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
781	2026-05-31	Deep Learning-Accelerated 3D FLAIR Enables Reliable MS Lesion Detection 2026-May-28, AJNR. American journal of neuroradiology DOI:10.3174/ajnr.A9140 PMID:42209146	研究论文	评估深度学习重建的3D FLAIR序列在多发性硬化患者脱髓鞘病变检测中的诊断性能和图像质量	首次在临床环境中验证深度学习加速的3D FLAIR序列对MS病变检测的可靠性，并评估不同头线圈配置的影响	亚阈值病变（<3毫米）可能被遗漏，尤其是使用20通道线圈时；主观图像质量评分略低于标准序列	评估深度学习重建的3D FLAIR序列在检测MS脱髓鞘病变中的诊断性能和图像质量	76名多发性硬化患者	机器学习	多发性硬化	3D FLAIR MRI	深度学习重建模型	MRI图像	76名多发性硬化患者	NA	NA	SNR, 对比噪声比, Likert评分, 病变检测一致性	3T MRI扫描仪，20或64通道头线圈，经认证的人工智能设备
782	2026-05-31	MethyNano: supervised contrastive pretraining enables robust and generalizable methylation detection from nanopore sequencing 2026-May-28, Bioinformatics (Oxford, England) DOI:10.1093/bioinformatics/btag348 PMID:42209437	研究论文	本文提出MethyNano，一种利用对比学习策略从纳米孔测序数据中检测5-甲基胞嘧啶的深度学习框架，并验证了其在跨物种和跨序列背景下的鲁棒泛化能力	首次在甲基化检测中采用监督对比预训练策略，增强对稀有序列背景的敏感性和预测稳定性，实现跨物种、跨序列背景的鲁棒泛化	NA	开发一种鲁棒且可泛化的纳米孔测序甲基化检测方法，解决现有方法在跨物种和跨序列背景下泛化性差、序列与电流信号整合不优的问题	拟南芥、水稻和人的纳米孔测序数据中的5mC甲基化位点	机器学习	NA	纳米孔测序	对比学习深度学习模型	序列信号	来自拟南芥、水稻和人三种物种的纳米孔测序数据集	PyTorch	MethyNano框架	准确率、精确率、召回率、F1分数、AUC	NA
783	2026-05-31	Multimodal deep learning model for AI-based functional prognostic risk stratification in patients undergoing radical nephrectomy 2026-May-28, Nature communications IF:14.7Q1 DOI:10.1038/s41467-026-73813-7 PMID:42209536	研究论文	开发多模态深度学习模型，用于术前预测肾癌患者根治性肾切除术后肾功能快速下降的风险，辅助临床治疗决策	首次构建多模态深度学习模型整合增强CT影像与临床数据，实现术前预测根治性肾切除术后肾小球滤过率快速下降风险，为复杂肾癌患者选择保留肾单位手术提供决策支持	回顾性研究设计可能存在选择偏倚，模型性能在外部测试集上AUC为0.788-0.873，仍有改进空间	开发能够术前预测根治性肾切除术后肾功能快速下降风险的多模态深度学习模型，辅助复杂肾癌患者的治疗决策	接受根治性肾切除术的复杂肾细胞癌患者	计算机视觉, 机器学习	肾细胞癌	增强CT成像	多模态深度学习模型	图像, 临床数据	1621例患者（多中心回顾性研究）	NA	多模态深度学习架构	AUC（曲线下面积）	NA
784	2026-05-31	Research on road traffic condition prediction of smart city based on spatio-temporal multi-source information fusion 2026-May-28, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-025-18300-7 PMID:42209540	研究论文	提出一种基于时空多源信息融合的深度学习模型，用于智能城市道路交通流量预测，并应对异常事件的影响	结合动态图网络和多头注意力机制，以及多任务学习，提出适用于正常和异常交通状态的城市道路预测方法	未明确讨论模型的泛化能力或对其他城市数据集的适用性	探索适用于公共交通系统交通流预测的方法，并应对异常交通事件对预测的挑战	城市道路交通流量和异常交通事件	机器学习	NA	NA	深度学习模型（动态图网络、多头注意力机制）	交通流数据（PEMS04, PEMS08, Highways England）	三个真实交通数据集	NA	动态图网络、多头注意力机制、多任务学习	MAE, RMSE	NA
785	2026-05-31	Quantum-inspired optimization of transformer-capsule networks for accurate brain tumor segmentation and classification 2026-May-28, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-53840-6 PMID:42209605	研究论文	提出量子启发优化的Transformer-胶囊网络框架，用于脑肿瘤分割和分类	首次将量子启发哈里斯鹰优化算法与Swin Transformer U-Net及图注意力胶囊网络结合，同时解决长程空间依赖建模、特征冗余和结构关系缺失问题	未提及在真实临床环境中的部署验证和计算成本分析	开发高精度且可靠的脑肿瘤自动诊断框架	脑肿瘤MRI图像	计算机视觉	脑肿瘤	MRI	Transformer, 胶囊网络, CNN	图像	BraTS 2019和BraTS 2020基准数据集，以及Figshare脑肿瘤数据集	PyTorch（推断）	Swin Transformer U-Net, EfficientNetV2, 图注意力胶囊网络	准确率, F1分数, Dice-WT分数, AUC	NA
786	2026-05-31	Deep learning based cricket batting shot classification and performance analysis using computer vision 2026-May-28, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-52617-1 PMID:42209604	研究论文	利用计算机视觉和深度学习技术对板球击球镜头进行分类，并进行球员表现分析	结合光流计算和姿态估计进行预处理，使用3D卷积神经网络对击球镜头进行分类，并与专业球员的击球进行对比分析以提供改进建议	可能缺乏对高等级生物力学评估、实时反馈系统和AI教练支持等功能的整合	分类不同类型的击球镜头并分析球员表现，通过与专业球员的对比提供改进洞察	板球球员的击球视频	计算机视觉	NA	光流计算、姿态估计	3D卷积神经网络	视频	NA	NA	3D卷积神经网络	评估指标（未指定具体名称）	NA
787	2026-05-31	Deep learning approach for art style recognition and colour restoration in visual art images 2026-May-28, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-51895-z PMID:42209631	研究论文	提出一种颜色感知驱动的深度学习框架，用于艺术风格识别与色彩复原	将心理学动机的颜色预处理（饱和度增强、HSV和Lab色彩空间自适应变换）集成到标准ResNet-50骨干网络中，使模型更好地捕捉与风格相关的色彩线索，无需更大架构或多模态输入即取得显著性能提升	未明确说明限制	提出颜色感知驱动的深度学习框架，提升艺术风格分类的准确性，并探讨色彩特征提取在数字修复等应用中的意义	WikiArt数据集中的27种艺术风格图像	计算机视觉	NA	NA	CNN（ResNet-50）	图像	WikiArt数据集（27种风格）	NA	ResNet-50	测试准确率（90.2% ± 0.3）	NA
788	2026-05-31	Dual-attention residual U-Net with Huber loss for robust and efficient porosity prediction from well logs 2026-May-28, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-55558-x PMID:42209649	研究论文	提出了一种结合双注意力机制的残差U-Net架构，使用Huber损失函数，从测井数据中高效、稳健地预测孔隙度	首次将1D U-Net架构与ResNet块、双注意力机制及Huber损失相结合，实现了对测井噪声的鲁棒处理和多尺度特征的保留，解决了LSTM的顺序瓶颈和CNN-Transformer模型多尺度表示不足的问题	未提及在非碳酸盐岩储层或不同地质条件下的通用性验证，且Huber损失中δ值的校准依赖训练残差的经验分布，可能需针对新数据集重新调整	提高从测井数据预测孔隙度的准确性和效率，解决现有深度学习方法在计算效率和多尺度特征捕获方面的局限性	碳酸盐岩储层的测井数据	机器学习	NA	NA	U-Net	测井数据	NA	PyTorch	ResNet, U-Net	R², RMSE	NA
789	2026-05-31	Cross-material catalyst discovery via deep learning 2026-May-28, Nature materials IF:37.2Q1 DOI:10.1038/s41563-026-02622-6 PMID:42209792	研究论文	展示一种跨材料催化剂发现的深度学习方法，通过整合不同实验数据集构建统一预测模型	提出跨育种神经网络（CBNN），实现不同催化剂家族间的知识迁移，突破传统单一材料类别的限制	仅基于两种实验数据集（碳基单原子催化剂和钙钛矿氧化物催化剂）进行验证，泛化到其他材料体系需进一步实验支持	开发跨材料催化剂发现方法，加速高性能催化剂设计	碳基单原子催化剂和钙钛矿氧化物催化剂	机器学习	不适用	机器学习、自然语言分析	跨育种神经网络	实验数据集	两个实验数据集：碳基单原子催化剂和钙钛矿氧化物催化剂	不适用	跨育种神经网络	过电位	不适用
790	2026-05-31	VMAM-NET: A Model Agnostic Meta-Learning Network for Rare De Novo Glioblastoma Diagnosis 2026-May-28, Journal of imaging informatics in medicine DOI:10.1007/s10278-026-02027-6 PMID:42209815	研究论文	提出VMAM-NET混合深度元学习模型，用于罕见新发胶质母细胞瘤诊断	结合VGG-16特征提取与模型无关元学习(MAML)框架，在数据稀缺环境下实现快速自适应小样本学习，并通过Grad-CAM提高模型可解释性	未提及模型的泛化能力验证及外部数据集测试，且仅针对胶质母细胞瘤单一病种	解决罕见新发胶质母细胞瘤在数据稀缺和肿瘤异质性下的诊断难题	IV级脑肿瘤（新发胶质母细胞瘤）	机器学习	胶质母细胞瘤	NA	混合深度元学习模型（VGG-16 + MAML）	MRI图像	四个可靠MRI数据集，包含星形细胞瘤和胶质母细胞瘤样本	NA	VGG-16	准确率，F1分数	NA
791	2026-05-31	Artificial intelligence in cancer immunotherapy: current trends in predicting response and personalizing treatment 2026-May-28, Journal of the Egyptian National Cancer Institute IF:2.1Q3 DOI:10.1186/s43046-026-00371-w PMID:42209845	综述	综述了人工智能在癌症免疫治疗中预测反应和个性化治疗的当前趋势	总结了结合基因组学、转录组学、放射组学、数字病理学、循环生物标志物和临床证据的多模态AI模型，这些模型能创建具有显著更高判别价值的复合预测特征	前瞻性和多中心验证稀缺，外部验证常出现性能下降；临床实施受数据异质性、偏倚、纵向验证不足、可重复性有限和大部分模型缺乏透明度阻碍	探讨人工智能如何通过更准确预测治疗反应、发现特定生物标志物和制定个性化治疗方案，推动癌症免疫治疗的发展	癌症免疫治疗中的AI应用，包括预测反应、CAR-T细胞治疗优化及临床实施挑战	机器学习	癌症	NA	深度学习、集成模型	全切片图像、CT/MRI/PET放射组学、空间和单细胞组学、多组学融合数据、循环生物标志物、临床证据	NA	NA	NA	AUC	NA
792	2026-05-31	Please follow the rules: surgical workflow recognition constrained by linear temporal logic 2026-May-28, International journal of computer assisted radiology and surgery IF:2.3Q2 DOI:10.1007/s11548-026-03724-x PMID:42209907	研究论文	利用可微时间逻辑定义手术流程约束，提高手术工作流识别的时间一致性	提出使用可微时间逻辑（DTL）和Allen区间代数（AIA）算子定义手术动作的程序性约束，并在训练中引导网络遵循这些约束，增强时间一致性和可解释性	帧级准确率提升有限，仅在部分条件下存在显著差异	通过引入逻辑规则约束手术工作流识别模型，提升预测的时间一致性和鲁棒性	三种手术数据集：机器人辅助子宫切除术内部数据集、AutoLaparo和Cholec80公开数据集	计算机视觉, 机器学习	NA	NA	双向LSTM, MS-TCN, Transformer	视频	三种数据集：内部子宫切除术数据集、AutoLaparo、Cholec80（具体数量未提供）	PyTorch	Bi-LSTM, MS-TCN, ASFormer	准确率, Edit分数, 分段F1分数	NA
793	2026-05-31	KRASG12V/A146T mutations are associated with nCRT resistance via enhanced DNA double-strand break repair and support a deep learning prediction framework in LARC 2026-May-28, Cellular & molecular biology letters IF:9.2Q1 DOI:10.1186/s11658-026-00947-3 PMID:42210090	研究论文	鉴定KRAS G12V/A146T突变与局部晚期直肠癌新辅助放化疗耐药相关并构建多模态深度学习预测框架	首次将KRAS G12V/A146T突变与DNA双链断裂修复增强及nCRT耐药相关联，并开发整合基因组与病理全切片图像的多模态深度学习融合模型	单中心回顾性研究，突变携带者数量有限，无法进行多变量校正，模型需在更大规模多中心前瞻性队列中验证	识别与nCRT反应相关的分子事件并开发治疗前预测框架	局部晚期直肠癌（LARC）患者	数字病理学, 机器学习	直肠癌	全外显子测序（WES）, 多组学分析, 功能性实验（细胞系与小鼠模型）	多模态深度学习融合模型	全外显子测序数据, 组织病理全切片图像（WSI）	89例患者（67例最初测序+22例已发表数据），106张WSI	PyTorch	弱监督多模态融合框架	AUC	NA
794	2026-05-31	AutoCumulus: an automated mammographic density measure created using artificial intelligence 2026-May-28, BMC cancer IF:3.4Q2 DOI:10.1186/s12885-026-16264-z PMID:42210110	研究论文	提出一种基于深度学习的自动乳腺密度测量方法AutoCumulus，并在大规模人群中验证其性能	利用深度学习从半自动CUMULUS软件测量中学习，创建全自动且高精度的乳腺密度测量方法	需进一步临床验证才能投入实际应用	开发并评估一种自动化的乳腺密度测量方法，作为可扩展的乳腺癌风险指标	乳腺密度测量方法	计算机视觉	乳腺癌	深度学习	CNN	乳腺X线图像	9,057名女性（BRAIx项目）及独立测试集（CSAW-CC数据集）	PyTorch	ConvNeXtSmall	相关系数, 特异性, AUC	NA
795	2026-05-31	Deep learning for early detection of guava fruit anthracnose and fruit fly infestation 2026-May-28, BMC plant biology IF:4.3Q1 DOI:10.1186/s12870-026-09125-1 PMID:42210111	研究论文	基于深度学习对番石榴果实炭疽病和果蝇侵染进行早期检测	利用对比度受限自适应直方图均衡化和反锐化掩膜预处理，结合迁移学习和边缘部署可行性分析，实现高精度早期检测	数据集仅包含473张经标注的孟加拉国番石榴图像，样本量较小，可能限制模型泛化能力	开发深度学习分类系统，实现番石榴炭疽病和果蝇侵染的早期检测	番石榴果实图像，包含炭疽病和果蝇侵染的早期症状（病灶<2mm和细微刺痕）	计算机视觉	植物病害（炭疽病和果蝇侵染）	图像预处理（反锐化掩膜和CLAHE）、数据增强、迁移学习	EfficientNetB3	图像	473张经标注的番石榴果实图像	PyTorch	EfficientNetB3、ResNet50、DenseNet121、Vision Transformer	准确率、精确率、召回率、F1分数、ROC-AUC	Raspberry Pi 4B（边缘部署推理），量化后模型大小13MB，参数数量12.3百万
796	2026-05-31	Cardiac arrhythmia detection via PQRST analyzed data using an optimized hierarchical fused fuzzy deep reinforcement learning 2026-May-28, BMC medical informatics and decision making IF:3.3Q2 DOI:10.1186/s12911-026-03564-4 PMID:42210277	研究论文	提出一种基于优化分层融合模糊深度强化学习的心律失常检测方法	将分层融合模糊深度强化学习应用于心律失常预测，并利用SHAP、LIME等工具分析模型可解释性	未提及具体局限性	实现非窦性心律的早期预测，预防心脏疾病	采用12导联心电图数据集，共10,646名患者	机器学习	心律失常	NA	优化分层融合模糊深度强化学习	心电图信号	10,646名患者	NA	NA	准确率, ROC曲线下面积	NA
797	2026-05-31	Rapid Generation of Subject-Specific Human Models With Detailed Tissue Structures for Timely Individualized SAR Assessment 2026-May-28, Magnetic resonance in medicine IF:3.0Q2 DOI:10.1002/mrm.70409 PMID:42210642	研究论文	提出一种混合框架，结合超快MRI、深度数据扫描和深度学习，快速生成个体化人体模型，用于MRI中局部比吸收率的实时评估	通过半监督教师-学生学习和部分类别标注策略训练深度学习模型，实现MRI图像中主要组织类型的自动分割，并将MRI解剖分割与摄像头外部几何数据融合，生成无缝的个体化人体模型	NA	实现个体化全身解剖模型的快速生成，用于MRI中患者特异性的躯干局部比吸收率预测	人体模型生成和SAR评估	数字病理学	NA	MRI, 深度数据扫描	深度学习模型	图像	20名志愿者	NA	NA	峰值SAR10g误差, 归一化均方根误差	NA
798	2026-05-31	Machine Learning Model Using Pre-Cancer Therapy Cardiac Magnetic Resonance Images to Predict Cancer Therapy-Related Cardiac Dysfunction 2026-May-28, JACC. Cardiovascular imaging DOI:10.1016/j.jcmg.2026.04.007 PMID:42212994	研究论文	使用治疗前心脏磁共振图像通过深度学习模型预测癌症治疗相关心脏功能障碍	首次利用治疗前CMR图像通过深度卷积神经网络预测CTRCD，并与临床和传统成像模型进行比较，显示出更高的预测性能	样本量相对较小（229名患者），且仅包括HER2+乳腺癌女性患者，可能限制了模型的泛化性	评估使用治疗前CMR图像的深度学习模型预测CTRCD的能力，并与临床和传统成像模型进行比较	HER2+乳腺癌女性患者	计算机视觉	乳腺癌相关心脏功能障碍	心脏磁共振成像	深度卷积神经网络	图像	229名患者（176名内部验证，53名外部验证）	NA	深度卷积神经网络	AUC, F1分数	NA
799	2026-05-31	Advances in multispectral and hyperspectral inversion for soil heavy metal contamination: Mechanisms, machine learning algorithms, and future perspectives 2026-May-28, Journal of hazardous materials IF:12.2Q1 DOI:10.1016/j.jhazmat.2026.142542 PMID:42214863	综述	综述了多光谱和高光谱反演土壤重金属污染的机理、机器学习算法及未来展望	结合文献计量分析与方法学进展，系统梳理了从传统线性回归到深度学习的模型演变，并构建了大规模高精度反演的综合框架	空间尺度扩展和卫星观测引入的混合像素、水分干扰及样本稀缺等问题限制了模型鲁棒性和跨区域泛化能力	为大规模、高精度的土壤重金属光谱反演提供技术发展全面框架和未来方向指导	土壤重金属污染物，特别是铜、铅和锌	机器学习	NA	多光谱遥感、高光谱遥感	机器学习、深度学习	光谱数据	NA	NA	CNN, Transformer, XGBoost	NA	NA
800	2026-05-31	Multimodal GPT-5 for Predicting Poor Functional Outcomes After Intracerebral Hemorrhage in the Emergency Department: Validation Study 2026-May-27, JMIR AI DOI:10.2196/87062 PMID:42202259	研究论文	本研究评估了GPT-4.1和GPT-5模型在急诊科利用多模态数据预测脑出血患者不良功能结局的表现，并与传统机器学习模型进行了比较	首次系统评估多模态GPT-5在急诊科脑出血预后预测中的应用，包括零样本预测和提示增强策略，并与传统机器学习模型进行全面比较	GPT模型校准性差，倾向于低估预测概率，整体预测准确性不如传统机器学习模型，仅在较高阈值概率下展示临床净收益	评估基于GPT的大型语言模型在急诊科利用常规可获取的多模态数据预测脑出血后不良功能结局的性能和临床效用	脑出血患者	自然语言处理	脑出血	多模态数据分析，非对比CT成像	GPT，逻辑回归	临床数据，CT图像	一所三级医院的脑出血患者，具体数量未说明	Azure OpenAI Service	GPT-4.1，GPT-5	AUROC，校准Brier评分，Nagelkerke R²，组内相关系数，决策曲线分析	NA