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
1841	2026-08-30	Wheelchair movement signal classification from EEG for motor-impaired individuals using novel deep learning architecture 2026-Aug, Disability and rehabilitation. Assistive technology DOI:10.1080/17483107.2026.2651889 PMID:41964479	研究论文	本研究开发了一种结合LSTM和1D-CNN的混合深度学习模型，用于分类脑电信号中的轮椅移动意图，以提高运动障碍用户的独立性和安全性	提出一种集成LSTM和1D-CNN并带有跳跃连接的混合深度学习架构，以同时捕获EEG信号的时间和空间特征，并在公开数据集上超越了十种现有方法	未提及	探索基于EEG的轮椅控制系统，以通过脑信号而非物理运动操作电动轮椅，提高运动障碍用户的安全性和独立性	运动障碍用户以及他们的EEG信号	深度学习	运动障碍	脑电图（EEG）	混合深度学习模型（LSTM和1D-CNN）	脑电信号数据	未提及具体样本数量，使用公共EEG数据集	未提及	LSTM、1D-CNN、跳跃连接	准确率、精确率、召回率、F1分数	未提及
1842	2026-08-30	An intelligent emotion recognition system for people with disabilities using stacked supervised autoencoder and brown-bear optimization strategy 2026-Aug, Disability and rehabilitation. Assistive technology DOI:10.1080/17483107.2026.2653077 PMID:42013025	研究论文	提出一种基于堆叠监督自编码器和棕熊优化策略的智能情感识别系统，用于辅助残障人士进行文本情感识别	首次将棕熊优化算法（BBO）用于堆叠监督自编码器（SSAE）的超参数调优，以提升文本情感识别性能	未在更广泛的数据集或实际应用中验证，可能受限于特定文本语料	开发一种高效且准确的文本情感识别方法，以帮助残障人士进行情感交流	文本数据中的情感状态，特别是面向残障人士的文本情感识别	自然语言处理	残障相关疾病	文本预处理、词嵌入（Glove）、深度学习模型	堆叠监督自编码器（SSAE）	文本数据	使用Emotion Detection from Text数据集	NA	堆叠监督自编码器（SSAE）	准确率	NA
1843	2026-08-30	Is this neonate feeling pain? Leveraging clinical knowledge towards high-precision Large Language Model-based neonatal pain assessment 2026-Jul, Pediatric research IF:3.1Q1 DOI:10.1038/s41390-025-04669-8 PMID:41381876	研究论文	本研究首次利用视觉语言模型（VLM）对新生儿进行自动疼痛评估，通过设计新颖的提示词类别，利用模型的潜在临床知识或引导其评估临床相关的面部特征，实现了比传统深度学习方法更优的性能	首次将视觉语言模型（VLM）应用于新生儿自动疼痛评估（APA），无需微调即可通过精心设计的提示词利用模型潜在临床知识或引导评估特定面部特征，达到了100%的精确度，超越了以往深度学习方法	当评估临床相关面部特征时，召回率较低（40.1%），可能限制其在需要高召回率场景下的应用	探索利用视觉语言模型（VLM）进行更客观的新生儿自动疼痛评估，以替代传统主观评估方法	新生儿疼痛评估，具体为新生儿面部图像	计算机视觉, 机器学习	新生儿疼痛	视觉语言模型	视觉语言模型	图像	未提供具体样本量	NA	NA	精确度, 召回率	NA
1844	2026-08-30	AI for the assessment and discovery of morphological-molecular biomarker relationships in hematologic malignancies 2026-Jul, Blood reviews IF:6.9Q1 DOI:10.1016/j.blre.2026.101398 PMID:42215353	综述	本文综述了人工智能在血液恶性肿瘤形态学评估中的应用，涵盖自动细胞分类、疾病特征检测以及从血和骨髓涂片图像预测遗传改变等方面的最新进展	总结AI驱动的形态学分析在髓系和淋巴系肿瘤中的进展，并探讨图像衍生特征（如核纹理、细胞质颗粒度和空间细胞组织）与分子和预后变量的关联	面临数据异质性、需要前瞻性验证以及跨学科合作的挑战	探讨AI在血液恶性肿瘤形态学评估中的应用，以推进精准血液学和个性化患者管理	血液和骨髓涂片图像，以及相关髓系和淋巴系肿瘤	数字病理学	血液恶性肿瘤	NA	深度学习模型	图像	NA	NA	多实例学习	NA	NA
1845	2026-08-30	The "fat heat-up" phenotype: adipose tissue hypermetabolism on 18 F-FDG PET/CT predicts frailty in older patients with solid tumours 2026-07, European journal of nuclear medicine and molecular imaging IF:8.6Q1 DOI:10.1007/s00259-026-07843-0 PMID:41863605	研究论文	本研究探讨了老年实体瘤患者中脂肪组织糖代谢活性（通过18F-FDG PET/CT测量）与衰弱状态之间的关联	首次提出“脂肪发热”表型，即脂肪组织高代谢与衰弱独立相关，且不依赖于脂肪量，为常规肿瘤PET/CT提供机会性衰弱筛查信号	样本量较小（104例），单中心研究，需要外部验证；SUV值绝对值较低，可能存在测量误差	评估脂肪组织糖酵解活性是否作为老年实体瘤患者衰弱的独立影像生物标志物	104名年龄≥50岁的实体恶性肿瘤患者	医学影像	实体瘤	18F-FDG PET/CT成像	深度学习分割模型	PET/CT影像数据	104例患者	NA	TotalSegmentator	比值比（OR），95%置信区间，p值	NA
1846	2026-08-30	A deep learning PET/CT biomarker for early progression (POD24) and survival stratification in follicular lymphoma: a multicenter study 2026-07, European journal of nuclear medicine and molecular imaging IF:8.6Q1 DOI:10.1007/s00259-026-07838-x PMID:41870550	研究论文	本研究开发并验证了一种基于基线[¹⁸F]FDG PET/CT的深度学习预测性影像生物标志物，用于预测滤泡性淋巴瘤患者24个月内疾病进展及生存风险分层	首次使用表格深度学习方法（GAMformer）结合PET/CT影像组学特征进行滤泡性淋巴瘤的POD24预测和生存风险分层	研究所用信息有限，未提及具体局限性	开发和验证一种基于基线[¹⁸F]FDG PET/CT的预后影像生物标志物，用于预测滤泡性淋巴瘤患者的POD24及进行生存风险分层	309名新诊断的滤泡性淋巴瘤（1-3a级）患者，来自五个独立医疗中心	医学影像分析	滤泡性淋巴瘤	PET/CT成像	表格深度学习模型（GAMformer）以及五种传统机器学习算法	医学影像（PET/CT）和临床数据	309名患者	未明确提及	GAMformer	AUC、校准曲线、决策曲线分析	未明确提及
1847	2026-08-30	An interpretable PET/CT-based radiomic-clinical model for predicting bone marrow involvement in follicular lymphoma: comparison of pelvic and spine-pelvis VOI frameworks 2026-07, European journal of nuclear medicine and molecular imaging IF:8.6Q1 DOI:10.1007/s00259-026-07918-y PMID:42142271	研究论文	本研究探讨了基于基线18F-FDG PET/CT结合多维特征融合来无创识别滤泡性淋巴瘤骨髓受累的可行性，并比较了不同骨髓感兴趣区框架对模型性能的影响	首次比较了盆腔与脊柱-盆腔两种骨髓感兴趣区框架对预测滤泡性淋巴瘤骨髓受累模型性能的影响，并采用分层特征筛选策略及SHAP分析增强模型可解释性	未在摘要中明确提及局限性	开发并验证一种可解释的PET/CT影像组学-临床模型，用于无创预测滤泡性淋巴瘤的骨髓受累，并评估不同骨髓感兴趣区框架的效果	187例新诊断的滤泡性淋巴瘤患者，其中93例存在骨髓受累	医学影像分析	滤泡性淋巴瘤	18F-FDG PET/CT成像	机器学习模型	影像数据、临床数据	187例患者	未明确提及	逻辑回归、支持向量机、梯度提升机、神经网络、随机森林、K近邻、自适应增强	AUC、准确率、精确率、灵敏度、特异度、F1分数	未明确提及
1848	2026-08-30	Research progress and challenges of multimodal deep learning models for prognosis of gastric cancer 2026-Jun-18, Discover oncology IF:2.8Q2 DOI:10.1007/s12672-026-05431-0 PMID:42313224	综述	本文综述了多模态深度学习模型在胃癌预后预测中的研究进展，并探讨了可解释性深度学习模型的创新应用及其面临的挑战。	深入探讨了可解释性深度学习模型在胃癌预后预测中的创新应用，强调了多模态数据融合技术如何提高预后准确性。	挑战包括多模态数据整合的复杂性、可解释性模型的不足以及数据质量和标准化的难题。	研究多模态数据整合技术在胃癌预后预测中的应用，并讨论可解释性深度学习模型的挑战。	胃癌患者的多模态数据，包括年龄、生存状态、放射学影像、组织病理学特征和基因组信息。	机器学习	胃癌	多模态数据融合技术	深度学习模型	多模态数据（图像、文本、基因组数据）	NA	NA	NA	NA	NA
1849	2026-08-30	Evolution of artificial intelligence in breast cancer pathology: a bibliometric analysis 2026-Jun-18, Discover oncology IF:2.8Q2 DOI:10.1007/s12672-026-05388-0 PMID:42313316	研究论文	本文通过文献计量学分析，对2011至2025年间人工智能在乳腺癌病理学领域的研究进行系统综述，识别研究趋势和新兴方向	首次使用BERTopic模型从摘要中提取语义主题，并结合VOSviewer和CiteSpace进行全面的文献计量分析，揭示了从单模态图像分析向多模态“病理组学”及跨学科领域的转变	仅依赖Web of Science单一数据库，可能遗漏其他重要文献；分析截至2025年，未来研究趋势需进一步更新	绘制人工智能在乳腺癌病理学领域的研究布局，识别关键趋势和新兴方向，为研究人员和临床医生提供基础资源	2011至2025年间发表的1089篇相关文献	文献计量学	乳腺癌	文献计量分析	BERTopic	文献数据（文本）	1089篇文献	VOSviewer, CiteSpace, BERTopic	BERTopic	NA	NA
1850	2026-08-30	A causal reinforcement learning framework for reliable gene regulatory network inference 2026-Jun-18, BMC bioinformatics IF:2.9Q1 DOI:10.1186/s12859-026-06511-2 PMID:42316003	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
1851	2026-08-30	Histology-guided 3D virtual staining of microCT-imaged lung tissue via deep learning 2026-06-17, Journal of the Royal Society, Interface DOI:10.1098/rsif.2025.1186 PMID:42303257	研究论文	本研究提出一种基于深度学习的组织学引导3D虚拟染色平台，用于将同步辐射相位衬度显微CT（PCµCT）成像的肺组织转换为类似标准组织学染色的彩色图像。	首次将PCµCT提供的3D体积信息与组织学染色的丰富视觉特征通过多阶段配准和虚拟染色深度神经网络相结合，实现了对人和小鼠肺组织的虚拟组织学染色。	未明确提及局限性，但可能依赖于高质量的配准和特定染色类型的训练数据。	开发一种组织学引导的3D虚拟染色平台，以促进PCµCT作为临床工具用于生物组织的3D分析和非破坏性病理学。	人和小鼠的肺组织样本	数字病理学	肺动脉高压	同步辐射相位衬度显微CT（PCµCT）	深度神经网络	3D显微CT图像和组织学染色图像	涉及多个肺组织样本（具体数量未明确）	未明确提及	未明确提及具体架构	未明确提及	未明确提及
1852	2026-08-30	A transformer-based multimodal deep learning model for preoperative prediction of Ki-67 expression level in glioma 2026-Jun-17, BMC medical imaging IF:2.9Q2 DOI:10.1186/s12880-026-02492-z PMID:42310560	研究论文	开发一种基于Transformer的多模态深度学习模型，利用术前多模态磁共振数据预测胶质瘤Ki-67表达水平，并进行了外部验证	首次将视觉Transformer模型应用于胶质瘤Ki-67表达水平的多模态磁共振预测，并与传统CNN模型进行了比较	未提及具体局限性	开发并验证一个基于ViT的深度学习模型，以非侵入性预测胶质瘤Ki-67表达水平	421例2-4级胶质瘤患者的临床和影像数据及肿瘤三维感兴趣区域	医学影像	胶质瘤	磁共振成像	视觉Transformer	医学图像	421例（训练集217例，内部验证集94例，外部验证集110例）	NA	ViT, ShuffleNet, ResNet50, DenseNet121	AUC	NA
1853	2026-08-30	Automated classification of clinical T staging pulmonary oncology from chest CT reports: a natural language processing framework for real-world data utilization 2026-Jun-17, BMC medical informatics and decision making IF:3.3Q2 DOI:10.1186/s12911-026-03596-w PMID:42310616	研究论文	开发了一种基于自然语言处理的系统，用于从胸部CT报告中自动分类临床T分期，以促进真实世界数据的利用。	结合深度学习和规则算法，遵循第9版肺癌TNM分类标准，自动从胸部CT报告中提取临床T分期信息。	文中未明确提及局限性，可能包括对报告内容完整性的依赖和外部验证的需求。	降低标注成本，提高真实世界数据中临床T分期信息的可用性。	胸部CT报告中的临床T分期信息。	自然语言处理	肺癌	自然语言处理	深度学习与规则算法结合	文本	训练集284份报告，测试集165份报告	NA	NA	加权F1分数	NA
1854	2026-08-30	Navigating the uncharted: AI-driven advances in protein structure, dynamics, interactions and ligand interactions for understudied families 2026-Jun-17, BioData mining IF:4.0Q1 DOI:10.1186/s13040-026-00577-7 PMID:42310771	综述	本文综述了人工智能和机器学习在蛋白质结构预测、动力学、相互作用和配体相互作用方面的进展，特别关注未充分研究蛋白质家族。	系统比较了传统建模方法与先进深度学习框架，并通过孤儿G蛋白偶联受体和固有无序区域的案例研究展示了AI技术的变革潜力。	仍需实验验证、需要有效建模蛋白质柔韧性，以及需要处理AI生成数据的伦理问题。	为研究人员提供利用AI创新解决蛋白组学最具挑战性问题的路线图，推动未充分研究蛋白质的结构和功能表征。	未充分研究的蛋白质家族、孤儿G蛋白偶联受体、固有无序区域。	机器学习, 计算生物学	NA	NA	AlphaFold2, RoseTTAFold, 基于Transformer的架构, 图神经网络, 扩散模型	蛋白质序列和结构数据	NA	NA	Transformer, 图神经网络, 扩散模型	准确性（接近实验）	NA
1855	2026-08-30	EDRNet-based adolescent idiopathic scoliosis screening method using bare-back images 2026-Jun-16, BMC medical informatics and decision making IF:3.3Q2 DOI:10.1186/s12911-026-03639-2 PMID:42304329	研究论文	本研究提出了一种基于裸背图像和高效扩张残差网络（EDRNet）的青少年特发性脊柱侧弯无辐射筛查方法，并验证了其性能。	首次提出使用裸背图像和EDRNet进行脊柱侧弯筛查，避免了X射线辐射，实现了高效、无创的筛查。	未提及具体限制，但可能包括样本量有限、图像采集条件差异等。	开发一种基于裸背图像的无辐射、高效的青少年特发性脊柱侧弯筛查方法。	600名青少年（300名脊柱侧弯患者和300名无脊柱疾病者）的裸背图像。	计算机视觉	青少年特发性脊柱侧弯	数字图像处理	卷积神经网络（CNN）	图像	600名青少年的裸背图像	NA	EDRNet, VGG16, GoogLeNet, ResNet34, MobileNetV2	准确率、精确率、召回率、F1分数、AUC	NA
1856	2026-08-30	Enzyme-aware soil fertility prediction using dual optimization with improved SCSO 2026-Jun-12, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-56124-1 PMID:42286015	研究论文	提出了一种基于改进的沙猫群优化（Improved SCSO）的统一框架，用于酶感知的土壤肥力预测，实现了特征选择与超参数调优的序列化整合	改进了传统沙猫群优化方法，通过余弦调制搜索、随机逃逸最差更新机制和时间自适应最优解继承策略，增强了探索与开发能力的平衡，并在优化过程中显式纳入酶相关属性以选择生物学有意义的特征	摘要中未提及明显的局限性	提高土壤肥力预测的准确性和解释性，并实现基于预测结果的作物适宜性动态映射	土壤酶活性相关属性及作物适宜性	机器学习	NA	NA	机器学习模型（如梯度提升、决策树、随机森林等）和深度学习模型	表格数据（土壤属性）	未在摘要中明确给出样本数量	未明确指定，可能使用Scikit-learn	梯度提升（GB）、决策树（DT）、随机森林（RF）及其混合模型	准确率、精确率、召回率、F1分数	未在摘要中提及
1857	2026-08-30	A multi-task learning framework for diagnosing partial discharge types and assessing severity 2026-Jun-12, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-57520-3 PMID:42286070	研究论文	提出了一种名为PD-IntelliFusionNet的多任务学习框架，用于同时诊断局部放电类型并评估其严重程度。	将声学和电磁传感、物理建模、多尺度特征提取及多任务深度学习集成到一个统一框架中，首次实现同时进行局部放电类型诊断和严重性评估。	摘要中未提及具体局限性。	提高电力变压器绝缘系统的可靠性和降低维护成本，通过统一框架实现局部放电类型诊断和严重性评估。	电力变压器中的局部放电现象，包括声发射和超高频信号。	机器学习	NA	声学传感、电磁传感、多尺度特征提取、多任务深度学习	多任务学习，注意力机制	信号数据（时域、频域和小波特征）	NA	PyTorch	PD-IntelliFusionNet	诊断准确性和鲁棒性	NA
1858	2026-08-30	Sequence-based prediction of drug-target binding using machine learning, deep learning and ensemble models without 3D structural information 2026-Jun-12, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-57478-2 PMID:42286075	研究论文	提出一种完全基于序列的药物-靶标相互作用预测框架，无需三维结构信息，通过集成机器学习和深度学习模型实现与对接相当的预测性能，并通过特征重要性分析和分子对接实验验证其可靠性。	提出统一表示方法，整合理化蛋白质描述符、蛋白质3-gram序列模体和类序列药物编码，消除对结构数据的依赖，并采用堆叠集成策略增强预测性能，同时通过特征重要性分析提供生物学可解释性。	未明确说明局限性，但可能包括对序列特征工程和数据集规模的依赖，以及对接验证仅限于子集。	开发一种可扩展、可解释且计算高效的序列为基础的DTI预测方法，替代依赖结构的预测方法。	药物-靶标相互作用（DTIs），涉及蛋白质序列和药物编码。	机器学习	不适用	基于序列的特征工程（理化描述符、3-gram模体、药物编码）和分子对接。	机器学习、深度学习、集成模型	序列数据（蛋白质和药物）	未具体说明，但使用分层五折交叉验证。	不适用	随机森林、支持向量机、逻辑回归（堆叠集成）	ROC-AUC	不适用
1859	2026-08-30	Simulation of long-term spatio-temporal environmental dynamics using a unified benchmark of neighbor augmenting, LSTM and graph attention models 2026-Jun-12, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-56762-5 PMID:42286150	研究论文	本文提出了一个统一的基准测试框架，用于比较基于邻域、图和注意力的时空深度学习模型在长期地理空间环境动态预测中的性能	不引入新模型，而是提出一个比较性工程实验，评估在长距离地理空间预测应用中，基于邻域的时序模型何时优于图注意力模型	未在摘要中明确提及	评估不同时空深度学习模型在长期地理空间动态预测中的性能，并比较基于邻域的时序模型与图注意力模型的有效性	2000年至2023年的年度卫星数据（NetCDF格式），2024年作为未见测试数据	机器学习	NA	NA	LSTM, GAT, GAT-LSTM	卫星图像数据（NetCDF格式）	年度卫星数据，2000年至2023年，2024年保留为测试数据	NA	LSTM, Cellular Automata（CA）, GAT, Temporal Attention, MLP/FFN	R, RMSE, MAE, MAPE, 相关性	NA
1860	2026-08-30	Causal inference-integrated temporal graph convolutional networks for dynamic prediction and optimization of enterprise total factor productivity 2026-Jun-12, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-57633-9 PMID:42286196	研究论文	提出一种集成因果推断与时间图卷积网络的CT-GCN框架，用于企业全要素生产率的动态预测与优化	创新性地将因果推断技术与时间图卷积网络相结合，能够区分真实因果机制与伪相关，并捕捉企业间网络依赖关系	摘要中未提及明显的局限性	实现企业全要素生产率的动态预测与优化，并识别真正的生产力驱动因素	中国制造业企业	机器学习	NA	NA	时间图卷积网络（Temporal GCN）	面板数据	12,847家中国制造业企业（2008-2022年）	NA	CT-GCN（因果时间图卷积网络）	均方根误差（RMSE）	NA