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
2921	2026-08-28	A multimodal interpretable deep learning-radiomics framework for predicting lymph node metastasis following neoadjuvant chemoradiotherapy in locally advanced rectal cancer: a multicenter validation study 2026-May-29, NPJ precision oncology IF:6.8Q1 DOI:10.1038/s41698-026-01510-1 PMID:42215698	研究论文	开发并外部验证了一个整合临床人口统计学、手工影像组学特征和深度学习特征的多模态MRI框架，用于预测局部晚期直肠癌新辅助放化疗后的淋巴结转移状态	提出了一种多模态可解释深度学习-影像组学框架，结合了临床信息、影像组学特征和深度学习特征，并通过SHAP和Grad-CAM增强模型可解释性，在多个中心进行外部验证	NA	准确评估新辅助放化疗后的淋巴结转移状态，以指导局部晚期直肠癌的治疗方案制定	382例接受新辅助放化疗后手术的局部晚期直肠癌患者	医学影像分析	直肠癌	磁共振成像	深度学习融合网络和随机森林	MRI图像（T2加权和弥散加权）及临床数据	382例患者，来自四个中心	NA	深度学习融合网络，随机森林	AUC，决策曲线分析	NA
2922	2026-08-28	A hybrid SE-ResNet50 deep learning framework for high-accuracy and explainable cotton leaf disease classification 2026-May-27, BMC plant biology IF:4.3Q1 DOI:10.1186/s12870-026-08960-6 PMID:42192298	研究论文	提出一种结合SE通道注意力模块的ResNet50混合深度学习框架，用于棉花叶部病害的高精度和可解释分类	将SE模块集成到ResNet50中，增强判别特征表示，并通过Grad-CAM可视化提升模型可解释性	未提及具体限制	实现棉花叶部病害的快速、可靠、自动化识别，支持可持续作物管理	棉花叶片疾病数据集，包含六类疾病	计算机视觉	棉花叶部病害	深度学习	CNN（ResNet50 + SE）	图像	公开数据集，六类，具体样本数未提及	未提及	ResNet50, Squeeze-and-Excitation (SE)模块	训练准确率, 验证准确率	未提及
2923	2026-08-28	Quantifying regional contributions to sex classification from fundus photographs via a two-stage attention-based deep learning approach 2026-May-20, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-53485-5 PMID:42162151	研究论文	本研究通过两阶段注意力深度学习框架，定量评估眼底照片中解剖区域（黄斑、视盘和视网膜血管）对生物学性别分类的相对贡献	引入了基于注意力的融合模块，产生区域级标量权重，可定量估计模型对各预定义ROI的依赖，补充了定性可解释性方法	未在摘要中明确提及局限性	量化眼底照片中不同视网膜区域对性别分类的贡献，支持更透明和可解剖解释的AI	眼底照片中的黄斑、视盘和视网膜血管区域	计算机视觉	NA	眼底照相	CNN	图像	3,478张眼部眼底图像，性别分布均衡，按受试者划分以避免信息泄漏	PyTorch	ResNet50	AUC, 敏感性, 特异性	NA
2924	2026-08-28	Using deep learning models and exogenous production variables to forecast prices in the Brazilian sugarcane sector 2026-May-06, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-45321-7 PMID:42091945	研究论文	本研究利用深度学习模型和外部生产变量预测巴西甘蔗行业的价格，包括白砂糖和含水乙醇燃料指标。	首次整合SAMUCA作物模拟器产量估计、气候指标和外部生产变量到价格预测模型中，并比较了多种机器学习模型与传统统计模型的性能。	未明确提及主要限制，但可能包括数据依赖性、模型泛化能力或对特定区域和作物的适用性。	开发结合甘蔗供应和气候条件变量的价格预测模型，以支持市场利益相关者的决策。	巴西甘蔗行业的白砂糖和含水乙醇燃料价格。	机器学习	NA	NA	LSTM, Transformer, MLP, ARIMA	时间序列数据、生产数据、气候数据	涉及巴西甘蔗行业的多种生产数据和气候数据，具体样本量未明确。	NA	LSTM, Transformer, MLP, ARIMA	MAPE, 其他误差指标（具体未列出）	NA
2925	2026-08-28	Deep Learning Model Based on Tumor and Visceral Adipose Tissue CT Features for Predicting Peritoneal Metastasis Risk after Radical Gastrectomy in Serosa-Invasive Gastric Cancer 2026-May, Radiology. Imaging cancer DOI:10.1148/rycan.250353 PMID:42029163	研究论文	开发并验证了一种整合肿瘤和内脏脂肪组织CT特征与临床指标的深度学习模型，用于预测浆膜浸润性胃癌根治术后腹膜转移风险	首次将肿瘤和内脏脂肪组织的CT影像特征与临床指标整合进多模态深度学习模型，用于预测浆膜浸润性胃癌术后腹膜转移风险	未在摘要中明确提及具体限制	开发并验证一个预测浆膜浸润性胃癌根治术后腹膜转移风险的深度学习模型	病理确诊的浆膜浸润性胃癌患者	深度学习	胃癌	CT成像	深度学习模型（ResNet18）和稀疏贝叶斯极限学习机	CT影像数据和临床数据	416名患者	NA	ResNet18	受试者工作特征曲线下面积（AUC）、综合判别改善指数（IDI）、校准曲线、决策曲线分析、无复发生存期	NA
2926	2026-08-28	PATCH: A deep learning method to assess heterogeneity of artistic practice in historical paintings 2026-Apr-17, Science advances IF:11.7Q1 DOI:10.1126/sciadv.aea0485 PMID:41996503	研究论文	提出一种名为PATCH的深度学习方法，无需外部训练数据即可识别历史绘画中艺术实践异质性，并应用于埃尔·格雷科的两幅作品。	提出无需外部训练数据的成对分配训练方法（PATCH），能识别个体艺术实践模式，超越了传统统计和无监督学习方法。	信息未明确提供，但可推测依赖少量历史画作，且对复杂成对比较问题缺乏“地面真值”数据。	利用机器学习解决历史绘画中艺术家身份识别和艺术实践异质性分类问题，无需外部训练样本。	两幅西班牙文艺复兴大师埃尔·格雷科的历史绘画，涉及作坊成员参与情况。	计算机视觉	NA	深度学习	神经网络（具体类型未指定）	图像（历史绘画）	两幅历史绘画样本	NA	NA	性能评估对比统计和无监督方法，具体指标未提及。	NA
2927	2026-08-28	A hybrid dual-stream CNN framework with dynamic data augmentation and improved Manta Ray Foraging Optimization for robust glaucoma detection 2026-Apr-17, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-45384-6 PMID:41998000	研究论文	提出一种混合双流卷积神经网络框架，结合动态数据增强和改进的蝠鲼觅食优化算法，用于自动化青光眼检测	结合DenseNet121和ResNet50的双流CNN结构，引入通道注意力机制，以及改进蝠鲼觅食优化算法进行超参数动态优化	未提及，需依赖临床数据验证	开发自动化且鲁棒的青光眼检测框架，解决数据不平衡、图像质量不一致和特征提取准确性等挑战	青光眼视网膜图像	计算机视觉, 医学图像分析	青光眼	深度学习，图像增强，优化算法	CNN（双流）	图像	四个公开数据集：ACRIMA、Drishti-Gs、ORIGA、RIM-ONE-DL	未明确提及，推测使用TensorFlow或PyTorch	DenseNet121, ResNet50	准确率, 精确率, 召回率, AUC, 损失值	未提及
2928	2026-08-28	Accuracy of Deep Learning for Detecting Axillary Lymph Node Metastasis in Breast Cancer: Systematic Review and Meta-Analysis 2026-Apr-16, Journal of medical Internet research IF:5.8Q1 DOI:10.2196/77593 PMID:41992690	系统评价与荟萃分析	本系统评价与荟萃分析评估了深度学习在检测乳腺癌腋窝淋巴结转移中的诊断性能，综合了28项研究的数据。	首次对深度学习在乳腺癌腋窝淋巴结转移检测中的性能进行系统评价，并基于不同影像模态（超声、MRI、CT）进行亚组分析，提供了全面的诊断准确性证据。	未在摘要中提及具体局限性，可能包括研究间的异质性、发表偏倚等。	评估深度学习在检测乳腺癌腋窝淋巴结转移中的有效性，为临床诊断工具提供证据支持。	乳腺癌患者，共20,811例，其中7,123例确诊为腋窝淋巴结转移。	医学影像分析	乳腺癌	NA	深度学习模型（具体类型未指定）	影像数据（超声、MRI、CT）	28项独立研究，涵盖20,811例乳腺癌患者。	NA	NA	敏感度、特异度、诊断比值比、曲线下面积、阳性似然比、阴性似然比	NA
2929	2026-08-28	An snRNA-seq aging clock for the fruit fly head sheds light on sex-biased aging 2026-Apr-14, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-48613-0 PMID:41981187	研究论文	该文介绍了一种基于果蝇头部单核RNA测序数据的衰老时钟TimeFlies，用于预测细胞年龄并揭示性别偏倚的衰老机制。	首次构建了泛细胞类型的单细胞转录组衰老时钟，并结合可解释性方法识别关键衰老标志基因。	基于果蝇模型，未在哺乳动物中验证；且未提供性能指标的定量比较。	开发基于基因表达的衰老时钟，并应用于研究衰老过程中的性别差异。	果蝇头部细胞及衰老相关基因。	机器学习	衰老相关疾病	单核RNA测序	深度学习	单核转录组数据	果蝇头部细胞样本（具体数量未在摘要中提供）	深度学习框架（未指定）	深度学习模型（未指定具体架构）	NA	NA
2930	2026-08-28	Deep learning-based stratification of Schizophrenia Spectrum Disorder from real-world data reveals distinct profiles of common and rare variant genetic signal 2026-Apr-04, medRxiv : the preprint server for health sciences DOI:10.64898/2026.03.30.26349393 PMID:41959828	研究论文	利用变分自编码器对丹麦iPSYCH队列的真实世界数据进行深度分层，识别出精神分裂症谱系障碍的十个临床亚组，并分析其常见和罕见遗传信号	首次将真实世界临床数据与常见及罕见遗传变异整合，通过变分自编码器进行无监督分层，揭示临床亚组与多基因评分及罕见变异负担的关联	罕见变异分析仅在部分样本（N=5,969）中进行，结果仅为提示性趋势；研究基于丹麦人群，结果可能不适用于其他种族或地区	探究精神分裂症谱系障碍的临床异质性，并整合常见和罕见遗传信号以实现生物学知情患者分类	丹麦iPSYCH队列中的22,092名个体（包括11,046例SSD患者和11,046名匹配对照）	机器学习	精神分裂症谱系障碍	外显子组测序	变分自编码器	注册表数据、外显子组数据	22,092名个体（11,046例SSD病例和11,046名对照），其中5,969名有外显子组数据	NA	变分自编码器	NA	NA
2931	2026-08-28	Deep-learning-based single-domain and multidomain protein structure prediction with D-I-TASSER 2026-Apr, Nature biotechnology IF:33.1Q1 DOI:10.1038/s41587-025-02654-4 PMID:40410405	研究论文	提出了一种混合方法D-I-TASSER，通过整合多源深度学习势能与迭代线程片段组装模拟，实现原子级蛋白质结构预测，并支持单域和多域蛋白的自动建模	首次将多源深度学习势能与传统基于物理的折叠模拟相结合，并引入域拆分和组装协议，能够自动建模大型多域蛋白质结构，且在基准测试和CASP15实验中表现优于AlphaFold2和AlphaFold3	文章未明确提及局限性，但可推测其对计算资源需求较高，且对于某些复杂蛋白结构可能仍存在预测误差	开发一种高精度的蛋白质结构预测方法，整合深度学习与物理模拟，以提升单域和多域蛋白的预测性能，并适用于基因组规模的应用	单域蛋白、多域蛋白以及人类蛋白质组中的蛋白域和全链序列	机器学习	不适用	深度学习（多源深度学习势能）	混合模型（深度学习与迭代线程组装模拟）	蛋白质序列和结构数据	基准测试集、CASP15实验蛋白以及人类蛋白质组中的蛋白域和全链序列（未提供具体数量）	不适用	不适用	准确率、覆盖率（如折叠蛋白域和全链序列的百分比）	不适用
2932	2026-08-28	Discovering Plastic-Binding Peptides with Favorable Affinity, Water Solubility, and Binding Specificity Through Deep Learning and Biophysical Modeling 2026-Apr-01, bioRxiv : the preprint server for biology DOI:10.64898/2026.03.30.715295 PMID:41959355	研究论文	本研究通过结合深度学习和生物物理建模的计算机模拟发现管道，设计了具有高亲和力、水溶性和结合特异性的塑料结合肽，以应对微塑料污染	首次将长短期记忆网络与蒙特卡洛树搜索算法结合，并引入CamSol溶解度评分和竞争性MCTS方法，同时优化肽对塑料的亲和力、水溶性和结合特异性	研究主要依赖计算预测和分子动力学模拟，缺乏实验验证，且仅针对聚乙烯和聚苯乙烯两种塑料类型	开发一种计算机模拟方法，用于发现具有高亲和力、水溶性和结合特异性的塑料结合肽，以支持微塑料污染治理	微塑料污染及塑料结合肽（针对聚乙烯和聚苯乙烯）	机器学习	不适用	分子动力学模拟	长短期记忆网络（LSTM）, 蒙特卡洛树搜索（MCTS）	生物物理建模数据	不适用（未提供具体样本数量）	不适用（未提及具体框架）	LSTM, MCTS	结合自由能, CamSol溶解度评分, 结合特异性	不适用（未提及具体计算资源）
2933	2026-08-28	Multimodal Machine Learning for Early Prediction of Metastasis in a Swedish Multicancer Cohort 2026-04, JCO clinical cancer informatics IF:3.3Q2 DOI:10.1200/CCI-25-00141 PMID:42269139	研究论文	提出一个多模态机器学习框架，利用电子健康记录数据提前一个月预测癌症转移风险，并在瑞典多癌种队列中进行了验证。	首次在多癌种队列中系统比较传统与深度学习分类器在不同模态及多模态融合策略下的性能，并采用多模态SHAP分析解释模型推理。	文本中未明确提及局限性，但结肠癌小队列性能较低表明数据量对模型性能有影响。	开发并评估一个基于电子健康记录的多模态机器学习框架，用于癌症转移风险的早期预测。	来自瑞典卡罗林斯卡大学医院的四种癌症患者队列，包括乳腺癌（n=743）、结肠癌（n=387）、肺癌（n=870）和前列腺癌（n=1890）。	机器学习	多癌种（乳腺癌、结肠癌、肺癌、前列腺癌）	电子健康记录数据分析	深度学习分类器、传统分类器	结构化数据（人口统计学、合并症、实验室结果、药物）和非结构化临床文本	总共3890名患者（乳腺癌743名，结肠癌387名，肺癌870名，前列腺癌1890名）	未指定，可能使用多种框架	未明确指定，包括深度学习模型（如Transformer）和传统模型（如逻辑回归）	AUROC、AUPRC、F1分数、敏感性、特异性	未提及
2934	2026-08-28	De novo Folding Mechanisms of Lasso Peptides 2026-Apr-01, bioRxiv : the preprint server for biology DOI:10.64898/2026.03.30.715466 PMID:41959090	研究论文	该研究结合分子动力学模拟和深度学习，揭示了20种无次级翻译后修饰的套索肽的从头折叠机制，并提出了代表性折叠模型及热力学和动力学原理。	首次整合多集合马尔可夫模型和变分自编码器聚类，揭示了套索肽普遍的上坡折叠景观和低于0.8%的自发折叠概率，并阐明了环稳定性和熵成本在折叠中的作用。	研究仅针对缺乏次级翻译后修饰的套索肽，可能未涵盖复杂修饰对折叠的影响。	阐明套索肽的从头折叠机制，包括热力学和动力学原理，为合理工程化提供基础。	20种缺乏次级翻译后修饰的套索肽，包括微菌素J25。	分子动力学模拟、深度学习	NA	分子动力学模拟、深度学习	多集合马尔可夫模型、变分自编码器	模拟轨迹数据	20种套索肽	PyTorch	变分自编码器	自发折叠概率、环稳定性（β-发夹形成）、熵成本	NA
2935	2026-08-28	Deep Learning-Based Detection of Oral Leukoplakia from Intraoral Images 2026-Apr, Journal of the College of Physicians and Surgeons--Pakistan : JCPSP DOI:10.29271/jcpsp.2026.04.526 PMID:42015441	研究论文	评估深度学习软件从口内照片中识别口腔白斑病变的有效性	首次使用多种深度学习模型（YOLOv5, YOLOv8, Mask R-CNN, U-Net）对口腔白斑进行检测，并比较其性能，其中YOLOv5表现最佳	样本量较小，且为单中心回顾性研究，可能限制结果的泛化性	评估深度学习软件在识别口腔白斑病变中的有效性，以支持早期诊断	口腔白斑病变的口内图像	计算机视觉	口腔白斑	不适用	YOLOv5, YOLOv8, Mask R-CNN, U-Net	图像	222张口内图像，分为训练集178张，验证集22张，测试集22张	不适用	YOLOv5, YOLOv8, Mask R-CNN, U-Net	精确度, 召回率, F1分数	不适用
2936	2026-08-28	EVALUATION OF NEUROCOMBAT AND DEEP LEARNING HARMONIZATION FOR MULTI-SITE MAGNETIC RESONANCE NEUROIMAGING IN YOUTH WITH PRENATAL ALCOHOL EXPOSURE 2026-Mar-31, ArXiv PMID:41958471	研究论文	本文评估了深度学习方法HACA3与统计方法neuroCombat在产前酒精暴露青少年多中心磁共振神经影像数据协调中的效果。	首次在儿科队列中验证HACA3深度学习方法在图像信号层面的协调能力，并探索将其与neuroCombat结合使用的效果。	仅在单一儿科队列和三个扫描仪上测试，未涉及其他年龄组或更多中心的数据，且需要进一步的研究来优化HACA3与统计方法的结合方式。	评估HACA3和neuroCombat在多中心磁共振神经影像中去除位点相关变异、保留生物学信号的能力，并测试二者结合的效果。	7至21岁青少年，包括产前酒精暴露病例和对照组，数据来自三个不同扫描仪。	计算机视觉	产前酒精暴露	磁共振成像（MRI）	深度学习模型（HACA3）	磁共振影像	未提供具体样本数量，涉及儿科队列（年龄7-21岁）	NA	HACA3	ANCOVA测试	NA
2937	2026-08-28	Development and validation of the ultrasound-based radiomics and deep learning prognostic models for diffuse large B-cell lymphoma 2026-Mar-20, Annals of hematology IF:3.0Q2 DOI:10.1007/s00277-026-06917-1 PMID:41857399	研究论文	本研究开发和验证了两种基于超声的影像组学和深度学习预后模型，用于弥漫性大B细胞淋巴瘤的风险分层和生存预测。	首次开发并验证了基于超声影像的影像组学和深度学习模型用于弥漫性大B细胞淋巴瘤的预后预测，并结合两者进行评估。	研究未明确提及局限性。	开发和验证超声影像组学及深度学习模型，用于弥漫性大B细胞淋巴瘤患者的风险分层和生存预测。	149例病理确诊的弥漫性大B细胞淋巴瘤患者。	医学影像分析	弥漫性大B细胞淋巴瘤	超声影像组学	影像组学模型、深度学习模型（ResNet50）	超声图像	149例患者，其中训练组75例，测试组74例	NA	ResNet50	AUC, C-index, DCA, calibration curve	NA
2938	2026-08-28	Remote monitoring of heart failure exacerbations using a smartwatch 2026-Mar, Nature medicine IF:58.7Q1 DOI:10.1038/s41591-026-04247-3 PMID:41862772	研究论文	该研究利用智能手表数据预测心力衰竭患者的每日峰值摄氧量，并评估其与不良事件的相关性	首次使用消费级智能手表数据通过深度学习模型预测每日峰值摄氧量，用于监测心力衰竭加重，并提供早期风险识别	未提及具体限制	评估智能手表数据用于预测心力衰竭患者每日峰值摄氧量，并关联其与医疗事件风险的可行性	心力衰竭患者	数字健康	心力衰竭	可穿戴设备数据	深度学习模型	时间序列数据	训练集154例，验证集63例，外部验证集另设	未提及	未提及	皮尔逊相关系数, 风险比, 置信区间, P值	未提及
2939	2026-08-28	PIGSKIN: PIG SKull stripping with synthetic Images and Neural networks 2026-Mar, AI in neuroscience DOI:10.1177/2997979x261429297 PMID:42614756	研究论文	本文介绍PIGSKIN，一种完全基于合成数据训练的深度学习框架，用于猪脑MRI的鲁棒脑提取，解决了现有工具在猪脑解剖结构上的不足	首次针对猪脑MRI提出系统性验证的脑提取方法，采用分离建模脑和非脑区域并应用不同变换参数，结合多模态T1和T2加权输入，实现单步原生分辨率推理	基于合成数据训练，可能对真实数据的变异覆盖有限；模型评估主要依赖Dice系数，缺乏更全面的性能指标验证	开发并验证一种适用于猪脑MRI的鲁棒脑提取深度学习方法，为猪模型神经影像研究提供可靠工具	猪脑MRI数据，包括不同品种、采集协议和损伤模型的猪脑图像	计算机视觉，数字病理学	创伤性脑损伤	MRI	深度学习网络	图像（MRI，T1和T2加权）	NA	NA	NA	Dice系数	NA
2940	2026-08-28	The combined use of cervical ultrasound and deep learning improves the detection of patients at risk for spontaneous preterm delivery 2026-01, American journal of obstetrics and gynecology IF:8.7Q1 DOI:10.1016/j.ajog.2025.09.012 PMID:40945809	研究论文	开发并验证基于深度学习的人工智能模型，利用宫颈超声图像预测自发性早产，并与宫颈长度测量性能进行比较。	首次大规模多中心研究表明，人工智能模型在预测自发性早产方面比宫颈长度测量更敏感，尤其适用于早期孕周，且能利用超声图像中的额外解剖特征。	未在文中明确提及局限性。	开发并验证用于预测自发性早产的人工智能模型，并评估其相对于传统宫颈长度测量的优势。	孕妇的宫颈超声图像和相关临床数据。	医学图像分析	早产	超声成像	深度学习模型	超声图像	包含4224例妊娠和7862张宫颈超声图像	未在标题和摘要中明确提及	未在标题和摘要中明确提及	曲线下面积、敏感性、特异性、似然比	未在标题和摘要中明确提及