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
361	2026-06-03	Attention-enhanced GNN model for fungal disease classification in spinach leaves using monospectral imaging 2026-Jun-01, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-54574-1 PMID:42225821	研究论文	提出一种注意力增强的图神经网络模型，用于菠菜叶片真菌病害的分类，利用单谱成像技术提高农业病害诊断的准确性和可解释性	通过将叶片图像建模为图结构，利用注意力机制突出病害相关节点，并结合Grad-CAM可解释性方法，首次实现了对多个植物叶片病害的图神经网络解释性分类	未提及模型在不同成像条件或真实田间环境下的泛化能力，以及数据集的规模有限，可能影响方法的普适性	开发一个可解释的深度学习框架，用于多植物叶片病害的早期检测和分类，以提升农业产量和减少损失	菠菜和咖喱叶片的图像，涵盖15种病害及健康分类	计算机视觉	叶斑病、真菌病害等菠菜叶片病害	单谱成像	图神经网络（AE-GNN）	图像	含菠菜和咖喱叶片图像的定制数据集，具体数量未在摘要中说明	PyTorch	AE-GNN	准确率	NA
362	2026-06-03	Improving seismic fault detection through fault-balanced patch extraction and deep learning networks (UNet, Efficient-UNet, and VGG19-UNet) 2026-Jun-01, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-56041-3 PMID:42225901	research paper	研究通过结合断层感知的补丁提取策略和多种深度学习网络（UNet、Efficient-UNet、VGG19-UNet）提升地震断层检测的准确性	提出了一种基于断层感知的数据集准备策略，通过最小断层像素阈值、控制性断层掩膜扩张和数据增强来缓解断层解释中的类别不平衡问题	所提框架在数据集上表现优异，但其在其它地质环境中的更广泛应用仍需未来研究验证	评估三种卷积神经网络分割模型（Standard UNet、Efficient-UNet、VGG19-UNet）在基于2D地震补丁的自动断层检测中的性能	从真实3D地震体中提取的2D地震补丁	computer vision	NA	NA	CNN	image	具体样本数量未在摘要中提及；但涉及128×128的补丁，并应用了基于断层的筛选策略	NA	UNet, Efficient-UNet, VGG19-UNet	Dice, IoU, F1 score	NA
363	2026-06-03	Multi-modal data fusion and deep reinforcement learning for dynamic resource scheduling in intelligent manufacturing systems under variable market demand 2026-Jun-01, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-55756-7 PMID:42225920	研究论文	提出一种融合多模态数据和深度强化学习的方法，用于解决智能制造系统中动态资源调度问题，以应对多变的市场需求	首次将多模态数据融合（传感器、生产、市场数据）与LSTM注意力模型及双重深度Q网络（DDQN）相结合，用于动态资源调度，在资源利用率和按时交付方面取得显著提升	高峰时段性能不佳，导致12.8%的交付严重延迟；跨行业泛化能力有限（效率保留67.9%）；大规模场景计算效率低（18-35分钟）	解决智能制造系统中因市场需求高度变化和复杂生产条件导致的动态资源调度难题	智能制造系统中的资源调度决策	机器学习	NA	多模态数据融合（传感器、生产、市场数据）	LSTM、双重深度Q网络（DDQN）	传感器数据、生产数据、市场数据	NA	NA	LSTM注意力模型、双重深度Q网络（DDQN）	资源利用率、按时交付率、预测准确率、效率保留	NA
364	2026-06-03	A deep learning approach for keratoconus detection using spatio-temporal features from corneal imaging 2026-Jun-01, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-56383-y PMID:42225912	研究论文	提出一种基于深度学习的圆锥角膜检测方法，利用角膜成像的时空特征区分健康眼和圆锥角膜眼	采用混合CNN-RNN架构结合InceptionV3和LSTM，首次从动态角膜成像序列中同时提取空间和时间特征	健康眼分类的变异性略高，缺少外部数据集验证	开发基于深度学习的分类模型用于圆锥角膜早期检测	角膜成像数据中的健康眼和圆锥角膜眼	计算机视觉	圆锥角膜	角膜成像（CORVIS系统）	CNN-RNN混合模型	动态图像序列	NA	NA	InceptionV3, LSTM	准确率, 精确率, 召回率, F1分数	NA
365	2026-06-03	A two-step deep learning framework for predicting difficult video laryngoscopy from ultrasound images: a prospective cohort study 2026-Jun-01, BMC anesthesiology IF:2.3Q2 DOI:10.1186/s12871-026-03948-z PMID:42226131	研究论文	提出一种两步深度学习框架，利用超声图像预测困难视频喉镜插管	首次将人工智能与超声影像结合用于预测困难视频喉镜插管，并通过热图识别与困难插管相关的超声测量指标	未在摘要中明确提及局限性	评估基于人工智能的超声技术预测困难视频喉镜插管的可行性，并识别相关超声测量指标	接受超声气道检查的患者	计算机视觉	麻醉相关并发症	超声成像	CNN, LightGBM	图像	1474例患者，其中95例发生困难视频喉镜插管	NA	ResNet-18, LightGBM	AUROC, 敏感性, 特异性, 比值比	NA
366	2026-06-03	Deep learning-based neuroanatomical profiling reveals population-specific brain changes in multiple sclerosis: a large-scale Middle Eastern study 2026-Jun-01, BMC medical imaging IF:2.9Q2 DOI:10.1186/s12880-026-02481-2 PMID:42226149	研究论文	利用深度学习神经解剖学分析，揭示中东人群多发性硬化症的特定脑部变化	首次针对中东人群建立多发性硬化症的神经影像学生物标志物群体特异性参考范围，并利用自动化深度学习分割进行大规模比较	NA	对多发性硬化症患者与健康对照进行脑结构变化的全面统计特征分析，并建立中东人群的群体特异性参考范围	多发性硬化症患者与健康对照	计算机视觉	多发性硬化症	FLAIR序列成像	CNN	图像	1381名受试者（1000名健康对照，381名多发性硬化症患者）	NA	U-Net	Dice相似系数，Hausdorff距离95百分位数	NA
367	2026-06-03	Deep learning-driven decoding of ubiquitination: from regulatory mechanisms to targeted protein degradation 2026-Jun-01, Biology direct IF:5.7Q1 DOI:10.1186/s13062-026-00848-7 PMID:42226266	综述	总结深度学习在泛素化研究中的多重应用，从预测泛素化位点到机制解码和治疗转化	系统梳理了深度学习从预测到机制理解再到治疗设计的全链条应用，强调了可解释性和理性分子设计	未进行实证分析，未来需发展更可解释的模型并加强实验验证	揭示深度学习如何重塑泛素化研究，推动从描述性预测向机制理解和治疗应用转化	泛素化系统及其在疾病中的作用机制	机器学习	癌症, 神经退行性疾病, 免疫功能障碍, 代谢疾病	深度学习	卷积神经网络(CNN), 循环神经网络(RNN), Transformer, 蛋白质语言模型, 图神经网络(GNN), 生成模型, 强化学习	序列数据, 结构数据, 多模态数据	NA	NA	卷积神经网络, Transformer, 图神经网络, 生成对抗网络(GAN)	预测准确性	NA
368	2026-06-03	Artificial Intelligence Methods in Early Detection of Autism Spectrum Disorder: A DSM-5 Criterion-Based Systematic Review 2026-Jun-01, Autism research : official journal of the International Society for Autism Research IF:5.3Q1 DOI:10.1002/aur.70279 PMID:42226557	系统性综述	本系统性综述评估了基于人工智能的儿童自闭症谱系障碍早期检测方法，分析了其分布、性能、与DSM-5标准的一致性以及方法学质量	首次基于DSM-5标准系统地评估AI在ASD早期检测中的应用，揭示了不同AI技术（经典机器学习、深度学习、混合方法）的分布与表现，并发现直接符合DSM-5标准的研究具有更高的准确性中位数	Criterion B（限制性/重复性行为）覆盖率不足，研究地理偏向高收入地区，方法学不一致（如57%的患者选择不明确、43%的指数测试风险不明确），且未进行引文追踪	评估人工智能方法在早期检测自闭症谱系障碍（ASD）中的潜力，提供比主观行为评估更客观的替代方案	0-18岁临床诊断为ASD的儿童	机器学习	自闭症谱系障碍	NA	卷积神经网络、支持向量机、经典机器学习、深度学习、混合方法	可观察行为数据	43项研究（从1018篇记录中筛选）	NA	CNN、SVM	accuracy	NA
369	2026-06-03	Predictive and interactive roles of motivation and situational learning activities on emotional and cognitive engagement 2026-Jun-01, The British journal of educational psychology DOI:10.1111/bjep.70099 PMID:42226569	研究论文	探讨课外学习活动中动机与情境学习活动对学生情感和认知参与的预测及交互作用	聚焦课外学习情境，采用经验取样法捕捉实时数据，揭示动机与情境参与的动态交互关系	未明确提及具体局限性	研究学生动机、情境参与（情绪和学习策略）与课外学习活动背景之间的关系	394名本科生，平均年龄21.26岁，来自不同种族背景和学科	机器学习	NA	NA	NA	问卷数据	394名本科生	NA	NA	NA	NA
370	2026-06-03	Machine learning in tissue engineering: a comprehensive review of applications, challenges, and prospects 2026-Jun-01, Journal of biomaterials science. Polymer edition DOI:10.1080/09205063.2026.2675360 PMID:42226588	综述	全面回顾机器学习在组织工程中的应用、挑战与前景	系统梳理了机器学习和深度学习在组织工程（包括生物材料性能预测、支架设计、组织再生和3D生物打印）中的最新应用，并指出了数据质量、模型可解释性和标准化等关键挑战	数据质量、模型可解释性和标准化问题阻碍了这些技术的全面整合	概述机器学习与深度学习在组织工程中的当前进展、挑战和未来方向	组织工程中的生物材料、支架、组织再生和3D生物打印	机器学习	NA	NA	机器学习, 深度学习	NA	NA	NA	NA	NA	NA
371	2026-06-03	Overrepresentation Bias Leads to Performance Overestimation in Blood-Brain Barrier Permeability Prediction Models: Characterization and Mitigation 2026-Jun-01, Journal of chemical information and modeling IF:5.6Q1 DOI:10.1021/acs.jcim.5c02891 PMID:42226621	研究论文	揭示了药物性质数据库中近相同化合物的过度代表偏差导致血脑屏障渗透性预测模型性能被高估，并提出了自动检测和偏差感知数据处理方法来缓解该问题	首次系统性地识别并研究了药物化合物数据库中过度代表偏差对血脑屏障渗透性预测模型评估的影响，并提出了自动检测算法和偏差感知数据处理流程	NA	探索过度代表偏差对血脑屏障渗透性预测模型性能评估的影响，并提出缓解方法以确保更可靠的模型评估	近相同化合物及血脑屏障渗透性预测模型	机器学习	神经系统疾病（血脑屏障相关）	NA	深度学习	药物化合物属性数据	NA	NA	NA	AUC, 宏平均F1分数	NA
372	2026-06-03	Artificial Intelligence for the Diagnosis of Pancreatic Diseases Using Endoscopic Ultrasonography 2026-Jun, Digestive endoscopy : official journal of the Japan Gastroenterological Endoscopy Society IF:5.0Q1 DOI:10.1111/den.70171 PMID:42227807	综述	本文系统回顾了人工智能在超声内镜图像诊断胰腺疾病中的应用现状、技术方法及未来方向	首次系统梳理了EUS-AI在胰腺疾病诊断中的三种主要任务（肿瘤检测分类、囊性病变分类、实质/站识别），并总结了多模态模型和深度学习架构的应用，同时指出仅有一个模型在日本获批但技术细节未公开	已发表研究多数缺乏充分的外部验证，数据来自单一机构、标签标注不一致、诊断标准多样，且内部验证可能高估模型性能，现有证据基础有限	评估人工智能在超声内镜图像诊断胰腺疾病中的研究现状、技术进展和临床转化挑战	胰腺肿瘤、囊性病变、胰腺实质及超声内镜站位的相关图像数据	数字病理学	胰腺疾病	超声内镜成像	深度学习模型	图像	共纳入22篇同行评审研究（1项检测+17项肿瘤分类+4项囊性病变分类+4项实质/站位识别）	NA	ResNet, EfficientNet, VGG, UNet++, YOLO, 自定义卷积网络	准确率	NA
373	2026-06-03	MedNet-FS: a few-shot learning framework for 3D MRI-based knee injury classification 2026-May-31, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-54489-x PMID:42225724	研究论文	提出一种名为MedNet-FS的小样本学习框架，用于基于3D MRI的膝关节损伤分类	将针对膝关节MRI数据的领域特定预训练与广义端到端（GE2E）损失相结合，在数据稀缺环境下显著超越通用预训练或标准交叉熵损失模型	对于模糊的部分撕裂病例（AUC 0.58）性能下降，且当前性能未达到自主临床部署的阈值	开发一种有效的小样本学习解决方案，以减少对大量标注MRI数据的依赖，实现数据高效的医疗图像分析	3D膝关节MRI影像数据	计算机视觉, 数字病理学	膝关节损伤	MRI	小样本学习网络	3D MRI影像	内部MRNet数据集中每类40个样本，外部KneeMRI数据集用于验证	NA	NA	AUC	NA
374	2026-06-03	LLM-guided expert feature extraction with fusion-based complementary learning network for fish freshness classification using eye images 2026-May-31, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-55139-y PMID:42225756	research paper	本文提出了一种融合专家特征与大语言模型引导的互补学习网络，用于通过鱼眼图像分类鱼类新鲜度	利用大语言模型处理鱼类专家知识，自动提取可解释的数值特征，无需人工特征工程，并构建融合层将数值特征与深度视觉特征进行互补学习	NA	开发一种融合专家建议光度特征与深度视觉表示的互补学习网络，用于非侵入性鱼类新鲜度分类	鱼类新鲜度分类，基于鱼眼图像	computer vision, machine learning	NA	大语言模型	CNN	image	多个鱼类物种和新鲜度类别的鱼眼图像数据集（FFE数据集）	NA	ResNet50	accuracy	NA
375	2026-06-03	Deep learning algorithm for automatic detection of acute ischemic stroke on noncontrast brain CT 2026-May-31, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-55530-9 PMID:42225843	研究论文	评估基于深度学习的算法在非对比脑CT上检测急性缺血性卒中（包括小梗死灶）的诊断性能	首次在包含不同梗死体积和读者专业水平的多个亚组中，全面评估AI辅助解读对非对比CT上急性缺血性卒中检测的诊断改进效果	研究为回顾性设计，且读者数量有限，可能无法完全代表实际临床环境	验证深度学习算法辅助非放射科医生、放射科医生和神经放射科医生在非对比CT上检测急性缺血性卒中的诊断准确性	917例急性缺血性卒中病例的非对比脑CT图像	计算机视觉	急性缺血性卒中	非对比CT	深度学习模型	图像	917例病例	NA	NA	ROC曲线下面积、准确率、敏感度、特异度	NA
376	2026-06-03	In silico generation of gene expression profiles using diffusion models 2026-May-31, BMC bioinformatics IF:2.9Q1 DOI:10.1186/s12859-026-06470-8 PMID:42226153	研究论文	提出基于扩散模型（DDPM和DDIM）的基因表达谱生成流程，解决转录组数据样本稀疏问题，并验证其在TCGA和GTEx数据集上的预测性能提升	首次将扩散模型应用于转录组数据生成，并探索线性和非线性重构方法以恢复完整转录组，证明扩散模型性能优于VAE和GAN	未提及明确局限性，但可推断对大规模高维转录组数据的泛化能力及计算资源需求可能为潜在问题	解决转录组数据样本稀疏问题，利用扩散模型生成高质量合成基因表达数据以增强下游预测任务	L1000 landmark基因表达谱及TCGA和GTEx转录组数据集	数字病理学	癌症	RNA-seq	扩散模型（DDPM, DDIM）	基因表达数据	NA（未明确说明样本数量，涉及TCGA和GTEx公开数据）	PyTorch	DDPM, DDIM	预测性能、数据质量指标	NA（未明确说明计算资源）
377	2026-06-03	Does lens opacity matter? The effect of cataract on deep learning based cardiovascular disease risk scores from fundus photos 2026-May-30, Asia-Pacific journal of ophthalmology (Philadelphia, Pa.) DOI:10.1016/j.apjo.2026.100333 PMID:42219087	研究论文	探讨白内障对基于眼底照片的深度学习心血管疾病风险评分的影响	首次系统评估白内障引起屈光介质混浊对深度学习模型预测心血管疾病风险的影响，并发现糖尿病视网膜病变患者的评分偏移更显著	仅使用单一AI软件（Dr.Noon CVD），需在更多模型上验证；SEED队列中白内障手术状态与DR的交互作用不显著	评估白内障对深度学习模型从眼底照片预测心血管疾病风险的影响	白内障手术患者（HUGH纵向队列和SEED横断面队列）的眼底图像	机器学习	心血管疾病	眼底照相	深度学习模型	图像	纵向队列：HUGH白内障手术患者；横断面队列：SEED研究，具体样本量未明确	NA	Dr.Noon CVD（具体架构未披露）	β系数、置信区间、P值	NA
378	2026-06-03	Comparative evaluation of CNN models for nasopharyngeal carcinoma classification on pathology data 2026-May-30, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-53395-6 PMID:42225742	研究论文	系统评估多种卷积神经网络模型在鼻咽癌病理图像分类中的表现	首次对多种CNN架构及其混合模型在鼻咽癌全切片图像分类中进行系统性比较，并提出通过中间层特征融合提升分类性能的策略	未在外部多中心数据集上验证模型的泛化能力	评估不同CNN模型在鼻咽癌病理图像分类中的性能，探索特征融合策略以优化诊断准确性	鼻咽癌病理全切片图像（WSIs）	数字病理学	鼻咽癌	全切片成像（WSI）	卷积神经网络（CNN）	病理图像	88002张图像（来自沙捞越综合医院和吉隆坡医院）	NA	DenseNet201, MobileNet, EfficientNetB0, InceptionNet, XceptionNet, VGG16, NASNetMobile, 混合模型（EfficientNetB0+DenseNet201）	准确率, 精确率, F1分数, 训练时间	NA
379	2026-06-03	Privacy-aware continuous federated biometric authentication (PACFBA) using federated deep learning: a novel usable security framework 2026-May-30, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-55046-2 PMID:42225851	研究论文	提出了一种隐私感知的连续联邦生物特征认证框架，融合联邦深度学习以增强移动和物联网环境下的用户认证安全	创新地结合了联邦学习、差分隐私与同态加密，以及CNN-LSTM混合架构，实现了去中心化、连续且隐私保护的生物特征认证，降低了通信开销并提升了隐私保护能力	需要在大规模、异构的真实世界数据集上进行进一步的实证验证，才能完全符合部署要求	解决传统认证方法仅单次登录验证、无法确保持续用户身份的问题，设计一种安全、无缝且隐私保护的连续认证机制	移动设备、物联网和边缘计算环境中的用户认证数据	机器学习	NA	联邦学习、差分隐私、同态加密	CNN-LSTM混合模型	生物特征数据（如行为或生理信号）	未明确说明样本数量，但使用实验数据集进行验证	NA	卷积神经网络（CNN）和长短期记忆网络（LSTM）的混合架构	准确率（92.5%）、精确率（90.8%）、召回率（91.2%）、F1分数（0.91），以及通信开销减少20%、隐私保护提升35%	NA
380	2026-06-03	Improving image quality and diagnostic confidence for PRETEXT staging in pediatric hepatoblastoma using thin-slice and low-energy virtual monochromatic images in dual-energy CT with deep learning image reconstruction algorithm 2026-May-30, BMC medical imaging IF:2.9Q2 DOI:10.1186/s12880-026-02476-z PMID:42226141	研究论文	探讨双能量CT结合深度学习图像重建算法获得的薄层低能虚拟单能量图像对儿童肝母细胞瘤PRETEXT分期图像质量和诊断信心的影响	首次将薄层40 keV虚拟单能量图像与深度学习图像重建结合，用于儿童肝母细胞瘤PRETEXT分期，以提升图像质量和诊断信心	单中心回顾性研究，样本量较小（53例），且未评估对实际治疗决策的直接影响	评估薄层低能量（40 keV）双能量CT图像结合深度学习重建算法是否比常规图像提高PRETEXT分期的图像质量和诊断信心	儿童肝母细胞瘤患者	计算机视觉, 数字病理学	肝癌, 儿童肿瘤（肝母细胞瘤）	双能量CT, 深度学习图像重建, 虚拟单能量成像	深度学习重建网络（DLIR-H）	医学影像（CT图像）	53例儿童患者（平均年龄3.54±2.26岁）	NA	DLIR-H（深度学习图像重建），ASIR-V50%（自适应统计迭代重建）	对比噪声比、边缘上升斜率、5分Likert量表评分（图像噪声、肝静脉可视化、诊断信心）	NA