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
1141	2026-06-04	Deep learning-based head and neck deformable image registration using spatio-temporal analysis and self attention 2026-Jan, Physics and imaging in radiation oncology DOI:10.1016/j.phro.2026.100928 PMID:41756517	研究论文	提出一种基于深度学习的头颈部可变形图像配准算法，利用时空分析和自注意力机制实现快速精确的配准	整合3D卷积神经网络、自注意力和卷积长短期记忆网络，建模时间变形，实现双向可变形场预测，配准速度显著快于传统方法且无需手动调参	仅使用单中心60例患者数据，未在多中心或更大规模数据集上验证；未比较其他深度学习方法	开发适用于头颈部癌症自适应放疗的快速可变形图像配准算法	头颈部癌症患者的计划CT和每周锥形束CT图像	机器学习	头颈部癌症	NA	卷积神经网络（CNN）、卷积长短期记忆网络（ConvLSTM）	图像	60例头颈癌患者数据集，每例含1个计划CT和6个每周锥形束CT	NA	3D卷积神经网络、自注意力机制、卷积长短期记忆网络	Dice相似系数、Hausdorff距离、雅可比分析	NA
1142	2026-06-04	Application of bioinformatics and data science in studies of cancer epigenetics 2026, International review of cell and molecular biology DOI:10.1016/bs.ircmb.2025.10.003 PMID:41905787	综述	综述了生物信息学和数据科学在癌症表观遗传学研究中的应用	概述了表观遗传学在癌症中的作用，并重点介绍了生物信息学和数据科学在癌症表观遗传学领域的最新应用进展，特别是机器学习与深度学习在整合遗传、表观遗传及临床数据以提升癌症诊疗准确性方面的作用	作为综述，未提供新的实验数据或方法验证，具体技术细节和比较可能不够深入	提供表观遗传学在癌症中作用的概述，并更新生物信息学和数据科学在癌症表观遗传学领域应用的研究进展	癌症表观遗传学数据及生物信息学与数据科学方法	机器学习	癌症	ChIP-seq, WGBS, MS	NA	表观遗传数据、组学数据、临床数据	NA	NA	NA	NA	NA
1143	2026-06-04	Minimum Foot Clearance Prediction in Stroke Survivors: A Transformer-Based Approach 2026, IEEE transactions on neural systems and rehabilitation engineering : a publication of the IEEE Engineering in Medicine and Biology Society IF:4.8Q1 DOI:10.1109/TNSRE.2026.3694895 PMID:42154708	研究论文	提出一种基于Transformer的模型，用于预测中风幸存者步行时的足部最小离地间隙	创新性地引入数据驱动的条件后归一化投影方法来提高多步预测性能，并使用统计矩匹配损失函数来处理中风患者的数据高变异性	NA	预测中风幸存者的足部最小离地间隙，识别因下肢受影响而增加的绊倒跌倒风险	中风幸存者受影响下肢的足部最小离地间隙数据	机器学习	脑血管疾病	NA	Transformer	时间序列数据	NA	NA	Transformer, 自注意力LSTM	平均绝对误差, 最大绝对误差, 均方根误差, 上界内预测率	NA
1144	2026-06-04	UAV-based RGB and multispectral mango leaf disease detection with benchmarking of YOLOv5 to YOLOv10 and SeqOpt-optimised YOLOv8 for real-time edge deployment 2026, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0349855 PMID:42207843	研究论文	提出一种基于无人机多光谱成像与YOLOv8优化模型的芒果叶部病害实时检测框架，并在边缘设备上部署	提出了SeqOpt优化方法，将YOLOv8的F1分数提升9.7%，mAP@50提升8.6%，并首次系统评估YOLOv5至YOLOv10在无人机多光谱数据上的性能，同时实现边缘设备上的实时推理	研究仅针对四种常见芒果疾病，数据集规模和疾病种类有限，且仅在特定边缘设备（Raspberry Pi 5和Jetson Orin Nano）上验证	开发适用于精准农业的实时芒果叶部病害检测与边缘部署系统	芒果叶部病害（如炭疽病、白粉病等四种常见疾病）	计算机视觉	植物病害（芒果叶部病害）	多光谱成像, RGB成像, 无人机成像	YOLO系列（YOLOv5至YOLOv10）	图像（RGB和多光谱图像）	6334张高分辨率RGB和多光谱图像	PyTorch, ONNX	YOLOv5, YOLOv6, YOLOv7, YOLOv8, YOLOv9, YOLOv10	F1-score, mAP@50, mAP@50-95, 延迟, 能耗	Raspberry Pi 5, NVIDIA Jetson Orin Nano
1145	2026-06-04	Artificial Intelligence in the Diagnosis and Management of Pulmonary Tuberculosis: A Review of Current Applications and Future Perspectives 2026, Therapeutics and clinical risk management IF:2.3Q2 DOI:10.2147/TCRM.S596651 PMID:41937887	综述	全面总结了人工智能在肺结核诊疗中的当前应用，涵盖影像检测、耐药预测和治疗监测，并探讨了未来发展方向	系统梳理了AI在肺结核全流程中的应用，包括基于深度学习的影像自动检测、全基因组序列耐药预测以及多模态治疗监测，并前瞻性提出了多模态融合、联邦学习等未来重点	临床转化受限于数据质量与偏差、模型泛化性差、算法可解释性低以及监管与伦理问题	综述AI在肺结核诊断和管理中的应用现状，并展望未来发展方向以推动临床转化	肺结核的影像检测、耐药性预测以及治疗反应监测	自然语言处理,计算机视觉,机器学习	肺结核	深度学习,全基因组测序,多模态AI	深度学习模型,多模态AI模型	胸部X光片,CT图像,全基因组序列	NA	NA	NA	敏感度	NA
1146	2026-06-04	A multi-dimensional CNN-Bi-GRU for IoT-based brain-computer interface in early epileptic seizure detection 2026, Biology methods & protocols IF:2.5Q3 DOI:10.1093/biomethods/bpag010 PMID:41938598	研究论文	设计了一种基于物联网的多维CNN-Bi-GRU模型，用于早期癫痫发作检测	提出MDCBG混合深度学习模型，结合物联网实现早期警报与家庭自动化辅助，准确率达97.43%	未对大规模真实临床环境进行测试，且仅使用单数据集进行验证	开发早期癫痫发作检测的物联网脑机接口系统	癫痫患者脑电图数据	机器学习	癫痫	脑电图	CNN-Bi-GRU混合模型	脑电图信号	Mendeley脑电图数据集，具体样本量未说明	NA	MDCBG, EEGNet, CTNET, Bi-GRU with attention, Bi-LSTM-GRU, XGBoost	准确率	NA
1147	2026-06-04	Rapid single-cell identification of foodborne pathogens with limited data: A peak-aware Raman attention deep learning model 2026, Current research in food science IF:6.2Q1 DOI:10.1016/j.crfs.2026.101386 PMID:41939140	研究论文	提出一种峰值感知拉曼注意力模型（PARAM），用于在数据稀缺条件下快速单细胞鉴定食源性病原体	PARAM集成峰值感知注意力机制，合成拉曼光谱时保留苯丙氨酸和核酸模式的生物学意义结构特征，与传统生成模型相比避免了峰位移或强度失真	仅基于每类7个样本的极端数据约束评估，未评估其他病原体或非拉曼光谱数据适应性	解决拉曼光谱技术在菌株间高生化相似性和数据稀缺瓶颈下的快速鉴定问题	四种主要食源性病原体	机器学习	食源性疾病	拉曼光谱	生成对抗网络	拉曼光谱数据	每类7个样本，共四种病原体	NA	PARAM	峰位置匹配率、皮尔逊相关系数、分类准确率	NA
1148	2026-06-04	Artificial intelligence techniques for classification of Alzheimer's disease using neuroimaging data: a review 2026, Frontiers in artificial intelligence IF:3.0Q2 DOI:10.3389/frai.2026.1748985 PMID:42231879	综述	综述了利用神经影像数据通过人工智能技术进行阿尔茨海默病分类的研究进展	系统分析了多模态数据融合（如MRI和PET）提升分类准确性的优势，并强调了迁移学习在克服数据限制中的作用	当前文献中部分评估指标报告不足，且缺乏更全面的性能评估	探讨机器学习和深度学习模型在阿尔茨海默病的识别与分类中的应用	阿尔茨海默病的神经影像、遗传信息和临床评估数据	机器学习	阿尔茨海默病	NA	回归模型、决策树、随机森林、支持向量机、K近邻、集成模型、卷积神经网络、循环神经网络、生成对抗网络	图像	NA	NA	CNN, RNN, GAN	准确率、精确率、召回率、F1分数、Cohen's Kappa	NA
1149	2026-06-04	Deep learning classification of reproductive tissue from ultrasound: sex determination in red abalone (Haliotis rufescens) 2026, Frontiers in artificial intelligence IF:3.0Q2 DOI:10.3389/frai.2026.1794183 PMID:42231876	研究论文	首次利用深度学习对红鲍鱼进行非侵入性超声性别分类	首次将机器学习应用于红鲍鱼的非侵入性超声性别分类，并对比了多种卷积神经网络架构	数据集规模较小（44个个体，246张图像），可能限制模型的泛化能力	开发一种非侵入性、自动化的鲍鱼性别分类方法	红鲍鱼（Haliotis rufescens）	计算机视觉	NA	超声成像	卷积神经网络（CNN）	超声波图像	44个红鲍鱼个体，246张高质量超声图像	PyTorch	VGG16, VGG19, ResNet50, ResNet101, YOLOv8, YOLOv11, 自定义卷积神经网络	准确率, 精确率, 召回率	NVIDIA Jetson边缘设备
1150	2026-06-04	Prior-aligned frequency-domain explanations for heart sound classification: a scale-consistent attribution approach 2026, Frontiers in artificial intelligence IF:3.0Q2 DOI:10.3389/frai.2026.1780496 PMID:42231875	研究论文	提出一种先验对齐的频率域解释方法，用于心音分类的尺度一致性归因	通过训练时的正则化方法将领域知识融入模型学习，实现频谱注意力与临床先验对齐，显著提升解释的生理合理性	仅在两个公开数据集上验证，未在真实临床环境中测试	提升心音分类深度学习模型的解释性与临床可信度	心音分类模型及其注意力归因与临床先验的对齐程度	机器学习	心血管疾病	NA	NA	NA	PhysioNet 2016和CirCor DigiScope数据集	NA	NA	分类准确率、解释与临床先验的散度	NA
1151	2026-06-04	DSA-DET: a tea disease detection algorithm based on dynamic spatial pyramid and polarized linear attention 2026, Frontiers in plant science IF:4.1Q1 DOI:10.3389/fpls.2026.1818867 PMID:42231886	研究论文	提出一种基于动态空间金字塔和极化线性注意力的茶叶病害检测算法DSA-DET	提出基于动态注意力空间金字塔建模的骨干网络，结合极化线性注意力与并行空间增强网络及多尺度自适应增强编码器，以及高效空间通道上采样和移位混合机制的上采样模块	未明确说明	提高茶叶病害检测的准确性和实时性	茶叶病害图像	计算机视觉	茶叶病害	NA	实时检测变换器	图像	NA	NA	DSA-DET	精确率、召回率、mAP50、FPS	NA
1152	2026-06-04	Improved leaf area index estimation in Jujube trees by fusing spatial-temporal features from UAV RGB time-series with a deep learning framework 2026, Frontiers in plant science IF:4.1Q1 DOI:10.3389/fpls.2026.1798751 PMID:42231899	研究论文	提出一种利用无人机RGB时序影像和CNN-GRU并行混合深度学习框架来高精度估计枣树叶面积指数的方法	结合CNN的空间-光谱特征提取与GRU的时间序列建模，构建并行混合深度学习框架，克服传统植被指数方法在作物生长后期饱和、对背景噪声敏感及难以捕获时间动态的局限	NA	实现枣树叶面积指数的高精度、高效率遥感估计，为智能果园数字化管理和精准农业决策提供技术工具	枣树	计算机视觉	NA	无人机遥感	CNN-GRU	图像（无人机RGB影像）、时间序列（叶面积指数）	两个独立年份（2024年新疆巴楚、2025年新疆阿拉尔）的多期地面实测叶面积指数数据与同步无人机遥感图像	PyTorch	CNN, GRU	R², RMSE	NA
1153	2026-06-04	Protein Design Enters the Artificial Intelligence Era: Foundations, Tools, and Emerging Paradigms 2026, Computational and structural biotechnology journal IF:4.4Q2 DOI:10.34133/csbj.0105 PMID:42231905	综述	本文综述了人工智能在蛋白质设计中的基础方法、工具及新兴范式	系统梳理了深度学习、蛋白质语言模型和知识图谱在蛋白质工程中的应用，强调了从计算机设计到实验验证的加速转化	模型可解释性不足、训练数据存在偏差、实验验证率有待提高	探讨人工智能如何革新蛋白质设计领域	蛋白质序列、结构与功能的关系	机器学习	NA	深度学习、蛋白质语言模型、知识图谱	AlphaFold2、Transformer	蛋白质序列与结构数据	NA	NA	AlphaFold2、Transformer	结构预测精度、基准测试指标	NA
1154	2026-06-04	Deep learning for stress oriented human activity recognition 2026, Frontiers in digital health IF:3.2Q2 DOI:10.3389/fdgth.2026.1729804 PMID:42231940	研究论文	利用深度学习技术对基于传感器的时间序列数据进行压力导向的人类活动识别	比较了多种深度学习架构（RNN、LSTM和Transformer）在压力相关活动识别中的表现，并发现Transformer模型超越传统模型，显著提高了分类准确率	未讨论模型泛化到其他压力相关数据集或真实场景的能力，也未阐述计算资源消耗及可解释性	提升基于传感器时间序列数据的压力相关人类活动识别预测性能	Stressense数据集中的压力相关活动时间序列数据	机器学习	行为障碍	传感器数据采集	Transformer	时间序列数据	未明确说明	NA	RNN, LSTM, Transformer	分类准确率	NA
1155	2026-06-04	Precision diagnosis of GABRA1-associated encephalopathies and epilepsy: optimizing variants classification and molecular subregional effects 2026, Frontiers in genetics IF:2.8Q2 DOI:10.3389/fgene.2026.1818471 PMID:42232514	研究论文	系统分析GABRA1错义变异致病性，优化变异分类与分子亚区域效应，以提高GABRA1相关脑病和癫痫的精准诊断	首次系统评估34种算法在GABRA1错义变异致病性预测中的性能，并揭示分子亚区域效应与表型异质性的关联	未提及	探索可靠的生物信息学工具以优化GABRA1错义变异的致病性分类，提升相关脑病和癫痫的精准诊断	GABRA1错义变异及其致病性	机器学习	癫痫	基因测序	集成学习与深度学习算法	基因变异数据	61个GABRA1错义变异（30个致病/可能致病，31个良性/可能良性）	NA	MetaLR, PrimateAI, AlphaMissense, M-CAP, CADD_phred, fathmm-XF等	准确率、灵敏度、特异性、阳性预测值、阴性预测值、马修斯相关系数、F分数、AUC	NA
1156	2026-06-04	Applying transformer-based deep learning models in image-driven cancer diagnosis: a comprehensive bibliometric analysis of global research trends 2026, Frontiers in oncology IF:3.5Q2 DOI:10.3389/fonc.2026.1592750 PMID:42232552	综述	对基于Transformer的深度学习模型在图像驱动癌症诊断中的应用进行全面的文献计量分析，揭示全球研究趋势	首次通过文献计量学方法系统分析Transformer在图像驱动癌症诊断中的研究热点、国际合作模式和未来方向	研究成果的泛化性和可扩展性面临挑战，各国和机构的影响力（以引用次数衡量）存在差异	分析Transformer在图像驱动癌症诊断中的全球研究趋势和未来方向	2017年至2026年间发表的关于Transformer在图像驱动癌症诊断中的应用论文	计算机视觉	癌症	NA	Transformer	图像	2923篇论文	CiteSpace, VOSviewer	NA	NA	NA
1157	2026-06-04	ASLNet: an explainable deep learning framework for glioma grading and survival prediction 2026, Frontiers in oncology IF:3.5Q2 DOI:10.3389/fonc.2026.1818663 PMID:42232555	研究论文	提出一个基于动脉自旋标记MRI的可解释三维残差网络框架，用于胶质瘤分级和生存预测	首次利用ASL MRI数据构建可解释的三维残差网络用于胶质瘤分级和生存预测，并采用集成梯度方法生成显著图以识别关键灌注区域	需要进一步在外部数据集上进行验证	开发并验证基于ASL MRI的可解释深度学习框架，用于预测弥漫性胶质瘤的组织病理学分级和总体生存期	471例经组织学确诊的弥漫性胶质瘤患者，采用ASL MRI采集的图像数据	计算机视觉	胶质瘤	动脉自旋标记MRI	三维残差网络	图像	471例弥漫性胶质瘤患者	PyTorch	ResNet，FiLM型中间融合模型	AUC, macro-F1, accuracy, recall	NA
1158	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
1159	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
1160	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