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
5201	2026-04-24	Explainable Artificial Intelligence in Healthcare: Current Landscape, Challenges, and Future Directions 2026-Mar, Health science reports IF:2.1Q3 DOI:10.1002/hsr2.72172 PMID:42022614	综述	系统综述了可解释人工智能在医疗健康领域的当前状况、挑战与未来方向	首次系统性地将可解释人工智能技术与具体医疗领域（如肿瘤学、心脏病学）进行映射分析，并识别出新兴趋势如混合可解释模型和人本设计	真实世界验证不足、可解释性指标缺乏标准化、伦理监管框架不完善	综合评估可解释人工智能在医疗健康中的应用现状，识别关键挑战并指出未来发展方向	2017-2025年间发表的70篇同行评审研究文献	机器学习	肿瘤学、心脏病学、传染病、神经学	NA	深度学习（CNN、RNN、LSTM、Transformer）、树模型（随机森林、XGBoost、决策树）	文本	70篇研究文献	NA	CNN, RNN, LSTM, Transformer, 随机森林, XGBoost, 决策树	NA	NA
5202	2026-04-24	Wearable Hybrid Strain-Myoelectric Sensing System for Machine-Learning-Assisted Sarcopenia Screening 2026-Mar, Small science IF:11.1Q1 DOI:10.1002/smsc.202500582 PMID:42022867	研究论文	提出一种可穿戴混合应变-肌电传感系统，结合CNN-LSTM深度学习框架，用于机器学习辅助的肌肉减少症早期筛查	首次集成表面肌电信号与压电应变传感技术，同时捕捉电生理信号和机械变形信号，结合CNN-LSTM深度学习和特征工程（9种生理相关特征）实现高精度筛查，并利用SHAP可解释性分析揭示神经肌肉退行性变化机制	仅在75名老年参与者中验证，样本量较小，且未明确说明该方法在更广泛人群或临床环境中的泛化能力	开发一种便携、低成本、无辐射的肌肉减少症早期筛查系统	肌肉减少症患者的神经肌肉状态，特别是肌肉收缩时的电生理信号和机械变形信号	机器学习	老年疾病	表面肌电图、压电应变传感	CNN-LSTM	信号	75名老年参与者	PyTorch	CNN, LSTM	准确率, 曲线下面积	NA
5203	2026-04-24	A Novel Ensemble Learning Approach for Grouping the State-of-the-Art YOLOV10 and YOLOV11 Models for Kidney Stone Detection in CT and Ultrasound Images 2026-Feb, Journal of imaging informatics in medicine DOI:10.1007/s10278-025-01499-2 PMID:40234345	研究论文	提出一种集成YOLOV10和YOLOV11模型的集成学习方法，用于在CT和超声图像中检测肾结石	首次将YOLOV10和YOLOV11模型集成用于肾结石检测，通过减少假阴性和假阳性错误提升个体模型性能	未提及具体计算资源和数据集规模等限制	提高肾结石在医学图像中的检测准确性和精确度	CT和超声图像中的肾结石	计算机视觉	肾结石	深度学习	YOLOV10, YOLOV11	图像	未提及	NA	YOLOV10, YOLOV11	精确率, 召回率, F1分数, Map50	NA
5204	2026-04-24	The Lack of Neurofeedback Training Regulation Guidance and Process Evaluation May be a Source of Controversy in Post-Traumatic Stress Disorder-Neurofeedback Research: A Systematic Review and Statistical Analysis 2026-Feb, Brain connectivity IF:2.4Q3 DOI:10.1089/brain.2024.0084 PMID:40371570	系统综述与统计分析	对脑机接口神经反馈训练在创伤后应激障碍干预中的方法学与实验设计进行系统评价	揭示了神经反馈训练中缺乏明确调控指导与过程评估机制是争议来源，并提出机器学习/深度学习方法在小样本场景下的应用方向	仅包含Web of Science数据库文献，未纳入非英语或未发表研究；样本量较小限制了高级分析方法的应用	分析神经反馈技术在PTSD调控中的主要技术路线与结果，探讨有效性争议原因并提出改进方向	已发表的PTSD神经反馈原始研究文献（共31篇）	数字病理学	创伤后应激障碍	脑电图神经反馈、功能性磁共振成像神经反馈	机器学习（基础方法）、深度学习（未应用）	时间序列信号（EEG）、脑功能影像（fMRI）	EEG研究平均样本量17.4（SD 7.13），fMRI研究平均样本量14.6（SD 6.37）	NA	NA	NA	NA
5205	2026-04-24	Diffusion Posterior Sampling for Tomographic Reconstruction with Mixed Resolution Priors 2026-Feb, Proceedings of SPIE--the International Society for Optical Engineering DOI:10.1117/12.3088076 PMID:42017039	研究论文	提出一种基于扩散后验采样的混合先验模型，用于提高断层重建中区域空间分辨率并保持全局结构一致性	结合全局扩散模型和区域块状扩散模型，通过频域方法融合低频和高频成分，并采用移位块划分机制消除拼接伪影	混合先验模型依赖高质量训练数据，且区域先验的应用需手动定义掩膜	在断层图像重建中通过混合先验模型提升区域分辨率，同时保持全局稳定性和一致性	断层重建中的图像数据	计算机视觉	NA	扩散后验采样	扩散模型	图像	NA	PyTorch	扩散模型（全局+区域块状模型）	重建质量	NA
5206	2026-04-24	Evaluation of Fluence Reduction versus Sparsity for Diffusion Posterior Sampling Reconstruction in Low-Dose CT 2026-Feb, Proceedings of SPIE--the International Society for Optical Engineering DOI:10.1117/12.3087836 PMID:42017038	研究论文	系统模拟研究低剂量CT中光子通量减少与稀疏采样对扩散后验采样重建性能的影响	首次在同一框架下系统比较低剂量CT协议中两种降剂量策略（稀疏采样与每视角光子通量减少）对扩散后验采样重建的影响，并提出联合优化方案	仅基于模拟研究，未涉及真实临床数据验证	探究低剂量CT协议设计时，如何平衡稀疏采样与光子通量减少以最优维持重建图像质量	基于扩散后验采样算法的低剂量CT重建	计算机视觉, 数字病理学	NA	CT扫描	扩散概率模型	图像	模拟数据集（通过调整视角数和每视角入射光子数生成的不同组合）	PyTorch	扩散后验采样	PSNR, 偏差, 后验样本变异性	NA
5207	2026-04-24	Comparative Evaluation of Advanced Deep Learning, Image-to-Text Models, and Radiomics for Predicting Tumor Budding and Tumor-Stroma Ratio from Breast Ultrasound in Invasive Ductal Carcinoma 2026-Jan, Academic radiology IF:3.8Q1 DOI:10.1016/j.acra.2025.10.020 PMID:41176437	研究论文	比较深度学习、图像到文本模型和影像组学在预测浸润性导管癌超声图像中肿瘤出芽和肿瘤-基质比率方面的性能	首次系统比较了先进图像分类深度学习模型（YOLOv11x-cls、DINOv2、Vision Transformer）、图像到文本模型（BLIP-2）和基于影像组学的机器学习算法在预测乳腺癌肿瘤微环境关键参数方面的效果	样本量较小（153例患者），且为单中心回顾性研究，模型泛化性可能有限	从术前超声图像中预测浸润性导管癌的肿瘤出芽和肿瘤-基质比率，以助力个性化治疗策略制定	浸润性导管癌患者的术前超声图像	数字病理学, 计算机视觉	乳腺癌	超声成像	卷积神经网络, Transformer, 多模态模型	图像	153例浸润性导管癌患者	PyTorch, Scikit-learn	YOLOv11x-cls, DINOv2, Vision Transformer, BLIP-2, KNN, SVM, XGBoost	AUC, Accuracy	NA
5208	2026-04-24	RMETNet: A cross-subject motor imagery EEG signal classification model based on TSLANet and riemannian geometry features 2026, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0347671 PMID:42018586	研究论文	提出了一种结合TSLANet、时空卷积模块和多尺度黎曼几何特征模块的跨被试运动想象脑电图信号分类模型RMETNet	创新性地将TSLANet、时空卷积与多尺度黎曼几何特征模块集成，并引入最大均值差异损失进行域适应，以解决跨被试分布偏移问题	NA	提高运动想象脑电图信号分类在跨被试场景下的泛化能力	运动想象脑电图信号	机器学习	NA	脑电图	TSLANet、CNN	脑电图信号	BCI Competition IV 2a数据集（四类）和BCI Competition IV 2b数据集（两类）	PyTorch	TSLANet, CNN	准确率	NA
5209	2026-04-24	Exploring the Power of Machine Learning in Analysing Protein-Protein Sequences 2026 Jan-Dec, IET systems biology IF:1.9Q3 DOI:10.1049/syb2.70066 PMID:42018649	综述	全面回顾了用于蛋白质序列分析的机器学习与深度学习方法，重点评估其在预测蛋白质结构和相互作用方面的应用	系统性地基于方法论基础、数据集和性能特征对现有方法进行分类，并比较其优缺点，为研究人员提供结构化的技术选择参考	未详细说明各方法的具体性能指标和计算资源需求，且对新兴AI驱动蛋白质建模的趋势仅作概述性讨论	帮助研究人员系统评估和选择适用于特定生物学应用的蛋白质序列分析方法	蛋白质序列、蛋白质-蛋白质相互作用、蛋白质结构与功能的关系	机器学习, 自然语言处理	NA	蛋白质序列分析技术（同源建模、机器学习、深度学习、自然语言处理等）	机器学习模型, 深度学习模型	蛋白质序列数据	NA	NA	NA	性能特征（具体指标未详述）	NA
5210	2026-04-24	Enhancing age and gender verification in OTT accounts using deep learning techniques 2026, Frontiers in artificial intelligence IF:3.0Q2 DOI:10.3389/frai.2026.1763101 PMID:42022145	研究论文	提出一种基于卷积神经网络的年龄和性别验证方法，用于OTT平台，以限制儿童访问不适当内容	将CNN模型定制用于OTT账户中的年龄和性别识别，并开发了基于OpenCV和Flask框架的用户界面，实现自动化年龄验证	未提及模型在不同数据集上的泛化能力、计算效率或实际部署中的挑战	提高OTT平台中用户年龄和性别验证的准确性，以保护儿童免受不适当内容的影响	OTT平台用户的年龄和性别识别	计算机视觉	NA	深度学习	卷积神经网络	图像	UTK Face数据集（具体数量未提及）	OpenCV, Flask	CNN（定制化卷积神经网络）	准确率	NA
5211	2026-04-24	AI-driven magnetoencephalography biomarkers in dementia risk prediction: current evidence, challenges and future perspectives 2026, Frontiers in dementia DOI:10.3389/frdem.2026.1743627 PMID:42022294	综述	系统梳理基于人工智能的脑磁图生物标志物在痴呆风险预测中的现有证据、挑战与未来展望	首次系统综述AI驱动MEG分析在痴呆分类、预测和预后中的应用，覆盖传统机器学习与深度学习架构，并强调多模态整合与光学泵磁力计等下一代MEG技术潜力	纳入研究间存在方法学异质性，缺乏标准化预处理流程，样本量有限且多为单中心数据	评估AI结合MEG在轻度认知障碍和痴呆分类、预测及预后中的当前证据、方法学进展及临床转化潜力	健康对照、主观认知下降、轻度认知障碍、阿尔茨海默病及其他痴呆患者	机器学习	痴呆	脑磁图	支持向量机、随机森林、卷积神经网络	脑磁图信号	共14项研究，涵盖健康对照至痴呆患者多种人群	NA	支持向量机、随机森林、卷积神经网络	分类准确率	NA
5212	2026-04-24	Morphology-guided attention networks for explainable skin cancer detection under clinical uncertainty 2026, Frontiers in oncology IF:3.5Q2 DOI:10.3389/fonc.2026.1804329 PMID:42022332	研究论文	提出一种形态引导注意力框架，用于在临床不确定性下实现可解释且可靠的皮肤癌检测	融合病变分割保留形态结构，结合注意力机制提升可解释性，并加入不确定性估计模块量化预测置信度	未提及具体局限性，但可能依赖公开数据集，真实临床场景泛化性需进一步验证	解决皮肤镜图像中视觉变异大、病变重叠及临床不确定性导致的检测挑战	皮肤镜图像中的皮肤病变分类（恶性与良性）	计算机视觉, 数字病理学	皮肤癌	皮肤镜成像	注意力网络	图像	公开皮肤镜数据集（具体样本量未说明）	NA	形态引导注意力网络（含分割模块、注意力分类网络、不确定性估计模块）	准确率, 召回率	NA
5213	2026-04-24	Artificial intelligence in drug discovery from advanced molecular representation to pipeline applications 2026, Frontiers in bioinformatics IF:2.8Q2 DOI:10.3389/fbinf.2026.1755843 PMID:42022447	综述	本文综述了人工智能在药物发现中的应用，从先进的分子表示到管线集成，强调通过模拟复杂生物系统加速研发流程	系统性地覆盖了从字符串方法到图神经网络（GNNs）、三维感知几何深度学习（GDL）、量子机器学习（QML）及混合量子-经典神经网络（HQNNs）等先进分子表示，并提出了集成量子计算、自主实验和生成模型的Q-BioFusion框架	三维分子预测和生成的几何保真度有待提高，数据效率需要增强，生物测定中固有的数据稀疏问题仍未完全解决	利用人工智能技术，通过先进分子表示加速药物发现管线的研发过程，降低成本和失败率	药物发现管线中的分子表示、模型性能、计算资源与集成框架	机器学习	NA	量子机器学习 (QML), 混合量子-经典神经网络 (HQNNs)	图神经网络 (GNNs), 三维感知几何深度学习 (GDL), 量子机器学习 (QML)	分子表示数据	NA	NA	图神经网络, 三维感知几何深度学习, 量子机器学习, 混合量子-经典神经网络	药效(PD)预测, 毒理效应预测	NA
5214	2026-04-24	Deep learning for intracranial hemorrhage detection and classification in brain CT scans: a systematic review and hybrid model approach 2026, Frontiers in digital health IF:3.2Q2 DOI:10.3389/fdgth.2026.1703634 PMID:42022505	系统综述	该论文对深度学习在颅内出血CT影像检测与分类中的应用进行了系统综述，并提出了混合模型方法	系统回顾了传统CNN、3D CNN、混合集成框架及新兴Transformer架构在该领域的应用，并评估了Grad-CAM等可解释性方法	存在泛化能力不足、数据集异质性及临床验证缺失等挑战	整合分析基于机器学习和深度学习的非增强CT颅内出血检测与分类方法	从非增强CT影像中检测和分类颅内出血及其亚型（硬膜外、硬膜下、脑实质内、脑室内和蛛网膜下腔出血）	计算机视觉	颅内出血	CT成像	CNN, 3D CNN, Transformer	CT影像	NA	NA	卷积神经网络, 三维卷积神经网络, Transformer	灵敏度, 特异性	NA
5215	2026-04-24	A multimodal deep learning model for predicting impending rupture in symptomatic abdominal aortic aneurysms using CTA and clinical data 2026, Frontiers in cardiovascular medicine IF:2.8Q2 DOI:10.3389/fcvm.2026.1771669 PMID:42022533	研究论文	开发并验证一个可解释的多模态深度学习模型，用于预测症状性腹主动脉瘤的即将破裂风险	首次结合CTA序列图像和六种关键临床生物标志物，通过双向交叉注意力机制构建多模态模型，显著优于传统临床规则和CTA征象基线	回顾性研究设计，样本量有限（263例），需要前瞻性验证确认临床适用性	开发可解释的多模态深度学习模型，评估症状性AAA患者的破裂风险，支持急诊决策	症状性腹主动脉瘤（AAA）患者	医学影像分析	腹主动脉瘤	CTA	多模态深度学习模型（基于ResNet-50图像编码器和双向交叉注意力机制）	CTA图像（序列切片）和临床数据（生物标志物）	263例症状性AAA患者（230例开发队列，33例独立时序测试集）	PyTorch	ResNet-50	AUC, 灵敏度, 阴性预测值	NA
5216	2026-04-24	MVBeetle: an interpretable multi-view deep learning model for fine-grained classification of Galerucinae and Alticinae (Coleoptera: Chrysomelidae) 2026, Frontiers in plant science IF:4.1Q1 DOI:10.3389/fpls.2026.1798135 PMID:42023004	研究论文	提出一种可解释的多视图深度学习模型MVBeetle，用于细粒度分类萤叶甲亚科和跳甲亚科	首次将多视图融合框架与可解释性分析结合用于萤叶甲亚科和跳甲亚科的细粒度分类，通过Grad-CAM揭示不同亚科的关键形态特征（跳甲亚科关注跳跃腿，萤叶甲亚科关注触角）	未明确指出限制，但可能包括数据集仅涵盖43种物种、未考虑野外复杂背景或不同光照条件下的泛化能力	提供一种高精度且便捷的叶甲分类模型，并探究亚科间形态进化差异	萤叶甲亚科和跳甲亚科的43种叶甲物种（23种萤叶甲与20种跳甲）	计算机视觉	NA	多视图图像采集	卷积神经网络	图像	43种叶甲物种的多视图图像（背、侧、腹面）	PyTorch	ResNet18, ResNet50, VGG16, MobileNetV2	准确率	NA
5217	2026-04-24	An environment-guided visual-temporal deep learning framework for early disease detection in greenhouse horticultural crops 2026, Frontiers in plant science IF:4.1Q1 DOI:10.3389/fpls.2026.1796407 PMID:42023011	研究论文	提出一种环境引导的视觉-时间深度学习框架，用于温室园艺作物的早期病害检测	通过环境引导的视觉注意力机制和时空联合建模，将环境变量从被动特征转化为主动先验，增强对微弱病害信号的敏感性	实验仅在真实温室多模态时序数据集上验证，未测试其他环境条件下的泛化能力	实现温室园艺作物早期病害的智能预警和精准调控	温室园艺作物及其相关环境变量（温度、湿度、蒸汽压差、二氧化碳浓度）	计算机视觉, 机器学习	温室作物病害	多模态时序数据采集	CNN, Transformer	图像, 文本（环境变量数值）	真实温室多模态时序数据集（未明确样本数量）	NA	Transformer, CNN	准确率, 召回率, F1分数, 早期精度, 早期召回率, 提前时间	NA
5218	2026-04-24	Application of deep learning-clinical baseline feature fusion model to predict postoperative mortality in elderly patients with hip fracture: a multicenter study 2026, Frontiers in medicine IF:3.1Q1 DOI:10.3389/fmed.2026.1784156 PMID:42023085	研究论文	构建深度学习与临床基线特征融合模型，预测老年髋部骨折患者术后死亡率	首次将深度学习模型提取的CT图像特征与临床基线特征融合，显著提升了预测性能	未提及具体限制	基于深度学习与临床基线特征融合，提高老年髋部骨折术后1年死亡率预测准确性	老年髋部骨折患者	机器学习	老年性疾病	计算机断层扫描（CT）	Densenet161 和 LightGBM	图像（CT骨骼肌组织图像）及临床基线数据	内部训练集221例（机构1），外部验证集113例（机构2）	NA	Densenet161, LightGBM	AUC、敏感性、特异性、F1分数	NA
5219	2026-04-24	Deep Learning for Autonomous Surgical Guidance Using 3-Dimensional Images From Forward-Viewing Endoscopic Optical Coherence Tomography 2025-Nov, Journal of biophotonics IF:2.0Q3 DOI:10.1002/jbio.202500181 PMID:40709742	研究论文	开发了一种用于分析前视内窥光学相干断层扫描三维图像的深度学习模型，以增强经皮肾造口术中的内窥镜引导	首次将三维卷积神经网络应用于前视内窥光学相干断层扫描图像的术中引导，在保持高准确率的同时显著降低推理延迟，优于现有先进三维架构	实验仅基于猪肾脏数据集，未涉及人类组织或临床环境验证	提升光学相干断层扫描引导的经皮肾造口术手术引导的实时性和准确性	三维光学相干断层扫描图像和经皮肾造口术手术引导	计算机视觉	肾脏疾病	光学相干断层扫描（OCT）	三维卷积神经网络（3D-CNN）	三维图像	10个猪肾脏	NA	3D-CNN, 3D-ViT, 3D-DenseNet121, M3T	准确率（accuracy）, 推理延迟（inference latency）	NA
5220	2026-04-24	Utility of Deep Learning to Address Missing Modalities from Multi-Modal Medical Imaging Studies: A Systematic Review 2025-Oct-17, Artificial intelligence and applications (Commerce, Calif.) DOI:10.47852/bonviewaia52026392 PMID:42021869	综述	系统综述深度学习在多模态医学影像缺失模态问题中的应用方法	对深度学习解决多模态医学数据缺失模态的方法（图像合成、知识迁移、潜在特征空间）进行系统分类和比较	综述方法可能受限于所选数据库（PubMed、IEEE、Scopus）及时间范围（2013-2025年），且未深入分析每种方法的具体性能差异	系统性回顾深度学习应对多模态医学影像缺失模态问题的解决方案	2013年1月至2025年5月间发表的61篇相关研究论文	数字病理学	未指定具体疾病	医学影像（多模态）	深度学习（包括图像合成、知识迁移、潜在特征空间方法）	图像	234篇初筛文章，61篇符合纳入标准	NA	NA	评价指标（具体未列出），关键属性	NA