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
481	2026-06-15	Deep learning-driven intraoperative assessment of pulp stumps for precision pulpotomy 2026-May-26, Journal of dentistry IF:4.8Q1 DOI:10.1016/j.jdent.2026.106796 PMID:42203099	研究论文	开发并验证基于自监督DINOv2视觉Transformer架构的AI框架，用于术中牙髓切断术时牙髓断端图像的自动化分类	首次将自监督DINOv2架构应用于牙髓断端的客观分类，实现与专家相当的诊断准确性并显著优于新手	外部测试集样本量较小（21张图像），且仅评估了颜色-纹理特征，未考虑其他影响因素	开发术中牙髓断端客观分类的AI工具，弥合临床经验差距并防止过度诊断	牙髓切断术中的牙髓断端显微图像	计算机视觉	牙髓疾病	显微镜成像	自监督DINOv2视觉Transformer	高分辨率显微图像	443张训练图像，93张内部测试图像，21张外部测试图像	PyTorch	DINOv2	准确率, 敏感性, 特异性	NA
482	2026-06-15	Interpretable Deep Learning for Single-Molecule Nanopore Fingerprinting Using Physics-Guided Preprocessing 2026-May-22, ACS sensors IF:8.2Q1 DOI:10.1021/acssensors.5c04784 PMID:41719081	研究论文	提出一种基于物理引导预处理的深度学习方法，用于单分子纳米孔指纹识别	首次将物理引导的时频变换与紧凑神经分类器及特征归因图结合，直接处理原始脉冲信号，实现高精度且可解释的单分子纳米孔指纹识别	研究仅使用两种几何相似但结构不同的DNA纳米结构进行验证，未在更广泛样本上测试	开发一种可解释的机器学习框架，用于直接从原始脉冲中提取纳米孔传感信号特征，提高分子指纹识别的准确性和透明度	两种自组装DNA纳米结构	机器学习	不适用	纳米孔传感	神经网络	脉冲信号	两种自组装DNA纳米结构样本	PyTorch	紧凑神经分类器	准确率	NA
483	2026-06-15	A Novel 2.5-Dimensional Deep Learning Model for "Bone-on-Bone" Detection on Magnetic Resonance Imaging in Medial Unicompartmental Knee Arthroplasty Candidates 2026-May-20, The Journal of arthroplasty IF:3.4Q1 DOI:10.1016/j.arth.2026.05.043 PMID:42167455	研究论文	开发并验证一种基于多序列膝关节MRI的2.5D深度学习模型，用于自动检测内侧单间室膝关节置换候选者中的骨对骨骨关节炎	提出了一种结合相邻切片和多平面视图的2.5D深度学习模型，并融合影像组学和临床特征，提升了诊断性能，其准确性与资深骨科医生相当	未明确提及局限性	减少单间室膝关节置换术中因指征判断错误导致的失败，提供客观、可重复的软骨评估标准	191名拟行内侧单间室膝关节置换术或膝关节镜手术的患者术前膝关节MRI数据	计算机视觉	骨关节炎	MRI	CNN	图像	191名患者（64名骨对骨骨关节炎、62名部分软骨丢失、65名正常软骨）	NA	2.5D深度学习模型（结合相邻切片和多平面视图）	微曲线下面积（micro-AUC）、准确率	NA
484	2026-06-15	Assessment of socioeconomic and demographic risk factors for low birth weight using model-agnostic explainable ensembles 2026-May-15, Computer methods and programs in biomedicine IF:4.9Q1 DOI:10.1016/j.cmpb.2026.109303 PMID:41785538	研究论文	提出一个整合机器学习、深度学习和模型无关可解释人工智能的预测框架，用于识别低出生体重的关键社会经济和人口统计学风险因素	开发了SmartFusion-LR5堆叠集成模型，结合五种基学习器，并利用模型无关的可解释人工智能方法提供全局和局部特征解释	未明确提及局限性	早期预测低出生体重并识别关键风险因素，以指导资源有限环境下的母婴健康干预	孟加拉国1574名参与者的社会经济和人口统计数据，包括母亲年龄、教育程度、家庭财富、地理区域、出生顺序和母亲体重指数等12个变量	机器学习	低出生体重	NA	堆叠集成模型（SmartFusion-LR5）	表格数据	1574名参与者	Scikit-learn	K-最近邻、逻辑回归、决策树、随机森林、朴素贝叶斯	准确率、精确率、召回率、AUC、F1分数、马修斯相关系数	NA
485	2026-06-15	A new automated 3d facial soft tissue landmarking method via deep learning 2026-May-06, Journal of dentistry IF:4.8Q1 DOI:10.1016/j.jdent.2026.106742 PMID:42103064	研究论文	提出并评估了一种基于深度学习的新型面部软组织网络（FST-Net），用于自动检测34个常用三维软组织标志点和8项测量	通过特征融合和局部坐标回归实现了34个三维软组织标志点的全自动检测，无需手动标注	对依赖主观判断的6个标志点（Group 2）检测误差较大（4.39 ± 2.57毫米），需进一步优化；临床应用仍需医生验证侧脸区域	开发并验证一种用于正畸学中三维面部软组织标志点自动检测的深度学习方法	三维面部软组织标志点和软组织测量	计算机视觉	NA	NA	CNN	三维图像	297例患者，分为训练集207例、验证集30例、测试集60例	PyTorch	FST-Net	平均径向误差（MRE）、成功检测率（SDR）、组内相关系数（ICC）	NA
486	2026-06-15	Deep Learning-Based Skin Lesion Classification: A CNN Approach on High-Frequency Ultrasound Imaging 2026-May, Journal of ultrasound in medicine : official journal of the American Institute of Ultrasound in Medicine IF:2.1Q2 DOI:10.1002/jum.70125 PMID:41267329	研究论文	评估深度学习模型在高频超声图像中对皮肤病变进行二分类，比较单输入CNN与多模态融合架构的表现	首次系统比较B模式和Doppler模式的单输入CNN与Unity和Cascade多模态融合架构在高频超声皮肤病变分类中的性能差异	研究未明确说明数据集大小、数据增强策略、模型泛化能力以及临床验证等细节	评估基于CNN的深度学习模型在高频超声图像中进行皮肤病变良恶性二分类的性能	高频超声B模式和Doppler模式的皮肤病变图像	计算机视觉	皮肤病变	高频超声成像	CNN	图像	NA	NA	单输入CNN, Unity架构, Cascade架构	准确率, AUC	NA
487	2026-06-15	Minimum Clinically Achievable Dose for Detecting Liver Lesions Using Deep Learning Image Reconstruction: A Phantom and Patient Study 2026-May, Academic radiology IF:3.8Q1 DOI:10.1016/j.acra.2026.02.022 PMID:41781262	研究论文	本研究通过体模和患者前瞻性研究，评估了深度学习图像重建在约4.5 mGy超低剂量下检测局灶性肝脏病变的性能，并与标准剂量下的自适应统计迭代重建-V进行了比较	首次提出并验证了使用深度学习图像重建在4.5 mGy极低辐射剂量下实现与标准剂量迭代重建相当甚至更优的肝脏病变检测性能，显著降低了辐射剂量	单一中心前瞻性研究，样本量有限（84名参与者），且未评估不同深度学习图像重建强度水平的影响	研究深度学习图像重建在超低剂量（约4.5 mGy）下检测局灶性肝脏病变的有效性和安全性	Gammex CT体模模拟的局灶性肝脏病变以及84名接受三相上腹部CT检查的患者	计算机视觉	肝脏病变	CT扫描	深度学习图像重建	图像	84名参与者（平均年龄64岁，48名男性）和71个局灶性肝脏病变（平均大小12.8 mm）	NA	深度学习图像重建	图像噪声、信噪比、对比度噪声比、噪声功率谱峰值、可检测指数、图像质量评分（5分制）、病变检出率、敏感性、特异性	NA
488	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
489	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
490	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
491	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
492	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
493	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
494	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
495	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
496	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
497	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
498	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
499	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
500	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