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
341	2026-06-29	ACRNet: high-resolution whole slide images classification network based on adaptive core regions 2026-May, Medical & biological engineering & computing IF:2.6Q3 DOI:10.1007/s11517-026-03544-w PMID:41838279	研究论文	提出一种基于自适应核心区域的高分辨率全切片图像分类网络ACRNet，通过动态图卷积网络提高分类效率	利用病理特征数据库和余弦相似度提取高概率信息块，并构建自适应区域动态图卷积网络来学习上下文信息，减少计算资源浪费	标题和摘要未明确提及，推测可能包括泛化性验证不足或依赖特定数据库	解决传统深度学习方法处理全切片图像时资源利用低效的问题	全切片图像中的病理组织区域	数字病理学	肺鳞状细胞癌、结直肠腺癌	全切片成像	图卷积网络	图像	使用TCGA-LUSC数据集和合作医院SHFPH-COAD数据集	PyTorch	动态图卷积网络、自适应区域GCN	准确率、AUC	NA
342	2026-06-29	Comparison of deep and conventional machine learning methods in predicting joint moments in patients with cerebral palsy 2026-May, Medical & biological engineering & computing IF:2.6Q3 DOI:10.1007/s11517-026-03548-6 PMID:41843263	研究论文	比较深度学习和传统机器学习方法在预测脑瘫患者关节力矩中的表现	首次系统比较四种传统机器学习算法和两种深度学习算法在预测脑瘫患者关节力矩中的预测准确性，并优化了超参数	未明确讨论数据集中可能的潜在偏差或外部验证的缺失	基于步态运动学数据预测脑瘫患者的关节力矩，以规避直接测量地面反作用力的困难	622名脑瘫患者的步态回顾性数据	机器学习	脑瘫	NA	岭回归、k近邻、随机森林、多层神经网络、一维卷积神经网络、长短期记忆网络	时间序列步态运动数据	622名脑瘫患者	NA	一维卷积神经网络、长短期记忆网络	归一化均方根误差、皮尔逊相关系数	NA
343	2026-06-29	Accurate segmentation of pulmonary arteries and veins via a human-in-the-loop framework with application in COPD 2026-May, Medical & biological engineering & computing IF:2.6Q3 DOI:10.1007/s11517-026-03556-6 PMID:41866420	研究论文	提出一种人机交互框架用于肺动脉和静脉的精确分割，并应用于慢性阻塞性肺疾病（COPD）分析	创新性地采用人机交互框架，通过三次迭代循环构建标注数据集并训练深度学习模型，提升了动脉-静脉分割的效率和准确性	未明确提及局限性	开发自动化的肺动脉和静脉分割模型，并应用于COPD患者血管变化分析	肺动脉和静脉的分割及其在COPD进展中的结构变化	医学图像分析	慢性阻塞性肺疾病	CT成像	深度学习模型	图像（CT扫描）	30个金标准标注数据集，来自COPD患者的CT扫描	NA	NA	Dice系数，IoU，敏感性，精确率	NA
344	2026-06-29	EEG-RCPNet: a cross-subject cognitive impairment detection model based on limited-channel eeg signals 2026-May, Medical & biological engineering & computing IF:2.6Q3 DOI:10.1007/s11517-026-03561-9 PMID:41880056	研究论文	提出一种基于两通道静息态EEG信号的深度学习框架EEG-RCPNet，用于跨被试认知障碍检测	集成位置注意力机制与并行残差卷积神经网络，利用有限通道EEG信号提取跨频带判别特征，提升分类准确率	基于两项数据集验证，但样本量有限（212名参与者），且对非EEG数据类型的适用性未探讨	实现低成本的认知障碍早期筛查与监测	认知正常与认知障碍受试者的两通道静息态EEG信号	机器学习	认知障碍	EEG信号采集	卷积神经网络	EEG信号	212名参与者（CIRS数据集）及公开ADFTD数据集	PyTorch	PAD-CNN, PRCA-CNN, DS-CNN	准确率, 灵敏度, 特异度, F1分数, Macro-F1, MCC	NA
345	2026-06-29	A multi-paradigm evaluation spanning pixels to voxels for deep learning-based kidney tumor segmentation 2026-May, Journal of medical engineering & technology DOI:10.1080/03091902.2026.2651078 PMID:41984454	研究论文	系统评估多种深度学习架构在肾脏肿瘤CT分割中的表现，聚焦临床适用性与高分割精度之间的差距	超越传统定量指标，首次系统分析假阳性、边界勾画精度和计算可行性对临床适用性的影响	计算资源限制导致UNETR模型未能完整训练，部分模型依赖高端GPU	探究高分割精度与临床适用性之间的关键差距，为肾脏肿瘤分割工具的临床部署提供见解	六种深度学习架构（U-Net、MedSAM、nnU-Net、UNETR、Total Segmentator、MIScnn）在KiTS19数据集上的分割性能	数字病理学	肾癌	CT扫描	卷积神经网络、Transformer、混合模型	医学图像	KiTS19数据集（具体样本数未提及）	MONAI, PyTorch	U-Net, MedSAM, nnU-Net, UNETR, Total Segmentator, MIScnn	Dice系数、假阳性分析、边界勾画精度	高端GPU（如需16GB VRAM的nnU-Net、MedSAM依赖的高端GPU），具体型号未提及
346	2026-06-29	Multimodal clinical-imaging deep learning model for predicting refractory hypersplenism after liver transplantation 2026-Apr-22, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-48940-2 PMID:42020717	研究论文	开发一种结合临床和CT影像特征的多模态深度学习模型，用于预测肝移植后难治性脾功能亢进	首次提出多模态深度学习模型整合临床数据和CT影像组学特征，用于术前预测肝移植后难治性脾功能亢进	需要更大规模的多中心队列验证后才能在临床广泛应用	识别术前风险因素并开发预测肝移植后难治性脾功能亢进的多模态深度学习模型	2013年至2023年间接受肝移植的患者	机器学习	肝移植后难治性脾功能亢进	CT影像	深度学习	临床数据和CT影像	164名患者（缓解组120名，难治组44名）	NA	NA	AUC, F1分数, 准确率	NA
347	2026-06-29	A multimodal approach integrating NK cell-associated gene signatures and pathomics to predict colon adenocarcinoma prognosis 2026-Apr-22, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-49584-y PMID:42020555	研究论文	结合单细胞RNA测序、转录组、病理组和临床数据构建多模态预后模型，用于预测结肠腺癌患者预后	首次整合NK细胞相关基因特征与病理组学特征，构建多模态预后框架，显著优于单一模态方法	NA	开发基于NK细胞相关基因特征和病理组学的多模态预后框架，提高结肠腺癌预后预测准确性	结肠腺癌患者的肿瘤微环境细胞异质性、NK细胞相关基因表达、全切片病理图像特征及临床变量	数字病理学, 机器学习	结肠腺癌	单细胞RNA测序, LASSO回归, 深度学习的弱监督病理图像分析	聚类约束注意力多实例学习模型	单细胞转录组数据, 转录组数据, 全切片病理图像, 临床数据	GSE161277单细胞数据集, 458张TCGA-COAD全切片病理图像	NA	聚类约束注意力多实例学习	concordance index (C-index)	NA
348	2026-06-29	Artificial intelligence-assisted quality assessment of mid-trimester ultrasound examinations using large vision-language models 2026-Apr-22, BMC pregnancy and childbirth IF:2.8Q1 DOI:10.1186/s12884-026-09073-6 PMID:42021182	研究论文	开发并评估一种结合卷积神经网络和视觉-语言模型的系统，用于自动评估中期妊娠胎儿超声检查的质量	首次将视觉-语言模型应用于超声检查质量评估，结合CNN识别标准平面和关键结构，VLM综合评估检查完整性，并提供可解释反馈	研究基于回顾性数据，未提及前瞻性验证；视觉-语言模型在外部测试集上的性能略低于内部测试集，可能存在泛化限制；超声医师研究仅涉及6名操作者，样本量较小	开发一种自动化、可解释的超声检查质量评估系统，提升诊断一致性和效率	中期妊娠胎儿的超声检查，包括标准平面和关键解剖结构的识别与检查完整性评估	计算机视觉, 自然语言处理	NA	超声成像	卷积神经网络, 视觉-语言模型	图像	22,544个超声平面，来自273次内部检查和29次外部检查，以及公开数据	PyTorch, SonoNet	SonoNet, 视觉-语言模型（微调）	F1分数, 准确性, 召回率	NA
349	2026-06-29	On the prediction models for brain signal-based emotion recognition 2026-Apr-22, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-47622-3 PMID:42020535	研究论文	分析了基于脑电信号的情绪识别系统中被试依赖与被试独立模型性能差距的原因，并使用可解释人工智能技术进行了特征分析	使用SHAP值可解释人工智能技术揭示特征层面的不一致性，从而解释被试独立场景下性能下降的原因	研究主要基于两个公开数据集，可能限制泛化性；未考虑实时情绪识别中的计算效率问题	探讨脑电信号情绪识别中被试依赖与被试独立模型性能差距的影响因素	DEAP和SEED两个基准数据集的脑电信号	机器学习	NA	脑电图（EEG）	K近邻、随机森林、线性判别分析、卷积神经网络（CNN）、EEGNet	脑电信号数据	DEAP数据集和SEED数据集（具体样本量未在摘要中给出）	NA	CNN、EEGNet	准确率	NA
350	2026-06-29	The mediating role of deep learning approach between the proactive personality and innovative behavior of undergraduate nursing students 2026-Apr-21, BMC nursing IF:3.1Q1 DOI:10.1186/s12912-026-04609-9 PMID:42015115	研究论文	探讨主动型人格对本科护生创新行为的影响及深度学习方式的中介作用	首次验证深度学习方式在主动型人格与创新行为之间的中介作用，为护理教育提供新视角	横截面设计无法推断因果关系，便利抽样可能限制样本代表性	探索本科护生主动型人格与创新行为的关系，并检验深度学习方式的中介效应	本科护理专业学生	机器学习	NA	NA	PROCESS中介模型	问卷数据	1885名本科护生	SPSS	NA	相关系数、中介效应占比	NA
351	2026-06-29	A comparative analysis of single- and dual-backbone deep learning architectures with explainable AI for cherry leaf disease classification 2026-Apr-21, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-50104-1 PMID:42014904	研究论文	系统比较单骨干与双骨干深度学习架构在樱桃叶病害分类中的性能，并利用可解释人工智能进行分析	推翻了增加架构复杂度必然提升性能的普遍假设，实证表明单骨干模型（如ResNet50）在性能和可解释性上均优于双骨干模型，并揭示了双骨干架构的注意力碎片化缺陷	未说明数据集规模较小（4995张）是否影响泛化性，未探讨其他作物病害或复杂环境下的适用性	为农业病害诊断开发可靠且可扩展的深度学习框架，并评估架构复杂度与性能及可解释性之间的关系	樱桃叶部五种病害（褐斑病、叶焦病、健康叶、紫斑病、穿孔病）的图像	计算机视觉	植物病害（樱桃叶病害）	深度学习、卷积神经网络	CNN	图像	4995张樱桃叶图像，分属5个类别	NA	ResNet50, EfficientNetB2, DenseNet121, 以及多种双骨干架构	准确率, 宏平均召回率, Wilcoxon符号秩检验	NA
352	2026-06-29	Knowledge, attitude, and perception of artificial intelligence among medical residents in Oman: readiness for clinical practice 2026-Apr-21, BMC medical education IF:2.7Q1 DOI:10.1186/s12909-026-09246-z PMID:42015184	研究论文	评估阿曼医学住院医师对人工智能的知识、态度和感知，探讨其临床实践准备度	首次针对阿曼医学专业委员会的住院医师进行人工智能相关知识、态度和感知的评估，并分析其整合AI到临床实践的准备情况	样本量较小（256人），且为横断面调查，可能无法反映长期变化趋势；主要依赖自我报告数据，存在主观偏差	评估阿曼医学专业委员会的住院医师对人工智能的知识、态度和感知，并为临床实践中的AI整合做准备	阿曼医学专业委员会的医学住院医师	机器学习	NA	NA	NA	问卷调查数据	256名医学住院医师（平均年龄29.7岁，81.3%为女性）	NA	NA	知识得分（均值14.04±3.77）、比例（差62.1%，可接受34.8%，好3.1%）	NA
353	2026-06-29	Accurate classification and prediction of knee osteoarthritis based on Al-Biruni Earth Radius metaheuristic optimizer and LSTM classifier 2026-Apr-21, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-46131-7 PMID:42014817	研究论文	提出基于Al-Biruni地球半径元启发式优化器和LSTM分类器的混合模型，用于准确分类和预测膝骨关节炎	首次将Al-Biruni地球半径优化算法与Google-BER-LSTM混合模型结合，通过二进制优化提升膝骨关节炎分类性能	仅使用单一公开数据集，未提及模型在外部数据集上的泛化验证	开发并优化深度学习算法用于膝骨关节炎的早期检测和分类预测	膝关节骨关节炎患者数据	机器学习	膝骨关节炎	NA	LSTM, MLP	数值数据	未明确说明样本数量	未明确说明	Google-BER-LSTM混合模型	精确度（PPV）、阴性预测值、F分数、准确率、敏感性、特异性、时间	NA
354	2026-06-29	DposFinder: an interpretable transformer model for predicting phage-derived polysaccharide depolymerases and their host capsular serotypes 2026-Apr-20, Genome medicine IF:10.4Q1 DOI:10.1186/s13073-026-01657-3 PMID:42002763	研究论文	提出DposFinder，一种基于Transformer的可解释深度学习框架，用于预测噬菌体来源的多糖解聚酶及其宿主荚膜血清型	首次将Transformer架构与预训练蛋白质语言模型ESM-2结合，实现多糖解聚酶和宿主荚膜血清型的联合预测，并通过注意力机制提供模型可解释性	未明确提及模型对其他细菌种类多糖解聚酶的泛化能力，且依赖已知数据库进行预测	开发一种可解释的深度学习模型，以加速噬菌体来源多糖解聚酶的发现及其在抗菌治疗中的应用	噬菌体来源的多糖解聚酶及其宿主荚膜血清型	机器学习	细菌感染相关疾病	蛋白质语言模型、Transformer深度学习	Transformer	序列数据（蛋白质序列和基因组序列）	超过440,000个噬菌体基因组序列，超过100,000个推定的解聚酶	PyTorch	Transformer、ESM-2	ROC曲线下面积（AUC）	NA
355	2026-06-29	AI-driven lateral flow immunoassay for point-of-care detection of cardiac biomarkers in acute myocardial infarction 2026-Apr-20, Mikrochimica acta DOI:10.1007/s00604-026-08054-y PMID:42008011	研究论文	开发了基于深度学习机器视觉模型的侧向层析免疫测定平台，用于急性心肌梗死心脏生物标志物的快速定量检测	将深度学习机器视觉模型集成到传统侧向层析免疫测定平台，实现了心肌肌红蛋白和心肌肌钙蛋白I的快速定量检测，检测灵敏度高达0.224 ng/mL和0.071 ng/mL，检测效率相比传统方法提升46.7%	文中未明确讨论局限性	实现急性心肌梗死心脏生物标志物的快速、定量即时检测，特别适用于资源有限环境	心脏生物标志物心肌肌红蛋白和心肌肌钙蛋白I	计算机视觉	心血管疾病	柠檬酸盐还原法合成金纳米颗粒、HS-PEG-COOH功能化、EDC/NHS偶联抗体、侧向层析免疫测定	深度学习机器视觉模型	图像	加标血清样本分析	NA	NA	检测限、相关系数R²	NA
356	2026-06-29	Artificial intelligence for surgical management of benign esophageal disease: scoping review and evidence mapping 2026-Apr-20, Langenbeck's archives of surgery DOI:10.1007/s00423-026-04050-1 PMID:42008135	综述	本文通过范围综述和证据映射，描述了人工智能在良性食管疾病手术管理中的应用现状和未来前景	系统总结了AI在良性食管疾病（如贲门失弛缓症、巴雷特食管、胃食管反流病、食管裂孔疝和Zenker憩室）诊断与手术管理中的证据，并强调了负责任AI开发和伦理标准的重要性	机器学习、深度学习和混合模型仍未被充分探索，且现有研究数量有限（仅37篇），缺乏大规模验证	评估AI在良性食管疾病手术管理中的应用证据，并展望未来发展方向	良性食管疾病，包括贲门失弛缓症、巴雷特食管、胃食管反流病、食管裂孔疝和Zenker憩室	自然语言处理, 机器学习	食管良性病	NA	机器学习, 深度学习, 混合模型	文本	37项研究	NA	NA	NA	NA
357	2026-06-29	PathoTiroid dataset: Indonesian collection (PTIC)-a histopathology image dataset for papillary thyroid carcinoma 2026-Apr-20, BMC research notes IF:1.6Q2 DOI:10.1186/s13104-026-07774-x PMID:42010644	研究论文	介绍一个名为PathoTiroid数据集（印度尼西亚收集版，简称PTIC）的组织病理学图像数据集，用于甲状腺乳头状癌的人工智能模型开发与基准测试	填补了东南亚人群甲状腺癌组织病理学高质量、图像级标注数据集的空白，且经过专家验证和多阶段验证流程以减少注释噪声	NA	支持甲状腺乳头状癌组织病理学研究中可重复性AI模型的开发与基准测试，以及分类、域适应、染色标准化和模型可解释性等下游任务	甲状腺乳头状癌组织病理学图像	数字病理学	甲状腺乳头状癌	组织病理学成像	NA	图像	1,006张高分辨率图像，来源于46张全切片图像	NA	NA	NA	NA
358	2026-06-29	Skin cancer detection using late fusion of pretrained models 2026-Apr-19, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-48687-w PMID:42002581	研究论文	提出一种基于预训练模型后期融合的皮肤癌检测方法，利用多样卷积网络集成多个预训练CNN架构，从皮肤镜图像中准确区分良恶性病变	采用后期融合策略集成多样卷积网络与多个预训练CNN模型，构建互补且具判别力的皮肤癌检测框架，有效缓解过拟合并提升泛化能力	未来需关注模型可解释性、与临床决策支持系统集成，以及使用更大规模多源数据集验证以增强现实可用性	开发一种可靠、鲁棒且泛化能力强的皮肤癌早期诊断系统，克服现有深度学习模型在皮肤病变分类中的局限性	皮肤镜图像中的恶性与良性皮肤病变	计算机视觉	皮肤癌	NA	卷积神经网络（CNN），多样卷积网络（DCN）	图像（皮肤镜图像）	10600张皮肤镜图像（9600张训练，1000张测试），来自ISIC档案库，涵盖恶性和良性病变类别	NA	多个预训练CNN架构（具体未列出），多样卷积网络（DCN）	准确率，F1分数，精确率，召回率	NA
359	2026-06-29	Multi-class classification of plant leaf diseases using a hybrid deep neural transformer system and explainable AI techniques 2026-Apr-19, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-48103-3 PMID:42002567	研究论文	开发了一种基于深度学习的混合深度神经变压器系统，用于玉米、番茄和马铃薯植物叶片疾病的多类分类，并结合可解释人工智能技术提高模型透明度和可靠性	提出了一种混合模型ResViT-152，结合了卷积特征提取与基于Transformer的全局注意力机制，在多类植物叶片疾病分类中实现了高准确率和强泛化能力，并引入XAI方法增强模型可解释性	模型在真实野外数据集上的表现尚未评估，需要进一步验证以用于精准农业部署	提高植物叶片疾病的早期检测性能，实现高分类准确率、跨数据集强泛化能力和模型可解释性，以支持现实农业应用	玉米、番茄和马铃薯的植物叶片疾病图像	计算机视觉	植物叶片疾病	深度学习	CNN, Transformer, 混合模型	图像	两个公开数据集，第一个包含39,203张图像（18类疾病），第二个包含65,565张图像（18类疾病）	NA	InceptionNetV3, ResNet152V2, ViT, BERT, ResViT-152	准确率	NA
360	2026-06-29	Artificial Intelligence For 6P Medicine: Consolidating AI Needs of Predictive, Preventive, Personalized, Participatory, Precision, and Public Health Trajectories 2026-Apr-18, Journal of medical systems IF:3.5Q2 DOI:10.1007/s10916-026-02391-4 PMID:41999547	综述	综述人工智能如何支持6P医学模型（预测、预防、个性化、参与、精准和公共卫生）及其应用现状与实施蓝图	提出了一个实用的6P-AI实施蓝图，将常见用例与数据需求、工作流整合步骤、评估设计和部署后监控联系起来	参与式和公共卫生应用评估不够一致，并引入了公平、信任和治理方面的额外挑战	综合人工智能在6P医学模型中应用的最新证据，并突出证据成熟与仍处于探索阶段的领域	6P医学模型（预测、预防、个性化、参与、精准和公共卫生）中的人工智能应用	机器学习	NA	NA	机器学习、深度学习、大语言模型、数字孪生	NA	NA	NA	NA	NA	NA