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
321	2026-06-29	Graph convolutional network-derived pathomics and clinical integration for predicting chemoimmunotherapy response in advanced lung squamous cell carcinoma: a multicenter study 2026-Mar-03, Journal of translational medicine IF:6.1Q1 DOI:10.1186/s12967-026-07962-0 PMID:41772672	研究论文	提出一种基于图卷积网络(GCN)的病理组学与临床特征整合模型，用于预测晚期肺鳞状细胞癌免疫化疗疗效	首次将GCN衍生的病理组学特征与临床变量结合，构建预测免疫化疗客观缓解率和风险分层的深度学习模型，并在多中心外部验证中展现优于传统方法的表现	回顾性研究设计，化疗单药队列和非肺癌来源队列中模型效果有限，仅关注晚期肺鳞癌	开发并验证整合GCN病理组学与临床特征的深度学习模型，预测免疫化疗客观缓解率，实现临床意义的风险分层	436例经病理确诊的晚期肺鳞状细胞癌患者，来自三个中心，包括AK105-302 III期试验及两个外部免疫化疗队列	数字病理学	肺癌（肺鳞状细胞癌）	全切片成像(WSI)	图卷积网络(GCN)，卷积神经网络(CNN)	图像	436例患者（训练队列343例，外部验证队列63例和30例）	NA	Inception_v3, 图卷积网络	AUC, 校准曲线, 决策曲线分析, Kaplan-Meier生存分析, Cox回归, 风险比(HR), 交互p值	NA
322	2026-06-29	Interpretable hybrid ensemble with attention-based fusion and EAOO-GA optimization for lung cancer detection 2026-Mar-03, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-37187-6 PMID:41776195	研究论文	提出一种基于注意力融合和EAOO-GA优化的可解释混合集成框架用于肺癌检测	采用EAOO-GA元启发式算法优化集成权重，结合SE块进行自适应特征重校准，并利用SMOTE处理类别不平衡	未在更多样化数据集上验证泛化能力，计算资源需求可能较高	提高肺癌CT图像分类的准确性、可解释性和泛化能力	IQ-OTH/NCCD和LIDC-IDRI肺癌CT数据集	计算机视觉	肺癌	CT扫描	混合集成模型	图像	IQ-OTH/NCCD和LIDC-IDRI数据集（具体数量未说明）	NA	DenseNet201, EfficientNetB6, Inception v3, MobileNetV2, DenseNet121, ResNet50	准确率, 精确率, 召回率, F1分数	NA
323	2026-06-29	Predicting pyrazinamide resistance in Mycobacterium tuberculosis using a graph convolutional network 2026-Mar-03, BMC microbiology IF:4.0Q2 DOI:10.1186/s12866-026-04876-1 PMID:41776391	研究论文	使用图卷积网络预测结核分枝杆菌对吡嗪酰胺的耐药性	首次将图神经网络与AlphaFold2预测的蛋白质三维结构结合，利用氨基酸级别的图表示和化学特征来预测耐药性，超越了传统机器学习方法	训练数据集较小且变异较少，可能影响模型在更广泛遗传多样性病原体上的泛化能力	利用图神经网络整合蛋白质结构信息，提高对抗菌药物耐药性预测的准确性	结核分枝杆菌的PncA蛋白变体（包含错义突变）	机器学习	结核病	NGS（下一代测序）	图卷积网络（GCN）	蛋白质序列和结构数据	未明确说明，但标注为小数据集	PyTorch	图卷积网络（GCN）	F1分数, 灵敏度, 特异度	NA
324	2026-06-29	A multi-task deep learning and radiomics framework for fetal anatomical structure detection and classification in ultrasound imaging 2026-Mar-02, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-41635-8 PMID:41772028	研究论文	提出基于多任务深度学习和影像组学的框架，用于检测和分类早孕期超声图像中的胎儿解剖结构	融合YOLOv11和Swin Transformer进行目标检测，结合影像组学和深度学习特征，使用TabTransformer分类器，实现高精度、高稳定性的胎儿结构自动分析	未明确提及局限性，但可能受限于回顾性数据、特定胎龄范围（11-14周）和仅针对脑部及颅面结构	开发综合的多任务深度学习与影像组学流程，提高胎儿超声图像中关键解剖结构的检测和分类准确性与可重复性	9个医疗中心收集的4532例早孕期（11-14周）胎儿超声扫描图像	计算机视觉, 数字病理学	胎儿结构异常（早期筛查）	超声成像	Swin Transformer, YOLOv11, TabTransformer	图像	4532例胎儿超声扫描（9个医疗中心）	PyTorch	Swin Transformer, YOLOv11, TabTransformer	准确率, AUC, 敏感度, IoU, F1分数	NA
325	2026-06-29	Brain Health from Sleep EEG: A Multicohort, Deep Learning Biomarker for Cognition, Disease, and Mortality 2026-Mar, NEJM AI DOI:10.1056/aioa2500487 PMID:41953210	研究论文	基于睡眠脑电图的多队列深度学习生物标志物，用于评估认知、疾病和死亡率	首次利用端到端的多任务深度学习框架从睡眠脑电图学习脑健康潜在表征，并将其浓缩为单一分数，同时预测认知、疾病和死亡率	未在独立外部队列中验证，且未考虑其他模态数据（如影像）的整合	开发一种基于睡眠脑电图的可解释深度学习生物标志物，用于评估脑健康	来自六个队列的27,000名受试者的36,000次多导睡眠图记录	机器学习	老年疾病	NA	多任务深度神经网络	脑电图信号（一维时间序列或二维时频谱图）	27,000名受试者，36,000次多导睡眠图记录	PyTorch	多任务深度神经网络	相关系数, AUC, 风险比	NA
326	2026-06-26	Identifying Temporal Drivers for Microbial Community Assembly in Wastewater Treatment by Stochastic Physics-Informed Deep Learning Based on Limited-View and Sparsely Sampled Data 2026-03-24, Environmental science & technology IF:10.8Q1 DOI:10.1021/acs.est.5c11756 PMID:41816806	研究论文	本研究提出了一种随机物理信息深度学习（SPI-DL）框架，用于基于有限视图和稀疏采样数据识别废水处理中微生物群落组装的时序驱动因素	将广义Lotka-Volterra模型、随机微分方程及其积分器嵌入深度学习，并首次提出对数似然解耦方法结合SHAP分析，实现确定性和随机性驱动因素的时变贡献分解	NA	识别废水处理中微生物群落组装的时序驱动因素，优化智能废水处理系统	废水处理系统中的微生物群落，特别是氨氧化菌和亚硝酸盐氧化菌	机器学习	NA	NA	深度学习	时序数据	NA	PyTorch	广义Lotka-Volterra模型、随机微分方程	NA	NA
327	2026-06-26	Real-World Prospective Validation and Economic Evaluation of Deep Learning- Based Diabetic Retinopathy Detection From Fundus Photographs: A Systematic Review and Meta-analysis 2026-03-01, Diabetes care IF:14.8Q1 DOI:10.2337/dc25-1493 PMID:41259706	系统综述与荟萃分析	对基于眼底照片的深度学习糖尿病视网膜病变检测进行前瞻性验证与经济学评价的系统综述和荟萃分析	首次综合前瞻性验证和经济学证据，评估深度学习糖尿病视网膜病变系统在不同国家的实施可行性，并识别影响模型性能的关键因素	缺乏评估多种严重程度糖尿病视网膜病变或糖尿病性黄斑水肿的研究，限制了我们进行亚组分析的能力；对低收入国家的洞察因缺乏相关研究而受限	评估基于眼底照片的深度学习糖尿病视网膜病变系统在不同国家的实施可行性	深度学习糖尿病视网膜病变检测系统中的前瞻性验证研究和经济学分析研究	数字病理学	糖尿病视网膜病变	眼底照相	深度学习	图像	47项研究纳入荟萃分析，15项研究纳入经济学评论	NA	NA	AUROC	NA
328	2026-02-22	Deep Learning-Enabled Diabetic Retinopathy Screening: A Techno-Clinical Revolution or Just More Artificial Intelligence Hype? 2026-Mar-01, Diabetes care IF:14.8Q1 DOI:10.2337/dci25-0123 PMID:41719471	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
329	2026-06-23	Few-Shot and Zero-Shot Biomedical Named Entity Recognition: A Procedure for Enhancing BioBERT with Prompt-Based Learning and Large Language Models 2026-Mar-31, Journal of visualized experiments : JoVE DOI:10.3791/69390 PMID:42008560	研究论文	提出一种结合BioBERT、提示学习和大型语言模型的混合框架，用于增强生物医学命名实体识别中的少样本和零样本学习能力	首次将提示学习与大型语言模型集成到BioBERT中，显著提升了低资源生物医学术语和未见实体的泛化能力	未明确讨论模型在不同语言或特定子领域（如罕见病）的泛化性能，且可能对大型语言模型的计算资源需求较高	通过混合框架解决传统深度学习模型在生物医学NER中面临的数据稀缺、领域适应和未知实体泛化问题	生物医学文献和临床文本中的命名实体识别任务	自然语言处理, 生物医学	不限定具体疾病	提示学习, 大型语言模型, 预训练变换器	BioBERT, 大型语言模型	文本	多个生物医学基准数据集（具体数量未明确）	NA	BioBERT, 提示学习架构	准确率, 精确率, 召回率, F1分数	NA
330	2026-06-23	CRESCENT: a deep learning framework with multi-scale attention for detecting recurrent copy number alterations 2026-Mar-01, Briefings in bioinformatics IF:6.8Q1 DOI:10.1093/bib/bbag167 PMID:41996576	研究论文	提出一个名为CRESCENT的深度学习框架，通过多尺度采样、卷积神经网络和自注意力机制检测复发拷贝数变异	首次整合多尺度采样与自注意力机制，实现了对焦点、片段和臂级CNAs事件的平衡检测，并在非TCGA独立队列上验证了泛化能力	未明确讨论模型对罕见癌症类型的适用性及计算资源需求，且未提供可解释性分析以揭示特征生物学意义	开发一种高灵敏度、泛化性强的深度学习方法，用于可靠识别癌症基因组中的复发拷贝数变异	来自20个TCGA癌症项目的7689例患者的拷贝数变异图谱	机器学习	癌症	全基因组拷贝数分析	CNN（卷积神经网络）结合自注意力机制	拷贝数变异图谱	7689例患者样本（20个TCGA项目）	PyTorch（推断，基于框架特性）	多尺度CNN与自注意力机制的并行特征融合架构	AUC（曲线下面积）	NA（未提供具体信息）
331	2026-06-22	PLM-effector: unleashing the potential of protein language models for bacterial secreted protein prediction 2026-Mar-01, Briefings in bioinformatics IF:6.8Q1 DOI:10.1093/bib/bbag143 PMID:41947423	研究论文	提出PLM-Effector，一个整合蛋白质语言模型和混合深度学习框架的细菌分泌蛋白预测工具	首次采用双层集成策略整合多种蛋白质语言模型（ESM-1b、ESM2_t33、ProtT5）与神经网络架构，实现五种主要分泌系统（T1SS-T4SS和T6SS）的类型感知预测	依赖蛋白特异性语言模型嵌入，可能泛化能力受限；仅覆盖五种分泌系统，未包括其他分泌机制	开发能准确预测多种细菌分泌系统效应蛋白的计算方法	细菌分泌蛋白，特别是通过专用分泌系统传递的效应蛋白	机器学习	细菌感染相关疾病	蛋白质语言模型嵌入	混合深度学习框架（CNN、RNN等集成）	蛋白质序列数据	独立测试集包含五种分泌系统的效应蛋白样本	PyTorch	ESM-1b、ESM2_t33、ProtT5蛋白质语言模型及多层神经网络集成	宏F1分数	NA
332	2026-06-19	Can a novel computer vision-based framework detect head-on-head impacts during a rugby league tackle? 2026-03-27, Injury prevention : journal of the International Society for Child and Adolescent Injury Prevention IF:2.5Q2 DOI:10.1136/ip-2023-045129 PMID:39832883	研究论文	本研究开发并评估了一种新型计算机视觉框架，用于自动分类橄榄球联赛中的头对头撞击与非头对头撞击	首次在橄榄球运动中应用计算机视觉框架自动检测头对头撞击	框架对头对头撞击的灵敏度较低（标准清晰度68%，高清65%）	开发和评估一种自动检测头对头撞击的计算机视觉框架	职业橄榄球联赛中的擒抱事件	计算机视觉	脑震荡	视频分析	三维卷积神经网络（3D-CNN）	视频	训练集341个视频片段，测试集670个视频片段	PyTorch	目标检测算法, 三维卷积神经网络	灵敏度, 特异度, 阳性预测值	NA
333	2026-06-19	What does it take to learn the rules of RNA base pairing? A lot less than you may think 2026-Mar-26, Communications biology IF:5.2Q1 DOI:10.1038/s42003-026-09921-3 PMID:41888287	研究论文	利用仅21个参数的随机上下文无关文法（SCFG）模型，结合自动微分技术，仅需少量RNA序列即可发现经典碱基配对规则	证明仅用极少量参数和未标注的序列数据就能重新发现RNA经典碱基配对规则，颠覆了需要大规模模型和标注数据的传统认知	NA	探究发现RNA经典碱基配对规则所需的最小资源和条件	RNA经典碱基配对规则（沃森-克里克-富兰克林配对和摆动配对）	机器学习	NA	自动微分、随机梯度下降	随机上下文无关文法（SCFG）	RNA序列	最少50条RNA序列，测试涉及22个RNA家族的1094条序列	自动微分框架（如PyTorch等）	随机上下文无关文法（SCFG）	NA	NA
334	2026-06-19	Benchmarking multiple instance learning architectures from patches to pathology for prostate cancer detection and grading using attention-based weak supervision 2026-Mar-02, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-39196-x PMID:41771952	研究论文	开发并评估了一种基于弱监督深度学习的框架，用于前列腺癌诊断和ISUP分级，利用全切片图像并减少对像素级标注的需求	首次对弱监督MIL方法进行大规模、全面的比较，涵盖六种架构、三种特征编码器和四种补丁提取技术，共计72种配置，并利用分布式云计算处理超过3100万个组织补丁	NA	开发一种弱监督深度学习框架，最小化标注需求并确保可解释性，用于自动化前列腺癌诊断和ISUP分级	前列腺癌全切片图像	数字病理学	前列腺癌	全切片图像处理	多实例学习	图像	PANDA数据集中的10,616张全切片图像，包含超过3100万个组织补丁	PyTorch	CLAM-MB, CLAM-SB, ILRA-MIL, AC-MIL, AMD-MIL, WiKG-MIL, ResNet50, CTransPath, UNI2	准确率, 二次加权卡帕系数	分布式云计算
335	2026-06-19	3DViT-GAT: a unified atlas-based 3D vision transformer and graph learning framework for major depressive disorder detection using structural MRI data 2026-Mar-02, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-42108-8 PMID:41772023	研究论文	提出一个结合3D视觉变换器和图学习的统一框架，用于基于结构磁共振成像的重度抑郁症检测	首次将3D视觉变换器与图神经网络结合，用于从sMRI数据中提取区域嵌入并进行抑郁症分类；探索了基于图谱和基于立方体两种区域定义策略	仅使用单一数据集REST-meta-MDD进行验证，未在多中心或更大规模数据上测试；基于立方体的方法性能不如基于图谱的方法，提示模型对领域知识的依赖	开发一种自动检测重度抑郁症的深度学习方法，以提高诊断准确性和早期干预能力	重度抑郁症患者与健康对照的结构磁共振成像数据	机器学习、数字病理	抑郁症	结构磁共振成像	3D视觉变换器、图神经网络	图像	REST-meta-MDD数据集（具体样本数未在摘要中给出）	PyTorch	Vision Transformer (ViT), Graph Neural Network (GNN)	准确率、灵敏度、特异度、精确率、F1分数	NA
336	2026-06-19	Lightweight convolutional neural network for real-time earthquake P-wave detection on edge devices in New Zealand 2026-Mar-02, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-42568-y PMID:41772099	研究论文	提出一种轻量级卷积神经网络，用于在新西兰边缘设备上实时检测地震P波	针对边缘设备资源受限的特点，设计仅需两秒地震波形输入、参数量约3.8万的轻量化CNN模型，实现在树莓派5上亚7毫秒的实时P波和S波检测	未在极端噪声环境或不同地质区域进行验证，依赖新西兰特定地震台网数据	实现低成本边缘设备上实时地震P波检测，支持分布式地震预警系统	新西兰强震传感器记录的地震波形数据	机器学习	NA	NA	卷积神经网络	地震波形	约8.9万个波形片段，来自新西兰强震传感器	NA	轻量化CNN	准确率, 召回率	树莓派5
337	2026-06-18	Uncertainty-Aware Explainable AI for Pancreatic Cysts: Identifying Deep Learning Vulnerabilities and Ensuring Safe Clinical Triage in IPMN Management 2026-Mar-22, Research square DOI:10.21203/rs.3.rs-9096790/v1 PMID:41890858	研究论文	首个结合可解释人工智能与不确定性量化，系统评估病灶特征如何影响深度学习模型在胰腺导管内乳头状黏液性肿瘤恶性风险分层中性能的多中心研究	首次将可解释AI与不确定性量化相结合，系统性分析囊肿类型、大小和位置对深度学习模型行为的影响，并建立选择性预测框架用于临床分诊	回顾性研究设计；样本量有限（170例）；未在独立外部验证集上验证；模型在复杂高风险IPMN上性能显著下降	评估病灶特征如何影响深度学习模型在IPMN恶性风险预测中的性能，并实现安全的临床分诊	7个中心170例IPMN患者的影像学和临床数据	医学影像分析	胰腺导管内乳头状黏液性肿瘤	放射组学-深度学习融合模型	深度学习融合模型（具体架构未明确）	医学影像	170例IPMN患者	NA	NA	准确率，不确定性值	NA
338	2026-06-18	Development of a deep learning classification model using a codeless platform for orthodontic extraction decision-making: Impact of image type on model performance 2026-03, Journal of dentistry IF:4.8Q1 DOI:10.1016/j.jdent.2025.106296 PMID:41389871	研究论文	利用无代码平台开发深度学习分类模型，评估图像类型对正畸拔牙决策模型性能的影响	首次比较口内照片与数字模型扫描在正畸拔牙决策中的深度学习模型性能，并采用无代码平台实现自动模型开发	样本量有限、回顾性研究设计、模型性能仍有提升空间（准确率约71-74%）	评估图像类型对深度学习分类模型在正畸治疗拔牙决策中的表现影响，探究人工智能在拔牙与非拔牙方案判定中的临床适用性	已完成正畸治疗患者的治疗前口内照片和数字模型扫描	计算机视觉、机器学习	正畸疾病（错颌畸形）	无代码平台自动建模	深度学习分类模型	图像（口内照片与数字模型扫描）	1200张口内照片和1200张数字模型扫描，各包含600例拔牙和600例非拔牙病例	无代码平台（具体框架未说明）	未明确指定（由无代码平台自动优化）	准确率、精确率、召回率、F1分数	未详细说明（依赖无代码平台）
339	2026-06-18	M44TMD: A multimodal, multi-task deep learning framework for comprehensive assessment of TMD-related abnormalities 2026-03, Journal of dentistry IF:4.8Q1 DOI:10.1016/j.jdent.2025.106322 PMID:41461305	research paper	提出一种多模态、多任务深度学习框架M44TMD，用于综合评估颞下颌关节相关异常	首次利用多序列和多切片MRI与临床数据，实现颞下颌关节退行性疾病、前移位和积液的同时评估，性能达到高级牙医水平	NA	开发一种利用多模态MRI和临床数据的深度学习框架，全面评估颞下颌关节异常	765名参与者的1410个颞下颌关节的12690个MRI切片及临床数据	machine learning	颞下颌关节紊乱	MRI	CNN	图像、文本	765名参与者，1410个关节，12690个MRI切片	PyTorch	ResNet50	ROC-AUC、准确率	NA
340	2026-06-17	Real-world unified denoising for multi-organ fast MRI: a large-scale prospective validation 2026-Mar-19, NPJ digital medicine IF:12.4Q1 DOI:10.1038/s41746-026-02548-y PMID:41857225	research paper	提出一种统一的深度学习去噪模型，用于多器官加速MRI，并在大规模真实世界数据上验证其有效性	首次在大规模前瞻性收集的真实世界数据上训练多器官MRI去噪模型，涵盖六个临床中心和四种主要MRI供应商，模型可直接处理商用MRI系统的重建图像	NA	开发并验证一种统一的深度学习去噪模型，以改善加速MRI的图像质量，缩短扫描时间，并推动临床广泛应用	多器官加速MRI图像（包括六个器官和96种MRI协议）及去噪效果	machine learning	NA	MRI	深度学习模型	图像	148,930对图像用于训练，20,143对图像用于测试，46,870张外部临床图像用于泛化验证	NA	NA	Dice分数	NA