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
81	2026-06-02	Analytical Capabilities and Future Perspectives of Chemometrics in Omics for Food Microbial Investigation 2026, Critical reviews in analytical chemistry IF:4.2Q1 DOI:10.1080/10408347.2025.2463430 PMID:39945579	综述	综述化学计量学在食品微生物组学数据分析中的潜力、挑战与未来方向	系统总结了化学计量学在食品微生物组学研究中的应用现状及未来与深度学习结合的迫切需求	化学计量学工具特性各异，选择合适技术并实现多组学数据融合分析仍面临巨大挑战	探讨化学计量学在食品微生物组学数据分析中的应用原理、挑战及前景	食品微生物组及其多组学数据	机器学习	NA	组学技术	深度学习	多组学数据	NA	NA	NA	预测准确性	NA
82	2026-06-02	Multicenter Validation of Video-based Deep Learning to Evaluate Defecation Patterns on 3-dimensional High-definition Anorectal Manometry 2026-Jan, Clinical gastroenterology and hepatology : the official clinical practice journal of the American Gastroenterological Association IF:11.6Q1 DOI:10.1016/j.cgh.2025.06.038 PMID:40706732	研究论文	在多个医疗中心验证基于视频的深度学习算法，通过三维高分辨率肛门直肠测压评估排便模式	使用视频深度学习进行时空分析以识别排便协同失调，并发现两种新的排便协同失调亚型	NA	验证基于视频的深度学习算法在三维高分辨率肛门直肠测压中的多中心有效性	2018年至2022年间三个大型医疗系统的1214例连续肛门直肠测压研究	计算机视觉, 机器学习	消化道动力疾病	三维高分辨率肛门直肠测压	深度学习模型	视频数据	1214例肛门直肠测压研究	NA	NA	曲线下面积（AUC）	NA
83	2026-06-02	Development and validation of clinico-imaging machine learning and deep learning models to predict responses to initial antiseizure medications in epilepsy 2026-01, Epilepsia IF:6.6Q1 DOI:10.1111/epi.18668 PMID:41133949	研究论文	利用临床和脑部MRI数据开发并验证人工智能模型，用于预测癫痫患者对初始抗癫痫药物的反应	融合3D视频ResNet、变换器编码器和双线性神经网络的多模态深度学习模型，综合多序列MRI、药物方案和临床特征，优于其他模型	需要在更大队列中进一步验证	开发并验证能预测癫痫患者对前两种抗癫痫药物反应的人工智能模型	新确诊的癫痫患者	机器学习	癫痫	脑部多模态MRI	深度学习、机器学习	图像、文本	开发队列154人，验证队列301人	PyTorch	3D视频ResNet、变换器编码器、双线性神经网络	F1分数	NA
84	2026-06-02	A review of remote sensing-based crop yield estimation: machine learning techniques and environmental, algorithmic, and hardware limitations 2026, Frontiers in plant science IF:4.1Q1 DOI:10.3389/fpls.2026.1742689 PMID:41937763	综述	系统梳理了基于遥感技术的作物产量估算方法，重点关注机器学习技术及相关环境、算法与硬件限制	提出了四类遥感方法的系统性分类框架，并首次从环境、算法、硬件与无线传感器网络四个维度总结局限性	未涵盖不同作物类型的具体条件差异，对深度学习架构的可解释性讨论不足	综述遥感技术在作物产量估算中的应用及其发展挑战，为研究者提供指导	各类作物与植物的产量估算方法及机器学习模型	自然语言处理	NA	遥感	深度学习	遥感图像	NA	NA	NA	准确率、精确率、召回率、F1分数	NA
85	2026-06-02	Artificial Intelligence for Cardiovascular Risk Prediction: An Umbrella Review of Applications and Translational Challenges 2026, Vascular health and risk management IF:2.6Q2 DOI:10.2147/VHRM.S590502 PMID:41939694	综述	一篇伞状综述，评估人工智能在心血管风险预测中的应用、性能及转化挑战	通过伞状综述框架系统整合了人工智能模型的预测性能证据，并重点分析了从研究到临床转化的障碍	主要依赖内部验证，校准报告不一致，算法公平性评估有限，外部验证不足	评估人工智能模型用于心血管风险预测的应用、预测性能及转化局限性	心血管疾病风险预测	机器学习	心血管疾病	NA	机器学习、深度学习	图像、临床数据	48项研究（8项随机对照试验、28项队列研究、12项系统评价或荟萃分析）	NA	NA	AUC	NA
86	2026-06-02	Radiomics-integrated machine learning framework for quantitative breast cancer diagnosis 2026, Frontiers in artificial intelligence IF:3.0Q2 DOI:10.3389/frai.2026.1752413 PMID:41940107	研究论文	提出了一种结合深度学习、放射组学和机器学习的自动化流程，用于乳腺肿瘤的分割和分类	将放射组学特征与UNet分割模型及机器学习分类算法整合到统一自动化流水线中，实现从超声图像输入到肿瘤良恶性判别的端到端定量分析	未提及模型在外部数据集上的泛化验证，也未讨论计算资源消耗及实时性表现	开发自动化乳腺肿瘤分割与分类系统以辅助早期诊断	乳腺超声图像中的肿瘤区域	医学影像分析	乳腺癌	超声成像、放射组学	CNN、机器学习模型（未指定具体分类器）	图像（超声）	BUSI数据集（未说明具体样本数量）	NA	UNet	平均交并比（mIoU）、准确率	NA
87	2026-06-02	Deep learning-based assessment of coronary artery disease using curved-multiplanar reconstruction: comprehensive evaluation of stenosis, calcification, and plaque 2026, Frontiers in artificial intelligence IF:3.0Q2 DOI:10.3389/frai.2026.1602119 PMID:41940098	研究论文	开发并验证了一种基于深度学习的框架在弯曲面重建影像中检测和量化冠状动脉狭窄、易损斑块和钙化	首次在弯曲面重建影像上使用2D nnU-Net框架同时实现狭窄和易损斑块的自动分割与量化，并在时间独立测试集中验证了高阴性预测价值	未提及模型的外部验证或在不同影像设备上的泛化性，且仅针对弯曲面重建影像单一模态	支持临床决策中对冠状动脉疾病的非侵入性筛查与标准化评估	冠状动脉的弯曲面重建影像中的血管狭窄、易损斑块和钙化区域	计算机视觉, 数字病理学	冠状动脉疾病	弯曲面重建影像	2D nnU-Net	影像（弯曲面重建切片）	训练集1,715名患者（5,112条血管），时间独立测试集824名患者（2,437条血管）	PyTorch	nnU-Net	Dice相似系数, 阳性预测值, 阴性预测值, 平均绝对误差, Bland-Altman分析, 组内相关系数, Kappa系数	NA
88	2026-06-02	Transformers meet CNNs for insights into breast mass classification from histopathological images 2026, Frontiers in artificial intelligence IF:3.0Q2 DOI:10.3389/frai.2026.1770667 PMID:41940102	研究论文	利用深度学习对组织病理学图像中的乳腺肿瘤进行良恶性分类	比较了Swin Transformer V2和ConvNeXt V2两种视觉模型在乳腺组织病理学图像分类中的性能，发现Swin Transformer V2在捕捉细微形态和上下文变化方面具有优势	未明确提及	评估基于深度学习的视觉模型在乳腺组织病理学图像良恶性分类中的效果	乳腺组织病理学图像中的良性和恶性病变	数字病理学	乳腺癌	组织病理学成像	CNN, Transformer	图像	10000张高分辨率组织病理学图像	NA	Swin Transformer V2, ConvNeXt V2	准确率	NA
89	2026-06-02	Deep learning-based frame synthesis enables radiation dose reduction in digital subtraction angiography imaging: a multicenter study 2026, Frontiers in medicine IF:3.1Q1 DOI:10.3389/fmed.2026.1793962 PMID:42221093	研究论文	提出SAVE-Net深度学习模型，通过帧合成技术将DSA成像辐射剂量降至标准剂量的1/7，并经多中心验证保持临床诊断质量	首次将深度学习与光流估计结合用于DSA序列中间帧合成，实现仅需1/7标准辐射剂量即可生成临床可诊断的图像序列	未明确指出局限性（文中未提供）	降低数字减影血管造影（DSA）成像中的辐射剂量，同时保持临床诊断质量	脑血管疾病患者的DSA图像序列	计算机视觉, 深度学习	脑血管疾病	数字减影血管造影（DSA）	SAVE-Net（深度学习模型）	DSA图像序列	训练与内部验证：17,335条DSA序列（来自一家医院）；外部验证：3,255条DSA序列（来自两家其他医院）	NA	SAVE-Net（集成光流估计与深度学习的帧合成网络）	结构相似性指数（SSIM）、峰值信噪比（PSNR）、生成时间（秒/帧）、视觉图灵测试、质量评分	NA
90	2026-06-02	Voice features and deep learning models for identifying acute decompensated heart failure 2026 Jan-Dec, Digital health IF:2.9Q2 DOI:10.1177/20552076261452881 PMID:42221508	研究论文	评估语音特征与深度学习模型在识别急性失代偿性心力衰竭中的应用	首次探索语音作为非侵入性生物标志物用于急性失代偿性心力衰竭的检测，并利用深度学习模型分析语音特征区分失代偿与恢复状态	样本量较小（100例患者），测试组仅12例，可能影响模型泛化性；排除多种合并症患者，适用人群有限	评估语音特征能否作为非侵入性生物标志物用于早期检测急性失代偿性心力衰竭	因急性失代偿性心力衰竭住院的患者	机器学习	心血管疾病	NA	深度学习模型（ConvNeXt-large）	音频数据	100名患者，训练组88名，测试组12名	PyTorch	ConvNeXt-large	曲线下面积	NA
91	2026-06-02	Attention maps reveal stimulus-dependent retinal population codes 2026, Frontiers in computational neuroscience IF:2.1Q3 DOI:10.3389/fncom.2026.1769478 PMID:42221576	研究论文	基于可扩展Transformer架构POYO解码大规模视网膜神经节细胞记录，并通过注意力机制揭示刺激依赖的群体编码	首次证明通用注意力机制无需监督即可自发恢复生物编码策略，识别功能不同的神经亚群	NA	探究深度学习模型的注意力机制能否提供具有生物学意义的洞察，验证Transformer架构在神经科学发现中的效用	大规模视网膜神经节细胞记录和两种对比刺激（均匀闪光和运动球）	机器学习	NA	大规模电生理记录	Transformer	神经电生理数据	NA	POYO	Transformer	解码性能	NA
92	2026-06-02	Improved FTIR-based classification for food authentication using a topological ensemble framework 2026, Current research in food science IF:6.2Q1 DOI:10.1016/j.crfs.2026.101441 PMID:42221873	研究论文	提出了一种结合滑动窗口嵌入与拓扑数据分析的集成框架，用于改善基于FTIR光谱的食品真实性分类	首次将拓扑数据分析与滑动窗口嵌入集成到食品真实性分类中，利用多尺度拓扑描述符增强光谱变异性解释能力，并以透明基学习器结合装袋集成学习提升非线性光谱数据分类的鲁棒性和可解释性	方法仅在UCR时间序列分类存档中的六个食品FTIR标准数据集上验证，未涉及真实世界中不同采集条件下的测量特异性效应评估	开发一种能够应对FTIR光谱基线漂移、散射效应和重叠吸收带的可靠分类方法，提升食品真实性鉴别的准确性、鲁棒性和可解释性	六种食品相关FTIR光谱数据集（来自UCR时间序列分类存档）	机器学习, 数字光谱分析	NA	FTIR光谱, 滑动窗口嵌入, 拓扑数据分析	装袋集成学习, 基学习器（透明模型）	光谱数据, 时间序列数据	六个UCR标准数据集，每个数据集具有固定训练-测试划分，具体数量未在摘要中说明	NA	滑动窗口嵌入, 拓扑数据分析, 装袋集成学习	分类精度, Macro-F1	NA
93	2026-06-02	Application of AIIR algorithm for quality improvement and noise reduction in pediatric abdominal contrast-enhanced CT 2026, Frontiers in radiology DOI:10.3389/fradi.2026.1803622 PMID:42222137	研究论文	评估深度学习全模型迭代算法（AIIR）在儿童腹部增强CT中降低辐射剂量并提升图像质量的应用价值	首次将AIIR算法应用于儿童腹部增强CT，在80kVp低剂量条件下实现比传统混合迭代重建（HIR）更优的图像质量，辐射剂量降低23.61%	未明确提及研究局限性，可能包括样本量较小（100例）且为回顾性设计，以及未评估算法对诊断准确性的影响	评估深度学习全模型迭代算法在儿童腹部增强CT中降低辐射剂量并改善图像质量的可行性和价值	100例因临床指征接受腹部增强CT扫描的儿童患者	数字病理学	不适用	CT扫描	深度学习全模型迭代算法（AIIR）	图像	100例儿童患者，分为常规组（50例，100kVp）和实验组（50例，80kVp）	不适用	AIIR	主观图像质量评分（五点量表）、信噪比（SNR）、对比噪声比（CNR）、辐射剂量指标（CTDIvol、DLP、ED）	不适用
94	2026-06-02	Hybrid handcrafted and deep feature fusion for automated acute myeloid leukemia classification using TCMA-Net on a class-balanced dataset 2026, Frontiers in oncology IF:3.5Q2 DOI:10.3389/fonc.2026.1774702 PMID:42222381	研究论文	提出一种基于手工特征与深度特征融合的急性髓系白血病自动分类框架，在类别平衡数据集上达到99.20%的测试准确率	融合DenseNet201和MobileNetV2提取的深度特征与手工特征形成混合描述符网络HADNet，结合基于Transformer的三块卷积多头注意力网络TCMA-Net分类器，同时提出合成采集伪影增强策略以缓解类别不平衡	仅基于LMU数据集进行主要实验，外部验证仅采用ALL数据集，未在更多临床场景或不同染色条件下验证泛化性	开发一种鲁棒且高性能的急性髓系白血病自动化分类框架，解决现有方法中类别不平衡和特征表示不足的问题	急性髓系白血病的细胞形态学图像	数字病理学	急性髓系白血病	NA	混合模型（手工特征与深度学习结合）	图像	使用LMU数据集，具体数量未说明；外部验证使用ALL数据集	TensorFlow、PyTorch	DenseNet201、MobileNetV2、HADNet、TCMA-Net	准确率	NA
95	2026-06-02	A model combining deep learning and ensemble learning for melanoma recognition via dermoscopy 2026, Frontiers in oncology IF:3.5Q2 DOI:10.3389/fonc.2026.1782150 PMID:42222395	研究论文	开发一个结合深度学习与集成学习的模型，用于通过皮肤镜图像识别黑色素瘤	创新点在于将九个CNN模型的原始得分作为特征向量，输入XGBoost集成模型进行最终分类，提高了皮肤镜鉴别诊断的准确性	NA	提高黑色素瘤皮肤镜鉴别诊断的准确性，为临床辅助识别提供技术支持	皮肤镜图像中的恶性黑色素瘤和其他恶性皮肤病变	计算机视觉	黑色素瘤	NA	CNN, XGBoost	图像	ISIC-2024和HAM10000皮肤镜数据集	NA	DenseNet201, EfficientNetB7, EfficientNetV2S, InceptionResNetV2, MobileNetV3Large, NASNetLarge, ResNet50V2, VGG19, Xception	准确率, 精确率, 召回率, F1分数, 曲线下面积	NA
96	2026-06-02	Deep learning for genomic insights into athletic performance in sports education 2026, Frontiers in genetics IF:2.8Q2 DOI:10.3389/fgene.2026.1766127 PMID:42222603	研究论文	本研究提出一个基于深度学习的框架，用于探究影响运动表现的基因组因素	整合了流形约束、不确定性感知预测和约束优化精炼机制，以处理基因组数据的高维性和复杂基因型-表型关系	未提及具体限制	提高基于基因组的运动表现预测的准确性和可靠性	基因组特征与运动表现指标	机器学习	NA	NA	深度学习网络	基因组数据	两个大规模队列数据集	NA	流形约束编码器、智能体驱动基因组规划器、不确定性引导运动预测器	皮尔逊相关系数, 均方根误差, 决定系数, 平均绝对误差	NA
97	2026-06-02	DeepTrackSecure: an integrated classification-detection system with predictive risk analytics for proactive railway safety management 2026, Frontiers in artificial intelligence IF:3.0Q2 DOI:10.3389/frai.2026.1800348 PMID:42222847	研究论文	提出DeepTrackSecure，一个多阶段深度学习框架，用于铁路轨道故障检测和基于严重性的风险预测	结合分类-检测融合与严重性评分，实现从简单检测到风险分级决策支持的跨越	需提升召回率并基于真实故障事件地面真值进行验证，当前不可直接部署为运营安全系统	开发一个用于铁路轨道故障检测和风险预测的决策支持及维护优先级工具	铁路轨道图像中的裂纹、位移、腐蚀和扣件缺失等故障	计算机视觉	不适用	不适用	YOLOv5、ResNet50、随机森林、XGBoost	图像	不适用	NA	YOLOv5、ResNet50	准确率、召回率、运行时间、内存占用	边缘和云部署环境
98	2026-06-02	Systematic review of trends in deep learning for UAV cybersecurity 2026, Frontiers in artificial intelligence IF:3.0Q2 DOI:10.3389/frai.2026.1752124 PMID:42222845	综述论文	系统综述2015至2025年间深度学习在无人机网络安全中的应用趋势	依据OSI启发的威胁分类法组织证据，并比较CNN、RNN及新兴的注意力、图、生成模型在单机和集群场景中的表现	在共享数据集、可重复对抗压力测试、不确定性及可解释性报告、隐私保护和航空监管认证方面存在关键空白	系统梳理深度学习用于无人机网络安全的架构、训练目标、特征表示、评估实践和部署约束	2015至2025年间的同行评审研究文献	计算机视觉, 自然语言处理, 机器学习	NA	深度学习, 联邦学习, 区块链集成设计	卷积神经网络(CNN), 循环神经网络(RNN), 注意力模型, 图神经网络, 生成模型	协议流量, 机载遥测, 射频输入(原始样本/频谱图)	NA	NA	CNN, RNN, GAN, Transformer	NA	剪枝、量化、蒸馏、分割推理等效率导向部署方法
99	2026-06-02	Review of deep learning models for Alzheimer's disease detection: MRI-centric approaches and multimodal extensions 2026, Frontiers in artificial intelligence IF:3.0Q2 DOI:10.3389/frai.2026.1707043 PMID:42222839	综述	评估深度学习模型在阿尔茨海默病检测中的应用，重点关注基于MRI的方法及多模态扩展	系统评估了基于MRI的深度学习模型及其与PET、fMRI、DTI、CSF和认知数据等多模态结合的最新进展，并指出了现有研究在外部验证、过拟合和可重复性方面的问题	缺乏对痴呆鉴别诊断、跨扫描仪数据统一标准化及开源流程的探讨	评估深度学习模型在阿尔茨海默病检测中的性能，并比较基于MRI与多模态扩展方法的有效性	来自70篇同行评审研究的深度学习模型，用于阿尔茨海默病的诊断和分类	计算机视觉, 数字病理学	阿尔茨海默病	NA	卷积神经网络, 集成模型, 视觉变换器, 图神经网络, 生成模型	MRI, PET, fMRI, DTI, CSF, 认知数据	70篇同行评审研究，涉及ADNI、OASIS、AIBL、UK Biobank等数据集	NA	2D/3D卷积神经网络, 集成模型, 视觉变换器, 图神经网络, 生成模型	准确率, AUC	NA
100	2026-06-02	A novel statistical feature selection framework for biomarker discovery and cancer classification via multiomics integration 2025-12-17, BMC medical research methodology IF:3.9Q1 DOI:10.1186/s12874-025-02713-z PMID:41408184	研究论文	提出一种名为sDCFE的新型统计特征选择方法，用于通过多组学整合进行生物标志物发现和癌症分类	通过扩展Fisher-like方差分析，加入中位数绝对偏差正则化项和聚类分离组件，增强鲁棒性和可解释性；结合XGBoost、sDCFE与深度学习的混合模型实现近乎完美的泛癌分类	未提及具体局限性	开发稳定且可解释的特征选择方法，实现跨癌症类型和阶段的准确分类，支持早期诊断和风险分层	TCGA和PCAWG数据集中的泛癌样本，以及肺鳞状细胞癌（LUSC）分期数据	机器学习	泛癌, 肺鳞状细胞癌	RNA-seq, 甲基化测序	CNN, XGBoost, logistic回归	基因组数据, 表观基因组数据	TCGA和PCAWG数据集（具体数量未提及），LUSC分期数据	NA	CNN	准确率, MCC, AUC	NA