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
8881	2026-05-25	Comprehensive evaluation of cross cancer generalization in histopathology segmentation models across 21 tumor types 2026-May-05, Communications medicine IF:5.4Q1 DOI:10.1038/s43856-026-01601-x PMID:42086725	研究论文	评估五种组织分割模型在21种癌症类型中的跨肿瘤泛化能力	系统评估了跨癌症分割模型的泛化性能，提出泛癌分割模型的可行性	基于半定量评分（0-10）可能引入主观偏差，且仅评估了五种组织来源的模型	探索已有分割模型在不同癌症类型间的泛化能力，减少开发特定癌症模型的需求	来自TCGA的21种癌症类型的7700+张全切片图像	数字病理学	多种癌症（肺癌、乳腺癌、结肠癌、肾癌、前列腺癌等21种）	组织病理学图像分析	分割模型（具体架构未明确）	图像（全切片图像）	21种癌症类型，总计超过7700张全切片图像	NA	NA	半定量评分（0-10）	NA
8882	2026-05-25	Learning with less: A survey of deep learning in medical imaging under varying supervision levels 2026-05, Artificial intelligence in medicine IF:6.1Q1 DOI:10.1016/j.artmed.2026.103375 PMID:41702310	综述	系统综述了医学图像分析中在不同监督水平下的深度学习方法	根据不同监督水平对方法进行系统分类，包括无监督、不精确监督、不完整监督、不准确监督和有限监督，并进一步细分子类别	未明确讨论不同监督方法的局限性及实际应用中的挑战	总结不同监督水平下深度学习方法在医学图像分析中的应用，并探索未来研究方向	医学图像分析中的深度学习模型	计算机视觉	不适用	不适用	不适用	医学图像	不适用	不适用	不适用	不适用	不适用
8883	2026-05-25	A Character-level Convolutional Recurrent Interaction Network for joint traditional Chinese medicine clinical named entity recognition and relation extraction 2026-05, Artificial intelligence in medicine IF:6.1Q1 DOI:10.1016/j.artmed.2026.103372 PMID:41707487	研究论文	提出一种字符级卷积循环交互网络，用于中医电子病历的命名实体识别和关系联合抽取	首次将中医四诊维度作为关系类型融入联合抽取框架，并利用字符级卷积和自注意机制捕获古汉语语义特征	未明确讨论模型在低资源场景下的泛化能力或对中医古籍文本的适用性	实现中医电子病历中实体与四诊维度关系的联合识别与抽取	中医电子病历中的临床实体（部位、症状属性）及其与四诊维度的关联关系	自然语言处理	NA	NA	卷积循环交互网络	文本	NYT数据集和TCM-cases数据集（具体样本量未提及）	NA	CCRIN（字符级卷积循环交互网络）	NA	NA
8884	2026-05-25	Air quality index prediction using a hybrid CEEMDAN-CNN-IGWO-BiGRU-Attention model 2026-Apr-03, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-46978-w PMID:41933122	研究论文	提出一种结合CEEMDAN、CNN、BiGRU、注意力机制和改进灰狼优化器的混合模型用于空气质量指数预测	将CEEMDAN信号分解、CNN特征提取、BiGRU时序建模、注意力机制和IGWO超参数优化集成于统一框架，实现自动化和高精度预测	未提及	开发一种能有效处理AQI时间序列非线性和非平稳特性的高精度预测模型	空气质量指数（AQI）时间序列数据	机器学习	NA	NA	CNN, BiGRU	时间序列数据	广州市2014-2024年长期AQI数据集	NA	CEEMDAN, CNN, BiGRU, 注意力机制, IGWO	MSE, R2	NA
8885	2026-04-04	Efficient deep learning framework for arecanut disease detection using graph neural network and Bat algorithm 2026-Apr-02, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-46535-5 PMID:41927805	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
8886	2026-05-25	Deep learning-based phishing classification framework for accurate detection using optimized URL intelligence 2026-Apr-02, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-46481-2 PMID:41927869	研究论文	提出一种基于深度学习的钓鱼分类框架，通过优化URL智能特征实现精确检测	提出自适应深度URL智能网络（ADUIN），结合混合相关排序方法优化特征，并采用多层深度神经网络架构动态更新以适应攻击行为变化	未提及具体局限性信息	提升钓鱼URL分类的准确性、多样性和智能性，应对零日和伪装钓鱼URL	钓鱼URL及其特征（词汇、主机和结构属性）	机器学习	NA	NA	深度神经网络	文本（URL）	基准钓鱼数据集（未说明具体数量）	NA	多层深度神经网络	准确率、精确率、召回率、零日检测率、假阳性率、延迟	NA
8887	2026-05-25	Topology modeling and energy efficiency prediction of parallel chillers based on deep learning 2026-Apr-02, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-47180-8 PMID:41927915	研究论文	提出一种基于深度学习的并行冷水机组拓扑建模与能效预测方法	构建了物理引导的时空融合模型，将LSTM与图卷积网络结合以捕捉机组间的拓扑耦合关系	未提及实际部署中的计算资源需求或实时性限制，且仿真数据占比可能影响模型泛化性	解决并行冷水机组因拓扑耦合导致的能效预测精度不足问题	大型数据中心冷却站的并行冷水机组系统	机器学习	NA	NA	GCN-LSTM融合模型	时序运行数据与仿真数据	1.28亿条原始记录与8000小时仿真数据	NA	LSTM, GCN	均方根误差, 平均绝对百分比误差	NA
8888	2026-05-25	Using deep vision-language models improves multi-task performance in assistance applications for endoscopic ENT surgery 2026-Apr, International journal of computer assisted radiology and surgery IF:2.3Q2 DOI:10.1007/s11548-025-03512-z PMID:41428176	研究论文	采用视觉-语言模型（VLM）架构，通过多任务学习提升内窥镜耳鼻喉手术辅助应用中图像分类、文本预测和手术报告生成的性能	端内窥镜领域偏置的编码器进行图像和文本嵌入，并通过交叉注意力融合，实现多任务学习替代三个孤立模型，且在图像分类和报告生成任务上分别提升F1分数达12%和14%	结构化文本生成任务改进有限，表明组合图像-文本嵌入对结构化句子学习存在限制；类别分布不平衡问题未完全解决	开发一种能够整合图像和文本数据的视觉-语言模型，用于内窥镜耳鼻喉手术辅助，提供多任务支持并优于现有基准	30例标注内窥镜手术的多任务数据集（130,000张多标签图像、解剖描述和同步手术报告）	计算机视觉、自然语言处理	NA	内窥镜手术图像采集	视觉-语言模型（VLM）	图像、文本	30例内窥镜手术（130,000张多标签图像）	PyTorch（推测，基于常见的VLM实现）	偏置编码器（用于图像和文本嵌入）加交叉注意力	精确率、召回率、F1分数、BLEU-2、ROUGE-L、余弦相似度	NA（未在标题或摘要中明确提及）
8889	2026-05-25	Comprehensive review of heart disease prediction: A comparative study from 2019 onwards 2026-04, Artificial intelligence in medicine IF:6.1Q1 DOI:10.1016/j.artmed.2026.103354 PMID:41619515	综述	本文对2019年以来心脏病预测领域的研究进行了全面综述，比较传统诊断技术与现代机器学习和深度学习方法	系统性地回顾了从传统诊断技术向现代机器学习和深度学习方法的转变，并探讨了心血管疾病与肾结石之间的关系对未来预测模型发展的影响	未提及具体的研究局限	评估心脏病预测的当前技术水平，为未来研究提供路线图	心脏病预测算法及相关文献	机器学习	心血管疾病	NA	NA	NA	NA	NA	NA	NA	NA
8890	2026-05-25	Uncertainty in deep learning for EEG under dataset shifts 2026-04, Artificial intelligence in medicine IF:6.1Q1 DOI:10.1016/j.artmed.2026.103374 PMID:41650580	研究论文	研究不同集成学习策略在脑电图数据集偏移下对分类性能和不确定性估计的影响	系统评估了深度集成和蒙特卡洛丢弃法在三种数据集偏移场景（分布内、分布外、渐进式脑电图特有偏移）下的不确定性和性能表现	NA	探索构建能提供可靠不确定性估计且对数据集偏移鲁棒的电图分类模型	脑电图数据中区分正常、轻度认知障碍和痴呆的分类任务	机器学习	阿尔茨海默病, 轻度认知障碍, 痴呆	脑电图	集成学习, 深度集成, 蒙特卡洛丢弃法	脑电图时间序列数据	大型脑电图数据集（具体数量NA）	NA	NA	性能指标, 不确定性度量	NA
8891	2026-05-25	EEG-based epileptic seizure prediction with patient-tailored spectral-spatial-temporal feature learning 2026-04, Artificial intelligence in medicine IF:6.1Q1 DOI:10.1016/j.artmed.2026.103371 PMID:41633018	研究论文	提出一种患者定制的癫痫发作预测网络PSP-Net，用于自适应学习脑电图信号的谱-空-时特征	首次将患者定制的带通滤波器、空间耦合矩阵和注意力时序卷积网络统一集成，实现个体化谱-空-时特征自动提取	未明确指出研究局限	开发更有效且可解释的癫痫发作预测方法，解决传统方法忽视患者间谱-空特征差异的问题	脑电图信号中的癫痫发作前兆特征	机器学习	癫痫	脑电图记录	PSP-Net（患者定制预测网络）	时序信号	多个公开癫痫数据集	NA	患者定制带通滤波器、空间耦合矩阵、注意力时序卷积网络	最先进性能（未具体说明指标）	NA
8892	2026-05-25	Diffusion-synthesized Chest X-rays improve fairness and diagnostic performance 2026-Apr, PLOS digital health DOI:10.1371/journal.pdig.0001277 PMID:41931563	研究论文	本文通过微调预训练的稳定扩散模型生成高质量的胸部X光合成图像，以提升疾病分类的公平性和诊断性能	首次利用低秩适应和CLIP分词器微调稳定扩散模型生成胸部X光图像，有效减少参数复杂度并改善模型对人口统计学群体的公平性	未明确讨论合成图像可能引入的潜在偏差或临床验证的局限性	解决深度学习模型在胸部X光数据训练中的公平性偏差，通过图像合成缓解人口统计学差异	胸部X光疾病分类模型及其在不同人口群体上的公平性表现	数字病理学	胸部疾病	图像合成	稳定扩散模型	图像	NA	PyTorch	稳定扩散	分类准确率, 公平性指标	NA
8893	2026-05-25	Exploring how deep learning decodes anomalous diffusion via Grad-CAM 2026-Mar-29, Nature communications IF:14.7Q1 DOI:10.1038/s41467-026-71229-x PMID:41904151	研究论文	利用Grad-CAM探究深度学习如何解码异常扩散机制	首次利用Grad-CAM解释深度学习（ResNets）从原始轨迹数据中识别异常扩散模型特征的机制，并发现不同层次网络捕捉不同时空尺度的统计特征	NA	理解深度学习在异常扩散分类中的决策过程并提升模型鲁棒性	异常扩散轨迹数据及对应的扩散模型分类特征	机器学习	NA	NA	ResNet	轨迹数据	NA	PyTorch	ResNet	NA	NA
8894	2026-05-25	Domain specific multimodal large language model for automated endoscopy reporting with multicenter prospective validation 2026-Mar-28, NPJ digital medicine IF:12.4Q1 DOI:10.1038/s41746-026-02569-7 PMID:41904204	研究论文	开发了基于多模态大语言模型的自动内镜报告生成系统Report-Angel，并在多中心前瞻性验证中评估其性能	首次将多模态大语言模型与常规深度学习模型结合，用于上消化道内镜报告的自动生成，并在多中心前瞻性队列中验证其临床可接受性和通用性	未提及具体局限性	开发并验证能够自动生成高质量内镜报告草案的AI系统，以标准化报告和减轻内镜医生工作量	上消化道内镜图像和报告生成	计算机视觉、自然语言处理	上消化道疾病	内镜检查	多模态大语言模型、常规深度学习模型	图像和文本	20,617个图像-文本对用于训练；前瞻性内部队列和外部队列；回顾性图像和前瞻性单中心及多中心视频数据集	NA	多模态大语言模型（MLLM）	临床可接受报告率、报告完整性、报告准确性、处理时间	NA
8895	2026-05-25	Deep learning characterizes depression and suicidal ideation in young adults from eye movements 2026-Mar-28, NPJ digital medicine IF:12.4Q1 DOI:10.1038/s41746-026-02550-4 PMID:41904340	research paper	利用深度学习分析青年人群的眼球运动特征，识别抑郁和自杀意念	首次将深度学习框架应用于眼球运动数据，用于区分抑郁和自杀意念，并考虑了试验内和试验间的变化	样本量有限（126名年轻人），且依赖自我报告问卷作为金标准，模型在区分抑郁和自杀个体时准确率中等	探究眼球追踪作为抑郁和自杀意念客观生物标记物的潜力	126名年轻人对情绪负载语句的眼球运动	machine learning	抑郁症、自杀意念	眼动追踪	deep learning framework	眼球运动序列数据	126名年轻人	NA	NA	AUC	NA
8896	2026-05-25	Multi-scale feature enhancement in multi-task learning for medical image analysis 2026-03, Artificial intelligence in medicine IF:6.1Q1 DOI:10.1016/j.artmed.2025.103338 PMID:41475079	研究论文	提出一种基于UNet的多任务学习模型，通过多尺度特征增强同时提升医学图像分割和分类性能	创新性地将ResFormer块集成到编码器中，结合卷积局部特征提取与Transformer长程依赖建模，并在跳跃连接中引入膨胀特征增强模块以捕获多尺度信息	未明确讨论模型在不同数据集间的泛化能力以及计算开销	解决多任务学习中局部与全局特征难以同时捕获的问题，提升医学图像分析和诊断准确性	多任务学习模型在医学图像分割和分类任务中的应用	计算机视觉	未指定	深度卷积神经网络与Transformer	UNet	图像	多个医学数据集（具体数量未提及）	PyTorch	ResFormer, UNet	分类准确率、分割精度（具体指标如Dice系数、精确率、召回率未列出）	未指定
8897	2026-05-25	UniStain: A unified and organ-aware virtual H&E staining framework for label-free autofluorescence images 2026-03, Artificial intelligence in medicine IF:6.1Q1 DOI:10.1016/j.artmed.2025.103335 PMID:41478227	研究论文	提出一种统一且器官感知的虚拟H&E染色框架UniStain，利用无标记自发荧光成像和基于提示的深度学习，通过单一模型实现多组织染色	首次实现通过一个单一模型进行多组织虚拟染色，提出跨补丁自注意力引导机制以保持全切片图像的风格一致性并消除拼接伪影，构建首个多器官AF/H&E数据集	NA	开发一种统一的虚拟H&E染色框架，克服传统化学染色流程耗时、有害试剂处理及批次间染色质量差异等限制	人类组织样本的自发荧光和H&E染色图像	数字病理学	NA	自发荧光成像	深度学习模型	图像	多器官人类组织样本构成的数据集，具体样本数量未在摘要中说明	PyTorch	跨补丁自注意力引导机制	图像质量指标、视觉图灵测试	NA
8898	2026-05-25	Tackling data scarcity: Synthetic tumour and mask generation to improve image segmentation 2026-03, Artificial intelligence in medicine IF:6.1Q1 DOI:10.1016/j.artmed.2025.103348 PMID:41494363	研究论文	研究利用扩散模型在MRI影像中合成3D肝脏肿瘤并生成对应掩模，以改善图像分割效果	提出一种基于扩散模型的肿瘤合成方法，结合单纯形变形生成掩模，无需外部数据即可显著提升分割性能	未提及具体局限，但可能涉及合成肿瘤的真实性验证或泛化性评估的不足	解决医学影像数据稀缺问题，通过生成合成肿瘤增强分割模型性能	MRI影像中的肝脏肿瘤及其对应分割掩模	计算机视觉	肝癌	扩散模型、MRI影像生成	扩散模型	3D MRI影像	1000个合成肿瘤	PyTorch	扩散模型	Dice系数	未提及
8899	2026-05-25	Smiling difficulties in Alzheimer's disease linked to reduced nucleus accumbens and pallidum brain volume: Deep learning insights 2026-03, Artificial intelligence in medicine IF:6.1Q1 DOI:10.1016/j.artmed.2025.103347 PMID:41506061	研究论文	利用深度学习量化阿尔茨海默病患者的微笑能力，发现其受损与伏隔核和苍白球体积减小相关	首次使用图像分类AI量化微笑，发现AD患者微笑能力受损与特定脑区体积减小有关，且微笑面孔较中性面孔能更好区分AD与正常认知	NA	探究阿尔茨海默病患者微笑能力受损的神经机制	阿尔茨海默病患者与正常认知参与者	计算机视觉	阿尔茨海默病	深度学习图像分类	图像分类模型	面部图像	NA	NA	NA	分类准确率	NA
8900	2026-05-25	Overcoming extrapolation challenges of deep learning by incorporating physics in protein sequence-function modeling 2026-Mar, PLoS computational biology IF:3.8Q1 DOI:10.1371/journal.pcbi.1013728 PMID:41880461	研究论文	通过将物理知识融入深度学习，提升蛋白质序列-功能模型的外推能力	提出了将生物物理相互作用与动力学建模融入卷积和图卷积神经网络的新方法，以改善位置和突变类型的外推性能	数据稀缺仍是挑战，模型依赖训练数据中未见的突变类型和位置的外推能力，且需进一步验证物理模型的普适性	解决深度学习在蛋白质序列-功能建模中难以实现准确外推的问题，提升突变功能效应预测的泛化能力	蛋白质序列-功能关系，特别是突变效应的外推预测	机器学习	NA	深度学习（卷积神经网络、图卷积神经网络、Transformer），生物物理建模	卷积神经网络（CNN）、图卷积神经网络（GCN）	蛋白质序列数据，深度突变扫描数据	NA	NA	卷积神经网络、图卷积神经网络	外推性能（位置外推和突变类型外推的准确性）	NA