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
3081	2026-06-16	Improved tumor-only variant calling and mutation burden estimation with VarNet-T 2026-Apr-09, Nature communications IF:14.7Q1 DOI:10.1038/s41467-026-71705-4 PMID:41957035	研究论文	提出VarNet-T，一个不需要匹配正常样本即可从肿瘤测序数据中准确识别体细胞突变的端到端弱监督深度学习框架	首次实现无需匹配正常样本的肿瘤-only体细胞突变检测，采用弱监督深度学习框架和端到端训练方式	该信息在标题和摘要中未明确说明	开发无需匹配正常样本的肿瘤-only体细胞突变检测方法，提高肿瘤突变负荷估计准确性	肿瘤测序数据中的体细胞突变和肿瘤突变负荷	机器学习	癌症	NGS	深度学习框架	基因组测序数据	1000个肿瘤样本，覆盖10种实体癌类型	NA	VarNet-T	准确率	NA
3082	2026-06-16	MRI-based brain tumor detection through an explainable EfficientNetV2 and MLP-mixer attention architecture 2026-Apr-07, Physical and engineering sciences in medicine IF:2.4Q2 DOI:10.1007/s13246-026-01728-0 PMID:41945251	研究论文	提出一种基于EfficientNetV2和注意力MLP-Mixer架构的深度学习模型，用于脑肿瘤MRI图像的分类，实现高精度与可解释性	首次将注意力机制MLP-Mixer与EfficientNetV2结合用于脑肿瘤分类，并利用Grad-CAM可视化增强模型决策的可解释性	仅使用公开的Figshare数据集（3064张T1加权对比增强MRI图像），可能无法全面代表不同扫描协议或肿瘤亚型的多样性	开发一种高精度且可解释的深度学习模型，用于脑肿瘤MRI图像的自动分类，以辅助临床诊断	脑肿瘤患者的T1加权对比增强MRI图像，包含三种肿瘤类型	计算机视觉	脑肿瘤	MRI	EfficientNetV2、MLP-Mixer	图像	3064张T1加权对比增强脑部MRI图像	NA	EfficientNetV2、注意力MLP-Mixer	准确率、精确率、召回率、F1分数	NA
3083	2026-06-16	Benchmarking genomic foundation models for binary classification of gene fusion breakpoints from DNA sequences 2026-Apr-06, BioData mining IF:4.0Q1 DOI:10.1186/s13040-026-00553-1 PMID:41943075	研究论文	对四种基于Transformer的基因组基础模型（NT、Evo2、HyenaDNA和DNABERT2）进行基因融合断点二分类性能的基准测试	首次系统性比较多种基因组基础模型在基因融合断点分类任务上的表现，发现NT和Evo2生成的嵌入向量显著优于专门设计的深度学习基线，且所需训练数据量大幅减少	未提及模型在不同突变类型（如点突变、插入缺失）上的泛化能力，以及在实际临床样本中的验证情况	评估基因组基础模型在DNA序列中基因融合断点分类任务上的数据效率和性能	FusionAI数据集中的约52,000条10千碱基对DNA序列	机器学习	癌症（基因融合相关）	DNA测序数据，基因融合断点序列提取	Transformer	DNA序列	约52,000条10千碱基对DNA序列	PyTorch	Nucleotide Transformer, Evo2, HyenaDNA, DNABERT2	准确率, F1分数	未明确说明，但提及相对于基线模型（FusionAI）需要更少的计算时间
3084	2026-06-16	Multimodal Machine Learning for Early Prediction of Metastasis in a Swedish Multicancer Cohort 2026-Apr, JCO clinical cancer informatics IF:3.3Q2 DOI:10.1200/CCI-25-00141 PMID:42269139	研究论文	提出一种多模态机器学习框架，利用电子健康记录中的结构化与非结构化数据，提前一个月预测多种癌症的转移风险	首次在瑞典多癌种队列中整合结构化数据（人口统计、合并症、检验结果、用药记录）与非结构化临床文本，采用中间融合策略和TRIPOD 2a设计进行严格评估，并通过多模态SHAP分析特征重要性	结肠癌队列规模最小导致性能最低，表明训练数据量对模型的重要性；研究仅基于单一医院数据，未进行外部验证	早期预测癌症转移风险，为临床决策提供个性化治疗依据	瑞典卡罗林斯卡大学医院的四种癌症患者（乳腺癌、结肠癌、肺癌、前列腺癌）	机器学习	肺癌, 乳腺癌, 结肠癌, 前列腺癌	NA	深度学习分类器	结构化数据（人口统计、合并症、检验结果、用药记录）和非结构化临床文本	共3,890例：乳腺癌743例，结肠癌387例，肺癌870例，前列腺癌1,890例	NA	NA	AUROC, 精确率-召回率曲线下面积, F1分数, 灵敏度, 特异度	NA
3085	2026-06-16	Artificial intelligence-enabled histological analysis in pre-clinical respiratory disease models: a scoping review 2026-Apr, European respiratory review : an official journal of the European Respiratory Society IF:9.0Q1 DOI:10.1183/16000617.0243-2025 PMID:42270117	综述	对人工智能在临床前呼吸系统疾病模型组织学分析中的应用进行范围综述，总结现有研究的特点、进展与不足	首次系统梳理AI在临床前呼吸系统模型组织学分析中的应用现状，识别了验证、透明性和标准化方面的关键差距	大部分研究使用‘黑箱’模型，缺乏可解释性技术；外部验证缺失，数据集和代码共享较少，影响可重复性	评估人工智能在临床前呼吸系统疾病模型组织学分析中的应用潜力与当前挑战	临床前呼吸系统疾病模型（主要使用小鼠模型）的组织学图像	数字病理学	肺癌、肺纤维化、结核病	组织学染色（苏木精-伊红、胶原或免疫标记物染色）	卷积神经网络	图像	29篇符合纳入标准的原始研究（来自6271篇筛选文献）	NA	NA	准确率（≥90%，7项研究）；其他指标因研究而异	NA
3086	2026-06-16	Emerging Technologies in Higher Education Course Development: A Systematic Review of Design Frameworks, Learning Outcomes, and Pedagogical Integration 2026, F1000Research DOI:10.12688/f1000research.179684.2 PMID:42244518	综述	系统综述了1996至2025年间技术对高等教育课程设计、学习成果和参与度的影响	综合了76篇实证研究，采用混合方法叙事和定量合成，并比较了不同技术类型（如AR/VR、AI）和教学设计模型（如TPACK、ADDIE）的效果大小	长期行为和迁移效果鲜有观察，且存在基础设施限制、数字鸿沟和纵向评估不足等挑战	探讨技术如何影响高等教育中的课程设计、学生学习成果和参与度，并识别实施中的促进因素和障碍	76篇1996至2025年间经同行评审的实证研究	机器学习	不适用	不适用	深度学习模型（嵌入AI/混合/扩展现实）	文本（研究文献）	76篇同行评审实证研究	不适用	不适用	标准化效果估计（Cohen's d）、学习效果和参与度指标	不适用
3087	2026-06-16	Deep learning-assisted, pathogenesis-informed lung histopathology scoring in preclinical mouse models of SARS-CoV-2 and influenza A infection 2026, Frontiers in immunology IF:5.7Q1 DOI:10.3389/fimmu.2026.1826608 PMID:42245632	研究论文	该论文利用深度学习辅助的全切片卷积神经网络分析，结合类激活映射，对SARS-CoV-2和甲型流感病毒感染的小鼠肺部组织病理学进行病原学和阶段特异性评分	提出了一个病原体分辨、阶段知情的组织病理学评分指南，结合了病灶拓扑、水肿、上皮损伤-再生、重塑特征和淋巴细胞优势等形态学特征，并利用CNN/CAM分析区分病毒和阶段特异性组织学模式	NA	定义病毒和阶段特异性形态学特征，并将其转化为实用的、病理机制知情的组织病理学评分指南，用于临床前小鼠模型	雄性小鼠的肺部组织病理学样本	计算机视觉	病毒性肺炎	H&E染色, 免疫染色, 全切片卷积神经网络分析, 类激活映射	卷积神经网络	图像	每组多个小鼠（具体数量未提及，涉及早期、高峰损伤和晚期感染阶段）	NA	CNN	NA	NA
3088	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
3089	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
3090	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
3091	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
3092	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
3093	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
3094	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）
3095	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
3096	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
3097	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
3098	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
3099	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
3100	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