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
1021	2026-07-06	Deciphering Allergen Peptides for Dermatological and Cosmetic Applications with Explainable Artificial Intelligence 2026-Jun-25, Journal of proteome research IF:3.8Q1 DOI:10.1021/acs.jproteome.6c00268 PMID:42345568	研究论文	本研究利用可解释人工智能探索过敏肽在皮肤科和化妆品中的应用潜力	提出了一个混合深度学习框架，结合时间卷积网络和堆叠长短期记忆架构，并融合进化尺度建模嵌入，实现了过敏肽序列中致敏基序的准确分类，同时利用Anchor、LIME和SHAP等可解释性工具提升模型透明度和生物学意义	NA	推动机器学习和皮肤科及化妆品领域的结合，开发更安全、创新的化妆品产品	过敏肽序列	自然语言处理，机器学习	皮肤病	NA	时间卷积网络，长短期记忆网络	文本（肽序列）	NA	NA	TCN， LSTM	NA	NA
1022	2026-07-06	Retinal Microvascular Signatures as Early Predictors of Cardiovascular Risk: Integrating Pathophysiology, Molecular Insights, and Artificial Intelligence 2026-Jun-19, The American journal of cardiology DOI:10.1016/j.amjcard.2026.05.035 PMID:42320613	研究论文	探讨视网膜微血管特征作为早期心血管风险预测指标的综合框架，整合病理生理机制、分子见解和人工智能技术	系统性地将视网膜微血管表型、分子调控机制与深度学习分析相结合，提出一种无创、可扩展的早期心血管风险评估新策略	未具体提及研究限制，但可能包括需要大规模临床验证、不同人群的泛化性以及OCTA等先进成像技术的可及性	利用视网膜微血管成像和AI技术建立早期心血管风险预测的无创生物标志物体系	视网膜微血管（包括血管口径、弯曲度、分支模式和灌注模式）及心血管疾病患者	计算机视觉	心血管疾病	光学相干断层扫描血管成像（OCTA）	深度学习（DL）	视网膜图像	NA	NA	NA	NA	NA
1023	2026-07-06	Post-pandemic forecasting of pediatric acute respiratory infections with deep learning: a multi-pathogen, multi-time-horizon study 2026-Jun-17, International journal of infectious diseases : IJID : official publication of the International Society for Infectious Diseases IF:4.8Q1 DOI:10.1016/j.ijid.2026.108889 PMID:42309480	研究论文	利用深度学习模型预测后疫情时代儿童急性呼吸道感染的多种病原体和多时间范围	比较了11种深度学习模型与传统统计模型（SARIMA）在预测儿童急性呼吸道感染上的性能，并针对10种病原体在不同预测时间范围（短期、中期、长期）进行全面评估，发现DLinear和TSMixer分别适用于短期和长期预测	仅基于单一医院的数据，且排除了肺炎衣原体（阳性病例仅70例），可能影响模型的泛化能力；未考虑外部验证集	比较传统统计模型与深度学习模型在儿童急性呼吸道感染预测中的性能，提高预测准确性以支持临床和公共卫生准备	10种呼吸道病原体的儿童住院急性呼吸道感染病例	机器学习	儿童急性呼吸道感染	多重PCR	深度学习模型	时间序列数据	29,260份儿科住院记录（2021年1月至2024年12月，来自中国一家大型儿童医院）	PyTorch	SARIMA, DeepAR, BlockRNN, N-BEATS, NHiTS, TCN, Transformer, TFT, DLinear, NLinear, TiDE, TSMixer	平均绝对误差（MAE）、均方根误差（RMSE）、对称平均绝对百分比误差（sMAPE）	NA
1024	2026-07-06	Accurate prediction of oligonucleotide probe hybridization efficiency via a transformer-based model 2026-May-11, BMC genomics IF:3.5Q2 DOI:10.1186/s12864-026-12833-5 PMID:42108445	研究论文	通过基于Transformer的深度学习模型TransHybrid，利用整合的公共微阵列数据（超过380万探针）准确预测寡核苷酸探针杂交效率，性能显著优于传统热力学模型	首次将互补链特征嵌入Transformer架构实现序列级杂交效率预测，构建了覆盖8个子集、超过380万探针的综合数据集，并引入独立实验数据集进行微调验证	对GC富集区等生物学特征的解释仍依赖注意力机制可视化，缺乏直接生物学验证	开发一种基于序列的深度学习框架，通过整合公共微阵列数据解决传统热力学模型在探针杂交效率预测中的不准确性	寡核苷酸探针的杂交效率	自然语言处理	NA	微阵列技术	Transformer	序列数据	超过380万探针（来自8个公共微阵列数据子集），以及独立实验数据集	PyTorch	Transformer	皮尔逊相关系数	NA
1025	2026-07-06	Analysis of Upper Airway Morphology Using Four-Dimensional Dynamic MRI With Active Deep Learning-Based Automatic Segmentation 2026-May, Journal of magnetic resonance imaging : JMRI IF:3.3Q1 DOI:10.1002/jmri.70237 PMID:41607039	研究论文	使用主动学习nnU-Net对自由呼吸动态四维MRI中的上气道进行自动分割，并量化两种口位下的动态形态变化	首次将主动学习nnU-Net应用于自由呼吸动态四维MRI的上气道自动分割，减少人工标注量同时保持高分割精度，并系统量化口位、性别和症状对气道形态的影响	研究对象为无阻塞性睡眠呼吸暂停（OSA）的成人，可能不适用于OSA患者；样本量有限（84例），内部测试集仅18例；未评估不同MRI序列或扫描协议的泛化性	实现自由呼吸动态四维MRI上气道自动分割，并量化闭口和开口两种口位下的动态形态差异	84名无OSA成人（28男/56女，18-80岁），其中33人有睡眠相关呼吸症状	计算机视觉, 数字病理	阻塞性睡眠呼吸暂停, 呼吸系统疾病	四维动态MRI, TWIST序列	nnU-Net	图像	84例（68例训练，4例固定验证，18例内部测试）	PyTorch	nnU-Net	Dice系数	NA
1026	2026-07-06	Three-dimensional automatic segmentation of root canals with focus on the second mesiobuccal canal using nnU-Netv2 on CBCT images: deep learning approach 2026-04-07, BMC oral health IF:2.6Q1 DOI:10.1186/s12903-026-08285-8 PMID:41947103	研究论文	利用nnU-Netv2深度学习方法对上颌第一磨牙的第二近颊根管进行三维自动分割，同时分割主根管	首次应用nnU-Netv2模型对未治疗牙齿的MB2根管进行三维自动分割	模型对MB2的分割灵敏度较低（0.538），可能由于MB2根管结构狭窄导致	评估人工智能在锥形束计算机断层扫描图像中识别和分割第二近颊根管以及同时分割主根管的性能	上颌第一磨牙的第二近颊根管和主根管	计算机视觉, 数字病理学	牙科疾病	CBCT成像	nnU-Netv2	图像	202张CBCT图像	PyTorch	nnU-Netv2	Dice系数, Jaccard指数, 95% Hausdorff距离, 曲线下面积, 灵敏度, 精确率	NA
1027	2026-07-06	Radiomics analysis of panoramic radiographs using machine learning for the detection of peri-implantitis 2026-04-06, BMC oral health IF:2.6Q1 DOI:10.1186/s12903-026-08190-0 PMID:41937158	研究论文	开发并验证基于全景X光片的深度学习模型（Mask R-CNN）和放射组学机器学习方法用于检测种植体周围炎	首次将放射组学特征分析与深度学习结合应用于全景X光片上的种植体周围炎检测，并在小样本数据上实现了高准确率	单中心回顾性研究，样本量有限（144例），缺乏前瞻性多中心验证	构建并验证一种结合深度学习和放射组学分析的自动化方法，用于全景X光片的种植体周围炎检测	全景X光片中种植体周围炎区域的识别与分割	计算机视觉	口腔种植体周围炎	放射组学特征提取	Mask R-CNN, XGBoost	图像（全景X光片）	144例患者的全景X光片（平均年龄57.2±11.7岁）	PyTorch	ResNet-50骨干网络的Mask R-CNN	F1分数，AUC，自由响应受试者工作特征曲线分析	NA
1028	2026-07-06	Diagnosis of High Intracranial Pressure by Non-Optic Nerve Retinal Image Features 2026-Apr-06, Translational vision science & technology IF:2.6Q2 DOI:10.1167/tvst.15.4.2 PMID:41940708	研究论文	评估深度学习模型与非眼科专家在基于视网膜图像诊断高颅压方面的表现	首次探索在遮盖视神经头的情况下利用非视神经视网膜图像特征进行高颅压诊断	样本量较小，仅32例高颅压患者和31例对照，且未提及模型在独立外部验证集上的表现	比较深度学习模型与神经眼科医师在基于视网膜图像分类高颅压患者与对照者的性能	高颅压伴视乳头水肿患者与对照者的宽视野视网膜图像	计算机视觉, 数字病理学	高颅压	视网膜成像	卷积神经网络	图像	32例高颅压患者（70张图像）和31例对照（62张图像）	NA	卷积神经网络	准确率, AUC	NA
1029	2026-07-06	Impact of accurate load forecasting on electricity market stability in Japan using classical time-series and deep-learning methods 2026-Apr-02, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-46859-2 PMID:41927815	研究论文	提出多区域评估框架，比较经典时间序列与深度学习方法在日本电力市场短期负荷预测中的表现	首次针对日本50/60 Hz频率分界线下的区域异质性，构建空间性能评估框架并引入不确定性量化分析	研究未考虑可再生能源渗透率动态变化对预测精度的影响	评估不同预测范式在日本区域电力市场的适用性及其经济影响	日本九州电力系统中的九个区域电网	机器学习	NA	NA	SARIMA, HMM, LSTM	时间序列负荷数据	2019-2022年九个区域电网的每小时负荷数据	NA	SARIMA, HMM, LSTM	MAPE, 95%预测区间	NA
1030	2026-07-06	Heuristically Adaptive Diffusion-Model Evolutionary Strategy 2026-Apr, Advanced science (Weinheim, Baden-Wurttemberg, Germany) DOI:10.1002/advs.202511537 PMID:41793196	研究论文	提出一种基于启发式自适应扩散模型的进化策略，融合深度学习扩散模型与进化算法以优化数值参数	首次将扩散模型与进化算法深度融合，利用深度学习扩散模型增强进化算法的记忆与自适应能力，并引入无分类器指导实现进化动力学的精确控制	NA	开发一种结合扩散模型与进化算法的混合优化框架，提升进化优化的效率、灵活性和精度	进化算法中的数值参数优化过程	机器学习	NA	扩散模型、进化算法	扩散模型	NA	NA	NA	扩散模型	NA	NA
1031	2026-07-06	Deep learning radiomics based on multimodal MRI for preoperative prediction of N stage in tongue squamous cell carcinoma: a multicenter study 2026-03-30, BMC oral health IF:2.6Q1 DOI:10.1186/s12903-026-08165-1 PMID:41913156	研究论文	本研究开发并验证了一种基于多模态MRI的深度学习影像组学模型，用于术前预测舌鳞状细胞癌的N分期	首次将深度学习影像组学方法应用于舌鳞状细胞癌N分期的术前预测，并在多中心数据集上验证其优于传统影像组学方法	需要进一步的前瞻性研究验证	提高舌鳞状细胞癌术前N分期预测的准确性，辅助临床决策	舌鳞状细胞癌患者	数字病理学	舌鳞状细胞癌	多模态MRI（增强T1加权图像和T2加权图像）	CNN	医学图像	579名舌鳞状细胞癌患者（训练集357人、内部测试集153人、外部测试集69人）	PyTorch	ResNet34, ResNet101, DenseNet121	AUC, 校准曲线, 决策曲线分析	NA
1032	2026-07-06	Multimodal MRI-based two-stage artificial intelligence framework for renal fibrosis classification in chronic kidney disease 2026-03-04, BMC nephrology IF:2.2Q2 DOI:10.1186/s12882-026-04869-2 PMID:41782094	研究论文	开发了一个基于多模态MRI的两阶段人工智能框架，用于慢性肾病的肾纤维化分类	结合多模态MRI影像（native T1 mapping、ADC和T2* mapping）与临床指标，采用MobileNetV2-SE深度学习特征和XGBoost/ExtraTree分类器进行两阶段分级	样本量相对较小（152例），且为单中心前瞻性研究	非侵入性评估慢性肾病患者的肾纤维化程度	152例经活检证实的慢性肾病患者（RF 1：无纤维化34例；RF 2：轻度纤维化69例；RF 3：中重度纤维化49例）	机器学习和数字病理	慢性肾病，肾纤维化	多模态MRI（native T1 mapping、ADC、T2* mapping）	深度学习（MobileNetV2-SE）和传统机器学习（XGBoost、ExtraTree）	MRI影像数据和临床指标数据	152例患者，按2:1分为训练集和测试集	PyTorch, Scikit-learn	MobileNetV2-SE, XGBoost, ExtraTree	AUC, 校准曲线, 决策曲线分析（DCA）, SHAP可视化	NA
1033	2026-07-06	A domain-adaptive deep contrastive network for magnetic resonance imaging-driven bladder cancer classification 2026-Mar-03, NPJ digital medicine IF:12.4Q1 DOI:10.1038/s41746-026-02499-4 PMID:41775791	研究论文	提出一种域自适应深度对比网络，用于基于磁共振成像的膀胱癌分类	联合源域和目标域样本进行特征学习以获得域不变且可区分的表示，并引入深度对比学习策略增强类间分离性和类内紧凑性	待论文中明确提及	实现跨中心的磁共振成像驱动膀胱癌自动分类	膀胱癌磁共振成像数据（区分非肌层浸润性膀胱癌与肌层浸润性膀胱癌）	计算机视觉，数字病理学	膀胱癌	磁共振成像	深度对比网络	医学图像（磁共振成像）	多中心膀胱癌磁共振成像数据集	PyTorch	卷积神经网络，Transformer	准确率，F1分数，AUC	NA
1034	2026-07-06	Feature-indistinguishable machine unlearning via negative-hot label encoding and class weight masking 2026-Mar-03, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-40379-9 PMID:41775809	研究论文	提出一种通过负热标签编码和类别权重掩码实现特征不可区分的机器遗忘方法	引入负热标签编码（NHLE）抑制目标类别在特征空间中的可区分性，结合类别权重掩码实现高效选择性遗忘，仅需少量遗忘类别样本进行迭代微调	未明确说明在复杂数据集或大规模遗忘任务中的扩展性及对保留数据性能的潜在影响	开发高效且选择性的机器遗忘框架，解决数据隐私合规需求并减少计算开销与性能下降	深度学习模型中的类别级遗忘	机器学习	NA	NA	神经网络	视觉图像数据	多个视觉数据集，未明确具体数量	NA	NA	分类准确率，保留数据准确率下降值	NA
1035	2026-07-06	Evaluating deep learning sepsis prediction models in ICUs under distribution shift: a multi-centre retrospective cohort study 2026-Mar-03, NPJ digital medicine IF:12.4Q1 DOI:10.1038/s41746-026-02364-4 PMID:41775890	研究论文	评估不同深度学习策略在分布偏移下预测ICU脓毒症的性能，提出根据目标数据规模选择最佳部署策略	系统比较了五种部署策略（泛化、微调/重训练、目标训练、监督域适应和融合训练）在多个深度学习架构和四种目标数据规模下的表现，发现微调并非最优方法，而重训练、融合训练和域适应在不同数据规模下表现更佳	未说明具体局限	研究分布偏移下深度学习脓毒症预测模型在ICU中的最佳部署策略	脓毒症预测模型的部署策略	机器学习	脓毒症	NA	深度学习	时序数据（ICU住院记录）	216,536次住院记录（来自HiRID、MIMIC-IV、eICU三个队列）	NA	多种深度学习架构	AUROC, 归一化AUPRC	NA
1036	2026-07-06	Sleep quality prediction in basketball athletes using a deep learning framework with an attention mechanism based on multimodal data 2026-Mar-03, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-42147-1 PMID:41776224	研究论文	利用基于注意力机制的多模态数据深度学习框架预测篮球运动员的睡眠质量	首次将特征级注意力的多模态表格学习框架应用于大学篮球运动员的睡眠质量筛查，并比较了多种预测模型，发现基于注意力的多层感知机（Attention-MLP）在复杂特征交互建模上具有优势	对中等睡眠质量类别的区分能力较差（AUC=0.40），当前模型更适合筛查导向的分层而非明确分类	开发一种用于大学篮球运动员睡眠质量筛查的注意力机制多模态表格学习框架	大学篮球运动员	机器学习	睡眠障碍	NA	逻辑回归、随机森林、XGBoost、基于注意力的多层感知机（Attention-MLP）	表格数据（身体指标、心理特征、社会人口学变量）	大学篮球运动员样本	Scikit-learn, XGBoost	逻辑回归、随机森林、XGBoost、注意力多层感知机（Attention-MLP）	准确率（0.732）、F1值（0.630）、AUC	NA
1037	2026-07-06	Deep learning-based labor relations prediction system with multi-source data fusion and early warning mechanisms 2026-Mar-02, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-40369-x PMID:41772036	研究论文	提出基于深度学习的劳资关系预测系统，通过多源数据融合与预警机制实现冲突提前识别	采用注意力机制多模态融合，自适应加权不同数据源贡献，而非固定融合方案	12.7% 的误报率及高压运营期间的系统性预测错误	解决传统统计方法和专家系统在复杂多因素劳资关系预测中的不足	企业内部人力资源管理数据、沟通日志、绩效轨迹、满意度调查及外部经济指标	机器学习	不适用	不适用	MLP与LSTM	表格数据、时间序列数据	12家企业部署，跨4个行业	PyTorch	MLP, LSTM, 注意力机制	准确率、早期预警成功率、误报率	未提及
1038	2026-07-06	Reliable ECG classification using parallel hybrid models with limited resources 2026-Mar-02, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-41370-0 PMID:41771987	研究论文	提出一种并行混合模型(PHM)，结合三个轻量级分类器，在资源受限环境下提高心电图分类的可靠性和准确性	创新性地采用加权软投票方法整合预测结果，并结合可靠性区域提供可解释的置信度框架	研究未提及模型在更大规模或多样化数据集上的验证，以及实际部署时的实时性能表现	为资源受限环境提供计算高效且可靠的心电图分类系统	心电图(ECG)信号，用于心律失常等心血管疾病的诊断	机器学习	心血管疾病	NGS	CNN	时间序列信号	MIT-BIH心律失常数据库(未具体说明样本数量)	TensorFlow	EfficientNet, SequentialNet, LeNet-5	准确率, 错误率, 正确概率, 错误概率, 错误决策概率	NA
1039	2026-07-06	In Vivo Demonstration of Deep Learning-Based Photoacoustic Visual Servoing System 2026-Jan, IEEE transactions on bio-medical engineering DOI:10.1109/TBME.2025.3584076 PMID:40577292	研究论文	开发并演示了首个基于深度学习的光声视觉伺服系统，用于实时三维追踪导管尖端	首次将点源定位与混合位置-力控制结合，实现基于深度学习的光声视觉伺服，并在体内外实验中验证	实例分割推理时间较长（≥516.3 ms），尚需优化以满足实时应用需求	开发光声视觉伺服系统，实现手术器械尖端的实时三维追踪	心脏导管尖端（在塑胶假体和活体猪中进行实验）	计算机视觉，机器学习	NA	光声成像	目标检测，实例分割	光声图像	9次视觉伺服实验（塑胶假体距离40 mm，活体猪距离25-64 mm）	NA	目标检测模型，实例分割模型	检测率（88.0-91.7%假体，66.7-70.4%体内），追踪误差（0.5 mm假体，0.8 mm体内），推理时间（≥145.3 ms目标检测，≥516.3 ms实例分割），接触时间（≥99.43%）	NA
1040	2026-07-06	Bridging Global Attention and Local Hierarchies: A Robust Hybrid Ensemble Framework With Multi-Perspective Explainability for Automated HER2-IHC Scoring 2026 Jan-Dec, Technology in cancer research & treatment IF:2.7Q3 DOI:10.1177/15330338261465522 PMID:42400387	research paper	提出了一个混合集成框架，结合EVA-02-Large、Vision Transformer-Base和ConvNeXt-V2-Nano架构，通过自适应后期融合机制进行自动HER2-IHC评分	首次将EVA-02-Large、Vision Transformer-Base和ConvNeXt-V2-Nano三种架构通过自适应后期融合机制进行混合集成，并在20多种图像腐败类型上进行全面扰动分析及多视角可解释AI评估	需进行前瞻性多读者临床验证；对极端光度变化具有预期敏感性	开发高精度且可解释的自动化HER2-IHC评分流程，解决诊断困难病例（HER2 1+/2+）并减少观察者间变异	HER2-IHC-40x数据集的病理图像斑块	digital pathology	breast cancer	免疫组化	混合集成模型（Transformer + CNN）	图像	NA	NA	EVA-02-Large, Vision Transformer-Base, ConvNeXt-V2-Nano	加权准确率、平衡准确率、误分类率	NA