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
201	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
202	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
203	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
204	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
205	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
206	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
207	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
208	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
209	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
210	2026-06-30	PASSpedia: A Polyadenylation Site Database Across Different Species at Single-cell Resolution 2026-Jun-26, Genomics, proteomics & bioinformatics DOI:10.1093/gpbjnl/qzaf089 PMID:40986375	研究论文	开发了一个名为PASSpedia的数据库，基于深度学习方法SCAPTURE v2，从七个物种的1330个单细胞RNA-seq数据集中鉴定多聚腺苷酸化位点，并分析跨物种的PAS使用偏好	首次在单细胞分辨率下构建跨物种的多聚腺苷酸化位点综合数据库，并揭示不同物种间PAS使用偏好差异	NA	构建跨物种单细胞分辨率的多聚腺苷酸化位点数据库，分析PAS使用偏好	七个物种的1330个基于3'标签的单细胞RNA-seq数据集	机器学习, 数字病理学	NA	RNA-seq, 3'标签测序, 长读长测序	深度学习模型	文本	1330个单细胞RNA-seq数据集，涵盖七个物种	PyTorch	NA	准确率	NA
211	2026-06-30	[Colorectal cancer diagnosis method based on dynamic gland-aware and tissue soft-clustering] 2026-Jun-25, Sheng wu yi xue gong cheng xue za zhi = Journal of biomedical engineering = Shengwu yixue gongchengxue zazhi DOI:10.7507/1001-5515.202603029 PMID:42366427	研究论文	提出一种基于动态腺体感知和组织软聚类的结直肠癌诊断网络（DGTSNet），用于同时捕捉微观腺体紊乱和显著组织病变	提出动态腺体感知卷积显式感知腺体边界并动态调整采样偏移，同时引入连续域约束防止采样越界；提出组织软聚类模块自适应生成聚类原型并引导像素向相关原型质心移动，抑制无关背景干扰	未明确提及在极端样本不平衡或罕见亚型上的表现，以及模型在不同染色条件下的泛化能力可能需要进一步验证	解决现有深度学习方法无法同时捕捉微观腺体紊乱和显著组织病变的问题，提升结直肠癌诊断性能	结直肠癌组织病理图像中的微观腺体结构和显著组织病变区域	数字病理学	结直肠癌	组织病理图像分析	卷积神经网络	图像	4个数据集（朝阳、Kather-5K、EBHI及真实临床验证队列）	NA	动态腺体感知卷积、组织软聚类模块、级联稀疏耦合模块	准确率、精度、召回率、F1分数、AUC	NA
212	2026-06-30	[Self-supervised classification method for breast pathology images fusing geometric priors and multi-scale attention] 2026-Jun-25, Sheng wu yi xue gong cheng xue za zhi = Journal of biomedical engineering = Shengwu yixue gongchengxue zazhi DOI:10.7507/1001-5515.202511059 PMID:42366429	研究论文	提出一种融合几何先验与多尺度注意力的自监督学习方法，用于乳腺癌病理图像分类	在BYOL框架中引入各向同性注意力模块（IAM），通过离散旋转群卷积实现旋转等变性，并结合多尺度注意力机制自适应调整特征权重	未明确提及局限	提升乳腺癌病理图像分类的鲁棒性与泛化能力，减少对大量标注数据的依赖	乳腺癌病理全切片图像（WSI）	数字病理学	乳腺癌	NA	自监督学习模型	图像	BreakHis数据集（多倍率图像）、私有临床数据集BCD	NA	IAM-BYOL（基于BYOL框架，集成各向同性注意力模块）	准确率	NA
213	2026-06-30	[Deep learning-driven high-frequency ultrasound method for skin aging assessment] 2026-Jun-25, Sheng wu yi xue gong cheng xue za zhi = Journal of biomedical engineering = Shengwu yixue gongchengxue zazhi DOI:10.7507/1001-5515.202510021 PMID:42366431	研究论文	提出一种基于深度学习的高频超声图像皮肤老化分类方法，使用EfficientNetV2网络结合改进机制实现高精度评估	引入GELU激活函数和层归一化增强特征表示，设计全局感知时间分层网络与双增强注意力机制，采用多尺度路径丢弃正则化策略缓解过拟合	未提及模型在外部数据集上的泛化性验证，且仅基于25~55岁人群的皮肤超声数据，可能对极端年龄段样本不适用	解决皮肤老化评估中依赖医生经验的主观性和低效性，提供客观、高效的辅助诊断工具	皮肤老化分级（基于高频超声图像）	计算机视觉	皮肤老化	高频超声成像	EfficientNetV2	图像	来自25~55岁受试者的面部高频超声数据集	PyTorch	EfficientNetV2, GELU激活函数, 层归一化, 全局感知时间分层网络, 并行通道-空间注意力模块, 挤压激励模块, 多尺度路径丢弃正则化	准确率, 精确率, 召回率, F1分数, 特异度	NA
214	2026-06-30	[A generalizable epilepsy detection network based on dual-attention mechanism] 2026-Jun-25, Sheng wu yi xue gong cheng xue za zhi = Journal of biomedical engineering = Shengwu yixue gongchengxue zazhi DOI:10.7507/1001-5515.202508053 PMID:42366436	研究论文	提出一种基于双注意力机制的癫痫检测网络，实现跨数据集泛化分类	首次实现不同导联配置、采样率和电极布局下的鲁棒泛化，提出多频段多尺度双注意力模块与动态核采样自适应卷积模块的集成方法	未详细说明实验数据量和计算资源消耗，未提及模型在真实临床环境中的验证情况	解决现有深度学习模型在癫痫脑电信号分析中忽略病理特征和跨数据集泛化不足的问题	癫痫患者发作间期和发作期的脑电图信号	机器学习	癫痫	脑电图信号分析	EDDANet（双注意力网络）	脑电图信号	四个异构公开数据集	NA	双注意力模块、动态核采样自适应卷积模块	准确率、召回率	NA
215	2026-06-30	[Research on deep learning-based pathological image classification of pilonidal sinus] 2026-Jun-25, Sheng wu yi xue gong cheng xue za zhi = Journal of biomedical engineering = Shengwu yixue gongchengxue zazhi DOI:10.7507/1001-5515.202512031 PMID:42366440	研究论文	基于深度学习的病理图像分类方法用于预测藏毛窦术后复发风险	创新性地将病理图像中的核特征（通过HoVer-Net提取）与多维临床特征融合，构建RFE-BalancedRF集成模型预测藏毛窦复发，实现多模态特征整合	研究未提及样本量大小、外部验证数据集及模型在实际临床场景中的泛化性能	开发人工智能预测模型，利用病理图像和临床特征预测藏毛窦术后复发风险	藏毛窦患者术后苏木精-伊红（H&E）染色病理切片及临床特征	数字病理学	藏毛窦疾病	H&E染色病理切片	CNN（HoVer-Net），随机森林（BalancedRF）	病理图像，临床数据（表格）	未明确说明	NA	HoVer-Net, BalancedRF	ROC_AUC, Acc	未明确说明
216	2026-06-30	A Two-Stage, Semi-Supervised Deep Learning Framework for the Detection and Classification of Ambient Pollen using Evanescent Wave Scattering 2026-Jun-23, Environmental science & technology IF:10.8Q1 DOI:10.1021/acs.est.6c06126 PMID:42337390	研究论文	利用瞬逝波散射显微镜和两阶段半监督深度学习框架实现空气中花粉的自动检测与分类	首次将瞬逝波散射显微镜用于空气花粉识别，并采用两阶段半监督框架结合人工循环标签优化，显著提升分类性能	未提及具体局限性	开发一种可扩展的自动化方法，用于城市环境中异质花粉颗粒的监测	空气传播的花粉颗粒	计算机视觉, 数字病理学	过敏性疾病	瞬逝波散射显微镜	CNN, Transformer	图像	41种花粉物种，后合并为19个形态组	PyTorch	RT-DETR, YOLOv8n, YOLOv8l, EfficientNetB0	召回率, F1分数, 精确率	NA
217	2026-06-30	Trends in the use of adult-specific preference-weighted health-related quality of life instruments in clinical trials over the past 50 years: a protocol for a meta-research study using deep learning-based natural language processing and large language models 2026-Jun-22, BMJ open IF:2.4Q1 DOI:10.1136/bmjopen-2026-118609 PMID:42331587	研究论文	该论文提出了一项元研究方案，利用基于深度学习的自然语言处理和大语言模型，系统评估过去50年临床试验中成人偏好加权健康相关生活质量（HRQoL）工具的使用趋势	首次结合自然语言处理（NLP）和大语言模型（LLMs）自动化筛选和提取临床试验中的HRQoL数据，并建立基准测试以比较两种方法的准确性	NA	评估1976年以来临床试验中成人偏好加权HRQoL工具使用比例的时间变化，并建模不同疾病领域、国家和区域的使用趋势	1976年以来发表的英文人类临床试验相关文献	自然语言处理	NA	自然语言处理（NLP）、大语言模型（LLMs）	NA	文本	通过系统检索MEDLINE、Embase、Cochrane Library和Web of Science获取所有相关文献，并使用5000篇随机采样文章作为基准数据集	NA	NA	准确率、召回率、F1分数	NA
218	2026-06-30	Continuous predictive mortality risk monitoring after allogeneic hematopoietic stem cell transplantation 2026-Jun-18, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-57782-x PMID:42315880	研究论文	提出一种连续预测异基因造血干细胞移植后死亡风险的实时监测框架	首次引入可解释的实时概念验证监测框架，利用常规临床数据动态评估个体化死亡风险，并提供时间分辨的解释	专家评估为初步阶段，需进一步验证临床实用性和通用性	实现异基因造血干细胞移植后死亡风险的动态连续监测	异基因造血干细胞移植患者	机器学习	血液系统恶性肿瘤（如白血病）	深度学习	深度学习模型	临床数据（实验室参数和人口学特征）	891名患者（UKD队列）及MIMIC-IV独立队列	NA	深度学习模型（未具体说明架构）	AUROC	NA
219	2026-06-30	Using AI to Detect Psychosis Relapse: Scoping Review 2026-Jun-16, JMIR mental health IF:4.8Q1 DOI:10.2196/92192 PMID:42302167	综述	使用人工智能检测精神病复发的范围综述	系统性梳理了基于AI（包括机器学习、深度学习和自然语言处理）检测精神病复发的研究，并突出个性化建模和被动数字表型的潜力	纳入研究数量有限（仅10项），AI模型异质性高且多为未复现结果，样本量普遍较小	总结现有利用AI方法检测精神病复发的研究现状与效果	精神病患者的复发检测	自然语言处理, 机器学习	精神疾病	数字表型分析	机器学习模型, 深度学习模型	数字表型数据（包括智能手机、智能手表监测、生态瞬时评估、社交媒体及互联网搜索数据）	10项研究，具体样本量未详述，但指出需纳入更多参与者	NA	NA	灵敏度（召回率）、特异度（精确率）、AUC	NA
220	2026-06-30	Deep Learning-Based Automated Detection and Burden Assessment of Paramagnetic Rim Lesions on Quantitative Susceptibility Mapping in Patients With Multiple Sclerosis 2026-Jun-16, Korean journal of radiology IF:4.4Q1 DOI:10.3348/kjr.2026.0103 PMID:42366024	研究论文	开发基于深度学习的框架，用于在多发性硬化患者的定量磁敏感成像中自动检测和评估顺磁性边缘病灶的负荷	首次将3D nnU-Net框架应用于PRL的自动检测和负荷评估，并比较了仅使用QSM与联合QSM和FLAIR两种配置的性能	时间测试集中的病变级别敏感性相对较低，且样本量有限	开发深度学习框架以自动检测和评估多发性硬化患者的顺磁性边缘病灶负荷，并评估其临床相关性	多发性硬化患者的脑磁共振成像数据，包括QSM和三维FLAIR数据	计算机视觉	多发性硬化	定量磁敏感成像	3D nnU-Net	图像	106名疑似多发性硬化患者（探索集84人，时间测试集22人），临床意义队列117人	NA	nnU-Net	敏感性，精确率，患者水平敏感性	NA