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
121	2026-06-29	TLScope: a deep learning framework for quantifying tertiary lymphoid structures from H&E images reveals prognostic heterogeneity across breast cancer subtypes 2026-Mar-16, Breast cancer research : BCR IF:6.1Q1 DOI:10.1186/s13058-026-02241-8 PMID:41840700	研究论文	提出了TLScope深度学习框架，用于从H&E染色全切片图像中定量三级淋巴结构，并揭示其在乳腺癌亚型中的预后异质性	结合细胞级分类、肿瘤和脂肪区域分割以及生物学知识验证，实现了对三级淋巴结构的可扩展自动化定量分析	NA	开发标准化方法检测和量化乳腺癌中三级淋巴结构，并探究其与临床病理特征及预后的关系	乳腺癌肿瘤组织中的三级淋巴结构	数字病理学	乳腺癌	H&E染色	深度学习	全切片图像	超过1000张全切片图像（内部队列和TCGA队列）	PyTorch	NA	NA	NA
122	2026-06-29	Advanced hybrid transformer CNN framework for improved skin lesion classification and segmentation 2026-Mar-15, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-43376-0 PMID:41840007	研究论文	提出一种基于Transformer和CNN的混合架构，用于皮肤病变分类和分割	结合全局上下文视觉Transformer（GlobalSkinNet）与注意力机制的U-Net架构（SkinFormNet），有效处理不均匀亮度、低对比度和毛发遮挡问题	未提及计算资源需求及模型在真实临床环境中的泛化能力	提高皮肤癌早期检测和分类的准确性	皮肤病变图像	数字病理学	皮肤癌	NA	Transformer, CNN	图像	7个数据集：PH2, ISIC-2019, ISIC-2020, HAM10000, ISIC-2016, ISIC-2017, ISIC-2018	PyTorch	GlobalSkinNet, SegFormer, U-Net	准确率, Dice系数	NA
123	2026-06-29	Interpretable deep learning radiomics from 18F-FDG PET/CT for differentiating diffuse large B-cell lymphoma and follicular lymphoma 2026-Mar-14, BMC medical imaging IF:2.9Q2 DOI:10.1186/s12880-026-02253-y PMID:41832418	研究论文	开发并验证整合18F-FDG PET/CT中的标准化摄取值、影像组学和深度学习特征的可解释模型，用于区分弥漫性大B细胞淋巴瘤与滤泡性淋巴瘤	首次结合SHAP可解释性分析，融合影像组学与深度学习特征构建可解释的深度学习放射组学模型，用于淋巴瘤亚型鉴别	样本量有限（250例），且为回顾性研究，需前瞻性多中心验证	开发可解释的深度学习放射组学模型以准确区分弥漫性大B细胞淋巴瘤与滤泡性淋巴瘤	弥漫性大B细胞淋巴瘤与滤泡性淋巴瘤患者	医学影像分析	淋巴瘤	18F-FDG PET/CT	机器学习分类器	医学影像	250例患者（两个中心）	NA	NA	曲线下面积, 准确率, 校准曲线, 决策曲线分析	NA
124	2026-06-29	A two-stage preprocessing and classification approach for accurate COVID-19 detection in X-ray images 2026-Mar-14, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-41861-0 PMID:41832193	研究论文	提出一种两阶段预处理与分类方法，用于在X光图像中准确检测COVID-19	将最大稳定极值区域算法与灰狼优化元启发式算法集成，优化图像预处理，增强关键特征可见性	NA	实现X光图像中COVID-19的自动、准确检测	胸部X光图像	计算机视觉	COVID-19	NA	深度卷积神经网络	图像	NA	NA	NA	准确率	NA
125	2026-06-29	Radiogenomics and machine learning in hepatocellular carcinoma: from foundations to clinical translation 2026-Mar-14, World journal of surgical oncology IF:2.5Q1 DOI:10.1186/s12957-026-04280-z PMID:41832524	综述	系统评述影像基因组学与机器学习在肝细胞癌中的基础、进展及临床转化挑战	全面整合影像基因组学和机器学习在肝细胞癌精准医学中的应用，强调早期检测、风险分层、治疗反应预测和预后评估，并系统分析标准化缺乏、样本量小、可解释性差等挑战	缺乏标准化流程、样本量小、外部验证不足、模型可解释性差（黑箱性质）、伦理问题（数据隐私与算法偏见）及临床整合障碍	批判性评估影像基因组学和机器学习在肝细胞癌中的基础、进展和挑战，聚焦临床转化和未来方向	肝细胞癌患者及其肿瘤生物学特征，包括基因组变化、肿瘤微环境及影像数据	医学影像与机器学习	肝细胞癌	影像基因组学、对比增强CT、MRI、外泌体miRNA、FDG-PET/CT	深度学习、随机森林	影像数据、基因组数据	NA（综述未明确具体样本数）	NA	NA	AUC	NA
126	2026-06-29	Deep optimization-guided hybrid neural network for accurate detection and segmentation of white matter hyperintensities in clinical MRI images 2026-Mar-13, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-41137-7 PMID:41826522	研究论文	提出一种深度优化引导的混合神经网络（DOGHNN），用于临床MRI图像中白质高信号的准确检测与分割	结合Inception-v3的多尺度特征捕获、ResNet-50的残差上下文建模和PSO优化策略，实现融合权重、分割阈值和关键参数的迭代优化	未提及在大规模多中心数据集上的验证，且PSO优化可能增加计算开销	提高脑部MRI中白质高信号的自动分割准确性和鲁棒性，支持临床诊断决策	脑MRI图像中的白质高信号（WMH）病变区域	计算机视觉, 数字病理	神经系统疾病（中风、痴呆、多发性硬化）	MRI	混合神经网络（Inception-v3, ResNet-50）结合粒子群优化（PSO）	图像	基准WMH MRI数据集（具体样本量未提及）	NA	Inception-v3, ResNet-50	精确率, 召回率, Dice系数, F1分数, Hausdorff距离	NA
127	2026-06-29	Automatic identification of different stage of Alzheimer's disease using multimodal MRI and artificial intelligence 2026-Mar-13, BMC medical imaging IF:2.9Q2 DOI:10.1186/s12880-026-02275-6 PMID:41826878	研究论文	利用多模态MRI和人工智能自动识别阿尔茨海默病不同阶段（认知正常、主观认知下降、轻度认知障碍、阿尔茨海默病）	首次整合结构MRI、静息态功能MRI、深度学习（3D-VB-Net）和机器学习（BDT逻辑回归SVM随机森林），构建高精度四分类模型识别CN、SCD、MCI和AD	未明确说明样本外部验证的局限性，可能面临数据来源（ADNI和OASIS-3）的领域偏移或模型泛化挑战	利用多模态MRI和人工智能自动分类不同阶段的阿尔茨海默病	715名认知状态不同的参与者（认知正常、主观认知下降、轻度认知障碍、阿尔茨海默病）	机器学习	阿尔茨海默病	结构MRI，静息态功能MRI， 3D-VB-Net， LASSO， K-best	Bagging决策树，逻辑回归，支持向量机，随机森林	图像，数值特征	715名参与者（训练/验证集来自ADNI，外部验证集来自OASIS-3）	NA	3D-VB-Net， Bagging决策树，逻辑回归，支持向量机，随机森林	AUC，特异度，灵敏度， F1-score	NA
128	2026-06-29	Improved polygenic risk prediction for alzheimer's disease and related dementias using deep learning: age and APOE-stratified analysis 2026-Mar-12, Alzheimer's research & therapy DOI:10.1186/s13195-026-02011-w PMID:41821099	研究论文	利用深度学习（贝叶斯变分自编码器）改进阿尔茨海默病及相关痴呆症的多基因风险预测，并进行年龄和APOE分层分析	首次在ADRD风险预测中采用贝叶斯变分自编码器（DDML）构建PRS，并系统评估年龄和APOE基因型对模型性能的修饰效应	分类准确性仍然有限，限制了直接临床应用；需要在外部数据中复制验证，并结合生物标志物和临床判定进行多模态验证	评估基于贝叶斯变分自编码器的多基因风险评分对ADRD的预测性能，并分析年龄和APOE基因型的修饰效应	英国生物库中276,566名欧洲血统无亲缘关系的个体，中位随访9.19年	机器学习	阿尔茨海默病及相关痴呆症	基因组关联研究汇总统计量	贝叶斯变分自编码器（DDML）、SBayesR、聚类与阈值法（C+T）	基因组数据（SNP）、遗传主成分、年龄、性别、APOE基因型	276,566名欧洲血统个体（平均年龄56.8±8.0岁，46.7%男性，1,328名ADRD患者）	NA	DDML（贝叶斯变分自编码器）、SBayesR（贝叶斯多元回归）、C+T（聚类与阈值）	时间依赖性AUC、C指数、风险比	NA
129	2026-06-29	Multi-task survival modeling of dependent failure and reimplantation events in dental implants 2026-Mar-12, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-40955-z PMID:41820437	研究论文	提出一个多任务生存框架，联合预测牙种植体失败和后续再种植事件	整合条件掩码、基于注意力的特征交互、单调性正则化和依赖对齐，首次对多阶段牙种植临床事件进行联合生存建模	NA	开发能够捕捉多阶段临床事件条件依赖性的生存预测模型，以辅助个性化治疗计划和临床决策	牙种植体失败与后续再种植事件	机器学习	口腔疾病	NA	多任务生存模型	临床特征数据	1627名患者的57项临床特征	NA	注意力机制	一致性指数、曲线下面积、Brier分数	NA
130	2026-06-29	Enhanced skin cancer classification for minority classes using Conditional GAN pipeline and CNN-ViT ensemble 2026-Mar-11, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-43339-5 PMID:41813870	研究论文	提出一个两阶段框架，先用条件生成对抗网络生成少数类图像，再用CNN-ViT集成架构融合特征，提高皮肤癌分类性能	将条件生成对抗网络与CNN-ViT集成架构结合，通过交叉注意力融合模块协同整合全局和局部特征，解决类别不平衡问题	NA	改善皮肤癌分类中少数类的识别效果，克服数据不平衡和特征提取困难	皮肤镜图像中的皮肤病变分类	计算机视觉	皮肤癌	NA	条件生成对抗网络, 卷积神经网络, 视觉Transformer	图像	NA	NA	C'GAN, CNN-ViT集成, 交叉注意力融合模块	准确率, AUC, 自助法均值, 标准误差	NA
131	2026-06-29	AI-powered surveillance of bronchiolitis in the Nirsevimab era: comparative performance of machine learning, deep learning, and large language models on free-text ED records 2026-Mar-10, BMC emergency medicine IF:2.3Q1 DOI:10.1186/s12873-025-01468-6 PMID:41807959	研究论文	比较机器学习、深度学习和大型语言模型在急诊电子健康记录自由文本中分类细支气管炎诊断的性能	首次直接比较大型语言模型、深度学习与多种经典机器学习模型在Nirsevimab时代对细支气管炎流行病学监测中的表现	未提及具体限制，但可能包括数据来自单一机构、回顾性设计、样本时间跨度2007-2018年且未覆盖Nirsevimab使用后时期等	评估AI工具（机器学习、深度学习、大型语言模型）在细支气管炎诊断分类中的准确性，并比较官方ICD-9编码的诊断准确性	小于1岁的婴儿急诊记录，共28,557条自由文本诊断记录	自然语言处理	细支气管炎	电子健康记录分析	机器学习、深度学习、大型语言模型	文本	28,557条婴儿急诊记录（其中1,903条为细支气管炎阳性病例）	NA	随机森林、决策树、梯度提升机、线性判别分析、支持向量机、深度学习工具、GPT-5	平衡准确率、敏感性、F1分数	NA
132	2026-06-29	Advances in computational prediction of RNA-small molecule binding affinity 2026-Mar-10, Journal of computer-aided molecular design IF:3.0Q2 DOI:10.1007/s10822-026-00781-x PMID:41803448	综述	综述了基于深度学习和机器学习的RNA-小分子结合亲和力预测方法的最新进展	系统总结了对比学习、多尺度特征提取和交叉融合机制等关键创新，并评估了模型的计算需求与可解释性	RNA结构固有的灵活性和实验测定难度导致数据缺乏，限制了模型性能	梳理计算预测RNA-小分子结合亲和力的研究现状、方法及未来方向	RNA-小分子结合亲和力预测方法及其在药物发现中的应用	机器学习	NA	NA	深度学习、机器学习	序列特征、三维结构（体素网格、分子表面）、图网络	NA	NA	图神经网络、对比学习、多尺度特征提取	模型鲁棒性、泛化能力、可解释性	NA
133	2026-06-29	AI-powered radiogenomics: imaging-driven diagnosis and discovery of cancer's molecular and cellular landscape 2026-Mar-10, Molecular genetics and genomics : MGG IF:2.3Q3 DOI:10.1007/s00438-026-02389-0 PMID:41806059	综述	综述了AI赋能放射基因组学在癌症分子和细胞景观成像驱动诊断与发现中的进展	系统总结了AI方法（如CNN、GAN、Transformer）在放射基因组学中自动提取高维影像特征并与多组学数据整合的应用，以及其在主要癌症类型中的使用案例	数据协调、标准化、伦理考虑和跨人群验证等挑战是当前限制因素	探讨AI赋能放射基因组学在临床相关性、分子和细胞洞察以及实验室诊断中的应用，推动精准肿瘤学发展	乳腺、肺、脑和前列腺癌等主要癌症类型	自然语言处理, 机器翻译, 图像识别, 数字病理学, 基因组学	乳腺癌, 肺癌, 前列腺癌	放射基因组学, 多组学整合	卷积神经网络, 生成对抗网络, Transformer	影像数据, 分子和细胞数据	NA	NA	卷积神经网络, 生成对抗网络, Transformer	NA	NA
134	2026-06-29	Reliability of contactless vital sign measurement algorithms for use in drone-based mass casualty triage 2026-Mar-10, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-40691-4 PMID:41807583	研究论文	开发并验证用于无人机大规模伤亡分类的非接触式生命体征测量算法	首次将非接触式生命体征测量算法集成到无人机分类系统中，实现从无人机视频中测量心率、呼吸率、体温和血氧饱和度	仅包含37名参与者，且主要在室内条件下测试，户外样本较少	支持基于无人机的大规模伤亡分类，通过非接触式生命体征测量提高应急响应效率	37名健康参与者（平均年龄29.7岁，64.9%为男性）	计算机视觉	大规模伤亡事件	RGB视频信号处理、热成像分析、深度学习	深度学习模型	视频	37名参与者（7次室外记录，30次室内记录）	NA	NA	准确率、平均差异	NA
135	2026-06-29	Machine learning identifies distinct movement control impairment clusters in patients with chronic neck pain 2026-Mar-10, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-43903-z PMID:41807740	研究论文	基于机器学习和运动控制测试识别慢性颈痛患者的运动控制损伤亚群	首次结合蝴蝶测试的多难度水平参数与多种聚类和机器学习算法，识别慢性颈痛患者的独特运动控制损伤亚群，并利用Shapley Additive Explanations提供亚群特征解释	NA	基于运动控制测试和疼痛强度识别颈痛患者的不同亚群，并提供亚群特异性损伤信息	慢性颈痛患者	机器学习	慢性颈痛	NA	k-means聚类, 深度神经网络, Louvain聚类, 层次聚类	数值数据（运动控制测试参数和疼痛强度）	135名特发性颈痛患者	NA	Louvain, 层次聚类, k-means	AUC, 分类准确率, 灵敏度, 特异性, 轮廓分数	NA
136	2026-06-29	HyperDeepTAD: a topologically associated domains detection method based on multiway chromatin interaction data and deep learning 2026-Mar-09, BMC genomics IF:3.5Q2 DOI:10.1186/s12864-026-12738-3 PMID:41803713	研究论文	提出一种基于多向染色质互作数据和深度学习的拓扑关联结构域检测方法HyperDeepTAD	首次利用超图从多向染色质互作数据中保留高阶互作信息，并融合动态卷积网络和BiGRU进行局部特征提取与层次结构预测	未提及具体应用范围或计算开销等局限性	准确识别拓扑关联结构域，提高边界检测精度	拓扑关联结构域	计算机视觉, 自然语言处理, 机器学习	不适用	多向染色质互作数据, Hi-C	动态卷积网络, BiGRU	染色质互作数据	未提及	PyTorch	动态卷积网络, BiGRU, 残差连接, 超图聚类系数	边界富集度	未提及
137	2026-06-29	A hybrid convolution and attention-based framework with visual explanation for fruit disease identification 2026-Mar-09, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-42135-5 PMID:41803253	研究论文	提出一种结合卷积和注意力机制的混合轻量级深度学习模型，用于水果病害的多分类识别，并利用Grad-CAM实现模型决策的可解释性	设计轻量级混合架构CoAT-AgriLite，融合卷积与注意力机制，同时提取局部病变特征和全局上下文，并整合Grad-CAM进行可视化解释	未提及模型在真实复杂农业环境（如光照变化、遮挡、多病害共存）下的泛化能力和鲁棒性评估	构建高精度且可解释的深度学习模型，用于水果病害多分类识别	香蕉、葡萄、柠檬、芒果、草莓五种水果的病害图像分类	计算机视觉	水果病害	深度学习	混合卷积-注意力模型	图像	Kaggle数据集，包含五种水果病害图像，按70:15:15分为训练、验证和测试集	未明确指定，但可能涉及PyTorch或TensorFlow	RegNetY-B3-GE, DarkNet53-SCSE, BEiT, PVTv2, CoAT-AgriLite	准确率, 精确率, 召回率, F1值	NA
138	2026-06-29	Transformer-enhanced deep ensemble for multi-class liver disease classification using computed tomography images 2026-Mar-09, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-43256-7 PMID:41803329	研究论文	提出一种基于Transformer增强的深度集成模型，利用CT图像进行多类肝脏疾病分类	在预训练CNN（ResNet50V2、DenseNet121、MobileNetV2）骨干网络后添加Transformer模块形成混合模型，并通过集成学习进一步提升性能	未提及	提高肝脏疾病的诊断准确性，特别是复杂病例如肝硬化和脂肪肝	肝脏CT图像	计算机视觉	肝脏疾病（肝硬化、脂肪肝、肝细胞癌）	CT成像	CNN-Transformer混合模型（ResNet50V2、DenseNet121、MobileNetV2 + Transformer）	图像	基于CT肝脏数据集，未提供具体样本数量	NA	ResNet50V2, DenseNet121, MobileNetV2, Transformer	精确率, 召回率, F1分数, 马修斯相关系数	NA
139	2026-06-29	Comparative evaluation of deep learning models for cardiovascular disease diagnosis and classification 2026-Mar-07, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-43543-3 PMID:41794983	研究论文	系统比较了多种深度学习模型在心电图诊断心血管疾病中的性能与计算效率	提出并对比了低复杂度的深度学习模型，在保持高诊断精度的同时实现低计算开销，支持资源受限环境下的临床部署	未提及	评估并比较不同深度学习模型对心血管疾病的多分类诊断性能与计算复杂度	PTB诊断心电图数据集中的多类心血管疾病	机器学习	心血管疾病	心电图	CNN、LSTM、MLP、CNN-MLP、ConvLSTM	心电图信号	PTB诊断心电图数据集中多类心血管疾病样本	未提及	CNN、LSTM、MLP、CNN-MLP、ConvLSTM	准确率、F1分数、精确率、每次符号实乘法数	未提及
140	2026-06-29	A web-based deep learning cascade for automated detection and quantification of marginal bone loss 2026-Mar-07, BMC oral health IF:2.6Q1 DOI:10.1186/s12903-026-07962-y PMID:41792690	研究论文	开发并验证了一个由六个深度学习模型组成的级联系统，用于自动化检测和量化种植体周围边缘骨吸收	首次提出基于深度学习的级联系统，能够利用连续根尖片进行边缘骨吸收的自动化检测和量化，并部署为网络工具	样本量计算不适用于多模型架构，且部分模型性能较低（如近远中检测模型准确率为78%）	开发和验证用于自动化检测和量化边缘骨吸收的深度学习级联系统，并评估其与牙科专家的一致性	种植体周围的连续根尖片	计算机视觉	种植体周围炎	放射线影像	CNN	图像	2960张根尖片	PyTorch	ResNet, YOLO	准确率, F1分数, 平均绝对误差, 平均精度均值, 精确率, 召回率	NA