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
41	2026-07-01	Preoperative prediction of lymphovascular and perineural invasion in locally advanced gastric cancer via CT habitat analysis and deep learning: A dual-center study 2026-Jun-24, European journal of radiology IF:3.2Q1 DOI:10.1016/j.ejrad.2026.113041 PMID:42372557	研究论文	开发并验证一种整合CT生境分析与深度学习特征的联合模型，用于术前预测局部进展期胃癌的淋巴血管及神经侵犯	首次将CT生境分析与深度学习特征相结合，用于预测局部进展期胃癌的淋巴血管和神经侵犯，并通过双中心外部验证提高了模型的泛化能力	未在标题和摘要中明确提及局限性，需要从全文获取更多细节	术前准确预测局部进展期胃癌的淋巴血管和神经侵犯状态，以指导个体化治疗策略	611名局部进展期胃癌患者，包括训练集（374例）、内部验证集（161例）和外部验证集（76例）	计算机视觉、数字病理学	胃癌	CT影像	深度学习模型（如卷积神经网络），K-means聚类	图像（静脉期CT）	611名局部进展期胃癌患者	PyTorch, Scikit-learn	ResNet	AUC, DCA（决策曲线分析）	NA
42	2026-07-01	Machine learning applications in the detection and treatment of esophageal cancer 2026-Jun-23, Discover oncology IF:2.8Q2 DOI:10.1007/s12672-026-05477-0 PMID:42334709	综述	总结机器学习在食管癌检测与治疗中的应用进展	系统梳理了人工智能在食管癌内镜与影像辅助诊断、治疗反应预测及预后评估中的最新应用，并指出了临床转化面临的挑战	大多基于回顾性、单一中心或区域受限的数据集，存在人群异质性、数据标准化不足、外部验证有限和模型可解释性差等问题，阻碍了临床转化	评估人工智能和机器学习在食管癌精准诊疗中的应用潜力与现状	食管癌的内镜和影像数据、临床信息、放射组学特征及生物标志物	机器学习	食管癌	NA	深度学习模型	图像、文本	NA	NA	NA	NA	NA
43	2026-07-01	Comparison of Deep Learning Approaches for Extreme Low-SNR Image Restoration 2026-Jun-22, GigaScience IF:11.8Q1 DOI:10.1093/gigascience/giag071 PMID:42329787	研究论文	提出一个新的荧光显微镜数据集，用于评估极端低信噪比图像恢复的深度学习方法	提供了一个包含15个子数据集、17568对高/低信噪比图像的综合基准数据集，并开发了一种图像拼接方法以解决GPU内存限制问题	监督式Transformer模型虽性能最佳但训练时间最长，且数据集覆盖范围仍有限制	评估和比较用于极端低信噪比图像恢复的深度学习方法	荧光显微镜图像的去噪方法	计算机视觉	NA	荧光显微镜成像	CNN, Transformer	图像	17568对高/低信噪比图像，来自15个子数据集	PyTorch	Transformer	PSNR, SSIM	GPU
44	2026-07-01	Interpretable deep learning for rotator cuff calcific tendinopathy diagnosis: a multi-center study 2026-06-22, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-51016-w PMID:42331876	研究论文	开发和评估两种基于深度学习和混合深度学习-机器学习方法的自动框架，用于肩关节X光片的二分类诊断	在大型平衡数据集上微调VGG19架构的卷积神经网络，并构建混合模型通过提取深层特征结合传统机器学习分类器，同时对两种框架进行可解释性评估	仍需要进行前瞻性真实世界验证、在常规患病率条件下评估以及与人类阅片者的直接比较	实现肩关节X光片的二分类诊断并提高人工智能系统的可解释性	肩关节X光片	计算机视觉	肩袖钙化性肌腱炎	不适用	卷积神经网络	图像	训练集4,268张肩关节X光片，内部验证集480张，外部验证集308张	不适用	VGG19	AUC	不适用
45	2026-07-01	IUM-hybrid model for enhanced CAD diagnosis using deep learning and VS Grad-CAM visualization 2026-06-22, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-57536-9 PMID:42331954	研究论文	提出了一种融合 InceptionV3、U-NetR 和 MobileNetV2 的混合模型 IUM，并结合 VS Grad-CAM 可视化技术，用于增强冠状动脉疾病的 CAD 诊断	通过动态加权机制融合三种深度学习模型（InceptionV3、U-NetR 和 MobileNetV2）以提高分类性能，并首次采用 VS Grad-CAM 可视化生成精确热力图以增强模型可解释性	未在真实临床大规模数据集上验证，且混合模型可能增加计算复杂性，可能限制资源受限环境中的部署	提高冠状动脉疾病的早期诊断准确性和可解释性，减少人工错误，实现实时临床诊断	冠状动脉疾病患者	计算机视觉, 机器学习	冠心病	血管造影	混合模型 (CNN + Transformer)	图像	未提及	NA	InceptionV3, U-NetR, MobileNetV2	准确率, F1分数, 特异性, 灵敏度	NA
46	2026-07-01	Cross-attention guided explainable deep transformer model for multi-level classification of rare neurological disorders using MRI images 2026-06-22, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-58491-1 PMID:42332136	研究论文	提出一个基于交叉注意力可解释深度Transformer模型，用于利用MRI图像对罕见神经系统疾病进行多级分类	引入交叉注意力机制促进局部与全局表示动态交互，结合CNN和Transformer网络区分视觉相似的罕见疾病模式，并集成图神经网络、深度信念网络和堆叠自编码器提升鲁棒性与泛化能力	未明确提及局限性，但可能依赖开放MRI数据集，实际临床资源有限环境下需进一步验证	开发一种鲁棒且可解释的深度学习模型，用于罕见神经系统疾病的多标签分类，提升临床诊断可靠性	罕见神经系统疾病（神经退行性、神经生物性和神经发育性障碍）的多级分类	计算机视觉, 深度学习	神经系统疾病, 罕见病	MRI成像	Transformer, CNN, 图神经网络, 深度信念网络, 堆叠自编码器	MRI图像数据	开放访问MRI数据集，具体样本量未提及	TensorFlow, PyTorch（推测，基于GitHub代码）	CNN+Transformer, GNN, DBN, SAE, EigenCAM	多标签分类性能指标（具体如准确率、F1分数等未明确提及）	未提及，但代码公开于GitHub
47	2026-07-01	A highly efficient and interpretable framework for high-precision lithological identification integrating SERS and XGBoost 2026-Jun-22, Spectrochimica acta. Part A, Molecular and biomolecular spectroscopy DOI:10.1016/j.saa.2026.128286 PMID:42372367	研究论文	提出一种集成表面增强拉曼光谱与XGBoost的高精度岩性分类框架，实现快速、可解释的岩性识别	首次将SERS与XGBoost模型结合用于岩性分类，利用SHAP增强模型可解释性，有效提取低频谱振动和痕量信号特征	基于自建数据集，未涉及野外复杂环境验证	开发快速、准确且可解释的岩性识别方法	八种不同类型的岩石样本	机器学习	NA	SERS, FDTD模拟	XGBoost	SERS光谱数据	包含八种岩石类型的自建SERS数据集	NA	XGBoost	NA	NA
48	2026-07-01	An optimized cascaded transformer with progressive attention for lung and colon cancer diagnosis from histopathological images 2026-Jun-22, Computational biology and chemistry IF:2.6Q2 DOI:10.1016/j.compbiolchem.2026.109205 PMID:42372510	研究论文	提出一种基于优化级联Transformer的新型框架，用于肺和结肠癌组织病理图像分类	结合高斯自适应平滑卡尔曼滤波预处理、卷积Inception封闭MobileNet特征提取和渐进注意力优化级联Transformer网络，并使用随机混沌秃鹰优化算法进行超参数调优	未明确提及，但高计算成本和可扩展性问题可能仍存在	实现肺和结肠癌组织病理图像的准确自动分类	肺和结肠癌组织病理图像	数字病理学	肺癌, 结肠癌	组织病理学成像	Transformer, CNN, MobileNet	图像	NA	NA	级联Transformer网络, Inception模块, MobileNet	准确率, 精确率, 灵敏度, F1分数	NA
49	2026-07-01	GreenAid: a confidence-weighted ensemble deep learning system for real-time plant disease detection and management 2026-06-21, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-57979-0 PMID:42324331	研究论文	提出GreenAid系统，集成置信度加权集成深度学习方法，用于实时植物病害检测和管理	将竞争性分类、边缘部署与完整农业交付管道（包括移动应用、网络仪表板和NLP聊天机器人）进行可复现集成，而非仅关注集成机制本身	NA	开发一个端到端的植物病害检测与管理系统，弥合实验室级深度学习性能与实际农业部署之间的差距	植物病害检测和管理系统	计算机视觉	植物病害	NA	CNN（卷积神经网络）	图像	87,000幅图像，38个类别，14个物种（PlantVillage基准数据集）	TensorFlow Lite	VGG16, ResNet50, InceptionV3	准确率, F1分数	中端智能手机（用于部署推理）
50	2026-07-01	Machine learning-based prediction model for long-term mortality after ischemic stroke 2026-06-21, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-53797-6 PMID:42324308	研究论文	基于机器学习构建缺血性脑卒中后长期死亡率预测模型	首次将时间感知的生存分析方法应用于脑卒中后长期死亡率预测，并与传统风险评分比较，具有更好的性能	样本来自特定地区医院，可能存在选择偏倚；模型未考虑影像学数据	开发一种便捷、时间感知的机器学习预测模型，用于急性脑卒中患者的长期死亡率预测	缺血性脑卒中患者	机器学习	脑血管疾病	NA	Gradient Boosting Cox Proportional Hazards模型	临床数据	开发队列：3411名患者（来自两家三级医院）；外部测试队列：502名患者（来自一家二级心血管中心）	NA	Gradient Boosting Cox模型	C-index	NA
51	2026-07-01	Classifying mental stress from eye tracking data: deep learning approaches for out-of-the-lab conditions 2026-06-20, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-58429-7 PMID:42323438	研究论文	本文研究了在非实验室条件下，利用单模态眼动追踪时间序列数据进行无任务依赖的应激状态检测	首次在非受控环境中仅使用眼动追踪信号（瞳孔直径和注视行为）进行任务无关的应激分类，并比较了两种不同数据集的性能差异	性能在不同数据集中差异显著，有效学习强烈依赖于数据质量、校准、信号特征和任务设计	探究单模态眼动追踪数据在非受控场景下进行无任务依赖的应激检测的可行性	虚拟现实守门员任务和虚拟工作面试数据集中的眼动追踪信号	机器学习	NA	眼动追踪	深度学习模型（具体类型未明确）	时间序列信号	虚拟现实守门员任务数据集和虚拟工作面试数据集（具体样本量未说明）	NA	NA	宏平均F1分数	NA
52	2026-07-01	A computational theory of short-term synaptic plasticity: synapses learn to tell time 2026-Jun-19, Research square DOI:10.21203/rs.3.rs-9916271/v1 PMID:42370245	研究论文	提出突触具有可学习的短期可塑性，能够优化时间信息处理，并验证了该假说在皮层中的预测	提出突触并非单一可学习参数，而是具有多个可学习参数的复杂计算单元，能够通过短期可塑性学习时间信息，填补了生物突触复杂性与模型突触简单性之间的认知空白	未明确提及实验验证的局限性或潜在假设的边界条件	探索短期突触可塑性的计算理论，揭示突触如何学习处理时间信息并增强网络性能	小鼠和人类新皮层中的突触动力学特性	计算神经科学, 机器学习	NA	计算建模	前馈网络	神经生物学数据（突触动力学记录）	小鼠和人类新皮层样本	NA	前馈网络	NA	NA
53	2026-07-01	Cross-Device Adaptation of Mirai for Mammography-Based Breast Cancer Risk Prediction 2026-Jun-17, medRxiv : the preprint server for health sciences DOI:10.64898/2026.06.15.26355696 PMID:42369455	研究论文	探讨Mirai模型在不同品牌乳腺X线摄影设备间的迁移适应策略，提出设备不变性模型以平衡性能	首次系统评估Mirai模型在Hologic与通用电气乳腺X线摄影系统间的域漂移影响，并提出基于交错多设备采样和条件对抗训练的设备不变性模型来缓解灾难性遗忘	研究仅针对两种设备品牌及特定后处理软件，未涵盖更多设备类型；性能提升主要限于短期和中长期预测，长期预测能力未显著改善	开发一种设备不变的乳腺X线摄影风险预测模型，以在异构成像平台间实现稳健的性能迁移	Mirai深度学习模型在不同乳腺X线摄影设备（Hologic、通用电气）及后处理软件（GE Premium View、GE Tissue Equalization）上的适应性与泛化能力	医学影像	乳腺癌	全视野数字乳腺X线摄影	深度学习模型	乳腺X线影像	包含Hologic和通用电气全视野数字乳腺X线摄影系统的大规模筛查队列	PyTorch	Mirai	AUC	未提及
54	2026-07-01	GatedGeoGO:Multi-Modal Geometry-Aware Network with Gated Fusion and GO Semantic Attention for Protein Function Prediction 2026-Jun-15, Journal of chemical information and modeling IF:5.6Q1 DOI:10.1021/acs.jcim.6c00882 PMID:42295121	研究论文	提出GatedGeoGO框架，集成蛋白质序列、三维结构、蛋白质相互作用和GO语义，实现高效多模态融合的蛋白质功能预测	采用门控融合机制选择性保留PPI嵌入、几何感知蛋白图网络捕获多尺度结构特征、GO引导交叉注意力动态注入语义信息，实现上下文感知的多模态融合	未提及具体局限性	解决现有方法在多模态整合和GO语义利用不足的问题，实现大规模蛋白质功能预测	蛋白质功能预测任务	机器学习	NA	NA	深度学习框架	蛋白质序列、三维结构、PPI数据、GO语义	基准数据集（未具体说明样本数量）	PyTorch	门控融合网络、几何感知蛋白图网络、交叉注意力模块	预测性能（未具体说明指标类型）	NA
55	2026-07-01	A Comprehensive Inference-Time Augmentation Framework in Physiological Signals: Application to PPG-Based AF Detection 2026-Jun-15, Physiological measurement IF:2.3Q3 DOI:10.1088/1361-6579/ae7d82 PMID:42297024	研究论文	提出一种统一的推断时增强框架，用于提高基于PPG信号的心房颤动检测的鲁棒性	首次将13种涵盖时域、幅域、频域及伪影注入的增强方法系统性地纳入推断时增强框架，并通过贝叶斯优化自动调优超参数	未提及方法在真实部署场景中的计算开销及对极端噪声的适应性	开发一种无需重新训练的模型无关推断时增强方法，提升生理信号分类在实际部署中的鲁棒性	基于光电容积脉搏波的30秒PPG信号	数字病理学	心房颤动	光电容积脉搏波	GPT-PPG、ResNet	PPG信号	超过400名患者、约9800小时PPG记录，来自5个数据集	PyTorch	GPT-PPG、ResNet	AUROC、AUPRC、FPR	未提及
56	2026-07-01	Comment on "Excellent agreement between automated deep learning-based and manual diffusion-weighted imaging infarct volume measurements in hyperacute stroke" 2026-Jun-15, Journal of the neurological sciences IF:3.6Q2 DOI:10.1016/j.jns.2026.126062 PMID:42372352	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
57	2026-07-01	Image Caption Generation using Deep Learning Approaches 2026-Jun-12, Journal of visualized experiments : JoVE DOI:10.3791/71528 PMID:42371865	research paper	利用深度学习（ResNet与RNN）生成图像描述，并在MSCOCO数据集上评估性能	提出结合智能滤波技术与ResNet深度残差网络进行图像特征编码，再通过RNN解码生成高精确度描述	NA	提升图像描述生成的质量，使其对参考描述具有高精确度	图像描述生成方法	computer vision, natural language processing	NA	NA	CNN (ResNet), RNN	图像	MSCOCO大规模数据集	NA	ResNet	BLEU (B1, B2, B3, B4), METEOR, ROUGE, CIDEr	NA
58	2026-07-01	An Explainable Privacy Preserving Multimodal Ensemble Framework For Skin Lesion Classification 2026-Jun-12, Journal of visualized experiments : JoVE DOI:10.3791/71472 PMID:42371851	研究论文	提出一种隐私保护、可解释的多模态集成框架用于皮肤病变分类	结合隐私保护、可解释人工智能与集成模型，并融合多模态特征（深度特征与临床元数据）提高分类性能	未明确提及外部验证或真实临床环境测试，可能存在的隐私保护具体机制未详细描述	开发一种兼顾隐私、可解释性和类别不平衡问题的皮肤病变分类模型	皮肤病变图像及对应临床元数据	计算机视觉	皮肤癌	深度学习特征提取	集成模型（XGBoost、LightGBM、深度神经网络分类器）	图像与临床元数据	使用HAM10000数据集，包含七个病变类别（akiec、bcc、bkl、df、mel、nv、vasc）	NA	EfficientNet B4、DenseNet201、MobileNetv2	准确率	NA
59	2026-07-01	Lightweight English Text Classification with Deep Learning Based on Complex System Theory 2026-Jun-09, Journal of visualized experiments : JoVE DOI:10.3791/69344 PMID:42372063	研究论文	结合复杂系统理论与深度学习，构建图神经网络模型，并采用两级元蒸馏方法，实现轻量级英文文本分类	通过复杂系统理论分析文本样本分布特征，设计两级元蒸馏机制结合元学习策略动态调整教师模型参数，优化知识迁移过程，在低样本和跨域场景下显著提升分类性能并降低计算成本	未提及具体局限性	提高英文文本分类在低样本和跨域场景下的泛化能力，实现轻量级模型	英文文本数据，特别是多主题文本分类数据集	自然语言处理	不适用	NGS	图神经网络（GNN）	文本	未明确说明	PyTorch	图神经网络	性能保留率、计算时间	未明确说明
60	2026-07-01	Chaotic dynamics of Tai Chi public attention revealed by an integrated framework of horizontal visibility graphs, autoencoders, and sparse identification 2026-Jun-04, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-55384-1 PMID:42243391	研究论文	利用水平可视图、自编码器和稀疏辨识的集成框架揭示太极拳公众关注的混沌动力学	将复杂网络理论、深度学习与动力学系统分析相结合，首次通过水平可视图、自编码器和SINDy的集成框架，定量揭示了太极拳公众关注的混沌动力学，并在多个分析维度上实现了交叉验证	未提及明显的局限性	理解太极拳等传统文化实践公众关注的动力学模式，以助力文化遗产保护和推广	2014-2024年中国四个代表性省份（北京、上海、广东、河南）的百度指数日度数据	机器学习	NA	NA	自编码器 (Autoencoder)	时间序列数据	四个省份（北京、上海、广东、河南）的2014-2024年每日百度指数数据	PyTorch	SINDy, 自编码器	重构相关性, 归一化均方根误差 (NRMSE)	NA