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
2901	2026-08-28	Consensus-Based Minimum Requirements for the Adoption of a Computational Pathology Algorithm for Tumor Budding in Colorectal Cancer: An Early Health Technology Assessment 2026 Jul-Sep, JCO clinical cancer informatics IF:3.3Q2 DOI:10.1200/CCI-26-00034 PMID:42536993	研究论文	通过国际德尔菲研究，建立结直肠癌肿瘤出芽计算病理算法验证和临床采用的最低共识要求	首次利用国际德尔菲过程为肿瘤出芽计算病理算法的临床采用制定共识性最低要求	部分要求未达成共识，且评估需考虑具体情境，可能限制通用性	确定计算病理算法用于结直肠癌肿瘤出芽评估的验证和临床采用的最低要求，以提高诊断准确性和患者护理	结直肠癌肿瘤出芽的计算病理算法	数字病理学	结直肠癌	NA	深度学习	专家意见	59名病理学家参与第一轮，第二轮回复率90%	NA	NA	共识率	NA
2902	2026-08-28	Enhancing Outcome Measurement in Oncology Clinical Trials Through Artificial Intelligence: A Scoping Review 2026-07, JCO clinical cancer informatics IF:3.3Q2 DOI:10.1200/CCI-26-00014 PMID:42430670	综述	本文通过范围综述，系统概述了人工智能在肿瘤临床试验中的应用，重点关注结局指标选择和替代终点评估，并探讨了患者选择、生物标志物识别和合成对照组等新兴领域。	首次以范围综述形式，结构化梳理AI在肿瘤试验结局测量中的应用，并强调替代终点评估和潜在即时应用领域。	AI应用仍处于研究阶段，缺乏标准化和监管认可，且综述未涵盖所有试验阶段。	评估AI在肿瘤临床试验结局测量中的当前应用、潜力及挑战，以提升试验效率和患者中心性。	肿瘤临床试验中的结局指标选择、替代终点评估及相关AI应用。	人工智能在医学中的应用	肿瘤	深度学习	深度学习模型	临床试验数据	NA	NA	NA	NA	NA
2903	2026-08-28	ConLymphNet: A Generalizable Region-Constrained Deep Learning Architecture for Precise Abdominal Lymph Node Segmentation Across Cancer Types 2026 Jul-Sep, JCO clinical cancer informatics IF:3.3Q2 DOI:10.1200/CCI-25-00299 PMID:42456080	研究论文	提出并验证了ConLymphNet，一种基于椎体标志物进行区域约束的深度学习架构，用于跨癌症类型的腹部淋巴结精确分割	引入椎体标志物作为解剖参考点来标准化感兴趣区域，并采用三维nnUNet分割模型，结合新预处理流程，实现了跨癌症类型和成像协议的通用性	性能随淋巴结位置和大小变化，较大淋巴结效果更好；外部验证数据集中性能有所下降	开发并验证一种自动化腹部淋巴结分割方法，以提高癌症分期和治疗规划的准确性和效率	腹部淋巴结CT影像	深度学习	多种癌症（胆囊癌、公共淋巴结数据集、多癌种数据集）	NA	深度学习模型	CT图像	481例胆囊癌CT增强扫描，外部验证包括胆囊癌54例、公共淋巴结81例、多癌种606例	NA	nnUNet	Dice系数、假阳性率、检测率、分割准确率	NA
2904	2026-08-28	Differentiating sub-centimeter lung metastases in colorectal cancer by deep learning: a multicenter retrospective study 2026-Jun-18, BMC medical imaging IF:2.9Q2 DOI:10.1186/s12880-026-02508-8 PMID:42316047	研究论文	本研究开发并验证了一种基于深度学习模型，用于非侵入性区分结直肠癌患者的亚厘米肺转移结节与良性结节，这是一个多中心回顾性研究。	该研究创新性地结合了VNet分割模型和ResNet18分类器，针对亚厘米肺结节进行全自动深度学习分析，并在多中心数据集上验证，同时通过逐步验证不同结节尺寸下的稳定性。	未在摘要中明确提及局限性。	开发并验证一个深度学习模型，以非侵入性区分结直肠癌患者的亚厘米肺转移结节和良性结节，提高早期诊断的准确性。	结直肠癌患者肺部的亚厘米（最大直径≤10毫米）肺结节，包括转移性和良性结节。	计算机视觉、深度学习	结直肠癌、肺癌（转移性）	计算机断层扫描（CT）	卷积神经网络（CNN）	医学影像（CT图像）	共2670例结节，来自1335例结直肠癌患者（转移性结节）和1335例良性肺结节患者；主要队列1194例，两个外部验证队列分别为101例和40例。	未明确指定，可能使用PyTorch或TensorFlow	VNet（分割）和ResNet18（分类）	Dice系数、准确率、AUC	未在摘要中提及。
2905	2026-08-28	Optimization algorithm for improving the prediction accuracy of API solubility in green solvent 2026-Jun-12, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-51115-8 PMID:42286012	研究论文	本研究开发了一种混合人工智能框架，结合可解释深度学习（TabNet）和梯度提升（HGB）与三种元启发式优化算法，用于预测活性药物成分在超临界二氧化碳中的溶解度。	首次将TabNet与三种元启发式优化算法（ALO、EVO、BOA）结合，用于超临界二氧化碳中API溶解度的预测，并采用多目标Pareto前沿分析和预测区间自举法评估模型鲁棒性。	模型泛化能力受限于现有实验数据的范围，未来需要扩展溶解度数据集以增强普适性。	提高活性药物成分在超临界二氧化碳中溶解度的预测准确性，并为超临界系统中的溶剂选择和配方分析提供计算工具。	活性药物成分（APIs）在超临界二氧化碳中的溶解度数据。	机器学习	NA	NA	TabNet, HGB	表格数值数据	超过350个实验测量数据点	NA	TabNet, HGB	决定系数, 预测区间, Kruskal-Wallis检验, Pareto前沿分析	NA
2906	2026-08-28	Unified multi-task learning for hydrological processes using a shared transformer framework 2026-Jun-12, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-55130-7 PMID:42277211	研究论文	本研究引入一个统一的多任务、多模态深度学习框架，在共享Transformer编码器架构下同时进行24小时流域径流预测和降雨时间超分辨率重建	提出共享Transformer编码器与任务特定解码器的统一多任务框架，将径流预测和降雨超分辨率任务整合在同一架构中，展示联合优化的优势	未明确讨论计算资源消耗或大规模基准测试的局限性	探索多任务学习在水文过程建模中的潜力，实现共享学习以提升径流预测精度并保持降雨重建质量	24小时流域径流预测和降雨时间超分辨率任务	机器学习	NA	深度学习	Transformer	时间序列数据	未明确说明样本数量	NA	Transformer	准确性、重建性能	NA
2907	2026-08-28	Research on a belt roller fault diagnosis method based on adaptive band-time KAN 2026-Jun-11, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-55338-7 PMID:42270699	研究论文	提出一种基于自适应频带KAN的皮带滚筒故障诊断方法，通过自适应频带梅尔滤波器组和时间卷积网络提升故障诊断精度和跨工况泛化能力	设计基于故障机制的自适应频带梅尔滤波器组，通过非均匀频率轴重映射和三阶峰值检测增强关键故障频带的分辨率；引入KAN层利用可学习B样条基函数动态分析频域非线性耦合关系，实现特征分辨率增强与动态建模的协同优化	未明确提及局限性信息	解决现有深度学习故障诊断方法频率分辨率不足和动态适应性差的问题，提高皮带滚筒故障诊断的准确性和跨工况泛化能力	皮带输送机滚筒故障	故障诊断	不适用	故障诊断方法	KAN、时间卷积网络	振动信号	NA	NA	KAN、时间卷积网络	准确率	NA
2908	2026-08-28	Comparative performance of one-stage and two-stage deep learning models for instance segmentation of overhanging dental restorations on bitewing radiographs 2026-Jun-11, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-57540-z PMID:42270756	研究论文	本研究开发并比较了单阶段和两阶段深度学习模型在咬翼放射片上自动检测和分类悬突牙科修复体的实例分割性能	首次系统比较单阶段YOLO11和两阶段Detectron2架构在悬突牙科修复体实例分割中的性能，并采用非参数自助抽样量化不确定性	本研究为单中心回顾性研究，需要进行多中心和不同成像系统的外部验证才能适用于常规临床决策支持	开发和比较深度学习实例分割模型，以自动检测和分类咬翼放射片上的悬突牙科修复体，重点关注单阶段和两阶段架构的相对性能	咬翼放射片上的牙科修复体，分为理想和悬突两类	计算机视觉	牙科疾病	NA	实例分割模型，包括YOLO11变体和Mask R-CNN、Cascade Mask R-CNN、PointRend	图像	1236张匿名咬翼放射片	PyTorch, Detectron2	YOLO11n-seg, YOLO11s-seg, YOLO11m-seg, Mask R-CNN, Cascade Mask R-CNN, PointRend	COCO风格实例分割指标（AP50-95, AP50, AP75, AR@100），以及基于自助重采样的95%置信区间	NA
2909	2026-08-28	A deep learning framework for emotion recognition in music using multimodal data fusion 2026-Jun-11, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-50471-9 PMID:42270798	研究论文	提出了一种基于多模态数据融合的深度学习框架，用于音乐情感识别，通过引入谐波语义编码器和对比谐波对齐策略来提升性能	引入谐波语义编码器（HSE）的双通路架构，结合卷积神经网络和Transformer全局编码器，以及谐波感知注意力机制和层级对比学习目标（CHA）	未明确提及，但可能包括对跨类型泛化能力、长时依赖建模和层次情感结构捕获的挑战仍未完全解决	提高音乐情感识别的准确性和鲁棒性，并解决现有方法在跨流派泛化、长时依赖建模和层次情感结构捕获方面的不足	音乐音频、歌词和元数据	机器学习	不适用	深度学习，多模态数据融合	卷积神经网络（CNN），Transformer	音频、文本（歌词）、元数据	PMEmo和GlobalMood数据集（具体样本数未在摘要中提供）	未明确提及（可能使用PyTorch或TensorFlow）	谐波语义编码器（HSE）双通路架构，包含CNN和Transformer，以及谐波感知注意力机制	准确率（Accuracy）、Macro-F1分数	未明确提及
2910	2026-08-28	A systematic comparison of machine learning models for missing value imputation in household electricity consumption data 2026-Jun-11, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-51159-w PMID:42277144	研究论文	对30种机器学习模型进行系统性基准测试，以填补家庭用电时间序列中的缺失值，并评估其性能。	首次对涵盖线性、树集成、支持向量机和深度学习等30种模型进行广泛比较，并提出三阶段级联混合框架，提供跨模型排名和可复用的多指标评估体系。	仅基于家庭用电数据的特定场景，可能不适用于其他类型的时间序列数据，且未考虑极端缺失模式的影响。	比较不同机器学习模型在家庭用电缺失值插补中的性能，提供证据支持的模型选择指导，并建立基准评估框架。	家庭用电时间序列数据中的缺失值插补任务。	机器学习	NA	NA	线性模型、树集成、支持向量机、深度学习（如LSTM）	时间序列数据	家庭用电数据，具体样本量未说明	NA	Extra Trees Regressor、Random Forest、LSTM等	MAE, RMSE, MAPE	NA
2911	2026-08-28	Swin-DRNet: A robust transformer framework for diabetic retinopathy screening under heterogeneous imaging conditions 2026-Jun-11, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-57053-9 PMID:42277173	研究论文	提出了一种基于Swin Transformer的稳健框架Swin-DRNet，用于在异构成像条件下进行糖尿病视网膜病变筛查	结合多阶段对比度自适应预处理、类别感知表示学习和焦点优化损失设计，全部集成在Swin Transformer的层级架构中，以提高病变可见性、稳定不均衡类别的学习过程，并增强多源眼底照片输入的筛查鲁棒性	未提及	开发一种可靠且可扩展的自动化糖尿病视网膜病变筛查框架，适用于异构成像平台和严重类别不平衡的真实世界远程眼科实践	糖尿病视网膜病变筛查，涉及眼底照片	计算机视觉	糖尿病视网膜病变	眼底摄影	Swin Transformer	图像	三个公开基准数据集：APTOS 2019、IDRiD、Messidor2，具体样本数量未提及	PyTorch	Swin Transformer	准确率、F1分数、ROC-AUC、召回率	未提及
2912	2026-08-28	A lightweight ResNet50V2-ECA model for renal cell carcinoma grading: efficiency, calibration, and state-of-the-art performance 2026-Jun-11, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-56836-4 PMID:42277241	研究论文	提出一种轻量级ResNet50V2-ECA模型用于肾细胞癌分级，通过单次高效通道注意力模块实现高精度且计算高效的分类	在ResNet50V2最后卷积层后仅添加一个高效通道注意力块，避免多阶段注意力的计算冗余，同时保持空间分辨率，实现轻量级（0.25M参数，3.1 GFLOPs）且高性能的肾细胞癌分级	结果虽表明临床部署潜力强，但需外部多中心验证以确认泛化性	开发一个轻量级、高效且校准良好的肾细胞癌ISUP分级系统，适合临床部署	肾细胞癌组织病理全切片图像（WSI）	数字病理学	肾细胞癌	组织病理学图像分析	CNN（卷积神经网络）	图像	722个全切片图像（WSI），包含3,442个训练块，涵盖五个ISUP分级	NA	ResNet50V2, ECA	准确率, 精确率, 召回率, F1分数, 特异性, 平衡准确率, AUC	NA
2913	2026-08-28	Benchmarking GPT-5, Gemini 2.5 Pro, Grok 4, and other LLMs on pediatric dentistry questions from a dental specialization exam 2026-Jun-11, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-57392-7 PMID:42277236	研究论文	评估多种大型语言模型在土耳其牙科专科考试儿科牙科问题上的表现，并比较其准确性与响应时间	首次系统性地对多个最新大型语言模型（包括GPT-5、Gemini 2.5 Pro等）在儿科牙科专业考试问题上的性能进行基准测试，并揭示速度与准确性之间的权衡	仅使用土耳其牙科专科考试的问题，可能限制结果的普遍适用性；未涉及模型内部工作机制或临床决策支持系统的实际应用	评估最新大型语言模型在儿科牙科专业考试问题中的准确性和响应速度，以探讨其在牙科教育和高风险评估中的潜在用途	包括GPT-5、Gemini 2.5 Pro、Grok-4、DeepSeek R1等在内的11个最新大型语言模型（17种推理模式激活）	自然语言处理	儿科牙科疾病	NA	大型语言模型	文本	119道儿科牙科问题，来自过去十年的牙科专科考试	NA	Transformer（基于大型语言模型的常见架构）	准确性（%）、平均响应生成时间（秒）	NA
2914	2026-08-28	IoMT-Blockchain framework for secure and real-time heart disease monitoring using hybrid black-winged optimized spherical structural graph convolutional neural networks 2026-Jun-11, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-57620-0 PMID:42277292	研究论文	提出一种基于IoMT和区块链的心脏病监测框架，结合混合黑翼优化球形结构图卷积神经网络，用于实时、安全的心脏病诊断	首次将混合黑翼优化算法与球形结构图卷积神经网络结合，并集成自适应哈希算法和公平共识区块链，以增强数据完整性和安全性	未提及	开发一个高精度、可扩展且安全增强的实时心脏病监测系统，以应对噪声信号、特征提取不足、分类精度有限和分布式环境安全问题	心脏疾病患者的心电信号和心音信号	数字病理学，机器学习	心血管疾病	心电图，心音图	图卷积神经网络，注意力网络	信号	未明确，使用公开数据集包括PhysioNet心脏信号数据集和Cleveland心脏病数据集	未提及	球形结构图卷积神经网络，混合结构图注意力网络，球形卷积神经网络	准确率，敏感性，特异性，F1分数	未提及
2915	2026-08-28	TM-Loop: Transformer multi-omics hierarchical detection of chromatin loop 2026-Jun-11, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-56418-4 PMID:42277293	研究论文	提出TM-Loop框架，整合多组学数据、Transformer深度学习和层次多尺度聚类以准确检测染色质环	结合多组学信号（ATAC-seq和CTCF ChIP-seq）构建加权特征系统，利用Transformer多头注意力捕捉全局和局部特征依赖，并通过双阈值过滤和锚点引导聚类降低假发现率	摘要未提及明确局限性	提高染色质环检测的准确性，特别是在低信噪比和高稀疏性的Hi-C接触矩阵中	染色质环	机器学习	癌症	Hi-C, ATAC-seq, CTCF ChIP-seq	Transformer	Hi-C矩阵, ATAC-seq信号, CTCF ChIP-seq信号	NA	NA	Transformer	APA, 蛋白质富集, 3D结构一致性	NA
2916	2026-08-28	Scene-aware contrastive learning with multi-scale domain-invariant feature alignment for robust visual recognition under complex scenes 2026-Jun-11, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-57271-1 PMID:42277359	研究论文	提出一种场景感知对比学习与多尺度域不变特征对齐的端到端框架，用于提升复杂场景下的视觉识别鲁棒性和跨域泛化能力	创新性在于结合物理启发的场景变换生成正样本对，并引入自适应难度加权机制引导对比学习关注难分辨的退化条件；同时提出多尺度域不变特征对齐和跨尺度一致性正则化防止语义漂移	未明确提及局限性	解决复杂视觉场景（如光照漂移、遮挡、恶劣天气和跨域传感器变化）下深度学习模型鲁棒性不足和域泛化能力差的问题	复杂场景下的视觉识别任务，具体包括PACS数据集和BDD-City跨域场景识别基准	计算机视觉	不适用	对比学习、域自适应、多尺度特征对齐	深度学习模型（具体类型未说明，采用编码器架构）	图像	未明确提及具体样本数量，使用PACS和BDD-City数据集	未明确提及	编码器层次结构（具体架构如ResNet等未指定）	平均跨域准确率	未明确提及
2917	2026-08-28	Performance evaluation of deep learning based YOLOv5 and YOLOv8 models for real time breast cancer detection in mammographic images 2026-Jun-10, Discover oncology IF:2.8Q2 DOI:10.1007/s12672-026-04746-2 PMID:42268482	研究论文	本研究评估了基于深度学习的YOLOv5和YOLOv8模型在乳腺X光图像中实时检测乳腺癌的性能，发现YOLOv8在所有评估参数上均优于YOLOv5	采用YOLO单阶段目标检测算法进行乳腺癌检测，相比传统方法和复杂分割模型，提高了速度和准确性，并首次比较了YOLOv5和YOLOv8在乳腺X光图像上的性能	研究仅使用了来自DDSM数据集的2,620幅数字化乳腺X光图像，可能无法代表更广泛的人群；模型需要进一步优化以实现实时临床应用	确定最有效且高效的深度学习算法，以减少乳腺癌筛查中的假阳性和假阴性率，并评估其在临床应用的潜力	乳腺X光图像中的乳腺癌病变，包括正常、良性和恶性病例	计算机视觉	乳腺癌	NA	YOLO（YOLOv5和YOLOv8）	图像（乳腺X光图像）	2,620幅数字化乳腺X光图像（来自DDSM数据集）	NA	YOLOv5, YOLOv8	F1分数, 精确率, 召回率, 平均精度均值(mAP)	NA
2918	2026-08-28	An adversarial-resilient intrusion detection framework for internet of medical things (IoMT) using digital twin-enabled behavioral threat modeling and federated hybrid ensemble learning 2026-Jun-10, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-55893-z PMID:42270792	研究论文	提出并评估了一种结合数字孪生技术和联邦混合集成学习的对抗鲁棒性入侵检测框架，用于医疗物联网（IoMT）安全	提出集成数字孪生与边缘云计算的安全框架，结合联邦学习进行行为威胁建模，并通过混合集成学习增强对FGSM对抗攻击的鲁棒性	摘要未提及具体限制	提高IoMT设备对高级网络攻击的实时检测性能，并确保在资源受限条件下保持高准确率和对抗鲁棒性	IoMT网络中的设备和行为数据	机器学习	NA	NA	XGBoost、混合集成学习、深度学习模型	网络流量数据（SmartWard数据集）	基于SmartWard数据集，具体样本数未提及	NA	XGBoost、混合集成架构	精确率、召回率、ROC-AUC、推理时间	NA
2919	2026-08-28	Home-based eye tracking for early autism screening: a scoping review of approaches, evidence, and implementation challenges 2026-06-06, BMC psychiatry IF:3.4Q2 DOI:10.1186/s12888-026-08255-y PMID:42251334	综述	本综述综合了家庭部署眼动追踪作为早期自闭症谱系障碍筛查的数字生物标志物的证据、机器学习方法和实施可行性	首次系统性地综述了家庭可部署的眼动追踪技术用于早期ASD筛查，涵盖了从实验室到家庭部署的四阶段平台，并评估了其转化准备度	仅检索了PubMed和Scopus两个数据库，时间窗口限定为2015-2025年，仅纳入英文文献，且未进行批判性评价	评估家庭部署眼动追踪作为早期ASD筛查数字生物标志物的证据、相关机器学习方法和真实世界实施的可行性	婴幼儿和儿童（年龄从5个月到18岁）	数字病理学	自闭症谱系障碍	眼动追踪	机器学习模型（如SVM、随机森林）和深度学习模型	眼动数据	90项研究，样本量从30到1000以上不等	NA	NA	PPV、NPV、置信区间	NA
2920	2026-08-28	THC-net: an attention-based deep learning model for chromatin compartment prediction from histone modifications 2026-Jun-03, BMC bioinformatics IF:2.9Q1 DOI:10.1186/s12859-026-06504-1 PMID:42237102	研究论文	提出THC-Net，一种基于注意力机制的深度学习模型，用于从组蛋白修饰预测染色质区室（A/B区室），并在多个细胞系中验证其性能。	整合了Transformer的自注意力机制、Hyena算子的长序列建模能力和卷积神经网络的局部特征提取优势，形成多模态深度学习架构，用于染色质区室预测。	摘要未明确提及局限性，但可能受限于依赖特定组蛋白修饰特征，且跨细胞类型验证仅基于六种细胞系。	开发一种精确预测染色质A/B区室的深度学习方法，以替代昂贵的Hi-C实验，并揭示细胞类型特异的表观遗传调控网络。	六种细胞系（IMR90, HMEC, K562, GM12878, HUVEC, NHEK）的染色质区室及其组蛋白修饰数据。	生物信息学，机器学习	不适用	组蛋白修饰数据（可能来自ChIP-seq），Hi-C	深度学习模型（结合Transformer、Hyena和CNN）	表观遗传标记数据（组蛋白修饰特征）和染色质区室标签	六种细胞系（每种细胞系的具体样本数未在摘要中说明）	NA	Transformer, Hyena, CNN（可能是混合架构）	AUROC（平均93.1%，在跨细胞类型验证中）	NA