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
221	2026-06-23	A Fully Automated Deep Learning Model for Quantifying Coronary Plaque at Coronary CT Angiography 2026-Apr, Radiology IF:12.1Q1 DOI:10.1148/radiol.251967 PMID:42012347	研究论文	开发并验证了一个用于冠状动脉CT血管造影中斑块量化的全自动深度学习模型，并评估其预后价值	首次提出全自动深度学习模型PlaqueSegNet用于冠状动脉斑块量化，并利用多个独立外部数据集（包括IVUS、不同CT扫描仪、序列CCTA和光子计数CT数据）进行全面验证	Bland-Altman分析中一致性界限较宽	开发全自动深度学习模型用于冠状动脉斑块量化并评估其预后价值	冠状动脉CT血管造影图像中的冠状动脉斑块	计算机视觉	心血管疾病	CT血管造影	深度学习模型	图像	训练集1409名患者（平均年龄63±10岁，男性795人），内部验证集604名患者（平均年龄63±10岁，男性329人），外加四个独立外部数据集	PyTorch	PlaqueSegNet	组内相关系数，C指数	NA
222	2026-06-23	CT Emphysema and Deep Learning-derived Vertebral Bone Loss in Individuals without COPD: Findings from MESA 2026-Apr, Radiology IF:12.1Q1 DOI:10.1148/radiol.252251 PMID:42012343	research paper	基于MESA队列，利用深度学习分析无COPD个体的CT肺气肿样改变与椎骨骨密度丢失之间的关系	首次在无慢性阻塞性肺疾病（COPD）的大型多民族队列中，利用深度学习量化亚临床肺气肿样改变与椎骨骨密度年丢失率的独立关联，并提出亚临床肺气肿可作为系统性骨骼退化的新型影像标志物	单中心回顾性分析、未纳入肺气肿组织学验证、骨密度仅通过椎骨CT测量而非金标准DXA、性别和族裔亚组样本量有限	识别肺部和骨骼健康的早期影像标志物，探索无COPD个体中肺气肿样改变与骨密度丢失的关联	无临床COPD的MESA队列参与者（横断面2312例，纵向1109例）	computer vision	geriatric disease	CT	NA	image	横断面2312例参与者（中位年龄67岁，1285名女性）；纵向1109例参与者（中位年龄65岁，614名女性）	NA	deep learning-based segmentation model（未具体命名）	β系数、置信区间、p值、Johnson-Neyman阈值	NA
223	2026-05-02	Correction: Clinically significant prostate cancer detection with deep learning in a multi-center magnetic resonance imaging study 2026-Apr-28, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-50501-6 PMID:42050081	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
224	2026-06-22	A diffusion-based framework for designing molecules in flexible protein pockets 2026-Apr-10, Science advances IF:11.7Q1 DOI:10.1126/sciadv.aeb7045 PMID:41950314	研究论文	提出YuelDesign，一种基于扩散的框架，用于在柔性蛋白口袋中设计分子，联合建模蛋白口袋结构和配体构象	首次联合建模蛋白口袋结构和配体构象，采用双扩散过程（EDM和D3PM）实现几何和化学身份的迭代优化，并利用E3former保持旋转和平移等变性	NA	开发一种能够处理柔性蛋白口袋的分子设计方法，提高药物发现的准确性	蛋白-配体复合物中的柔性蛋白口袋和配体分子	机器学习	NA	NA	扩散模型	分子结构数据	NA	NA	E3former	药效类似性、合成复杂性、化学官能团多样性、对接能量	NA
225	2026-06-21	Artificial intelligence for hospital infection prevention and control: real-world implementation, impact, and the gap beyond model development 2026-Apr-30, The Journal of hospital infection IF:3.9Q1 DOI:10.1016/j.jhin.2026.04.019 PMID:42069224	系统综述	本研究系统综述了人工智能在急性护理医院感染防控中的实际实施情况，发现仅有少数研究实现了真实世界部署	区分了已实施系统与未实施的开发/验证研究，聚焦实施后的实际影响而非仅模型开发	纳入研究多为回顾性开发，实施研究较少且缺乏对意外后果的量化评估，存在偏倚和适用性问题	综合评估AI/ML在急性护理医院感染防控中的实施现状及其与实际工作整合的差距	急性护理医院感染防控相关的AI/ML研究	机器学习	医院感染	NA	传统机器学习、自然语言处理、深度学习、基于规则或专家系统	NA	59项研究（9项实施研究，50项开发/验证研究）	NA	NA	NA	NA
226	2026-06-19	Fluoroscopic image-driven deep learning model for predicting intussusception irreducibility during air enema in children 2026-Apr-30, BMC medical imaging IF:2.9Q2 DOI:10.1186/s12880-026-02385-1 PMID:42062943	研究论文	利用空气灌肠透视图像开发深度学习模型预测儿童肠套叠不可复性	提出混合集成深度学习模型，通过透视图像客观预测肠套叠不可复性，优于传统主观判读，并显著提升放射科医生诊断准确性	未明确说明	开发基于深度学习的框架，利用空气灌肠透视图像客观预测肠套叠不可复性	儿童肠套叠患者的空气灌肠透视图像	计算机视觉	儿科疾病	NA	混合集成深度学习模型	图像	训练集：770例不可复性、1214例可复性；真实世界测试集：46例不可复性、802例可复性；外部测试集：9例不可复性、101例可复性，均来自儿童患者	NA	混合集成架构（具体未指定）	AUC、平衡准确率、特异性	NA
227	2026-06-19	Embedding multilayer RNA networks for lncRNA-miRNA interaction prediction via LMI-MHGAT 2026-Apr-30, BMC biology IF:4.4Q1 DOI:10.1186/s12915-026-02600-z PMID:42057106	研究论文	提出LMI-MHGAT框架，通过多层异构图注意力网络整合多模态生物数据，用于预测lncRNA-miRNA相互作用	创新性地采用图注意力机制动态学习不同关系层的信息权重，有效处理生物网络中的严重类别不平衡问题	NA	开发能够整合多模态生物数据并处理类别不平衡的lncRNA-miRNA相互作用预测方法	lncRNA和miRNA分子及其相互作用关系	机器学习	NA	RNA-seq	图注意力网络	RNA序列、表达谱、已知分子相互作用数据	人类LMI数据（正负样本比例1:60），大鼠和植物数据集	PyTorch	多层异构图注意力网络	NA	NA
228	2026-06-19	A phantom study on the evaluation of the YOLOv8 deep learning model in the detection of tooth ankylosis on cone-beam computed tomography images 2026-Apr-29, Head & face medicine IF:2.4Q2 DOI:10.1186/s13005-026-00607-z PMID:42057155	研究论文	本研究评估了YOLOv8深度学习算法在锥束计算机断层扫描图像上检测牙齿强直的效能	首次将YOLOv8算法应用于CBCT图像的牙齿强直检测，并实现了高精度和高召回率	基于体模数据，模型在临床实际应用中的泛化性有待验证，且样本量相对有限	评估深度学习算法在CBCT扫描中检测牙齿强直的性能	模拟牙齿强直的体模CBCT扫描图像，共60颗牙齿和4971个轴向切片	计算机视觉	牙齿强直	锥束计算机断层扫描	YOLOv8	图像	60颗牙齿样本，共4971个轴向切片（训练集42颗牙齿3822切片，测试集18颗牙齿1149切片）	NA	YOLOv8	Dice系数、精确率、召回率、F1分数	NA
229	2026-06-16	Frequency-adaptive deep learning for multi-horizon weather forecasting in environmental monitoring applications 2026-Apr-24, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-49641-6 PMID:42031997	研究论文	提出了一种面向天气的频率自适应网络（WFAN），通过频域归一化框架增强多时间尺度天气预报的准确性	首次将频域归一化应用于多时间尺度天气预报，通过实例级傅里叶变换自适应选择主导频率成分作为非平稳模式，并利用频率残差学习增强数据平稳性	方法对频域分解的计算效率有依赖，且模式演化模块可能无法完全捕捉极端天气的动态变化	解决气候时序数据非平稳性对天气预报精度的影响，提升多时间尺度环境监测预报能力	气象时间序列数据（如天气、气温、电力负荷等）	机器学习	NA	傅里叶变换、频域归一化	深度学习模型（DLinear, FEDformer, Informer, SCINet）	时间序列数据（数值型）	多个基准数据集，包含Weather, ETTh1, ECL等	PyTorch	DLinear, FEDformer, Informer, SCINet	均方误差（MSE）、增强迪基-富勒（ADF）检验、统计显著性检验	NA
230	2026-06-19	Analyzing digital consumer insights through RoBERTa LLM based sentiment analysis and topic modeling 2026-Apr-24, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-48162-6 PMID:42031839	研究论文	利用RoBERTa大语言模型进行情感分析和LDA主题建模，分析在线消费者评论以理解消费者行为	首次将RoBERTa-Large大语言模型应用于消费者评论的情感分析，结合SHAP和LIME增强模型可解释性	未提及	提升在线消费者评论情感分类性能，并识别消费者反馈中的主题模式	在线消费者评论文本	自然语言处理	NA	BERT、TF-IDF、LDA主题建模	大型语言模型（RoBERTa-Large），传统机器学习模型（如SVM、随机森林），深度学习架构	文本数据	公开可用的消费者评论数据集（未明确数量）	NA	RoBERTa-Large, LDA, SHAP, LIME	准确率（Accuracy）	NA
231	2026-06-19	Accurate and robust ambiguity detection in software requirements documents using a GloVe-BiLSTM deep learning framework with data augmentation 2026-Apr-24, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-48700-2 PMID:42031899	研究论文	提出一种基于GloVe词嵌入和双向长短期记忆网络（Bi-LSTM）的深度学习框架，用于自动检测软件需求文档中的模糊性，解决软件开发中的关键挑战	创新地结合GloVe词嵌入与Bi-LSTM模型进行软件需求文档模糊性检测，并采用回译数据增强技术缓解类别不平衡问题，通过消融研究验证各组件贡献	实验数据仅来源于公开的Fault-Prone SRS数据集，样本量为7061条，可能无法完全覆盖实际业务场景中更复杂的模糊类型	实现软件需求文档中模糊性的自动检测，提高精度并降低成本，增强软件开发流程的可靠性	软件需求文档中的模糊性类别（词汇、句法、语义、语法、语用及无模糊样本）	自然语言处理	NA	NA	双向长短期记忆网络（Bi-LSTM）	文本	7061条数据点（Fault-Prone SRS数据集）	NA	Bi-LSTM，CNN，CNN-RNN-LSTM，LSTM	精确率，召回率，F1分数，准确率	NA
232	2026-06-19	Deep learning-based multimodal radiopathomics for preoperative prediction of lymph node metastasis in papillary thyroid carcinoma 2026-Apr-24, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-48693-y PMID:42031943	研究论文	基于深度学习的多模态放射病理组学模型用于术前预测甲状腺乳头状癌淋巴结转移	结合超声图像和细针穿刺细胞学图像的多模态深度学习模型，显著优于单一模态模型，并使用梯度加权类激活映射揭示了细胞核特征的关键作用	NA（摘要未明确提及局限性）	术前准确预测甲状腺乳头状癌淋巴结转移，指导手术方式决策	甲状腺乳头状癌患者的淋巴结转移预测	数字病理学	甲状腺乳头状癌	NA（未明确提及具体技术）	CNN	图像	1095份细针穿刺液基细胞学标本及相应的2190张超声图像	NA（未明确提及）	ResNet-101	AUC, 准确率	NA（未明确提及）
233	2026-06-19	An ensemble-based sentiment analysis approach for precision medicine recommendation 2026-Apr-24, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-49122-w PMID:42031957	研究论文	提出一种基于集成学习的情感分析方法，用于精准医学推荐	提出SCL-MedStacker堆叠集成框架，以深度学习模型为基学习器、随机森林为元学习器，结合患者评论与人口统计学和临床特征提升推荐精度	未在真实临床环境中验证，且未讨论模型的可解释性	提升医学推荐系统的精准度和上下文相关性	患者生成的医疗评论数据及患者的人口统计学和临床属性	自然语言处理	不适用	不适用	Logistic Regression, Naïve Bayes, K-Nearest Neighbors, SVM, SNN, CNN, RNN_LSTM, Random Forest	文本	未明确说明样本数量，但使用了医疗评论数据集	NA	Simple Neural Network, CNN, RNN_LSTM, 随机森林	准确率	NA
234	2026-06-19	Automated estimation of drain output in postoperative patients using deep learning on clinical images 2026-Apr-24, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-49452-9 PMID:42031977	研究论文	提出一种基于深度学习的自动化系统，用于从临床图像中估计术后患者引流液输出量	首次提出结合目标检测和语义分割的方法，实现术后引流液量的无接触自动估算，并在真实医院条件下验证	未明确说明局限性	开发自动化系统，减少手动操作的工作量、生物危害暴露和记录错误，支持术后并发症的早期检测	术后患者的Jackson-Pratt引流管和引流袋的临床图像	计算机视觉	术后并发症	NA	深度学习（目标检测和语义分割）	图像	收集自真实医院条件下的多种引流液图像（包括血液、胃内容物、浆液）	NA	NA	交并比（IoU）、平均绝对误差（MAE）	NA
235	2026-06-19	Hybrid diagnostic framework for bone cancer detection using deep learning and radiomics analysis 2026-Apr-24, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-49681-y PMID:42031968	研究论文	提出了一种用于骨癌检测的混合诊断框架TriMedNet，利用多模态数据源进行分类	将影像数据（MRI扫描）、非结构化临床笔记文本和结构化患者指标（如血压、血糖水平）三种模态数据融合，通过CNN、BERT和全连接层分别提取特征，实现多模态协同诊断	NA	通过多模态数据融合提高骨癌诊断的准确性和临床决策支持能力	骨癌患者的多模态数据，包括MRI扫描、临床笔记文本和结构化患者指标	计算机视觉, 自然语言处理, 深度学习	骨癌	多模态数据融合	CNN, Transformer	图像, 文本, 数值	来自Roboflow公开数据集，包含活检和血液检测结果	NA	CNN, BERT, 全连接层	准确率, 精确率, 召回率	NA
236	2026-06-19	A large-scale fMRI dataset for vision-language semantic association 2026-Apr-18, Scientific data IF:5.8Q1 DOI:10.1038/s41597-026-07248-6 PMID:42000762	研究论文	提出一个大规模fMRI数据集，用于研究视觉和语言语义关联的神经基础	不同于以往局限于单一模态的数据集，该研究同时采集了4400对中文描述和自然场景的神经响应，提供了更生态有效的实验条件	NA	探索视觉和语言信息在大脑中的神经编码和语义关联机制	八名健康被试，在判断中文描述与图片语义是否一致时的fMRI脑活动数据	机器学习, 自然语言处理	NA	功能性磁共振成像（fMRI）	深度神经网络	图像, 文本	8名健康被试，4400对中文描述和自然场景刺激	NA	NA	NA	NA
237	2026-06-19	Patch-to-slide fusion deep learning model for histological diagnosis of early pregnancy loss including hydatidiform mole 2026-Apr-18, NPJ digital medicine IF:12.4Q1 DOI:10.1038/s41746-026-02628-z PMID:42000889	研究论文	开发了一种基于补丁到切片融合的深度学习模型，用于早期妊娠丢失的组织学诊断，包括水泡状胎块	提出了一种带有自适应掩码的补丁到切片融合AI模型，整合多重染色（H&E、p57、Ki-67）以预测组织学诊断，并显著提升病理学家诊断性能	NA	区分早期妊娠丢失的组织学亚型以改善临床诊断，降低成本并辅助遗传检测	早期妊娠丢失病例，包括完全性水泡状胎块、部分性水泡状胎块、水泡状流产及正常对照	数字病理学	早期妊娠丢失	H&E染色、免疫组化染色（p57、Ki-67）	深度学习模型	全切片图像	来自1287例患者的1380张H&E染色、1057张p57染色和646张Ki-67染色全切片图像	NA	补丁到切片融合架构	accuracy, AUROC	NA
238	2026-06-19	A unified multi-scale deep learning framework for molecular property prediction that bridges molecular structures and fingerprinting 2026-Apr-17, Communications chemistry IF:5.9Q1 DOI:10.1038/s42004-026-02010-w PMID:41998275	研究论文	提出一种统一的多尺度图指纹网络（UMSGFNet），融合原子级和子结构级信息与指纹描述符，提升分子性质预测性能	首次将原子级、子结构级信息与分子指纹描述符统一嵌入多尺度框架，通过记忆机制捕获长程依赖并自适应加权图与指纹特征	未提及具体计算资源需求或大规模虚拟筛选的延伸验证	开发兼顾局部分子结构与全局分子上下文的统一分子性质预测框架	分子结构（原子与子结构）及分子指纹	机器学习	NA	分子指纹	图神经网络	分子结构（图）与指纹向量	八个基准数据集	PyTorch	UMSGFNet	分类精度、连续性质预测误差	NA
239	2026-06-19	A deep learning-based digital biopsy for predicting early recurrence in gastric cancer 2026-Apr-15, Nature communications IF:14.7Q1 DOI:10.1038/s41467-026-71347-6 PMID:41986314	研究论文	提出基于深度学习的多模态预测模型RSA，整合组织病理学特征与临床变量，用于预测局部进展期胃癌术后早期复发	首次将深度学习提取的H&E切片组织病理学特征与临床变量整合，构建可解释的多模态预测模型，并通过多中心队列和前瞻性临床试验验证其泛化性能	模型依赖回顾性数据，仍需前瞻性研究进一步验证；生物机制探索基于转录组和免疫分析，但未深入揭示因果关联	开发能够准确预测局部进展期胃癌术后早期复发的临床可解释预测模型	局部进展期胃癌患者术后早期复发风险预测	数字病理学	胃癌	深度学习、转录组测序、免疫分析	多模态深度学习模型	组织病理学图像、临床变量数据、转录组测序数据	1763例回顾性多中心队列，内部验证集2个，外部验证集2个，前瞻性临床试验1个	PyTorch	RSA模型（多模态融合架构）	AUC	NA
240	2026-06-19	Medical image pretraining-based transfer learning for generalizable and robust diagnosis of bone tumors on radiographs: a multi-center study 2026-Apr-07, Insights into imaging IF:4.1Q1 DOI:10.1186/s13244-026-02271-y PMID:41944974	研究论文	开发并验证基于医学图像预训练的深度学习模型，用于X光片上骨肿瘤分类的泛化性和鲁棒性	利用医学领域特定预训练（RadImageNet）向X光片骨肿瘤分类任务迁移学习，相较于自然图像预训练和传统影像组学方法显著提升了模型性能和鲁棒性	回顾性多中心研究，未提及样本选择偏倚或模型在不同种族人群中的适用性，且AI辅助效果因放射科医师个体经验而异	构建一种泛化性强、鲁棒性高的深度学习模型，用于X光片上骨肿瘤分类并提升诊断准确性	2338名经组织病理学确诊的骨肿瘤患者，来自四个医疗中心	计算机视觉，数字病理学	骨肿瘤	NGS， RNA-seq	CNN	图像	2338名骨肿瘤患者（471例开发，1867例外部测试）	NA	ResNet50, InceptionV3, ElasticNet（影像组学模型）	AUC	NA