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
3361	2026-07-30	Multimodal Deep Learning Approaches for Lung Disease Detection: A Review 2026-Jun-24, Medicina (Kaunas, Lithuania) DOI:10.3390/medicina62071223 PMID:42512766	综述	对2019-2024年间多模态深度学习在肺病检测中的应用进行系统性综述	首次整合影像、声音和电子健康记录多种模态，识别主流架构、性能基准及转化障碍	结果依赖有限数据集，缺乏标准化基准和多中心验证	综述多模态深度学习在肺病检测中的最新进展，并分析其临床转化潜力	肺病检测的深度学习模型和算法	机器学习	肺病	深度学习	CNN, Transformer, Wav2Vec 2.0	图像, 声音, 文本	不明（综述性研究）	NA	CNN, Transformer	不明	NA
3362	2026-07-30	Attention-Based Multimodal Framework for Athlete-Performance Analysis and Rehabilitation Monitoring Using Vision and Wearable Sensors 2026-Jun-23, Bioengineering (Basel, Switzerland) DOI:10.3390/bioengineering13070718 PMID:42510385	研究论文	提出一种基于注意力的多模态框架，融合可穿戴惯性传感器和RGB视频数据，用于运动员表现分析和康复监测	首次提出结合注意力机制、可穿戴惯性传感和计算机视觉的多模态框架，实现运动员运动模式的鲁棒识别与分析	未明确说明局限性	开发并评估一种基于注意力的多模态框架，通过融合可穿戴惯性传感和RGB视频分析，实现运动员表现评估和康复监测中的人体运动模式准确识别	运动模式识别、运动员表现分析、康复监测	计算机视觉, 数字病理学	NA	惯性传感, RGB视频分析, 自适应窗口分割, 轮廓细化	基于注意力的深度学习分类器	图像, 文本, 视频	VIDIMU数据集和UTD-MHAD数据集	PyTorch	注意力机制	准确率	NA
3363	2026-07-30	GAN-FixMatch: A generative-semi-supervised deep learning framework for small-sample quantitative analysis in near-infrared spectroscopy of agricultural and pharmaceutical materials 2026-06-22, Analytica chimica acta IF:5.7Q1 DOI:10.1016/j.aca.2026.345451 PMID:41997678	研究论文	提出一种结合生成式对抗网络与半监督学习的GAN-FixMatch框架，解决近红外光谱小样本定量分析中的标签稀缺问题	首次将生成式光谱建模与半监督一致性学习联合应用于近红外定量分析，克服传统数据增强和GAN标签策略的局限性	未提及框架在更大规模数据集或不同光谱仪器上的泛化能力，以及生成光谱对模型长期稳定性的影响	实现近红外光谱小样本条件下的高精度、鲁棒定量分析	农业和药用材料的近红外光谱数据	机器学习	NA	近红外光谱分析	GAN (生成对抗网络), FixMatch (半监督学习)	一维光谱数据	三个代表性数据集：药物颗粒、玉米粒、西洋参，样本量未明确给出	PyTorch	一维卷积神经网络（1D CNN），具体架构未指定	决定系数(R²)、均方根误差(RMSE)、残差预测偏差(RPD)	NA
3364	2026-07-30	AI for prognosis and treatment stratification in glioblastoma neurosurgery: a systematic review 2026-Jun-19, Journal of neuro-oncology IF:3.2Q2 DOI:10.1007/s11060-026-05676-3 PMID:42319645	综述	系统回顾了人工智能在胶质母细胞瘤神经外科预后和治疗分层中的应用	首次系统性评估了AI方法在GBM神经外科预后、风险分层、治疗反应评估及分子预测等多任务中的表现，并识别了文献中的异质性和验证不足问题	纳入文献异质性高、外部验证不充分且方法学报告不一致，限制了证据的临床转化	系统评价基于MRI和多模态围手术期数据的AI方法在GBM预后和治疗分层中的研究现状	胶质母细胞瘤患者的神经外科预后、风险分层、治疗反应评估、复发/进展预测及分子预测	机器学习	胶质母细胞瘤	NA	传统机器学习与深度学习混合模型	MRI影像数据及多模态围手术期数据	30项研究	NA	放射组学加传统机器学习、深度学习、混合深度学习加放射组学	NA	NA
3365	2026-07-30	Beyond the naked eye: a systematic review on the current state of radiomics approaches to the vestibular schwannoma 2026-Jun-16, Journal of neuro-oncology IF:3.2Q2 DOI:10.1007/s11060-026-05663-8 PMID:42301524	综述	系统评价影像组学在预测前庭神经鞘瘤临床结果和治疗反应中的当前应用	首次全面综述影像组学在前庭神经鞘瘤中的应用，涵盖传统机器学习和深度学习方法，并比较不同模型的预测性能	样本量小、回顾性设计、缺乏标准化和外部验证，限制了模型的广泛适用性	评估和总结影像组学预测前庭神经鞘瘤临床结果和治疗反应的潜力	前庭神经鞘瘤患者的MRI影像组学特征及临床结局	机器学习	前庭神经鞘瘤	MRI影像组学	CNN	影像	13项回顾性研究	NA	CNN	AUC	NA
3366	2026-07-30	Multimodal multitask deep learning for grading management system in non-small cell lung cancer 2026-Jun-15, Nature communications IF:14.7Q1 DOI:10.1038/s41467-026-74474-2 PMID:42297835	研究论文	开发了一种多模态多任务深度学习评分系统，整合PET/CT影像与临床变量，用于非小细胞肺癌的亚型分类、TNM分期和预后评估	首次构建了同时处理影像和临床数据的多任务学习框架，实现对NSCLC的亚型、分期和生存风险的非侵入性统一预测	未明确提及局限性，可能包括依赖特定影像协议、外部验证队列规模有限或长期随访数据不足	建立精准的NSCLC分级管理系统，改善肿瘤异质性导致的诊断不确定性	来自多中心的4164例非小细胞肺癌患者	计算机视觉, 机器学习	非小细胞肺癌	PET/CT影像	深度学习多任务网络	影像, 临床变量	4164例患者	NA	多模态多任务深度学习评分系统	AUC	NA
3367	2026-07-30	Fully Automated Detection of Pancreaticobiliary Maljunction Based on 3D Magnetic Resonance Cholangiopancreatography Using Deep Learning 2026-Jun-09, Digestion IF:3.0Q2 DOI:10.1159/000552759 PMID:42263040	研究论文	开发并验证一种利用三维磁共振胰胆管成像进行胰胆管合流异常全自动检测的深度学习模型	首次提出基于YOLOv5和Inception-ResNetV2的深度学习模型，实现胰胆管合流异常的全自动检测	未提及具体局限性	提高胰胆管合流异常的早期检测效率和诊断准确性	行磁共振胰胆管成像检查的患者	计算机视觉	胆道癌	磁共振胰胆管成像	YOLOv5, Inception-ResNetV2	医学图像（三维磁共振胰胆管成像）	200名患者（100名胰胆管合流异常，100名非对照组）	PyTorch	YOLOv5, Inception-ResNetV2	平均绝对误差, F1分数, 灵敏度, 特异度, 阳性预测值, 阴性预测值	NA
3368	2026-07-30	ORIGAMI: Orientation-Aware Graph Neural Network for Assessing Multimeric Interfaces of Protein Complex Structures 2026-Jun-03, bioRxiv : the preprint server for biology DOI:10.64898/2026.05.31.729128 PMID:42282808	研究论文	提出ORIGAMI，一种面向方向的图神经网络，用于评估蛋白质复合物结构的多聚体界面质量	首次在界面质量评估中结合标量和3D向量节点表示，保持SO(3)等变性，捕捉残基间的细粒度方向关系	未提及	开发能够利用几何方向特征的图神经网络，提高蛋白质复合物多聚体界面质量评估的准确性	蛋白质复合物结构的多聚体界面	机器学习	NA	NA	图神经网络（GNN）	蛋白质结构坐标数据	多个CASP挑战数据集	PyTorch	ORIGAMI	iLDDT分数，DockQ分数	NA
3369	2026-07-30	Single-Sequence Deep Learning Delivers Crystal-Quality Models of Covalent K-Ras G12 Hotspot Complexes 2026-Jun, IUBMB life IF:3.7Q2 DOI:10.1002/iub.70108 PMID:42287093	研究论文	展示Chai-1工具在无需多序列比对情况下准确预测共价K-Ras G12热点复合物结构的能力	首次证明公开可用的结构预测工具Chai-1无需多序列比对即可准确预测共价K-Ras(G12C)复合物，并提供约40倍于AlphaFold3的高通量	在捕捉化学细节如离去基团、键属性和立体化学方面存在局限性	加速共价药物发现，尤其是针对半胱氨酸以外的挑战性靶点	共价K-Ras G12热点复合物抑制剂（如ARS-853和BBO-8520）	结构生物学与深度学习	癌症（K-Ras突变相关）	结构预测	Chai-1	蛋白质-配体复合物结构数据	NA	NA	Diffusion模型（Chai-1基于diffusion架构）	袋对齐均方根偏差（RMSD）	NA
3370	2026-07-30	Exploring Real-Time Tracking of Vocal Fold Polyps in Video-Stroboscopy Using Deep Learning 2026-06, The Laryngoscope DOI:10.1002/lary.70396 PMID:41623203	研究论文	开发并评估基于深度学习的声带息肉实时跟踪系统，利用YOLO模型和时域跟踪算法在喉镜视频中实现接近实时的检测	首次将YOLO12与时间追踪算法结合用于声带息肉的视频喉镜实时检测，在保持接近实时速度（21.4fps）的同时将mAP@0.5提升至70.4%	研究为回顾性数据集且样本量有限，未提及不同喉镜设备或病变亚型的泛化能力验证，证据等级为4级	开发用于视频喉镜中声带息肉实时检测的深度学习系统，并评估时间追踪对检测性能的提升效果	声带息肉在视频喉镜图像中的检测与实时跟踪	计算机视觉	喉部疾病	视频喉镜成像	YOLO	视频帧图像	来自55个喉镜视频的12,742个标注帧	PyTorch	YOLO11, YOLO12	精确率, F1分数, 平均精度均值(mAP@0.5), 帧率(fps)	NA
3371	2026-07-30	A Mixture-of-Experts Network for Infectious Keratitis Classification Using Multimodal Slit-Lamp Images: A Multicenter Study 2026-Jun-01, Translational vision science & technology IF:2.6Q2 DOI:10.1167/tvst.15.6.31 PMID:42345637	研究论文	提出一种基于多模态裂隙灯图像的感染性角膜炎分类专家混合网络	首次将三种裂隙灯成像模式（弥散白光、裂隙光束和钴蓝光荧光素染色）同时融合到一个深度学习框架中，并采用动态门控网络自适应融合多模态特征	未明确讨论方法的局限性	实现感染性角膜炎及其亚型的自动、准确分类	感染性角膜炎患者的多模态裂隙灯图像	数字病理学	感染性角膜炎	多模态裂隙灯成像	专家混合网络（MoE）	医学图像	来自两个医院共1081例患者的4098张裂隙灯图像（浙眼医院820例3236张，爱尔光明医院261例862张）	PyTorch	KeraFusionNet（含三个模态专家子网络和动态门控网络）	准确率、AUC	NA
3372	2026-07-30	In silico generation of gene expression profiles using diffusion models 2026-May-31, BMC bioinformatics IF:2.9Q1 DOI:10.1186/s12859-026-06470-8 PMID:42226153	研究论文	提出一种基于扩散模型的基因表达谱生成方法，用于解决转录组学数据稀缺问题	首次将扩散模型（DDPM和DDIM）应用于转录组学数据生成，并比较了线性和非线性重构方法提升完整转录组恢复性能	未提及具体限制	开发一种利用扩散模型生成合成转录组学数据的方法，以提高下游分析性能	L1000标志基因表达数据、TCGA和GTEx数据集	机器学习	NA	RNA-seq	扩散模型	基因表达数据（转录组学）	未明确说明样本数量	NA	DDPM, DDIM	数据质量指标	NA
3373	2026-07-30	AutoCumulus: an automated mammographic density measure created using artificial intelligence 2026-May-28, BMC cancer IF:3.4Q2 DOI:10.1186/s12885-026-16264-z PMID:42210110	研究论文	提出一种基于深度学习的自动乳腺密度测量方法AutoCumulus，并验证其高精度与临床应用潜力	首次将深度学习应用于半自动CUMULUS测量方法学习，实现全自动乳腺密度评估，在重复性和间歇性癌症预测上优于现有方法LIBRA	需在临床实施前进行进一步验证	开发一种可扩展的高精度自动乳腺密度测量方法，作为乳腺癌风险指标	9,057名BRAIx项目参与者的乳腺X线图像	计算机视觉	乳腺癌	乳腺X线摄影	深度学习回归模型	图像	9,057名女性乳腺X线图像	PyTorch	ConvNeXtSmall	相关系数, 特异性, AUC	NA
3374	2026-07-30	Deep learning for early detection of guava fruit anthracnose and fruit fly infestation 2026-May-28, BMC plant biology IF:4.3Q1 DOI:10.1186/s12870-026-09125-1 PMID:42210111	研究论文	利用深度学习系统早期检测番石榴炭疽病和果蝇侵染	首个针对南亚地区番石榴炭疽病和果蝇侵染早期症状的深度学习分类系统，采用CLAHE和去模糊掩膜增强预处理，并在边缘设备Raspberry Pi 4B上实现了高效部署	数据集规模较小（仅473张图像），且仅依赖单一专家验证，可能影响模型的泛化能力	开发基于深度学习的分类系统，用于早期检测番石榴炭疽病和果蝇侵染	番石榴果实图像中的炭疽病和果蝇侵染症状	计算机视觉	番石榴病害	图像预处理（CLAHE和去模糊掩膜）、迁移学习	卷积神经网络（CNN）和视觉变换器	图像	473张标注后的番石榴果实图像	PyTorch	ResNet50, EfficientNetB3, DenseNet121, Vision Transformer	准确率, 精确率, 召回率, F1分数, ROC-AUC	Raspberry Pi 4B边缘设备
3375	2026-07-30	Cardiac arrhythmia detection via PQRST analyzed data using an optimized hierarchical fused fuzzy deep reinforcement learning 2026-May-28, BMC medical informatics and decision making IF:3.3Q2 DOI:10.1186/s12911-026-03564-4 PMID:42210277	研究论文	提出一种优化分层融合模糊深度强化学习方法，用于心律失常检测	结合数据预处理、强化学习和模糊深度学习的三个步骤，提出OHFFDRL方法，并分析了模型可解释性	未明确提及局限性	通过非窦性心律预测实现心脏病的早期预防	12导联心电图数据集，包含10,646名患者	机器学习	心律失常	心电图信号分析	深度强化学习、模糊深度学习	心电图信号	10,646名患者	NA	OHFFDRL	准确率、ROC曲线下面积、经验ROC面积	NA
3376	2026-07-30	Machine Learning Model Using Pre-Cancer Therapy Cardiac Magnetic Resonance Images to Predict Cancer Therapy-Related Cardiac Dysfunction 2026-May-28, JACC. Cardiovascular imaging DOI:10.1016/j.jcmg.2026.04.007 PMID:42212994	研究论文	利用癌症治疗前的心脏磁共振图像，通过深度学习模型预测癌症治疗相关心功能不全	首次使用治疗前的CMR短轴电影图像通过深度卷积神经网络预测CTRCD，并证明其优于临床和传统影像模型	样本量较小（229名患者），且仅针对HER2阳性乳腺癌女性患者，外部验证队列来自单个中心	评估基于治疗前CMR图像的深度学习模型预测CTRCD的能力	接受蒽环类药物和曲妥珠单抗治疗的HER2阳性乳腺癌女性患者	医学影像分析	乳腺癌相关心功能不全	心脏磁共振成像	深度卷积神经网络	图像	229名患者（内部176名，外部53名）	NA	深度卷积神经网络	AUC, F1分数	NA
3377	2026-07-30	Dual inhibition of KDM4B and KDM5A disassembles the PAX3-FOXO1 transcriptional program in fusion-positive rhabdomyosarcoma 2026-May-27, Biology direct IF:5.7Q1 DOI:10.1186/s13062-026-00837-w PMID:42204622	研究论文	利用深度学习药物发现策略鉴定出双靶向KDM4B和KDM5A的小分子化合物Compound 01，并揭示其通过破坏PAX3-FOXO1转录程序抑制融合阳性横纹肌肉瘤的机制	首次发现KDM5A是PAX3-FOXO1网络的关键表观遗传伙伴，并提出双靶向KDM4B/KDM5A的策略以破坏FP-RMS中的转录回路	未说明	阐明表观遗传调控机制并开发靶向PAX3-FOXO1转录程序的新型治疗策略	融合阳性横纹肌肉瘤（FP-RMS）细胞模型	机器学习	横纹肌肉瘤	NA	深度学习	NA	NA	NA	NA	NA	NA
3378	2026-07-30	Enhancing crop yield prediction accuracy with a novel interpretable deep learning model: MHCNN-LSTM-MHA 2026-May-23, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-53616-y PMID:42174018	研究论文	提出MHCNN-LSTM-MHA模型融合多架构提升作物产量预测精度与可解释性	首次融合多头卷积神经网络、长短期记忆网络与多头注意力机制，通过动态特征优先处理和SHAP可解释性分析缓解梯度不稳定问题，实现预测性能与农业物理解释性的统一	仅基于美国大豆单一作物数据集验证，未考虑不同气候区域或作物类型的泛化能力	开发兼具高精度与可解释性的深度学习模型，解决作物产量预测中梯度不稳定、模型泛化性差及缺乏可解释性等挑战	美国大豆产量预测数据集（包含天气、土壤、管理实践和历史产量特征）	机器学习	NA	深度学习集成建模	MHCNN-LSTM-MHA（多头CNN-LSTM-多头注意力机制）	数值型表格数据	美国大豆产区多维度数据集（具体样本量未提及）	TensorFlow, PyTorch	Multihead CNN, LSTM, Multihead Attention	RMSE, R²，RMSE=3.75蒲式耳/英亩，R²=0.905	NA
3379	2026-07-30	Hybrid multi-scale CNN-Residual-LSTM approach for robust state-of-charge estimation in lithium-ion batteries 2026-May-22, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-53543-y PMID:42173969	研究论文	提出一种结合多尺度卷积神经网络、残差块和长短期记忆单元的混合深度学习架构，用于锂离子电池荷电状态估算	首次将多尺度CNN、残差块和LSTM三种结构融合，同时捕捉电池数据中的局部空间模式和时间依赖关系	未在不同电池化学体系或极端工况下验证模型泛化能力，可能缺乏实际应用中的鲁棒性测试	实现锂离子电池荷电状态的高精度估算，支持电池管理系统开发	锂离子电池荷电状态和健康状态数据	机器学习	不适用	不适用	混合深度学习模型（多尺度CNN-残差块-LSTM）	时序数据	未明确说明，使用真实电池数据集	未明确说明，可能是PyTorch或TensorFlow	多尺度CNN、残差块、LSTM	平均绝对误差、均方误差、决定系数	NA
3380	2026-07-30	Research on optimization of power grid load forecasting models based on deep learning 2026-May-21, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-47517-3 PMID:42168249	研究论文	提出一种自适应深度负荷预测器（ADLP），整合混合时序编码、动态注意力机制与在线自适应更新策略，实现电网负荷的高精度预测与优化	创新性地将双向长短时记忆网络与卷积神经网络结合，并集成动态注意力机制和在线自适应更新模块，实现短期波动与长期依赖的同步捕捉，同时提出动态电网感知负荷优化策略提升电网运行效率	计算效率有待提升，未引入强化学习，需扩展至不同电网环境的泛化能力	基于深度学习优化电网负荷预测模型，提升智能电网预测精度、适应性和鲁棒性	电网负荷数据	机器学习	NA	NA	双向LSTM, CNN	时间序列数据	真实电网负荷数据集（具体数量未说明）	深度学习框架（未明确指定）	双向LSTM-CNN混合架构	精度、适应性、鲁棒性（具体指标未列出）	NA