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
5761	2026-06-29	The sarcopenia artificial intelligence diagnostic decision support system (SAID DSS) - a multimodal deep learning model 2026-Jan-26, BMC geriatrics IF:3.4Q2 DOI:10.1186/s12877-026-07005-9 PMID:41588346	研究论文	开发了一种基于多模态深度学习的肌少症人工智能诊断决策支持系统，结合超声图像和临床数据实现准确诊断	首次引入临床导向的、基于AI的多模态模型用于肌少症检测，采用特征级融合技术结合Xception架构和MLP分类器，并集成可解释AI方法提高诊断透明度	参与者数量较少（24人），数据集虽大但样本量有限，性别分布不均（女性占63%），年龄范围较窄（71-91岁）	开发准确、安全、循证的多模态AI模型，利用床旁超声框架结合肌肉成像特性和身体表现进行肌少症诊断	肌少症患者和对照组的临床数据及超声图像	计算机视觉, 机器学习	肌少症	床旁超声（POCUS）成像	深度学习多模态模型	图像, 临床数据	24名参与者（15名女性，9名男性），包括1060个纵向和2414个横向超声事件	NA	Xception, 多层感知机（MLP）	准确率（85%）, F1分数（0.85）, AUC（0.84）	NA
5762	2026-06-29	Taxonomical loss for weed seedlings image classification 2026-Jan-24, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-33961-0 PMID:41580467	研究论文	介绍了一种用于杂草幼苗图像分类的新颖深度分类损失函数，并构建了杂草物候数据集	提出了利用层次结构指导分类过程的分类损失函数，在计算中引入动态边界，实现小样本学习下的更好聚类和早期生长阶段杂草幼苗识别	新的分类损失函数并未在所有深度学习模型架构上一致提升分类结果	提高杂草幼苗图像分类的准确性，以推进精准杂草管理并减少农药使用	杂草幼苗图像，包括早期生长阶段的标注数据	计算机视觉	NA	图像分类	ResNet-50	图像	每类100张图像用于聚类评估，具体杂草物候数据集规模未提及	NA	ResNet-50	轮廓系数	NA
5763	2026-06-29	Hybrid deep learning model for air quality prediction and its impact on healthcare 2026-Jan-23, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-36564-5 PMID:41577974	研究论文	提出一种集成特征工程与混合深度学习架构的短期空气质量指数预测框架，并评估其对医疗健康的影响	创新性融合了结构化特征工程（包括滞后污染指标、多尺度移动平均、季节循环编码等）与混合CNN-LSTM网络架构，实现短期空气质量指数的高精度预测	研究局限于特定区域的数据集和短期时间跨度，泛化能力有待验证	开发用于短期空气质量指数预测的深度学习框架，以支持数据驱动的空气质量监测系统	空气质量指数（AQI）预测模型	机器学习	空气污染相关疾病	卫星遥感数据（OpenWeather API）	混合CNN-LSTM，CNN，LSTM	时序数据（空气污染物浓度、气象变量等）	未明确说明具体样本数量，数据来源为OpenWeather API	TensorFlow/PyTorch（基于混合CNN-LSTM、CNN、LSTM的实现）	CNN-LSTM混合网络	精确率，召回率，F1分数	未明确说明计算资源
5764	2026-06-29	Reciprocal cooperative gating fusion of SqueezeNet and ShuffleNetV2 for breast cancer detection in histopathology images 2026-Jan-21, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-36375-8 PMID:41565837	研究论文	提出一种轻量级互惠门控融合框架，结合SqueezeNet和ShuffleNetV2用于组织病理图像中的乳腺癌检测	提出互惠门控机制，实现两个高效卷积神经网络之间的结构化双向交互，增强互补特征交换并抑制冗余响应，生成信息更丰富的融合表示，同时大幅降低计算开销	NA	开发一种轻量级且高效的计算机辅助诊断解决方案，用于乳腺癌检测	组织病理图像中的乳腺癌检测	数字病理学	乳腺癌	NA	CNN（卷积神经网络）	图像	ICIAR-2018数据集和BreakHis数据集（100倍放大）	PyTorch	SqueezeNet, ShuffleNetV2	准确率（多分类97%，二分类99%；BreakHis数据集上99.72%）	NA
5765	2026-06-29	Compact deep learning models for colon histopathology focusing performance and generalization challenges 2026-Jan-19, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-35119-y PMID:41554906	research paper	提出并系统评估四种轻量级CNN变体用于结肠组织病理图像二分类，发现轻量模型在内部验证中表现优异但跨领域泛化能力不足	设计了四种专用轻量级CNN变体（Lite-V0至Lite-V4），在保持高准确率的同时实现极小的模型体积（1.53 MB），并系统揭示了轻量模型在内部验证与独立测试集之间的泛化差距	模型在独立测试集上出现显著泛化下降（准确率约50%，F1=0.33），表明存在域偏移效应，且未采用域自适应或染色鲁棒训练策略	开发高精度、小体积的结肠组织病理图像分类模型，并评估其内部验证与跨领域泛化能力	结肠组织病理图像（分为结肠腺癌和结肠良性组织两类）	machine learning	colorectal cancer	NA	CNN	image	24,000张图像（平衡数据集，预设训练/验证/测试划分）	NA	Lite-V0, Lite-V1, Lite-V2, Lite-V4	accuracy, macro-F1, confusion matrix, ROC, precision-recall	NA
5766	2026-06-29	Deep learning on meta-analytic data for therapeutic decision-making in central nervous system aspergillosis 2026-Jan-17, BMC infectious diseases IF:3.4Q2 DOI:10.1186/s12879-026-12573-7 PMID:41547764	研究论文	利用深度学习结合荟萃分析和电子病历数据，构建中枢神经系统曲霉病的治疗决策支持系统	首次将LinUCB自适应治疗策略应用于中枢神经系统曲霉病，并整合了荟萃分析数据与结构化电子病历数据	样本量较小（仅64例荟萃分析病例和200例重症监护病房患者），回顾性研究设计，缺乏前瞻性验证	开发基于机器学习的预测模型和自适应治疗策略，以改善中枢神经系统曲霉病患者的治疗决策和生存率	中枢神经系统曲霉病患者	机器学习	中枢神经系统曲霉病	NA	梯度提升分类器, LinUCB	结构化电子病历, 文本数据（经BERT提取特征）	64例病例荟萃分析数据，200例重症监护病房患者电子病历数据	NA	梯度提升分类器, LinUCB	生存率	NA
5767	2026-06-29	End-to-end deep learning framework for automated angle estimation in hallux valgus from full-field weight-bearing radiographs 2026-Jan-13, BMC medical imaging IF:2.9Q2 DOI:10.1186/s12880-026-02150-4 PMID:41527051	研究论文	开发并验证了一个全自动端到端深度学习框架，用于从全负重足部X光片中准确估计拇外翻角和跖骨间角	首次提出结合YOLOv11m检测模块和可训练的PCA角度估计模块的端到端框架，实现自动化和高精度角度测量	未明确提及局限性	实现拇外翻角（HVA）和跖骨间角（IMA）的快速、准确全自动估计	全负重足部X光片	计算机视觉	拇外翻	X光成像	YOLOv11m, PCA	图像	内部数据集：1753张X光片来自1652名患者；外部数据集：121张X光片	PyTorch	YOLOv11m	平均绝对误差(MAE), 均方根误差(RMSE), 皮尔逊相关系数(r)	NA
5768	2026-06-29	Deep learning for Angle classification based on intraoral photographs: an interpretability perspective 2026-Jan-04, BMC oral health IF:2.6Q1 DOI:10.1186/s12903-025-07550-6 PMID:41486121	研究论文	该研究旨在开发一种基于口内照片的深度学习模型，利用 Angle 分类系统对矢状面牙颌畸形进行分类，并评估模型决策的可解释性	首次结合三种可解释性 AI 方法分析深度学习模型在口内照片牙颌分类中的决策依据	样本来自单中心数据库，可能存在选择性偏倚；模型准确率为 75%，仍有改进空间；不同 XAI 方法聚焦区域不一致，需结合多种方法综合评估	开发并评估基于口内照片的深度学习模型，用于 Angle 分类系统下的矢状面牙颌畸形分类，并提升模型可解释性	首次就诊的正畸患者的侧位口内 RGB 图像，展示牙咬合关系	计算机视觉	牙颌畸形	口内摄影	CNN	图像	共 5266 张口内 RGB 图像，训练集 4280 张，验证集 474 张，测试集 512 张	PyTorch	VGG-11	准确率、AUC	NA
5769	2026-06-29	Explainable machine learning and deep learning models for predicting TAS2R-bitter molecule interactions 2026-01, Journal of molecular graphics & modelling IF:2.7Q2 DOI:10.1016/j.jmgm.2025.109187 PMID:41092497	研究论文	开发可解释的机器学习和深度学习模型，用于预测苦味分子与TAS2R受体的相互作用	结合传统机器学习和深度学习方法，提高模型的可解释性和预测性能，用于理解苦味分子的分子特征和设计靶向特定TAS2Rs的新型苦味剂	未提供具体的局限性信息	开发可解释模型以预测苦味分子与TAS2R受体的相互作用，辅助药物设计和味觉感知研究	苦味分子与TAS2R受体的相互作用	机器学习	NA	NA	机器学习与深度学习模型（未指定具体类型）	实验验证数据	未提供样本量	NA	NA	高性能（具体指标未指定）	NA
5770	2026-06-29	A deep-learning system for the assessment of coronary heart disease risk via scleral photographs 2025-Dec-30, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-33510-9 PMID:41469469	研究论文	开发并验证了一种基于巩膜照片的深度学习系统，用于评估冠心病风险	首次利用巩膜照片通过深度学习系统评估冠心病风险，并发现模型主要依赖血管异常和色素沉着斑点作为可解释特征	NA	开发一种基于巩膜照片的深度学习系统，用于评估冠心病风险，提高临床可解释性	巩膜照片	计算机视觉	冠心病	深度学习	CNN	图像	超过5000张巩膜照片	NA	CNN	准确率, AUC	NA
5771	2026-06-29	Artificial intelligence-based automated grading and severity prediction of radiation dermatitis: a review 2025-Dec-29, Radiation oncology (London, England) DOI:10.1186/s13014-025-02784-8 PMID:41466298	综述	综述人工智能在放射性皮炎自动分级和严重程度预测中的应用	总结了深度学习在放射性皮炎自动分级中的潜力，并指出预测疾病进展的人工智能模型研究的明显缺乏	数据集有限和缺乏跨中心验证	评估人工智能在放射性皮炎检测、分级和严重程度预测中的应用	放射性皮炎患者的皮肤图像和临床数据	计算机视觉	放射性皮炎	NA	深度学习	图像	NA	NA	NA	NA	NA
5772	2026-06-29	Artificial Intelligence-Enabled Electrocardiography Identifies Osteoporosis and has Prognostic Value 2025-Dec-26, Journal of medical systems IF:3.5Q2 DOI:10.1007/s10916-025-02333-6 PMID:41452504	研究论文	开发基于心电图特征的深度学习模型用于骨质疏松识别并评估预后价值	首次利用人工智能心电图作为骨质疏松筛查工具，并结合生存分析验证其预后价值	研究为回顾性设计，可能引入选择偏倚；外部验证样本量相对较小	评估深度学习模型通过心电图特征识别骨质疏松的性能及临床意义	25401名患者（44732份心电图）	机器学习	骨质疏松	心电图	深度学习模型	心电图数据	25401名患者，44732份心电图样本	NA	NA	AUC, 阴性预测值, 风险比	NA
5773	2026-06-29	Deep multimodal fusion of patho-radiomic and clinical data for enhanced survival prediction for colorectal cancer patients 2025-Dec-05, NPJ digital medicine IF:12.4Q1 DOI:10.1038/s41746-025-02210-z PMID:41350716	research paper	提出PRISM-CRC深度学习框架，整合病理、影像、内镜和临床数据，提升结直肠癌诊断和预后预测	多模态数据融合的协同效应显著优于单模态模型，提供比传统TNM分期更精细的风险分层，具有直接临床意义	域偏移导致性能适度下降，形态模糊病例的分类错误，需要未来前瞻性试验验证临床效用	提升结直肠癌的诊断和预后预测能力	结直肠癌患者	machine learning, digital pathology, computer vision	colorectal cancer	NA	深度学习框架	图像, 文本, 临床数据	NA	NA	NA	concordance index, AUC	NA
5774	2026-06-29	A hybrid CNN-ViT framework with cross-attention fusion and data augmentation for robust brain tumor classification 2025-Nov-30, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-28636-9 PMID:41318692	研究论文	提出一种混合CNN-ViT框架CAFNet，结合交叉注意力融合和数据增强，用于鲁棒的脑肿瘤分类	提出混合CNN-ViT框架CAFNet，利用交叉注意力融合机制整合CNN局部特征与ViT全局上下文，结合数据增强显著提升分类性能	NA	开发一种鲁棒的脑肿瘤分类方法，提高从MRI扫描中多类别肿瘤分类的准确性	脑肿瘤MRI影像	计算机视觉	脑肿瘤	NA	CNN, Vision Transformer	MRI图像	多类别MRI数据集	NA	CAFNet, AlexNet, MobileNetV2, InceptionV3, ResNet50, VGG16, VGG19	准确率	NA
5775	2026-06-29	Feature fusion context attention gate UNet for detection of polycystic ovary syndrome 2025-Nov-27, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-26314-4 PMID:41309699	研究论文	提出基于特征融合上下文注意力U-Net的多囊卵巢综合征检测模型	首次将特征融合上下文模块集成到注意力U-Net中，并采用模糊对比增强成像优化数据集预处理	未提及外部数据集验证或临床实际部署中的泛化性评估	提高多囊卵巢综合征超声图像诊断的准确性和效率	多囊卵巢综合征超声图像数据集	计算机视觉	多囊卵巢综合征	NA	U-Net	图像	3800张超声图像（原始），增广后45600张图像	NA	特征融合上下文注意力U-Net	准确率	NA
5776	2026-06-29	CT-based intratumoral heterogeneity quantification fusing deep learning radiomics for predicting lymph node metastasis in early-stage lung adenocarcinoma: a multicenter study 2025-Nov-26, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-26331-3 PMID:41298638	研究论文	基于CT的瘤内异质性量化融合深度学习影像组学预测早期肺腺癌淋巴结转移的多中心研究	首次提出基于CT瘤内异质性（ITHscore）的新型成像生物标志物，并将其与深度学习特征和Radscore融合构建预测模型，且通过多中心数据验证，揭示了相关信号通路	未在外部独立验证队列中进一步测试，且可能受限于样本量和回顾性设计	预测早期肺腺癌的淋巴结转移，推动非侵入性个体化治疗	早期肺腺癌患者的CT图像和淋巴结转移状态	计算机视觉, 数字病理学	肺癌	CT成像, 深度学习影像组学, 无监督聚类	CNN	图像	787例早期肺腺癌患者（来自三个中心）	PyTorch	NA	AUC	NA
5777	2026-06-29	Predictive modeling of motor symptom severity and stage classification in Parkinson's disease using machine learning methods with selected multiple serological biomarkers 2025-Nov-25, BMC neurology IF:2.2Q3 DOI:10.1186/s12883-025-04504-x PMID:41291525	研究论文	利用机器学习方法基于多种血清学生物标志物预测帕金森病运动症状严重程度和分期分类	首次系统评估炎症标志物（如NLR、LMR）在机器学习模型中预测帕金森病严重程度的关键作用，并构建了自适应特征选择和学习率调整的深度神经网络，显著提升了分类和回归任务性能	研究基于单一数据库，样本特征选择依赖XGBoost重要性排序，可能忽略其他潜在重要标志物；模型未在独立外部数据集中验证泛化性	开发基于血清学生物标志物的客观、非侵入性帕金森病严重程度评估和分期分类工具	帕金森病患者	机器学习	帕金森病	血清学检测	XGBoost, CatBoost, Random Forest, Decision Tree, 深度神经网络	血清学生物标志物数据	2614名个体	未明确说明	XGBoost, CatBoost, Random Forest, Decision Tree, 深度神经网络（含自适应特征选择和学习率调整）	准确率, 加权F1分数	未明确说明
5778	2026-06-29	Mycobacterium tuberculosis FAS-II pathway targeted integrative deep learning based identification of potential anti-tubercular agents 2025-11-04, Journal of computer-aided molecular design IF:3.0Q2 DOI:10.1007/s10822-025-00695-0 PMID:41186754	研究论文	整合深度学习方法识别潜在抗结核药物，靶向结核分枝杆菌FAS-II途径	首次采用综合方法，包括位点特异性数据集整理、多种机器学习模型探索、超参数优化的人工神经网络虚拟筛选、分子对接及体外验证，针对FAS-II途径中的多个关键酶（KasA、KasB、FabH）进行多靶点药物发现	未提及具体局限性	识别靶向结核分枝杆菌FAS-II途径的潜在抗结核药物	结核分枝杆菌FAS-II途径中的关键合成酶（KasA、KasB、FabH）	机器学习	结核病	分子对接、分子动力学模拟、体外生物学评价	人工神经网络	化合物库数据	NA	NA	人工神经网络（ANN）	抑制活性（相对于阳性对照的百分比）	NA
5779	2026-06-29	Design, synthesis, deep learning-guided prediction, and biological evaluation of novel pyridine-thiophene-based imine-benzalacetophenone hybrids as promising antimicrobial agent 2025-11-04, Journal of computer-aided molecular design IF:3.0Q2 DOI:10.1007/s10822-025-00687-0 PMID:41186782	研究论文	设计、合成并通过深度学习预测新型吡啶-噻吩基亚胺-苯甲酰乙酰苯杂化物作为抗菌剂	首次将吡啶和噻吩骨架结合到亚胺-苯甲酰乙酰苯杂化物中，并利用深度学习QSAR模型辅助预测其抗菌活性	数据集规模有限可能影响模型泛化性	开发针对多重耐药病原体的新型抗菌剂并验证其药理学特性	新型吡啶-噻吩基亚胺-苯甲酰乙酰苯杂化物（7c和7j）及其抗菌、抗结核活性	机器学习	多重耐药菌感染	NA	全连接前馈神经网络	分子描述符（MolWt、LogP、TPSA等）	10种杂化物（7a-7j）	NA	全连接前馈神经网络	pMIC值	NA
5780	2026-06-29	Deep learning-guided rational engineering of synergistic PD-1 and LAG-3 blockade for enhanced tumor immunomodulation 2025-11-04, Journal of computer-aided molecular design IF:3.0Q2 DOI:10.1007/s10822-025-00702-4 PMID:41186834	研究论文	利用深度学习工程化靶向PD-1和LAG-3的单克隆抗体以增强肿瘤免疫调节	首次利用消息传递图神经网络进行反向建模，设计针对PD-1和LAG-3免疫检查点的单克隆抗体，并通过整合物理化学准确性、进化可行性、经验验证、几何互补性和机器学习指导的突变预测来优化抗体结合亲和力	基于计算模拟的预测仍需要进一步的实验验证和临床转化，且只针对PD-1和LAG-3两个靶点	开发可扩展的计算框架设计免疫检查点抑制剂，以改善联合免疫治疗中的抗体结合能力和治疗潜力	PD-1和LAG-3免疫检查点及相应的单克隆抗体	机器学习	肿瘤	分子动力学模拟	消息传递图神经网络	蛋白质结构数据	NA	NA	消息传递图神经网络	结合亲和力、热稳定性、免疫原性	NA