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
1321	2026-07-30	Deep learning for early detection of guava fruit anthracnose and fruit fly infestation 2026-May-28, BMC plant biology IF:4.3Q1 DOI:10.1186/s12870-026-09125-1 PMID:42210111	研究论文	利用深度学习系统早期检测番石榴炭疽病和果蝇侵染	首个针对南亚地区番石榴炭疽病和果蝇侵染早期症状的深度学习分类系统，采用CLAHE和去模糊掩膜增强预处理，并在边缘设备Raspberry Pi 4B上实现了高效部署	数据集规模较小（仅473张图像），且仅依赖单一专家验证，可能影响模型的泛化能力	开发基于深度学习的分类系统，用于早期检测番石榴炭疽病和果蝇侵染	番石榴果实图像中的炭疽病和果蝇侵染症状	计算机视觉	番石榴病害	图像预处理（CLAHE和去模糊掩膜）、迁移学习	卷积神经网络（CNN）和视觉变换器	图像	473张标注后的番石榴果实图像	PyTorch	ResNet50, EfficientNetB3, DenseNet121, Vision Transformer	准确率, 精确率, 召回率, F1分数, ROC-AUC	Raspberry Pi 4B边缘设备
1322	2026-07-30	Cardiac arrhythmia detection via PQRST analyzed data using an optimized hierarchical fused fuzzy deep reinforcement learning 2026-May-28, BMC medical informatics and decision making IF:3.3Q2 DOI:10.1186/s12911-026-03564-4 PMID:42210277	研究论文	提出一种优化分层融合模糊深度强化学习方法，用于心律失常检测	结合数据预处理、强化学习和模糊深度学习的三个步骤，提出OHFFDRL方法，并分析了模型可解释性	未明确提及局限性	通过非窦性心律预测实现心脏病的早期预防	12导联心电图数据集，包含10,646名患者	机器学习	心律失常	心电图信号分析	深度强化学习、模糊深度学习	心电图信号	10,646名患者	NA	OHFFDRL	准确率、ROC曲线下面积、经验ROC面积	NA
1323	2026-07-30	Machine Learning Model Using Pre-Cancer Therapy Cardiac Magnetic Resonance Images to Predict Cancer Therapy-Related Cardiac Dysfunction 2026-May-28, JACC. Cardiovascular imaging DOI:10.1016/j.jcmg.2026.04.007 PMID:42212994	研究论文	利用癌症治疗前的心脏磁共振图像，通过深度学习模型预测癌症治疗相关心功能不全	首次使用治疗前的CMR短轴电影图像通过深度卷积神经网络预测CTRCD，并证明其优于临床和传统影像模型	样本量较小（229名患者），且仅针对HER2阳性乳腺癌女性患者，外部验证队列来自单个中心	评估基于治疗前CMR图像的深度学习模型预测CTRCD的能力	接受蒽环类药物和曲妥珠单抗治疗的HER2阳性乳腺癌女性患者	医学影像分析	乳腺癌相关心功能不全	心脏磁共振成像	深度卷积神经网络	图像	229名患者（内部176名，外部53名）	NA	深度卷积神经网络	AUC, F1分数	NA
1324	2026-07-30	Dual inhibition of KDM4B and KDM5A disassembles the PAX3-FOXO1 transcriptional program in fusion-positive rhabdomyosarcoma 2026-May-27, Biology direct IF:5.7Q1 DOI:10.1186/s13062-026-00837-w PMID:42204622	研究论文	利用深度学习药物发现策略鉴定出双靶向KDM4B和KDM5A的小分子化合物Compound 01，并揭示其通过破坏PAX3-FOXO1转录程序抑制融合阳性横纹肌肉瘤的机制	首次发现KDM5A是PAX3-FOXO1网络的关键表观遗传伙伴，并提出双靶向KDM4B/KDM5A的策略以破坏FP-RMS中的转录回路	未说明	阐明表观遗传调控机制并开发靶向PAX3-FOXO1转录程序的新型治疗策略	融合阳性横纹肌肉瘤（FP-RMS）细胞模型	机器学习	横纹肌肉瘤	NA	深度学习	NA	NA	NA	NA	NA	NA
1325	2026-07-30	Enhancing crop yield prediction accuracy with a novel interpretable deep learning model: MHCNN-LSTM-MHA 2026-May-23, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-53616-y PMID:42174018	研究论文	提出MHCNN-LSTM-MHA模型融合多架构提升作物产量预测精度与可解释性	首次融合多头卷积神经网络、长短期记忆网络与多头注意力机制，通过动态特征优先处理和SHAP可解释性分析缓解梯度不稳定问题，实现预测性能与农业物理解释性的统一	仅基于美国大豆单一作物数据集验证，未考虑不同气候区域或作物类型的泛化能力	开发兼具高精度与可解释性的深度学习模型，解决作物产量预测中梯度不稳定、模型泛化性差及缺乏可解释性等挑战	美国大豆产量预测数据集（包含天气、土壤、管理实践和历史产量特征）	机器学习	NA	深度学习集成建模	MHCNN-LSTM-MHA（多头CNN-LSTM-多头注意力机制）	数值型表格数据	美国大豆产区多维度数据集（具体样本量未提及）	TensorFlow, PyTorch	Multihead CNN, LSTM, Multihead Attention	RMSE, R²，RMSE=3.75蒲式耳/英亩，R²=0.905	NA
1326	2026-07-30	Hybrid multi-scale CNN-Residual-LSTM approach for robust state-of-charge estimation in lithium-ion batteries 2026-May-22, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-53543-y PMID:42173969	研究论文	提出一种结合多尺度卷积神经网络、残差块和长短期记忆单元的混合深度学习架构，用于锂离子电池荷电状态估算	首次将多尺度CNN、残差块和LSTM三种结构融合，同时捕捉电池数据中的局部空间模式和时间依赖关系	未在不同电池化学体系或极端工况下验证模型泛化能力，可能缺乏实际应用中的鲁棒性测试	实现锂离子电池荷电状态的高精度估算，支持电池管理系统开发	锂离子电池荷电状态和健康状态数据	机器学习	不适用	不适用	混合深度学习模型（多尺度CNN-残差块-LSTM）	时序数据	未明确说明，使用真实电池数据集	未明确说明，可能是PyTorch或TensorFlow	多尺度CNN、残差块、LSTM	平均绝对误差、均方误差、决定系数	NA
1327	2026-07-30	Research on optimization of power grid load forecasting models based on deep learning 2026-May-21, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-47517-3 PMID:42168249	研究论文	提出一种自适应深度负荷预测器（ADLP），整合混合时序编码、动态注意力机制与在线自适应更新策略，实现电网负荷的高精度预测与优化	创新性地将双向长短时记忆网络与卷积神经网络结合，并集成动态注意力机制和在线自适应更新模块，实现短期波动与长期依赖的同步捕捉，同时提出动态电网感知负荷优化策略提升电网运行效率	计算效率有待提升，未引入强化学习，需扩展至不同电网环境的泛化能力	基于深度学习优化电网负荷预测模型，提升智能电网预测精度、适应性和鲁棒性	电网负荷数据	机器学习	NA	NA	双向LSTM, CNN	时间序列数据	真实电网负荷数据集（具体数量未说明）	深度学习框架（未明确指定）	双向LSTM-CNN混合架构	精度、适应性、鲁棒性（具体指标未列出）	NA
1328	2026-07-30	A deterministic method for quantifying spindle-shaped cells in noisy bright-field microscopy 2026-May-21, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-51592-x PMID:42168261	研究论文	提出一种确定性图像分析方法，用于从低对比度、高噪声的明场显微图像中直接量化纺锤形细胞，无需荧光标记或监督训练	无需荧光染色或深度学习模型训练，采用对比度增强、自适应阈值分割、轮廓滤波和形状引导精化相结合的确定性流程，在保持高可解释性和低计算复杂度的前提下实现鲁棒细胞计数	未提及具体局限性	开发一种无监督、可解释的明场显微图像纺锤形细胞自动量化方法	纺锤形细胞	计算机视觉	NA	明场显微镜	NA	图像	NA	NA	NA	计数精度, 性能一致性	低计算资源需求
1329	2026-07-30	Prediction of unerupted canines and premolars widths in an Emirati population: development and validation of regression and machine learning models 2026-May-21, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-54292-8 PMID:42168554	研究论文	开发并验证了用于预测阿联酋儿童未萌出尖牙和前磨牙宽度的回归和机器学习模型	首次针对阿联酋人群开发了基于深度学习和机器学习技术的未萌出牙齿宽度预测模型，并发现线性回归模型在平均通过率上优于机器学习方法	研究仅基于阿联酋人群，样本量相对较小（380人），且未涉及其他种族或地理人群的验证	开发更准确的模型来预测阿联酋儿童未萌出尖牙和前磨牙的宽度	阿联酋15-30岁个体的牙齿模型	机器学习	NA	NA	人工神经网络、支持向量回归、线性回归	牙齿宽度测量数据	380名阿联酋个体（年龄15-30岁）的牙齿模型	NA	线性回归、支持向量回归、人工神经网络	通过率、平均绝对误差、均方根误差、决定系数	NA
1330	2026-07-30	A human-in-the-loop explanation framework for morphologically transparent AI predictions from whole-slide images 2026-May-14, NPJ digital medicine IF:12.4Q1 DOI:10.1038/s41746-026-02741-z PMID:42135447	research paper	提出了一种名为MorphoXAI的人机交互解释框架，用于从全切片图像中对深度学习模型进行形态学透明的AI预测解释	该框架通过整合人类专家解释，同时提供局部和全局可解释性，揭示了模型在区分不同类别全切片图像时一致依赖的形态学模式以及引起类别混淆的模式	未知，摘要未提及	通过全局和局部解释的统一，并基于专家解释的形态学，增强深度学习模型的可解释性和可验证性，促进其在临床实践中的透明部署	深度学习模型在全切片图像分析任务中的预测行为	digital pathology	NA	NA	深度学习模型（具体结构未明确说明）	图像（全切片图像）	NA	NA	NA	人类评估指标：易解释性、诊断特征丰富性、对诊断决策的直接帮助	NA
1331	2026-07-30	AUBADE-syn: a novel deep learning ensemble method for glaucoma detection using synthetic fundus images on imbalanced datasets 2026-May-14, NPJ digital medicine IF:12.4Q1 DOI:10.1038/s41746-026-02752-w PMID:42135460	研究论文	提出AUBADE-syn集成学习方法，通过合成视网膜图像解决青光眼检测中的类不平衡问题	首次将无分类器引导扩散模型与结构化类平衡策略集成，在高度不平衡数据集上生成逼真的青光眼图像并提升模型泛化能力	未提及具体限制	解决医学图像数据集中严重类不平衡对青光眼检测性能的影响	青光眼检测任务中的眼底图像	计算机视觉	青光眼	眼科成像	集成学习	图像	EyePACS数据集（约12万张眼底图像，不平衡比率1:30）及10个独立公共数据集+3个额外公共数据集	PyTorch	无分类器引导扩散模型	AUC（曲线下面积）	NA
1332	2026-07-30	Radiomics model integrating MRI and ECV enhances prediction accuracy for progression in high-grade glioma 2026-May-13, NPJ precision oncology IF:6.8Q1 DOI:10.1038/s41698-026-01475-1 PMID:42129328	研究论文	开发基于MobHy-Net的影像组学模型，整合MRI和ECV图像预测高级别胶质瘤患者一年进展风险	首次结合T2-FLAIR和细胞外体积图像的深度学习特征与临床变量，构建MobHy-Net模型用于高级别胶质瘤进展风险预测	样本量较小（193例）且为回顾性研究，需要多中心前瞻性验证	开发准确预测高级别胶质瘤患者一年进展风险的组合模型，辅助临床决策	193名来自两个中心的高级别胶质瘤患者术前多序列MRI数据	机器学习	胶质瘤	MRI	MobHy-Net	图像	193例高级别胶质瘤患者	NA	MobHy-Net	AUC, 决策曲线分析	NA
1333	2026-07-30	Estimating genotype-tissue specific gene expression using hybrid deep learning 2026-May-13, Communications biology IF:5.2Q1 DOI:10.1038/s42003-026-10251-7 PMID:42129502	研究论文	开发了一种混合深度学习模型，用于估计基因型-组织特异性基因表达谱	整合卷积神经网络、Transformer编码器和XGBoost回归器，利用相邻参考基因表达信息及其基因组上下文进行多组织插补	NA	精确估计基因型-组织特异性表达谱，减少对实验性分析的依赖	基因型-组织表达谱	机器学习	NA	NA	CNN, Transformer, XGBoost	序列数据	GTEx数据集中的组织表达谱	NA	卷积神经网络、Transformer编码器、XGBoost回归器	准确率	NA
1334	2026-07-30	Tumor cell specific total mRNA expression informed neural networks predicts cancer progression 2026-May-06, bioRxiv : the preprint server for biology DOI:10.64898/2026.05.01.722212 PMID:42146375	研究论文	提出TmSNet深度学习框架，利用多组学数据预测肿瘤细胞特异性总mRNA表达量，以推断肿瘤进展	首次通过深度神经网络整合mRNA、DNA甲基化、miRNA和免疫细胞比例等多组学特征，预测肿瘤细胞特异性总mRNA表达量，克服了传统方法对匹配DNA和RNA测序数据及计算密集型去卷积管道的依赖	外部验证集（SCAN-B和FUSCC）的相关性较低（分别为0.54和0.43），可能限制了跨队列的泛化能力	开发可扩展的深度学习框架，从多组学数据推断肿瘤细胞特异性总mRNA表达量，以预测癌症进展并实现患者风险分层	12种TCGA癌症类型的肿瘤样本及外部验证队列（SCAN-B、FUSCC）	机器学习	泛癌（癌症）	RNA-seq、DNA甲基化测序、miRNA测序、免疫组化	神经网络（深度学习）	组学数据（mRNA表达、DNA甲基化、miRNA表达、免疫细胞比例）	12种TCGA癌症类型数据及SCAN-B和FUSCC外部验证队列（具体样本数未提及）	TensorFlow、Scikit-learn	梯度提升、LASSO、弹性网络、神经网络	一致性相关系数(CCC)、R²	NA
1335	2026-07-30	Automated Detection of Cervical Spinal Cord Compression on MRI Using YOLO11 Deep Learning Architecture: A Two-Center External Validation Study 2026-May-01, Spine IF:2.6Q1 DOI:10.1097/BRS.0000000000005639 PMID:41631492	研究论文	使用YOLO11深度学习架构在MRI上自动检测颈椎管压迫，并进行双中心外部验证研究	首次利用YOLO11架构实现颈椎MRI脊髓压迫的自动检测，并通过双中心外部验证展示了与专家注释高度一致的表现	未明确提及，但可能受限于回顾性设计、样本量有限及仅使用T2加权图像	开发和验证基于YOLO11的深度学习模型，用于自动检测颈椎MRI上的脊髓压迫，并与专家注释进行评估对比	颈椎脊髓压迫的自动检测	计算机视觉, 数字病理学	颈椎病	MRI	YOLO11	图像	735名患者的1431张矢状T2加权颈椎MRI图像	PyTorch	YOLO11	mAP50, 精确率, 召回率	NA
1336	2026-07-30	MRI-based deep learning and radiomics for preoperative prediction of P53abn endometrial cancer: A multicenter study 2026-May, European journal of radiology IF:3.2Q1 DOI:10.1016/j.ejrad.2026.112745 PMID:41740271	研究论文	基于MRI深度学习和影像组学方法术前预测P53abn子宫内膜癌，用于风险分层和个性化治疗规划	提出结合V-Net和VB-Net两阶段深度学习架构自动化肿瘤分割，并整合影像组学特征构建分类模型，实现了在多中心数据中术前非侵入性鉴别P53abn子宫内膜癌亚型	研究为回顾性设计，可能存在选择偏倚，且自动分割与手动分割在某些病例中仍有差异，模型泛化性需更多外部验证	开发非侵入性MRI基础深度学习和影像组学方法，用于术前区分P53abn子宫内膜癌，优化风险分层以支持个性化治疗	经组织学确诊的子宫内膜癌患者	数字病理学	子宫内膜癌	MRI	深度学习（V-Net、VB-Net）、机器学习（SVM、随机森林、逻辑回归、决策树）	MRI影像（T2WI、DWI、CE-T1WI）	920名患者，来自三个医疗中心	NA	V-Net、VB-Net	Dice相似系数（DSC）、受试者工作特征曲线下面积（AUC）	NA
1337	2026-07-30	Deep Brain Stimulation Induces Antidepressant Effects by Restoring High-Fidelity Communication in the BNST-NAc Circuit 2026-May, Advanced science (Weinheim, Baden-Wurttemberg, Germany) DOI:10.1002/advs.202521943 PMID:41801046	研究论文	本研究通过跨物种、多层次的电生理研究揭示了深部脑刺激通过恢复终纹床核-伏隔核回路高保真通信产生抗抑郁作用的机制	首次在兴奋/抑制周期中识别出抑制期孤立尖峰这一关键通信模式，并开发创新跨物种算法从宏观人脑局部场电位信号解码功能性的兴奋和抑制期，将机制研究与临床验证相结合	未明确指出样本量及统计功效分析的局限性，也未讨论可能的混杂因素或研究设计的潜在偏倚	阐明治疗抵抗性抑郁症的核心病理生理机制及深部脑刺激的精确治疗机制	终纹床核-伏隔核回路中的神经元活动及局部场电位信号	机器学习	治疗抵抗性抑郁症	深部脑刺激、局部场电位记录、跨物种电生理技术	深度学习模型	电生理信号（局部场电位、尖峰序列）	18名参与者的双盲交叉随机对照试验数据（模型开发使用开放标签数据，独立验证使用随机对照试验数据）	NA	深度学习框架（具体架构未指定）	抑郁症状评分减少量（平均降低9.4）	NA
1338	2026-07-30	Segmentation regularized training for multi-domain deep learning registration applied to magnetic resonance-guided prostate cancer radiotherapy 2026-May, Physics and imaging in radiation oncology DOI:10.1016/j.phro.2026.100989 PMID:42232230	研究论文	提出一种基于分割正则化的多域深度学习配准方法，用于磁共振引导的前列腺癌放疗	提出基于分割正则化的渐进式配准与分割网络（ProRSeg），通过器官加权分割正则化提升多域MR-MR配准的准确性	剂量累积分析仅基于42例患者，初步验证可行但需要更大规模验证	训练分割正则化的深度学习配准模型，评估域不变的MR-MR配准在自适应放疗中的应用	前列腺癌患者的纵向3T MR模拟（MR-Sim）及日常治疗1.5T MR线性加速器（MR-Linac）图像	数字病理学	前列腺癌	磁共振成像（MRI）	深度学习配准与分割网络（ProRSeg、VoxelMorph）	医学图像（MR图像）	262对同域MR图像（训练集）、58对同域测试集、72对跨域测试集、42对混合域测试集	NA	ProRSeg、VoxelMorph	器官和临床靶区轮廓传播准确性	NA
1339	2026-07-30	CUCT-Net: End-to-End Signal-to-Image Learning for Quantized Speed-of-Sound Estimation and Tissue Segmentation in Ultrasound Computed Tomography 2026-Apr-30, Sensors (Basel, Switzerland) DOI:10.3390/s26092801 PMID:42122523	研究论文	提出CUCT-Net深度学习框架，从超声信号直接映射到图像空间，实现量化声速估计和组织分割	将超声断层扫描转化为端到端信号-图像学习问题，无需初始猜测或迭代优化，利用多输入编码器-解码器架构和移位单元增强稀疏传感下的特征建模	依赖k-Wave模拟数据，未在真实临床数据上验证；量化声速估计可能受高对比度区域影响	实现超声断层扫描中高效、鲁棒的量化声速估计和组织分割	Shepp-Logan圆盘体模和DBB脑解剖体模	机器学习	NA	超声断层扫描	CNN	超声信号	模拟体模数据，包括多种变体和噪声条件	PyTorch	多输入编码器-解码器网络	量化声速估计精度、分割准确性	NA
1340	2026-07-30	Classification of Cochrane Plain Language Summaries by Conclusiveness Using Transformer-Based Models and ChatGPT: Retrospective Observational Study 2026-Apr-14, JMIR medical informatics IF:3.1Q2 DOI:10.2196/72657 PMID:41980187	研究论文	使用基于Transformer的模型和ChatGPT对科克伦通俗语言摘要进行结论性分类	首次系统性比较微调深度学习模型（如SciBERT和Longformer）与通用大型语言模型（GPT-4o）在科克伦通俗语言摘要结论性分类任务中的性能	微调模型在新发布的摘要上泛化能力差，性能降至接近随机水平，可能由于语义重叠和细微语言差异	开发和评估深度学习语言模型，根据结论性强弱对科克伦通俗语言摘要进行分类	科克伦系统评价的通俗语言摘要	自然语言处理	不适用	NGS	Transformer（SciBERT, Longformer, GPT-4o）	文本	4405篇科克伦通俗语言摘要（截至2019年发表）和额外213篇摘要	PyTorch, Scikit-learn	SciBERT, Longformer, GPT-4o	平衡准确率, AUCROC, 精确率, 召回率, Cohen κ	NA