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
21	2026-07-10	Improving severity grading of chemotherapy-induced myelosuppression in AML via data-driven and model-based deep learning 2026-03-24, NPJ systems biology and applications IF:3.5Q1 DOI:10.1038/s41540-026-00687-2 PMID:41876533	研究论文	提出MM-AI-AML框架，结合机械建模和深度学习，预测AML患者化疗后骨髓抑制严重程度	首次将机械数学模型与TabNet深度学习分类器融合，利用动态模型生成客观严重程度标签，实现个性化风险预测	NA	提高急性髓系白血病化疗后骨髓抑制严重程度分级准确性，实现个性化风险预测	479名AML患者和900个虚拟病例的化疗前临床数据	机器学习	急性髓系白血病	NA	TabNet	表格数据	479名AML患者，900个虚拟病例	NA	TabNet	AUC	NA
22	2026-07-10	Multiplexed Microenvironment-Responsive Probes Enable Rapid Glioblastoma Cell Line Analysis 2026-03-17, Analytical chemistry IF:6.7Q1 DOI:10.1021/acs.analchem.5c07976 PMID:41789814	研究论文	开发了一种多路复用微环境响应探针平台，结合深度学习模型，用于快速区分胶质母细胞瘤细胞系	利用五种微环境响应荧光探针同时监测多种代谢和理化参数，并结合ResNet深度学习模型进行细胞系识别	NA	实现胶质母细胞瘤细胞系的快速准确区分，特别是用于术中快速评估	六种细胞系，包括四种表型多样的胶质母细胞瘤细胞系、正常人类星形胶质细胞和一种中枢神经系统肿瘤细胞系	数字病理学	胶质母细胞瘤	荧光探针	CNN	图像	六种细胞系	NA	ResNet	准确率	NA
23	2026-07-10	Closing the loop: A systematic review of artificial intelligence in circular e-waste management 2026-Mar-15, Waste management (New York, N.Y.) DOI:10.1016/j.wasman.2026.115392 PMID:41653831	综述	系统回顾人工智能在循环电子废弃物管理中的应用，提出六层分类法，并分析系统性障碍与未来路径	提出人工智能与循环电子废弃物管理融合的六层分类法，并将AI系统从终端处理重新定位为再生循环	数据可用性和泛化性不足，缺乏标准化和互操作性，伦理和监管采纳存在障碍	探讨人工智能在推动电子废弃物从线性处理向循环管理转变中的角色与挑战	147篇关于AI在循环电子废弃物管理中应用的研究文献（2019年至2025年10月）	机器学习	NA	NA	深度学习	文献数据	147篇文献	NA	基于深度学习的检测与分类架构	NA	NA
24	2026-07-10	Combined explainable deep learning model to predict pediatric sleep apnea from ECG and SpO2 2026-Mar-10, Measurement : journal of the International Measurement Confederation IF:5.2Q1 DOI:10.1016/j.measurement.2025.120259 PMID:42421779	研究论文	提出一个结合可解释人工智能的深度学习模型，利用心电图和血氧饱和度信号预测儿童阻塞性睡眠呼吸暂停	首次应用可解释深度学习技术同时分析心电图和血氧饱和度数据来识别儿童阻塞性睡眠呼吸暂停，并用SHAP解释模型决策	模型在私人数据库上性能较低，数据来源有限且主要基于特定临床试验，可能影响泛化能力	开发临床可用的可解释深度学习模型，简化儿童阻塞性睡眠呼吸暂停的诊断	儿童阻塞性睡眠呼吸暂停患者的心电图和血氧饱和度信号	机器学习	儿童阻塞性睡眠呼吸暂停	NA	卷积神经网络	信号（心电图、血氧饱和度）	3320名患者，来自CHAT、PATS和芝加哥大学数据库	NA	卷积神经网络	Cohen's 4级kappa系数	NA
25	2026-07-10	Artificial intelligence for radiation dose reduction in computed tomography: a narrative synthesis of clinical evidence from 2020 to 2025 2026-Mar-06, Journal of radiological protection : official journal of the Society for Radiological Protection IF:1.4Q3 DOI:10.1088/1361-6498/ae475a PMID:41707249	综述	综合分析了2020年至2025年间人工智能在计算机断层扫描中减少辐射剂量的临床证据	首次系统综述了AI在CT剂量优化中的临床证据，涵盖深度学习重建、去噪和工作流自动化等多种策略，并量化了不同解剖部位和AI应用的剂量降低幅度	多数研究为单中心且由厂商支持，最低剂量下极小或亚实性结节的敏感性降低，高去噪强度导致图像纹理改变，多中心验证有限	评估AI策略在CT扫描中降低辐射剂量同时保持诊断性能的有效性和临床可行性	2020年1月至2025年5月间发表的相关临床研究，包括86项符合纳入标准的研究	机器学习	肿瘤、儿科疾病	CT扫描、深度学习重建、去噪算法、工作流自动化	深度学习模型	临床图像数据	86项研究	NA	NA	辐射剂量、诊断准确性、图像质量、可行性	NA
26	2026-07-10	Manipulating 2D Nanomaterials: Shaping the Future of Intelligent Wearable Health Monitoring Devices 2026-Mar-03, ACS nano IF:15.8Q1 DOI:10.1021/acsnano.5c21609 PMID:41717965	综述	系统综述基于二维纳米材料的可穿戴电子设备在健康监测中的应用	整合了柔性电子与多种健康监测应用，强调了材料稳定性、低成本制备及人工智能/深度学习结合的迫切需求	未涉及具体实验验证或性能对比，侧重未来展望	推动更高效、舒适、智能的健康监测系统发展	基于二维纳米材料的可穿戴健康监测设备	机器学习	NA	NA	NA	NA	NA	NA	NA	NA	NA
27	2026-07-10	Integrating Artificial Intelligence in Environmental Monitoring: A Paradigm Shift in Data-Driven Sustainability 2026-03, EcoHealth IF:2.2Q3 DOI:10.1007/s10393-025-01752-8 PMID:40875110	review	探讨人工智能在环境监测中的应用，实现数据驱动的可持续性发展	系统综述了可解释人工智能、边缘计算与物联网等新兴技术，提出跨学科策略以提升模型透明度和降低计算成本	数据质量、计算资源需求及模型可解释性等挑战尚未完全解决	评估人工智能在环境监测中的最新进展及可持续管理潜力	空气和水质监测、气候模式追踪、生物多样性保护及反盗猎等应用场景	机器学习	NA	NA	CNN, LSTM, GAN	图像、文本、视频、GPS数据	NA	NA	NA	NA	NA
28	2026-07-09	Teeth identification and numbering in mixed dentition: evaluating deep learning models for pediatric panoramic radiographs 2026-03-17, BMC oral health IF:2.6Q1 DOI:10.1186/s12903-026-08097-w PMID:41845286	研究论文	评估和比较多种深度学习模型在儿童全景X光片上自动检测和编号牙齿的性能	首次系统评估并比较YOLOv8、YOLOv11、Mask R-CNN和DeepLabV3等先进深度学习架构在混合牙列期儿童全景X光片上的牙齿检测与编号性能，并考虑了年龄分层因素	未明确说明，但可能包括样本量有限、仅关注6-12岁儿童、仅使用单一影像模态等	评估并比较多种深度学习模型在6-12岁儿童全景X光片上自动牙齿检测和编号的性能	6至12岁儿童的全景X光片	计算机视觉	NA	NA	YOLOv8, YOLOv11, Mask R-CNN, DeepLabV3	图像	1,378张匿名化全景X光图像	PyTorch	YOLOv8, YOLOv11, Mask R-CNN, DeepLabV3	精确率, 召回率, F1分数, mAP50, mAP50-95	NA
29	2026-07-09	Living on the flood line: Constructing and validating a combined multidimensional resilience index for rural riverine floodplain communities 2026-Mar-10, The Science of the total environment DOI:10.1016/j.scitotenv.2026.181581 PMID:41734704	研究论文	提出并验证了一个综合多维韧性指数（CMRI），用于评估农村河流泛滥平原社区的抗洪韧性	结合专家多准则决策分析、数据驱动主轴因子分析和蒙特卡洛指数构建与深度学习预测验证，并整合空间显式可解释人工智能，将韧性评估从静态诊断转变为动态、可操作和情境敏感的决策支持框架	未明确提及，但依赖于特定区域（孟加拉国布拉马普特拉河流域）的数据，可能影响其泛化性	开发和验证一个透明、严谨且统计稳健的社区韧性评估工具，以支持抗洪干预措施	农村河流泛滥平原社区，涉及孟加拉国布拉马普特拉河流域的49个联合区	机器学习, 数字病理学	心血管疾病	NA	深度神经网络（DR-DNN）	空间地理参考数据，包含56个社会文化、经济、物理基础设施、组织制度、水文和生态领域指标	1000个地理参考观测值，覆盖49个联合区	NA	DR-DNN	AUC, 准确率	NA
30	2026-07-09	PeptideNet: An Integrative Deep Learning Framework for Predicting Diverse Bioactive Peptides Using Protein Language Model Embeddings 2026-Mar-09, Journal of chemical information and modeling IF:5.6Q1 DOI:10.1021/acs.jcim.5c02885 PMID:41731742	研究论文	提出了一种基于蛋白质语言模型嵌入的集成深度学习框架PeptideNet，用于预测多种生物活性肽	将大型蛋白质语言模型嵌入（ESM1、ESM2、ProtBert）与CNN-BiGRU混合深度学习架构结合，实现了对五种生物活性肽的通用且可解释预测	NA	开发一个通用且可解释的计算框架，用于准确预测多种生物活性肽	五种生物活性肽：抗病毒、抗菌、抗氧化、抗细胞穿透和抗溶血肽	机器学习	NA	蛋白质语言模型嵌入	CNN-BiGRU混合模型	序列数据	独立测试集包含五种肽类数据	NA	CNN, BiGRU	准确率	NA
31	2026-07-09	Machine Learning-Assisted Local-to-Global Optimization Strategy for Accelerated Molecular Cluster Structure Prediction 2026-Mar-09, Journal of chemical information and modeling IF:5.6Q1 DOI:10.1021/acs.jcim.5c02782 PMID:41733999	研究论文	提出了一种机器学习辅助的局部到全局优化策略，用于加速预测分子团簇结构	利用深度学习识别局部模式来构建分子团簇，在分子静电势拓扑特征空间中预测新的结合位点，实现小团簇引导的大团簇层次化结构搜索	仅对(CO)<30的团簇进行了基准测试，未涉及更大规模或其他类型团簇的验证	加速分子团簇结构预测和搜索，降低计算成本同时保持化学精度	一氧化碳分子团簇	机器学习	不适用	不适用	深度学习模型	分子结构数据	(CO)<30的团簇	不适用	不适用	不适用	不适用
32	2026-07-09	Cognitive salience features enhance multitask deep learning for pragmatic reasoning across cultures 2026-Mar-02, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-40809-8 PMID:41772006	研究论文	提出一种基于认知显著特征的多任务深度学习模型，用于跨文化语用推理	融合注意力机制（模拟人类感知优先性）与文化条件门控，联合优化四种语用推理任务，并通过动态任务权重和梯度冲突解决策略提升性能	未明确提及	提升计算系统在跨文化语境下理解隐含意义和文化特定沟通模式的能力	跨文化语用推理任务，包括暗示检测、言语行为分类、礼貌评估和文化适应性评估	自然语言处理	NA	NA	多任务深度学习模型	文本	包含八个文化群体的多语言语料库	PyTorch	注意力机制、门控网络	准确率、跨文化迁移准确率	NA
33	2026-07-09	LCBTS-Net: A lightweight cascaded 3D brain tumor segmentation network in magnetic resonance imaging 2026-Mar, Computerized medical imaging and graphics : the official journal of the Computerized Medical Imaging Society IF:5.4Q1 DOI:10.1016/j.compmedimag.2026.102727 PMID:41734696	研究论文	提出一种轻量级级联3D脑肿瘤分割网络LCBTS-Net，用于磁共振图像中的脑肿瘤自动分割	采用轻量级级联架构减少过拟合风险，结合多尺度特征和多步级联估计方法，利用全肿瘤区域先验信息指导肿瘤核心和增强肿瘤区域的精细分割，参数仅1.58M，计算量247.09 GFLOPs，适合临床资源受限环境	文中未明确提及具体限制	提高脑肿瘤分割性能，实现稳健、可靠的自动分割，并适用于临床实际应用	脑肿瘤磁共振图像（MR图像）	计算机视觉	脑肿瘤	磁共振成像	级联3D深度学习网络	图像	BRATS 2020数据集	NA	轻量级级联3D网络（LCBTS-Net）	Dice系数, Hausdorff95距离	NA
34	2026-07-09	LLM2image: A novel framework for accurate diagnosis of diarrhea viruses using pathological images and semantic information 2026-Mar, Computerized medical imaging and graphics : the official journal of the Computerized Medical Imaging Society IF:5.4Q1 DOI:10.1016/j.compmedimag.2026.102735 PMID:41734695	研究论文	提出LLM2image多模态框架，将病理图像视觉特征与大语言模型生成的语义文本融合，用于腹泻病毒精准诊断	首次将大语言模型生成的临床语义描述与病理图像特征通过跨模态融合变压器结合，解决了仅依赖视觉特征和标注数据不足的问题	内部数据集样本量有限（516张猪肠道图像），且仅针对四种病毒类别，外部验证仅涉及结直肠癌数据集，泛化到其他疾病和更大规模数据有待验证	提高腹泻病毒病理图像分类的准确性和可解释性	猪肠道组织病理图像中的腹泻病毒（健康、ETEC、PDCoV、PoRV）	数字病理学	腹泻病毒	NA	多层感知器，跨模态融合变压器	图像，文本	516张猪肠道图像（内部数据集）及PAIP2020结直肠癌公共数据集	PyTorch	像素级多层感知器编码器，GPT-4.0，跨模态融合变压器	准确率	安卓端部署，支持离线运行，具体GPU信息未提及
35	2026-07-08	Identification of high-risk genes and classification of acute myocardial infarction patients utilizing deep learning in a restricted cohort 2026-Mar, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2026.111549 PMID:41671720	研究论文	利用深度学习和基因选择方法对急性心肌梗死患者进行高风险基因识别和分类	将深度学习方法与差异表达分析等基因聚焦方法相结合，显著提升基因表达分类性能，并实现基因排名和生物标志物识别	研究基于两个公开基因表达数据集，样本量可能有限，且未提及外部验证或临床样本验证	通过深度学习和基因选择方法提高急性心肌梗死患者基因表达分类的准确性，并识别高风险基因	两个基因表达数据集（GSE36961 和 GSE57345）中的急性心肌梗死患者样本	机器学习	心血管疾病	基因表达分析	深度学习	基因表达数据	两个基因表达数据集（GSE36961, GSE57345），具体样本量未明确	NA	NA	准确率、配对t检验、Mann-Whitney U检验、Wilcoxon符号秩检验	NA
36	2026-07-08	AI for smart wastewater treatment plants: A review of physics-informed water quality modeling, optimization, and advanced control 2026-Mar-01, Journal of environmental management IF:8.0Q1 DOI:10.1016/j.jenvman.2026.128949 PMID:41671993	综述	总结人工智能在智能污水处理厂中用于出水水质预测、工艺优化和先进控制的研究进展	重点讨论了物理信息及混合建模方法将活性污泥模型和过程约束嵌入神经网络，并结合实时优化与控制框架	当前应用仍面临可解释性有限、跨厂迁移能力弱、以及对运行条件变化的鲁棒性不足等问题	通过AI实现污水处理厂低碳化和智能化，平衡出水水质、能源消耗和碳排放	污水处理厂的出水水质预测、工艺优化和先进控制方法	机器学习	NA	NA	机器学习、深度学习、物理信息神经网络	工艺数据（如水质指标）	NA	NA	神经网络、活性污泥模型	NA	NA
37	2026-07-07	Enhancing Parkinson's Disease Staging: An Integrative Deep Learning Framework for Multimodal Feature Selection 2026-Mar-30, Journal of molecular neuroscience : MN IF:2.8Q2 DOI:10.1007/s12031-026-02492-2 PMID:41910849	研究论文	提出MAFNet深度学习框架，整合多模态特征选择以增强帕金森病分期准确性	首次融合IAVKF时域降噪、ABPSO群特征选择、MLP-LSVM分类及GAMF图注意力多模态融合，实现高精度分期	仅基于PPMI队列（200名患者），需扩展纵向时序建模、跨模态融合及外部验证至阿尔茨海默病等	将帕金森病分期从主观评估转向客观精准医疗，支持生物标志物发现和个性化治疗	帕金森病患者的基因SNPs、神经影像体素及UPDRS-III评分数据	机器学习, 数字病理	帕金森病	NA	深度学习	基因、神经影像、临床评分	200名患者（PPMI队列）及外部印度队列	PyTorch	MAFNet（含IAVKF、ABPSO、MLP-LSVM、GAMF）	准确率97.6%、精确率98.2%、召回率96.8%、F1分数97.3%	NVIDIA RTX 3090 GPU
38	2026-07-07	Transforming Gynecologic Cancer Care Through Artificial Intelligence: A Clinician's Guide to the Evolving Landscape 2026-03-01, Clinical obstetrics and gynecology IF:1.4Q3 DOI:10.1097/GRF.0000000000000985 PMID:41363042	综述	本文梳理了人工智能在妇科肿瘤全程管理中的应用证据，涵盖预防筛查、早诊、预后预测及治疗指导等环节	聚焦临床转化路径，提出人机协同、可解释输出及公平性部署等实用框架	现有证据多来自回顾性研究，缺乏前瞻性临床试验验证，且未充分讨论不同人群间的泛化挑战	探讨人工智能提升妇科肿瘤诊疗精准性、一致性和可及性的方法	HPV风险模型、AI辅助阴道镜、影像组学、液体活检、数字病理及多模态预后模型等AI工具	机器学习，数字病理	妇科肿瘤	NA	深度学习，多模态模型	影像，文本，基因组学	NA	NA	NA	准确性，速度，可重复性	NA
39	2026-07-07	Artificial Intelligence in Obstetrics: Current Applications, Opportunities, and Clinical Implementation Challenges 2026-03-01, Clinical obstetrics and gynecology IF:1.4Q3 DOI:10.1097/GRF.0000000000000980 PMID:41431393	综述	探讨人工智能在产科领域应用现状、机遇与临床实施挑战	系统分析当前AI产科应用领域（自动胎儿生物测量、结构异常检测、妊娠并发症预测及产时胎儿监护），并针对技术、伦理及实施障碍提出多中心验证、可解释AI和监管框架等建议	外部验证有限且存在算法偏差	评估AI在产科中的临床应用现状、机遇及实施障碍	AI在产科诊断影像、风险预测和临床决策中的技术应用	机器学习	围产期疾病	深度学习算法	CNN	影像	NA	NA	NA	诊断准确性	NA
40	2026-07-07	Generalizable Deep Learning for Prostate Cancer Risk Stratification: Multicenter Study Integrating 18F-PSMA-1007 PET/CT and mpMRI 2026-Mar, Academic radiology IF:3.8Q1 DOI:10.1016/j.acra.2025.12.050 PMID:41547629	研究论文	开发一种少样本深度学习模型CL-MGNET，整合多模态影像和临床数据预测前列腺癌高风险生物学特征，并在多中心研究中验证其泛化能力	提出CL-MGNET模型，采用少样本学习方法融合多模态影像（18F-PSMA-1007 PET/CT和mpMRI）与临床数据，在有限训练数据下有效预测高风险生物学特征，并展现出跨中心的强大泛化能力	研究为回顾性设计，样本量相对较小（377例），且外部验证队列仅36例，可能限制模型在不同人群中的推广	开发并验证一种少样本深度学习模型，整合多模态影像和临床数据，准确预测前列腺癌的高风险生物学特征（ISUP分级、包膜外侵犯和手术切缘阳性）	前列腺癌患者，来自两个医疗中心的377例患者（中心A 341例，中心B 36例）	计算机视觉	前列腺癌	PET/CT, mpMRI	少样本深度学习网络（CL-MGNET）	影像（PET/CT, mpMRI）和临床变量数据	377例患者（中心A 341例，中心B 36例），训练使用30例患者的限制子集	NA	CL-MGNET	AUC	NA