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
1201	2026-06-09	[Deep Learning-Based Automated Segmentation Algorithms of Brain and Vertebral Substructures for Radiotherapy in Pediatric Medulloblastoma] 2026-Jan-30, Zhongguo yi liao qi xie za zhi = Chinese journal of medical instrumentation DOI:10.12455/j.issn.1671-7104.250219 PMID:41672616	研究论文	评估深度学习自动分割算法在儿童髓母细胞瘤放疗中脑部和脊椎子结构分割的可行性	提出FuseNet模型，通过动态多模态特征融合提升脑部子结构分割精度，并与nnU-Net和U-Net进行对比验证	样本量有限（60例），且未涵盖所有年龄亚组和不同影像设备的数据	评估nnU-Net和FuseNet在儿童髓母细胞瘤放疗中自动分割脑部和脊椎子结构的应用可行性	60例接受放疗的儿童髓母细胞瘤患者	计算机视觉	儿童髓母细胞瘤	CT-MRI融合影像，CT影像	CNN	影像	60例儿童患者（按5岁年龄分组：≤5岁和>5岁），20例外部病例用于泛化验证	PyTorch	U-Net, nnU-Net, FuseNet	Dice相似系数（DSC）, Hausdorff距离95%（HD95）, 相对体积差异（RAVD）, 手动校正时间	NA
1202	2026-06-09	A survey of contrastive learning methods in molecular representation 2026-Jan-07, Briefings in bioinformatics IF:6.8Q1 DOI:10.1093/bib/bbaf731 PMID:41671347	综述	对分子表示中的对比学习方法进行全面综述	首次系统综述对比学习在分子表示中的应用	未深入探讨具体算法实现细节	总结对比学习在分子表示中的研究现状与未来方向	分子表示方法与对比学习框架	机器学习	不适用	不适用	对比学习	分子数据	不适用	不适用	不适用	不适用	不适用
1203	2026-06-09	AI-powered detection of cyberbullying in short-form video content: A hybrid deep learning framework 2026, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0338799 PMID:41671210	研究论文	提出一种混合深度学习框架，用于检测短视频平台上的网络霸凌行为	首次集成CNN、BiLSTM和Transformer编码器，结合语义一致性验证层，实现跨模态对齐和分类优化	仅在CAVD和SocialVidMix两个公开数据集上测试，未在真实平台大规模部署验证	开发可实时部署的自动内容审核系统，用于检测短视频中的网络霸凌	Instagram Reels、TikTok和YouTube Shorts上的短视频中的视频、音频和字幕流	计算机视觉, 自然语言处理, 机器学习	NA	深度学习	CNN, BiLSTM, Transformer	视频, 音频, 文本	两个基准数据集: CAVD和SocialVidMix	PyTorch	CNN, BiLSTM, Transformer	准确率, 精确率, 召回率, F1分数	NA
1204	2026-06-09	Preoperative evaluation of C2 pedicle screw placement using a deep learning model: Development and validation study 2026, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0342349 PMID:41671245	研究论文	开发并验证一种深度学习模型（C2-Net），用于术前快速准确评估C2椎弓根螺钉置入可行性	提出C2-Net自动深度学习管道，集成了图像分割和螺钉置入概率评估模块，生成了注意力图以可视化决策过程，且性能与资深外科医生相当	当前研究中未明确提及局限性	开发并评估深度学习模型用于C2椎弓根螺钉置入的术前评估	C2椎弓根螺钉置入患者	计算机视觉	脊柱疾病	CT成像	CNN	CT图像	未明确提及样本量	PyTorch	C2-Net	准确率、灵敏度、特异度	NA
1205	2026-06-09	A unified vision-language model for cross-product defect detection in glove manufacturing 2026, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0339867 PMID:41671274	研究论文	提出一种统一的视觉语言模型用于手套制造中的跨产品缺陷检测	采用两阶段微调策略（监督微调与强化微调）和基于多面可验证奖励函数的视觉推理优化，实现单一模型动态处理多种产品和缺陷类型	在真实手套制造数据集上mAP为0.63，与专用YOLO基线（0.62）相当但未大幅超越，且依赖自然语言提示的泛化能力有限	验证使用单一灵活的多模态大语言模型替代多个刚性模型在复杂工业检测中的可行性，实现可扩展且经济的质量控制	手套制造过程中的缺陷检测	计算机视觉	NA	多模态大语言模型	MLLM	图像	含混合产品类别的真实手套制造数据集	PyTorch	MLLM	平均精确率	NA
1206	2026-06-09	Research on anomaly detection and operational status evaluation methods for smart electricity meters based on hybrid deep learning 2026, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0350561 PMID:42234697	research paper	提出一种基于特征图像组合和改进ResNet-18的电力质量扰动识别方法	采用特征融合思路，将变分模态分解生成的彩色特征-分量图像与连续小波变换生成的时频图结合，输入六通道改进ResNet-18进行训练，提升抗噪性和识别精度	仅针对单一图像特征信息不足的问题，未讨论多类型扰动信号实时处理或计算开销等局限性	克服传统电能质量扰动识别系统对单图像特征信息识别能力不足的问题	电力质量扰动信号	计算机视觉	NA	变分模态分解（VMD）、连续小波变换（CWT）	卷积神经网络	图像（彩色特征-分量图像和时频图）	NA	NA	ResNet-18（六通道改进型）	识别准确率	NA
1207	2026-06-09	Integrating deep learning, biological hierarchies, and high-resolution imagery to create a new identification tool for cryptic coral reef fishes 2026, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0349646 PMID:42241402	研究论文	开发了一种名为CryptoVision的新型分类感知卷积神经网络，结合高分辨率图像对隐存的珊瑚礁鱼类进行自动分类和监测	创新性地将生物分类层次结构（科、属、种）及其生物学约束融入深度学习模型，设计了三个输出头的分类感知网络，并提出了四种层次融合策略（标准、拼接、门控、注意力）	未明确提及局限性，但可推断数据集主要覆盖113种小型礁鱼，且依赖专家定义的形态特征进行模型注意力验证，可能对未包含的物种泛化能力有限	开发基于深度学习的自动化分类工具，用于识别和监测隐存的珊瑚礁鱼类，以拓宽生态监测和生物多样性科学的参与度	隐存的小型底栖珊瑚礁鱼类（cryptobenthic fishes），涉及113个物种	计算机视觉	NA	NA	卷积神经网络（CNN）	图像	约7,600张实验室标准图像和约18,800张网络来源图像	TensorFlow或PyTorch（未明确指定，但为深度学习常用框架）	ResNet50v2（增强版），集成Squeeze-and-Excitation模块	平均精确率（Average Precision, 90.5%）、期望校准误差（Expected Calibration Error, ≈0.01）	NA（未提及具体计算资源）
1208	2026-06-09	KG-HiAttention: synergizing AI-based knowledge graphs and deep learning for explainable software vulnerability analysis 2026, Frontiers in artificial intelligence IF:3.0Q2 DOI:10.3389/frai.2026.1794125 PMID:42253291	研究论文	提出KG-HiAttention框架，结合知识图谱和深度学习进行可解释的软件漏洞分析	首次将符号化知识图谱与亚符号深度学习协同融合，构建基于CPG的轻量级程序图，并通过图注意力网络与预训练语言模型的多模态融合实现可解释性	未提及具体限制	解决深度学习模型在软件漏洞分析中缺乏透明性和语义结构利用的问题	软件函数中的漏洞分析	机器学习	NA	NA	图注意力网络、预训练CodeT5编码器	程序图结构和语义嵌入	BigVul数据集（具体样本数未提及）	PyTorch	GAT, CodeT5	AUC-ROC, 特异性	NA
1209	2026-06-09	Multi-attribute prediction of protein composition and hardness using semantic segmentation for 3D-Printed plant-based meat analogues 2026, Current research in food science IF:6.2Q1 DOI:10.1016/j.crfs.2026.101458 PMID:42253341	研究论文	该研究开发了一种基于语义分割的多属性深度学习框架，用于从RGB表面图像中非破坏性预测3D打印植物基肉类似物的蛋白质组成和硬度	首次结合语义分割与多输出预测模型，实现从RGB图像同时预测3D打印食品的成分和质构属性，提供低成本、非破坏性的质量监控方法	未提及局限	开发一种用于3D食品打印过程中非破坏性、实时质量评估的深度学习框架	3D打印植物基肉类似物的蛋白质成分（小麦面筋、大豆分离蛋白、大米蛋白）和硬度	计算机视觉, 机器学习	NA	3D食品打印	DeepLabv3+, EfficientNet, 双向长短期记忆网络	图像	未明确提及样本数量，但使用五折交叉验证	PyTorch	DeepLabv3+ (ResNet-50骨干网络), EfficientNet-双向长短期记忆网络	平均交并比, 平均准确率, R值, 均方根误差	NA
1210	2026-06-09	Green toxicology only becomes beautiful through AI 2026, Frontiers in chemistry IF:3.8Q2 DOI:10.3389/fchem.2026.1801623 PMID:42253404	综述	探讨人工智能如何将绿色毒理学从理念转化为实用框架，推动化学创新向可持续方向发展	提出人工智能与绿色毒理学整合的实践框架，利用深度学习、自然语言处理和可解释人工智能解决传统绿色毒理学中数据碎片化和验证障碍等瓶颈	未讨论具体验证案例和实施挑战，缺乏对数据隐私和算法偏见的深入分析	阐明人工智能在提升绿色毒理学预测能力、实现概率风险评估和促进可持续化学设计中的关键作用	绿色毒理学概念体系及其与人工智能技术的融合应用	机器学习	NA	NA	深度学习模型	文本和毒理学数据集	NA	NA	NA	预测准确性	NA
1211	2026-06-09	Ensemble Learning to Categorize the Bethesda System of Reporting of Cervical Cytology 2026 Jan-Mar, Journal of cytology IF:1.0Q4 DOI:10.4103/joc.joc_130_25 PMID:42253708	研究论文	通过软投票集成深度学习模型，对宫颈细胞学涂片进行Bethesda系统分类	首次采用包含五种迁移学习架构的软投票集成模型对宫颈细胞学进行分类	中间类别病变（低度鳞状上皮内病变）的敏感性较低，数据集规模有限且未使用全切片图像分析	评估软投票集成深度学习模型在Bethesda系统下分类宫颈细胞学涂片的性能	宫颈细胞学涂片样本	计算机视觉	宫颈癌	NA	集成学习	图像	259例病例，1016张显微照片	NA	VGG16, ResNet50, InceptionV3, DenseNet121, MobileNetV2	敏感性, 特异性, 准确率, AUROC	NA
1212	2026-06-09	Deep Learning in Cytopathology: The Potential for Multimodal Synergy of Clinical and Cytological Input Data 2026 Jan-Mar, Journal of cytology IF:1.0Q4 DOI:10.4103/joc.joc_14_25 PMID:42253703	综述	本文探讨了深度学习在细胞病理学中的应用潜力，特别是临床与细胞学输入数据的多模态协同作用	强调了多模态数据集成在细胞病理学中的重要性，以克服仅依赖图像数据时的性能瓶颈和潜在诊断风险	未提及具体实验验证或定量比较，主要基于定性评论	综述多模态深度学习在细胞病理学中的当前状态和潜在数据来源	细胞病理学中的多模态输入数据，包括人口统计学、临床调查、放射学、细胞学标本的染色准备、免疫细胞化学和分子检测	数字病理学	NA	NA	深度学习	图像、文本	NA	NA	NA	NA	NA
1213	2026-06-09	The ASME-speller: 30-class auditory brain-computer interface speller using stream segregation and the QWERTY layout 2026, Frontiers in human neuroscience IF:2.4Q2 DOI:10.3389/fnhum.2026.1807535 PMID:42253796	研究论文	提出了一种利用听觉流分离和QWERTY键盘布局的30类别听觉脑机接口拼写系统ASME-speller	将听觉流分离技术与熟悉的QWERTY键盘布局结合，实现了无需视觉支持的30类别听觉BCI拼写系统	部分参与者的脑电图数据含有过多伪迹；与已有系统相比性能相当但未显著超越	开发一种直观且无需视觉的听觉脑机接口拼写系统以促进交流	十名健康参与者	机器学习	NA	脑电图（EEG）	线性判别分析（LDA）、深度学习模型（EEGNet4,2）	脑电图信号	10名健康参与者	NA	EEGNet4,2	分类准确率、信息传输速率（ITR）	NA
1214	2026-06-09	DeepPurpose based deep learning approach for drug repurposing targeting VEGFR2 in hepatocellular carcinoma 2026, In silico pharmacology DOI:10.1007/s40203-026-00669-6 PMID:42254291	研究论文	基于DeepPurpose深度学习框架开发药物重定位流程，靶向VEGFR2用于肝细胞癌治疗	首次将DeepPurpose深度学习框架专门用于肝细胞癌中VEGFR2靶点的药物重定位，并整合虚拟筛选、分子对接、分子动力学模拟和DFT分析进行多层级验证	基于计算预测，需进一步实验验证；训练数据集规模有限可能影响模型泛化能力	开发一种基于深度学习的药物重定位方法，识别针对肝细胞癌中VEGFR2的潜在抑制剂	VEGFR2靶点蛋白以及FDA批准和临床阶段的化合物	深度学习, 药物重定位	肝细胞癌	深度学习预测, 分子对接, 分子动力学模拟, DFT分析	DeepPurpose深度学习框架	药物-靶点相互作用数据（包含SMILES表示和蛋白质序列）	手工整理的实验验证药物-靶点相互作用数据集	DeepPurpose	NA	相关系数, 均方误差 (MSE)	NA
1215	2026-06-09	DeepInsight-Net: a CBAM-enhanced ResNet50 framework with focal loss for robust cervical cancer classification on multi-center datasets 2026, Frontiers in medicine IF:3.1Q1 DOI:10.3389/fmed.2026.1783634 PMID:42254369	研究论文	提出DeepInsight-Net框架，结合CBAM增强的ResNet50与Focal Loss，在多个宫颈癌数据集上实现鲁棒分类	创新性地将卷积块注意力模块集成到ResNet50骨干网络中，增强空间和通道特征判别能力，并采用Focal Loss替代传统交叉熵损失，有效缓解类别不平衡问题	（原文摘要未提供明确局限性信息）NA	解决宫颈细胞学分析中空间不相关性和严重类别不平衡两大挑战，实现鲁棒的宫颈癌细胞自动分类	宫颈细胞学图像	计算机视觉	宫颈癌	细胞学筛查	CNN	图像	基准SiPaKMed数据集及独立液基细胞学数据集，具体样本数未说明	PyTorch	ResNet50, CBAM	准确率	NA
1216	2026-06-09	Application of deep learning methods in the classification of normal and pneumonia lung images 2026, Frontiers in medicine IF:3.1Q1 DOI:10.3389/fmed.2026.1755871 PMID:42254413	研究论文	评估多种基于深度学习的模型在胸部X射线图像中自动分类正常和肺炎病例的性能	对比四种预训练CNN架构在肺炎分类任务上的表现，发现VGG16获得最高准确率和AUC，为临床决策支持系统提供基础	数据集来自单一中心、样本量有限且存在类别不平衡，可能限制泛化能力和敏感性	开发和评估用于自动分类正常与肺炎胸部X射线图像的深度学习模型，为临床辅助诊断系统奠定基础	500张后前位胸部X射线图像（PA）	计算机视觉	肺炎	NA	卷积神经网络 (CNN)	图像	500张后前位胸部X射线图像	NA	VGG16, ResNet50, InceptionV3, Xception	准确率, 精确率, 召回率, F1分数, AUC	NA
1217	2026-06-09	Interpretable learning algorithms enable pathogenic potential assessment and virulence-associated gene discovery of Vibrio parahaemolyticus 2026, Frontiers in microbiology IF:4.0Q2 DOI:10.3389/fmicb.2026.1832130 PMID:42254503	研究论文	利用可解释学习算法评估副溶血弧菌的致病潜力并发现与毒力相关的基因	首次结合机器学习和深度学习算法，利用泛基因组组装数据区分临床和环境分离株，并通过基因特征权重分析揭示辅助基因和云基因在致病性进化中的关键作用	未具体说明限制，但可能包括对公共数据质量的依赖、模型泛化性验证不足或未涵盖所有分离株类型	开发和验证可解释的机器学习与深度学习算法，以评估副溶血弧菌的致病潜力并发现与致病性相关的关键基因	副溶血弧菌的临床分离株和环境分离株	机器学习	副溶血弧菌感染相关疾病	下一代测序（NGS）	机器学习（随机森林等）和深度学习模型	泛基因组数据（包括云基因和辅助基因）	未具体说明样本数量，但涉及大量公共基因组数据	NA	随机森林（RF）等	AUC	NA
1218	2026-06-09	Anatomy-aware lymphoma lesion detection in whole-body PET/CT 2026, Frontiers in oncology IF:3.5Q2 DOI:10.3389/fonc.2026.1695211 PMID:42255204	研究论文	研究在全身PET/CT中融入解剖先验信息以提升深度学习模型检测淋巴瘤病变的性能	首次系统比较了解剖先验信息在CNN与Transformer两种检测框架中的作用，并引入自监督预训练策略	解剖先验对Transformer架构提升有限，需探索更优的融合策略；仅使用了单一淋巴结瘤数据集进行微调与验证	探索解剖先验信息能否提升基于深度学习的病变检测性能	全身PET/CT中的淋巴瘤病变	计算机视觉, 数字病理	淋巴瘤	18F-FDG PET/CT	CNN, Transformer	图像	两个独立PET/CT数据集：autoPET（包含淋巴瘤、黑色素瘤和肺癌）和Karolinska淋巴瘤数据集，具体样本量未明确给出	MONAI	nnDetection, Swin UNETR	FROC, mAP@0.1-0.5	NA
1219	2026-06-09	Preoperative prediction of lymphatic metastasis in rectal cancer using a fusion model based on multiparameter magnetic resonance imaging: a retrospective validation study 2026, Frontiers in oncology IF:3.5Q2 DOI:10.3389/fonc.2026.1816420 PMID:42255226	研究论文	验证基于MRI的深度学习算法预测直肠癌淋巴转移，并构建结合影像学和临床病理因素的融合模型以提升术前诊断性能	首次构建结合多参数MRI预测算法与临床因素（CEA和分化程度）的融合模型，在内部和外部验证队列中均显著优于人工判读，并展现出降低观察者间变异性的潜力	回顾性研究设计，样本量相对较小（主队列127例，外部验证33例），且未纳入术前接受放化疗的患者，可能限制模型的普适性	提高直肠癌术前淋巴结转移预测的准确性，辅助识别可从新辅助治疗中获益的患者，促进个性化临床决策	直肠癌患者的淋巴结转移状态	计算机视觉	直肠癌	MRI	深度学习模型（具体架构未指定）	多参数磁共振影像	主队列127例原发性直肠癌患者，外部验证队列33例来自两个中心	NA	NA	AUC, 决策曲线分析	NA
1220	2026-06-09	Applications of artificial intelligence and machine learning models in the prognosis and diagnosis of ovarian cancer 2026, Frontiers in oncology IF:3.5Q2 DOI:10.3389/fonc.2026.1743601 PMID:42255239	综述	该综述探讨了人工智能和机器学习模型在卵巢癌预后和诊断中的应用	整合多组学数据与影像数据以增强预测模型，并强调AI在改善生物标志物分析中的作用	NA	突出AI在提升卵巢癌诊断和预后准确性方面的作用	卵巢癌	机器学习	卵巢癌	影像学技术（超声、磁共振成像、计算机断层扫描）、放射组学、多组学数据（基因组学、转录组学、表观组学等）	深度学习	医学影像、生物标志物数据、多组学数据	NA	NA	NA	准确性	NA