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
261	2026-06-16	Focusing on legal cases: Automatic classification of legal documents with sentence embeddings and deep learning models 2026, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0350673 PMID:42247372	研究论文	利用句子嵌入和深度学习模型自动分类法律文件	采用极端随机树集成学习模型和基于LSTM网络的句子嵌入方法，实现了高精度法律文本分类	未提及具体局限性	使用机器学习与深度学习算法对法律文本文件进行分类	包含复杂法律语言的数千个法律文件	自然语言处理	NA	NA	LSTM, 极端随机树	文本	数千份法律文件	NA	LSTM, 极端随机树	准确率	NA
262	2026-06-16	Review Article \| Artificial Intelligence Applications in Prognosis and Treatment of Neuro-oncology: A review 2026-Jan, The Gulf journal of oncology PMID:42274067	综述	回顾人工智能在神经肿瘤治疗和预后中的应用，并探讨其挑战和未来方向	首次在一篇论文中同时回顾人工智能在神经肿瘤治疗和预后这两个领域，并深入分析知识空白和未来方向	仅纳入21篇文章，样本量有限，且多数研究聚焦于预后，治疗领域研究较少	综述人工智能在神经肿瘤治疗和预后中的最新应用	神经肿瘤相关的人工智能研究文章	机器学习	神经肿瘤	NA	机器学习算法, 深度学习模型	NA	最大样本量为41222（脑肿瘤手术后住院时间预测），治疗领域最大样本量为1585	NA	二十九种机器学习算法	NA	NA
263	2026-06-16	Multi-scale feature integration with enhanced cytomorph for high-accuracy cervical cytology classification 2026, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0351063 PMID:42268916	研究论文	提出一种结合多尺度特征整合与增强细胞形态学的深度学习架构，用于高精度宫颈细胞学图像分类	整合了专门针对细胞病理学图像的增强数据增强管道、形态注意力模块（MAM）用于自适应特征融合的多尺度细胞特征捕捉，以及空间通道混合器（SCM）用于高效编码核邻域空间信息	未提及	提高宫颈细胞学图像分类的准确性，以改进宫颈癌早期检测和筛查项目	宫颈细胞学图像	计算机视觉	宫颈癌	NA	深度学习模型（形态注意力模块与空间通道混合器）	图像	两个公开数据集：SIPaKMeD（5类）和Mendeley LBC	NA	形态注意力模块（MAM）、空间通道混合器（SCM）	准确率、误差率	NA
264	2026-06-16	Unimodal vs. multimodal deep learning for non-invasive MGMT promoter methylation prediction in glioblastoma: A systematic evaluation on the BraTS 2021 dataset 2026, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0351405 PMID:42284289	研究论文	系统评估单模态与多模态深度学习在胶质母细胞瘤MGMT启动子甲基化无创预测中的表现	首次在BraTS 2021数据集上系统比较单模态与多模态深度学习方法（基于VGG-16）预测MGMT启动子甲基化，探索了1380种实验配置，发现多模态融合未能超越最佳单模态模型	数据集规模有限（582例）导致模型过拟合，多模态融合策略未能提升性能，迁移学习以牺牲峰值性能为代价改善泛化能力	评估基于多参数MRI的深度学习无创预测MGMT启动子甲基化的临床可行性	胶质母细胞瘤患者的MGMT启动子甲基化状态	计算机视觉	胶质母细胞瘤	多参数MRI (mpMRI)	CNN (VGG-16)	图像（FLAIR, T1w, T1wCE, T2w四种MRI序列）	582例胶质母细胞瘤患者	NA	VGG-16	准确率 (accuracy), AUC	NA
265	2026-06-16	FGOOPNet: A Fuzzy Deep Learning Approach for Mammographic Breast Cancer Classification 2026, Current medical imaging IF:1.1Q3 DOI:10.2174/0115734056448448260408054729 PMID:42163690	研究论文	提出FGOOPNet模糊深度集成模型，用于提高乳腺X线摄影乳腺癌分类的准确性和决策透明度	结合几何最优在线加权集成策略（GOOWE）与高斯模糊推理模块，在集成框架中强化低误差模型的权重，并通过模糊推理优化决策边界，量化预测不确定性	未明确提及局限性，但未来工作需扩展至多模态影像和多中心大规模验证	增强乳腺X线摄影乳腺癌分类的准确性和可解释性，解决常规计算机辅助诊断系统在异质性乳腺组织和视觉模糊区域中的局限性	乳腺X线摄影图像中的良性和恶性病变	计算机视觉, 数字病理学	乳腺癌	乳腺X线摄影	CNN, 模糊神经网络	图像	混合数据集：公共VinDr-Mammo数据库与专家注释的私有队列（未提供具体样本数）	NA	InceptionV3, ResNet-50V2, ResNet-152, DenseNet-121, DenseNet-201, VGG19, Xception	准确率, F1分数	NA
266	2026-06-16	HybridWeaveNet: deep cultural pattern recognition for Indian handloom heritage fabrics 2026, Frontiers in artificial intelligence IF:3.0Q2 DOI:10.3389/frai.2026.1809586 PMID:42290687	研究论文	提出一种专门用于印度手工织物图案识别的深度学习架构HybridWeaveNet	将双注意力机制与预训练EfficientNetV2骨干网络相结合，通过混合增强方法提升纹样识别能力	文中未明确说明局限性	实现印度传统手工织物纹样的自动分类与识别	五种印度传统手工织物（Bandhani、Banarasi、Kancheepuram、Patola、Tussar）	计算机视觉	NA	NA	CNN	图像	含五个类别的数据集，样本量未明确提及	NA	EfficientNetV2	准确率、宏F1分数、Cohen's kappa、马修斯相关系数、Jaccard指数、对数损失	NA
267	2026-06-16	A multi-scale transformer-enhanced YOLO framework for unified road damage detection and boundary-aware segmentation 2026, Frontiers in artificial intelligence IF:3.0Q2 DOI:10.3389/frai.2026.1834179 PMID:42290697	研究论文	提出一个多尺度Transformer增强的YOLO框架，实现统一的路面损伤检测与边界感知分割	将多尺度特征提取、Transformer上下文优化、ROI分类增强和边界感知分割集成于统一架构中	未提及具体局限	实现自动化路面损伤分析，提升检测精度和分割质量，支持实时道路维护	路面损伤（如裂缝等）	计算机视觉	不适用	深度学习	YOLO（实时目标检测模型）	图像	未明确提及（基于公开或自建路面图像数据集）	未明确提及（可能依赖PyTorch或TensorFlow）	YOLO（多尺度特征提取）、Transformer（上下文注意力）、边界感知分割模块	检测精度（mAP）、分割质量（如IoU/Dice系数）、推理速度（FPS）	未提及（可能使用单GPU，如NVIDIA RTX 3090）
268	2026-06-16	A comprehensive narrative review of artificial intelligence use in the diagnosis and management of metabolic dysfunction-associated steatotic liver disease 2026, Translational gastroenterology and hepatology IF:3.8Q2 DOI:10.21037/tgh-2026-0002 PMID:42291168	综述	总结人工智能在代谢功能障碍相关脂肪性肝病诊断与管理中的应用文献	系统回顾了AI（包括机器学习、深度学习和自然语言处理）在MASLD诊断、预后预测及数字健康干预中的多领域应用	数据安全性、标准化及在一般人群中的验证仍是广泛实施的主要挑战	评估AI在优化MASLD诊断与管理中的潜在作用	代谢功能障碍相关脂肪性肝病的AI应用文献	自然语言处理, 机器学习	代谢功能障碍相关脂肪性肝病	NLP, 机器学习, 深度学习	NA	文本, 影像, 实验室数据	NA	NA	NA	NA	NA
269	2026-06-16	Harnessing interpretable deep learning to predict resistance in Klebsiella pneumoniae 2026, Frontiers in cellular and infection microbiology IF:4.6Q1 DOI:10.3389/fcimb.2026.1859508 PMID:42291306	研究论文	利用可解释深度学习模型预测肺炎克雷伯菌的耐药性，识别与耐药机制相关的基因组特征	引入基于现代Hopfield网络和注意力机制的DeepMDC架构，将表型分类作为多实例学习问题处理，实现对全基因组数据的可解释性预测	精确的基因或突变层面标注成本高且存在歧义；仅针对四种临床抗生素和单一菌种评估	通过深度学习预测肺炎克雷伯菌的耐药性并识别相关基因组特征	肺炎克雷伯菌全基因组数据中的开放阅读框	机器学习	细菌感染	全基因组测序	现代Hopfield网络	基因组序列数据	未明确提及	NA	DeepMDC（基于现代Hopfield网络与注意力机制）	多种评估指标（具体未列出）	NA
270	2026-06-16	Next-generation imaging in prostate cancer 2026, Frontiers in urology DOI:10.3389/fruro.2026.1829407 PMID:42291630	综述	系统综述了微超声、多参数磁共振成像和前列腺特异性膜抗原正电子发射断层扫描在前列腺癌检测中的诊断性能，并探讨了人工智能在整合这些成像模式以提高诊断准确性方面的潜力	创新性地总结了多模态成像与人工智能结合在前列腺癌诊断中的研究策略，为该领域提供了整合性概述	由于研究设计、人群和结果测量存在异质性，仅进行了叙述性综合；多为回顾性研究，缺乏前瞻性验证	总结微超声、多参数磁共振成像和前列腺特异性膜抗原正电子发射断层扫描在前列腺癌检测中的诊断性能，并探索人工智能增强诊断准确性的作用	前列腺癌患者的成像技术和人工智能算法	计算机视觉	前列腺癌	多参数磁共振成像、微超声、前列腺特异性膜抗原正电子发射断层扫描	机器学习、深度学习	图像	原始研究样本量≥20名患者，系统综述和荟萃分析涵盖多项研究	NA	NA	敏感性、特异性、AUC	NA
271	2026-06-16	The landscape of machine learning in clinical applications: A thematic mapping of evolution, frontiers, and future opportunities 2026 Jan-Dec, Digital health IF:2.9Q2 DOI:10.1177/20552076261461041 PMID:42291761	综述	系统描绘机器学习在临床试验中应用的科学图谱、主题演化和新兴方向	首次基于信息计量学方法全面综合机器学习在临床试验中的应用，通过ARIMA预测、关键词共现和主题映射揭示了该领域的演化趋势与前沿方向	未涉及具体算法性能比较或临床实施障碍分析，数据来源仅限PubMed，可能存在数据库选择性偏差	系统映射机器学习在临床试验中的科学格局、主题演化和未来机遇，推动精准医学整合	PubMed索引的1995-2025年机器学习相关临床试验文献	机器学习	NA	NA	ARIMA, Walktrap聚类	文献文本数据	1195篇出版物，来自563种期刊	Bibliometrix R包, VOSviewer, Microsoft Excel	ARIMA(5,1,0), Lotka定律, Bradford定律, Callon中心性/密度	NA	NA
272	2026-06-16	Hyperspectral non-destructive detection based on geometrical influence correction and deep learning technology: A case study on early bruise detection in fruits 2026, Current research in food science IF:6.2Q1 DOI:10.1016/j.crfs.2026.101467 PMID:42291819	研究论文	提出一种结合几何影响校正与深度学习的高光谱非破坏性检测框架，用于水果早期瘀伤检测	创新性地通过内蕴分解实现几何影响校正，融合三维点云数据与高光谱成像，设计双分支编码器-解码器网络解耦光谱与几何信息，提升曲面水果瘀伤检测的准确性和鲁棒性	未提及具体的计算资源消耗或实时性表现，且实验可能仅限于特定水果种类，泛化性需进一步验证	消除水果曲面几何导致的光谱畸变，实现高精度早期瘀伤非破坏检测	水果（如苹果等）表面的早期瘀伤区域	计算机视觉	水果瘀伤（非疾病类型）	高光谱成像（HSI）、三维点云技术	双分支编码器-解码器网络	高光谱图像、三维点云	NA	NA	双分支编码器-解码器网络	检测精度、召回率	NA
273	2026-06-16	Advancing Drug Discovery with AI: Machine and Deep Learning Strategies for Target Identification and Precision Nanomedicine 2026, International journal of nanomedicine IF:6.6Q1 DOI:10.2147/IJN.S600651 PMID:42292041	综述	本文评估了机器学习和深度学习在药物发现和靶点识别中的变革性作用	结合机器学习与深度学习，提出多模态数据融合、可解释人工智能及纳米技术驱动数据集，以提升药物发现效率	未提及具体局限性，但可能包括模型泛化能力、数据偏差及临床转化挑战	探讨人工智能在药物发现和精准纳米医学中的应用与进展	药物发现流程中的靶点识别、候选药物优化及纳米药物系统	机器学习	NA	NA	卷积神经网络、图神经网络、Transformer	分子数据、医学图像、基因组数据、蛋白质结构数据	NA	NA	卷积神经网络、图神经网络、Transformer	准确率、分子性质预测改进率、候选药物流失率降低、发现时间缩短	NA
274	2026-06-16	PulmoX-Net: a channel-attention enhanced deep learning model for multi-class pulmonary pathology classification in chest radiography 2026, Frontiers in medicine IF:3.1Q1 DOI:10.3389/fmed.2026.1836121 PMID:42292256	研究论文	提出一种融合通道注意力的深度学习模型PulmoX-Net，用于胸片多类肺部病理分类	将Xception的深度可分离卷积与Squeeze-and-Excitation通道注意力机制结合，提升胸片分类特征表示能力	基于单一数据集且标签方案非标准，需在独立临床队列上进行外部验证	开发高精度的多类肺部病理分类模型，解决胸片诊断中重叠影像模式的挑战	胸片中的肺部病理表现	计算机视觉	肺部疾病	NA	CNN	图像	6743张正面胸片	NA	Xception, SE-Net	准确率, 精确率, 召回率, F1分数, AUC	NA
275	2026-06-16	Multimodal data integration and machine learning methods for early detection and risk prediction of pulmonary diseases in athletes 2026, Frontiers in medicine IF:3.1Q1 DOI:10.3389/fmed.2026.1758840 PMID:42292270	研究论文	提出一种新型多模态肺风险预测网络，融合视觉、文本及辅助生理数据，用于运动员肺部疾病的早期检测与风险预测	提出自适应模态加权策略动态调整模态贡献，以及分层风险预测策略捕捉领域特定特征结构	NA	实现运动员肺部疾病的早期检测与个性化风险评估	运动员肺部健康相关多模态数据	机器学习	肺部疾病	NA	多模态肺风险预测网络	图像、文本、生理数据	多个多模态数据集，包含临床、影像及生理样本	NA	MPRPN、AMWS、HRPS	准确率、F1分数、AUC	NA
276	2026-06-16	Automated assessment of Knosp grade from pituitary adenoma MRI: Experimental comparison of a rule-based and a machine learning-based approach 2026, Brain & spine DOI:10.1016/j.bas.2026.106117 PMID:42292284	研究论文	比较基于规则和基于机器学习的方法自动评估垂体腺瘤MRI中Knosp分级的准确性	首次系统比较了基于几何规则的传统方法与基于深度学习的统计方法在垂体腺瘤Knosp分级自动评估中的表现	当前自动方法的准确率不足以独立用于临床，最准确的方法（几何法结合手动分割）仅达44.95%准确率	开发和比较两种自动评估垂体腺瘤MRI中Knosp分级的方法，并评估其区分海绵窦侵犯风险、全切除率和内分泌缓解率的能力	垂体腺瘤患者的术前MRI扫描	计算机视觉	垂体腺瘤	MRI	深度学习分类器	图像	训练集394张标注MRI扫描，验证集99张扫描，及两位额外专家评分	NA	NA	准确率, Cohen's Kappa系数	NA
277	2026-06-16	Artificial intelligence for optimization of immunotherapy: current applications and transformative potential 2026, Frontiers in immunology IF:5.7Q1 DOI:10.3389/fimmu.2026.1777580 PMID:42292410	综述	本文综述了人工智能在癌症免疫治疗中的当前应用和变革潜力，涵盖传统机器学习、深度学习及生成式AI等技术在治疗优化和药物开发中的作用	首次系统性地将生成式AI和基础模型纳入免疫治疗AI应用的讨论，并展望了多智能体AI与人类在环的协同框架	数据质量控制、患者安全及伦理困境等挑战阻碍了AI在免疫治疗中的常规临床应用	探讨AI技术如何优化癌症免疫治疗的递送和药物开发，并推动精准肿瘤学发展	AI技术在免疫治疗中的应用，包括细胞疗法、检查点抑制剂和癌症疫苗	机器学习	癌症	NA	传统机器学习、深度学习、生成式AI、基础模型、智能体AI	文本、临床数据、实验室数据	NA	NA	NA	预测准确性、患者分层效果、不良事件预测指标	NA
278	2026-06-16	KAN-Former: a lightweight ECG model for real-time atrial fibrillation detection on wearable devices 2026, Frontiers in bioengineering and biotechnology IF:4.3Q2 DOI:10.3389/fbioe.2026.1824364 PMID:42292530	研究论文	提出KAN-Former轻量级混合ECG分类模型，用于在可穿戴设备上实时检测房颤	结合多尺度卷积前端、Nyström近似Transformer模块、时频前馈网络和稀疏优化残差KAN分类器，在极低参数量（1.16M）和推理延迟（3.8 ms）下实现高准确率，且经剪枝和INT8量化后精度下降低于0.5%	NA	解决深度学习模型在资源受限可穿戴设备上部署时计算和实时性挑战，实现房颤实时检测	可穿戴设备上的心电图信号	机器学习	心房颤动	心电图	混合模型（CNN + Transformer + KAN）	心电图信号	PhysioNet 2017和CPSC 2018公开数据集	NA	多尺度卷积、Nyström近似Transformer、时频前馈网络、稀疏优化残差KAN	准确率	NA
279	2026-06-16	WaveST-Yield: a novel spatio-temporal deep learning framework with frequency-domain refinement for UAV-based maize yield prediction 2026, Frontiers in plant science IF:4.1Q1 DOI:10.3389/fpls.2026.1838598 PMID:42293002	研究论文	提出WaveST-Yield深度学习框架，用于基于无人机多光谱遥感的玉米产量预测	集成时空表型编码器（SPE）、多尺度频率空间细化器（MFSR）和自适应产量敏感重校准器（AYSR）三个核心模块，利用小波下采样保留图像细节并解耦噪声，通过3D-CBAM注意力机制增强产量相关特征提取	未明确提及模型在极端环境条件或不同玉米品种上的泛化能力，可能对数据采集质量敏感	开发准确且可泛化的地块尺度玉米产量预测方法	基于无人机多光谱遥感的玉米田产量预测	计算机视觉	NA	多光谱遥感	时空深度学习模型（ConvLSTM、3D注意力机制）	多光谱图像序列	两个独立的玉米实验田数据	NA	ConvLSTM, 3D-CBAM	R²	NA
280	2026-06-16	Predicting wheat yield and grain quality with UAV multispectral imagery and deep learning 2026, Frontiers in plant science IF:4.1Q1 DOI:10.3389/fpls.2026.1812052 PMID:42293015	研究论文	利用无人机多光谱影像和深度学习预测小麦产量及籽粒品质	系统比较了基于手工特征和基于图像的端到端建模范式，并引入3D-CNN和混合2D-CNN-LSTM架构利用空间和多时相信息，发现多时相数据优于单一生育期数据	研究仅基于2022年南达科他州七个冬小麦试验点数据，结果可能受年际和地域差异影响	评估多时相无人机多光谱影像结合深度学习预测冬小麦产量、籽粒蛋白质含量和容重的可行性	冬小麦的产量、籽粒蛋白质含量和容重	机器学习	NA	无人机多光谱遥感	深度学习	多光谱影像	来自美国南达科他州七个冬小麦试验点的多时相无人机影像数据	NA	支持向量回归、随机森林回归、深度神经网络、一维卷积神经网络、二维卷积神经网络、三维卷积神经网络、混合2D-CNN-LSTM架构	决定系数R²	NA