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
81	2026-06-18	Synthetic imaging in dentistry: A narrative review of deep learning techniques and applications 2026-02, Journal of dentistry IF:4.8Q1 DOI:10.1016/j.jdent.2025.106274 PMID:41338365	综述	本文综述了深度学习方法在口腔医学中生成合成图像的应用，以解决真实数据稀缺、类别不平衡及隐私问题	系统分析了合成图像生成技术（GAN、VAE、扩散模型）在口腔领域的应用潜力，并首次纳入伦理与监管视角	现有口腔图像合成研究仍较少，缺乏关于合成图像增强数据效果的全面证据，且面临解剖保真度不足和伪影问题	探讨合成图像数据作为口腔影像深度学习工具开发中数据稀缺、类别不平衡及隐私问题的解决方案	口腔医学领域中的合成图像生成与临床应用	自然语言处理	口腔疾病	合成图像生成	生成对抗网络（GAN）、变分自编码器（VAE）、去噪扩散概率模型	图像	NA	NA	生成对抗网络（GAN）、变分自编码器（VAE）、去噪扩散概率模型	未明确提及	NA
82	2026-06-15	Machine Learning in Left Ventricular Hypertrophy Detection: Systematic Review and Meta-Analysis 2026-Feb-27, Journal of medical Internet research IF:5.8Q1 DOI:10.2196/76637 PMID:41773691	系统综述与荟萃分析	系统评估机器学习方法在左心室肥厚检测中的诊断准确性	首次通过系统综述与荟萃分析，全面评估不同机器学习方法和建模变量对左心室肥厚检测准确性的影响	纳入研究存在极端异质性，基于有限证据得出的结论需要谨慎解读，且未来需更多基于影像数据的高性能模型研究	系统评估机器学习方法在左心室肥厚检测中的诊断准确性，为人工智能工具的开发提供依据	左心室肥厚检测相关的机器学习模型	机器学习	心血管疾病	NA	机器学习模型（包括深度学习模型）	心电图、临床特征、超声心动图	25项研究	NA	NA	灵敏度, 特异性	NA
83	2026-06-15	A novel deep learning framework for field-scale wheat yield prediction 2026-Feb-25, TAG. Theoretical and applied genetics. Theoretische und angewandte Genetik DOI:10.1007/s00122-026-05166-0 PMID:41739241	研究论文	提出一种基于遗传算法优化的深度神经网络框架，利用近地传感数据实现田间尺度小麦产量预测	首次将遗传算法优化的深度神经网络与手持或车载主动近地传感器数据相结合，用于印度农业背景下的小麦产量预测，在多种条件下优于传统机器学习模型	NA	利用近地传感数据构建深度学习框架，实现田间尺度小麦产量的精确预测，支持育种者高效选择基因型并助力可持续发展目标	2020-2021冬季生长季两个地点的灌溉和雨养条件下3350份不同小麦种质	机器学习	NA	近地传感（NDVI、冠层温度、株高测量）	深度神经网络、随机森林回归、LASSO、支持向量回归	数值数据（光谱植被指数、温度、高度）	3350份小麦种质，涵盖灌溉和雨养条件	NA	遗传算法优化的深度神经网络	R²值	NA
84	2026-06-15	Deep learning framework with interpretable feature selection for accurate SUMOylation site prediction 2026-Feb-25, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-41489-0 PMID:41741563	研究论文	提出一种基于深度学习的混合模型Hybrid-Sumo，用于准确预测SUMO化修饰位点	整合蛋白质结构特征和序列特征，结合HSE、PSSM-DWT和BERT三种先进特征提取技术，并利用SHAP算法进行最优特征选择	NA	开发一种准确预测SUMO化修饰位点的计算工具	蛋白质SUMO化修饰位点	机器学习	NA	深度学习	深度神经网络（DNN）	蛋白质序列和结构特征数据	基准数据集	NA	DNN	准确率	NA
85	2026-06-15	Artificial intelligence-driven nano-enhanced stem cell therapy for neurodegenerative diseases: from rational design to clinical translation 2026-Feb-19, Journal of nanobiotechnology IF:10.6Q1 DOI:10.1186/s12951-026-04154-2 PMID:41709202	综述	探讨人工智能驱动纳米增强干细胞疗法治疗神经退行性疾病的理性设计到临床转化	提出一个集成患者特异性数据、AI驱动设计和实时监测的闭环系统，以推动神经退行性疾病的真正个性化医疗	NA	探索机器学习和深度学习如何解决当前干细胞疗法和纳米增强干细胞疗法的挑战，并提供将AI整合到整个纳米增强干细胞疗法中的系统性框架	神经退行性疾病及其干细胞疗法	机器学习	神经退行性疾病	NA	机器学习，深度学习	NA	NA	NA	NA	NA	NA
86	2026-06-15	A Flexible Hybrid Quantum-classical Training Framework of Organ-at-Risk and Tumor Segmentation Models for Radiation Therapy Planning 2026-Feb-16, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-40127-z PMID:41699007	research paper	提出一种混合量子-经典训练框架，用于放射治疗计划中的危及器官和肿瘤分割模型的参数高效训练	基于量子参数生成技术，在保持模型结构完整性和通道独立性的前提下自适应确定参数矩阵秩，显著减少可训练参数数量同时保持表示灵活性	NA	解决深度学习分割模型在医学小样本场景下的过参数化问题，实现参数高效训练	放射治疗计划中的危及器官和肿瘤分割模型	machine learning	NA	量子参数生成	混合量子-经典神经网络	医学图像	NA	NA	UNetPP	IoU, DSC	NA
87	2026-06-15	EEG-Based Emotion Estimation Model Integrating Structural and Time-Series Information Based on Deep Learning Architecture Optimization 2026-Feb-12, Sensors (Basel, Switzerland) DOI:10.3390/s26041210 PMID:41755151	研究论文	提出一种基于深度学习的脑电图情绪估计模型，融合结构信息和时间序列信息，通过自动架构搜索优化性能	首次将图卷积网络、LSTM、通道注意力和可微分架构搜索集成于脑电图情绪识别，自动发现针对个体脑电图模式的最优架构，降低搜索成本	未明确说明模型的局限性，但可能包括计算资源需求或对不同情绪类别的性能差异	开发一种能够自动优化架构并融合频率域和时间域特征的脑电图情绪识别模型，以提高准确性和适应性	脑电图信号中的情绪识别	自然语言处理、机器学习	不适用	脑电图	图卷积网络、长短期记忆网络	时间序列	未明确说明	不适用	GCN、LSTM、通道注意力、可微分架构搜索	准确率、适应性	未明确说明
88	2026-06-15	Assessing Low Back Movement with Motion Tape Sensor Data Through Deep Learning 2026-Feb-10, Sensors (Basel, Switzerland) DOI:10.3390/s26041127 PMID:41755069	研究论文	提出一种基于深度学习的方法，利用低成本可穿戴传感器Motion Tape数据评估下背部运动	采用条件生成模型合成运动数据，并结合关节运动学特征增强，以解决小样本和噪声问题	Motion Tape传感器数据集规模小且存在固有噪声，可能影响模型泛化能力	开发一种能准确分类下背部运动的深度学习模型，辅助临床远程监控和物理治疗	下背部运动分类	机器学习	背痛	可穿戴传感器（Motion Tape）	生成模型、深度学习分类模型	传感器时间序列数据	小规模Motion Tape数据集	NA	条件生成模型、运动带增强推理模型	准确率	NA
89	2026-06-15	The Micro-Mobility Sensing Gap: A Systematic Review of Physiological Safety Monitoring from Cycling to E-Scooters 2026-Feb-09, Sensors (Basel, Switzerland) DOI:10.3390/s26041110 PMID:41755051	综述	系统综述了从自行车到电动滑板车等微出行方式中用于监测驾驶员生理状态的可穿戴传感器，识别现有差距以推动主动安全系统发展	首次系统对比自行车与电动滑板车在生理安全监测中的传感器适用性差异，指出CNN-LSTM模型存在过拟合和缺乏独立验证的问题，并呼吁向无监督域适应和抗噪边缘AI架构转型	仅纳入11篇文献，样本量小（数据集中仅27人），缺乏独立验证；电动滑板车自动安全分类证据极度稀缺	评估可穿戴传感器在微出行方式中检测应激、疲劳和体力消耗的现状，并识别阻碍主动安全系统开发的差距	自行车和电动滑板车骑行者，以及微出行场景	机器学习和可穿戴计算	NA	可穿戴传感器，心率变异性分析，CNN-LSTM深度学习	CNN-LSTM（用于预测体力消耗），无监督域适应（UDA）（建议的未来方向）	生理信号数据（如心率变异性、加速度计数据）	27名实验者（来自单个冗余数据集），4项实验室研究和7项现场研究	NA	CNN-LSTM	F1分数（86.3%-91.7%）	NA
90	2026-06-15	Design prokaryotic cis-regulatory elements using language model 2026-Feb-05, Nucleic acids research IF:16.6Q1 DOI:10.1093/nar/gkag122 PMID:41693567	研究论文	本文介绍了一个名为PromoGen2的原核生物顺式调控元件语言模型，用于设计功能性启动子	首次提出一个可广泛适用于数千种原核生物的无先验实验数据启动子设计平台，实现了跨物种零样本预测相关性的大幅提升	未详细探讨模型在极端或稀有原核生物基因组上的适用性及长期进化稳定性	为原核生物提供通用的顺式调控元件设计工具，支持合成生物学和微生物学研究	原核生物顺式调控元件（启动子）	机器学习	NA	语言模型	语言模型（PromoGen2）	基因组序列	17000个原核生物基因组	PyTorch（推测）	Transformer（基于语言模型）	Spearman相关系数（平均0.50），成功率（100%）	NA
91	2026-06-15	Carba-NAD binding activates SIR2 by reshaping conformational plasticity and rewiring long-range allosteric networks 2026-Feb, PLoS computational biology IF:3.8Q1 DOI:10.1371/journal.pcbi.1013966 PMID:41719283	研究论文	以酵母SIR2为模型，通过分子动力学模拟和图深度学习模型，阐明共因子结合如何重塑构象动力学和远距离变构网络	首次揭示SIR2中β1-α2环的刚性化与远端柔性增加构成的“核心锁定伴周边释放”动态模式，并识别出关键的“中继型”残基Pro214和Thr224，同时发现与共因子结合的远距离药物口袋	NA	解析SIR2变构调控的分子机制	酵母SIR2蛋白	机器学习	老年性疾病	分子动力学模拟	图神经网络	分子动力学模拟轨迹	多次3微秒独立重复模拟	NA	神经关系推理	NA	NA
92	2026-06-13	[Current status, application scenarios, challenges, and recommendations for the development of medical artificial intelligence: a domestic and international perspective] 2026-Feb-10, Zhonghua liu xing bing xue za zhi = Zhonghua liuxingbingxue zazhi DOI:10.3760/cma.j.cn112338-20250621-00419 PMID:41765657	综述	本文综述了医疗人工智能的发展现状，涵盖技术框架演进、中美政策支持、三大领域（数据、算力、算法）进展，以及在五大医疗应用场景中的具体表现，并分析了当前面临的关键挑战与应对策略	从国内外双重视角系统梳理了医疗AI在数据、算力、算法三个关键领域的发展现状，并首次全面覆盖五大精准医疗应用场景	未提供具体的实验验证或量化比较分析，主要依赖文献综述和政策分析	全面评估医疗人工智能的发展现状、应用场景、关键挑战，并为中国医疗AI的持续发展提供战略建议	医疗人工智能技术、中美政策支持、医疗应用场景（精准预防、精准诊疗、精准药物研发、精准传染病防控、精准医学教育）	机器学习	NA	NA	大型语言模型、深度学习模型	文本	NA	NA	NA	NA	NA
93	2026-06-10	YOLO-based real-time floating debris counting in urban rivers for flood monitoring and water resource management 2026-Feb-19, Environmental monitoring and assessment IF:2.9Q3 DOI:10.1007/s10661-026-15040-7 PMID:41711999	研究论文	本研究提出一个结合YOLO深度学习目标检测模型和视频监控的实时框架，用于城市河流中漂浮垃圾的识别与计数，以支持洪水预警和水资源管理	首次将YOLOv7与YOLOv9在真实城市河流环境中进行对比评估，并实现基于视频监控的实时漂浮垃圾自动计数系统	仅在马来西亚莎阿南特定洪水易发区部署，可能未涵盖不同气候和地理条件下的泛化性	开发用于城市河流漂浮垃圾实时监测的自动化框架，支持洪水预警和水资源管理	城市河流中的漂浮垃圾	计算机视觉	不适用	深度学习目标检测、视频监控	YOLO	图像	在马来西亚莎阿南洪水易发区部署的现场数据	PyTorch, OpenCV	YOLOv7, YOLOv9	精确率, 召回率, F1分数	不适用
94	2026-06-10	The consensus molecular subtypes of esophageal squamous cell carcinoma 2026-Feb-19, Signal transduction and targeted therapy IF:40.8Q1 DOI:10.1038/s41392-026-02577-9 PMID:41714596	研究论文	通过整合八个现有分类系统，采用网络方法识别出食管鳞状细胞癌的四种共识分子亚型，并开发基于图像的深度学习方法进行亚型分类	首次建立食管鳞状细胞癌的共识分子亚型分类系统（ECMS），并开发基于H&E染色全切片图像的空间组织特征（SOF）的深度学习分类器imECMS，实现了从组织病理图像直接预测分子亚型	未提及具体的局限性	建立食管鳞状细胞癌的标准化分类系统，促进精准治疗	食管鳞状细胞癌的分子亚型及其与预后和治疗反应的关系	数字病理学	食管鳞状细胞癌	H&E染色全切片图像分析	深度学习	组织病理图像	多个独立队列验证	NA	深度学习模型（未具体说明架构类型）	未能从标题和摘要中提取具体指标	NA
95	2026-06-10	Assessment of Predictive Factors That Shorten Duration of Treatment in Patients With Multiple Myeloma Using AI: Real-World Longitudinal Study Using Data From Medical Data Vision Claims Database 2026-Feb-19, JMIR cancer IF:3.3Q2 DOI:10.2196/75586 PMID:41711382	研究论文	利用机器学习方法分析日本多发性骨髓瘤患者治疗持续时间缩短的预测因素	首次使用可解释深度学习模型和点式线性模型从真实世界医疗索赔数据库中识别缩短治疗持续时间的因素，并通过聚类分析揭示患者特征与治疗时长的关系	模型AUC分数较低（0.61-0.66），可能遗漏部分预测因素；数据来源于单一日本数据库，通用性有限	使用机器学习方法从日本医疗数据视界索赔数据库中识别缩短多发性骨髓瘤患者治疗持续时间的因素	日本多发性骨髓瘤患者，年龄≥18岁，包括不适合移植的新诊断患者（一线治疗）或复发/难治性患者（二线或三线治疗）	机器学习	多发性骨髓瘤	NA	点式线性模型、弹性网络（正则化逻辑回归）、极限梯度提升模型	医疗索赔数据	2762名患者（4848个独立样本），平均年龄69.6岁，52.5%为男性	NA	NA	曲线下面积	NA
96	2026-06-10	Machine Learning for Predicting Stroke Risk Stratification Using Multiomics Data: Systematic Review 2026-Feb-19, Journal of medical Internet research IF:5.8Q1 DOI:10.2196/85654 PMID:41711384	综述	系统评估使用多组学数据的机器学习模型在中风风险分层中的表现、整合策略及报告实践	首次系统评价多组学机器学习模型在中风风险预测中的判别性能、整合策略与验证实践，以指导未来方法学发展	仅有7项研究符合纳入标准，样本量小、设计异质且报告不完整，限制了可重复性和泛化能力	系统评价多组学机器学习模型用于中风风险分层，分析判别性能、整合策略、验证及报告模式，为未来方法学开发提供信息	缺血性、出血性或未明确中风类型的成年患者	机器学习	心血管疾病	多组学技术（包括代谢组学、蛋白质组学、脂质组学等）	支持向量机、树集成方法、广义线性模型、深度学习架构	多组学数据（至少包含两个组学层次）	7项研究，总计40,274名参与者	NA	支持向量机、树集成、广义线性模型、深度学习架构	接收者操作特征曲线下面积	NA
97	2026-06-10	AI-driven CRISPR screening: optimizing gene editing through automation and intelligent decision support 2026-Feb-19, Journal of translational medicine IF:6.1Q1 DOI:10.1186/s12967-026-07849-0 PMID:41715150	综述	总结人工智能如何通过引入预测性、自适应性和系统级智能重塑CRISPR筛选流程	将CRISPR筛选从静态分析流程重构为智能实验系统，提出机器学习/深度学习与大型语言模型智能体双模块协同机制	未提及具体局限性	阐述人工智能优化CRISPR筛选的实验设计与数据分析方法	CRISPR筛选技术及其应用场景	机器学学习	NA	CRISPR筛选	大型语言模型智能体	NA	NA	NA	NA	NA	NA
98	2026-06-10	Pneumonia detection from enhanced chest X-Ray images based on Double SGAN model 2026-Feb-19, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-39785-w PMID:41714360	研究论文	提出一种基于深度学习的肺炎检测系统，利用增强的胸部X光图像和双SGAN模型解决类别不平衡问题	创新性地提出双SGAN模型，结合谱归一化、自注意力机制和铰链损失函数进行稳定训练，并构建嵌入空间注意力机制的ResNet18-SA分类模型	仅使用儿童肺部图像的肺炎MNIST数据集，可能无法全面代表不同年龄和人群的肺炎特征	提高肺炎图像分类的准确性和鲁棒性	胸部X光图像中的肺炎病灶	计算机视觉, 数字病理学	肺炎	胸部X光成像	SGAN, ResNet	图像	肺炎MNIST数据集（儿童肺部图像）	NA	ResNet18, 自注意力机制	准确率, 精确率, 召回率, F1分数	NA
99	2026-06-10	Classification of dysphagia severity after lateral medullary infarction with deep learning 2026-Feb-19, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-40751-9 PMID:41714402	研究论文	利用深度学习算法，基于急性期弥散加权MRI对延髓背外侧梗死患者吞咽困难严重程度进行分类	首次采用分层视觉Transformer（Hier-ViT）架构，利用急性期弥散加权MRI对延髓背外侧梗死患者吞咽困难严重程度进行分类，考虑了空间层次和全局图像上下文	AUC值中等（0.69），表明模型区分能力有限，特别是在不平衡临床数据集中需要进一步优化和多模态整合	开发和验证一种深度学习算法，用于早期分类延髓背外侧梗死患者吞咽困难严重程度，以便及时干预和个性化康复计划	163名确诊急性延髓背外侧梗死患者的急性期弥散加权MRI图像和视频荧光吞咽研究确定的吞咽困难严重程度	计算机视觉，数字病理学	老年病（吞咽困难）	弥散加权MRI（DWI），视频荧光吞咽研究（VFSS）	分层视觉Transformer（Hier-ViT）	图像（MRI）	163名患者	PyTorch（假设，基于Transformer架构）	Hierarchical Vision Transformer (Hier-ViT)	准确率，精确率，召回率， F1分数， AUC	NA
100	2026-06-10	Deep learning models identify brain changes during the progression of Alzheimer's disease 2026-Feb-19, NPJ systems biology and applications IF:3.5Q1 DOI:10.1038/s41540-026-00666-7 PMID:41714635	研究论文	提出一种多分支融合通道注意力网络，利用纵向sMRI数据识别阿尔茨海默病进展中的脑区动态变化	首次提出利用多分支融合通道注意力网络整合纵向多个时间点的sMRI数据，通过可解释性分析揭示AD进展中脑区贡献的动态变化模式	文本未明确提及局限性，可能包括样本量有限、外部验证不足或模型泛化性需进一步评估	开发基于多时间序列的深度学习方法，识别阿尔茨海默病进展过程中的脑区动态变化	阿尔茨海默病患者及正常衰老对照组的纵向结构磁共振成像数据	计算机视觉	阿尔茨海默病	sMRI	CNN	图像	未指定	未指定	多分支融合通道注意力网络	未指定	未指定