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
41	2026-03-09	Cross-omics interpretable neural network for discovery of molecular markers in prostate cancer 2026-Jun, Computational biology and chemistry IF:2.6Q2 DOI:10.1016/j.compbiolchem.2026.108879 PMID:41518989	研究论文	本文提出了一种跨组学可解释神经网络（CINN），用于预测前列腺癌状态并识别关键分子标志物	CINN创新性地利用通路或蛋白质-蛋白质相互作用网络的先验生物学知识，结合新颖的可训练掩码层，动态优化预定义生物学连接的强度，从而增强知识表示和模型可解释性	NA	发现前列腺癌中具有临床侵袭性表型的分子标志物	前列腺癌	机器学习	前列腺癌	多组学数据整合	神经网络	基因表达、体细胞突变、拷贝数变异	NA	NA	Cross-omics Interpretable Neural Network (CINN)	F1分数, 准确率, AUC	NA
42	2026-03-09	YOFOR : You only focus on object regions for tiny object detection in aerial images 2026-Jun, Neural networks : the official journal of the International Neural Network Society IF:6.0Q1 DOI:10.1016/j.neunet.2026.108571 PMID:41538898	研究论文	提出了一种用于航拍图像中小目标检测的自适应局部感知增强网络YOFOR	设计了自适应局部感知模块、模糊增强模块和类别平衡模块，能够自适应定位密集目标区域、减弱背景干扰并缓解长尾类别问题	未明确说明计算复杂度或实时性表现，也未与其他最先进方法进行全面的速度比较	提升航拍图像中小目标检测的性能	航拍图像中的小目标	计算机视觉	NA	深度学习	CNN	图像	VisDrone、DOTA和AI-TOD数据集	未指定	YOFOR（自适应局部感知增强网络）	未明确说明	NA
43	2026-03-09	Point-Deeponet: Predicting nonlinear fields on non-Parametric geometries under variable load conditions 2026-Jun, Neural networks : the official journal of the International Neural Network Society IF:6.0Q1 DOI:10.1016/j.neunet.2026.108560 PMID:41544498	研究论文	本文提出了一种名为Point-DeepONet的算子学习代理模型，用于预测非参数几何结构在可变载荷条件下的非线性物理响应场	将PointNet集成到DeepONet框架中，直接从原始点云学习几何表示，无需手动参数化，并实现了几何嵌入与载荷条件的协同融合	未明确提及模型在极端载荷或几何变形下的鲁棒性限制	开发一种能够快速准确预测复杂非参数三维几何结构在可变载荷下物理响应的深度学习代理模型	非线性结构分析中的三维位移和von Mises应力场	机器学习	NA	NA	PointNet, DeepONet	点云数据	大规模数据集（具体数量未明确说明）	NA	Point-DeepONet（PointNet与DeepONet的集成架构）	决定系数（R²）	NA
44	2026-03-09	A causal bidirectional selective state space model for imaging genetics in neurodegenerative diseases 2026-Jun, Neural networks : the official journal of the International Neural Network Society IF:6.0Q1 DOI:10.1016/j.neunet.2026.108587 PMID:41547121	研究论文	本文提出了一种用于神经退行性疾病影像遗传学的深度因果双向选择性状态空间模型，旨在解决长序列遗传数据信息提取和建立遗传、影像与疾病间因果关系两大挑战	提出首个将多级特征提取与因果推理统一于表示学习框架的CausalMamba模型，通过反事实推理和对比学习策略构建从遗传到疾病的因果链，并实现仅需遗传数据即可进行疾病诊断	模型仅在模拟数据集、ADNI和PPMI数据集上验证，需在更多样化的临床队列中进一步验证其泛化能力	揭示神经退行性疾病的病理机制并改善其诊断	阿尔茨海默病和帕金森病患者与正常对照	影像遗传学	神经退行性疾病	脑影像遗传学分析	深度因果双向选择性状态空间模型	长序列遗传数据、全脑影像数据	ADNI数据集、PPMI数据集及模拟数据集	NA	CausalMamba, BiMamba	准确率	NA
45	2026-03-09	GIN-transformer based pairwise graph contrastive learning framework 2026-Jun, Neural networks : the official journal of the International Neural Network Society IF:6.0Q1 DOI:10.1016/j.neunet.2026.108621 PMID:41576557	研究论文	提出了一种基于GIN-Transformer的成对图对比学习框架，用于从静息态功能磁共振成像数据中自动诊断神经精神疾病	提出GITrans-PairCL框架，首次将图同构网络（GIN）与Transformer结合，通过无监督图对比学习解决标记数据稀缺问题，并设计了双模态对比学习模块进行多尺度特征提取	未明确说明模型在更广泛或更复杂临床数据集上的泛化能力，以及计算效率的具体分析	开发一种不依赖大量标记数据的深度学习框架，用于神经精神疾病的自动诊断	自闭症谱系障碍（ASD）和重度抑郁症（MDD）患者	医学图像分析	神经精神疾病	静息态功能磁共振成像（rs-fMRI）	GIN, Transformer	功能磁共振成像时间序列数据	基于两个公开数据集的单站点和跨站点评估（具体样本数未提供）	未明确指定	GIN-Transformer混合架构	未明确指定具体指标	NA
46	2026-03-09	Automatic cell type identification methods for single-cell RNA sequencing based on coordinate convolutional neural network 2026-Jun, Computational biology and chemistry IF:2.6Q2 DOI:10.1016/j.compbiolchem.2026.108923 PMID:41579556	研究论文	本文提出了一种基于坐标卷积神经网络的单细胞RNA测序数据自动细胞类型识别方法，旨在解决传统方法在处理大规模数据时的效率与准确性不足的问题	提出了一种名为BP-Coord的新方法，通过引入坐标信息作为额外通道并结合双三次插值上采样层，增强了卷积神经网络对空间位置信息的感知能力，从而有效应对单细胞RNA测序数据中的平移不变性问题	未明确讨论该方法在更广泛或更复杂的单细胞数据集上的泛化能力，也未详细分析计算资源需求或模型可解释性	开发一种高效且准确的自动细胞类型识别方法，以改进单细胞RNA测序数据分析	单细胞RNA测序数据中的细胞类型	机器学习	NA	单细胞RNA测序	CNN	基因表达数据	五个公共单细胞RNA测序基准数据集，包括大规模PBMC数据集	NA	CoordConv	准确率	NA
47	2026-03-09	Enhancing breast cancer diagnostics: Shape-aware angular feature learning for precision in breast cancer classification 2026-Jun, Computational biology and chemistry IF:2.6Q2 DOI:10.1016/j.compbiolchem.2026.108943 PMID:41702230	研究论文	本文提出了一种结合机器学习和深度学习的乳腺癌分类新方法SAAFL，用于提高超声图像中良恶性肿瘤的鉴别准确率	提出形状感知角度特征学习（SAAFL）方法，将深度学习辅助的分割与形状感知角度特征分析及监督机器学习相结合，提高了诊断准确性和可解释性	研究主要针对资源匮乏环境下的超声图像，可能未涵盖其他影像模态或更广泛的患者群体	提高乳腺癌诊断的准确性和效率，特别是在资源有限的临床环境中	乳腺癌超声图像中的良恶性肿瘤	计算机视觉	乳腺癌	超声成像，斑点减少各向异性扩散（SRAD）滤波	深度学习，机器学习	图像	1293张乳腺超声图像	未明确指定	RBBSAM-RSF（用于分割），支持向量机（SVM），反向传播人工神经网络（BPANN）	准确率	适用于低资源临床环境，无需专用硬件
48	2026-03-09	Pullulan-based semi-interpenetrating network hydrogel sensor for artificial intelligence-driven pressure recognition 2026-Jun, Journal of colloid and interface science IF:9.4Q1 DOI:10.1016/j.jcis.2026.140095 PMID:41707464	研究论文	本研究开发了一种基于普鲁兰多糖的半互穿网络水凝胶传感器，用于人工智能驱动的压力识别	首次采用“一锅法”构建了PVA和普鲁兰多糖组成的半互穿网络凝胶，并通过溶酮处理进行网络收缩以增强机械性能，结合MXene和KCl建立导电网络，实现了高灵敏度传感	NA	开发用于医疗康复和人工智能应用的高性能水凝胶传感器	基于普鲁兰多糖的半互穿网络水凝胶传感器	机器学习	NA	水凝胶制备技术，无线蓝牙技术	CNN	压力传感数据	NA	NA	卷积神经网络	灵敏度（GF），响应时间，断裂强度，压缩性能	NA
49	2026-03-06	PriBeL-Net: Extending betel leaf dataset with CNN-based image classification 2026-Jun, MethodsX IF:1.6Q2 DOI:10.1016/j.mex.2026.103828 PMID:41778255	研究论文	本研究通过比较四种深度学习框架在自定义数据集上的性能，评估了它们在受控和田间环境下的图像分类效果，并确定DenseNet121为最适合农业应用的模型	在自定义数据集上系统比较了四种深度学习框架在受控和田间环境下的性能，并针对农业应用场景提出了模型优化方向	EfficientNetB0在噪声真实数据集上表现不佳，表明轻量级模型在处理复杂农业环境时存在限制	评估深度学习模型在农业图像分类任务中的性能，并确定最适合田间应用的模型	槟榔叶图像数据集	计算机视觉	NA	图像分类	CNN	图像	自定义数据集（具体数量未说明）	TensorFlow, Keras	MobileNetV2, EfficientNetB0, ResNet50V2, DenseNet121	准确率, F1分数	NA
50	2026-03-06	AI-based prostate volume estimation from multi-planar MRI under variable acquisition protocols 2026-Jun, European journal of radiology open IF:1.8Q3 DOI:10.1016/j.ejro.2026.100738 PMID:41783490	研究论文	本研究开发了一种基于知识的深度学习分割模型，用于适应不同MRI采集协议（包括仅轴向的简化协议）的前列腺体积估计	提出了一种结合知识对比损失的深度学习模型，能够在训练和推理中仅使用轴向分割标注，同时整合未标注的正交视图，提高了模型在真实临床工作流程中的适应性	研究为回顾性设计，且仅基于单一机构的3-Tesla MRI数据，可能限制了模型的泛化能力	开发并评估一种能够适应不同MRI采集协议的前列腺体积估计深度学习模型	经活检确认的前列腺癌患者的MRI图像	数字病理学	前列腺癌	多参数3-Tesla MRI	深度学习	MRI图像	629例多参数3-Tesla前列腺MRI检查	nnU-Net	2D nnU-Net	Dice Score Coefficient, Relative Volume Difference, Bland-Altman分析, 组内相关系数	NA
51	2026-03-03	Deep-learning based adaptive fusion of CC and MLO views for improved mammographic cancer diagnosis 2026-Jun, MethodsX IF:1.6Q2 DOI:10.1016/j.mex.2026.103827 PMID:41768877	研究论文	本文提出了一种名为MammoFusion-Net的双分支深度学习框架，用于基于乳腺X线摄影的乳腺癌分类，通过自适应融合CC和MLO视图以提升诊断性能	引入了Gated Cross-View Fusion机制自适应整合多视图特征，并利用残差卷积流独立处理CC和MLO视图以保留视图特异性解剖信息	NA	改进基于乳腺X线摄影的乳腺癌分类性能，解决视图间特征不一致、诊断细节丢失和可解释性有限等挑战	乳腺X线摄影图像（CC和MLO视图）	计算机视觉	乳腺癌	乳腺X线摄影	CNN	图像	VinDr-Mammo数据集和INBreast数据集（具体样本数量未提供）	NA	ResNet	准确率	NA
52	2026-03-01	Machine Learning on Dynamic Functional Connectivity: Promise, Pitfalls, and Interpretations 2026-Jun-05, Information sciences DOI:10.1016/j.ins.2026.123184 PMID:41737630	研究论文	本文通过大规模功能磁共振成像数据，评估了机器学习模型在认知任务识别和疾病诊断中的性能，并提出了设计深度学习模型的实证指南	利用大规模神经影像数据（39,784个fMRI样本）系统评估了多种深度学习模型在认知和临床场景中的表现，并引入了基于注意力的可解释性方法来揭示与任务和疾病相关的大脑激活空间模式	研究结果可能受数据集、任务类型和评估设置的差异影响，且未提供统一的通用模型	为功能神经影像学中的深度学习模型设计建立实证指南，并探讨模型在认知任务识别和疾病诊断中的性能与局限性	大规模功能磁共振成像数据，涵盖认知任务和疾病诊断场景	机器学习	NA	功能磁共振成像	深度学习模型	图像	39,784个fMRI样本，来自七个数据库	NA	NA	NA	NA
53	2026-03-01	LDM-Morph: Latent diffusion model guided deformable image registration 2026-Jun, Pattern recognition IF:7.5Q1 DOI:10.1016/j.patcog.2025.112925 PMID:41736822	研究论文	本文提出了一种名为LDM-Morph的无监督可变形图像配准算法，通过集成潜在扩散模型特征来增强语义信息，以提高医学图像配准的准确性和拓扑保持能力	首次将潜在扩散模型特征集成到可变形图像配准中，设计了基于潜在和全局特征的交叉注意力模块，并提出了分层度量方法，在像素空间和潜在特征空间同时评估相似性	未明确说明算法在更广泛医学图像数据集上的泛化能力，也未讨论对计算资源的具体需求	提高医学图像可变形配准的准确性和拓扑保持能力	医学图像，包括2D心脏图像和3D图像	计算机视觉	心血管疾病	潜在扩散模型	CNN, Transformer	图像	四个公开2D心脏图像数据集和两个3D图像数据集	NA	潜在扩散模型	准确性, 拓扑保持能力, 计算效率	NA
54	2026-03-01	Predicting treatment response to neoadjuvant chemotherapy in locally advanced rectal cancer: A combined deep learning and machine learning approach utilizing longitudinal multi-sequence MRI 2026-Jun, European journal of radiology open IF:1.8Q3 DOI:10.1016/j.ejro.2026.100739 PMID:41756036	研究论文	本研究开发并验证了基于深度学习和机器学习的模型，利用纵向多序列MRI预测局部晚期直肠癌患者对新辅助化疗的治疗反应	结合纵向多序列MRI的深度学习特征与临床放射学特征，构建融合模型以预测治疗反应	研究为回顾性设计，样本量相对较小（169例患者），且模型性能提升未达到统计学显著性	预测局部晚期直肠癌患者对新辅助化疗的病理反应	局部晚期直肠癌患者	数字病理学	直肠癌	多序列MRI（CE-T1WI, T2WI, DWI）	深度学习, 机器学习	图像	169例局部晚期直肠癌患者（训练队列118例，测试队列51例）	NA	DenseNet121	AUC, 准确率, 灵敏度, 特异性, Brier分数	NA
55	2026-02-28	AI-integrated smartphone platform enables POC dual-channel glucose monitoring with an indicator-free nanozyme gel kit 2026-Jun-01, Biosensors & bioelectronics IF:10.7Q1 DOI:10.1016/j.bios.2026.118510 PMID:41698866	研究论文	开发了一种基于无指示剂纳米酶凝胶试剂盒和AI集成智能手机平台的双通道葡萄糖即时检测系统	采用微波辅助静态生物矿化策略合成葡萄糖氧化酶模板化的MnO纳米片，保留了酶的天然活性和固有荧光，并构建了集成了深度学习算法的智能手机应用（SmartGDS）的“微管实验室”凝胶平台，实现了唾液葡萄糖的快速双模式（荧光和比色）定量检测	未明确说明临床验证的样本量细节或潜在的干扰物质影响	开发一种用于非侵入性、低成本健康管理的即时葡萄糖监测平台	唾液葡萄糖	数字病理	NA	微波辅助静态生物矿化，荧光共振能量转移（FRET）	深度学习算法	图像（颜色和荧光变化）	临床唾液样本（具体数量未明确）	NA	NA	线性范围，检测限（LOD），准确性	智能手机平台
56	2026-02-26	Vascular Age: A narrative review of assessment methods, clinical applications, and future directions 2026-Jun, International journal of cardiology. Cardiovascular risk and prevention DOI:10.1016/j.ijcrp.2026.200601 PMID:41738064	综述	本文综述了血管年龄的评估方法、临床应用及未来方向	整合了基于动脉僵硬度、血管结构、血管功能及多因素风险评分模型的评估技术，并讨论了利用人工智能（如深度学习）从光电容积描记或视网膜图像估计血管年龄的新兴技术	需要标准化的评估方法、建立参考值以及成本效益评估	总结血管年龄的评估方法及临床进展，以改善心血管疾病风险分层、患者沟通与依从性，并指导个性化治疗	心血管疾病风险个体，包括特定人群（如糖尿病患者和类风湿关节炎患者）	NA	心血管疾病	动脉僵硬度评估（如脉搏波速度）、血管结构评估（如颈动脉内膜中层厚度、冠状动脉钙化评分）、血管功能评估、多因素风险评分模型、人工智能（深度学习）	深度学习	光电容积描记数据、视网膜图像	NA	NA	NA	NA	NA
57	2026-02-23	Adaptive sampling for efficient Lamb wavefield reconstruction in composite laminates with Spatial-Temporal Masked AutoEncoder 2026-Jun, Ultrasonics IF:3.8Q1 DOI:10.1016/j.ultras.2026.107972 PMID:41592361	研究论文	本文提出了一种基于深度学习的方法，利用时空掩码自编码器（STMAE）从高度欠采样的波场数据中重建复合材料层压板中的完整兰姆波场数据	提出了一种新颖的基于贝叶斯优化的扫描路径优化方法，生成自适应稀疏空间采样模式，并与STMAE结合形成AdaSTMAE，从而在损伤区域周围实现更低的波场预测误差	未明确说明方法在更广泛工程场景或不同材料类型中的适用性限制	开发一种高效、可靠的兰姆波场数据重建方法，以提升非接触式扫描激光多普勒测振仪（SLDV）在碳纤维增强塑料（CFRP）无损检测中的实用性	碳纤维增强塑料（CFRP）层压板中的兰姆波场数据	机器学习	NA	超声兰姆波测试（ULWT），扫描激光多普勒测振仪（SLDV）	自编码器（AutoEncoder）	时间序列高稀疏度兰姆波场数据	NA	NA	时空掩码自编码器（STMAE），自适应时空掩码自编码器（AdaSTMAE）	重建误差	NA
58	2026-02-23	DeepHSI: A transferable and expandable hyperspectral framework for industrial plant origin identification: A case study of Pogostemon cablin (Blanco) Benth 2026-Jun-01, Talanta IF:5.6Q1 DOI:10.1016/j.talanta.2026.129474 PMID:41621286	研究论文	本研究提出了一种基于高光谱图像和深度学习的快速通用方法DeepHSI，用于识别广藿香的产地，并结合代谢组学和转录组学分析验证其可行性	开发了可迁移和可扩展的高光谱框架DeepHSI，通过多批次数据训练和迁移学习展示通用性，并引入简化的多产地识别模型融合机制以支持实际应用扩展	NA	实现广藿香产地的快速、无损识别，以支持质量控制、防伪和真实性验证	广藿香（Pogostemon cablin (Blanco) Benth）	计算机视觉	NA	高光谱成像（HSI）、代谢组学分析、转录组学分析	深度学习模型	高光谱图像	来自三个主要产地的广藿香样本，在三个实验批次条件下收集数据	NA	NA	NA	NA
59	2026-02-23	Tomek links-based SMOTE method for class imbalance in blood cell classification with dual path sliding window attention model 2026-Jun-01, Talanta IF:5.6Q1 DOI:10.1016/j.talanta.2026.129473 PMID:41628562	研究论文	本文提出了一种结合Tomek links的SMOTE方法和双路径滑动窗口注意力模型，用于解决血细胞分类中的类别不平衡问题	提出了一种新的双路径滑动窗口注意力模型，并结合了混合SMOTE-Tomek Links数据平衡策略，以解决多光谱成像数据集中的类别不平衡问题	NA	提高血细胞分类的准确性，以增强临床诊断的准确性	血细胞图像	计算机视觉	神经退行性疾病, 感染, 贫血	多光谱成像	CNN	图像	NA	NA	双路径滑动窗口注意力模型	准确率, 推理时间, GFLOPs	NA
60	2026-02-16	Redefining obstructive sleep apnea diagnosis: An attention augmented CNN-BiLSTM hybrid alternative to traditional PSG testing 2026-Jun, MethodsX IF:1.6Q2 DOI:10.1016/j.mex.2026.103808 PMID:41684745	研究论文	本研究提出了一种基于注意力增强的CNN-BiLSTM混合深度学习模型，用于自动检测阻塞性睡眠呼吸暂停（OSA），以替代传统的多导睡眠图（PSG）诊断方法	结合卷积神经网络与双向长短期记忆网络的混合架构，并集成注意力机制以提升特征表示和分类性能，同时通过ANOVA选择生理信号子集以优化检测效果	NA	开发一种替代传统多导睡眠图（PSG）的自动化OSA检测方法，以提高诊断的可及性和准确性	阻塞性睡眠呼吸暂停（OSA）患者	机器学习	阻塞性睡眠呼吸暂停	深度学习	CNN, BiLSTM	生理信号数据	基于两个公开数据库，具体样本数量未明确说明	NA	CNN-BiLSTM混合架构	准确率, F1分数	NA