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
8281	2026-06-16	Next-generation imaging in prostate cancer 2026, Frontiers in urology DOI:10.3389/fruro.2026.1829407 PMID:42291630	综述	系统综述了微超声、多参数磁共振成像和前列腺特异性膜抗原正电子发射断层扫描在前列腺癌检测中的诊断性能，并探讨了人工智能在整合这些成像模式以提高诊断准确性方面的潜力	创新性地总结了多模态成像与人工智能结合在前列腺癌诊断中的研究策略，为该领域提供了整合性概述	由于研究设计、人群和结果测量存在异质性，仅进行了叙述性综合；多为回顾性研究，缺乏前瞻性验证	总结微超声、多参数磁共振成像和前列腺特异性膜抗原正电子发射断层扫描在前列腺癌检测中的诊断性能，并探索人工智能增强诊断准确性的作用	前列腺癌患者的成像技术和人工智能算法	计算机视觉	前列腺癌	多参数磁共振成像、微超声、前列腺特异性膜抗原正电子发射断层扫描	机器学习、深度学习	图像	原始研究样本量≥20名患者，系统综述和荟萃分析涵盖多项研究	NA	NA	敏感性、特异性、AUC	NA
8282	2026-06-16	The landscape of machine learning in clinical applications: A thematic mapping of evolution, frontiers, and future opportunities 2026 Jan-Dec, Digital health IF:2.9Q2 DOI:10.1177/20552076261461041 PMID:42291761	综述	系统描绘机器学习在临床试验中应用的科学图谱、主题演化和新兴方向	首次基于信息计量学方法全面综合机器学习在临床试验中的应用，通过ARIMA预测、关键词共现和主题映射揭示了该领域的演化趋势与前沿方向	未涉及具体算法性能比较或临床实施障碍分析，数据来源仅限PubMed，可能存在数据库选择性偏差	系统映射机器学习在临床试验中的科学格局、主题演化和未来机遇，推动精准医学整合	PubMed索引的1995-2025年机器学习相关临床试验文献	机器学习	NA	NA	ARIMA, Walktrap聚类	文献文本数据	1195篇出版物，来自563种期刊	Bibliometrix R包, VOSviewer, Microsoft Excel	ARIMA(5,1,0), Lotka定律, Bradford定律, Callon中心性/密度	NA	NA
8283	2026-06-16	Hyperspectral non-destructive detection based on geometrical influence correction and deep learning technology: A case study on early bruise detection in fruits 2026, Current research in food science IF:6.2Q1 DOI:10.1016/j.crfs.2026.101467 PMID:42291819	研究论文	提出一种结合几何影响校正与深度学习的高光谱非破坏性检测框架，用于水果早期瘀伤检测	创新性地通过内蕴分解实现几何影响校正，融合三维点云数据与高光谱成像，设计双分支编码器-解码器网络解耦光谱与几何信息，提升曲面水果瘀伤检测的准确性和鲁棒性	未提及具体的计算资源消耗或实时性表现，且实验可能仅限于特定水果种类，泛化性需进一步验证	消除水果曲面几何导致的光谱畸变，实现高精度早期瘀伤非破坏检测	水果（如苹果等）表面的早期瘀伤区域	计算机视觉	水果瘀伤（非疾病类型）	高光谱成像（HSI）、三维点云技术	双分支编码器-解码器网络	高光谱图像、三维点云	NA	NA	双分支编码器-解码器网络	检测精度、召回率	NA
8284	2026-06-16	Advancing Drug Discovery with AI: Machine and Deep Learning Strategies for Target Identification and Precision Nanomedicine 2026, International journal of nanomedicine IF:6.6Q1 DOI:10.2147/IJN.S600651 PMID:42292041	综述	本文评估了机器学习和深度学习在药物发现和靶点识别中的变革性作用	结合机器学习与深度学习，提出多模态数据融合、可解释人工智能及纳米技术驱动数据集，以提升药物发现效率	未提及具体局限性，但可能包括模型泛化能力、数据偏差及临床转化挑战	探讨人工智能在药物发现和精准纳米医学中的应用与进展	药物发现流程中的靶点识别、候选药物优化及纳米药物系统	机器学习	NA	NA	卷积神经网络、图神经网络、Transformer	分子数据、医学图像、基因组数据、蛋白质结构数据	NA	NA	卷积神经网络、图神经网络、Transformer	准确率、分子性质预测改进率、候选药物流失率降低、发现时间缩短	NA
8285	2026-06-16	PulmoX-Net: a channel-attention enhanced deep learning model for multi-class pulmonary pathology classification in chest radiography 2026, Frontiers in medicine IF:3.1Q1 DOI:10.3389/fmed.2026.1836121 PMID:42292256	研究论文	提出一种融合通道注意力的深度学习模型PulmoX-Net，用于胸片多类肺部病理分类	将Xception的深度可分离卷积与Squeeze-and-Excitation通道注意力机制结合，提升胸片分类特征表示能力	基于单一数据集且标签方案非标准，需在独立临床队列上进行外部验证	开发高精度的多类肺部病理分类模型，解决胸片诊断中重叠影像模式的挑战	胸片中的肺部病理表现	计算机视觉	肺部疾病	NA	CNN	图像	6743张正面胸片	NA	Xception, SE-Net	准确率, 精确率, 召回率, F1分数, AUC	NA
8286	2026-06-16	Multimodal data integration and machine learning methods for early detection and risk prediction of pulmonary diseases in athletes 2026, Frontiers in medicine IF:3.1Q1 DOI:10.3389/fmed.2026.1758840 PMID:42292270	研究论文	提出一种新型多模态肺风险预测网络，融合视觉、文本及辅助生理数据，用于运动员肺部疾病的早期检测与风险预测	提出自适应模态加权策略动态调整模态贡献，以及分层风险预测策略捕捉领域特定特征结构	NA	实现运动员肺部疾病的早期检测与个性化风险评估	运动员肺部健康相关多模态数据	机器学习	肺部疾病	NA	多模态肺风险预测网络	图像、文本、生理数据	多个多模态数据集，包含临床、影像及生理样本	NA	MPRPN、AMWS、HRPS	准确率、F1分数、AUC	NA
8287	2026-06-16	Automated assessment of Knosp grade from pituitary adenoma MRI: Experimental comparison of a rule-based and a machine learning-based approach 2026, Brain & spine DOI:10.1016/j.bas.2026.106117 PMID:42292284	研究论文	比较基于规则和基于机器学习的方法自动评估垂体腺瘤MRI中Knosp分级的准确性	首次系统比较了基于几何规则的传统方法与基于深度学习的统计方法在垂体腺瘤Knosp分级自动评估中的表现	当前自动方法的准确率不足以独立用于临床，最准确的方法（几何法结合手动分割）仅达44.95%准确率	开发和比较两种自动评估垂体腺瘤MRI中Knosp分级的方法，并评估其区分海绵窦侵犯风险、全切除率和内分泌缓解率的能力	垂体腺瘤患者的术前MRI扫描	计算机视觉	垂体腺瘤	MRI	深度学习分类器	图像	训练集394张标注MRI扫描，验证集99张扫描，及两位额外专家评分	NA	NA	准确率, Cohen's Kappa系数	NA
8288	2026-06-16	Artificial intelligence for optimization of immunotherapy: current applications and transformative potential 2026, Frontiers in immunology IF:5.7Q1 DOI:10.3389/fimmu.2026.1777580 PMID:42292410	综述	本文综述了人工智能在癌症免疫治疗中的当前应用和变革潜力，涵盖传统机器学习、深度学习及生成式AI等技术在治疗优化和药物开发中的作用	首次系统性地将生成式AI和基础模型纳入免疫治疗AI应用的讨论，并展望了多智能体AI与人类在环的协同框架	数据质量控制、患者安全及伦理困境等挑战阻碍了AI在免疫治疗中的常规临床应用	探讨AI技术如何优化癌症免疫治疗的递送和药物开发，并推动精准肿瘤学发展	AI技术在免疫治疗中的应用，包括细胞疗法、检查点抑制剂和癌症疫苗	机器学习	癌症	NA	传统机器学习、深度学习、生成式AI、基础模型、智能体AI	文本、临床数据、实验室数据	NA	NA	NA	预测准确性、患者分层效果、不良事件预测指标	NA
8289	2026-06-16	KAN-Former: a lightweight ECG model for real-time atrial fibrillation detection on wearable devices 2026, Frontiers in bioengineering and biotechnology IF:4.3Q2 DOI:10.3389/fbioe.2026.1824364 PMID:42292530	研究论文	提出KAN-Former轻量级混合ECG分类模型，用于在可穿戴设备上实时检测房颤	结合多尺度卷积前端、Nyström近似Transformer模块、时频前馈网络和稀疏优化残差KAN分类器，在极低参数量（1.16M）和推理延迟（3.8 ms）下实现高准确率，且经剪枝和INT8量化后精度下降低于0.5%	NA	解决深度学习模型在资源受限可穿戴设备上部署时计算和实时性挑战，实现房颤实时检测	可穿戴设备上的心电图信号	机器学习	心房颤动	心电图	混合模型（CNN + Transformer + KAN）	心电图信号	PhysioNet 2017和CPSC 2018公开数据集	NA	多尺度卷积、Nyström近似Transformer、时频前馈网络、稀疏优化残差KAN	准确率	NA
8290	2026-06-16	WaveST-Yield: a novel spatio-temporal deep learning framework with frequency-domain refinement for UAV-based maize yield prediction 2026, Frontiers in plant science IF:4.1Q1 DOI:10.3389/fpls.2026.1838598 PMID:42293002	研究论文	提出WaveST-Yield深度学习框架，用于基于无人机多光谱遥感的玉米产量预测	集成时空表型编码器（SPE）、多尺度频率空间细化器（MFSR）和自适应产量敏感重校准器（AYSR）三个核心模块，利用小波下采样保留图像细节并解耦噪声，通过3D-CBAM注意力机制增强产量相关特征提取	未明确提及模型在极端环境条件或不同玉米品种上的泛化能力，可能对数据采集质量敏感	开发准确且可泛化的地块尺度玉米产量预测方法	基于无人机多光谱遥感的玉米田产量预测	计算机视觉	NA	多光谱遥感	时空深度学习模型（ConvLSTM、3D注意力机制）	多光谱图像序列	两个独立的玉米实验田数据	NA	ConvLSTM, 3D-CBAM	R²	NA
8291	2026-06-16	Predicting wheat yield and grain quality with UAV multispectral imagery and deep learning 2026, Frontiers in plant science IF:4.1Q1 DOI:10.3389/fpls.2026.1812052 PMID:42293015	研究论文	利用无人机多光谱影像和深度学习预测小麦产量及籽粒品质	系统比较了基于手工特征和基于图像的端到端建模范式，并引入3D-CNN和混合2D-CNN-LSTM架构利用空间和多时相信息，发现多时相数据优于单一生育期数据	研究仅基于2022年南达科他州七个冬小麦试验点数据，结果可能受年际和地域差异影响	评估多时相无人机多光谱影像结合深度学习预测冬小麦产量、籽粒蛋白质含量和容重的可行性	冬小麦的产量、籽粒蛋白质含量和容重	机器学习	NA	无人机多光谱遥感	深度学习	多光谱影像	来自美国南达科他州七个冬小麦试验点的多时相无人机影像数据	NA	支持向量回归、随机森林回归、深度神经网络、一维卷积神经网络、二维卷积神经网络、三维卷积神经网络、混合2D-CNN-LSTM架构	决定系数R²	NA
8292	2026-06-16	Research integrity and data ethics in AI-driven integrated healthcare: a critical appraisal 2026, Frontiers in public health IF:3.0Q2 DOI:10.3389/fpubh.2026.1838551 PMID:42293622	综述	对人工智能驱动的整合医疗中研究诚信与数据伦理问题进行批判性审视	提出综合治理模型，将技术验证与伦理监督相结合，强调前瞻性临床试验、多元利益相关者参与及适应性监管路径	未提供实证数据或具体案例验证所提模型的可行性	评估人工智能在整合医疗中引发的科学严谨性与伦理责任问题，并提出治理建议	2019至2025年间同行评审文献中关于算法透明度、模型验证与可重复性、偏差检测、隐私保护、知情同意范式及治理框架的研究	机器学习	NA	NA	深度学习模型	文本	NA	NA	NA	NA	NA
8293	2026-06-16	DFU-GCNet: a global context-enhanced inception network for robust and interpretable diabetic foot ulcer classification 2026, Frontiers in digital health IF:3.2Q2 DOI:10.3389/fdgth.2026.1811311 PMID:42294045	研究论文	提出DFU-GCNet，结合Inception模块和全局上下文块，用于糖尿病足溃疡的稳健可解释分类	创新性地融合Inception模块与全局上下文块，提取多尺度特征并建模全局空间依赖，同时集成GradCAM++、LIME和SHAP等可解释性技术提高临床透明度	未提及	开发稳健且可解释的糖尿病足溃疡自动分类方法	糖尿病足溃疡图像	计算机视觉	糖尿病足溃疡	NA	CNN	图像	Kaggle DFU数据集（具体数量未提及）	NA	Inception, Global Context Block, GradCAM++, LIME, SHAP	准确率, F1分数, 马修斯相关系数	NA
8294	2026-06-16	Speech impairment detection in children using time frequency features of speech and deep learning techniques 2026, Frontiers in human neuroscience IF:2.4Q2 DOI:10.3389/fnhum.2026.1766439 PMID:42294104	研究论文	提出一种基于语音时间频率特征和深度学习的儿童语音障碍检测方法	首次将DWT特征与GRU-CNN模型结合用于语音障碍检测，并达到99.67%的最高准确率；所有语音信号（包括元音、辅音和不同音节）合并输入单一模块，而非现有方法的每个语音类型单独模块	未提及	开发一种高效、准确的儿童语音障碍自动检测方法，以支持早期治疗	儿童语音信号（包括元音、辅音和不同音节）	机器学习	儿童语音障碍	语音信号处理	浅层学习（MLP、SVM）、浅层集成学习（GBoost、XGBoost、CatBoost、LightGBM、Stacking）、深度学习（ConvLSTMs、BiLSTMs、CNN-LSTM、GRU-CNN）	语音信号	NA	Scikit-learn, PyTorch	GRU-CNN	准确率	NA
8295	2026-06-16	TNM staging of esophageal cancer using fine-tuned pathology foundation models and multiple instance learning 2026, Frontiers in oncology IF:3.5Q2 DOI:10.3389/fonc.2026.1832365 PMID:42294306	研究论文	提出一种结合微调病理基础模型和多实例学习的深度学习新方法，用于从全切片图像自动进行食管癌TNM分期	创新性地将微调后的病理基础模型集成到多实例学习框架中，引入特征注意力机制和自适应多尺度特征融合层，并设计类加权交叉熵损失函数处理分期不平衡问题	未明确提及局限性	开发基于全切片的深度学习工具，提高食管癌TNM分期的准确性和效率	食管癌患者的全切片组织病理图像	数字病理学	食管癌	全切片成像	深度学习模型	图像	TCGA-ESCA数据集	NA	病理基础模型	准确率, 宏F1分数, AUC	NA
8296	2026-06-16	HPV genotype-specific p16/Ki67 expression with machine learning-assisted assessment in cervical neoplasia 2026, Frontiers in oncology IF:3.5Q2 DOI:10.3389/fonc.2026.1819567 PMID:42294317	研究论文	基于机器学习的p16/Ki67表达HPV基因型特异性评估在宫颈病变中的应用	结合深度学习辅助分析，首次系统描述不同HPV基因型背景下p16/Ki67双免疫表达的差异，并评估基于ResNet50的计算流水线的可行性	受限于有限测试集规模和单中心设计，性能指标应视为初步结果，外部多中心验证前不宜考虑临床应用	阐明不同HPV基因型对p16/Ki67免疫表达的影响，并探索深度学习辅助评分方法的可行性	100名HPV阳性女性的宫颈上皮细胞，按HPV16单感染、非16型高危单感染和多基因型混合感染分为三组	机器学习和数字病理	宫颈病变	p16/Ki67免疫组化	ResNet50	全切片图像	100名HPV阳性女性（训练集75份，独立测试集25份）	PyTorch	ResNet50	准确率、AUC-ROC	NA
8297	2026-06-16	Emerging applications of artificial intelligence for risk stratification in head and neck cancer: a scoping review 2026, Frontiers in oncology IF:3.5Q2 DOI:10.3389/fonc.2026.1803391 PMID:42294322	综述	系统梳理人工智能在头颈癌风险分层中的新兴应用证据	首次采用范围综述方法系统整合AI在头颈癌风险分层中的多种技术路径（机器学习、深度学习、影像组学）及多模态数据应用	纳入研究存在显著方法学异质性、以回顾性设计为主、缺乏外部验证及临床影响评估不足	识别并描述AI在头颈癌风险分层中的新兴应用科学证据	2015年1月至2026年1月间发表的44项AI应用于头颈癌诊断与预后风险分层的研究	机器学习	头颈癌	影像组学, 机器学习, 深度学习	机器学习模型, 深度学习架构	CT影像, MRI影像, 数字组织病理图像, 结构化临床变量	44项研究	NA	NA	预测性能（中等至高等）	NA
8298	2026-06-16	Artificial intelligence in transarterial chemoembolization for hepatocellular carcinoma: from treatment response prediction to refractoriness assessment 2026, Frontiers in oncology IF:3.5Q2 DOI:10.3389/fonc.2026.1822689 PMID:42294337	综述	系统回顾人工智能在肝细胞癌经动脉化疗栓塞中的应用，涵盖治疗反应预测、生存预后、难治性预测及分子机制，并批判性评估文献方法学质量	首次系统梳理AI在TACE中的多维度应用（反应预测、生存预后、难治性评估及分子机制），结合PROBAST、IBSI、TRIPOD+AI等框架评估方法学质量，并指出内部与外部验证间的泛化差距	方法学质量参差不齐，多数研究在分析领域存在高或不明确的偏倚风险，IBSI合规特征报告和公共代码发布稀少，外部验证不足，样本量有限，存在地理偏差，标准化程度低，可解释性不足	探讨人工智能在肝细胞癌经动脉化疗栓塞中的应用，从治疗反应预测到难治性评估，并推动从经验驱动向数据驱动的精准治疗转变	接受经动脉化疗栓塞的肝细胞癌患者	机器学习	肝细胞癌	放射组学	CNN, 梯度提升, 支持向量机, 随机森林	临床数据与影像数据	NA	NA	CNN	AUROC	NA
8299	2026-06-16	Decoding the cGAS-STING-eosinophils predictive and natural therapeutic molecular signature in burn injury progression and keloid formation: insights from artificial intelligence-driven multiomics 2026, Frontiers in surgery IF:1.6Q2 DOI:10.3389/fsurg.2026.1846856 PMID:42294436	研究论文	利用人工智能驱动的多组学方法解码cGAS-STING-嗜酸性粒细胞在烧伤进展和瘢痕疙瘩形成中的预测和自然治疗分子特征	首次识别出与cGAS-STING和嗜酸性粒细胞相关的基因特征，用于预测烧伤患者瘢痕疙瘩形成，并发现CCL5作为致病因子和淫羊藿苷的治疗靶点	未明确提及，但可能包括样本量有限和缺乏临床验证	研究cGAS-STING通路在调节嗜酸性粒细胞中在烧伤进展和瘢痕疙瘩形成的作用	烧伤患者和瘢痕疙瘩患者的多组学数据	机器学习	烧伤、瘢痕疙瘩	多组学分析	机器学习模型、深度学习算法	基因表达数据、单细胞数据	NA	NA	NA	NA	NA
8300	2026-06-15	Quantification via gaussian latent space representations 2026-Sep, Neural networks : the official journal of the International Neural Network Society IF:6.0Q1 DOI:10.1016/j.neunet.2026.108886 PMID:41911650	研究论文	提出一种基于高斯潜在空间表示的端到端神经网络，用于量化（类别盛行率估计）任务	首次利用高斯分布潜在空间获得样本袋的不变表示，将量化问题作为直接优化问题处理，无需中间分类器	未在论文标题和摘要中明确说明	开发一种基于深度学习的量化方法，直接优化与量化任务相关的损失函数	未知类别分布的样本袋	机器学习	NA	NA	神经网络	NA	NA	PyTorch	高斯混合网络	NA	NA