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
1661	2026-05-25	Cerebrospinal fluid volume outperforms traditional measures for predicting treatment failure in infant hydrocephalus 2026-May-23, Fluids and barriers of the CNS IF:5.9Q1 DOI:10.1186/s12987-026-00819-0 PMID:42177495	研究论文	探讨术前脑脊液体积测量在预测婴儿脑积水内镜下第三脑室造瘘术联合脉络丛烧灼术后是否需要分流依赖中的价值	首次证明术前脑脊液体积及其与颅内体积的比值（通过深度学习分割方法测量）优于传统线性测量指标，能独立预测婴儿脑积水ETV/CPC术后的分流依赖风险	NA	评估术前脑脊液体积测量是否独立预测婴儿脑积水ETV/CPC术后分流依赖	2008年至2024年期间接受ETV/CPC作为初始治疗的婴儿脑积水患者	机器学习	婴儿脑积水	MRI	深度学习分割模型	医学影像	188名婴儿（中位手术年龄60天，42.5%为女性）	NA	NA	风险比（HR）、95%置信区间（CI）、p值	NA
1662	2026-05-25	Coformer: a deep learning-based framework for cross-environment and multi-year cotton phenotype prediction and interpretation 2026-May-23, Plant methods IF:4.7Q1 DOI:10.1186/s13007-026-01528-3 PMID:42177568	研究论文	提出Coformer模型，用于跨环境和多年度棉花表型预测与解释	创新性地结合Transformer自注意力编码器与自动解码器，实现高维SNP数据压缩和长距离依赖性捕获；无需显式建模环境因素即可保持跨环境预测鲁棒性；同时提供可解释性，精确定位关键遗传位点	未明确讨论模型在极端环境或非典型数据集上的泛化能力，且可能对低频SNP信号不敏感	提高棉花关键农艺性状预测精度，突破传统模型在高维基因组数据上的过拟合和泛化瓶颈	棉花及其多环境、多年度的表型与SNP标记数据	机器学习	NA	SNP基因分型	Transformer-autoencoder混合模型	基因组数据（SNP标记）与表型数据	未明确样本数量，但提及多环境、多年度数据集	NA	Transformer编码器, 自动解码器, 线性投影层, 归一化模块	预测鲁棒性、可解释性（关键遗传位点定位）	NA
1663	2026-05-25	Denoising Preclinical MRI with Vendor-neutral Deep Learning-based Image Reconstruction 2026-May-22, Journal of neuroscience methods IF:2.7Q3 DOI:10.1016/j.jneumeth.2026.110813 PMID:42176781	研究论文	评估基于深度学习的图像重建方法在小鼠临床前磁共振图像去噪中的效果	首次验证了基于人类临床磁共振图像训练的供应商中立型深度学习重建方法可直接应用于小鼠脑部临床前磁共振图像去噪	未提及	评估供应商中立型深度学习重建方法对临床前小鼠脑部磁共振图像去噪的适用性	FVB小鼠的脑部磁共振图像	计算机视觉	不适用	磁共振成像（MRI）	深度学习模型	图像	6只FVB小鼠	不适用	不适用	信噪比（SNR）、对比噪声比（CNR）、锐度指数	不适用
1664	2026-05-25	The development and application of deep learning for stem cell research 2026-May-22, Journal of genetics and genomics = Yi chuan xue bao DOI:10.1016/j.jgg.2026.05.008 PMID:42176802	review	综述深度学习在干细胞研究中的最新进展，包括生物影像数据分析和大规模基因组学数据探索	系统总结了深度学习在干细胞生物影像与基因组学数据分析中的创新应用，并指出当前模型的局限性与挑战	现有深度学习模型在干细胞研究中的应用仍面临数据可解释性、模型泛化能力及计算资源需求等挑战	阐述深度学习如何推动干细胞研究的策略革新并提供技术优势	干细胞领域的生物影像数据和大规模基因组学数据	机器学习	NA	NA	深度学习模型	生物影像, 基因组数据	NA	NA	NA	NA	NA
1665	2026-05-25	Smartphone movement data can reliably predict smoking lapses and cravings to enable timely smoking cessation support 2026-05-21, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-49611-y PMID:42168340	研究论文	利用智能手机被动收集的运动数据，通过深度学习模型预测吸烟行为，为戒烟提供即时支持	首次证明智能手机传感器（加速度计、陀螺仪和磁力计）被动收集的运动数据可用于预测吸烟行为，且无需个人数据即可实现高精度预测	未提及具体局限性	开发基于运动数据的吸烟行为预测方法，以支持戒烟干预	吸烟者的智能手机运动数据及吸烟行为（包括渴望、复发）	机器学习	吸烟成瘾	智能手机传感器（加速计、陀螺仪、磁力计）	1D-CNN-BiLSTM	运动数据（传感器信号）	NA	NA	1D-CNN-BiLSTM	准确率（accuracy）	NA
1666	2026-05-25	Machine learning and artificial intelligence in liquid biopsy-based early detection of pancreatic cancer: a scoping review 2026-May-21, BJC reports DOI:10.1038/s44276-026-00232-y PMID:42168331	综述	探讨人工智能和机器学习在基于液体活检的胰腺癌早期检测中的应用现状	系统综述了AI/ML策略在液体活检中用于胰腺导管腺癌早期诊断的最新进展，重点分析了不同技术及其成功程度	缺乏模型性能指标的标准化报告，以及队列规模小且标签粒度不够精细	综述人工智能驱动的液体活检在胰腺癌早期诊断中的应用	胰腺导管腺癌	机器学习	胰腺癌	液体活检	随机森林, 支持向量机, 深度学习	生物样本数据	18项研究	NA	随机森林, 支持向量机	NA	NA
1667	2026-05-25	Half-dose contrast media protocol using 70 kVp abdominal dynamic CT with super-resolution deep learning reconstruction: Evaluation of image quality and contrast performance 2026-May-20, European journal of radiology IF:3.2Q1 DOI:10.1016/j.ejrad.2026.112959 PMID:42176557	研究论文	评估使用超分辨率深度学习重建（SR-DLR）的70 kVp腹部动态CT在减少碘对比剂（CM）用量情况下的对比增强和图像质量	首次在70 kVp腹部动态CT中结合超分辨率深度学习重建（SR-DLR），实现对比剂用量减半并保持肝脏增强和整体图像质量	未明确说明局限性	评估减少碘对比剂用量的70 kVp腹部动态CT结合SR-DLR的图像质量和对比性能	600名接受腹部动态CT的患者，按肾功能分组，最终分析包括70 kVp-300 mgI/kg（n=24）、70 kVp-400 mgI/kg（n=48）和100 kVp-600 mgI/kg（n=48）	计算机视觉	NA	CT	超分辨率深度学习重建（SR-DLR）	图像	600名患者（最终分析120名）	NA	超分辨率深度学习重建网络（SR-DLR）	对比增强、对比噪声比（CNR）、信噪比（SNR）	NA
1668	2026-05-25	NeuraMFs: A deep learning model for airborne microfiber identification in plant biomonitors 2026-May-19, Journal of hazardous materials IF:12.2Q1 DOI:10.1016/j.jhazmat.2026.142410 PMID:42176626	研究论文	提出基于级联R-CNN和ResNet-101的深度学习模型NeuraMFs，用于植物生物监测器中空气微纤维的识别和分类	首次将两阶段级联R-CNN架构结合ResNet-101骨干网络应用于植物生物监测器中空气微纤维的自动识别和分类，并构建了多提取协议、高分辨率立体显微镜图像数据集	未提及模型在真实环境大规模部署时的泛化能力和计算资源需求，以及不同类型纤维的区分精细度	开发快速、可扩展的空气微纤维自动识别工具，支持大规模环境暴露和风险评估	苔藓、地衣和维管植物中的空气微纤维（合成和工业改性纤维素纤维）	计算机视觉, 数字病理学	NA	立体显微镜成像	CNN	图像	测试集中110个微纤维样本	PyTorch	Cascade R-CNN, ResNet-101	AUC, 准确率	NA
1669	2026-05-25	Heterogeneous neural blind deconvolution: A signal processing-empowered foundation feature extractor for bearing fault diagnosis 2026-May-19, Neural networks : the official journal of the International Neural Network Society IF:6.0Q1 DOI:10.1016/j.neunet.2026.109143 PMID:42176664	研究论文	提出一种基于信号处理与异构神经网络结合的盲反卷积方法，作为轴承故障诊断的通用特征提取器	首次结合线性和二次神经元构建异构神经网络，证明其逼近多项式的高效性；设计双时域盲反卷积分支与频域模块融合的特征提取架构	未说明	开发一种通用特征提取器，适用于噪声干扰、跨域迁移和边缘设备部署等多种下游故障诊断任务	轴承故障诊断任务	机器学习	NA	盲反卷积	异构神经网络	振动信号	未说明	NA	异构盲反卷积	准确率、可解释性	NA
1670	2026-05-25	PyramidPat explainable feature engineering for multiclass electroencephalography psychiatric disorders: Explainable feature engineering and classification 2026-May-15, Psychiatry research IF:4.2Q1 DOI:10.1016/j.psychres.2026.117227 PMID:42176366	研究论文	提出一种名为PyramidPat的可解释特征工程架构，用于多类脑电图精神障碍分类	引入PyramidPat变换特征提取器，结合INCA特征选择、tkNN分类器和DLob解释方法，生成基于脑叶和通道的可读句子，实现高精度可解释分类	未提及在更大数据集或不同采集条件下的验证，可能限制泛化能力	开发一个可解释的特征工程方法，用于多类EEG精神障碍的分类和解释	六类EEG精神障碍数据集，包含多个受试者	机器学习	精神障碍	脑电图（EEG）	tkNN（迭代集成k近邻）	信号	六类EEG精神障碍数据集，具体样本数未提及	NA	PyramidPat, INCA, tkNN, DLob	准确率	NA
1671	2026-05-25	CardioRadNet: Cardiac mass diagnosis through integrated segmentation and radiomic analysis 2026-May-15, Computer methods and programs in biomedicine IF:4.9Q1 DOI:10.1016/j.cmpb.2026.109448 PMID:42176411	研究论文	提出CardioRadNet，一种结合深度学习分割和影像组学分析的心脏肿块诊断框架	首个整合深度学习分割与影像组学的无对比剂心脏MR诊断框架，覆盖心脏肿块全谱系（良性与恶性），并采用半自动分割方法提升临床适用性	未明确提及局限性	设计一种无需对比剂、准确的心脏肿块综合分类框架，支持早期风险分层和临床决策	心脏肿块（良性/恶性）	医学影像分析	心脏肿块	MRI（无对比剂T1加权心脏MR）	深度学习分割网络（基于点导向）	MRI图像	127例病理确诊的心脏肿块患者（62例恶性，65例良性）	NA	深度学习分割网络（点导向），影像组学模型	Dice系数，组内相关系数（ICC），平衡准确率，误分类数	NA
1672	2026-05-25	SPIRAL: A probabilistic deep learning framework for Chinese liquor (Baijiu) classification via near-infrared hyperspectral imaging 2026-May-14, Food chemistry IF:8.5Q1 DOI:10.1016/j.foodchem.2026.149583 PMID:42176475	研究论文	提出一种结合近红外高光谱成像与SPIRAL概率深度学习框架的方法，用于快速无损分析中国白酒的酒精含量、香气类型和品牌	首次将自适应方差学习用于建模白酒复杂化学矩阵引起的光谱不确定性，并构建了包含49种白酒、1000张高光谱图像的基准数据集	未明确说明算法在工业实时部署中的计算开销，以及其他类型酒精饮料的泛化能力	实现白酒质量参数的快速无损分类以支持工业品质控制	中国白酒的酒精含量、香气类型和品牌	计算机视觉	NA	近红外高光谱成像	概率深度学习模型	高光谱图像	1000张高光谱图像，涵盖49种白酒、9个酒精含量等级、5种香气类型和30多个品牌	PyTorch	SPIRAL	F1分数	NA
1673	2026-05-25	Artificial intelligence-enhanced ultrasound multimodal imaging and tissue characterization for predicting immunotherapy efficacy in rectal cancer 2026-May-14, Tissue & cell IF:2.7Q3 DOI:10.1016/j.tice.2026.103613 PMID:42176680	综述	综合评述人工智能增强超声多模态成像在预测直肠癌免疫治疗疗效中的应用	系统整合免疫生物学-超声-人工智能的跨学科框架，提出可解释人工智能、联邦学习、可穿戴超声贴片和多模态放射基因组学等未来方向	操作者间差异、设备异质性导致跨平台性能下降、超声-放射基因组学整合有限以及临床转化尚处于初期	评估人工智能增强超声多模态成像在预测直肠癌免疫治疗疗效中的现状与未来方向	直肠癌患者的肿瘤微环境动态变化及其免疫治疗反应	机器学习	直肠癌	多模态超声成像（包括腔内超声、超声造影、剪切波弹性成像、多普勒超声、光声成像）	深度学习、放射组学	图像	NA	NA	NA	诊断准确性	NA
1674	2026-05-25	Multimodal Prediction of Periodontitis Using Root Exposure in Intraoral Images and Age 2026-May-12, International dental journal IF:3.2Q1 DOI:10.1016/j.identj.2026.109617 PMID:42119243	研究论文	开发基于口腔照片的根暴露量量化深度学习流程，并结合年龄构建多模态牙周炎预测模型	首次利用YOLOv11分割模型从口腔照片中量化牙根暴露面积，并提取暴露根比（ERR）作为可解释性生物标志物，结合年龄等传统风险因素提升牙周炎预测性能	样本量较小（269名参与者），仅聚焦下颌前牙区，且未涉及其他潜在风险因素	评估基于AI的根暴露量化指标在牙周炎多模态风险预测中的价值	下颌前牙区口腔照片及参与者年龄、自报数据	计算机视觉, 机器学习	牙周炎	口腔摄影	YOLOv11分割模型, 逻辑回归, 支持向量机, 随机森林, 梯度提升	图像, 表格数据	269名参与者	PyTorch, Scikit-learn	YOLOv11	平均精度均值 (mAP@0.5), Dice系数, AUROC	NA
1675	2026-05-25	Comprehensive evaluation of cross cancer generalization in histopathology segmentation models across 21 tumor types 2026-May-05, Communications medicine IF:5.4Q1 DOI:10.1038/s43856-026-01601-x PMID:42086725	研究论文	评估五种组织分割模型在21种癌症类型中的跨肿瘤泛化能力	系统评估了跨癌症分割模型的泛化性能，提出泛癌分割模型的可行性	基于半定量评分（0-10）可能引入主观偏差，且仅评估了五种组织来源的模型	探索已有分割模型在不同癌症类型间的泛化能力，减少开发特定癌症模型的需求	来自TCGA的21种癌症类型的7700+张全切片图像	数字病理学	多种癌症（肺癌、乳腺癌、结肠癌、肾癌、前列腺癌等21种）	组织病理学图像分析	分割模型（具体架构未明确）	图像（全切片图像）	21种癌症类型，总计超过7700张全切片图像	NA	NA	半定量评分（0-10）	NA
1676	2026-05-25	Learning with less: A survey of deep learning in medical imaging under varying supervision levels 2026-05, Artificial intelligence in medicine IF:6.1Q1 DOI:10.1016/j.artmed.2026.103375 PMID:41702310	综述	系统综述了医学图像分析中在不同监督水平下的深度学习方法	根据不同监督水平对方法进行系统分类，包括无监督、不精确监督、不完整监督、不准确监督和有限监督，并进一步细分子类别	未明确讨论不同监督方法的局限性及实际应用中的挑战	总结不同监督水平下深度学习方法在医学图像分析中的应用，并探索未来研究方向	医学图像分析中的深度学习模型	计算机视觉	不适用	不适用	不适用	医学图像	不适用	不适用	不适用	不适用	不适用
1677	2026-05-25	A Character-level Convolutional Recurrent Interaction Network for joint traditional Chinese medicine clinical named entity recognition and relation extraction 2026-05, Artificial intelligence in medicine IF:6.1Q1 DOI:10.1016/j.artmed.2026.103372 PMID:41707487	研究论文	提出一种字符级卷积循环交互网络，用于中医电子病历的命名实体识别和关系联合抽取	首次将中医四诊维度作为关系类型融入联合抽取框架，并利用字符级卷积和自注意机制捕获古汉语语义特征	未明确讨论模型在低资源场景下的泛化能力或对中医古籍文本的适用性	实现中医电子病历中实体与四诊维度关系的联合识别与抽取	中医电子病历中的临床实体（部位、症状属性）及其与四诊维度的关联关系	自然语言处理	NA	NA	卷积循环交互网络	文本	NYT数据集和TCM-cases数据集（具体样本量未提及）	NA	CCRIN（字符级卷积循环交互网络）	NA	NA
1678	2026-05-25	GFASNet: Gait feature attention-driven deep sequential network for dementia-related gait pattern analysis 2026-05, Artificial intelligence in medicine IF:6.1Q1 DOI:10.1016/j.artmed.2026.103377 PMID:41713110	研究论文	本文提出GFASNet，一种步态特征注意力驱动的深度序列网络，用于识别与痴呆相关的步态模式	将特征级注意力机制融入序列深度学习架构，提高模型可解释性，并量化单个步态参数的相对贡献	未提及具体局限性	识别与痴呆相关的步态改变，并通过注意力机制提供候选数字生物标志物	232名参与者的时空步态数据	机器学习	痴呆症	NA	长短期记忆网络、双向长短期记忆网络、门控循环单元、双向门控循环单元	步态序列数据	232名参与者	NA	长短期记忆网络、双向长短期记忆网络、门控循环单元、双向门控循环单元	分类性能（具体指标未明确）	NA
1679	2026-04-05	SoleFusion-Net: an explainable multimodal deep learning framework for diabetic foot syndrome classification in type II diabetes mellitus 2026-Apr-03, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-42207-6 PMID:41932959	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
1680	2026-05-25	Single-channel EEG-based seizure prediction using deep learning 2026-Apr-03, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-44670-7 PMID:41932974	研究论文	利用单通道脑电图和深度学习模型实现癫痫发作预测	首次证明单通道脑电图可在临床有意义的时间窗内实现可靠的癫痫发作预测，且模型极轻量（37,985参数）可部署于可穿戴设备	未提及	开发一种仅使用单通道脑电图的超轻量深度学习模型，用于癫痫发作预测	癫痫患者的单通道脑电图信号	机器学习	癫痫	NA	CNN	脑电图信号	SNUH和CHB-MIT两个数据集	NA	MobileNet	准确率、假阳性率、敏感性	NA