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	2026-09-27	Predicting membrane protein localization by deep learning on structure and chemistry 2026-09, Protein science : a publication of the Protein Society IF:4.5Q1 DOI:10.1002/pro.70747 PMID:42560024	研究论文	该论文提出了一种基于图神经网络的模型GPSforTMDs，利用实验测定的膜蛋白结构预测跨膜结构域的天然膜环境	利用蛋白质的图神经网络模型，直接从结构预测跨膜结构域的膜定位，并发现算法能学习到膜蛋白结构的新规则	某些膜环境类别预测困难，如分泌途径中TMD与膜的兼容性，以及古菌TMD被误认为细菌TMD（反之亦然）；需要高质量数据库报告TMD定位	通过深度学习从膜蛋白结构预测其天然膜环境，并探索膜蛋白结构与膜化学匹配的规律	膜蛋白的跨膜结构域（TMDs）及其天然膜环境	机器学习	NA	图神经网络	图神经网络	蛋白质结构数据	NA	NA	图神经网络	总体性能与基于序列的方法相当，某些类别表现优异	NA
102	2026-09-27	VesMamba: Vessel Morphology-Enhanced State Space Model for Cerebrovascular Delineation 2026-Sep, NMR in biomedicine IF:2.7Q1 DOI:10.1002/nbm.70339 PMID:42469936	研究论文	提出VesMamba框架，将血管形态先验整合到状态空间模型中，用于TOF-MRA和CTA影像的脑血管精准分割	提出Tri-oriented Vessel-aware Mamba (ToVM)模块，利用脑血管边缘特征动态重排一维输入序列，突破传统SSM固定扫描模式的局限；并提出3D Large-Small Gated Convolution (LSGC)模块以保留关键空间信息	摘要中未明确提及	从TOF-MRA和CTA影像中精准描绘脑血管结构，以辅助脑血管疾病的临床诊断和治疗	脑血管结构（来自TOF-MRA和CTA影像）	计算机视觉, 医学图像分割	脑血管疾病	TOF-MRA, CTA	状态空间模型 (State Space Model), Mamba	图像 (3D医学影像)	两个TOF-MRA数据集和一个CTA数据集（具体样本数量未提及）	NA	VesMamba, Tri-oriented Vessel-aware Mamba (ToVM), 3D Large-Small Gated Convolution (LSGC)	多数评估指标上超越所有对比方法（具体指标未列出）	NA
103	2026-09-27	Predictive design of tissue-specific mammalian enhancers that function in the mouse embryo 2026-Sep, Nature genetics IF:31.7Q1 DOI:10.1038/s41588-026-02729-1 PMID:42642514	研究论文	本文提出了一种通用策略，利用深度学习设计和验证能在小鼠胚胎中可靠工作的组织特异性增强子	首次证明仅从DNA序列即可可靠推断哺乳动物增强子功能，并能在体内实现组织特异性合成增强子的预测性从头设计，且仅需适度的训练集	研究仅针对小鼠胚胎的心脏、肢体和中枢神经系统设计了15个合成增强子，样本量和组织范围有限，尚未验证在其他哺乳动物或成体组织中的普适性	开发一种能在哺乳动物基因组和组织的体内调控复杂性中可靠设计组织特异性增强子的通用策略	小鼠胚胎中的心脏、肢体和中枢神经系统组织特异性增强子	机器学习	NA	染色质可及性测序，迁移学习	CNN	DNA序列，染色质可及性数据	15个合成增强子	NA	卷积神经网络	目标组织中的增强子活性	NA
104	2026-09-27	From phenoscope to GreenLab model of Arabidopsis to decipher genotype and treatment effects 2026-Sep, Plant phenomics (Washington, D.C.) DOI:10.1016/j.plaphe.2026.100265 PMID:42662435	研究论文	该研究结合深度学习图像分析、高通量表型组学和机制建模，动态追踪拟南芥叶片发育并解析基因型和水氮处理效应	首次将SAM-2深度学习模型用于高通量表型图像中单叶的自动分割与追踪，并将叶片级测量整合到GreenLab机制模型中推断植株尺度参数如辐射利用效率，同时结合QTL定位发现传统莲座尺度整合性状未能检测到的叶片出现动态相关遗传位点	单叶对整体莲座生长的贡献有限，莲座尺度动态具有整合性；未明确说明样本量、计算资源及具体性能指标	通过结合深度学习图像分析、机制建模和QTL定位，大规模定量表征拟南芥的发育动态，解析基因型和环境处理对叶片发育性状的影响，并挖掘新的遗传位点	不同生态型的拟南芥（Arabidopsis）植株，生长在不同水分和氮素条件下	计算机视觉, 机器学习	NA	高通量表型成像, 深度学习图像分析, QTL定位, 机制建模	SAM-2, 机制模型（GreenLab）	图像	数百株来自不同生态型的植物	NA	SAM-2	NA	NA
105	2026-09-27	Modular multi-task deep learning framework for prediction of treatment initiation in neovascular age-related macular degeneration modular AI for NVAMD treatment initiation study-MANTIS 2026-Sep-01, The British journal of ophthalmology DOI:10.1136/bjo-2025-328327 PMID:42680556	研究论文	该研究开发了一个模块化多任务深度学习框架，基于OCT图像和视力评分，自动预测新生血管性年龄相关性黄斑变性（NVAMD）患者开始抗VEGF治疗的最佳时机	提出了一个全自动的模块化多任务深度学习框架，结合CNN提取OCT特征和两个LSTM模型分别完成任务I（预测抗VEGF治疗需求）和任务II（估计外层视网膜厚度），实现治疗启动时机的自动判断	样本量相对较小（122名患者，207只眼），回顾性研究设计，需要在更大规模的前瞻性队列中验证	开发一个全自动系统，基于OCT图像中观察到的视网膜变化和视力评分，确定开始抗VEGF治疗的最佳时机	中期干性年龄相关性黄斑变性（AMD）患者，包括未进展为NVAMD的患者和进展并接受抗VEGF治疗的患者	数字病理学	年龄相关性黄斑变性	光学相干断层扫描（OCT）	CNN, LSTM	图像, 文本	122名患者（207只眼），其中数据集1包含49名患者（69只眼），数据集2包含100名患者（138只眼）	NA	卷积神经网络（CNN）, 长短期记忆网络（LSTM）	AUC, AUPRC, 准确率, 精确率, 灵敏度, 特异度, NMAE	NA
106	2026-09-25	Rapid Musculoskeletal MRI in 2026: Clinical Integration of Deep Learning Reconstruction 2026-Sep-23, AJR. American journal of roentgenology DOI:10.2214/AJR.26.35077 PMID:42233892	综述	本文综述了深度学习重建技术在肌肉骨骼MRI快速成像中的临床整合，涵盖技术进展、实施考虑和早期验证结果	系统阐述了深度学习重建和超分辨率技术如何实现肌肉骨骼MRI协议在10分钟内完成，并讨论了硬件、解剖限制、协议设计和工作流程适应等成功实施的关键因素	深度学习加速MRI协议的临床验证仍处于早期阶段，需要持续的技术开发和临床验证来进一步明确其作用	探讨深度学习图像重建技术在肌肉骨骼MRI快速成像中的临床应用和整合	肌肉骨骼MRI成像协议和深度学习重建技术	医学影像	肌肉骨骼疾病	深度学习图像重建，超分辨率技术，MRI加速技术	深度学习模型	医学图像	NA	NA	NA	信噪比，图像质量，诊断性能	NA
107	2026-09-25	Breaking the denoising dilemma in NMR spectroscopy by blind source separation 2026-Sep-23, Chemical science IF:7.6Q1 DOI:10.1039/d6sc03538h PMID:42540673	研究论文	该文章提出了一种名为CCA-NMR的盲源分离去噪协议，利用自相关系数分离噪声和真实信号，以打破传统迭代算法与深度学习去噪方法之间在速度、性能和通用性上的困境。	利用盲源分离思想，基于自相关系数实现噪声与真实信号的分离，兼顾良好去噪效果、快速计算时间和较好通用性	未明确说明具体局限性	打破NMR光谱去噪中传统迭代算法耗时与深度学习方法通用性和可解释性差之间的困境，实现可靠灵敏度提升并恢复被噪声掩盖的真实峰	NMR光谱数据，包括弛豫和扩散Laplace NMR、多维蛋白质NMR以及实时电催化反应过程中的时间分辨NMR	机器学习	NA	NMR光谱	NA	光谱信号	NA	NA	NA	NA	NA
108	2026-09-25	Mini-breaths and vocal-fry-like laryngeal register alleviate respiratory constraints on tokay (Gekko gecko) mating vocalizations 2026-09-23, Proceedings. Biological sciences DOI:10.1098/rspb.2026.1077 PMID:42772768	研究论文	本文结合声学分析与基于深度学习的姿态估计技术，研究大壁虎（Gekko gecko）在求偶鸣叫过程中的呼吸动态，发现其通过微型吸气和声带颤音样发声机制来突破呼吸限制	首次发现大壁虎双音鸣叫中包含吸气性微型呼吸，这一特征此前仅被认为存在于鸣禽中；揭示了声带颤音样发声寄存器在大壁虎中的应用；发现发声时耳孔缓慢闭合的保护机制，与鸟类和哺乳动物的反射性听觉衰减机制不同	研究仅针对雄性大壁虎的自发广告鸣叫，样本范围有限；未进行跨物种比较验证；呼吸约束假说的验证依赖于声学分析与姿态估计的结合，可能存在技术误差	验证大壁虎鸣叫是否受呼吸约束限制，并探究其如何通过呼吸和发声机制突破这些限制以延长鸣叫时长	雄性大壁虎（Gekko gecko）的自发广告鸣叫行为及呼吸动态	机器学习	NA	声学分析，深度学习姿态估计	深度学习	声学信号，视频	NA	NA	NA	NA	NA
109	2026-09-25	ProtoSurv: prototype-guided adaptation of computed tomography foundation model for lung-cancer prognosis prediction 2026-Sep-22, Visual computing for industry, biomedicine, and art DOI:10.1186/s42492-026-00233-1 PMID:42771098	研究论文	提出ProtoSurv框架，通过原型引导的视觉-语言预训练模型适应，利用大规模未标注CT数据进行肺癌预后预测	使用类原型引导伪标签分配、置信度过滤和特征校准，从大规模未标注CT数据中选择和精炼任务相关样本，专门针对预后相关特征学习	标注的预后数据仍然有限，未明确讨论计算资源需求，仅评估了两个肺癌预后任务	在标注生存数据有限的情况下，利用大规模未标注CT数据改进肺癌预后建模	接受靶向治疗或放化疗的肺癌患者	医学图像分析	肺癌	胸部CT成像、视觉-语言预训练	视觉-语言模型	图像和文本	预训练：104,783名患者的409,261个胸部CT序列；评估：507名靶向治疗患者和420名放化疗患者	NA	NA	AUC、一致性指数	NA
110	2026-09-25	PathSepsisNet: a pathway-aware temporal graph attention network integrating inflammatory crosstalk dynamics for early prediction of multi-organ dysfunction in sepsis 2026-Sep-21, Purinergic signalling IF:3.0Q2 DOI:10.1007/s11302-026-10185-z PMID:42766171	研究论文	提出PathSepsisNet——一种通路感知的时序图注意力网络，将炎症信号通路串扰知识整合到深度学习架构中，用于脓毒症多器官功能障碍综合征（MODS）的早期预测	1. 构建了生物学信息驱动的图神经网络，以6个节点表示分子通路激活状态、12条有向边编码已确立的串扰关系；2. 提出双时空注意力机制配合门控融合，同时捕捉通路间串扰动态和通路内时间演化；3. 提出新型通路分歧评分（PDS），量化促炎与细胞保护通路之间的失衡；4. 在保持与最先进方法相当的预测性能的同时，独特地提供通路级机制可解释性	梯度提升方法（XGBoost: 0.906；LightGBM: 0.905）在原始AUROC上略高于PathSepsisNet（0.895），尽管其缺乏机制洞察；研究仅使用MIMIC-IV单一数据源，外部验证有限	利用生物学通路串扰知识增强深度学习模型，实现脓毒症诱导的多器官功能障碍综合征的早期预测，并弥合预测准确性与临床可解释性之间的差距	29,765名成人脓毒症患者（Sepsis-3标准），来自MIMIC-IV v3.1数据库，仅使用ICU前12小时数据预测12-36小时的MODS发生	机器学习	脓毒症、多器官功能障碍综合征	图神经网络、时序注意力机制、临床生物标志物分析	图注意力网络（GAT）、双向长短期记忆网络（BiLSTM）、Transformer	临床时序数据、生物标志物数据、图结构数据	29,765名成人脓毒症患者	NA	PathSepsisNet（通路感知时序图注意力网络）、BiLSTM、Transformer、XGBoost、LightGBM、逻辑回归	AUROC、AUPRC	NA
111	2026-09-25	CT-based deep foundation model for predicting immune checkpoint inhibitor-induced pneumonitis risk in lung cancer 2026-Sep-18, Journal for immunotherapy of cancer IF:10.3Q1 DOI:10.1136/jitc-2026-015014 PMID:42759982	研究论文	开发并验证了一种基于CT的深度学习基础模型（CIPHER），用于预测肺癌患者免疫检查点抑制剂诱导的肺炎风险	结合对比学习和基于Transformer的掩码自编码器，构建了自监督预训练的基础模型CIPHER，用于从基线CT扫描中预测ICI-P，并进行了外部验证	需要进行前瞻性验证才能临床转化	开发和验证深度学习基础模型，从肺癌患者的基线CT扫描中预测免疫检查点抑制剂诱导的肺炎（ICI-P）	接受免疫检查点抑制剂治疗的肺癌患者	计算机视觉, 数字病理学	肺癌	CT	对比学习, 掩码自编码器, Transformer	图像	预训练：2,500名NSCLC患者的590,284个CT切片；内部队列：347名患者（33例ICI-P，314例非ICI-P）；外部验证：116名患者（20例ICI-P，96例非ICI-P）	NA	基于Transformer的掩码自编码器	AUC, 平衡准确率, 敏感性, 特异性	NA
112	2026-09-25	An intelligent OCR-LLM prescription review system for inpatient narcotic and psychotropic drugs: Development and retrospective validation 2026-Sep-18, Medicine IF:1.3Q2 DOI:10.1097/MD.0000000000050741 PMID:42760707	研究论文	本研究构建了基于深度学习OCR与本地大语言模型的住院麻醉药品和精神药品智能处方审核系统，并回顾性验证了其审核性能和闭环管理价值	首次将深度学习OCR与本地大语言模型相结合，构建面向住院麻醉药品和精神药品的智能处方审核系统，实现处方图像识别、文本结构化、规则验证、签名验证、残余药量计算及药师人工审核触发等功能	仅回顾性纳入500份处方进行验证，样本量有限；为单中心研究，未进行前瞻性多中心验证；系统规则库的覆盖范围和适应性有待进一步评估	构建住院麻醉药品和精神药品智能处方审核系统并评估其审核性能与闭环管理价值	500份住院麻醉药品和精神药品处方	数字病理学	NA	深度学习OCR，本地大语言模型	LLM	图像，文本	500份住院麻醉药品和精神药品处方	NA	NA	准确率，敏感度，特异度，阳性预测值，阴性预测值，F1分数，Cohen's kappa系数	NA
113	2026-09-25	Research on the correlation between artificial intelligence and depression: A bibliometric analysis from 2000 to 2024 2026-Sep-18, Medicine IF:1.3Q2 DOI:10.1097/MD.0000000000050781 PMID:42760733	文献计量分析	本研究采用文献计量方法，系统评估了2000至2024年间人工智能技术与抑郁症相关研究的产出，并探讨了AI在抑郁症诊断、预测和治疗中的应用趋势与前景	通过文献计量分析全面绘制了2000至2024年间AI与抑郁症交叉领域的研究演进图谱，识别了关键研究主题和未来发展趋势，并指出了该领域存在的研究空白	长期疗效证据稀缺，缺乏标准化验证，跨学科整合仍然不足	系统评估AI技术与抑郁症研究的产出，探索AI在抑郁症诊断、预测和治疗中的应用趋势与前景	2000至2024年间Web of Science数据库中关于抑郁症与人工智能的相关文献	机器学习	抑郁症	文献计量分析	NA	文本	1437篇论文，发表于766种学术期刊	NA	NA	NA	NA
114	2026-09-25	IQ-NET: fast and accurate quartet phylogenetic inference using deep learning trained on empirical DNA alignments 2026-Sep-16, Molecular phylogenetics and evolution IF:3.6Q2 DOI:10.1016/j.ympev.2026.108744 PMID:42748990	研究论文	该文章提出了一种基于深度学习的四分类群系统发育树推断框架IQ-NET，能够从带间隙的DNA比对中直接估计拓扑结构和分支长度，并通过与ASTRAL结合重建更大规模物种树	使用经验DNA比对数据训练深度学习模型；直接从带间隙的比对中估计拓扑和分支长度；克服了现有机器学习方法对输入序列顺序敏感的问题	未明确说明具体局限性	实现快速且准确的四分类群系统发育推断，通过深度学习直接从DNA比对中估计系统发育树	DNA序列比对数据，四分类群系统发育树	机器学习	NA	深度学习	深度学习模型	DNA序列比对数据	NA	NA	IQ-NET	准确率，速度提升倍数	NA
115	2026-09-25	A deep learning framework for histopathological classification of canine testicular tumours 2026-Sep-12, Veterinary journal (London, England : 1997) DOI:10.1016/j.tvjl.2026.106878 PMID:42731693	研究论文	提出基于人工智能的计算病理学方法，从犬睾丸肿瘤的全切片图像中自动分类三种主要肿瘤类型	首次将EfficientNet-B4和基于注意力的多实例学习框架应用于犬睾丸肿瘤的组织病理学分类，并验证了AI辅助全切片图像级分类的可行性	样本量有限（200例），需要更大规模的多中心验证，且研究为概念验证性质，尚未转化为临床决策支持工具	开发并评估AI辅助的全切片图像级犬睾丸肿瘤组织病理学分类方法，为兽医病理学家提供决策支持工具的概念验证	200只雄性犬的睾丸肿瘤组织切片	数字病理学	犬睾丸肿瘤	全切片图像（WSI）、苏木精-伊红染色	CNN、注意力机制、多实例学习	图像	200张全切片图像（来自200只雄性犬）	NA	EfficientNet-B4, ABMIL	准确率	NA
116	2026-09-25	Deep learning-based structural prediction (AlphaFold 3) of shrimp IMNV RdRp and identification of seaweed-derived metabolites for antiviral intervention in aquaculture 2026-Sep-08, Virus research IF:2.5Q3 DOI:10.1016/j.virusres.2026.199796 PMID:42710629	研究论文	本研究利用基于深度学习的AlphaFold 3预测虾IMNV RdRp蛋白结构，并对海藻来源代谢物进行大规模虚拟筛选，以鉴定潜在的抗病毒抑制剂	首次将AlphaFold 3深度学习方法用于虾传染性肌坏死病毒RdRp的结构预测，并结合大规模海藻代谢物虚拟筛选鉴定潜在抗病毒化合物	研究仅基于计算机模拟方法，缺乏体外和体内实验验证，所筛选化合物的实际抗病毒效果尚需进一步实验确认	预测虾IMNV RdRp蛋白结构并筛选海藻来源代谢物作为潜在的抗病毒抑制剂，为水产养殖中IMNV感染的防控提供候选药物	虾传染性肌坏死病毒（IMNV）的RNA依赖性RNA聚合酶（RdRp_M01蛋白）及1077种海藻来源代谢物	机器学习	传染性肌坏死病毒感染	深度学习蛋白结构预测（AlphaFold 3）、分子对接、分子动力学模拟、MMGBSA分析	AlphaFold 3	蛋白质结构数据、化合物分子结构数据	1077种海藻来源化合物针对RdRp_M01蛋白进行筛选，选取3种排名最高的生物活性化合物进行深入分析	NA	AlphaFold 3	结合能评分、均方根偏差、结合自由能（ΔG_total）	NA
117	2026-09-25	Badmintonvision: a deep learning framework for automated tactical analysis in elite badminton 2026-Sep-08, BMC sports science, medicine & rehabilitation DOI:10.1186/s13102-026-02073-1 PMID:42773488	研究论文	提出BadmintonVision框架，结合自监督学习、时间建模和战术分析，用于精英羽毛球比赛的自动化战术分析	将自监督学习、基于Transformer的时间建模和战术分析集成到统一框架中，利用ConvNeXt V2在139501张无标注图像上预训练，开发MotionFormer处理10帧窗口捕捉完整击球周期，并构建了包含30000张专家标注图像的数据集	运动分析中的相关性发现需要谨慎解释，性别分层分析中比赛和球员数量有限，马尔可夫链建模揭示的规律仅为描述性，需要在更大规模、平衡的样本中验证	实现精英羽毛球比赛的自动化战术分析，支持教练决策和表现研究	精英羽毛球比赛视频，BWF世界锦标赛（2019-2025）的专家标注图像，五种动作类别	计算机视觉	NA	自监督学习，时间建模，马尔可夫链建模	Transformer	图像，视频	139501张无标注图像用于预训练，30000张专家标注图像用于构建数据集	NA	ConvNeXt V2, Transformer	mAP@0.5, 准确率, Cohen's d	NA
118	2026-09-25	Artificial intelligence in poultry processing: applications, validation gaps, and pathways toward intelligent and autonomous processing systems 2026-Sep-07, Poultry science IF:3.8Q1 DOI:10.1016/j.psj.2026.107734 PMID:42736217	综述	本文综述了人工智能在家禽加工链中的应用，涵盖从活禽接收、屠宰、脱毛、掏膛、胴体检验、冷却、分割、去骨、肉质评估到包装、微生物监测和预测性食品安全管理等环节，并批判性地指出了验证缺口及迈向智能自主加工系统的路径	系统性地将AI应用贯穿整个家禽加工链进行综述，特别强调从技术可行性到商业可靠性的差距，并提出AI应作为集成传感器-模型-决策-执行器系统的一部分而非孤立算法，明确了领域漂移、数据泄漏、不确定性量化等关键验证缺口	所综述的许多研究基于小型单源数据集，使用随机数据划分可能导致数据泄漏，依赖不确定的参考标签，仅报告总体准确率而缺乏类别特异性性能、校准、不确定性和外部验证；种群、工厂、季节、设备、光照、产品方向和加工条件差异导致的领域漂移仍是部署的主要障碍	批判性地审视AI在家禽加工链中的应用现状，识别验证缺口，并探讨迈向智能和自主家禽加工系统的发展路径	家禽加工链中的各环节，包括活禽接收、屠宰、烫毛、脱毛、掏膛、胴体检验、冷却、抗菌控制、分割、去骨、肉质评估、胸肌异常检测、深加工、包装、微生物监测和预测性食品安全管理	计算机视觉	NA	计算机视觉, 机器学习, 深度学习, 近红外和高光谱成像, 电子传感, 多模态数据融合, 机器人技术, 预测建模	NA	图像, 光谱, 传感器信号, 生产记录	NA	NA	NA	准确率, 类别特异性性能, 校准, 不确定性	NA
119	2026-09-25	Phenotypic analysis of human and murine endometrial organoids using a machine learning approach 2026-Sep-03, Reproduction (Cambridge, England) DOI:10.1093/reprod/xaag100 PMID:42616664	研究论文	本文评估并优化了用于人类和小鼠子宫内膜类器官的高通量分析工具，利用深度学习模型对明场和活细胞荧光显微图像中的类器官进行分割、分类和表型定量分析	首次系统评估了OrganoID、OrganoSeg2和Biodock三种界面在子宫内膜类器官分割中的表现，并通过Biodock训练的深度学习模型实现了对混合“圆形”和“异常”类器官群体的分类与定量分析，同时验证了该方法在活细胞荧光成像和药物处理实验中的应用价值	OrganoID和OrganoSeg2的边缘检测在多个类器官接触或存在碎片时无法充分区分单个子宫内膜类器官，因此未能进一步用于表型定量分析	独立评估和优化适用于人类和小鼠子宫内膜类器官的高通量分析工具	人类和小鼠子宫内膜类器官	计算机视觉, 数字病理学	NA	明场显微成像, 活细胞荧光显微成像, 深度学习图像分割	CNN	图像	NA	NA	NA	面积, 偏心率, 亮度	NA
120	2026-09-25	Enhanced lung cancer detection using BiLSTM attention and transformer models on clinical text data 2026-09-02, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-26610-z PMID:42686798	研究论文	本文提出了一种结合双向长短期记忆网络（BiLSTM）注意力机制和Transformer模型的混合深度学习方法，用于基于临床文本数据增强肺癌检测和预测	将BiLSTM与注意力机制及Transformer模型相结合，构建混合模型以有效解决文本临床数据中的过拟合、数据不平衡和长序列依赖等常见问题，并实现了99.8%的高准确率和更快的训练时间	数据集规模较小可能导致过拟合，需要进一步研究使用更大数据集和先进正则化方法	提高肺癌检测的准确性和效率，为临床决策提供稳健、高效且准确的工具以实现及时诊断	患者的临床文本数据，包括人口统计学信息、症状、放射学报告及其他临床信息	自然语言处理	肺癌	NA	BiLSTM, Transformer	文本	NA	NA	BiLSTM, Transformer	准确率, 验证损失	NA