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
161	2026-06-29	QuantumNeuroXAI: a quantum-inspired deep learning framework with explainability for brain signal analysis and neurological disorder detection 2026-Apr-10, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-47627-y PMID:41963527	研究论文	提出一种量子启发的深度学习框架，用于脑电图信号分析及神经疾病检测，并内置可解释性模块	将量子神经网络启发的结构化特征编码与深度时序卷积及注意力循环建模混合，并整合多级可解释性模块，在经典硬件上实现无需量子硬件的可解释AI	当前仅针对EEG信号验证，尚未扩展到多模态脑信号；对数据集偏移的鲁棒性分析虽有，但跨数据集泛化性仍需更广泛验证	开发一种兼具高准确率与临床可解释性的EEG神经疾病诊断模型	来自TUH EEG、CHB-MIT和BCI Competition IV-2a三个公开数据集的脑电图信号	机器学习	神经疾病	EEG	混合模型（时序卷积+注意力循环网络）	脑电图信号	三个公开数据集（TUH EEG、CHB-MIT、BCI Competition IV-2a）	PyTorch	时序卷积网络、注意力机制、量子神经网络启发编码模块	macro-F1	经典计算资源（具体GPU未说明，但强调无需量子硬件）
162	2026-06-29	Prediction of chemoresistance in ovarian cancer based on deep learning with pathological images 2026-Apr-10, Functional & integrative genomics IF:3.9Q1 DOI:10.1007/s10142-026-01857-5 PMID:41961331	研究论文	基于病理图像和深度学习预测高级别浆液性卵巢癌的化疗耐药性	构建了一个完整的深度学习流程，从全切片图像中分类肿瘤与正常组织并预测化疗反应，结合多种机器学习模型进行特征选择，发现耐药评分与肿瘤微环境及淋巴细胞浸润的关联性	未明确说明，但可能包括样本量有限、外部验证不足以及模型在预测化疗反应上的AUC仅为0.662，性能有提升空间	探索基于病理图像的深度学习在预测卵巢癌化疗耐药性中的应用，并为预后和个体化治疗提供潜在生物标志物	高级别浆液性卵巢癌患者的全切片病理图像和临床数据	数字病理学	卵巢癌	H&E染色病理切片成像	卷积神经网络，Lasso，AdaBoost，朴素贝叶斯，XGBoost，随机森林	图像（病理全切片）及临床数据	来自癌症基因组图谱和机构数据库的数据集（具体数量未明示）	NA	CNN	AUC	NA
163	2026-06-29	DecoderDTA: enhancing drug-target binding affinity prediction via decoding fidelity in multi-task learning 2026-Apr-10, Journal of computer-aided molecular design IF:3.0Q2 DOI:10.1007/s10822-026-00807-4 PMID:41963700	研究论文	提出DecoderDTA多任务框架，通过辅助序列重建任务增强药物-靶标结合亲和力预测	首次将解码保真度作为辅助任务引入DTA预测，通过重建SMILES字符串和氨基酸序列保留更丰富的结构和语义信息，且推理时不增加计算开销	联合优化两种重建任务并不总是优于单一解码器，揭示多任务框架中目标间复杂的相互作用，需进一步研究自适应任务权重等架构优化	提升药物-靶标结合亲和力预测的准确性	药物分子（以SMILES表示）和靶标蛋白质（以氨基酸序列表示）	机器学习	NA	NA	CNN、图神经网络	序列数据（SMILES字符串和氨基酸序列）	NA	PyTorch	DeepDTA（CNN）、GraphDTA（GNN）	均方误差（MSE）、一致性指数（CI）、[公式：r²m]	NA
164	2026-06-29	Detection of pediatric cataracts through non-invasive facial photography using deep convolutional neural networks for early diagnosis 2026-Apr-10, BMC ophthalmology IF:1.7Q3 DOI:10.1186/s12886-026-04795-9 PMID:41963865	研究论文	基于深度卷积神经网络通过非侵入性面部照片检测婴幼儿白内障，用于早期诊断	首次利用非侵入性面部照片和深度学习模型检测婴幼儿白内障，无需专业设备或散瞳，在视觉发育关键期实现早期筛查	数据集相对较小，且为单中心研究，可能影响模型泛化性	开发基于深度学习的方法，利用婴幼儿非侵入性面部照片检测白内障，以促进关键视觉发育期的早期诊断	婴幼儿白内障患者和健康对照者的面部照片	计算机视觉	儿童白内障	数码单反相机闪光照明拍照	卷积神经网络	图像	32例白内障患者（47只眼）和93例健康对照（186只眼），共727张裁剪图像（149张白内障和578张对照）	NA	Inception V3	灵敏度、特异度、准确率、AUC、F1分数	NA
165	2026-06-29	AI-driven integration of Framingham Heart Study data with machine learning, deep learning, and explainable AI for enhanced pharmaceutical marketing 2026-Apr-09, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-45770-0 PMID:41957161	研究论文	提出一个整合弗拉明汉心脏研究数据与机器学习、深度学习和可解释人工智能的框架，用于增强药物营销	将弗拉明汉心脏研究这一心血管研究的金标准纵向数据集与机器学习、深度学习和可解释人工智能技术相结合，以预测基于心血管风险因素的死亡或生存概率，并提升药物营销的精准度，同时使用SHAP和LIME等可解释人工智能方法使模型输出可解释	集成基础学习器（如XGBoost、随机森林和逻辑回归）在识别高风险病例方面存在准确率和召回率较低的限制	预测心血管风险因素相关的死亡或生存概率，并增强药物营销的精准度	弗拉明汉心脏研究数据集中的结构化数据，包括年龄、胆固醇水平、血压、吸烟状况和糖尿病发病率等风险因素	机器学习	心血管疾病	NA	支持向量机、随机森林、XGBoost、逻辑回归、前馈神经网络、多层感知机	结构化表格数据	弗拉明汉心脏研究队列样本	NA	支持向量机、随机森林、XGBoost、逻辑回归、前馈神经网络、多层感知机	准确率、精确率、召回率、F1分数、ROC AUC	NA
166	2026-06-29	Predicting mild familial exudative vitreoretinopathy with autosomal dominant inheritance using deep learning 2026-Apr-09, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-48051-y PMID:41957171	研究论文	利用深度学习预测常染色体显性遗传的轻度家族性渗出性玻璃体视网膜病变	首次应用深度学习从彩色眼底图像中识别与AD-N/BC基因突变携带者相关的眼底特征，并在缺乏遗传变异确认的个体中实现表型精确分类	测试集灵敏度仅31.6%，可能受限于样本量小或轻度病例的特征模糊性；仅依赖外周荧光素血管造影定义金标准，未纳入其他基因型	探索深度学习能否从彩色眼底图像中识别AD-N/BC基因突变携带者及具有相似眼底特征的个体	来自101个家庭共305只眼的305张彩色眼底图像	计算机视觉、数字病理学	家族性渗出性玻璃体视网膜病变	NA	深度学习模型	图像（超广角彩色眼底图像）	305张图像（来自101个家庭，305只眼）	NA	NA	灵敏度、特异度、AUC	NA
167	2026-06-29	Deep learning-based detection of the second mesiobuccal canal in maxillary first molars using cone-beam computed tomography 2026-Apr-09, BMC oral health IF:2.6Q1 DOI:10.1186/s12903-026-08207-8 PMID:41957600	研究论文	开发并验证一种基于深度学习的模型，用于在锥束CT图像上自动检测上颌第一磨牙的第二近颊根管，并评估其对初级牙医诊断性能的影响	首次提出结合改进VGG16网络定位和ConvNeXt-Transformer架构分类的两阶段深度学习框架用于检测MB2根管，并系统评估其对初级牙医诊断准确性和一致性的提升	为单中心研究，样本量和多样性有限，需要进一步多中心验证以确立泛化性和临床适用性	开发并验证用于自动检测MB2根管的深度学习模型	上颌第一磨牙的CBCT扫描图像	计算机视觉	牙科疾病	锥束CT	深度学习模型（CNN和Transformer混合架构）	图像	1022名患者的CBCT扫描，训练集1944个ROI，测试集100个ROI（50个MB2阳性，50个MB2阴性）	NA	改进VGG16, ConvNeXt-Transformer	敏感性, 特异性, 阳性预测值, 阴性预测值, F1分数, AUC	NA
168	2026-06-29	Machine-learning methods for epilepsy diagnosis and therapeutic prevention: advances, setbacks, and opportunities 2026-Apr-09, Neurological sciences : official journal of the Italian Neurological Society and of the Italian Society of Clinical Neurophysiology IF:2.7Q3 DOI:10.1007/s10072-026-08996-4 PMID:41951834	综述	综述机器学习在癫痫诊断与治疗预防中的进展、挑战及未来机遇	全面总结了机器学习（尤其是CNN、RNN、SVM和集成方法）在EEG信号分析、神经影像定位、生物标志物识别、药物选择及可穿戴设备实时监测等方面的应用，并指出了数据异质性、模型可解释性和临床验证等关键挑战	数据异质性、模型可解释性不足以及临床验证缺乏	探讨机器学习如何提升癫痫诊断准确性、个性化治疗及癫痫发作预测，并推动临床转化	癫痫患者及其EEG信号、神经影像、生物标志物、可穿戴传感器数据	机器学习	癫痫	EEG信号分析、神经影像分析、生物标志物识别	CNN, RNN, SVM, 集成方法	EEG信号、神经影像、生物标志物数据、可穿戴传感器数据	NA	NA	CNN, RNN, SVM, 集成方法	NA	NA
169	2026-06-29	Explainable hybrid machine learning model for predicting stunting and identifying key risk factors among Ethiopian children under five 2026-Apr-09, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-46417-w PMID:41957445	研究论文	开发了一种可解释的混合机器学习模型，用于预测埃塞俄比亚五岁以下儿童发育迟缓并识别关键风险因素	结合Extra Tree和Multilayer Perceptron两种顶级算法构建混合模型，利用后验可解释性方法（如LIME）揭示AI决策过程，超越传统黑箱模型	预测风险因素基于横截面数据的统计关联，不能解读为确定的因果驱动因素	开发高级可解释混合模型预测儿童发育迟缓，识别关键风险因素，为公共卫生政策设计建立信任	埃塞俄比亚五岁以下儿童的发育迟缓状态	机器学习	儿童发育迟缓	NA	混合模型（Extra Tree + Multilayer Perceptron）	结构化表格数据	11,121个实例，17个特征	NA	Extra Tree, Multilayer Perceptron	准确率	NA
170	2026-06-29	Attention-based deep learning for analysis of pathology images and gene expression data in lung squamous premalignant lesions 2026-Apr-08, Genome medicine IF:10.4Q1 DOI:10.1186/s13073-026-01636-8 PMID:41952176	研究论文	提出基于Transformer的多模态框架，结合病理图像与基因表达数据，分析肺鳞状癌前病变	首次采用Transformer架构灵活融合全切片图像与基因表达数据，实现单模态或多模态训练与测试，提升模型在癌前病变风险分层中的灵活性和可扩展性	训练数据依赖已发表研究，可能引入批次效应；仅采用二分类标签，未充分利用组织学等级信息	开发多模态深度学习模型以区分支气管异型增生或更严重病变与正常/增生/化生病变	支气管癌前病变患者的气管镜活检全切片图像和基因表达数据	数字病理学, 自然语言处理	肺癌	RNA-seq, 全切片图像分析	Transformer	图像, 基因表达数据	来自4项已发表研究的支气管活检与刷检样本，具体数量未在摘要中明确	PyTorch	Transformer	AUROC	NA
171	2026-06-29	Deep learning-based differential diagnosis of major depression and bipolar disorder using microglia-cellular sensors and patient-derived small extracellular vesicles 2026-Apr-07, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-47476-9 PMID:41946777	研究论文	提出一种基于深度学习和微胶质细胞生物传感器的诊断方法，利用患者来源的小细胞外囊泡诱导的细胞图像特征，区分重度抑郁症和双相情感障碍	首次将微胶质细胞生物传感器与深度学习结合，通过患者血浆小细胞外囊泡诱导的细胞形态变化实现抑郁症和双相情感障碍的鉴别诊断	样本量较小（仅45名受试者），需进一步在更大队列中验证	开发基于微胶质细胞图像和深度学习的抑郁症与双相情感障碍鉴别诊断方法	重度抑郁症（MDD）和双相情感障碍（BD）患者及健康对照（CTRL）受试者	数字病理学	抑郁症, 双相情感障碍	荧光显微镜	卷积神经网络（CNN）	图像	45名受试者（MDD、BD和CTRL组）	NA	DenseNet121	准确率	NA
172	2026-06-29	AI-assisted diagnosis of neuro-ophthalmic disorders: a systematic review from optic neuritis to papilledema 2026-Apr-06, BMC ophthalmology IF:1.7Q3 DOI:10.1186/s12886-026-04772-2 PMID:41947081	综述	系统评价人工智能在神经眼科疾病（视神经炎和视乳头水肿）诊断中的应用现状、准确性和挑战	首次系统总结AI在神经眼科少数病种（视神经炎和视乳头水肿）中的诊断能力，并指出AI在鉴别诊断（如区分轻度假性视乳头水肿）中的局限性	研究仅纳入32项研究，多数为回顾性设计；关注病种较少，缺失急性视神经炎诊断模型；缺乏大规模多中心数据集和前瞻性验证	评估AI模型对视神经炎和视乳头水肿的诊断准确性，分类成像模态和深度学习技术，识别关键挑战和未来机遇	视神经炎和视乳头水肿	计算机视觉	视神经炎, 视乳头水肿	OCT, 眼底照相	深度学习模型	图像（OCT和眼底照片）	32项研究	NA	DL模型（未具体说明）	AUC	NA
173	2026-06-29	Attention-Enhanced U-Net for Sensor-Efficient High-Density EEG Reconstruction in Wearable Brain Monitoring Systems 2026-Apr-06, Journal of medical systems IF:3.5Q2 DOI:10.1007/s10916-026-02374-5 PMID:41936725	研究论文	提出了一种基于注意力机制增强的轻量级U-Net架构VEEG-A-U-Net，用于从低通道密度脑电图信号重建高通道密度脑电图信号，实现便携式脑监测系统	结合球面样条插值与可学习校正信号自适应建模时空特征，采用注意力门控和残差学习实现轻量化设计，在减少参数量的同时保持高性能重建	仅基于SEED数据集进行验证，跨数据集实验虽评估但临床评估为初步探索，重建精度和泛化能力仍有提升空间	开发传感器高效的高密度脑电图重建方法，降低脑监测系统的硬件成本和空间复杂度，实现便携式应用	脑电图信号（高密度与低密度）	机器学习	NA	脑电图（EEG）	U-Net	脑电图信号	SEED数据集（具体样本数未提及）	PyTorch	注意力增强U-Net（VEEG-A-U-Net）	归一化均方误差（NMSE）、信噪比（SNR）、皮尔逊相关系数（PCC）	NA
174	2026-06-29	CNN4Essential: a convolutional neural network model for predicting bacterial gene essentiality based on multi-feature fusion 2026-Apr-06, BMC genomics IF:3.5Q2 DOI:10.1186/s12864-026-12819-3 PMID:41942844	研究论文	提出基于多特征融合的卷积神经网络模型CNN4Essential，用于预测细菌必需基因	创新性地融合序列数据、基因注释、蛋白质-蛋白质相互作用网络和亚细胞定位信息等多种生物特征，结合随机森林特征重要性和截断奇异值分解降维，构建CNN模型提升预测准确性	跨物种预测性能低于种内预测，且依赖多种生物特征的获取与整合	提高细菌必需基因预测的准确性，为抗生素靶点发现提供支持	22种原核生物物种的必需基因	机器学习	NA	NA	卷积神经网络	序列数据、基因注释、蛋白质-蛋白质相互作用网络、亚细胞定位信息	22种原核生物物种	NA	CNN	AUC	NA
175	2026-06-29	Feed-forward neural networks for genomic selection: insights into varying levels of dominance heritability 2026-Apr-06, BMC genomics IF:3.5Q2 DOI:10.1186/s12864-026-12807-7 PMID:41942878	研究论文	评估FFNN在不同显性遗传力水平下对基因组选择的预测性能	系统研究了显性遗传力变化对FFNN预测性能的影响，并对比多种参数与机器学习方法	仅模拟了有限遗传力水平，未考虑真实数据中更复杂的遗传架构	比较FFNN与参数方法及机器学习方法在不同显性与加性遗传力下的预测表现	模拟性状数据，具有不同加性遗传力和显性遗传力水平	机器学习	NA	基因组选择	前馈神经网络	模拟基因型-表型数据	100个蒙特卡洛复制	NA	前馈神经网络（FFNN）	Pearson相关系数，平均绝对误差，均方误差，Cohen's d效应量	NA
176	2026-06-29	Real-time deep learning interpretation of echocardiographic video for automated detection of anatomical features associated with tetralogy of fallot in pediatric patients : a feasibility study 2026-Apr-05, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-45943-x PMID:41936642	研究论文	利用深度学习模型自动化检测儿科患者超声心动图视频中法洛四联症的解剖特征	首次实现基于深度学习的法洛四联症实时自动检测，采用Mask R-CNN架构处理超声心动图视频，在小型数据集上达到高精度	单中心数据集（174例患者），样本量较小；仅针对法洛四联症，未验证其他先天性心脏病	开发深度学习AI模型，实现超声心动图对法洛四联症的自动化诊断，作为筛查工具	儿科患者超声心动图视频	计算机视觉	法洛四联症	超声心动图	Mask R-CNN	视频	174例儿科患者超声心动图	Detectron2	Mask R-CNN	PR曲线, 准确率, F1分数, AUC	NA
177	2026-06-29	Robust apple leaf disease diagnosis for sustainable horticulture: overcoming background noise with a multilayer transformer-based approach 2026-Apr-05, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-45817-2 PMID:41936588	研究论文	提出多层Transformer苹果疾病分类模型，在复杂背景下实现鲁棒的苹果叶病诊断	采用多层Transformer架构结合自注意力机制，有效抑制背景噪声，实现野外多变条件下的高精度病害识别	未提及在更大规模或更多样化数据集上的泛化能力验证，也未讨论模型计算复杂度及实时部署性能	实现早期、鲁棒且可在真实田间条件下部署的苹果叶病自动诊断	苹果叶片病害（包括斑点落叶病、苹果花叶病、白粉病和苹果疮痂病）	计算机视觉	苹果叶病	深度学习	多层Transformer	图像	公开数据集与田间采集图像构成的组合数据集	NA	多层Transformer	准确率	NA
178	2026-06-29	Integrating tumor habitat heterogeneity with a hybrid deep learning architecture for ultrasound radiomics: a dual-center study on non-invasive prediction of PD-L1 expression in triple-negative breast cancer 2026-Apr-04, Breast cancer research : BCR IF:6.1Q1 DOI:10.1186/s13058-026-02275-y PMID:41935256	研究论文	通过结合肿瘤栖息地分析与Transformer-ResNet混合深度学习架构，基于超声影像组学无创预测三阴性乳腺癌中PD-L1表达水平	首次将肿瘤异质性栖息地分区与Transformer-ResNet混合深度学习架构整合到超声影像组学中，用于无创预测PD-L1表达，并在双中心验证中显著提升预测性能（AUC达0.946）	未提及具体局限性	建立一种非侵入性方法，通过超声影像组学结合肿瘤栖息地分析和混合深度学习模型，预测三阴性乳腺癌中PD-L1表达状态	三阴性乳腺癌患者（病理确诊，来自双中心）	机器学习, 数字病理学	三阴性乳腺癌	超声影像组学	Transformer, ResNet, 混合深度学习架构	超声图像	654名患者（252名PD-L1阳性，402名阴性）；训练集457例（福建医科大学附属协和医院），外部验证集197例（厦门大学附属第一医院）	NA	Transformer, ResNet, LASSO回归, 列线图	AUC, 校准曲线, 决策曲线分析	NA
179	2026-06-29	Mapping the landscape of AI in healthcare in Kazakhstan: a scoping review of readiness, development, and adoption 2026-Apr-04, BMC health services research IF:2.7Q2 DOI:10.1186/s12913-026-14484-4 PMID:41935295	综述	本研究系统梳理了哈萨克斯坦医疗领域人工智能与机器学习技术的准备程度、发展现状及实际应用情况	首次通过范围综述整合哈萨克斯坦医疗AI的准备度、发展和实施三个维度的证据，填补了该地区AI医疗应用系统性综述的空白	仅纳入10项研究，样本文献量有限；缺乏真实临床环境下的验证评估；不同研究间异质性较大	评估哈萨克斯坦医疗系统在人工智能和机器学习技术方面的准备度、发展水平及临床应用现状	哈萨克斯坦医疗AI相关学术文献（2020-2025年发表）	机器学习	NA	深度学习	NA	医学影像	10篇研究文献	NA	NA	NA	NA
180	2026-06-29	SoleFusion-Net: an explainable multimodal deep learning framework for diabetic foot syndrome classification in type II diabetes mellitus 2026-Apr-03, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-42207-6 PMID:41932959	研究论文	提出了一种可解释的多模态深度学习框架SoleFusion-Net，用于2型糖尿病中糖尿病足综合征的分类	提出了一种基于晚期融合双分支架构的多模态深度学习框架，并集成了多种可解释性技术（如Grad-CAM、SHAP、替代决策树和原型批评分析）以增强透明度和临床信任度	模型目前仅在504名患者的数据集上评估，需要外部验证以证明其泛化能力	通过整合足底压力图像和临床结构化数据，实现糖尿病神经病变的早期检测和严重程度分类	504名2型糖尿病患者，按神经病变严重程度（轻度、中度、重度）分层	计算机视觉, 机器学习	糖尿病, 糖尿病足综合征	NA	卷积神经网络（CNN），双分支多模态网络	图像, 结构化临床数据	504名患者	NA	双分支架构：图像分支采用卷积层，表格分支处理临床变量，晚期融合	准确率, AUC	NA