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
61	2026-03-14	Artificial intelligence for detection of age-related macular degeneration based on fundus images: A systematic review 2026 May-Jun, Survey of ophthalmology IF:5.1Q1 DOI:10.1016/j.survophthal.2025.10.004 PMID:41173219	综述	本文系统回顾了基于眼底图像利用机器学习/深度学习算法进行年龄相关性黄斑变性检测和预测的应用与性能	系统性地总结了不同机器学习与深度学习架构（特别是CNN和ResNet）在AMD检测中的应用与性能，并指出了未来需关注校准、公平性、可解释性、外部验证等关键问题	回顾性研究，纳入的研究在模型架构、数据集和评估方法上存在异质性，缺乏统一的性能比较标准	评估机器学习和深度学习算法在基于眼底图像的年龄相关性黄斑变性检测与预测中的应用效果	用于AMD检测的机器学习和深度学习算法及其性能	计算机视觉	年龄相关性黄斑变性	眼底成像	CNN	图像	NA	NA	ResNet	准确率	NA
62	2026-03-14	Deep learning-based diagnostic classification of multiple sclerosis using multicenter optical coherence tomography data 2026-May, Experimental eye research IF:3.0Q1 DOI:10.1016/j.exer.2026.110916 PMID:41679586	研究论文	本研究利用多中心光学相干断层扫描数据，通过深度学习模型对多发性硬化症进行诊断分类	结合了特征提取、定制深度网络和微调预训练网络三类AI模型，并采用通道组合和拼接技术整合视网膜层厚度和表面特征，提高了分类性能	模型在跨数据集评估中性能显著下降，表明外部泛化能力有限，尤其是在使用公共数据训练并应用于本地临床数据时	开发基于人工智能的准确且可解释的多发性硬化症诊断分类方法	多发性硬化症患者和健康对照者的眼睛	数字病理学	多发性硬化症	光学相干断层扫描	自编码器, 定制深度网络, 预训练网络	图像	116只眼睛（38只健康对照眼，78只多发性硬化症眼）	NA	NA	平衡准确率, 特异性, 敏感性, g-均值, F1分数, AUC	NA
63	2026-03-14	Automated segmentation of pterygium lesions using multiscale deep learning networks 2026-May, Experimental eye research IF:3.0Q1 DOI:10.1016/j.exer.2026.110928 PMID:41687801	研究论文	本文提出了一种基于多尺度深度学习网络的翼状胬肉病变自动分割方法，旨在通过精确分割病变区域来辅助评估疾病严重程度	利用翼状胬肉病变独特的楔形形状特征，在UNet瓶颈层嵌入多尺度模块（SPP和ASPP），并探索了等流和瀑布流两种并行路径构建模式，以有效捕获病变特征的多尺度变化	多尺度模块主要关注较小特征图，未来可探索更大特征图尺寸的网络架构，但需权衡计算负担	开发自动分割翼状胬肉病变的深度学习模型，以量化病变组织并辅助疾病严重程度评估	翼状胬肉病变区域	计算机视觉	眼科疾病	深度学习	CNN	图像	NA	NA	UNet, SPP, ASPP	豪斯多夫距离	NA
64	2026-03-14	Cross-modal attention deep learning reveals how transformation products inherit life-cycle risks from parent antibiotics: Insights for environmental, ecological, health, and AMR risks 2026-May-01, Water research IF:11.4Q1 DOI:10.1016/j.watres.2026.125584 PMID:41719651	研究论文	本研究利用跨模态注意力深度学习模型评估抗生素及其转化产物的生命周期风险，揭示了高相似性转化产物如何继承母体抗生素的风险特征	首次引入基于分子图和融合分子指纹的少样本跨模态注意力深度学习模型，用于识别多类别抗生素生命周期风险优先级，并通过可解释性分析揭示了关键风险结构特征	研究仅关注141种母体抗生素及其转化产物，可能未涵盖所有抗生素类别；模型在更大规模数据集上的泛化能力有待进一步验证	评估抗生素转化产物在水环境中的生态、环境、人类健康和抗菌素耐药性风险，为制定有效管理策略提供理论支持	141种母体抗生素及其高相似性转化产物	机器学习	NA	分子图分析，分子指纹融合	深度学习	分子图，分子指纹	141种母体抗生素及其转化产物	NA	GINConv, GATConv	预测准确性，鲁棒性	NA
65	2026-03-14	Multiscale decomposition and fuzzy-rule attention: A transferable cross-basin framework for long-term water quality forecasting 2026-May-01, Water research IF:11.4Q1 DOI:10.1016/j.watres.2026.125593 PMID:41734573	研究论文	提出一种结合物理信号分解与模糊逻辑的可迁移深度学习框架，用于长期河流水质预测	集成多通道奇异谱分析进行趋势分离，并结合Transformer与自适应模糊机制以处理不确定性和复杂时空依赖性	未明确说明模型在极端事件或未覆盖流域的泛化能力，且依赖历史数据的连续性和质量	开发一个在预测准确性和跨流域泛化性之间取得平衡的长期水质预测框架	中国多个河流流域的149个监测站点的水质数据	机器学习	NA	多通道奇异谱分析	Transformer	时间序列数据	149个监测站点从2007年至2022年的现场观测数据	NA	Transformer	Nash-Sutcliffe效率	NA
66	2026-03-14	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	本研究提出并验证了一种基于循证医学的深度学习模型EASDnet，用于结直肠癌的判别性病理筛查和归因	引入了一种结合证据和注意力机制的深度学习架构，能够学习癌变病灶与其周围微环境之间的细微形态差异，有效捕捉类间和类内的判别性特征	NA	开发一种客观、基于循证医学的定量分析工具，以辅助临床医生进行结直肠癌的准确术前分期	结直肠癌病灶及其周围微环境	数字病理学	结直肠癌	深度学习	CNN	图像	公开可用的图像数据集NCT-100K和LC25000	NA	EASDnet	准确率	NA
67	2026-03-14	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	本研究提出了一种名为H-DCA Net的新型深度学习框架，用于胃癌组织病理学图像的多尺度诊断	提出了一个分层双分支坐标注意力网络，通过异构分支分别捕获宏观组织结构和微观细胞细节，并利用分层注意力机制进行特征融合，以解决现有CAD系统的“尺度不匹配”问题	模型仅在公开数据集GasHisSDB上进行了训练和验证，其泛化能力有待在更多样化的临床数据上进一步验证	开发一个能够模拟病理学家多尺度诊断工作流程的深度学习框架，以提高胃癌分类的准确性和可靠性	胃癌组织病理学图像	数字病理学	胃癌	组织病理学图像分析	CNN	图像	使用公开数据集GasHisSDB，并在三个不同图像块尺寸（80×80, 120×120, 160×160像素）上进行训练和验证	NA	EfficientNetV2-S, MobileNetV3-L	准确率, 精确率, 灵敏度, 特异性	NA
68	2026-03-13	Precise, fast, and automated gel quantification powered by YOLO11 instance segmentation 2026-May-15, Analytica chimica acta IF:5.7Q1 DOI:10.1016/j.aca.2026.345293 PMID:41813342	研究论文	本研究提出了一种基于YOLO11实例分割的端到端、全自动凝胶条带分割框架，用于精确、快速的凝胶图像定量分析	采用轻量级YOLO11n架构，无需预处理即可处理高分辨率图像，并利用像素级掩码而非边界框进行定量，有效排除背景噪声，解决了分析速度与定量精度之间的长期权衡	模型训练数据量相对有限（总计200张图像），且主要针对特定染色方法（考马斯亮蓝、银染、荧光染色）进行了验证	开发一种自动化、高精度的凝胶电泳图像分析工具，以替代传统依赖人工和主观判断的密度测定法	凝胶电泳图像	计算机视觉	NA	凝胶电泳，荧光成像	实例分割	图像	200张凝胶图像（150张用于训练，50张用于微调）	YOLO	YOLO11n, YOLO11-Seg	mAP50, 线性度(R²), 变异系数(CV), 处理延迟时间	NA
69	2026-03-13	Intelligent microfluidics: A deep learning-integrated platform for high-accuracy oocyte membrane permeability characterization in cryobiology 2026-May-15, Analytica chimica acta IF:5.7Q1 DOI:10.1016/j.aca.2026.345301 PMID:41813348	研究论文	本研究介绍了一个名为CryoSIM的集成微流控-AI平台，用于自动、并行量化卵母细胞膜渗透性，以提高冷冻保存效率	结合微流控芯片、深度学习模型（MLSNet）和传输建模，实现了自动化、高通量的卵母细胞膜渗透性表征，相比手动方法提高了90%以上的分析通量	未明确提及平台在更广泛细胞类型或极端条件下的适用性限制	开发一个可扩展的分析框架，以稳健、系统的方式表征细胞膜传输现象，优化冷冻保存协议	卵母细胞	机器学习	NA	微流控技术，深度学习	深度学习模型	图像	NA	Python	MLSNet	像素级准确度	NA
70	2026-03-13	A semi-supervised domain adaptation framework with attention-enhanced ResNet50 for LIBS-based soil classification under spectral distribution shift 2026-May-08, Analytica chimica acta IF:5.7Q1 DOI:10.1016/j.aca.2026.345292 PMID:41813363	研究论文	本研究提出了一种基于注意力增强ResNet50的半监督域自适应框架，用于处理LIBS光谱分布偏移下的土壤分类问题	结合了Gramian Angular Field技术将一维光谱编码为二维图像以增强特征表示，并设计了基于SE-ResNet50的注意力机制网络，同时整合了基于模型的迁移学习和伪标签学习来逐步提升模型对目标域的适应性	NA	解决激光诱导击穿光谱在土壤分类中因光谱分布偏移导致的模型性能下降问题	土壤样本的LIBS光谱数据	计算机视觉	NA	激光诱导击穿光谱	CNN	图像	NA	NA	SE-ResNet50	准确率	NA
71	2026-03-13	Deep learning as a generator of sodium channel state hypotheses 2026-May-04, The Journal of general physiology IF:3.3Q1 DOI:10.1085/jgp.202513938 PMID:41805948	研究论文	本文利用AlphaFold 2生成钠通道的结构集合，并探讨β亚基和钙调蛋白对这些集合的重塑作用	首次应用AlphaFold 2生成钠通道的结构集合，并验证β亚基和钙调蛋白对其结构多样性的影响	生成的结构集合仅为可测试的结构假设，而非实际的热力学群体，可能存在模型偏差	探索AlphaFold 2在生成离子通道结构假设方面的应用，以理解钠通道的构象变化	钠通道（NaV通道）、β亚基、钙调蛋白	结构生物学	NA	AlphaFold 2	深度学习模型	蛋白质结构数据	NA	AlphaFold	AlphaFold 2	NA	NA
72	2026-03-13	Autoencoder-driven stride length estimation for individuals with Parkinson's disease using inertial measurement unit-embedded footwear 2026-May, Gait & posture IF:2.2Q2 DOI:10.1016/j.gaitpost.2026.110126 PMID:41687573	研究论文	本研究开发了一种基于自编码器的深度学习模型，用于预测帕金森病患者的步长，使用鞋内嵌入的惯性测量单元数据	该模型无需显式步态分割即可估计步长，提高了对步态受损人群的适用性，并展示了在时间偏移下的鲁棒性	研究样本量较小（仅10名帕金森病患者），可能限制模型的泛化能力	开发一种无需显式步态分割的步长估计方法，以支持帕金森病患者的步态监测和疾病进展评估	帕金森病患者的步态数据	机器学习	帕金森病	惯性测量单元（IMU）数据采集	自编码器, 全连接回归网络	时间序列数据（三轴加速度和角速度）	10名帕金森病患者	NA	自编码器, 全连接回归网络	R², 一致性界限	NA
73	2026-03-13	MRI-based deep learning and radiomics for preoperative prediction of P53abn endometrial cancer: A multicenter study 2026-May, European journal of radiology IF:3.2Q1 DOI:10.1016/j.ejrad.2026.112745 PMID:41740271	研究论文	本研究开发并验证了一种基于MRI的深度学习和影像组学方法，用于术前区分p53异常子宫内膜癌，以促进个性化治疗规划中的精细化风险分层	提出了一种结合两阶段深度学习架构（V-Net和VB-Net）进行自动肿瘤分割，并利用提取的影像组学特征构建机器学习分类器，用于术前无创预测P53abn子宫内膜癌的多中心研究方法	研究为回顾性设计，可能存在选择偏倚；模型性能虽高，但需在前瞻性队列中进一步验证	开发并验证一种非侵入性的MRI-based深度学习和影像组学方法，用于术前区分p53异常子宫内膜癌，以支持个性化治疗规划	经组织学确诊的子宫内膜癌患者	数字病理	子宫内膜癌	磁共振成像	深度学习, 机器学习	图像	920名患者	NA	V-Net, VB-Net	Dice相似系数, AUC	NA
74	2026-03-13	Financial impact of deep learning reconstruction in magnetic resonance imaging: experiences after widespread deployment 2026-May, European journal of radiology IF:3.2Q1 DOI:10.1016/j.ejrad.2026.112743 PMID:41759450	研究论文	评估深度学习重建（DLR）在三级学术医院MRI生产力中的影响，并验证先前发布的基于蒙特卡洛模拟的DLR生产力提升潜力预测	通过实际部署数据验证了基于蒙特卡洛模拟的DLR生产力预测模型，展示了DLR在部分实施阶段即可显著提升MRI扫描效率	DLR在神经影像学中表现不稳定，T2加权序列存在伪影，对比增强研究质量下降，限制了其适用性，需严格质量保证	评估DLR对MRI生产力的实际影响并验证模拟预测的准确性	三级学术医院的MRI扫描仪日志数据及图像质量	医学影像分析	NA	深度学习重建（DLR），磁共振成像（MRI）	深度学习模型	MRI扫描日志数据，图像质量评估数据	两个时期的数据：DLR前（2023年1-10月，6台扫描仪）和DLR后（2025年1-10月，5台扫描仪）	NA	NA	序列持续时间减少百分比，总检查时间减少百分比，每小时吞吐量变化，图像质量评估	NA
75	2026-03-13	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	本研究提出了一种基于改进U-Net和YOLOv11的集成框架，用于从犬类胸部X射线图像中自动测量椎体心脏比例，以辅助犬类心脏肥大的早期筛查和预防	提出了一种结合改进U-Net架构（SWA-UNet）和YOLOv11的集成框架，用于心脏精确分割和关键点检测，实现了自动化、高精度的椎体心脏比例计算	NA	开发一种自动化、精确的椎体心脏比例测量工具，以促进犬类心脏肥大的筛查和预防，并推动犬类心脏健康的群体研究	犬类胸部X射线图像	计算机视觉	心血管疾病	X射线成像	CNN	图像	NA	NA	U-Net, YOLOv11	平均交并比, Dice系数, 精确率, 召回率, 皮尔逊相关系数	NA
76	2026-03-10	DAUS-Net: Toward Ultrasound Scanner-Agnostic Domain Generalized Robust and Accurate Segmentation 2026-May, Ultrasonic imaging IF:2.5Q2 DOI:10.1177/01617346251388454 PMID:41449845	研究论文	本文提出了一种名为DAUS-Net的超声图像分割网络，旨在实现与超声扫描设备无关的、鲁棒且准确的乳腺肿瘤分割	将深度频率滤波模块集成到U-Net架构中，并在潜在空间进行自适应频率成分选择，同时用实例归一化替代批量归一化以移除设备相关的风格特征，从而提升模型对不同超声设备的泛化能力	研究仅针对乳腺肿瘤分割任务在三个公共数据集上进行了验证，尚未在更多疾病类型或更大规模的临床数据中测试其泛化性能	开发一种不依赖于特定超声扫描设备的通用分割模型，以降低模型部署成本并解决医疗影像中数据采集昂贵的问题	超声图像中的乳腺肿瘤	数字病理	乳腺癌	超声成像	CNN	图像	三个公共数据集（具体样本数未在摘要中说明）	未明确说明	U-Net（集成深度频率滤波模块）	Dice系数	NA
77	2026-03-10	Explainable AI in Cardiology Diagnostics: A Systematic Review of Machine Learning, Meta-heuristic Optimization, and Clinical Text Mining for Coronary Artery Disease 2026-May, International journal of medical informatics IF:3.7Q2 DOI:10.1016/j.ijmedinf.2026.106321 PMID:41653696	综述	本文系统综述了机器学习、元启发式优化和临床文本挖掘等人工智能方法在冠状动脉疾病诊断中的应用	整合了机器学习、自然语言处理、元启发式优化和可解释人工智能等多种AI方法，并系统评估了它们在CAD诊断中的性能与临床适用性	纳入研究临床验证有限，数据稀缺，缺乏标准化、以临床医生为中心的可解释性评估，且外部验证不足	旨在识别CAD诊断中最常用的AI模型，评估其性能，并探索可解释性和优化如何提升临床实用性	冠状动脉疾病（CAD）	自然语言处理, 机器学习	心血管疾病	机器学习, 自然语言处理, 元启发式优化, 可解释人工智能	深度学习模型, Transformer模型	文本, 基准数据集	61项研究	NA	BioBERT, ClinicalBERT	准确率	需要大量计算资源
78	2026-03-10	Learning with less: A survey of deep learning in medical imaging under varying supervision levels 2026-May, Artificial intelligence in medicine IF:6.1Q1 DOI:10.1016/j.artmed.2026.103375 PMID:41702310	综述	本文系统综述了医学影像分析中在不同监督水平下应用的深度学习方法	首次根据监督水平（无监督、不精确监督、不完全监督、不准确监督和有限监督）对医学影像深度学习方法进行系统性分类和综述，并细分子类别	作为综述文章，不涉及具体实验验证，主要基于现有文献进行归纳总结	梳理和总结医学影像分析中在不同监督水平下的深度学习方法，探讨未来研究方向	医学影像分析领域的深度学习方法和相关数据集	医学影像分析	NA	深度学习	NA	医学影像	NA	NA	NA	NA	NA
79	2026-03-10	A Character-level Convolutional Recurrent Interaction Network for joint traditional Chinese medicine clinical named entity recognition and relation extraction 2026-May, Artificial intelligence in medicine IF:6.1Q1 DOI:10.1016/j.artmed.2026.103372 PMID:41707487	研究论文	本文提出了一种用于联合中医临床命名实体识别与关系抽取的字符级卷积循环交互网络	将中医四诊维度视为关系，并整合字符嵌入与字符间上下文卷积特征向量来捕获古汉语语义信息，通过多任务动态交互联合抽取实体与关系	未明确提及模型在更大规模或更复杂中医病历数据集上的泛化能力	进一步结构化和建模中医医疗数据，实现中医临床命名实体识别与关系抽取	中医电子病历	自然语言处理	NA	NA	CNN, LSTM, 自注意力机制	文本	NYT数据集和TCM-cases数据集	NA	字符级卷积循环交互网络	NA	NA
80	2026-03-10	GFASNet: Gait feature attention-driven deep sequential network for dementia-related gait pattern analysis 2026-May, Artificial intelligence in medicine IF:6.1Q1 DOI:10.1016/j.artmed.2026.103377 PMID:41713110	研究论文	本研究提出了一种名为GFASNet的步态特征注意力驱动深度序列网络，用于分析痴呆相关的步态模式	将特征级注意力机制整合到序列深度学习架构中，以增强模型透明度并量化个体步态参数的相对贡献，从而识别潜在的数字化生物标志物	未明确说明模型在外部验证集上的泛化能力，且样本量相对有限（232名参与者）	通过深度学习模型识别痴呆相关的步态改变，并提高模型的可解释性	232名参与者在压力传感器步道上进行自由行走测试的步态数据	机器学习	老年疾病	压力传感器步道采集	LSTM, BiLSTM, GRU, BiGRU	时空步态序列数据	232名参与者	NA	GFASNet（基于LSTM、BiLSTM、GRU、BiGRU的四种变体）	分类任务性能（具体指标未明确说明）	NA