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
1581	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
1582	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
1583	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
1584	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
1585	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
1586	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
1587	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
1588	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
1589	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
1590	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
1591	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
1592	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
1593	2026-06-04	Artificial Intelligence and Machine Learning in the Diagnosis and Management of Osteoporosis: A Comprehensive Review 2025-Dec-23, Medicina (Kaunas, Lithuania) DOI:10.3390/medicina62010027 PMID:41597313	综述	对人工智能和机器学习在骨质疏松症诊断与管理中的应用进行了全面综述	系统总结了AI/ML在骨质疏松症诊断、风险预测和个性化治疗中的最新进展，并批判性分析了现有证据的异质性和不足	当前证据异质性大，缺乏稳健的外部验证和定量综合，未充分评估模型在不同人群中的鲁棒性，且对负面或矛盾结果的讨论不足	评估AI和ML在骨质疏松症诊断与管理中的临床应用潜力，并指出未来研究方向	骨质疏松症的诊断和管理流程	机器学习	骨质疏松症	NA	CNN	影像、临床数据、人口统计数据	NA	NA	卷积神经网络	NA	NA
1594	2026-06-04	Detection of blueberry based on hyperspectral imaging and deep learning 2025-Dec, Food research international (Ottawa, Ont.) DOI:10.1016/j.foodres.2025.117141 PMID:41606917	研究论文	利用高光谱成像和深度学习方法检测不同品种和成熟度蓝莓的糖含量	首次将分数阶导数与改进拉普拉斯特征映射相结合用于高光谱数据预处理和波段选择，并构建轻量级卷积神经网络模型，显著提高了复杂场景下蓝莓糖分预测的精度和鲁棒性	未提及模型的泛化能力验证、实际应用中的计算效率及对更广泛蓝莓品种的适用性	探索高光谱成像结合深度学习模型快速检测蓝莓糖含量的方法，满足大规模生产需求	蓝莓（F6、L11、L25三个品种，分为成熟、半成熟、未成熟三个类别）	计算机视觉, 深度学习	NA	高光谱成像	卷积神经网络（CNN）	高光谱图像	涉及三个蓝莓品种F6、L11、L25，共三类成熟度，具体样本数量未说明	NA	自定义浅层卷积神经网络（CNN）	相关系数（Rp）、均方根误差（RMSEP）、残差预测偏差（RPD）	NA
1595	2026-06-04	Seasonal changes driving shifts in core microbes of Nongxiangxing Daqu: a integrated multi-omics analysis and deep learning 2025-Dec, Food research international (Ottawa, Ont.) DOI:10.1016/j.foodres.2025.117216 PMID:41606940	研究论文	通过整合多组学分析和深度学习，揭示季节变化对浓香型大曲核心微生物群的影响	首次将高通量测序与深度学习结合，利用数据驱动的关键物种识别框架验证不同季节大曲的核心微生物，并揭示随机漂变主导群落组装过程	研究基于112个样品，可能存在地域或工艺差异的影响；深度学习模型的可解释性未详细探讨	阐明季节和压曲方式对浓香型大曲风味动态及微生物演替的影响，并识别核心微生物以优化大曲生产质量	浓香型大曲样品及其微生物群落（细菌和真菌），以及理化特性和风味化合物	机器学习	NA	高通量测序	深度学习（数据驱动关键物种识别框架）	序列数据、理化性质数据、风味化合物数据	120个大曲样品（未明确样品类型，实际为120份固态发酵样品）	NA	数据驱动关键物种识别（DKI）框架（具体架构未明确）	NA	NA
1596	2026-06-04	The Rich and the Simple: On the Implicit Bias of Adam and SGD 2025-Dec, Advances in neural information processing systems PMID:42232482	研究论文	探讨Adam和SGD在训练神经网络时的隐含偏差差异，Adam对简单性偏差更具抵抗力	首次证明Adam相比SGD能学习更丰富复杂的特征，产生非线性决策边界，在分布偏移下表现更好	NA	研究Adam与SGD在深层学习中的隐含偏差差异	两层ReLU神经网络	机器学习	NA	NA	两层ReLU神经网络	高斯数据	NA	NA	两层ReLU网络	测试准确率	NA
1597	2026-06-04	ATOMIC: a graph attention network for atopic dermatitis prediction using human gut microbiome 2025, Frontiers in immunology IF:5.7Q1 DOI:10.3389/fimmu.2025.1670993 PMID:41583462	研究论文	提出一种基于图注意力网络的模型ATOMIC，利用人类肠道微生物组预测特应性皮炎	首次将图注意力网络与微生物共表达网络结合，整合微生物基因组信息作为节点特征，增强了捕捉功能相关微生物模式的能力，并提供了可解释的注意力机制	研究样本量较小（99个样本），且仅聚焦于特应性皮炎，可能限制模型的泛化能力	开发可解释的深度学习模型，利用肠道微生物组预测特应性皮炎，并识别潜在生物标志物	特应性皮炎患者与健康对照的肠道微生物组样本	机器学习	特应性皮炎	NA	图注意力网络 (GAT)	肠道微生物组丰度数据	99个成年患者与健康对照的肠道微生物组样本	PyTorch	图注意力网络	AUROC, AUPRC	NA
1598	2026-06-04	AI-driven transformation of precision medicine: a comprehensive narrative review of key application areas, emerging paradigms, and future directions 2025, Frontiers in public health IF:3.0Q2 DOI:10.3389/fpubh.2025.1656603 PMID:41584179	综述	综合评述人工智能在精准医疗中推动范式转变的关键应用领域、新兴趋势和未来方向	全面分析AI如何重塑从传统诊疗向个性化健康管理生态的转变，并探讨共生AI等未来框架	证据基础不均衡、模型泛化性不足，以及数据隐私、算法公平性和可解释性等伦理问题	阐明AI驱动精准医疗转变的核心作用及未来发展方向	AI技术在精准医疗全价值链中的创新应用	机器学习	NA	深度学习, 机器学习, 自然语言处理	NA	多模态数据	NA	NA	NA	NA	NA
1599	2026-06-04	Deep learning-based multimodal approach for non-invasive prediction and prognostic analysis of immune and angiogenic biomarkers in extrahepatic cholangiocarcinoma 2025, Frontiers in immunology IF:5.7Q1 DOI:10.3389/fimmu.2025.1658122 PMID:41607783	research paper	开发基于深度学习的多模态框架，整合MRI、临床和实验室数据，预测肝外胆管癌患者PD-L1和VEGF表达并进行预后分析	首次将深度学习特征、影像组学特征和临床-实验室特征通过重复注意机制整合，实现对肝外胆管癌免疫和血管生成生物标志物的无创预测	回顾性研究设计，样本量有限（96例），模型对PD-L1表达的预测性能中等（AUC=0.71），可能影响泛化能力	开发非侵入性方法预测肝外胆管癌患者的PD-L1和VEGF表达，并评估其预后价值	肝外胆管癌（eCCA）患者	digital pathology	extrahepatic cholangiocarcinoma	MRI成像	CNN	图像	96例患者的16050张原始MRI图像（11505张T1WI，2371张T2WI，2372张DWI）和1570张含肿瘤图像（990张T1WI，289张T2WI，291张DWI）	PyTorch	重复注意机制	AUC	NA
1600	2026-06-04	Generative AI for Diagnostic Medical Imaging: A Review 2025, Current medical imaging IF:1.1Q3 DOI:10.2174/0115734056369157250212095252 PMID:41731736	综述	全面分析生成式深度学习模型在诊断医学影像中的最新进展，涵盖架构、应用及独特贡献	设计了针对医学影像应用的多种流水线架构，包括增强型GAN配置（如多层ML-C-GAN和时间序列Temporal-GAN）以及专用AE-GAN混合模型（如Atten-AE和M3AE），结合注意力机制和语言编码实现文本-图像及图像-文本翻译	未明确讨论生成模型在临床部署中的验证不足、数据隐私问题及计算成本等实际限制	探索生成式深度学习模型在诊断医学影像中提升准确性、降低辐射暴露和改善数据处理能力的潜力	诊断医学影像中的生成对抗网络、自编码器、扩散模型及基于Transformer的模型	数字病理学	NA	GAN、自编码器、扩散模型、Transformer	GAN、自编码器、扩散模型、Transformer	医学图像	NA	NA	多层ML-C-GAN、时间序列Temporal-GAN、Atten-AE、M3AE	NA	NA