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
261	2026-06-15	Context-Aware adaptive normalization LSTM (CAAN-LSTM) for immunotherapy decision support in cancer clinical data analysis 2026-May, Journal of biomedical informatics IF:4.0Q2 DOI:10.1016/j.jbi.2026.105006 PMID:41794080	研究论文	提出了一种上下文感知自适应归一化长短期记忆网络（CAAN-LSTM），用于癌症免疫治疗临床决策支持	首次在序列处理中引入元学习的自适应归一化层，结合注意力机制、超网络和基于变压器的上下文编码器，动态融合患者特异性临床上下文	未提及具体局限性	通过动态归一化和上下文感知改进时间序列分析，提升癌症免疫治疗临床决策支持	临床时间序列数据中的癌症患者	机器学习	癌症	NA	长短期记忆网络（LSTM）	时间序列数据	在沙特医疗机构进行了试点验证，具体样本量未报告	NA	CAAN-LSTM（包含自适应归一化层、注意力机制、超网络、变压器上下文编码器、学习掩码策略和量化感知训练）	预测准确度	NA
262	2026-06-15	H-DCA Net: Hierarchical dual-branch coordinate attention framework for multi-scale gastric histopathology diagnosis 2026-May, Pathology, research and practice DOI:10.1016/j.prp.2026.156403 PMID:41722294	研究论文	提出一种名为H-DCA Net的层级双分支坐标注意力网络，用于多尺度胃部组织病理学诊断	模仿病理学家多尺度诊断流程，设计异质双分支结构（高级语义分支与局部细节分支）并引入层级注意力机制，有效集成宏观组织结构与微观细胞细节信息	尚未提及泛化能力验证及在更大规模真实临床数据集上的评估	开发高精度深度学习框架解决计算机辅助诊断中的尺度失配问题，提升胃癌分类准确性和可靠性	胃部组织病理图像中的恶性病变分类	数字病理学	胃癌	组织病理学图像分析	CNN	图像	基于公共GasHisSDB数据集的三种图像块尺寸（80×80、120×120、160×160像素）进行训练和验证	PyTorch	EfficientNetV2-S, MobileNetV3-L	准确率, 精确率, 灵敏度, 特异度	NA
263	2026-06-14	A Lightweight Real-Time Tomato Leaf Disease Detection System for Edge-Based Smart Agriculture 2026-May-31, Sensors (Basel, Switzerland) DOI:10.3390/s26113474 PMID:42280990	研究论文	提出一种轻量级实时番茄叶部病害检测系统HGS-YOLO，适用于边缘计算的智能农业	在YOLOv11基础上通过HGNetV2骨干网络、HS-FPN颈部通道注意力和MPDIoU损失函数的系统级协同设计，并整合训练、优化、后训练量化和BPU加速的端到端边缘传感流水线，实现模型结构、优化与部署的协同优化	在受控成像条件下测量，未验证在开阔田间不同地点、季节和天气条件下的鲁棒性	开发部署于资源受限农业系统的轻量级番茄叶部病害实时检测系统	番茄叶部病害	计算机视觉	番茄叶部病害	深度学习	YOLO	图像	未明确说明样本数量	未明确说明，但包含BPU加速	HGS-YOLO（基于YOLOv11，含HGNetV2骨干、HS-FPN颈部）	mAP50, mAP@[0.5:0.95], 召回率, 精度, 延迟, FPS, 系统功耗	D-Robotics RDK X5手持平台，BPU加速
264	2026-06-14	Hybrid Feature Learning for Wearable Stress Detection: Combining Domain Knowledge with Supervised Deep Learning 2026-May-29, Sensors (Basel, Switzerland) DOI:10.3390/s26113451 PMID:42280967	研究论文	提出一种结合领域知识与监督深度学习的可穿戴压力检测混合特征学习方法	首次将20个手工生理特征与32个监督卷积自编码器深度特征结合，采用双头设计加权分类损失引导特征学习，超越传统无监督方法	样本量较小（WESAD数据集仅15名受试者），可能限制泛化能力；未提及实时部署的功耗与延迟问题	提升高压力职业（如消防员）可穿戴压力监测的准确性与实用性	可穿戴设备采集的皮肤电活动信号	机器学习	压力相关疾病	皮肤电活动信号分解（cvxEDA）、人工特征工程、监督卷积自编码器	K近邻分类器、卷积自编码器	生理信号（皮肤电活动、加速度计等）	15名受试者（WESAD数据集）	NA	监督卷积自编码器（双头设计）、K近邻	准确率、灵敏度、特异度、假阴性率	NA
265	2026-06-14	Leakage-Safe Precision-Aware Dual-Branch FT-Transformer for Population-Scale Heart Disease Risk Prediction 2026-May-28, Sensors (Basel, Switzerland) DOI:10.3390/s26113417 PMID:42280934	研究论文	提出一种防泄漏、精度感知的双分支FT-Transformer框架，用于大规模心脏病风险预测	设计双分支架构，分别处理召回导向的检测和精度导向的验证，并通过轻量级门控机制集成，在训练折内严格训练以防止信息泄露并实现受控错误仲裁	基线模型虽取得更高AUROC值，但本框架在操作筛查阈值下表现出更平衡且临床有意义的精确率-召回率行为	构建可靠的大规模心脏病风险预测模型，缓解类别不平衡、数据泄露和精确率-召回率权衡不稳定问题	BRFSS-2024数据集和独立NHANES队列	机器学习	心血管疾病	NA	FT-Transformer	表格数据	未明确说明样本数量，但提及BRFSS-2024数据集和NHANES队列	NA	双分支FT-Transformer	F1分数、召回率、AUPRC、AUROC	NA
266	2026-06-14	Graph and Hypergraph Theories Applied to Dynamic Protein-Protein Interaction Network Analysis, and Deep-Learning Frameworks for Protein Complex Network Prediction 2026-May-25, International journal of molecular sciences IF:4.9Q2 DOI:10.3390/ijms27114750 PMID:42278281	综述	回顾图与超图理论在动态蛋白质相互作用网络分析中的应用，以及用于蛋白质复合物网络预测的深度学习框架	强调从静态网络向动态图与超图框架的演进，并整合深度学习方法来预测新的相互作用和重建瞬时蛋白质复合物	静态网络模型无法捕捉蛋白质复合物的动态和协同特性	通过数学模型和深度学习框架，从分子关系中提取有意义的结构框架，以深入理解生物过程并支持药物开发	蛋白质相互作用网络（PPINs）和蛋白质复合物网络（PCNs）	机器学习	NA	NA	深度学习	互动数据、功能注释、序列信息、细胞背景信息	NA	NA	NA	NA	NA
267	2026-06-13	Integration of traditional Chinese medicine and machine learning: Opportunities, obstacles, and implications for future of healthcare 2026-May, Journal of integrative medicine DOI:10.1016/j.joim.2026.02.004 PMID:41765716	综述	本文综述了机器学习在传统中医中的应用现状，探讨了其机遇、障碍及对未来医疗的影响	将传统中医的哲学理念与机器学习技术相结合，提出通过知识图谱和深度学习优化诊断、治疗和预后评估，并讨论凸机器学习在增强测试算法中的潜力	未具体说明实验结果或定量评估，主要基于文献综述和理论分析	探讨机器学习与传统中医整合的机遇与挑战，并为未来医疗提供建议	传统中医实践中的诊断、治疗和预后评估流程	机器学习	非特定疾病	NA	深度学习	文本、知识图谱	NA	NA	知识图谱、深度学习	NA	NA
268	2026-06-13	XNet: Enhancing Physical Activity Intensity Assessment With Attentional Multidomain Fusion and Visual Analytics 2026-May, IEEE transactions on cybernetics IF:9.4Q1 DOI:10.1109/TCYB.2026.3666726 PMID:41774652	研究论文	提出XNet，一种基于注意力多域融合和视觉分析的双域深度学习模型，用于增强身体活动强度评估	提出层级多头架构和两阶段注意力特征融合模块，首次将频率域特征用于提高跨数据集的泛化能力，并集成视觉分析框架实现可解释的健康监测	未提及在极端真实环境（如传感器噪声或缺失严重）下的性能表现，以及模型对不同人群的公平性验证尚不充分	开发一种准确且泛化的身体活动强度分类和能量消耗估计方法	身体活动强度监测中的加速度计数据和生理信号（心率、心电图）	机器学习	久坐行为相关健康问题	加速度计传感、生理信号采集	深度学习模型（层级多头架构）	时间序列信号（加速度计、心率、心电图）	多个公开数据集和一个包含105名参与者的新数据集	PyTorch	卷积神经网络（1D-CNN）、Transformer、图注意力网络（GAT）	F1分数、真阳性率、推理延迟、准确率、效率、鲁棒性	NA
269	2026-06-13	A scoping review of radiation dose and image quality in paediatric CT: Towards safe imaging protocols and diagnostic reference levels in Jordan 2026-May, Journal of medical imaging and radiation sciences IF:1.3Q3 DOI:10.1016/j.jmir.2026.102207 PMID:41780085	综述	系统综述国际儿科CT辐射剂量与图像质量证据，评估约旦当前实践，并提出建立国家诊断参考水平和优化成像方案的建议	首次系统梳理约旦儿科CT辐射剂量现状，对比国际标准，明确缺乏标准化方案和先进降剂量技术是导致剂量偏高的关键因素	NA	为约旦建立儿科CT国家诊断参考水平和优化成像方案提供循证建议	儿科CT辐射剂量与图像质量的相关研究	机器学习	NA	CT成像，深度学习重建	NA	文本	28项研究	NA	NA	NA	NA
270	2026-06-13	Preoperative identification of deep myometrial invasion in endometrial cancer: a multicenter MRI study with a vision foundation model-enhanced multimodal deep learning framework 2026-May, European journal of obstetrics, gynecology, and reproductive biology DOI:10.1016/j.ejogrb.2026.115018 PMID:41780136	研究论文	开发并验证一种视觉基础模型增强的多模态深度学习放射组学框架，用于无创预测子宫内膜癌患者深肌层浸润	首次将视觉基础模型与多模态深度学习相结合，通过跨序列引导注意力模块实现MRI序列间的语义对齐与协同特征表示，并整合关键临床病理变量构建预测模型	未明确提及局限性	评估视觉基础模型增强的多模态深度学习放射组学框架在预测子宫内膜癌深肌层浸润中的性能	1376例子宫内膜癌患者的多中心MRI影像及临床病理数据	计算机视觉, 数字病理学	子宫内膜癌	MRI	深度学习模型	图像, 文本	1376例子宫内膜癌患者的多中心样本	PyTorch	视觉基础模型, 跨序列引导注意力模块	AUC	NA
271	2026-06-13	Deep learning-based ROSC prediction and ECG phenotyping in out-of-hospital cardiac arrest 2026-May, Resuscitation IF:6.5Q1 DOI:10.1016/j.resuscitation.2026.111035 PMID:41794117	研究论文	开发基于卷积神经网络（CNN）的模型，用于预测院外心脏骤停（OHCA）患者的自主循环恢复（ROSC），并识别新的心电图表型	同时预测ROSC概率和分类可电击心律，并通过K-means聚类从CNN特征表示中识别出五种具有不同形态和ROSC概率的新心电图表型	回顾性研究设计，仅使用韩国OHCA登记数据，结果通用性可能受限	开发CNN模型预测OHCA患者的ROSC并识别新的心电图表型	院外心脏骤停（OHCA）患者	机器学习	心脏骤停	NA	卷积神经网络（CNN）	心电图信号	3452名患者（中位年龄73岁，34.4%女性）	NA	一维卷积神经网络	受试者工作特征曲线下面积（AUC）	NA
272	2026-06-13	Artificial-intelligence-guided autophagy modulation and nanomedicine design for precision photodynamic cancer therapy 2026-May, Drug discovery today IF:6.5Q1 DOI:10.1016/j.drudis.2026.104633 PMID:41794170	综述	讨论人工智能如何通过整合多组学和成像数据，指导纳米药物设计、靶点选择及自噬调节，以优化光动力癌症治疗的精准性	首次系统阐述人工智能（机器学习和深度学习）在指导自噬调节与纳米医学设计中的整合应用，以实现精准光动力癌症治疗	当前光敏剂递送不足、肿瘤异质性和自噬的上下文依赖性作用尚未解决	探讨基于纳米医学和人工智能的精准光动力癌症治疗策略	癌症治疗中的光动力疗法、自噬调节和纳米药物设计	机器学习	癌症	NA	NA	多组学数据、影像数据	NA	NA	NA	NA	NA
273	2026-06-12	Application of Machine Learning in Predicting the Properties of Two-Dimensional Semiconductor Materials 2026-May-22, Nanomaterials (Basel, Switzerland) DOI:10.3390/nano16110650 PMID:42274656	综述	系统总结机器学习在二维半导体材料性能预测中的最新进展，比较传统计算模拟与机器学习算法，并展望未来研究方向	系统比较了经典算法（如随机森林）与深度学习模型（如图神经网络）在带隙预测中的表现，并分析了特征工程策略对磁性预测精度和效率的影响	数据集不足且质量不统一，模型可解释性和跨系统泛化能力有限	为机器学习辅助的二维半导体材料研究提供系统的理论基础和方法指导	二维半导体材料的带隙、磁性及其他物理特性	机器学习	NA	NA	随机森林，图神经网络，深度学习	材料属性数据	NA	NA	随机森林，图神经网络	模型准确率	NA
274	2026-06-11	EASDnet: Empowering human-centered evidence-based medicine through an evidence and attention-based spatial disparity network for discriminative colorectal cancer histopathological screening and attribution 2026-May, Pathology, research and practice DOI:10.1016/j.prp.2026.156418 PMID:41764810	研究论文	提出一种基于证据和注意力的空间差异网络EASDnet，用于结直肠癌组织病理学图像的鉴别性筛查与归类	将循证医学思想融入深度学习，通过证据与注意力机制学习癌变与微环境之间的细微形态差异，有效捕获组织病理数据中的类间和类内鉴别特征	未提及在真实临床多中心数据上的验证情况，也未讨论模型的可解释性和计算效率	开发一种客观、循证的定量分析工具，辅助临床医生进行结直肠癌的自动化病理筛查	结直肠癌组织病理学图像	数字病理学	结直肠癌	组织病理学成像	深度学习模型（EASDnet）	图像	使用两个公开数据集NCT-100K和LC25000	NA	EASDnet（基于证据和注意力的空间差异网络）	准确率	NA
275	2026-06-11	Collaborative Coarse-to-Fine Disease Learning With Discharge Summary Awareness for EHR Event Prediction 2026-May, IEEE transactions on cybernetics IF:9.4Q1 DOI:10.1109/TCYB.2026.3664408 PMID:41774654	研究论文	提出了一种结合出院小结的粗到细疾病学习框架，用于电子健康记录事件预测	创新点包括构建细粒度动态疾病图、整合ICD-9-CM编码层次结构中的粗细粒度信息以及结合出院小结进行协作疾病学习	未明确说明局限性	通过捕获动态和静态疾病特征来改进电子健康记录事件预测	电子健康记录事件预测任务	机器学习	NA	NA	门控循环单元（GRU）	结构化电子健康记录数据和出院小结非结构化文本	使用MIMIC-III和MIMIC-IV两个真实世界数据集	PyTorch	GRU、基于位置的注意力机制、软注意力机制	准确率、精确率、召回率、F1分数、AUC	NA
276	2026-06-11	METRON: Metabolic Dynamic Perception Kolmogorov-Arnold Network for Biological Age Estimation 2026 May-Jun, IEEE transactions on computational biology and bioinformatics DOI:10.1109/TCBBIO.2026.3669919 PMID:41774660	研究论文	提出METRON深度学习框架，利用类固醇代谢组学数据预测生物学年龄，并揭示衰老相关的代谢标志物	提出代谢物交互感知模块（MIPM）和群理性Kolmogorov-Arnold网络，用于捕捉代谢网络中的复杂非线性交互和依赖关系	未明确说明局限性	通过类固醇代谢组学预测生物学年龄，并挖掘衰老机制中的代谢标志物	类固醇代谢组学数据	机器学习	衰老相关疾病	类固醇代谢组学	深度学习	代谢组学数据	未明确说明	NA	Kolmogorov-Arnold网络	准确率	NA
277	2026-06-10	Mapping knowledge landscapes and emerging trends in AI for coronary artery disease imaging biomarkers: A bibliometric and visualization analysis 2026-May, Current problems in cardiology IF:3.0Q2 DOI:10.1016/j.cpcardiol.2026.103302 PMID:41713756	文献综述	通过文献计量学和可视化分析，系统评估人工智能应用于冠状动脉疾病影像生物标志物的全球研究现状、发展趋势、知识结构和合作网络	首次综合运用VOSviewer、CiteSpace和Bibliometrix等多种工具进行深入分析，揭示2015-2025年间该领域的发展轨迹、研究热点和跨学科互动	研究基于单一数据库（Web of Science），可能存在文献覆盖不全；合作关系分析表明研究合作仍显分散，跨学科整合不足	全面评估人工智能在冠状动脉疾病影像生物标志物领域的全球研究状态和新兴趋势	2015-2025年间Web of Science核心合集中的1,105篇相关出版物	Machine Learning	冠状动脉疾病	NA	NA	文本	1,105篇出版物，涉及5,949位作者、1,903所机构、262种期刊和67个国家	NA	NA	NA	NA
278	2026-06-10	An automated vertebral heart scale measurement tool based on deep learning: Facilitating screening for prevention of canine cardiomegaly 2026-May, Preventive veterinary medicine IF:2.2Q1 DOI:10.1016/j.prevetmed.2026.106810 PMID:41713362	研究论文	提出一种基于改进U-Net和YOLOv11的自动化犬类心脏椎体尺度测量工具，用于早期筛查和预防犬类心脏肥大	结合SWA-UNet与YOLOv11实现精确的心脏分割和关键点检测，显著提升自动化VHS计算的准确性，并解决了低对比度图像、边界模糊和结构重叠问题	未提及在真实临床环境中对大样本量或多种犬种的验证，也未讨论计算资源需求或系统部署的可扩展性	开发一种高效、客观且可重复的自动化VHS测量工具，用于犬类心脏疾病的筛查与诊断辅助	犬类胸部X光图像中的心脏和胸椎关键点	计算机视觉	犬类心脏肥大	X光成像	SWA-UNet, YOLOv11	图像	NA	PyTorch	U-Net, YOLOv11	平均交并比, Dice系数, 精确率, 召回率, Pearson相关系数, Bland-Altman分析	NA
279	2026-06-10	Deep learning-based H&E-derived risk scores in colorectal cancer: associations with tumour morphology, biology, and predicted drug response 2026-May, The Journal of pathology IF:5.6Q1 DOI:10.1002/path.70039 PMID:41716034	研究论文	基于深度学习的H&E染色切片风险评分与结直肠癌肿瘤形态、生物学及预测药物反应的关联分析	首次系统分析了基于H&E切片的深度学习风险评分与肿瘤-脂肪细胞直接相互作用、肿瘤出芽等形态学特征以及药物敏感性差异的关联	研究局限于已发表的深度学习模型生成的风险评分，未涉及模型训练过程及数据异质性对结果的影响	探究H&E切片深度学习风险评分与结直肠癌临床病理特征、肿瘤形态学和药物反应的关系	来自四个国际队列的4000多例结直肠癌患者的全切片图像及临床数据	数字病理学	结直肠癌	H&E染色	深度学习模型	全切片图像	4000余例结直肠癌患者（来自四个国际队列）	NA	NA	风险评分（低风险 vs 高风险，以及绝对风险评分）	NA
280	2026-06-09	Fewest-Switches Surface Hopping with Combined Deep Learning Potential and Long Short-Term Memory Network Propagator for Simulating Realistic Photochemical Processes 2026-May-28, Journal of chemical theory and computation IF:5.7Q1 DOI:10.1021/acs.jctc.6c00170 PMID:42207866	研究论文	结合深度学习势和长短期记忆网络传播器的最少跳跃面跳跃方法用于模拟真实光化学过程	重新设计了LSTM的输入特征和训练流程以有效表示高维核自由度，并将等变神经网络与LSTM整合构建基态和激发态的绝热势能面	仅使用10条参考轨迹训练LSTM网络，可能对复杂系统泛化能力有限	开发扩展的LSTM-FSSH框架以模拟真实光化学反应	CHNH分子和偶氮苯的光异构化过程	机器学习	NA	LSTM-FSSH动力学模拟	长短期记忆网络（LSTM）	分子动力学轨迹数据	10条参考轨迹用于训练	PyTorch	LSTM, 等变神经网络	激发态寿命, 产物产率	NA