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
781	2026-05-30	Two-Step Ensemble Convolutional Neural Networks for Colonoscopic Biopsy Classification Resembling Pathologists' Process 2026-May-25, Journal of Korean medical science IF:3.0Q1 DOI:10.3346/jkms.2026.41.e152 PMID:42190697	研究论文	提出一种两阶段集成卷积神经网络管道，用于结肠镜活检分类，模拟病理学家的分析过程	设计了一个与病理学家分析流程相似的两阶段集成深度学习管道，先过滤低质量全切片图像，再结合聚类约束注意力多实例学习模型和EfficientNet完成五大诊断类别分类	研究中未详细说明低质量WSI的过滤标准及对最终性能的影响，且未与其他方法进行广泛比较	开发一种自动分类结肠癌五种诊断类别的集成深度学习管道，提高诊断准确性和可靠性	结直肠癌全切片图像，涵盖非肿瘤、增生性息肉、腺瘤、腺癌和神经内分泌肿瘤五种类别	数字病理学	结直肠癌	NA	CNN（卷积神经网络）	图像（全切片图像）	18,922张结直肠癌全切片图像	NA	EfficientNet、聚类约束注意力多实例学习模型	微平均F1分数、宏平均F1分数、加权F1分数	NA
782	2026-05-30	Maximizing pancreatic carcinoma classification performance using parrot optimized vision transformer 2026-May-21, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-53240-w PMID:42168286	研究论文	提出一种基于鹦鹉优化视觉Transformer的胰腺癌分类模型，利用CT图像数据集实现高精度分类	首次将鹦鹉元启发式优化算法与视觉Transformer结合，优化分类性能，并采用YOLOv11进行特征提取	仅基于Kaggle中的1411张CT图像数据集，样本量有限，且未探讨模型在不同临床场景下的泛化能力	开发一种基于人工智能的自动化胰腺癌分类模型，提高早期诊断准确性	胰腺CT图像中的癌变区域	计算机视觉, 机器学习	胰腺癌	CT成像, 数据增强, Gabor滤波	视觉Transformer, YOLOv11, UNet, 鹦鹉优化算法	图像	1411张胰腺CT图像	NA	视觉Transformer, UNet, YOLOv11, 随机森林, 卷积神经网络, 深度信念网络, 支持向量机	准确率, 精确率, 召回率, F1分数, 马修斯相关系数, 真阳性率, 假阳性率	NA
783	2026-05-30	From Traditional Risk Factors to Machine Learning Models: Advancing the Prediction of Anastomotic Leak and Other Major Complications in Colorectal Cancer Surgery 2026-May-21, Cancers IF:4.5Q1 DOI:10.3390/cancers18101668 PMID:42193025	综述	系统评估人工智能（特别是机器学习和深度学习算法）在预测结直肠癌手术后吻合口漏及其他主要并发症方面的应用	系统比较了机器学习和深度学习算法与传统风险因素模型在预测术后并发症方面的性能，强调了AI在个性化围手术期管理中的潜力	存在较高的偏倚风险、有限的外部验证、异质性的结果定义以及不一致的报告，需要进行更稳健的前瞻性多中心研究	评估AI模型在预测结直肠癌手术后吻合口漏及其他主要并发症方面的应用效果	结直肠癌手术后患者	机器学习	结直肠癌	NA	机器学习（ML）、深度学习（DL）	临床数据	15,105名患者（来自13项研究）	NA	NA	预测性能（未具体列出指标）	NA
784	2026-05-30	RNNet-MST: A ResNet-50 with Multi-Scale Transformer Blocks for Pulmonary Nodule Classification and Attention-Based Localization on Chest X-Ray Images 2026-May-21, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics16101574 PMID:42196940	研究论文	提出一种结合ResNet-50与多尺度Transformer块的RNNet-MST模型，用于胸部X光图像中肺结节的分类与弱监督定位	将多尺度Transformer块集成到ResNet-50中以增强全局上下文建模，并设计自定义空间注意力机制实现病灶区域的弱监督定位	仅基于NODE21数据集进行验证，未在更大规模和多样化的临床数据集上测试	提高肺结节分类和定位的敏感性，减少假阴性诊断，辅助早期肺癌检测	NODE21胸部X光数据集中的肺结节	计算机视觉	肺癌	NA	CNN与Transformer混合模型	图像	基于NODE21胸部X光数据集（具体样本数未提及）	PyTorch	ResNet-50, Transformer	召回率, 精确率, F1分数, 敏感度	NA
785	2026-05-30	Enhanced Prediction of Cardiovascular Disease Through Integrated Machine Learning Models Combining Clinical and Demographic Characteristics 2026-May-21, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics16101572 PMID:42196938	研究论文	结合临床与人口统计学特征，利用决策树、随机森林和深度学习等机器学习技术，构建心力衰竭预测模型，以提升诊断和预后预测的准确性	将临床指标与人口统计学因素结合，构建混合模型，显著提高心力衰竭短期和长期结局预测能力，优于仅依赖临床指标的模型	NA	开发一种结合临床和人口统计学特征的心力衰竭预测模型，为个体化医疗干预提供可靠工具	心力衰竭患者	机器学习	心血管疾病	NA	决策树、随机森林、深度学习	临床数据（超声心动图、生物标志物、心电图特征）和人口统计学数据	大量心力衰竭受试者数据集（具体数量未说明）	NA	决策树、随机森林、深度学习混合模型	准确性	NA
786	2026-05-30	AI and Machine Learning for Proteomics-Driven Drug Discovery: Methods, Tools, and Best Practices 2026-May-20, Current issues in molecular biology IF:2.8Q3 DOI:10.3390/cimb48050532 PMID:42193136	综述	本文综述了人工智能和机器学习在蛋白质组学驱动的药物发现中的应用、方法、工具和最佳实践	系统地比较了多种机器学习方法在蛋白质组学驱动的药物发现中的适用性，并总结了新兴方向如对比学习、扩散模型和图神经网络	未深入讨论具体实验验证结果，可能缺乏实际应用案例的详细分析	为蛋白质组学驱动的药物发现提供机器学习方法的全面综述和最佳实践指南	蛋白质组学数据在药物发现中的应用，包括目标识别、生物标志物发现、药效监测和药物重定位	机器学习	NA	质谱分析	监督学习、集成方法、降维、聚类、深度学习、图学习、生存建模、因果推断、校准方法、对比学习、扩散模型	蛋白质组学数据	NA	NA	NA	NA	NA
787	2026-05-30	Robust Multi-Site ADHD Classification via GraphSAGE-Based Functional Connectivity Modeling from rs-fMRI 2026-May-20, Bioengineering (Basel, Switzerland) DOI:10.3390/bioengineering13050586 PMID:42194343	研究论文	提出一种基于图抽样聚合网络的功能连接建模方法，用于从静息态功能磁共振成像数据中稳健分类注意力缺陷多动障碍	结合相位锁定值的功能连接估计和图抽样聚合网络，实现区域大脑活动与区域间交互的可扩展高效捕获，并提高对噪声和跨受试者变异性的鲁棒性	未提及具体限制	实现自动化且客观的注意力缺陷多动障碍诊断	注意力缺陷多动障碍患者	数字病理学	注意力缺陷多动障碍	静息态功能磁共振成像	图抽样聚合网络	图像	ADHD-200数据集（多个采集站点及组合多站点数据集）	PyTorch	GraphSAGE	准确率, AUC, 特异度	NA
788	2026-05-30	ARTEMIS: An Explainable AI Framework for Multi-Class COVID-19 Diagnosis with a Newly Curated Dataset 2026-May-20, Bioengineering (Basel, Switzerland) DOI:10.3390/bioengineering13050588 PMID:42194345	研究论文	提出一个名为ARTEMIS的可解释深度学习框架，用于多类别COVID-19诊断，并包含一个新整理的数据集	采用可学习的预处理组件动态调整图像对比度和锐度，结合EfficientNet-B0骨干网络与Transformer编码器，同时学习局部放射学特征和全局像素关系	未提及	开发高度可解释的深度学习流水线，用于胸部X光和CT图像的自动分类，区分COVID-19感染、社区获得性肺炎和正常情况	胸部X光和CT图像，包括公开数据集和新标注的CT数据集	数字病理学	COVID-19	NA	CNN, Transformer	图像	五个数据集，包括四个公开数据集和一个新CT数据集	PyTorch	EfficientNet-B0, Transformer	宏F1分数, 准确率	NA
789	2026-05-30	Artificial Intelligence in Gastrointestinal Endoscopy and Hemostatic Decision-Making: Current Evidence, Clinical Implications and Implementation Barriers 2026-May-20, Life (Basel, Switzerland) DOI:10.3390/life16050845 PMID:42195401	综述	本文综述了人工智能在消化内镜及止血决策中的应用现状、临床意义和实施障碍	重点探讨了人工智能在消化内镜止血决策这一复杂领域的应用，分析了现有模型在非静脉曲张性出血、静脉曲张性出血及胶囊内镜中的表现，并提出了前瞻性多中心验证、可解释性、实时可用性等关键发展方向	前瞻性干预性证据有限，现有模型多受限于回顾性设计、单中心数据集、不完全外部验证、黑箱决策、异质性报告、工作流程障碍及成本效益不明确	评估人工智能辅助决策在消化内镜及内镜止血中的现有证据，并分析其临床应用前景与实施障碍	消化内镜与内镜止血中的人工智能模型，涵盖病变检测、特征识别、质量评估、临床风险预测及止血治疗决策	机器学习和自然语言处理	消化道出血	NA	机器学习与深度学习模型	内镜图像和临床数据	NA	NA	NA	NA	NA
790	2026-05-30	Near-Infrared Spectroscopy in Food Analysis: Applications, Chemometric Strategies, and Technological Advances 2026-May-20, Foods (Basel, Switzerland) DOI:10.3390/foods15101814 PMID:42196017	综述	系统综述近红外光谱技术在食品分析中的原理、应用、化学计量学策略及技术进展	全面梳理了最新研究进展，强调近红外光谱作为快速、非破坏性检测方法的优势，并提出了多模态数据融合、深度学习集成和智能算法优化等创新解决方案	存在标样传输困难、基质干扰和模型泛化性等挑战	总结近红外技术在食品领域的应用进展，为其工业转化和标准化应用提供理论支持和技术参考	食品，包括谷物、肉类、果蔬、乳制品、发酵产品、茶、咖啡及其他加工食品	机器学习	NA	NIR spectroscopy (近红外光谱)	PLS, SVM, BP-ANN, 模糊聚类	光谱数据	NA	NA	NA	准确性、鲁棒性	NA
791	2026-05-30	Multimodal Sensor Fusion for Non-Destructive Tea Quality Evaluation: Deep Learning-Enabled Methods, Applications, and Challenges 2026-May-20, Foods (Basel, Switzerland) DOI:10.3390/foods15101810 PMID:42196013	综述	总结了多模态传感与深度学习结合在茶叶品质无损检测中的最新进展，涵盖传感器互补性、数据融合策略、代表性应用及部署局限性	系统分析了多模态传感比单传感器更具优势的条件（须提供互补而非冗余信息层），并提出了未来研究的关键方向（标准化数据集、解释性建模等）	实际应用受限于数据集小且标准化不足、外部验证缺乏、传感器不稳定、模型迁移性差、计算成本高及可解释性不足	探索深度学习结合多模态传感用于茶叶品质快速无损评估的可行性与挑战	茶叶品质评估中的多模态传感数据（机器视觉、光谱、电子鼻/舌等）	机器视觉、深度学习	NA	多模态传感融合、深度学习	深度学习模型（综合类）	多模态数据（图像、光谱、信号等）	NA	NA	NA	NA	NA
792	2026-05-30	Multicenter validation and randomized crossover reader evaluation of deep learning-assisted tri-sequence three-dimensional MRI segmentation for hypopharyngeal tumor 2026-May-19, Radiotherapy and oncology : journal of the European Society for Therapeutic Radiology and Oncology IF:4.9Q1 DOI:10.1016/j.radonc.2026.111606 PMID:42162744	研究论文	开发和验证深度学习辅助的三序列三维MRI分割方法用于下咽肿瘤的轮廓勾画	首次基于多中心验证的三序列3D nnU-Net模型，通过随机交叉阅读者研究证明AI辅助可缩小轮廓勾画专家的技能差距，并探索了基于质量感知的低重叠风险模型以支持部署	未明确提及局限性，但可能导致对模型泛化能力的进一步验证需求	开发多中心验证的深度学习模型，评估AI辅助对下咽鳞状细胞癌MRI目标轮廓勾画的专业差距影响，并探索质量感知的低重叠风险建模	下咽鳞状细胞癌患者的MRI图像	数字病理学	下咽癌（下咽鳞状细胞癌）	MRI	nnU-Net, XGBoost	MRI图像	727例患者来自三个机构（530例开发队列，37例内部测试队列，109例外部队列1，51例外部队列2）	PyTorch, XGBoost	nnU-Net	Dice相似系数, 表面Dice, 平均对称表面距离, 平均表面距离, Fleiss' κ, Likert评分	NA
793	2026-05-30	Artificial Intelligence-Enabled Bioengineering of Extracellular Vesicle Platforms in Cardiovascular Medicine 2026-May-19, Bioengineering (Basel, Switzerland) DOI:10.3390/bioengineering13050573 PMID:42194330	综述	本文探讨了人工智能和机器学习在心血管医学中细胞外囊泡平台生物工程中的应用，涵盖分离纯化、分析诊断和治疗制造三大支柱	将人工智能定位为细胞外囊泡生物工程的基础层，系统性地提出数据驱动平台工程框架来克服细胞外囊泡在心血管医学中的临床转化挑战	关键转化挑战包括MISEV2023合规性、数据集偏差、可重复性和监管协调	审查人工智能辅助策略在心血管医学中细胞外囊泡平台三大支柱中的应用	心血管医学中的细胞外囊泡平台	机器学习	心血管疾病	NA	深度学习、机器学习	多组学数据、生物传感器数据、细胞外囊泡表型数据	NA	NA	NA	NA	NA
794	2026-05-30	Quantifying the Contribution of Bone Morphology to Implant Selection in Shoulder Arthroplasty Using CT-Based Deep Learning 2026-May-19, Bioengineering (Basel, Switzerland) DOI:10.3390/bioengineering13050574 PMID:42194331	研究论文	利用基于CT的深度学习量化骨形态对肩关节置换术中植入物选择的贡献	提出了一个假设驱动的深度学习框架，结合分割和病理分期流水线，引入植入物类型预测和受控人机比较，量化骨形态对植入物选择的贡献	骨形态仅提供可测量但不完整的植入物选择信号，不能反映临床决策性能，存在类别依赖的不对称性（对反向植入物的召回率高于解剖型）	评估骨形态是否足以指导肩关节置换术中的植入物选择，并量化其贡献	肩关节置换术患者及骨科医生的植入物选择决策	计算机视觉, 机器学习	肩关节疾病	CT扫描	CEL-UNet, ArthroNet	图像（CT）	600例患者的多中心队列	PyTorch	CEL-UNet, ArthroNet	Dice系数, 准确率, Fleiss' κ系数, 召回率	NA
795	2026-05-30	Pathology Foundation Models: Evolution, Current Landscape, Challenges and Opportunities from a Technical and Clinical Perspective 2026-May-19, Bioengineering (Basel, Switzerland) DOI:10.3390/bioengineering13050577 PMID:42194333	综述	从技术和临床角度回顾病理基础模型的演进、现状、挑战与机遇	系统梳理了从弱监督方法到大规模基础模型的演变路径，并强调多模态融合与临床转化的重要性	跨机构泛化不一致、可解释性滞后于临床需求、整合入日常检验流程缓慢，且对细胞病理学、移植病理学、冰冻切片及罕见肿瘤亚型等领域的适应性不足	评估病理基础模型的优势与局限，并为其安全有效的临床转化提出优先发展方向	病理基础模型（如UNI、Virchow、Phikon、CONCH、GigaPath等）	数字病理学	NA	自监督学习、Vision Transformer	基础模型	全切片病理图像、多模态数据（基因组学与临床数据）	NA	PyTorch	Vision Transformer、Hierarchical Image Pyramid Transformer（HIPT）	诊断与预后基准测试表现	NA
796	2026-05-30	Emerging Trends in Artificial Intelligence-Integrated Biochip Technologies for Biomedical Applications 2026-May-19, Micromachines IF:3.0Q2 DOI:10.3390/mi17050623 PMID:42195540	综述	评估人工智能与生物芯片技术集成在生物医学诊断中的应用进展	系统分析了AI与光谱、纸基、芯片实验室及微流控等多种生物芯片平台的整合，并探讨了可解释、鲁棒且支持智能手机的AI生物芯片的未来方向	持续挑战包括AI模型的可解释性、鲁棒性及实际部署问题，但未具体说明量化局限	通过集成AI克服传统生物芯片在复杂数据处理和诊断灵敏度方面的限制	AI集成生物芯片（包括光谱、纸基、芯片实验室和微流控平台）	机器学习	神经系统疾病、糖尿病、癌症、传染病	生物芯片	强化学习、机器学习、深度学习	电化学、荧光、比色信号数据	不适用	不适用	预训练AI模型	诊断灵敏度、准确性	不适用
797	2026-05-30	Artificial Intelligence in Cervical Cytology: Opportunities and Limitations in Screening, Triage, and Diagnostic Support 2026-May-19, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics16101541 PMID:42196906	综述	综述人工智能在宫颈细胞学筛查、分诊和诊断支持中的当前应用、机遇及局限性	系统梳理了AI在完整宫颈细胞学工作流中的应用，包括自动化玻片筛查、液基细胞学、疑似或HPV阳性病例分诊及阴道镜辅助，并指出了将AI作为人类专家补充而非替代工具的观点	证据异质性高，缺乏大规模多样数据集、前瞻性验证、监管审批、数字基础设施、工作流整合，以及伦理和法律问题的解决	评估AI在宫颈细胞学及相关诊断流程中的应用现状、机遇与挑战	宫颈细胞学筛查、分诊和诊断支持中应用的AI系统	数字病理学	宫颈癌	NA	深度学习	图像	NA	NA	NA	NA	NA
798	2026-05-30	SULBA: A Task-Agnostic Data Augmentation Framework for Deep Learning in Medical Image Analysis 2026-May-19, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics16101546 PMID:42196912	研究论文	提出一种任务无关的数据增强框架SULBA，用于医学图像分析中的深度学习，无需特定任务调参即可提升模型鲁棒性和泛化性能	首次提出无参数的通用数据增强框架SULBA，通过逐步循环移位沿数据维度生成训练变体，消除任务相关的增强调参需求，并在27个公开数据集上验证其优于16种标准增强技术	未明确提及计算资源消耗或对极端小样本数据的适用性，且仅评估了分类和分割任务，未涉及其他医学图像分析任务类型	设计一种任务无关的通用数据增强策略，解决医学图像分析中缺乏可靠默认增强方法的问题，提升模型泛化性和实验可重复性	医学图像分析中的深度学习模型，包括2D、3D及高维医学影像数据	机器学习	未指定	数据增强	CNN、Transformer	医学图像（2D、3D及高维影像数据）	27个公开数据集	PyTorch	CNN架构及Transformer架构（共10种架构）	标准深度学习性能指标（未具体说明）	NA
799	2026-05-30	Machine Learning Applications for Risk Stratification in Heart Failure with Preserved Ejection Fraction: A New Era in Cardiology 2026-May-19, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics16101545 PMID:42196910	综述	总结机器学习在射血分数保留的心力衰竭（HFpEF）风险分层中的应用，包括随机森林、梯度提升、支持向量机和深度学习等方法	系统评估机器学习在HFpEF风险分层中的优越性，强调其揭示表型亚组和改善预后判别能力，并讨论临床整合与未来方向	数据偏差、泛化性不足、可解释性挑战以及监管要求等实际问题未完全解决	探索机器学习在HFpEF风险分层中的应用潜力，以实现精准医疗	HFpEF患者的多维数据，包括临床、影像、生物标志物和分子数据	机器学习	心血管疾病	NA	随机森林、梯度提升、支持向量机、深度学习	临床数据、影像数据、生物标志物数据、分子数据	NA	NA	NA	判别能力	NA
800	2026-05-30	Prediction of Chloride Penetration Depth in Concrete Using a Combined Ensemble-Neural Network Architecture: Facing Data Saturation 2026-May-18, Materials (Basel, Switzerland) DOI:10.3390/ma19102118 PMID:42195758	研究论文	使用有限数据集评估六种机器学习与深度学习模型预测混凝土氯离子渗透深度，发现简单模型表现不亚于复杂混合架构	在数据受限条件下系统比较混合网络架构与简单模型性能，提出数据饱和现象使模型复杂度提升无显著收益	数据集仅1078例且来自单一来源，未考虑不同混凝土配比和环境因素对泛化性能的影响	探究数据有限条件下增加模型复杂度对氯离子渗透深度预测性能的影响	混凝土结构的氯离子渗透深度	机器学习	NA	NA	极限梯度提升、分类提升、随机森林、多层感知器、深度神经网络、混合模型(CatDNN)	数值型实验数据	1078个混凝土样本测量数据	NA	CatDNN(CATB与DNN混合架构)、MLP、DNN	最大误差、相关系数(R)	NA