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
2981	2026-08-13	Transcriptome graph transformer: a graph transformer-based unsupervised model for transcriptome data analysis 2026-May-21, BMC bioinformatics IF:2.9Q1 DOI:10.1186/s12859-026-06458-4 PMID:42168843	研究论文	介绍了一种基于图Transformer的无监督模型TGT，用于转录组数据分析，通过构建异质基因-通路图并进行预训练和微调，在疾病分类、生物标志物发现和单细胞/空间转录组聚类中表现出优越性能。	首次将图Transformer架构应用于转录组数据分析，构建异质基因-通路图以整合生物网络信息，支持无监督学习和零样本聚类，克服了传统方法对固定长度输入和生物网络信息的限制。	摘要中未明确提及局限性，但可能包括对大规模数据计算资源的需求、对通路注释质量的依赖以及预训练任务可能忽略某些生物学上下文。	开发一种有效的、可泛化的转录组表示学习方法，以处理高维、异质和非线性基因关系，并应用于疾病分类和生物标志物发现。	转录组数据，包括基因表达数据、单细胞和空间转录组数据，涉及阿尔茨海默病、癌症、急性肾损伤和COVID-19等疾病。	机器学习	阿尔茨海默病、癌症、急性肾损伤、COVID-19	RNA-seq、单细胞和空间转录组测序	图Transformer	基因表达数据、单细胞转录组数据、空间转录组数据	未明确提及具体样本数量，涉及多个疾病数据集，包括阿尔茨海默病、癌症、急性肾损伤和COVID-19。	未明确提及	图Transformer	分类准确性、基因和通路重要性分数	未明确提及
2982	2026-08-13	Interpretable multitask model for clinical pathology image prediction and interpretation 2026-May-19, NPJ systems biology and applications IF:3.5Q1 DOI:10.1038/s41540-026-00744-w PMID:42156411	研究论文	提出了一个可解释的多任务数字病理模型iMDPath，用于病理图像的预测和解释，整合了数据增强、诊断预测和特征可视化	结合VQ-VAE数据增强、Swin Transformer预测和FullGrad与遮挡敏感性分析的可视化模块，实现端到端且高度可解释的多任务深度学习框架	未明确提及局限性，但可能受限于样本量和数据集多样性	解决深度学习方法在病理图像分析中样本量有限和缺乏可解释性的问题，提高癌症诊断的准确性和临床可解释性	六种不同的癌症病理数据集，包括胃癌、乳腺癌、肺癌和结直肠癌	数字病理学	胃癌、乳腺癌、肺癌、结直肠癌	深度学习（数据增强、预测和可视化）	VQ-VAE, Swin Transformer, FullGrad, 遮挡敏感性分析	病理图像	六种癌症病理数据集（具体数量未提供）	NA	Swin Transformer（Swin-B）, VQ-VAE, InceptionV3, Phikon	诊断准确性、敏感性、泛化能力	NA
2983	2026-08-13	An Electrical Capacitance Tomography Dataset for Image Reconstruction Benchmarking 2026-May-19, Scientific data IF:5.8Q1 DOI:10.1038/s41597-026-07433-7 PMID:42156788	研究论文	介绍首个大规模实验获取的平面电容层析成像数据集ECT-Bench，用于评估成像和动态跟踪算法	首次提供大规模实验获取的平面电容层析成像数据集，包含真实软场特性、介电变异性、位置不确定性和硬件噪声，而非基于仿真的数据	未在摘要中明确说明局限性	为平面电容层析成像的图像重建和动态跟踪算法提供标准化基准，弥合数值模拟与真实世界非接触传感之间的差距	平面电容层析成像传感器及其成像算法	计算机视觉, 机器学习	不适用	电容层析成像	卷积神经网络	电容矩阵数据，位置元数据，对象标签	54,739个高分辨率互电容矩阵，由定制3×3电极阵列获取	不适用	卷积神经网络	不适用	不适用
2984	2026-08-13	Explainable artificial intelligence with pyramid vision transformer model for multi-class malignant cell classification on cytology slides 2026-May-09, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-47157-7 PMID:42106425	研究论文	本研究提出一种混合时间深度学习网络模型（HTDL-MCCCS），用于细胞学涂片中的恶性细胞自动分类，以提升诊断一致性、减轻病理医师负担并支持资源有限环境下的规模化筛查	将金字塔视觉变换器（PVT）与双向时间递归单元（BiTRU）相结合，并集成染色标准化、伪影去除、核分割等多阶段预处理，以及Grad-CAM可解释性分析，实现多类恶性细胞的自动化分类	摘要中未明确说明局限性，可能包括对特定数据集（如SIPaKMeD和Herlev）的依赖，以及需要进一步验证模型在不同临床环境中的泛化能力	开发一种自动化的恶性细胞分类模型，以提高诊断一致性、减少病理医师工作量，并在资源有限的环境中实现可扩展的癌症筛查	细胞学涂片中的恶性细胞与良性细胞	数字病理学	癌症（具体类型未指定）	数字病理学、全切片成像（WSI）、深度学习	混合深度学习模型（金字塔视觉变换器PVT + 双向时间递归单元BiTRU）	细胞学涂片图像	SIPaKMeD和Herlev两个公开数据集，具体样本数量未在摘要中给出	未明确指定（可能使用TensorFlow或PyTorch，但摘要未提及）	金字塔视觉变换器（PVT）与双向时间递归单元（BiTRU）	准确率（SIPaKMeD上98.16%，Herlev上96.42%）	摘要中未提及具体计算资源
2985	2026-08-13	Advancements of artificial intelligence in Chinese herbal medicine recommendation: A comprehensive review of data-driven approaches and clinical applications form 2016 to 2025 2026-May-01, Medicine IF:1.3Q2 DOI:10.1097/MD.0000000000048468 PMID:42065178	综述	这篇综述系统回顾了2016年至2025年间基于知识图谱、深度学习和混合模型的中草药推荐方法，并分析了其技术演进和临床应用	提出了理论-数据-临床三元评价框架，为开发符合循证医学标准的智能中草药推荐系统提供了方法学创新	该综述未明确提及局限性	填补中草药推荐方法系统综述的空白，为开发理论上稳健且临床可解释的人工智能模型提供参考	2016年至2025年间发表的中草药推荐方法研究	机器学习, 自然语言处理	不适用	不适用	深度学习模型, 知识图谱, 混合模型	文本, 知识图谱	不适用	不适用	不适用	草药有效性评分, 草药配伍评分	不适用
2986	2026-08-13	Radiopathomic Graph Deep Learning for Multiscale Spatial-Contextual Modeling of Intratumoral Heterogeneity to Predict Breast Cancer Response to Neoadjuvant Therapy 2026-May, Radiology. Artificial intelligence DOI:10.1148/ryai.250760 PMID:41949455	研究论文	开发了一种可解释的放射病理组图深度学习系统，用于多尺度空间上下文建模瘤内异质性，并在乳腺癌患者中预测新辅助治疗的病理完全缓解。	提出了新颖的放射病理组图深度学习框架，结合了放射组学和病理组学数据，利用图神经网络建模瘤内异质性的多尺度空间上下文，并通过多方面分析增强模型的可解释性。	文章摘要中未明确提及研究局限性。	开发并评估一种放射病理组图深度学习系统，以提高对乳腺癌新辅助治疗病理完全缓解的预测性能。	乳腺癌患者，包括活检证实的浸润性乳腺癌患者，其治疗前的MRI图像和HE染色活检切片图像。	数字病理学	乳腺癌	MRI成像，组织学切片染色（HE）	图神经网络	图像	训练集582名患者，外部测试集468名患者。	NA	图神经网络（具体架构未指定）	AUC，净重分类改善指数（NRI），综合判别改善指数（IDI）	NA
2987	2026-08-13	Comparative Analysis of Machine Learning Models in Groundwater Quality Assessment: A Systematic Review 2026-May, Water environment research : a research publication of the Water Environment Federation IF:2.5Q2 DOI:10.1002/wer.70401 PMID:42124483	综述	本文对机器学习在地下水质量评估中的应用进行了系统综述和荟萃分析，评估了多种模型的准确性、适用性和可用性。	系统性地比较了多种机器学习模型在地下水质量评估中的表现，并探讨了新兴技术如物理信息机器学习、图神经网络和大型语言模型的应用潜力。	主要关注已发表的研究，可能忽略未发表的研究，且对新兴技术的讨论缺乏具体实证数据。	评估机器学习模型在地下水质量评估中的准确性、适用性和可用性，并识别研究空白和未来方向。	地下水质量相关的研究，涵盖多种机器学习模型及其应用场景。	机器学习	不适用	机器学习模型，包括人工神经网络、支持向量机、k近邻、决策树、随机森林和深度学习	人工神经网络、支持向量机、k近邻、决策树、随机森林、深度学习	地下水质量数据	文献样本，具体数量未在摘要中提供	不适用	人工神经网络、支持向量机、k近邻、决策树、随机森林、深度神经网络	准确性	不适用
2988	2026-08-13	3D Swin Transformer With Multi-Scale Dilated Convolution for White Blood Cell Hyperspectral Image Classification 2026-05, Journal of biophotonics IF:2.0Q3 DOI:10.1002/jbio.70280 PMID:42152783	研究论文	本研究提出了一种基于多尺度膨胀卷积的3D Swin Transformer网络（SwinMDC），用于白细胞高光谱图像分类，以提高分类准确性。	采用3D多尺度膨胀卷积作为初始嵌入层，增强低级特征表示并缓解感受野限制，同时集成3D窗口注意力机制构建层次Transformer编码器。	仅在三类白细胞数据集上进行了验证，未涉及多中心或更大规模的数据集，泛化性有待进一步评估。	提高白细胞高光谱图像分类的准确性，充分利用光谱信息。	白细胞高光谱图像。	数字病理学	血液相关疾病（如白血病等）	高光谱成像	Transformer	图像	三类白细胞显微高光谱数据集，具体样本量未说明。	NA	Swin Transformer	准确率	NA
2989	2026-08-13	AI-driven lateral flow immunoassay for point-of-care detection of cardiac biomarkers in acute myocardial infarction 2026-04-20, Mikrochimica acta DOI:10.1007/s00604-026-08054-y PMID:42008011	研究论文	本研究开发了一种结合深度学习机器视觉模型的功能化金纳米颗粒侧向流动免疫分析平台，用于急性心肌梗死中心肌生物标志物的快速定量检测。	创新性地将深度学习机器视觉与金纳米颗粒侧向流动免疫分析相结合，实现了心肌生物标志物的快速定量检测，检测时间缩短46.7%，并提高了检测效率。	摘要中未提及局限性。	旨在开发一种AI增强的侧向流动免疫分析平台，用于急性心肌梗死相关心肌生物标志物的灵敏、快速和便携式定量检测。	研究对象为心肌生物标志物肌红蛋白和心肌肌钙蛋白I，以及加标血清样本。	计算机视觉	急性心肌梗死	侧向流动免疫分析	深度学习	图像	加标血清样本（具体数量未提及）	NA	NA	检测限、相关系数（R²）	NA
2990	2026-08-13	A vision-language foundation model improves preoperative diagnosis of follicular thyroid neoplasms using ultrasound images 2026-Apr-16, NPJ precision oncology IF:6.8Q1 DOI:10.1038/s41698-026-01430-0 PMID:41991963	研究论文	开发了一种名为FTC-Net的视觉-语言基础模型，利用超声图像进行甲状腺滤泡性肿瘤的术前分类诊断	首次将视觉-语言基础模型应用于甲状腺滤泡性肿瘤的术前诊断，能够减少不必要的细针穿刺活检和手术	摘要中未明确提及局限性	实现甲状腺滤泡性癌和甲状腺滤泡性腺瘤的术前无创鉴别诊断，改善临床决策并减少不必要的手术	甲状腺滤泡性肿瘤（包括甲状腺滤泡性癌和甲状腺滤泡性腺瘤）	计算机视觉	甲状腺滤泡性肿瘤	超声成像	视觉-语言基础模型	超声图像	2421名患者（6477张图像），来自14个机构，其中1462名用于训练，578名和381名用于两个独立验证队列	NA	NA	AUC	NA
2991	2026-08-13	Deep learning inference of cell type-specific gene expression from breast tumor histopathology 2026-Apr-16, NPJ precision oncology IF:6.8Q1 DOI:10.1038/s41698-026-01419-9 PMID:41986599	研究论文	开发了SLIDE-EX，一个从乳腺癌组织病理学全切片图像直接推断细胞类型特异性基因表达的深度学习框架	首次利用深度学习从H&E染色的全切片图像直接推断细胞类型特异性基因表达，避免了单细胞RNA测序和批量RNA测序的高成本和耗时	训练和验证仅限于乳腺癌队列（TCGA-BRCA），独立验证队列规模相对较小（160例），最稳健的预测仅限于特定细胞类型（如癌症相关成纤维细胞、癌细胞和髓系细胞）	开发一种从常规组织病理学切片中快速、低成本推断细胞类型特异性基因表达的方法，以增强对肿瘤微环境的表征和化疗反应预测	乳腺癌肿瘤组织的全切片图像（WSIs）以及来自TCGA-BRCA和160例独立队列的推断细胞类型特异性基因表达	数字病理学	乳腺癌	H&E染色全切片成像	深度学习模型（具体类型未在摘要中明确）	图像、基因表达数据	TCGA-BRCA队列（样本量未明确）和160例独立队列	PyTorch	卷积神经网络（CNN）	表现最佳基因预测、细胞类型丰度预测性能（具体指标如相关性或误差未在摘要中明确）	未在摘要中提供具体信息
2992	2026-08-13	Federated CT foundation models for multi-center detection of lymph node metastasis in pancreatic cancer 2026-Apr-09, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-47631-2 PMID:41957506	研究论文	提出了一种结合CT基础模型预训练和异构感知联邦优化的隐私保护深度学习框架，用于多中心胰腺癌淋巴结转移检测	将大规模CT基础模型预训练与标签分布差异和表征级别散度感知的联邦聚合相结合，以应对跨机构数据异质性，实现隐私保护下的多中心LNM检测性能提升	研究为回顾性多中心设计，样本数量相对有限（546例患者），且未提供外部验证或前瞻性临床验证	开发一种隐私保护的深度学习方法，利用CT影像数据提高胰腺导管腺癌术前淋巴结转移检测的准确性和泛化性，同时解决多中心数据异质性问题	来自三个医疗机构的546例胰腺导管腺癌患者的术前CT扫描数据	医学影像分析, 联邦学习, 深度学习	胰腺癌（胰腺导管腺癌）	CT成像, 对比自监督学习	CT视觉基础模型（3D表征）、联邦聚合算法	CT影像	546例患者（来自三个机构），预训练使用148,000个容积CT扫描	NA	CT视觉基础模型（基于对比自监督学习）	平衡准确率, 诊断优势比 (DOR)	NA
2993	2026-08-13	Investigation of multimodal deep learning models for predicting ovarian tumor malignancy based on ultrasound images and clinical information - a comprehensive comparative study against readers and O-RADS 2026-04-06, BMC medical imaging IF:2.9Q2 DOI:10.1186/s12880-026-02312-4 PMID:41942868	研究论文	本研究全面比较了基于多模态超声图像和临床信息的深度学习模型与放射科医生及O-RADS在预测卵巢肿瘤恶性程度方面的性能	首次综合比较了融合灰度超声和彩色多普勒血流成像的双模态模型（DLM2F）以及进一步整合临床数据的三模态模型（DLM3F）与专家放射科医生和O-RADS的诊断性能，展示了多模态深度学习在卵巢肿瘤分类中的优越性	摘要未提及具体局限性	探究基于多模态超声图像和临床数据的深度学习模型在区分良性和恶性卵巢肿瘤中的有效性，并与传统方法进行比较	卵巢肿瘤患者，包括良性和恶性肿瘤	医学影像分析	卵巢肿瘤	超声成像（灰度超声和彩色多普勒血流成像）	深度学习模型（Dense Convolutional Network）	多模态数据（超声图像和临床信息）	508名卵巢肿瘤患者（平均年龄44.3±15.9岁），其中327例良性，181例恶性	NA	Dense Convolutional Network	AUC、敏感性、特异性	NA
2994	2026-08-13	Artificial-Intelligence-Based Radiologic, Histopathologic, and Molecular Models for the Diagnosis and Classification of Malignant Salivary Gland Tumors: A Systematic Review and Functional Meta-Synthesis 2026-04-05, Medical sciences (Basel, Switzerland) DOI:10.3390/medsci14020183 PMID:42029607	系统综述	对基于人工智能的放射学、组织病理学和分子模型在恶性唾液腺肿瘤诊断和分类中的应用进行系统综述和功能元综合	首次通过功能元综合整合放射学、组织病理学和分子领域的人工智能模型在恶性唾液腺肿瘤诊断任务中的角色，并识别三个汇聚的诊断领域	研究间模型构建、结局定义和验证策略存在异质性，无法进行荟萃分析；多数研究存在高偏倚风险，且校准和实用性评估不足	识别并批判性评估基于放射学、组织病理学和分子数据的人工智能/机器学习模型在恶性唾液腺肿瘤中的诊断和分类性能，并通过功能元综合整合其诊断角色	恶性唾液腺肿瘤（MSGTs）患者队列及相应的人工智能/机器学习诊断或分类模型	数字病理学	恶性唾液腺肿瘤	放射组学、深度学习、DNA甲基化测序	深度学习模型（具体类型未指定）	影像（CT/MRI）、全切片组织病理图像、分子数据（DNA甲基化）	8项研究，共1922名参与者	NA	NA（具体架构未在标题和摘要中说明）	AUC（曲线下面积）	NA
2995	2026-08-13	InDeed: Interpretable Image Deep Decomposition With Grounded Generalizability 2026, IEEE transactions on image processing : a publication of the IEEE Signal Processing Society IF:10.8Q1 DOI:10.1109/TIP.2026.3718452 PMID:42555331	研究论文	本文提出了一种名为InDeed的新型框架，用于将图像分解为低秩、稀疏和噪声分量，结合层次贝叶斯建模和深度学习，以提高可解释性和泛化能力	首次将层次贝叶斯建模与深度学习结合，实现图像分解的可解释性和模型泛化性，并引入基于PAC-Bayes理论的测试时自适应方法	未在摘要中明确提及具体限制	开发一种可解释且泛化能力强的图像分解框架，用于图像去噪和无监督异常检测等下游任务	图像分解任务，包括低秩、稀疏和噪声分量	计算机视觉	不适用	深度学习与层次贝叶斯建模结合	贝叶斯深度神经网络（DNN）	图像	不适用（未在摘要中提及具体样本量）	不适用（未在摘要中提及）	模块化贝叶斯DNN	泛化性能和可解释性（具体指标未在摘要中提及）	不适用（未在摘要中提及）
2996	2026-08-12	Heterogeneous neural blind deconvolution: A signal processing-empowered foundation feature extractor for bearing fault diagnosis 2026-Nov, Neural networks : the official journal of the International Neural Network Society IF:6.0Q1 DOI:10.1016/j.neunet.2026.109143 PMID:42176664	研究论文	本文提出了一种基于信号处理的特征提取器HBD，用于轴承故障诊断的多任务通用模型	通过理论证明结合线性和二次神经元提高逼近效率，设计双时域盲反卷积分支和频域模块的HBD架构	未提及具体限制	构建通用特征提取器以提升轴承故障诊断的准确性和可解释性	轴承故障诊断任务	机器学习	轴承故障	盲反卷积	神经网络	信号数据	未提及	NA	二次卷积网络	准确性	未提及
2997	2026-08-12	MoST: A monotone set transformer for scalable and verifiable neuro-fuzzy aggregation 2026-Nov, Neural networks : the official journal of the International Neural Network Society IF:6.0Q1 DOI:10.1016/j.neunet.2026.109153 PMID:42184462	研究论文	本文提出了一种名为MoST（单调集合变换器）的新型神经模糊架构，用于可扩展且可验证的集合数据聚合，满足排列不变性、单调性和计算可扩展性等理论公理	提出了双管齐下的设计：基于正核的可学习非竞争性门控机制用于近似超模协同效应，以及基于有序加权平均（OWA）的语义锚点实现显式的秩依赖聚合，复杂度为O(NlogN)，并从理论上证明了MoST保持集合包含单调性	实验结果显示，在分子任务中，严格的单调约束与无约束的预测灵活性之间存在任务依赖的权衡，表明该方法在某些任务中可能因单调性约束而损失性能	弥合深度学习架构与公理化聚合理论之间的差距，开发一种可验证的神经模糊集合聚合方法，满足安全性关键领域的严格理论公理	集合结构数据，包括合成数据集和分子任务数据集	机器学习	不适用	不适用	集合变换器（基于Transformer的变体）	集合数据，包括合成数据和分子数据	不适用	不适用	Transformer	单调认证、时间/内存缩放、预测性能	未明确说明
2998	2026-08-12	CollDTI: Dual-encoder collaborative learning for drug-target interaction prediction 2026-Nov, Neural networks : the official journal of the International Neural Network Society IF:6.0Q1 DOI:10.1016/j.neunet.2026.109175 PMID:42217429	研究论文	提出了一种名为CollDTI的双编码器协作学习框架，用于药物-靶点相互作用预测，通过联合建模内在结构特征和外部关系特征来提高预测性能。	提出了一种双编码器协作学习框架，结合多视图异构图神经网络和加权残差交叉注意力机制，实现结构特征与关系特征的高层语义融合。	文中未明确提及局限性，可能包括对计算资源的高需求或对特定数据集依赖等。	提高药物-靶点相互作用预测的准确性和可靠性，以支持药物发现、副作用评估和药物重定位。	药物-靶点对	机器学习	NA	图神经网络	异构图神经网络	药物和靶点的结构及关系数据	NA	NA	多视图异构图神经网络、图卷积网络、加权残差交叉注意力机制	准确性、可视化、案例研究	NA
2999	2026-08-12	DPC: Dynamic purification chain for adaptive adversarial defense 2026-Nov, Neural networks : the official journal of the International Neural Network Society IF:6.0Q1 DOI:10.1016/j.neunet.2026.109189 PMID:42229394	研究论文	提出动态净化链（DPC）方法，通过组合像素和几何变换并动态构建净化链，以防御强自适应对抗攻击，同时保持对干净数据的高准确性	结合像素与几何变换构建动态净化链，并通过反馈算法动态构建以避免过度净化，有效应对知道防御参数的强自适应攻击	未提及	提出一种能够防御强自适应对抗攻击的净化方法，提高深度学习模型的鲁棒性	深度学习模型在图像分类任务中的对抗攻击防御	计算机视觉	不适用	对抗净化	未明确指定	图像	使用CIFAR-10、CIFAR-100和Imagenette数据集，具体样本数未提及	未明确指定	未明确指定	准确率	未提及
3000	2026-08-12	Ultralightweight progressive feature disentanglement and recomposition network for hyperspectral image classification 2026-Nov, Neural networks : the official journal of the International Neural Network Society IF:6.0Q1 DOI:10.1016/j.neunet.2026.109200 PMID:42229391	研究论文	提出了一种用于高光谱图像分类的超轻量级渐进式特征解缠与重组网络（ULite-FDRNet），在保持高精度的同时大幅减少参数和推理延迟	设计了统一的特征解缠与重组（FDR）范式，包含三个紧凑模块（FDRConv2D/3D、ScaleFDR3D、TriSFDR），实现从浅层到多尺度再到全局的渐进特征学习，在超低参数下达到优越性能	未明确提及局限性，但可能受限于高光谱图像特定场景，泛化性有待验证	解决深度学习高光谱图像分类中参数过多和推理延迟高的问题，实现计算效率与分类性能的平衡	高光谱图像分类任务中的空间-光谱特征表示	计算机视觉	NA	高光谱成像	卷积神经网络（CNN）	高光谱图像	四个高光谱基准数据集	PyTorch（推测，因代码将在GitHub发布）	FDRConv2D/3D, ScaleFDR3D, TriSFDR	总体精度（OA）	NA