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
901	2026-07-07	KDTViT knowledge distillation, transfer learning and transformer based deep learning framework for efficient histopathology image classification 2026-May-05, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-49792-6 PMID:42086747	研究论文	提出一种结合知识蒸馏、迁移学习和Transformer的深度学习框架，用于高效分类组织病理学图像中的乳腺癌	利用迁移学习和知识蒸馏结合Transformer，开发能够处理多个放大倍数组织病理学图像的统一模型，避免传统方法对每个放大倍数需单独模型的问题	未在摘要中明确说明局限性	开发一个统一模型来处理多个放大倍数的组织病理学图像分类	乳腺癌组织病理学图像	数字病理学	乳腺癌	NA	Transformer	图像	BreakHis数据集	NA	Transformer	准确率、精确率、召回率、F1分数、AUC	NA
902	2026-07-07	Lump and breather interaction with different soliton solutions for the generalized doubly dispersive equation by embedded the neural networks 2026-May-05, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-51557-0 PMID:42086887	研究论文	首次提出神经网络广义Kudryashov方法，用于求解广义双色散方程的精确解	结合神经网络模型与广义Kudryashov方法，从Kudryashov方法解中构造新型激活函数，建立了微分方程理论与深度学习之间的数学联系	NA	发展一种新的分析方法来解决非线性偏微分方程，并生成多种孤子解	广义双色散方程的精确解	机器学习	NA	NA	神经网络	NA	NA	NA	NA	NA	NA
903	2026-07-07	Pancreatic tumor detection in computed tomography images through a rotary positional siamese vision transformer 2026-May-05, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-51814-2 PMID:42086843	研究论文	提出了一种名为旋转位置孪生视觉变换器（RPSViT）的智能胰腺肿瘤检测框架，用于在CT扫描图像中准确检测和分类胰腺肿瘤	采用旋转位置嵌入增强空间关系捕捉能力，并结合孪生变换器编码器提取高维特征，有效降低假阴性率	现有方法计算复杂度高，在减少恶性肿瘤假阴性方面存在局限	开发用于CT图像中胰腺肿瘤自动检测和分类的深度学习框架	胰腺肿瘤在CT扫描图像中的异常定位和分类	计算机视觉	胰腺癌	CT扫描成像	视觉变换器（Vision Transformer）	医学图像（CT扫描）	使用TCIA和MSD数据集中的胰腺CT扫描图像，采用5折交叉验证	NA	旋转位置孪生视觉变换器（RPSViT）	准确率、灵敏度、特异性、AUC、F1分数、马修斯相关系数、科恩卡帕系数、平均精确率、杰卡德指数	NA
904	2026-07-07	SAT-inspired feature engineering with stacking ensemble learning for fault detection in digital logic circuits 2026-May-04, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-50142-9 PMID:42082575	研究论文	提出一种结合布尔可满足性启发特征与堆叠集成学习的数字逻辑电路故障检测框架	基于SAT求解器机制设计6类新特征（回溯估计、miter电路复杂度等），构建两级堆叠集成模型实现高精度分类	未提及	提升数字逻辑电路故障检测的准确性和鲁棒性	数字逻辑电路中的故障检测分类问题	机器学习	NA	NA	堆叠集成学习	基准电路测试数据	NA	NA	随机森林、XGBoost、LightGBM、CatBoost、Extra Trees、直方图梯度提升	测试准确率、精确率、召回率、F1分数、过拟合差距、交叉验证标准差、各类别准确率	NA
905	2026-07-07	Evaluation of Image-Level Harmonization Methods for Multi-Center MR Neuroimaging 2026-May, Journal of magnetic resonance imaging : JMRI IF:3.3Q1 DOI:10.1002/jmri.70221 PMID:41489091	研究论文	评估多中心磁共振神经影像的影像级配准方法，主要比较统计方法ComBat和深度学习方法HACA3在T1w和T2-FLAIR图像上的性能	系统比较了统计和深度学习的影像级配准方法在多供应商磁共振数据上的效果，并引入多种相似性指标（FID、LPIPS）进行评估	T2-FLAIR图像的配准难度仍然存在，突显了当前多对比度磁共振配准工具的局限性	评估多中心磁共振成像中供应商相关差异以及公开可用的影像级配准工具的性能	T1w和T2-FLAIR磁共振图像，来自阿尔茨海默病神经影像计划（ADNI）数据集	计算机视觉	阿尔茨海默病	MRI	深度学习	图像	1143名ADNI3受试者（233 GE, 173 Philips, 250 Siemens，另有487名Siemens受试者作为独立参考组）以及8名受试者的配对多供应商扫描会话	NA	HACA3	FID, LPIPS, G/W比值, WMH体积	NA
906	2026-07-07	Diverse mechanical properties, composition, and performance of shark dermal denticles 2026-Apr-29, Nature communications IF:14.7Q1 DOI:10.1038/s41467-026-72415-7 PMID:42049766	研究论文	利用深度学习对鲨鱼真皮齿状突起的电镜图像进行分类，并结合纳米压痕、电子探针微分析和计算流体动力学分析其力学性能、组成和游泳性能	首次通过深度学习量化鲨鱼真皮齿状突起的形态差异，识别出十个形态组，并发现脊状齿状突起的多功能性超出减阻范畴	未明确说明局限性	量化现代鲨鱼真皮齿状突起的形态差异，并揭示其机械性能、元素组成和游泳性能之间的关联	现代鲨鱼的皮肤牙齿（真皮齿状突起）	机器视觉, 深度学习, 计算流体动力学	NA	扫描电子显微镜成像, 纳米压痕, 电子探针微分析, 计算流体动力学	深度学习	图像	涉及现代鲨鱼（Selachii）样本，具体数量未说明	NA	NA	NA	NA
907	2026-07-07	Mapping functional non-coding variation in individual human genomes through haplotyping, multiomics, and deep learning 2026-Apr-29, Nature communications IF:14.7Q1 DOI:10.1038/s41467-026-72392-x PMID:42056104	research paper	结合个人基因组、等位基因特异性调控和深度学习预测，绘制非编码变异在天然等位基因和调控背景下的功能影响图谱	整合全染色体单倍型、等位基因特异性分析和深度学习预测，在个体人类基因组中建立调控连接，系统评估常见和罕见变异的功能后果，揭示等位基因特异性染色质可及性和基因表达的新机制	NA	解释人类基因组中的非编码调控变异，系统解析变异效应，研究疾病机制	人类个体基因组中的非编码变异	machine learning	NA	基因组测序、RNA-seq、表观基因组学	深度学习模型	基因组序列、表观基因组数据、基因表达数据	个体人类基因组样本（具体数量未说明）	NA	NA	NA	NA
908	2026-07-07	Deep learning driven clustering of post-traumatic stress disorder (PTSD) profiles in student-athletes: implications for precision and stratified mental health support 2026-Apr-20, BMC psychology IF:2.7Q1 DOI:10.1186/s40359-026-04573-8 PMID:42010714	研究论文	本研究将深度学习驱动的聚类范式与分层护理框架相结合，探索经历严重运动损伤的大学生运动员中创伤后应激障碍症状的异质性聚类特征	首次将基于Transformer的语义嵌入技术与K-means聚类结合，用于识别运动员PTSD症状的潜在亚型，并提出精准分层支持策略	仅针对单一大学生运动员群体，未包含普通人群或其他运动项目；PCL-C问卷自报数据可能存在回忆偏倚	探索大学生运动员PTSD症状的差异化聚类模式，为精准心理健康干预提供依据	468名在过去一年内经历严重运动损伤的高水平大学生运动员	机器学习	创伤后应激障碍	NA	K-means聚类, Transformer	问卷文本数据（PCL-C量表）	468名高水平大学生运动员	PyTorch, Scikit-learn	Transformer, PCA	聚类有效性指标（如轮廓系数, Calinski-Harabasz指数）	NA
909	2026-07-07	Evaluating deep learning based structure prediction methods on antibody-antigen complexes 2026-Apr-07, Bioinformatics (Oxford, England) DOI:10.1093/bioinformatics/btag136 PMID:41863324	研究论文	评估基于深度学习的蛋白质结构预测方法在抗体-抗原复合物上的性能	系统评估了大规模采样和新型网络结构（如AlphaFold3的pairformer）在无共进化信号的抗体-抗原相互作用中的效果，并揭示了AlphaFold内部质量估计在识别最优模型方面的局限性	所有方法在识别最佳模型方面仍面临挑战，且AlphaFold3对训练集中缺乏结构相似性的复合物性能显著下降，表明其可能只是学习到了检测远程结构相似性	评估深度学习蛋白质结构预测方法在抗体-抗原复合物上的准确性和局限性	未在训练集中出现的抗体-抗原复合物	机器学习	NA	蛋白质结构预测	深度学习模型	蛋白质结构数据	NA	NA	AlphaFold2, AlphaFold3, Boltz-1, Chai-1	模型准确性	NA
910	2026-07-07	Deep Learning Analysis Based on Dual-energy CT-Derived Iodine Map for Predicting PD-L1 Expression in Gastric Cancer: A Multicenter Study 2026-Apr, Academic radiology IF:3.8Q1 DOI:10.1016/j.acra.2025.12.033 PMID:41547630	研究论文	基于双能量CT碘图深度学习分析预测胃癌PD-L1表达水平的多中心研究	首次利用双能量CT碘图结合深度学习预测胃癌PD-L1表达水平，并建立多中心验证模型，使用SHAP和Grad-CAM增强模型可解释性	未明确提及局限性	探索基于双能量CT碘图的深度学习分析在预测胃癌PD-L1表达水平中的价值	胃癌患者	机器学习，数字病理学	胃癌	双能量CT	深度学习模型	医学图像	267例胃癌患者（训练集143例，内部验证集60例，外部验证集64例）	NA	50层残差网络	AUC	NA
911	2026-07-07	Artificial Intelligence in Drug Discovery: Integrative Advances From Data to Therapeutic Innovation 2026-04, Drug development research IF:3.5Q2 DOI:10.1002/ddr.70229 PMID:41630488	综述	综合探讨人工智能在药物发现全流程中的应用，从数据到治疗创新的整合进展	系统梳理AI在靶点识别、虚拟筛选、从头药物设计、毒性预测、临床优化及多靶点药物发现等环节的突破性能力，强调其缩短研发周期和降低成本的核心价值	数据质量问题、模型可解释性不足、监管审批挑战及伦理关切尚未完全解决	概述AI如何加速药物发现流程并推动精准医疗发展	药物发现全流程（靶点发现、先导化合物优化、临床试验设计、药物重定位等）	机器学习	NA	NA	机器学习、深度学习、强化学习	NA	NA	NA	NA	NA	NA
912	2026-07-07	Identifying ovarian cancer with AI analysis of abdominal CT scans 2026-04, Gynecologic oncology IF:4.5Q1 DOI:10.1016/j.ygyno.2026.01.774 PMID:42000373	研究论文	利用人工智能分析腹部CT扫描来识别卵巢癌	首次将深度学习与腹部盆腔CT扫描结合，用于区分上皮性卵巢癌与良性附件肿块，并比较了卷积神经网络与视觉变换器等多种架构的性能	样本量较小（355例病例与213例对照），且为病例对照研究设计，需进一步验证模型在早期检测中的应用能力	构建并验证基于深度学习的预测模型，利用腹部盆腔CT扫描提高上皮性卵巢癌的早期检测准确性	上皮性卵巢癌患者与良性附件肿块患者	数字病理学	卵巢癌	CT成像	卷积神经网络（CNN）与视觉变换器（ViT）	图像（3D CT扫描）	568例（355例卵巢癌患者与213例良性附件肿块患者）	NA	卷积神经网络（CNN）与视觉变换器（ViT）	AUC、准确率、精确率	NA
913	2026-07-07	Deep learning-based auto-contouring for organs at risk in three-dimensional image-guided brachytherapy for cervical cancer and endometrial cancer 2026-Apr, Journal of applied clinical medical physics IF:2.0Q3 DOI:10.1002/acm2.70570 PMID:41957932	研究论文	开发并评估基于深度学习的宫颈癌和子宫内膜癌三维图像引导近距离治疗中危及器官自动勾画模型	模型在包含插植针病例中仍保持高准确性，且未观察到显著差异	未提及	减少危及器官勾画时间并降低观察者间变异	宫颈癌和子宫内膜癌患者的膀胱、小肠、直肠和乙状结肠	计算机视觉	宫颈癌, 子宫内膜癌	NA	nnU-Net	图像	100名患者（140个病例），其中训练集80名患者（80个病例），测试集20名患者（60个病例）	NA	nnU-Net	Dice相似系数, 表面Dice相似系数, Hausdorff距离, 95%分位Hausdorff距离, ΔD2cc	NA
914	2026-07-07	Artificial Intelligence-Driven Plant Disease Detection and Diagnosis: A Comprehensive Review of Deep Learning Approaches, Multimodal Sensing Technologies, and Future Perspectives in Precision Agriculture 2026-Apr, The plant pathology journal DOI:10.5423/PPJ.RW.01.2026.0004 PMID:41958160	综述	基于深度学习和多模态传感技术的植物病害智能检测与诊断综述	系统梳理了从卷积神经网络到视觉变换器、迁移学习与少样本学习等深度学习方法的进展，并强调了多模态传感技术的整合	许多模型在受控数据集上表现优异，但在真实田间环境下因环境变异、训练数据有限和部署限制而效果下降	指导设计可靠、实用且可扩展的AI驱动植物病害检测策略	2008年至2025年间发表的41篇同行评审研究	计算机视觉	植物病害	深度学习方法	卷积神经网络，视觉变换器	图像	41篇研究	NA	卷积神经网络，视觉变换器	准确率	NA
915	2026-07-07	A deep-learning-based pipeline for automatic fusion of CT coronary angiogram and stress perfusion CMR 2026-Apr, Medical physics IF:3.2Q1 DOI:10.1002/mp.70420 PMID:41960741	研究论文	开发深度学习流水线自动融合CT冠状动脉造影与应激灌注心脏磁共振图像	提出包含重定向空间变换网络和非刚性空间变形网络的双模型流水线，实现无监督的跨模态图像配准和自动融合	NA	提高冠状动脉狭窄评估与心肌缺血区域的诊断准确性	冠状动脉疾病患者	计算机视觉	冠状动脉疾病	CT冠状动脉成像, 心脏磁共振成像	CNN, 空间变换网络	图像	75名患者的447对CTCA和CMR图像用于训练验证，18名患者用于测试	PyTorch	ResNet18, STN, U-Net?	宽高比, Dice相似系数, 长轴偏差角度	NA
916	2026-07-07	Enhancing Parkinson's Disease Staging: An Integrative Deep Learning Framework for Multimodal Feature Selection 2026-Mar-30, Journal of molecular neuroscience : MN IF:2.8Q2 DOI:10.1007/s12031-026-02492-2 PMID:41910849	研究论文	提出MAFNet深度学习框架，整合多模态特征选择以增强帕金森病分期准确性	首次融合IAVKF时域降噪、ABPSO群特征选择、MLP-LSVM分类及GAMF图注意力多模态融合，实现高精度分期	仅基于PPMI队列（200名患者），需扩展纵向时序建模、跨模态融合及外部验证至阿尔茨海默病等	将帕金森病分期从主观评估转向客观精准医疗，支持生物标志物发现和个性化治疗	帕金森病患者的基因SNPs、神经影像体素及UPDRS-III评分数据	机器学习, 数字病理	帕金森病	NA	深度学习	基因、神经影像、临床评分	200名患者（PPMI队列）及外部印度队列	PyTorch	MAFNet（含IAVKF、ABPSO、MLP-LSVM、GAMF）	准确率97.6%、精确率98.2%、召回率96.8%、F1分数97.3%	NVIDIA RTX 3090 GPU
917	2026-07-07	Transforming Gynecologic Cancer Care Through Artificial Intelligence: A Clinician's Guide to the Evolving Landscape 2026-03-01, Clinical obstetrics and gynecology IF:1.4Q3 DOI:10.1097/GRF.0000000000000985 PMID:41363042	综述	本文梳理了人工智能在妇科肿瘤全程管理中的应用证据，涵盖预防筛查、早诊、预后预测及治疗指导等环节	聚焦临床转化路径，提出人机协同、可解释输出及公平性部署等实用框架	现有证据多来自回顾性研究，缺乏前瞻性临床试验验证，且未充分讨论不同人群间的泛化挑战	探讨人工智能提升妇科肿瘤诊疗精准性、一致性和可及性的方法	HPV风险模型、AI辅助阴道镜、影像组学、液体活检、数字病理及多模态预后模型等AI工具	机器学习，数字病理	妇科肿瘤	NA	深度学习，多模态模型	影像，文本，基因组学	NA	NA	NA	准确性，速度，可重复性	NA
918	2026-07-07	Artificial Intelligence in Obstetrics: Current Applications, Opportunities, and Clinical Implementation Challenges 2026-03-01, Clinical obstetrics and gynecology IF:1.4Q3 DOI:10.1097/GRF.0000000000000980 PMID:41431393	综述	探讨人工智能在产科领域应用现状、机遇与临床实施挑战	系统分析当前AI产科应用领域（自动胎儿生物测量、结构异常检测、妊娠并发症预测及产时胎儿监护），并针对技术、伦理及实施障碍提出多中心验证、可解释AI和监管框架等建议	外部验证有限且存在算法偏差	评估AI在产科中的临床应用现状、机遇及实施障碍	AI在产科诊断影像、风险预测和临床决策中的技术应用	机器学习	围产期疾病	深度学习算法	CNN	影像	NA	NA	NA	诊断准确性	NA
919	2026-07-07	Generalizable Deep Learning for Prostate Cancer Risk Stratification: Multicenter Study Integrating 18F-PSMA-1007 PET/CT and mpMRI 2026-Mar, Academic radiology IF:3.8Q1 DOI:10.1016/j.acra.2025.12.050 PMID:41547629	研究论文	开发一种少样本深度学习模型CL-MGNET，整合多模态影像和临床数据预测前列腺癌高风险生物学特征，并在多中心研究中验证其泛化能力	提出CL-MGNET模型，采用少样本学习方法融合多模态影像（18F-PSMA-1007 PET/CT和mpMRI）与临床数据，在有限训练数据下有效预测高风险生物学特征，并展现出跨中心的强大泛化能力	研究为回顾性设计，样本量相对较小（377例），且外部验证队列仅36例，可能限制模型在不同人群中的推广	开发并验证一种少样本深度学习模型，整合多模态影像和临床数据，准确预测前列腺癌的高风险生物学特征（ISUP分级、包膜外侵犯和手术切缘阳性）	前列腺癌患者，来自两个医疗中心的377例患者（中心A 341例，中心B 36例）	计算机视觉	前列腺癌	PET/CT, mpMRI	少样本深度学习网络（CL-MGNET）	影像（PET/CT, mpMRI）和临床变量数据	377例患者（中心A 341例，中心B 36例），训练使用30例患者的限制子集	NA	CL-MGNET	AUC	NA
920	2026-07-07	Staining normalization in histopathology: Method benchmarking using multicenter dataset 2026-Feb-26, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-40943-3 PMID:41748767	研究论文	使用多中心数据集对组织病理学染色归一化方法进行基准测试	收集了来自66个不同实验室的独特多中心组织图像数据集，并全面比较了八种染色归一化方法的性能	未提及具体的局限性信息	评估不同染色归一化方法在多中心组织图像上的表现，并为提高模型泛化性提供策略	来自结肠、肾脏和皮肤的组织样本的H&E染色图像	数字病理学	NA	H&E染色	深度学习模型（CycleGAN, Pix2pix）	图像	66个不同实验室染色的组织样本数据集	NA	CycleGAN, Pix2pix	定量和定性评估指标	NA