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
9861	2026-05-31	A gated task-attentive multi-task network for unified retinal image analysis 2026-May-19, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-52418-6 PMID:42156815	研究论文	提出GTAM-Net，一个门控任务注意力多任务网络，用于统一视网膜图像分析，同时完成视盘分割和糖尿病视网膜病变分级	引入门控任务注意力块动态决定特征共享方式，避免负迁移；采用多尺度特征金字塔保持层级上下文，基于不确定性的损失加权防止单任务主导训练	未明确讨论模型在极端病变多样性或罕见病例上的性能表现，也未提及计算资源消耗或实时性分析	开发一个端到端的多任务网络，联合完成视盘分割和糖尿病视网膜病变严重程度分级，以提高筛查工具的准确性和稳定性	视网膜图像，包括视盘分割和DR分级任务	计算机视觉, 数字病理	糖尿病视网膜病变	眼底成像	多任务网络	图像	五个公共数据集：IDRiD, DDR, Messidor-2, APTOS, REFUGE	PyTorch	GTAM-Net，门控任务注意力块，多尺度特征金字塔	Dice系数, 准确率	NA
9862	2026-05-31	Evaluation Framework for Bruise Detection: Systematic ALS/White-Light Training and Skin-Tone Balancing with Deep Learning 2026-May-19, Sensors (Basel, Switzerland) DOI:10.3390/s26103215 PMID:42198024	研究论文	提出一种集成窄带交变光源与白光成像的自动瘀伤检测评估框架	首次将窄带交变光源（ALS）法医成像与白光成像整合，并引入肤色平衡训练、阈值敏感度分析和嵌入相似性分区等模型诊断策略	肤色平衡训练虽降低了深色皮肤的检测失败率，但在某些人口统计子组中增加了过度预测，且图像级别分区导致泛化性能被高估	开发并评估一种在不同肤色和光照条件下均能公平准确检测瘀伤的自动框架	多注释者全共识数据集中的白光及ALS（415 nm和450 nm）图像	计算机视觉	瘀伤	窄带交变光源（ALS）成像、白光成像	深度学习模型（基于ImageNet预训练主干网络）	图像	数据集包含白光和ALS图像，具体样本数量未明确说明	NA	ImageNet预训练主干网络（未明确具体架构如ResNet）	准确率、置信度稳定性指标、IoU阈值、失败率、过度预测率	NA
9863	2026-05-31	A multicenter study of automatic segmentation-based multimodal fusion integrating radiomics, deep learning, and clinical parameters for prostate cancer detection 2026-May-08, Abdominal radiology (New York) DOI:10.1007/s00261-026-05548-4 PMID:42101624	研究论文	基于自动MRI分割，开发并验证一种整合影像组学、深度学习和临床特征的可解释机器学习模型，用于前列腺癌检测	创新性地融合了基于自动分割的影像组学、深度学习标签和临床参数，并采用SHAP进行模型解释，实现了高精度且可解释的前列腺癌检测	作为回顾性研究，可能存在选择偏倚；且自动分割模型的性能可能影响后续特征提取，尚未在更广泛人群中验证	开发并验证一种整合多模态特征（影像组学、深度学习、临床参数）的可解释机器学习模型，提升前列腺癌检测的准确性及临床实用性	前列腺癌患者	医学影像分析	前列腺癌	MRI影像组学、深度学习	机器学习模型（XGBoost）与深度学习模型（DenseNet-121）	MRI图像（T2加权成像和表观扩散系数图）及临床数据	总共433名患者：内部队列346人（训练集242人，内部验证集104人），外部测试集87人	PyTorch	DenseNet-121	曲线下面积（AUC）及相关指标	NA
9864	2026-05-31	A causal inference framework for identifying essential genes to enhance drug synergy prediction 2026-May-03, Bioinformatics (Oxford, England) DOI:10.1093/bioinformatics/btag010 PMID:41537237	研究论文	提出了一个名为CADS的深度学习框架，通过明确建模基因-药物因果关系来提高药物协同作用预测的准确性和生物学可解释性	在药物协同作用预测中首次引入可学习的基因选择机制，通过因果后门调整实现基因因果关系建模，提升预测性能和生物学解释能力	NA	提升药物协同作用预测的准确性和可解释性，同时识别关键基因	药物组合和癌细胞系	机器学习	癌症	NA	深度学习模型	多组学数据	NA	PyTorch	Transformer, 图神经网络	准确率	NA
9865	2026-05-31	Multiomics and deep learning dissect regulatory syntax in human development 2026-May, Nature IF:50.5Q1 DOI:10.1038/s41586-026-10326-9 PMID:41951735	研究论文	通过多组学数据和深度学习模型揭示人类发育过程中转录因子结合基序的语法规则	构建了首个涵盖12个器官、203种细胞类型和超百万个候选顺式调控元件的人类发育多组学图谱，并利用深度学习模型从局部DNA序列中预测染色质可及性，系统解析了基序的‘硬’和‘软’语法规则	未明确提及，但可能依赖于现有数据集和模型泛化性限制	解析人类发育过程中转录因子调控的顺式语法和染色质可及性机制	人类胎儿细胞中的染色质可及性和基因表达	机器学习	NA	单细胞ATAC-seq与单细胞RNA-seq的多组学分析	深度学习模型	单细胞染色质可及性和基因表达数据	817,740个胎儿细胞，来自12个器官，覆盖203种细胞类型	NA	NA	NA	NA
9866	2026-05-31	DeepFAN, a transformer-based model for human-artificial intelligence collaborative assessment of incidental pulmonary nodules in CT scans: a multireader, multicase trial 2026-May, Nature cancer IF:23.5Q1 DOI:10.1038/s43018-026-01147-w PMID:42020549	研究论文	提出基于Transformer的DeepFAN模型，通过多读者多病例临床试验验证其在CT扫描肺结节良恶性分类中辅助初级放射科医生的有效性	首次将Transformer架构用于全面整合肺结节全局与局部特征，并通过大规模多中心临床试验验证模型辅助诊断效能	未提及模型在不同CT扫描参数、结节亚型或非病理确诊样本上的泛化能力	开发并验证基于Transformer的深度学习模型DeepFAN，提升肺结节良恶性分类的准确性和诊断一致性	10,000余例病理确诊的肺结节（内部测试集）及400例来自三家独立医疗机构的多读者多病例临床试验数据	计算机视觉	肺癌	CT扫描	Transformer	图像	内部测试集：10,000余例病理确认结节；临床试验数据集：400例来自三家独立医疗机构	NA	Transformer	AUC, 准确率, 敏感性, 特异性, kappa系数	NA
9867	2026-05-31	Deep Learning Discriminates Seizures from Normal Brain Oscillations in the Electroencephalogram of a Rat Model of Post-traumatic Epilepsy 2026-05, eNeuro IF:2.7Q3 DOI:10.1523/ENEURO.0032-26.2026 PMID:42045047	研究论文	利用深度学习客观识别创伤后癫痫大鼠模型脑电图中的癫痫发作与正常脑振荡	通过迁移学习训练神经网络，区分三种不同的脑电图表型（迟发性惊厥发作、早发性惊厥发作和棘慢波放电），并揭示早期和晚期癫痫发作具有相似的表型	未明确提及，但可能包括模型样本量有限、流体冲击损伤诱导癫痫的罕见性可能不适合测试抗癫痫发生疗法	客观识别创伤后癫痫大鼠模型脑电图中的癫痫发作，并区分不同类型的脑电活动	雄性大鼠的创伤后癫痫模型	机器学习和数字信号处理	创伤后癫痫	脑电图	卷积神经网络	脑电图信号	未明确提及，但涉及大鼠手术处理组和假手术组，包含多种癫痫发作事件	NA	卷积神经网络	检测准确率（隐性提及），具体指标未明确列出	NA
9868	2026-05-31	Integrated computational and experimental analysis explores FOLH1 expression patterns across cancers and nominates melatonin as a potential modulator in prostate cancer models 2026-May, PLoS computational biology IF:3.8Q1 DOI:10.1371/journal.pcbi.1014315 PMID:42172245	研究论文	通过计算与实验整合分析，探索FOLH1在多种癌症中的表达模式，并提名褪黑素作为前列腺癌的潜在调节因子	首次系统分析FOLH1在泛癌中的表达模式、免疫调节作用及免疫细胞浸润，并利用机器学习结合深度学习筛选靶向FOLH1的药物候选物，通过体外和体内实验验证褪黑素的潜在治疗作用	需要进一步的机制验证来确认褪黑素与FOLH1相互作用的分子机制	研究FOLH1在泛癌中的表达模式及免疫调节作用，并探索其在前列腺癌中的治疗潜力	FOLH1基因在多种恶性肿瘤中的表达、预后相关性及免疫浸润，以及褪黑素对前列腺癌模型的影响	机器学习, 数字病理学	前列腺癌	RNA-seq, 体外细胞实验, 裸鼠异种移植模型	深度学习模型	基因表达数据, 图像（细胞和肿瘤）	27种癌症类型的表达数据，以及前列腺癌相关体外和体内实验	NA	深度学习模型（未指定具体架构）	表达水平、预后相关性、免疫浸润指标	NA
9869	2026-05-31	Artificial intelligence in nursing practice for older adults with dementia: A narrative review informed by bibliometric mapping and implications for nurse-led research 2026-May, Journal of Korean gerontological nursing DOI:10.17079/jkgn.2026.00143 PMID:42209252	综述	该叙事综述基于文献计量图谱，探讨人工智能在老年痴呆症护理实践中的应用，并提出护士主导研究的优先方向	结合文献计量图谱（VOSviewer）与叙事综述方法，系统梳理国际与韩国本土研究，聚焦护士主导的AI研究方向	韩国研究集中于情感支持机器人且存在方法学局限，国际研究需更多严格护士主导的临床试验	绘制痴呆护理中AI的全球研究格局，识别韩国研究特点，并提出护士主导AI研究的优先方向	老年痴呆症护理中的人工智能应用	人工智能	老年痴呆症	NA	NA	文献数据	国际文献5,710篇，韩国文献265篇	NA	NA	NA	VOSviewer软件，Leiden算法
9870	2026-05-31	Deep learning for dose-averaged linear energy transfer estimation in pencil-beam scanning and double scattering proton radiotherapy plans with uncertainty-aware external validation 2026-May, Physics and imaging in radiation oncology DOI:10.1016/j.phro.2026.100998 PMID:42212206	研究论文	开发用于质子放疗中剂量平均线性能量转移（LETd）估计的深度学习模型	首次在笔束扫描和双散射质子放疗中同时训练深度学习模型，并引入不确定性评估机制以在无参考数据的外部验证中评估模型可靠性	未明确说明局限性，但外部验证仅针对双散射模型	为脑肿瘤患者的质子放疗开发深度学习LETd预测模型，并评估其在外部数据集上的不确定性	脑肿瘤患者	机器学习	脑肿瘤	蒙特卡洛模拟，深度学习	深度学习模型	剂量分布图像	570名患者的605个治疗计划	NA	NA	中位和98百分位体素绝对误差，系综方差，潜在空间距离	NA
9871	2026-05-31	AgroDualNet: a dual deep learning-based crop disease forecasting and fruit ripening detection 2026-Apr-29, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-49002-3 PMID:42056187	研究论文	开发了一种名为AgroDualNet的双阶段深度学习框架，用于作物疾病预测和水果成熟度检测，以优化农业生产	提出了一个双模块统一框架，同时解决作物疾病预测和水果成熟度识别问题，并结合了CBAM注意力机制、SMO优化的SVM分类器以及YOLOv8与MobileNetV2的轻量化架构，支持边缘部署和决策支持层	未明确说明局限性，但可能包括对特定数据集（如PlantVillage）的依赖以及缺乏在更广泛作物类别或真实复杂场景中的验证	通过结合深度学习和物联网技术，提高作物疾病诊断和水果成熟度测量的准确性与效率，支持精准农业中的实时决策	作物疾病（来源于PlantVillage数据集）和水果成熟度（苹果，来源于Kaggle和真实农田数据集）	计算机视觉	农作物疾病（未指定具体疾病类型）	深度学习，计算机视觉	CNN、SVM、YOLO	图像	PlantVillage数据集（三分类子集和多类设置）和包含苹果的图像数据集（未明确具体样本数量）	PyTorch	ResNet50, CBAM, MobileNetV2, YOLOv8	准确率、精确率、召回率、F1分数、推断时间	边缘设备（未指定具体GPU或云平台）
9872	2026-05-31	Plant invasion reduces density-dependent pollination but not florivory 2026-Apr-16, Oecologia IF:2.3Q2 DOI:10.1007/s00442-026-05881-x PMID:41989621	研究论文	利用深度学习和无人机技术监测植物入侵对多营养级群落动态的影响	首次将消费级无人机与深度学习结合，用于量化入侵植物对传粉和草食作用的密度依赖性影响	未说明	评估植物入侵对传粉服务和草食作用的密度依赖性影响	狗绞杀藤（Vincetoxicum rossicum）入侵的草地中的新英格兰紫菀（Symphyotrichum novae-angliae）及其传粉者和专食性象鼻虫（Anthonomus rufipes）	计算机视觉	NA	无人机成像	深度学习模型（未具体说明）	图像	加拿大安大略省多伦多地区Rouge国家城市公园中入侵梯度上的草地样点	NA	NA	NA	消费级无人机
9873	2026-05-31	Football cybersecurity threat severity prediction using multi-head transformer-based deep learning models 2026-Apr-11, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-44399-3 PMID:41965384	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
9874	2026-05-31	A physic-guided YOLO framework for pavement deformation distress detection 2026-Apr-06, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-45400-9 PMID:41942480	研究论文	开发了一种基于YOLO并结合物理引导的自动方法，用于检测路面变形病害如车辙和波浪形	将物理信息神经网络（PINN）整合入YOLO框架，通过在损失函数中引入物理信息惩罚项，提高了边界框精度并减少假阳性	研究中的波浪形（corrugation）实例有限，可能导致模型对该类别检测性能的泛化能力不足	实现路面变形病害（车辙和波浪形）的自动检测与评估	路面图像中的车辙和波浪形病害	计算机视觉	NA	深度学习	YOLO, PINN	图像	未知数量的道路图像数据集	PyTorch	YOLOv5, 物理信息神经网络（PINN）	平均精度均值（mAP）	NA
9875	2026-05-31	Text guided cross attentive multimodal learning with visual feature modulation for automated skin lesion detection 2026-Apr-06, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-47271-6 PMID:41942550	研究论文	提出一种文本引导的交叉注意力多模态学习框架TG-CAVNet，用于自动化皮肤病变检测	首次将临床文本与皮肤镜图像通过文本引导的通道特征调制和交叉注意力机制深度融合，提升诊断准确性和可解释性	未明确说明局限性（基于摘要内容推测可能存在对罕见皮肤病或小样本场景的泛化能力不足）	提高自动化皮肤病变检测的诊断准确性和语义可解释性	皮肤病变的皮肤镜图像与对应临床文本数据	计算机视觉，自然语言处理	皮肤病变	多模态深度学习	多模态交叉注意力网络	图像，文本	6194个对齐的图像-文本样本	PyTorch	Bio-ClinicalBERT，EfficientNet-B4	准确率，宏Jaccard得分	NA
9876	2026-05-31	Scene classification in dance art using deep learning with squeeze and excitation networks and the Advanced Beluga Whale Optimization Algorithm 2026-Apr-06, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-46705-5 PMID:41942693	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
9877	2026-05-31	Blockchain and bio-inspired deep learning for energy-efficient EV-to-grid optimization 2026-Apr-06, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-47136-y PMID:41942698	研究论文	提出一种基于生物启发式深度学习与区块链的电动汽车到电网（V2G）能量优化框架	将帝王蝶优化算法与门控循环单元网络结合，并嵌入基于以太坊的区块链层，实现充电调度、交易安全与电网协同的集成优化	研究结果基于仿真与协同仿真实验，未考虑实际部署中的通信延迟、硬件非理想性和监管因素	实现电动汽车到电网能量交换的高效、安全与实时优化	电动汽车充电与放电调度、电网负荷平衡、交易验证	机器学习, 区块链, 智能电网	NA	仿真实验	GRU网络, 帝王蝶优化算法	仿真数据	NA	MATLAB/Simulink, TensorFlow, Ethereum	GRU网络	充电成本降低率, 峰值负载削减效率, 预测准确率, 电网调节响应时间减少率, 电动汽车排队延迟减少率	NA
9878	2026-05-31	NMR-Solver: automated structure elucidation via large-scale spectral matching and physics-guided fragment optimization 2026-Apr-02, Nature communications IF:14.7Q1 DOI:10.1038/s41467-026-71315-0 PMID:41927575	研究论文	提出NMR-Solver框架，通过大规模谱图匹配和物理引导的分子优化，实现从氢和碳核磁共振波谱自动解析有机小分子结构	整合大规模谱图匹配与基于原子级结构-谱关系的物理引导分子优化，首次将计算NMR分析、深度学习和可解释化学推理统一为自动化系统	未明确提及局限性	开发自动化、可解释且实用的分子结构解析方法，解决核磁共振波谱分析中的逆问题	有机小分子结构	机器学习	NA	NMR光谱	深度学习模型	NMR谱图	模拟基准数据集、文献中精心整理的实验数据及真实实验数据	NA	NA	泛化能力、鲁棒性、实用性	NA
9879	2026-05-31	Multimodal AI model for early detection of hepatocellular carcinoma 2026-Apr-02, NPJ precision oncology IF:6.8Q1 DOI:10.1038/s41698-026-01393-2 PMID:41927783	研究论文	开发了一种多模态AI模型用于早期肝细胞癌检测，结合组织病理学和转录组学特征	首次提出两阶段多尺度深度学习模型TMC-net，结合H&E图像和转录组标记基因构建多模态分类模型，超越病理基础模型和传统特征	未明确讨论模型在不同人群中的泛化能力及潜在偏差	早期肝细胞癌与高级别异型增生结节的精准区分及辅助诊断	早期肝细胞癌和癌前病变组织样本	数字病理学, 机器学习	肝细胞癌	H&E染色，比较转录组分析	深度学习模型（TMC-net），多模态分类模型	组织病理图像，转录组数据	内部测试集和外部测试集样本，具体数量未提及	未提及	TMC-net（多尺度深度学习网络）	AUROC	未提及
9880	2026-05-31	Analysing DCE-MRI scans using hybrid techniques for early detection of prostate cancer based on fusion features of handcrafted and deep learning features 2026-Apr, Journal of medical engineering & technology DOI:10.1080/03091902.2026.2627179 PMID:41700925	研究论文	提出一种融合人工特征与深度学习特征的混合框架，用于基于DCE-MRI扫描的前列腺癌早期检测	首次将广义量子伽马多项式特征、动力学信号强度特征与CNN深度特征融合，构建综合特征表示用于前列腺癌诊断	未提及具体的局限性	开发一种新型混合诊断框架，通过融合人工特征和深度学习特征提高前列腺癌早期检测的准确性	DCE-MRI扫描图像中的前列腺组织病变	数字病理学	前列腺癌	DCE-MRI, 广义量子伽马多项式特征提取, 动力学特征提取	CNN	图像	公共前列腺影像数据集中的样本	NA	CNN	准确率	NA