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
521	2026-05-31	A multicenter study of automatic segmentation-based multimodal fusion integrating radiomics, deep learning, and clinical parameters for prostate cancer detection 2026-May-08, Abdominal radiology (New York) DOI:10.1007/s00261-026-05548-4 PMID:42101624	研究论文	基于自动MRI分割，开发并验证一种整合影像组学、深度学习和临床特征的可解释机器学习模型，用于前列腺癌检测	创新性地融合了基于自动分割的影像组学、深度学习标签和临床参数，并采用SHAP进行模型解释，实现了高精度且可解释的前列腺癌检测	作为回顾性研究，可能存在选择偏倚；且自动分割模型的性能可能影响后续特征提取，尚未在更广泛人群中验证	开发并验证一种整合多模态特征（影像组学、深度学习、临床参数）的可解释机器学习模型，提升前列腺癌检测的准确性及临床实用性	前列腺癌患者	医学影像分析	前列腺癌	MRI影像组学、深度学习	机器学习模型（XGBoost）与深度学习模型（DenseNet-121）	MRI图像（T2加权成像和表观扩散系数图）及临床数据	总共433名患者：内部队列346人（训练集242人，内部验证集104人），外部测试集87人	PyTorch	DenseNet-121	曲线下面积（AUC）及相关指标	NA
522	2026-05-31	A causal inference framework for identifying essential genes to enhance drug synergy prediction 2026-May-03, Bioinformatics (Oxford, England) DOI:10.1093/bioinformatics/btag010 PMID:41537237	研究论文	提出了一个名为CADS的深度学习框架，通过明确建模基因-药物因果关系来提高药物协同作用预测的准确性和生物学可解释性	在药物协同作用预测中首次引入可学习的基因选择机制，通过因果后门调整实现基因因果关系建模，提升预测性能和生物学解释能力	NA	提升药物协同作用预测的准确性和可解释性，同时识别关键基因	药物组合和癌细胞系	机器学习	癌症	NA	深度学习模型	多组学数据	NA	PyTorch	Transformer, 图神经网络	准确率	NA
523	2026-05-31	Multiomics and deep learning dissect regulatory syntax in human development 2026-May, Nature IF:50.5Q1 DOI:10.1038/s41586-026-10326-9 PMID:41951735	研究论文	通过多组学数据和深度学习模型揭示人类发育过程中转录因子结合基序的语法规则	构建了首个涵盖12个器官、203种细胞类型和超百万个候选顺式调控元件的人类发育多组学图谱，并利用深度学习模型从局部DNA序列中预测染色质可及性，系统解析了基序的‘硬’和‘软’语法规则	未明确提及，但可能依赖于现有数据集和模型泛化性限制	解析人类发育过程中转录因子调控的顺式语法和染色质可及性机制	人类胎儿细胞中的染色质可及性和基因表达	机器学习	NA	单细胞ATAC-seq与单细胞RNA-seq的多组学分析	深度学习模型	单细胞染色质可及性和基因表达数据	817,740个胎儿细胞，来自12个器官，覆盖203种细胞类型	NA	NA	NA	NA
524	2026-05-31	DeepFAN, a transformer-based model for human-artificial intelligence collaborative assessment of incidental pulmonary nodules in CT scans: a multireader, multicase trial 2026-May, Nature cancer IF:23.5Q1 DOI:10.1038/s43018-026-01147-w PMID:42020549	研究论文	提出基于Transformer的DeepFAN模型，通过多读者多病例临床试验验证其在CT扫描肺结节良恶性分类中辅助初级放射科医生的有效性	首次将Transformer架构用于全面整合肺结节全局与局部特征，并通过大规模多中心临床试验验证模型辅助诊断效能	未提及模型在不同CT扫描参数、结节亚型或非病理确诊样本上的泛化能力	开发并验证基于Transformer的深度学习模型DeepFAN，提升肺结节良恶性分类的准确性和诊断一致性	10,000余例病理确诊的肺结节（内部测试集）及400例来自三家独立医疗机构的多读者多病例临床试验数据	计算机视觉	肺癌	CT扫描	Transformer	图像	内部测试集：10,000余例病理确认结节；临床试验数据集：400例来自三家独立医疗机构	NA	Transformer	AUC, 准确率, 敏感性, 特异性, kappa系数	NA
525	2026-05-31	Deep Learning Discriminates Seizures from Normal Brain Oscillations in the Electroencephalogram of a Rat Model of Post-traumatic Epilepsy 2026-05, eNeuro IF:2.7Q3 DOI:10.1523/ENEURO.0032-26.2026 PMID:42045047	研究论文	利用深度学习客观识别创伤后癫痫大鼠模型脑电图中的癫痫发作与正常脑振荡	通过迁移学习训练神经网络，区分三种不同的脑电图表型（迟发性惊厥发作、早发性惊厥发作和棘慢波放电），并揭示早期和晚期癫痫发作具有相似的表型	未明确提及，但可能包括模型样本量有限、流体冲击损伤诱导癫痫的罕见性可能不适合测试抗癫痫发生疗法	客观识别创伤后癫痫大鼠模型脑电图中的癫痫发作，并区分不同类型的脑电活动	雄性大鼠的创伤后癫痫模型	机器学习和数字信号处理	创伤后癫痫	脑电图	卷积神经网络	脑电图信号	未明确提及，但涉及大鼠手术处理组和假手术组，包含多种癫痫发作事件	NA	卷积神经网络	检测准确率（隐性提及），具体指标未明确列出	NA
526	2026-05-31	Integrated computational and experimental analysis explores FOLH1 expression patterns across cancers and nominates melatonin as a potential modulator in prostate cancer models 2026-May, PLoS computational biology IF:3.8Q1 DOI:10.1371/journal.pcbi.1014315 PMID:42172245	研究论文	通过计算与实验整合分析，探索FOLH1在多种癌症中的表达模式，并提名褪黑素作为前列腺癌的潜在调节因子	首次系统分析FOLH1在泛癌中的表达模式、免疫调节作用及免疫细胞浸润，并利用机器学习结合深度学习筛选靶向FOLH1的药物候选物，通过体外和体内实验验证褪黑素的潜在治疗作用	需要进一步的机制验证来确认褪黑素与FOLH1相互作用的分子机制	研究FOLH1在泛癌中的表达模式及免疫调节作用，并探索其在前列腺癌中的治疗潜力	FOLH1基因在多种恶性肿瘤中的表达、预后相关性及免疫浸润，以及褪黑素对前列腺癌模型的影响	机器学习, 数字病理学	前列腺癌	RNA-seq, 体外细胞实验, 裸鼠异种移植模型	深度学习模型	基因表达数据, 图像（细胞和肿瘤）	27种癌症类型的表达数据，以及前列腺癌相关体外和体内实验	NA	深度学习模型（未指定具体架构）	表达水平、预后相关性、免疫浸润指标	NA
527	2026-05-31	Artificial intelligence in nursing practice for older adults with dementia: A narrative review informed by bibliometric mapping and implications for nurse-led research 2026-May, Journal of Korean gerontological nursing DOI:10.17079/jkgn.2026.00143 PMID:42209252	综述	该叙事综述基于文献计量图谱，探讨人工智能在老年痴呆症护理实践中的应用，并提出护士主导研究的优先方向	结合文献计量图谱（VOSviewer）与叙事综述方法，系统梳理国际与韩国本土研究，聚焦护士主导的AI研究方向	韩国研究集中于情感支持机器人且存在方法学局限，国际研究需更多严格护士主导的临床试验	绘制痴呆护理中AI的全球研究格局，识别韩国研究特点，并提出护士主导AI研究的优先方向	老年痴呆症护理中的人工智能应用	人工智能	老年痴呆症	NA	NA	文献数据	国际文献5,710篇，韩国文献265篇	NA	NA	NA	VOSviewer软件，Leiden算法
528	2026-05-31	Deep learning for dose-averaged linear energy transfer estimation in pencil-beam scanning and double scattering proton radiotherapy plans with uncertainty-aware external validation 2026-May, Physics and imaging in radiation oncology DOI:10.1016/j.phro.2026.100998 PMID:42212206	研究论文	开发用于质子放疗中剂量平均线性能量转移（LETd）估计的深度学习模型	首次在笔束扫描和双散射质子放疗中同时训练深度学习模型，并引入不确定性评估机制以在无参考数据的外部验证中评估模型可靠性	未明确说明局限性，但外部验证仅针对双散射模型	为脑肿瘤患者的质子放疗开发深度学习LETd预测模型，并评估其在外部数据集上的不确定性	脑肿瘤患者	机器学习	脑肿瘤	蒙特卡洛模拟，深度学习	深度学习模型	剂量分布图像	570名患者的605个治疗计划	NA	NA	中位和98百分位体素绝对误差，系综方差，潜在空间距离	NA
529	2026-05-30	Predictions from deep learning propose substantial protein-carbohydrate interplay 2026-May-26, Proceedings of the National Academy of Sciences of the United States of America IF:9.4Q1 DOI:10.1073/pnas.2523342123 PMID:42150072	研究论文	开发了深度学习模型PiCAP和CAPSIF2，预测蛋白质与碳水化合物的非共价相互作用，并发现约35-40%的蛋白质可能结合碳水化合物	提出了全新的蛋白质-碳水化合物结合预测方法PiCAP，并首次使用深度学习大规模预测蛋白质组中碳水化合物结合蛋白的比例，挑战了传统认为<5%蛋白质结合碳水化合物的观点	模型预测依赖人工标注数据集，可能受数据偏差影响；残基级预测CAPSIF2的Dice系数仅0.57，仍有改进空间	研发计算方法预测蛋白质与碳水化合物的非共价相互作用，揭示蛋白质-碳水化合物相互作用组	蛋白质与碳水化合物的相互作用，包括细胞表面蛋白和六种蛋白质组	机器学习	NA	NA	神经网络	蛋白质序列数据	手动整理的数据集包括已知碳水化合物结合蛋白和可能结合蛋白（转录因子、细胞骨架成分、小分子结合蛋白）	NA	PiCAP和CAPSIF2	平衡准确率、Dice系数	NA
530	2026-05-30	Opportunistic Cardiovascular Risk Assessment Using Routine Head CT in the Emergency Department 2026-May-26, Journal of the American College of Cardiology IF:21.7Q1 DOI:10.1016/j.jacc.2026.02.5095 PMID:41949516	研究论文	利用急诊科常规头部CT扫描进行机会性心血管风险评估	首次研究常规头部CT在心血管风险评估中的效用，并开发深度学习模型预测心血管疾病和估算冠状动脉钙化评分	回顾性研究设计，样本来自单一医疗机构（斯坦福医疗保健急诊科），可能存在选择偏倚	开发和验证从头部CT预测心血管疾病和估算冠状动脉钙化评分的深度学习模型，并评估其相对于临床风险因素的表现	无已知心血管疾病的成年急诊科患者	计算机视觉, 机器学习	心血管疾病	CT成像	深度学习模型	图像（CT扫描）	心血管疾病队列：27,990例患者；冠状动脉钙化队列：2,313例患者	NA	NA	一致性指数（C-index）, 受试者工作特征曲线下面积（AUC）	NA
531	2026-05-30	Retraction Note: Structural configuration of sustainable sports industry based on deep learning and genetic algorithm 2026-May-26, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-54673-z PMID:42191804	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
532	2026-05-30	Detection of maxillary sinusitis of endodontic origin in cone-beam CT images using deep learning algorithms 2026-05-26, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-52147-w PMID:42192120	研究论文	利用深度学习算法在锥形束CT图像中检测牙源性上颌窦炎	提出了一种定制化的模型工作流程，包括解剖分类、分割和特征提取，最终实现多视图分类，能够区分正常上颌窦、牙源性上颌窦炎和非牙源性上颌窦炎	NA	开发并评估基于深度学习的模型，以自动检测锥形束CT图像中的牙源性上颌窦炎	锥形束CT扫描图像，包括正常上颌窦、牙源性上颌窦炎和非牙源性上颌窦炎病例	计算机视觉	上颌窦炎	锥形束CT	CNN	图像	NA	NA	ResNet, U-Net	准确率, 精确率, 召回率, F1分数, DICE系数	NA
533	2026-05-30	From Traditional Risk Factors to Machine Learning Models: Advancing the Prediction of Anastomotic Leak and Other Major Complications in Colorectal Cancer Surgery 2026-May-21, Cancers IF:4.5Q1 DOI:10.3390/cancers18101668 PMID:42193025	综述	系统评估人工智能（特别是机器学习和深度学习算法）在预测结直肠癌手术后吻合口漏及其他主要并发症方面的应用	系统比较了机器学习和深度学习算法与传统风险因素模型在预测术后并发症方面的性能，强调了AI在个性化围手术期管理中的潜力	存在较高的偏倚风险、有限的外部验证、异质性的结果定义以及不一致的报告，需要进行更稳健的前瞻性多中心研究	评估AI模型在预测结直肠癌手术后吻合口漏及其他主要并发症方面的应用效果	结直肠癌手术后患者	机器学习	结直肠癌	NA	机器学习（ML）、深度学习（DL）	临床数据	15,105名患者（来自13项研究）	NA	NA	预测性能（未具体列出指标）	NA
534	2026-05-30	RNNet-MST: A ResNet-50 with Multi-Scale Transformer Blocks for Pulmonary Nodule Classification and Attention-Based Localization on Chest X-Ray Images 2026-May-21, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics16101574 PMID:42196940	研究论文	提出一种结合ResNet-50与多尺度Transformer块的RNNet-MST模型，用于胸部X光图像中肺结节的分类与弱监督定位	将多尺度Transformer块集成到ResNet-50中以增强全局上下文建模，并设计自定义空间注意力机制实现病灶区域的弱监督定位	仅基于NODE21数据集进行验证，未在更大规模和多样化的临床数据集上测试	提高肺结节分类和定位的敏感性，减少假阴性诊断，辅助早期肺癌检测	NODE21胸部X光数据集中的肺结节	计算机视觉	肺癌	NA	CNN与Transformer混合模型	图像	基于NODE21胸部X光数据集（具体样本数未提及）	PyTorch	ResNet-50, Transformer	召回率, 精确率, F1分数, 敏感度	NA
535	2026-05-30	Enhanced Prediction of Cardiovascular Disease Through Integrated Machine Learning Models Combining Clinical and Demographic Characteristics 2026-May-21, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics16101572 PMID:42196938	研究论文	结合临床与人口统计学特征，利用决策树、随机森林和深度学习等机器学习技术，构建心力衰竭预测模型，以提升诊断和预后预测的准确性	将临床指标与人口统计学因素结合，构建混合模型，显著提高心力衰竭短期和长期结局预测能力，优于仅依赖临床指标的模型	NA	开发一种结合临床和人口统计学特征的心力衰竭预测模型，为个体化医疗干预提供可靠工具	心力衰竭患者	机器学习	心血管疾病	NA	决策树、随机森林、深度学习	临床数据（超声心动图、生物标志物、心电图特征）和人口统计学数据	大量心力衰竭受试者数据集（具体数量未说明）	NA	决策树、随机森林、深度学习混合模型	准确性	NA
536	2026-05-30	AI and Machine Learning for Proteomics-Driven Drug Discovery: Methods, Tools, and Best Practices 2026-May-20, Current issues in molecular biology IF:2.8Q3 DOI:10.3390/cimb48050532 PMID:42193136	综述	本文综述了人工智能和机器学习在蛋白质组学驱动的药物发现中的应用、方法、工具和最佳实践	系统地比较了多种机器学习方法在蛋白质组学驱动的药物发现中的适用性，并总结了新兴方向如对比学习、扩散模型和图神经网络	未深入讨论具体实验验证结果，可能缺乏实际应用案例的详细分析	为蛋白质组学驱动的药物发现提供机器学习方法的全面综述和最佳实践指南	蛋白质组学数据在药物发现中的应用，包括目标识别、生物标志物发现、药效监测和药物重定位	机器学习	NA	质谱分析	监督学习、集成方法、降维、聚类、深度学习、图学习、生存建模、因果推断、校准方法、对比学习、扩散模型	蛋白质组学数据	NA	NA	NA	NA	NA
537	2026-05-30	Robust Multi-Site ADHD Classification via GraphSAGE-Based Functional Connectivity Modeling from rs-fMRI 2026-May-20, Bioengineering (Basel, Switzerland) DOI:10.3390/bioengineering13050586 PMID:42194343	研究论文	提出一种基于图抽样聚合网络的功能连接建模方法，用于从静息态功能磁共振成像数据中稳健分类注意力缺陷多动障碍	结合相位锁定值的功能连接估计和图抽样聚合网络，实现区域大脑活动与区域间交互的可扩展高效捕获，并提高对噪声和跨受试者变异性的鲁棒性	未提及具体限制	实现自动化且客观的注意力缺陷多动障碍诊断	注意力缺陷多动障碍患者	数字病理学	注意力缺陷多动障碍	静息态功能磁共振成像	图抽样聚合网络	图像	ADHD-200数据集（多个采集站点及组合多站点数据集）	PyTorch	GraphSAGE	准确率, AUC, 特异度	NA
538	2026-05-30	ARTEMIS: An Explainable AI Framework for Multi-Class COVID-19 Diagnosis with a Newly Curated Dataset 2026-May-20, Bioengineering (Basel, Switzerland) DOI:10.3390/bioengineering13050588 PMID:42194345	研究论文	提出一个名为ARTEMIS的可解释深度学习框架，用于多类别COVID-19诊断，并包含一个新整理的数据集	采用可学习的预处理组件动态调整图像对比度和锐度，结合EfficientNet-B0骨干网络与Transformer编码器，同时学习局部放射学特征和全局像素关系	未提及	开发高度可解释的深度学习流水线，用于胸部X光和CT图像的自动分类，区分COVID-19感染、社区获得性肺炎和正常情况	胸部X光和CT图像，包括公开数据集和新标注的CT数据集	数字病理学	COVID-19	NA	CNN, Transformer	图像	五个数据集，包括四个公开数据集和一个新CT数据集	PyTorch	EfficientNet-B0, Transformer	宏F1分数, 准确率	NA
539	2026-05-30	Artificial Intelligence in Gastrointestinal Endoscopy and Hemostatic Decision-Making: Current Evidence, Clinical Implications and Implementation Barriers 2026-May-20, Life (Basel, Switzerland) DOI:10.3390/life16050845 PMID:42195401	综述	本文综述了人工智能在消化内镜及止血决策中的应用现状、临床意义和实施障碍	重点探讨了人工智能在消化内镜止血决策这一复杂领域的应用，分析了现有模型在非静脉曲张性出血、静脉曲张性出血及胶囊内镜中的表现，并提出了前瞻性多中心验证、可解释性、实时可用性等关键发展方向	前瞻性干预性证据有限，现有模型多受限于回顾性设计、单中心数据集、不完全外部验证、黑箱决策、异质性报告、工作流程障碍及成本效益不明确	评估人工智能辅助决策在消化内镜及内镜止血中的现有证据，并分析其临床应用前景与实施障碍	消化内镜与内镜止血中的人工智能模型，涵盖病变检测、特征识别、质量评估、临床风险预测及止血治疗决策	机器学习和自然语言处理	消化道出血	NA	机器学习与深度学习模型	内镜图像和临床数据	NA	NA	NA	NA	NA
540	2026-05-30	Near-Infrared Spectroscopy in Food Analysis: Applications, Chemometric Strategies, and Technological Advances 2026-May-20, Foods (Basel, Switzerland) DOI:10.3390/foods15101814 PMID:42196017	综述	系统综述近红外光谱技术在食品分析中的原理、应用、化学计量学策略及技术进展	全面梳理了最新研究进展，强调近红外光谱作为快速、非破坏性检测方法的优势，并提出了多模态数据融合、深度学习集成和智能算法优化等创新解决方案	存在标样传输困难、基质干扰和模型泛化性等挑战	总结近红外技术在食品领域的应用进展，为其工业转化和标准化应用提供理论支持和技术参考	食品，包括谷物、肉类、果蔬、乳制品、发酵产品、茶、咖啡及其他加工食品	机器学习	NA	NIR spectroscopy (近红外光谱)	PLS, SVM, BP-ANN, 模糊聚类	光谱数据	NA	NA	NA	准确性、鲁棒性	NA