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
2001	2026-06-28	Quantifying Canopy Closure Dynamics Using UAV Imagery and Semantic Segmentation in Rice Breeding Trials 2026-Jun-16, Plants (Basel, Switzerland) DOI:10.3390/plants15121860 PMID:42357179	研究论文	利用无人机影像和深度学习语义分割技术，建立高效框架量化水稻冠层闭合动态	首次将无人机遥感与深度学习语义分割结合，系统量化水稻冠层闭合动态，并利用Gompertz模型和K-means聚类分析揭示不同品种间的发育差异	数据集仅来自单季节和单地点，存在局限性	建立可扩展的客观框架，用于量化水稻冠层闭合动态，支持品种筛选和栽培优化	198个杂交水稻品种	计算机视觉	NA	无人机遥感	深度学习语义分割模型	RGB图像	198个杂交水稻品种	NA	DeepLabv3+, U-Net, PSPNet	平均交并比 (mIoU), R²	NA
2002	2026-06-28	Development and Validation of Artificial Intelligence Prediction of Epicardial Coronary Artery Spasm in Patients Without Obstructive Coronary Artery Disease 2026-Jun-15, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics16121847 PMID:42351506	研究论文	开发并验证基于人工智能的心外膜冠状动脉痉挛预测模型，适用于无阻塞性冠状动脉疾病患者	首次利用常规临床数据和心电图原始数据，通过随机森林和CNN-LSTM深度学习模型非侵入性预测心外膜冠状动脉痉挛	心电图CNN-LSTM模型灵敏度高但特异性低（11.9%），仅为概念验证，尚未达到临床筛查工具标准	开发并验证基于人工智能的非侵入性风险评分，预测无阻塞性冠状动脉疾病患者的心外膜冠状动脉痉挛	无阻塞性冠状动脉疾病且接受冠状动脉内甲基麦角新碱激发试验的患者	机器学习	心血管疾病	NA	随机森林, CNN-LSTM	临床数据, 心电图	推导队列1050名患者和外部验证队列600名患者，共2611份心电图记录	NA	随机森林, CNN-LSTM	AUC, 灵敏度, 特异性	NA
2003	2026-06-28	EEG-ChTABNet: A Dual-Branch Channel-Wise Transformer with Gated Attention-Branch Network for EEG-Based Classification of Dementia 2026-Jun-15, Biomedicines IF:3.9Q1 DOI:10.3390/biomedicines14061345 PMID:42351773	研究论文	提出一种新的双分支通道Transformer与注意力分支网络EEG-ChTABNet，用于基于EEG的痴呆、中风和健康对照三种神经状态分类	提出四个新设计：通道重要性注意力块、双分支编码器（全局多头自注意力和局部深度可分离卷积）、门控Sigmoid融合机制、瓶颈残差分类头，有效解决小样本和高维熵特征挑战	样本量较小（N=45，每类15例），可能限制泛化能力；研究未评估EEG-ChTABNet在其他神经疾病或更大数据集上的表现	解决小样本条件下基于EEG熵特征的神经疾病多分类难题，提升痴呆、中风和健康对照的早期准确区分能力	19通道32名受试者（痴呆、中风、健康对照各15例）的EEG熵特征数据	机器学习	痴呆, 中风	EEG	Transformer, 注意力机制, 深度可分离卷积	EEG熵特征	45例（每类15例）	PyTorch	EEG-ChTABNet: 通道重要性注意力块, 双分支编码器（全局多头自注意力+局部深度可分离卷积）, 门控Sigmoid融合, 瓶颈残差分类头	分类准确率, AUC, 检测灵敏度	NA
2004	2026-06-28	Deep Learning-Based Evaluation of Maxillary Dental Midline Deviation on Orthodontic Frontal Photographs 2026-Jun-15, Bioengineering (Basel, Switzerland) DOI:10.3390/bioengineering13060687 PMID:42351931	研究论文	使用基于YOLOv8的深度学习方法在正畸正面照片上检测上颌牙中线区域，并评估检测输出对多种机器学习算法分类性能的影响	首次将YOLOv8目标检测与多种机器学习分类器结合，用于评估正畸正面照片中的上颌牙中线偏斜	分类结果仅作为探索性结果，未进行完整的检测加分类流程的无泄漏外层k折验证，分类结果应视为初步结果，未纳入面部参照系归一化和观察者间信度评估	检测上颌牙中线偏斜，并评估不同机器学习算法对对称与非对称中线状态的分类性能	146张标准化正面照片（72张中线偏斜≥2mm，74张对称）	计算机视觉	口腔正畸相关疾病	YOLOv8目标检测	CNN（YOLOv8）及多种机器学习分类器	图像（正面照片）	146张照片（训练集126张，测试集20张）	PyTorch	YOLOv8，以及其他11种分类器（如朴素贝叶斯、逻辑回归、支持向量机、AdaBoost等）	准确率（含95% Wilson置信区间）、精确率、召回率、F1分数、ROC-AUC	NA
2005	2026-06-28	Hybrid Computational Modeling with Multi-Level Validation Identifies TK1-VIM as a Robust Therapeutic Pair in Triple-Negative Breast Cancer 2026-Jun-15, International journal of molecular sciences IF:4.9Q2 DOI:10.3390/ijms27125385 PMID:42353103	研究论文	提出一种结合布尔网络建模与半定规划（SDP）的混合计算方法，识别出TK1-VIM作为三阴性乳腺癌的稳健治疗靶点对	首次将布尔网络建模与半定规划相结合用于治疗靶点识别，并引入多层级验证框架，包括AlphaGenome深度学习模型提供的正交计算支持	缺少实验验证，临床转化前仍需进一步的实验数据支持	识别三阴性乳腺癌中具有可成药性和稳健性的治疗靶点对	三阴性乳腺癌细胞系网络	机器学习, 计算生物学	三阴性乳腺癌	布尔网络建模, 半定规划, RNA测序	布尔网络模型, AlphaGenome（深度学习模型）	网络模型数据, RNA-seq数据	一个三阴性乳腺癌细胞系网络	NA	布尔网络, AlphaGenome	相似度（99.03%）, 置信区间（[98.79%, 99.26%]）, p值（<0.001）	NA
2006	2026-06-28	A Generalized Responsible AI Framework for Trustworthy Clinical Prediction: Explainability, Fairness, Performance, and Uncertainty in Alzheimer's Disease Modeling 2026-Jun-15, Healthcare (Basel, Switzerland) DOI:10.3390/healthcare14121721 PMID:42354579	研究论文	提出一个通用负责任AI框架，整合可解释性、公平性、性能与不确定性量化，用于阿尔茨海默病的可信预测	首次在阿尔茨海默病预测中系统整合可解释性、公平性、性能与不确定性四大负责任AI组件，并采用前馈神经网络结合蒙特卡洛Dropout实现端到端不确定性估计	应用于真实临床数据时仍面临持续性挑战；未提及外部验证数据集	开发通用负责任AI框架以解决医疗AI的可解释性、公平性和可靠性问题，提升阿尔茨海默病早期诊断的临床可信度	阿尔茨海默病患者的神经影像生物标志物数据	机器学习	阿尔茨海默病	神经影像生物标志物分析	前馈神经网络、随机森林	神经影像数据	使用TADPOLE数据集，具体样本量未说明	NA	前馈神经网络、随机森林、蒙特卡洛Dropout	准确率、等化优势差异、预测熵	NA
2007	2026-06-28	DSHformer: Locality-Sensitive Hash Attention and Prototype Alignment for Sensor-Based Human Activity Recognition 2026-Jun-15, Sensors (Basel, Switzerland) DOI:10.3390/s26123803 PMID:42356776	研究论文	针对传感器人体活动识别中的分布偏移和注意力计算复杂性问题，提出了结合局部敏感哈希注意力与原型对齐的DSHformer框架	首次将基于局部敏感哈希的注意力机制与原型对齐相结合，实现O(LlogL)线性复杂度，并通过可训练原型池和多层分解网络增强类内紧凑性和类间可分性	特征分解可能引入语义相关令牌的分组衰减，需通过分解稳定哈希来缓解；实验仅涉及公开基准数据集，实际部署场景中可能受用户差异和传感器噪声影响	提升传感器人体活动识别在资源受限设备上的准确性和泛化能力	基于可穿戴传感器采集的连续时间序列数据中的日常人体活动（如行走、站立、上楼等）	机器学习	不适用	传感器数据采集（加速度计、陀螺仪等）	Transformer变体（结合局部敏感哈希注意力、图注意力编码器和原型对齐网络）	时间序列	5个公开基准数据集：WISDM、UCI-HAR、PAMAP2、Opportunity和UniMiB-SHAR（具体样本量未在摘要中提及）	NA	DSHformer（包含分层图注意力编码器、原型池分解网络、分解稳定型LSH注意力模块）	准确率（98.6%、93.7%、98.4%、88.5%、96.6%）	资源受限的可穿戴设备（未指定具体GPU或云端资源）
2008	2026-06-28	Artificial Intelligence-Driven Fractional Flow Reserve Assessment: Technical Foundations, Clinical Insights, and Future Directions 2026-Jun-14, Medicina (Kaunas, Lithuania) DOI:10.3390/medicina62061157 PMID:42356169	综述	本文总结了从有创血流储备分数到人工智能驱动的冠状动脉病变功能评估的演变过程，包括基于计算流体力学的CT-FFR以及机器学习与深度学习方法的原理、验证和临床进展	系统梳理了AI（包括机器学习和深度学习）在无创冠状动脉功能评估中的应用，从基于工程特征的传统模型到端到端的直接学习系统，并探讨了虚拟PCI规划、多模态风险分层等未来方向	存在对输入数据质量的高度依赖、模型可解释性有限、监管障碍以及临床工作流程整合困难等广泛采用的主要障碍	总结AI驱动的血流储备分数评估的技术基础、临床见解及未来发展方向	冠状动脉病变的功能评估方法，包括有创FFR、基于CFD的FFRct以及AI驱动的评估模型	机器学习、计算机视觉	冠状动脉疾病	NA	机器学习、深度学习	影像（CCTA扫描图像）	NA	NA	NA	诊断准确性、预后价值	NA
2009	2026-06-28	Dental Age-Group Classification from Panoramic Radiographs Using Convolutional Neural Networks 2026-Jun-12, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics16121816 PMID:42351475	研究论文	利用卷积神经网络分析全景牙科X光片进行成人和老年人年龄组分类	针对传统牙科年龄评估方法在成人和老年人中可靠性有限的痛点，首次系统评估了自定义CNN与多种预训练深度学习架构在五个年龄组分类任务中的性能	研究结果仅限于所用数据集和实验条件，需要跨不同人群和场景进一步验证广泛适用性	探索基于深度学习的自动化年龄组分类方法在成人和老年人中的应用	埃及个体的全景牙科X光片	计算机视觉	NA	全景牙科X光成像	CNN	图像	1469张全景牙科X光图像，来自25-70岁埃及个体	NA	自定义CNN, YOLOv8	准确率, MAE, RMSE	NA
2010	2026-06-28	An Artificial Intelligence-Based Detection of Comorbid Depression, Anxiety, and Substance Use Disorder in Korean Counseling Dialogues Using an Explainable Hierarchical Attention Network with Shapley Additive Explanations 2026-Jun-12, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics16121817 PMID:42351476	研究论文	提出基于可解释分层注意力网络的深度学习模型，同时检测韩语咨询对话中的抑郁、焦虑和物质使用障碍共病情况，并通过SHAP方法增强可解释性	将多标签分类与可解释AI结合应用于心理健康领域，能够在实际咨询对话中同时识别三种常见共病障碍，并通过SHAP提供临床可解释的判断依据	数据来源单一（韩语咨询对话），模型在物质使用障碍标签上表现相对较低（F1=0.78），且未提及模型的泛化能力测试	开发可同时检测抑郁、焦虑和物质使用障碍共病的多标签分类模型，并增强临床可解释性	韩语咨询对话文本中的抑郁、焦虑和物质使用障碍共病状态	自然语言处理	心理健康障碍	NA	分层注意力网络（HAN-BiLSTM）	文本	1661份韩语咨询对话转录文本，平均每份约5000韩文字符	PyTorch	HAN-BiLSTM	F1-score, 宏平均F1, 95%置信区间	NA
2011	2026-06-28	AI-Based Prediction of Post-ERCP Pancreatitis: A Comparative Study Using Tabular, Image, and Multimodal Data 2026-Jun-12, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics16121824 PMID:42351482	研究论文	比较基于表格数据、内镜图像数据及多模态融合方法预测ERCP术后胰腺炎的效果	首次系统比较表格数据、图像数据及多模态融合方法在PEP预测中的表现，并采用对比学习框架整合不同模态特征	单中心回顾性设计、样本量有限、PEP发生率低导致类别不平衡、多模态模型性能不理想	评估并比较不同数据模态在PEP预测中的性能，探索最优预测方案	接受ERCP手术患者的临床表格数据与内镜图像数据	机器学习	胰腺炎	NA	XGBoost, EfficientNet-B0, ResNet50, DenseNet201, 多层感知机	表格数据, 图像数据	单中心回顾性队列，具体样本数未提供	XGBoost	XGBoost, EfficientNet-B0, ResNet50, DenseNet201, 多层感知机	AUC, 敏感性, F1分数, 精确率	NA
2012	2026-06-28	Real-World Insights in Designing SteatoStat: An End-to-End Deep Learning Pipeline for Hepatic Steatosis Quantification 2026-Jun-12, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics16121825 PMID:42351483	研究论文	开发了一个名为 SteatoStat 的端到端深度学习管道，用于量化肝脂肪变性	提出整合文件格式标准化、基于规则细胞过滤和多分割模型的深度学习管道，输出连续定量脂肪变性百分比并转换为分级	未来需通过独立多机构数据集验证以增强泛化能力和临床整合	标准化并提升代谢功能障碍相关脂肪性肝病（MASLD）患者肝脂肪变性的量化精度	MASLD患者的肝组织病理切片图像	数字病理学	代谢功能障碍相关脂肪性肝病	深度学习	分割模型	病理图像	NA	NA	多分割模型	DICE分数, AUROC, F1分数, 加权Kappa系数	NA
2013	2026-06-28	Emerging Pathways to Non-Invasive Diagnosis in Endometriosis: Integrating Machine Learning, Deep Learning and Multi-Omics Biomarkers 2026-Jun-12, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics16121823 PMID:42351484	综述	综述人工智能在子宫内膜异位症非侵入性诊断中的应用，整合机器学习、深度学习和多组学生物标志物	系统总结了人工智能驱动的成像分析到多组学生物标志物在子宫内膜异位症诊断工作流中的整合	数据集小、过拟合、缺乏外部验证和变异性	探讨人工智能在提高子宫内膜异位症诊断准确性、减少诊断延迟及支持个性化治疗中的潜力	子宫内膜异位症的诊断流程	机器学习	子宫内膜异位症	NA	机器学习、深度学习、自然语言处理	成像数据、多组学生物标志物数据	NA	NA	NA	NA	NA
2014	2026-06-28	OPTIFARM: Benchmarking YOLO Architectures for Location-Robust Potato Quality Detection 2026-Jun-12, Foods (Basel, Switzerland) DOI:10.3390/foods15122121 PMID:42354089	研究论文	通过低成本RGB成像与YOLO架构的系统基准测试，实现跨地点鲁棒的马铃薯质量检测	首次系统对比YOLOv8至YOLO26五种架构家族在跨地点马铃薯质量检测中的鲁棒性，严格采用跨地点评估协议	饲料级马铃薯的检测是泛化性能的主要瓶颈	评估低成本RGB光学检测系统在自动马铃薯质量检测中的可行性	马铃薯质量检测（可食用、饲料、腐烂三类）	计算机视觉	NA	RGB成像	YOLO	图像	1361张图像，19805个手动标注实例	PyTorch	YOLOv8, YOLOv9, YOLOv10, YOLOv11, YOLO26	F1分数, mAP@0.5:0.95, ΔF1	NA
2015	2026-06-28	Artificial Intelligence in Early Breast Cancer Detection: A Systematic Review of Innovations in Preventive Women's Healthcare 2026-Jun-12, Healthcare (Basel, Switzerland) DOI:10.3390/healthcare14121674 PMID:42354532	综述	系统回顾人工智能在早期乳腺癌检测中的作用及其对预防性女性医疗保健的影响	总结人工智能技术在乳腺癌筛查、诊断和预后预测中的最新进展，并评估其对提高检测效率和减少医疗成本的潜力	需要进行更大规模的临床验证和真实世界实施研究才能实现广泛临床应用	探索人工智能在早期乳腺癌检测中的角色及其对预防和以患者为中心的医疗保健的意义	乳腺癌	机器学习	乳腺癌	乳腺X线摄影、磁共振成像、超声检查	深度学习、机器学习	医学影像	约148,170名参与者（来自11项研究）	NA	NA	准确性、灵敏度、特异性	NA
2016	2026-06-28	A Calibrated Deep Learning Framework Integrating Spatial Annotations and Clinical Metadata for Safe Three-Class Bone Lesion Classification on Radiographs 2026-Jun-11, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics16121811 PMID:42351470	研究论文	提出一个结合空间标注与临床元数据的ROI引导深度学习框架，用于X光片上三类骨病变（正常、良性、恶性）的安全分类	首次将ROI引导的深度学习与临床元数据融合，实现三类骨病变分类，并重点评估临床安全性（恶性误判为正常的近零错误率）	仅在单一数据集（BTXRD）上验证，需要外部独立队列进行验证	开发一个用于X光片骨病变分类的ROI引导深度学习框架，并评估其临床安全性	X光片上的骨病变区域及其对应的临床元数据	计算机视觉	骨病变	NA	CNN, MLP	图像, 表格数据	3746张X光片（1879正常，1525良性，342恶性）	PyTorch	EfficientNetV2-S	准确率, 平衡准确率, 宏F1分数, 宏AUC, 校准指标	NA
2017	2026-06-28	Artificial Intelligence in Orofacial Pain: Diagnostic and Predictive Performance Across Machine Learning and Deep Learning Models 2026-Jun-11, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics16121801 PMID:42351460	综述	该文章综述了人工智能在口面痛诊断和预测中的表现，涵盖了机器学习与深度学习模型的应用	系统性地比较了AI在不同类型口面痛（牙源性、非牙源性）中的诊断性能差异，尤其指出神经血管性疼痛表现最优	数据异质性强、缺乏外部验证，限制了临床转化；纳入研究数量有限（20篇）	评估人工智能在口面痛诊断、分类或预测中的性能，并分析不同疼痛类型的差异	口面痛患者，包括牙源性、肌骨、神经血管和神经病理性疼痛	机器学习	口面痛	NA	机器学习、深度学习模型	临床结构化数据、影像数据、信号数据、行为数据	20篇纳入研究	NA	NA	NA	NA
2018	2026-06-28	Interpretable Skin Cancer Identification Using a Hybrid Deep Learning and XAI Framework on HAM10000 2026-Jun-11, Bioengineering (Basel, Switzerland) DOI:10.3390/bioengineering13060677 PMID:42351921	研究论文	使用混合深度学习和可解释人工智能框架在HAM10000数据集上进行皮肤癌分类	系统性地评估了多种预训练CNN与经典机器学习模型的组合，并引入了决策阈值校准技术以及多种XAI方法进行模型可解释性分析	主要依赖HAM10000单一数据集，未对其他皮肤病变数据集进行验证；混合模型的计算复杂度和资源需求可能较高	提出并评估一个结合深度学习特征提取和机器学习分类的混合框架，实现可解释的皮肤病变分类	HAM10000数据集中的七类皮肤病变图像	计算机视觉	皮肤癌	NA	CNN (DenseNet201, InceptionV3, EfficientNet-B4) 与 SVM-RBF, 随机森林等经典分类器	图像	HAM10000数据集（具体样本量未说明）	PyTorch, Scikit-learn	DenseNet201, InceptionV3, EfficientNet-B4	准确率, 宏精度, 宏召回率, 宏F1, ROC-AUC, 精确率-召回率-AUC, 对数损失	未指定
2019	2026-06-28	Deep Learning-Enhanced Raman Microspectroscopy Enables Rapid Microbial Classification and Captures Phylogenetic Relationships 2026-Jun-11, Microorganisms IF:4.1Q2 DOI:10.3390/microorganisms14061311 PMID:42354936	研究论文	结合深度学习增强的拉曼显微光谱技术用于快速微生物分类并捕获系统发育关系	提出基于一维卷积神经网络（1D-CNN）提取拉曼光谱特征，并结合层次聚类框架构建拉曼系统发育树，能够对未表征微生物进行准确分类，且分类结果与基于rRNA基因序列的系统发育分析高度一致	研究工作仍需扩大物种多样性和光谱数据量来验证方法的泛化能力，且拉曼光谱与系统发育关系的深层机制尚未完全阐明	开发一种快速、非破坏性的微生物分类方法，用于处理拉曼参考数据库中未表征的微生物	11种微生物物种（包括细菌和真菌）的单细胞拉曼光谱	机器学习	NA	拉曼显微光谱	一维卷积神经网络（1D-CNN）	拉曼光谱（单细胞拉曼光谱数据）	6600个单细胞拉曼光谱，来自11种微生物物种	NA	1D-CNN	准确率（99.7%）	NA
2020	2026-06-28	Fusion of Clinical and Deep Learning Features for Predicting Pembrolizumab Monotherapy Response in Advanced Non-Small Cell Lung Cancer 2026-Jun-11, Journal of clinical medicine IF:3.0Q1 DOI:10.3390/jcm15124536 PMID:42355704	研究论文	本研究融合临床特征和深度学习特征，预测晚期非小细胞肺癌患者对帕博利珠单抗单药疗法的反应	将CT影像深度学习特征与临床描述符结合，利用迁移学习技术和非参数统计检验筛选特征，并采用SVM分类器在切片、病灶和患者三个层面评估预测性能	样本量较小（发现训练集97例，初步测试集17例），且为回顾性研究，未说明外部验证	开发融合临床和深度学习特征的预测模型，早期识别对帕博利珠单抗单药治疗无反应的高危患者	接受一线PD-L1单药治疗的晚期非小细胞肺癌患者	计算机视觉, 机器学习	非小细胞肺癌	CT影像, 深度学习特征提取, 迁移学习	支持向量机	CT扫描图像, 临床描述符	发现训练集97例（27例无反应者），初步测试集17例（9例无反应者）	NA	SVM-RBF, SVM-多项式	AUC, 灵敏度, 特异度, F1分数	NA