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
281	2026-06-25	Multimodal integration of pathomics and clinical features improves recurrence risk prediction in pediatric medulloblastoma 2026-Jun-23, Pediatric research IF:3.1Q1 DOI:10.1038/s41390-026-05203-0 PMID:42337025	研究论文	通过整合深度学习提取的病理组学特征与临床变量，显著改善儿童髓母细胞瘤复发风险预测	首次将深度学习提取的H&E染色切片病理组学特征与临床变量整合，构建多模态模型用于儿童髓母细胞瘤复发风险分层，优于仅用临床或放射组学模型	单中心研究，样本量较小（109例），需要外部验证	评估整合深度学习病理组学特征是否能改善儿童髓母细胞瘤复发风险分层	儿童髓母细胞瘤患者	数字病理学, 机器学习	儿童髓母细胞瘤	H&E染色	XGBoost, ResNet-18	图像, 临床数据	109例儿童髓母细胞瘤患者（33例复发）	NA	ResNet-18, XGBoost	AUC, 平均精度, 三年无复发生存率	NA
282	2026-06-25	Energy-efficient wireless network control via spatio-temporal deep learning and multi-agent reinforcement learning 2026-Jun-23, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-58368-3 PMID:42337023	研究论文	提出一种基于时空深度学习与多智能体强化学习的能效优化框架，用于无线网络中的动态功率与资源分配	将时空图卷积网络（ST-GCN）与门控循环单元（GRU）结合，嵌入多智能体深度确定性策略梯度（MADDPG）控制器，实现自适应和能源感知的网络控制	仅在仿真环境中验证，未在真实无线网络部署中测试	提高干扰密集型无线网络（如非正交多址接入场景）的能效和系统性能	无线网络中的功率控制与资源分配决策	机器学习	NA	NA	时空图卷积网络、门控循环单元、多智能体深度确定性策略梯度	仿真生成的无线网络流量与信道状态数据	NA	NA	ST-GCN, GRU, MADDPG	能耗节约比例、能效提升比例、系统吞吐量提升、边缘用户数据速率提升、公平性提升、中断概率降低	NA
283	2026-06-25	Gastrointestinal endoscopic image classification using a hybrid modified inception network and a customized vision transformer with tree growth feature selection 2026-Jun-23, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-55235-z PMID:42337277	研究论文	提出一种混合改进Inception网络与自定义视觉Transformer的方法，用于胃肠道内镜图像分类，并采用树生长特征选择优化性能	融合改进的Inception架构（四块结构）与自定义ViT-3（三个变压器编码器块），通过加权融合策略整合深度特征，并利用树生长算法（TGA）去除冗余特征，提升分类准确率	现有内镜AI系统在跨数据集泛化能力不足，且难以同时捕捉局部病变特征和长程上下文信息	探索基于深度学习的方法，实现胃肠道内镜图像的自动疾病分类，提高早期诊断准确性	胃肠道内镜图像中的八类疾病（如出血性病变、溃疡性结肠炎、炎症性肠病等）	计算机视觉	胃肠道疾病	NA	CNN, Transformer	图像	Kvasir v1数据集4000张图像，Kvasir v2数据集8000张图像，共涵盖八类胃肠道疾病	NA	改进Inception（四块结构）, 自定义Vision Transformer（ViT-3，三个编码器块）	准确率, 灵敏度, 精确率, F1分数	NA
284	2026-06-25	RoseVisuals: A Multi-Class Dutch Rose Petal Images Dataset for Automated Health and Pigmentation Classification via Deep Learning 2026-Jun-23, Scientific data IF:5.8Q1 DOI:10.1038/s41597-026-07630-4 PMID:42337298	研究论文	提出了一个包含1995张荷兰玫瑰花瓣高分辨率图像的数据集，用于通过深度学习进行健康和色素分类	首次构建专门针对荷兰玫瑰花瓣的多类别数据集，涵盖多种颜色和健康状态，弥补了玫瑰在机器学习领域研究不足的空白	NA	支持农业中的机器学习活动，特别是自动花瓣健康评估和玫瑰品种分类	荷兰玫瑰（杂交玫瑰）的花瓣	计算机视觉	NA	NA	深度学习	图像	1995张高分辨率花瓣图像	NA	NA	NA	NA
285	2026-06-25	Deep learning-based intelligent prediction of strata pressure in a steeply inclined fully mechanized longwall face 2026-Jun-23, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-58950-9 PMID:42337304	研究论文	提出基于深度学习的方法对急倾斜综采工作面矿压进行智能预测	针对急倾斜工作面矿压空间异质性挑战，开发了基于CNN-LSTM-Attention的局部单支架预测工作流，并在多步验证中实现有效预测	需要多支架时空建模和闭环支护控制决策的现场验证	实现急倾斜综采工作面矿压可靠预测以支持智能开采和短期预警	淮北矿区II1013工作面两个月液压支架压力数据	机器学习	NA	液压支架压力传感器	CNN, LSTM, CNN-LSTM, Transformer, CNN-LSTM-Attention	时间序列	两个月液压支架压力数据	NA	CNN-LSTM-Attention	RMSE, MAE, MAPE, R	NA
286	2026-06-25	Adaptive attention and severity estimation framework for robust pearl millet leaf disease identification 2026-Jun-23, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-58262-y PMID:42337346	研究论文	提出一种自适应严重度感知的Swin注意力网络（ASA-SAN），用于珍珠粟叶片病害的鲁棒检测与严重度估计	结合Swin Transformer编码器与ResUNet++解码器，引入自适应通道注意力和双流分类网络，并设计自适应病害严重度指数（ADSI）用于综合量化病害进展	未明确说明局限性	实现复杂田间条件下珍珠粟叶片病害的精确分割、分类与严重度估计，提升稳健性与可解释性	珍珠粟叶片，重点关注霜霉病和锈病等叶部病害	计算机视觉	植物病害	图像分割与分类	Swin Transformer + ResUNet++	图像	珍珠粟叶片数据集	PyTorch	Swin Transformer, ResUNet++, 自适应通道注意机制, 双流分类网络	Dice系数, IoU, 分类准确率, F1分数	NA
287	2026-06-25	Prediction of college student psychological state based on deep learning framework combining the improved Whale Optimization Algorithm and LSTM 2026-Jun-23, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-58725-2 PMID:42337345	研究论文	提出一种结合改进鲸鱼优化算法和LSTM的深度学习框架，用于预测大学生心理状态	引入混沌初始化增强种群多样性和全局搜索能力，并添加小生境算子缓解早熟收敛，通过改进WOA优化LSTM的关键超参数	仅使用公开Kaggle数据集，未涉及多中心或真实场景验证；未讨论模型在极端心理状态或小样本情况下的表现	提高大学生心理状态预测的准确性，克服传统机器学习和LSTM超参数敏感性及早熟收敛问题	大学生的行为特征、学习交互数据和心理评估指标	机器学习	心理健康	NA	LSTM	结构化数据（行为特征、学习交互数据、心理评估指标）	公开Kaggle数据集中的大学生样本，具体数量未提及	PyTorch	LSTM	准确率	NA
288	2026-06-25	Semi-automatic mask guidance enhances 3D tumor segmentation in medical imaging 2026-Jun-23, Communications medicine IF:5.4Q1 DOI:10.1038/s43856-026-01735-y PMID:42337366	研究论文	提出一种半自动掩膜引导的3D肿瘤分割方法，通过少量用户交互提升分割精度	结合用户点击生成任务特定引导掩膜，增强CNN对非典型病灶的关注，降低假阴性率	仍需要用户进行交互点击，依赖软件界面操作；未评估在更大规模或更多样化人群中的泛化性	改善复杂腹部肿瘤的分割准确性，减少完全自动化方法的遗漏和误分类	肝、肾、胰腺肿瘤的CT扫描	计算机视觉	肿瘤	CT扫描	卷积神经网络 (CNN)	影像数据	726名患者的1,217次CT扫描	NA	CNN	Dice系数, 假阴性率 (FNR)	NA
289	2026-06-25	Single-model deep learning approach for simultaneous cervical vertebral maturation staging and skeletal jaw relationship on lateral cephalograms using YOLOv8 and CNN 2026-06-23, BMC oral health IF:2.6Q1 DOI:10.1186/s12903-026-08578-y PMID:42337484	研究论文	开发一种基于YOLOv8和CNN的集成人工智能管道，用于在头颅侧位片上同时进行颈椎骨成熟分期和骨骼颌关系分类，并与人类观察者的结果进行验证	首次采用单一深度学习模型同时完成颈椎骨成熟分期和骨骼颌关系分类两项任务，并验证了与人类专家的一致性	研究样本可能局限于特定年龄范围（8-18岁）和特定人群，未对模型在不同设备或条件下的泛化性进行测试	验证集成AI模型在头颅侧位片上自动化评估颈椎骨成熟分期和骨骼颌关系的准确性和临床可行性	720张正畸科头颅侧位片，患者年龄8-18岁，根据McNamara标准分为6个颈椎阶段，根据ANB角分为骨骼I、II、III类	计算机视觉	NA	头颅侧位片	CNN, YOLOv8	图像	720张头颅侧位片（训练集540张，测试集180张）	NA	YOLOv8, CNN	加权kappa系数, Cohen's kappa系数	NA
290	2026-06-25	CT-based automatic segmentation of key CSF regions for detecting disproportionately enlarged subarachnoid space hydrocephalus 2026-Jun-23, Fluids and barriers of the CNS IF:5.9Q1 DOI:10.1186/s12987-026-00814-5 PMID:42337617	研究论文	开发并验证一种基于AI的CT图像分割模型，用于自动提取脑脊液关键区域以检测不成比例扩大的蛛网膜下腔脑积水	首次利用Cycle-GAN从MRI生成合成CT训练数据，并基于真实CT手动标注训练高精度分割模型，实现平扫CT上DESH相关脑脊液区域的自动化量化评估	基于合成CT的分割精度不足，最终依赖手动标注的真实CT数据；高凸面蛛网膜下腔和外侧裂池的分割Dice评分较低	开发并验证基于人工智能的CT图像分割模型，用于自动提取脑积水的脑脊液关键区域	平扫CT图像中的四个脑脊液区域：总脑室、总蛛网膜下腔、高凸面蛛网膜下腔、外侧裂及基底池	计算机视觉	特发性正常压力脑积水	CT成像	深度学习分割模型	图像	外部验证集60例（30例DESH和30例非DESH）；第二独立验证集115例连续患者	PyTorch	UNet	Dice系数, AUC, 灵敏度, 特异度	NA
291	2026-06-25	Harmonized Dual Deep Learning Architectures for Image-Based Diagnostics of Skin Neglected Tropical Diseases: Benchmark Study via Novel Funnel Framework 2026-Jun-23, JMIR dermatology DOI:10.2196/91544 PMID:42337620	研究论文	通过新颖漏斗框架，为皮肤被忽视热带疾病设计基于图像的诊断基准模型	提出了一种新的漏斗框架方法，用于级联选择方法和模型，以及一种集成的数据增强方法，显著提升了模型性能	数据集较小且存在严重类别不平衡，建议未来使用更先进类别平衡方法和更多数据，并整合其他临床数据类型	设计一个用于皮肤被忽视热带疾病的基于图像的诊断基准模型	皮肤被忽视热带疾病的图像	计算机视觉	皮肤被忽视热带疾病	图像分类	卷积神经网络	图像	1495张图像，3个类别	NA	DenseNet121, MNv2	准确率, F1分数, 灵敏度	NA
292	2026-06-25	Outer nuclear layer thinning as an in vivo biomarker for discriminating probable FTLD-tau from probable FTLD-TDP with PET-supported subtyping 2026-Jun-23, Alzheimer's research & therapy DOI:10.1186/s13195-026-02111-7 PMID:42337644	研究论文	本研究探讨外核层（ONL）变薄作为区分PET支持的疑似FTLD-tau与FTLD-TDP的体内生物标志物的价值	首次发现ONL变薄优先出现在疑似FTLD-tau中，并在基于PET的FTLD亚型区分中展现出探索性鉴别能力	需要神经病理学确认和液体生物标志物验证的进一步研究	评估ONL厚度能否为PET支持的疑似FTLD-tau与FTLD-TDP提供亚型信息性视网膜信号	FTLD患者的视网膜ONL厚度及认知评分	机器学习	额颞叶变性	扫频源光学相干断层扫描（SS-OCT）	深度学习算法	图像	86名参与者（21例pFTLD-tau、27例pFTLD-TDP和38名正常对照）	NA	NA	AUC，乐观校正AUC，Cohen's d，部分相关系数	NA
293	2026-06-25	Scalable nonlinear Cox modeling via random Fourier features with analytic uncertainty 2026-Jun-23, BMC medical research methodology IF:3.9Q1 DOI:10.1186/s12874-026-02925-x PMID:42337740	研究论文	提出一种基于随机傅里叶特征的Cox回归方法，实现非线性风险建模并具备可扩展性和不确定性量化	将随机傅里叶特征应用于Cox模型，将计算复杂度降至线性，并首次在核方法中提供解析形式的不确定性估计和交互检测	长时间随访时校准斜率偏离理想值，且非线性场景下置信区间覆盖率下降至81.9%	开发兼具非线性建模能力、计算效率与正式推断工具的生存分析方法	模拟数据和四个真实队列数据集（样本量500-9105），包括METABRIC乳腺癌数据	机器学习	乳腺癌	NA	Cox回归、随机傅里叶特征	表格数据（生存数据）	500至9105名受试者	NA	随机傅里叶特征映射	RMSE, 95%置信区间覆盖率, C指数, 集成校准误差（ICI）	NA
294	2026-06-25	Deep learning-based identification, classification and segmentation of infraosseous periodontal defects using a YOLOv8 neural network 2026-Jun-23, BMC oral health IF:2.6Q1 DOI:10.1186/s12903-026-08919-x PMID:42337754	研究论文	基于YOLOv8深度学习模型，用于牙周骨内缺损的识别、分类和分割	首次将YOLOv8神经网络应用于牙周骨内缺损的识别、分类和分割，实现从二维根尖片自动分析缺损形态	数据集规模较小（329张根尖片），模型分类和分割性能仅为中等水平，需进一步扩大和优化训练数据集	开发YOLOv8模型以自动识别、分类和分割牙周骨内缺损	牙周骨内缺损的根尖片图像	计算机视觉	牙周病	NA	CNN	图像	329张根尖片	PyTorch	YOLOv8	AUC-ROC, 宏平均F1分数, 交并比(IoU), Dice相似系数(DSC)	NA
295	2026-06-25	Hybrid Physics-Driven Deep Learning for Enhanced Ultrasound Image Quality and Speckle Noise Suppression 2026-Jun-23, Ultrasonic imaging IF:2.5Q2 DOI:10.1177/01617346261452679 PMID:42338181	研究论文	提出一种物理正则化自监督去噪U-Net（PR-SSD-Net），用于提升超声图像质量并抑制散斑噪声	将物理特性明确融入深度学习网络，通过物理正则化约束引导网络产生符合预期统计行为的残差噪声模式，实现高质量图像恢复	现有方法在去除噪声时难以同时保留关键细节，且未显式纳入散斑噪声的物理特性	提高超声图像质量和诊断可靠性	超声图像中的散斑噪声	计算机视觉	NA	NA	U-Net	图像	六个不同的超声数据集	PyTorch	U-Net	峰值信噪比, 结构相似性指数, Fleiss' kappa	NA
296	2026-06-25	Causally-informed deep learning towards explainable and generalizable outcome prediction in critical care 2026-Jun-22, Artificial intelligence in medicine IF:6.1Q1 DOI:10.1016/j.artmed.2026.103478 PMID:42335637	研究论文	提出一种因果引导的深度学习框架，用于重症监护中可解释且泛化的结局预测	将因果发现与深度学习相结合，同时识别临床结局的因果驱动因素并进行预测，实现决策透明化并提升泛化能力	未明确说明局限性	解决深度学习模型在临床应用中的黑箱性和泛化性不足问题	重症监护中的临床结局预测，包括急性肾损伤、心肌梗死、循环衰竭等	机器学习	重症疾病	因果发现	深度学习（因果引导）	临床数据	未明确说明	NA	NA	准确率	NA
297	2026-06-25	Simultaneously prediction of multiple wheat leaf phenotypes using hyperspectral imaging with multi-task machine and deep learning 2026-Jun-22, Spectrochimica acta. Part A, Molecular and biomolecular spectroscopy DOI:10.1016/j.saa.2026.128294 PMID:42335700	研究论文	利用高光谱成像结合多任务机器学习和深度学习方法，同时预测小麦叶片多个表型性状	提出一种多任务CNN（MLT-CNN）架构，包含共享的一维光谱特征提取模块和三个任务特定分支，并比较了等权重、可调正则化权重和基于不确定性加权三种策略，实现小麦品种分类、SPAD和叶片水分含量的同步预测	未明确提及模型的泛化能力验证，仅在四个小麦品种上测试，可能对其他品种或环境条件下的适用性有限	实现小麦品种识别和叶绿素含量（SPAD）、叶片水分含量（LMC）的同时预测，为精准作物监测提供策略	四个小麦品种的叶片样本，共684个有效样本	机器学习	NA	高光谱成像	支持向量机（SVM）、偏最小二乘（PLS）、卷积神经网络（CNN）、多任务CNN（MLT-CNN）	高光谱图像	684个小麦叶片样本	PyTorch	MLT-CNN（共享一维光谱特征提取模块+三个任务特定分支）	分类准确率、相关系数（r）	NA
298	2026-06-25	Unveiling the sensing mechanism of a Nile Red-naphthoquinone H₂S fluorescent probe: theoretical calculation and deep learning prediction 2026-Jun-22, Spectrochimica acta. Part A, Molecular and biomolecular spectroscopy DOI:10.1016/j.saa.2026.128304 PMID:42335704	研究论文	通过理论计算和深度学习预测揭示了尼罗红-萘醌H₂S荧光探针的传感机制	结合系统性理论计算（ALIE、DOS、CDA、电子-空穴分布）和深度学习模型FLSF来阐述荧光探针的传感机制	NA	解释一种基于尼罗红-萘醌的H₂S荧光探针（NR-H₂S）的传感机制，并为合理设计H₂S选择性荧光探针提供参考	NR-H₂S荧光探针及其反应产物NR-OH	机器学习	NA	荧光探针、理论计算	深度学习模型（FLSF）	分子性质数据	NA	NA	FLSF（FLuorescence prediction with fluoroScaFfold-driven模型）	NA	NA
299	2026-06-25	Accurate identification of cytochrome P450 proteins using multimodal integration of protein language models 2026-Jun-21, International journal of biological macromolecules IF:7.7Q1 DOI:10.1016/j.ijbiomac.2026.153150 PMID:42324002	研究论文	提出一种整合蛋白质语言模型的多模态深度学习框架，用于高精度识别细胞色素P450蛋白	首次将蛋白质序列信息、语义嵌入和进化保守信号等多模态特征融合，并系统评估了超过1000种模态组合，揭示最优组合的互补性	未提及跨物种泛化能力验证及对极端序列变异的鲁棒性评估	解决CYP450蛋白亚家族间序列多样性高、同源性低导致的远程同源检测难题，提升大规模蛋白质组数据中识别准确性	细胞色素P450（CYP450）蛋白超家族	机器学习	不适用	蛋白质预训练语言模型（PLMs）、多模态特征融合	深度学习框架（多模态集成模型）	蛋白质序列数据（序列信息、语义嵌入、进化保守信号）	未明确说明训练/测试集样本量	PyTorch	蛋白质语言模型（PLMs）基础架构	准确率, AUROC	未明确说明
300	2026-06-25	Beyond diagnosis: AI-based surgical risk assessment in Acanthamoeba keratitis with real-world validation 2026-Jun-18, The ocular surface DOI:10.1016/j.jtos.2026.06.014 PMID:42309390	研究论文	开发并外部验证基于裂隙灯照片的深度学习模型，用于区分棘阿米巴角膜炎患者是否需要手术治疗	首次将深度学习应用于棘阿米巴角膜炎的严重程度分类，并通过外部验证证明了模型的稳健泛化能力	NA	开发并验证深度学习模型，用于从裂隙灯照片中识别需要手术治疗的棘阿米巴角膜炎患者	棘阿米巴角膜炎患者的裂隙灯图像	计算机视觉	角膜炎（棘阿米巴角膜炎）	裂隙灯摄影	卷积神经网络（CNN）	图像	104名患者的1410张裂隙灯图像；外部验证集含110张图像	NA	ResNet50	准确率、敏感度、特异性、AUC、平均精密度、F1分数	NA