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
321	2026-05-25	SurgWound-Bench: a benchmark for surgical wound diagnosis 2026-May-23, NPJ digital medicine IF:12.4Q1 DOI:10.1038/s41746-026-02791-3 PMID:42177302	research paper	提出首个开源多类型手术伤口数据集SurgWound，并构建包括视觉问答和报告生成任务的基准测试，同时提出三阶段学习框架WoundQwen用于手术伤口诊断	首次公开包含多种手术伤口类型的开源数据集，并建立基于该数据集的综合基准测试，包括视觉问答和报告生成任务；提出三阶段学习框架，利用多个多模态大语言模型预测伤口特征并整合生成诊断报告	数据集规模较小（686张图像），可能限制模型泛化能力；研究未提及计算资源消耗及模型在真实临床环境中的验证	解决手术伤口诊断中数据隐私和专家标注成本高的问题，推动开源手术伤口筛查工具发展	手术伤口图像	computer vision	surgical site infection	NA	MLLM（多模态大语言模型）	image	686张手术伤口图像，由3名专业外科医生标注了8个细粒度临床属性	NA	Qwen（WoundQwen基于Qwen架构）	NA	NA
322	2026-05-25	Integrated deep learning model for multi-label retinal disease diagnosis 2026-May-23, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-54982-3 PMID:42177338	研究论文	提出一种集成深度学习模型用于多标签视网膜疾病诊断，基于MuReD数据集实现19种疾病的自动分类	采用混合卷积结构，结合特征提取双分支与多阶段预处理流水线（对比度增强、亮度校正、降噪、视网膜掩膜），并进行特征融合与优化以实现多标签预测	最高F1-micro为0.5484，表明模型性能仍有提升空间；依赖特定数据集，泛化性需进一步验证	实现多标签视网膜疾病自动诊断，支持计算机辅助筛查和分诊	视网膜眼底图像中的多种共现异常与病变	计算机视觉	视网膜疾病	眼底成像	混合卷积神经网络	图像	2208张眼底图像，来自ARIA、STARE和RFMiD数据集，涵盖19种视网膜疾病标签（排除非诊断类别OTHERS）	NA	混合卷积结构（特征提取双分支）	F1-micro, PR-AUC micro, ROC-AUC micro	NA
323	2026-05-25	Phenotype discovery and mortality prediction in sepsis-induced myocardial dysfunction: a deep learning and stratified modeling approach 2026-May-23, BMC medical informatics and decision making IF:3.3Q2 DOI:10.1186/s12911-026-03575-1 PMID:42177490	研究论文	利用无监督深度学习识别脓毒症诱导心肌功能障碍（SIMD）的临床表型，并基于表型分层构建最优短期生存预测模型	首次结合自编码器、UMAP和K-means聚类发现SIMD的三个不同预后表型，并通过表型特异性建模显著提升了死亡率预测性能	研究基于MIMIC-III和MIMIC-IV回顾性数据库，可能存在选择偏倚；表型发现未在前瞻性队列中验证	识别SIMD的临床表型并开发基于表型分层的短期生存预测模型	MIMIC-III和MIMIC-IV数据库中脓毒症诱导心肌功能障碍患者	机器学习	脓毒症诱导心肌功能障碍	NA	自编码器、XGBoost	临床数据	来自MIMIC-III和MIMIC-IV的SIMD患者队列（具体数量未提及）	PyTorch	自编码器、UMAP、K-means、XGBoost	AUC、PR-AUC	NA
324	2026-05-25	Automated measurement of the minimum macular hole diameter based on optical coherence tomography images 2026-May-23, BMC ophthalmology IF:1.7Q3 DOI:10.1186/s12886-026-04931-5 PMID:42177481	研究论文	提出一种基于光学相干断层扫描图像的黄斑裂孔最小直径自动测量方法	设计包含图像预处理、边缘提取和自动测量三子任务的自动化流程，通过黄斑裂孔数据集裁剪和双边轮廓定位算法提升测量准确性与效率	深度学习方法在泛化能力上存在局限，且当前方法在低对比度图像中的表现有待验证	提高黄斑裂孔最小直径测量的自动化程度和准确性，辅助眼科诊断与治疗评估	公共OCT图像中的黄斑裂孔区域	计算机视觉	眼科疾病	光学相干断层扫描	NA	图像	公共数据集中的黄斑裂孔OCT图像	OpenCV	形态学操作与边缘检测算法	平均距离误差, 相对距离误差	NA
325	2026-05-25	Cerebrospinal fluid volume outperforms traditional measures for predicting treatment failure in infant hydrocephalus 2026-May-23, Fluids and barriers of the CNS IF:5.9Q1 DOI:10.1186/s12987-026-00819-0 PMID:42177495	研究论文	探讨术前脑脊液体积测量在预测婴儿脑积水内镜下第三脑室造瘘术联合脉络丛烧灼术后是否需要分流依赖中的价值	首次证明术前脑脊液体积及其与颅内体积的比值（通过深度学习分割方法测量）优于传统线性测量指标，能独立预测婴儿脑积水ETV/CPC术后的分流依赖风险	NA	评估术前脑脊液体积测量是否独立预测婴儿脑积水ETV/CPC术后分流依赖	2008年至2024年期间接受ETV/CPC作为初始治疗的婴儿脑积水患者	机器学习	婴儿脑积水	MRI	深度学习分割模型	医学影像	188名婴儿（中位手术年龄60天，42.5%为女性）	NA	NA	风险比（HR）、95%置信区间（CI）、p值	NA
326	2026-05-25	Coformer: a deep learning-based framework for cross-environment and multi-year cotton phenotype prediction and interpretation 2026-May-23, Plant methods IF:4.7Q1 DOI:10.1186/s13007-026-01528-3 PMID:42177568	研究论文	提出Coformer模型，用于跨环境和多年度棉花表型预测与解释	创新性地结合Transformer自注意力编码器与自动解码器，实现高维SNP数据压缩和长距离依赖性捕获；无需显式建模环境因素即可保持跨环境预测鲁棒性；同时提供可解释性，精确定位关键遗传位点	未明确讨论模型在极端环境或非典型数据集上的泛化能力，且可能对低频SNP信号不敏感	提高棉花关键农艺性状预测精度，突破传统模型在高维基因组数据上的过拟合和泛化瓶颈	棉花及其多环境、多年度的表型与SNP标记数据	机器学习	NA	SNP基因分型	Transformer-autoencoder混合模型	基因组数据（SNP标记）与表型数据	未明确样本数量，但提及多环境、多年度数据集	NA	Transformer编码器, 自动解码器, 线性投影层, 归一化模块	预测鲁棒性、可解释性（关键遗传位点定位）	NA
327	2026-05-25	Scalable and cost-efficient custom gene library assembly from oligopools 2026-May-22, Science advances IF:11.7Q1 DOI:10.1126/sciadv.ady2279 PMID:42172324	研究论文	提出OMEGA方法，一种低成本的寡核苷酸池并行基因组装技术，用于高通量构建全长基因文库	将计算碎片化与Golden Gate组装结合，实现单个反应中用多达70个正交位点组装长达2.6kb的基因，每基因成本低至1.50美元	未明确说明，但可能限于最大组装长度2.6kb和依赖商业寡核苷酸池合成	开发一种可扩展且经济高效的基因文库组装方法，以桥接计算蛋白质设计与高通量实验验证	810个天然和合成绿色荧光蛋白变体文库	机器学习	NA	寡核苷酸池合成, Golden Gate组装	NA	基因序列	810个绿色荧光蛋白变体	NA	NA	靶序列回收率（94-97%）, 均匀性	Colab笔记本
328	2026-05-25	Denoising Preclinical MRI with Vendor-neutral Deep Learning-based Image Reconstruction 2026-May-22, Journal of neuroscience methods IF:2.7Q3 DOI:10.1016/j.jneumeth.2026.110813 PMID:42176781	研究论文	评估基于深度学习的图像重建方法在小鼠临床前磁共振图像去噪中的效果	首次验证了基于人类临床磁共振图像训练的供应商中立型深度学习重建方法可直接应用于小鼠脑部临床前磁共振图像去噪	未提及	评估供应商中立型深度学习重建方法对临床前小鼠脑部磁共振图像去噪的适用性	FVB小鼠的脑部磁共振图像	计算机视觉	不适用	磁共振成像（MRI）	深度学习模型	图像	6只FVB小鼠	不适用	不适用	信噪比（SNR）、对比噪声比（CNR）、锐度指数	不适用
329	2026-05-25	The development and application of deep learning for stem cell research 2026-May-22, Journal of genetics and genomics = Yi chuan xue bao DOI:10.1016/j.jgg.2026.05.008 PMID:42176802	review	综述深度学习在干细胞研究中的最新进展，包括生物影像数据分析和大规模基因组学数据探索	系统总结了深度学习在干细胞生物影像与基因组学数据分析中的创新应用，并指出当前模型的局限性与挑战	现有深度学习模型在干细胞研究中的应用仍面临数据可解释性、模型泛化能力及计算资源需求等挑战	阐述深度学习如何推动干细胞研究的策略革新并提供技术优势	干细胞领域的生物影像数据和大规模基因组学数据	机器学习	NA	NA	深度学习模型	生物影像, 基因组数据	NA	NA	NA	NA	NA
330	2026-05-25	Smartphone movement data can reliably predict smoking lapses and cravings to enable timely smoking cessation support 2026-05-21, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-49611-y PMID:42168340	研究论文	利用智能手机被动收集的运动数据，通过深度学习模型预测吸烟行为，为戒烟提供即时支持	首次证明智能手机传感器（加速度计、陀螺仪和磁力计）被动收集的运动数据可用于预测吸烟行为，且无需个人数据即可实现高精度预测	未提及具体局限性	开发基于运动数据的吸烟行为预测方法，以支持戒烟干预	吸烟者的智能手机运动数据及吸烟行为（包括渴望、复发）	机器学习	吸烟成瘾	智能手机传感器（加速计、陀螺仪、磁力计）	1D-CNN-BiLSTM	运动数据（传感器信号）	NA	NA	1D-CNN-BiLSTM	准确率（accuracy）	NA
331	2026-05-25	Machine learning and artificial intelligence in liquid biopsy-based early detection of pancreatic cancer: a scoping review 2026-May-21, BJC reports DOI:10.1038/s44276-026-00232-y PMID:42168331	综述	探讨人工智能和机器学习在基于液体活检的胰腺癌早期检测中的应用现状	系统综述了AI/ML策略在液体活检中用于胰腺导管腺癌早期诊断的最新进展，重点分析了不同技术及其成功程度	缺乏模型性能指标的标准化报告，以及队列规模小且标签粒度不够精细	综述人工智能驱动的液体活检在胰腺癌早期诊断中的应用	胰腺导管腺癌	机器学习	胰腺癌	液体活检	随机森林, 支持向量机, 深度学习	生物样本数据	18项研究	NA	随机森林, 支持向量机	NA	NA
332	2026-05-25	Half-dose contrast media protocol using 70 kVp abdominal dynamic CT with super-resolution deep learning reconstruction: Evaluation of image quality and contrast performance 2026-May-20, European journal of radiology IF:3.2Q1 DOI:10.1016/j.ejrad.2026.112959 PMID:42176557	研究论文	评估使用超分辨率深度学习重建（SR-DLR）的70 kVp腹部动态CT在减少碘对比剂（CM）用量情况下的对比增强和图像质量	首次在70 kVp腹部动态CT中结合超分辨率深度学习重建（SR-DLR），实现对比剂用量减半并保持肝脏增强和整体图像质量	未明确说明局限性	评估减少碘对比剂用量的70 kVp腹部动态CT结合SR-DLR的图像质量和对比性能	600名接受腹部动态CT的患者，按肾功能分组，最终分析包括70 kVp-300 mgI/kg（n=24）、70 kVp-400 mgI/kg（n=48）和100 kVp-600 mgI/kg（n=48）	计算机视觉	NA	CT	超分辨率深度学习重建（SR-DLR）	图像	600名患者（最终分析120名）	NA	超分辨率深度学习重建网络（SR-DLR）	对比增强、对比噪声比（CNR）、信噪比（SNR）	NA
333	2026-05-25	Prediction of intrinsic clearance using an explainable learning framework integrating molecular fingerprints and graph representation 2026-May-20, European journal of medicinal chemistry IF:6.0Q1 DOI:10.1016/j.ejmech.2026.118996 PMID:42176654	研究论文	使用可解释学习框架整合分子指纹和图结构表示以预测内在清除率	提出了一个动态结合机器学习和深度学习预测的集成策略，并根据分子相似性进行组合；进行了可解释性分析，将模型输出与分子理化性质和潜在代谢位点关联，揭示了机器学习与深度学习模型之间的互补表征模式	预测性能受限于公开数据质量和数据筛选过程可能引入的偏差；R值为0.634，表明仍有较大提升空间	开发一个具有生物学可解释性的内在清除率预测工具，用于早期药代动力学筛选和结构-代谢关系理解	内在清除率（CL）的预测模型及其生化决定因素	机器学习	NA	分子指纹、图结构表示	传统机器学习模型、双分支深度学习架构、集成模型	分子指纹数据、图结构数据	从公共数据库系统收集并经人工验证的内在清除率数据	PyTorch, Scikit-learn	双分支深度学习架构（整合分子指纹与图特征）、集成模型	相关系数R	NA
334	2026-05-25	NeuraMFs: A deep learning model for airborne microfiber identification in plant biomonitors 2026-May-19, Journal of hazardous materials IF:12.2Q1 DOI:10.1016/j.jhazmat.2026.142410 PMID:42176626	研究论文	提出基于级联R-CNN和ResNet-101的深度学习模型NeuraMFs，用于植物生物监测器中空气微纤维的识别和分类	首次将两阶段级联R-CNN架构结合ResNet-101骨干网络应用于植物生物监测器中空气微纤维的自动识别和分类，并构建了多提取协议、高分辨率立体显微镜图像数据集	未提及模型在真实环境大规模部署时的泛化能力和计算资源需求，以及不同类型纤维的区分精细度	开发快速、可扩展的空气微纤维自动识别工具，支持大规模环境暴露和风险评估	苔藓、地衣和维管植物中的空气微纤维（合成和工业改性纤维素纤维）	计算机视觉, 数字病理学	NA	立体显微镜成像	CNN	图像	测试集中110个微纤维样本	PyTorch	Cascade R-CNN, ResNet-101	AUC, 准确率	NA
335	2026-05-25	Heterogeneous neural blind deconvolution: A signal processing-empowered foundation feature extractor for bearing fault diagnosis 2026-May-19, Neural networks : the official journal of the International Neural Network Society IF:6.0Q1 DOI:10.1016/j.neunet.2026.109143 PMID:42176664	研究论文	提出一种基于信号处理与异构神经网络结合的盲反卷积方法，作为轴承故障诊断的通用特征提取器	首次结合线性和二次神经元构建异构神经网络，证明其逼近多项式的高效性；设计双时域盲反卷积分支与频域模块融合的特征提取架构	未说明	开发一种通用特征提取器，适用于噪声干扰、跨域迁移和边缘设备部署等多种下游故障诊断任务	轴承故障诊断任务	机器学习	NA	盲反卷积	异构神经网络	振动信号	未说明	NA	异构盲反卷积	准确率、可解释性	NA
336	2026-05-25	DeepECG.ai: An AI-enhanced ECG analysis platform to bridge the expertise gap from primary care to cardiology 2026-May-16, Journal of electrocardiology IF:1.3Q3 DOI:10.1016/j.jelectrocard.2026.154359 PMID:42176692	研究论文	开发了一个名为DeepECG.ai的AI增强型心电图分析平台，旨在弥合从初级保健到心脏病学的专业知识差距	提供了一个统一的平台，用于系统评估深度学习模型在真实临床环境中的表现，包括介入上下文、工作流集成和鲁棒性，超越了常规的准确性指标	平台依赖现有的临床心电图系统集成，且两个临床验证试验仍在进行中，长期效果和患者结局尚待评估	通过集成AI模型和临床工作流，实现心电图分析的标准化和决策支持	12导联心电图数据以及临床医生和患者的交互反馈	数字病理学	心血管疾病	心电图分析	深度学习模型	心电图信号数据	HEART-AI研究中3个月内分析29,211份心电图，285名患者参与	NA	NA	推理时间（每份心电图小于1秒）	基于网页的安全平台
337	2026-05-25	PyramidPat explainable feature engineering for multiclass electroencephalography psychiatric disorders: Explainable feature engineering and classification 2026-May-15, Psychiatry research IF:4.2Q1 DOI:10.1016/j.psychres.2026.117227 PMID:42176366	研究论文	提出一种名为PyramidPat的可解释特征工程架构，用于多类脑电图精神障碍分类	引入PyramidPat变换特征提取器，结合INCA特征选择、tkNN分类器和DLob解释方法，生成基于脑叶和通道的可读句子，实现高精度可解释分类	未提及在更大数据集或不同采集条件下的验证，可能限制泛化能力	开发一个可解释的特征工程方法，用于多类EEG精神障碍的分类和解释	六类EEG精神障碍数据集，包含多个受试者	机器学习	精神障碍	脑电图（EEG）	tkNN（迭代集成k近邻）	信号	六类EEG精神障碍数据集，具体样本数未提及	NA	PyramidPat, INCA, tkNN, DLob	准确率	NA
338	2026-05-25	CardioRadNet: Cardiac mass diagnosis through integrated segmentation and radiomic analysis 2026-May-15, Computer methods and programs in biomedicine IF:4.9Q1 DOI:10.1016/j.cmpb.2026.109448 PMID:42176411	研究论文	提出CardioRadNet，一种结合深度学习分割和影像组学分析的心脏肿块诊断框架	首个整合深度学习分割与影像组学的无对比剂心脏MR诊断框架，覆盖心脏肿块全谱系（良性与恶性），并采用半自动分割方法提升临床适用性	未明确提及局限性	设计一种无需对比剂、准确的心脏肿块综合分类框架，支持早期风险分层和临床决策	心脏肿块（良性/恶性）	医学影像分析	心脏肿块	MRI（无对比剂T1加权心脏MR）	深度学习分割网络（基于点导向）	MRI图像	127例病理确诊的心脏肿块患者（62例恶性，65例良性）	NA	深度学习分割网络（点导向），影像组学模型	Dice系数，组内相关系数（ICC），平衡准确率，误分类数	NA
339	2026-05-25	SPIRAL: A probabilistic deep learning framework for Chinese liquor (Baijiu) classification via near-infrared hyperspectral imaging 2026-May-14, Food chemistry IF:8.5Q1 DOI:10.1016/j.foodchem.2026.149583 PMID:42176475	研究论文	提出一种结合近红外高光谱成像与SPIRAL概率深度学习框架的方法，用于快速无损分析中国白酒的酒精含量、香气类型和品牌	首次将自适应方差学习用于建模白酒复杂化学矩阵引起的光谱不确定性，并构建了包含49种白酒、1000张高光谱图像的基准数据集	未明确说明算法在工业实时部署中的计算开销，以及其他类型酒精饮料的泛化能力	实现白酒质量参数的快速无损分类以支持工业品质控制	中国白酒的酒精含量、香气类型和品牌	计算机视觉	NA	近红外高光谱成像	概率深度学习模型	高光谱图像	1000张高光谱图像，涵盖49种白酒、9个酒精含量等级、5种香气类型和30多个品牌	PyTorch	SPIRAL	F1分数	NA
340	2026-05-25	Artificial intelligence-enhanced ultrasound multimodal imaging and tissue characterization for predicting immunotherapy efficacy in rectal cancer 2026-May-14, Tissue & cell IF:2.7Q3 DOI:10.1016/j.tice.2026.103613 PMID:42176680	综述	综合评述人工智能增强超声多模态成像在预测直肠癌免疫治疗疗效中的应用	系统整合免疫生物学-超声-人工智能的跨学科框架，提出可解释人工智能、联邦学习、可穿戴超声贴片和多模态放射基因组学等未来方向	操作者间差异、设备异质性导致跨平台性能下降、超声-放射基因组学整合有限以及临床转化尚处于初期	评估人工智能增强超声多模态成像在预测直肠癌免疫治疗疗效中的现状与未来方向	直肠癌患者的肿瘤微环境动态变化及其免疫治疗反应	机器学习	直肠癌	多模态超声成像（包括腔内超声、超声造影、剪切波弹性成像、多普勒超声、光声成像）	深度学习、放射组学	图像	NA	NA	NA	诊断准确性	NA