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
401	2026-06-05	Deep learning-based prediction of homologous recombination deficiency from histopathological whole-slide images in ovarian cancer 2026-Apr-18, International journal of gynecological cancer : official journal of the International Gynecological Cancer Society IF:4.1Q2 DOI:10.1016/j.ijgc.2026.104717 PMID:42235122	研究论文	开发基于深度学习的全自动流程，利用注意力多实例学习和预训练视觉Transformer从卵巢癌苏木精-伊红染色全切片图像预测同源重组缺陷状态	首次利用注意力多实例学习与视觉Transformer结合，直接从常规H&E染色全切片图像预测卵巢癌同源重组缺陷状态，并验证了跨数据集的强泛化能力	基于回顾性数据，样本量有限（训练集257例），外部验证队列中PAOLA-1试验的HRD状态定义可能引入偏倚	建立低成本、高通量的替代方案，从病理全切片图像预测卵巢癌同源重组缺陷状态，辅助分子检测分诊	卵巢癌患者的苏木精-伊红染色全切片图像及对应的同源重组缺陷状态	数字病理学	卵巢癌	全切片成像、苏木精-伊红染色	注意力多实例学习、视觉Transformer	病理全切片图像	训练集257例，外部验证集PAOLA-1/ENGOT-ov25 III期试验队列468例及TCGA数据库89例	PyTorch	注意力多实例学习、Vision Transformer	AUC、阴性预测值	NA
402	2026-06-05	Bridging causality and deep learning for harmful algal bloom prediction 2026-Apr-15, Water research IF:11.4Q1 DOI:10.1016/j.watres.2026.125492 PMID:41653893	研究论文	本文提出了一种增强的因果机器学习框架，将因果发现、治疗效果估计与深度学习相结合，用于预测有害藻华	创新性地融合因果发现算法DECI、双机器学习平均处理效应和单调因果约束，构建了因果知情神经网络（CINN），实现了高精度且可解释的藻华预测	未明确提及局限性，但可能包括对数据质量和特征选择的高度依赖、因果结构假设的敏感性，以及模型在极端事件或不同地理区域的泛化能力待验证	开发一种因果驱动且可解释的深度学习框架，用于准确预测有害藻华中的叶绿素-a浓度	波斯湾海域的有害藻华事件及相关的31个环境预测因子	机器学习	NA	MODIS、ERA5、HYCOM遥感与再分析数据	因果知情神经网络（CINN）及其单调扩展（MCINN）	时间序列环境数据（卫星影像、气象、海洋数据）	使用MODIS、ERA5和HYCOM的31个环境预测因子，具体样本数量未明确	PyTorch	DECI算法、双机器学习、CINN（因果知情神经网络）、MCINN（单调因果知情神经网络）	R²、均方根误差（RMSE）	NA
403	2026-06-05	Towards holistic phenotype prediction beyond genotypic data 2026-Apr-15, Journal of experimental botany IF:5.6Q1 DOI:10.1093/jxb/erag068 PMID:41656352	综述	探讨整合基因组学以外的多种数据类型以提高表型预测能力的方法	将数据整合策略系统分类为消除、促进、聚合、合并和调节五类，并全面分析各策略的优势与局限性	未具体评估各策略的实际预测性能差异，缺乏实验验证	探索多数据整合方法以实现更全面的表型预测	基因组选择中的表型预测模型与数据整合策略	机器学习	NA	基因组选择	CNN	基因组数据、环境数据、非基因组数据	NA	NA	卷积神经网络	预测准确性	NA
404	2026-06-05	An explainable and transferable deep learning framework for spatiotemporal urban flood prediction by integrating Vision Transformer and U-Net 2026-Apr-15, Water research IF:11.4Q1 DOI:10.1016/j.watres.2026.125504 PMID:41662782	研究论文	提出了一种结合Vision Transformer和U-Net的混合深度学习框架ViTUN，用于捕获城市洪水传播的时空特征	首次将Vision Transformer与U-Net结合，用于城市洪水时空预测，并具备可解释性和迁移能力	模型基于模拟数据训练，缺乏真实洪水事件验证；迁移未考虑不同城市气候差异	实现快速、可解释、可迁移的城市洪水实时预测，支持早期预警和应急响应	中国岳阳城市区域的洪涝淹没过程	机器学习	NA	NA	Vision Transformer, U-Net	洪水淹没数据（来自耦合水动力模拟）	NA	PyTorch	Vision Transformer, U-Net	Critical Success Index, 相关系数R, 平均绝对误差	NA
405	2026-06-05	DIPLI: deep image prior lucky imaging for blind astronomical image restoration 2026-Apr-15, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-47300-4 PMID:41974874	研究论文	提出一种针对高对比度天文目标的深度图像先验与幸运成像结合的无监督图像恢复方法	将单帧DIP扩展到多帧处理，采用反投影技术、基于TVNet的稠密光流估计以及SGLD的蒙特卡洛估计替代确定性预测	在像素级失真指标上仍逊于扩散模型，且存在感知-失真权衡的固有限制	实现无训练数据条件下天文图像的盲恢复与超分辨率	高对比度解析天文目标（如太阳系天体）的观测图像	计算机视觉	NA	NA	深度图像先验（DIP）、TVNet、SGLD	图像	合成数据集（含12个场景）及真实天文观测数据	PyTorch	TVNet	LPIPS、DISTS、PSNR、SSIM	NA
406	2026-06-05	Bayesian optimization for uncertainty-aware prediction of rainfall-induced deformation in embankment dams 2026-Apr-14, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-46994-w PMID:41974783	研究论文	提出一种混合物理信息贝叶斯深度学习框架，用于预测土坝降雨变形，实现不确定性感知的早期预警	集成耦合u-p比奥固结有限元建模与ANN-LSTM-MDN架构，通过贝叶斯优化实现物理一致性约束，并引入自适应成分依赖不确定性缩放和新颖的不确定性校准评分	NA	开发一种准确、物理一致且不确定性校准的土坝变形预测模型，用于可靠早期预警	土坝在施工期降雨下的变形行为，以Megech大坝为例	机器学习	NA	有限元建模，贝叶斯优化	ANN-LSTM-MDN	监测数据	Megech大坝施工期监测数据	OpenSeesPy	ANN, LSTM, 混合密度网络	负对数似然, 连续分级概率评分, 预测区间覆盖概率	NA
407	2026-06-05	Fast and accurate extraction of microwave filter coupling matrix via physics-informed deep learning 2026-Apr-13, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-46255-w PMID:41974785	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
408	2026-06-05	Lightweight liquid neural networks decipher salivary metabolic fingerprinting for high-risk periodontitis screening in diabetes 2026-Apr-07, NPJ digital medicine IF:12.4Q1 DOI:10.1038/s41746-026-02593-7 PMID:41942764	研究论文	利用轻量级液态神经网络解码唾液代谢指纹，实现糖尿病高危牙周炎的快速筛查	首次结合探针电喷雾电离质谱（PESI-MS）与轻量级液态神经网络（LNN）用于牙周炎合并2型糖尿病（高共患风险人群）的非侵入性快速筛查	研究为双中心初步验证，样本量较小（426人），需更大规模多中心研究验证泛化性能	开发一种快速、非侵入的方法，用于识别同时患有牙周炎和2型糖尿病的高风险个体	426名参与者（包括健康对照组、单纯牙周炎组、牙周炎合并2型糖尿病组）的唾液代谢指纹	机器学习	牙周炎、2型糖尿病	探针电喷雾电离质谱（PESI-MS）	液态神经网络（LNN）、BiLSTM、MHA-LSTM	质谱数据、人口统计学协变量（年龄、性别）	426份唾液样本（健康对照组114份，单纯牙周炎组209份，牙周炎合并2型糖尿病组103份），80%训练集，20%测试集	NA	LNN、BiLSTM、MHA-LSTM	准确率（91.9%）、召回率（100%）、AUC（0.73-0.78对照）	NA
409	2026-06-05	Smart medical system integrating clinical workflows for robust skin cancer detection across heterogeneous pathologies 2026-Apr-06, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-45132-w PMID:41942573	研究论文	提出一种融合临床工作流的智能医疗系统，用于在异质性病理中实现稳健的皮肤癌检测	提出了注意力引导自编码器与Transformer全局上下文建模模块的混合深度学习架构，并引入贝叶斯优化与灰狼优化及鲸鱼优化算法协同的超参数优化策略	未在真实临床工作流中验证系统的泛化能力及计算效率	开发高准确率、可泛化的自动化皮肤癌分类系统	皮肤病变图像	计算机视觉	皮肤癌	深度学习	混合深度学习模型（自编码器+Transformer）	图像	使用HAM10000、ISIC-2019和ISIC-2020三个基准皮肤镜数据集	NA	注意力引导自编码器，Transformer	准确率，F1分数，AUROC	NA
410	2026-06-05	Research on fast and accurate prediction of milk yield in dairy goats based on deep learning 2026-Apr, Journal of dairy science IF:3.7Q2 DOI:10.3168/jds.2025-27905 PMID:41651371	研究论文	基于改进的Mask R-CNN深度学习模型，通过乳房图像预测奶山羊产奶量，实现快速准确预测	改进Mask R-CNN模型，引入特征通道注意力和锚点细化模块，首次通过乳房轮廓特征预测产奶量，验证了基于图像的预测可行性	未提及	提出基于深度学习的奶山羊产奶量快速准确预测方法，辅助选种育种	奶山羊乳房图像	计算机视觉	NA	深度学习	Mask R-CNN	图像	NA	NA	Mask R-CNN	准确率, 召回率, 平均交并比, 平均绝对误差, 均方误差, 平均绝对百分比误差	NA
411	2026-06-05	Estimating proximity to muscular failure using surface EMG and deep learning 2026-Apr, Journal of electromyography and kinesiology : official journal of the International Society of Electrophysiological Kinesiology IF:2.0Q2 DOI:10.1016/j.jelekin.2026.103111 PMID:41653807	research paper	提出基于表面肌电信号和深度学习的实时肌肉力竭程度估计方法	首次定义连续性的力竭接近指数(PFI)并利用深度学习模型从sEMG频谱图实时预测力竭程度	仅针对静态二头肌弯举动作，对动态训练场景的适用性尚未验证	开发实时肌肉力竭程度估计方法以动态个性化抗阻训练	12名受试者进行静态二头肌弯举至力竭过程中的表面肌电信号	machine learning	NA	表面肌电信号(sEMG)记录	LSTM	频谱图	12名受试者的192次记录	NA	长短期记忆网络(LSTM), 多层感知器(MLP), Transformer, 循环神经网络(RNN)	均方误差(MSE)	NA
412	2026-06-05	Comparison of Artificial Intelligence Models for Automatic Segmentation of the Mandibular Canals and Branches 2026-Apr, International dental journal IF:3.2Q1 DOI:10.1016/j.identj.2026.109427 PMID:41653835	研究论文	比较三种深度学习模型（UNETR、Swin UNETR和3D UX-Net）在下颌管及其分支自动分割中的性能，并应用基于解剖特征的后处理模块进行优化	首次系统比较三种先进深度学习模型在小牙科结构——下颌管及其分支分割中的表现，并提出基于解剖特征的后处理策略显著提升分割精度	NA	提高下颌管及其分支的自动分割准确性，为临床牙科手术提供高效工具	下颌管及其分支（包括切牙管和颏管）	计算机视觉	牙科疾病	NA	深度学习模型（U-Net Transformer、Swin UNETR、3D UX-Net）	锥形束CT图像	173例锥形束CT扫描数据	NA	U-Net Transformer, Swin UNETR, 3D UX-Net	Dice相似系数, 交并比, 95%豪斯多夫距离, 平均对称表面距离, 精确率, 召回率	NA
413	2026-06-05	Dual Framework for Classification and Detection of Third Molar Impaction in Panoramic Radiographs 2026-Apr, International dental journal IF:3.2Q1 DOI:10.1016/j.identj.2026.109430 PMID:41655402	research paper	提出两种独立深度学习框架，用于全景X光片中第三磨牙阻生情况的分类和检测	融合多头自注意力的改进YOLOv10和YOLOv11n架构，以及基于深度特征结合传统机器学习算法的分类方法	未明确说明局限性	实现第三磨牙阻生的准确自动多类别评估，提升临床诊断性能与计算效率	第三磨牙阻生	computer vision	口腔颌面外科	全景X光片影像	CNN	image	5796张专家标注的全景X光片	PyTorch	YOLOv10, YOLOv11n, ResNet50, InceptionNetV3	accuracy, precision, recall, F1-score, mean average precision	NA
414	2026-06-05	A Multimodal Fusion Model of Radiomics and Deep Learning Integrating the Tumor Microenvironment Accurately Predicts Pathological Complete Response in Breast Cancer 2026-Apr, Academic radiology IF:3.8Q1 DOI:10.1016/j.acra.2026.01.016 PMID:41656135	研究论文	开发了一种整合影像组学、深度学习及肿瘤微环境特征的多模态融合模型，用于预测乳腺癌新辅助化疗后的病理学完全缓解	整合了瘤内影像组学、瘤周特征（9mm扩展）和深度学习特征，并首次系统结合肿瘤微环境信息进行预测	DL+Intra组合模型在统计学上未显著优于最终集成模型，且外部验证样本量有限（n=95）	提高乳腺癌新辅助化疗后病理学完全缓解的预测准确性，支持个性化治疗方案决策	乳腺癌患者治疗前的MRI影像数据及对应病理学完全缓解状态	机器学习	乳腺癌	MRI	逻辑回归	影像	内部验证集929例（I-SPY2试验），外部验证集95例	NA	NA	AUC, 敏感度	NA
415	2026-06-05	Multimodal AI System for Plastic Surgery Diagnosis and Decision-Making Using Deep Learning of Psychological Questionnaires and Three-Dimensional Facial Data 2026-Apr, Aesthetic plastic surgery IF:2.0Q2 DOI:10.1007/s00266-025-05600-6 PMID:41663766	研究论文	使用三维照片和心理问卷调查数据构建AI驱动的整形外科个性化推荐系统	首次融合3D面部影像与心理问卷调查数据，综合考虑患者焦虑水平、经济状况和心理期望，实现个性化整形手术建议	未提及系统在不同人群或更大规模数据上的泛化能力验证	开发基于人工智能的整形外科诊断与决策支持系统，提升治疗效果和患者满意度	18-55岁整形外科门诊患者的三维面部照片及心理问卷数据	机器学习	整形外科相关疾病	3D摄影、心理问卷分析	神经网络	图像、文本	5543例患者数据	NA	NA	准确率、满意度	NA
416	2026-06-05	Understanding complaint behavior in mobile banking: A psychological and AI-based analysis of emotional drivers 2026-Apr, Acta psychologica IF:2.1Q2 DOI:10.1016/j.actpsy.2026.106435 PMID:41666715	研究论文	本研究通过情感分析和人工智能技术分类移动银行应用中的用户问题，并探讨情感与问题报告行为之间的关系	首次将情绪智力与人工智能相结合，用于分类用户问题并评估情感线索与零售移动银行报告行为的关系，融合心理学的情绪智力理论与计算建模，深化了对数字金融环境中情感行为的理解	NA	调查情绪智力和人工智能技术如何分类零售移动银行应用中的用户报告问题，并检验情感与问题报告之间的关联	美国银行移动银行应用的用户评论	自然语言处理	NA	情感分析	K-means聚类、多层感知机、卷积神经网络、循环神经网络	文本	216,000多条用户评论	NA	多层感知机、卷积神经网络、循环神经网络	准确率（超过93%）	NA
417	2026-06-05	Manifold topological deep learning for biomedical data 2026-04-01, Nature communications IF:14.7Q1 DOI:10.1038/s41467-026-71392-1 PMID:41922355	研究论文	提出了一种用于生物医学数据的流形拓扑深度学习框架，将霍奇理论与卷积神经网络结合，以处理光滑流形数据如图像	首次将拓扑深度学习扩展至可微流形数据，通过霍奇理论分解向量场为三个正交分量，并集成到卷积神经网络中	NA	将拓扑深度学习应用于可微流形数据，提升生物医学图像处理性能	生物医学图像数据，包括2D和3D图像	深度学习	NA	NA	卷积神经网络	图像	717,287张生物医学图像，来自十一个2D数据集和六个3D数据集	NA	卷积神经网络	NA	NA
418	2026-06-04	Association between Open-Angle Glaucoma Progression and Cardiovascular Risk Predicted by a Deep Learning-Based Fundus Imaging Model 2026-Apr-22, Ophthalmology. Glaucoma DOI:10.1016/j.ogla.2026.04.004 PMID:42031235	研究论文	本文研究基于深度学习的眼底成像模型预测的心血管风险与开角型青光眼进展之间的关联	首次利用深度学习从眼底照片衍生的RetiCAC评分来评估系统性动脉粥样硬化负担与青光眼视野进展的关系	回顾性研究设计，样本量有限（192名患者），且未说明深度学习模型的外部验证	探讨RetiCAC评分（深度学习衍生的心血管风险指标）与青光眼视野进展的关联	192名开角型青光眼患者的眼底照片和视野数据	机器学学习	开角型青光眼	眼底成像	深度学习模型	图像	192只眼睛（来自192名患者）	NA	深度学习模型（未具体指定架构）	关联分析（P值）、生存分析（显著性）、散点图拟合	NA
419	2026-06-04	Full-DIA enables complete single-cell proteomics from diaPASEF using deep learning 2026-Apr-21, Genome biology IF:10.1Q1 DOI:10.1186/s13059-026-04087-x PMID:42015180	研究论文	Full-DIA是一个基于深度学习的软件，通过增强蛋白质组覆盖度、定量准确性和分析速度，实现了对单细胞diaPASEF数据的完整蛋白质组分析，并生成无缺失值的蛋白质矩阵	首次利用深度学习驱动实现四维diaPASEF分析，生成无缺失值的蛋白质矩阵，显著提高蛋白质组覆盖度、定量准确性和分析速度，并有效控制全局FDR	未明确说明局限性，但可能依赖特定数据格式或计算资源	开发一种深度学习驱动的方法，用于提升单细胞diaPASEF蛋白质组分析的完整性和准确性	单细胞水平的蛋白质组数据，包括LPS处理和细胞周期数据集	深度学习, 蛋白质组学	NA	diaPASEF, 四维离子淌度分离	深度学习模型	蛋白质组学数据	LPS处理和细胞周期数据集（具体数量未提及）	NA	NA	蛋白质组覆盖度, 定量准确性, 分析速度, 全局FDR	NA
420	2026-06-04	A two-stage deep learning model for risk identification in green supply chain finance 2026-Apr-11, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-46830-1 PMID:41965401	研究论文	构建了一个两阶段深度学习模型，用于绿色供应链金融中的风险识别	创新性地将生成对抗网络与残差自编码器结合用于数据增强，并将深度神经网络与多核支持向量机融合以提升复杂非线性风险模式的分类能力	NA	实现绿色供应链金融中风险的智能化和精确识别	2015-2024年间168家企业的绿色供应链金融风险样本	机器学习	NA	NA	生成对抗网络、残差自编码器、深度神经网络、多核支持向量机	表格数据	168家企业样本，时间跨度2015-2024年	NA	GAN-SAE, DNN-SVM	准确率、召回率、AUC	NA