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
5641	2026-06-29	Attention-based deep learning for analysis of pathology images and gene expression data in lung squamous premalignant lesions 2026-Apr-08, Genome medicine IF:10.4Q1 DOI:10.1186/s13073-026-01636-8 PMID:41952176	研究论文	提出基于Transformer的多模态框架，结合病理图像与基因表达数据，分析肺鳞状癌前病变	首次采用Transformer架构灵活融合全切片图像与基因表达数据，实现单模态或多模态训练与测试，提升模型在癌前病变风险分层中的灵活性和可扩展性	训练数据依赖已发表研究，可能引入批次效应；仅采用二分类标签，未充分利用组织学等级信息	开发多模态深度学习模型以区分支气管异型增生或更严重病变与正常/增生/化生病变	支气管癌前病变患者的气管镜活检全切片图像和基因表达数据	数字病理学, 自然语言处理	肺癌	RNA-seq, 全切片图像分析	Transformer	图像, 基因表达数据	来自4项已发表研究的支气管活检与刷检样本，具体数量未在摘要中明确	PyTorch	Transformer	AUROC	NA
5642	2026-06-29	Deep learning-based differential diagnosis of major depression and bipolar disorder using microglia-cellular sensors and patient-derived small extracellular vesicles 2026-Apr-07, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-47476-9 PMID:41946777	研究论文	提出一种基于深度学习和微胶质细胞生物传感器的诊断方法，利用患者来源的小细胞外囊泡诱导的细胞图像特征，区分重度抑郁症和双相情感障碍	首次将微胶质细胞生物传感器与深度学习结合，通过患者血浆小细胞外囊泡诱导的细胞形态变化实现抑郁症和双相情感障碍的鉴别诊断	样本量较小（仅45名受试者），需进一步在更大队列中验证	开发基于微胶质细胞图像和深度学习的抑郁症与双相情感障碍鉴别诊断方法	重度抑郁症（MDD）和双相情感障碍（BD）患者及健康对照（CTRL）受试者	数字病理学	抑郁症, 双相情感障碍	荧光显微镜	卷积神经网络（CNN）	图像	45名受试者（MDD、BD和CTRL组）	NA	DenseNet121	准确率	NA
5643	2026-06-29	AI-assisted diagnosis of neuro-ophthalmic disorders: a systematic review from optic neuritis to papilledema 2026-Apr-06, BMC ophthalmology IF:1.7Q3 DOI:10.1186/s12886-026-04772-2 PMID:41947081	综述	系统评价人工智能在神经眼科疾病（视神经炎和视乳头水肿）诊断中的应用现状、准确性和挑战	首次系统总结AI在神经眼科少数病种（视神经炎和视乳头水肿）中的诊断能力，并指出AI在鉴别诊断（如区分轻度假性视乳头水肿）中的局限性	研究仅纳入32项研究，多数为回顾性设计；关注病种较少，缺失急性视神经炎诊断模型；缺乏大规模多中心数据集和前瞻性验证	评估AI模型对视神经炎和视乳头水肿的诊断准确性，分类成像模态和深度学习技术，识别关键挑战和未来机遇	视神经炎和视乳头水肿	计算机视觉	视神经炎, 视乳头水肿	OCT, 眼底照相	深度学习模型	图像（OCT和眼底照片）	32项研究	NA	DL模型（未具体说明）	AUC	NA
5644	2026-06-29	Attention-Enhanced U-Net for Sensor-Efficient High-Density EEG Reconstruction in Wearable Brain Monitoring Systems 2026-Apr-06, Journal of medical systems IF:3.5Q2 DOI:10.1007/s10916-026-02374-5 PMID:41936725	研究论文	提出了一种基于注意力机制增强的轻量级U-Net架构VEEG-A-U-Net，用于从低通道密度脑电图信号重建高通道密度脑电图信号，实现便携式脑监测系统	结合球面样条插值与可学习校正信号自适应建模时空特征，采用注意力门控和残差学习实现轻量化设计，在减少参数量的同时保持高性能重建	仅基于SEED数据集进行验证，跨数据集实验虽评估但临床评估为初步探索，重建精度和泛化能力仍有提升空间	开发传感器高效的高密度脑电图重建方法，降低脑监测系统的硬件成本和空间复杂度，实现便携式应用	脑电图信号（高密度与低密度）	机器学习	NA	脑电图（EEG）	U-Net	脑电图信号	SEED数据集（具体样本数未提及）	PyTorch	注意力增强U-Net（VEEG-A-U-Net）	归一化均方误差（NMSE）、信噪比（SNR）、皮尔逊相关系数（PCC）	NA
5645	2026-06-29	CNN4Essential: a convolutional neural network model for predicting bacterial gene essentiality based on multi-feature fusion 2026-Apr-06, BMC genomics IF:3.5Q2 DOI:10.1186/s12864-026-12819-3 PMID:41942844	研究论文	提出基于多特征融合的卷积神经网络模型CNN4Essential，用于预测细菌必需基因	创新性地融合序列数据、基因注释、蛋白质-蛋白质相互作用网络和亚细胞定位信息等多种生物特征，结合随机森林特征重要性和截断奇异值分解降维，构建CNN模型提升预测准确性	跨物种预测性能低于种内预测，且依赖多种生物特征的获取与整合	提高细菌必需基因预测的准确性，为抗生素靶点发现提供支持	22种原核生物物种的必需基因	机器学习	NA	NA	卷积神经网络	序列数据、基因注释、蛋白质-蛋白质相互作用网络、亚细胞定位信息	22种原核生物物种	NA	CNN	AUC	NA
5646	2026-06-29	Feed-forward neural networks for genomic selection: insights into varying levels of dominance heritability 2026-Apr-06, BMC genomics IF:3.5Q2 DOI:10.1186/s12864-026-12807-7 PMID:41942878	研究论文	评估FFNN在不同显性遗传力水平下对基因组选择的预测性能	系统研究了显性遗传力变化对FFNN预测性能的影响，并对比多种参数与机器学习方法	仅模拟了有限遗传力水平，未考虑真实数据中更复杂的遗传架构	比较FFNN与参数方法及机器学习方法在不同显性与加性遗传力下的预测表现	模拟性状数据，具有不同加性遗传力和显性遗传力水平	机器学习	NA	基因组选择	前馈神经网络	模拟基因型-表型数据	100个蒙特卡洛复制	NA	前馈神经网络（FFNN）	Pearson相关系数，平均绝对误差，均方误差，Cohen's d效应量	NA
5647	2026-06-29	Real-time deep learning interpretation of echocardiographic video for automated detection of anatomical features associated with tetralogy of fallot in pediatric patients : a feasibility study 2026-Apr-05, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-45943-x PMID:41936642	研究论文	利用深度学习模型自动化检测儿科患者超声心动图视频中法洛四联症的解剖特征	首次实现基于深度学习的法洛四联症实时自动检测，采用Mask R-CNN架构处理超声心动图视频，在小型数据集上达到高精度	单中心数据集（174例患者），样本量较小；仅针对法洛四联症，未验证其他先天性心脏病	开发深度学习AI模型，实现超声心动图对法洛四联症的自动化诊断，作为筛查工具	儿科患者超声心动图视频	计算机视觉	法洛四联症	超声心动图	Mask R-CNN	视频	174例儿科患者超声心动图	Detectron2	Mask R-CNN	PR曲线, 准确率, F1分数, AUC	NA
5648	2026-06-29	Robust apple leaf disease diagnosis for sustainable horticulture: overcoming background noise with a multilayer transformer-based approach 2026-Apr-05, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-45817-2 PMID:41936588	研究论文	提出多层Transformer苹果疾病分类模型，在复杂背景下实现鲁棒的苹果叶病诊断	采用多层Transformer架构结合自注意力机制，有效抑制背景噪声，实现野外多变条件下的高精度病害识别	未提及在更大规模或更多样化数据集上的泛化能力验证，也未讨论模型计算复杂度及实时部署性能	实现早期、鲁棒且可在真实田间条件下部署的苹果叶病自动诊断	苹果叶片病害（包括斑点落叶病、苹果花叶病、白粉病和苹果疮痂病）	计算机视觉	苹果叶病	深度学习	多层Transformer	图像	公开数据集与田间采集图像构成的组合数据集	NA	多层Transformer	准确率	NA
5649	2026-06-29	Integrating tumor habitat heterogeneity with a hybrid deep learning architecture for ultrasound radiomics: a dual-center study on non-invasive prediction of PD-L1 expression in triple-negative breast cancer 2026-Apr-04, Breast cancer research : BCR IF:6.1Q1 DOI:10.1186/s13058-026-02275-y PMID:41935256	研究论文	通过结合肿瘤栖息地分析与Transformer-ResNet混合深度学习架构，基于超声影像组学无创预测三阴性乳腺癌中PD-L1表达水平	首次将肿瘤异质性栖息地分区与Transformer-ResNet混合深度学习架构整合到超声影像组学中，用于无创预测PD-L1表达，并在双中心验证中显著提升预测性能（AUC达0.946）	未提及具体局限性	建立一种非侵入性方法，通过超声影像组学结合肿瘤栖息地分析和混合深度学习模型，预测三阴性乳腺癌中PD-L1表达状态	三阴性乳腺癌患者（病理确诊，来自双中心）	机器学习, 数字病理学	三阴性乳腺癌	超声影像组学	Transformer, ResNet, 混合深度学习架构	超声图像	654名患者（252名PD-L1阳性，402名阴性）；训练集457例（福建医科大学附属协和医院），外部验证集197例（厦门大学附属第一医院）	NA	Transformer, ResNet, LASSO回归, 列线图	AUC, 校准曲线, 决策曲线分析	NA
5650	2026-06-29	Mapping the landscape of AI in healthcare in Kazakhstan: a scoping review of readiness, development, and adoption 2026-Apr-04, BMC health services research IF:2.7Q2 DOI:10.1186/s12913-026-14484-4 PMID:41935295	综述	本研究系统梳理了哈萨克斯坦医疗领域人工智能与机器学习技术的准备程度、发展现状及实际应用情况	首次通过范围综述整合哈萨克斯坦医疗AI的准备度、发展和实施三个维度的证据，填补了该地区AI医疗应用系统性综述的空白	仅纳入10项研究，样本文献量有限；缺乏真实临床环境下的验证评估；不同研究间异质性较大	评估哈萨克斯坦医疗系统在人工智能和机器学习技术方面的准备度、发展水平及临床应用现状	哈萨克斯坦医疗AI相关学术文献（2020-2025年发表）	机器学习	NA	深度学习	NA	医学影像	10篇研究文献	NA	NA	NA	NA
5651	2026-06-29	SoleFusion-Net: an explainable multimodal deep learning framework for diabetic foot syndrome classification in type II diabetes mellitus 2026-Apr-03, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-42207-6 PMID:41932959	研究论文	提出了一种可解释的多模态深度学习框架SoleFusion-Net，用于2型糖尿病中糖尿病足综合征的分类	提出了一种基于晚期融合双分支架构的多模态深度学习框架，并集成了多种可解释性技术（如Grad-CAM、SHAP、替代决策树和原型批评分析）以增强透明度和临床信任度	模型目前仅在504名患者的数据集上评估，需要外部验证以证明其泛化能力	通过整合足底压力图像和临床结构化数据，实现糖尿病神经病变的早期检测和严重程度分类	504名2型糖尿病患者，按神经病变严重程度（轻度、中度、重度）分层	计算机视觉, 机器学习	糖尿病, 糖尿病足综合征	NA	卷积神经网络（CNN），双分支多模态网络	图像, 结构化临床数据	504名患者	NA	双分支架构：图像分支采用卷积层，表格分支处理临床变量，晚期融合	准确率, AUC	NA
5652	2026-06-29	MRI-based brain tumor prediction using convolutional neural network framework 2026-Apr-03, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-47044-1 PMID:41933029	研究论文	提出一种基于卷积神经网络的磁共振成像脑肿瘤预测模型，实现自动诊断	在资源受限的医疗环境下，通过轻量化CNN框架实现高精度脑肿瘤诊断，并采用超参数调优、早停和模型检查点技术优化泛化能力	未提及	为放射科医生提供辅助决策系统，用于早期脑肿瘤检测	脑肿瘤患者	计算机视觉	脑肿瘤	磁共振成像	卷积神经网络	图像	未提及	未提及	CNN	准确率、灵敏度、特异度、精确率、F1分数	未提及
5653	2026-06-29	Multi-class classification of brain tumor using a ResNet101 backbone integrated with multi-scale deformable attention module and advanced data augmentations 2026-Apr-03, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-45675-y PMID:41933058	研究论文	提出一种基于ResNet101骨干网络结合多尺度可变形注意力模块和高级数据增强的脑肿瘤多分类方法	采用多尺度可变形注意力模块（MS-DAM）结合ResNet101骨干网络，通过混合增强策略和mixup正则化提升泛化能力，并利用Grad-CAM和SHAP实现模型可解释性	信息不足	提高脑肿瘤MRI图像的多分类准确性和可解释性，解决肿瘤形态多变和类别间细微差异带来的挑战	Kaggle 14类脑肿瘤MRI数据集	计算机视觉	脑肿瘤	MRI扫描	卷积神经网络（CNN），注意力机制	图像	Kaggle 14类脑肿瘤MRI数据集（具体数量未提及）	NA	ResNet101，多尺度可变形注意力模块（MS-DAM）	准确率	NA
5654	2026-06-29	Deep learning detection of ectopic canines and molars in mixed dentition 2026-Apr-02, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-45912-4 PMID:41927690	研究论文	开发深度学习模型自动检测混合牙列期全景X光片上的异位尖牙和磨牙	首次使用深度学习模型针对混合牙列期的异位尖牙和磨牙进行自动检测，并利用角度和位置标准定义异位萌出	对异位磨牙的检测性能不如尖牙一致，召回率较低	开发并验证深度学习模型在混合牙列期全景X光片上自动检测异位尖牙和磨牙的诊断能力	混合牙列期儿科患者的全景X光片	计算机视觉	牙科异常	NA	深度学习	图像	回顾性研究中使用混合牙列期儿科患者全景X光片数据集，未明确具体数量	NA	NA	精确率、召回率、F1分数、Dice系数、平均精度均值	NA
5655	2026-06-29	A hybrid deep learning model for robust and efficient plant leaf disease detection using ResNet50, PCA, and SVM 2026-Apr-02, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-46085-w PMID:41927866	研究论文	提出一种结合ResNet50、PCA和SVM的混合深度学习模型，用于植物叶片病害的稳健高效检测	通过集成预训练ResNet50作为特征提取器、PCA降维和SVM分类器，在保持高分类精度的同时显著降低计算复杂度，实现了深度学习与机器学习的高效融合	仅使用受控数据集PlantVillage进行评估，缺乏真实田间复杂环境下的验证	在确保分类准确性的前提下，提升植物叶片病害检测模型的计算效率与部署可行性	植物叶片病害图像	计算机视觉	植物病害	NA	混合模型（ResNet50 + PCA + SVM）	图像	PlantVillage公开数据集，包含38类正常与病变叶片样本	Scikit-learn	ResNet50	准确率	NA
5656	2026-06-29	DSPONVNet: a multimodal deep learning model integrating intraoperative monitoring and clinical features for predicting postoperative nausea and vomiting risk 2026-Apr-02, BMC medical research methodology IF:3.9Q1 DOI:10.1186/s12874-026-02845-w PMID:41928118	研究论文	提出一种整合术中监测数据与临床特征的多模态深度学习模型DSPONVNet，用于术后恶心呕吐风险预测	首次将术中动态生理信号（如心率波动）与传统静态临床特征融合，利用自注意力机制实现多模态特征融合，显著提升预测性能	NA	开发一种融合术中监测数据与结构化临床变量的稳健预测模型，提升术后恶心呕吐风险评估的准确性	接受全身麻醉的患者	机器学习	术后恶心呕吐	NA	多层感知机、长短期记忆网络、自注意力机制	结构化临床特征、动态术中监测信号	53,250例接受全身麻醉患者	NA	MLP、LSTM、自注意力融合机制	ROC-AUC, F1分数	NA
5657	2026-06-29	Predicting positive airway pressure appointment attendance using machine learning and deep learning: the role of clinical and oximetric indicators 2026-Apr-02, Sleep & breathing = Schlaf & Atmung DOI:10.1007/s11325-026-03660-9 PMID:41925778	研究论文	利用机器学习和深度学习技术预测阻塞性睡眠呼吸暂停综合征患者是否出席首次气道正压通气治疗	区别于多数关注长期依从性的研究，本文聚焦于PAP治疗的初始参与，并比较多种机器学习与深度学习模型的预测能力	NA	识别影响患者出席首次PAP治疗预约的临床、生理和行为因素，并开发和比较多种预测模型	阻塞性睡眠呼吸暂停综合征患者	机器学习	睡眠呼吸障碍	NA	逻辑回归、决策树、随机森林、支持向量机、深度神经网络	临床指标、血氧指标	369名OSAS患者	NA	逻辑回归、决策树、随机森林、支持向量机、深度神经网络	相关性分析	NA
5658	2026-06-29	Modelling of hybrid deep ensemble learning based skin lesion detection using FCNN denoising and inception-dilated ResNetV2 2026-Apr-02, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-47053-0 PMID:41927887	研究论文	提出了一种混合深度集成学习方法，使用FCNN去噪和Inception-扩张ResNetV2进行皮肤病变检测	将FCNN去噪、Inception-扩张ResNetV2特征提取与Bi-LSTM、DBN、SNN三种深度学习模型集成，实现了高精度的皮肤病变分类	文中未明确提及具体局限性	提高皮肤病变分类的准确性，实现黑色素瘤的自动分析	皮肤病变图像，特别是黑色素瘤	计算机视觉	皮肤癌	皮肤镜成像	FCNN, Inception-扩张ResNetV2, Bi-LSTM, DBN, SNN	图像	ISIC皮肤癌数据集（未明确具体样本数量）	NA	FCNN, Inception-扩张ResNetV2, Bi-LSTM, DBN, SNN	准确率, AUC	NA
5659	2026-06-29	Adaptive enhancement of chest X-ray images using tissue attenuation and local and global fusion 2026-Apr-02, BMC bioinformatics IF:2.9Q1 DOI:10.1186/s12859-026-06429-9 PMID:41928064	研究论文	提出一种自适应增强方法，用于提升胸部X光图像的对比度、清晰度和解剖结构可见性	整合组织衰减可见性增强、线性变换对比度调整和感知融合模块，实现区域特定的结构感知增强，无需大量训练且可解释	未明确讨论方法的计算复杂度和泛化能力限制	解决胸部X光图像低对比度、噪声和局部细节丢失问题，提升骨骼和软组织识别准确性	胸部X光图像中的骨骼、软组织和解剖结构	计算机视觉	NA	NA	NA	图像	NA	NA	NA	对比度、清晰度、解剖结构可见性	NA
5660	2026-06-29	Comparison of deep learning reconstruction and adaptive statistical iterative reconstruction for head CT in acute stroke 2026-Apr, Neuroradiology IF:2.4Q2 DOI:10.1007/s00234-025-03898-2 PMID:41549105	研究论文	比较深度学习重建与自适应统计迭代重建在急性卒中患者头部CT中的应用效果	首次在急性卒中患者中比较不同降噪强度的DLR与ASIR-V，发现中等降噪强度（DLR-M）在伪影减少与纹理偏好间达到最佳平衡	单中心回顾性研究，样本量有限，未评估DLR对诊断准确性的临床影响	评估DLR在急性卒中非增强头部CT中的图像质量优势	102名急性卒中症状成人患者的头部CT非增强扫描数据	医学影像	急性卒中	CT	深度学习重建	图像	102名患者（平均年龄68.65岁）	NA	NA	信噪比、对比噪声比、后颅窝伪影指数、颅骨下伪影指数、阿尔伯塔卒中项目早期CT评分	NA