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	2026-06-09	DeepInsight-Net: a CBAM-enhanced ResNet50 framework with focal loss for robust cervical cancer classification on multi-center datasets 2026, Frontiers in medicine IF:3.1Q1 DOI:10.3389/fmed.2026.1783634 PMID:42254369	研究论文	提出DeepInsight-Net框架，结合CBAM增强的ResNet50与Focal Loss，在多个宫颈癌数据集上实现鲁棒分类	创新性地将卷积块注意力模块集成到ResNet50骨干网络中，增强空间和通道特征判别能力，并采用Focal Loss替代传统交叉熵损失，有效缓解类别不平衡问题	（原文摘要未提供明确局限性信息）NA	解决宫颈细胞学分析中空间不相关性和严重类别不平衡两大挑战，实现鲁棒的宫颈癌细胞自动分类	宫颈细胞学图像	计算机视觉	宫颈癌	细胞学筛查	CNN	图像	基准SiPaKMed数据集及独立液基细胞学数据集，具体样本数未说明	PyTorch	ResNet50, CBAM	准确率	NA
202	2026-06-09	Application of deep learning methods in the classification of normal and pneumonia lung images 2026, Frontiers in medicine IF:3.1Q1 DOI:10.3389/fmed.2026.1755871 PMID:42254413	研究论文	评估多种基于深度学习的模型在胸部X射线图像中自动分类正常和肺炎病例的性能	对比四种预训练CNN架构在肺炎分类任务上的表现，发现VGG16获得最高准确率和AUC，为临床决策支持系统提供基础	数据集来自单一中心、样本量有限且存在类别不平衡，可能限制泛化能力和敏感性	开发和评估用于自动分类正常与肺炎胸部X射线图像的深度学习模型，为临床辅助诊断系统奠定基础	500张后前位胸部X射线图像（PA）	计算机视觉	肺炎	NA	卷积神经网络 (CNN)	图像	500张后前位胸部X射线图像	NA	VGG16, ResNet50, InceptionV3, Xception	准确率, 精确率, 召回率, F1分数, AUC	NA
203	2026-06-09	Interpretable learning algorithms enable pathogenic potential assessment and virulence-associated gene discovery of Vibrio parahaemolyticus 2026, Frontiers in microbiology IF:4.0Q2 DOI:10.3389/fmicb.2026.1832130 PMID:42254503	研究论文	利用可解释学习算法评估副溶血弧菌的致病潜力并发现与毒力相关的基因	首次结合机器学习和深度学习算法，利用泛基因组组装数据区分临床和环境分离株，并通过基因特征权重分析揭示辅助基因和云基因在致病性进化中的关键作用	未具体说明限制，但可能包括对公共数据质量的依赖、模型泛化性验证不足或未涵盖所有分离株类型	开发和验证可解释的机器学习与深度学习算法，以评估副溶血弧菌的致病潜力并发现与致病性相关的关键基因	副溶血弧菌的临床分离株和环境分离株	机器学习	副溶血弧菌感染相关疾病	下一代测序（NGS）	机器学习（随机森林等）和深度学习模型	泛基因组数据（包括云基因和辅助基因）	未具体说明样本数量，但涉及大量公共基因组数据	NA	随机森林（RF）等	AUC	NA
204	2026-06-09	Anatomy-aware lymphoma lesion detection in whole-body PET/CT 2026, Frontiers in oncology IF:3.5Q2 DOI:10.3389/fonc.2026.1695211 PMID:42255204	研究论文	研究在全身PET/CT中融入解剖先验信息以提升深度学习模型检测淋巴瘤病变的性能	首次系统比较了解剖先验信息在CNN与Transformer两种检测框架中的作用，并引入自监督预训练策略	解剖先验对Transformer架构提升有限，需探索更优的融合策略；仅使用了单一淋巴结瘤数据集进行微调与验证	探索解剖先验信息能否提升基于深度学习的病变检测性能	全身PET/CT中的淋巴瘤病变	计算机视觉, 数字病理	淋巴瘤	18F-FDG PET/CT	CNN, Transformer	图像	两个独立PET/CT数据集：autoPET（包含淋巴瘤、黑色素瘤和肺癌）和Karolinska淋巴瘤数据集，具体样本量未明确给出	MONAI	nnDetection, Swin UNETR	FROC, mAP@0.1-0.5	NA
205	2026-06-09	Preoperative prediction of lymphatic metastasis in rectal cancer using a fusion model based on multiparameter magnetic resonance imaging: a retrospective validation study 2026, Frontiers in oncology IF:3.5Q2 DOI:10.3389/fonc.2026.1816420 PMID:42255226	研究论文	验证基于MRI的深度学习算法预测直肠癌淋巴转移，并构建结合影像学和临床病理因素的融合模型以提升术前诊断性能	首次构建结合多参数MRI预测算法与临床因素（CEA和分化程度）的融合模型，在内部和外部验证队列中均显著优于人工判读，并展现出降低观察者间变异性的潜力	回顾性研究设计，样本量相对较小（主队列127例，外部验证33例），且未纳入术前接受放化疗的患者，可能限制模型的普适性	提高直肠癌术前淋巴结转移预测的准确性，辅助识别可从新辅助治疗中获益的患者，促进个性化临床决策	直肠癌患者的淋巴结转移状态	计算机视觉	直肠癌	MRI	深度学习模型（具体架构未指定）	多参数磁共振影像	主队列127例原发性直肠癌患者，外部验证队列33例来自两个中心	NA	NA	AUC, 决策曲线分析	NA
206	2026-06-09	Applications of artificial intelligence and machine learning models in the prognosis and diagnosis of ovarian cancer 2026, Frontiers in oncology IF:3.5Q2 DOI:10.3389/fonc.2026.1743601 PMID:42255239	综述	该综述探讨了人工智能和机器学习模型在卵巢癌预后和诊断中的应用	整合多组学数据与影像数据以增强预测模型，并强调AI在改善生物标志物分析中的作用	NA	突出AI在提升卵巢癌诊断和预后准确性方面的作用	卵巢癌	机器学习	卵巢癌	影像学技术（超声、磁共振成像、计算机断层扫描）、放射组学、多组学数据（基因组学、转录组学、表观组学等）	深度学习	医学影像、生物标志物数据、多组学数据	NA	NA	NA	准确性	NA
207	2026-06-09	Optimised hybrid late fusion deep learning model for cashew disease classification 2026, Frontiers in plant science IF:4.1Q1 DOI:10.3389/fpls.2026.1815033 PMID:42255297	研究论文	提出一种混合后期融合深度学习模型，用于腰果病害分类	将EfficientNetV2-M和MobileNetV3-S进行混合后期融合，并联合XGBoost和CatBoost分类器，结合BOHB超参数优化，兼顾细粒度视觉信息与计算效率	现有模型代表性特征不足且泛化能力差，本方法虽提升性能但未提及跨数据集验证或实际部署挑战	开发高效且计算复杂度低的腰果病害分类模型	腰果叶片样本，包括炭疽病、流胶病、潜叶虫、红锈病和健康叶片	计算机视觉	植物病害（腰果）	图像特征提取	CNN（EfficientNetV2-M, MobileNetV3-S）与集成学习（XGBoost, CatBoost）	图像	CCMT数据集，包含五种类别（炭疽病、流胶病、潜叶虫、红锈病、健康）的样本	NA	EfficientNetV2-M, MobileNetV3-S, XGBoost, CatBoost	准确率（90%, 93%），计算时间（0.20秒, 0.07秒）	NA
208	2026-06-09	Advancing morphometric assessment of the aorta and left ventricle from dynamic CT: a deep learning-based study 2026-Jan, European heart journal. Imaging methods and practice DOI:10.1093/ehjimp/qyag090 PMID:42255503	研究论文	提出一种基于深度学习的自动化框架，用于从动态CT数据中对胸主动脉和左心室进行三维形态测量分析	首次实现从心电门控CT数据中自动化三维动态形态测量，克服了传统手动方法的耗时和操作依赖性问题	样本量较小（50例单相位CT用于训练，10例多相位CT用于测试），且仅适用于生理或轻度解剖异常病例	开发自动化三维图像形态测量方法，支持术前规划、疾病风险预测和设备设计	胸主动脉和左心室	计算机视觉, 数字病理学	心血管疾病	CT扫描	3D U-Net	图像	50例单相位CT扫描（训练集），10例多相位CT扫描（测试集），42例患者用于形态描述符计算	PyTorch	3D U-Net	Dice系数	NA
209	2026-06-09	Quantum-entangled feature selection and spiking graph transformer networks for early detection of childhood behavioral markers 2026, Frontiers in behavioral neuroscience IF:2.6Q3 DOI:10.3389/fnbeh.2026.1797210 PMID:42256855	研究论文	提出一种量子变分特征选择-尖峰图变换网络，用于基于可穿戴传感器数据对儿童行为标志物进行早期检测	首次将量子特征选择与尖峰神经形态图变换网络结合，实现可穿戴传感器数据中睡眠、清醒和过渡状态的鲁棒且能效高的分类	未具体说明局限性，但可能包括对量子计算资源的依赖和跨数据集泛化性能在外部数据集上的轻微下降	实现儿童行为状态（睡眠、清醒、过渡）的早期、准确和能效高的分类，以便及时干预发育和睡眠相关障碍	儿童行为标志物，包括睡眠、清醒和过渡状态	机器学习	发育障碍、睡眠相关障碍	可穿戴加速度计传感	量子变分特征选择-尖峰图变换网络	加速度计时间序列数据	主要使用儿童心理研究所可穿戴数据集，并进行外部多民族动脉粥样硬化研究睡眠数据集验证	NA	参数化量子电路、尖峰图变换网络	准确率、F1分数、AUC	与传统深度学习模型相比降低40-55%计算成本
210	2026-06-09	Physicochemical Dual Cross-Linked Multifunctional Conductive Organohydrogel Sensors for Fireworks Burn Wound Healing and Intelligent Real-Time Monitoring 2025-May-27, Polymer science & technology (Washington, D.C.) DOI:10.1021/polymscitech.4c00018 PMID:42257191	研究论文	通过物理和化学双重交联策略制备多功能导电有机水凝胶传感器，用于烟花烧伤创面愈合和智能实时监测	采用没食子酸接枝壳聚糖和单宁酸与聚乙烯醇物理冷冻交联形成刚性网络，结合蛋壳膜功能蛋白与四臂聚乙二醇马来酰亚胺的硫醇-烯点击化学构建软网络，使用离子液体/乙二醇/水三元溶剂体系赋予抗冻性和导电性	未提及大规模临床验证或长期稳定性评估	开发多功能导电水凝胶用于创面愈合和柔性可穿戴实时监测	烟花烧伤创面模型	数字病理学	烧伤	物理交联（冷冻-解冻），硫醇-烯点击化学，亲核取代反应	NA	NA	NA	NA	NA	最大应力，断裂伸长率，电导率	NA
211	2026-06-08	Risk prediction in IgA nephropathy: from conventional models to machine learning, deep learning, and precision nephrology 2026-Dec, Renal failure IF:3.0Q1 DOI:10.1080/0886022X.2026.2613606 PMID:41656155	综述	全面回顾IgA肾病预后模型从传统方法到机器学习的演变，并讨论向精准肾脏病学发展的趋势	系统总结了ML/DL模型在IgAN预后中的最新进展，突出动态时间序列建模、多模态预后分析和可解释AI等前沿方向	经典模型依赖静态基线参数，难以反映疾病动态轨迹，限制了实时临床管理效用	综述IgAN预后模型的演进，总结优劣，并探讨临床转化中需要考虑的关键问题	IgA肾病患者	机器学习	IgA肾病	NA	传统统计模型、机器学习模型、深度学习模型	临床数据、组织病理学图像、多组学数据	NA	NA	NA	预测准确性、风险分层效能	NA
212	2026-06-08	Advanced deep learning strategies in nanopore RNA sequencing 2026-Dec, RNA biology IF:3.6Q2 DOI:10.1080/15476286.2026.2627968 PMID:41663212	综述	本文总结了深度学习在纳米孔RNA测序中分析表观转录组的最新进展，并探讨了未来人工智能与生物学交叉领域的机会	系统总结了从经典深度学习架构到专用学习框架和集成策略的演进，以解决数据稀缺、噪声和生物变异性等挑战，并提供更高分辨率的输出	未明确提及具体局限，但作为综述可能缺乏实证比较或对方法可扩展性的深入分析	概述深度学习在纳米孔直接RNA测序中表征RNA修饰的应用进展，并指出未来多学科合作方向	纳米孔直接RNA测序数据中的RNA修饰（表观转录组）	机器学习，自然语言处理（用于解释测序信号）	多种疾病（如癌症、遗传病），但未特指	纳米孔直接RNA测序	深度学习（卷积神经网络、循环神经网络、专用学习框架、集成策略）	RNA测序信号数据	NA	NA	卷积神经网络，循环神经网络	NA	NA
213	2026-06-08	Use of uterine activity to predict preterm birth by artificial intelligence assisted models: a narrative systematic review 2026-Dec, The journal of maternal-fetal & neonatal medicine : the official journal of the European Association of Perinatal Medicine, the Federation of Asia and Oceania Perinatal Societies, the International Society of Perinatal Obstetricians DOI:10.1080/14767058.2025.2582375 PMID:41663244	综述论文	系统综述了人工智能辅助模型利用子宫活动预测早产的准确性和适用性	首次系统评估了使用子宫收缩数据（特别是宫缩描记图EHG特征）结合AI模型预测早产的研究，发现非线性特征和深度学习模型优于传统方法	纳入研究存在高风险偏倚（86.7%），主要问题包括数据不平衡、样本量小、缺乏外部验证，限制了模型的临床应用	评估当前基于子宫收缩的AI模型在早产预测中的准确性和适用性	53篇利用宫缩描记图（EHG）或时间序列数据通过AI方法预测早产的研究	机器学习	早产	宫缩描记图（EHG），时间序列分析	深度学习，机器学习，神经网络	宫缩描记图（EHG）特征（时域、频域、熵、拓扑特征）	53篇研究	NA	神经网络，深度学习模型	准确率（ACC），AUC	NA
214	2026-06-08	Optimization of a hybrid microplastic model method based on grad-CAM combined with convolutional neural networks 2026-Nov-15, Spectrochimica acta. Part A, Molecular and biomolecular spectroscopy DOI:10.1016/j.saa.2026.128060 PMID:42155220	研究论文	提出一种基于Grad-CAM与卷积神经网络相结合的混合微塑料模型优化方法，提升了光谱识别准确性	利用Grad-CAM可解释性分析揭示模型特征提取不平衡，引入多头注意力和多区域注意力机制优化全局与局部特征提取，并设计ResM2A-CNN模型缓解梯度消失问题	未明确提及模型的泛化能力验证及在实际复杂环境中的测试	提高混合微塑料样本光谱识别的准确性和模型可解释性	混合微塑料样本的ATR-FTIR光谱数据	机器学习	不适用	ATR-FTIR光谱	CNN	光谱数据	不适用	不适用	ResM2A-CNN	准确率	不适用
215	2026-06-08	Interpretable hyperspectral analysis of soluble solids content in apples: spectral attribution and mechanistic insights from linear and deep learning models 2026-Nov-15, Spectrochimica acta. Part A, Molecular and biomolecular spectroscopy DOI:10.1016/j.saa.2026.128106 PMID:42190359	research paper	开发了一个可解释的高光谱分析框架，用于研究苹果可溶性固形物含量的预测，并比较了线性和深度学习模型的光谱利用模式	结合SHAP和集成梯度方法，揭示了线性和深度学习模型在可溶性固形物含量预测中不同的光谱利用机制，首次定量分析了模型依赖的光谱响应模式	仅使用苹果果肉区域的平均光谱进行分析，未考虑空间信息的影响	开发可解释的高光谱分析框架，研究模型依赖的光谱利用机制，提高苹果品质评估的可靠性和可解释性	苹果可溶性固形物含量的高光谱预测	machine learning	NA	hyperspectral imaging	partial least squares regression, convolutional neural network	hyperspectral image	NA	PyTorch, Scikit-learn	PLSR, BrixCNN	R, RPD	NA
216	2026-06-08	A deep learning-assisted turn-on fluorescent probe for L-BPA detection with mechanistic insight 2026-Nov-15, Spectrochimica acta. Part A, Molecular and biomolecular spectroscopy DOI:10.1016/j.saa.2026.128109 PMID:42202743	研究论文	开发了一种基于深度学习的开启型荧光探针WF324，用于检测L-BPA，并揭示了其作用机制	首次将深度学习辅助设计应用于开启型荧光探针的研发，实现了对L-BPA的高灵敏、实时检测，并获得了优异的检测性能	探针在真实样本中回收率范围较宽（90.40-103.11%），且未提及对肿瘤组织的体内检测及长期稳定性评估	开发高效的L-BPA监测工具，以支持硼中子俘获疗法的研究和临床转化	开启型荧光探针WF324与L-BPA的相互作用及检测性能	深度学习	癌症	荧光光谱分析	NA	光谱数据	人尿液样本（未明确数量）	NA	NA	检测限、回收率、相对标准偏差	NA
217	2026-06-08	Sweet artificial intelligence as digital catalysts in infectious diseases: Glycomics and glycoanalysis 2026-Oct-15, Biosensors & bioelectronics IF:10.7Q1 DOI:10.1016/j.bios.2026.118863 PMID:42218857	综述	本文综述了人工智能、机器学习和深度学习在感染生物学糖组学与糖分析中的应用	系统总结了AI在糖链结构分析、凝集素-糖结合预测、致病性评估及生物标志物发现中的代表性模型及应用，包括SweetNet和LectinOracle等	稀疏注释、批次效应、结构覆盖不全及模型可解释性有限	评估AI/ML/DL在感染生物学糖组学与糖分析中的现状与前景	糖链结构、凝集素-糖相互作用、致病性、生物标志物	机器学习	传染病	质谱、核磁共振、色谱、糖/凝集素微阵列	监督学习、无监督学习、图神经网络、序列模型、Transformer	糖组数据（质谱、核磁共振、色谱、微阵列数据）	NA	NA	SweetNet, LectinOracle	NA	NA
218	2026-06-08	Developing and validating a sequence-aware deep learning model for infection risk prediction in home care 2026-Sep-01, International journal of medical informatics IF:3.7Q2 DOI:10.1016/j.ijmedinf.2026.106485 PMID:42172726	研究论文	开发并验证了一种序列感知深度学习模型，用于预测家庭护理中感染相关的住院或急诊就诊风险	首次将家庭护理电子健康记录的纵向结构化数据与自然语言处理从临床笔记中提取的特征整合进序列感知深度学习模型，并衍生出三级风险分层工具	未在外部数据集验证，且未明确讨论模型泛化性及潜在偏差	评估可整合纵向结构化EHR数据和NLP衍生特征以预测感染相关住院或急诊就诊风险的序列感知深度学习方法，并评估其性能、可解释性和公平性	家庭护理患者（23321次家庭护理事件）	自然语言处理, 机器学习	感染性疾病	自然语言处理（NLP）	双向长短期记忆网络（BiLSTM）	结构化电子健康记录数据、非结构化临床笔记文本	23321次家庭护理事件（1528次感染相关事件）	NA	双向长短期记忆网络（BiLSTM）	AUROC, AUPRC, F1分数	未提及
219	2026-06-08	Early diagnosis and risk stratification of aortic stenosis using artificial intelligence applied to echocardiography: scoping review 2026-Sep-01, International journal of medical informatics IF:3.7Q2 DOI:10.1016/j.ijmedinf.2026.106487 PMID:42161114	综述	应用人工智能于超声心动图早期诊断和风险分层主动脉瓣狭窄的范围综述	系统评估了人工智能算法（尤其是深度学习）在超声心动图中的应用，用于主动脉瓣狭窄的早期检测和风险分层，并分析了性能、临床适用性和方法学局限	缺乏外部验证、可解释性和临床整合，且多为回顾性研究	评估人工智能工具应用于超声心动图早期诊断主动脉瓣狭窄的证据，识别其性能、临床适用性和方法学局限	25项研究，涉及人工智能算法（特别是卷积神经网络）在超声心动图中的应用	计算机视觉、机器学习	主动脉瓣狭窄	超声心动图	卷积神经网络	图像	25项研究	NA	CNN、多视图模型	AUC、敏感性、特异性	NA
220	2026-06-08	Cellulose handsheet-based piezoresistive sensor with screen-printing-inspired microisland arrays for wearable handwriting recognition 2026-Aug-15, Carbohydrate polymers IF:10.7Q1 DOI:10.1016/j.carbpol.2026.125419 PMID:42230030	研究论文	该论文基于纤维素手抄纸，采用丝网印刷启发策略开发了一种压阻传感器，并通过微岛阵列结构实现可穿戴手写识别	首次将丝网印刷启发的微岛阵列与纤维素手抄纸结合，利用多壁碳纳米管形成渗透网络同时增强结构稳定性和导电性，实现高灵敏度和耐用性	NA	开发一种基于纤维素的可降解、生物相容且成本低廉的压阻传感器，用于可穿戴电子设备中的手写识别和健康监测	基于纤维素手抄纸的压阻传感器及其在实时活动检测、健康监测和手写识别中的应用	机器学习, 可穿戴电子	NA	丝网印刷, 多壁碳纳米管添加	深度学习算法	图像, 文本	NA	NA	NA	灵敏度, 耐久性, 压力范围, 响应时间, 恢复时间, 识别准确率	NA