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
301	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
302	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
303	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
304	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
305	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
306	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
307	2026-06-03	How improper dataset split hinders model generalizability: a systematic comparison in Human activity recognition and exercise evaluation tasks 2026-08, International journal of medical informatics IF:3.7Q2 DOI:10.1016/j.ijmedinf.2026.106464 PMID:42097112	研究论文	系统比较了不恰当的数据集划分（非跨受试者与跨受试者）对人类活动识别和运动评估模型泛化能力的影响	首次通过模拟方法系统量化了数据集划分策略（非跨受试者 vs 跨受试者）对模型性能评估的偏差，并利用广义线性混合效应模型进行预测方差分解，揭示了训练集与测试集间受试者差异对模型稳定性的影响	未提及具体局限性	探究非跨受试者和跨受试者数据划分如何影响机器学习和深度学习模型在不同复杂度任务下的性能估计，以及数据划分和训练/测试集差异对预测方差和稳定性的贡献	人类活动识别和运动评估模型	计算机视觉	康复医学	NA	机器学习，深度学习，CNN，LSTM	图像（RGB-D视频数据）	使用NTU RGB+D 120（大规模HAR基准数据集）和IntelliRehabDS（康复专用数据集）	NA	NA	性能估计，预测方差	NA
308	2026-06-03	A web-based platform for real-time stewed beef freshness monitoring: Integrating anthocyanin colorimetric film with deep learning 2026-Jul-30, Food chemistry IF:8.5Q1 DOI:10.1016/j.foodchem.2026.149643 PMID:42143922	研究论文	开发了一个结合智能比色膜与深度学习的网络平台，用于实时监测炖牛肉的新鲜度	将桑葚花青素比色膜与改进的Ordinal-ResNet-50模型集成，实现炖牛肉新鲜度的实时、非破坏性在线监测	未明确提及局限性	实现炖牛肉新鲜度的实时、非破坏性在线监测，为数字食品安全管理提供完整技术框架	炖牛肉的新鲜度（分为“新鲜”、“次新鲜”、“变质”三个等级）	计算机视觉	NA	比色传感、深度学习	Ordinal-ResNet-50	图像	未明确说明样本数量	PyTorch	ResNet-50	准确率	基于Web的在线平台，未明确说明GPU等计算资源
309	2026-06-03	Lightweight Truncated Fused-MirrorNet for Classification and Analysis of Histopathology Images 2026-Jul, Microscopy research and technique IF:2.0Q3 DOI:10.1002/jemt.70127 PMID:41636335	研究论文	提出轻量级截断融合镜像网络用于组织病理学图像分类与分析，在肾细胞癌分类任务中实现高效准确	采用镜像架构、部分层冻结和特征融合方法，在降低训练时间和计算资源需求的同时保持高分类精度，适用于低端设备部署	未明确说明在非癌症组织病理学任务中的泛化能力以及更大规模数据集上的性能	开发轻量级深度学习模型实现组织病理学图像的自主分类和分析，降低对计算资源的需求	肾细胞癌组织病理学图像	数字病理学	肾细胞癌	组织病理学图像分析	卷积神经网络	图像	使用TCGA肾脏数据集和BreakHis数据集进行训练和评估	NA	Fused-MirrorNet	准确率	NA
310	2026-06-03	STELLAR-CB: Synthetic Temporal LSTM for Livestock Activity Recognition-Cow Behaviour 2026-Jul, Veterinary medicine and science IF:1.8Q2 DOI:10.1002/vms3.70827 PMID:42223978	研究论文	提出一种结合LSTM与SMOTE的新型框架，用于奶牛行为识别，解决数据不平衡问题	使用简单SMOTE配合非重叠窗口分割，在保留时序模式的同时增广少数类别，避免了复杂SMOTE变体的计算开销	未提及具体限制	提高精准畜牧业中自动行为监测的可靠性，解决数据不平衡导致的少数行为识别不足问题	奶牛行为（如吃草、休息、行走、逃跑、被骑跨等）	机器学习	NA	加速度计传感器	LSTM	加速度计时间序列数据	三头不同奶牛的复合加速度计数据集	NA	LSTM	准确率、精确率、召回率、F1分数	NA
311	2026-06-03	Benchmarking Deep Learning for PROTAC Ternary Complex Prediction 2026-Jul, Proteins IF:3.2Q2 DOI:10.1002/prot.70117 PMID:41635150	研究论文	对四种深度学习工具（Chai-1、AlphaFold2、AlphaFold3和Protenix）在PROTAC三元复合物预测中的性能进行基准测试	首次系统比较了四种最新深度学习工具在PROTAC三元复合物结构预测中的表现，揭示了它们在小分子位置和蛋白取向预测方面的局限性	预测工具在POI和E3连接酶取向（Cα-RMSD<10Å）以及小分子PROTAC位置（RMSD<5Å）方面仍存在显著挑战	评估和比较不同深度学习工具在PROTAC三元复合物预测中的性能，为未来预测工具开发提供参考	基于PROTAC的三元复合物	机器学习	NA	蛋白质结构预测	深度学习模型	蛋白质结构数据	多个PROTAC三元复合物结构	NA	Chai-1, AlphaFold2, AlphaFold3, Protenix	Cα-RMSD, RMSD	NA
312	2026-06-03	Solution-Tunable Interfacial Interaction Landscape Governs Anomalous Nanoparticle Diffusion in Liquid-Phase Electron Microscopy 2026-Jun-02, ACS nano IF:15.8Q1 DOI:10.1021/acsnano.6c04149 PMID:42065132	研究论文	揭示液相透射电镜中聚乙二醇包覆金纳米棒在氮化硅膜附近的反常扩散机制，并通过调节离子环境实现从分数布朗运动到退火瞬态时间运动的可调转变	首次通过系统调控离子环境实现纳米颗粒表面扩散从分数布朗运动到退火瞬态时间运动的可调转变，并引入被动纳米流变学框架定量表征界面粘弹性力学响应	未提及该方法在复杂多组分体系中的适用性及长期稳定性	阐明液相透射电镜中纳米颗粒在液固界面处的反常扩散物理机制并实现可调控界面输运	聚乙二醇包覆金纳米棒在氮化硅膜附近液固界面的扩散行为	计算机视觉, 机器学习	不适用	液相透射电镜	深度学习分类模型	图像, 轨迹数据	不适用	PyTorch	不适用	不适用	不适用
313	2026-06-03	P4NSU: Projection-Based Pretraining for Nonlinear Sparse Unmixing in Spectral Imaging 2026-Jun-02, Analytical chemistry IF:6.7Q1 DOI:10.1021/acs.analchem.6c00440 PMID:42145112	研究论文	提出一种基于投影预训练的深度学习框架P4NSU，用于解决光谱成像中的非线性稀疏解混问题	首次将层次化预训练与可学习投影相结合，将非线性解混转化为线性问题，显著降低整体均方根误差14-51%	未提及模型对噪声或不同成像条件的鲁棒性测试，且潜在的计算开销未详细说明	提高光谱成像（如高光谱和拉曼成像）中成分定量分析的准确性，克服非线性混合效应	合成数据集（基于三种非线性模型）及真实数据集（颜料高光谱成像、白血病细胞拉曼成像）	机器学习	白血病	高光谱成像，拉曼光谱成像	深度学习网络	光谱图像数据	三个合成数据集（未提供具体数量）及真实数据集（颜料样本和白血病细胞样本）	PyTorch	层次化预训练网络，可学习特征投影层	均方根误差（RMSE），解混精度，自动化分类性能	NA
314	2026-06-03	Deep Learning-Assisted Elucidation of Structure-Performance Relationships in MOF-NH3 Adsorption Refrigeration Working Pairs 2026-Jun-02, Langmuir : the ACS journal of surfaces and colloids IF:3.7Q2 DOI:10.1021/acs.langmuir.6c00788 PMID:42142072	研究论文	通过深度学习揭示了MOF-NH3吸附制冷工作对的结构-性能关系	利用高通量计算构建包含9835种MOF结构的吸附数据库，并采用CNN模型提取深层特征，创新性地阐明了饱和氨条件下MOF的吸附机制	仅依赖模拟数据，缺乏实验验证；数据库规模和参数维度可能限制模型泛化能力	阐明MOF-NH3吸附制冷工作对的结构-性能关系，为低碳材料设计提供指导	9835种金属有机框架（MOF）结构及其氨吸附性能	机器学习	NA	高通量巨正则蒙特卡洛计算	CNN	数值数据	9835种MOF结构	NA	CNN	R²分数	NA
315	2026-06-03	Deep learning-based contrast-enhanced ultrasound for Ki-67 assessment and prognosis in hepatocellular carcinoma 2026-Jun-02, Biomedical physics & engineering express IF:1.3Q3 DOI:10.1088/2057-1976/ae5f9a PMID:41985477	研究论文	利用深度学习和对比增强超声（CEUS）实现肝细胞癌Ki-67的无创评估及预后预测	首次构建通道分离卷积的多模态模型（CECMM），整合CEUS特征与临床数据，实现Ki-67无创评估及预后分层	回顾性研究设计和单一外部测试队列可能影响泛化性	开发基于CEUS的深度学习框架用于肝细胞癌Ki-67表达评估和预后预测	肝细胞癌患者	计算机视觉	肝癌	对比增强超声	通道分离卷积神经网络	视频和临床数据	456名肝细胞癌患者（288例开发队列，168例外部队列）	PyTorch	CECMM	准确率，AUC	NA
316	2026-06-03	Data driven prediction of bat flight kinematics and trajectory 2026-Jun-02, Bioinspiration & biomimetics IF:3.1Q2 DOI:10.1088/1748-3190/ae66bf PMID:42055078	研究论文	利用数据驱动方法量化蝙蝠飞行的维度复杂性，并开发深度学习模型预测飞行轨迹和翼膜运动	首次将本征正交分解应用于蝙蝠不同飞行模式（直线飞行、上升右转弯、U型转弯）的翼膜动力学分析，并提出双向深度学习架构实现飞行轨迹与翼膜运动的相互预测	NA	量化蝙蝠飞行运动维度复杂性并建立轨迹预测模型，为仿生飞行器开发提供理论基础	大圆叶蝙蝠在三种飞行模式（直线飞行、上升右转弯、U型转弯）中的翼膜运动	机器学习	NA	NA	深度学习	运动捕捉数据	三种飞行模式（直线飞行、上升右转弯、U型转弯）的翼膜运动数据	NA	NA	NA	NA
317	2026-06-03	ScatterFusionNet: physics-informed deep scatter correction for dual-detector CT using Klein-Nishina prior 2026-Jun-02, Physics in medicine and biology IF:3.3Q1 DOI:10.1088/1361-6560/ae6af7 PMID:42102855	研究论文	提出一种基于物理信息的深度散射校正框架ScatterFusionNet，用于双探测器CT，通过嵌入Klein-Nishina散射先验实现跨解剖区域鲁棒泛化	首次将Klein-Nishina散射先验作为角度散射约束嵌入深度学习过程，通过特征线性调制融合双探测器侧边测量与多尺度骨干网络，实现物理引导的特征调制	依赖蒙特卡洛模拟训练数据，真实临床场景下散射先验可能不完全匹配；仅在有限解剖区域（右耳、左右牙齿）进行验证，其他身体部位泛化性待评估	开发一种物理信息驱动的散射校正方法，使其在解剖区域间具有鲁棒泛化能力，减少对特定解剖区域大量训练数据的依赖	双探测器CT中的散射伪影及其校正	医学成像	不适用	Klein-Nishina散射先验, 蒙特卡洛模拟, 双探测器CT	ScatterFusionNet（含多尺度骨干网络和特征线性调制的神经网路）	CT图像、双探测器侧边测量数据、Klein-Nishina先验图	右耳数据集（微调）、右牙齿和左牙齿数据集（测试），具体样本数量未提供	NA	ScatterFusionNet（多尺度骨干网络，特征线性调制）	对比噪声比（CNR）	NA
318	2026-06-03	A voyage on computer aided intelligent algorithms for the segmentation of brain tissues for neurodisorder diagnosis 2026-Jun-02, The International journal of neuroscience DOI:10.1080/00207454.2026.2680936 PMID:42190614	综述	综述了从手动和半自动方法到机器学习和深度学习算法的大脑组织分割技术的进展	比较了监督、无监督和深度学习范式在临床环境中的优缺点和潜在用途，并提出了结合传统和AI方法的混合与集成方法	数据异质性、标注局限性和可解释性仍是挑战	推动大脑组织分割技术发展，促进神经疾病早期诊断、治疗规划和个性化医疗	大脑组织中的灰质、白质和脑脊液	计算机视觉	阿尔茨海默病、多发性硬化症、创伤性脑损伤、中风	NA	机器学习, 深度学习	MRI, CT图像	NA	NA	NA	NA	NA
319	2026-06-03	Liquid-liquid phase separation in metabolic engineering: Mechanistic insights, emerging applications, and future challenges 2026-Jun-02, Biotechnology advances IF:12.1Q1 DOI:10.1016/j.biotechadv.2026.108931 PMID:42225537	综述	系统总结液-液相分离在代谢工程中的设计原理、分子决定因素和调控策略，并探讨人工智能与深度学习如何推动该领域发展	首次系统整合液-液相分离在代谢工程中的设计原理与人工智能驱动的合成内在无序区域设计，建立定量序列-相行为关系，推动从经验设计向预测性工程框架转变	凝聚体的老化及其与宿主细胞环境的兼容性等关键挑战亟待解决	为合成生物学和代谢工程提供液-液相分离的理论框架和未来发展方向	基于液-液相分离的人工凝聚体及其在代谢通道、基因表达控制和可编程细胞功能模块中的应用	机器学习	NA	液-液相分离	深度学习	NA	NA	NA	NA	NA	NA
320	2026-06-03	Detecting inflammatory arthritis in hand smartphone photographs: development and validation of a computer vision model in clinical settings 2026-Jun-02, Rheumatology (Oxford, England) DOI:10.1093/rheumatology/keag287 PMID:42226010	研究论文	开发并验证了一种计算机视觉模型，用于从标准化智能手机照片中检测手部滑膜炎	在真实世界风湿科门诊人群中，首次使用ConvNeXt-V2架构从智能手机照片中检测手部滑膜炎，并在包含手部畸形的患者中验证了模型稳定性	NA	基于智能手机照片检测炎症性关节炎中的手部滑膜炎	来自印度风湿科门诊的1112名患者的2296张手部照片	计算机视觉	炎症性关节炎	NA	深度学习模型	图像	1112名患者的2296张手部照片	NA	ConvNeXt-V2, EfficientNet-V2, 加权集成模型	AUROC、准确率、灵敏度、特异度	NA