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
1501	2026-05-31	LLM predicts human behavior: A BERT-based approach for conscientiousness personality trait detection from online content 2026-Jun, Acta psychologica IF:2.1Q2 DOI:10.1016/j.actpsy.2026.106832 PMID:42025613	研究论文	利用BERT模型从社交媒体内容中预测尽责性人格特质	采用BERT大型语言模型从在线文本中自动预测尽责性人格特质，准确率达97%，优于传统机器学习和深度学习结合特征工程的方法	NA	从社交媒体内容中自动识别尽责性人格特质，以分析用户行为	社交媒体用户的尽责性人格特质（判断型或感知型）	自然语言处理	NA	NA	BERT	文本	MBTI数据集	NA	BERT	准确率	NA
1502	2026-05-31	Decoding bacterial transcriptional regulatory networks through integrated multi-omics datasets for artificial intelligence-driven design of programmable biological systems 2026-Jun, Current opinion in biotechnology IF:7.1Q1 DOI:10.1016/j.copbio.2026.103505 PMID:42127490	综述	综述了通过整合多组学数据集解码细菌转录调控网络，并利用人工智能设计可编程生物系统的进展	系统性地讨论了从靶向分子表征到系统级方法的演变，强调了机器学习（如独立成分分析）和深度学习在识别共调控基因模块、发现新调控关系及指导调控序列从头设计中的应用	未提及具体局限，但综述性质通常不深入探讨特定实验或计算方法的局限性	探讨如何利用多组学数据和人工智能方法推进细菌转录调控网络的理解及其在可编程生物系统设计中的应用	细菌转录调控网络及其调控元件	机器学习, 自然语言处理	NA	NGS, 基因组学, 转录组学, 独立成分分析, 深度学习	深度学习模型	基因组数据, 转录组数据	NA	NA	NA	NA	NA
1503	2026-05-31	MALICoT: A pilot cross-sectional study analyzing the effects of power training and age on endomysium content and fiber area in the soleus muscle of adult males 2026-Jun, Physiological reports IF:2.2Q3 DOI:10.14814/phy2.70933 PMID:42210728	研究论文	通过横断面研究分析力量训练和年龄对成年男性比目鱼肌内膜含量和肌纤维面积的影响	首次利用深度学习图像分析结合定量蛋白质组学方法系统评估运动训练和年龄对人体比目鱼肌结缔组织内膜的影响	样本量较小且仅包含男性参与者，无法推广至女性或不同运动类型人群	探究力量训练和年龄对人体比目鱼肌内膜含量及肌纤维面积的影响	43名临床健康男性参与者，分为年轻非活跃对照组、年轻力量训练运动员组、老年非活跃对照组和老年力量训练运动员组	数字病理学	NA	组织学染色、深度学习图像分析、免疫荧光成像、定量蛋白质组学	深度学习模型	组织病理图像	43名男性参与者，包括比目鱼肌活检样本	NA	NA	NA	NA
1504	2026-05-31	A century of coffee and tea research in cognitive health and Alzheimer's disease: Structural, thematic, and translational insights (1911-2025) 2026-May-30, Journal of Alzheimer's disease : JAD DOI:10.1177/13872877261450996 PMID:42216624	综述	该研究通过文献计量分析，绘制了咖啡与茶在认知健康及阿尔茨海默病研究领域的百年发展图谱，涵盖结构、主题及转化视角	首次在统一的一级证据框架下，对咖啡与茶在认知衰老领域的研究进行了横跨1911至2025年的百年尺度联合分析，并整合了主题演化、合作网络及最新趋势的可视化	作为文献计量分析，可能受限于数据库收录范围（仅Scopus索引的英文文章），且未深入评估个别研究的方法学质量或因果证据	绘制咖啡与茶研究在认知衰老领域的结构、主题及时间演化图谱，识别核心文献、合作模式及新兴方向	咖啡与茶在认知健康及阿尔茨海默病相关研究中的文献数据	自然语言处理	阿尔茨海默病, 认知衰老	文献计量分析	NA	文本	2873篇文献，来自1285个来源	NA	NA	年增长率（4.96%）, 平均引用次数（40.17次/篇）	NA
1505	2026-05-31	RADIANT: A fully configurable radiotherapy dose prediction framework 2026-May-29, Biomedical physics & engineering express IF:1.3Q3 DOI:10.1088/2057-1976/ae7090 PMID:42161288	研究论文	介绍了一个完全可配置的放射治疗剂量预测开源框架RADIANT，基于医学影像分割工具包，支持多种网络架构、损失函数和训练策略	提出一个完全可配置、开源且可复现的放射治疗剂量预测框架，支持多种网络架构和灵活配置，并在多个癌种上进行了基准测试	未明确指出局限性	开发一个可扩展、可配置的开源框架，用于深度学习驱动的放射治疗剂量预测，并实现可复现的实验	宫颈癌、前列腺癌和头颈癌患者的放射治疗剂量分布	数字病理学	宫颈癌, 前列腺癌, 头颈癌	放射治疗剂量预测	深度学习模型	3D医学影像	使用RPA生成的宫颈癌和前列腺治疗计划，以及AAPM OpenKBP挑战赛的头颈癌数据	Medical Imaging Segmentation Toolkit, RADIANT	nnU-Net, FMG-Net, W-Net, ddU-Net, Swin UNETR	剂量分数，均匀性指数，D95、D98、D99误差百分比，剂量体积直方图分数	NA
1506	2026-05-31	Synchrotron-Based Deep Learning Network of the Inner Ear: Development and Expert Validation 2026-May-29, The Laryngoscope DOI:10.1002/lary.70637 PMID:42212468	研究论文	开发并外部验证了一种基于深度学习的内耳分割网络，能在多种分辨率和协议的临床CT图像中自动分割内耳	首个在性能上超越领域专家手动分割的内耳自动分割算法，建立了新的临床金标准	NA	开发并验证一种内耳自动分割深度学习网络	内耳在术前临床CT扫描中的分割	深度学习、医学图像分割	耳科疾病	同步辐射相衬成像、临床CT扫描	深度学习分割网络	CT图像（锥束CT、螺旋CT）	100具尸体标本，共4784对同步辐射相衬成像和临床三维数据集	NA	NA	Dice相似系数、最大绝对豪斯多夫距离、平均豪斯多夫距离	NA
1507	2026-05-31	Bioinspired Ultrastretchable Aramid Triboelectric Aerogels for Intelligent Vehicle Seat 2026-May-29, Advanced materials (Deerfield Beach, Fla.) DOI:10.1002/adma.73549 PMID:42212808	研究论文	受肌肉纤维取向启发，开发出超可拉伸芳纶摩擦电气凝胶，用于智能车辆座椅传感器	通过编程冰晶生长实现98%纤维取向拟合度，是传统冻铸法的2.6倍；首次在单一传感器界面结合深度学习实现驾驶行为实时监测和振动反馈报警	未提及长期稳定性测试或实际车辆环境中的耐久性评估	开发可拉伸气凝胶传感器用于智能驾驶系统中不安全驾驶行为的识别和缓解	芳纶摩擦电气凝胶材料及其传感阵列	机器学习	NA	编程冰晶生长法	深度学习模型	传感器信号	NA	NA	NA	应变值 (539%)	NA
1508	2026-05-31	Beyond Correlation: Causal Intervention for Multi-Label Medical Image Diagnosis 2026-May-29, IEEE transactions on medical imaging IF:8.9Q1 DOI:10.1109/TMI.2026.3698052 PMID:42213561	研究论文	提出一种结合因果干预的多标签医学影像诊断框架，解决共病检测中虚假关联问题	首次在医学影像多标签诊断中引入因果干预，通过后门调整分离疾病共现导致的虚假关联与真实因果信号	依赖潜在混杂变量的隐式建模，可能无法完全覆盖所有临床混杂因素；实验仅涵盖四种影像模态，泛化性需进一步验证	提升多标签医学影像诊断的准确性和可解释性，消除共病条件下的相关偏误	多标签医学影像诊断中的共病关系建模与因果解耦	计算机视觉, 数字病理学	多种共病（眼病、结肠病变、胸肺疾病）	N/A	因果干预模型	医学影像（彩色眼底照相、眼底荧光血管造影、结肠镜、X光）	ODIR, LID-FFA, Endo, Chestpert四个数据集（具体样本数未说明）	PyTorch	N/A	准确率、AUC、可解释性指标	NA
1509	2026-05-31	PRAD++: Towards Robust Periapical Radiograph Analysis through Dataset and Model Advancements 2026-May-29, IEEE transactions on medical imaging IF:8.9Q1 DOI:10.1109/TMI.2026.3698273 PMID:42213562	研究论文	提出PRAD++大规模根尖周X光片数据集及PRNet++分析网络，提升深度学习在牙科图像分析中的鲁棒性与可解释性	引入多尺度小波卷积网络和通道融合注意力机制，并设计专家先验注入损失函数，将牙科领域知识融入学习过程	未提及模型在外部数据集或真实临床环境中的验证，且对异常投影和伪影的处理能力有待进一步探索	解决根尖周X光片高质量标注数据稀缺问题，开发鲁棒的深度学习分析模型	根尖周X光片图像及对应的像素级分割和图像级分类任务	计算机视觉, 数字病理学	牙科疾病	NA	CNN	图像	10,000张根尖周X光片图像	PyTorch	多尺度小波卷积网络, 通道融合注意力机制	DSC, PR-AUC	NA
1510	2026-05-31	MuSL: Multimodal deep learning for generalizable prediction of synthetic lethality from sequence, transcriptomic, and network data 2026-May-29, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2026.3698476 PMID:42213569	研究论文	提出一种名为MuSL的多模态深度学习框架，整合转录组直方图、统计表达特征和蛋白质互作网络信息，用于预测合成致死性	首次将粗粒度表达谱转化为二维直方图并利用卷积神经网络直接学习共表达缺失和互斥性等分布模式，通过对比学习对齐多模态特征并结合交叉注意力和自适应门控机制进行集成	未明确提及	实现可泛化到未知基因的合成致死性预测，克服传统方法依赖手工表达摘要或单一数据模态的局限性	基因对之间的合成致死性关系	机器学习	癌症	RNA-seq, 蛋白质互作网络分析	CNN, 对比学习, 交叉注意力, 自适应门控	转录组直方图, 统计表达特征, 蛋白质互作网络, ESM2蛋白质嵌入	未明确提及	PyTorch	CNN, 图神经网络, 注意力机制	随机、转导和归纳评估设置下的基线性能比较	NA
1511	2026-05-31	Compliance with the CONSORT AI Extension in Orthopaedic Randomized Controlled Trials 2026-May-29, The Journal of bone and joint surgery. American volume DOI:10.2106/JBJS.25.01439 PMID:42213819	研究论文	评估骨科随机对照试验中对CONSORT AI扩展指南的遵守情况	首次系统评估骨科领域涉及AI的随机对照试验对CONSORT AI扩展指南的遵守程度	仅纳入11篇文献，样本量有限；可能遗漏未发表或非英文文献	评估骨科随机对照试验中对CONSORT AI扩展指南的遵守情况	骨科领域涉及AI的随机对照试验	机器学习	骨科疾病	NA	NA	文本	11篇文献	NA	NA	遵守率	NA
1512	2026-05-31	The impact of competition mechanisms on primary school students' digital game-based mathematics learning 2026-May-29, Acta psychologica IF:2.1Q2 DOI:10.1016/j.actpsy.2026.107175 PMID:42214168	研究论文	研究竞争机制对小学生数字化游戏数学学习的影响	采用增值设计，随机分配135名小学生至基线组、个人竞争组和组间竞争组，揭示竞争能促进深层认知策略和真实知识掌握，而非短期表现提升	未说明明确局限性	探讨数字化游戏学习中的竞争机制对小学生分数概念学习结果、过程和情感态度的影响	小学生，具体为135名参与分数概念学习的学生	机器学习	NA	NA	NA	NA	135名小学生	NA	NA	准确率、自我效能感	NA
1513	2026-05-31	EEG-based dataset explicitly targets the transitions between sitting and standing for exploring neural activation patterns in Motor Imagery and execution 2026-May-29, GigaScience IF:11.8Q1 DOI:10.1093/gigascience/giag065 PMID:42214321	研究论文	该研究提出了首个公开可用的脑电图数据集，专门针对坐立和立坐转换过程中的运动执行和运动想象任务，并探索了相关神经激活模式	首次公开提供明确针对坐立转换任务的脑电图数据集，涵盖运动执行和运动想象两种条件，并同步记录了眼电图和肌电图信号	未明确提及限制	探索下肢运动相关的神经激活模式，支持基于脑电图的脑机接口算法开发，用于移动辅助和康复	22名健康参与者，进行了坐立和立坐转换实验	脑电图分析	不适用	脑电图、眼电图、肌电图	深度学习（CTNet、EEGNet、TCANet）	信号	22名健康参与者	NA	CTNet、EEGNet、TCANet	平均准确率（运动执行约81%，运动想象约73%）	NA
1514	2026-05-31	A comprehensive review of deep learning applications in the segmentation and classification of skin cancer 2026-May-29, Biomedical physics & engineering express IF:1.3Q3 DOI:10.1088/2057-1976/ae74d6 PMID:42214390	综述	系统回顾2014至2024年间深度学习技术在皮肤癌分割与分类中的应用	对77项实验研究进行了规范化的偏倚风险分析，揭示了类别不平衡和数据泄露等关键问题，并指出了从独立CNN向混合框架和多源特征融合策略的范式转变	类别不平衡、数据集多样性有限以及临床验证不足等挑战依然存在	探索深度学习技术在皮肤病变分割与分类中的应用现状及其发展趋势	皮肤癌（包括黑色素瘤和非黑色素瘤类型）的分割与分类任务	计算机视觉	皮肤癌	深度学习	卷积神经网络、U-Net及其变体、混合框架、集成框架	图像	77项实验研究（来自540篇筛选文献）	NA	CNN, U-Net, 混合框架, 集成框架	准确率	NA
1515	2026-05-31	Enhancing brain tumor classification with a simplified CNN through hyperparameter optimization 2026-May-29, Biomedical physics & engineering express IF:1.3Q3 DOI:10.1088/2057-1976/ae74d5 PMID:42214387	研究论文	该研究通过超参数优化策略（遗传算法、贝叶斯优化和HyperBand）提升一种轻量级卷积神经网络在脑肿瘤MRI图像分类中的性能，并在公开数据集上验证其有效性	首次系统比较三种超参数优化方法对轻量级CNN在脑肿瘤分类中的影响，采用十次独立重复实验保证统计可靠性，并注重计算效率与模型性能的平衡	未提及	探索不同超参数优化策略对简化CNN模型在脑肿瘤MRI分类任务中的性能影响，同时保持计算效率	脑肿瘤MRI图像（包含胶质瘤、脑膜瘤、垂体瘤及健康受试者）	计算机视觉	脑肿瘤	MRI	CNN	图像	公开脑MRI数据集（具体数量未提及）	NA	轻量级CNN	准确率、标准差	未提及
1516	2026-05-31	Interlayer-aware postoperative facial appearance prediction in orthognathic surgery with bio-geometric guidance 2026-May-29, Physics in medicine and biology IF:3.3Q1 DOI:10.1088/1361-6560/ae752e PMID:42214412	research paper	提出一种生物几何引导的下颌骨手术后面部外观预测网络，通过层间混合专家机制模拟骨与软组织的非线性耦合变形	首次引入层间混合专家机制将骨骼-表面变形传播解耦为三个生物力学启发的代理表示，并通过门控路由网络自适应加权各层贡献，同时设计生物几何卷积模块捕捉区域骨骼影响	NA	实现正颌手术后面部外观的高精度预测以辅助手术规划	88名正颌手术患者的三维面部与骨骼数据	computer vision	oral and maxillofacial diseases	deep learning	混合专家网络与生物几何卷积模块	三维面部与骨骼图像	88名正颌手术患者	PyTorch	Interlayer Mixture-of-Experts, Bio-Geometric Convolution	mean whole-face error, clinician acceptance rate	NA
1517	2026-05-31	Deep learning-based prediction of trace silver concentrations in marine sediments from mid-infrared spectroscopy 2026-May-29, Marine pollution bulletin IF:5.3Q1 DOI:10.1016/j.marpolbul.2026.119930 PMID:42214983	研究论文	利用中红外光谱和深度学习模型预测海洋沉积物中痕量银浓度	首次将深度学习模型（RS-SE-ResNet-1D）应用于中红外光谱预测低银沉积物中的银浓度，并识别出与碳酸根离子相关的特征波数带	未明确提及	开发基于中红外光谱的机器学习模型实现海洋沉积物中银浓度的快速预测	南海低银沉积物中的中红外光谱与银浓度关系	机器学习	NA	中红外光谱	残差网络（ResNet）	光谱数据	南海低银沉积物样本（具体数量未提及）	NA	KS-CARS-PLSR, KS-RF, RS-SE-ResNet-1D	R, RMSE, RPD	NA
1518	2026-05-31	A unified deep learning application framework for forensic shoeprint analysis under data-limited conditions 2026-May-29, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-52505-8 PMID:42215506	研究论文	提出一个在数据有限条件下应用于法医足迹分析的统一深度学习框架	不提出新架构，而是系统研究如何调整现有深度学习组件（预训练表征选择、数据增强策略、领域自适应）以提升数据稀缺和领域偏移条件下的可靠性	不同增强机制的组合探索仍是一个开放问题，且实验仅在两个互补的足迹数据集上进行	为法医实践中数据有限和领域偏移条件下应用深度学习提供实用、基于证据的指导	法医足迹匹配中的深度学习应用	计算机视觉	NA	NA	卷积自动编码器	图像	两个互补的足迹数据集，具体数量未提及	NA	卷积自动编码器	性能（未明确指定指标）	NA
1519	2026-05-31	MSML-DenseXmer: harnessing vision transformers through integration with novel dense networks for medical image fusion 2026-May-29, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-52181-8 PMID:42215519	研究论文	提出一种结合改进DenseNet和Swin Transformer的深度学习框架，用于多模态医学图像融合	通过融合DenseNet的局部细粒度特征与Swin Transformer的全局结构信息，并采用基于L1、L2和无穷范数的混合注意力机制，实现更全面的特征表示	未明确讨论	提升多模态医学图像融合的质量，更好地保留结构、纹理和全局依赖信息	多模态医学图像（MRI-SPECT、MRI-PET、MRI-CT、肺PET-CT）	计算机视觉	多种疾病（未指定具体病种）	NA	深度学习	图像	Whole Brain Atlas数据集和Lung-PET-CT-Dx数据集（具体样本数未提及）	PyTorch	DenseNet, Swin Transformer	图像清晰度、结构完整性、特征保持、对比度改善、整体视觉精度	NA
1520	2026-05-31	Leveraging large language models for gastrointestinal injury detection in athletes: a medical image analysis approach 2026-May-29, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-42779-3 PMID:42215522	研究论文	提出一种基于大语言模型和深度学习技术的AI驱动框架，整合多模态运动医学数据，用于运动员胃肠道损伤检测与管理	首次将大语言模型与深度学习方法结合应用于运动员胃肠道损伤检测，提出BANNet和ARPOS两个创新组件，实现多模态数据融合和个性化康复优化	未在真实临床环境中验证，可能缺乏大规模多中心数据集的支持，且康复策略的长期效果和再损伤风险降低程度有待进一步研究	利用AI框架提升运动员胃肠道损伤检测准确性和康复效率	运动员的胃肠道损伤及其多模态数据（生物力学信号、医学影像、生理指标、运动表现指标）	自然语言处理, 医学影像分析	胃肠道损伤	NA	大语言模型, 深度学习, 强化学习	图像, 文本, 信号	NA	NA	BANNet（层次化深度学习架构）, ARPOS（强化学习、实时传感器反馈）	损伤分类准确率, 康复效率, 临床决策支持	NA