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
921	2026-05-30	AI and Machine Learning for Proteomics-Driven Drug Discovery: Methods, Tools, and Best Practices 2026-May-20, Current issues in molecular biology IF:2.8Q3 DOI:10.3390/cimb48050532 PMID:42193136	综述	本文综述了人工智能和机器学习在蛋白质组学驱动的药物发现中的应用、方法、工具和最佳实践	系统地比较了多种机器学习方法在蛋白质组学驱动的药物发现中的适用性，并总结了新兴方向如对比学习、扩散模型和图神经网络	未深入讨论具体实验验证结果，可能缺乏实际应用案例的详细分析	为蛋白质组学驱动的药物发现提供机器学习方法的全面综述和最佳实践指南	蛋白质组学数据在药物发现中的应用，包括目标识别、生物标志物发现、药效监测和药物重定位	机器学习	NA	质谱分析	监督学习、集成方法、降维、聚类、深度学习、图学习、生存建模、因果推断、校准方法、对比学习、扩散模型	蛋白质组学数据	NA	NA	NA	NA	NA
922	2026-05-30	Robust Multi-Site ADHD Classification via GraphSAGE-Based Functional Connectivity Modeling from rs-fMRI 2026-May-20, Bioengineering (Basel, Switzerland) DOI:10.3390/bioengineering13050586 PMID:42194343	研究论文	提出一种基于图抽样聚合网络的功能连接建模方法，用于从静息态功能磁共振成像数据中稳健分类注意力缺陷多动障碍	结合相位锁定值的功能连接估计和图抽样聚合网络，实现区域大脑活动与区域间交互的可扩展高效捕获，并提高对噪声和跨受试者变异性的鲁棒性	未提及具体限制	实现自动化且客观的注意力缺陷多动障碍诊断	注意力缺陷多动障碍患者	数字病理学	注意力缺陷多动障碍	静息态功能磁共振成像	图抽样聚合网络	图像	ADHD-200数据集（多个采集站点及组合多站点数据集）	PyTorch	GraphSAGE	准确率, AUC, 特异度	NA
923	2026-05-30	ARTEMIS: An Explainable AI Framework for Multi-Class COVID-19 Diagnosis with a Newly Curated Dataset 2026-May-20, Bioengineering (Basel, Switzerland) DOI:10.3390/bioengineering13050588 PMID:42194345	研究论文	提出一个名为ARTEMIS的可解释深度学习框架，用于多类别COVID-19诊断，并包含一个新整理的数据集	采用可学习的预处理组件动态调整图像对比度和锐度，结合EfficientNet-B0骨干网络与Transformer编码器，同时学习局部放射学特征和全局像素关系	未提及	开发高度可解释的深度学习流水线，用于胸部X光和CT图像的自动分类，区分COVID-19感染、社区获得性肺炎和正常情况	胸部X光和CT图像，包括公开数据集和新标注的CT数据集	数字病理学	COVID-19	NA	CNN, Transformer	图像	五个数据集，包括四个公开数据集和一个新CT数据集	PyTorch	EfficientNet-B0, Transformer	宏F1分数, 准确率	NA
924	2026-05-30	Artificial Intelligence in Gastrointestinal Endoscopy and Hemostatic Decision-Making: Current Evidence, Clinical Implications and Implementation Barriers 2026-May-20, Life (Basel, Switzerland) DOI:10.3390/life16050845 PMID:42195401	综述	本文综述了人工智能在消化内镜及止血决策中的应用现状、临床意义和实施障碍	重点探讨了人工智能在消化内镜止血决策这一复杂领域的应用，分析了现有模型在非静脉曲张性出血、静脉曲张性出血及胶囊内镜中的表现，并提出了前瞻性多中心验证、可解释性、实时可用性等关键发展方向	前瞻性干预性证据有限，现有模型多受限于回顾性设计、单中心数据集、不完全外部验证、黑箱决策、异质性报告、工作流程障碍及成本效益不明确	评估人工智能辅助决策在消化内镜及内镜止血中的现有证据，并分析其临床应用前景与实施障碍	消化内镜与内镜止血中的人工智能模型，涵盖病变检测、特征识别、质量评估、临床风险预测及止血治疗决策	机器学习和自然语言处理	消化道出血	NA	机器学习与深度学习模型	内镜图像和临床数据	NA	NA	NA	NA	NA
925	2026-05-30	Near-Infrared Spectroscopy in Food Analysis: Applications, Chemometric Strategies, and Technological Advances 2026-May-20, Foods (Basel, Switzerland) DOI:10.3390/foods15101814 PMID:42196017	综述	系统综述近红外光谱技术在食品分析中的原理、应用、化学计量学策略及技术进展	全面梳理了最新研究进展，强调近红外光谱作为快速、非破坏性检测方法的优势，并提出了多模态数据融合、深度学习集成和智能算法优化等创新解决方案	存在标样传输困难、基质干扰和模型泛化性等挑战	总结近红外技术在食品领域的应用进展，为其工业转化和标准化应用提供理论支持和技术参考	食品，包括谷物、肉类、果蔬、乳制品、发酵产品、茶、咖啡及其他加工食品	机器学习	NA	NIR spectroscopy (近红外光谱)	PLS, SVM, BP-ANN, 模糊聚类	光谱数据	NA	NA	NA	准确性、鲁棒性	NA
926	2026-05-30	Multimodal Sensor Fusion for Non-Destructive Tea Quality Evaluation: Deep Learning-Enabled Methods, Applications, and Challenges 2026-May-20, Foods (Basel, Switzerland) DOI:10.3390/foods15101810 PMID:42196013	综述	总结了多模态传感与深度学习结合在茶叶品质无损检测中的最新进展，涵盖传感器互补性、数据融合策略、代表性应用及部署局限性	系统分析了多模态传感比单传感器更具优势的条件（须提供互补而非冗余信息层），并提出了未来研究的关键方向（标准化数据集、解释性建模等）	实际应用受限于数据集小且标准化不足、外部验证缺乏、传感器不稳定、模型迁移性差、计算成本高及可解释性不足	探索深度学习结合多模态传感用于茶叶品质快速无损评估的可行性与挑战	茶叶品质评估中的多模态传感数据（机器视觉、光谱、电子鼻/舌等）	机器视觉、深度学习	NA	多模态传感融合、深度学习	深度学习模型（综合类）	多模态数据（图像、光谱、信号等）	NA	NA	NA	NA	NA
927	2026-05-30	Multicenter validation and randomized crossover reader evaluation of deep learning-assisted tri-sequence three-dimensional MRI segmentation for hypopharyngeal tumor 2026-May-19, Radiotherapy and oncology : journal of the European Society for Therapeutic Radiology and Oncology IF:4.9Q1 DOI:10.1016/j.radonc.2026.111606 PMID:42162744	研究论文	开发和验证深度学习辅助的三序列三维MRI分割方法用于下咽肿瘤的轮廓勾画	首次基于多中心验证的三序列3D nnU-Net模型，通过随机交叉阅读者研究证明AI辅助可缩小轮廓勾画专家的技能差距，并探索了基于质量感知的低重叠风险模型以支持部署	未明确提及局限性，但可能导致对模型泛化能力的进一步验证需求	开发多中心验证的深度学习模型，评估AI辅助对下咽鳞状细胞癌MRI目标轮廓勾画的专业差距影响，并探索质量感知的低重叠风险建模	下咽鳞状细胞癌患者的MRI图像	数字病理学	下咽癌（下咽鳞状细胞癌）	MRI	nnU-Net, XGBoost	MRI图像	727例患者来自三个机构（530例开发队列，37例内部测试队列，109例外部队列1，51例外部队列2）	PyTorch, XGBoost	nnU-Net	Dice相似系数, 表面Dice, 平均对称表面距离, 平均表面距离, Fleiss' κ, Likert评分	NA
928	2026-05-30	Artificial Intelligence-Enabled Bioengineering of Extracellular Vesicle Platforms in Cardiovascular Medicine 2026-May-19, Bioengineering (Basel, Switzerland) DOI:10.3390/bioengineering13050573 PMID:42194330	综述	本文探讨了人工智能和机器学习在心血管医学中细胞外囊泡平台生物工程中的应用，涵盖分离纯化、分析诊断和治疗制造三大支柱	将人工智能定位为细胞外囊泡生物工程的基础层，系统性地提出数据驱动平台工程框架来克服细胞外囊泡在心血管医学中的临床转化挑战	关键转化挑战包括MISEV2023合规性、数据集偏差、可重复性和监管协调	审查人工智能辅助策略在心血管医学中细胞外囊泡平台三大支柱中的应用	心血管医学中的细胞外囊泡平台	机器学习	心血管疾病	NA	深度学习、机器学习	多组学数据、生物传感器数据、细胞外囊泡表型数据	NA	NA	NA	NA	NA
929	2026-05-30	Quantifying the Contribution of Bone Morphology to Implant Selection in Shoulder Arthroplasty Using CT-Based Deep Learning 2026-May-19, Bioengineering (Basel, Switzerland) DOI:10.3390/bioengineering13050574 PMID:42194331	研究论文	利用基于CT的深度学习量化骨形态对肩关节置换术中植入物选择的贡献	提出了一个假设驱动的深度学习框架，结合分割和病理分期流水线，引入植入物类型预测和受控人机比较，量化骨形态对植入物选择的贡献	骨形态仅提供可测量但不完整的植入物选择信号，不能反映临床决策性能，存在类别依赖的不对称性（对反向植入物的召回率高于解剖型）	评估骨形态是否足以指导肩关节置换术中的植入物选择，并量化其贡献	肩关节置换术患者及骨科医生的植入物选择决策	计算机视觉, 机器学习	肩关节疾病	CT扫描	CEL-UNet, ArthroNet	图像（CT）	600例患者的多中心队列	PyTorch	CEL-UNet, ArthroNet	Dice系数, 准确率, Fleiss' κ系数, 召回率	NA
930	2026-05-30	Pathology Foundation Models: Evolution, Current Landscape, Challenges and Opportunities from a Technical and Clinical Perspective 2026-May-19, Bioengineering (Basel, Switzerland) DOI:10.3390/bioengineering13050577 PMID:42194333	综述	从技术和临床角度回顾病理基础模型的演进、现状、挑战与机遇	系统梳理了从弱监督方法到大规模基础模型的演变路径，并强调多模态融合与临床转化的重要性	跨机构泛化不一致、可解释性滞后于临床需求、整合入日常检验流程缓慢，且对细胞病理学、移植病理学、冰冻切片及罕见肿瘤亚型等领域的适应性不足	评估病理基础模型的优势与局限，并为其安全有效的临床转化提出优先发展方向	病理基础模型（如UNI、Virchow、Phikon、CONCH、GigaPath等）	数字病理学	NA	自监督学习、Vision Transformer	基础模型	全切片病理图像、多模态数据（基因组学与临床数据）	NA	PyTorch	Vision Transformer、Hierarchical Image Pyramid Transformer（HIPT）	诊断与预后基准测试表现	NA
931	2026-05-30	Emerging Trends in Artificial Intelligence-Integrated Biochip Technologies for Biomedical Applications 2026-May-19, Micromachines IF:3.0Q2 DOI:10.3390/mi17050623 PMID:42195540	综述	评估人工智能与生物芯片技术集成在生物医学诊断中的应用进展	系统分析了AI与光谱、纸基、芯片实验室及微流控等多种生物芯片平台的整合，并探讨了可解释、鲁棒且支持智能手机的AI生物芯片的未来方向	持续挑战包括AI模型的可解释性、鲁棒性及实际部署问题，但未具体说明量化局限	通过集成AI克服传统生物芯片在复杂数据处理和诊断灵敏度方面的限制	AI集成生物芯片（包括光谱、纸基、芯片实验室和微流控平台）	机器学习	神经系统疾病、糖尿病、癌症、传染病	生物芯片	强化学习、机器学习、深度学习	电化学、荧光、比色信号数据	不适用	不适用	预训练AI模型	诊断灵敏度、准确性	不适用
932	2026-05-30	Artificial Intelligence in Cervical Cytology: Opportunities and Limitations in Screening, Triage, and Diagnostic Support 2026-May-19, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics16101541 PMID:42196906	综述	综述人工智能在宫颈细胞学筛查、分诊和诊断支持中的当前应用、机遇及局限性	系统梳理了AI在完整宫颈细胞学工作流中的应用，包括自动化玻片筛查、液基细胞学、疑似或HPV阳性病例分诊及阴道镜辅助，并指出了将AI作为人类专家补充而非替代工具的观点	证据异质性高，缺乏大规模多样数据集、前瞻性验证、监管审批、数字基础设施、工作流整合，以及伦理和法律问题的解决	评估AI在宫颈细胞学及相关诊断流程中的应用现状、机遇与挑战	宫颈细胞学筛查、分诊和诊断支持中应用的AI系统	数字病理学	宫颈癌	NA	深度学习	图像	NA	NA	NA	NA	NA
933	2026-05-30	SULBA: A Task-Agnostic Data Augmentation Framework for Deep Learning in Medical Image Analysis 2026-May-19, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics16101546 PMID:42196912	研究论文	提出一种任务无关的数据增强框架SULBA，用于医学图像分析中的深度学习，无需特定任务调参即可提升模型鲁棒性和泛化性能	首次提出无参数的通用数据增强框架SULBA，通过逐步循环移位沿数据维度生成训练变体，消除任务相关的增强调参需求，并在27个公开数据集上验证其优于16种标准增强技术	未明确提及计算资源消耗或对极端小样本数据的适用性，且仅评估了分类和分割任务，未涉及其他医学图像分析任务类型	设计一种任务无关的通用数据增强策略，解决医学图像分析中缺乏可靠默认增强方法的问题，提升模型泛化性和实验可重复性	医学图像分析中的深度学习模型，包括2D、3D及高维医学影像数据	机器学习	未指定	数据增强	CNN、Transformer	医学图像（2D、3D及高维影像数据）	27个公开数据集	PyTorch	CNN架构及Transformer架构（共10种架构）	标准深度学习性能指标（未具体说明）	NA
934	2026-05-30	Machine Learning Applications for Risk Stratification in Heart Failure with Preserved Ejection Fraction: A New Era in Cardiology 2026-May-19, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics16101545 PMID:42196910	综述	总结机器学习在射血分数保留的心力衰竭（HFpEF）风险分层中的应用，包括随机森林、梯度提升、支持向量机和深度学习等方法	系统评估机器学习在HFpEF风险分层中的优越性，强调其揭示表型亚组和改善预后判别能力，并讨论临床整合与未来方向	数据偏差、泛化性不足、可解释性挑战以及监管要求等实际问题未完全解决	探索机器学习在HFpEF风险分层中的应用潜力，以实现精准医疗	HFpEF患者的多维数据，包括临床、影像、生物标志物和分子数据	机器学习	心血管疾病	NA	随机森林、梯度提升、支持向量机、深度学习	临床数据、影像数据、生物标志物数据、分子数据	NA	NA	NA	判别能力	NA
935	2026-05-30	Prediction of Chloride Penetration Depth in Concrete Using a Combined Ensemble-Neural Network Architecture: Facing Data Saturation 2026-May-18, Materials (Basel, Switzerland) DOI:10.3390/ma19102118 PMID:42195758	研究论文	使用有限数据集评估六种机器学习与深度学习模型预测混凝土氯离子渗透深度，发现简单模型表现不亚于复杂混合架构	在数据受限条件下系统比较混合网络架构与简单模型性能，提出数据饱和现象使模型复杂度提升无显著收益	数据集仅1078例且来自单一来源，未考虑不同混凝土配比和环境因素对泛化性能的影响	探究数据有限条件下增加模型复杂度对氯离子渗透深度预测性能的影响	混凝土结构的氯离子渗透深度	机器学习	NA	NA	极限梯度提升、分类提升、随机森林、多层感知器、深度神经网络、混合模型(CatDNN)	数值型实验数据	1078个混凝土样本测量数据	NA	CatDNN(CATB与DNN混合架构)、MLP、DNN	最大误差、相关系数(R)	NA
936	2026-05-30	The Diagnostic Value of Deep Learning for Multi-Classification of Rectal Cancer T Staging Based on Regional Attention 2026-May-18, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics16101525 PMID:42196891	研究论文	探索基于区域注意力机制的增强CT深度学习模型在直肠癌T分期术前多分类中的可行性及有效性	提出基于区域注意力的深度学习算法，在直肠癌T分期中实现比影像组学和临床模型更优的二分类和多分类性能	NA	评估基于区域注意力的深度学习模型在直肠癌T分期术前多分类中的诊断价值	500名直肠癌患者（T1期48例、T2期127例、T3期259例、T4期66例）	计算机视觉	直肠癌	增强CT	深度学习	图像	500例直肠癌患者（训练组400例，验证组100例）	PyTorch	区域注意力网络	AUC, 准确率, 微平均AUC, 宏平均AUC	NA
937	2026-05-30	Metaheuristic-Optimized Convolutional Neural Network for Automated Diagnosis of Viral Pneumonia and Tuberculosis from Chest X-Rays 2026-May-18, Diagnostics (Basel, Switzerland) DOI:10.3390/diagnostics16101529 PMID:42196894	研究论文	提出一种基于元启发算法优化的卷积神经网络，用于从胸部X光片中自动诊断病毒性肺炎和肺结核	采用鲸鱼优化算法、灰狼优化器和布谷鸟搜索等元启发算法自动优化CNN架构和训练参数，显著降低计算负载和存储需求，并利用Grad-CAM验证临床可靠性	文中未提及具体局限性	解决病毒性肺炎和肺结核的自动诊断问题，提升诊断效率并降低计算成本	胸部X光片中的正常、病毒性肺炎和肺结核三类病例	计算机视觉	病毒性肺炎, 肺结核	胸部X光成像	卷积神经网络 (CNN)	图像	多源平衡数据集，具体样本数未说明	NA	自定义CNN架构（经元启发算法优化）	诊断准确率, 特异性	NA
938	2026-05-30	Clinicopathological Characteristics and Prediction of Overall Survival and Death Within 2 Years in Diffuse Large B-Cell Lymphoma Based on Histological Images and Deep Learning 2026-May-17, Biomedicines IF:3.9Q1 DOI:10.3390/biomedicines14051134 PMID:42193459	研究论文	基于组织学图像和深度学习预测弥漫性大B细胞淋巴瘤的总体生存期及两年内死亡的可能性	利用H&E组织学图像结合深度学习模型（DarkNet-19）预测DLBCL患者预后，并应用可解释人工智能验证模型关注正确区域；发现2年（24个月）作为区分侵袭性临床演变的转折点	NA	预测DLBCL患者的总体生存期及两年内死亡风险，并分析临床病理特征与预后的关联	弥漫性大B细胞淋巴瘤患者及反应性淋巴组织样本	计算机视觉, 机器学习, 数字病理学	弥漫性大B细胞淋巴瘤	H&E组织学图像处理	卷积神经网络	图像	114例DLBCL病例和44例反应性淋巴组织病例	NA	DarkNet-19	准确率, 精确率, 召回率, 假阳性率, 特异性, F1分数	NA
939	2026-05-30	Advancing Genitourinary Cancer Surgery: The Role of Artificial Intelligence and Robotics 2026-May-17, Journal of clinical medicine IF:3.0Q1 DOI:10.3390/jcm15103856 PMID:42194817	综述	探讨人工智能和机器人手术在泌尿生殖系统癌症管理中的最新进展，涵盖诊断、手术精度的提升及培训效率的改善	整合了人工智能与机器人手术在泌尿生殖系统癌症全程管理中的应用，包括成像分析、肿瘤分割、术中导航、增强现实及远程手术等新兴技术	多数创新仍处于临床验证早期阶段，实际整合有待进一步研究	阐述人工智能和机器人技术在泌尿生殖系统癌症手术中的角色和进展	针对前列腺、肾脏和膀胱恶性肿瘤的相关研究	自然语言处理, 数字病理学	前列腺癌, 肾癌, 膀胱癌	NA	机器学习模型, 深度学习模型	影像数据, 手术视频, 机器人系统传感器数据	NA	NA	NA	NA	NA
940	2026-05-30	Prognostic Modeling of Tricuspid Valve Regurgitation Outcomes Using Machine Learning-Based Survival Analysis 2026-May-17, Journal of clinical medicine IF:3.0Q1 DOI:10.3390/jcm15103859 PMID:42194822	研究论文	利用机器学习生存分析方法建立三尖瓣反流预后风险预测模型	首次比较Cox比例风险、随机生存森林和DeepSurv三种生存分析模型在三尖瓣反流患者预后预测中的性能，并识别右心结构异常和心肌纤维化作为关键风险标志物	NA	开发并评估基于机器学习的生存预测模型以实现三尖瓣反流患者的个性化风险分层	949名中度或重度三尖瓣反流患者	机器学习	三尖瓣反流	心脏磁共振成像	Cox比例风险模型、随机生存森林、DeepSurv深度生存模型	临床特征和影像特征	949名中度或重度三尖瓣反流患者	NA	随机生存森林、DeepSurv	C-index, 时间依赖性AUC	NA