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
2261	2026-06-24	Deep learning and attention mechanisms to identify key genes and their implications for the origin of insect wings 2026-May-06, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-49441-y PMID:42091620	研究论文	利用深度学习模型DeepWG识别昆虫翅的关键基因，并探讨其与昆虫翅起源的关系	构建了基于双向长短期记忆网络和注意力机制的深度学习模型DeepWG，为识别关键基因提供了新方法	NA	识别昆虫翅的关键基因并探讨其起源	119个物种的蛋白质序列	机器学习	NA	蛋白质序列分析	双向长短期记忆网络（BiLSTM）	蛋白质序列数据	119个物种	NA	BiLSTM、注意力机制	准确率	NA
2262	2026-06-24	Deep Learning Algorithms Versus Radiologists in Digital Breast Tomosynthesis for Breast Cancer Detection: Systematic Review and Meta-Analysis 2026-May-06, Journal of medical Internet research IF:5.8Q1 DOI:10.2196/91659 PMID:42090319	系统综述与荟萃分析	系统比较深度学习算法与放射科医生在数字乳腺断层摄影中检测乳腺癌的诊断表现	首次通过荟萃分析系统对比深度学习算法与不同经验水平放射科医生的诊断性能，并评估DL辅助的临床影响	纳入研究存在异质性，DL辅助未显著提升放射科医生整体表现，缺乏前瞻性多模态验证	比较深度学习算法在数字乳腺断层摄影中检测乳腺癌的诊断性能，评估DL辅助的临床价值	38,565名患者的乳腺断层摄影数据	计算机视觉	乳腺癌	NA	深度学习算法	图像	13项研究共38,565名患者	NA	NA	灵敏度,特异性,曲线下面积	NA
2263	2026-06-24	AI and Internet of Things for Chronic Obstructive Pulmonary Disease Remote Monitoring: Systematic Review of Exacerbation Prediction and Key Physiological Variables 2026-May-06, JMIR medical informatics IF:3.1Q2 DOI:10.2196/84814 PMID:42090610	系统综述	本系统综述全面回顾了利用人工智能和物联网技术进行慢性阻塞性肺疾病远程监测以预测急性加重的研究，重点关注关键生理变量和硬件软件解决方案	首次系统性地桥接了AI驱动的数据处理与真实世界传感器应用，全面总结了物联网和可穿戴设备在COPD管理中的现状，并分析了从生理和环境变量到机器学习模型的全链条技术	大多数研究依赖平衡数据集，无法反映真实世界急性加重模式，且缺乏跨人群的外部验证；只有6项研究使用了可穿戴设备和物联网技术	评估AI和物联网在COPD远程监测中用于急性加重预测的潜力，并总结关键生理变量、设备类型和机器学习模型	慢性阻塞性肺疾病患者及其急性加重事件	机器学习	慢性阻塞性肺疾病	可穿戴传感器, 物联网传感器	随机森林, CatBoost, 决策树, 支持向量机, 深度学习, 基于规则的逻辑, 概率模型	心率, 外周血氧饱和度, 症状数据	26项研究	NA	随机森林, CatBoost, 决策树, 支持向量机, 深度学习	NA	NA
2264	2026-06-24	Early sepsis prediction using a hybrid LSTM-GAT model: a study on the PhysioNet 2019 dataset 2026-May-06, BMJ health & care informatics IF:4.1Q2 DOI:10.1136/bmjhci-2025-101762 PMID:42091169	研究论文	提出一种混合LSTM-GAT深度学习模型，利用PhysioNet 2019数据集中的时间序列和结构信息提前12小时预测脓毒症	首次将长短期记忆网络与图注意力网络结合，同时捕捉临床数据的时间动态和变量间结构关系，并能在不同预测时间窗口间良好泛化	主要依赖固定时间窗口训练，可能未充分探索模型对更早期或更晚期预测的适用性，且仅基于单一数据集验证	通过整合时间与结构信息提升早期脓毒症预测性能，支持重症监护环境中的临床决策	PhysioNet/计算心脏病学挑战赛2019数据集中40,336名成人ICU患者	机器学习	脓毒症	NA	LSTM, GAT	表格数据（40项临床变量，包括生命体征、实验室结果和人口学信息）	40,336例成人ICU患者（其中2,932例发生脓毒症）	NA	LSTM, GAT	AUROC, F1分数, 特异性	NA
2265	2026-06-24	Benchmarking computational methods for multi-omics biomarker discovery in cancer 2026-May-04, Briefings in bioinformatics IF:6.8Q1 DOI:10.1093/bib/bbag200 PMID:42089753	研究论文	系统性基准测试20种统计、机器学习和深度学习方法在多组学生物标志物发现中的表现	首次系统评估多种计算方法在癌症多组学生物标志物识别中的准确性和稳定性，并整合知识图谱与特征交互提升性能	仅基于五个真实世界数据集和模拟数据，可能无法完全覆盖所有癌症类型或生物标志物场景	评估和比较现有计算方法在癌症多组学生物标志物发现中的可靠性和实用性	20种代表性统计、机器学习和深度学习方法，用于预后和治疗生物标志物识别	机器学习	癌症	多组学分析	DeePathNet, DeepKEGG	多组学数据（如基因组、转录组、蛋白质组等）	五个真实世界数据集	PyTorch, Scikit-learn	DeePathNet, DeepKEGG	准确率, 稳定性	NA
2266	2026-06-24	MuRaL-indel: a deep learning framework for building insertion and deletion mutation rate maps 2026-May-03, Briefings in bioinformatics IF:6.8Q1 DOI:10.1093/bib/bbag212 PMID:42089752	研究论文	提出MuRaL-indel深度学习框架，用于构建插入和缺失突变率图谱	首次利用U-Net架构结合长程序列上下文预测种系INDEL突变率，并实现跨物种的高分辨率图谱构建及致病性变异优先排序	未明确说明，但可能涉及对长片段INDEL预测能力及非编码区序列特征的依赖	构建高分辨率INDEL突变率图谱，揭示突变机制及致病性变异	人类、猕猴、果蝇、拟南芥四种物种的种系INDEL突变	机器学习	遗传病	深度神经网络	U-Net	基因序列	大规模人群队列稀有变异数据（具体数量未说明）	NA	U-Net	准确性	NA
2267	2026-06-24	Development of a novel multimodal deep learning approach to improve diagnostic precision in ovarian cancer 2026-May-03, Briefings in bioinformatics IF:6.8Q1 DOI:10.1093/bib/bbag224 PMID:42089749	研究论文	开发一种多模态深度学习方法，结合超声图像和临床文本报告，提高卵巢癌术前诊断准确性	首次将DenseNet-121、Swin Transformer和Bio-Clinical BERT结合，构建多模态深度学习系统用于卵巢肿瘤分类，优于传统依赖于操作者的超声诊断方法	NA	提高卵巢肿瘤术前诊断的精确度，减少传统超声诊断的主观性和变异性	1342张超声图像和对应的临床文本报告，来自1062名接受卵巢肿瘤手术的患者	机器学习	卵巢癌	超声成像	DenseNet-121、Swin Transformer、Bio-Clinical BERT	图像和文本	1062名患者（良性612例，恶性450例），内部验证使用268例外部病例	PyTorch	DenseNet-121、Swin Transformer、Bio-Clinical BERT	准确率、敏感性、特异性、曲线下面积（AUC）	NA
2268	2026-06-24	A systematic review of machine learning on clinical MALDI-TOF MS 2026-May-03, Briefings in bioinformatics IF:6.8Q1 DOI:10.1093/bib/bbag208 PMID:42101925	综述文章	系统综述了机器学习在临床MALDI-TOF MS分析中的应用	首次从机器学习技术视角全面综述了MALDI-TOF MS在细菌鉴定、抗菌素耐药性预测和菌株分型中的应用，并提供了ML实验设计与评估的实用指南	现有研究存在预处理流程不一致、依赖黑盒模型、外部验证不足及开源资源缺乏等问题	系统评估机器学习在临床MALDI-TOF MS分析中的应用现状，识别关键挑战，并给出标准化指引	2004-2025年间发表的115篇MALDI-TOF MS结合机器学习的研究论文	机器学习	NA	MALDI-TOF MS	经典机器学习模型（随机森林、支持向量机等）与深度学习模型	质谱数据	115篇研究论文	NA	随机森林、支持向量机（具体模型架构未详述）	NA	NA
2269	2026-06-24	When complexity does not pay: benchmarking deep learning and ensemble methods for biomarker discovery 2026-May-03, Briefings in bioinformatics IF:6.8Q1 DOI:10.1093/bib/bbag211 PMID:42101927	研究论文	对深度学习和集成方法在生物标志物发现中的基准测试	首次对27种特征选择策略和11种预测模型在多组学数据上进行系统性基准测试，揭示深度学习未必优于简单方法	未具体提及局限性	评估不同计算模型在生物标志物发现中的性能、稳定性和生物学可解释性	阿尔茨海默病、进行性核上性麻痹和乳腺癌三个真实疾病队列	机器学习	阿尔茨海默病, 进行性核上性麻痹, 乳腺癌	多组学整合	逻辑回归, 支持向量机, 多层感知机, 深度学习模型	多组学数据	三个真实疾病队列，具体数量未说明	NA	集成特征选择, 深度学习, 逻辑回归, 支持向量机, 多层感知机	预测性能, 稳定性, 生物学可解释性	NA
2270	2026-06-24	Beyond Diagnosis: A Systematic Review of Artificial Intelligence and Deep Learning in Monitoring Iron Overload and Organ Toxicity in Beta-Thalassemia 2026-May, Hemoglobin IF:1.2Q4 DOI:10.1080/03630269.2026.2653733 PMID:42091230	综述	系统综述了人工智能和深度学习在监测β-地中海贫血铁过载及器官毒性中的应用	首次系统评估AI/DL在β-地中海贫血铁过载监测中的应用，包括MRI图像分析自动化和临床数据预测骨骼并发症	纳入研究多为回顾性、单中心、缺乏外部验证，存在高偏倚风险	探讨并总结AI和深度学习在β-地中海贫血患者铁过载和器官毒性监测中的当前证据与应用潜力	β-地中海贫血输血依赖型患者的肝脏和心脏铁浓度评估及铁相关并发症预测	机器学习, 数字病理学	β-地中海贫血相关疾病	NA	深度学习, 机器学习	MRI R2/T2影像数据, 临床数据	8项研究	NA	NA	分割精度, 观察者间变异性	NA
2271	2026-06-24	Deep learning-driven detection of municipal sludge moisture content based on feature images of compressed slices 2026-May-01, Journal of environmental management IF:8.0Q1 DOI:10.1016/j.jenvman.2026.129826 PMID:42091028	研究论文	提出一种基于压缩切片特征图像和深度学习检测市政污泥含水率的新方法	将非牛顿流体的流变特性与深度学习结合，通过分析受控热场下表面纹理的动态演化建立污泥表面形态与含水率的相关性，并选择了C3D模型提取时空特征用于16类分类	未提及在更宽含水率范围或不同污泥类型上的验证，以及模型计算复杂度与实时应用的权衡	实现污泥深度脱水过程中含水率的快速、非接触、高精度监测	市政污泥的压缩切片样本	机器视觉	NA	NA	卷积神经网络（C3D）	图像（污泥压缩切片表面纹理图像）	来自六个不同气候地区（北京、哈尔滨、深圳）污水处理厂的污泥样本，具体数量未提及	NA	C3D	准确率（准确率81.25%）	NA
2272	2026-06-24	Enhanced rice leaf disease classification via contour-driven segmentation and optimized deep transfer learning architectures 2026, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0348290 PMID:42096457	研究论文	采用轮廓驱动分割和优化深度迁移学习架构提升水稻叶片病害分类性能	结合GrabCut分割与轮廓检测作为后处理可视化技术，增强CNN预测结果的可解释性，并系统比较五种深度迁移学习架构的性能	GrabCut和轮廓检测仅用于可视化，不参与分类训练，因此可能无法完全挖掘分割对分类性能的潜在提升	开发可靠的自动化水稻叶片病害分类系统，实现高效病害检测	水稻叶片病害图像	计算机视觉	水稻叶片病害	深度迁移学习	卷积神经网络	图像	1914张图像样本	TensorFlow	InceptionV3, DenseNet201, ResNet152V2, EfficientNetV2L, MobileNetV2	训练准确率, 验证准确率, 测试准确率	GPU
2273	2026-06-24	Robust disease prognosis via diagnostic knowledge preservation: A sequential learning approach 2026, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0344600 PMID:42090385	研究论文	提出一种基于经验回放的顺序学习策略，利用诊断数据集预训练模型，在保持诊断能力的同时提升疾病预后预测性能	首次提出通过经验回放的顺序学习策略解决预后微调中的灾难性遗忘问题，在保持诊断准确性的同时提升预后模型性能	NA	探索利用大规模诊断数据集预训练深度学习模型进行疾病预后预测，并解决微调过程中的灾难性遗忘问题	膝骨关节炎、阿尔茨海默病和乳腺癌的疾病进展预测	机器学习	膝骨关节炎, 阿尔茨海默病, 乳腺癌	诊断预训练、顺序学习、经验回放	深度学习模型	影像数据（膝关节X光片、脑部MRI、数字乳腺X光片）	包含膝骨关节炎、阿尔茨海默病和乳腺癌三个队列的数据集	NA	NA	AUROC, AUPRC, 平衡准确率	NA
2274	2026-06-24	Rationale and design of a multicenter, prospective, diagnostic clinical study: A study protocol for evaluating the diagnostic validation of deep learning-based noninvasive CT-FFR for in-stent restenosis 2026, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0346723 PMID:42090388	研究方案	本研究为一项多中心前瞻性诊断性临床试验，旨在评估基于深度学习的非侵入性CT-FFR在诊断支架内再狭窄中的有效性	将深度学习模型DEEPVESSEL应用于支架内再狭窄（ISR）的评估，这是此前仅在初发冠状动脉病变中验证过的技术	CT-FFR的计算复杂性和处理时间可能限制其临床应用；论文尚未报告最终研究结果，仅描述了研究设计	建立基于深度学习的CT-FFR模型，用于准确评估支架内再狭窄，并以有创FFR作为参考标准验证其诊断性能	支架植入术后患者	深度学习	冠状动脉疾病	冠状动脉CT血管成像（CCTA）、CT衍生血流储备分数（CT-FFR）	CNN（基于DEEPVESSEL模型）	医学图像（CT影像）	计划前瞻性纳入331例支架植入术后患者（其中250例用于模型适配和扩展，81例用于外部验证）	NA	DEEPVESSEL	敏感性、特异性、准确性、阳性预测值、阴性预测值、AUC	NA
2275	2026-06-24	Predicting corporate management performance using AI: Incorporating CEO strategy insights from sustainable management reports 2026, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0347140 PMID:42090426	研究论文	提出一种结合财务数据与CEO策略信息的AI模型，用于预测企业管理绩效	将CEO消息中的战略信息通过文本挖掘和可持续平衡计分卡框架分类，与财务数据结合，显著提升预测准确性	NA	通过融合财务和非财务战略信息，利用AI模型预测企业管理绩效，提供投资决策支持	韩国KOSPI和KOSDAQ市场2016-2023年间的1271家上市公司	机器学习	NA	文本挖掘	KNN, SVM, GBM, CatBoost, GAN, RNN, LSTM, Transformer	文本和数值数据	1271家上市公司（2016-2023年）	NA	Transformer, LSTM, RNN	准确率, AUC, F1分数	NA
2276	2026-06-24	Application of few-shot learning and transfer learning based on YOLOv6 in the recognition of bacteria in sputum M-ROSE 2026, Frontiers in cellular and infection microbiology IF:4.6Q1 DOI:10.3389/fcimb.2026.1791986 PMID:42100663	研究论文	基于YOLOv6的少样本学习和迁移学习在痰液M-ROSE细菌识别中的应用	引入了旋转切割和图像融合两种定制化数据增强策略，用于检测极小细菌目标；在标注数据有限条件下利用YOLOv6结合迁移学习和少样本学习实现高效细菌识别	仅涉及三种细菌类型，样本量较小（161张图像），且标注图像仅30张，可能影响模型的泛化能力	开发和评估一种基于深度学习的框架，用于在标注数据有限的条件下识别痰液M-ROSE涂片中的细菌	痰液M-ROSE图像中的鲍曼不动杆菌、肺炎克雷伯菌和铜绿假单胞菌	计算机视觉	肺部感染	NA	YOLOv6	图像	共161张革兰染色痰液M-ROSE图像，其中30张用于构建数据集N（训练集24张，验证集6张），131张作为独立测试集	NA	YOLOv6	召回率、精确率、F1分数、平均精度均值（mAP）、准确率以及诊断时间	NA
2277	2026-06-23	Explainable deep learning assisted SERS detection of cathinones in environmental water 2026-Oct-05, Spectrochimica acta. Part A, Molecular and biomolecular spectroscopy DOI:10.1016/j.saa.2026.127905 PMID:42000141	研究论文	提出了一种可解释深度学习辅助的表面增强拉曼光谱技术，用于环境水中卡西酮类物质的检测与识别	结合了通道与空间注意力机制的一维卷积神经网络，并利用Grad-CAM算法增强模型的可解释性，准确识别卡西酮类物质的SERS特征峰	仅针对四种标准卡西酮物质进行检测，未涉及实际环境中多种卡西酮混合体系或更低浓度下的性能评估	开发高灵敏度、可解释的SERS检测方法，实现环境水中合成卡西酮类物质的准确分类	四种合成卡西酮标准物质及环境水加标样品	机器学习	NA	表面增强拉曼光谱（SERS）、密度泛函理论计算	一维卷积神经网络（1D-CNN）	光谱数据	四种标准卡西酮物质及阴性样本的SERS光谱数据	PyTorch	通道与空间注意力机制增强的1D-CNN	分类准确率	NA
2278	2026-06-23	Extraction of Raman spectral features and rapid identification of rice origin and storage years 2026-Oct-05, Spectrochimica acta. Part A, Molecular and biomolecular spectroscopy DOI:10.1016/j.saa.2026.127896 PMID:42008962	研究论文	结合拉曼光谱与深度学习提取光谱特征，快速识别大米产地和储存年份	首次将宏观成分分析（常规拉曼光谱）与微量代谢物表征（银纳米粒子增强SERS）结合，通过淀粉微结构和腺嘌呤信号实现大米产地和储存年份的化学可解释性鉴别	NA	开发一种结合拉曼光谱与深度学习的方法，用于特征化并识别大米的产地和储存年份，以应对产地伪造和陈米欺骗营销问题	中国七大主要产区的九个大米样品（包括一个代表品种的三年储存系列）	机器学习	NA	拉曼光谱，常规拉曼光谱，表面增强拉曼散射（SERS），银纳米粒子	NA	光谱	9个大米样品，包括一个品种的三年龄系列	NA	卷积神经网络（CNN）	准确率（98.57%）	NA
2279	2026-06-23	Comorbidity-aware transfer learning for neuro-developmental disorder diagnosis 2026-Sep, Neural networks : the official journal of the International Neural Network Society IF:6.0Q1 DOI:10.1016/j.neunet.2026.108980 PMID:42001626	研究论文	提出了一种共病感知迁移学习框架，用于基于fMRI数据的神经发育障碍诊断	首次将共病信息融入迁移学习，通过伪标签和编码器-解码器结构分离任务相关特征与混淆因素，提供跨疾病神经动力学的机制见解	未在更多样化的数据集或真实临床环境中验证，且模型轻量级CNN可能无法完全捕捉fMRI的复杂时空模式	开发基于fMRI的计算机辅助诊断系统，提升神经发育障碍（如自闭症谱系障碍和注意力缺陷多动障碍）的诊断准确性	神经发育障碍患者（自闭症谱系障碍和注意力缺陷多动障碍）	机器学习	神经发育障碍	fMRI	CNN	图像	未明确报告样本数量，仅提及基准数据集	NA	编码器-解码器架构、轻量级卷积神经网络	准确率	NA
2280	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