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
3861	2026-06-24	Enhanced rice leaf disease classification via contour-driven segmentation and optimized deep transfer learning architectures 2026, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0348290 PMID:42096457	研究论文	采用轮廓驱动分割和优化深度迁移学习架构提升水稻叶片病害分类性能	结合GrabCut分割与轮廓检测作为后处理可视化技术，增强CNN预测结果的可解释性，并系统比较五种深度迁移学习架构的性能	GrabCut和轮廓检测仅用于可视化，不参与分类训练，因此可能无法完全挖掘分割对分类性能的潜在提升	开发可靠的自动化水稻叶片病害分类系统，实现高效病害检测	水稻叶片病害图像	计算机视觉	水稻叶片病害	深度迁移学习	卷积神经网络	图像	1914张图像样本	TensorFlow	InceptionV3, DenseNet201, ResNet152V2, EfficientNetV2L, MobileNetV2	训练准确率, 验证准确率, 测试准确率	GPU
3862	2026-06-24	Robust disease prognosis via diagnostic knowledge preservation: A sequential learning approach 2026, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0344600 PMID:42090385	研究论文	提出一种基于经验回放的顺序学习策略，利用诊断数据集预训练模型，在保持诊断能力的同时提升疾病预后预测性能	首次提出通过经验回放的顺序学习策略解决预后微调中的灾难性遗忘问题，在保持诊断准确性的同时提升预后模型性能	NA	探索利用大规模诊断数据集预训练深度学习模型进行疾病预后预测，并解决微调过程中的灾难性遗忘问题	膝骨关节炎、阿尔茨海默病和乳腺癌的疾病进展预测	机器学习	膝骨关节炎, 阿尔茨海默病, 乳腺癌	诊断预训练、顺序学习、经验回放	深度学习模型	影像数据（膝关节X光片、脑部MRI、数字乳腺X光片）	包含膝骨关节炎、阿尔茨海默病和乳腺癌三个队列的数据集	NA	NA	AUROC, AUPRC, 平衡准确率	NA
3863	2026-06-24	Rationale and design of a multicenter, prospective, diagnostic clinical study: A study protocol for evaluating the diagnostic validation of deep learning-based noninvasive CT-FFR for in-stent restenosis 2026, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0346723 PMID:42090388	研究方案	本研究为一项多中心前瞻性诊断性临床试验，旨在评估基于深度学习的非侵入性CT-FFR在诊断支架内再狭窄中的有效性	将深度学习模型DEEPVESSEL应用于支架内再狭窄（ISR）的评估，这是此前仅在初发冠状动脉病变中验证过的技术	CT-FFR的计算复杂性和处理时间可能限制其临床应用；论文尚未报告最终研究结果，仅描述了研究设计	建立基于深度学习的CT-FFR模型，用于准确评估支架内再狭窄，并以有创FFR作为参考标准验证其诊断性能	支架植入术后患者	深度学习	冠状动脉疾病	冠状动脉CT血管成像（CCTA）、CT衍生血流储备分数（CT-FFR）	CNN（基于DEEPVESSEL模型）	医学图像（CT影像）	计划前瞻性纳入331例支架植入术后患者（其中250例用于模型适配和扩展，81例用于外部验证）	NA	DEEPVESSEL	敏感性、特异性、准确性、阳性预测值、阴性预测值、AUC	NA
3864	2026-06-24	Predicting corporate management performance using AI: Incorporating CEO strategy insights from sustainable management reports 2026, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0347140 PMID:42090426	研究论文	提出一种结合财务数据与CEO策略信息的AI模型，用于预测企业管理绩效	将CEO消息中的战略信息通过文本挖掘和可持续平衡计分卡框架分类，与财务数据结合，显著提升预测准确性	NA	通过融合财务和非财务战略信息，利用AI模型预测企业管理绩效，提供投资决策支持	韩国KOSPI和KOSDAQ市场2016-2023年间的1271家上市公司	机器学习	NA	文本挖掘	KNN, SVM, GBM, CatBoost, GAN, RNN, LSTM, Transformer	文本和数值数据	1271家上市公司（2016-2023年）	NA	Transformer, LSTM, RNN	准确率, AUC, F1分数	NA
3865	2026-06-24	Application of few-shot learning and transfer learning based on YOLOv6 in the recognition of bacteria in sputum M-ROSE 2026, Frontiers in cellular and infection microbiology IF:4.6Q1 DOI:10.3389/fcimb.2026.1791986 PMID:42100663	研究论文	基于YOLOv6的少样本学习和迁移学习在痰液M-ROSE细菌识别中的应用	引入了旋转切割和图像融合两种定制化数据增强策略，用于检测极小细菌目标；在标注数据有限条件下利用YOLOv6结合迁移学习和少样本学习实现高效细菌识别	仅涉及三种细菌类型，样本量较小（161张图像），且标注图像仅30张，可能影响模型的泛化能力	开发和评估一种基于深度学习的框架，用于在标注数据有限的条件下识别痰液M-ROSE涂片中的细菌	痰液M-ROSE图像中的鲍曼不动杆菌、肺炎克雷伯菌和铜绿假单胞菌	计算机视觉	肺部感染	NA	YOLOv6	图像	共161张革兰染色痰液M-ROSE图像，其中30张用于构建数据集N（训练集24张，验证集6张），131张作为独立测试集	NA	YOLOv6	召回率、精确率、F1分数、平均精度均值（mAP）、准确率以及诊断时间	NA
3866	2026-06-23	Explainable deep learning assisted SERS detection of cathinones in environmental water 2026-Oct-05, Spectrochimica acta. Part A, Molecular and biomolecular spectroscopy DOI:10.1016/j.saa.2026.127905 PMID:42000141	研究论文	提出了一种可解释深度学习辅助的表面增强拉曼光谱技术，用于环境水中卡西酮类物质的检测与识别	结合了通道与空间注意力机制的一维卷积神经网络，并利用Grad-CAM算法增强模型的可解释性，准确识别卡西酮类物质的SERS特征峰	仅针对四种标准卡西酮物质进行检测，未涉及实际环境中多种卡西酮混合体系或更低浓度下的性能评估	开发高灵敏度、可解释的SERS检测方法，实现环境水中合成卡西酮类物质的准确分类	四种合成卡西酮标准物质及环境水加标样品	机器学习	NA	表面增强拉曼光谱（SERS）、密度泛函理论计算	一维卷积神经网络（1D-CNN）	光谱数据	四种标准卡西酮物质及阴性样本的SERS光谱数据	PyTorch	通道与空间注意力机制增强的1D-CNN	分类准确率	NA
3867	2026-06-23	Extraction of Raman spectral features and rapid identification of rice origin and storage years 2026-Oct-05, Spectrochimica acta. Part A, Molecular and biomolecular spectroscopy DOI:10.1016/j.saa.2026.127896 PMID:42008962	研究论文	结合拉曼光谱与深度学习提取光谱特征，快速识别大米产地和储存年份	首次将宏观成分分析（常规拉曼光谱）与微量代谢物表征（银纳米粒子增强SERS）结合，通过淀粉微结构和腺嘌呤信号实现大米产地和储存年份的化学可解释性鉴别	NA	开发一种结合拉曼光谱与深度学习的方法，用于特征化并识别大米的产地和储存年份，以应对产地伪造和陈米欺骗营销问题	中国七大主要产区的九个大米样品（包括一个代表品种的三年储存系列）	机器学习	NA	拉曼光谱，常规拉曼光谱，表面增强拉曼散射（SERS），银纳米粒子	NA	光谱	9个大米样品，包括一个品种的三年龄系列	NA	卷积神经网络（CNN）	准确率（98.57%）	NA
3868	2026-06-23	Comorbidity-aware transfer learning for neuro-developmental disorder diagnosis 2026-Sep, Neural networks : the official journal of the International Neural Network Society IF:6.0Q1 DOI:10.1016/j.neunet.2026.108980 PMID:42001626	研究论文	提出了一种共病感知迁移学习框架，用于基于fMRI数据的神经发育障碍诊断	首次将共病信息融入迁移学习，通过伪标签和编码器-解码器结构分离任务相关特征与混淆因素，提供跨疾病神经动力学的机制见解	未在更多样化的数据集或真实临床环境中验证，且模型轻量级CNN可能无法完全捕捉fMRI的复杂时空模式	开发基于fMRI的计算机辅助诊断系统，提升神经发育障碍（如自闭症谱系障碍和注意力缺陷多动障碍）的诊断准确性	神经发育障碍患者（自闭症谱系障碍和注意力缺陷多动障碍）	机器学习	神经发育障碍	fMRI	CNN	图像	未明确报告样本数量，仅提及基准数据集	NA	编码器-解码器架构、轻量级卷积神经网络	准确率	NA
3869	2026-06-23	A knowledge-based deep learning model for accurate urban drainage system prediction under spatiotemporally variable rainfall 2026-Aug-01, Water research IF:11.4Q1 DOI:10.1016/j.watres.2026.125930 PMID:41997102	研究论文	提出一种融合先验知识与稀疏监测数据的深度学习模型，用于城市排水系统水位预测	无需显式降雨输入，通过知识驱动传播观测信号实现空间-时间校正，在极端稀疏传感器条件下仍保持高精度，并具有物理可解释性	未提及模型在不同城市排水系统间的迁移能力或长期运行稳定性验证	实现城市排水系统水位的准确、快速预测，支持实时洪涝预警	城市排水管网水位动态变化	机器学习	不适用	不适用	深度学习模型	合成降雨数据和真实降雨事件数据	未明确样本数量，但包含合成降雨与多个真实降雨事件	不适用	知识增强型深度学习网络	均方根误差, NSE, 峰值预测误差, 溢流检测精度	不适用
3870	2026-06-23	Adaptive real-time dosing strategy for advanced phosphorus removal using model predictive control and time-series analysis in WWTPs 2026-Aug-01, Water research IF:11.4Q1 DOI:10.1016/j.watres.2026.125925 PMID:42001571	研究论文	提出一种结合机器学习、遗传算法和模型预测控制的自适应实时磷投药策略，用于污水处理厂高效除磷	将1DCNN-LSTM混合深度学习模型与Smith预测器增强的模型预测控制相结合，实现精准实时化学投药调整，显著降低化学消耗	基于模拟结果和单一污水处理厂数据验证，实际应用需进一步测试不同场景和规模	开发智能实时投药控制框架，优化污水处理厂化学除磷过程，实现稳定达标和可持续运营	污水处理厂中的化学除磷过程	机器学习, 控制优化	NA	深度学习, 遗传算法, 模型预测控制	1DCNN-LSTM	时间序列监控数据（多源监测数据）	12个月全规模污水处理厂数据	TensorFlow, 其他控制算法框架	1DCNN-LSTM, 遗传算法	出水总磷浓度合规性, 化学消耗降低百分比	NA
3871	2026-06-23	A modular deep learning pipeline for stromal TILs scoring in breast cancer H&E slides 2026-Aug-01, Computer methods and programs in biomedicine IF:4.9Q1 DOI:10.1016/j.cmpb.2026.109374 PMID:42013559	研究论文	本文提出了一种模块化深度学习流水线，用于在乳腺癌H&E切片中自动进行基质肿瘤浸润淋巴细胞评分	开发了结合TIL分割模型、增强型DeepLabV3+基质分割网络和轻量级回归模块的模块化流水线，并通过病理学家引导的主动学习优化分割模型，同时引入了一种新的自适应聚合策略将斑块级预测整合为有临床意义的分数	未在更大规模或更多样化的数据集上进行验证，可能影响泛化能力	实现符合国际免疫肿瘤学生物标志物工作组指南的完全自动化和连续的基质TILs评分	乳腺癌H&E切片中的肿瘤浸润淋巴细胞和基质区域	数字病理学	乳腺癌	H&E染色	卷积神经网络（CNN）	图像	两份独立数据集，分别包含60和112张全切片图像	PyTorch	DeepLabV3+	皮尔逊相关系数, 组内相关系数	NA
3872	2026-06-23	Morphology-informed deep learning for risk assessment of filamentous bulking in a full-scale industrial wastewater treatment plant 2026-Jul-01, Environmental research IF:7.7Q1 DOI:10.1016/j.envres.2026.124520 PMID:41997279	研究论文	提出了一种形态学驱动的深度学习框架，直接基于污泥显微镜图像评估工业废水处理厂丝状菌膨胀风险	首次将深度学习与形态学分析结合，从显微镜图像直接连续量化丝状菌膨胀风险，克服了传统替代指标方法反应延迟和可靠性不足的问题	研究基于单一工业废水处理厂的数据集，模型泛化性需进一步验证；图像标签仅为二分类，可能限制对更细粒度形态变化的刻画	开发一种基于显微镜图像的前瞻性丝状菌膨胀风险评分方法，为工业废水处理厂污泥监测提供主动预警工具	工业规模饥饱交替序批式反应器废水处理厂的活性污泥系统	计算机视觉	NA	显微镜成像	卷积神经网络与视觉Transformer	图像	两年时间跨度的工业废水处理厂显微镜图像数据集	PyTorch	ConvNeXt-nano, CrossViT-18	准确性, 敏感性, 假阳性率, 非膨胀期准确率	NA
3873	2026-06-23	Diagnostic Accuracy of Ultrasound Radiomics for Cervical Lymph-Node Metastasis in Papillary Thyroid Carcinoma: Evidence Predominantly From Chinese Cohorts 2026-Jul, Ultrasound in medicine & biology DOI:10.1016/j.ultrasmedbio.2026.01.017 PMID:41997788	meta-analysis	通过荟萃分析量化超声影像组学在预测甲状腺乳头状癌颈部淋巴结转移中的诊断准确性并评估方法学质量	首次系统汇总超声影像组学诊断甲状腺乳头状癌颈部淋巴结转移的准确率，并引入分层荟萃回归分析侧方淋巴结分区、建模流程和验证策略的影响，同时利用Radiomics Quality Score评估研究的标准化程度	纳入研究主要来自中国，可能限制对其他人群的通用性；各研究间异质性高（I² > 80%），且外部验证队列表现较低（AUC = 0.79）	量化超声影像组学诊断甲状腺乳头状癌颈部淋巴结转移的准确性，并评估现有研究的方法学质量和标准化水平	60项研究共10852例甲状腺乳头状癌患者，其中4716例伴有淋巴结转移	计算机视觉,机器学习	甲状腺癌	超声影像组学	机器学习模型,深度学习模型	超声医学图像,临床变量数据	60项研究，10852例患者（4716例淋巴结转移阳性）	NA	NA	敏感度,特异度,诊断优势比,ROC曲线下面积	NA
3874	2026-06-23	Deep learning-based segmentation of enamel, cementum, alveolar bone, and gingiva in periodontal ultrasound images 2026-Jul, Journal of dentistry IF:4.8Q1 DOI:10.1016/j.jdent.2026.106705 PMID:42009189	研究论文	开发基于深度学习的多类分割模型，用于超声图像中牙釉质、牙骨质、牙槽骨和牙龈的同步分割，并实现牙骨质-釉质交界处、牙槽骨嵴和牙龈缘的精确定位	提出了一种新颖的双流深度学习架构，并采用随机模块打乱技术，实现了超声图像中牙周结构的同步四类分割和三个解剖标志的精确自动定位	NA	开发深度学习模型以实现牙周超声图像的多类分割和解剖标志定位，提高超声技术在牙周评估中的临床实用性	牙周结构：牙釉质、牙骨质、牙槽骨和牙龈，以及相关解剖标志：牙骨质-釉质交界处、牙槽骨嵴和牙龈缘	计算机视觉	牙周疾病	超声成像	深度学习	图像	内部数据集752张图像，外部测试集111张图像	NA	双流深度学习架构	Dice相似系数、交并比、精确度、灵敏度、95%豪斯多夫距离、平均对称表面距离	NA
3875	2026-06-23	From structural complexity to causal representation: A dynamic fractal-attention framework for fine-grained ovarian tumor classification in ultrasound 2026-Jul, Medical image analysis IF:10.7Q1 DOI:10.1016/j.media.2026.104101 PMID:42035560	研究论文	提出一种结构感知和因果正则化的深度学习框架，用于超声图像中卵巢肿瘤的细粒度分类	动态可学习分形建模、边缘引导结构精炼和因果推理辅助模块的集成	NA	实现超声图像中卵巢肿瘤的准确、鲁棒且可解释的细粒度分类	卵巢肿瘤的超声图像	计算机视觉，机器学习	卵巢肿瘤	超声成像	CNN，基于Transformer的模型，自监督方法，因果基线	图像	大型私有卵巢超声队列和公共MMOTU基准	NA	动态分形注意力网络	准确率，宏F1，召回率， F1分数	NA
3876	2026-06-23	Artificial intelligence in rare pediatric solid tumor research and clinical care: A scoping review 2026-Jul, Journal of pediatric surgery IF:2.4Q2 DOI:10.1016/j.jpedsurg.2026.163140 PMID:41999969	综述	本综述系统描述了人工智能和机器学习在罕见儿童实体瘤研究与临床护理中的应用现状	首次系统梳理AI/ML在罕见儿童实体瘤中的应用，强调了其在诊断、风险分层和预后方面优于传统方法的潜力	仅包含23项研究，且多数缺乏外部验证，限制了临床适用性	评估AI/ML在罕见儿童实体瘤中的当前应用，并识别未来研究方向	罕见儿童实体瘤（如肝母细胞瘤、儿童甲状腺癌）	机器学习	罕见儿童实体瘤	NA	监督学习、无监督学习、深度学习、混合/集成模型	高维数据（如临床、基因组、影像）	23项研究（2009-2025年）	NA	NA	AUC	NA
3877	2026-06-23	Deep learning-based Wilms tumor segmentation to create 3D models for surgical planning: Implementation in the clinical workflow 2026-Jul, Journal of pediatric surgery IF:2.4Q2 DOI:10.1016/j.jpedsurg.2026.163151 PMID:42044738	研究论文	基于深度学习的肾母细胞瘤分割方法用于创建手术规划3D模型的前瞻性评估	首次在临床工作流中前瞻性验证基于深度学习的肾母细胞瘤自动分割方法，用于创建手术规划3D模型	样本量较小（56名回顾性患者和10名前瞻性患者），部分患者分割效果不佳（肿瘤边界欠分割和肿瘤/肾脏边界错误识别）	评估深度学习分割方法在临床工作流中创建肾母细胞瘤患者3D手术规划模型的可行性	肾母细胞瘤患者的术前MRI图像	机器学习	肾母细胞瘤	NA	nnU-Net	图像	66名患者，其中56名为回顾性数据集，10名为前瞻性连续病例	NA	nnU-Net	Dice分数	NA
3878	2026-06-23	Exploring quantum frontiers in protein structure prediction: techniques, challenges, and opportunities 2026-Jul, Methods (San Diego, Calif.) DOI:10.1016/j.ymeth.2026.04.006 PMID:41999908	综述	综述量子计算在蛋白质结构预测中的技术进展、挑战与机遇	提出量子计算（如量子退火、量子优化算法和混合量子-经典方法）利用量子特性（叠加、纠缠、隧穿）来解决传统蛋白质结构预测中构象搜索空间指数爆炸的问题	当前量子比特保真度有限、纠错和可扩展性不足等挑战仍然存在	探索量子计算作为蛋白质三维结构预测的新范式，以克服经典方法的计算瓶颈	蛋白质折叠过程的能量景观与构象空间	机器学习	NA	量子计算	量子退火、量子优化算法、混合量子-经典方法	NA	NA	NA	AlphaFold	CASP评分（92.4）	NA
3879	2026-06-23	An intelligent fusion model for Ki-67 prediction in non-small cell lung cancer: A cloud-based prediction system integrating radiomics 2026-Jul, European journal of radiology IF:3.2Q1 DOI:10.1016/j.ejrad.2026.112866 PMID:42000471	研究论文	开发了一种融合影像组学和深度学习的智能模型，用于非小细胞肺癌患者Ki-67表达的术前预测	首次将瘤内与瘤周影像组学特征、深度学习评分及临床参数整合到随机森林模型中，并基于云端部署实现多中心验证，显著提升了预测性能与可解释性	未提及外部验证集的泛化性是否受不同扫描设备或影像参数影响，且仅基于CT图像，未纳入其他模态数据	实现对非小细胞肺癌患者Ki-67表达水平的无创、准确术前预测	非小细胞肺癌患者的术前CT影像及临床数据	机器学习, 计算机视觉, 医学影像分析	非小细胞肺癌	CT影像、影像组学分析、深度学习	随机森林	CT图像、临床参数	876例非小细胞肺癌患者（来自四个机构），分为训练集525例、测试集175例、外部验证集176例	PyTorch (用于ResNet101), Scikit-learn (用于随机森林)	ResNet101 (用于提取深度学习评分), 随机森林 (用于融合模型)	AUC, F1分数	NA
3880	2026-06-23	Incremental value of deep learning denoising in low-dose coronary CT angiography in predominantly obese patients 2026-Jul, European journal of radiology IF:3.2Q1 DOI:10.1016/j.ejrad.2026.112859 PMID:42001841	研究论文	评估基于卷积神经网络的后处理去噪技术在低剂量冠状动脉CT血管成像中对以肥胖患者为主的队列的附加价值	首次在以肥胖患者为主的队列中系统验证CNN去噪技术对低剂量CCTA图像质量的独立于BMI的改善作用	单中心设计、样本量较小（56例）、回顾性研究性质	确定CNN去噪技术在低剂量CCTA中的临床附加价值	以肥胖患者为主的连续接受低剂量CCTA检查的患者	计算机视觉	冠状动脉疾病	CT冠状动脉成像，深度学习去噪	卷积神经网络	图像	56名参与者（57.1%女性，62.5%肥胖）	NA	卷积神经网络	信噪比、对比噪声比、主观图像质量评分	NA