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
481	2026-05-31	Autism spectrum disorder identification using machine learning models on MRI data 2026-May-29, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-55163-y PMID:42215668	research paper	本研究利用基于MRI数据的机器学习模型，通过分析多模态MRI质量指标，提出了一种客观的自闭症谱系障碍诊断方法，并实现了95.84%的诊断准确率	利用通常被视为噪声的MRI质量指标作为技术生物标志物，提出Quality Vector框架，结合集成学习方法实现高效自闭症检测，将技术噪声转化为有用诊断信息	NA	开发基于机器学习与深度学习的客观方法，利用MRI质量指标自动识别自闭症谱系障碍	自闭症谱系障碍患者的多模态MRI数据（sMRI、fMRI、DTI）	自然语言处理	自闭症谱系障碍	MRI	1D-ResNet、CNN、SVM、kNN、集成学习	MRI图像	ABIDE II数据库中的多模态MRI数据（结构、功能、弥散）	Scikit-learn	1D-ResNet、CNN、Voting Ensemble	准确率	NA
482	2026-05-31	O²RDL-net for joint risk classification and delay forecasting in logistics systems using interaction amplified deep 2026-May-29, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-55703-6 PMID:42215691	研究论文	提出一种名为O²RDL-Net的负载感知与交互增强深度学习框架，用于物流系统中的联合风险分类和延误预测	提出了负载感知与交互增强的深度学习框架，创新性地集成了高阶运营指标（风险累积指数、延误敏感性指标、人机交互评分和物流系统表示），并采用时空注意力编码器与风险机制调控，实现联合风险分类与延误预测，优于传统方法	未明确提到局限性	实现物流系统中延误预测与风险分类的联合建模，提高预测精度和解释性	物流系统中的运营风险与延误模式	机器学习	NA	NA	深度学习（深度学习框架）	时间序列数据	NA	NA	O²RDL-Net（含时空注意力编码器）	平均绝对误差（MAE）、均方根误差（RMSE）、决定系数（R²）、准确率、精确率、召回率、F1分数	NA
483	2026-05-31	A multimodal interpretable deep learning-radiomics framework for predicting lymph node metastasis following neoadjuvant chemoradiotherapy in locally advanced rectal cancer: a multicenter validation study 2026-May-29, NPJ precision oncology IF:6.8Q1 DOI:10.1038/s41698-026-01510-1 PMID:42215698	研究论文	开发并验证了一个整合临床、影像组学和深度学习特征的多模态MRI框架，用于预测局部晚期直肠癌新辅助放化疗后的淋巴结转移状态	提出融合临床人口统计学信息、手工影像组学特征和深度学习特征的多模态可解释框架，并利用SHAP和Grad-CAM增强模型可解释性	在外部测试数据集中AUC为0.771，性能仍有提升空间	非侵入性评估新辅助放化疗后的淋巴结转移状态，辅助治疗反应评估、预后判断和手术决策	局部晚期直肠癌患者	数字病理学	结直肠癌	MRI	深度学习融合网络与随机森林	影像数据	382例来自四个中心的局部晚期直肠癌患者	NA	深度学习融合网络，随机森林	AUC，决策曲线分析	NA
484	2026-05-31	A survey of deep learning techniques in detecting neurological disorders using MRI 2026-May-29, Biomedical engineering online IF:2.9Q3 DOI:10.1186/s12938-026-01587-6 PMID:42216001	综述	本文系统综述了利用深度学习技术基于MRI检测神经系统疾病的方法，涵盖CNN、Vision Transformer、混合模型等架构，并分析了性能、数据集特征及临床挑战	对2019-2025年间47篇研究进行系统分析，覆盖40余种深度学习架构和34个数据集，首次全面比较不同神经系统疾病的模型并突出跨领域泛化、可解释性等关键差距	跨机构验证有限、数据集异质性、解释性不足及临床部署挑战	全面评述深度学习在MRI检测神经系统疾病中的应用现状、挑战与未来方向	47篇研究文章中的深度学习模型与MRI数据集	机器学习	阿尔茨海默病、脑肿瘤、帕金森病、多发性硬化症、精神分裂症等神经系统疾病	MRI	CNN、Vision Transformer (ViT)、CNN-Transformer混合模型	MRI图像	34个公开及临床数据集	NA	CNN、Vision Transformer (ViT)、CNN-Transformer混合架构	准确率、AUC等（具体指标未明确列出，但文中提及模型性能比较）	NA
485	2026-05-31	A two-stage sperm holomorphological analysis method based on multi-output network construction 2026-May-29, BMC bioinformatics IF:2.9Q1 DOI:10.1186/s12859-026-06478-0 PMID:42216116	研究论文	提出一种基于多输出网络构建的两阶段精子全形态分析方法	首次采用多输出分类的Multi-Head Mobilevit Net模型实现单精子头部、中部和主部的同时检测，并整合Mixing Loss函数	未在更大规模或不同染色方法的数据集上验证泛化能力	实现精子形态的自动化、客观化检测以辅助男性不育诊断	精子的头部、中部和主部形态	计算机视觉	男性不育症	改进巴氏染色	CNN	图像	10802张改进巴氏染色的精子形态图像	NA	UNet++, Multi-Head Mobilevit Net	准确率	NA
486	2026-05-31	Optimizing preoperative planning for total hip arthroplasty using random forest models to predict stem size and compatibility 2026-May-29, BMC musculoskeletal disorders IF:2.2Q3 DOI:10.1186/s12891-026-10022-9 PMID:42216166	研究论文	利用随机森林模型优化全髋关节置换术前规划，预测假体柄尺寸与匹配度	首次提出结合特征工程（测量值比值）的随机森林模型，同时预测假体柄尺寸（七分类）与骨性匹配（二分类），突破了传统深度学习图像识别方法在尺寸与兼容性优化上的局限	仅针对单一假体系统（Accolade II）验证，需进一步验证其他植入系统的适用性；样本量有限（训练集320髋，测试集109髋）	开发监督式机器学习模型，辅助外科医生在术前规划中准确估计全髋关节置换术的假体柄尺寸与股骨几何兼容性	全髋关节置换术（THA）的术前规划，假体柄尺寸选择与股骨几何兼容性	机器学习	髋关节疾病	CT成像，模拟软件	随机森林	影像数据（CT图像）及衍生测量比值	训练集320髋，测试集109髋	Scikit-learn	随机森林	准确率，F1分数，精确率，召回率	NA
487	2026-05-31	Deep learning uncovers conserved regulatory logic and element dosage underlying stable gene expression in grasses 2026-May-29, Molecular plant IF:17.1Q1 DOI:10.1016/j.molp.2026.05.017 PMID:42216449	研究论文	利用深度学习揭示禾本科植物中维持基因表达稳定性的保守调控逻辑和元件剂量	开发了Basenji-HMM方法，结合深度学习突变效应谱和隐马尔可夫模型，在核苷酸分辨率下鉴定高影响候选顺式调控元件，并提出“调控等效性”模型解释保守基因表达	文中未明确提及局限性	理解禾本科植物中顺式调控元件的保守调控逻辑及其如何维持稳定的基因表达	五种禾本科植物（包括水稻）的五个直系同源组织	机器学习	NA	染色质可及性测序、转录组测序	深度学习模型（Basenji）、隐马尔可夫模型	序列数据、染色质可及性数据、转录组数据	五种禾本科植物的五个直系同源组织	NA	Basenji, HMM	相关性系数	NA
488	2026-05-31	Fewest-Switches Surface Hopping with Combined Deep Learning Potential and Long Short-Term Memory Network Propagator for Simulating Realistic Photochemical Processes 2026-May-28, Journal of chemical theory and computation IF:5.7Q1 DOI:10.1021/acs.jctc.6c00170 PMID:42207866	研究论文	开发了一种结合深度学习势和长短期记忆网络传播器的少开关面跳跃方法，用于模拟真实光化学过程	重新设计了LSTM的输入特征和训练过程以有效表示高维核自由度，并集成等变神经网络构建基态和激发态的绝热势能面，仅需10条参考轨迹即可训练LSTM网络	NA	扩展LSTM-FSSH框架以模拟真实光化学反应，提高激发态寿命和产物产率的计算准确性	CHNH和偶氮苯的光异构化过程	自然语言处理	NA	分子动力学模拟	LSTM	分子轨迹数据	10条参考轨迹用于训练LSTM网络	PyTorch	LSTM, 等变神经网络	激发态寿命, 产物产率	NA
489	2026-05-31	Computational blueprints for cell fate programming 2026-May-28, Stem cell reports IF:5.9Q2 DOI:10.1016/j.stemcr.2026.102929 PMID:42208532	综述	综述了用于细胞命运编程的计算蓝图，将计算方法嵌入迭代设计-测试-学习流程中	将计算方法系统化地整合为实用的计算蓝图，并嵌入迭代设计-测试-学习流程，以推动细胞命运编程的协议设计	计算方法在协议设计中的前瞻性应用仍不均衡，存在领域偏移、可解释性和可重复性等挑战	总结细胞命运编程的计算方法，提出实用的计算蓝图以指导协议设计	细胞命运编程中的计算方法（如细胞注释、网络推理、轨迹分析）及单细胞组学、空间组学、扰动筛选和深度学习技术	机器学习	NA	单细胞组学、空间组学、扰动筛选	深度学习	单细胞数据、空间组学数据	NA	NA	NA	NA	NA
490	2026-05-31	The Tsetlin Machine: A "Third Way" in QSAR Modeling 2026-May-28, Journal of chemical information and modeling IF:5.6Q1 DOI:10.1021/acs.jcim.5c03109 PMID:42208944	研究论文	提出一种结合规则基方法和神经网络迭代学习的Tsetlin Machine，用于定量构效关系建模	将Tsetlin Machine引入QSAR领域，通过有限状态自动机与强化学习捕获频繁模式，同时实现高精度和内在可解释性	二进制性质限制了离散化连续描述符的使用性能	开发一种兼具准确率、易用性和可解释性的QSAR建模新范式	QSAR模型中的化合物生物活性预测	机器学习	NA	ECFP4描述符、子结构指纹描述符	Tsetlin Machine	分子结构描述符	NA	NA	Tsetlin Machine	ROC-AUC, PRC-AUC, PPV	NA
491	2026-05-31	Deep Learning-Accelerated 3D FLAIR Enables Reliable MS Lesion Detection 2026-May-28, AJNR. American journal of neuroradiology DOI:10.3174/ajnr.A9140 PMID:42209146	研究论文	评估深度学习重建的3D FLAIR序列在多发性硬化患者脱髓鞘病变检测中的诊断性能和图像质量	首次在临床环境中验证深度学习加速的3D FLAIR序列对MS病变检测的可靠性，并评估不同头线圈配置的影响	亚阈值病变（<3毫米）可能被遗漏，尤其是使用20通道线圈时；主观图像质量评分略低于标准序列	评估深度学习重建的3D FLAIR序列在检测MS脱髓鞘病变中的诊断性能和图像质量	76名多发性硬化患者	机器学习	多发性硬化	3D FLAIR MRI	深度学习重建模型	MRI图像	76名多发性硬化患者	NA	NA	SNR, 对比噪声比, Likert评分, 病变检测一致性	3T MRI扫描仪，20或64通道头线圈，经认证的人工智能设备
492	2026-05-31	MethyNano: supervised contrastive pretraining enables robust and generalizable methylation detection from nanopore sequencing 2026-May-28, Bioinformatics (Oxford, England) DOI:10.1093/bioinformatics/btag348 PMID:42209437	研究论文	本文提出MethyNano，一种利用对比学习策略从纳米孔测序数据中检测5-甲基胞嘧啶的深度学习框架，并验证了其在跨物种和跨序列背景下的鲁棒泛化能力	首次在甲基化检测中采用监督对比预训练策略，增强对稀有序列背景的敏感性和预测稳定性，实现跨物种、跨序列背景的鲁棒泛化	NA	开发一种鲁棒且可泛化的纳米孔测序甲基化检测方法，解决现有方法在跨物种和跨序列背景下泛化性差、序列与电流信号整合不优的问题	拟南芥、水稻和人的纳米孔测序数据中的5mC甲基化位点	机器学习	NA	纳米孔测序	对比学习深度学习模型	序列信号	来自拟南芥、水稻和人三种物种的纳米孔测序数据集	PyTorch	MethyNano框架	准确率、精确率、召回率、F1分数、AUC	NA
493	2026-05-31	Multimodal deep learning model for AI-based functional prognostic risk stratification in patients undergoing radical nephrectomy 2026-May-28, Nature communications IF:14.7Q1 DOI:10.1038/s41467-026-73813-7 PMID:42209536	研究论文	开发多模态深度学习模型，用于术前预测肾癌患者根治性肾切除术后肾功能快速下降的风险，辅助临床治疗决策	首次构建多模态深度学习模型整合增强CT影像与临床数据，实现术前预测根治性肾切除术后肾小球滤过率快速下降风险，为复杂肾癌患者选择保留肾单位手术提供决策支持	回顾性研究设计可能存在选择偏倚，模型性能在外部测试集上AUC为0.788-0.873，仍有改进空间	开发能够术前预测根治性肾切除术后肾功能快速下降风险的多模态深度学习模型，辅助复杂肾癌患者的治疗决策	接受根治性肾切除术的复杂肾细胞癌患者	计算机视觉, 机器学习	肾细胞癌	增强CT成像	多模态深度学习模型	图像, 临床数据	1621例患者（多中心回顾性研究）	NA	多模态深度学习架构	AUC（曲线下面积）	NA
494	2026-05-31	Research on road traffic condition prediction of smart city based on spatio-temporal multi-source information fusion 2026-May-28, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-18300-7 PMID:42209540	研究论文	提出一种基于时空多源信息融合的深度学习模型，用于智能城市道路交通流量预测，并应对异常事件的影响	结合动态图网络和多头注意力机制，以及多任务学习，提出适用于正常和异常交通状态的城市道路预测方法	未明确讨论模型的泛化能力或对其他城市数据集的适用性	探索适用于公共交通系统交通流预测的方法，并应对异常交通事件对预测的挑战	城市道路交通流量和异常交通事件	机器学习	NA	NA	深度学习模型（动态图网络、多头注意力机制）	交通流数据（PEMS04, PEMS08, Highways England）	三个真实交通数据集	NA	动态图网络、多头注意力机制、多任务学习	MAE, RMSE	NA
495	2026-05-31	Quantum-inspired optimization of transformer-capsule networks for accurate brain tumor segmentation and classification 2026-May-28, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-53840-6 PMID:42209605	研究论文	提出量子启发优化的Transformer-胶囊网络框架，用于脑肿瘤分割和分类	首次将量子启发哈里斯鹰优化算法与Swin Transformer U-Net及图注意力胶囊网络结合，同时解决长程空间依赖建模、特征冗余和结构关系缺失问题	未提及在真实临床环境中的部署验证和计算成本分析	开发高精度且可靠的脑肿瘤自动诊断框架	脑肿瘤MRI图像	计算机视觉	脑肿瘤	MRI	Transformer, 胶囊网络, CNN	图像	BraTS 2019和BraTS 2020基准数据集，以及Figshare脑肿瘤数据集	PyTorch（推断）	Swin Transformer U-Net, EfficientNetV2, 图注意力胶囊网络	准确率, F1分数, Dice-WT分数, AUC	NA
496	2026-05-31	Deep learning based cricket batting shot classification and performance analysis using computer vision 2026-May-28, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-52617-1 PMID:42209604	研究论文	利用计算机视觉和深度学习技术对板球击球镜头进行分类，并进行球员表现分析	结合光流计算和姿态估计进行预处理，使用3D卷积神经网络对击球镜头进行分类，并与专业球员的击球进行对比分析以提供改进建议	可能缺乏对高等级生物力学评估、实时反馈系统和AI教练支持等功能的整合	分类不同类型的击球镜头并分析球员表现，通过与专业球员的对比提供改进洞察	板球球员的击球视频	计算机视觉	NA	光流计算、姿态估计	3D卷积神经网络	视频	NA	NA	3D卷积神经网络	评估指标（未指定具体名称）	NA
497	2026-05-31	Deep learning approach for art style recognition and colour restoration in visual art images 2026-May-28, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-51895-z PMID:42209631	研究论文	提出一种颜色感知驱动的深度学习框架，用于艺术风格识别与色彩复原	将心理学动机的颜色预处理（饱和度增强、HSV和Lab色彩空间自适应变换）集成到标准ResNet-50骨干网络中，使模型更好地捕捉与风格相关的色彩线索，无需更大架构或多模态输入即取得显著性能提升	未明确说明限制	提出颜色感知驱动的深度学习框架，提升艺术风格分类的准确性，并探讨色彩特征提取在数字修复等应用中的意义	WikiArt数据集中的27种艺术风格图像	计算机视觉	NA	NA	CNN（ResNet-50）	图像	WikiArt数据集（27种风格）	NA	ResNet-50	测试准确率（90.2% ± 0.3）	NA
498	2026-05-31	Dual-attention residual U-Net with Huber loss for robust and efficient porosity prediction from well logs 2026-May-28, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-55558-x PMID:42209649	研究论文	提出了一种结合双注意力机制的残差U-Net架构，使用Huber损失函数，从测井数据中高效、稳健地预测孔隙度	首次将1D U-Net架构与ResNet块、双注意力机制及Huber损失相结合，实现了对测井噪声的鲁棒处理和多尺度特征的保留，解决了LSTM的顺序瓶颈和CNN-Transformer模型多尺度表示不足的问题	未提及在非碳酸盐岩储层或不同地质条件下的通用性验证，且Huber损失中δ值的校准依赖训练残差的经验分布，可能需针对新数据集重新调整	提高从测井数据预测孔隙度的准确性和效率，解决现有深度学习方法在计算效率和多尺度特征捕获方面的局限性	碳酸盐岩储层的测井数据	机器学习	NA	NA	U-Net	测井数据	NA	PyTorch	ResNet, U-Net	R², RMSE	NA
499	2026-05-31	Cross-material catalyst discovery via deep learning 2026-May-28, Nature materials IF:37.2Q1 DOI:10.1038/s41563-026-02622-6 PMID:42209792	研究论文	展示一种跨材料催化剂发现的深度学习方法，通过整合不同实验数据集构建统一预测模型	提出跨育种神经网络（CBNN），实现不同催化剂家族间的知识迁移，突破传统单一材料类别的限制	仅基于两种实验数据集（碳基单原子催化剂和钙钛矿氧化物催化剂）进行验证，泛化到其他材料体系需进一步实验支持	开发跨材料催化剂发现方法，加速高性能催化剂设计	碳基单原子催化剂和钙钛矿氧化物催化剂	机器学习	不适用	机器学习、自然语言分析	跨育种神经网络	实验数据集	两个实验数据集：碳基单原子催化剂和钙钛矿氧化物催化剂	不适用	跨育种神经网络	过电位	不适用
500	2026-05-31	VMAM-NET: A Model Agnostic Meta-Learning Network for Rare De Novo Glioblastoma Diagnosis 2026-May-28, Journal of imaging informatics in medicine DOI:10.1007/s10278-026-02027-6 PMID:42209815	研究论文	提出VMAM-NET混合深度元学习模型，用于罕见新发胶质母细胞瘤诊断	结合VGG-16特征提取与模型无关元学习(MAML)框架，在数据稀缺环境下实现快速自适应小样本学习，并通过Grad-CAM提高模型可解释性	未提及模型的泛化能力验证及外部数据集测试，且仅针对胶质母细胞瘤单一病种	解决罕见新发胶质母细胞瘤在数据稀缺和肿瘤异质性下的诊断难题	IV级脑肿瘤（新发胶质母细胞瘤）	机器学习	胶质母细胞瘤	NA	混合深度元学习模型（VGG-16 + MAML）	MRI图像	四个可靠MRI数据集，包含星形细胞瘤和胶质母细胞瘤样本	NA	VGG-16	准确率，F1分数	NA