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
201	2026-06-28	A Generalized Responsible AI Framework for Trustworthy Clinical Prediction: Explainability, Fairness, Performance, and Uncertainty in Alzheimer's Disease Modeling 2026-Jun-15, Healthcare (Basel, Switzerland) DOI:10.3390/healthcare14121721 PMID:42354579	研究论文	提出一个通用负责任AI框架，整合可解释性、公平性、性能与不确定性量化，用于阿尔茨海默病的可信预测	首次在阿尔茨海默病预测中系统整合可解释性、公平性、性能与不确定性四大负责任AI组件，并采用前馈神经网络结合蒙特卡洛Dropout实现端到端不确定性估计	应用于真实临床数据时仍面临持续性挑战；未提及外部验证数据集	开发通用负责任AI框架以解决医疗AI的可解释性、公平性和可靠性问题，提升阿尔茨海默病早期诊断的临床可信度	阿尔茨海默病患者的神经影像生物标志物数据	机器学习	阿尔茨海默病	神经影像生物标志物分析	前馈神经网络、随机森林	神经影像数据	使用TADPOLE数据集，具体样本量未说明	NA	前馈神经网络、随机森林、蒙特卡洛Dropout	准确率、等化优势差异、预测熵	NA
202	2026-06-28	DSHformer: Locality-Sensitive Hash Attention and Prototype Alignment for Sensor-Based Human Activity Recognition 2026-Jun-15, Sensors (Basel, Switzerland) DOI:10.3390/s26123803 PMID:42356776	研究论文	针对传感器人体活动识别中的分布偏移和注意力计算复杂性问题，提出了结合局部敏感哈希注意力与原型对齐的DSHformer框架	首次将基于局部敏感哈希的注意力机制与原型对齐相结合，实现O(LlogL)线性复杂度，并通过可训练原型池和多层分解网络增强类内紧凑性和类间可分性	特征分解可能引入语义相关令牌的分组衰减，需通过分解稳定哈希来缓解；实验仅涉及公开基准数据集，实际部署场景中可能受用户差异和传感器噪声影响	提升传感器人体活动识别在资源受限设备上的准确性和泛化能力	基于可穿戴传感器采集的连续时间序列数据中的日常人体活动（如行走、站立、上楼等）	机器学习	不适用	传感器数据采集（加速度计、陀螺仪等）	Transformer变体（结合局部敏感哈希注意力、图注意力编码器和原型对齐网络）	时间序列	5个公开基准数据集：WISDM、UCI-HAR、PAMAP2、Opportunity和UniMiB-SHAR（具体样本量未在摘要中提及）	NA	DSHformer（包含分层图注意力编码器、原型池分解网络、分解稳定型LSH注意力模块）	准确率（98.6%、93.7%、98.4%、88.5%、96.6%）	资源受限的可穿戴设备（未指定具体GPU或云端资源）
203	2026-06-28	Artificial Intelligence-Driven Fractional Flow Reserve Assessment: Technical Foundations, Clinical Insights, and Future Directions 2026-Jun-14, Medicina (Kaunas, Lithuania) DOI:10.3390/medicina62061157 PMID:42356169	综述	本文总结了从有创血流储备分数到人工智能驱动的冠状动脉病变功能评估的演变过程，包括基于计算流体力学的CT-FFR以及机器学习与深度学习方法的原理、验证和临床进展	系统梳理了AI（包括机器学习和深度学习）在无创冠状动脉功能评估中的应用，从基于工程特征的传统模型到端到端的直接学习系统，并探讨了虚拟PCI规划、多模态风险分层等未来方向	存在对输入数据质量的高度依赖、模型可解释性有限、监管障碍以及临床工作流程整合困难等广泛采用的主要障碍	总结AI驱动的血流储备分数评估的技术基础、临床见解及未来发展方向	冠状动脉病变的功能评估方法，包括有创FFR、基于CFD的FFRct以及AI驱动的评估模型	机器学习、计算机视觉	冠状动脉疾病	NA	机器学习、深度学习	影像（CCTA扫描图像）	NA	NA	NA	诊断准确性、预后价值	NA
204	2026-06-28	Dental Age-Group Classification from Panoramic Radiographs Using Convolutional Neural Networks 2026-Jun-12, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics16121816 PMID:42351475	研究论文	利用卷积神经网络分析全景牙科X光片进行成人和老年人年龄组分类	针对传统牙科年龄评估方法在成人和老年人中可靠性有限的痛点，首次系统评估了自定义CNN与多种预训练深度学习架构在五个年龄组分类任务中的性能	研究结果仅限于所用数据集和实验条件，需要跨不同人群和场景进一步验证广泛适用性	探索基于深度学习的自动化年龄组分类方法在成人和老年人中的应用	埃及个体的全景牙科X光片	计算机视觉	NA	全景牙科X光成像	CNN	图像	1469张全景牙科X光图像，来自25-70岁埃及个体	NA	自定义CNN, YOLOv8	准确率, MAE, RMSE	NA
205	2026-06-28	An Artificial Intelligence-Based Detection of Comorbid Depression, Anxiety, and Substance Use Disorder in Korean Counseling Dialogues Using an Explainable Hierarchical Attention Network with Shapley Additive Explanations 2026-Jun-12, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics16121817 PMID:42351476	研究论文	提出基于可解释分层注意力网络的深度学习模型，同时检测韩语咨询对话中的抑郁、焦虑和物质使用障碍共病情况，并通过SHAP方法增强可解释性	将多标签分类与可解释AI结合应用于心理健康领域，能够在实际咨询对话中同时识别三种常见共病障碍，并通过SHAP提供临床可解释的判断依据	数据来源单一（韩语咨询对话），模型在物质使用障碍标签上表现相对较低（F1=0.78），且未提及模型的泛化能力测试	开发可同时检测抑郁、焦虑和物质使用障碍共病的多标签分类模型，并增强临床可解释性	韩语咨询对话文本中的抑郁、焦虑和物质使用障碍共病状态	自然语言处理	心理健康障碍	NA	分层注意力网络（HAN-BiLSTM）	文本	1661份韩语咨询对话转录文本，平均每份约5000韩文字符	PyTorch	HAN-BiLSTM	F1-score, 宏平均F1, 95%置信区间	NA
206	2026-06-28	AI-Based Prediction of Post-ERCP Pancreatitis: A Comparative Study Using Tabular, Image, and Multimodal Data 2026-Jun-12, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics16121824 PMID:42351482	研究论文	比较基于表格数据、内镜图像数据及多模态融合方法预测ERCP术后胰腺炎的效果	首次系统比较表格数据、图像数据及多模态融合方法在PEP预测中的表现，并采用对比学习框架整合不同模态特征	单中心回顾性设计、样本量有限、PEP发生率低导致类别不平衡、多模态模型性能不理想	评估并比较不同数据模态在PEP预测中的性能，探索最优预测方案	接受ERCP手术患者的临床表格数据与内镜图像数据	机器学习	胰腺炎	NA	XGBoost, EfficientNet-B0, ResNet50, DenseNet201, 多层感知机	表格数据, 图像数据	单中心回顾性队列，具体样本数未提供	XGBoost	XGBoost, EfficientNet-B0, ResNet50, DenseNet201, 多层感知机	AUC, 敏感性, F1分数, 精确率	NA
207	2026-06-28	Real-World Insights in Designing SteatoStat: An End-to-End Deep Learning Pipeline for Hepatic Steatosis Quantification 2026-Jun-12, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics16121825 PMID:42351483	研究论文	开发了一个名为 SteatoStat 的端到端深度学习管道，用于量化肝脂肪变性	提出整合文件格式标准化、基于规则细胞过滤和多分割模型的深度学习管道，输出连续定量脂肪变性百分比并转换为分级	未来需通过独立多机构数据集验证以增强泛化能力和临床整合	标准化并提升代谢功能障碍相关脂肪性肝病（MASLD）患者肝脂肪变性的量化精度	MASLD患者的肝组织病理切片图像	数字病理学	代谢功能障碍相关脂肪性肝病	深度学习	分割模型	病理图像	NA	NA	多分割模型	DICE分数, AUROC, F1分数, 加权Kappa系数	NA
208	2026-06-28	Emerging Pathways to Non-Invasive Diagnosis in Endometriosis: Integrating Machine Learning, Deep Learning and Multi-Omics Biomarkers 2026-Jun-12, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics16121823 PMID:42351484	综述	综述人工智能在子宫内膜异位症非侵入性诊断中的应用，整合机器学习、深度学习和多组学生物标志物	系统总结了人工智能驱动的成像分析到多组学生物标志物在子宫内膜异位症诊断工作流中的整合	数据集小、过拟合、缺乏外部验证和变异性	探讨人工智能在提高子宫内膜异位症诊断准确性、减少诊断延迟及支持个性化治疗中的潜力	子宫内膜异位症的诊断流程	机器学习	子宫内膜异位症	NA	机器学习、深度学习、自然语言处理	成像数据、多组学生物标志物数据	NA	NA	NA	NA	NA
209	2026-06-28	OPTIFARM: Benchmarking YOLO Architectures for Location-Robust Potato Quality Detection 2026-Jun-12, Foods (Basel, Switzerland) DOI:10.3390/foods15122121 PMID:42354089	研究论文	通过低成本RGB成像与YOLO架构的系统基准测试，实现跨地点鲁棒的马铃薯质量检测	首次系统对比YOLOv8至YOLO26五种架构家族在跨地点马铃薯质量检测中的鲁棒性，严格采用跨地点评估协议	饲料级马铃薯的检测是泛化性能的主要瓶颈	评估低成本RGB光学检测系统在自动马铃薯质量检测中的可行性	马铃薯质量检测（可食用、饲料、腐烂三类）	计算机视觉	NA	RGB成像	YOLO	图像	1361张图像，19805个手动标注实例	PyTorch	YOLOv8, YOLOv9, YOLOv10, YOLOv11, YOLO26	F1分数, mAP@0.5:0.95, ΔF1	NA
210	2026-06-28	Artificial Intelligence in Early Breast Cancer Detection: A Systematic Review of Innovations in Preventive Women's Healthcare 2026-Jun-12, Healthcare (Basel, Switzerland) DOI:10.3390/healthcare14121674 PMID:42354532	综述	系统回顾人工智能在早期乳腺癌检测中的作用及其对预防性女性医疗保健的影响	总结人工智能技术在乳腺癌筛查、诊断和预后预测中的最新进展，并评估其对提高检测效率和减少医疗成本的潜力	需要进行更大规模的临床验证和真实世界实施研究才能实现广泛临床应用	探索人工智能在早期乳腺癌检测中的角色及其对预防和以患者为中心的医疗保健的意义	乳腺癌	机器学习	乳腺癌	乳腺X线摄影、磁共振成像、超声检查	深度学习、机器学习	医学影像	约148,170名参与者（来自11项研究）	NA	NA	准确性、灵敏度、特异性	NA
211	2026-06-28	A Calibrated Deep Learning Framework Integrating Spatial Annotations and Clinical Metadata for Safe Three-Class Bone Lesion Classification on Radiographs 2026-Jun-11, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics16121811 PMID:42351470	研究论文	提出一个结合空间标注与临床元数据的ROI引导深度学习框架，用于X光片上三类骨病变（正常、良性、恶性）的安全分类	首次将ROI引导的深度学习与临床元数据融合，实现三类骨病变分类，并重点评估临床安全性（恶性误判为正常的近零错误率）	仅在单一数据集（BTXRD）上验证，需要外部独立队列进行验证	开发一个用于X光片骨病变分类的ROI引导深度学习框架，并评估其临床安全性	X光片上的骨病变区域及其对应的临床元数据	计算机视觉	骨病变	NA	CNN, MLP	图像, 表格数据	3746张X光片（1879正常，1525良性，342恶性）	PyTorch	EfficientNetV2-S	准确率, 平衡准确率, 宏F1分数, 宏AUC, 校准指标	NA
212	2026-06-28	Artificial Intelligence in Orofacial Pain: Diagnostic and Predictive Performance Across Machine Learning and Deep Learning Models 2026-Jun-11, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics16121801 PMID:42351460	综述	该文章综述了人工智能在口面痛诊断和预测中的表现，涵盖了机器学习与深度学习模型的应用	系统性地比较了AI在不同类型口面痛（牙源性、非牙源性）中的诊断性能差异，尤其指出神经血管性疼痛表现最优	数据异质性强、缺乏外部验证，限制了临床转化；纳入研究数量有限（20篇）	评估人工智能在口面痛诊断、分类或预测中的性能，并分析不同疼痛类型的差异	口面痛患者，包括牙源性、肌骨、神经血管和神经病理性疼痛	机器学习	口面痛	NA	机器学习、深度学习模型	临床结构化数据、影像数据、信号数据、行为数据	20篇纳入研究	NA	NA	NA	NA
213	2026-06-28	Interpretable Skin Cancer Identification Using a Hybrid Deep Learning and XAI Framework on HAM10000 2026-Jun-11, Bioengineering (Basel, Switzerland) DOI:10.3390/bioengineering13060677 PMID:42351921	研究论文	使用混合深度学习和可解释人工智能框架在HAM10000数据集上进行皮肤癌分类	系统性地评估了多种预训练CNN与经典机器学习模型的组合，并引入了决策阈值校准技术以及多种XAI方法进行模型可解释性分析	主要依赖HAM10000单一数据集，未对其他皮肤病变数据集进行验证；混合模型的计算复杂度和资源需求可能较高	提出并评估一个结合深度学习特征提取和机器学习分类的混合框架，实现可解释的皮肤病变分类	HAM10000数据集中的七类皮肤病变图像	计算机视觉	皮肤癌	NA	CNN (DenseNet201, InceptionV3, EfficientNet-B4) 与 SVM-RBF, 随机森林等经典分类器	图像	HAM10000数据集（具体样本量未说明）	PyTorch, Scikit-learn	DenseNet201, InceptionV3, EfficientNet-B4	准确率, 宏精度, 宏召回率, 宏F1, ROC-AUC, 精确率-召回率-AUC, 对数损失	未指定
214	2026-06-28	Deep Learning-Enhanced Raman Microspectroscopy Enables Rapid Microbial Classification and Captures Phylogenetic Relationships 2026-Jun-11, Microorganisms IF:4.1Q2 DOI:10.3390/microorganisms14061311 PMID:42354936	研究论文	结合深度学习增强的拉曼显微光谱技术用于快速微生物分类并捕获系统发育关系	提出基于一维卷积神经网络（1D-CNN）提取拉曼光谱特征，并结合层次聚类框架构建拉曼系统发育树，能够对未表征微生物进行准确分类，且分类结果与基于rRNA基因序列的系统发育分析高度一致	研究工作仍需扩大物种多样性和光谱数据量来验证方法的泛化能力，且拉曼光谱与系统发育关系的深层机制尚未完全阐明	开发一种快速、非破坏性的微生物分类方法，用于处理拉曼参考数据库中未表征的微生物	11种微生物物种（包括细菌和真菌）的单细胞拉曼光谱	机器学习	NA	拉曼显微光谱	一维卷积神经网络（1D-CNN）	拉曼光谱（单细胞拉曼光谱数据）	6600个单细胞拉曼光谱，来自11种微生物物种	NA	1D-CNN	准确率（99.7%）	NA
215	2026-06-28	Fusion of Clinical and Deep Learning Features for Predicting Pembrolizumab Monotherapy Response in Advanced Non-Small Cell Lung Cancer 2026-Jun-11, Journal of clinical medicine IF:3.0Q1 DOI:10.3390/jcm15124536 PMID:42355704	研究论文	本研究融合临床特征和深度学习特征，预测晚期非小细胞肺癌患者对帕博利珠单抗单药疗法的反应	将CT影像深度学习特征与临床描述符结合，利用迁移学习技术和非参数统计检验筛选特征，并采用SVM分类器在切片、病灶和患者三个层面评估预测性能	样本量较小（发现训练集97例，初步测试集17例），且为回顾性研究，未说明外部验证	开发融合临床和深度学习特征的预测模型，早期识别对帕博利珠单抗单药治疗无反应的高危患者	接受一线PD-L1单药治疗的晚期非小细胞肺癌患者	计算机视觉, 机器学习	非小细胞肺癌	CT影像, 深度学习特征提取, 迁移学习	支持向量机	CT扫描图像, 临床描述符	发现训练集97例（27例无反应者），初步测试集17例（9例无反应者）	NA	SVM-RBF, SVM-多项式	AUC, 灵敏度, 特异度, F1分数	NA
216	2026-06-28	Decoding the Myocardium: Tracer-Aware Deep Learning for Patient-Level Classification in Stress-Rest SPECT Myocardial Perfusion Imaging 2026-Jun-10, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics16121796 PMID:42351455	研究论文	开发并评估一种具有示踪剂特异性预测头的多任务深度学习框架，用于患者级别的SPECT心肌灌注成像分类	首次引入示踪剂感知深度学习框架，通过共享特征编码器和示踪剂特异性预测头，显式处理锝-99m和铊-201双示踪剂间的可变性	单中心队列研究，缺乏外部验证，临床推广前需外部验证	开发适用于双示踪剂SPECT MPI的自动化深度学习分类方法，评估应力期、静息期及双输入配置的性能	锝-99m和铊-201示踪剂的SPECT心肌灌注成像数据	计算机视觉	冠状动脉疾病	SPECT心肌灌注成像	卷积神经网络	极坐标图图像	单中心队列，具体样本量未明确说明	NA	具有共享特征编码器和示踪剂特异性预测头的卷积神经网络	ROC-AUC, 平衡准确率	NA
217	2026-06-28	An Explainable Multi-Scale Deep Learning Framework for Multi-Class Brain MRI Classification 2026-Jun-10, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics16121791 PMID:42351452	研究论文	提出了一个名为MCND-ComputeNet++的可解释多尺度深度学习框架，用于脑部MRI多类别图像分类	采用单预训练EfficientNetV2-S骨干提取多层级特征，通过可学习的门控多尺度融合和空间注意力池化实现自适应特征集成	仅在图像/切片级别评估，缺乏患者级标识符，不能作为患者级临床诊断验证	开发一个全面且校准良好的深度学习框架，实现多类别脑部MRI图像分类	来自MCND数据集的16,400张二维脑部MRI图像，涵盖8个诊断类别	计算机视觉，数字病理学	阿尔茨海默病，脑肿瘤，多发性硬化症	MRI成像	深度学习分类模型	图像（二维脑部MRI切片）	16,400张图像，来自8个类别（AD-MildDemented, AD-ModerateDemented, AD-VeryMildDemented, BT-glioma, BT-meningioma, BT-pituitary, MS, Normal）	PyTorch	EfficientNetV2-S，门控多尺度融合模块，空间注意力池化	准确率，精确率，召回率，宏F1，宏AUC，宏平均精确率，期望校准误差，Brier分数，bootstrap置信区间	NA
218	2026-06-28	Spatial Biomarker Deep Learning Model Predicts Response to PI3K Inhibition in Head and Neck Cancer 2026-Jun-10, Cancers IF:4.5Q1 DOI:10.3390/cancers18121887 PMID:42352422	研究论文	利用深度学习模型从H&E染色切片中提取空间生物标志物，预测头颈癌患者对PI3K抑制剂buparlisib的治疗反应	首次从H&E染色全切片中通过AI提取空间特征作为生物标志物，预测PI3K抑制剂的疗效，且性能优于传统CD3免疫组化	样本量有限（144例），且为回顾性分析，需要在前瞻性试验中进一步验证	评估利用AI从H&E染色切片中提取的空间生物标志物能否预测头颈癌患者从buparlisib治疗中的总生存获益	复发/转移性头颈鳞状细胞癌（R/M HNSCC）患者的肿瘤组织H&E染色全切片影像	计算病理学	头颈癌症	H&E染色	深度学习模型	影像（病理全切片）	144例患者（来自BERIL-1试验的158例参与者）的H&E切片	NA	Cox比例风险模型	风险比（HR）、95%置信区间、p值	NA
219	2026-06-28	HistoMap: Reconstructing Spatially Resolved Single-Cell Profiles from Bulk RNA-Seq to Decipher the Immune-Excluded Microenvironment in Colon Cancer 2026-Jun-10, International journal of molecular sciences IF:4.9Q2 DOI:10.3390/ijms27125259 PMID:42352990	研究论文	提出了HistoMap，一种基于深度学习的框架，用于从批量RNA测序数据重建空间分辨率的单细胞谱，并揭示结肠癌免疫排斥微环境	首次结合β变分自编码器与组织学视觉Transformer实现从批量RNA-seq到空间单细胞结构的去卷积，并利用H&E染色的形态约束引导细胞映射	未提及模型在当前数据集之外的泛化性能验证，可能受限于训练数据的组织类型及样本多样性	从批量RNA-seq数据中重建空间分辨率的单细胞谱，以解析结肠癌中免疫排斥微环境的结构和机制	14例结肠癌病例的批量RNA-seq数据和H&E染色组织切片图像	计算病理学	结肠癌	批量RNA测序, H&E染色组织学	深度生成模型, 视觉Transformer	基因表达数据, 组织学图像	14例结肠癌病例的批量RNA-seq样本及对应组织切片	PyTorch	β-变分自编码器, 组织学视觉Transformer (H-ViT)	皮尔逊相关系数 (PCC)	NA
220	2026-06-28	Predicting Recurrence Risk of Glioblastoma Based on Preoperative-Postoperative Longitudinal MRI: A Multicenter Study 2026-Jun-09, Bioengineering (Basel, Switzerland) DOI:10.3390/bioengineering13060668 PMID:42351913	研究论文	提出一种基于术前术后纵向MRI的深度学习模型MambaDiff-Net，预测胶质母细胞瘤术后复发风险	通过双流编码器提取术前和术后T2WI的多尺度特征，并设计特征差异计算模块建模纵向影像变化，优于单一时间点模型	样本量较小（139例），且仅使用T2WI序列，未来需验证多序列和更大规模数据	利用术前术后纵向MRI的影像动态变化预测胶质母细胞瘤术后复发风险，支持个体化治疗决策	胶质母细胞瘤患者术前术后的纵向T2WI影像	计算机辅助诊断	胶质母细胞瘤	MRI	深度学习模型	影像	139例胶质母细胞瘤患者（59例训练、40例内部验证、40例外部测试）	PyTorch	MambaDiff-Net	AUC, 准确率, F1值	NA