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
541	2026-06-13	[Current status, application scenarios, challenges, and recommendations for the development of medical artificial intelligence: a domestic and international perspective] 2026-Feb-10, Zhonghua liu xing bing xue za zhi = Zhonghua liuxingbingxue zazhi DOI:10.3760/cma.j.cn112338-20250621-00419 PMID:41765657	综述	本文综述了医疗人工智能的发展现状，涵盖技术框架演进、中美政策支持、三大领域（数据、算力、算法）进展，以及在五大医疗应用场景中的具体表现，并分析了当前面临的关键挑战与应对策略	从国内外双重视角系统梳理了医疗AI在数据、算力、算法三个关键领域的发展现状，并首次全面覆盖五大精准医疗应用场景	未提供具体的实验验证或量化比较分析，主要依赖文献综述和政策分析	全面评估医疗人工智能的发展现状、应用场景、关键挑战，并为中国医疗AI的持续发展提供战略建议	医疗人工智能技术、中美政策支持、医疗应用场景（精准预防、精准诊疗、精准药物研发、精准传染病防控、精准医学教育）	机器学习	NA	NA	大型语言模型、深度学习模型	文本	NA	NA	NA	NA	NA
542	2026-06-13	Deep learning-based assessment of PD-L1 expression in NSCLC predicts outcome for patients treated with anti-PD-1 immunotherapy 2026, Frontiers in immunology IF:5.7Q1 DOI:10.3389/fimmu.2026.1750816 PMID:41766864	研究论文	本研究利用深度学习分析PD-L1免疫组化切片，评估非小细胞肺癌患者接受抗PD-1免疫治疗后的预后	首次将深度学习应用于PD-L1 IHC切片，识别出可重复的组织形态学模式，超越传统PD-L1评分，为抗PD-1治疗患者提供额外预后信息	OS未达到统计学显著性，样本量相对较小（训练集182例，验证集108例），且仅基于10个极端预后病例进行聚类	评估深度学习能否从PD-L1 IHC切片中识别出预测抗PD-1治疗患者预后的组织学模式	非小细胞肺癌患者（两个独立队列：MSK 182例和CGFL 108例）	数字病理学	非小细胞肺癌	PD-L1免疫组化	CNN（UNI基础模型）	图像（PD-L1 IHC切片）	两个独立队列：训练集182例，验证集108例	NA	UNI	进展生存期、总生存期、风险比、95%置信区间	NA
543	2026-06-13	MAAR-Net: Multi-scale attention-assisted residual neural network for renal microvascular structure segmentation 2026, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0342752 PMID:41779699	研究论文	提出一种多尺度注意力辅助残差神经网络（MAAR-Net），用于肾脏微血管结构分割	集成多尺度残差块、高层语义特征提取层以及深度可分离卷积注意力模块，在跳跃连接中增强全局与局部特征捕获，并引入额外分割分支聚合多感受野信息	基于2D PAS染色图像，可能缺乏3D空间信息；压缩后的模型可能在极端复杂微血管场景下性能下降	实现高精度、连续、背景干扰抑制的肾脏微血管分割	2D PAS染色肾脏组织学图像中的微血管结构	数字病理学	肾脏疾病	组织学染色（PAS）	CNN（U-Net变体）	图像	HuBMAP数据集（具体数量未提及）	NA	U-Net、多尺度残差块、深度可分离卷积注意力模块	交并比（IoU）、F1分数	通过剪枝和量化为临床部署优化，无需专用工作站或云服务器
544	2026-06-13	Hybridizing deep learning algorithms and geostatistical approaches for improved crop yield disaggregation 2026, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0344081 PMID:41790616	研究论文	提出一种混合深度学习与地统计学残差克里金法的多阶段框架，用于将村级作物产量统计数据降尺度到像素级别	首次通过经验展示结合天气和卫星波段数据，实现基于混合化框架的村庄到像素级别的产量降尺度方法	NA	提高精细空间分辨率下作物产量估算的可靠性，以支持精准农业和粮食安全规划	印度哈里亚纳邦半干旱地区的小麦和芥菜作物	机器学习	NA	遥感（Sentinel-1和Sentinel-2波段数据）、地统计学残差克里金法	深度学习（DL）模型	土壤、天气、遥感图像数据	NA	NA	随机森林	R²、均方根误差（RMSE）、Moran's I	NA
545	2026-06-13	MoGraphDRP: Multi-omics and graph fusion with bilinear attention for predicting drug sensitivity 2026, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0341458 PMID:41790794	研究论文	提出了一种多分支深度学习框架，整合多组学细胞数据和药物结构特征来预测药物反应	采用多组学细胞数据（基因表达、突变、甲基化、生物通路）与药物结构特征（分子图、化学指纹）融合，并通过多头双线性注意力模块建模细胞与药物的复杂相互作用	未在摘要中明确说明	实现精准预测癌细胞药物反应，推动精准医学和个性化治疗设计	癌细胞系及其对药物的敏感性	机器学习	癌症	NA	图卷积网络（GCN）、多层感知机（MLP）、多头双线性注意力、XGBoost	基因表达、突变、甲基化、生物通路数据、药物分子图、化学指纹	NA	NA	三层图卷积网络、MLP网络、多头双线性注意力模块、XGBoost集成模型	PCC、RMSE、R²	NA
546	2026-06-13	Reliable deep learning for coronary artery disease detection: a patient-level, statistically validated MRI study 2025 Oct-Dec, Romanian journal of morphology and embryology = Revue roumaine de morphologie et embryologie DOI:10.47162/RJME.66.4.09 PMID:41787625	research paper	评估两种深度学习架构（DenseNet121和ResNet50）在冠状动脉疾病自动分类中的性能与统计稳健性	在患者层面严格划分数据并进行全面统计推断测试，确保模型性能的可重复性和临床意义	未提及具体限制	从心脏磁共振成像中准确检测冠状动脉疾病，支持早期诊断和临床决策	冠状动脉疾病患者的心脏磁共振图像	machine learning	冠状动脉疾病	心脏磁共振成像	CNN	image	患者级数据	NA	DenseNet121, ResNet50	average accuracy, area under the receiver operating characteristic curve (AUC-ROC), area under the precision recall curve (PR-AUC)	NA
547	2026-06-12	Side-level versus patient-level evaluation in four-view mammography classification: a comprehensive benchmark on the CMMD dataset 2026-Dec, Future science OA IF:2.4Q3 DOI:10.1080/20565623.2026.2681575 PMID:42274080	研究论文	在CMMD数据集上对四视图乳腺X线摄影分类进行系统评估，比较不同评估粒度和模型架构对性能的影响	首次系统量化评估粒度（侧级vs患者级）对乳腺X线摄影分类性能的影响，发现侧级AUC平均比患者级高17.5个百分点，并提出三种替代聚合方法解决标准概率平均规则导致的退化问题	研究基于单一数据集（CMMD），该队列恶性患者占比极高（96.2%），限制了模型在低患病率筛查场景的适用性，且未考虑临床实际数据分布差异	量化在统一训练条件下，评估粒度（侧级vs患者级）而非模型架构对乳腺X线摄影分类性能的实际影响	来自中国乳腺X线摄影数据库（CMMD）的706名患者，每名患者提供四个视图的乳腺X线影像	计算机视觉	乳腺癌	乳腺X线摄影	CNN, Vision Transformer	图像	706名患者，每人4个视图，共2824张乳腺X线影像	NA	ResNet-18, ResNet-50, EfficientNet-B0, DenseNet-121, ConvNeXt-Tiny, ViT-B/16	AUC, 准确率, 精确率, 召回率, F1分数, Dice系数	NA
548	2026-06-12	Decoding Herbal Medicine: Machine Learning-Driven Insights into Structural Identification and Pharmacological Research 2026-Jun-12, The American journal of Chinese medicine DOI:10.1142/S0192415X26500370 PMID:42273967	综述	综述了机器学习和人工智能在揭示草药药理机制中的应用，重点关注生物活性化合物的鉴定和作用	系统总结了AI驱动的分析框架如何提升草药机制解析的精度和效率，特别是深度学习方法在复杂化学-生物数据模式识别中的应用	植物原料的变异性以及缺乏系统的药理学研究仍是主要挑战	总结人工智能和机器学习在草药药理机制解析中的最新进展	草药中的天然化合物及其药理学作用	机器学习	NA	机器学习, 深度学习, 分子对接, QSAR, 质谱, 核磁共振, 特征提取	机器学习, 深度学习	化学-生物数据集	NA	NA	NA	NA	NA
549	2026-06-12	Wavelet Spectrum in a Multi-Channel Network May Reduce Biopsy Rates on Diagnosis of Breast Tumors with BI-RADS Category 4a or Higher 2026-Jun-11, Journal of ultrasound in medicine : official journal of the American Institute of Ultrasound in Medicine IF:2.1Q2 DOI:10.1002/jum.70315 PMID:42273765	研究论文	开发并评估一种结合小波频谱分析与深度学习的计算机辅助诊断方法，用于BI-RADS 4a级以上乳腺肿瘤的良恶性分类，以减少不必要的活检	创新性地将小波频谱分析与多通道深度学习网络结合，利用高频和低频小波分量构建三通道超声图像，并建立严格的患者特异性活检避免标准	未提及外部验证、样本量较小（390例）且为回顾性研究	利用多通道深度学习网络中的小波频谱分析，减少BI-RADS 4a级以上乳腺肿瘤的无必要活检	BI-RADS 4a级或更高的乳腺病变患者	计算机视觉	乳腺癌	小波频谱分析	深度卷积神经网络（Dual-channel deep learning network）	超声图像	390名乳腺病变患者	NA	双通道深度学习网络	准确率, 活检避免率, 漏诊率	NA
550	2026-06-12	Hierarchical Amplification-Interlinked CRISPR-Cas14a Luminescent Biosensor Coupled with Portable Photonic Crystal Biochip-Boosted Time-Delayed Signaling for the Diagnosis of Pediatric Mycoplasma pneumoniae Pneumonia 2026-Jun-11, Analytical chemistry IF:6.7Q1 DOI:10.1021/acs.analchem.6c03088 PMID:42274413	研究论文	构建了一种层级放大-交联CRISPR-Cas14a发光生物传感器，结合便携式光子晶体生物芯片增强的时间延迟信号，用于儿童肺炎支原体肺炎的诊断	整合了DNA walker和滚环扩增模块实现层级放大，并引入余辉发光实现时间延迟信号以避免生物样本背景干扰，同时利用光子晶体自组装结构增强信号，结合卷积神经网络进行疾病自动分层	未提及具体局限性	开发一种高灵敏度、高特异性的检测方法，用于儿童肺炎支原体肺炎的及时诊断和自动分层	儿童肺炎支原体肺炎患者（包括重症和轻症）以及健康对照的咽拭子样本	数字病理学	感染性疾病	CRISPR-Cas14a, 滚环扩增, DNA walker	卷积神经网络	图像	250例儿科咽拭子样本（包括重症和轻症MPP患者以及健康对照）	PyTorch	卷积神经网络	检出限, 特异性	NA
551	2026-06-12	Reconstruction of molecular vibrational spectra from light-molecular vibration coupling spectra using deep learning 2026-Jun-11, Analytical sciences : the international journal of the Japan Society for Analytical Chemistry IF:1.8Q3 DOI:10.1007/s44211-026-00933-x PMID:42274919	研究论文	利用深度学习从光-分子振动耦合光谱中重建分子振动光谱	首次采用深度特征学习直接从光-分子振动耦合光谱中提取分子特异性吸收信息，能够处理具有重叠振动峰的复杂系统	对于单峰分子振动模型，DenseNet-169 CNN模型在1496个光谱上的表现不理想	开发一种从复杂光-分子振动耦合光谱中直接提取分子吸收信息的方法，为下一代分子传感奠定基础	分子振动模型（单峰和双峰）	机器学习	NA	有限差分时域模拟	卷积神经网络	光谱（数值模拟数据）	双峰分子振动模型：80267个光谱；单峰分子振动模型：1496个光谱	TensorFlow或PyTorch	DenseNet-169	决定系数	NA
552	2026-06-12	Compact neural network algorithm for electrocardiogram classification 2026-Jun-11, Physical and engineering sciences in medicine IF:2.4Q2 DOI:10.1007/s13246-026-01751-1 PMID:42274990	研究论文	提出一种紧凑型人工神经网络算法用于心电图分类，以解决深度学习对计算资源和大规模标注数据的高需求	采用17个可解释的工程特征提取心电图形态和生理特征，避免使用深度学习，实现高效率和低计算资源消耗	未提及算法对其他心律失常类型（如心肌梗死）的适用性，以及特征工程的可迁移性	开发一种轻量级且高效的心电图分类算法，用于心律失常诊断	心电图信号中的五种心律类别：正常窦性心律、窦性心动过缓、窦性心动过速、心室扑动和心房颤动	机器学习	心律失常	信号处理与特征工程	人工神经网络	心电图信号	未明确说明样本数量，但使用了MIT-BIH和St. Petersburg INCART心律失常数据库	NA	人工神经网络	准确率、Cohen's kappa、Matthews相关系数	标准CPU
553	2026-06-12	Laser Light Scattering-Enhanced Deep Computer Vision Method for the Detection of Trace Mineral Oil in Vegetable Oils 2026-Jun-11, Analytical chemistry IF:6.7Q1 DOI:10.1021/acs.analchem.6c00302 PMID:42275108	研究论文	提出一种基于激光光散射增强深度计算机视觉的方法，用于检测植物油中的痕量矿物油污染	将皂化诱导的相与浊度对比与激光增强散射可视化相结合，将痕量矿物油转化为视觉可辨信号，并提出了新型轻量高效深度学习模型Oil-MobileNet	未提及具体局限性	开发一种现场适用的分析策略，用于检测植物油中的矿物油污染，并实现低至0.05%的检测能力	植物油中的矿物油污染	计算机视觉	NA	激光光散射增强成像	深度学习模型（Oil-MobileNet）	图像	未明确说明样本数量，但涉及多种植物油和矿物油污染水平	NA	Oil-MobileNet	分类性能（二分类和多分类）	NA
554	2026-06-12	A mechanism-aided transformer may transform in-flight aviation safety 2026-Jun, PNAS nexus IF:2.2Q1 DOI:10.1093/pnasnexus/pgag154 PMID:42273406	研究论文	提出一种结合物理机制与深度学习的TwinTransformer方法，用于提升飞行中多变量预测及风切变危险预警能力	将航空动力学约束与Transformer深度学习模型相结合，通过物理机制辅助的TwinTransformer架构实现飞行参数预测，并针对性增强风切变危险预警	未明确说明	提升飞行中多变量预测准确率，为飞行员提供可靠的风切变危险预警，保障航空安全	飞行中的实时参数（如风切变指标）及航空状态	机器学习	NA	NA	Transformer	时间序列数据	真实飞行数据集（样本量未明确说明）	PyTorch	TwinTransformer	预测准确率、预警可靠性	NA
555	2026-06-12	Application of Machine Learning in Predicting the Properties of Two-Dimensional Semiconductor Materials 2026-May-22, Nanomaterials (Basel, Switzerland) DOI:10.3390/nano16110650 PMID:42274656	综述	系统总结机器学习在二维半导体材料性能预测中的最新进展，比较传统计算模拟与机器学习算法，并展望未来研究方向	系统比较了经典算法（如随机森林）与深度学习模型（如图神经网络）在带隙预测中的表现，并分析了特征工程策略对磁性预测精度和效率的影响	数据集不足且质量不统一，模型可解释性和跨系统泛化能力有限	为机器学习辅助的二维半导体材料研究提供系统的理论基础和方法指导	二维半导体材料的带隙、磁性及其他物理特性	机器学习	NA	NA	随机森林，图神经网络，深度学习	材料属性数据	NA	NA	随机森林，图神经网络	模型准确率	NA
556	2026-06-11	Feasibility of Implicit Neural Representation Learned Motion Compensation for 3D Stack-of-Spirals Free-Breathing Cardiac Quantitative Susceptibility Mapping 2026-Jul, Magnetic resonance in medicine IF:3.0Q2 DOI:10.1002/mrm.70325 PMID:41772752	研究论文	提出了一种利用隐式神经表示（INR）学习运动补偿的自由呼吸心脏定量磁化率成像（QSM）方法	首次将隐式神经表示（INR）用于自由呼吸3D心脏QSM中的心脏和呼吸运动补偿，结合螺旋采样和深度学习实现无前瞻性导航的门控采集	样本量较小（仅10名健康受试者），未评估在患者群体中的性能	实现无创、快速、鲁棒的自由呼吸心脏QSM测量，以评估心脏血氧差异（ΔSO2）	健康受试者的心脏MRI数据，用于评估胸号血氧差异	机器学习	心血管疾病	MRI（定量磁化率成像）	隐式神经表示（INR）	图像（心脏MRI图像）	10名健康受试者	NA	隐式神经表示（INR）	图像质量（p值）、ΔSO2测量一致性（相关系数r、偏差及一致性界限）	NA
557	2026-06-11	A Deep Learning Model for Second-Molar Lesions Related to Impacted Third Molars 2026-Jun, International dental journal IF:3.2Q1 DOI:10.1016/j.identj.2026.109467 PMID:41764935	研究论文	开发基于深度学习模型SMM-YOLOv8n，用于自动检测全景X线片中与阻生第三磨牙相关的第二磨牙病变	在YOLOv8基础上改进，引入Slim-Neck优化和多维注意力机制，有效提升病变检测准确性和效率	NA	开发自动化深度学习系统，检测和分类全景X线片中与阻生第三磨牙相关的第二磨牙病变，提高诊断准确性并支持临床决策	1170张全景X线片，显示与阻生第三磨牙相邻的第二磨牙	计算机视觉	牙科疾病	全景X线成像	卷积神经网络	图像	1170张全景X线片，分为4组：无病变、龋齿、外根吸收、两种病变并存	PyTorch	SMM-YOLOv8n（基于YOLOv8，含Slim-Neck和多维注意力机制）	mAP@50, 精确率, 召回率, F1分数, 敏感性, 诊断时间	NA
558	2026-06-11	Tomographic Foundation Model-FORCE: Flow-Oriented Reconstruction Conditioning Engine 2026-Jun, IEEE transactions on medical imaging IF:8.9Q1 DOI:10.1109/TMI.2026.3669463 PMID:41770981	研究论文	提出一种新的CT图像重建框架FORCE，结合数据保真度与PFGM++生成模型，在各种CT成像任务中超越现有无监督方法	首次将泊松流生成模型（PFGM++）与数据保真度集成，提出面向流的重建条件引擎（FORCE），无需配对训练数据即可实现高质量CT重建	未明确讨论计算资源需求及模型对大噪声程度的鲁棒性边界	改进低剂量、稀疏扫描和金属植入物等CT场景下的图像重建质量	CT图像重建任务中的噪声和伪影	机器学习	NA	CT成像	泊松流生成模型（PFGM++）	医学图像	NA	PyTorch	PFGM++	NA	NA
559	2026-06-11	Learning 3-D Ultrasound Segmentation under Extreme Label Deficiency 2026-Jun, Ultrasound in medicine & biology DOI:10.1016/j.ultrasmedbio.2025.12.014 PMID:41771726	研究论文	提出一种在极端标签缺失条件下实现三维超声图像自动分割的方法	基于教师-学生跨维度知识蒸馏框架，利用无监督表征学习预训练的二维教师网络提取超声切片信息，指导三维学生分割网络从极稀疏标注中学习有效体特征	NA	在极端标签缺失条件下实现准确且鲁棒的三维超声分割	三维超声图像中的器官和解剖结构	计算机视觉，数字病理学	NA	3D超声成像	CNN	3D超声图像	多个三维超声数据集	PyTorch	2D教师网络, 3D学生分割网络	分割准确率	NA
560	2026-06-11	EASDnet: Empowering human-centered evidence-based medicine through an evidence and attention-based spatial disparity network for discriminative colorectal cancer histopathological screening and attribution 2026-May, Pathology, research and practice DOI:10.1016/j.prp.2026.156418 PMID:41764810	研究论文	提出一种基于证据和注意力的空间差异网络EASDnet，用于结直肠癌组织病理学图像的鉴别性筛查与归类	将循证医学思想融入深度学习，通过证据与注意力机制学习癌变与微环境之间的细微形态差异，有效捕获组织病理数据中的类间和类内鉴别特征	未提及在真实临床多中心数据上的验证情况，也未讨论模型的可解释性和计算效率	开发一种客观、循证的定量分析工具，辅助临床医生进行结直肠癌的自动化病理筛查	结直肠癌组织病理学图像	数字病理学	结直肠癌	组织病理学成像	深度学习模型（EASDnet）	图像	使用两个公开数据集NCT-100K和LC25000	NA	EASDnet（基于证据和注意力的空间差异网络）	准确率	NA