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	2026-06-04	Intraoperative video-based artificial intelligence model exceeding surgeon accuracy for predicting severe fibrosis in minimally invasive liver surgery 2026-Apr-09, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-47518-2 PMID:41957239	研究论文	开发并评估基于术中视频的深度学习模型，用于预测肝细胞癌患者严重纤维化（F3-F4），模型表现超越外科医生的视觉评估和传统非侵入性评分	首次利用术中视频数据进行深度学习分析以预测严重肝纤维化，并与外科医生视觉评估及传统指标（APRI、FIB-4）进行系统比较，模型表现出更优的诊断性能	单中心回顾性研究，样本量有限（103例），需前瞻性多中心验证以确认泛化性和临床影响	开发基于术中视频的深度学习模型，实现严重肝纤维化的即时准确诊断，为微创肝切除手术规划提供客观参考	接受微创肝切除手术的肝细胞癌患者的术中视频画面	计算机视觉	肝癌	深度学习	DenseNet	视频	103名患者（2019年12月至2022年3月）	PyTorch	DenseNet-121	AUROC, 敏感性, 特异性, F1分数	NA
22	2026-06-04	High-precision automated grading of flue-cured tobacco leaves based on hierarchical feature fusion 2026-Apr-09, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-45252-3 PMID:41957429	研究论文	提出一种基于层级特征融合的深度学习框架，用于高精度自动化烤烟烟叶分级	创新性地集成多个预训练骨干网络与层级特征融合模块，并引入可学习注意力权重自适应组合低、中、高层特征，提升多尺度互补特征捕获能力	未提及模型训练数据集的规模和多样性，也未讨论在真实生产环境中的部署可行性	解决传统人工分级主观性强、效率低以及现有深度学习方法难以捕获多尺度特征的问题，实现高精度自动化烟叶分级	烤烟烟叶	计算机视觉	不适用	深度学习	卷积神经网络	图像	未提及	PyTorch	多个预训练骨干网络、卷积块注意力模块、层级特征融合模块	准确率	未提及
23	2026-06-04	Study on mmage defect recognition and classification of power transmission equipment based on lightweight model residual Mamba 2026-Apr-09, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-45856-9 PMID:41957442	研究论文	提出一种轻量级分割网络ResMamba，用于电力传输设备图像缺陷识别与分类，解决小样本条件下的检测难题	在视觉状态空间模块中移除冗余线性层缩减38%参数，并引入深度卷积块和可学习缩放参数动态调整残差连接，同时通过多级多尺度信息融合机制增强缺陷检测能力	未在更多样化的真实工业场景或不同成像条件下验证模型泛化性	提升电力传输设备小样本缺陷检测性能，增强电网自愈能力	电力传输设备图像中的缺陷样本	计算机视觉	不适用	轻量级分割网络	ResMamba（基于Mamba架构）	图像	公共数据集（含特定小样本设置）	PyTorch	六层U形编解码器, ResVSS模块	分割准确率	NA
24	2026-06-04	Climate-aware hybrid Kolmogorov-Arnold networks for interpretable solar radiation forecasting 2026-Apr-07, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-45578-y PMID:41946784	研究论文	提出一种气候感知的混合Kolmogorov-Arnold网络框架，用于可解释的太阳辐射预测	首次将极值理论驱动的开关机制与可解释的样条基Kolmogorov-Arnold网络结合，实现气候特异性太阳辐射预测，并保持物理一致性与透明度	NA	提高短期太阳辐射预测的准确性、可解释性和鲁棒性，以适应不同气候区域的光伏系统集成需求	沙特阿拉伯五个气候不同区域（沙漠、沿海、山地、过渡环境）的小时尺度气象和辐射数据	机器学习	NA	NA	Kolmogorov-Arnold网络、前馈神经网络	气象时间序列数据、辐射量数据	五个气候区域的每小时数据	NA	KAN, CNN-BiLSTM	预测精度、物理一致性（非负性、辐射边界）	NA
25	2026-06-04	MRI-based multilevel radiomics and transformer features for predicting radiation-induced carotid artery injury after nasopharyngeal carcinoma radiotherapy: A multicenter study 2026-Apr, Radiotherapy and oncology : journal of the European Society for Therapeutic Radiology and Oncology IF:4.9Q1 DOI:10.1016/j.radonc.2026.111390 PMID:41587618	研究论文	基于MRI的多级影像组学和Transformer特征预测鼻咽癌放疗后放射性颈动脉损伤	创新性地将传统影像组学、亚区域影像组学和Swin Transformer深度学习特征融合，构建多级融合模型预测放疗后损伤	主要依赖于回顾性数据，且仅使用MRI单一模态，可能限制了模型的泛化能力	开发并验证基于MRI的融合模型预测鼻咽癌放疗后放射性颈动脉损伤	鼻咽癌患者的颈动脉MRI影像	医学影像分析	鼻咽癌, 放射性颈动脉损伤	MRI	Swin Transformer	MRI图像	500名患者（训练集274例，内部测试集118例，外部测试集108例）	PyTorch	Swin Transformer	AUC, ACC, SEN, SPE, Brier score, NRI, IDI	NA
26	2026-06-04	Role of a Deep-Learning Based Convolutional Neural Network Model for Real-Time Ventricular Tachycardia Alarm Classification 2026-Apr, Journal of cardiovascular electrophysiology IF:2.3Q2 DOI:10.1111/jce.70271 PMID:41588600	研究论文	开发基于深度学习的一维卷积神经网络模型，用于实时室性心动过速警报分类	首次使用包括两个心电图导联、光电容积描记法和动脉血压信号在内的多种原始波形输入，通过一维卷积神经网络对室性心动过速警报进行实时分类	暂未提及	提高重症监护室室性心动过速警报的准确率，减少假阳性警报，缓解警报疲劳问题	室性心动过速警报的原始波形数据	机器学习	心血管疾病	NA	CNN	波形数据	使用VTaC心律失常基准数据集，含多个10秒波形片段，具体样本数量未说明	NA	一维卷积神经网络 (1D-CNN)	AUC, 准确率 (accuracy), F1-score, 灵敏度 (sensitivity), 特异度 (specificity), 阳性预测值 (positive predictive value)	NA
27	2026-06-04	Integrating artificial intelligence (AI) into colorectal cancer reporting 2026-Apr, The Journal of pathology IF:5.6Q1 DOI:10.1002/path.70029 PMID:41588707	综述	综述人工智能在结直肠癌报告标准化和新型预后标志物识别中的应用	提出结合已建立的病理特征与AI衍生预后指标的统一方法以改善风险分层	未明确讨论AI工具在实际临床部署中的验证和泛化挑战	探讨AI和深度学习在结直肠癌病理报告标准化及新型预后标志物发现中的进展和整合	结直肠癌患者病理报告中的关键特征（如TNM分期、肿瘤沉积）以及新型生物标志物（如肿瘤-脂肪细胞相互作用、肿瘤-基质比、免疫细胞模式）	数字病理学	结直肠癌	深度学习、多模态与视觉-语言模型	NA	全切片图像	NA	NA	NA	NA	NA
28	2026-06-04	Hierarchical image pyramid transformer framework for automated breast cancer molecular subtyping using tissue microarrays 2026-Apr, The Journal of pathology IF:5.6Q1 DOI:10.1002/path.70028 PMID:41588712	研究论文	开发并验证了一种基于层级图像金字塔变换器的深度学习框架，用于从H&E染色的组织微阵列图像中进行乳腺癌分子亚型自动分类	提出了一种基于变换器的层级架构，能够在细胞到组织尺度上分层聚合组织病理学特征，从而实现对高分辨率图像中多尺度形态特征和长程依赖关系的捕获	在全切片图像跨模态验证中性能下降，且在组织微阵列上表现稳健，但在全切片图像上的泛化能力有限	实现乳腺癌分子亚型自动分类，以指导个性化治疗	乳腺癌患者组织样本	数字病理学	乳腺癌	H&E染色	变换器	组织微阵列图像和全切片图像	252例组织微阵列病例和46例独立全切片图像	PyTorch	层级图像金字塔变换器	准确率, AUC	NA
29	2026-06-04	Accurate enzyme specificity constant prediction with iESC 2026-Apr, Bioresource technology IF:9.7Q1 DOI:10.1016/j.biortech.2026.134067 PMID:41592658	研究论文	提出iESC深度学习模型，基于酶序列和底物结构准确预测酶特异性常数	首次仅利用酶序列和底物结构信息，通过集成多种先进特征提取和深度学习技术，实现酶特异性常数的高精度预测	NA	开发准确预测酶特异性常数的深度学习模型	酶-底物对的Michaelis常数(K)和转换数(k)	机器学习	NA	深度学习	深度学习	序列和结构数据	41,907个酶-底物动力学参数	NA	NA	决定系数(R)、均方根误差(RMSE)、平均绝对误差(MAE)	NA
30	2026-06-04	A Wireless, Battery-Free Artificial Throat Patch with Deep Learning for Emotional Speech Recognition 2026-Apr, Advanced science (Weinheim, Baden-Wurttemberg, Germany) DOI:10.1002/advs.202516617 PMID:41603116	研究论文	一种结合深度学习的无线无电池人工喉贴片用于情感语音识别	首次实现无线无电池人工喉贴片与深度学习混合架构结合，同时进行语音和情感识别	研究未提及实际临床部署中的长期稳定性和大规模验证问题	开发一种可同时识别语音和情感的无线无电池人工喉贴片系统	无声患者的喉部信号	机器学习	语音障碍	近场通信、碳纳米管薄膜应变传感器	混合深度学习架构	传感器读出的喉部信号	未具体说明	NA	混合深度学习架构	情感识别准确率	NA
31	2026-03-10	Automated Classification of Store-Operated Calcium Entry Activity and Disease Conditions in Murine Skeletal Muscle Images Using Machine Learning 2026-Apr, Muscle & nerve IF:2.8Q2 DOI:10.1002/mus.70157 PMID:41603483	研究论文	本研究比较了三种机器学习模型在基于小鼠骨骼肌图像中钙库操纵性钙内流（SOCE）活性进行分类的能力，以评估肌肉活动或疾病状态	首次将机器学习模型应用于小鼠骨骼肌图像的SOCE活性自动分类，为肌肉病理的临床分类提供了可扩展的自动化解决方案	研究样本量有限，未来需要更大数据集和更复杂模型（如基于Transformer的模型）来提升在复杂肌肉条件下的性能	开发并比较机器学习模型，以实现从小鼠骨骼肌图像中自动分类SOCE活性和疾病状态，以辅助肌肉营养不良症的诊断和治疗	小鼠骨骼肌纤维的免疫荧光图像，来自钙蛋白酶-3缺失小鼠和野生型小鼠，包括静息和运动后状态	计算机视觉	肌肉营养不良症	免疫荧光成像	CNN, SVM	图像	来自钙蛋白酶-3缺失小鼠和野生型小鼠的骨骼肌纤维图像，具体数量未在摘要中明确说明	NA	CNN, EfficientNet, SVM	准确率, F1分数, 精确率, 受试者工作特征曲线下面积	NA
32	2026-06-04	IKDP: Implicit Knowledge Enhanced Disease Prediction via heterogeneous admission sequence graphs 2026-Apr, Artificial intelligence in medicine IF:6.1Q1 DOI:10.1016/j.artmed.2026.103365 PMID:41604873	研究论文	提出一种通过异构入院序列图增强隐式知识的疾病预测模型	利用患者入院数据中的隐式知识（如患者间相似性和潜在疾病关联）构建异构序列图，并结合辅助预训练与端到端优化	受外部知识图谱覆盖不完全限制，且忽略单次入院患者信息	提升电子健康记录中疾病关系和入院轨迹的表示准确性与预测能力	电子健康记录中的患者入院数据和疾病关联	机器学习	通用疾病	NA	序列图模型	文本（电子健康记录）	NA	PyTorch	图神经网络	AUC、F1分数	NA
33	2026-06-04	Deep learning in fetal, infant, and toddler neuroimaging research 2026-Apr, Developmental cognitive neuroscience IF:4.6Q1 DOI:10.1016/j.dcn.2026.101680 PMID:41604954	review	综述深度学习在胎儿、婴儿和幼儿神经影像研究中的应用	为无AI背景的临床医生和发育科学家提供易于理解的深度学习概念概述，并系统回顾其在FIT神经影像中的多样化应用，包括结构分析、数据采集增强、认知过程建模和自动视频标注	选取的应用列表非穷尽式，且未深入探讨所有算法细节，数据策展和未来挑战仅简要讨论	使FIT研究社区（包括临床医生、神经科学家和发育科学家）了解深度学习在神经影像分析中的应用和最佳实践	胎儿、婴儿和幼儿的神经影像数据	machine learning	NA	NA	CNN, LSTM, GAN	image, video	NA	NA	CNN, LSTM, GAN	NA	NA
34	2026-06-04	Multi-Task Deep Learning for Sex and Age Estimation from Panoramic Radiographs in a Brazilian Young Population 2026-Apr, International dental journal IF:3.2Q1 DOI:10.1016/j.identj.2025.109381 PMID:41604952	研究论文	提出并评估基于多任务深度学习的ForensicNet框架，利用巴西5-15岁人群的全景放射影像同时估计年龄和性别	构建基于EfficientNet-B3的多任务学习架构，集成卷积块注意力模块(CBAM)和任务特定分支，首次针对巴西青少年人群实现年龄与性别的同步高精度估计	NA	开发用于法医和临床场景的年龄与性别自动估计方法	巴西5-15岁年轻人群的全景放射影像	计算机视觉	NA	全景放射摄影	多任务深度学习模型	图像	2200张高分辨率全景放射影像，按年龄和性别平衡划分	PyTorch	EfficientNet-B3, CBAM	平均绝对误差, 决定系数, 准确率, AUC	NA
35	2026-06-04	Early diagnosis of Alzheimer's disease from functional rs-fMRI images based on deep learning networks and transfer learning approach 2026-Apr, Psychiatry research. Neuroimaging DOI:10.1016/j.pscychresns.2026.112151 PMID:41604985	研究论文	基于深度学习网络和迁移学习方法，利用功能rs-fMRI图像早期诊断阿尔茨海默病	提出了两种新型深度网络OVGG-16和OVGG-19，融合迁移学习和密集层概念，优化了传统VGG网络以提升诊断性能	传统深度网络如VGG存在处理时间长和数据分布导致的性能问题	通过改进深度学习分类器，提高阿尔茨海默病早期诊断的准确性和效率	阿尔茨海默病	计算机视觉	阿尔茨海默病	rs-fMRI	CNN	图像	未提及	NA	OVGG-16, OVGG-19	准确率	NA
36	2026-06-04	Artificial intelligence and multi-omics convergence in breast cancer: Revolutionizing diagnosis, prognostication, and precision oncology 2026-Apr, Critical reviews in oncology/hematology DOI:10.1016/j.critrevonc.2026.105160 PMID:41616992	综述	系统总结人工智能与多组学整合在乳腺癌诊断、预后及精准肿瘤学中的研究进展，并分析临床转化面临的挑战与未来方向	系统性归纳多组学（基因组、转录组、表观组、蛋白质组、代谢组）与人工智能（尤其深度学习）在乳腺癌中的多模态融合框架，提出缺失感知融合、可解释性建模等前沿方向	多组学数据高维异质性、跨中心变异、模态缺失、缺乏前瞻性验证及可解释性不足等阻碍临床转化	梳理多组学与人工智能整合在乳腺癌诊疗中的应用现状，提出推动临床部署的路线图	乳腺癌多组学数据（基因组、转录组、表观组、蛋白质组、代谢组）与成像、病理、临床变量的多模态整合	机器学习, 数字病理学, 计算机视觉	乳腺癌	NA	深度学习	组学数据, 图像, 文本	NA	NA	NA	NA	NA
37	2026-06-04	Passive data do not improve prediction or detection of alcohol consumption beyond temporal patterns in major depression: A 90-day cross-validated study 2026-Apr, Addictive behaviors IF:3.7Q1 DOI:10.1016/j.addbeh.2026.108624 PMID:41610630	研究论文	研究利用被动传感数据（加速度计、心率、呼吸率、屏幕使用和GPS数据）预测重度抑郁症患者的酒精使用行为，并与仅使用时间模式（星期几）的基线模型比较	首次在90天纵向研究中，通过深度学习模型评估被动数据在重度抑郁症患者酒精使用检测和预测中的增量价值，发现时间模式本身已能解释大部分预测信号	模型性能仅达到中等水平，且被动数据未展现出优于简单时间基线（如星期几）的预测能力，提示被动数据的附加价值有限	探究基于被动传感数据的深度学习模型能否有效检测和预测重度抑郁症患者的酒精使用行为	300名临床诊断为重度抑郁症的参与者	机器学习	重度抑郁症	NA	深度学习	加速度计、心率、呼吸率、屏幕使用、GPS数据（被动传感数据）	300名参与者的90天纵向数据	NA	NA	AUC	NA
38	2026-06-04	Axial length prediction Model based on screening fundus photography data in school-age children 2026-Apr, Experimental eye research IF:3.0Q1 DOI:10.1016/j.exer.2026.110893 PMID:41611113	研究论文	本研究利用学龄儿童的彩色眼底照片开发深度学习模型来预测眼轴长度，并评估整合年龄、球镜度和性别的影响	首次基于近乎正常的彩色眼底照片通过深度学习预测6-10岁儿童的眼轴长度，并发现性别变量会降低模型效能	样本仅限于中国学龄儿童，眼底照片异常程度轻微，可能限制模型推广性	开发并评估深度学习模型用于预测儿童眼轴长度的准确性	6-10岁学龄儿童的彩色眼底照片及相关临床参数	计算机视觉	近视	彩色眼底摄影	卷积神经网络 (CNN)	图像	3840名儿童的5460张初始图像，最终使用2779名儿童的3840张图像	PyTorch	ResNet101	皮尔逊相关系数 (R)	NA
39	2026-06-04	Mass spectrometry-based de novo sequencing reveals non-canonical neoantigens with antitumor efficacy in hepatocellular carcinoma 2026-Apr, JHEP reports : innovation in hepatology IF:9.5Q1 DOI:10.1016/j.jhepr.2026.101775 PMID:41861674	研究论文	基于质谱的从头测序揭示肝细胞癌中具有抗肿瘤功效的非经典新抗原	结合质谱从头测序与深度学习预测，首次系统识别并验证肝细胞癌中非经典新抗原的免疫原性和抗肿瘤疗效	研究基于临床前小鼠模型，结果需要人类环境验证，因HLA呈递和肿瘤微环境可能存在差异	识别肝细胞癌中非经典新抗原并验证其免疫原性和抗肿瘤疗效	肝细胞癌中的非经典新抗原	机器学习, 质谱分析	肝细胞癌	质谱从头测序, MHC-I免疫沉淀, 并行反应监测	深度学习预测模型	免疫肽组学数据	C57BL/6小鼠皮下肝细胞癌模型	NA	深度学习模型	ELISpot验证, 并行反应监测	NA
40	2026-06-04	Implementation of deep learning for measurement of penile curvature on real 2D intraoperative images 2026-Apr, Journal of pediatric urology IF:2.0Q2 DOI:10.1016/j.jpurol.2025.105703 PMID:41610464	研究论文	利用深度学习从真实的2D术中图像中自动测量阴茎弯曲度	首次应用深度学习从术中2D图像自动测量阴茎弯曲度，实现了与人类专家相当甚至更优的准确性和一致性，提高了临床决策的可靠性	未提供明确的局限性信息	开发可靠且自动化的深度学习解决方案，从实时术中2D图像精确评估阴茎弯曲度，以改善患者评估和临床决策	阴茎弯曲度（PC）及其相关图像，共421张术中2D图像	计算机视觉	尿道下裂相关阴茎弯曲	NA	YOLOv8, HRNet	图像	421张术中2D图像	PyTorch	YOLOv8, HRNet	平均精确率（mAP）、交并比（IoU）、戴斯相似系数（Dice）、平均绝对误差（MAE）	NA