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
541	2026-07-01	Machine learning applications in the detection and treatment of esophageal cancer 2026-Jun-23, Discover oncology IF:2.8Q2 DOI:10.1007/s12672-026-05477-0 PMID:42334709	综述	总结机器学习在食管癌检测与治疗中的应用进展	系统梳理了人工智能在食管癌内镜与影像辅助诊断、治疗反应预测及预后评估中的最新应用，并指出了临床转化面临的挑战	大多基于回顾性、单一中心或区域受限的数据集，存在人群异质性、数据标准化不足、外部验证有限和模型可解释性差等问题，阻碍了临床转化	评估人工智能和机器学习在食管癌精准诊疗中的应用潜力与现状	食管癌的内镜和影像数据、临床信息、放射组学特征及生物标志物	机器学习	食管癌	NA	深度学习模型	图像、文本	NA	NA	NA	NA	NA
542	2026-07-01	Interpretable deep learning for rotator cuff calcific tendinopathy diagnosis: a multi-center study 2026-06-22, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-51016-w PMID:42331876	研究论文	开发和评估两种基于深度学习和混合深度学习-机器学习方法的自动框架，用于肩关节X光片的二分类诊断	在大型平衡数据集上微调VGG19架构的卷积神经网络，并构建混合模型通过提取深层特征结合传统机器学习分类器，同时对两种框架进行可解释性评估	仍需要进行前瞻性真实世界验证、在常规患病率条件下评估以及与人类阅片者的直接比较	实现肩关节X光片的二分类诊断并提高人工智能系统的可解释性	肩关节X光片	计算机视觉	肩袖钙化性肌腱炎	不适用	卷积神经网络	图像	训练集4,268张肩关节X光片，内部验证集480张，外部验证集308张	不适用	VGG19	AUC	不适用
543	2026-07-01	IUM-hybrid model for enhanced CAD diagnosis using deep learning and VS Grad-CAM visualization 2026-06-22, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-57536-9 PMID:42331954	研究论文	提出了一种融合 InceptionV3、U-NetR 和 MobileNetV2 的混合模型 IUM，并结合 VS Grad-CAM 可视化技术，用于增强冠状动脉疾病的 CAD 诊断	通过动态加权机制融合三种深度学习模型（InceptionV3、U-NetR 和 MobileNetV2）以提高分类性能，并首次采用 VS Grad-CAM 可视化生成精确热力图以增强模型可解释性	未在真实临床大规模数据集上验证，且混合模型可能增加计算复杂性，可能限制资源受限环境中的部署	提高冠状动脉疾病的早期诊断准确性和可解释性，减少人工错误，实现实时临床诊断	冠状动脉疾病患者	计算机视觉, 机器学习	冠心病	血管造影	混合模型 (CNN + Transformer)	图像	未提及	NA	InceptionV3, U-NetR, MobileNetV2	准确率, F1分数, 特异性, 灵敏度	NA
544	2026-07-01	Cross-attention guided explainable deep transformer model for multi-level classification of rare neurological disorders using MRI images 2026-06-22, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-58491-1 PMID:42332136	研究论文	提出一个基于交叉注意力可解释深度Transformer模型，用于利用MRI图像对罕见神经系统疾病进行多级分类	引入交叉注意力机制促进局部与全局表示动态交互，结合CNN和Transformer网络区分视觉相似的罕见疾病模式，并集成图神经网络、深度信念网络和堆叠自编码器提升鲁棒性与泛化能力	未明确提及局限性，但可能依赖开放MRI数据集，实际临床资源有限环境下需进一步验证	开发一种鲁棒且可解释的深度学习模型，用于罕见神经系统疾病的多标签分类，提升临床诊断可靠性	罕见神经系统疾病（神经退行性、神经生物性和神经发育性障碍）的多级分类	计算机视觉, 深度学习	神经系统疾病, 罕见病	MRI成像	Transformer, CNN, 图神经网络, 深度信念网络, 堆叠自编码器	MRI图像数据	开放访问MRI数据集，具体样本量未提及	TensorFlow, PyTorch（推测，基于GitHub代码）	CNN+Transformer, GNN, DBN, SAE, EigenCAM	多标签分类性能指标（具体如准确率、F1分数等未明确提及）	未提及，但代码公开于GitHub
545	2026-07-01	GreenAid: a confidence-weighted ensemble deep learning system for real-time plant disease detection and management 2026-06-21, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-57979-0 PMID:42324331	研究论文	提出GreenAid系统，集成置信度加权集成深度学习方法，用于实时植物病害检测和管理	将竞争性分类、边缘部署与完整农业交付管道（包括移动应用、网络仪表板和NLP聊天机器人）进行可复现集成，而非仅关注集成机制本身	NA	开发一个端到端的植物病害检测与管理系统，弥合实验室级深度学习性能与实际农业部署之间的差距	植物病害检测和管理系统	计算机视觉	植物病害	NA	CNN（卷积神经网络）	图像	87,000幅图像，38个类别，14个物种（PlantVillage基准数据集）	TensorFlow Lite	VGG16, ResNet50, InceptionV3	准确率, F1分数	中端智能手机（用于部署推理）
546	2026-07-01	Machine learning-based prediction model for long-term mortality after ischemic stroke 2026-06-21, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-53797-6 PMID:42324308	研究论文	基于机器学习构建缺血性脑卒中后长期死亡率预测模型	首次将时间感知的生存分析方法应用于脑卒中后长期死亡率预测，并与传统风险评分比较，具有更好的性能	样本来自特定地区医院，可能存在选择偏倚；模型未考虑影像学数据	开发一种便捷、时间感知的机器学习预测模型，用于急性脑卒中患者的长期死亡率预测	缺血性脑卒中患者	机器学习	脑血管疾病	NA	Gradient Boosting Cox Proportional Hazards模型	临床数据	开发队列：3411名患者（来自两家三级医院）；外部测试队列：502名患者（来自一家二级心血管中心）	NA	Gradient Boosting Cox模型	C-index	NA
547	2026-07-01	Classifying mental stress from eye tracking data: deep learning approaches for out-of-the-lab conditions 2026-06-20, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-58429-7 PMID:42323438	研究论文	本文研究了在非实验室条件下，利用单模态眼动追踪时间序列数据进行无任务依赖的应激状态检测	首次在非受控环境中仅使用眼动追踪信号（瞳孔直径和注视行为）进行任务无关的应激分类，并比较了两种不同数据集的性能差异	性能在不同数据集中差异显著，有效学习强烈依赖于数据质量、校准、信号特征和任务设计	探究单模态眼动追踪数据在非受控场景下进行无任务依赖的应激检测的可行性	虚拟现实守门员任务和虚拟工作面试数据集中的眼动追踪信号	机器学习	NA	眼动追踪	深度学习模型（具体类型未明确）	时间序列信号	虚拟现实守门员任务数据集和虚拟工作面试数据集（具体样本量未说明）	NA	NA	宏平均F1分数	NA
548	2026-07-01	A Comprehensive Inference-Time Augmentation Framework in Physiological Signals: Application to PPG-Based AF Detection 2026-Jun-15, Physiological measurement IF:2.3Q3 DOI:10.1088/1361-6579/ae7d82 PMID:42297024	研究论文	提出一种统一的推断时增强框架，用于提高基于PPG信号的心房颤动检测的鲁棒性	首次将13种涵盖时域、幅域、频域及伪影注入的增强方法系统性地纳入推断时增强框架，并通过贝叶斯优化自动调优超参数	未提及方法在真实部署场景中的计算开销及对极端噪声的适应性	开发一种无需重新训练的模型无关推断时增强方法，提升生理信号分类在实际部署中的鲁棒性	基于光电容积脉搏波的30秒PPG信号	数字病理学	心房颤动	光电容积脉搏波	GPT-PPG、ResNet	PPG信号	超过400名患者、约9800小时PPG记录，来自5个数据集	PyTorch	GPT-PPG、ResNet	AUROC、AUPRC、FPR	未提及
549	2026-07-01	Chaotic dynamics of Tai Chi public attention revealed by an integrated framework of horizontal visibility graphs, autoencoders, and sparse identification 2026-Jun-04, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-55384-1 PMID:42243391	研究论文	利用水平可视图、自编码器和稀疏辨识的集成框架揭示太极拳公众关注的混沌动力学	将复杂网络理论、深度学习与动力学系统分析相结合，首次通过水平可视图、自编码器和SINDy的集成框架，定量揭示了太极拳公众关注的混沌动力学，并在多个分析维度上实现了交叉验证	未提及明显的局限性	理解太极拳等传统文化实践公众关注的动力学模式，以助力文化遗产保护和推广	2014-2024年中国四个代表性省份（北京、上海、广东、河南）的百度指数日度数据	机器学习	NA	NA	自编码器 (Autoencoder)	时间序列数据	四个省份（北京、上海、广东、河南）的2014-2024年每日百度指数数据	PyTorch	SINDy, 自编码器	重构相关性, 归一化均方根误差 (NRMSE)	NA
550	2026-07-01	UniPTMs: a unified multi-type PTM site prediction model via master-slave architecture-based multi-stage fusion strategy and hierarchical contrastive loss 2026-Jun-04, BMC bioinformatics IF:2.9Q1 DOI:10.1186/s12859-026-06516-x PMID:42243656	研究论文	提出UniPTMs，一种基于主从架构的多阶段融合策略和层次对比损失的多类型蛋白质后翻译修饰（PTM）位点预测统一框架	创新性地建立了主从双路径协作架构：主路径通过双向门控交叉注意力模块动态整合蛋白质序列、结构和进化信息的高维表示，从路径使用低维融合网络优化结构特征与传统特征之间的差异与重新校准；结合多尺度自适应卷积金字塔和双向层次门控融合网络，并引入层次对比损失函数优化特征一致性	文中未明确说明局限性	实现多类型PTM位点的统一和准确预测，超越单类型预测范式	蛋白质后翻译修饰（PTM）位点	机器学习	NA	NA	深度学习模型	蛋白质序列、结构、进化信息	涉及五种修饰类型，具体样本量未提及	PyTorch	双向门控交叉注意力模块、多尺度自适应卷积金字塔、双向层次门控融合网络、层次动态加权融合机制	马修斯相关系数（MCC）、平均精度（Average Precision）	NA
551	2026-07-01	Deep Learning Reconstruction of Diffusion-weighted MRI Enables Shorter Examination Times While Maintaining Image Quality in Head and Neck Imaging 2026-Jun, Clinical neuroradiology IF:2.4Q2 DOI:10.1007/s00062-025-01604-6 PMID:41498976	研究论文	评估深度学习重建技术在头颈部弥散加权成像中减少扫描时间的同时保持图像质量和诊断信心的表现	结合基于深度学习的k空间到图像重建与超分辨率处理，实现加速的头颈部DWI成像，扫描时间减少55%-67%且不影响图像质量	单中心回顾性设计，样本量较小（30例患者），未评估不同病理类型或病变大小对结果的影响	评估加速的深度学习重建DWI（DWIDL）在头颈部成像中的图像质量和诊断信心表现	接受临床指征头颈部DWI检查的患者（平均年龄55±19岁，24-84岁，18名男性）	深度学习	头颈部疾病	弥散加权成像（DWI）	深度学习模型	磁共振图像	30例患者	NA	基于深度学习的k空间到图像重建和超分辨率处理的组合网络	视觉Likert评分（图像锐度、伪影、噪声、整体图像质量、诊断信心）、信噪比（SNR）、对比噪声比（CNR）、表观弥散系数（ADC）	NA
552	2026-07-01	Clinical Validation of AI-Assisted Evaluation of Indeterminate Biliary Strictures in Digital-Single Operator Cholangioscopy: A Transcontinental Multicentric Study 2026-Jun-01, Clinical and translational gastroenterology IF:3.0Q2 DOI:10.14309/ctg.0000000000001015 PMID:41805080	研究论文	在一项横跨多洲的多中心研究中，验证了一个用于数字单操作胆道镜图像分析的深度学习模型，用于检测和区分不确定的胆道狭窄	首次在多洲、多中心、多设备环境下验证了AI辅助数字单操作胆道镜分析的真实世界性能，显示出鲁棒的准确度	NA	验证深度学习模型在数字单操作胆道镜下辅助分析胆道狭窄的有效性	胆道狭窄患者，包括恶性胆道狭窄	机器学习	胆道疾病	数字单操作胆道镜	深度学习模型	图像	来自129名患者的135次数字单操作胆道镜检查（其中61次为恶性胆道狭窄）	NA	NA	准确性, 敏感性, 特异性, 阳性预测值, 阴性预测值, 曲线下面积, 交并比	NA
553	2026-06-30	A system-level DOI discrimination method based on SSDA for a brain-dedicated DOI-PET scanner 2026-Jun-29, Physics in medicine and biology IF:3.3Q1 DOI:10.1088/1361-6560/ae7eed PMID:42309149	研究论文	提出一种基于半监督域适应（SSDA）的系统级DOI鉴别方法，用于脑专用DOI-PET扫描仪，以降低校准成本并保持高性能	仅需少量探测器（甚至一个）的侧照射数据作为标记数据，大幅减少校准时间和人力，实现系统级校准的高效性和实用性	NA	开发一种高效、实用的系统级DOI校准方法，用于下一代高性能脑专用PET扫描仪	脑专用DOI-PET扫描仪中的探测器阵列和PET原型扫描仪（含72个探测器）	机器学习	NA	PET成像、DOI测量	半监督域适应（SSDA）	图像（洪水图和空间分辨率数据）	使用一个探测器阵列（两层结构：顶层16×16阵列，底层8×8阵列），以及含72个探测器的PET原型扫描仪	NA	NA	准确率、洪水图像质量（k值、MAE）、误分类晶体簇比例、径向空间分辨率	NA
554	2026-06-30	Integrating artificial intelligence and multi-omics data for precision oncology in endometrial cancer: a narrative review 2026-Jun-29, Functional & integrative genomics IF:3.9Q1 DOI:10.1007/s10142-026-01957-2 PMID:42366266	综述	综述人工智能与多组学数据在子宫内膜癌精准肿瘤学中的整合应用	不同于仅关注AI、组学或影像的综述，本文整合了分子、影像、组织病理学和计算视角，强调它们对子宫内膜癌精准肿瘤学的综合影响	队列异质性、批次效应、种族代表性不足、注释缺失以及需要外部验证等挑战仍是重大障碍	总结基于AI的多组学数据在子宫内膜癌诊断、预后和治疗决策中的应用，并为精准肿瘤学铺平道路	子宫内膜癌（尤其特定分子亚型NSMP和MMRd亚组）	机器学习, 数字病理学	子宫内膜癌	基因组学, 转录组学, 蛋白质组学, 代谢组学, 表观基因组学, 单细胞测序, 空间转录组学	卷积神经网络, 变换器, 图神经网络, 多模态融合模型	组学数据, 图像, 临床记录	NA	NA	EndoNet, EndoRisk, HECTOR	NA	NA
555	2026-06-30	Changes in Retinal Microvasculature During Healthy Pregnancy Measured by AO 2026-Jun-29, Hypertension (Dallas, Tex. : 1979) DOI:10.1161/HYPERTENSIONAHA.125.26521 PMID:42366971	research paper	利用自适应光学成像测量健康妊娠期间视网膜微血管壁腔比的变化	首次在妊娠期间描述壁腔比的变化，并采用nnUNet深度学习模型自动计算	未探讨产后壁腔比的变化及可逆性，且样本以白人为主	评估健康妊娠过程中视网膜微血管壁腔比的变化及其影响因素	460名健康单胎妊娠女性的视网膜微血管	computer vision	geriatric disease	自适应光学视网膜成像	CNN	image	460名健康单胎妊娠女性，共543次测量	NA	nnUNet	NA	NA
556	2026-06-30	A multi-scale feature fusion network for CNV segmentation in SD-OCT images toward quantitative assessment of neovascular AMD 2026-Jun-28, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-59215-1 PMID:42366194	研究论文	提出一种用于SD-OCT图像中脉络膜新生血管分割的多尺度特征融合网络，旨在定量评估新生血管性年龄相关黄斑变性	创新性包括：在多尺度特征融合模块中结合高维语义与低维细节以增强跳跃连接；在损失函数中引入梯度约束以改善边界分割；引入可选的交互式注意力机制，通过标记四个极值点生成高斯注意力热图以引导网络再训练，提升分割精度	未明确提及，但自动版本IoU为0.686，交互版本提升至0.802，表明自动分割仍有提升空间	实现SD-OCT图像中CNV的精准定量分割，辅助新生血管性AMD的临床评估与治疗监测	脉络膜新生血管病变区域	计算机视觉，数字病理	新生血管性年龄相关黄斑变性	SD-OCT成像	深度学习分割网络（MFF-Net）	图像	未明确说明样本数量，但涉及SD-OCT图像数据集	PyTorch（根据深度学习模型推断）	编码器-解码器架构，集成多尺度特征融合模块与交互式注意力模块	平均交并比，其他定量指标（未具体列出）	未明确说明
557	2026-06-30	Exploring feature limitations in antimicrobial resistance prediction: machine learning and deep learning in A. baumannii 2026-Jun-28, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-57632-w PMID:42366192	研究论文	探讨机器学习与深度学习在鲍曼不动杆菌抗菌药物耐药性预测中特征表示的限制	系统性地评估了基因存在/缺失特征对多抗生素耐药性预测的充分性，并比较了多种特征筛选策略及深度学习模型性能	未在外部独立数据集进行验证，且仅聚焦于鲍曼不动杆菌单一菌种	开发并评估基于基因存在/缺失特征的多抗生素耐药性预测框架	鲍曼不动杆菌菌株的基因存在/缺失特征	机器学习	抗菌药物耐药性	基因存在/缺失分析	支持向量机、随机森林、极限梯度提升、三子网孪生神经网络	基因存在/缺失特征数据	NA	NA	TripletSiameseNet（TripSimAcin-AMR）	准确率、AUC-ROC、敏感度、特异度	NA
558	2026-06-30	High angular resolution diffusion imaging of neurodevelopment in children through data creation with deep learning 2026-Jun-28, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-60107-7 PMID:42366258	研究论文	通过深度学习生成高角度分辨率扩散成像数据，研究儿童神经发育	利用深度学习从低b值数据预测高b值HARDI数据，减少扫描时间一半，并应用于儿童神经发育研究	未提及模型泛化性及不同扫描协议或人群的适用性	评估深度学习生成HARDI数据在儿童神经发育研究中的可行性	95名2-10岁儿童（49名女性）的大脑扩散磁共振成像数据	机器学习	NA	扩散磁共振成像	深度学习（具体类型未说明）	图像	95名儿童（49名女性），训练和验证各12名，测试71名	NA	NA	模型性能（具体指标未说明）	NA
559	2026-06-30	Non-destructive ripeness classification of apricot (Prunus armeniaca L.) using a physically informed deep learning approach 2026-Jun-27, Food chemistry IF:8.5Q1 DOI:10.1016/j.foodchem.2026.150226 PMID:42365770	研究论文	利用物理信息深度学习框架对杏果实进行非破坏性成熟度分类	结合物理化学聚类与图像分析，提出物理信息深度学习框架，实现非破坏性成熟度分类，并验证了CNN预测分数与物理化学指标显著关联	在独立验证子集上准确率下降（63.08%），反映成熟过渡的连续性特性限制了模型泛化能力	开发非破坏性成熟度评估方法，优化收获时机、储存管理和商业分级	杏果实（Prunus armeniaca L.）	计算机视觉	NA	NA	卷积神经网络（CNN）	图像	含主要数据集及独立硬度子集，具体数量未提及	NA	ResNet18	准确率、Macro F1分数、相关系数R	NA
560	2026-06-30	[Colorectal cancer diagnosis method based on dynamic gland-aware and tissue soft-clustering] 2026-Jun-25, Sheng wu yi xue gong cheng xue za zhi = Journal of biomedical engineering = Shengwu yixue gongchengxue zazhi DOI:10.7507/1001-5515.202603029 PMID:42366427	研究论文	提出一种基于动态腺体感知和组织软聚类的结直肠癌诊断网络（DGTSNet），用于同时捕捉微观腺体紊乱和显著组织病变	提出动态腺体感知卷积显式感知腺体边界并动态调整采样偏移，同时引入连续域约束防止采样越界；提出组织软聚类模块自适应生成聚类原型并引导像素向相关原型质心移动，抑制无关背景干扰	未明确提及在极端样本不平衡或罕见亚型上的表现，以及模型在不同染色条件下的泛化能力可能需要进一步验证	解决现有深度学习方法无法同时捕捉微观腺体紊乱和显著组织病变的问题，提升结直肠癌诊断性能	结直肠癌组织病理图像中的微观腺体结构和显著组织病变区域	数字病理学	结直肠癌	组织病理图像分析	卷积神经网络	图像	4个数据集（朝阳、Kather-5K、EBHI及真实临床验证队列）	NA	动态腺体感知卷积、组织软聚类模块、级联稀疏耦合模块	准确率、精度、召回率、F1分数、AUC	NA