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
3641	2026-06-28	OPTIFARM: Benchmarking YOLO Architectures for Location-Robust Potato Quality Detection 2026-Jun-12, Foods (Basel, Switzerland) DOI:10.3390/foods15122121 PMID:42354089	研究论文	通过低成本RGB成像与YOLO架构的系统基准测试，实现跨地点鲁棒的马铃薯质量检测	首次系统对比YOLOv8至YOLO26五种架构家族在跨地点马铃薯质量检测中的鲁棒性，严格采用跨地点评估协议	饲料级马铃薯的检测是泛化性能的主要瓶颈	评估低成本RGB光学检测系统在自动马铃薯质量检测中的可行性	马铃薯质量检测（可食用、饲料、腐烂三类）	计算机视觉	NA	RGB成像	YOLO	图像	1361张图像，19805个手动标注实例	PyTorch	YOLOv8, YOLOv9, YOLOv10, YOLOv11, YOLO26	F1分数, mAP@0.5:0.95, ΔF1	NA
3642	2026-06-28	Deep Learning-Enhanced Raman Microspectroscopy Enables Rapid Microbial Classification and Captures Phylogenetic Relationships 2026-Jun-11, Microorganisms IF:4.1Q2 DOI:10.3390/microorganisms14061311 PMID:42354936	研究论文	结合深度学习增强的拉曼显微光谱技术用于快速微生物分类并捕获系统发育关系	提出基于一维卷积神经网络（1D-CNN）提取拉曼光谱特征，并结合层次聚类框架构建拉曼系统发育树，能够对未表征微生物进行准确分类，且分类结果与基于rRNA基因序列的系统发育分析高度一致	研究工作仍需扩大物种多样性和光谱数据量来验证方法的泛化能力，且拉曼光谱与系统发育关系的深层机制尚未完全阐明	开发一种快速、非破坏性的微生物分类方法，用于处理拉曼参考数据库中未表征的微生物	11种微生物物种（包括细菌和真菌）的单细胞拉曼光谱	机器学习	NA	拉曼显微光谱	一维卷积神经网络（1D-CNN）	拉曼光谱（单细胞拉曼光谱数据）	6600个单细胞拉曼光谱，来自11种微生物物种	NA	1D-CNN	准确率（99.7%）	NA
3643	2026-06-28	Fusion of Clinical and Deep Learning Features for Predicting Pembrolizumab Monotherapy Response in Advanced Non-Small Cell Lung Cancer 2026-Jun-11, Journal of clinical medicine IF:3.0Q1 DOI:10.3390/jcm15124536 PMID:42355704	研究论文	本研究融合临床特征和深度学习特征，预测晚期非小细胞肺癌患者对帕博利珠单抗单药疗法的反应	将CT影像深度学习特征与临床描述符结合，利用迁移学习技术和非参数统计检验筛选特征，并采用SVM分类器在切片、病灶和患者三个层面评估预测性能	样本量较小（发现训练集97例，初步测试集17例），且为回顾性研究，未说明外部验证	开发融合临床和深度学习特征的预测模型，早期识别对帕博利珠单抗单药治疗无反应的高危患者	接受一线PD-L1单药治疗的晚期非小细胞肺癌患者	计算机视觉, 机器学习	非小细胞肺癌	CT影像, 深度学习特征提取, 迁移学习	支持向量机	CT扫描图像, 临床描述符	发现训练集97例（27例无反应者），初步测试集17例（9例无反应者）	NA	SVM-RBF, SVM-多项式	AUC, 灵敏度, 特异度, F1分数	NA
3644	2026-06-28	Decoding the Myocardium: Tracer-Aware Deep Learning for Patient-Level Classification in Stress-Rest SPECT Myocardial Perfusion Imaging 2026-Jun-10, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics16121796 PMID:42351455	研究论文	开发并评估一种具有示踪剂特异性预测头的多任务深度学习框架，用于患者级别的SPECT心肌灌注成像分类	首次引入示踪剂感知深度学习框架，通过共享特征编码器和示踪剂特异性预测头，显式处理锝-99m和铊-201双示踪剂间的可变性	单中心队列研究，缺乏外部验证，临床推广前需外部验证	开发适用于双示踪剂SPECT MPI的自动化深度学习分类方法，评估应力期、静息期及双输入配置的性能	锝-99m和铊-201示踪剂的SPECT心肌灌注成像数据	计算机视觉	冠状动脉疾病	SPECT心肌灌注成像	卷积神经网络	极坐标图图像	单中心队列，具体样本量未明确说明	NA	具有共享特征编码器和示踪剂特异性预测头的卷积神经网络	ROC-AUC, 平衡准确率	NA
3645	2026-06-28	An Explainable Multi-Scale Deep Learning Framework for Multi-Class Brain MRI Classification 2026-Jun-10, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics16121791 PMID:42351452	研究论文	提出了一个名为MCND-ComputeNet++的可解释多尺度深度学习框架，用于脑部MRI多类别图像分类	采用单预训练EfficientNetV2-S骨干提取多层级特征，通过可学习的门控多尺度融合和空间注意力池化实现自适应特征集成	仅在图像/切片级别评估，缺乏患者级标识符，不能作为患者级临床诊断验证	开发一个全面且校准良好的深度学习框架，实现多类别脑部MRI图像分类	来自MCND数据集的16,400张二维脑部MRI图像，涵盖8个诊断类别	计算机视觉，数字病理学	阿尔茨海默病，脑肿瘤，多发性硬化症	MRI成像	深度学习分类模型	图像（二维脑部MRI切片）	16,400张图像，来自8个类别（AD-MildDemented, AD-ModerateDemented, AD-VeryMildDemented, BT-glioma, BT-meningioma, BT-pituitary, MS, Normal）	PyTorch	EfficientNetV2-S，门控多尺度融合模块，空间注意力池化	准确率，精确率，召回率，宏F1，宏AUC，宏平均精确率，期望校准误差，Brier分数，bootstrap置信区间	NA
3646	2026-06-28	Predicting Recurrence Risk of Glioblastoma Based on Preoperative-Postoperative Longitudinal MRI: A Multicenter Study 2026-Jun-09, Bioengineering (Basel, Switzerland) DOI:10.3390/bioengineering13060668 PMID:42351913	研究论文	提出一种基于术前术后纵向MRI的深度学习模型MambaDiff-Net，预测胶质母细胞瘤术后复发风险	通过双流编码器提取术前和术后T2WI的多尺度特征，并设计特征差异计算模块建模纵向影像变化，优于单一时间点模型	样本量较小（139例），且仅使用T2WI序列，未来需验证多序列和更大规模数据	利用术前术后纵向MRI的影像动态变化预测胶质母细胞瘤术后复发风险，支持个体化治疗决策	胶质母细胞瘤患者术前术后的纵向T2WI影像	计算机辅助诊断	胶质母细胞瘤	MRI	深度学习模型	影像	139例胶质母细胞瘤患者（59例训练、40例内部验证、40例外部测试）	PyTorch	MambaDiff-Net	AUC, 准确率, F1值	NA
3647	2026-06-28	Multi-Omics and Artificial Intelligence in Cardiovascular Medicine: From Mechanistic Insights to Clinical Translation 2026-Jun-08, Biomedicines IF:3.9Q1 DOI:10.3390/biomedicines14061301 PMID:42351729	综述	本文评估了多组学与人工智能的协同整合，旨在将心血管医学从描述性标志物转向预测性精准心脏病学	首次提出整合分子-计算框架，强调可解释人工智能和标准化多组学协议以弥合转化差距	未涉及具体临床验证数据，主要聚焦于工作流程框架的理论性构建	评估多组学与人工智能的协同作用，促进心血管疾病的精准预防与临床转化	非编码RNA网络（miRNA、lncRNA）、外泌体转运、代谢物（TMAO、酰基肉碱）及心脏特异性miRNA	机器学习	心血管疾病	多组学测序、非编码RNA分析、代谢组学	监督学习、无监督学习、深度学习	组学数据（转录组、代谢组）	不适用	NA	NA	NA	NA
3648	2026-06-28	Early Sepsis Detection Using Heterogeneous Structured ICU Data with Explainable Deep Learning 2026-Jun-08, Sensors (Basel, Switzerland) DOI:10.3390/s26123648 PMID:42356621	研究论文	利用异构结构化ICU数据与可解释深度学习进行早期脓毒症检测的回顾性对比研究	系统比较多种深度学习架构（包括CNN-ViT混合模型）在早期脓毒症预测中的性能，并采用SHAP和注意力分析增强可解释性	仅基于公共数据集进行回顾性计算基准测试，未进行前瞻性临床验证或实际部署评估	提高重症监护病房（ICU）早期脓毒症检测的准确性	每小时结构化电子健康记录（EHR）变量，包括生命体征、实验室测量值和人口统计数据	机器学习	脓毒症	NA	CNN, LSTM, GRU, Bi-LSTM, TCN, Transformer, CNN-ViT	结构化表格数据	未明确提及样本数量，但来自PhysioNet/CinC 2019挑战赛的公开数据集	PyTorch	CNN, LSTM, GRU, Bi-LSTM, TCN, Transformer, CNN-ViT	准确率、召回率、F1分数、AUPRC	NA
3649	2026-06-28	Deep Learning Reconstruction Specialized for Inner Ear: Improving Image Quality and Anatomical Structure Visualization as Compared with Conventional Hybrid-Type Iterative Reconstruction on High-Definition CT 2026-Jun-06, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics16121756 PMID:42351416	研究论文	对比深度学习重建与混合型迭代重建在内耳高清CT中改善图像质量和解剖结构可视化的能力	首次开发并应用专用于内耳的深度学习重建方法，与传统混合型迭代重建进行直接比较	诊断性能在临床实践中未受影响，但样本量相对较小且未提及计算资源消耗	评估深度学习重建在提高内耳高清CT图像质量和解剖结构可视化方面的优势	140名患者（32名耳病患者和108名非耳病患者）的280只中、内耳及颞骨	计算机视觉	耳科疾病	高清CT	深度学习重建	图像	140名患者，280只耳朵样本	NA	深度学习重建网络	信噪比、整体图像质量、解剖结构细节可视化、ROC曲线下面积	NA
3650	2026-06-28	Learning the Structural Diversity of Olfactory Receptors: A Genomic Case Study in Two Longhorn Beetles (Cerambycidae: Lamiinae) 2026-Jun-04, Insects IF:2.7Q1 DOI:10.3390/insects17060587 PMID:42355320	研究论文	利用机器学习预测两种长角天牛（Cerambycidae: Lamiinae）的气味受体蛋白结构，分析其多样性及进化模式	首次将深度学习预测蛋白结构的方法应用于非模式生物长角天牛的气味受体基因家族，揭示结构差异与序列保守性之间的矛盾，发现潜在受异常进化过程影响的蛋白	NA	探索昆虫气味受体蛋白的结构多样性及其与进化分类的关系	两种长角天牛：红乳草天牛和亚洲长角天牛的odorant receptor（OR）基因编码蛋白	机器学习	NA	深度学习蛋白结构预测	深度学习模型	基因组序列数据	两种天牛物种的基因组	NA	NA	预测置信度分数	NA
3651	2026-06-28	Explainable Breast Cancer Detection Using Hierarchical Multi-Scale and Edge-Aware Transformer Networks 2026-Jun-03, Bioengineering (Basel, Switzerland) DOI:10.3390/bioengineering13060657 PMID:42351902	研究论文	提出一种基于Transformer多尺度注意力机制和可解释人工智能的乳腺癌分类框架，利用层次化多尺度Transformer和边缘感知局部Transformer模块从乳腺X线图像中捕获全局上下文依赖和边界敏感局部表示	整合层次化多尺度Transformer和边缘感知局部Transformer模块以同时捕获全局上下文依赖和边界敏感局部表示，引入自适应上下文细化模块保持空间分辨率上的语义一致特征表示，以及采用验证引导的类自适应加权元集成分类框架	可解释性评估基于内部显著性一致性而非使用专家病灶标注的外部临床验证	实现高效且可解释的乳腺癌自动分类	乳腺X线图像中的乳腺癌病变	计算机视觉	乳腺癌	NA	CNN	图像	四个基准数据集：CBIS-DDSM、DDSM、INBreast和MIAS，包含数千张乳腺X线图像	PyTorch	层次化多尺度Transformer、边缘感知局部Transformer、自适应上下文细化模块、支持向量机和K近邻分类器	准确率、精确率、召回率、F1值	GPU（型号未指定）
3652	2026-06-28	[Artificial intelligence-driven assessment of tertiary lymphoid structures in breast cancer: From microscopic analysis to clinical translation] 2026-Jun, Xi bao yu fen zi mian yi xue za zhi = Chinese journal of cellular and molecular immunology PMID:42350349	综述	本文综述了人工智能技术在乳腺癌三级淋巴结构评估中的应用，从微观分析到临床转化	创新点在于系统总结了人工智能驱动的多模态数据分析方法（包括基因组学、病理图像和医学影像）用于解码三级淋巴结构的微观组成和功能状态，并探讨了从微观见解迈向个性化精准免疫治疗的路径	存在数据标准化和模型可解释性等挑战	开发能够定量分析三级淋巴结构空间分布和功能活性的非侵入性评估技术，以实现精准免疫治疗反应预测和预后分层	乳腺癌中的三级淋巴结构及其微观成分（特异性免疫细胞亚群、空间组织）和功能状态（成熟度）	数字病理学	乳腺癌	多模态数据分析	深度学习	基因组数据、病理图像、医学影像	NA	NA	NA	NA	NA
3653	2026-06-28	Power-law penalties correct distance bias in single-cell co-accessibility and deep-learning chromatin interaction predictions 2026-Jun, NAR genomics and bioinformatics IF:4.0Q1 DOI:10.1093/nargab/lqag063 PMID:42359001	research paper	提出了一种使用幂律惩罚函数校正单细胞共可及性和深度学习染色质相互作用预测中距离偏差的方法	首次通过高斯混合模型和聚合物物理缩放导出的距离依赖惩罚函数校正长程相互作用的高估偏差，并提供了跨组织的全局和特异性幂律参数	方法主要在玉米、水稻和大豆的Hi-C数据中验证，可能不适用于其他物种或更复杂的基因组	解决单细胞共可及性和深度学习预测中系统性的长程相互作用高估偏差	玉米、水稻和大豆的染色质相互作用预测	machine learning, computational biology	NA	单细胞ATAC测序、Hi-C	高斯混合模型	基因表达数据、染色质构象数据	玉米、水稻和大豆的多个Hi-C数据集	NA	NA	距离分布一致性、长程假阳性减少率	NA
3654	2026-06-28	Cross-Center Vision-Language Transformer for Robust Mammography-Based Breast Cancer Diagnosis 2026-May-31, Bioengineering (Basel, Switzerland) DOI:10.3390/bioengineering13060653 PMID:42351898	研究论文	提出一种跨中心视觉语言变换器框架，用于基于乳腺X光摄影的鲁棒乳腺癌诊断	集成视觉和语言信息，设计双向跨模态注意力和跨中心特征正则化方法，提升不同临床中心间的诊断鲁棒性	未在真实多中心大规模数据上验证，且文本描述依赖人工标注的临床特征	开发能够跨不同临床中心、成像协议和患者分布的鲁棒乳腺癌诊断模型	乳腺X光图像和对应的临床文本描述	计算机视觉, 自然语言处理	乳腺癌	NA	变换器（Transformer）	图像, 文本	使用CBIS-DDSM、INbreast和VinDr-Mammo三个公共数据集	PyTorch	Vision Transformer, Text Transformer	准确率, ROC-AUC, 期望校准误差, Brier分数	NA
3655	2026-06-28	Adversarial Noise Isolation in Multimodal Perception: A Computational Framework Inspired by Inhibitory Control 2026-May-30, Brain sciences IF:2.7Q3 DOI:10.3390/brainsci16060591 PMID:42352600	研究论文	提出一种受抑制控制启发的多模态信息解缠计算框架，通过对抗噪声隔离机制提升多模态感知的鲁棒性	首次将认知抑制控制概念算法化，设计对抗噪声隔离模块以分离模态不变与模态特异性特征，实现净化后融合策略	未提供直接的神经生物学验证，且仅基于预提取的高层特征运算	验证算法噪声隔离可促进鲁棒的多感官整合假说，降低后续融合计算复杂度	多模态感知中的异构信号（面部表情、声音韵律、语言）与未信息性变异	机器学习	NA	NA	对抗噪声隔离框架	多模态数据（表情、语音、文本）	NA	NA	多模态信息解缠网络	竞争性能、稳定性指标	NA
3656	2026-06-28	Global Spatiotemporal Dynamics of African Swine Fever: An Integrated Multi-Scale Spatial and Time-Series Analysis 2026-May-28, Viruses DOI:10.3390/v18060618 PMID:42357628	研究论文	结合多尺度空间分析和时间序列预测，全面刻画了1996年至2025年非洲猪瘟的全球时空动态	首次整合多距离空间分析与高级时间序列预测框架，揭示了野猪和家猪在不同地区的传播模式差异以及2017-2020年间非洲猪瘟从南北轴向东西向的流行病学转变	未明确说明局限性	全面表征非洲猪瘟的全球时空动态，支持改进早期预警系统和防控策略	非洲猪瘟（ASF）的爆发记录数据集（57,253条记录）	机器学习	非洲猪瘟	时间序列分析	随机森林（RF）、SARIMA、Prophet、XGBoost、GRU	爆发记录（空间和时间数据）	57,253条非洲猪瘟爆发记录	NA	随机森林（RF）、SARIMA、Prophet、XGBoost、GRU	预测准确率	NA
3657	2026-06-28	Cross-Lingual Alzheimer's Disease Speech Detection: Polarity Inversion and Few-Shot Calibration Strategies 2026-May-27, Bioengineering (Basel, Switzerland) DOI:10.3390/bioengineering13060629 PMID:42351874	研究论文	提出一种跨语言阿尔茨海默病语音检测方法，通过极性翻转校准实现低资源语言的性能恢复	发现跨语言病理语音中疾病相关特征偏移方向系统性反转的极性翻转现象，并基于此提出仅需5个标记样本的蒙特卡洛极性翻转校准框架	研究仅基于单一盲测集和有限样本量，可能未涵盖所有语言对和临床场景的变异性	解决低资源语言中标注数据稀缺导致的跨语言迁移性能下降问题	跨语言阿尔茨海默病患者的语音数据	自然语言处理	阿尔茨海默病	语音信号处理	自监督HuBERT模型	语音数据	目标域每类5个标记支持样本	PyTorch	HuBERT	AUC	NA
3658	2026-06-28	Learning Periodic Patterns in ECG Signals Using TimesNet for Automated Cardiac Classification 2026-May-26, Biomedicines IF:3.9Q1 DOI:10.3390/biomedicines14061198 PMID:42351626	研究论文	提出基于TimesNet的框架，利用周期性时间建模对多导联心电图信号进行多标签自动分类	首次在TimesNet框架中明确建模心电图信号的周期性和多尺度时间动态，利用FFT引导的时域分解提取周期性特征	未提及在更大规模或不同来源数据集上的泛化能力验证，且对周期性模式极端变异的鲁棒性待评估	开发一种具有周期性感知能力的心电图表征学习方法，提升心脏疾病自动分类性能	多导联心电图记录，来自PTB-XL数据集	机器学习	心脏疾病（房颤、心肌梗死、室性早搏、ST-T改变）	心电图信号处理	TimesNet	时间序列信号	PTB-XL数据集，包含3类和5类分类任务（具体样本数未提及）	PyTorch	TimesNet、TimesBlocks	AUC	GPU，推理延迟5.230 ms/记录，吞吐量191记录/秒
3659	2026-06-28	MaxI-Net: A 3D AI Framework for CBCT-Based Maxillofacial Defect Reconstruction and Patient-Specific Implant Generation with Biomechanical Validation 2026-May-26, Bioengineering (Basel, Switzerland) DOI:10.3390/bioengineering13060619 PMID:42351864	研究论文	提出MaxI-Net，一个用于CBCT颌面缺损重建和患者特异性植入体生成的三维深度学习框架，并进行生物力学验证	提出端到端的3D深度学习框架，集成混合空洞卷积、残差连接、SE块和3D CBAM注意力机制进行多尺度特征融合，实现颌面缺损重建和个性化植入体生成的一体化流程	生成的植入体内部空腔填充依赖手动后处理步骤（Autodesk Fusion 360），且主要针对上颌骨缺损，下颌骨调整需进一步研究	开发快速、资源高效的三维深度学习框架，实现颌面缺损的自动重建和患者特异性植入体生成	颌面部缺损患者（创伤、肿瘤切除或先天性畸形所致）的CBCT扫描数据	计算机视觉，数字病理	颌面缺损	CBCT	3D深度学习模型	CBCT影像	921个CBCT扫描图像，增广至11,973对上颌骨缺损样本	PyTorch	MaxI-Net, UNet, UNETR, SegResNet, SwinUNETR	Dice相似系数, 95% Hausdorff距离, Dice标准差, 95%置信区间, Wilcoxon符号秩检验, 秩-双列效应量	自动混合精度训练（Automatic Mixed Precision），测试时单个体积处理时间0.06秒，每个epoch训练时间9.6分钟
3660	2026-06-28	Rate-Distortion Limits for Task-Oriented Compression with Side Information 2026-May-26, Entropy (Basel, Switzerland) DOI:10.3390/e28060593 PMID:42352103	研究论文	分析了在编码器不可直接获取任务语义信息情况下，结合侧信息的任务导向压缩的率失真极限	通过同时考虑编码器和解码器端的侧信息及两个语义段的观测，首次完全刻画了率失真函数，并推导了特定马尔可夫条件下的解析解	NA	建立任务导向有损压缩的率失真理论极限，并验证深度学习分类场景下的适用性	具有侧信息的任务导向数据压缩系统，包括二分类和加性高斯相关任务场景	机器学习	NA	率失真理论	深度学习分类网络	图像	NA	PyTorch	有损图像压缩网络	失真度、分类准确率	GPU