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
681	2026-05-25	Cerebrospinal fluid volume outperforms traditional measures for predicting treatment failure in infant hydrocephalus 2026-May-23, Fluids and barriers of the CNS IF:5.9Q1 DOI:10.1186/s12987-026-00819-0 PMID:42177495	研究论文	探讨术前脑脊液体积测量在预测婴儿脑积水内镜下第三脑室造瘘术联合脉络丛烧灼术后是否需要分流依赖中的价值	首次证明术前脑脊液体积及其与颅内体积的比值（通过深度学习分割方法测量）优于传统线性测量指标，能独立预测婴儿脑积水ETV/CPC术后的分流依赖风险	NA	评估术前脑脊液体积测量是否独立预测婴儿脑积水ETV/CPC术后分流依赖	2008年至2024年期间接受ETV/CPC作为初始治疗的婴儿脑积水患者	机器学习	婴儿脑积水	MRI	深度学习分割模型	医学影像	188名婴儿（中位手术年龄60天，42.5%为女性）	NA	NA	风险比（HR）、95%置信区间（CI）、p值	NA
682	2026-05-25	Coformer: a deep learning-based framework for cross-environment and multi-year cotton phenotype prediction and interpretation 2026-May-23, Plant methods IF:4.7Q1 DOI:10.1186/s13007-026-01528-3 PMID:42177568	研究论文	提出Coformer模型，用于跨环境和多年度棉花表型预测与解释	创新性地结合Transformer自注意力编码器与自动解码器，实现高维SNP数据压缩和长距离依赖性捕获；无需显式建模环境因素即可保持跨环境预测鲁棒性；同时提供可解释性，精确定位关键遗传位点	未明确讨论模型在极端环境或非典型数据集上的泛化能力，且可能对低频SNP信号不敏感	提高棉花关键农艺性状预测精度，突破传统模型在高维基因组数据上的过拟合和泛化瓶颈	棉花及其多环境、多年度的表型与SNP标记数据	机器学习	NA	SNP基因分型	Transformer-autoencoder混合模型	基因组数据（SNP标记）与表型数据	未明确样本数量，但提及多环境、多年度数据集	NA	Transformer编码器, 自动解码器, 线性投影层, 归一化模块	预测鲁棒性、可解释性（关键遗传位点定位）	NA
683	2026-05-25	The development and application of deep learning for stem cell research 2026-May-22, Journal of genetics and genomics = Yi chuan xue bao DOI:10.1016/j.jgg.2026.05.008 PMID:42176802	review	综述深度学习在干细胞研究中的最新进展，包括生物影像数据分析和大规模基因组学数据探索	系统总结了深度学习在干细胞生物影像与基因组学数据分析中的创新应用，并指出当前模型的局限性与挑战	现有深度学习模型在干细胞研究中的应用仍面临数据可解释性、模型泛化能力及计算资源需求等挑战	阐述深度学习如何推动干细胞研究的策略革新并提供技术优势	干细胞领域的生物影像数据和大规模基因组学数据	机器学习	NA	NA	深度学习模型	生物影像, 基因组数据	NA	NA	NA	NA	NA
684	2026-05-25	Smartphone movement data can reliably predict smoking lapses and cravings to enable timely smoking cessation support 2026-05-21, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-49611-y PMID:42168340	研究论文	利用智能手机被动收集的运动数据，通过深度学习模型预测吸烟行为，为戒烟提供即时支持	首次证明智能手机传感器（加速度计、陀螺仪和磁力计）被动收集的运动数据可用于预测吸烟行为，且无需个人数据即可实现高精度预测	未提及具体局限性	开发基于运动数据的吸烟行为预测方法，以支持戒烟干预	吸烟者的智能手机运动数据及吸烟行为（包括渴望、复发）	机器学习	吸烟成瘾	智能手机传感器（加速计、陀螺仪、磁力计）	1D-CNN-BiLSTM	运动数据（传感器信号）	NA	NA	1D-CNN-BiLSTM	准确率（accuracy）	NA
685	2026-05-25	Machine learning and artificial intelligence in liquid biopsy-based early detection of pancreatic cancer: a scoping review 2026-May-21, BJC reports DOI:10.1038/s44276-026-00232-y PMID:42168331	综述	探讨人工智能和机器学习在基于液体活检的胰腺癌早期检测中的应用现状	系统综述了AI/ML策略在液体活检中用于胰腺导管腺癌早期诊断的最新进展，重点分析了不同技术及其成功程度	缺乏模型性能指标的标准化报告，以及队列规模小且标签粒度不够精细	综述人工智能驱动的液体活检在胰腺癌早期诊断中的应用	胰腺导管腺癌	机器学习	胰腺癌	液体活检	随机森林, 支持向量机, 深度学习	生物样本数据	18项研究	NA	随机森林, 支持向量机	NA	NA
686	2026-05-25	Half-dose contrast media protocol using 70 kVp abdominal dynamic CT with super-resolution deep learning reconstruction: Evaluation of image quality and contrast performance 2026-May-20, European journal of radiology IF:3.2Q1 DOI:10.1016/j.ejrad.2026.112959 PMID:42176557	研究论文	评估使用超分辨率深度学习重建（SR-DLR）的70 kVp腹部动态CT在减少碘对比剂（CM）用量情况下的对比增强和图像质量	首次在70 kVp腹部动态CT中结合超分辨率深度学习重建（SR-DLR），实现对比剂用量减半并保持肝脏增强和整体图像质量	未明确说明局限性	评估减少碘对比剂用量的70 kVp腹部动态CT结合SR-DLR的图像质量和对比性能	600名接受腹部动态CT的患者，按肾功能分组，最终分析包括70 kVp-300 mgI/kg（n=24）、70 kVp-400 mgI/kg（n=48）和100 kVp-600 mgI/kg（n=48）	计算机视觉	NA	CT	超分辨率深度学习重建（SR-DLR）	图像	600名患者（最终分析120名）	NA	超分辨率深度学习重建网络（SR-DLR）	对比增强、对比噪声比（CNR）、信噪比（SNR）	NA
687	2026-05-25	NeuraMFs: A deep learning model for airborne microfiber identification in plant biomonitors 2026-May-19, Journal of hazardous materials IF:12.2Q1 DOI:10.1016/j.jhazmat.2026.142410 PMID:42176626	研究论文	提出基于级联R-CNN和ResNet-101的深度学习模型NeuraMFs，用于植物生物监测器中空气微纤维的识别和分类	首次将两阶段级联R-CNN架构结合ResNet-101骨干网络应用于植物生物监测器中空气微纤维的自动识别和分类，并构建了多提取协议、高分辨率立体显微镜图像数据集	未提及模型在真实环境大规模部署时的泛化能力和计算资源需求，以及不同类型纤维的区分精细度	开发快速、可扩展的空气微纤维自动识别工具，支持大规模环境暴露和风险评估	苔藓、地衣和维管植物中的空气微纤维（合成和工业改性纤维素纤维）	计算机视觉, 数字病理学	NA	立体显微镜成像	CNN	图像	测试集中110个微纤维样本	PyTorch	Cascade R-CNN, ResNet-101	AUC, 准确率	NA
688	2026-05-25	Heterogeneous neural blind deconvolution: A signal processing-empowered foundation feature extractor for bearing fault diagnosis 2026-May-19, Neural networks : the official journal of the International Neural Network Society IF:6.0Q1 DOI:10.1016/j.neunet.2026.109143 PMID:42176664	研究论文	提出一种基于信号处理与异构神经网络结合的盲反卷积方法，作为轴承故障诊断的通用特征提取器	首次结合线性和二次神经元构建异构神经网络，证明其逼近多项式的高效性；设计双时域盲反卷积分支与频域模块融合的特征提取架构	未说明	开发一种通用特征提取器，适用于噪声干扰、跨域迁移和边缘设备部署等多种下游故障诊断任务	轴承故障诊断任务	机器学习	NA	盲反卷积	异构神经网络	振动信号	未说明	NA	异构盲反卷积	准确率、可解释性	NA
689	2026-05-25	Artificial intelligence-enhanced ultrasound multimodal imaging and tissue characterization for predicting immunotherapy efficacy in rectal cancer 2026-May-14, Tissue & cell IF:2.7Q3 DOI:10.1016/j.tice.2026.103613 PMID:42176680	综述	综合评述人工智能增强超声多模态成像在预测直肠癌免疫治疗疗效中的应用	系统整合免疫生物学-超声-人工智能的跨学科框架，提出可解释人工智能、联邦学习、可穿戴超声贴片和多模态放射基因组学等未来方向	操作者间差异、设备异质性导致跨平台性能下降、超声-放射基因组学整合有限以及临床转化尚处于初期	评估人工智能增强超声多模态成像在预测直肠癌免疫治疗疗效中的现状与未来方向	直肠癌患者的肿瘤微环境动态变化及其免疫治疗反应	机器学习	直肠癌	多模态超声成像（包括腔内超声、超声造影、剪切波弹性成像、多普勒超声、光声成像）	深度学习、放射组学	图像	NA	NA	NA	诊断准确性	NA
690	2026-05-25	Multimodal Prediction of Periodontitis Using Root Exposure in Intraoral Images and Age 2026-May-12, International dental journal IF:3.2Q1 DOI:10.1016/j.identj.2026.109617 PMID:42119243	研究论文	开发基于口腔照片的根暴露量量化深度学习流程，并结合年龄构建多模态牙周炎预测模型	首次利用YOLOv11分割模型从口腔照片中量化牙根暴露面积，并提取暴露根比（ERR）作为可解释性生物标志物，结合年龄等传统风险因素提升牙周炎预测性能	样本量较小（269名参与者），仅聚焦下颌前牙区，且未涉及其他潜在风险因素	评估基于AI的根暴露量化指标在牙周炎多模态风险预测中的价值	下颌前牙区口腔照片及参与者年龄、自报数据	计算机视觉, 机器学习	牙周炎	口腔摄影	YOLOv11分割模型, 逻辑回归, 支持向量机, 随机森林, 梯度提升	图像, 表格数据	269名参与者	PyTorch, Scikit-learn	YOLOv11	平均精度均值 (mAP@0.5), Dice系数, AUROC	NA
691	2026-05-25	Comprehensive evaluation of cross cancer generalization in histopathology segmentation models across 21 tumor types 2026-May-05, Communications medicine IF:5.4Q1 DOI:10.1038/s43856-026-01601-x PMID:42086725	研究论文	评估五种组织分割模型在21种癌症类型中的跨肿瘤泛化能力	系统评估了跨癌症分割模型的泛化性能，提出泛癌分割模型的可行性	基于半定量评分（0-10）可能引入主观偏差，且仅评估了五种组织来源的模型	探索已有分割模型在不同癌症类型间的泛化能力，减少开发特定癌症模型的需求	来自TCGA的21种癌症类型的7700+张全切片图像	数字病理学	多种癌症（肺癌、乳腺癌、结肠癌、肾癌、前列腺癌等21种）	组织病理学图像分析	分割模型（具体架构未明确）	图像（全切片图像）	21种癌症类型，总计超过7700张全切片图像	NA	NA	半定量评分（0-10）	NA
692	2026-05-25	Learning with less: A survey of deep learning in medical imaging under varying supervision levels 2026-05, Artificial intelligence in medicine IF:6.1Q1 DOI:10.1016/j.artmed.2026.103375 PMID:41702310	综述	系统综述了医学图像分析中在不同监督水平下的深度学习方法	根据不同监督水平对方法进行系统分类，包括无监督、不精确监督、不完整监督、不准确监督和有限监督，并进一步细分子类别	未明确讨论不同监督方法的局限性及实际应用中的挑战	总结不同监督水平下深度学习方法在医学图像分析中的应用，并探索未来研究方向	医学图像分析中的深度学习模型	计算机视觉	不适用	不适用	不适用	医学图像	不适用	不适用	不适用	不适用	不适用
693	2026-05-25	A Character-level Convolutional Recurrent Interaction Network for joint traditional Chinese medicine clinical named entity recognition and relation extraction 2026-05, Artificial intelligence in medicine IF:6.1Q1 DOI:10.1016/j.artmed.2026.103372 PMID:41707487	研究论文	提出一种字符级卷积循环交互网络，用于中医电子病历的命名实体识别和关系联合抽取	首次将中医四诊维度作为关系类型融入联合抽取框架，并利用字符级卷积和自注意机制捕获古汉语语义特征	未明确讨论模型在低资源场景下的泛化能力或对中医古籍文本的适用性	实现中医电子病历中实体与四诊维度关系的联合识别与抽取	中医电子病历中的临床实体（部位、症状属性）及其与四诊维度的关联关系	自然语言处理	NA	NA	卷积循环交互网络	文本	NYT数据集和TCM-cases数据集（具体样本量未提及）	NA	CCRIN（字符级卷积循环交互网络）	NA	NA
694	2026-05-24	A Digital Twin-Inspired Closed-Loop Latent Simulation Framework for Cross-Cohort Breast Cancer Subtype Classification under Modality-Disjoint Learning 2026-May-22, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2026.3696086 PMID:42172162	研究论文	提出一种数字孪生启发的闭环潜在仿真框架CDLS，用于跨队列乳腺癌亚型分类，在模态不重叠条件下整合多种数据	首次引入闭环潜在轨迹分类系统，结合PPO强化学习策略和kNN潜在反馈步骤，实现跨模态潜在对齐而非逐患者融合	瓶颈维度d_twin=7基于经验指导而非理论最优；闭环潜在框架仅从计算表示空间角度使用	解决现有深度学习系统在乳腺癌PAM50亚型分类中的单次预测局限，实现迭代表示优化	来自三个非重叠队列的乳腺癌患者数据，包括组织病理学、转录组学、乳腺摄影序列和临床协变量	机器学习	乳腺癌	RNA-seq, 组织病理学图像, 乳腺摄影	PPO, Twin-GRU	图像, 文本, 序列数据	三个非重叠队列，未明确样本总数	PyTorch	PPO, Twin-GRU	平衡准确率, MCC	NA
695	2026-05-24	Convolutional Neural Networks in Radiology: Principles, Clinical Applications, and a Practical Framework for Radiologists 2026-May-22, Medical principles and practice : international journal of the Kuwait University, Health Science Centre IF:2.9Q1 DOI:10.1159/000552704 PMID:42172171	综述	提供卷积神经网络在放射学中的原理、临床应用和实践框架的教育性综述	将卷积神经网络与语言模型结合，为放射科医生提供从原理到代码原型制作的全面指导	未包含实验性研究结果，依赖现有文献总结，缺乏最新临床验证数据	帮助放射科医生理解卷积神经网络的原理、潜力和局限性	放射学领域中的卷积神经网络应用	数字病理学	NA	NA	卷积神经网络	图像	NA	NA	卷积神经网络	NA	NA
696	2026-05-24	Performance comparison between a deep learning model and spine surgeons in detecting cervical spinal cord compression on radiographs 2026-May-22, Journal of neurosurgery. Spine DOI:10.3171/2026.1.SPINE251409 PMID:42172670	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
697	2026-05-24	Deep learning-driven performance prediction and design of high-DoF MEMS resonators 2026-May-21, Microsystems & nanoengineering IF:7.3Q1 DOI:10.1038/s41378-026-01198-0 PMID:42161903	研究论文	提出基于残差网络的求解器（ResNES），用于MEMS谐振器的高效物理性能预测与优化设计	引入随机拓扑生成策略批量创建高自由度MEMS谐振器设计，结合残差网络实现毫秒级物理性能预测，速度提升近三个数量级，并与粒子群优化算法协同实现多目标优化	NA	实现高自由度MEMS谐振器的快速物理性能预测和高效设计优化	MEMS谐振器的面内振动模式谐振频率	机器学习	NA	NA	残差网络（ResNet）	拓扑结构数据	数千万种潜在拓扑结构	NA	ResNES（残差网络求解器）	平均误差、计算速度提升倍数、预测与实验差异、优化后性能指标提升百分比	NA
698	2026-05-24	Thousand-Brains Systems: Sensorimotor Intelligence for Rapid, Robust Learning and Inference 2026-May-20, Neural computation IF:2.7Q3 DOI:10.1162/NECO.a.1508 PMID:41945800	研究论文	评估首个千脑系统实现Monty在3D物体感知中的独特性能，包括物体识别和姿态估计	提出通过模仿皮质柱架构的千脑系统实现快速、持续学习和高效泛化，并验证了基于传感器运动学习的结构化表示和投票算法对推理速度的提升	千脑系统（Monty）尚处于早期开发阶段	探索基于传感器运动学习的智能系统在物体识别和姿态估计中的应用	3D物体感知中的物体识别与姿态估计任务	机器学习	NA	传感器运动学习	千脑系统	图像	YCB数据集中的日常物体	NA	Monty（千脑系统实现）	泛化能力、推理速度	NA
699	2026-05-24	A reproducible benchmark of QRS detection algorithms across diverse ECG datasets and noise conditions 2026-05-20, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-53724-9 PMID:42162090	研究论文	在统一评估框架下，对17种QRS检测算法在五个公开心电数据集上的性能进行基准测试	提供完全开源的评估框架，支持可重复性；发现传统信号处理方法在跨数据集泛化中表现更稳定	未在目标域进行域适应的机器学习和深度学习模型在分布偏移下性能下降明显	系统比较不同QRS检测算法在多种心电数据集和噪声条件下的性能	17种R峰检测算法（传统信号处理、机器学习和深度学习方法）	机器学习、数字信号处理	心血管疾病	心电图记录	CNN、LSTM、传统机器学习模型	心电信号（时间序列数据）	5个公开心电数据集（来自PhysioNet平台，涵盖长期监测、心律失常和噪声环境）	NA	传统信号处理方法、深度神经网络、支持向量机	F1分数、灵敏度、阳性预测值	NA
700	2026-05-24	Exploiting quantum chaos diagnostics in QAOA for enhanced hybrid quantum classical deep learning classification 2026-May-19, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-51870-8 PMID:42156799	研究论文	将量子近似优化算法改造为特征映射，结合混沌诊断指标构建混合量子经典分类器，提升小样本MNIST分类性能	首次利用出时间顺序关联函数提取标量混沌特征增强混合量子经典分类器，并系统研究量子比特数对分类性能的有限尺寸效应	较大量子比特数下混沌特征产生过敏感性导致效果逆转，且实验仅基于固定深度的浅层电路	探索混沌诊断指标在混合量子经典深度学习中提升分类性能的可行性	MNIST数据集的平衡1000样本子集	机器学习	NA	量子近似优化算法	混合量子经典神经网络	图像	1000个MNIST图像样本	NA	NA	准确率, 配对均值差, 95%置信区间, 排列检验p值, 胜率, 配对效应量	NA