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
561	2026-05-31	Minimum Foot Clearance Prediction in Stroke Survivors: A Transformer-Based Approach 2026, IEEE transactions on neural systems and rehabilitation engineering : a publication of the IEEE Engineering in Medicine and Biology Society IF:4.8Q1 DOI:10.1109/TNSRE.2026.3694895 PMID:42154708	研究论文	提出一种基于Transformer的模型，用于预测脑卒中幸存者行走时的最小足部间隙，以评估跌倒风险	采用双头自注意力机制和条件后归一化投影方法提升多步预测性能，并引入统计矩匹配损失函数处理数据变异	NA	预测脑卒中幸存者的最小足部间隙以评估跌倒风险	脑卒中幸存者	机器学习	脑卒中	NA	Transformer、LSTM	足部间隙时间序列数据	脑卒中幸存者步行数据	TensorFlow, PyTorch	Transformer, LSTM	平均绝对误差, 最大绝对误差, 均方根误差, 预测在上界内的比例	NA
562	2026-05-31	Adaptive and multi-scale feature fusion for Chinese news headline classification 2026, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0345779 PMID:42201869	研究论文	提出两种针对中文新闻标题分类的深度学习模型，分别适用于大规模和小规模数据集，通过自适应特征融合与多尺度注意力机制提升分类性能	结合ERNIE自适应多层特征融合与SE增强CNN处理大规模数据，针对小规模数据引入多尺度SE注意力、深度可分离卷积和对抗训练以增强鲁棒性	未在论文中明确提及	解决中文新闻标题分类中特征稀疏、上下文有限和高歧义性问题	中文新闻标题	自然语言处理	NA	NA	深度神经网络	文本	THUCNews和Toutiao数据集	PyTorch	ERNIE, SE-CNN, 深度可分离卷积	准确率	NA
563	2026-05-31	Development and validation of a multimodal clinical-radiomics-deep learning nomogram based on automated chest CT segmentation for classifying COPD severity: a multicenter study 2026, Frontiers in medicine IF:3.1Q1 DOI:10.3389/fmed.2026.1831103 PMID:42210927	研究论文	开发和验证一种结合临床特征、全肺CT影像组学特征和深度学习特征的综合列线图，用于慢性阻塞性肺疾病严重程度分级	首次将全肺自动分割的影像组学特征、三维深度学习特征与临床特征整合为多模态列线图，用于COPD严重程度分级，并在多中心数据中验证其优越性	回顾性研究设计，可能引入选择偏倚；列线图在外部验证中的AUC值仍有提升空间	开发和验证一个多模态列线图，用于精确分类COPD严重程度	来自三家医院的1794例COPD患者的胸部CT图像和临床数据	计算机视觉, 数字病理	慢性阻塞性肺疾病（COPD）	CT扫描, 影像组学, 深度学习	逻辑回归, 深度学习模型	图像（CT扫描）	1794例患者	NA	三维深度学习模型, 逻辑回归	AUC（受试者工作特征曲线下面积）, 决策曲线分析（DCA）, DeLong检验	NA
564	2026-05-31	AI-based decision models for difficult airway assessment: from research innovation to clinical implementation-a narrative review 2026, Frontiers in medicine IF:3.1Q1 DOI:10.3389/fmed.2026.1818061 PMID:42210958	综述	综述2010-2025年间用于困难气道评估的AI决策模型，重点关注其性能、局限性与临床转化	指出AI模型在气道评估中（如面部图像分析灵敏度达80%-90%，深度学习模型平均AUC为0.84）优于传统方法，并提出胸部麻醉中利用常规术前CT进行全气道评估的可行路径	现有研究多为单中心、回顾性设计，缺乏外部验证、算法公平性、标准化结果及工作流程整合，且偏向评估上气道，存在转化鸿沟	评估AI决策模型在困难气道管理中的潜力和临床转化障碍，并提出未来发展方向	2010-2025年间关于气道评估的AI决策模型研究	机器学习	麻醉相关气道管理	卷积神经网络、半监督学习、多模态融合	卷积神经网络、深度学习模型	面部图像、CT图像	NA	NA	卷积神经网络	灵敏度、AUC	NA
565	2026-05-31	Explainable hybrid CNN-transformer with self-supervised learning for structural analysis of paranasal sinus CT 2026, Frontiers in computational neuroscience IF:2.1Q3 DOI:10.3389/fncom.2026.1778260 PMID:42211246	研究论文	提出一种可解释的混合CNN-Transformer框架，结合自监督3D卷积自编码器，用于副鼻窦CT结构分析	将自监督3D卷积自编码器与混合CNN-Transformer相结合，实现无需病理标签的异常检测，并集成Grad-CAM可解释性分析以关注临床相关区域	未明确提及局限性	开发可解释的深度学习方法，用于副鼻窦CT的结构分析，支持医学诊断和治疗	多机构CT-SCOPE数据集中的副鼻窦CT体积数据	计算机视觉, 数字病理学	耳鼻喉疾病	CT扫描	CNN-Transformer, 自编码器	CT图像	多机构CT-SCOPE数据集，包含不同医院和CT扫描仪模型的多样扫描数据	NA	CNN-Transformer混合架构, 3D卷积自编码器, Grad-CAM	Dice相似系数	NA
566	2026-05-31	Predictive radiomics for evaluation of cancer immune signature in glioblastoma: The PRECISE-GBM study 2026 Jan-Dec, Neuro-oncology advances IF:3.7Q2 DOI:10.1093/noajnl/vdag115 PMID:42211395	研究论文	利用放射基因组学分析预测IDH野生型胶质母细胞瘤中免疫细胞特征的放射标志物	首次通过多中心回顾性研究开发放射组学模型，非侵入性地预测IDH野生型胶质母细胞瘤中巨噬细胞亚型M0的免疫特征	样本量较小（176名患者），且依赖开放获取的回顾性数据	开发并验证能捕获IDH野生型胶质母细胞瘤微环境中免疫细胞特征的放射生物学标志物	IDH野生型胶质母细胞瘤患者	数字病理学	胶质母细胞瘤	MRI放射组学	支持向量机和集成模型	MRI影像数据	176名患者	NA	支持向量机和集成模型	平衡准确率（0.67），精确率（0.89）	NA
567	2026-05-31	Deep learning-based dental age estimation in adolescents using panoramic radiographs: a comparative study with traditional methods 2026, Frontiers in radiology DOI:10.3389/fradi.2026.1754772 PMID:42211411	研究论文	利用基于深度学习的卷积神经网络模型，通过全景放射片对青少年进行牙齿年龄估计，并与传统方法进行比较	开发并验证了基于卷积神经网络的回归模型用于青少年牙齿年龄估计，并通过Grad-CAM可视化增强模型可解释性	NA	开发并验证基于卷积神经网络的模型用于青少年牙齿年龄估计，并比较其与传统方法的准确性	9-19岁青少年的全景牙齿放射片	计算机视觉	NA	全景放射成像	卷积神经网络	图像	296张全景牙齿放射片，来自9-19岁青少年，训练集207张，验证集44张，测试集45张	NA	卷积神经网络	平均绝对误差、均方根误差、皮尔逊相关系数	NA
568	2026-05-31	High-throughput phenotypic analysis of plant and curd growth dynamics during the whole growth period of cauliflower based on instance segmentation 2026, Frontiers in plant science IF:4.1Q1 DOI:10.3389/fpls.2026.1836813 PMID:42211487	研究论文	基于实例分割技术，对花椰菜全生育期的植株和花球生长动态进行高通量表型分析	首次实现花椰菜从幼苗到收获整个生育期的系统表型监测，并利用YOLO12s-seg模型实现高精度分割，结合生长动力学模型对花球进行分类，开发了集成化表型分析平台	未明确提及，但可能受限于图像采集条件（如种植密度）、模型对不同品种的泛化能力以及手动测量验证的样本量	实现花椰菜全生育期高效表型监测，替代传统耗时费力的人工测量方法，为育种和生产提供自动化分析框架	花椰菜植株和花球的生长动态	计算机视觉, 数字病理学（因植物表型分析通常归类于此，或更准确为植物科学，但依提示仅可选其一，这里选择计算机视觉）	不适用（NA）	RGB成像	YOLO12s-seg（实例分割模型）	图像	从苗期到收获期的花椰菜RGB图像（具体数量未提及），以及47份种质资源	PyTorch（常见于YOLO系列）	YOLO12s-seg	掩码mAP, R（相关性系数）	未明确提及
569	2026-05-31	Predicting survival of patients treated with antibody-drug conjugates in early-phase clinical trials using AI-quantified 3D body composition on CT scans 2026, Frontiers in oncology IF:3.5Q2 DOI:10.3389/fonc.2026.1687383 PMID:42211497	研究论文	利用AI量化CT扫描上的3D身体成分预测早期临床试验中接受抗体-药物偶联物治疗患者的生存情况	首次研究身体成分对抗体-药物偶联物疗效和安全性的影响，并采用AI自动量化三维身体成分参数	单中心回顾性研究，样本量较小（136例），缺乏外部验证	评估AI量化的3D身体成分参数在预测ADC治疗患者生存和毒性中的价值	2015年3月至2023年3月期间在单中心接受ADC治疗的早期临床试验患者	医学影像分析	癌症	CT扫描	深度学习	CT影像数据	136例患者	NA	Anthropometer3DNet	风险比, p值	NA
570	2026-05-31	An examination of the psychological mechanisms underlying the social existence and cognitive investment of college students in an online learning environment 2026, Frontiers in psychology IF:2.6Q2 DOI:10.3389/fpsyg.2026.1792669 PMID:42212028	研究论文	探讨在线学习环境中社会存在感与认知投入之间的心理机制，以感知互动性为关键变量进行实证检验	首次将感知互动性作为关键变量引入社会存在感与认知投入的关系研究，验证了社会存在感对认知投入的稳健预测作用，并考察了感知互动性在其中的调节效应	感知互动性未显示显著调节效应，表明可能受其他因素影响；样本仅限大学生，推广性有限	揭示在线学习环境中社会存在感与认知投入之间的作用机制，为提升在线教学质量提供理论依据	500名有在线学习经验的在校大学生	机器学习	NA	NA	NA	数值数据	500名大学生	SPSS	NA	相关系数，回归系数	NA
571	2026-05-31	Revolutionizing Nursing Education in Somalia: Recommendations for Integrating AI and Deep Learning in Outcome Based Assessments to Enhance Knowledge, Practice, and Graduate Competence 2026, Journal of multidisciplinary healthcare IF:2.7Q2 DOI:10.2147/JMDH.S611974 PMID:42212180	评论	探讨如何利用人工智能和深度学习加强索马里护理教育中的结果导向评估，并提出针对策略建议	首次将AI和深度学习与索马里护理教育的结果导向评估相结合，提出符合当地结构性约束的低带宽、情境化实施方案	未提供实际实验数据或定量验证，仅基于理论分析和建议	提出在资源受限环境下整合AI与深度学习以改善护理教育评估的建议	索马里护理教育系统，包括标准化评估、能力测评、城乡差异、教师能力和治理问题	自然语言处理	NA	NA	深度学习模型	文本	NA	NA	NA	NA	NA
572	2026-05-31	Modelling discrete states and long-term dynamics in functional brain networks 2026, Imaging neuroscience (Cambridge, Mass.) DOI:10.1162/IMAG.a.1237 PMID:42212226	研究论文	提出动态网络状态模型，利用变分贝叶斯推断和循环神经网络建模功能脑网络中的离散状态与长期时间动态	通过整合变分贝叶斯推断、循环神经网络和Gumbel-Softmax分布，在保持可解释性的同时捕捉脑网络状态的长期时间依赖结构	文章摘要未明确讨论局限性	开发一种兼具可解释性和时间建模能力的模型，以表征功能脑网络的离散状态与长期动态	模拟数据及真实静息态脑磁图数据中的功能脑网络状态	机器学习	NA	脑磁图, 模拟数据	循环神经网络, 隐马尔可夫模型	时间序列数据	模拟数据及真实静息态脑磁图数据（未明确具体样本量）	NA	动态网络状态模型, Gumbel-Softmax	NA	NA
573	2026-05-31	Classification and functional prediction of fungal glycosyltransferases using machine learning and deep learning methods 2025-12, Fungal genetics and biology : FG & B IF:2.4Q3 DOI:10.1016/j.fgb.2025.104045 PMID:41202912	研究论文	利用机器学习和深度学习方法对真菌糖基转移酶进行分类和功能预测	创新性的整合了生化与结构变量，使用卷积变分自编码器（CVAE）模型将多维信息降维至五维向量，并加入新衍生变量与描述性统计，实现了比传统基于序列的方法更全面的GTs分类	未明确提及局限性	利用机器学习和深度学习算法揭示真菌糖基转移酶的结构与功能关联模式，建立数据驱动的分类系统	来自88种代表性真菌物种的3340个糖基转移酶	机器学习	NA	NA	CVAE（卷积变分自编码器）、k-means聚类	蛋白质序列、预测三维折叠结构、氨基酸生化特征	3340个GTs，来自88种真菌物种	NA	CVAE（卷积变分自编码器）	NA	NA
574	2026-05-31	Robust evaluation of tissue-specific radiomic features for classifying breast tissue density grades 2025-Nov, Journal of medical imaging (Bellingham, Wash.) DOI:10.1117/1.JMI.12.S2.S22010 PMID:40453545	研究论文	评估一种基于RFE-SHAP特征选择方法在乳腺组织密度分级分类中的稳健性，使用来自数字乳腺断层合成扫描的放射组学特征	结合传统机器学习与可解释AI方法（RFE-SHAP）进行特征选择，并利用组织特异性放射组学特征，以提升乳腺密度分级的自动分类稳健性和可解释性	未明确提及局限性，但可能包括样本量有限（尤其是密度D级）、外部验证中密度D级AUC较低（0.673），以及仅使用逻辑回归分类器	开发鲁棒的乳腺组织密度自动评估方法以改善乳腺癌风险评估	数字乳腺断层合成筛查的原始中央投影图像	数字病理	乳腺癌	RFE-SHAP特征选择方法	逻辑回归（LR）	医学影像	751例（651例训练集，100例验证集）	NA	NA	NA	NA
575	2026-05-31	Advances in Protein-RNA aptamer recognition and modeling: Current trends and future perspectives 2025-Oct, Current opinion in structural biology IF:6.1Q1 DOI:10.1016/j.sbi.2025.103133 PMID:40815918	综述	综述RNA适配体结构预测与设计的计算模型进展	系统总结了基于深度学习的RNA适配体结构预测与设计算法的最新突破	未明确指出具体限制	概述RNA适配体结构预测与设计的计算模型研究现状与未来方向	RNA适配体及其与蛋白质的识别模型	机器学习	NA	NA	深度学习模型	NA	NA	NA	NA	NA	NA
576	2026-05-31	InfEHR: Clinical phenotype resolution through deep geometric learning on electronic health records 2025-Sep-26, Nature communications IF:14.7Q1 DOI:10.1038/s41467-025-63366-6 PMID:41006287	研究论文	提出一种名为InfEHR的框架，利用深度几何学习从电子健康记录中自动计算临床可能性，无需大量标注数据	将电子健康记录转换为时序图以捕捉表型动态，实现无偏表示，并在低患病率疾病中表现出高效推理性能	未提及	开发一种能够从电子健康记录中自动计算临床可能性的框架，减少对大量标注数据的依赖	电子健康记录中的临床表型解析与概率推理	机器学习	新生儿培养阴性败血症、术后急性肾损伤	深度几何学习	几何深度学习模型	电子健康记录数据	来自西奈山卫生系统和加州大学欧文分校医学中心的电子健康记录	NA	NA	敏感性、特异性	NA
577	2026-05-31	Scalable Deep Learning of Histology Images Reveals Genetic and Phenotypic Determinants of Adipocyte Hypertrophy 2025-Sep-23, medRxiv : the preprint server for health sciences DOI:10.1101/2025.02.11.25322053 PMID:39990583	研究论文	本文介绍了一种用于脂肪组织组织学图像语义分割的深度学习模型Adipocyte U-Net 2.0，并对超过2700万个脂肪细胞进行分析，揭示了脂肪细胞肥大的遗传和表型决定因素	首次实现大规模脂肪细胞形态的深度学习分析，并通过最大规模的脂肪细胞大小全基因组关联研究，发现了四个全基因组显著位点	NA	探讨脂肪细胞形态的遗传基础及其与代谢疾病的关系	来自2667名个体的脂肪组织组织学图像中的脂肪细胞	计算机视觉, 数字病理学	心血管疾病, 代谢疾病	NA	U-Net	图像	2667名个体，超过2700万个脂肪细胞	NA	U-Net	NA	NA
578	2026-05-31	Dwarf Updated Pelican Optimization Algorithm for Depression and Suicide Detection from Social Media 2025-09, The Psychiatric quarterly DOI:10.1007/s11126-024-10111-9 PMID:39946018	研究论文	提出一种新颖的基于社会媒体的抑郁与自杀检测方法，通过改进的鹈鹕优化算法优化深度学习集成模型	引入矮化更新鹈鹕优化算法（DU-POA）优化深度学习集成模型权重，结合改进互信息分数进行特征融合	未提及模型在不同社会媒体平台或语言上的泛化能力验证，且未讨论数据隐私和伦理问题	解决社会媒体数据中抑郁和自杀检测的变异性及模型泛化挑战	社会媒体文本数据中的抑郁和自杀倾向检测	自然语言处理	抑郁症、自杀倾向	自然语言处理（NLP）	RNN, DBN, 改进LSTM	文本	NA	NA	RNN, DBN, 改进LSTM	准确率	NA
579	2026-05-31	Machine learning driven semi-automated framework for yeast sporulation efficiency quantification using ilastik segmentation and Fiji nuclear enumeration 2025-09, Fungal genetics and biology : FG & B IF:2.4Q3 DOI:10.1016/j.fgb.2025.104024 PMID:40876769	研究论文	提出一个基于机器学习驱动的半自动化框架，结合ilastik分割和Fiji细胞核计数，用于酵母孢子形成效率的定量分析	创新性地结合ilastik纹理特征优化分割与Fiji图像处理，避免显式四联体判别，实现不同孢子形态的鲁棒量化，并引入人工质控检查点平衡通量与精度	需要手动质控检查点（分割验证），无法完全自动化；未提供与其他深度学习工具（如cellpose）的直接性能对比	开发一种可替代人工计数的酵母孢子形成效率半自动化定量方法，提高处理速度并减少主观偏差	酵母孢子形成过程中的母细胞及孢子（二联体、三联体、四联体）	机器学习	不适用	荧光显微镜成像	ilastik纹理特征分割模型	图像	未明确说明样本数量，但提及Hsp82磷酸化突变体验证	ilastik, Fiji	ilastik随机森林分类器	与人工计数的一致性（93.4%）、组内相关系数（ICC=0.94）、处理时间减少（68%）	标准显微镜设备（未指定GPU或高性能计算资源）
580	2026-05-31	A Systematic Review of Multimodal Deep Learning and Machine Learning Fusion Techniques for Prostate Cancer Classification 2025-Aug-11, medRxiv : the preprint server for health sciences DOI:10.1101/2025.08.07.25333235 PMID:40832371	综述	系统回顾了用于前列腺癌分类的多模态深度学习与机器学习融合技术	系统地总结了多模态融合方法在前列腺癌分类中的应用现状，并比较了不同融合策略的性能	仅纳入了2021至2025年间发表的27篇研究，可能存在发表偏倚；未深入探讨算法的可解释性和临床部署障碍	概述当前基于深度学习和机器学习的多模态融合技术在前列腺癌分类中的实现、性能、挑战及临床适用性	已发表的使用多模态深度学习或机器学习融合技术进行前列腺癌分类的研究论文	机器学习	前列腺癌	NA	CNN	图像、临床数据	27篇研究	NA	卷积神经网络	准确率、敏感度、特异度	NA