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
2601	2026-06-19	Fluoroscopic image-driven deep learning model for predicting intussusception irreducibility during air enema in children 2026-Apr-30, BMC medical imaging IF:2.9Q2 DOI:10.1186/s12880-026-02385-1 PMID:42062943	研究论文	利用空气灌肠透视图像开发深度学习模型预测儿童肠套叠不可复性	提出混合集成深度学习模型，通过透视图像客观预测肠套叠不可复性，优于传统主观判读，并显著提升放射科医生诊断准确性	未明确说明	开发基于深度学习的框架，利用空气灌肠透视图像客观预测肠套叠不可复性	儿童肠套叠患者的空气灌肠透视图像	计算机视觉	儿科疾病	NA	混合集成深度学习模型	图像	训练集：770例不可复性、1214例可复性；真实世界测试集：46例不可复性、802例可复性；外部测试集：9例不可复性、101例可复性，均来自儿童患者	NA	混合集成架构（具体未指定）	AUC、平衡准确率、特异性	NA
2602	2026-06-19	Embedding multilayer RNA networks for lncRNA-miRNA interaction prediction via LMI-MHGAT 2026-Apr-30, BMC biology IF:4.4Q1 DOI:10.1186/s12915-026-02600-z PMID:42057106	研究论文	提出LMI-MHGAT框架，通过多层异构图注意力网络整合多模态生物数据，用于预测lncRNA-miRNA相互作用	创新性地采用图注意力机制动态学习不同关系层的信息权重，有效处理生物网络中的严重类别不平衡问题	NA	开发能够整合多模态生物数据并处理类别不平衡的lncRNA-miRNA相互作用预测方法	lncRNA和miRNA分子及其相互作用关系	机器学习	NA	RNA-seq	图注意力网络	RNA序列、表达谱、已知分子相互作用数据	人类LMI数据（正负样本比例1:60），大鼠和植物数据集	PyTorch	多层异构图注意力网络	NA	NA
2603	2026-06-19	A phantom study on the evaluation of the YOLOv8 deep learning model in the detection of tooth ankylosis on cone-beam computed tomography images 2026-Apr-29, Head & face medicine IF:2.4Q2 DOI:10.1186/s13005-026-00607-z PMID:42057155	研究论文	本研究评估了YOLOv8深度学习算法在锥束计算机断层扫描图像上检测牙齿强直的效能	首次将YOLOv8算法应用于CBCT图像的牙齿强直检测，并实现了高精度和高召回率	基于体模数据，模型在临床实际应用中的泛化性有待验证，且样本量相对有限	评估深度学习算法在CBCT扫描中检测牙齿强直的性能	模拟牙齿强直的体模CBCT扫描图像，共60颗牙齿和4971个轴向切片	计算机视觉	牙齿强直	锥束计算机断层扫描	YOLOv8	图像	60颗牙齿样本，共4971个轴向切片（训练集42颗牙齿3822切片，测试集18颗牙齿1149切片）	NA	YOLOv8	Dice系数、精确率、召回率、F1分数	NA
2604	2026-06-16	Frequency-adaptive deep learning for multi-horizon weather forecasting in environmental monitoring applications 2026-Apr-24, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-49641-6 PMID:42031997	研究论文	提出了一种面向天气的频率自适应网络（WFAN），通过频域归一化框架增强多时间尺度天气预报的准确性	首次将频域归一化应用于多时间尺度天气预报，通过实例级傅里叶变换自适应选择主导频率成分作为非平稳模式，并利用频率残差学习增强数据平稳性	方法对频域分解的计算效率有依赖，且模式演化模块可能无法完全捕捉极端天气的动态变化	解决气候时序数据非平稳性对天气预报精度的影响，提升多时间尺度环境监测预报能力	气象时间序列数据（如天气、气温、电力负荷等）	机器学习	NA	傅里叶变换、频域归一化	深度学习模型（DLinear, FEDformer, Informer, SCINet）	时间序列数据（数值型）	多个基准数据集，包含Weather, ETTh1, ECL等	PyTorch	DLinear, FEDformer, Informer, SCINet	均方误差（MSE）、增强迪基-富勒（ADF）检验、统计显著性检验	NA
2605	2026-06-19	Analyzing digital consumer insights through RoBERTa LLM based sentiment analysis and topic modeling 2026-Apr-24, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-48162-6 PMID:42031839	研究论文	利用RoBERTa大语言模型进行情感分析和LDA主题建模，分析在线消费者评论以理解消费者行为	首次将RoBERTa-Large大语言模型应用于消费者评论的情感分析，结合SHAP和LIME增强模型可解释性	未提及	提升在线消费者评论情感分类性能，并识别消费者反馈中的主题模式	在线消费者评论文本	自然语言处理	NA	BERT、TF-IDF、LDA主题建模	大型语言模型（RoBERTa-Large），传统机器学习模型（如SVM、随机森林），深度学习架构	文本数据	公开可用的消费者评论数据集（未明确数量）	NA	RoBERTa-Large, LDA, SHAP, LIME	准确率（Accuracy）	NA
2606	2026-06-19	Accurate and robust ambiguity detection in software requirements documents using a GloVe-BiLSTM deep learning framework with data augmentation 2026-Apr-24, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-48700-2 PMID:42031899	研究论文	提出一种基于GloVe词嵌入和双向长短期记忆网络（Bi-LSTM）的深度学习框架，用于自动检测软件需求文档中的模糊性，解决软件开发中的关键挑战	创新地结合GloVe词嵌入与Bi-LSTM模型进行软件需求文档模糊性检测，并采用回译数据增强技术缓解类别不平衡问题，通过消融研究验证各组件贡献	实验数据仅来源于公开的Fault-Prone SRS数据集，样本量为7061条，可能无法完全覆盖实际业务场景中更复杂的模糊类型	实现软件需求文档中模糊性的自动检测，提高精度并降低成本，增强软件开发流程的可靠性	软件需求文档中的模糊性类别（词汇、句法、语义、语法、语用及无模糊样本）	自然语言处理	NA	NA	双向长短期记忆网络（Bi-LSTM）	文本	7061条数据点（Fault-Prone SRS数据集）	NA	Bi-LSTM，CNN，CNN-RNN-LSTM，LSTM	精确率，召回率，F1分数，准确率	NA
2607	2026-06-19	Deep learning-based multimodal radiopathomics for preoperative prediction of lymph node metastasis in papillary thyroid carcinoma 2026-Apr-24, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-48693-y PMID:42031943	研究论文	基于深度学习的多模态放射病理组学模型用于术前预测甲状腺乳头状癌淋巴结转移	结合超声图像和细针穿刺细胞学图像的多模态深度学习模型，显著优于单一模态模型，并使用梯度加权类激活映射揭示了细胞核特征的关键作用	NA（摘要未明确提及局限性）	术前准确预测甲状腺乳头状癌淋巴结转移，指导手术方式决策	甲状腺乳头状癌患者的淋巴结转移预测	数字病理学	甲状腺乳头状癌	NA（未明确提及具体技术）	CNN	图像	1095份细针穿刺液基细胞学标本及相应的2190张超声图像	NA（未明确提及）	ResNet-101	AUC, 准确率	NA（未明确提及）
2608	2026-06-19	An ensemble-based sentiment analysis approach for precision medicine recommendation 2026-Apr-24, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-49122-w PMID:42031957	研究论文	提出一种基于集成学习的情感分析方法，用于精准医学推荐	提出SCL-MedStacker堆叠集成框架，以深度学习模型为基学习器、随机森林为元学习器，结合患者评论与人口统计学和临床特征提升推荐精度	未在真实临床环境中验证，且未讨论模型的可解释性	提升医学推荐系统的精准度和上下文相关性	患者生成的医疗评论数据及患者的人口统计学和临床属性	自然语言处理	不适用	不适用	Logistic Regression, Naïve Bayes, K-Nearest Neighbors, SVM, SNN, CNN, RNN_LSTM, Random Forest	文本	未明确说明样本数量，但使用了医疗评论数据集	NA	Simple Neural Network, CNN, RNN_LSTM, 随机森林	准确率	NA
2609	2026-06-19	Automated estimation of drain output in postoperative patients using deep learning on clinical images 2026-Apr-24, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-49452-9 PMID:42031977	研究论文	提出一种基于深度学习的自动化系统，用于从临床图像中估计术后患者引流液输出量	首次提出结合目标检测和语义分割的方法，实现术后引流液量的无接触自动估算，并在真实医院条件下验证	未明确说明局限性	开发自动化系统，减少手动操作的工作量、生物危害暴露和记录错误，支持术后并发症的早期检测	术后患者的Jackson-Pratt引流管和引流袋的临床图像	计算机视觉	术后并发症	NA	深度学习（目标检测和语义分割）	图像	收集自真实医院条件下的多种引流液图像（包括血液、胃内容物、浆液）	NA	NA	交并比（IoU）、平均绝对误差（MAE）	NA
2610	2026-06-19	Hybrid diagnostic framework for bone cancer detection using deep learning and radiomics analysis 2026-Apr-24, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-49681-y PMID:42031968	研究论文	提出了一种用于骨癌检测的混合诊断框架TriMedNet，利用多模态数据源进行分类	将影像数据（MRI扫描）、非结构化临床笔记文本和结构化患者指标（如血压、血糖水平）三种模态数据融合，通过CNN、BERT和全连接层分别提取特征，实现多模态协同诊断	NA	通过多模态数据融合提高骨癌诊断的准确性和临床决策支持能力	骨癌患者的多模态数据，包括MRI扫描、临床笔记文本和结构化患者指标	计算机视觉, 自然语言处理, 深度学习	骨癌	多模态数据融合	CNN, Transformer	图像, 文本, 数值	来自Roboflow公开数据集，包含活检和血液检测结果	NA	CNN, BERT, 全连接层	准确率, 精确率, 召回率	NA
2611	2026-06-19	A large-scale fMRI dataset for vision-language semantic association 2026-Apr-18, Scientific data IF:5.8Q1 DOI:10.1038/s41597-026-07248-6 PMID:42000762	研究论文	提出一个大规模fMRI数据集，用于研究视觉和语言语义关联的神经基础	不同于以往局限于单一模态的数据集，该研究同时采集了4400对中文描述和自然场景的神经响应，提供了更生态有效的实验条件	NA	探索视觉和语言信息在大脑中的神经编码和语义关联机制	八名健康被试，在判断中文描述与图片语义是否一致时的fMRI脑活动数据	机器学习, 自然语言处理	NA	功能性磁共振成像（fMRI）	深度神经网络	图像, 文本	8名健康被试，4400对中文描述和自然场景刺激	NA	NA	NA	NA
2612	2026-06-19	Patch-to-slide fusion deep learning model for histological diagnosis of early pregnancy loss including hydatidiform mole 2026-Apr-18, NPJ digital medicine IF:12.4Q1 DOI:10.1038/s41746-026-02628-z PMID:42000889	研究论文	开发了一种基于补丁到切片融合的深度学习模型，用于早期妊娠丢失的组织学诊断，包括水泡状胎块	提出了一种带有自适应掩码的补丁到切片融合AI模型，整合多重染色（H&E、p57、Ki-67）以预测组织学诊断，并显著提升病理学家诊断性能	NA	区分早期妊娠丢失的组织学亚型以改善临床诊断，降低成本并辅助遗传检测	早期妊娠丢失病例，包括完全性水泡状胎块、部分性水泡状胎块、水泡状流产及正常对照	数字病理学	早期妊娠丢失	H&E染色、免疫组化染色（p57、Ki-67）	深度学习模型	全切片图像	来自1287例患者的1380张H&E染色、1057张p57染色和646张Ki-67染色全切片图像	NA	补丁到切片融合架构	accuracy, AUROC	NA
2613	2026-06-19	A unified multi-scale deep learning framework for molecular property prediction that bridges molecular structures and fingerprinting 2026-Apr-17, Communications chemistry IF:5.9Q1 DOI:10.1038/s42004-026-02010-w PMID:41998275	研究论文	提出一种统一的多尺度图指纹网络（UMSGFNet），融合原子级和子结构级信息与指纹描述符，提升分子性质预测性能	首次将原子级、子结构级信息与分子指纹描述符统一嵌入多尺度框架，通过记忆机制捕获长程依赖并自适应加权图与指纹特征	未提及具体计算资源需求或大规模虚拟筛选的延伸验证	开发兼顾局部分子结构与全局分子上下文的统一分子性质预测框架	分子结构（原子与子结构）及分子指纹	机器学习	NA	分子指纹	图神经网络	分子结构（图）与指纹向量	八个基准数据集	PyTorch	UMSGFNet	分类精度、连续性质预测误差	NA
2614	2026-06-19	A deep learning-based digital biopsy for predicting early recurrence in gastric cancer 2026-Apr-15, Nature communications IF:14.7Q1 DOI:10.1038/s41467-026-71347-6 PMID:41986314	研究论文	提出基于深度学习的多模态预测模型RSA，整合组织病理学特征与临床变量，用于预测局部进展期胃癌术后早期复发	首次将深度学习提取的H&E切片组织病理学特征与临床变量整合，构建可解释的多模态预测模型，并通过多中心队列和前瞻性临床试验验证其泛化性能	模型依赖回顾性数据，仍需前瞻性研究进一步验证；生物机制探索基于转录组和免疫分析，但未深入揭示因果关联	开发能够准确预测局部进展期胃癌术后早期复发的临床可解释预测模型	局部进展期胃癌患者术后早期复发风险预测	数字病理学	胃癌	深度学习、转录组测序、免疫分析	多模态深度学习模型	组织病理学图像、临床变量数据、转录组测序数据	1763例回顾性多中心队列，内部验证集2个，外部验证集2个，前瞻性临床试验1个	PyTorch	RSA模型（多模态融合架构）	AUC	NA
2615	2026-06-19	Medical image pretraining-based transfer learning for generalizable and robust diagnosis of bone tumors on radiographs: a multi-center study 2026-Apr-07, Insights into imaging IF:4.1Q1 DOI:10.1186/s13244-026-02271-y PMID:41944974	研究论文	开发并验证基于医学图像预训练的深度学习模型，用于X光片上骨肿瘤分类的泛化性和鲁棒性	利用医学领域特定预训练（RadImageNet）向X光片骨肿瘤分类任务迁移学习，相较于自然图像预训练和传统影像组学方法显著提升了模型性能和鲁棒性	回顾性多中心研究，未提及样本选择偏倚或模型在不同种族人群中的适用性，且AI辅助效果因放射科医师个体经验而异	构建一种泛化性强、鲁棒性高的深度学习模型，用于X光片上骨肿瘤分类并提升诊断准确性	2338名经组织病理学确诊的骨肿瘤患者，来自四个医疗中心	计算机视觉，数字病理学	骨肿瘤	NGS， RNA-seq	CNN	图像	2338名骨肿瘤患者（471例开发，1867例外部测试）	NA	ResNet50, InceptionV3, ElasticNet（影像组学模型）	AUC	NA
2616	2026-06-19	A comprehensive benchmarking study on computational tools for cross-omics label transfer from single-cell RNA to ATAC data 2026-04-01, G3 (Bethesda, Md.) DOI:10.1093/g3journal/jkag026 PMID:41655240	研究论文	对从单细胞RNA数据到ATAC数据的跨组学标签转移的27种计算方法进行全面基准测试	首次系统评估27种工具在单细胞RNA转ATAC标签转移中的表现，并针对数据不平衡、跨组学差异等影响因素进行深入分析	未涵盖所有最新方法，且基准测试中部分工具可能因参数调优不足影响结果	评估并比较跨组学标签转移工具在单细胞RNA与ATAC数据上的性能	来自人和小鼠组织的单细胞RNA和ATAC数据	机器学习	NA	scRNA-seq, scATAC-seq	CNN, LSTM	单细胞RNA测序数据，单细胞ATAC测序数据	多种人和小鼠组织样本	NA	Bridge, GLUE, bindSC等	准确率，预测精度	NA
2617	2026-06-19	Deep learning framework for automated classification of thoracolumbar fractures using spinal CT images 2026 Apr-Jun, Health informatics journal IF:2.2Q3 DOI:10.1177/14604582261462739 PMID:42309505	研究论文	利用深度学习方法基于脊柱CT图像自动分型胸腰椎骨折	基于多实例学习框架，结合AlexNet与门控注意力机制用于特征聚合，并采用冠状位和轴位视图的集成策略提升分类性能	样本量为596例患者，数据来源有限，且模型在外部验证中的泛化能力未讨论	评估深度学习框架在CT图像上自动分型胸腰椎骨折的可行性	596例胸腰椎骨折患者的CT图像	计算机视觉	胸腰椎骨折	CT成像	卷积神经网络	CT图像	596例患者的CT图像	NA	AlexNet, 多实例学习, 集成学习	准确率	NA
2618	2026-06-19	Can a novel computer vision-based framework detect head-on-head impacts during a rugby league tackle? 2026-03-27, Injury prevention : journal of the International Society for Child and Adolescent Injury Prevention IF:2.5Q2 DOI:10.1136/ip-2023-045129 PMID:39832883	研究论文	本研究开发并评估了一种新型计算机视觉框架，用于自动分类橄榄球联赛中的头对头撞击与非头对头撞击	首次在橄榄球运动中应用计算机视觉框架自动检测头对头撞击	框架对头对头撞击的灵敏度较低（标准清晰度68%，高清65%）	开发和评估一种自动检测头对头撞击的计算机视觉框架	职业橄榄球联赛中的擒抱事件	计算机视觉	脑震荡	视频分析	三维卷积神经网络（3D-CNN）	视频	训练集341个视频片段，测试集670个视频片段	PyTorch	目标检测算法, 三维卷积神经网络	灵敏度, 特异度, 阳性预测值	NA
2619	2026-06-19	What does it take to learn the rules of RNA base pairing? A lot less than you may think 2026-Mar-26, Communications biology IF:5.2Q1 DOI:10.1038/s42003-026-09921-3 PMID:41888287	研究论文	利用仅21个参数的随机上下文无关文法（SCFG）模型，结合自动微分技术，仅需少量RNA序列即可发现经典碱基配对规则	证明仅用极少量参数和未标注的序列数据就能重新发现RNA经典碱基配对规则，颠覆了需要大规模模型和标注数据的传统认知	NA	探究发现RNA经典碱基配对规则所需的最小资源和条件	RNA经典碱基配对规则（沃森-克里克-富兰克林配对和摆动配对）	机器学习	NA	自动微分、随机梯度下降	随机上下文无关文法（SCFG）	RNA序列	最少50条RNA序列，测试涉及22个RNA家族的1094条序列	自动微分框架（如PyTorch等）	随机上下文无关文法（SCFG）	NA	NA
2620	2026-06-19	Benchmarking multiple instance learning architectures from patches to pathology for prostate cancer detection and grading using attention-based weak supervision 2026-Mar-02, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-39196-x PMID:41771952	研究论文	开发并评估了一种基于弱监督深度学习的框架，用于前列腺癌诊断和ISUP分级，利用全切片图像并减少对像素级标注的需求	首次对弱监督MIL方法进行大规模、全面的比较，涵盖六种架构、三种特征编码器和四种补丁提取技术，共计72种配置，并利用分布式云计算处理超过3100万个组织补丁	NA	开发一种弱监督深度学习框架，最小化标注需求并确保可解释性，用于自动化前列腺癌诊断和ISUP分级	前列腺癌全切片图像	数字病理学	前列腺癌	全切片图像处理	多实例学习	图像	PANDA数据集中的10,616张全切片图像，包含超过3100万个组织补丁	PyTorch	CLAM-MB, CLAM-SB, ILRA-MIL, AC-MIL, AMD-MIL, WiKG-MIL, ResNet50, CTransPath, UNI2	准确率, 二次加权卡帕系数	分布式云计算