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	2026-06-04	Accuracy of Automated Deep Learning versus Expert Clinicians for Diagnosis of Acute Lacunar Stroke on CT Perfusion 2026-Jun-02, AJNR. American journal of neuroradiology DOI:10.3174/ajnr.A9445 PMID:42229993	研究论文	一项回顾性诊断准确性研究，比较新型自动化深度学习模型与专家卒中神经科医生在CT灌注成像上诊断急性腔隙性卒中的表现	首次系统评估深度学习模型在CT灌注成像上诊断急性腔隙性卒中的准确性，并直接与专家神经科医生进行对比	回顾性设计、样本量有限、仅涉及两个卒中中心、未进行前瞻性或外部验证	评估深度学习模型在CT灌注成像上诊断急性腔隙性卒中的准确性，并比较其与专家神经科医生的表现	疑似急性腔隙性卒中患者的CT灌注成像与弥散加权MRI（DWI）数据	计算机视觉	急性腔隙性卒中	CT灌注成像，弥散加权MRI	卷积神经网络	医学图像	485名患者（436名用于模型开发，49名用于独立验证）	NA	卷积神经网络	AUC，敏感度，特异度	NA
1322	2026-06-04	Deep learning for freezing of gait assessment using inertial measurement units: a multicentre validation study 2026-Jun-02, NPJ Parkinson's disease DOI:10.1038/s41531-026-01407-7 PMID:42230618	研究论文	利用深度学习和惯性测量单元评估帕金森病中的冻结步态，并验证其在不同队列中的表现	首次通过多中心验证全面评估深度学习模型在冻结步态检测中的异质性效应，并提出基于人机协作的微调工作流和概念验证网络平台	外部队列中模型与专家的一致性降低，微调仅改善部分性能；异构性和评估方法差异仍需统一标准解决	评估深度学习模型在不同患者和评估方法异质性下的冻结步态检测性能，并探索微调和人工介入的改进策略	帕金森病患者的冻结步态检测性能，包括本地队列和六个外部队列的数据	深度学习	帕金森病	惯性测量单元	深度学习模型	惯性测量数据	本地队列85名参与者共2043次试验，外部队列256名参与者共1058次试验	NA	NA	组内相关系数	NA
1323	2026-06-04	DeepRank-Ab: a scoring function for antibody-antigen complexes based on geometric deep learning 2026-Jun-02, Communications biology IF:5.2Q1 DOI:10.1038/s42003-026-10408-4 PMID:42230751	研究论文	提出基于几何深度学习的抗体-抗原复合物评分函数DeepRank-Ab，结合约230万个诱饵的真实基准，显著提高近天然构象识别能力	首次将几何深度学习与Voronoi表面分解及抗体特异性特征结合，设计出针对抗体-抗原界面的评分函数，在多个独立测试集上一致超越AlphaFold3、HADDOCK等顶尖方法	NA	开发高准确性抗体-抗原复合物评分方法，解决现有方法在构象排序中的根本性局限	抗体-抗原复合物的三维结构	机器学习	NA	几何深度学习	图神经网络	蛋白质结构数据	来自1442个复合物的约230万个诱饵构象	NA	图神经网络	Top1成功率, Top1 DockQ, Top5成功率	NA
1324	2026-06-04	Deep learning prediction of pathological complete response in breast cancer using Mamba architecture 2026-Jun-02, NPJ digital medicine IF:12.4Q1 DOI:10.1038/s41746-026-02849-2 PMID:42230774	研究论文	开发基于Mamba架构的深度学习模型MCEN，利用穿刺活检图像预测乳腺癌新辅助化疗后的病理完全缓解	首次将Mamba架构应用于乳腺癌化疗疗效预测，替代传统CNN或Transformer方法	研究未明确说明外部测试集样本量和模型在不同亚群中的泛化能力	预测乳腺癌新辅助化疗后的病理完全缓解，辅助临床决策	1646名乳腺癌患者的穿刺活检样本，来自五家三级医院	数字病理学	乳腺癌	穿刺活检	Mamba架构	图像	1646例患者活检样本，其中1023例来自一家医院，分训练集（80%）和验证集（20%），其余四家医院作为外部测试集	NA	Mamba	AUROC	NA
1325	2026-06-04	Hybrid spatial-field attention network for meteorological data downscaling 2026-Jun-02, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-53017-1 PMID:42230883	研究论文	提出一种用于气象数据降尺度的混合空间场注意力网络（HSFANet），以提升粗分辨率气象数据的空间精度	创新性地构建了混合空间场注意力模块，联合建模局部空间依赖性、全局空间相关性和不同气象变量间的交叉场交互；引入动态层信息集成模块自适应聚合多级特征；采用地物交叉注意力机制捕捉气象场与下垫面特征的耦合关系	未明确说明局限性	解决现有气象产品空间分辨率粗、难以满足高精度工程和决策需求的问题	近地表气象变量（如温度、湿度、风等）的降尺度重建	机器学习	NA	NA	注意力网络	气象再分析数据（CLDAS V2.0）	NA（未提及具体样本数量）	NA（未明确提及）	混合空间场注意力网络（HSFANet），包括混合空间场注意力模块、动态层信息集成模块和地物交叉注意力机制	准确率（Accuracy）等（具体指标未明确列出，但提及“更高精度”且与最先进方法比较）	NA（未提及具体计算资源）
1326	2026-06-04	Design of an AI-based security anomaly detection system for IoT terminals based on the ViT-transformer fusion model 2026-Jun-02, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-55476-y PMID:42230914	研究论文	提出一种基于ViT-Transformer融合模型的物联网终端AI安全异常检测系统	采用端边云三级协同架构，融合网络流量、传感器时序和侧信道信号等多模态数据，通过tokenization实现跨模态特征融合；结合剪枝、蒸馏和量化优化策略将模型压缩比提升至70%；引入椭圆曲线无证书加密和批量列表签名批量认证确保数据安全，并使用联邦学习聚合边缘模型更新以优化全局性能	轻量级ViT融合模型在终端适应性和多模态数据融合应用方面仍有不足，端边云协作中动态调度与隐私保护的平衡仍需突破	解决物联网终端安全检测中的资源瓶颈和隐私风险，提供高效可靠的AI安全异常检测技术方案	物联网终端的多模态数据（网络流量、传感器时序、侧信道信号）	机器学习	NA	NA	ViT-Transformer融合模型	多模态数据（网络流量、传感器时序、侧信道信号）	使用IoT-23和UCI等公开数据集及自制测试平台	PyTorch	ViT, Transformer	准确率, F1分数, 推理延迟, 内存占用, 防御成功率	在低算力设备RPi4B和Arduino上部署，未提及具体GPU
1327	2026-06-04	Modeling the interpretable geometric-performance relationship of metamaterials on small datasets using Kolmogorov-Arnold operator informed network 2026-Jun-02, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-55607-5 PMID:42230930	研究论文	提出Kolmogorov-Arnold算子信息网络方法，在小样本条件下实现轻量神经结构，用于超材料几何-性能关系建模	提出Kolmogorov-Arnold算子信息网络方法，在小样本条件下实现最轻的神经结构，同时提高精度和收敛速度	未提及	在小样本数据集下解释超材料的几何-性能关系并提高预测精度	梯度三周期极小曲面超材料	机器学习	NA	NA	Kolmogorov-Arnold算子信息网络	数值数据	50组数据	NA	Kolmogorov-Arnold算子信息网络	精度，收敛速度	NA
1328	2026-06-04	Predicting diffusion-FLAIR mismatch from B1000 and ADC without FLAIR: A deep learning-based approach 2026-Jun-02, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-55388-x PMID:42230928	研究论文	提出一种基于深度学习的模型，仅使用B1000和ADC图像预测弥散-FLAIR不匹配，无需FLAIR序列	首次实现无需FLAIR序列即可预测DFM，仅依赖DWI和ADC图像，并在外部验证中表现优于人类专家	未提及模型在特定影像设备或极端临床条件下的泛化性验证	开发一种不依赖FLAIR序列的深度学习模型预测DFM，以辅助急性卒中诊疗	急性脑卒中患者的B1000和ADC图像	计算机视觉	脑血管疾病	磁共振成像	卷积神经网络	图像	2369例（开发队列），679例（独立外部验证队列）	NA	NA	AUROC	NA
1329	2026-06-04	Clinical determinants of retinal age gap estimated from fundus photographs in glaucoma patients 2026-Jun-02, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-55984-x PMID:42230934	研究论文	探讨青光眼患者眼底照片中视网膜年龄差距的临床决定因素	首次系统评估眼部因素对视网膜年龄差距的影响，特别是晶状体状态对估算结果的影响	回顾性观察研究设计，样本量有限（283只眼），且未包含其他可能的混杂因素	明确青光眼患者眼底照片估算的视网膜年龄差距的临床决定因素	283只成年人眼（来自山梨大学医院，2010年2月至2025年4月）	数字病理学	青光眼	眼底照相	深度学习模型	图像	283只眼（来自成年患者）	NA	NA	NA	NA
1330	2026-06-04	A multi-scale supervised contrastive framework for cross-domain soybean disease classification using leaf and UAV imagery 2026-Jun-02, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-56162-9 PMID:42230993	研究论文	提出多尺度监督对比框架，融合叶片和无人机影像实现跨尺度大豆病害分类	首次提出跨尺度监督对比学习框架对齐叶片与无人机影像特征，并设计结构化预处理流程减少光照偏差	零样本跨域迁移准确率仅40%，需微调或对比学习缩小域差异	开发统一的多尺度大豆健康监测系统，利用易获取叶片数据提升无人机影像分类性能	四种健康状态（健康、花叶病毒、虫害、锈病）的大豆叶片和无人机影像	计算机视觉	大豆病害（花叶病毒、锈病、虫害）	图像预处理（CLAHE、灰度世界颜色校正、光照归一化），监督对比学习	CNN（MaxViT、ConvNeXt）	图像（叶片和无人机影像）	MH-SoyaHealthVision数据集包含四类健康状况的样本	PyTorch	MaxViT, ConvNeXt	准确率、PCA/t-SNE分离度、轮廓系数、域差异度量	NA
1331	2026-06-04	A forensic evaluation method of stable diffusion-generated images using feature-based likelihood ratio by deep learning features 2026-Jun-02, Journal of forensic sciences IF:1.5Q2 DOI:10.1111/1556-4029.70339 PMID:42231110	研究论文	提出一种基于深度学习特征的似然比模型，用于法医鉴定稳定扩散生成的图像	首次将特征似然比模型与深度学习特征结合，用于鉴别稳定扩散生成的图像，提升了鉴定结论的可司法采纳性	未提及模型的泛化能力及在真实场景中的表现	提升对稳定扩散生成图像的法医学鉴定准确性	稳定扩散生成图像的真实性识别	计算机视觉	NA	稳定扩散模型	Swin-transformer	图像	开发集和验证集包含ImageNet真实图像和Stable Diffusion v1.4生成图像	NA	Swin-transformer	准确率、等错误率、对数似然比成本值、经验交叉熵曲线	NA
1332	2026-06-04	Training effect of a deep learning-based blended teaching model on ECMO transport for ICU nurses: a prospective, parallel-group, randomized controlled trial 2026-Jun-02, BMC nursing IF:3.1Q1 DOI:10.1186/s12912-026-04837-z PMID:42231331	研究论文	验证基于深度学习的混合教学模式在提高ICU护士ECMO转运能力方面的有效性	首次将深度学习导向的混合教学模式（融合在线沉浸学习、线下情景模拟和临床病例回顾）应用于ICU护士ECMO转运培训，并通过眼动追踪技术量化学习沉浸度	单中心设计，样本量有限，且对照组未接受同等在线互动资源，可能存在比较偏差	评估深度学习导向的混合教学模型对ICU护士ECMO转运能力（知识掌握、学习沉浸度和在线参与度）的提升效果	ICU护士	机器学习	NA	NA	NA	文本（问卷、量表）、眼动追踪数据（注视指标）	130名ICU护士（实验组68名，对照组62名）	NA	NA	知识得分、学习沉浸度（眼动追踪指标）、在线学习参与度、学习参与度、认知参与度、满意度	NA
1333	2026-06-04	Machine learning models of segmentation in acute ischemic stroke: a systematic review and meta-analysis 2026-Jun-02, Biomedical engineering online IF:2.9Q3 DOI:10.1186/s12938-026-01590-x PMID:42231379	综述与Meta分析	系统性回顾和定量评价基于机器学习的急性缺血性脑卒中病灶分割模型的性能	首次通过Meta分析方法系统评估急性缺血性脑卒中ML分割模型性能，并识别影响模型准确性和稳健性的因素	研究设计和报告标准的异质性需要方法学统一和外部验证	系统回顾和定量评估基于机器学习的急性缺血性脑卒中分割模型的性能	用于急性缺血性脑卒中病灶分割的机器学习模型	机器学习	急性缺血性脑卒中	CT、MRI	深度学习、U-Net变体	医学影像	101项研究	Python	U-Net及其变体	Dice系数、AUC、准确率、灵敏度、特异度	NA
1334	2026-03-21	Corrigendum to 'Multi-Task Deep Learning for Sex and Age Estimation from Panoramic Radiographs in a Brazilian Young Population': [International Dental Journal Volume 76, Issue 2, April 2026, 109381] 2026-Jun, International dental journal IF:3.2Q1 DOI:10.1016/j.identj.2026.109504 PMID:41855705	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
1335	2026-06-04	Deep learning on genome-wide association studies to predict the patient-specific risk of radiation-induced erectile dysfunction 2026-Jun, Radiotherapy and oncology : journal of the European Society for Therapeutic Radiology and Oncology IF:4.9Q1 DOI:10.1016/j.radonc.2026.111531 PMID:41967608	研究论文	利用深度学习模型分析全基因组关联研究数据，预测前列腺癌放疗后患者特异性勃起功能障碍风险	提出了一个结合生物学信息的深度学习模型BioDeepGWAS，首次将遗传变异和临床数据整合用于预测放疗引起的勃起功能障碍风险	样本量相对较小（387例可评估参与者），且模型尚未在独立外部队列中验证	开发一种基于深度学习的模型，利用基因组变异和临床数据改善放疗引起的勃起功能障碍风险的患者特异性预测	前列腺癌患者放疗后的勃起功能障碍风险	机器学习	前列腺癌	全基因组关联研究	深度学习模型（BioDeepGWAS）	遗传数据和临床数据	387例（221例RIED病例和166例非RIED对照），来自668例前列腺癌患者	NA	NA	AUC, 校准分析, 比值比	NA
1336	2026-06-04	Interpretable deep survival analysis of Alzheimer's disease via metabolic genetic variants 2026-Jun-01, Bioinformatics (Oxford, England) DOI:10.1093/bioinformatics/btag213 PMID:42063212	研究论文	提出可解释的深度生存分析模型，利用代谢相关遗传变异预测阿尔茨海默病发病	将前馈神经网络与Weibull生存模型结合，并集成SHAP可解释性技术，有效解决遗传变量间非线性交互的建模问题，避免传统方法的组合爆炸	样本量有限，且仅关注SNP数据，未纳入其他组学或环境因素	开发可解释的深度学习模型，预测阿尔茨海默病发病并解析遗传因素贡献	大规模单核苷酸多态性数据中的代谢相关遗传变异	机器学习	阿尔茨海默病	SNP基因分型	前馈神经网络	基因组数据	未明确说明样本数量	NA	前馈神经网络	一致性指数	NA
1337	2026-06-04	Deep Learning-Based Bone Age Assessment for Predicting Final Adult Height in Girls With Central Precocious Puberty 2026-Jun, Korean journal of radiology IF:4.4Q1 DOI:10.3348/kjr.2025.1221 PMID:42225576	research paper	本研究评估了基于深度学习骨龄评估与Bayley-Pinneau或韩国生长图表预测模型结合，预测中枢性性早熟女孩最终成年身高的准确性	首次将人工智能驱动的骨龄评估整合到两种预测模型中，并比较其与传统专家评估在预测最终成年身高方面的性能	单中心回顾性研究，样本量有限（122名韩国女孩）；未评估不同种族或治疗方案的泛化能力	评估人工智能骨龄评估在预测中枢性性早熟女孩最终成年身高中的临床应用价值	122名接受促性腺激素释放激素激动剂治疗至少2年的韩国中枢性性早熟女孩	machine learning, digital pathology	中枢性性早熟	Greulich-Pyle图谱，人工智能权重评分	深度学习（骨龄评估模型）	手部X光图像，生长参数数据	122名韩国中枢性性早熟女孩	NA	NA	R², 95%一致性界限（Bland-Altman分析）	NA
1338	2026-06-04	Ontology-Enhanced Deep Learning for Mechanistic Prediction of Drug-Drug Interactions: A Clinically Interpretable Framework 2026-Jun, Journal of clinical pharmacology IF:2.4Q3 DOI:10.1002/jcph.70220 PMID:42226315	研究论文	通过生物医学本体增强深度学习模型，预测药物-药物相互作用及其机制，并提高临床可解释性	首次将本体嵌入（来自SIDER、DrugBank和Gene Ontology）与神经网络结合，实现机制特异性预测，并增强模型临床可解释性	间接支持临床决策，未直接验证实际应用效果	提高药物-药物相互作用预测的准确性和机制可解释性	药物-药物相互作用及其11种药代动力学和药效动力学机制	自然语言处理	NA	本体嵌入	神经网络	生物医学本体数据（SIDER、DrugBank、Gene Ontology）	NA	NA	神经网络	ROC曲线下面积（AUC）	NA
1339	2026-06-04	Inference for Stationary Log-Gaussian Cox Point Processes using Bayesian Deep Learning: Application to Human Oral Microbiome Image Data 2026-Jun, Spatial statistics IF:2.1Q1 DOI:10.1016/j.spasta.2026.100973 PMID:42226885	研究论文	提出一种基于贝叶斯深度学习的方法来推断平稳对数高斯Cox点过程，应用于人类口腔微生物图像数据	提出了一种基于可逆神经网络的无似然推断方法，实现了对对数高斯Cox过程参数后验分布的快速近似估计，特别是对高维数据具有显著计算优势	未在标题和摘要中明确说明局限性	开发一种高效的无似然贝叶斯推断方法，用于分析空间点过程中的聚集现象	人类口腔微生物生物膜图像数据	机器学习	NA	NA	可逆神经网络	图像	两个不同的口腔微生物生物膜图像样本	NA	可逆神经网络	NA	NA
1340	2026-06-04	The role of artificial intelligence in sarcopenia: Advances, applications, and future directions 2026-Jun, Computational biology and chemistry IF:2.6Q2 DOI:10.1016/j.compbiolchem.2026.108930 PMID:41610568	综述	探讨人工智能在肌肉减少症研究中的进展、应用与未来方向	系统综述了机器学习与深度学习在肌肉减少症早期检测、影像诊断、功能预测和个性化监测中的应用，并引入可解释人工智能、联邦学习等新兴方法	数据质量差异大、模型透明度有限、算法偏见及伦理问题等挑战仍需解决	分析人工智能在肌肉减少症研究和临床实践中的应用进展与潜力	肌肉减少症患者及相关数据	机器学习	老年性疾病	NA	机器学习, 深度学习	影像, 临床指标, 可穿戴设备数据	包含大规模数据集（如NHANES）但未提供具体样本数量	NA	NA	预测性能	NA