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
9441	2026-06-04	Interpretable deep learning-based hierarchical multi-modal fusion model for predicting HER2 expression in gastric cancer 2026, Frontiers in oncology IF:3.5Q2 DOI:10.3389/fonc.2026.1745228 PMID:42232558	研究论文	提出一种可解释的层级多模态融合模型，用于预测胃癌患者的HER2表达状态	首次构建层级多模态框架，整合内镜深度学习特征、放射组学特征和临床数据来预测HER2表达，并使用SHAP进行特征贡献解释	样本量相对较小，为单中心回顾性研究	提高胃癌患者HER2状态预测的准确性	402名经内镜确诊的胃癌患者	数字病理学, 机器学习	胃癌	内镜成像, 对比增强CT成像, 放射组学	CNN, 逻辑回归	图像, 临床数据	402名胃癌患者（其中92名病理确诊HER2状态）	Pyradiomics, PyTorch	ResNet-50	AUC, 敏感性	NA
9442	2026-06-04	Rehab-DRLX: explainable neurorehabilitation prognosis using deep reinforcement learning and transformer-based models 2026, Frontiers in computational neuroscience IF:2.1Q3 DOI:10.3389/fncom.2026.1808274 PMID:42232896	研究论文	提出Rehab-DRLX模型，结合深度强化学习和可解释Transformer，用于神经康复预后预测	首次将深度强化学习与可解释Transformer结合，通过强化表示学习模块动态处理多模态康复数据，并利用层次注意力机制提供可解释的预后结果	未提及具体局限性，但需注意模型对多模态数据质量的依赖和临床验证范围	设计可解释、高精度的神经康复预后预测模型，克服传统黑盒工具的可信度不足问题	运动功能障碍和神经损伤患者的功能恢复结果，包括日常生活活动能力	机器学习	神经康复疾病	多模态数据融合（临床记录、传感器运动数据、神经影像）	深度强化学习（DRL）、Transformer、卷积神经网络（CNN）	多模态数据（临床记录、传感器数据、神经影像）	未明确提及样本数量	PyTorch	CNN（嵌入DRL代理）、可解释预后Transformer（包含临床上下文位置编码和层次注意力机制）	准确率、F1分数、均方根误差、平均绝对误差	未明确提及
9443	2026-06-04	Deep learning guided propofol ketamine dosing and inflammation trajectories in elderly burns 2026, Frontiers in computational neuroscience IF:2.1Q3 DOI:10.3389/fncom.2026.1824898 PMID:42232895	研究论文	利用深度学习指导老年烧伤患者丙泊酚-氯胺酮给药及炎症轨迹预测	将概率机器学习模型与安全约束的强化学习代理相结合，动态预测炎症标志物轨迹并优化个体化给药方案，实现安全性与疗效的双重提升	基于回顾性数据，需前瞻性试验进一步验证；样本量相对较小；伦理和实时部署挑战	开发并验证一种集成炎症状态预测和用药优化的框架，以改进老年烧伤患者的围手术期管理	老年烧伤患者（≥65岁）在围手术期接受丙泊酚麻醉的614例次事件及206例外部验证事件	机器学习	烧伤	NA	事件Transformer、神经ODE、保守策略Q学习（CPQL）	临床时间序列数据	614例次训练事件和206例次外部验证事件	PyTorch	事件Transformer、神经ODE、保守策略Q学习	平均绝对误差（MAE）、AUROC、预测区间覆盖率、MAP目标时间占比、血管升压药启动率	NA
9444	2026-06-04	Artificial Intelligence and Machine Learning in the Diagnosis and Management of Osteoporosis: A Comprehensive Review 2025-Dec-23, Medicina (Kaunas, Lithuania) DOI:10.3390/medicina62010027 PMID:41597313	综述	对人工智能和机器学习在骨质疏松症诊断与管理中的应用进行了全面综述	系统总结了AI/ML在骨质疏松症诊断、风险预测和个性化治疗中的最新进展，并批判性分析了现有证据的异质性和不足	当前证据异质性大，缺乏稳健的外部验证和定量综合，未充分评估模型在不同人群中的鲁棒性，且对负面或矛盾结果的讨论不足	评估AI和ML在骨质疏松症诊断与管理中的临床应用潜力，并指出未来研究方向	骨质疏松症的诊断和管理流程	机器学习	骨质疏松症	NA	CNN	影像、临床数据、人口统计数据	NA	NA	卷积神经网络	NA	NA
9445	2026-06-04	Detection of blueberry based on hyperspectral imaging and deep learning 2025-Dec, Food research international (Ottawa, Ont.) DOI:10.1016/j.foodres.2025.117141 PMID:41606917	研究论文	利用高光谱成像和深度学习方法检测不同品种和成熟度蓝莓的糖含量	首次将分数阶导数与改进拉普拉斯特征映射相结合用于高光谱数据预处理和波段选择，并构建轻量级卷积神经网络模型，显著提高了复杂场景下蓝莓糖分预测的精度和鲁棒性	未提及模型的泛化能力验证、实际应用中的计算效率及对更广泛蓝莓品种的适用性	探索高光谱成像结合深度学习模型快速检测蓝莓糖含量的方法，满足大规模生产需求	蓝莓（F6、L11、L25三个品种，分为成熟、半成熟、未成熟三个类别）	计算机视觉, 深度学习	NA	高光谱成像	卷积神经网络（CNN）	高光谱图像	涉及三个蓝莓品种F6、L11、L25，共三类成熟度，具体样本数量未说明	NA	自定义浅层卷积神经网络（CNN）	相关系数（Rp）、均方根误差（RMSEP）、残差预测偏差（RPD）	NA
9446	2026-06-04	Seasonal changes driving shifts in core microbes of Nongxiangxing Daqu: a integrated multi-omics analysis and deep learning 2025-Dec, Food research international (Ottawa, Ont.) DOI:10.1016/j.foodres.2025.117216 PMID:41606940	研究论文	通过整合多组学分析和深度学习，揭示季节变化对浓香型大曲核心微生物群的影响	首次将高通量测序与深度学习结合，利用数据驱动的关键物种识别框架验证不同季节大曲的核心微生物，并揭示随机漂变主导群落组装过程	研究基于112个样品，可能存在地域或工艺差异的影响；深度学习模型的可解释性未详细探讨	阐明季节和压曲方式对浓香型大曲风味动态及微生物演替的影响，并识别核心微生物以优化大曲生产质量	浓香型大曲样品及其微生物群落（细菌和真菌），以及理化特性和风味化合物	机器学习	NA	高通量测序	深度学习（数据驱动关键物种识别框架）	序列数据、理化性质数据、风味化合物数据	120个大曲样品（未明确样品类型，实际为120份固态发酵样品）	NA	数据驱动关键物种识别（DKI）框架（具体架构未明确）	NA	NA
9447	2026-06-04	The Rich and the Simple: On the Implicit Bias of Adam and SGD 2025-Dec, Advances in neural information processing systems PMID:42232482	研究论文	探讨Adam和SGD在训练神经网络时的隐含偏差差异，Adam对简单性偏差更具抵抗力	首次证明Adam相比SGD能学习更丰富复杂的特征，产生非线性决策边界，在分布偏移下表现更好	NA	研究Adam与SGD在深层学习中的隐含偏差差异	两层ReLU神经网络	机器学习	NA	NA	两层ReLU神经网络	高斯数据	NA	NA	两层ReLU网络	测试准确率	NA
9448	2026-06-04	ATOMIC: a graph attention network for atopic dermatitis prediction using human gut microbiome 2025, Frontiers in immunology IF:5.7Q1 DOI:10.3389/fimmu.2025.1670993 PMID:41583462	研究论文	提出一种基于图注意力网络的模型ATOMIC，利用人类肠道微生物组预测特应性皮炎	首次将图注意力网络与微生物共表达网络结合，整合微生物基因组信息作为节点特征，增强了捕捉功能相关微生物模式的能力，并提供了可解释的注意力机制	研究样本量较小（99个样本），且仅聚焦于特应性皮炎，可能限制模型的泛化能力	开发可解释的深度学习模型，利用肠道微生物组预测特应性皮炎，并识别潜在生物标志物	特应性皮炎患者与健康对照的肠道微生物组样本	机器学习	特应性皮炎	NA	图注意力网络 (GAT)	肠道微生物组丰度数据	99个成年患者与健康对照的肠道微生物组样本	PyTorch	图注意力网络	AUROC, AUPRC	NA
9449	2026-06-04	AI-driven transformation of precision medicine: a comprehensive narrative review of key application areas, emerging paradigms, and future directions 2025, Frontiers in public health IF:3.0Q2 DOI:10.3389/fpubh.2025.1656603 PMID:41584179	综述	综合评述人工智能在精准医疗中推动范式转变的关键应用领域、新兴趋势和未来方向	全面分析AI如何重塑从传统诊疗向个性化健康管理生态的转变，并探讨共生AI等未来框架	证据基础不均衡、模型泛化性不足，以及数据隐私、算法公平性和可解释性等伦理问题	阐明AI驱动精准医疗转变的核心作用及未来发展方向	AI技术在精准医疗全价值链中的创新应用	机器学习	NA	深度学习, 机器学习, 自然语言处理	NA	多模态数据	NA	NA	NA	NA	NA
9450	2026-06-04	Deep learning-based multimodal approach for non-invasive prediction and prognostic analysis of immune and angiogenic biomarkers in extrahepatic cholangiocarcinoma 2025, Frontiers in immunology IF:5.7Q1 DOI:10.3389/fimmu.2025.1658122 PMID:41607783	research paper	开发基于深度学习的多模态框架，整合MRI、临床和实验室数据，预测肝外胆管癌患者PD-L1和VEGF表达并进行预后分析	首次将深度学习特征、影像组学特征和临床-实验室特征通过重复注意机制整合，实现对肝外胆管癌免疫和血管生成生物标志物的无创预测	回顾性研究设计，样本量有限（96例），模型对PD-L1表达的预测性能中等（AUC=0.71），可能影响泛化能力	开发非侵入性方法预测肝外胆管癌患者的PD-L1和VEGF表达，并评估其预后价值	肝外胆管癌（eCCA）患者	digital pathology	extrahepatic cholangiocarcinoma	MRI成像	CNN	图像	96例患者的16050张原始MRI图像（11505张T1WI，2371张T2WI，2372张DWI）和1570张含肿瘤图像（990张T1WI，289张T2WI，291张DWI）	PyTorch	重复注意机制	AUC	NA
9451	2026-06-03	Solution-Tunable Interfacial Interaction Landscape Governs Anomalous Nanoparticle Diffusion in Liquid-Phase Electron Microscopy 2026-Jun-02, ACS nano IF:15.8Q1 DOI:10.1021/acsnano.6c04149 PMID:42065132	研究论文	揭示液相透射电镜中聚乙二醇包覆金纳米棒在氮化硅膜附近的反常扩散机制，并通过调节离子环境实现从分数布朗运动到退火瞬态时间运动的可调转变	首次通过系统调控离子环境实现纳米颗粒表面扩散从分数布朗运动到退火瞬态时间运动的可调转变，并引入被动纳米流变学框架定量表征界面粘弹性力学响应	未提及该方法在复杂多组分体系中的适用性及长期稳定性	阐明液相透射电镜中纳米颗粒在液固界面处的反常扩散物理机制并实现可调控界面输运	聚乙二醇包覆金纳米棒在氮化硅膜附近液固界面的扩散行为	计算机视觉, 机器学习	不适用	液相透射电镜	深度学习分类模型	图像, 轨迹数据	不适用	PyTorch	不适用	不适用	不适用
9452	2026-06-03	P4NSU: Projection-Based Pretraining for Nonlinear Sparse Unmixing in Spectral Imaging 2026-Jun-02, Analytical chemistry IF:6.7Q1 DOI:10.1021/acs.analchem.6c00440 PMID:42145112	研究论文	提出一种基于投影预训练的深度学习框架P4NSU，用于解决光谱成像中的非线性稀疏解混问题	首次将层次化预训练与可学习投影相结合，将非线性解混转化为线性问题，显著降低整体均方根误差14-51%	未提及模型对噪声或不同成像条件的鲁棒性测试，且潜在的计算开销未详细说明	提高光谱成像（如高光谱和拉曼成像）中成分定量分析的准确性，克服非线性混合效应	合成数据集（基于三种非线性模型）及真实数据集（颜料高光谱成像、白血病细胞拉曼成像）	机器学习	白血病	高光谱成像，拉曼光谱成像	深度学习网络	光谱图像数据	三个合成数据集（未提供具体数量）及真实数据集（颜料样本和白血病细胞样本）	PyTorch	层次化预训练网络，可学习特征投影层	均方根误差（RMSE），解混精度，自动化分类性能	NA
9453	2026-06-03	Deep Learning-Assisted Elucidation of Structure-Performance Relationships in MOF-NH3 Adsorption Refrigeration Working Pairs 2026-Jun-02, Langmuir : the ACS journal of surfaces and colloids IF:3.7Q2 DOI:10.1021/acs.langmuir.6c00788 PMID:42142072	研究论文	通过深度学习揭示了MOF-NH3吸附制冷工作对的结构-性能关系	利用高通量计算构建包含9835种MOF结构的吸附数据库，并采用CNN模型提取深层特征，创新性地阐明了饱和氨条件下MOF的吸附机制	仅依赖模拟数据，缺乏实验验证；数据库规模和参数维度可能限制模型泛化能力	阐明MOF-NH3吸附制冷工作对的结构-性能关系，为低碳材料设计提供指导	9835种金属有机框架（MOF）结构及其氨吸附性能	机器学习	NA	高通量巨正则蒙特卡洛计算	CNN	数值数据	9835种MOF结构	NA	CNN	R²分数	NA
9454	2026-06-03	A voyage on computer aided intelligent algorithms for the segmentation of brain tissues for neurodisorder diagnosis 2026-Jun-02, The International journal of neuroscience DOI:10.1080/00207454.2026.2680936 PMID:42190614	综述	综述了从手动和半自动方法到机器学习和深度学习算法的大脑组织分割技术的进展	比较了监督、无监督和深度学习范式在临床环境中的优缺点和潜在用途，并提出了结合传统和AI方法的混合与集成方法	数据异质性、标注局限性和可解释性仍是挑战	推动大脑组织分割技术发展，促进神经疾病早期诊断、治疗规划和个性化医疗	大脑组织中的灰质、白质和脑脊液	计算机视觉	阿尔茨海默病、多发性硬化症、创伤性脑损伤、中风	NA	机器学习, 深度学习	MRI, CT图像	NA	NA	NA	NA	NA
9455	2026-06-03	Deep Learning-Based Acoustic Screening for Penetration-Aspiration Events Using Short Voice Recordings 2026-Jun-02, Dysphagia IF:2.2Q1 DOI:10.1007/s00455-026-10956-1 PMID:42228093	研究论文	评估基于智能手机的深度学习AI工具通过简短语音记录筛查吞咽后气道障碍的可行性	首次利用1.5秒简短语音记录和自编码器异常检测模型实现吞咽后穿透-误吸事件的声学筛查，无需复杂设备	独立测试集特异性较低（50.0%），且研究仅限于VFSS转诊患者，样本量相对较小	评估智能手机深度学习AI工具通过简短语音记录检测吞咽后气道障碍的可行性	接受视频荧光吞咽检查（VFSS）的患者的吞咽后语音记录	机器学习	吞咽障碍	智能手机录音	自编码器	语音	208名参与者	NA	自编码器	灵敏度, 特异度, 准确率, AUC	NA
9456	2026-06-03	Recognition of Normal Fetal Echocardiograms Based on an Explainable Denoising Deep Learning Model 2026-Jun, Journal of clinical ultrasound : JCU IF:1.2Q3 DOI:10.1002/jcu.70183 PMID:41546466	research paper	提出一种可解释去噪深度学习模型GSCAViT用于分类正常胎儿超声心动图	集成新型去噪引导GSCA模块，提升图像质量和可解释性，利用SHAP方法澄清关键图像特征	局限性未在摘要中提及	评估GSCAViT模型在正常胎儿超声心动图分类中的性能	正常胎儿超声心动图	computer vision	NA	AI	Vision Transformer	image	2501张图像来自358次胎儿心脏超声检查	NA	Grouped Shared Convolutional Attention Vision Transformer (GSCAViT)	accuracy, precision, recall, F1 score, contrast-to-noise ratio, peak signal-to-noise ratio	NA
9457	2026-06-03	On scientific foundation models: Rigorous definitions, key applications, and a comprehensive survey 2026-Jun, Neural networks : the official journal of the International Neural Network Society IF:6.0Q1 DOI:10.1016/j.neunet.2026.108567 PMID:41547123	综述	本文对科学基础模型提供了严格定义、关键应用和全面综述	首次提出科学基础模型的严格定义，将其能力分为四个关键维度（域适应、域泛化、问题适应、问题泛化），并基于模型架构、学习目标和训练策略提出分类法	科学基础模型在极端外推情况下的物理一致性、可解释性和鲁棒性仍存在挑战，且计算需求大、缺乏标准化基准	为科学基础模型提供严格定义，分类总结现有模型，并指出开放研究方向	科学基础模型在化学、材料科学、生物学、气候与天气、地球观测、地球物理学、混沌动力学、机器人学与控制、核科学等领域的应用	机器学习	NA	大规模预训练	深度学习模型	NA	NA	NA	NA	NA	NA
9458	2026-06-03	A causal bidirectional selective state space model for imaging genetics in neurodegenerative diseases 2026-Jun, Neural networks : the official journal of the International Neural Network Society IF:6.0Q1 DOI:10.1016/j.neunet.2026.108587 PMID:41547121	research paper	本文提出一种因果双向选择性状态空间模型（CausalMamba），用于神经退行性疾病的影像遗传学分析，实现从遗传数据到疾病诊断的因果推理与高效分类	首次将因果推断与双向选择性状态空间模型（BiMamba）结合，构建统一的表示学习框架，实现仅需遗传数据即可完成疾病诊断，并在模拟与真实数据集上验证了因果生物标志物的识别能力	NA	解决影像遗传学中长基因序列特征提取及遗传、影像与疾病间因果关联建立的挑战，提升神经退行性疾病诊断性能	阿尔茨海默病与帕金森病的遗传与脑影像数据	machine learning	neurodegenerative diseases	基因测序、脑影像	因果双向选择性状态空间模型（CausalMamba）	遗传数据、脑影像数据	模拟数据集、ADNI数据集、PPMI数据集	PyTorch	BiMamba	accuracy	NA
9459	2026-01-25	Deep learning reconstruction enhances 1.5T MR angiography beyond 3T in vascular visualization for Moyamoya disease 2026-Jun, Japanese journal of radiology IF:2.9Q2 DOI:10.1007/s11604-025-01945-9 PMID:41579320	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
9460	2026-01-28	Advancing personalized prognostic assessment in rectal cancer through multi-instance deep learning 2026-Jun, European radiology IF:4.7Q1 DOI:10.1007/s00330-026-12340-x PMID:41591473	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA