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
3221	2026-06-30	STORM: Exploiting Spatiotemporal Continuity for Trajectory Similarity Learning in Road Networks 2026-Mar, IEEE transactions on knowledge and data engineering IF:8.9Q1 DOI:10.1109/tkde.2025.3650227 PMID:41953048	研究论文	提出一种名为STORM的方法，利用时空连续性在路网中进行轨迹相似性学习	通过预训练生成与特定相似性度量解耦的嵌入，再通过精细微调嵌入以捕获指定相似性度量的细微差别；轨迹建模捕捉时空连续性，包括面向轨迹的路段嵌入和增强时空语义的Transformer编码器	NA	在路网中实现高效、有效的轨迹相似性学习，兼顾通用性和针对性	路网中的轨迹数据	机器学习	NA	NA	Transformer	轨迹数据	NA	NA	Transformer编码器	NA	NA
3222	2026-06-30	Clinical accuracy of cephalometric analysis using deep learning-based automated landmark identification on CBCT in class I and class II malocclusions 2026-Feb-24, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-41408-3 PMID:41730989	研究论文	本研究基于深度学习自动标志点识别在CBCT上进行三维头影测量分析，评估其临床准确性，并探讨算法精度与临床有效性的关系	使用优化U-Net架构结合Efficient Global Attention模块进行自动标志点识别，并系统评估了MRE与临床有效性之间的关系	角度测量受方向误差影响较大，MRE指标单独不足以全面评估自动头影测量分析准确性，混合牙列患者部分标志点（如下颌角、切牙根尖点）仍需人工微调	评估基于深度学习的自动标志点识别在CBCT三维头影测量的临床准确性，并研究算法精度与临床有效性的关系	75例I类/II类错颌畸形患者的CBCT扫描数据	数字病理学	错颌畸形	CBCT	CNN	图像	75例CBCT扫描	PyTorch	U-Net, Efficient Global Attention模块	配对t检验/Wilcoxon符号秩检验, 组内相关系数, Bland–Altman分析, 平均径向误差	NA
3223	2026-06-30	Predicting suicidal and self-harm ideation using ecological momentary assessment: deep learning analysis in a general population sample 2026-Feb-10, BMC psychiatry IF:3.4Q2 DOI:10.1186/s12888-026-07815-6 PMID:41664026	研究论文	利用生态瞬时评估（EMA）数据通过深度学习预测普通人群中的自杀和自伤意念	首次在普通人群中证明简短间接的EMA数据可通过LSTM深度学习模型预测两周后的自杀和自伤意念，无需直接询问敏感问题，且具有高依从率（94%）	研究样本局限于韩国成人，可能影响泛化性；未涉及临床人群；EMA项目仅包含7个日常条目，可能遗漏其他重要预测因素	评估通过智能手机APP收集的简短间接EMA数据能否预测普通人群两周后的自杀和自伤意念	韩国499名成人，通过BIG4+APP完成28天EMA报告，评估情绪、睡眠、食欲、注意力、疲劳和孤独感	机器学习	自杀意念、自伤意念	生态瞬时评估（EMA）	循环神经网络（RNN）	时间序列文本数据	499名韩国成人，EMA数据共28天，每天7个条目	NA	长短期记忆网络（LSTM）	AUC	NA
3224	2026-06-30	Multi-window temporal analysis for enhanced arrhythmia classification: leveraging long-range dependencies in electrocardiogram signals 2026-01-28, Physiological measurement IF:2.3Q3 DOI:10.1088/1361-6579/ae3937 PMID:41539004	研究论文	提出基于结构化状态空间模型的S4ECG架构，通过多窗口联合分析长达2分钟的心电信号，提升心律失常分类性能	首次将结构化状态空间模型应用于多窗口心电信号分析，实现长达2分钟的时间依赖捕获，显著降低房颤检测假阳性率3-10倍	最佳诊断窗口为10-20分钟，超过此范围性能出现平台期或下降	通过多窗口时间分析改善心律失常分类的假阳性率和跨数据集泛化能力	心电信号中的心律失常，特别是房颤和房扑	机器学习	心血管疾病	心电信号分析	结构化状态空间模型	时间序列信号	四个公开数据库，包含多中心心电记录	NA	S4（结构化状态空间模型）	宏平均AUC, 特异性, 灵敏度	NA
3225	2026-06-30	Deep Learning-Based Detection of Reticular Pseudodrusen in Age-Related Macular Degeneration 2026 Jan-Feb, Clinical & experimental ophthalmology DOI:10.1111/ceo.14607 PMID:40922557	研究论文	开发并外部测试深度学习模型用于在光学相干断层扫描中检测年龄相关性黄斑变性的网状假性玻璃膜疣	首次开发了专家级别的深度学习模型，用于自动分割和检测网状假性玻璃膜疣，并在多中心试验数据上进行了外部验证	文章未提及明显的局限，但外部测试数据集可能覆盖范围有限	开发并验证深度学习模型以自动检测年龄相关性黄斑变性中的网状假性玻璃膜疣	年龄相关性黄斑变性患者的光学相干断层扫描图像	计算机视觉, 数字病理学	年龄相关性黄斑变性	光学相干断层扫描	深度学习模型（实例分割）	图像	9800个光学相干断层扫描B扫描（内部测试250个，外部测试1017只眼睛来自812名个体）	NA	NA	Dice相似系数, 受试者工作特征曲线下面积	NA
3226	2026-06-30	Decoding Herbal Medicine: Machine Learning-Driven Insights into Structural Identification and Pharmacological Research 2026, The American journal of Chinese medicine DOI:10.1142/S0192415X26500370 PMID:42273967	综述	综述了人工智能和机器学习在阐明草药药理机制中的应用，重点关注活性化合物的识别和药理作用	综述了人工智能驱动的分析框架如何提高机制阐明的精确性和效率	植物材料的变异性和缺乏系统的药理研究仍是主要挑战	总结人工智能和机器学习在草药药理机制研究中的最新进展	草药中的植物源化合物及其药理活性	机器学习	NA	机器学习、深度学习、质谱、核磁共振	深度学习	化学-生物数据集	NA	NA	NA	NA	NA
3227	2026-06-30	Contour Field-Based Elliptical Shape Prior for the Segment Anything Model 2026, IEEE transactions on image processing : a publication of the IEEE Signal Processing Society IF:10.8Q1 DOI:10.1109/TIP.2026.3702431 PMID:42301843	研究论文	提出一种基于轮廓场的椭圆形状先验方法，将其集成到Segment Anything Model中，以提高图像分割精度	首次将参数化椭圆轮廓场先验信息融入SAM模型，利用变分方法，通过分解SAM为四个数学子问题并设计新的网络结构，使分割输出限定为椭圆区域	仅在特定图像数据集上验证，可能缺乏通用性，未提及对复杂形状或非椭圆目标的适用性	提高医学和自然图像中椭圆形状目标分割的准确性	需要椭圆形状分割的医学和自然图像	计算机视觉, 数字病理学	NA	NA	SAM（Segment Anything Model）	图像	NA	PyTorch	SAM, 椭圆轮廓场	分割精度	NA
3228	2026-06-30	Performance of federated versus centralized learning for mammography classification across film-digital domain shift 2026, Frontiers in digital health IF:3.2Q2 DOI:10.3389/fdgth.2026.1715858 PMID:41958456	研究论文	比较联邦学习与集中式学习在乳腺X线摄影分类中，面对胶片-数字域差异时的性能表现	首次系统评估联邦学习在胶片-数字乳腺X线摄影领域异构性下的鲁棒性，并揭示域偏移是性能下降的主导因素而非数据量或优化器不稳定性	仅使用两个公共数据集，未涉及真实临床多中心场景；联邦学习在胶片域性能显著下降且现有聚合策略未能有效缓解	评估联邦学习在强成像域异构性（胶片-数字转换）下的性能稳定性	良性-恶性病变分类，使用CBIS-DDSM（扫描胶片）和VinDr-Mammo（全视野数字）数据集	计算机视觉	乳腺癌	乳腺X线摄影	ResNet-50, Swin V2-T	图像	CBIS-DDSM和VinDr-Mammo两个公共数据集（具体样本数未明确）	PyTorch	ResNet-50, Swin V2-T	AUROC, AP, 准确率, 精确率, 召回率, F1分数, Precision@Recall=0.90	NA
3229	2026-06-30	Machine learning in neuroimaging for predicting H3K27M mutations in diffuse midline gliomas: a systematic review and meta-analysis 2026, Frontiers in medicine IF:3.1Q1 DOI:10.3389/fmed.2026.1746840 PMID:41958562	系统综述与荟萃分析	系统评估基于神经影像的机器学习模型在预测弥漫性中线胶质瘤H3K27M突变中的诊断性能	首次通过荟萃分析比较MRI和PET/CT两种影像模式的机器学习模型预测H3K27M突变性能，并探讨深度学习架构与DNA测序作为参考标准对模型性能的影响	仅纳入16项研究，可能存在发表偏倚；不同研究间MRI序列和ML算法存在异质性，影响结果泛化性	评估基于神经影像的机器学习模型在非侵入性预测弥漫性中线胶质瘤H3K27M突变中的诊断性能	弥漫性中线胶质瘤患者	机器学习	弥漫性中线胶质瘤	MRI, PET/CT	机器学习模型（包括深度学习和传统机器学习）	影像数据	内部验证共2357名患者，外部验证共1792名患者	NA	深度学习架构（如CNN等），传统机器学习算法	敏感性，特异性，AUC	NA
3230	2026-06-30	Discrete wavelet transform-driven optimized deep learning-based framework for dyslexia detection using EEG signals 2026, Frontiers in neuroinformatics IF:2.5Q3 DOI:10.3389/fninf.2026.1765088 PMID:41958705	研究论文	提出一种基于离散小波变换和优化深度学习的框架，利用脑电图信号检测阅读障碍	结合离散小波变换对EEG信号进行频带分解，并设计紧凑深度神经网络（四隐藏层），在51名儿童数据集上达到98.85%的分类准确率，优于传统机器学习和原始EEG深度学习方法	样本量较小（51名参与者），且仅针对5-10岁儿童，可能影响模型泛化性	开发基于EEG信号的阅读障碍自动检测方法，实现早期诊断和干预	51名儿童（26名阅读障碍患者和25名正常对照）的脑电图信号	机器学习	阅读障碍	EEG信号采集、离散小波变换	深度神经网络（DNN）、1D-CNN、LSTM、EEGNet、决策树、SVM、k-NN、集成学习	脑电图信号（EEG）	51名参与者（26名阅读障碍患者和25名正常对照）	NA	紧凑深度神经网络（四隐藏层）、1D-CNN、LSTM、EEGNet	分类准确率（98.85%）	NA
3231	2026-06-30	LeafFusionNet: a hybrid deep learning approach for robust plant disease detection 2026, Frontiers in artificial intelligence IF:3.0Q2 DOI:10.3389/frai.2026.1773329 PMID:41959626	研究论文	提出一种名为LeafFusionNet的混合深度学习模型，用于稳健的植物病害检测	结合卷积神经网络和视觉Transformer，并引入高效的叶片纹理注意力模块LeafTAM以及Gabor滤波器层，以同时捕捉全局和局部特征，增强纹理特征提取能力	该模型仅在Plant Village数据集上进行训练和验证，可能在其他数据集或实际场景中的泛化能力需要进一步验证	实现早期、准确且可解释的植物病害自动检测，以支持可持续农业和早期干预	植物叶片病害	计算机视觉	植物病害	深度学习	混合模型（CNN-ViT）	图像	Plant Village数据集（未明确具体数量）	NA	LeafFusionNet（包含CNN、Vision Transformer、LeafTAM注意力模块、Gabor滤波器层）	准确率、精确率、召回率、F1分数	NA
3232	2026-06-30	Global hotspots and trends in the application of neoadjuvant therapy for gastric cancer: a bibliometric analysis 2026, Frontiers in oncology IF:3.5Q2 DOI:10.3389/fonc.2026.1795575 PMID:41959905	研究论文	通过文献计量学分析新辅助治疗在胃癌中应用的全球热点与趋势	首次利用文献计量学方法系统分析新辅助治疗在胃癌中的研究热点与未来趋势，包括深度学习应用和免疫检查点抑制剂等方向	NA	分析新辅助治疗在胃癌中应用的现状、热点与研究趋势	新辅助治疗在胃癌中的应用	文献计量学	胃癌	NA	NA	文献数据	2666篇文献	NA	NA	NA	NA
3233	2026-06-30	ViTCNN: a robust hybrid CNN-Vision Transformer based deep learning framework for multi-disease diagnosis in women's healthcare 2026, Frontiers in oncology IF:3.5Q2 DOI:10.3389/fonc.2026.1746864 PMID:41959916	研究论文	提出一种结合EfficientNetB0和Vision Transformer的混合深度学习框架，用于女性健康中的多疾病诊断	首次将EfficientNetB0的空间特征提取能力与Vision Transformer的上下文推理能力结合，通过共享骨干和多头架构实现乳腺癌、宫颈癌和多囊卵巢综合征的同步检测	数据集规模有限且缺乏临床验证，未来需扩大数据集并进行真实世界诊断部署验证	开发一个能够同时检测多种女性疾病的稳健深度学习框架	乳腺癌、宫颈癌和多囊卵巢综合征的诊断图像	计算机视觉	乳腺癌、宫颈癌、多囊卵巢综合征	诊断图像分析	CNN-Vision Transformer混合模型	图像	包含数千张标注诊断图像的不同数据集	TensorFlow, PyTorch	EfficientNetB0, Vision Transformer	准确率	NA
3234	2026-06-30	Multi-Organ metabolic profiling with [18F]F-FDG PET/CT predicts pathological response to neoadjuvant immunochemotherapy in resectable NSCLC 2025-12, European journal of nuclear medicine and molecular imaging IF:8.6Q1 DOI:10.1007/s00259-025-07350-8 PMID:40451983	研究论文	开发并验证一个结合多器官 PET 代谢指标的列线图，用于预测可切除非小细胞肺癌患者新辅助免疫化疗后的主要病理缓解	首次报道多器官代谢列线图，通过量化全身宿主-肿瘤代谢交互作用，优于传统的仅基于肿瘤的预测方法	NA	预测可切除非小细胞肺癌患者新辅助免疫化疗后的主要病理缓解	可切除非小细胞肺癌患者	机器学习	肺癌	18F-FDG PET/CT	LASSO回归、随机森林、列线图	PET/CT图像及代谢参数	115例患者	NA	NA	AUC, 特异性, 阳性预测值, 总体准确率	NA
3235	2026-06-30	Prognostic value of body composition out of PSMA-PET/CT in prostate cancer patients undergoing PSMA-therapy 2025-12, European journal of nuclear medicine and molecular imaging IF:8.6Q1 DOI:10.1007/s00259-025-07416-7 PMID:40580320	研究论文	研究基于PSMA-PET/CT的深度学习全身CT分割方法，评估转移性去势抵抗性前列腺癌患者在接受放射配体治疗前的身体成分的预后价值	首次利用深度学习模型从PSMA-PET/CT的CT组分中自动分割身体组织（包括内脏脂肪、皮下脂肪和肌肉间脂肪），并探索其与治疗预后的关联，超越传统PET-based评估	样本量较小（n=86），需要更大规模前瞻性数据集验证；为概念验证研究，结论需进一步证实	开发自动化全身CT分割方法，评估前列腺癌患者身体成分指标对放射配体治疗预后的预测能力	86名转移性去势抵抗性前列腺癌患者，在接受[177Lu]Lu-PSMA放射配体治疗前的PSMA-PET/CT扫描数据	医学影像与深度学习	前列腺癌（转移性去势抵抗性前列腺癌）	PSMA-PET/CT，深度学习分割模型	深度学习分割模型	CT图像（3D腹部CT体积及2D单层面图像）	86名转移性去势抵抗性前列腺癌患者	NA	NA	风险比、p值、Kaplan-Meier生存分析、对数秩检验	NA
3236	2026-06-30	In vivo confocal microscopy in ophthalmology: research trends from a bibliometric analysis 2025-11, Clinical & experimental optometry DOI:10.1080/08164622.2025.2459345 PMID:39933698	综述	通过文献计量分析，系统梳理了眼科体内共聚焦显微镜（IVCM）领域的研究趋势、影响性文章、作者、机构及新兴方向	首次对IVCM在眼科领域的研究进行全球性文献计量分析，并聚焦角膜神经和免疫细胞两个子方向，揭示深度学习、人工智能等新兴主题	仅基于Web of Science核心合集数据库，可能遗漏部分高质量研究；分析局限于标题和作者关键词检索，未涵盖全文内容	识别IVCM在眼科研究中具有影响力的文章、作者、机构及新兴趋势，为该领域提供发展路线图	IVCM在眼科中的研究文献	文献计量学	角膜疾病、眼表疾病	体内共聚焦显微镜（IVCM）	NA	文献计量数据	1,389篇文献（其中600篇为近十年发表）；亚组分析：角膜神经425篇、免疫细胞182篇	VOSviewer	NA	h指数、每篇平均引用次数	NA
3237	2026-06-30	Leveraging Swin Transformer for enhanced diagnosis of Alzheimer's disease using multi-shell diffusion MRI 2025-Jul-14, ArXiv PMID:40709302	研究论文	利用Swin Transformer对多壳层弥散MRI数据进行阿尔茨海默病诊断和淀粉样蛋白检测	首次将Swin Transformer应用于多壳层弥散MRI数据进行阿尔茨海默病分类和淀粉样蛋白检测，并采用低秩适应技术高效适应有限标注神经影像数据	数据样本规模有限，分类性能在淀粉样蛋白检测任务上仍有提升空间	利用多壳层弥散MRI中的微结构信息，基于视觉Transformer深度学习框架支持阿尔茨海默病的早期诊断和淀粉样蛋白积累检测	多壳层弥散MRI数据	计算机视觉	阿尔茨海默病	弥散磁共振成像	Swin Transformer	MRI图像	NA	PyTorch	Swin Transformer, Grad-CAM	平衡准确率	NA
3238	2026-06-30	Sepsis Important Genes Identification Through Biologically Informed Deep Learning and Transcriptomic Analysis 2025-07, Clinical and experimental pharmacology & physiology DOI:10.1111/1440-1681.70031 PMID:40356040	研究论文	使用生物信息深度学习模型P-NET鉴定脓毒症重要基因，并通过转录组分析验证其功能	首次将生物信息驱动的可解释AI模型P-NET应用于脓毒症关键基因识别，结合单细胞与多组学分析发现TIMP1、GSTO1和MYL6三个新标志物，并通过药物重定位策略筛选潜在靶向药物	未明确说明模型验证的外部数据集规模及临床样本的多样性限制	识别调控脓毒症免疫反应的关键基因，为治疗提供新靶点和生物标志物	脓毒症患者基因表达数据（包括bulk和单细胞层面）	机器学习	脓毒症	RNA-seq, 单细胞测序	P-NET（生物学信息驱动的可解释AI模型）	基因表达数据	NA	NA	P-NET	NA	NA
3239	2026-06-30	Deep learning MRI-based radiomic models for predicting recurrence in locally advanced nasopharyngeal carcinoma after neoadjuvant chemoradiotherapy: a multi-center study 2025-05-15, Clinical & experimental metastasis IF:4.2Q2 DOI:10.1007/s10585-025-10349-y PMID:40369240	研究论文	基于深度学习的MRI放射组学模型预测局部晚期鼻咽癌新辅助放化疗后复发的前瞻性多中心研究	首次将深度学习提取的MRI放射组学特征与传统放射组学特征结合，并联合临床特征构建综合预测模型，用于预测局部晚期鼻咽癌患者新辅助放化疗后的复发情况	未提及外部验证队列的独立验证，且样本量相对有限，可能影响模型的泛化性	验证基于深度学习的MRI放射组学模型在预测局部晚期鼻咽癌患者新辅助放化疗后复发中的临床价值	局部晚期鼻咽癌患者	医学影像分析，机器学习	鼻咽癌	MRI影像、放射组学特征提取	随机森林、机器学习分类器	MRI图像（对比增强T1加权和T2加权序列）	328名鼻咽癌患者（训练集229例，验证集99例）	NA	随机森林	受试者工作特征曲线下面积、准确率、灵敏度、特异度	NA
3240	2026-06-30	Leukaemia Stem Cells and Their Normal Stem Cell Counterparts Are Morphologically Distinguishable by Artificial Intelligence 2025-05, Journal of cellular and molecular medicine IF:4.3Q2 DOI:10.1111/jcmm.70564 PMID:40387596	研究论文	利用人工智能深度学习结合19个卷积神经网络模型，通过分析单细胞图像以高准确度区分白血病干细胞与正常干细胞	首次证明白血病干细胞具有独特的形态学特征，且人工智能能够提取和识别这些特征，而病理学家的显微镜观察无法做到	NA	利用人工智能识别白血病干细胞并监测其数量，以指导治疗选择和评估治疗反应及疾病预后	白血病干细胞（LSCs）和正常干细胞，以及真性红细胞增多症（PV）小鼠模型中的其他细胞谱系	数字病理学	血液系统恶性肿瘤（急性髓系白血病、骨髓增生性肿瘤）	单细胞成像	卷积神经网络（CNN）	图像	来自JAK2V617F敲入小鼠和健康小鼠的细胞样本（未明确具体数量）	NA	19个卷积神经网络组合，具体架构未明确	准确率（>99%）	NA