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
701	2026-05-30	Artificial intelligence and radiomics for pediatric brain tumor classification and molecular characterization: a systematic review 2026-May, Neuroradiology IF:2.4Q2 DOI:10.1007/s00234-026-03976-z PMID:41894040	综述	系统评价人工智能和影像组学在儿童脑肿瘤分类和分子特征化中的诊断应用和方法学质量	首次系统性综述人工智能和影像组学在儿童脑肿瘤影像学中的应用，涵盖放射组学/机器学习和深度学习两种方法，并评估方法学质量	前瞻性设计缺乏，外部验证率极低（12.5%），限制了泛化能力	评估人工智能模型（包括放射组学/机器学习和深度学习）在儿童脑肿瘤影像学中的诊断应用、性能和方法学质量	儿童脑肿瘤影像数据（MRI为主）	计算机视觉, 机器学习	儿童脑肿瘤	NA	NA	NA	NA	NA	NA	NA	NA
702	2026-05-30	Real-Time Cardiac Arrhythmia Classification Using TinyML on Ultra-Low-Cost Microcontrollers: A Feasibility Study for Resource-Constrained Environments 2026-May-01, Bioengineering (Basel, Switzerland) DOI:10.3390/bioengineering13050532 PMID:42194289	研究论文	提出一种基于量化一维卷积神经网络（1D-CNN）的实时心律失常分类系统，部署在8位Arduino UNO微控制器上，实现超低成本硬件环境的端到端ECG信号处理与分类	首次在极度资源受限的8位单片机（Arduino UNO）上实现基于TinyML的实时心律失常分类，通过模型量化将内存占用降至24KB以下，推理时间控制在200ms以内	仅使用健康志愿者信号进行实时验证，没有带注释的金标准数据，因此未评估诊断性能；仅考虑三类心律分类（正常、室性、室上性）	探索在超低成本微控制器上部署轻量级深度学习模型进行实时心律失常分类的可行性	心电图信号和心律失常分类	边缘计算, 嵌入式人工智能	心血管疾病	ECG信号采集（AD8232模拟前端）、信号预处理、心跳分割	一维卷积神经网络（1D-CNN）	时间序列信号	使用MIT-BIH心律失常数据库进行训练和评估；使用健康志愿者采集的实时信号进行功能验证	TensorFlow 2.15, TensorFlow Lite	量化一维卷积神经网络（1D-CNN）	准确率、内存占用、推理时间	8位Arduino UNO微控制器（ATmega328P）、AD8232模拟前端、OLED显示屏
703	2026-05-30	Decoding Skin Aging Through Transcriptomic Clocks: Gene Expression Signatures, Associated Pathways, and Explainable AI 2026-May-01, Genes IF:2.8Q2 DOI:10.3390/genes17050542 PMID:42194999	综述	本文通过文献检索，综述了人类皮肤转录组衰老时钟的研究进展，重点包括基因表达特征、关键生物通路和计算建模策略	综述了转录组衰老时钟在皮肤中的最新进展，并评估了包括深度学习、通路引导模型及可解释人工智能在提高模型透明度和生物可解释性中的作用	该综述基于有针对性的文献检索，可能未涵盖所有相关研究，且未涉及多组学整合和数字孪生等未来方向的实验验证	探讨转录组衰老时钟在人类皮肤中的基因表达特征、关键通路及计算建模策略，并评估可解释人工智能的作用	人类皮肤中的转录组衰老时钟及相关基因表达特征	自然语言处理, 机器学习	皮肤病相关衰老	RNA测序	深度学习, 通路引导模型	文本	NA	NA	SkinAGE等代表性模型	NA	NA
704	2026-05-30	Leveraging 3D Heart Visualisation and Data Balancing Techniques for ECG Classification 2026-Apr-30, Bioengineering (Basel, Switzerland) DOI:10.3390/bioengineering13050525 PMID:42194282	研究论文	提出了一种结合数据平衡技术与3D心脏可视化框架的深度学习流程，用于心律失常的自动分类	引入了新颖的3D可视化框架，可交互式地呈现与心电图分类相关的精确解剖心脏区域，提供增强的诊断洞察	需要更严格的患者间交叉验证以充分确立泛化能力	实现心律失常的自动分类，并通过3D可视化提升诊断准确性	心电图信号	机器学习	心血管疾病	NA	深度学习模型	心电图信号	NA	NA	NA	NA	NA
705	2026-05-30	Artificial Intelligence Algorithm Based on Genetics to Predict Responses to Interferon-Beta Treatment in Multiple Sclerosis Patients 2026-Apr-30, Bioengineering (Basel, Switzerland) DOI:10.3390/bioengineering13050523 PMID:42194280	研究论文	提出一种基于遗传算法的模糊系统人工智能算法，用于预测多发性硬化症患者对干扰素-β治疗的反应	结合模糊系统与遗传算法优化深度学习模型超参数，并利用遗传生物标志物进行预测，提高对干扰素-β反应不佳患者的识别准确率	仅使用了遗传生物标志物，未纳入其他可能影响治疗反应的临床或环境因素，样本量较小且来自单一中心，泛化能力有限	开发一种基于遗传算法的人工智能算法，以提高对多发性硬化症患者干扰素-β治疗反应的预测准确性	多发性硬化症患者及其对干扰素-β治疗的反应	机器学习	多发性硬化症	遗传测序（用于获取遗传生物标志物）	模糊系统、人工神经网络（ANN）、多层感知机（MLP）	遗传数据（遗传生物标志物）	未明确提及样本量	NA	模糊系统、遗传算法、人工神经网络（ANN）、多层感知机（MLP）	分类效率、准确率	NA
706	2026-05-30	Impact of Simulated Artifacts on the Classification Performance of Apical Views in Transthoracic Echocardiography Using Convolutional Neural Networks 2026-Apr-30, Bioengineering (Basel, Switzerland) DOI:10.3390/bioengineering13050522 PMID:42194279	研究论文	评估模拟伪影（运动模糊、声影和散斑噪声）对基于卷积神经网络的经胸超声心动图心尖切面分类性能的影响	首次系统评估不同图像伪影（运动模糊、声影和散斑噪声）对深度学习模型在TTE切面分类中的影响，并揭示仅基于参考质量图像的评估无法完全反映模型鲁棒性	研究范围有限，仅涉及心尖切面，且伪影类型和强度为模拟生成，未覆盖真实临床中所有可能的图像退化情况	评估图像伪影对自动TTE切面分类性能的影响，并提出需在退化条件下进行结构化鲁棒性分析以补充标准模型评估	217个TTE视频片段（2170帧），覆盖心尖两腔、三腔、四腔和五腔切面	计算机视觉	NA	经胸超声心动图（TTE）	CNN	图像	217个TTE视频片段（2170帧）	PyTorch	ResNet-18, ResNet-34, EfficientNet-B0, ViT, HOG + SVM	准确率, 平衡准确率	NA
707	2026-05-30	An Explainable Plane-Wise ConvNet Approach for Detecting Femoral Head Osteonecrosis from Magnetic Resonance Images 2026-Apr-30, Bioengineering (Basel, Switzerland) DOI:10.3390/bioengineering13050529 PMID:42194286	研究论文	提出一种基于可解释平面级深度学习的分类方法，利用磁共振图像将股骨头坏死分为早期和晚期	首次采用ConvNeXt Tiny作为分类骨干网络，对轴向和冠状位MR图像进行平面依赖性分析，并利用加权重损失和决策阈值优化减少类别不平衡影响，实现可解释的Grad-CAM可视化聚焦于股骨头负重区	数据集来自单一中心，缺乏外部多中心验证；未使用配对患者级轴向-冠状位图像进行联合分析	开发一种可靠且可解释的自动决策支持方法，用于根据Ficat-Arlet分期系统分类股骨头坏死的早期与晚期	股骨头坏死患者，使用来自Fırat大学医院骨科与创伤科的MR图像数据集	计算机视觉	股骨头坏死	磁共振成像	卷积神经网络	图像	未指定具体患者数量，数据集按80:20划分为训练集和测试集，并进行了10折交叉验证	NA	ConvNeXt Tiny	准确率、敏感度、特异度、F1分数、AUC	NA
708	2026-05-30	Single-Axis Rotational Inertial Navigation Systems for USVs: A Review of Key Technologies 2026-Apr-30, Micromachines IF:3.0Q2 DOI:10.3390/mi17050557 PMID:42195473	综述	本文系统综述了单轴旋转惯性导航系统在无人水面艇应用中的四项关键技术	首次系统性地将MEMS陀螺仪综合降噪与温度漂移补偿、高海况快速动基座对准、方位陀螺仪漂移快速在线校准以及自适应鲁棒GNSS/SINS组合导航架构四项技术整合为统一框架进行评述，并指出因子图优化与物理信息深度学习融合是未来极具前景的导航范式	受限于单轴机械结构和复杂海况扰动，系统仍无法有效调制随机误差和方位陀螺仪漂移，且高精度算法部署与USV有限机载计算能力之间存在工程矛盾	解决MEMS-SINS在GNSS失效期间定位精度下降的瓶颈，提升USV低成本、高可靠连续导航能力	无人水面艇（USV）及其单轴旋转惯性导航系统（SRINS）	机器学习	NA	MEMS惯性导航、GNSS、单轴旋转调制	因子图优化、物理信息深度学习	惯性传感器数据（陀螺仪、加速度计）、卫星导航信号	NA	NA	NA	定位精度、导航连续性、误差调制效果	USV机载计算平台（具体型号未说明）
709	2026-05-30	Privacy-Preserving Hybrid GA-LSTM Ensemble for Typhoid Detection Using Optimised Clinical Feature Selection 2026-Apr-29, Biomedicines IF:3.9Q1 DOI:10.3390/biomedicines14051010 PMID:42193337	研究论文	提出一种结合遗传算法特征选择、CNN-LSTM深度学习分类器和联邦学习的混合框架，用于自动化伤寒检测并保护患者隐私	首次将遗传算法特征选择、CNN-LSTM集成模型与联邦学习相结合，在特征维度优化基础上实现隐私保护的分布式伤寒诊断框架	未说明联邦学习场景下的通信开销、数据异构性对模型收敛的影响，以及真实临床部署时的实际可行性	开发一种自动化、隐私保护的伤寒检测诊断框架，解决低资源环境下传统诊断方法的局限性	临床数据集中的伤寒检测特征及患者诊断数据	机器学习	伤寒	NA	CNN-LSTM	临床数据	NA	PyTorch	CNN-LSTM	准确率, F1值, 灵敏度	NA
710	2026-05-30	The Role of Artificial Intelligence in the Characterization and Outcome Prediction of Prostate Cancer: A Systematic Review 2026-Apr-28, Tomography (Ann Arbor, Mich.) DOI:10.3390/tomography12050062 PMID:42188703	系统综述	评估人工智能在前列腺癌肿瘤表征和治疗后结局预测中的有效性	系统评估了机器学习和深度学习模型在临床工作流程中的表现差异，并发现多输入策略（如影像组学结合临床标志物）的模型通常优于单输入模型	需要进一步利用更大数据集和独立于样本种群的外部队列进行验证，以提高模型透明度和临床实用性	评估人工智能算法在前列腺癌肿瘤表征和预后预测中的有效性	2015年至2024年间发表的前瞻性和回顾性队列研究以及随机临床试验，涉及AI在前列腺癌中的应用	机器学习	前列腺癌	NA	机器学习，深度学习	影像数据	共19项研究	NA	NA	特异性、灵敏度、准确率、曲线下面积	NA
711	2026-05-30	Advancing Brain Tumor Diagnosis Using Deep Learning: A Systematic and Critical Review on Methodological Approaches to Glioma Segmentation and Classification Through Multiparametric MRI 2026-Apr-27, Brain sciences IF:2.7Q3 DOI:10.3390/brainsci16050468 PMID:42192781	综述	对深度学习在多参数MRI胶质瘤分割与分类中的应用进行系统性综述和批判性评估	聚焦2022年至2025年的最新研究，系统性评估了不同深度学习架构（包括经典U-Net和带有残差/注意力机制的模型）在胶质瘤分割与分类中的性能差异，并强调标准化验证和可解释性的重要性	各研究间肿瘤亚区域性能差异大、缺乏外部验证、依赖公开数据集、预处理流程不统一，以及可解释性方法的证据有限	系统评估深度学习方法在脑肿瘤分割与分类中的应用现状，识别方法学差异并指出临床转化的障碍	多参数MRI的脑肿瘤图像，特别是胶质瘤的分割与分类研究	计算机视觉, 数字病理学	脑肿瘤（胶质瘤）	多参数MRI	CNN（U-Net及其变体、带有残差或注意力机制的模型）	图像（多参数MRI）	31项研究（从310篇记录中筛选），其中8项同时涉及分割与分类	NA	U-Net, 残差网络, 注意力机制模型	Dice相似系数（DSC）、准确率、敏感度、特异度	NA
712	2026-05-30	Automatic Grade Classification in Prostate Histopathological Images Using EfficientNet and Ordinal Focal Loss 2026-Apr-26, Bioengineering (Basel, Switzerland) DOI:10.3390/bioengineering13050503 PMID:42194261	研究论文	提出基于EfficientNet结合序数焦点损失的深度学习流程，用于前列腺组织病理图像中的ISUP分级自动分类	将序数回归与Focal Loss整合为混合损失函数，并采用基于熵的噪声过滤策略去除高不确定性样本	实验仅在PANDA数据集上验证，未在其他独立数据集上测试其泛化能力	提高前列腺癌ISUP分级自动分类的准确性，减少因类别相似、样本不平衡和标签噪声带来的误分类	前列腺组织病理图像中的ISUP分级组	数字病理学	前列腺癌	深度学习	EfficientNet卷积神经网络	组织病理图像	PANDA数据集	PyTorch	EfficientNet	Cohen's Kappa系数（κ）, 准确率（Accuracy）	NA
713	2026-05-30	Impact of Trait Measurement Error on Quantitative Genetic Analysis of Computer Vision-Derived Traits 2026-Apr-24, Genes IF:2.8Q2 DOI:10.3390/genes17050506 PMID:42194963	研究论文	探讨计算机视觉衍生性状测量误差对猪体重定量遗传分析的影响	首次系统评估图像衍生表型中测量误差的遗传性及其对遗传分析结果的潜在偏差	未提及具体局限性	研究动物表型测量误差对定量遗传分析结果的影响	猪的体重（BW）	计算机视觉	NA	计算机视觉算法	深度学习回归模型	图像	未明确提及样本数量	NA	NA	决定系数、拟合优度	NA
714	2026-05-30	Deep Learning-Guided Engineering of Bst DNA Polymerase Improves LAMP-Based Detection of Foodborne Pathogens 2026-Apr-23, Microorganisms IF:4.1Q2 DOI:10.3390/microorganisms14050954 PMID:42197341	研究论文	本研究结合深度学习与半理性设计策略，改造Bst DNA聚合酶，提升基于LAMP的食源性病原体检测性能	首次将深度学习引导的蛋白质工程与融合蛋白技术结合，开发出热稳定性增强、抑制剂耐受性提高的CL7-L105M突变体，显著提升LAMP检测的灵敏度和便携性	未提及在复杂真实食品基质中的验证，且仅针对单一病原体（大肠杆菌O157:H7）进行检测	开发高性能DNA聚合酶，用于快速、灵敏、现场部署的LAMP食源性病原体检测	Bst DNA聚合酶及其突变体（A0A150MFP3、L105M、CL7-突变体）	机器学习, 数字病理学（注：实际为生物技术，但根据选项选择"机器学习"）	食源性疾病（如大肠杆菌O157:H7感染）	LAMP（环介导等温扩增），高通量筛选，融合蛋白工程	深度学习模型（未具体说明架构，如CNN）	序列数据（蛋白质序列），实验数据（酶活性、热稳定性等）	未明确样本数量，仅涉及大肠杆菌O157:H7的纯化和粗提DNA检测	未明确提及，可能包括深度学习框架（如TensorFlow或PyTorch）	未明确指定深度学习模型架构	酶活性增加率（32.92%），Tt值，检测限（1×10^4 CFU/mL）	未提及
715	2026-05-30	Development and validation of the IVENUS artificial intelligence model for automated CEAP classification of early-stage chronic venous disease using lower limb photographs 2026-Apr-21, Journal of vascular surgery. Venous and lymphatic disorders DOI:10.1016/j.jvsv.2026.102503 PMID:42025953	研究论文	开发并验证基于下肢照片自动进行早期慢性静脉疾病CEAP分级的IVENUS人工智能模型	首次利用深度学习模型（基于Swin Transformer V2架构）从下肢照片中自动分类早期CVD的CEAP临床分级（C0-C2），并展示了高诊断价值	未提及具体限制，但可能包括数据集的多样性（仅来自俄罗斯诊所）和模型对极端条件的鲁棒性未测试	开发和验证一个AI模型，以从下肢照片中准确分类早期慢性静脉疾病的CEAP临床分级	早期慢性静脉疾病患者的下肢照片	计算机视觉, 数字病理学	慢性静脉疾病	智能手机和专业相机摄影	深度学习模型（Swin Transformer V2）	图像（下肢照片）	10,745张下肢照片，包含C0期673条腿、C1期4445条腿、C2期5627条腿；外部验证子集1622张照片	PyTorch	Swin Transformer V2	准确率, 精确率, 召回率（灵敏度）, 特异度	NA
716	2026-05-30	A Transformer-Residual Network-Integrated Deep Learning Model for Digital Pathology-Based Grading and Risk Stratification of Metabolic Dysfunction-Associated Steatotic Liver Disease-Related Liver Fibrosis 2026-Apr-20, Clinical and translational gastroenterology IF:3.0Q2 DOI:10.14309/ctg.0000000000001017 PMID:42007561	研究论文	开发并验证了一种结合Transformer和残差网络的深度学习模型，用于基于数字病理图像的MASLD相关肝纤维化分级和风险分层	首次将Transformer与残差网络架构集成应用于MASLD肝纤维化的数字病理分级，并通过可解释性分析支持病理辅助决策	需要整合临床风险因素并在纵向结局框架中进行验证	开发用于MASLD相关肝纤维化自动分级和病理表型识别的深度学习模型	人类肝活检组织的马森染色数字病理图像	数字病理学	代谢功能障碍相关脂肪性肝病	数字病理成像	Transformer-残差网络集成模型	图像	467例肝活检标本（来自Duke 338例、MHH 72例、BI-int 57例）	PyTorch	Transformer, ResNet, 1×1步进卷积, 多头自注意力	准确率, 混淆矩阵, 连续AI评分, 梯度加权类激活映射	NA
717	2026-05-30	Combining structural modeling and deep learning to calculate the E. coli protein interactome and functional networks 2026-Apr-11, Nature communications IF:14.7Q1 DOI:10.1038/s41467-026-71166-9 PMID:41965370	研究论文	结合结构建模与深度学习，在大肠杆菌蛋白质组范围内预测蛋白质二元复合物，构建相互作用组与功能网络	首次整合三种互补的蛋白质相互作用预测方法（基于结构的PrePPI、基于蛋白质语言模型的Topsy-Turvy和基于进化信息的ZEPPI），并利用AF3Complex算法对374个蛋白对进行结构预测，实现了对大肠杆菌蛋白质相互作用组的高置信度构建与功能子网络聚类	NA	开发并验证一种整合多种预测方法的高精度蛋白质相互作用预测框架，用于重建大肠杆菌蛋白质相互作用组及功能网络	大肠杆菌的蛋白质二元相互作用对及功能子网络	自然语言处理, 机器学习	NA	蛋白质结构建模, 蛋白质语言模型, 进化信息分析	蛋白质语言模型, 三维结构预测模型	蛋白质序列数据, 三维结构数据, 进化信息数据	高质量的HINT数据库中的二元PPI数据以及374个经AF3Complex结构预测的蛋白对	NA	PrePPI, Topsy-Turvy, ZEPPI, AF3Complex	预测性能（优于单一组件的置信度评估）	NA
718	2026-05-30	Artificial intelligence in microbiology: implications for metagenomics, diagnostics, and AMR surveillance 2026-Apr-11, Biomedical engineering online IF:2.9Q3 DOI:10.1186/s12938-026-01568-9 PMID:41965741	综述	综述人工智能在微生物学中的应用，特别是对宏基因组学、诊断和抗菌素耐药性监测的影响	重点讨论了深度学习、基于Transformer的序列模型、图神经网络和多模态架构在微生物分类、耐药基因检测和耐药性预测中的最新进展，并强调了可解释AI技术的应用	存在数据集变异、模型对数据集的依赖性、可解释性不足和监管审批问题	综述AI辅助微生物学的最新进展，重点关注抗菌素耐药性监测	微生物基因组、宏基因组、临床数据及抗菌素耐药性相关基因和表型	机器学习, 自然语言处理	感染性疾病	宏基因组测序	深度学习, Transformer, 图神经网络, 多模态架构	基因组数据, 宏基因组数据, 临床数据	NA	NA	NA	NA	NA
719	2026-05-30	Utilizing deep learning algorithms and artificial neural networks to forecast the viscosity, thermal conductivity, and electrical conductivity of Fe3O4/TiO2 magnetic hybrid nanofluid 2026-Apr-06, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-45886-3 PMID:41942598	研究论文	利用机器学习算法预测Fe₃O₄/TiO₂磁性混合纳米流体的粘度、热导率和电导率	首次将多元多项式回归模型与多目标灰狼优化器结合，用于同时预测和优化纳米流体的多种热物理性质	NA	预测并优化Fe₃O₄/TiO₂磁性混合纳米流体的热物理性质	Fe₃O₄/TiO₂磁性混合纳米流体	机器学习	NA	NA	多元多项式回归、高斯过程回归、多元线性回归、支持向量回归、多层感知器	实验数据	温度范围10-50°C，体积分数0-0.3%	Scikit-learn	MPR, GPR, MLR, SVR, MLP	相关系数、均方根误差	NA
720	2026-05-30	Smart medical system integrating clinical workflows for robust skin cancer detection across heterogeneous pathologies 2026-Apr-06, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-45132-w PMID:41942573	研究论文	提出一种整合注意力引导自编码器和Transformer的混合深度学习架构，用于异质性病理下的皮肤癌稳健检测	创新性在于融合注意力引导自编码器与Transformer全局上下文建模，并设计了贝叶斯优化结合灰狼优化和鲸鱼优化算法的混合超参数优化策略	NA	开发准确且泛化能力强的自动化皮肤癌诊断系统	皮肤癌病变图像	计算机视觉	皮肤癌	NA	混合深度学习架构（注意力引导自编码器 + Transformer）	皮肤镜图像	三个基准数据集：HAM10000、ISIC-2019、ISIC-2020	NA	注意力引导自编码器、Transformer	准确率、F1-score、AUROC	NA