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	2026-07-01	Image Caption Generation using Deep Learning Approaches 2026-Jun-12, Journal of visualized experiments : JoVE DOI:10.3791/71528 PMID:42371865	research paper	利用深度学习（ResNet与RNN）生成图像描述，并在MSCOCO数据集上评估性能	提出结合智能滤波技术与ResNet深度残差网络进行图像特征编码，再通过RNN解码生成高精确度描述	NA	提升图像描述生成的质量，使其对参考描述具有高精确度	图像描述生成方法	computer vision, natural language processing	NA	NA	CNN (ResNet), RNN	图像	MSCOCO大规模数据集	NA	ResNet	BLEU (B1, B2, B3, B4), METEOR, ROUGE, CIDEr	NA
102	2026-07-01	An Explainable Privacy Preserving Multimodal Ensemble Framework For Skin Lesion Classification 2026-Jun-12, Journal of visualized experiments : JoVE DOI:10.3791/71472 PMID:42371851	研究论文	提出一种隐私保护、可解释的多模态集成框架用于皮肤病变分类	结合隐私保护、可解释人工智能与集成模型，并融合多模态特征（深度特征与临床元数据）提高分类性能	未明确提及外部验证或真实临床环境测试，可能存在的隐私保护具体机制未详细描述	开发一种兼顾隐私、可解释性和类别不平衡问题的皮肤病变分类模型	皮肤病变图像及对应临床元数据	计算机视觉	皮肤癌	深度学习特征提取	集成模型（XGBoost、LightGBM、深度神经网络分类器）	图像与临床元数据	使用HAM10000数据集，包含七个病变类别（akiec、bcc、bkl、df、mel、nv、vasc）	NA	EfficientNet B4、DenseNet201、MobileNetv2	准确率	NA
103	2026-07-01	Lightweight English Text Classification with Deep Learning Based on Complex System Theory 2026-Jun-09, Journal of visualized experiments : JoVE DOI:10.3791/69344 PMID:42372063	研究论文	结合复杂系统理论与深度学习，构建图神经网络模型，并采用两级元蒸馏方法，实现轻量级英文文本分类	通过复杂系统理论分析文本样本分布特征，设计两级元蒸馏机制结合元学习策略动态调整教师模型参数，优化知识迁移过程，在低样本和跨域场景下显著提升分类性能并降低计算成本	未提及具体局限性	提高英文文本分类在低样本和跨域场景下的泛化能力，实现轻量级模型	英文文本数据，特别是多主题文本分类数据集	自然语言处理	不适用	NGS	图神经网络（GNN）	文本	未明确说明	PyTorch	图神经网络	性能保留率、计算时间	未明确说明
104	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
105	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
106	2026-07-01	Direct Detection and Atomic Modeling of Ligands in Cryo-EM Maps Using Deep Learning 2026-Jun-04, bioRxiv : the preprint server for biology DOI:10.64898/2026.06.01.729423 PMID:42282590	research paper	提出Emap2lig，一个两阶段深度学习框架，用于直接从低温电子显微镜图谱中自动检测配体并生成原子模型	首次实现从实验性冷冻电镜图谱中同时可靠检测配体密度并重建其原子结构，且不依赖于预先定义的结合位点或高分辨率大分子结构	NA	开发一个能够直接从冷冻电镜图谱中自动检测和建模小分子配体的深度学习框架	冷冻电镜图谱中的小分子配体	machine learning	NA	cryo-EM	扩散生成模型	冷冻电镜图谱	NA	PyTorch	Emap2lig-Find、Emap2lig-Build	NA	NA
107	2026-07-01	An open-source stereotaxic container with an integrated cutting guide for human brain fixation during magnetic resonance imaging and sectioning for histology 2026-Jun-04, bioRxiv : the preprint server for biology DOI:10.64898/2026.06.01.729391 PMID:42282745	research paper	开发了一个开源的人类死后脑固定容器，集成了立体定位切割导板，用于磁共振成像和组织学切片，以实现高精度配准	首次设计并3D打印出兼具MRI兼容性、高机械强度及耐固定剂特性的立体定位切割导板系统，支持从成像到切片的单次扫描工作流，减少组织变形	仅针对人类死后脑组织，活体应用受限；容器设计可能对特定脑区（如小脑或脑干）的适应性需进一步验证	实现死后脑组织MRI与组织学的高精度配准，支持神经退行性疾病的多模态研究	人类死后脑组织	digital pathology	neurodegenerative disease	MRI, 3D printing	NA	image	215个人类死后脑样本	NA	NA	NA	NA
108	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
109	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
110	2026-07-01	Deep learning for fluorescence confocal microscopy image interpretation in radical prostatectomy 2026-Jun, BJU international IF:3.7Q1 DOI:10.1111/bju.70273 PMID:42001901	研究论文	开发并验证用于前列腺癌根治术术中荧光共聚焦显微镜图像解读的深度学习模型	首次将深度学习模型应用于荧光共聚焦显微镜图像的术中手术切缘评估，并采用焦点损失、标签平滑、dropout正则化、自适应类别加权和加权采样等技术解决类别不平衡问题	样本量较小（仅24名患者275张图像），外部验证数据集独立但规模有限（46张图像），模型在外部验证中特异性较低（73.9%）	开发和验证用于术中实时手术切缘评估的深度学习模型，减少对术中病理支持的依赖	前列腺癌根治术患者的荧光共聚焦显微镜图像	digital pathology, machine learning	prostate cancer	fluorescence confocal microscopy	CNN	image	24名患者共275张图像（37张肿瘤、238张良性），内部测试57张，外部验证46张	PyTorch (implied by Grad-CAM and custom GUI, but not explicitly stated)	convolutional neural network (具体架构未明确说明)	sensitivity, specificity, positive predictive value, negative predictive value, AUC, Brier score	NA
111	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
112	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
113	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
114	2026-06-30	Can Deep Learning Methods Differentiate Temporomandibular Joint Disorders From Healthy Joints? A 3D Artificial Intelligence Algorithm Study Based on CBCT Images 2026-Jun-29, Journal of oral rehabilitation IF:3.1Q1 DOI:10.1111/joor.70247 PMID:42367059	研究论文	本研究旨在开发基于CBCT图像的深度学习模型，用于颞下颌关节疾病的自动分割、分类和严重程度分级	首次利用3D人工智能算法在CBCT图像上实现颞下颌关节疾病的自动分割、五类亚型区分及严重程度分级的三阶段综合分析	数据集规模较小且类别不平衡，需进一步扩大样本以提升模型对TMD分级准确率	开发深度学习模型以实现CBCT图像上颞下颌关节的自动评估，包括分割、分类和严重程度分级	颞下颌关节髁突的健康与病理状态	数字病理学	颞下颌关节紊乱病	CBCT影像	3D CNN, nnU-Net v2	3D CBCT图像	未在摘要中明确说明样本数量	nnU-Net v2	nnU-Net, 3D CNN	Dice相似系数 (DSC), 交并比 (IoU), F1分数	NA
115	2026-06-30	Deep learning of pretreatment ascites cytopathology for platinum-resistance risk stratification in advanced epithelial ovarian cancer 2026-Jun-28, Neoplasia (New York, N.Y.) DOI:10.1016/j.neo.2026.101330 PMID:42365738	研究论文	提出一个多尺度深度学习框架OVCAP，通过分析预处理腹水细胞学全切片图像来评估晚期上皮性卵巢癌的铂耐药风险	首次系统利用腹水细胞形态信息预测铂耐药，结合注意力引导的病理学回顾和单细胞RNA测序揭示高风险的形态模式和生物学特征	未在论文标题和摘要中明确说明	开发一种基于预处理腹水细胞学的深度学习模型，用于晚期上皮性卵巢癌铂耐药风险分层	FIGO IIIB-IV期上皮性卵巢癌患者	数字病理学	上皮性卵巢癌	全切片成像, 单细胞RNA测序	CNN	图像	438名患者	NA	多尺度深度学习架构	ROC-AUC	NA
116	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
117	2026-06-30	Comparative analysis of CNN-LSTM and CNN-BiLSTM hybrid deep learning models for solar radiation prediction 2026-Jun-28, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-59621-5 PMID:42366204	研究论文	比较CNN-LSTM与CNN-BiLSTM混合深度学习模型在太阳辐射预测中的表现	在相同预处理、窗口化、时间顺序分割和训练条件下，对CNN-LSTM与CNN-BiLSTM进行可复现的对比分析	仅基于德里单一地点的数据，需要更多地点、更强基线和概率预测技术的进一步测试	评估并比较CNN-LSTM与CNN-BiLSTM在一步太阳辐射预测中的性能	基于NASA POWER数据集的德里气候变量	机器学习	NA	NA	CNN-LSTM, CNN-BiLSTM	时间序列数据	NA	NA	CNN-LSTM, CNN-BiLSTM	MAE, RMSE, R², EVS, WI, APB	NA
118	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
119	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
120	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