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	2026-07-05	Multicenter validation and randomized crossover reader evaluation of deep learning-assisted tri-sequence three-dimensional MRI segmentation for hypopharyngeal tumor 2026-Aug, Radiotherapy and oncology : journal of the European Society for Therapeutic Radiology and Oncology IF:4.9Q1 DOI:10.1016/j.radonc.2026.111606 PMID:42162744	研究论文	开发一个多中心验证的三序列深度学习模型，用于下咽肿瘤的三维MRI分割，并评估AI辅助能否缩小轮廓勾画的专业差距	首次提出多中心验证的三序列3D nnU-Net模型用于下咽鳞状细胞癌MRI分割，并通过随机交叉读者研究证明AI辅助能显著提升不同资历放射肿瘤医生的勾画一致性和效率，同时引入基于MRI质量特征的低重叠风险模型以支持部署决策	研究为回顾性设计，样本量有限（727例），且外部验证中低重叠风险模型的AUC在外部队列有所下降（0.71-0.78），可能需要进一步优化	开发并验证深度学习辅助的MRI自动分割方法，以提高下咽鳞状细胞癌放射治疗计划中靶区勾画的准确性和一致性，缩小专家经验差距	来自三个医疗机构的727名下咽鳞状细胞癌患者	计算机视觉, 医学影像分析	下咽鳞状细胞癌	MRI	3D nnU-Net	三维MRI图像（三序列）	727名患者，分为开发队列（530例）、内部测试队列（37例）、外部队列1（109例）和外部队列2（51例）	PyTorch	3D nnU-Net, XGBoost（用于低重叠风险模型）	Dice相似系数（DSC）、表面DSC、平均对称表面距离（ASSD）、平均表面距离（MSD）、Fleiss' κ、5点Likert评分、受试者工作特征曲线下面积（AUC）	NA
42	2026-07-03	Deep Learning-Based Eye Rubbing Detection Using Wrist-Based Wearable Devices to Enable Rigorous Study of Risk Factors for Ectasia Progression 2026-Aug-01, Cornea IF:1.9Q2 DOI:10.1097/ICO.0000000000004113 PMID:41649853	研究论文	开发并验证一种基于腕戴式可穿戴设备传感器数据的深度学习模型，用于检测揉眼行为，以支持研究揉眼对圆锥角膜等角膜扩张症进展的风险	首次利用腕戴式可穿戴设备的传感器数据，通过深度学习模型实现揉眼行为的自动检测，并建立时域和频域两个数据集，采用1D和2D CNN-LSTM模型及集成方法进行比较	未说明样本量较小、模型泛化性需进一步验证等限制	开发一种高可靠性的揉眼检测工具，以支持眼科医生和研究人员严格研究揉眼行为对圆锥角膜及角膜扩张症发生和进展的影响	20名受试者的揉眼和非揉眼行为记录	机器学习	眼科疾病	腕戴式可穿戴设备传感器数据采集	CNN-LSTM	时间序列数据、图像数据（时频域图谱图像）	20名受试者的8640个时间序列记录和112,320个频谱图图像	NA	1D CNN-LSTM、2D CNN-LSTM、集成模型	F1分数、AUC	NA
43	2026-07-03	Frequency-Aware Feature Fusion Driven Multimodal Cell Microscopic Image Segmentation Framework 2026-Aug, Microscopy research and technique IF:2.0Q3 DOI:10.1002/jemt.70137 PMID:41797365	研究论文	提出一种用于多模态细胞显微图像分割的新型深度学习框架，通过频率感知特征融合等模块提升分割精度	引入加权重双向特征金字塔网络（BiFPN）、频率感知特征融合（FreqFusion）和混合局部通道注意力（MLCA）三个核心模块，在不需手动调参情况下实现多模态细胞显微图像的精确高效分割	主要针对低对比度区域和复杂退化条件优化，整体分割性能仍依赖于训练数据的质量与多样性，实际应用中可能面临泛化挑战	实现多模态细胞显微图像的准确分割，为高内涵成像分析及精准医学中的定量分析提供基础	多模态细胞显微图像	数字病理学	不适用	深度学习图像分割	加权BiFPN、频率感知特征融合、MLCA注意力机制	细胞显微图像	自定义数据集和公开数据集	PyTorch	加权BiFPN、FreqFusion、MLCA	平均精度 (AP)、细胞检测率、分割速度 (FPS)	未提及
44	2026-07-03	Artificial intelligence in the care of systemic lupus erythematosus: Current capabilities and translational barriers 2026-Aug, Lupus IF:1.9Q3 DOI:10.1177/09612033261454511 PMID:42161343	综述	这篇综述批判性地评估了人工智能在系统性红斑狼疮临床工作流程中的应用现状，包括计算表型、诊断、疾病活动监测、器官特异性预测建模和治疗个性化，并讨论了从模型到临床实践的转化障碍	系统性地分析了人工智能在系统性红斑狼疮整个临床工作流程中的方法学成熟度，强调了外部验证、前瞻性测试、算法公平性、可解释性和监管状态的不足	大多数人工智能模型缺乏外部验证，没有工具获得监管批准，受影响最严重的人群在训练数据中代表性不足	评估人工智能在系统性红斑狼疮临床工作流程中的应用证据，并识别转化的关键障碍	系统性红斑狼疮的临床工作流程，包括诊断、监测、预测建模和治疗个性化	机器学习	系统性红斑狼疮	NA	LSTM, 深度学习	文本, 图像	多中心研究, 包括3个外部中心	NA	LSTM	C-index, AUC	NA
45	2026-07-01	Methodological challenges in machine learning and deep learning applied to food analysis: A critical review 2026-Aug-30, Journal of chromatography. A DOI:10.1016/j.chroma.2026.467176 PMID:42314502	综述	对机器学习和深度学习在食品分析中面临的方法论挑战进行批判性评估	系统审查了165项研究并采用色谱案例实验验证，揭示了高折交叉验证及复制样本误用对模型性能的高估问题	仅基于咖啡色谱数据集进行案例验证，可能无法完全代表其他食品分析场景	评估机器学习/深度学习在食品分析中的方法论可靠性及工业可迁移性	食品色谱指纹图谱及色谱联用技术生成的高维数据集	机器学习	NA	色谱指纹图谱, 色谱联用技术	机器学习模型, 深度学习模型	高维色谱数据	165项已发表研究，1个咖啡起源色谱数据集	NA	NA	准确率	NA
46	2026-06-30	Electrochemically induced CoNiOOH Nanosheets enabling nitrite detection through a catalytic reduction mechanism and machine learning-based concentration prediction 2026-Aug-01, Food chemistry IF:8.5Q1 DOI:10.1016/j.foodchem.2026.149691 PMID:42184523	研究论文	通过电化学诱导的CoNiOOH纳米片实现对亚硝酸盐的检测，并结合机器学习进行浓度预测	首次将CoNiOOH/CC自支撑电极与Inception-Time-Moment深度学习模型结合，实现亚硝酸盐的高选择性检测和智能浓度预测	未明确说明实际水样验证及长期稳定性测试	开发高灵敏、高选择性且智能化的亚硝酸盐检测平台	亚硝酸盐检测	机器学习	NA	电化学氧化	Inception-Time-Moment深度学习模型	原始线性扫描伏安信号	NA	NA	Inception-Time-Moment	R²	NA
47	2026-06-26	Signature-aware deep learning reveals distinct driver gene programs and mutational processes in glioblastoma and colon adenocarcinoma 2026-08, Computational biology and chemistry IF:2.6Q2 DOI:10.1016/j.compbiolchem.2026.108984 PMID:41764951	研究论文	提出一种名为ResMLP-GL的残差多层感知机模型，用于癌症驱动基因突变预测，并整合COSMIC SBS签名上下文概率与功能特征	首次将COSMIC SBS突变签名上下文概率向量显式整合进残差门控MLP网络，通过特征级门控模块实现突变过程感知的表示学习，并在多癌症类型中实现超越传统方法的预测性能	未提及的局限性：依赖TCGA和ICGC数据库的肿瘤外显子数据，可能对罕见突变或非编码区域突变不敏感；模型复杂度较高，可能限制在低资源环境中的部署	开发可解释的癌症驱动基因突变预测方法，明确突变过程与驱动基因选择之间的关联	胶质母细胞瘤和结肠腺癌的肿瘤外显子突变数据	机器学习	胶质母细胞瘤, 结肠腺癌	全外显子测序	残差多层感知机	基因突变数据	TCGA GBM/COAD外显子数据（未明确具体样本数），ICGC独立验证队列	Optuna, ADASYN, SHAP	ResMLP-GL（含两个投影残差块和特征门控模块）	AUC	NA
48	2026-06-26	Enhanced pneumonia prognosis via a hybrid deep learning ensemble: Dense Net, Efficient Net, and VGG16 integration 2026-08, Computational biology and chemistry IF:2.6Q2 DOI:10.1016/j.compbiolchem.2026.109009 PMID:41830760	研究论文	提出一种集成DenseNet、EfficientNet和VGG16的混合深度学习框架，用于肺炎预后增强	结合多种深度学习架构与混合特征提取方法（Deep CNN和InceptionV3），并采用贝叶斯优化和粒子群优化的混合超参数调优策略	未提及外部数据集验证、临床落地可实现性或计算开销等限制	提高肺炎诊断的准确性和可靠性，提供稳健的临床辅助方案	肺炎患者胸部影像数据	计算机视觉	肺炎	NA	深度学习集成模型	图像	NA	NA	DenseNet, EfficientNet, VGG16, Deep CNN, InceptionV3	准确率、敏感度、特异度	NA
49	2026-06-26	scDCL: A multi-view single-cell RNA sequencing clustering method based on dual contrastive learning 2026-08, Computational biology and chemistry IF:2.6Q2 DOI:10.1016/j.compbiolchem.2026.108998 PMID:41791270	研究论文	提出scDCL框架，结合ZINB掩码自编码器、图神经网络和双对比学习，实现单细胞RNA测序数据的聚类分析	首次将ZINB掩码自编码器、图神经网络与双对比学习协同集成，同时捕捉细胞内特征和全局结构特征，通过双重对比损失优化聚类紧凑性和结构一致性	未明确说明局限性，但可能包括对大规模数据集的计算复杂度或超参数调优需求	解决单细胞RNA测序数据高稀疏性、强非线性和高维度带来的聚类挑战，提高聚类性能	单细胞RNA测序数据中的细胞群体和细胞状态	机器学习	NA	单细胞RNA测序（scRNA-seq）	图神经网络、对比学习	单细胞RNA测序表达数据	多个公开数据集（具体数量未指定）	PyTorch	ZINB掩码自编码器、图神经网络	聚类性能指标（如ARI、NMI等，具体未指定）	NA
50	2026-06-26	Gene Ontology graph embeddings with Dynamic Thresholding based Deep Neural Networks for Multi-label protein subcellular localization prediction 2026-08, Computational biology and chemistry IF:2.6Q2 DOI:10.1016/j.compbiolchem.2026.109022 PMID:41865632	研究论文	提出结合基因本体图嵌入与动态阈值深度神经网络的多标签蛋白质亚细胞定位预测方法	首次将基因本体图节点嵌入与动态阈值深度神经网络结合，动态阈值替代固定阈值实现多标签预测，显著提升多定位预测性能	未提及计算资源需求或模型泛化性，且仅基于两个特定基准数据集验证	利用机器学习与深度学习提升蛋白质亚细胞定位预测的准确性与效率	蛋白质亚细胞定位及其多标签分类	机器学习	NA	基因本体图嵌入	深度神经网络	基因本体图数据、蛋白质序列数据	DeepLoc 2.0数据集和Plant-mSubP数据集（具体样本数未提及）	NA	图嵌入模型、深度神经网络	整体实际准确率、松弛准确率	NA
51	2026-06-26	Pipeline-optimized machine learning for chronic fatigue syndrome diagnosis: A lightweight, interpretable model using blood biochemical and metabolomic data 2026-08, Computational biology and chemistry IF:2.6Q2 DOI:10.1016/j.compbiolchem.2026.108995 PMID:41791269	研究论文	通过系统性流程优化，利用血液生化与代谢组学数据构建了用于慢性疲劳综合征诊断的轻量级、可解释机器学习模型	创新点包括：采用带重叠条件患者的对照组设计、分层bootstrap抽样确保协变量平衡、整合因果推断（孟德尔随机化）与可解释性分析（SHAP）的双重解释机制	NA	开发一种轻量级、可解释的慢性疲劳综合征诊断模型，利用客观血液生化与代谢标志物实现准确区分	慢性疲劳综合征患者（1137例）与对照组（66838例）的血液生化数据和代谢组学数据	机器学习	慢性疲劳综合征	血浆代谢组学、血液生化分析	随机森林	表格数据（血液生化指标+代谢物）	1137例病例，66838例对照	ClinMetML	随机森林	ROC-AUC、准确率、灵敏度、特异性、F1分数、阴性预测值、阳性预测值、马修斯相关系数	NA
52	2026-06-26	IDGSA-DRIU-Net: Internal dilated guided self-attention renal mass segmentation model based on dilated residual inception U-Net 2026-08, Computational biology and chemistry IF:2.6Q2 DOI:10.1016/j.compbiolchem.2026.109041 PMID:41936194	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
53	2026-06-25	Bioelectrochemical mitigation of soil antibiotic resistance: Disruption of bacteriophage transmission and resistant hosts 2026-Aug, Journal of environmental sciences (China) DOI:10.1016/j.jes.2025.11.008 PMID:42336534	研究论文	本研究利用微生物燃料电池结合深度学习模型分析四环素污染土壤中抗生素抗性基因的变化规律	首次结合深度学习模型DeepARG-LS与宏基因组测序揭示微生物燃料电池通过增强吲哚生物合成、减少移动遗传元件和噬菌体介导的基因传递来抑制抗生素抗性基因扩散的机制	未明确说明实验规模或是否在田间条件验证	阐明微生物燃料电池降低土壤抗生素抗性基因丰度的机制	四环素污染土壤中的抗生素抗性基因及其宿主微生物	机器学习	NA	宏基因组测序	深度学习	序列数据	土壤样本（具体数量未在摘要中提供）	NA	DeepARG-LS	NA	NA
54	2026-06-24	Towards scalable deep learning for automated microscopy in harmful algal bloom monitoring: Data-centric workflow and multi-region generalisation 2026-Aug-15, Water research IF:11.4Q1 DOI:10.1016/j.watres.2026.126038 PMID:42090852	research paper	本研究提出了一个多区域显微镜数据集，并采用YOLOv12目标检测模型，通过数据为核心的流程优化，评估了自动化显微镜在有害藻华监测中的可扩展性和跨区域泛化能力	构建了包含105个微藻/蓝藻类群的多区域数据集，并确立了数据驱动的优化流程，系统评估了真实条件下数据集设计选择对自动化显微镜的影响	模型跨区域泛化性能显著下降（mAP@0.5 ≤ 0.10），即使目标域微调后性能仍远低于域内水平，表明领域泛化是部署的关键瓶颈	推动深度学习在有害藻华监测中自动化显微镜的可扩展应用	来自澳大利亚三个区域的105个微藻/蓝藻类群显微镜图像	computer vision, digital pathology	NA	light microscopy	YOLOv12	image	105个微藻/蓝藻类群，来自三个区域	PyTorch	YOLOv12	mAP@0.5	NA
55	2026-06-24	How improper dataset split hinders model generalizability: a systematic comparison in Human activity recognition and exercise evaluation tasks 2026-Aug, International journal of medical informatics IF:3.7Q2 DOI:10.1016/j.ijmedinf.2026.106464 PMID:42097112	研究论文	系统比较不同数据集划分方式对人类活动识别和运动评估模型泛化能力的影响	首次系统量化非跨对象与跨对象数据划分对模型性能估计的偏差，并引入方差分解方法解释预测不稳定性来源	仅使用两个公开数据集，未涵盖更多真实临床场景，且未深入探讨样本量不足对划分策略的影响	探究不恰当的数据划分方式如何导致模型泛化能力被高估，并评估不同划分策略对机器学习与深度学习模型性能估计的影响	人类活动识别和运动评估模型的数据集划分策略	计算机视觉	康复医学相关疾病	NA	机器学习与深度学习模型	图像	NTU RGB+D 120数据集（大规模）和IntelliRehabDS数据集（康复专用），具体样本数未说明	PyTorch	NA	准确性、精确率、召回率、F1分数	NA
56	2026-06-24	Calibrated ROI-gated conditional computation for high-throughput and backbone-agnostic brain tumor MRI classification 2026-Aug-01, Computer methods and programs in biomedicine IF:4.9Q1 DOI:10.1016/j.cmpb.2026.109409 PMID:42092367	研究论文	提出一种可训练、与骨干网络无关的效率层，通过校准的感兴趣区域门控条件计算，实现高吞吐量和可靠的脑肿瘤MRI分类	提出可训练的、与骨干网络无关的效率层，通过可微空间定位和计算控制选择，实现无需外部分割的条件计算，同时保持全局图像上下文和置信度可靠性	未明确提及，但可能依赖于多源数据集的一致性处理和特定硬件设置	实现脑肿瘤MRI分类的高吞吐量、高诊断准确性和可靠置信度，适用于资源受限和实时临床部署	脑肿瘤MRI图像，包含T1、对比增强T1和T2三种模态	数字病理学	脑肿瘤	MRI	卷积神经网络	图像	三个公共脑肿瘤MRI数据集：Fernando Feltrin、Nickparvar和BRISC数据集	NA	多个卷积神经网络骨干网络	分类准确率、预期校准误差、推理吞吐量	使用一致的硬件和批次设置进行控制推理协议
57	2026-06-23	A knowledge-based deep learning model for accurate urban drainage system prediction under spatiotemporally variable rainfall 2026-Aug-01, Water research IF:11.4Q1 DOI:10.1016/j.watres.2026.125930 PMID:41997102	研究论文	提出一种融合先验知识与稀疏监测数据的深度学习模型，用于城市排水系统水位预测	无需显式降雨输入，通过知识驱动传播观测信号实现空间-时间校正，在极端稀疏传感器条件下仍保持高精度，并具有物理可解释性	未提及模型在不同城市排水系统间的迁移能力或长期运行稳定性验证	实现城市排水系统水位的准确、快速预测，支持实时洪涝预警	城市排水管网水位动态变化	机器学习	不适用	不适用	深度学习模型	合成降雨数据和真实降雨事件数据	未明确样本数量，但包含合成降雨与多个真实降雨事件	不适用	知识增强型深度学习网络	均方根误差, NSE, 峰值预测误差, 溢流检测精度	不适用
58	2026-06-23	Adaptive real-time dosing strategy for advanced phosphorus removal using model predictive control and time-series analysis in WWTPs 2026-Aug-01, Water research IF:11.4Q1 DOI:10.1016/j.watres.2026.125925 PMID:42001571	研究论文	提出一种结合机器学习、遗传算法和模型预测控制的自适应实时磷投药策略，用于污水处理厂高效除磷	将1DCNN-LSTM混合深度学习模型与Smith预测器增强的模型预测控制相结合，实现精准实时化学投药调整，显著降低化学消耗	基于模拟结果和单一污水处理厂数据验证，实际应用需进一步测试不同场景和规模	开发智能实时投药控制框架，优化污水处理厂化学除磷过程，实现稳定达标和可持续运营	污水处理厂中的化学除磷过程	机器学习, 控制优化	NA	深度学习, 遗传算法, 模型预测控制	1DCNN-LSTM	时间序列监控数据（多源监测数据）	12个月全规模污水处理厂数据	TensorFlow, 其他控制算法框架	1DCNN-LSTM, 遗传算法	出水总磷浓度合规性, 化学消耗降低百分比	NA
59	2026-06-23	A modular deep learning pipeline for stromal TILs scoring in breast cancer H&E slides 2026-Aug-01, Computer methods and programs in biomedicine IF:4.9Q1 DOI:10.1016/j.cmpb.2026.109374 PMID:42013559	研究论文	本文提出了一种模块化深度学习流水线，用于在乳腺癌H&E切片中自动进行基质肿瘤浸润淋巴细胞评分	开发了结合TIL分割模型、增强型DeepLabV3+基质分割网络和轻量级回归模块的模块化流水线，并通过病理学家引导的主动学习优化分割模型，同时引入了一种新的自适应聚合策略将斑块级预测整合为有临床意义的分数	未在更大规模或更多样化的数据集上进行验证，可能影响泛化能力	实现符合国际免疫肿瘤学生物标志物工作组指南的完全自动化和连续的基质TILs评分	乳腺癌H&E切片中的肿瘤浸润淋巴细胞和基质区域	数字病理学	乳腺癌	H&E染色	卷积神经网络（CNN）	图像	两份独立数据集，分别包含60和112张全切片图像	PyTorch	DeepLabV3+	皮尔逊相关系数, 组内相关系数	NA
60	2026-06-22	GeoAI for polar vegetation mapping and hydrological interactions: A systematic review 2026-Aug-01, The Science of the total environment DOI:10.1016/j.scitotenv.2026.181891 PMID:42224875	综述	系统综述了2005年至2025年间人工智能增强遥感技术（GeoAI）在极地植被制图与水文交互中的应用	首次基于PRISMA 2020方法对极地GeoAI研究进行系统性综述，揭示了从孤立监测向数据融合框架的快速转变，并提出层级式无人机-卫星融合、开放基准数据集和可解释生态AI的未来路径	大部分研究仍限于景观尺度，无人机-卫星完全整合的研究较少，且地下和基于过程的水文监测有限	系统梳理GeoAI在极地植被与水文监测中的应用现状、趋势和方法学质量，为下一代极地监测奠定经验基础	极地（北极和南极）植被与水文系统	机器学习和数字病理学	NA	遥感、无人机多光谱成像、卫星影像、深度学习	卷积神经网络、经典机器学习	图像（遥感影像、多光谱数据）	116项研究（2005-2025年）	NA	卷积神经网络	NA	NA