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
101	2026-07-03	The evolving role of artificial intelligence in optimizing treatment and patient selection in diabetic macular edema 2026-05-01, Indian journal of ophthalmology IF:2.1Q2 DOI:10.4103/IJO.IJO_3152_25 PMID:42060353	综述	探讨人工智能在优化糖尿病性黄斑水肿治疗及患者选择中的演进角色	系统阐述了AI从传统的筛查工具向个性化治疗决策支持系统的转变，特别是利用多模态数据（眼底图像、OCT、临床和生化数据）预测治疗反应和注射负担	泛化性不足、算法透明度欠缺、临床工作流程整合困难及伦理部署问题有待系统解决	综述AI在糖尿病性黄斑水肿个性化治疗和患者选择中的潜在应用与挑战	糖尿病性黄斑水肿患者及相关多模态临床数据	机器学习	糖尿病性视网膜病变	深度学习	卷积神经网络、生成对抗网络、集成方法	图像（眼底图像、OCT图像）、临床数据、生化数据	未指定	未指定	卷积神经网络、生成对抗网络	NA	NA
102	2026-07-03	The impact of AI technology for ideological and political education teaching based on deep learning 2026-May-01, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-51233-3 PMID:42067547	研究论文	该研究基于深度学习模型，构建动态资源优化模型，以解决职业院校思想政治教育教学中资源适应性差和学生参与度低的问题	创新性地结合图神经网络、多模态元学习框架和Transformer-XL的扩展序列建模能力，并通过多头注意力机制实现跨特征交互，构建课程知识图谱以映射资源与能力	未明确说明模型的泛化局限性和实际部署中的潜在挑战，如模型的可解释性和计算成本	利用AI技术优化职业教育中的思想政治教育资源分配和提升学生参与度	职业院校思想政治教育中的学习者、教育资源与环境因素	机器学习	NA	NA	图神经网络（GNN）、多模态元学习框架（MMLF）、Transformer-XL	文本数据（资源分配数据和学习者表现数据）	模型包含42个特征，涵盖学习者特征、资源属性和环境因素三个维度，具体样本量未说明	NA	GNN、Transformer-XL、多头注意力机制、课程知识图谱	资源有效性预测准确率、知识获取提升率、正向行为转化率、课程完成率、跨文化迁移测试准确率、资源冗余降低率、教师管理效率提升率	NA
103	2026-07-03	A hybrid flower pollination algorithm-deep learning approach for strength prediction of sustainable recycled fine aggregate concrete with GUI-based implementation 2026-May-01, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-51308-1 PMID:42067580	研究论文	提出了一种结合实验与机器学习的混合框架，用于预测含再生细骨料混凝土的抗压强度	开发了混合花朵授粉算法优化的深度神经网络（FPA-DNN），结合SHAP可解释性分析和图形用户界面工具，提高了预测准确性、鲁棒性和解释性	仅研究了固定的50%洗涤再生细骨料替代率，且模型仅针对抗压强度预测，未涉及其他性能指标	评估和预测含洗涤再生细骨料的可持续路面混凝土的抗压强度	含50%洗涤再生细骨料、氧化锆硅灰和钢渣的混凝土试件	机器学习	不适用	不适用	深度神经网络（DNN）	数值数据	264个样本，包括103个实验室生成和161个文献收集	Python（基于Scikit-learn和TensorFlow/Keras框架的算法实现）	花授粉算法优化的深度神经网络（FPA-DNN），对比模型包括kNN、随机森林（RF）、人工神经网络（ANN）、标准深度神经网络（DNN）	R²、均方根误差（RMSE）、平均绝对百分比误差（MAPE）	未明确提及
104	2026-07-03	A biomechanical-constrained temporal learning framework for lightweight skeleton-based exercise recognition 2026-May-01, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-50771-0 PMID:42067632	研究论文	提出一种结合生物力学约束和深度时间模型的轻量级骨架运动识别框架BATL，用于识别健身、康复与运动分析中的动作序列	首次将关节角度一致性、速度平滑性和骨骼长度稳定性三种生物力学约束隐式嵌入深度学习模型，并引入无监督阶段发现模块自动划分动作时间阶段	NA	提升基于骨架序列的运动识别精度，利用生物力学知识增强轻量级模型性能	健身及运动场景中的骨架姿态序列（深蹲、俯卧撑、二头肌弯举、肩部推举）	计算机视觉	NA	NA	时间卷积网络（基于生物力学约束）	视频（骨架姿态序列）	共157个视频样本（146个深蹲，126个俯卧撑，146个二头肌弯举，146个肩部推举）	PyTorch	BATL（含阶段发现模块与生物力学约束模块）	准确率（93.33% ± 0.94%）	单GPU，推理速度5.2ms/30帧序列（端到端依赖OpenPose约1.574秒）
105	2026-07-01	Comparison of Deep Learning Tools for Optic Nerve Axon Quantification Finds Limited Generalizability Upon Independent Validation 2026-May-30, Bioengineering (Basel, Switzerland) DOI:10.3390/bioengineering13060647 PMID:42351892	研究论文	比较深度学习工具对视神经轴突量化的性能，发现独立验证时泛化能力有限	通过系统综述和独立验证，揭示了公开深度学习模型在不同图像数据集上泛化能力下降的问题	验证数据集规模有限，未评估模型在不同实验条件下的表现	评估公开深度学习模型在独立数据集上量化视神经轴突的泛化能力	大鼠和老鼠视神经组织图像数据集	深度学习	青光眼	NA	深度学习模型	图像	大鼠数据集44张图像，6941个轴突；老鼠数据集74个全横截面	NA	AxoNet, AxonDeepSeg, AxoNet 2.0	相关系数, 精度, 召回率, Dice系数	NA
106	2026-07-01	Deep Learning for the Detection of Corneal Perforation on Anterior-Segment Optical Coherence Tomography in Microbial Keratitis 2026-May-30, Bioengineering (Basel, Switzerland) DOI:10.3390/bioengineering13060649 PMID:42351894	研究论文	利用深度学习方法自动检测微生物性角膜炎患者前段光学相干断层扫描图像中的角膜穿孔	首次将深度学习应用于前段OCT图像中微生物性角膜炎角膜穿孔的自动检测，并评估了不同训练集组成和随机掩膜策略对模型性能的影响	样本量相对较小（150例患者），且为单中心研究，可能影响模型的泛化能力	开发和评估用于微生物性角膜炎角膜穿孔自动检测的深度学习模型	微生物性角膜炎患者的角膜穿孔状态	计算机视觉, 数字病理学	微生物性角膜炎	前段光学相干断层扫描（ASOCT）	CNN	图像	150例微生物性角膜炎患者，对侧健康眼作为对照	PyTorch	ResNet-34	ROC AUC, 平均精度（AP）, 灵敏度, 特异度, F1分数	NA
107	2026-07-01	DigitAb: Domain-Adaptive Cell Type Prediction Method from Light Microscopy Images 2026-May-21, bioRxiv : the preprint server for biology DOI:10.64898/2026.05.19.726313 PMID:42239069	研究论文	DigitAb是一个深度学习框架，能从H&E染色切片直接分类细胞类型，无需特殊检测	首次利用对抗域适应模块实现无标签肝活检样本的细胞类型预测，无需免疫染色	NA	开发可扩展、可访问的无标签细胞分割方法，用于研究和临床病理	来自29个人类肾组织样本的约350万细胞	数字病理	肾移植排斥反应、糖尿病肾病	光显微镜成像、免疫染色、多重成像技术	语义分割模型、对抗域适应模块	H&E染色组织图像	29个人类肾组织样本，来自四个多机构数据集	深度学习框架	语义分割模型、对抗域适应模块	平均准确率0.78	基于云的工具
108	2026-07-01	An explainable multi-stage framework for brain tumor classification using hybrid feature fusion and EfficientNetB5 model 2026-May-21, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-53862-0 PMID:42168316	研究论文	提出一种融合手工特征与深度特征的混合特征融合高效网络模型，用于脑肿瘤分类，并集成可解释性机制	首次将手工特征（SIFT、LBP、HoG、Canny）与DenseNet201深度特征融合，使用EfficientNetB5分类器，并结合遮挡图可解释性方法提升临床可信度	未提及在多种MRI采集设备或噪声条件下的泛化性验证，特征融合策略未与更先进的特征选择方法对比	实现脑肿瘤严重等级的高精度自动分类，并提供可解释的诊断依据	脑肿瘤MRI图像中的肿瘤区域及其严重程度划分	计算机视觉，数字病理学	脑肿瘤	MRI成像	EfficientNetB5， DenseNet201	图像	7023张MRI图像	NA	EfficientNetB5， DenseNet201	AUC，精确率， F1分数，准确率	NA
109	2026-07-01	An intelligent lung nodule classification model using 3D Trans-DenseUnet++-based lung nodule segmentation 2026-May-14, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-49895-0 PMID:42128891	研究论文	提出一种基于3D Trans-DenseUnet++分割和自适应DenseNet结合LSTM分类的肺结节智能分类模型	结合3D Trans-DenseUnet++分割网络和ADNet-LSTM分类模型，并引入基于强化适应度的红尾鹰算法优化参数	现有数据集仅包含有限CT图像，存在结节与非结节样本不平衡问题，可能影响模型泛化性	通过深度学习策略提升肺癌早期检测中肺结节分类的准确性和可靠性	肺结节CT图像中的恶性与良性结节	计算机视觉, 数字病理学	肺癌	NA	3D Trans-DenseUnet++, 自适应DenseNet, LSTM, 红尾鹰算法	图像	来自公开数据集的肺结节CT图像，具体数量未提及	NA	3D Trans-DenseUnet++, ADNet-LSTM	准确率	NA
110	2026-07-01	A Novel Acetylcholine Nanosensor for Single Vesicle Storage and Sub-Quantal Exocytosis in Living Neurons and Organoids 2026-05-11, Angewandte Chemie (International ed. in English) DOI:10.1002/anie.202520854 PMID:41518282	研究论文	开发了一种基于TiCT MXene/酶功能化的纳米传感器，用于实时监测活体神经元和类器官中乙酰胆碱的囊泡存储与亚量子释放动态	首次实现了在活体细胞和类器官水平上对乙酰胆碱单个囊泡存储和亚量子释放的实时定量分析，并结合1D-CNN深度学习模型对单囊泡胞吐模式进行分类	研究未提及传感器对其他神经递质的选择性验证，且类器官模型的生理相关性有限	建立一种在单细胞水平上定量分析乙酰胆碱囊泡存储和释放动态的技术，以揭示胆碱能突触可塑性的机制	小鼠原代胆碱能神经元和人脊髓类器官	生物传感器, 深度学习, 神经科学	唐氏综合征	纳米传感器 (TiCT MXene/酶功能化), 单囊泡电化学检测	1D-CNN	电化学信号（电流峰值曲线）	小鼠原代胆碱能神经元和人脊髓类器官（具体数量未说明）	NA	1D-CNN	NA	NA
111	2026-07-01	ConforFold recovers alternative protein conformations beyond MSA subsampling 2026-May, Protein science : a publication of the Protein Society IF:4.5Q1 DOI:10.1002/pro.70564 PMID:41954434	研究论文	提出ConforPSSP和ConforFold框架，将二级结构采样集成到基于深度学习的预测中，用于恢复多种蛋白质构象状态	通过显式整合二级结构信息，恢复MSA子采样或扩散模型无法获取的构象，在构象恢复上达到最先进性能	NA	开发能够系统采样蛋白质结构集合并恢复多种构象状态的方法	具有两种替代构象的蛋白质样本	机器学习	NA	NA	Transformer, OpenFold	蛋白质序列	测试数据集包含具有两种替代构象的蛋白质样本	PyTorch	Transformer, OpenFold	TM-score	NA
112	2026-07-01	Prediction of Lobar Emphysema Progression with a CT-Based Foundational Model 2026-May, Radiology IF:12.1Q1 DOI:10.1148/radiol.252958 PMID:42188737	研究论文	利用CT扫描开发并评估深度学习预后模型，预测慢性阻塞性肺疾病患者的肺叶密度下降和肺气肿进展	首次提出基于CT的基础模型，结合全局注意力机制预测肺叶特异性密度变化，量化肺气肿进展的空间异质性	NA	开发和评估深度学习预后模型，用于预测慢性阻塞性肺疾病患者的肺叶密度下降和肺气肿进展	5823名有或没有慢性阻塞性肺疾病的参与者	计算机视觉	慢性阻塞性肺疾病	CT成像	基础模型，注意力机制	图像	5823名参与者（平均年龄60岁，3003名男性）	PyTorch	基础模型，全局注意力机制	均方根误差，皮尔逊相关系数，受试者工作特征曲线下面积	NA
113	2026-07-01	Artificial intelligence in atrial fibrillation - Timely diagnosis, risk assessment and personalized management 2026 May-Jun, Indian pacing and electrophysiology journal DOI:10.1016/j.ipej.2026.01.011 PMID:41611206	综述	总结人工智能在心房颤动诊疗中的应用，涵盖早期检测、风险评估和个性化管理	系统性回顾了人工智能在心房颤动管理中的三个关键领域（AI增强心电图、个性化风险分层、消融规划），突出了机器学习在临床整合中的变革潜力	临床实施仍处于初级阶段，需要大规模验证、临床监督和监管指导以确保安全有效整合	探讨人工智能如何改善心房颤动的及时诊断、风险分层和个性化治疗	心房颤动患者及其相关并发症（如卒中、心力衰竭）	机器学习, 数字病理学	心血管疾病	心电图, 光电容积描记术	CNN, LSTM	信号数据, 影像数据, 临床数据	NA	NA	NA	NA	NA
114	2026-07-01	Associations of MRI-derived Paraspinal IMAT and LMM with Cardiometabolic Risk Factors: Results from a German Cohort 2026-May, Radiology IF:12.1Q1 DOI:10.1148/radiol.251347 PMID:42084514	研究论文	基于德国队列研究，探讨MRI测量的椎旁肌间脂肪组织和瘦肌肉量与心血管代谢危险因素的关联	首次在大型无已知基础疾病人群（11348名参与者）中，独立评估椎旁肌间脂肪组织和瘦肌肉量与心血管代谢风险因素的独立及联合关联，并采用深度学习模型进行肌肉分割	NA	评估无既往疾病个体中肌间脂肪组织和瘦肌肉量与心血管代谢危险因素的关联	德国全国队列参与者中11348名无已知基础疾病的个体	机器学习, 数字影像	心血管疾病, 高血压, 血脂异常, 血糖异常	MRI 3-T	深度学习模型	医学影像	11348名参与者（其中6460名男性，占56.9%；中位年龄43.0岁）	NA	NA	比值比, 置信区间	NA
115	2026-07-01	Evaluating the Diagnostic Performance of AI and Machine Learning in Sickle Cell Disease Detection: A Systematic Review 2026-May, Cureus DOI:10.7759/cureus.109880 PMID:42371462	系统评价	系统评价人工智能和机器学习在镰状细胞病检测中的诊断性能	首次系统性评估AI/ML模型在SCD诊断和预测中的表现及方法学质量	多数研究仍处于概念验证阶段，依赖内部验证，缺乏标准化报告，无法进行荟萃分析	评估AI/ML模型在SCD检测中的诊断和预测性能及其临床实施准备度	镰状细胞病患者的血液涂片图像、分类数据和预后数据	机器学习	镰状细胞病	NA	深度学习、集成方法、预后模型	图像、文本数据	17项研究	NA	深度学习模型、集成分类器	准确率、AUC-ROC、C指数	NA
116	2026-06-30	Innovative Hybrid CNN-Transformer Deep Learning Models For The Automated Diagnosis Of Monkeypox From Medical Images 2026-May-29, Journal of visualized experiments : JoVE DOI:10.3791/70533 PMID:42296060	研究论文	提出一种混合卷积神经网络-Transformer深度学习模型，用于从医学图像中自动诊断猴痘	将卷积神经网络和基于Transformer的特征编码器集成到一个混合深度学习模型中，在统一实验流程中自动分类猴痘图像，并与多种基线模型进行系统比较	InceptionV3出现过拟合现象，ResNetV2未提供足够的验证数据以支持稳健的泛化测试；混合模型并不必然优于所有基线模型	验证混合深度学习模型能否自动分类猴痘医学图像	猴痘与非猴痘皮肤病变图像	计算机视觉	猴痘	医学图像分析	混合卷积神经网络-Transformer模型	图像	2280张图像（1020张猴痘病变图像和1260张非猴痘病变图像）	NA	自定义Sequential CNN, InceptionV3, ResNetV2, ResNet50, DenseNet121, 混合CNN-Transformer架构	准确率, 损失, 精确率, 召回率, F1分数, AUC	NA
117	2026-06-30	Deep Learning Prediction of Personalized Peripapillary Retinal Nerve Fiber Layer Thickness Norms from Fundus Images in Glaucoma 2026-May-27, medRxiv : the preprint server for health sciences DOI:10.64898/2026.05.26.26354081 PMID:42245038	研究论文	基于眼底图像，利用深度学习预测青光眼患者个体化的视乳头周围视网膜神经纤维层厚度标准值	首次利用深度学习从OCT en face眼底图像预测个体化的RNFLT标准值，并结合原始和偏差图提升结构与功能评估	NA	预测青光眼患者的个性化RNFLT标准值以改善结构-功能评估	青光眼患者的OCT扫描和视野数据	机器学习, 数字病理学	青光眼	OCT, 视野检查	CNN（U-Net, VGG-16）	图像（眼底图像、RNFLT图、偏差图）	18,000份OCT扫描和视野记录（10,000份用于训练，8,000份用于评估）	PyTorch	U-Net, VGG-16	相关系数（R）、平均绝对误差（MAE）、R²	NA
118	2026-06-30	Prioritizing peptides for targeted mass spectrometry experiments using deep learning 2026-May-26, bioRxiv : the preprint server for biology DOI:10.64898/2026.05.21.727053 PMID:42244555	研究论文	介绍了一种基于Transformer的深度学习模型Bromo，通过分析肽段序列和电荷状态，为靶向质谱实验优先选择响应最佳的肽段前体	首次将Transformer架构应用于肽段优先级排序，直接预测相对响应而非间接使用可检测性，考虑电荷状态的影响，且能在实验特定数据上微调以适应不同条件	未明确说明局限性，但可能包括对高质量训练数据的依赖、模型解释性不足以及跨物种或极端条件的泛化能力待验证	开发一种基于序列的深度学习方法来预测肽段在质谱中的响应强度，以优化靶向质谱实验的肽段选择	肽段前体及其在数据非依赖性采集质谱数据中的响应	机器学习	NA	靶向质谱法（SRM/PRM）、数据非依赖性采集成像质谱	Transformer	肽段序列和质谱响应强度数据	数百万个标注的肽段对，来自大规模公开DIA质谱数据	PyTorch	Transformer	相对响应预测准确率、与现有方法的比较性能	NA
119	2026-06-30	Endoscopy-Based Deep Learning Algorithms vs Endoscopists in Early Esophageal Squamous Cell Carcinoma Detection: A Systematic Review and Meta-Analysis 2026-May-26, The American journal of gastroenterology DOI:10.14309/ajg.0000000000004067 PMID:42189588	系统评价与荟萃分析	系统评价内镜深度学习算法与不同经验内镜医师在早期食管鳞状细胞癌检测中的诊断性能	首次进行系统评价和荟萃分析比较内镜深度学习算法与不同经验内镜医师在早期食管鳞状细胞癌检测中的诊断性能	当前证据未显示深度学习超越高年内镜医师，需在不同人群中开展前瞻性多中心研究	比较内镜深度学习算法与不同经验内镜医师在早期食管鳞状细胞癌检测中的诊断性能	内镜深度学习算法和内镜医师（初级和高级）	计算机视觉	食管鳞状细胞癌	内镜成像（白光内镜、图像增强内镜）	深度学习模型	内镜图像	14项研究	NA	NA	灵敏度、特异度、曲线下面积、诊断优势比	NA
120	2026-06-30	Perioperative hypoxaemia early warning based on high-frequency waveform fusion and deep learning 2026-05-19, Physiological measurement IF:2.3Q3 DOI:10.1088/1361-6579/ae669f PMID:42055016	研究论文	本研究利用高频波形数据和深度学习构建围手术期低氧血症早期预警模型，以提高预测准确性和鲁棒性	首次将Gramian Angular Summation Field和四象限矩阵方法应用于波形数据转换，构建图像数据集；证明单模态波形模型可满足临床预测需求，同时降低计算成本	未明确提及局限性，但可能包括数据来源单一（仅VitalDB数据库）、预测窗口范围有限（1-13分钟）等	构建基于高频波形数据和深度学习的低氧血症预测模型，克服传统结构参数模型的不足	围手术期患者	机器学习	低氧血症	波形数据提取（呼吸、血氧、心电图波形）	LSTM	波形数据（数值型与图像型）	NA	NA	LSTM	准确率（0.932）、AUC（0.953）、最大AUC方差（0.067）	NA