	多头结构神经网络集成	准确率、搜索时间	NA
208	2026-07-15	Integrating scanning electron microscopy, explainable deep learning, and ITS sequencing for accurate identification in some species Geastrum 2026-May-13, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-53120-3 PMID:42129448	研究论文	整合扫描电子显微镜、可解释深度学习和ITS测序，实现地星属物种的准确鉴定	首次将基于SEM的担孢子成像与深度学习及可解释人工智能（XAI）技术结合，用于地星属的细粒度分类，并通过分子系统发育分析独立验证模型推断的物种边界	数据集仅包含800张高分辨率SEM图像，物种覆盖有限（5种），且未充分探讨模型在野外未知样本上的泛化能力	提出一种结合SEM成像与可解释深度学习的方法，实现地星属物种的准确、可重复鉴定，克服传统形态学和分子方法的局限	地星属（Geastrum）中的五个物种：Geastrum elegans, G. fimbriatum, G. quadrifidum, G. rufescens, G. triplex	数字病理学	不适用	扫描电子显微镜（SEM）、ITS测序	卷积神经网络（CNN）、Transformer	图像	800张高分辨率SEM图像，涵盖5种地星属物种	NA	DenseNet121, EfficientNetB0, ConvNeXt-Tiny, Swin-Tiny	准确率、精确率、召回率、F1分数、特异性、马修斯相关系数（MCC）、AUC	NA
209	2026-07-15	Bladder cancer segmentation using u-net-based deep-learning 2026-May-13, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-52716-z PMID:42129500	研究论文	开发基于U-Net的深度学习模型用于膀胱癌CT尿路造影图像分割，并与传统方法及基于Transformer的模型进行对比	提出Crop U-Net模型，通过用户自定义框掩码屏蔽结构化背景，将U-Net注意力聚焦于病变区域，简化分割流程并提升性能	Crop U-Net依赖于用户定义的框掩码，可能引入主观偏差；未使用第二级水平集细化，对边界模糊病变的分割精度有限	开发用于膀胱癌治疗反应评估的决策支持系统，重点实现高精度膀胱癌CT图像分割	膀胱癌患者的CT尿路造影图像中的膀胱病变区域	计算机视觉	膀胱癌	CT尿路造影（CTU）	CNN (U-Net变体)	医学图像（CT）	独立测试集数量未明确，但包含患者的3D轮廓标注	NA	U-Net, Crop U-Net, DATTNet, Med-SAM	平均Jaccard指数（AJI）, 平均最小距离（AMD）	NA
210	2026-07-15	Research on the efficacy of hybrid deep learning models for image-based classification of common oral conditions 2026-05-11, BMC oral health IF:2.6Q1 DOI:10.1186/s12903-026-08552-8 PMID:42115989	研究论文	比较微调端到端和混合深度学习策略在小型不平衡数据条件下对常见口腔疾病的图像分类效果	首次在口腔图像分类任务中系统比较混合模型（冻结特征+传统分类器）与端到端模型的性能差异，并聚焦牙周病子任务验证策略的临床适用性	模型对牙结石和牙龈炎的混淆误差未完全消除，需进一步优化以区分高度相似的口腔病变类别	评估混合深度学习策略在小样本和不平衡数据条件下提升口腔图像分类性能的可行性，为智能牙周辅助诊断工具提供方法论基础	10735张口腔图像，包括牙结石、龋齿、牙龈炎等常见口腔病变类别，以及牙周病三分类子集	计算机视觉	口腔疾病	图像分类	CNN	图像	10735张口腔图像	NA	ResNet18, EfficientNetV2-S, ConvNeXt-Tiny, KNN, 随机森林, 线性SVM, RBF-SVM	准确率, macro-F1, McNemar检验, Grad-CAM, ROC/PR曲线	NA
211	2026-07-15	Interpretable ensemble meta-learning for estimated ultimate recovery prediction in shale gas wells 2026-May-08, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-50134-9 PMID:42103826	研究论文	提出LMTR框架，一种集成元学习模型用于页岩气井最终可采储量预测，结合Lasso和Ridge正则化及MLP与Transformer以提升预测性能与可解释性	提出融合Lasso和Ridge正则化与MLP-Transformer架构的集成元学习框架LMTR，并通过SHAP分析和NPV评估增强模型可解释性	本研究未明确讨论模型在不同地质条件下的泛化能力及计算资源消耗	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
212	2026-07-15	Deep-learning-empowered programmable topolectrical circuits 2026-May-07, Nature communications IF:14.7Q1 DOI:10.1038/s41467-026-72901-y PMID:42098123	研究论文	提出了一种深度学习赋能的可编程拓扑电路平台，用于物理建模和分析	结合可编程电路硬件与物理图生成模型，实现按需逆向设计，桥接理论建模与实际实现	未提及具体性能指标计算效率或大规模验证等限制信息	实现拓扑电路的完全可编程性与高效逆向设计，推动物理与信息技术融合	高阶拓扑系统中的边界态、绝热相变及朗道能级平带特性	机器学习	NA	深度学习	物理图生成模型	NA	NA	NA	生成模型	NA	NA
213	2026-07-15	An interpretable deep learning biomarker for prognostication and prediction of adjuvant chemotherapy benefit in gastric cancer 2026-May-07, NPJ precision oncology IF:6.8Q1 DOI:10.1038/s41698-026-01449-3 PMID:42098261	研究论文	提出一种基于弱监督Transformer的可解释深度学习框架，从苏木精-伊红染色全切片图像中推导病理风险评分，用于胃癌预后分层和辅助化疗获益预测	首次使用弱监督Transformer从常规H&E染色WSI中提取可解释的病理风险评分，并通过中介分析建立基因、细胞特征与评分之间的关联路径，实现转录组到形态学的可解释连接	NA	开发一种可解释的深度学习生物标志物，用于胃癌预后评估和辅助化疗获益预测	胃癌患者的苏木精-伊红染色全切片图像和转录组数据	数字病理学	胃癌	H&E染色成像, 转录组测序	Transformer	图像, 文本（转录组数据）	HMU-GC队列2876例，内部验证288例，TCGA-STAD外部验证355例	PyTorch	弱监督Transformer	C-index	NA
214	2026-07-15	MZSGO: multimodal zero-shot protein function annotation via evolutionary signals and textual semantics 2026-May-03, Bioinformatics (Oxford, England) DOI:10.1093/bioinformatics/btag168 PMID:41934619	research paper	提出一种多模态零样本蛋白质功能注释框架MZSGO，融合蛋白质语言模型的进化信号和大语言模型的语义特征，实现对新功能标签的鲁棒预测	首次在蛋白质功能预测中融合蛋白质语言模型的进化信号与大语言模型的语义特征，通过自适应门控融合机制对齐序列和文本模态，解决零样本泛化问题	NA	解决现有蛋白质功能预测方法依赖有限模态、无法泛化到新标签的问题	蛋白质序列与功能注释（Gene Ontology术语）	machine learning	NA	蛋白质语言模型大语言模型	多模态融合框架	蛋白质序列文本数据（功能注释）	NA	PyTorch	自适应门控融合机制	零样本预测准确率	NA
215	2026-07-15	CREsted: modeling genomic and synthetic cell-type-specific enhancers across tissues and species 2026-May, Nature methods IF:36.1Q1 DOI:10.1038/s41592-026-03057-2 PMID:41927920	研究论文	开发了一个名为CREsted的软件包，用于从序列中建模细胞类型特异性增强子并设计合成增强子	实现了增强子的端到端建模与设计，包括单细胞ATAC-seq数据预处理、序列建模、序列设计及下游分析，并跨组织、跨物种验证	未明确提及，但可能对复杂基因组区域或非编码变异的解释能力有限	从DNA序列预测和设计细胞类型特异性的顺式调控元件（增强子），揭示其序列语法	增强子的序列语法、细胞类型特异性调控活性	机器学习	NA	单细胞ATAC-seq	深度学习模型（卷积神经网络或残差网络等）	测序数据（单细胞ATAC-seq）、基因组序列	使用小鼠皮层、人类外周血单核细胞、斑马鱼发育图谱等多个数据集	PyTorch	基因组基础模型（具体架构未明确，可能包括卷积或transformer模块）	准确率、AUC等（具体指标未在摘要中提及）	NA
216	2026-07-15	Multiparametric MRI-based Deep Learning and Radiomics for Evaluating Lymph Node Metastasis in Early-Stage Cervical Cancer 2026-May, Radiology. Imaging cancer DOI:10.1148/rycan.250345 PMID:41931018	研究论文	开发基于多参数MRI的影像组学模型和深度学习-影像组学融合模型，用于术前预测早期宫颈癌的淋巴结转移	首次结合多参数MRI的影像组学特征和深度学习特征，构建融合模型以术前预测早期宫颈癌淋巴结转移，并在多中心回顾性研究中验证其性能	深度学习-影像组学融合模型相比单纯影像组学模型无显著性能提升，可能受限于特征提取或模型融合方式	开发并验证多参数MRI预测模型在早期宫颈癌淋巴结转移评估中的临床价值	862例早期宫颈癌患者（中位年龄53岁）的术前MRI数据	数字病理学	宫颈癌	多参数MRI	CNN	医学图像	862例早期宫颈癌患者	NA	影像组学模型, 深度学习-影像组学融合模型	AUC, 校准曲线, 决策曲线分析	NA
217	2026-07-15	Neuroimaging-Based Deep Learning Applications for Lesion Detection and Predicting the Outcome Following Epilepsy Surgery 2026-May, Neuroimaging clinics of North America IF:1.3Q3 DOI:10.1016/j.nic.2025.10.002 PMID:41932780	综述	本文综述了基于神经影像的深度学习模型在癫痫病灶检测和术后结局预测中的应用	系统总结了多中心研究在致痫灶检测中的进展，并指出手术结局预测模型的探索性及临床转化需求	基于神经影像的手术结局预测模型仍处于探索阶段，且需要透明、可解释和前瞻性验证的设计	评估深度学习在药物难治性局灶性癫痫中病灶检测和术后结局预测的应用现状	药物难治性局灶性癫痫患者	计算机视觉	癫痫	MRI	深度学习模型	神经影像数据	多中心研究	NA	NA	病灶检测和结局预测的相关指标	NA
218	2026-07-15	Deep learning for dentomaxillofacial cone-beam computed tomography enhancement: A systematic review and meta-analysis 2026-May, Physica medica : PM : an international journal devoted to the applications of physics to medicine and biology : official journal of the Italian Association of Biomedical Physics (AIFB) DOI:10.1016/j.ejmp.2026.105797 PMID:41934701	系统性综述与荟萃分析	本文系统性回顾和荟萃分析了深度学习在颌面锥形束CT增强中的应用，评估其对图像质量指标的提升效果	首次对深度学习用于CBCT增强进行系统性综述和荟萃分析，量化了多种图像质量指标的改善效果	研究间高度异质性（I²>99%），且临床验证有限，阻碍了直接比较和结论的普遍性	评估基于深度学习的颌面CBCT增强技术及其对客观图像质量指标的影响	颌面锥形束CT图像及其增强方法	数字病理学	非疾病特异性（涉及颌面成像和放射治疗）	深度学习	NA	图像	37项研究（涵盖CBCT到CT合成、金属伪影减少、噪声减少、运动伪影减少和超分辨率等任务）	NA	NA	MAE, PSNR, SSIM, RMSE	NA
219	2026-07-15	Estimating Protein Conformational States from High-Speed AFM Images with Molecular Dynamics and Deep Learning 2026-Apr-27, Journal of chemical information and modeling IF:5.6Q1 DOI:10.1021/acs.jcim.6c00142 PMID:41934646	研究论文	提出DeepAFM框架，结合深度学习与分子动力学模拟，从高速原子力显微镜图像中估计蛋白质构象状态并去噪	首次将深度学习与分子动力学模拟结合用于HS-AFM图像的去噪和构象状态估计，通过模拟真实噪声和扫描滞后效应训练模型，并利用注意力机制聚焦蛋白质大尺度域运动区域	依赖分子动力学模拟生成训练数据，可能无法完全覆盖所有实验噪声类型；方法在膜蛋白SecYAEG-纳米盘复合物上验证，泛化性需进一步评估	开发一种深度学习辅助分析策略，以可靠地从噪声HS-AFM图像中估计蛋白质构象状态	膜蛋白SecYAEG-纳米盘复合物中SecA的闭合与开放构象状态	机器学习, 计算生物学	不适用	高速原子力显微镜, 分子动力学模拟	卷积神经网络, 注意力机制	图像	来自分子动力学模拟快照的模拟AFM图像数据集，具体数量未提供	PyTorch	卷积神经网络, 注意力机制	去噪效果, 构象状态估计准确度	NA
220	2026-07-15	Diagnostic performance of artificial intelligence versus conventional imaging for differentiating G2/G3 from G1 pancreatic neuroendocrine tumors: a systematic review and meta-analysis 2026-04-16, BMC medical imaging IF:2.9Q2 DOI:10.1186/s12880-026-02347-7 PMID:41992154	系统综述与荟萃分析	通过系统回顾和荟萃分析对比人工智能与传统影像学在区分胰腺神经内分泌肿瘤G2/G3与G1分级中的诊断性能	首次系统比较机器学习/深度学习算法与传统专家判读在胰腺神经内分泌肿瘤分级中的诊断性能，并提出理论上的序贯诊断策略	纳入研究存在异质性，且部分研究验证策略不同可能影响结果；未明确给出ML/DL模型的具体架构类型	评估不同影像学方法（特别是人工智能算法）对胰腺神经内分泌肿瘤术前分级的诊断准确性	胰腺神经内分泌肿瘤（PanNETs）患者，共17项研究，928名患者	机器学习，系统综述与荟萃分析	胰腺神经内分泌肿瘤	计算机断层扫描（CT）、磁共振成像（MRI）、内镜超声（EUS）	机器学习/深度学习模型	医学影像	17项研究，928名患者	NA	NA	敏感度，特异度， AUC（曲线下面积）	NA